|
美國著名投資機構(gòu)A16Z近日發(fā)表了一篇文章題為《Who Owns the Generative AI Platform?（生成式AI平臺，誰主沉?。浚?，里面包含幾個月以來對AIGC領(lǐng)域內(nèi)大廠與初創(chuàng)公司的訪談?wù){(diào)研和數(shù)據(jù)分析，可能是我最近看到對此類話題最客觀且詳實的討論。 從去年Midjourney火爆出圈，隨后一系列相關(guān)公司如Stability.AI、Runway、Jasper.AI等相繼得到資本的青睞，年底ChatGPT更是讓普通大眾看到了下一代AI技術(shù)可能帶來的“魔法”，背后的技術(shù)平臺OpenAI更傳言估值高達(dá)290億美金。 熱鬧之下，這篇文章給出了非常多公開整理和實際調(diào)研獲得的數(shù)據(jù)，并結(jié)合對上百家公司的真實訪談，得出的階段性結(jié)論——“目前，生成式AI領(lǐng)域似乎不存在任何系統(tǒng)性的護(hù)城河”，這一定程度上給大家“潑了冷水”，但似乎又與很多投資人和從業(yè)者的困惑相符。 且看A16Z是如何將這個話題層層剖析，由淺入深，并在最后給出誠實也充滿希望的答案的，Enjoy！ 我們已開始見證生成式AI（AIGC）技術(shù)棧的興起。數(shù)以百計的初創(chuàng)公司正在涌入市場，開發(fā)基礎(chǔ)模型，構(gòu)建人工智能原生的應(yīng)用程序，并建立基礎(chǔ)設(shè)施和開發(fā)工具。 不像許多熱門的技術(shù)趨勢在市場跟上其步伐前就被過度炒作了，生成式AI的熱潮卻伴隨著極高的市場歡迎度以及真實的市場收益。 如Stable Diffusion和ChatGPT的模型們正在創(chuàng)造用戶增長的歷史記錄，一些應(yīng)用在發(fā)布不到一年的時間里就實現(xiàn)了1億美元的年營收。對照表明，AI模型在某些任務(wù)上的表現(xiàn)優(yōu)于人類好幾個數(shù)量級。 已有足夠的早期數(shù)據(jù)表明范式轉(zhuǎn)移正在發(fā)生。而我們尚未明確的關(guān)鍵問題是：這個市場中的價值將在哪里積累？ 過去一年里，我們會見了幾十位生成式AI的從業(yè)者，他們有些是初創(chuàng)公司的創(chuàng)始人，有些在大公司中負(fù)責(zé)與生成式AI相關(guān)的工作。據(jù)我們觀察： 基礎(chǔ)設(shè)施提供商可能是迄今為止市場上的最大贏家，他們賺取了流經(jīng)技術(shù)棧的大部分資金； 應(yīng)用類公司的營收增長得非?？?，但在留存率、產(chǎn)品差異化和毛利率上卻容易遇到瓶頸； 模型提供商雖然對這個市場而言不可或缺，但絕大多數(shù)都還沒有實現(xiàn)大規(guī)模的商業(yè)化。 換言之，創(chuàng)造最大價值的公司——即訓(xùn)練生成式AI模型并將其應(yīng)用在新的應(yīng)用程序中的那些公司——尚未獲取最大的價值。 我們很難預(yù)測接下來將發(fā)生什么，但我們認(rèn)為，核心是理解技術(shù)棧的哪些部分真正具有差異化和壁壘。這將對市場結(jié)構(gòu)（公司的橫向或縱向發(fā)展）和其長期價值的驅(qū)動因素（利潤率和留存）產(chǎn)生重大影響。 至今，除了經(jīng)典的護(hù)城河之外，我們很難在技術(shù)棧中找到堅實的壁壘。 我們非?？春蒙墒紸I，相信它將對軟件行業(yè)和其他行業(yè)產(chǎn)生巨大的影響。這篇文章的目標(biāo)是描繪出市場的驅(qū)動力，并嘗試回答和生成式AI的商業(yè)模式相關(guān)的更廣泛的問題。
為了理解生成式AI市場是如何形成的，我們首先需要定義當(dāng)前的技術(shù)棧是如何構(gòu)成的的。以下是我們的初步觀點： 該棧（自上而下）可分為三個層級： 應(yīng)用層：將生成式AI模型集成進(jìn)面向用戶的應(yīng)用軟件，它們或運行著自己的模型（端到端應(yīng)用），或依賴于三方模型的API； 模型層：驅(qū)動AI產(chǎn)品的模型，它們要么以專有API的形式提供，要么開源提供（這種情況需要一個對應(yīng)的托管解決方案）； 基礎(chǔ)設(shè)施：基礎(chǔ)設(shè)施供應(yīng)商（如云廠商或硬件制造商），它們負(fù)載著生成式AI模型的訓(xùn)練和推理。 值得注意的是：這并非一幅市場全景圖，而是一個分析該市場的框架。在每個類別中，我們列出了部分知名的供應(yīng)商，沒有試圖窮舉所有已發(fā)布的生成式AI應(yīng)用。關(guān)于MLOps（機器學(xué)習(xí)運維）或LLMOps（大語言模型運維）工具的深入探討也將在后續(xù)的文章中展開，目前它們尚未高度標(biāo)準(zhǔn)化。 
在之前的技術(shù)周期中，人們普遍認(rèn)為要建立一個獨立的大企業(yè)，公司必須擁有終端客戶——無論是個人消費者還是企業(yè)買家。因此人們更容易相信，生成式AI領(lǐng)域的最終贏家也會是面向終端的應(yīng)用程序。而目前，生成式AI的探索之旅依然迷霧重重。 可以肯定的是，生成式AI應(yīng)用程序的增速是驚人的，這得益于產(chǎn)品的新穎性和豐富的用戶用例。 我們了解到至少有三類產(chǎn)品年營收已經(jīng)超過了1億美元，即圖像生成、文案寫作和代碼編寫。 然而，僅靠高增長還不足以建立經(jīng)久不衰的軟件公司。關(guān)鍵之處在于增長的背后必須有利可圖——從某種意義上說，用戶一旦注冊，就會產(chǎn)生收益（高毛利），并長期留在應(yīng)用中（高留存）。在技術(shù)缺乏差異化的情況下，B2B和B2C應(yīng)用多數(shù)通過網(wǎng)絡(luò)效應(yīng)、數(shù)據(jù)沉淀和日益復(fù)雜的工作流來推動長期客戶價值。 在生成式AI中，這些假設(shè)并不一定成立。 那些與我們交談過的應(yīng)用軟件公司，毛利率落在一個很大的區(qū)間——少數(shù)情況下可高達(dá)90%，但更多數(shù)情況僅有50-60%，主要受限于模型推理成本。雖然用戶漏斗頂端的增長十分驚人，但鑒于我們已經(jīng)看見付費轉(zhuǎn)化和留存的開始下降，現(xiàn)有的獲客策略是否可規(guī)?；形纯芍?。 由于依賴類似的數(shù)據(jù)模型，許多應(yīng)用軟件在產(chǎn)品層面相差無幾，并且它們均尚未找到友商難以復(fù)制的顯著網(wǎng)絡(luò)效應(yīng)、數(shù)據(jù)積累或獨特工作流。 因此，目前還無法明確直接銷售終端應(yīng)用是否是構(gòu)建生成式AI可持續(xù)商業(yè)模式的唯一甚至是最佳途徑。隨著語言模型的競爭加劇和效率提升，應(yīng)用的利潤空間將會提高（下文將詳述），而后面“白嫖黨”會逐漸離場，產(chǎn)品的留存也可能有所提升。 一個強有力但仍待驗證的觀點是，縱向整合的應(yīng)用（如上圖里的Midjourney）將在差異化上具有優(yōu)勢。 展望未來，生成式AI應(yīng)用公司將面臨的主要問題包括： 縱向整合（應(yīng)用 模型）：將AI模型視作一種服務(wù)，小型應(yīng)用開發(fā)團(tuán)隊可以快速迭代并隨著技術(shù)的演進(jìn)替換模型供應(yīng)商。另一方面，部分開發(fā)者認(rèn)為模型就是產(chǎn)品本身，只有從頭開始訓(xùn)練才能建立壁壘——即不斷對產(chǎn)品積累下來的專有數(shù)據(jù)進(jìn)行訓(xùn)練。這么做的代價是燒更多的錢并犧牲部分產(chǎn)品團(tuán)隊的靈活性。 構(gòu)建功能還是應(yīng)用：生成式AI的產(chǎn)品形態(tài)五花八門：桌面應(yīng)用程序、移動應(yīng)用程序、Figma/Photoshop插件、Chrome瀏覽器擴展應(yīng)用甚至Discord機器人…在用戶已經(jīng)習(xí)慣的工作界面中集成AI通常比較容易，因為交互界面往往只是一個文本框。這些公司中的哪些將成長為獨立的公司，哪些又將被已有AI產(chǎn)品線的大廠（如微軟或谷歌）收入麾下，值得拭目以待。 設(shè)法穿越炒作周期（Hype cycle）：用戶流失究竟是因為產(chǎn)品自身的產(chǎn)品力不足還是早期市場的人為表現(xiàn)目前尚無定論，對生成式AI的濃厚興趣是否會隨著炒作的消退而淡去也暫時沒有答案——何時加速融資？如何激進(jìn)地獲客？優(yōu)先考慮哪些用戶群體？何時宣告PMF成功？這些問題對于應(yīng)用程序類公司而言意義重大。 
如果沒有谷歌、OpenAI和Stability.AI等公司奠定了杰出的研究和工程基礎(chǔ)，我們現(xiàn)在所說的生成式AI將無從存在。創(chuàng)新的模型架構(gòu)和不斷擴展的訓(xùn)練管道使我們均受益于大語言模型（LLMs）和圖像生成模型的“超能力”。 然而，這些公司的收入規(guī)模在其用量和熱度面前似乎不值一提。 在圖像生成方面，得益于其用戶界面、托管產(chǎn)品和微調(diào)方法組成的操作生態(tài)，Stable Diffusion已經(jīng)見證了爆炸性的社區(qū)增長。但Stability仍將免費提供其主要檢查點作為核心業(yè)務(wù)宗旨（愿景是開源）。 在自然語言模型中，OpenAI以GPT-3/3.5和ChatGPT占據(jù)主導(dǎo)地位，但到目前為止，基于OpenAI構(gòu)建的殺手級應(yīng)用仍相對較少，而且其API定價已經(jīng)下調(diào)過一次。 這可能只是一個暫時的現(xiàn)象。Stability.AI仍是一家尚未專注于商業(yè)化的新興公司，隨著越來越多殺手級應(yīng)用的構(gòu)建——尤其當(dāng)它們被順利整合進(jìn)微軟的產(chǎn)品矩陣，OpenAI也有成長為龐然大物的潛力，屆時將吃走NLP領(lǐng)域一塊很大的蛋糕。當(dāng)模型被大量使用，大規(guī)模的商業(yè)化自然水到渠成。 但阻力依然存在。開源模型可以由任何人托管，包括不承擔(dān)大模型訓(xùn)練成本（高達(dá)數(shù)千萬或數(shù)億美元）的外部公司。是否有閉源模型可以長久地保持其優(yōu)勢目前還是未知數(shù)。 我們看見由Anthropic、Cohere和Character.ai等公司自行構(gòu)建的大語言模型開始嶄露頭角，這些模型和OpenAI基于類似的數(shù)據(jù)集和模型架構(gòu)進(jìn)行訓(xùn)練，在性能上已經(jīng)逼近OpenAI。但Stable Diffusion的例子表明，如果開源模型擁有足夠高的性能水平和充分的社區(qū)支持，那么閉源的替代方案將難以與其競爭。 如今，對專有API（如OpenAI）的需求正在迅速增長，托管可能是目前對模型提供商而言最明確的商業(yè)化路徑。 開源模型托管服務(wù)（如Hugging Face和Replicate）正在成為便捷地分享和集成模型的有效樞紐——甚至在模型提供者和消費者之間產(chǎn)生了間接的網(wǎng)絡(luò)效應(yīng)。模型提供商通過模型微調(diào)和與企業(yè)客戶簽訂托管協(xié)議來變現(xiàn)，看上去是十分可行的。 除此之外，模型提供商將面臨的主要問題還包括： 商品化：人們普遍認(rèn)為，AI模型的性能將隨時間推移趨于一致。在與應(yīng)用開發(fā)者的交談中，我們可以確定這種情況尚未發(fā)生，在文本和圖像模型領(lǐng)域都還存在實力強勁的領(lǐng)跑者。它們的優(yōu)勢并非基于獨特的模型架構(gòu)，而是源自大量的資本投入、專有的交互數(shù)據(jù)沉淀和稀缺的AI人才。但這些會是持久的優(yōu)勢嗎？ 客戶流失：依賴模型提供商是應(yīng)用類公司起步甚至（早期）發(fā)展業(yè)務(wù)的絕佳方法。但當(dāng)業(yè)務(wù)達(dá)到一定體量，這些公司就有動力構(gòu)建或托管它們自己的模型。許多模型提供商的客戶分布高度不均衡，少數(shù)應(yīng)用貢獻(xiàn)了絕大多數(shù)收入。一旦這些客戶轉(zhuǎn)向自研AI，對模型提供商將意味著什么？ 錢重要嗎：生成式AI的未來是把雙刃劍，前景無比光明卻也潛在巨大危害，以至于許多模型供應(yīng)商以共益企業(yè)（B corps）的模式組織成立，它們或發(fā)行有上限的利潤份額，或以其他方式明確地將公共利益納入公司使命。這些舉措絲毫不影響它們?nèi)谫Y。但此處有一個合理的爭議——即多數(shù)模型提供商是否真的想要獲取價值，以及它們是否應(yīng)該這么做？
生成式AI中的近乎一切都會在某個時刻通過云托管的GPU（或TPU）。無論是對于訓(xùn)練模型的模型提供商和科研實驗室、執(zhí)行推理和微調(diào)任務(wù)的托管公司或是兩者兼顧的應(yīng)用程序公司，每秒浮點運算（FLOPS）都是生成式AI的命脈。這是很長時間以來第一次，最具顛覆性的計算技術(shù)的進(jìn)步嚴(yán)重受限于計算量。 因此，生成式AI市場里的大量資金最終流向了基礎(chǔ)設(shè)施公司。可以用一些粗算數(shù)字加以說明： 我們估計，應(yīng)用程序公司平均將約20-40%的年收入用于推理和定制化的微調(diào)，這部分通常直接支付給云服務(wù)提供商以獲取實例或支付給第三方模型提供商——相應(yīng)地，這些模型提供商將大約一半的收入投入于云基礎(chǔ)設(shè)施。 據(jù)此我們有理由推測，生成式AI總營收的10-20%將流向云服務(wù)提供商。 除此之外，訓(xùn)練著自有模型的初創(chuàng)公司們已經(jīng)籌集了數(shù)十億美元的風(fēng)險投資——其中大部分（早期階段高達(dá)80-90%）通常也花在云服務(wù)提供商身上。許多上市科技公司每年在模型訓(xùn)練上花費數(shù)億美元，它們要么與外部的云服務(wù)提供商合作，要么直接與硬件制造商合作。 這就是我們常說的“一大筆錢”——尤其是對于一個新興市場而言。 其中大部分的錢都花在了三大云上：AWS、谷歌云（GCP）和微軟Azure。三朵云每年花費超千億美元的資本支出以確保它們擁有最全面、最可靠、最具成本優(yōu)勢的云平臺。尤其在生成式AI領(lǐng)域，三朵云還受益于有限的供給，因為它們可以優(yōu)先使用稀缺的硬件（如英偉達(dá)的A100和H100 GPU）。 眼下，我們看見該領(lǐng)域的競爭也開始出現(xiàn)。 甲骨文等挑戰(zhàn)者已經(jīng)通過巨額的資本支出和銷售激勵進(jìn)軍市場；一些提供針對大模型開發(fā)人員提供解決方案的初創(chuàng)公司，如Coreweave和Lambda Labs也正在快速發(fā)展，它們在成本、可用性和個性化支持上展開角逐。 此外，初創(chuàng)公司還公開更細(xì)粒度的資源抽象（即容器），而受限于GPU虛擬化，大型云廠商只提供虛擬機實例。 迄今為止，生成式AI領(lǐng)域最大的幕后贏家，可能是運行了絕大多數(shù)AI工作負(fù)載的英偉達(dá)（NVIDIA）。 該公司報告稱，2023財年第三季度，其數(shù)據(jù)中心GPU的收入為38億美元，其中相當(dāng)一部分用于生成式AI用例。通過數(shù)十年對GPU架構(gòu)的投資、產(chǎn)學(xué)研深入合作以及軟硬件生態(tài)系統(tǒng)的構(gòu)建，英偉達(dá)已圍繞該業(yè)務(wù)建立了堅固的護(hù)城河。 最近一項分析發(fā)現(xiàn)，研究文獻(xiàn)中引用英偉達(dá)GPU的次數(shù)是頂級AI芯片初創(chuàng)公司總和的90倍。 其他硬件選項確實存在，包括谷歌張量處理單元（TPU）、AMD Instinct GPU、AWS Inferentia和Trainium芯片，以及來自Cerebras、Sambanova和Graphcore等初創(chuàng)公司的AI加速器。后發(fā)者英特爾（Intel）也帶著高端的Havana芯片和Ponte Vecchio GPU 進(jìn)入了這個市場。但到目前為止，仍然鮮有新芯片能夠占據(jù)可觀的市場份額。 有兩個例外值得關(guān)注，一個是谷歌，其TPU在Stable Diffusion社區(qū)和谷歌云平臺的一些大型案例中表現(xiàn)出了巨大吸引力，另一個是臺積電，據(jù)說它生產(chǎn)了以上所列舉的所有芯片，包括英偉達(dá)的GPU（英特爾的芯片則由自有晶圓廠和臺積電共同生產(chǎn)）。 換句話說，基礎(chǔ)設(shè)施可能是整個技術(shù)棧中可持續(xù)獲利且有壁壘的一層?；A(chǔ)設(shè)施供應(yīng)商需要回答的主要問題包括： 保持無狀態(tài)工作負(fù)載：無論在哪里租用英偉達(dá)的GPU都是一樣的。大多數(shù)AI工作負(fù)載是無狀態(tài)的，從某種意義上說，模型推理無需附加的數(shù)據(jù)庫或存儲（除模型權(quán)重本身外）。這意味著AI工作負(fù)載可能比傳統(tǒng)應(yīng)用程序的工作負(fù)載更易于跨云遷移。在這種情況下，云服務(wù)提供商應(yīng)如何創(chuàng)造用戶粘性，防止客戶轉(zhuǎn)向便宜的選擇? 芯片荒終結(jié)后的較量：云服務(wù)提供商和英偉達(dá)產(chǎn)品的定價都是基于最理想的GPU目前供給稀缺。一位供應(yīng)商告訴我們，A100的售價自發(fā)布以來有所上漲，這對于計算硬件而言是極不尋常的。若通過增加產(chǎn)量和/或采用新的硬件平臺可最終消除芯片的供給限制，云服務(wù)提供商將受何影響？ 挑戰(zhàn)者能否破局：我們堅信，垂直云將通過提供更加專業(yè)的服務(wù)從三朵云手中奪取市場份額。到目前為止，在AI領(lǐng)域，部分挑戰(zhàn)者通過適度的技術(shù)差異化和英偉達(dá)的支持已經(jīng)獲得了一定的市場吸引力——對英偉達(dá)而言，現(xiàn)有的云服務(wù)提供商既是最大的客戶，也是新興的競爭對手。但長期的問題是，這些助力是否足以幫助新興云廠商攻克三朵云的規(guī)模優(yōu)勢？ 
顯然，我們還不知道答案。但結(jié)合生成式AI的早期數(shù)據(jù)和我們關(guān)于AI/ML初創(chuàng)公司的經(jīng)驗，我們有以下直覺： 如今，生成式AI領(lǐng)域似乎不存在任何系統(tǒng)性的護(hù)城河。 由于基于相似的模型構(gòu)建應(yīng)用，應(yīng)用程序提供商缺乏顯著的的產(chǎn)品差異。其次，由于模型基于相似架構(gòu)和相似的數(shù)據(jù)集訓(xùn)練而來，模型提供商長期可能會趨于一致。最后，由于運行同樣的GPU，甚至硬件公司在相同的晶圓廠生產(chǎn)芯片，云服務(wù)提供商缺乏深度的技術(shù)差異。 當(dāng)然，老生常談的護(hù)城河依然存在，比如： 規(guī)模護(hù)城河（我能比你融到更多的錢?。?，供應(yīng)鏈護(hù)城河（我擁有你所沒有的GPU?。?，生態(tài)護(hù)城河（所有人都已經(jīng)在使用我的軟件），算法護(hù)城河（我們比你更聰明?。?，分發(fā)護(hù)城河（我已經(jīng)組建了銷售團(tuán)隊并且客戶數(shù)比你多?。┮约皵?shù)據(jù)管道護(hù)城河（我在互聯(lián)網(wǎng)上扒取了比你更多的信息?。?。 但長期而言，這些護(hù)城河并不可持續(xù)。強大的網(wǎng)絡(luò)效應(yīng)是否會在生成式AI技術(shù)棧中的任何一層占據(jù)上風(fēng)？現(xiàn)在下定論，一切還為時過早。 根據(jù)現(xiàn)有數(shù)據(jù)，我們很難判斷，生成式AI長期是否會形成贏者通吃的局面。 這很不尋常，但對我們而言是個好消息。這個市場的潛在規(guī)模難以把握——它介于所有軟件和所有人類的努力之間——因此我們預(yù)計將有許多玩家參與到技術(shù)棧各個層級的有序競爭中。 我們也希望公司無論橫向延展或是縱向深耕都能取得成功，為終端市場和終端用戶提供最佳解決方案。舉例來說： 如果終端產(chǎn)品的差異化源自AI本身，那么縱向深耕（即緊密耦合面向用戶的應(yīng)用和自研模型）可能會取勝； 如果AI屬于一個更大的長尾功能組合，那么橫向延展將更可能發(fā)生。隨著時間的推移，我們將看見更多典型護(hù)城河的建立——甚至可能見證新型護(hù)城河的誕生。 無論如何，有一件事我們可以確定，生成式AI正在改變這場游戲，而我們都在與時俱進(jìn)地學(xué)習(xí)著游戲規(guī)則。大量價值將被AI釋放，科技領(lǐng)域終將發(fā)生翻天覆地的變化。 此刻，我們正在擁抱生成式的新未來！ 文中提及的初創(chuàng)公司/產(chǎn)品： Midjourney：基于Stable Diffusion的AI圖像生成平臺，產(chǎn)品于2022年7月公測，據(jù)相關(guān)資料表明以實現(xiàn)盈利。https:///home/ Runway：基于Stable Diffusion的AI內(nèi)容生成平臺，目前核心功能為text to image和text to vide，公司成立于2018年，2022年12月宣布完成5000萬美元C輪融資，估值達(dá)5億美元，預(yù)計年營收為500萬美元。https:/// Jasper.AI：基于GPT-3的AI文案生成平臺，公司成立于2021年，2022年10月宣布完成1.25億美元的A輪融資，估值達(dá)15億美元，預(yù)計2022年全年營收將達(dá)9000萬美元。https://www./ GitHub Copilot：基于OpenAI Codex的AI代碼編寫平臺，產(chǎn)品發(fā)布于2021年7月，據(jù)Growjo預(yù)計其年營收為150萬美元。https://github.com/features/copilot GPT-3（OpenAI）：由OpenAI創(chuàng)建的語言預(yù)訓(xùn)練模型，擁有1750億參數(shù)，2020年5月發(fā)布，迄今已有超300款應(yīng)用基于GPT-3構(gòu)建；OpenAI成立于2015年，是一家人工智能研究實驗室，擁有包括GPT系列、DALL-E、Codex等覆蓋多應(yīng)用領(lǐng)域的基礎(chǔ)模型，據(jù)推測公司目前的年營收在5000-8000萬美元之間，繼2019年獲微軟10億投資后，于今年1月在此獲得微軟的多年期100億美元投資。https:/// Stable Diffusion（StabilityAI）：由Stability創(chuàng)建的深度學(xué)習(xí)文字轉(zhuǎn)圖像模型，2022年8月發(fā)布，該模型為開源模型，參數(shù)量在10億級別，https:///；與Open AI類似，Stability AI是一家人工智能研究實驗室，致力于為內(nèi)容創(chuàng)作者提供多樣化的開源模型，2022年10月，公司宣布完成1億美元融資，估值達(dá)10億美元。https:/// Anthropic：研究型AI公司，目標(biāo)是創(chuàng)建一個可解釋、更強大的AI系統(tǒng)，2021年由OpenAI前研究副總裁達(dá)里奧·阿莫代帶頭成立，2022年4月宣布完成5.8億美元A輪融資。https://www./ Cohere：自然語言模型處理平臺，旨在提升NLP模型的易用性，其核心模型為谷歌的Transformer，公司成立于2019年，2022年2月宣布完成1.25億美元B輪融資。https:/// Character.ai：提供神經(jīng)語言模型和基于此構(gòu)建的Chatbot，2022年9月發(fā)布beta版本。https://beta./ Hugging Face：機器學(xué)習(xí)模型和數(shù)據(jù)集托管平臺，向客戶交付可用模型，公司成立于2016年，迄今已開放10萬個預(yù)訓(xùn)練模型和1萬個數(shù)據(jù)集，2022年5月宣布完成1億美元C輪融資，估值達(dá)20億美元。https:/// Replicate：機器學(xué)習(xí)模型托管平臺，幫助模型實現(xiàn)快速交付，公司成立于2019年，并于2020年獲得Y Combinator的種子輪投資。https:/// CoreWeave：為大規(guī)模GPU加速工作負(fù)載的云服務(wù)提供商，公司成立于2017年，累計融資額達(dá)1.5億美元。https://www./ Lambda Labs：為深度學(xué)習(xí)打造的云GPU，公司成立于2012年，累計融資額近7000萬美元。https:/// Cerebras：AI芯片研發(fā)商，為深度學(xué)習(xí)構(gòu)建計算系統(tǒng)，公司成立于2015年，2021年11月宣布完成2.5億美元F輪融資，估值超40億美元。https://www./ Sambanova：AI芯片研發(fā)商，設(shè)計和構(gòu)建集成的硬件和軟件解決方案，公司成立于2017年，2021年4月宣布完成6.76億美元D輪融資，估值超50億美元。https:/// Graphcore：AI芯片研發(fā)，設(shè)計和研發(fā)智能處理器單元（IPU）硬件和相應(yīng)軟件，公司成立于2016年，2020年12月宣布完成2.22億美元E輪融資，估值達(dá)27.7億美元。https://www. |
|
|
