Ar AI modeliai tampa prekėmis?

„Microsoft“ generalinė direktorė Satya Nadella neseniai sukėlė diskusijas, siūlydama, kad pažengusiųjų AI modeliai eina į prekybą. Podcast'e, Nadella pastebėjo, kad pagrindiniai modeliai tampa vis panašesni ir plačiai prieinami, iki to laiko, kai „Modelių patys nėra pakankami“ už ilgalaikį konkurencinį kraštą. Jis atkreipė dėmesį į tai, kad „Openai“-nepaisant pažangiausių nervinių tinklų- „Nėra modelio įmonė; Tai produktų įmonė, kuri turi fantastiškus modelius– pabrėžiant šį tikrąjį pranašumą, atsiranda gaminių statyba aplink modelius.

Kitaip tariant, paprasčiausias modelis gali nebesutikinti rinkos lyderystės, nes bet koks veiklos rezultatas gali būti trumpalaikis greitame AI inovacijų tempe.

„Nadella“ perspektyva turi svorio pramonėje, kurioje technologijų milžinai lenktyniauja, kad mokytų vis didesnius modelius. Jo argumentas reiškia, kad reikia pasikeisti: užuot apsėstas modelio viršenybės, įmonės turėtų nukreipti energiją į AI integravimą į integravimą į AI „Visas sistemos kaminas ir puikūs sėkmingi produktai“.

Tai atspindi platesnį požiūrį, kad šiandienos AI proveržiai greitai tampa rytojaus pradinėmis bazėmis. Kadangi modeliai tampa labiau standartizuoti ir prieinami, prožektorius pereina prie to, kaip AI taikoma realaus pasaulio paslaugose. Tokios firmos kaip „Microsoft“ ir „Google“, turinčios didžiules produktų ekosistemas, gali būti geriausia, kad būtų galima pasinaudoti šia prekybinės AI tendencija, įdėtant modelius į patogų pasiūlą vartotojui.

Išplėtimo prieigos ir atidarymo modeliai

Ne taip seniai tik keli laboratorijos galėjo sukurti moderniausius AI modelius, tačiau šis išskirtinumas greitai išnyksta. PG galimybės yra vis labiau prieinamos organizacijoms ir net asmenims, skatinant modelių, kaip prekių, sąvoką. AI tyrėjas Andrew Ng jau 2017 m. Prilygino AI potencialą „Nauja elektra“ Siūlant, kad kaip elektra tapo visur esančia preke, kuria grindžiamas šiuolaikinis gyvenimas, PG modeliai gali tapti pagrindinėmis priemonėmis, kurias teikia daugelis paslaugų teikėjų.

Neseniai paskelbtas atvirojo kodo modelių dauginimasis paspartino šią tendenciją. Pvz. Priežastys yra strateginės: Atvirai naudodamas savo AI, „Meta“ gali paskatinti platesnį priėmimą ir įgyti bendruomenės įmokas, tuo pačiu padidindamas konkurentų patentuotus pranašumus. Ir dar visai neseniai AI pasaulis sprogo išleidus Kinijos modelį „Deepseek“.

Vaizdų generavimo srityje stabilumo AI stabilus difuzijos modelis parodė, kaip greitai proveržis gali būti prekiaujamas: per keletą mėnesių nuo savo 2022 m. Atviro išleidimo jis tapo buitiniu pavadinimu generatyvinėje AI, prieinamą daugybėje programų. Tiesą sakant, sprogsta atvirojo kodo ekosistema-yra dešimtys tūkstančių AI modelių, viešai prieinamų saugyklų, tokių kaip apkabinimo veidas.

Šis visur esantis visureigis reiškia, kad organizacijos nebeatlieka dvejetainio pasirinkimo sumokėti už vieno teikėjo slaptą modelį arba visai nieko. Vietoj to, jie gali pasirinkti iš modelių (atvirų ar komercinių) meniu ar net tiksliai sureguliuoti savo, panašiai kaip pasirinkti prekes iš katalogo. Didelis variantų skaičius yra stiprus požymis, kad pažengusi AI tampa plačiai bendrais ištekliais, o ne glaudžiai saugoma privilegija.

Debesų milžinai paverčia AI naudingumo paslauga

Pagrindiniai debesų tiekėjai buvo pagrindiniai AI komercinių asmenų įgalintojai ir vairuotojai. Tokios įmonės kaip „Microsoft“, „Amazon“ ir „Google“ siūlo AI modelius kaip užsakomosios paslaugos, panašios į komunalines paslaugas, pristatytas virš debesies. Nadella tai pažymėjo „Modeliai tampa () debesyje“, “ Pabrėžiant, kaip debesis daro galingą AI, iš esmės prieinamą.

Iš tiesų, „Microsoft“ „Azure Cloud“ bendradarbiauja su „Openai“, leidžiančia bet kuriam kūrėjui ar verslui įsitraukti į GPT-4 ar kitus geriausius modelius per API skambutį, nesukurdamas savo AI nuo nulio. „Amazon Web Services“ (AWS) žengė žingsnį toliau su savo „Bedrock“ platforma, kuri veikia kaip pavyzdinė rinka. „AWS Bedrock“ siūlo įvairių pagrindinių AI kompanijų pamatų modelių pasirinkimą – nuo pačių „Amazon“ modelių iki tie, kurie yra nuo antropinių, AI21 laboratorijų, stabilumo AI ir kitų – visa tai prieinama per vieną valdomą paslaugą.

Šis „daugelis modelių, vienos platformos“ požiūris parodo prekybą: klientai gali pasirinkti modelį, atitinkantį jų poreikius, ir santykinai lengvai perjungti tiekėjus, tarsi pirkti prekių.

Praktiškai tai reiškia, kad įmonės gali pasikliauti debesų platformomis, kad visada turėtų moderniausią modelį, panašiai kaip elektra iš tinklo-ir jei naujas modelis patraukia antraštes (tarkime, paleidimo proveržį), debesis nedelsdamas jį pasiūlys.

Diferencijavimas už patį modelį

Jei visi turi prieigą prie panašių AI modelių, kaip AI kompanijos išsiskiria? Tai yra diskusijų dėl prekybinės diskusijos esmė. Pramonės lyderių sutarimas yra tas, kad vertė bus paraiška AI, ne tik algoritmas. Pačios „Openai“ strategija atspindi šį poslinkį. Pastaraisiais metais bendrovės dėmesys buvo sutelktas į poliruoto produkto (ChatGPT ir jo API) ir patobulinimų ekosistemos pristatymą, pavyzdžiui, tobulinimo paslaugas, papildinių priedus ir patogias sąsajas, o ne tiesiog išleisti neapdorotą modelio kodą.

Praktiškai tai reiškia pasiūlyti patikimus našumo, pritaikymo parinktis ir kūrėjų įrankius, susijusius su modeliu. Panašiai „Google“ „Deepmind“ ir „Brain“ komandos, dabar „Google Deepmind“ dalis, nukreipia savo tyrimus į „Google“ produktus, tokius kaip „Search“, „Office Apps“ ir „Cloud API“ – įterpdami AI, kad šios paslaugos būtų protingesnės. Techninis modelio rafinuotumas yra tikrai svarbus, tačiau „Google“ žino, kad vartotojams galiausiai rūpi AI įgalinimo patirtis (geresnis paieškos variklis, naudingesnis skaitmeninis asistentas ir kt.), O ne modelio pavadinimas ar dydis.

Mes taip pat matome, kad įmonės išsiskiria specializacija. Vietoj vieno modelio, skirto jiems visiems valdyti, kai kurios AI firmos kuria modelius, pritaikytus konkrečioms sritims ar užduotims, kur jos gali reikalauti aukščiausios kokybės net ir prekybiniame kraštovaizdyje. Pavyzdžiui, yra PG pradedančių įmonių, skirtų tik sveikatos priežiūros diagnostikai, finansams ar įstatymams Geriau šios nišos modelis nei bendrosios paskirties sistema. Šios įmonės pasitelkia atvirų ar mažesnių pritaikytų modelių derinimą kartu su patentuotais duomenimis, kad išsiskirtų.

Kita diferenciacijos forma yra efektyvumas ir kaina. Modelis, pateikiantis vienodus našumus per nedidelę skaičiavimo išlaidų dalį, gali būti konkurencinis kraštas. Tai pabrėžė atsiradęs „Deepseek“ R1 modelis, kuris, kaip pranešama, suderino kai kurias „Openai“ GPT-4 galimybes, kurių mokymo išlaidos buvo mažesnės nei 6 mln. Toks efektyvumas rodo, kad nors išėjimai Iš skirtingų modelių gali tapti panašūs, vienas teikėjas galėtų atskirti save, pasiekdamas tuos rezultatus pigiau ar greitai.

Galiausiai yra varžybos, kaip sukurti vartotojų lojalumą ir ekosistemas, susijusias su AI paslaugomis. Kai verslas giliai integruoja tam tikrą AI modelį į savo darbo eigą (su pasirinktiniais raginimais, integracijomis ir tiksliai sureguliuotais duomenimis), perėjimas prie kito modelio nėra trintis. Teikėjai, tokie kaip „Openai“, „Microsoft“ ir kiti, bando padidinti šį lipnumą, siūlydami išsamias platformas-nuo kūrėjo SDK iki AI papildinių prekyvietės-tai daro jų AI skonį daugiau visiško sprendimo, o ne apsikeitimo preke.

Bendrovės juda aukštyn vertės grandine: Kai pats modelis nėra griovys, diferenciacija kyla iš visko, kas supa modelį – duomenys, vartotojo patirtis, vertikalioji kompetencija ir integracija į esamas sistemas.

Ekonominis pulsavimo poveikis prekių AI

PG modelių prekybinės įtakos turi didelę ekonominę reikšmę. Per trumpą laiką tai sumažina AI galimybių kainą. Turėdami daugybę konkurentų ir atvirų alternatyvų, AI paslaugų kainos buvo mažėjančioje spiralėje, primenančioje klasikines prekių rinkas.

Per pastaruosius dvejus metus „Openai“ ir kiti paslaugų teikėjai dramatiškai sumažino prieigos prie kalbų modelių kainas. Pavyzdžiui, „Openai“ žetonų kainų nustatymas dėl savo GPT serijos sumažėjo daugiau nei 80% nuo 2023 iki 2024 m., Tai sumažėjo dėl padidėjusio konkurencijos ir efektyvumo padidėjimo.

Panašiai naujesni dalyviai, siūlantys pigesnius ar atvirus modelius, verčia rinkos dalyvius siūlyti daugiau už mažiau-per nemokamas pakopas, atvirojo kodo leidimus ar paketų pasiūlymus. Tai gera žinia vartotojams ir įmonėms, priimančioms AI, nes pažangios galimybės tampa vis labiau prieinamos. Tai taip pat reiškia, kad AI technologija visoje ekonomikoje plinta greičiau: kai kažkas tampa pigiau ir standartizuota, daugiau pramonės šakų ją įtraukia, skatina naujoves (panašiai kaip nebrangią prekybinę kompiuterio aparatinę įrangą 2000 -aisiais sukėlė programinės įrangos ir interneto paslaugų sprogimą).

Mes jau matome AI priėmimo bangą tokiuose sektoriuose kaip klientų aptarnavimas, rinkodara ir operacijos, kurias skatina lengvai prieinami modeliai ir paslaugos. Taigi platesnis prieinamumas gali išplėsti bendrą AI sprendimų rinką, net jei pačių modelių pelno maržos susitraukia.

Ekonominė prekių AI dinamika (UNITE AI/Alex McFarland)

Tačiau komercinė galimybė taip pat gali pakeisti konkurencinę aplinką sudėtingais būdais. Nustatytoms AI laboratorijoms, kurios investavo milijardus į „Frontier“ modelių kūrimą, tų modelių, suteikiančių tik trumpalaikius pranašumus, kyla klausimų apie IG. Jiems gali tekti pakoreguoti savo verslo modelius – pavyzdžiui, sutelkti dėmesį į įmonių paslaugas, patentuotus duomenų pranašumus ar prenumeratos produktus, pagamintus ant modelių, o ne parduodant API prieigą.

Taip pat yra ginklų lenktynių elementas: Kai kiti spektaklio proveržiai greitai patenka ar viršija kiti (ar net atvirojo kodo bendruomenės), langas užsidirbti iš naujo modelio. Ši dinamika verčia įmones apsvarstyti alternatyvius ekonominius griovius. Vienas iš tokių griovių yra integracija su patentuotais duomenimis (kurie nėra prekiaujami)-AI, suderinta su pačios bendrovės turtingais duomenimis, gali būti vertingesni tai įmonei nei bet kuris neatsiejamas modelis.

Kitas yra reguliavimo ar atitikties funkcijos, kai teikėjas gali pasiūlyti modelius, turinčius garantuotą privatumą ar atitiktį įmonėms naudoti, diferencijuoti ne tik „RAW Tech“. Makro mastu, jei pagrindiniai AI modeliai tampa tokie pat visur paplitę kaip duomenų bazės ar žiniatinklio serveriai, galime pamatyti poslinkį, kuriame paslaugos Aplink AI (debesų priegloba, konsultacijos, pritaikymai, techninė priežiūra) tampa pagrindiniais pajamų generatoriais. Jau dabar debesų teikėjams naudinga padidėjusi skaičiavimo infrastruktūros (CPUS, GPUS ir kt.) Paklausa, kad būtų galima paleisti visus šiuos modelius – šiek tiek panašu į tai, kaip elektros energijos naudojimas yra naudingas, net jei prietaisai yra prekiaujami.

Iš esmės, AI ekonomika gali atspindėti kitų IT prekių ekonomiką: mažesnės išlaidos ir didesnis prieiga paskatino platų naudojimą, sukuriant naujas galimybes, pastatytas ant prekybinio sluoksnio, net jei to sluoksnio tiekėjai susiduria su griežtesnėmis paraštėmis ir poreikiu nuolat kurti naujoves arba diferencijuoti kitur.