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( 二 )


即使是外观相似的客户——例如 ， 两家汽车制造商都在进行缺陷检测——也可能需要实质上不同的培训数据 。
一位创始人将这称为AI产品的“时间成本” 。 她的公司在每个新的客户参与开始时都会进行专门的数据收集和模型微调 。 公司查看客户数据的分布 ， 消除部署前的一些极端情况 。
这同时就带来了新的人力和财务成本：公司的团队和财务资源被捆绑在一起 ， 直到模型准确性可接受 。
培训期的时间通常也是未知的 。 因为 ， 无论如何努力 ， 经常没有什么选择能更快地生成培训数据 。
不仅部署产品的过程耗时 ， 它不一定会随时间推移而消失 。
提前识别需求很困难 ， 这是由于AI模型需要考虑边缘情况 ， 而传统的原型设计工具（例如模型 ， 原型或Beta测试）往往只覆盖最常见的路径 。
[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
挑战三：技术差异化难实现
优越的技术能够给公司带来差异化竞争优势 。 但这对AI公司更难实现 。
新模型架构主要在开放的学术环境中开发 ， 可以从开源库中获得预训练模型 ， 自动优化模型参数 。 数据是AI系统的核心 ， 却在客户手里 ， 或者在公共领域 ， 或随着时间推移而成为商品 。
随着市场的成熟 ， 数据的价值逐渐下降 ， 网络效应也相对较弱 。 随着模型变得成熟， 每个新边缘案例的解决成本都越来越高 ， 提供的价值反而越来越少 。
这并不一定意味着AI产品的防御性要比纯软件产品低 。 但是 ， 对AI公司而言 ， 竞争优势似乎比许多人预期的要少 。
[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
给AI公司创始人的建议
AI人工智能公司要取得长期成功 ， 需要充分利用服务和软件的优势 。 A16Z给出了以下建议：
消除模型复杂性
A16Z注意到 ， 每位客户训练一个唯一模型的初创公司 ， 和在所有客户之间共享统一模型的初创公司之间 ， 销货成本存在巨大差异 。
“单一模型”策略更易于维护 ， 更快地推向新客户；并且能支持更简单 ， 更高效的工程组织 。
一个关键是 ， 在达成交易前 ， 尽可能多地了解客户和客户的数据 。 有时候 ， 新客户会为ML工程带来巨大负担 ， 在大多数情况下 ， 仅涉及少数几个独特的模型或微调 。
权衡长期经济健康与近期增长是AI创始人面临的最重要工作之一 。
挑选狭窄领域的问题 ， 降低数据复杂性
人工劳动自动化很困难 。 CRM领域的AI公司已经发现 ， 基于更新记录 ， 可以为AI找到有价值的领域 。
涉及大规模 ， 低复杂度的任务 。 例如审核 ， 数据输入/编码 ， 转录等问题 ， 人类很难执行 ， 而AI则相对容易 。
专注于这些领域 ， 可以简化开发过程的数据馈送 。
计划高可变成本
作为创始人 ， 应该为业务模型提供可靠、直观的思维框架 。 A16Z建议 ， 在考虑较低毛利率的情况下 ， 建立业务模型和GTM战略 。
有一些来自创始人的建议：深刻理解模型数据的分布；将模型维护和人员故障转移视为首要问题；跟踪并衡量实际可变成本 ， 不要让它们隐藏在研发中；在财务模型中做保守的单位经济假设 ， 尤其是在筹款期间；不要等待规模扩大或外部技术进步来解决问题 。
计划技术堆栈中的改变
将应用程序紧密耦合到当前的工作方式 ， 可能会在将来导致体系结构上的劣势 。
现代AI仍处于起步阶段 。 在接下来的几年中 ， 可能会有工具的广泛使用 ， 以使模型训练自动化 ， 提高推理效率 ， 标准化开发人员工作流 ， 以及监视和保护生产的AI模型 。 云计算作为成本问题 ， 也越来越受到关注 。
拥抱服务
这可能意味着要提供全栈翻译服务而不是翻译软件 ， 提供出租车服务而不是出售自动驾驶汽车 。


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”