初創企業還是既有企業：誰是這波人工智能浪潮的最大受益者？_人工智能:人工智能考研考哪些科目GPT價格

編者按：人工智能現在很火。但問題是初創企業和既有企業誰從中收獲了更多價值？上一波人工智能浪潮獲利最多的是既有企業，那這一波人工智能浪潮還會是這種局面嗎？為什么？具體會有哪些方面的用例？本文進行剖析。文章來自編譯。

在每一次技術浪潮里，初創企業與既有企業所獲得的價值、收入、市值、利潤以及優秀人才是不一樣的。在某些浪潮里，這一切全都被初創公司收歸囊下，而在另一些浪潮里，則被既有企業網羅走或瓜分掉。但出乎意料的是，盡管人工智能領域創業很活躍，但上一波的價值幾乎全都流向了既有企業而不是初創企業。這篇文章要探討的是這方面的動態，我們認為當前這波人工智能無監督學習的浪潮除了能讓既有企業收割價值以外，還會涌現出初創企業強勁的成功案例。

先看點歷史

在第一次互聯網浪潮里，大部分價值都流向了初創企業，既有企業通過將系列產品擴展到互聯網的方式，只收割了部分價值。就比例分配而言，初創企業與既有企業之比大概是60:40或70:30的樣子。

至于移動浪潮，大部分價值都流向了既有企業，但仍將有很大一部分價值被初創企業收割。初創企業與既有企業大概是二八開的樣子。

印度總理莫迪：數字經濟和初創企業是印度的優勢領域:金色財經報道，印度總理莫迪表示：數字經濟和初創企業是印度的優勢領域，國際貨幣基金組織對印度的數字銀行系統表示贊揚。(金十)[2022/10/17 17:28:09]

相比之下，加密貨幣的價值基本上100%被初創公司捕獲了，既有金融服務或基礎設施公司很少參與到價值創造之中。既有企業在加密貨幣領域最大的參與者可能是AMD或NVIDIA等半導體公司，因為它們的芯片有時候會用于加密貨幣/代幣的挖掘。

為什么上一波AI浪潮為初創企業創造的價值如此之少？

機器學習的情況一直都很奇怪，它的第一波價值基本上完全被既有企業收割了。

雖然在過去十年有許多奉行“人工智能優先”的公司，但真正大型的人工智能應用是谷歌、Facebook、Tiktok、Netflix、亞馬遜等貢獻的。

迄今為止，第一波人工智能浪潮最大的成果也許當屬自動駕駛汽車公司，其中許多是既有公司的子公司，或者在COVID時代的金融熱期間SPAC的公司。

除了少數值得注意的事情以外，基本上前一波的人工智能優先公司的表現都不是很好。

區塊鏈初創企業奇亞Chia估值5億美元計劃進行IPO:據市場消息，區塊鏈初創企業奇亞Chia估值5億美元，計劃進行IPO。（金十）[2021/5/25 22:40:23]

為什么第一波AI初創公司的市場占有率如此之低呢？這個問題十分有趣。一些假設是：

1.技術創造出來的是好0.5-3倍的產品，而不是好10倍的產品

一個假設是，對于某些產品而言，前一波人工智能幫助創造出更好的產品，但這種好的程度不足以擊敗既有企業或艱難的市場結構。作為一家初創公司，要想擊敗既有企業，往往需要開發出更好的產品，從而打破既有企業在分銷、資本以及既有產品方面確立的護城河，要么就得專注于全新的客戶群，或既有企業因某種原因服務不到的分銷護城河。一般來說，你需要一個好10倍的產品才能做到這一點。也許就產品改進而言，上一波人工智能在某些情況下表現不錯，但算不上出色，從而造成了差異化的不足？

2.數據的差異化曾經更重要

迄今為止，人工智能的許多最大規模的應用都是在C端公司進行的，因為這些公司有大量的數據集可供訓練。過去既有公司之所以能獲勝是因為有數據優勢，但現在也許因為大家開始把更廣泛的互聯網當作初始訓練集來使用，再加上正在轉向對數據集規模要求沒那么高的更強大模型，這種優勢正在逐漸消失了？也許在人工智能的上一個時代，數據集更重要，而且在開放web上，訓練通用模型更難？

動態 | 風投公司創始人：最近投資加密貨幣初創企業的風投出現告吹現象:據news.bitcoin消息，專注于數字貨幣市場的風險投資公司數位貨幣集團（Digital Currency Group）創始人Barry Silbert發推文表示，過去一個月里，我們看到，領投抽身后，6筆融資交易告吹。在風險投資領域，一切都不盡如人意。是時候提醒創始人，簽署的投資意向書并不等于銀行里的現金。[2018/12/14]

3.硬市場

公司選擇要參與競爭的許多領域，要么已經存在可以“只需添加人工智能”的既有企業，要么從結構角度來看屬于硬市場。既有企業的某個東西也許只能做到初創企業的50%，但只要他們將之與擁有大量客戶的核心產品捆綁在一起，他們仍然可以獲勝。許多前一波的人工智能公司要么得跟既有企業硬剛，要么就是置身于硬市場之內。像教育或醫療保健等領域都屬于硬市場，在這樣的市場里，技術創新經常會受到壓制。壓制的因素包括市場結構、監管，或者已經進入該領域，對實際的最終用戶需求看似漠不關心的既有企業。

1970年代斯坦福大學的Mycin項目就很能說明問題——有程序員開發了一個專家系統，這套系統在預測某人感染了什么疾病方面甚至可以勝過斯坦福的傳染病醫務人員——但盡管系統性能優越，卻從未被采用。有些市場很硬，就算引進機器學習可以讓事情好10倍，但也可能會因為其他原因而未被采用。

法國區塊鏈初創企業Ledger宣布將進軍韓國市場:以開發加密貨幣硬錢包“Ledger Nano S\"而出名的法國區塊鏈初創企業Ledger宣布將于3月27日進軍韓國市場。Ledger Nano S是一款支持比特幣、以太坊、瑞波、瑞波幣、萊特幣等20種加密貨幣的硬件錢包。[2018/3/13]

4.其他

也許還有其他原因，各位不妨在評論區貢獻你們的高見。

這波AI浪潮會有所不同嗎？

我從事人工智能驅動型產品的工作已經有很長一段時間了。15年前，我在Google從事定向廣告的工作，然后又到Twitter做了一段時間的搜索產品工作。我與人共同創立了Color，這家公司關注的重點是大數據、ML以及基因組學，我對AI相關公司的投資也有10年以上的歷史。

盡管AI領域之前的許多創新都非常吸引人且令人興奮，但這波浪潮給人的感覺確實有所不同，原因有幾點。我們有理由相信，雖然既有企業應該還是可以在這一波浪潮中收割到大量價值，但這次創業公司會在人工智能產生的價值當中占據更大份額。

這次的不同包括：

1.更多領域冒出了更好的技術。

當前這波技術浪潮有一個顯著特點，那就是許多領域的創新速度都非常快。未來類似GPT的語言模型應該能深刻改進C端和B2B領域的能力、保真度以及自然語言的覆蓋面，并有可能改變從人類互動到白領工作的一切。與此同時，圖像生成、語音轉文字、文字轉語音、音樂、視頻以及其他領域也正在取得進展。可以想象，從圖像生成，各種設計工具的更好版本，到電影制作的故事板，會出現4-5個清晰的業務用例。至于這些用例當中哪些會由初創企業贏得，哪些被既有企業拿下還有待觀察，但我們可以根據既有企業的實力或敏捷度猜測一下范圍。

韓國區塊鏈初創企業迫于監管壓力移向國外:去年9月韓國政府發布禁止所有形態的ICO后韓國國內的區塊鏈初創企業轉向海外ICO市場進行募集資金。據悉，現在準備在海外進行ICO的企業已有幾十家之多。[2018/3/13]

這一次，這項技術似乎變得強大了許多，這意味著創造出好10倍的產品來突破既有企業的優勢變得更容易了。“為什么是現在”這個問題的答案也許只是技術發生了徹底改變。

現在是不是人工智能初創企業騰飛的關鍵點呢？這個問題的答案要取決于GPT-4的性能是不是比GPT-3/3.5有了顯著提高。GPT-3似乎很有用，但還沒有實用到具有“突破性”，以至于仍有大量初創企業基于此做出了大業務。這也可能意味著時間還不夠，因為GPT-3推出才不久。不過，一個比GPT-3好5-10倍的模型應該能打造出一個全新的創業生態體系，同時也能增強既有企業的產品。比GPT-3好1.5到2倍的版本可能不足以引發真正的“為什么是現在”的轉變，盡管任何漸進性的改進永遠都有積極意義。

2.新技術意味著會有初創企業為本行業的其他公司提供有價值的基礎設施。

與前一波AI初創公司有所不同的是，出現了一批明確以基礎設施為中心的公司得到了廣泛采用，且發展快速——其中包括OpenAI、Stability.AI、HuggingFace、Weights以及Biases等。雖然這個領域的部分公司在收入上仍落后于使用量，但這種情況正在迅速改變，這在開源或以API為中心的商業模式當中是不常見的。

OpenAI現在是LLMAPI方面明顯的領導者——而4年前，谷歌無疑才是默認的獲勝者。但谷歌未能充分利用其在人工智能方面的諸多優勢，這一點令人震驚。這感覺就像是又一個施樂帕克研究中心時刻，transformer是谷歌發明的，谷歌也擁有為行業建立開創性的基礎設施的所有人才、數據以及分發優勢，但谷歌沒有抓住，說不定這個領域也會冒出一家像蘋果一樣的初創公司，推動行業向前發展。

同樣地，HuggingFace、Weights和Biases等也正在為AI行業提供工具，而這是既有的開發工具公司迄今為止未能做到的。

3.有明確的應用用例，但沒有強大的既有企業。

一些最早的用例和初創公司——比方說營銷文案、圖像生成以及代碼生成的采用和增長情況都非常不錯，這是之前的AI浪潮所沒見過的。

總的來說，這一波人工智能應用似乎在以下的市場表現最好：

高度重復、高薪的任務

保真度不完美也沒關系，因為在整個工作流程當中還會有人進行審核。這個循環里面人并非必需，但似乎是迄今為止的共同特征。

工作流工具不存在或在這方面的用例比較弱，所以人工智能功能就成為了更廣泛的工作流工具的核心以及有用的部分。

文本或圖像的摘要或生成對于產品應用很有用——而且這是由新的AI以高保真的方式做到的，是之前沒有過的。

到目前為止，具有這些特征的公司似乎是這波機器學習浪潮的最佳選擇。語音轉錄、機器人、視頻等其他東西也在應用的路上，這將拓寬下一代人工智能的用例。

專注于終端用戶和市場

所有這些技術均令人興奮，但關鍵是避免手里拿著錘子看什么都是釘子的問題。要確定受益于這一波激動人心的技術浪潮的實際最終用戶需求是什么，服務尚未到位的產品/市場在哪里，這一點見非常重要。

隨著市場的建設者從研究科學家轉向面向產品的開發，我們應該會看到新的機器學習驅動型應用的蓬勃發展。這可能與2010至2020年間朝著云計算的轉型類似，向后者的轉型本身也還在進行中。

規模很重要

在思考初創企業與既有企業的價值時，重要的是要記住既有企業的規模有多大。比方說，按照目前水平，谷歌市值增加10%就是1300億美元，相當于近7個Figmas、4個Snowflakes、17個Github或130個Stability.AI！既有企業的市值實在是太大了，以至于即便是很小的變化也能擴大整個生態體系或細分市場。

鑒于人工智能可能將要產生的影響，人們可以想象一個或多個能發展成真正大規模的初創公司正在誕生。即便既有企業由于自身的龐大規模會收割掉大部分的價值，初創公司也應該會收獲顯著市值，并對世界產生顯著影響。某些細分市場可能會首次變得有機可乘。在直接從事AI相關產品工作，或者投資這些產品15年之后，我覺得初創企業終于可以開始從AI收獲真正的價值了。激動人心的時刻就在眼前。

譯者：boxi。

Tags：人工智能GPT加密貨幣人工智能技術應用學人工智能后悔死了人工智能考研考哪些科目GPT價格GPT幣加密貨幣是什么意思啊加密貨幣市場還有未來嗎知乎全球十大加密貨幣

PEPE幣