他們都明智的選擇了跟我(wǒ)(wǒ)們長期合作

中(zhōng)國石油、工(gōng)商(shāng)銀行、五愛集團、興隆集團、禾豐集團、副食集團、燃氣集團、迦蘭集團、道光廿五、何氏眼科、沈陽鐵路、沈陽日報、總統大(dà)廈、盛京醫院

您也别猶豫了!來吧,把需求填一(yī)下(xià)吧!

快速聯系:

熱線:024-22503777

微信:672651202

大(dà)客戶專線: 15804002986

您的需求

新技術範式下(xià),什麽才是未來人工(gōng)智能企業的護城河?

如今随着越來越多 LLM 模型開(kāi)源,構建企業自己的大(dà)語言模型似乎不再成爲壁壘,而什麽會是未來人工(gōng)智能企業的護城河?

來源  /  深思SenseAI

作者 /  SenseAI

六年前,Jerry Chen 在 Greylock 上發布了文章《新的護城河:爲什麽智能系統是下(xià)一(yī)個可防禦的商(shāng)業模式》,推測初創公司将應該利用人工(gōng)智能構建防禦性護城河。

如今随着越來越多 LLM 模型開(kāi)源,構建企業自己的大(dà)語言模型似乎不再成爲壁壘,而什麽會是未來人工(gōng)智能企業的護城河?

幾天前,Jerry Chen 重新回顧智能系統與科技公司的傳統護城河,并對 LLM 大(dà)規模開(kāi)源背景下(xià)的新一(yī)代護城河提出展望

  • - 傳統商(shāng)業護城河:規模效應、網絡效應、深科技/IP/産業積累、高轉換成本和品牌/客戶忠誠度是技術公司的傳統商(shāng)業護城河。

  • - Gen-AI 浪潮下(xià)的新護城河:

  1. 基礎模型壁壘:1)解決困難問題的方式從精巧的産品和交互設計,轉向模型本身,基礎模型是當今的深度技術/知(zhī)識産權護城河之一(yī),而處于模型應用層的初創公司目前并沒有建立足夠的護城河。2)深度技術的護城河還在,圍繞知(zhī)識産權建立可靠的商(shāng)業模式,但必須是替代品少、需要艱難工(gōng)程和需要運營知(zhī)識來擴展規模的技術問題。

  2. 智能系統壁壘:1)企業系統可分(fēn)爲“記錄系統”和“用戶參與系統”,參與系統的所有權價值最大(dà),多模态交互會颠覆用戶參與系統,影響記錄系統。2)“智能系統”會連接和管理多個數據集和記錄系統,三大(dà)主領域:以客戶旅程爲中(zhōng)心的面向客戶的應用程序、面向員(yuán)工(gōng)的應用程序(如人力資(zī)源管理、IT服務管理、财務等)和基礎設施系統(如安全、計算/存儲/網絡以及監控/管理)

  • - 不變的:應用的價值在于如何傳遞價值。工(gōng)作流程、與數據和其他應用的集成、品牌/信任、網絡效應、規模和成本效率依舊(jiù)是經濟價值和壁壘的創造者。人工(gōng)智能并不改變初創公司的營銷、銷售或合作方式,仍然需要精通市場推廣。

本篇正文共 8885 字,仔細閱讀需約20分(fēn)鍾


要建立一(yī)個可持續盈利的企業,你需要在公司周圍建立堅固的防禦性護城河。在我(wǒ)(wǒ)們經曆一(yī)代人中(zhōng)最大(dà)的平台轉型之際,這一(yī)點尤其重要,因爲應用程序正在移向雲端,被消費(fèi)在 iPhone、Echo 和 Tesla 上,基于開(kāi)源構建,并且由 AI 和數據驅動。這些劇變使一(yī)些現有的護城河變得無用,讓 CEO 們感覺幾乎不可能建立一(yī)個具有防禦性的業務。

在這篇文章中(zhōng),我(wǒ)(wǒ)們将回顧一(yī)些技術公司通常利用的傳統商(shāng)業護城河,以及它們如何被打破。今天的初創公司需要構建智能系統 —— 由 AI 驅動的應用 —— "新的護城河"。企業可以構建幾種不同的護城河,并在時間的變化中(zhōng)随之改變護城河

傳統商(shāng)業護城河

要建立一(yī)個可持續盈利的企業,你需要在公司周圍建立堅固的防禦性護城河。在我(wǒ)(wǒ)們經曆一(yī)代人中(zhōng)最大(dà)的平台轉型之際,這一(yī)點尤其重要,因爲應用程序正在移向雲端,被消費(fèi)在 iPhone、Echo 和 Tesla 上,基于開(kāi)源構建,并且由 AI 和數據驅動。這些劇變使一(yī)些現有的護城河變得無用,讓 CEO 們感覺幾乎不可能建立一(yī)個具有防禦性的業務。

  1. 01.規模效應

一(yī)些最偉大(dà)且最老牌的技術公司都擁有強大(dà)的護城河。例如,微軟、谷歌和 Facebook(現在的 Meta )都有基于規模經濟和網絡效應的護城河。

在這個技術轉型的時刻,構建有價值的AI産品的關鍵組成部分(fēn)是基礎模型 , 這些模型在數十億或萬億的參數上進行訓練,它們需要數億美元的訓練費(fèi)用,以及爲它們提供動力的計算資(zī)源。如果沒有 LLaMA 的發布,大(dà)部分(fēn)的價值可能将歸屬于像谷歌這樣的公司或像 OpenAI、Anthropic 和 Inflection 這樣有資(zī)本(和 GPU )訓練這些模型的初創公司。我(wǒ)(wǒ)們面臨的一(yī)個問題是萬億參數模型與小(xiǎo)型模型之間的平衡。如果競賽更偏向于越來越大(dà)的模型,那麽可能規模就成爲了最終的護城河。一(yī)個産品的規模越大(dà),産品擁有的運營杠杆就越多,這反過來會降低你的成本。SaaS和雲服務可以具有強大(dà)的規模經濟:你可以在保持産品核心工(gōng)程相對穩定的情況下(xià),擴大(dà)你的收入和客戶基礎。

作爲初創公司開(kāi)發基礎模型的重要計算夥伴,全球三大(dà)雲提供商(shāng) AWS、Microsoft 和 Google 正在利用規模經濟和網絡效應來在當前的AI熱潮中(zhōng)保持競争力。訓練AI模型已經成爲一(yī)個數據中(zhōng)心規模的問題,将計算和網絡組合成一(yī)個巨大(dà)的建築規模的超級計算機。

依賴大(dà)型雲提供商(shāng)來運行複雜(zá)的機器學習模型甚至導緻 Oracle 作爲首選合作夥伴的複興。這家公司最初在雲服務器業務上落後,後面主要通過與 NVIDIA 合作,在 AI 方面做出了一(yī)系列趕超。Oracle 目前正在與一(yī)些領先的初創公司合作,包括 Adept、Character 和 Cohere。

  1. 02.  網絡效應

梅特卡夫法則提出,如果一(yī)個産品或服務的每一(yī)個額外(wài)用戶都能爲所有其他用戶帶來更多的價值,那麽你的産品或服務就具有"網絡效應"。像 Slack 和 WhatsApp 這樣的消息應用,和 Facebook 這樣的社交網絡都是強大(dà)網絡效應的好例子。像 iOS、Android 和 Windows 這樣的操作系統具有強大(dà)的網絡效應,因爲越多的客戶使用操作系統,就會有越多的應用在其之上構建。

最成功的雲廠商(shāng)之一(yī),亞馬遜網絡服務(AWS),既具有規模優勢,也具有網絡效應的力量。因爲"那裏有客戶和數據",更多的應用和服務得以在 AWS 上構建。反過來,提供解決方案的基礎設施生(shēng)态系統吸引了更多的客戶和開(kāi)發者,他們構建更多的應用,生(shēng)成更多的數據,繼續良性循環,同時通過規模優勢降低亞馬遜的成本。

首批獲得用戶支持的創新者可以建立網絡效應。OpenAI 正在迅速地圍繞他們的模型建立第一(yī)個網絡效應壁壘。特别是他們的函數調用和插件架構可能會把OpenAI變成新的“ AI 雲”。然而建立網絡效應的競賽還爲時過早,無法宣布任何公司爲赢家。事實上,有許多玩家擴展了這個概念,創建了像 LlamaIndex、Langchain、AutoGPT、BabyAGI 等代理,所有這些都旨在自動化你的應用、基礎設施或生(shēng)活的一(yī)部分(fēn)。

  1. 03.  深科技/IP/産業積累

大(dà)多數科技公司都是從自有軟件或方法開(kāi)始的。這些商(shāng)業秘密可以包括對硬技術問題的核心解決方案、新的發明、新的流程、新的技術,以及後來保護開(kāi)發出的知(zhī)識産權(IP)的專利。随着時間的推移,公司的 IP 可能從特定的工(gōng)程解決方案演變爲積累的操作知(zhī)識或對問題或過程的洞察。

如今一(yī)些 AI 公司正在建立自己的模型,它們既被用于開(kāi)發應用程序,又(yòu)作爲服務提供給其他人使用。這個領域的初創公司包括 Adept、Inflection、Anthropic、Poolside、Cohere 等。如之前所言,這些模型的關鍵在于權衡模型訓練的成本。有趣的是,OpenAI、谷歌等早期基礎模型的先驅者是否能夠利用他們的深度技術構建起護城河,或者最終他們是否隻是面對開(kāi)源和 AI 領域中(zhōng)的所有學術研究和工(gōng)作的又(yòu)一(yī)個模型。

  1. 04.  高轉換成本

一(yī)旦客戶開(kāi)始使用你的産品,你希望他們盡可能難以切換到競争對手。你可以通過标準化、缺乏替代品、與其他應用和數據源的集成,或者因爲你構建了一(yī)種根深蒂固且有價值的工(gōng)作流程,使你的客戶依賴于它,來建立這種粘性。其中(zhōng)任何一(yī)種都可以作爲一(yī)種形式的鎖定,使客戶難以離(lí)開(kāi)。

一(yī)個有趣的思考是模型層或應用層是否存在切換成本。例如,Midjourney 有數百萬用戶使用其擴散模型生(shēng)成圖像。如果出現了一(yī)個更好的模型,Midjourney 要替換自己的模型有多難?即使存在一(yī)個更好的模型,用戶要切換到另一(yī)個應用有多難?在接下(xià)來的幾年中(zhōng),我(wǒ)(wǒ)們将看到公司試圖在應用層和潛在的模型層建立切換成本。

  1. 05.  品牌/客戶忠誠度強大(dà)的品牌可以成爲一(yī)種護城河。随着産品和客戶之間每一(yī)次積極互動,品牌優勢會随着時間的推移而變得更加強大(dà),但如果客戶對其産品失去(qù)信任,品牌的實力很快就會消失。

在 AI 領域,信任至關重要,但對于許多人來說,這種信任尚未赢得。這些早期的 AI 模型可能會出現“錯覺”,給出錯誤的答案或産生(shēng)奇怪的人設,比如 Bing 中(zhōng)的 Sydney。将會出現一(yī)場建立可信賴的 AI 和像 Trulens 這樣的工(gōng)具的競賽,以獲得客戶的信任。

傳統護城河将被重塑強大(dà)的護城河可以幫助公司在主要平台轉型中(zhōng)生(shēng)存下(xià)來,但生(shēng)存不能被誤解爲蓬勃發展。

例如,高切換成本在一(yī)定程度上可以解釋爲什麽在這些年頭之後,主機和“大(dà)型計算機”系統仍然存在。擁有深厚護城河的傳統企業可能不再是它們黃金時期的高增長驅動力,但它們仍然在産生(shēng)利潤。公司需要在行業整體(tǐ)轉型的過程中(zhōng)認識到并做出反應,以免成爲自己成功的受害者。

1280X1280.PNG

“切換成本”作爲護城河:x86服務器收入直到2009年才超過主機和其他“大(dà)型計算機”收入。

我(wǒ)(wǒ)們可以通過 NVIDIA 作爲 GPU 主要提供商(shāng)和 Intel 作爲 CPU 主要提供商(shāng)的财務表現來看到向 AI 平台的轉變。在 2020 年,NVIDIA 超過 Intel 成爲市值最高的芯片提供商(shāng)。在 2023 年,該公司市值達到了萬億美元。

fedcc5cb-0f73-45ba-8d21-c16e951d065b.png

這些大(dà)規模的平台轉變,比如雲計算和移動領域,都是技術潮流,爲新進入者創造了機會,并使創始人能夠在現有護城河上建立自己的道路。

成功的初創公司創始人往往采取雙管齊下(xià)的策略:1)攻擊傳統企業的護城河;2)同時建立自己的可靠護城河,以順應新潮流。

AI 正成爲當今的平台技術,這種新的 LLM 潮流有可能打破現有企業之間的等級體(tǐ)系。一(yī)個例子是,通過與 OpenAI 的 ChatGPT 集成,長期備受诟病的微軟必應(Bing)可能最終打破谷歌的搜索護城河。

再比如,Facebook 擁有最牢固的社交網絡,但 Instagram 構建了一(yī)個以移動爲主的照片應用,搭上智能手機的浪潮進行了 10 億美元的收購。在企業服務領域,像 Salesforce 這樣的 SaaS 公司正在打破像 Oracle 這樣的本地軟件公司的市場格局。現在,随着雲計算的出現, AWS、Azure 和 Google Cloud 正在爲客戶創造直接的渠道。這些平台轉變也可以改變買家和最終用戶的角色。在企業中(zhōng),買家已經從中(zhōng)央 IT 團隊轉變爲辦公室的知(zhī)識工(gōng)作者,再到使用 iPhone 的人,最後變成任何擁有 GitHub 賬戶的開(kāi)發者。

如今,新的 LLM 模型已經創造了一(yī)個新的用戶類别:提示工(gōng)程師。随着生(shēng)成式 AI 模型被訓練用于各行各業,用戶的角色變得更加廣泛和多樣化。随着 AI 成爲每個産品的内在組成部分(fēn),提示工(gōng)程師的角色的持久性還有待觀察。

新護城河?

在當前的颠覆浪潮中(zhōng),是否仍然有可能構建可持續的護城河?對于創始人來說,他們可能會覺得自己建立的每一(yī)個優勢都可能被另一(yī)個團隊複制,或者至少感覺隻有在大(dà)規模的情況下(xià)才能建立護城河。開(kāi)源工(gōng)具和雲計算已經将權力轉移到了“新的現有企業”——那些處于大(dà)規模、擁有強大(dà)分(fēn)銷網絡、高切換成本和強大(dà)品牌的公司。這些公司包括蘋果、Facebook、谷歌、亞馬遜和 Salesforce 等。

爲什麽感覺好像“沒有了護城河”可以建立?雲計算和開(kāi)源時代,攻擊困難問題的深度技術正在成爲一(yī)種較淺的護城河。開(kāi)源的使用使技術進步變得更難以實現商(shāng)業化,而使用雲計算來交付技術則将防禦性轉移到産品的不同部分(fēn)。那些過于關注技術而沒有将其放(fàng)入客戶問題的背景中(zhōng)的公司将陷入進退兩難的境地,“處于開(kāi)源和雲計算之間”。例如,像 Oracle 的專有數據庫這樣的現有技術正在受到 Hadoop 和 MongoDB 等開(kāi)源替代品以及亞馬遜 Aurora 和 Google Spanner 等創新技術在雲端的攻擊。另一(yī)方面,構建出色的客戶體(tǐ)驗的公司可能會通過軟件的工(gōng)作流程獲得防禦性。

我(wǒ)(wǒ)們相信,深度技術的護城河并沒有完全消失,可以圍繞知(zhī)識産權建立可靠的商(shāng)業模式。如果選擇技術棧中(zhōng)的一(yī)個領域,并成爲絕對最佳的解決方案,同樣可以創建一(yī)個有價值的公司。然而,這意味着選擇一(yī)個沒有太多替代品、需要艱難工(gōng)程和需要運營知(zhī)識來擴展規模的技術問題。

基礎模型是當今的深度技術/知(zhī)識産權護城河之一(yī)。基礎模型的所有者發布 API 和插件,同時還在公司内部不斷努力開(kāi)發更好的産品。開(kāi)發人員(yuán)可以相對輕松地在開(kāi)源 LLM 之上構建應用,這導緻了大(dà)量的初創公司提供各種專用産品。但目前已經清楚的是,大(dà)多數處于這一(yī)層的初創公司并沒有建立足夠的護城河。它們不僅可能被指責擁有“薄薄的知(zhī)識産權”(本質上是 ChatGPT 周圍的簡單應用封裝),而且面臨着與基礎模型提供商(shāng)的直接競争風險,正如我(wǒ)(wǒ)們在 OpenAI 和 Jasper之間所看到的。

一(yī)個潛在的可能是,大(dà)型模型可以解決大(dà)部分(fēn)複雜(zá)問題,而較小(xiǎo)的模型可以解決特定問題或爲手機、汽車(chē)或智能家居等邊緣設備提供動力。

如今,市場偏向于“全棧”公司,即提供應用邏輯、中(zhōng)間件和數據庫的 SaaS 産品。技術正在成爲完整解決方案的一(yī)個無形組成部分(fēn)(例如,“隻要你的食物(wù)能按時送達,誰關心你最喜歡的移動應用程序後台使用的是哪個數據庫!”)。在消費(fèi)者領域,蘋果通過無縫地将硬件與軟件集成在一(yī)起,使集成或全棧體(tǐ)驗成爲流行。這種集成體(tǐ)驗也逐漸主導企業軟件。雲計算和 SaaS 使得以成本效益的方式直接接觸客戶成爲可能。因此,客戶越來越傾向于購買以 SaaS 應用程序形式提供的全棧技術,而不是購買技術棧的各個組成部分(fēn)并構建自己的應用。對整個應用體(tǐ)驗或“技術棧頂部”的強調,也是作者通過額外(wài)的框架——企業系統的堆棧來評估公司的原因。

企業系統的堆棧

35ab2fe8-520f-44a0-a6b6-7e05156170e4.png

01.記錄系統 (Systems of Record)

一(yī)個系統的底層通常是數據庫,上面構建着應用程序。如果數據和應用程序支持關鍵的業務功能,它就成爲一(yī)個“記錄系統”。在企業中(zhōng)有三個主要的記錄系統:客戶、員(yuán)工(gōng)和資(zī)産。客戶關系管理(CRM)管理客戶,人力資(zī)源管理(HCM)管理員(yuán)工(gōng),企業資(zī)源計劃(ERP)/财務管理管理資(zī)産。

幾代公司圍繞着擁有一(yī)個記錄系統建立起來,每一(yī)次技術浪潮都會産生(shēng)一(yī)個新的勝者。在 CRM 領域,我(wǒ)(wǒ)們看到 Salesforce 取代 Siebel 成爲客戶數據的記錄系統,Workday 取代了Oracle PeopleSoft 成爲員(yuán)工(gōng)數據的記錄系統。Workday 還擴展到了财務數據領域。其他應用程序可以圍繞記錄系統構建,但通常不如實際的記錄系統有價值。例如,像 Marketo 和 Responsys 這樣的市場自動化公司圍繞 CRM 建立了大(dà)型業務,但從未像 Salesforce 那樣具有戰略意義或價值。

基礎模型并不取代現有的記錄系統,而是用于解鎖所有記錄系統中(zhōng)的價值和理解。如前所述,目前有幾個基礎模型。至于世界是否朝着幾個大(dà)型模型的發展方向演變,這些模型經過提煉或修剪後可以用于各種情況,還是存在一(yī)個較小(xiǎo)模型的市場,目前還存在争議。無論哪種情況,這些模型都是我(wǒ)(wǒ)們在六年前的《新的護城河》中(zhōng)稱之爲“智能系統”的關鍵要素。

02. 用戶參與系統 (Systems of Engagement)

用戶參與系統(Systems of Engagement™)是用戶和記錄系統之間的接口,它們可以成爲強大(dà)的業務,因爲它們控制着最終用戶的互動。

在大(dà)型機時代,記錄系統和參與系統是綁定在一(yī)起的,當時大(dà)型機和終端實際上是同一(yī)個産品。客戶/服務器浪潮帶來了一(yī)批試圖占據你的桌面的公司,但他們最終被基于浏覽器的公司所颠覆,而後又(yòu)被以移動爲先的公司所取代。

當前一(yī)代争奪參與系統所有權的公司包括 Slack、亞馬遜 Alexa 和其他語音/文本/對話(huà)界面的初創公司。在中(zhōng)國,微信已成爲一(yī)個占主導地位的參與系統,現在已成爲覆蓋從電子商(shāng)務到遊戲等各個領域的一(yī)體(tǐ)化平台。

參與系統的更替速度可能比記錄系統快。連續幾代的參與系統并不一(yī)定消失,而是用戶不斷添加與其應用程序互動的新方式。在多渠道世界中(zhōng),擁有參與系統的所有權最有價值,如果你控制了大(dà)部分(fēn)終端用戶的參與,或者是一(yī)個跨渠道系統,能夠接觸到用戶所在的任何地方。

作爲參與系統的最重要戰略優勢之一(yī)是,你可以與多個記錄系統共存,并收集通過你的産品傳遞的所有數據。随着時間的推移,你可以利用累積的所有數據,将你的參與位置演變成一(yī)個實際的記錄系統。

六年前,作者強調了聊天作爲一(yī)種新的參與系統。Slack 和 Microsoft Teams 試圖成爲企業的主要參與系統,并爲企業應用程序提供聊天前端,但未能達到目标。這種以聊天爲先的願景尚未實現,但基礎模型可能會改變這一(yī)點。我(wǒ)(wǒ)們可以通過詢問我(wǒ)(wǒ)們的 AI 助手來訂購晚餐或計劃度假,而不是打開(kāi) Uber 或 Instacart 這樣的應用程序來叫車(chē)或送貨。在每個人都擁有自己的AI助手的未來,所有的互動可能都會像是在使用消息應用程序。像 Siri 和 AAlexa這樣的基于 AI 的語音聊天系統将被像 Pi (Inflection.ai開(kāi)發的個人智能助手)一(yī)樣的智能聊天系統取代。

OpenAI 的插件和接口調用的發布正在構建一(yī)種新的構建和分(fēn)發應用程序的方式,有效地使 GPT 成爲一(yī)個新的平台。在這個世界中(zhōng),聊天可能成爲幾乎一(yī)切的前門,成爲我(wǒ)(wǒ)們日常的參與系統。我(wǒ)(wǒ)們将會看到AI應用程序的用戶體(tǐ)驗在不久的将來如何演變,這将是非常有趣的。雖然聊天似乎在今天非常流行,但我(wǒ)(wǒ)們預計會看到多模态交互模型創造出超越聊天的新的參與系統。

03. 新護城河:智能系統 (Systems of Intelligence)

超級智能系統依舊(jiù)是新的護城河。

“什麽是智能系統,爲什麽它如此有防禦性?”

智能系統之所以有價值,通常是因爲它跨越多個數據集和多個記錄系統。一(yī)個例子是将網站分(fēn)析、客戶數據和社交數據結合起來,以預測終端用戶的行爲、流失、生(shēng)命周期價值(LTV)或提供更及時的内容。你可以在單個數據源或單個記錄系統上構建智能,但這個位置将更難抵禦擁有數據的供應商(shāng)的競争。

對于初創公司而言,要在Oracle和SAP等老牌企業周圍蓬勃發展,需要将它們的數據與其他數據源(公共或私人)結合起來,爲你的客戶創造價值。老牌企業在自己的數據上具有優勢。例如,Salesforce 正在構建一(yī)個名爲 Einstein 的智能系統,從他們自己的記錄系統 CRM 開(kāi)始。

在六年前提出建立“智能系統”的概念之後,我(wǒ)(wǒ)們見證了一(yī)些令人難以置信的人工(gōng)智能應用程序的出現,例如 Tome、Notable Health、RunwayML、Glean、Synthesia、Fermat 等,還有成百上千的其他初創公司。雖然目前尚不清楚在這個新興堆棧中(zhōng)價值将累積在哪裏,但這個轉變爲初創公司提供了充足的機會。

但正如之前提到的,我(wǒ)(wǒ)們最初沒有預見到大(dà)型語言模型的威力,這些模型真正增加了我(wǒ)(wǒ)們在六年前所稱的智能系統的價值。

而在LLM 應用程序中(zhōng)出現了一(yī)批“新堆棧”,包括一(yī)批新的中(zhōng)間件工(gōng)具,用于鏈接提示或組合模型。就像我(wǒ)(wǒ)們看到創立了大(dà)量公司來使雲計算和存儲更易管理一(yī)樣,我(wǒ)(wǒ)們正在看到一(yī)批旨在使基礎模型更易于使用的初創公司。

這個新的中(zhōng)間件堆棧将包括數據框架,如 LlamaIndex,用于連接企業數據與 LLM;代理框架,如Langchain,用于構建應用程序和連接模型。此外(wài),還需要一(yī)代新的安全性和可觀察性工(gōng)具,以确保這些新應用程序的運行時間和安全性。

e860450a-2a3b-4093-9990-51f5bfcfd3cf.png

未來一(yī)代企業産品将使用不同的人工(gōng)智能(AI)技術來構建智能系統。不僅應用程序将受到 AI 的改變,數據中(zhōng)心和基礎設施産品也将發生(shēng)變革。我(wǒ)(wǒ)們可以将構建智能系統的主要領域歸類爲以下(xià)三個方面:以客戶旅程爲中(zhōng)心的面向客戶的應用程序、面向員(yuán)工(gōng)的應用程序(如人力資(zī)源管理、IT服務管理、财務等)或基礎設施系統(如安全、計算/存儲/網絡以及監控/管理)。除了這些廣泛的橫向用例之外(wài),初創公司還可以專注于特定行業或市場,在垂直領域(如生(shēng)命科學中(zhōng)的 Veeva或建築行業中(zhōng)的 Rhumbix )構建基于獨特數據的智能系統。

以前的應用程序代替了數字化流程,但這些新的 AI 應用程序将冒着取代人類的風險,或者從積極的角度來看,它們将增強和提升人類能力,使個人更加高效。

AI 工(gōng)具已經存在,可以使設計工(gōng)作、編碼、數據處理、法律工(gōng)作和其他工(gōng)作更加準确和快速。例如,在法律領域,像 Harvey.AI 和 Even Up Law 這樣的公司正在執行法律助理和律師的任務。Github Co-pilot 使每個開(kāi)發者的生(shēng)産力提升數倍,新開(kāi)發者現在可以像經驗豐富的專業人士一(yī)樣編寫代碼。使用 Adobe 的的新産品Firefly 進行設計的設計師可以創作以前需要整個團隊完成的數字圖像。Tome、Coda 和Notion  等生(shēng)産力應用程序現在使每個辦公桌上的工(gōng)作者擁有了新的超能力,提高了速度和生(shēng)産力。這些确實是技術承諾的由 AI 驅動的“鋼鐵俠裝備”。随着我(wǒ)(wǒ)們越來越依賴于基于 AI 的應用程序,管理和監控可信賴的 AI 變得更加重要,以确保我(wǒ)(wǒ)們不會基于幻覺做出決策。

在所有這些市場中(zhōng),競争的焦點正在從舊(jiù)的壁壘(數據的來源)轉向新的壁壘(如何利用數據)。利用公司的數據可以向客戶推銷增值産品,自動回複支持票,預防員(yuán)工(gōng)流失,并識别安全異常。使用特定于某個行業(如醫療保健、金融服務)或特定于某個公司(客戶數據、機器日志(zhì)等)的數據來解決戰略問題的産品,看起來就像是一(yī)個非常深厚的壕溝,特别是如果 AI 能夠替代或自動化整個企業工(gōng)作流程,或者創建一(yī)個由這種智能技術實現的新的增值工(gōng)作流程。

建立記錄系統的企業應用程序一(yī)直是強大(dà)的商(shāng)業模式。一(yī)些持久存在的應用程序公司,如 Salesforce 和 SAP,都建立在深厚的知(zhī)識産權基礎上,從規模經濟中(zhōng)獲益,并随着時間的推移,在公司的工(gōng)作流程和業務流程中(zhōng)積累了更多的數據和運營知(zhī)識。然而,即使是這些現有巨頭也無法免受平台轉變的影響,因爲新一(yī)代的公司正在攻擊他們的領域。

事實上,我(wǒ)(wǒ)們可能面臨着對 AI 營銷産生(shēng)疲勞的風險,但所有的輿論反映了 AI 在改變許多行業的潛力。機器學習(ML)是一(yī)種受歡迎的 AI 方法,它可以與數據、業務流程和企業工(gōng)作流程相結合,爲構建智能系統提供上下(xià)文。谷歌是早期将機器學習應用于流程和工(gōng)作流程的先驅:他們收集了每個用戶的更多數據,并應用機器學習在網頁搜索的工(gōng)作流程中(zhōng)提供更及時的廣告。還有其他正在發展的AI技術,如神經網絡,将繼續改變我(wǒ)(wǒ)們對這些未來應用程序的期望。

然而對于這個預測,作者認爲在兩個方面的判斷有些錯誤:首先,AI 在當前不會讓人們産生(shēng)疲勞的感覺。我(wǒ)(wǒ)們正在目睹下(xià)一(yī)個偉大(dà)技術浪潮的開(kāi)始,興奮情緒理所自然較高。其次,基礎模型已經成爲人工(gōng)智能中(zhōng)最具變革性的進展。以此爲例,許多先前的機器學習/人工(gōng)智能公司正面臨被最新的 LLM(大(dà)型語言模型)所超越的風險。

這些以人工(gōng)智能驅動的智能系統爲新創企業提供了巨大(dà)的機遇。在這個領域取得成功的公司可以構建數據的良性循環,因爲你生(shēng)成和訓練産品所用的數據越多,你的模型就會變得越好,産品也會越來越出色。最終,産品會因每個客戶而定制,從而形成另一(yī)個護城河 - 高昂的切換成本。建立一(yī)個同時結合了系統的參與和智能甚至是企業整個技術層面的公司是有可能的,但是智能或參與系統可以成爲新創企業針對現有企業的最佳切入點。構建一(yī)個系統的參與或智能并不是一(yī)項微不足道的任務,它需要深厚的技術背景,特别是在速度和規模方面。特别是那些能夠促進多個數據源之間智能層的技術将是必不可少的。

我(wǒ)(wǒ)們已經看到數據的良性循環正在發揮作用。不僅僅是數據在訓練原始模型方面的價值,還有用戶數據、模型和應用程序的反饋循環,甚至是在極端情況下(xià)的強化學習等,随着時間的推移,所有這些都會堅固數據的護城河。

ChatGPT 或像 Inflection AI 的 Pi 這樣的個人 AI 工(gōng)具有明顯的潛力成爲每個任務的主要渠道,無論是訪問應用程序、開(kāi)發軟件還是在各種場景下(xià)進行溝通。同時,像 LlamaIndex 這樣的數據框架将是将個人數據與 LLM 相連接的關鍵。模型、使用數據和個人數據的結合将爲每個用戶或公司創造個性化的應用體(tǐ)驗。

最後,有些企業可以通過使用客戶和市場數據來訓練和改進模型,從而爲所有客戶提供更好的産品,進而加快智能的發展。

初創公司可以構建一(yī)個有防禦性的商(shāng)業模型,作爲參與、智能或記錄的系統。随着人工(gōng)智能的出現,智能應用将成爲下(xià)一(yī)代偉大(dà)軟件公司的源泉,因爲它們将成爲新的護城河。舊(jiù)護城河即新護城河

人工(gōng)智能的興起令人興奮,當前初創公司在建立新護城河的探索中(zhōng)也基本已經走了一(yī)整圈。事實證明,舊(jiù)的護城河比以往任何時候都更重要。如果谷歌的“我(wǒ)(wǒ)們沒有壁壘”的預測成爲現實,并且 AI 模型使任何可以訪問 GPT 或 LLaMA 的開(kāi)發人員(yuán)都能夠構建智能系統,那麽我(wǒ)(wǒ)們如何建立一(yī)個可持續的業務呢?應用的價值在于如何傳遞價值。工(gōng)作流程、與數據和其他應用的集成、品牌/信任、網絡效應、規模和成本效率都成爲經濟價值和壁壘的創造者。能夠構建智能系統的公司仍然需要精通市場推廣。他們不僅要完美地找到産品與市場的契合點,還要找到産品與市場推廣的契合點。

人工(gōng)智能并不改變初創公司的營銷、銷售或合作方式。人工(gōng)智能提醒我(wǒ)(wǒ)們,盡管每一(yī)代技術都有其技術基礎,但企業建設的基本原理始終保持不變。

舊(jiù)的壁壘其實也是新的壁壘。


上一(yī)篇: 數字化轉型都可以解決企業哪些痛點?

下(xià)一(yī)篇: 我(wǒ)(wǒ)都沒找過你們做軟件,爲什麽會侵權???養肥了再殺的盜版事件怎麽解決?