人工智能:A16z：生成式AI的机遇与挑战分析_TRAMSV1

原文作者：MattBornstein,GuidoAppenzeller,andMartinCasado

原文翻译：阿法兔

A16Z最近又发了一篇有意思的文章，谈到他们认为的生成式?AI?价值捕获问题，比如说目前生成式?AI?在商业化落地存在哪些问题？价值捕获最大的部分在哪？笔者翻译后对部分内容进行了注解。

文章主要两部分：第一部分，包括A16Z对生成式?AI?整个目前赛道的观察，以及存在什么问题；第二部分除了问题之外，还讲解了到底哪块能捕获最大的价值，无疑，得基础设施者的天下

*本文版权归A16Z所有，翻译仅为供大家学习使用。

什么是生成式AI？

生成式?AI是机器学习的一个类别，计算机可以根据用户的输入/提示，生成原创的新内容。目前这项技术最成熟的应用主要在文本和图像领域，不过几乎所有的创意领域都有类似的进步，覆盖动画、声音效果、音乐，甚至是对具备完整个性的虚拟人物进行原创。

a16z宣布创建一只新基金，以继续发展其业务:金色财经报道，Andreessen Horowitz（a16z）宣布创建一只新基金，以继续发展其业务。根据上周向美国证券交易委员会提交的文件，这只基金名为a16z Perennial Venture Capital Fund，该基金将在Andreessen Horowitz的门洛帕克办事处运营。

此外，这家风险投资公司已向美国监管机构注册了鹏瑞利管理业务。根据向SEC提交的ADV文件，该公司被列为一家大型咨询公司，监管资产管理规模为1.05亿美元。该业务部门已注册18名高净值人士作为其客户。文件显示，它将为个人、小型企业和集合投资工具以及私募基金经理、财富管理顾问和财务规划师提供投资组合管理等咨询服务。[2023/6/23 21:55:45]

第一部分：观察和预测

人工智能应用正在迅速扩大规模，而留存并没有那么容易，并不是所有人都可以建立起来商业规模。

生成式?AI?技术的早期阶段已浮现：

a16z crypto敦促英国考虑更细致的监管框架:金色财经报道，a16z crypto 在给英国财政部的一封公开信中表示，“一刀切”的加密资产交易监管方法不符合财政部“相同风险，相同监管结果”的核心设计原则，英国应该考虑采用“更细致的方法”来监管数字资产，政策制定者和监管者需要对去中心化在 web3 系统中的运作方式形成“更统一”的理解。

这份公开信是对英国政府 2 月份首次发布的咨询文件的回应。该风险投资公司认为，监管框架应包括“基于原则的分析”，考虑给定平台或协议的结构是否已经减轻了可能的风险，法规不应不必要地阻碍项目去中心化。a16z crypto 敦促监管 DeFi 应用程序和业务，而不是协议或软件。此外，允许通过旨在实现去中心化的协议免费分发代币的规则将对开发人员具有吸引力。[2023/5/2 14:37:46]

比如说，数以百计的新兴?AI?创业公司正冲向市场，开始开发基础模型，构建?AI?原生应用程序、基础设施与工具。

当然，确实会有很多热门技术趋势，会出现过度炒作的情况。但生成式人工智能的蓬勃发展，已经能看到很多公司产生了实实在在的营收。

a16z创始人取关Jack Dorsey社交账号 此前曾因Web3问题引发争论:12月23日，a16z创始人Marc Andreessen已将推特前CEO、现任Block公司（前身为Square）CEO JackDorsey社交媒体账号取消关注。对此Jack Dorsey表示：我已经正式被Web3驱逐了（I'm officially banned from web3）。此前消息，JackDorsey曾在社交平台抨击「Web3世界里，VC才是问题」，暗指a16z等VC投资了大量所谓Web3.0公司，用户并没有享受到真正的Web3产品。随后12月22日晚间，JackDorsey在推特上取关Coinbase首席执行官Brian Armstrong以及a16z创始人Marc Andreessen。[2021/12/23 7:58:08]

例如，像?StableDiffusion?和?ChatGPT?这样的模型创造了用户增长的历史记录，有的应用在推出后不到一年，就达到了?1?亿美元的年营收，并且人工智能模型在部分任务中的表现要比人类的水平高几个数量级。

a16z正在为其DeFi投资寻找代币委托人:金色财经报道，风险投资公司Andreessen Horowitz(a16z)正在为其DeFi投资寻找代币委托人，其DeFi投资包括去中心化交易所Uniswap和贷款协议Compound。根据a16z的Alex Kroeger的推文，已邀请有兴趣的参与者通过谷歌表单填写申请。根据申请，a16z还在为其在去中心化衍生品交易所dYdX和稳定币平台Maker和Fei中的份额寻求代表。据悉，代币委托是去中心化金融中的一个过程，治理代币的持有者将其相应的投票权外包给第三方，减少了早期投资者和创始人的投票权。A16z现有的Uniswap和Compound代币委托人包括大学组织、非营利组织、初创公司和社区领袖，如哈佛法学院的区块链和金融科技计划、Kiva、Gauntlet和Getty Hill。[2021/9/11 23:17:09]

我们发现，技术范式转型正在发生。但是，需要研究的关键问题在于：整个市场中，哪些地方会产生价值？

过去一年里，我们和几十位生成式?AI?创业公司的创始人和大公司?AI?领域的专家。我们观察到目前为止，基础设施供应商很可能是这个市场上最大的赢家，因为基础设施可以获得经过整个生成式?AI?堆栈最多的流水和营收。

a16z领投Optimism的2500万美元A轮投资:金色财经报道，Andreessen Horowitz（a16z）正在领导对以太坊扩容解决方案Optimism的2500万美元的A轮投资。[2021/2/25 17:49:57]

尽管主攻应用开发的公司收入增长非常快，但这部分公司往往在用户留存、产品差异化和毛利率方面存在弱势。而大多数模型供应商目前还没有掌握大规模的商业化能力。

再说的准确一点，那些能够创造最大价值的公司，比如说能够训练生成式人工智能模型，并将这种技术应用于新的应用程序，目前还没有完全抓住行业中的的大部分价值。所以，现在想要预测后面的行业趋势并不是那么容易。

但是，想办法了解整个行业堆栈的哪些部分能做到真正的差异化，和可防御化很重要，因为这部分可以对整个市场结构和长期价值驱动力产生重大影响。

但迄今为止，除了现有公司传统意义上的业务护城河，很难在堆栈上找到结构上可防御性。

我们看好生成式人工智能赛道，也坚信这个领域对各个行业产生巨大影响。这篇文章的撰写目的，主要是为了描绘市场的动态，回答一些关于生成性人工智能商业模式更为广泛的问题。

技术栈：基础设施、人工智能模型和应用程序

想要了解生成式人工智能赛道和市场是如何形成的，首先需要定义目前整个行业的堆栈：

整个生成式人工智能的堆栈可分为三层：

1.将生成式?AI?模型，与面向用户的产品应用集成，这种通常是运行自己的模型管道，或者依赖第三方?API

2.为人工智能产品提供动力的模型，以专有?API?或开源检查点的形式提供

开放出来，要么需要把整个模型的构建方式以及预训练的模保密，只开放一个接口?API，如果是前者的话，你就要自己去跑训练/微调/推理，所以需要知道它能什么样的环境、什么样的硬件基础上跑，所以需要有人提供一个托管平台处理模型运行环境的事情）

3.为生成性人工智能模型运行训练和推理工作负载的基础设施供应商

需要注意的是，这块我们讲的并不是整个市场的生态图，而是一个分析市场的框架，本文在每个类别中都列出了一些知名厂商的例子，不过没有囊括列出目前所有最厉害的AIGC应用，也没有深入讨论?MLops?或?LLMops?工具，因为这块还没有达到完全成熟的标准化，有机会我们会继续讨论。

第一波的生成式人工智能应用开始形成规模化，但在留存和差异化方面却不容易

在之前的技术周期中，传统意义上的观点会认为，想要建立大型的、独立的公司，就必须拥有终端客户，这里的终端客户包括个人消费者和?B?2B买家。

因为这种传统意义上的观点，大家很容易也认为：生成式人工智能中最大的机会也在于能够做面向终端用户的应用的公司。

但是到目前为止，其实情况并不一定会这样。

生成式人工智能应用的增长非常惊人，这种增长主要是由非常新颖和应用案例所驱动的，比如说图像生成、文案写作和代码编写，这三个产品类别的年收入已经超过了?1?亿美元。

但是，光增长还不足以构建持久的软件公司，关键在于，这种增长必须是有利润，也就是说，用户和客户一旦注册就可以产生利润，并且这种利润还需要能够长期可持续。

如果公司之间不存在强大的技术差异化，B?2B和?B?2C应用程序只要通过网络效应，和数据优势，再或者构建愈发复杂的工作流程，从而获得成功。

但是，在生成式人工智能领域，上述假设未必成立。在我们调研的做生成式人工智能?APP?的创业公司中，毛利率的变化范围很广，少数公司能达到?90%?，多数公司毛利率低至?50-60%?，这块主要由模型成本影响。

尽管我们可以看到目前渠道顶端的增长，但是，还不清楚目前客户获取策略是否可以持续，因为已经看到了很多付费获取的效率和留存率开始下降。

目前市面上的很多应用程序也确实缺乏差异性，因为这些应用主要依赖于相似的底层人工智能模型，并没有发现明显能够具备独家网络效应、其他竞争对手很难复制的的杀手级应用和数据/工作流程。

因此，目前我们还不知道能够建立可持续的生成式人工智能商业化业务的最佳实践到底是什么，随着语言模型的竞争和效率的提高，利润率应该会提高。随着那波仅仅因为人工智能的热度才来的用户逐步冷却，离开市场，用户留存率大概率会增加。并且，我们认为垂直整合的应用在制造差异化方面具备优势，但是很多还需要接下来的实践证明。

展望未来，生成式?AI?应用会面临什么问题？

在垂直整合方面

如果人工智能模型作为一种消费型服务，应用开发者可以用小团队模式快速迭代，并随着技术的进步，逐步更换模型供应商。但还有开发者不同意，他们认为，产品就是模型，从头开始训练是创造可防御性的唯一途径，这里指的是不断地对专有产品数据进行再训练。但这就需要更高的资本，并且需要稳定的产品团队为代价的。

构建功能与应用程序

生成式人工智能产品具备很多形式：桌面应用，移动应用，Figma/Photoshop?插件，Chrome?扩展应用...甚至还包括?Discord?机器人。在用户已经在应用、有使用习惯的地方整合人工智能产品比较容易，因为用户界面较为简易。但是，这些公司里有哪些会成为独立的公司？哪些会被微软或谷歌人工智能巨头所吸纳？

会和?Gartner?公司发布的炒作周期（hypercycle)一致？

尚且不清楚当前的用户流失率，是不是都是早期人工智能产品所必须面对的，仅仅是我们当前这批人工智能产品所固有的。再或者，市场对生成式人工智能的兴趣，是否会随着市场炒作的消退而下降。这些问题，对开发?APP?应用程序公司存在重要的影响，包括何时选择融资的时机、设计用户获取策略、对于用户群的考虑有用户的优先度，以选择宣布产品市场匹配时机。

标签：人工智能ETRTETTRA人工智能技术应用学什么etr币最新消息ETET FinanceTRAMSV1

中币热门资讯