OpenAI hat die grundlegende Ebene der KI aufgebaut Energiegewinnung. Mit großen generativen Modellen wie GPT-3 und DALL-E, OpenAI bietet API-Zugriff für Unternehmen, die Anwendungen auf der Grundlage ihrer grundlegenden Modelle entwickeln möchten, während sie diese Modelle in ihre Produkte integrieren und diese Modelle mit proprietären Daten und zusätzlichen KI-Funktionen anpassen können. Auf der anderen Seite, OpenAI auch veröffentlicht ChatGPT, Entwicklung um a FreemiumModell. Microsoft vertreibt auch Opener-Produkte durch seine Handelspartnerschaft.
OpenAI und Microsoft aus kaufmännischer Sicht zusammengeschlossen. Die Geschichte der Partnerschaft begann 2016 und konsolidierte sich 2019 mit Microsoft investiert eine Milliarde Dollar in die Partnerschaft. Es macht jetzt einen Sprung nach vorne, mit Microsoft in Gesprächen, um 10 Milliarden Dollar in diese Partnerschaft zu stecken. MicrosoftDurch OpenAI, entwickelt seinen Azure AI Supercomputer und verbessert gleichzeitig seine Azure Enterprise Platform und integriert OpenAI's Modelle in seine Geschäft und Verbraucherprodukte (GitHub, Office, Bing).
Stability AI ist die Entität hinter Stable Diffusion. Stability verdient Geld mit unseren KI-Produkten und mit der Bereitstellung von KI-Beratungsdiensten für Unternehmen. Stability AI monetarisiert Stable Diffusion über die APIs von DreamStudio. Während es auch Open Source für jedermann zum Herunterladen und Verwenden freigibt. Stability AI verdient auch Geld über enterprise Dienstleistungen, wo sein Kernentwicklungsteam die Möglichkeit dazu bietet enterprise Kunden zu bedienen, Treppe, und passen Sie Stable Diffusion oder andere große generative Modelle an ihre an Bedürfnisse.
Stabilität des KI-Ökosystems
Jedes Mal ein neues Geschäft Ökosystem bildet, müssen wir eine einfache Frage stellen: Wo ist Wert erstellt?
Und sobald wir in der Lage sind, das Ökosystem nach dem Wo zu klassifizieren Wert entsteht, können wir fragen: wie geht's Wert gefangen?
Aus dem oben Gesagten verstehen wir die Geschäftsmodelle Aufbauend auf diesem Ökosystem.
Seit der Veröffentlichung von ChatGPT Ende November ist klar, dass sich die kommerzielle Realisierbarkeit von KI beschleunigt; Dies gibt uns einen Einblick in den Aufbau des KI-Ökosystems.
Lassen Sie mich erklären.
Die Grundschicht
Das können Allzweck-Engines wie GPT-3, DALL-E, StableDiffusion und so weiter sein.
Diese Schicht kann die folgenden Hauptmerkmale aufweisen:
Allgemeiner Zweck: es wird gebaut, um allgemeinere Lösungen für jeden spezifischen Bedarf bereitzustellen.
Diese Schicht könnte einerseits hauptsächlich eine B2B/Enterprise-Schicht sein, die eine Vielzahl von Unternehmen antreibt.
Genau wie AWS in den 2010er Jahren, angetrieben von den Anwendungen, die aus Web 2.0 (Netflix, Slack, Uber, und viele andere).
Die KI-Basisschicht (immer noch basierend auf zentralisiertem Cloud Infrastrukturen) könnte die nächste Welle von Verbraucheranwendungen vorantreiben.
Das wird eine kommerzielle kambrische Explosion sein.
Multimodal: Diese Allzweck-Engines werden multimodal sein.
Das bedeutet, dass sie möglicherweise in der Lage sind, jede Art von Interaktion zu bewältigen, sei es Text-zu-Text, Text-zu-Bild, Text-zu-Video und umgekehrt.
Es könnte sich also in zwei Richtungen bewegen.
Einerseits könnte die UX hauptsächlich durch Anweisungen in natürlicher Sprache gesteuert werden.
Andererseits wird die integrierte KI in der Fülle von Tools im Web in der Lage sein, Muster aus allen im Web verfügbaren Formaten zu lesen, zu klassifizieren und zu lernen.
Dieses Zwei-Wege-System könnte die nächste Evolution des Fundamentals hervorbringen Modell, um eine Allzweck-Engine zu werden, die viele Dinge tun kann.
Natürlichsprachliche Schnittstelle: Die Hauptschnittstelle für diese Allzweck-Engines könnte natürliche Sprache sein.
Heute wird dies in Form einer Aufforderung (oder einer natürlichsprachlichen Anweisung) ausgedrückt.
Die Eingabeaufforderung könnte zwar ein Schlüsselmerkmal der Basisschicht bleiben, aber stattdessen in der App-Schicht verschwinden, wo diese KI-Engines in erster Linie als Push-basierte Discovery-Engines funktionieren (die KI wird das bereitstellen, was sie für relevant für die Benutzer hält).
Echtzeit: Diese Engines könnten sich möglicherweise in Echtzeit anpassen und Muster lesen, während wir durch die reale Welt navigieren.
Dies – so argumentiere ich – wird ein Schlüsselmerkmal sein, damit diese universellen Schnittstellen in Augmenter Reality integriert werden können!
Eine mittlere Schicht
Das kann aus vertikalen Engines bestehen (stellen Sie sich vor, Sie finden hier Ihren KI-Anwalt, Buchhalter, KI-Personalassistenten oder KI-Vermarkter).
Diese mittlere Schicht könnte auf der Grundschicht aufgebaut werden und andere Engines der „mittleren Schicht“ kombinieren, die in der Lage sind, bei sehr spezifischen Aufgaben großartig zu werden.
Diese mittlere Schicht könnte:
Unternehmensfunktionen replizieren: Ein erster Schritt in diese Richtung könnte daher eine KI sein, die in der Lage sein könnte, jede der relevanten Unternehmensfunktionen zu replizieren.
Diese Mittelschicht wird ein Unternehmen aufwerten und es ermöglichen, Abteilungen zu führen, die eine Kombination aus Mensch und Maschine sind.
Datengräben: Hier könnte die Differenzierung auf Datengräben aufbauen.
Das bedeutet, dass diese spezialisierten KI-Engines durch die kontinuierliche Feinabstimmung von Foundational-Layer-Engines zur Anpassung an Middle-Layer-Funktionen für bestimmte Aufgaben relevant werden.
KI-Engines: Diese Akteure der mittleren Ebene haben möglicherweise auch die Möglichkeit, andere Engines auf der bestehenden Basisebene hinzuzufügen, um spezifische Datenpolkiefern zu erstellen, um die Modelle für bestimmte Aufgaben zu trainieren.
Und die Möglichkeit, diese Modelle anzupassen, um sie für diese spezialisierten Funktionen immer relevanter zu machen.
Und die Ebene der Apps
Dies könnte zu einer Vielzahl kleinerer und viel spezialisierterer Anwendungen führen, die auf der mittleren Schicht aufbauen.
Diese entwickeln sich basierend auf:
Netzwerkeffekte: hier Skalierung Der Aufbau der Benutzerbasis wird entscheidend sein Netzwerkeffekte.
Rückkopplungsschleifen: Die Feedback-Schleifen der Benutzer könnten kritisch werden, um sie durchzusetzen Netzwerkeffekte.
Welche Geschäftsmodelle werden wir sehen?
Meiner Meinung nach könnte die Grundschicht der neue App Store und zusammen sein AWS!
Das bedeutet einerseits, dass es als zugrunde liegende Infrastruktur zum Erstellen neuer Apps fungiert.
Andererseits könnte es das sein Marktplatz wo diese Apps gebaut werden!
Der Middle Layer könnte zunächst primär als Enterprise Business Model funktionieren.
Auf diese Weise können Unternehmen sehr maßgeschneiderte Lösungen erhalten, die zu den Unternehmenszielen passen.
Daher könnten Unternehmen diese KI-Engines auf den Gehaltsschecks haben, fast so, als ob dies die Macht des neuen Arbeitgebers wäre.
Die Apps-Schicht kann drei Hauptarten folgen Geschäft Modelle: Anzeigenbasiert, Abonnementbasiert und Verbrauchsbasiert.
Das war `s für heute.
Soll ich ein kurzes Buch über KI schreiben? Geschäft Ökosysteme?
Gennaro ist der Schöpfer von FourWeekMBA, das allein im Jahr 2022 rund vier Millionen Geschäftsleute erreichte, darunter C-Level-Führungskräfte, Investoren, Analysten, Produktmanager und aufstrebende digitale Unternehmer | Er ist auch Director of Sales für ein Hightech-Scaleup in der KI-Industrie | Im Jahr 2012 erwarb Gennaro einen internationalen MBA mit Schwerpunkt auf Unternehmensfinanzierung und Geschäftsstrategie.
