ARA:A16Z | 生成式AI的機遇與挑戰分析_WEN

1.前言

什么是生成式AI？

生成式AI是機器學習的一個類別，計算機可以根據用戶的輸入/提示，生成原創的新內容。目前這項技術最成熟的應用主要在文本和圖像領域，不過幾乎所有的創意領域都有類似的進步，覆蓋動畫、聲音效果、音樂，甚至是對具備完整個性的虛擬人物進行原創。

第一部分：觀察和預測

人工智能應用正在迅速擴大規模，而留存并沒有那么容易，并不是所有人都可以建立起來商業規模。

生成式AI技術的早期階段已浮現：

比如說，數以百計的新興AI創業公司正沖向市場，開始開發基礎模型，構建AI原生應用程序、基礎設施與工具。

當然，確實會有很多熱門技術趨勢，會出現過度炒作的情況。但生成式人工智能的蓬勃發展，已經能看到很多公司產生了實實在在的營收。

AAC上線生態架構板塊:據官方消息，AAC（Double-A Chain）今日上線其生態架構板塊。該板塊展示了目前AAC生態已有的應用，用戶可以快速體驗。據悉未來更多項目方或開發者基于AAC鏈開發的應用可以申請加入該生態架構。[2022/11/8 12:33:17]

例如，像StableDiffusion和ChatGPT這樣的模型創造了用戶增長的歷史記錄，有的應用在推出后不到一年，就達到了1億美元的年營收，并且人工智能模型在部分任務中的表現要比人類的水平高幾個數量級。

我們發現，技術范式轉型正在發生。但是，需要研究的關鍵問題在于：整個市場中，哪些地方會產生價值？

過去一年里，我們和幾十位生成式AI創業公司的創始人和大公司AI領域的專家。我們觀察到目前為止，基礎設施供應商很可能是這個市場上最大的贏家，因為基礎設施可以獲得經過整個生成式AI堆棧最多的流水和營收。

Paradigm推出NFT+代幣機制GOO，可確保代幣長期被NFT持有者控制:金色財經消息，Paradigm發文介紹新的NFT+代幣機制“Gradual Ownership Optimization”（GOO），旨在避免NFT持有者群體與代幣持有者群體隨著時間推移而逐步分離，從而確保代幣長期處于NFT持有者的控制之下，適用于各種NFT項目和鏈上游戲。[2022/9/7 13:12:56]

盡管主攻應用開發的公司收入增長非常快，但這部分公司往往在用戶留存、產品差異化和毛利率方面存在弱勢。而大多數模型供應商目前還沒有掌握大規模的商業化能力。

再說的準確一點，那些能夠創造最大價值的公司，比如說能夠訓練生成式人工智能模型，并將這種技術應用于新的應用程序，目前還沒有完全抓住行業中的的大部分價值。所以，現在想要預測后面的行業趨勢并不是那么容易。

投行Cowen下調對比特幣礦企Marathon Digital的收入預期:金色財經報道，在第二季度業績低迷之后，投資銀行Cowen下調對比特幣礦企Marathon Digital Holdings（MARA）的收入、調整后的EBITDA以及采礦利潤率的預期，并對該公司雄心勃勃的算力目標提出警告。

Cowen分析師Stephen Glagola和George Kuhle在給客戶的一份說明中說，由于Marathon對第三方供應商的依賴和缺乏對基礎設施的控制，這些交易伴隨著執行風險。Cowen將Marathon 2022年的收入預期從2.04億美元降至1.5億美元，低于1.89億美元的平均預期。Cowen還將調整后的EBITDA預期從8600萬美元降至3900萬美元，采礦利潤從1.32億美元和64.7%的利潤率降至9100萬美元，利潤率為61%。（CoinDesk）[2022/8/24 12:44:16]

但是，想辦法了解整個行業堆棧的哪些部分能做到真正的差異化，和可防御化很重要，因為這部分可以對整個市場結構和長期價值驅動力產生重大影響。

數據：7月至今新注冊ENS域名數已超31萬:7月25日消息，據Dune Analytics的數據顯示，7月至今新注冊ENS域名數為316,707個，已成為新注冊域名數第二多的月份。2022年5月是注冊ENS域名數最多的月份，共注冊365,652個域名。[2022/7/25 2:35:23]

但迄今為止，除了現有公司傳統意義上的業務護城河，很難在堆棧上找到結構上可防御性。

我們看好生成式人工智能賽道，也堅信這個領域對各個行業產生巨大影響。這篇文章的撰寫目的，主要是為了描繪市場的動態，回答一些關于生成性人工智能商業模式更為廣泛的問題。

技術棧：基礎設施、人工智能模型和應用程序

想要了解生成式人工智能賽道和市場是如何形成的，首先需要定義目前整個行業的堆棧：

巴哈馬總理：將轉向加密貨幣進行創新以彌補GDP損失:金色財經報道，巴哈馬總理菲利普戴維斯在2022年康科迪亞美洲峰會上與圣文森特和格林納丁斯總理拉爾夫·貢薩爾維斯討論經濟發展和投資時表示，希望世界領導人在未來30年內采取更多措施減少可能摧毀這個島國的碳排放。據他介紹，這兩個“小島國”與碳排放無關，但除了不排放外，我們還是世界上主要和重要的碳匯之一。因此，由于我們的海草和紅樹林，我們一直在從空中收集垃圾，但我們沒有得到報酬。在戴維斯看來，加密有可能解決他的國家因氣候變化和工業發展而面臨的一些問題。正如他解釋的那樣：我們現在正在參與市場，我們也將把它與加密領域聯系起來，這樣我們就可以繼續創新，看看我們如何才能獲得收入來源。（finbold）[2022/7/15 2:16:02]

整個生成式人工智能的堆棧可分為三層：

1.將生成式AI模型，與面向用戶的產品應用集成，這種通常是運行自己的模型管道，或者依賴第三方API(阿法兔研究筆記注釋：這里我們說的模型管道，指的就是就是一個模型的輸出作為下一個模型的輸入）

2.為人工智能產品提供動力的模型，以專有API或開源檢查點的形式提供

開放出來，要么需要把整個模型的構建方式以及預訓練的模保密，只開放一個接口API，如果是前者的話，你就要自己去跑訓練/微調/推理，所以需要知道它能什么樣的環境、什么樣的硬件基礎上跑，所以需要有人提供一個托管平臺處理模型運行環境的事情）

3.為生成性人工智能模型運行訓練和推理工作負載的基礎設施供應商

需要注意的是，這塊我們講的并不是整個市場的生態圖，而是一個分析市場的框架，本文在每個類別中都列出了一些知名廠商的例子，不過沒有囊括列出目前所有最厲害的AIGC應用，也沒有深入討論MLops或LLMops工具，因為這塊還沒有達到完全成熟的標準化，有機會我們會繼續討論。

第一波的生成式人工智能應用開始形成規模化，但在留存和差異化方面卻不容易

在之前的技術周期中，傳統意義上的觀點會認為，想要建立大型的、獨立的公司，就必須擁有終端客戶，這里的終端客戶包括個人消費者和B2B買家。

因為這種傳統意義上的觀點，大家很容易也認為：生成式人工智能中最大的機會也在于能夠做面向終端用戶的應用的公司。

但是到目前為止，其實情況并不一定會這樣。

生成式人工智能應用的增長非常驚人，這種增長主要是由非常新穎和應用案例所驅動的，比如說圖像生成、文案寫作和代碼編寫，這三個產品類別的年收入已經超過了1億美元。

但是，光增長還不足以構建持久的軟件公司，關鍵在于，這種增長必須是有利潤，也就是說，用戶和客戶一旦注冊就可以產生利潤，并且這種利潤還需要能夠長期可持續。

如果公司之間不存在強大的技術差異化，B2B和B2C應用程序只要通過網絡效應，和數據優勢，再或者構建愈發復雜的工作流程，從而獲得成功。

但是，在生成式人工智能領域，上述假設未必成立。在我們調研的做生成式人工智能APP的創業公司中，毛利率的變化范圍很廣，少數公司能達到90%，多數公司毛利率低至50-60%，這塊主要由模型成本影響。

盡管我們可以看到目前渠道頂端的增長，但是，還不清楚目前客戶獲取策略是否可以持續，因為已經看到了很多付費獲取的效率和留存率開始下降。

目前市面上的很多應用程序也確實缺乏差異性，因為這些應用主要依賴于相似的底層人工智能模型，并沒有發現明顯能夠具備獨家網絡效應、其他競爭對手很難復制的的殺手級應用和數據/工作流程。

因此，目前我們還不知道能夠建立可持續的生成式人工智能商業化業務的最佳實踐到底是什么，隨著語言模型的競爭和效率的提高，利潤率應該會提高。隨著那波僅僅因為人工智能的熱度才來的用戶逐步冷卻，離開市場，用戶留存率大概率會增加。并且，我們認為垂直整合的應用在制造差異化方面具備優勢，但是很多還需要接下來的實踐證明。

展望未來，生成式AI應用會面臨什么問題？

在垂直整合方面:?如果人工智能模型作為一種消費型服務，應用開發者可以用小團隊模式快速迭代，并隨著技術的進步，逐步更換模型供應商。但還有開發者不同意，他們認為，產品就是模型，從頭開始訓練是創造可防御性的唯一途徑，這里指的是不斷地對專有產品數據進行再訓練。但這就需要更高的資本，并且需要穩定的產品團隊為代價的。

構建功能與應用程序。生成式人工智能產品具備很多形式：桌面應用，移動應用，Figma/Photoshop插件，Chrome擴展應用...甚至還包括Discord機器人。在用戶已經在應用、有使用習慣的地方整合人工智能產品比較容易，因為用戶界面較為簡易。但是，這些公司里有哪些會成為獨立的公司？哪些會被微軟或谷歌人工智能巨頭所吸納？

會和Gartner公司發布的炒作周期時機。

Tags：人工智能ARANFTWEN人工智能是干嘛的SARA價格dogenftWENB幣

POL幣最新價格