_edited.png){kind=logo}
當GPT-4的推出，再次讓GPT成為大家關注的焦點。我們推薦大家一同閱讀這篇：由A16z團隊集結了數十位生成式AI新創創始人、技術長及資深技術人員的一線觀察，用一張圖三層架構拆解拆解生成式AI，一同認識其現況與與挑戰。
三層架構 - 理解生成式 AI
應用層（Apps）：應用層將生成式AI模型整合進面向使用者的應用程式中，它們運行自己的模型（“端到端”）或依賴第三方API。
模型層（Models）：模型層提供驅動AI產品的模型，它們可能透過API提供，或以開源的方式提供。
基礎設施層（Infrastructure）：基礎設施層提供商（雲或是硬體製造商）為生成式AI提供訓練和推理的算力。
1. 應用層
第一波生成式 AI 應用正在規模化，但在用戶留存率和產品差異化上仍面臨挑戰
在圖像生成、文案和程式碼撰寫上，這三類產品營收已超過一億美元。但受限於運算成本高昂、留存率低、付費轉化率低，是否能規模化尚不明確。
應用端公司未來面臨的議題包括：
是否垂直整合 ？
如何度過炒作週期 ？
如何度過炒作週期？
2. 模型層
模型提供商發明了生成式AI，但尚未實現大規模商業化
對於模型提供商來說，其商業化可能和託管有關。 對 API（如來自 OpenAI）的需求正迅速成長。 開源模型的託管服務正在成為方便共享和整合模型的中心，甚至在模型提供商和消費者間產生一些間接的網絡效應。
模型提供商未來面臨的議題包括：
是否商品化 ？
如何避免顧客流失 ？
是否應該獲利 ？
3. 基礎設施層
基礎設施供應商觸及一切，並獲得回報
生成式AI總營收的10-20%將流向雲服務提供商，而它們每年花費大量資金在提升算力的硬體上。也就是說，目前生成式AI最大的贏家，可能是運行了大多數AI工作負載的NVIDIA，它通過數十年在GPU的投資、產學合作以及軟硬體生態系統的構建，建立了堅固的護城河。換句話說，基礎設施可能是整個技術棧中可持續獲利且最有壁壘的一層。
基礎設施提供商未來面臨議題包括：
如何創造用戶黏性 ？
當晶片不再稀缺後的影響 ？
挑戰者雲是否能突圍 ？
4. 價值將在哪裡積累 ？
在生成式 AI 領域，似乎不存在任何系統性的護城河。
總結來說：
基礎架構供應商可能是目前最大贏家，佔據了流向這個方向的大部分資金。
應用層公司的收入增長快速，但在留存率、產品差異化和毛利率方面苦苦掙扎。
大多數模型提供商，雖然市場存在，但尚未實現大規模的商業化。
コメント