这是NFX的Generative Tech市场地图。目前已有550多家公司参与其中。再加上它。我们正在开源。
如果你正在创办一家涉及生成人工智能的公司，请与我们联系。
下面，我们将讨论我们所看到的作为5层生成技术堆栈的发展，以帮助指导您对公司的思考。
五层生成技术堆栈
我们看到生成技术堆栈分解为5层。作为创始人，你必须决定你想在产品中包括哪一层或哪几层。
- 5.应用层
- 4.操作系统或API层
- 3.超局部人工智能模型
- 2.具体的人工智能模型
- 1.通用人工智能模型
让我们走过这些。
人工智能模型层：通用、特定和超局部
实现生成技术的人工智能引擎有三层。根据您的市场需求，以及所需的细微差别和专业化水平，您可以使用这三种功能。
- 通用人工智能模型是核心技术突破。它类似于GPT-3用于文本，DALL-E-2用于图像，Whisper用于语音，或Stable Diffusion。这些模型处理广泛类别的输出：文本、图像、视频、语音、游戏。它们将是开源的，易于使用，并且擅长上述所有方面。这是生成技术革命的起点，但不是它的终点。
- 特定的人工智能模型为特定的工作捕捉到了更多的细微差别，如写推特、广告文案、歌词，或生成电子商务照片、3D室内设计图像等。这些模型是在更窄、更专业的数据上训练的，这应该使它们在特定的轮罩中优于普通模型。其中一些最终也将是开源的。
- 超局部人工智能模型是专家。超局部人工智能模型可以用《自然》杂志喜欢的风格写一篇科学文章。它创造了适合特定人审美的室内设计模型。它可以以单个公司的特定风格编写代码。它可以根据特定公司的电子商务照片进行精确的明暗处理。这个模型是在超局部数据上训练的，通常是专有数据。
这些模型显然是他们所训练的数据的子代。当你向上移动时，数据会变得更加差异化，从而产生一个更加细微的模型。人们很容易认为，这种差异化的数据是持久成功的关键。
它可能是，也可能不是。
有人说，Generative Tech实际上是一场为人工智能训练获取数据的竞赛。但是，正如我们之前所讨论的，数据并不总是提供强大的防御能力。即使竞争对手无法获得您的确切数据集，他们也可能找到类似的数据集。即使他们的型号没有你的好，客户也不能总是说出来，竞争对手也可以声称他们的销售资料中有你的。这意味着大多数数据网络效应随着时间的推移呈渐近线。一个比竞争对手好5%甚至20%的人工智能模型是一个相当微弱的防御能力。
还有一个更大的挑战：人类欣赏所产生的东西的能力是有限的。人工智能正在迅速达到这个极限。
例如，人类无法区分4K照片和8K照片，因为我们的眼睛无法拍摄更多的像素。人们的大脑将无法在24个月内区分人类写作和人工智能写作。大多数人将在36个月后欣赏人工智能创作的音乐和歌词。（是的，这让很多人感到非常不舒服）。
人工智能模型的发展速度非常快，因此许多通用和特定模型不需要很长时间，可能需要3年的时间就能相互接近并达到人类的极限。假设每代几美分，速度几秒，这些模型的差异化能力就止步于这些极限。
[注：截至今天，在其他人工智能开始有钱支付超过人类极限的生成内容之前，还没有“超过人类极限”的生成人工智能。]
因此，探索人工智能模型中数据网络效应的最佳场所可能是第3级，即超本地层，它受益于专有和可信的数据。
操作系统和API层
这是位于工作流应用程序和下面的人工智能模型之间的一层。我可能有一个制作电子商务网站的申请。需要几个不同的人使用该应用程序。他们每个人都需要不同的模型来发挥自己的作用。这个API层或Generative OS帮助应用程序访问应用程序需要的所有AI模型。这一层还允许人工智能模型随意切换。这当然倾向于将它们商品化。
该层简化了应用程序和工作流的互操作性。它有助于跟踪身份、支付、法律问题、服务条款、存储等。它帮助应用程序开发人员更快地尝试更多功能，并使其更快地启动和运行。对于最终用户来说，它消除了下面的人工智能模型和上面的应用程序供应商的麻烦。该层应具有强大的网络效果和嵌入特性。
应用程序层
这些应用程序是人和机器协作的接口。这些工作流程工具使人工智能模型能够以一种使商业客户或消费者娱乐的方式访问。
在这一层中，很容易想象网络效应或嵌入防御。
在未来两年内，将有10000个这样的应用程序用于满足各种需求。现任软件供应商将增加生成功能。新公司将创造旧公司的竞争对手，强调生成性是一个楔子。新公司将创建全新的应用程序，人们将以生成人工智能为起点使用这些应用程序。
如何在当代科技中获胜
考虑到现在每个人都有类似的想法（请参阅NFX的Generative Tech Market Map——这些公司总共已经筹集了140多亿美元），那么你如何竞争？
1.产品速度
你需要把产品投放市场，看看什么有效，什么无效。看看是什么让人们感到不舒服——让他们度过这个周期。密切关注您的竞争对手，并借鉴最佳创意。不要让它变得完美。如果以牺牲堆栈中的其他层（应用程序、API或操作系统层）为代价来构建完美模型，那么不要花费太多时间寻找特定数据。首先启动该功能，让模型随着时间的推移而学习。
2.销售速度
随着Generative AI从功能到产品再到真正的业务，你可能会认为，2023-2024年将主导积极的销售和营销，而不仅仅是AI和ML。积极的销售将有助于将您的产品融入客户，并使您有权扩展到其他类别。积极的销售将帮助你建立网络效应，帮助你的防御能力。销售将帮助您获得上述第2和第1项优势。
3.网络效应
网络效果将帮助您获胜，尤其是在应用程序和OS/API级别。我们已经编写了一本手册，并制作了一个3小时的大师班季，以帮助您思考这些问题。
4. Embedding（植入）
如果1-3层的人工智能模型倾向于商品，那么看看你在其上构建的应用程序和API如何通过将其嵌入客户的工作流程或日常生活来帮助你留住他们可能是有意义的。
5.找一个会和你一起冲刺的投资者
利用这项技术并与之一起冲刺。你需要一位与你一起冲刺的投资者。来和我们谈谈。
