当下，人工智能迎来“iPhone时刻”，其传播速度超过历史上任何技术革命。

然而，摩根士丹利在报告中指出，不可否定的是AI发展的不确定性很高，VC们敏锐地发现了这一点，并指出以下“三大焦点问题”。

(相关资料图)

AI产业飞速发展，“技术扩散”速度超出互联网革命，其中模块化（Modularity)是AI实现更快增长的关键。

“技术扩散”（Tech Diffusion）是近年来最重要主题之一，是一项技术从首次得到商业化应用，经过大力推广、普遍采用阶段，直至最后因落后而被淘汰的过程。

而人工智能的技术扩散速度，即向非技术邻近领域的溢出效应，是前所未有的。为了更清楚地表明这一点，大摩下图比较了1885年后电力革命、2007年后互联网革命和2022年后的人工智能革命的技术扩散速度。

其中，模块化（Modularity 分模块专门处理不同方面的任务)是通过创新堆栈实现更快增长和颠覆的关键。如果没有广泛的互联网接入，人工智能的增长是难以持续的，而如果没有廉价电力的接入，这反过来也是不可能的。未来快速增长和中断的领域将在这些人工智能的大模型的基础上类似地模块化。

(注：模型训练无法覆盖所有场景，当遇到越来越多种不同的任务时，AI表现变得越来越糟糕。这也是大部分主流AI产品依赖提示词才会给出相对符合逻辑答案的原因，而“模块化”，即分模块专门处理不同方面的任务，是解决泛化问题的方案之一。）

比如，拥有大模型的公司开源插件，如OpenAI新发布的数据分析工具“代码解释器”，受益于这种模块化的扩展方法，会创造更大的使用广度、深度和粘性。然而，相对于历史上任何技术，采用速度之快也意味着Generative AI的s曲线只需几个月，而不是过去预期的几年或几十年。

AI企业的融资和估值中，也存在80/20法则（企业80%利润来自20%的项目），OpenAI最近又筹集了3亿美元，其估值在270-290亿美元之间。该公司在过去7轮融资中筹集的资金总额超过110亿美元。

目前还没有一个竞争对手能与OpenAI的ChatGPT相媲美，最近的平台数据显示，其月活跃用户数超过了Reddit、Netflix和Linkedin，接近20亿。

然而，平均而言，人工智能/ML公司的估值较它们2021年1月水平的估值水平低60%，当时AI/ML在处于炒作周期。尽管对人工智能的投资需求明显增长（占所有风险投资的10%），但只有少数私人人工智能公司的通过价值重估，OpenAI就是这样一家公司。

最近几周讨论最激烈的问题是，面对开源模型，大模型公司的护城河到底有多大？

2023年，被投入AI领域的资金已经超过120亿美元（占市场风险投资总额的10%）。然而，再次达到上述帕累托点，目前80%的资金集中在大模型所有者，而不是下游的APP制造商手中。此后加速了向非科技行业的扩散。

当然，有一个很好的理由——训练越来越大的LLM成本昂贵，而利用那些具有API的模型来创建下游应用程序比较便宜，现在的现状似乎也是如此。

而开源LLM的出现是否会导致这一资本部署比例在某个时候出现反转——无论是在公开市场还是在私人市场，融资是否有利于低成本的开源LLM的出现？

标签：