OpenAI 最強(qiáng)“企業(yè)版”炸場(chǎng)，B 端大模型市場(chǎng)會(huì)“贏家通吃”嗎？

速度翻倍、安全加密、調(diào)用 GPT-4 無(wú)上限，今天凌晨，OpenAI 官宣的企業(yè)專用版 ChatGPT 堪稱 " 最強(qiáng) ChatGPT 版本 "！

(資料圖片)

同普通版 ChatGPT 相比，企業(yè)版性能更加強(qiáng)大，包括：提供無(wú)限制的 GPT-4 訪問(wèn)，速度提升 2 倍，支持無(wú)限制高級(jí)數(shù)據(jù)分析，支持可用于 4 倍輸入和文件的 32k Tokens 上下文窗口，提供可共享的聊天模板和免費(fèi)的 API 接口、保證企業(yè)的數(shù)據(jù)隱私和安全等。

除了目前適合大型企業(yè)的版本之外，OpenAI 還將很快推出適用于各類小型團(tuán)隊(duì)的自助式 ChatGPT Business 產(chǎn)品，服務(wù)于所有規(guī)模和類型的組織。也就是說(shuō)，從今天開(kāi)始，OpenAI 已然吹響了向 B 端市場(chǎng)全面進(jìn)攻的號(hào)角。

自然，這就帶來(lái)了一個(gè)問(wèn)題：面向企業(yè)的 B 端 AI 大模型市場(chǎng)，會(huì) " 贏家通吃 " 嗎？

最近，美國(guó)光速創(chuàng)投 ( Lightspeed Venture Partners ) 合伙人 Guru Chahal 深度分析了這一問(wèn)題。

作者認(rèn)為，B 端最有可能的路徑，是企業(yè)在探索階段使用大型模型，隨著在實(shí)際使用中對(duì)大模型理解的加深，逐漸轉(zhuǎn)向生產(chǎn)階段使用更小型、專業(yè)化（調(diào)整 + 精煉）的模型。

Chahal 還提到了企業(yè)在選擇模型時(shí)需要考慮的因素，以及 AI 基礎(chǔ)設(shè)施的發(fā)展機(jī)遇，包括評(píng)估框架、模型運(yùn)行與維護(hù)、增強(qiáng)系統(tǒng)、運(yùn)維工具、數(shù)據(jù)利用等各個(gè)方面。

文章干貨很足，相信對(duì)想了解 B 端 AI 市場(chǎng)、AI 基礎(chǔ)設(shè)施、未來(lái)機(jī)遇等方面的朋友一定大有裨益。

以下為全文內(nèi)容，大家 enjoy~

目錄：

● 大模型生態(tài)系統(tǒng)分類

● 將用例與模型匹配

● 未來(lái)機(jī)遇在何方

在過(guò)去的十?dāng)?shù)年里，作為 Lightspeed 團(tuán)隊(duì)一員，我親歷了人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的驚人創(chuàng)新，這主要?dú)w功于我們與卓越創(chuàng)業(yè)者的深度合作。

現(xiàn)在，我們與他們的公司、所構(gòu)建的平臺(tái)，以及服務(wù)的客戶進(jìn)一步合作交流，以便更系統(tǒng)地了解企業(yè)如何思考生成式 AI。

具體來(lái)說(shuō)，我們深入探究了大模型生態(tài)系統(tǒng)，嘗試探討諸如 " 性能最強(qiáng)大模型是否會(huì)贏家通吃？"、" 企業(yè)在使用時(shí)是否會(huì)一味依賴 OpenAI 的 API，還是選擇更加多樣化的實(shí)際用例？" 這一類問(wèn)題。

這些問(wèn)題的答案，將決定該未來(lái)大模型生態(tài)系統(tǒng)的增長(zhǎng)方向，以及算力、人才和資金的流向。

大模型生態(tài)系統(tǒng)分類

根據(jù)我們的研究，我們認(rèn)為，人工智能領(lǐng)域正在經(jīng)歷一次 " 寒武紀(jì)式 " 的模型大爆發(fā)。未來(lái)，開(kāi)發(fā)者和企業(yè)將根據(jù)實(shí)際需求選擇最適合的模型，盡管在探索階段的使用的可能更加集中。

B 端最有可能的路徑，是企業(yè)在探索階段使用大型模型，隨著在實(shí)際使用中對(duì)大模型理解的加深，逐漸轉(zhuǎn)向生產(chǎn)階段使用更小型、專業(yè)化（調(diào)整 + 精煉）的模型。

下圖展示了我們對(duì)基礎(chǔ)模型生態(tài)系統(tǒng)演化的看法。

我們認(rèn)為，人工智能模型領(lǐng)域可以分為三個(gè)主要、但又有些交叉的類別：

類別 1：巨腦模型

這些是最優(yōu)秀的模型，也是模型領(lǐng)域的先驅(qū)。它們產(chǎn)生了令人驚嘆的演示效果，深深吸引了我們的注意。當(dāng)開(kāi)發(fā)者試圖探索人工智能對(duì)其應(yīng)用的潛力極限時(shí)，這些模型往往是默認(rèn)的起點(diǎn)。

這些模型的訓(xùn)練成本高，維護(hù)和擴(kuò)展復(fù)雜。但同一個(gè)模型可以應(yīng)對(duì)法學(xué)院入學(xué)考試（LSAT）、醫(yī)學(xué)院入學(xué)考試（MCAT），撰寫(xiě)高中論文，并像聊天機(jī)器人朋友一樣與你互動(dòng)。目前，開(kāi)發(fā)者正在這些模型上進(jìn)行實(shí)驗(yàn)，并評(píng)估在企業(yè)應(yīng)用中的人工智能使用情況。

需要注意的是，這些模型的使用成本高，推理延遲較大，并且在明確定義的受限用例中可能過(guò)于復(fù)雜。

同時(shí)，這些模型是通用模型，可能在專業(yè)任務(wù)上不夠準(zhǔn)確（例如，參見(jiàn)康奈爾大學(xué)等的綜合研究）。

而且，它們也是黑匣子，可能給企業(yè)帶來(lái)隱私和安全挑戰(zhàn)，企業(yè)正在探索如何在不泄露數(shù)據(jù)的情況下利用這些模型。

OpenAI、Anthropic、Cohere 都屬于這一類別。

類別 2：挑戰(zhàn)者模型

這些模型同樣具有高能力，僅次于領(lǐng)先模型。Llama 2 和 Falcon 是這一類別中的佼佼者。它們通常與類別 1 模型中的 "N-1" 或 "N-2" 模型一樣優(yōu)秀。

據(jù)某些基準(zhǔn)測(cè)試，Llama 2 甚至與 GPT-3.5-turbo 相媲美。通過(guò)在企業(yè)數(shù)據(jù)上進(jìn)行調(diào)整，這些模型在特定任務(wù)上的能力可與類別 1 中模型相當(dāng)。

其中許多模型是開(kāi)源的（或非常接近）。一旦發(fā)布，它們往往會(huì)被開(kāi)源社區(qū)迅速改進(jìn)和優(yōu)化。

類別 3：長(zhǎng)尾模型

這些是 " 專家 " 模型。它們專為特定目標(biāo)構(gòu)建，例如對(duì)文件進(jìn)行分類、識(shí)別圖像或視頻中的特定屬性、識(shí)別商業(yè)數(shù)據(jù)中的模式等。這些模型靈活，訓(xùn)練和使用成本低，可以在數(shù)據(jù)中心或邊緣上運(yùn)行。

僅需瀏覽 Hugging Face，即可窺見(jiàn)這一生態(tài)系統(tǒng)的廣度之大，未來(lái)還會(huì)因?yàn)樗鼮楦鞣N用例提供服務(wù)而不斷擴(kuò)大！

將用例與模型匹配

盡管尚處于早期階段，但我們已經(jīng)看到一些領(lǐng)先的開(kāi)發(fā)團(tuán)隊(duì)和企業(yè)開(kāi)始以這種精細(xì)的方式思考這個(gè)生態(tài)系統(tǒng)。他們渴望將用例與最適合的模型匹配，甚至可能在更復(fù)雜的用例中使用多個(gè)模型。

在選擇使用哪個(gè) / 哪些模型方面，通常會(huì)考慮以下因素：

a. 數(shù)據(jù)隱私和合規(guī)要求，這會(huì)影響模型是在企業(yè)基礎(chǔ)架構(gòu)中運(yùn)行，還是數(shù)據(jù)可以發(fā)送到外部托管的推理終端。

b. 能否對(duì)模型進(jìn)行微調(diào)對(duì)這個(gè)用例是否至關(guān)重要或者強(qiáng)烈希望進(jìn)行微調(diào)。

c. 期望的推理 " 性能 " 水平（延遲、準(zhǔn)確性、成本等）。

實(shí)際清單通常比上述內(nèi)容更長(zhǎng)，反映了開(kāi)發(fā)者希望利用人工智能解決的各種多樣用例。

機(jī)遇在哪里

這一新興生態(tài)系統(tǒng)產(chǎn)生了幾個(gè)重要影響：

① 評(píng)估框架：企業(yè)將需要工具和專業(yè)知識(shí)，來(lái)評(píng)估哪個(gè)模型適合哪個(gè)用例。

開(kāi)發(fā)者需要決定如何最好地評(píng)估特定模型是否適合 " 所需工作 "。評(píng)估需要考慮多個(gè)因素，不僅包括模型性能，還包括成本、可以行使的控制水平等。

② 運(yùn)行和維護(hù)模型：預(yù)計(jì)將出現(xiàn)用于幫助企業(yè)訓(xùn)練、微調(diào)和運(yùn)行模型的平臺(tái)，特別是第三類長(zhǎng)尾模型。

這些平臺(tái)過(guò)去通常被稱為 ML Ops 平臺(tái)，我們預(yù)計(jì)這個(gè)定義將擴(kuò)展到包括生成式人工智能。Databricks、Weights and Biases、Tecton 等平臺(tái)正在迅速朝這個(gè)方向發(fā)展。

③ 增強(qiáng)系統(tǒng)：模型，特別是托管的 LLM（檢索增強(qiáng)模型），需要通過(guò)增強(qiáng)生成提供卓越的結(jié)果。

這涉及做出次級(jí)決策，包括：

o 數(shù)據(jù)和元數(shù)據(jù)攝取：如何連接結(jié)構(gòu)化和非結(jié)構(gòu)化的企業(yè)數(shù)據(jù)源，然后攝取數(shù)據(jù)以及關(guān)于訪問(wèn)策略等方面的元數(shù)據(jù)。

o 生成和存儲(chǔ)嵌入：選擇用于為數(shù)據(jù)生成嵌入的模型。然后，如何存儲(chǔ)這些嵌入：根據(jù)所需性能、規(guī)模和功能選擇哪個(gè)向量數(shù)據(jù)庫(kù)？

在這里，存在機(jī)會(huì)來(lái)構(gòu)建面向企業(yè)的 RAG（檢索增強(qiáng)生成）平臺(tái)，以簡(jiǎn)化選擇和組合這些平臺(tái)所帶來(lái)的復(fù)雜性：

① 運(yùn)維工具：企業(yè) IT 部門需要為工程團(tuán)隊(duì)建立監(jiān)管措施，管理成本等。

與今天為軟件開(kāi)發(fā)所做的所有工作一樣，他們需要擴(kuò)展這些任務(wù)，以包括人工智能的使用。IT 感興趣的領(lǐng)域包括：

o 可觀測(cè)性：模型在生產(chǎn)環(huán)境中的表現(xiàn)如何？它們的性能是否隨時(shí)間改善 / 惡化？是否存在可能影響未來(lái)應(yīng)用程序版本中模型選擇的使用模式？

o 安全性：如何確保 AI 本地應(yīng)用程序的安全性。這些應(yīng)用程序是否容易受到新的攻擊方式的攻擊，需要新的平臺(tái)？

o 合規(guī)性：我們預(yù)計(jì) AI 本地應(yīng)用程序和 LLM 的使用將需要符合相關(guān)主管機(jī)構(gòu)已開(kāi)始制定的框架。這是除了隱私、安全、消費(fèi)者保護(hù)、公平性等現(xiàn)有合規(guī)性制度之外的。企業(yè)將需要平臺(tái)來(lái)幫助他們保持合規(guī)性、進(jìn)行審計(jì)、生成合規(guī)性證明等相關(guān)任務(wù)。

② 數(shù)據(jù)：預(yù)計(jì)將迅速采用幫助企業(yè)了解其數(shù)據(jù)資產(chǎn)以及如何通過(guò)使用新型人工智能模型從這些資產(chǎn)中提取最大價(jià)值的平臺(tái)。

正如地球上最大的軟件公司之一曾對(duì)我們說(shuō)的那樣，" 我們的數(shù)據(jù)是我們的壕溝，我們的核心 IP，我們的競(jìng)爭(zhēng)優(yōu)勢(shì)。"

通過(guò)利用人工智能將這些數(shù)據(jù)貨幣化，以一種在不削弱防御能力的情況下推動(dòng) " 差異化 " 的方式，將是關(guān)鍵。Snorkel 等平臺(tái)在其中發(fā)揮著關(guān)鍵作用。

我們認(rèn)為，現(xiàn)在正是構(gòu)建人工智能基礎(chǔ)設(shè)施平臺(tái)的絕佳時(shí)機(jī)。

盡管人工智能的應(yīng)用將繼續(xù)改變整個(gè)行業(yè)，但要想使每個(gè)企業(yè)都能采用這一強(qiáng)大技術(shù)，就需要支持基礎(chǔ)設(shè)施、中間件、安全性、可觀測(cè)性和操作平臺(tái)。

本文來(lái)源：硬 AI