江苏龙网

  1. 首页 > 人文 > >

[AI公司]硅谷顶级VC发声：AI技术公司毛利实在太低，人工和算力成本太高


赖可 编译
量子位 报道 | 公众号 QbitAI
AI技术落地会遇到什么困难？毛利率低 ， 难有通用解决方案 ， 又难以形成技术壁垒 。
硅谷顶级VC公司的文章中 ， 把这些挑战挨个分析了一遍 。 并根据现有经验 ， 提供了一些建议 。
这篇文章出自A16Z ， 曾凭借对Instagram、Twitter和Skype等公司的投资 ， 跻身硅谷顶级VC公司 。 2019年 ， 它宣布转型为投资顾问公司 ， 并将人工智能领域作为其持续关注的五个方向之一 。
这篇文章看来 ， AI本质上是一种新的业务类型 。 下面是量子位为你编译的主要内容：
[AI公司]硅谷顶级VC发声：AI技术公司毛利实在太低，人工和算力成本太高
本文插图
新的业务类型：软件+服务=AI ?
因为坚信AI能够推动业务转型 ， A16Z将持续对AI应用公司和AI基础设施进行大量投资 。 但是 ， 在很多情况下 ， AI公司的经济结构与软件业务根本不一样 。 甚至看起来更像传统服务公司 。
AI行业有点像传统软件行业和服务行业的结合 。 AI应用既像普通软件 ， 可以多次出售 ， 但是每次都需要大量的专业人员提供服务 。 因此 ， AI本质上创造了一种新的业务类型 。
挑战一：算力和人工成本难降低
在AI公司的财务数据中 ， A16Z注意到一个出乎意料的一致模式：毛利率通常在50-60％的 。 远远低于SaaS业务60-80％以上的毛利率 。
早期的私人资本可以在短期内掩盖这些效率低下的情况 。 但是 ， 长期产品或投放市场优化是否能够完全解决问题？这一点尚不清楚 。
总体而言 ， AI公司毛利率低有两个方面的原因：
1、基础设施带来巨大成本
AI公司经常在云资源上花费的收入的25％或更多 。
训练一个AI模型就可能需要数十万美元甚至更多的计算资源 。 而且由于馈送AI模型的数据会随着时间变化（即数据漂移） ， 重新训练还会带来持续成本 。
模型推断在计算上也更加复杂 。 AI经常涉及图像、音频或视频等数据 ， 需要更高的存储资源和处理成本 。
对一些公司来说 ， AI模型必须在区域云之间进行转移 ， 云计算操作就更复杂 ， 成本更高 。
在许多领域中 ， 需要成倍增长的处理和数据 ， 来保证准确性提高 。 因此 ， 模型的复杂性快速增长 ， 处理器不太可能跟上 。 分布式计算能解决速度问题 ， 但无法解决成本问题 。
[AI公司]硅谷顶级VC发声：AI技术公司毛利实在太低，人工和算力成本太高
本文插图
2、为了实现高精确度 ， 循环流程中离不开人工
训练大多数先进的AI模型需要手动清理和标记大型数据集 。 这个过程耗费人力 ， 而且昂贵 ， 也成为了广泛采用AI的最大障碍之一 。
模型部署之后 ， 为了保持准确性 ， 需要不断捕获、标记新的训练数据 ， 并将其反馈到系统中 。 许多公司在此过程中的支出高达收入的10-15％ 。
对于需要更多认知推理的任务 ， 人工需要实时嵌入AI系统 。
例如 ， 社交媒体公司雇用上千名人工审核员来增强基于AI的审核系统 。 许多自动驾驶汽车系统都有远程操作员 ， 大多数AI医疗设备都与作为联合决策者的医生进行交互 。
随着AI模型性能的提高 ， 对人工干预的需求可能会下降 ， 但不可能完全消除 。
因为人工的不可缺乏 ， 计划出售纯软件产品的许多AI公司 ， 开始将内部服务功能引入并成本预算 。
[AI公司]硅谷顶级VC发声：AI技术公司毛利实在太低，人工和算力成本太高
本文插图
挑战二：难有通用的解决方案
对于AI公司而言 ， 知道何时找到适合市场的产品比传统软件行业更困难 。 初创公司也通常会花费比预期更多的时间和资源来部署产品 。
客户可能把任何内容输入AI模型 ， 因此 ， 在部署每个新客户的时候 ， 都可能需要全新的数据 。


推荐阅读


上一篇：『中新经纬』三箭齐发攀新高！青岛啤酒掀起2020首批投资建设新热潮

下一篇：国际金融报■宜家也开天猫店了！超3800款产品上架，初期覆盖“包邮区”