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

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

(資料圖片)

同普通版 ChatGPT 相比，企業(yè)版性能更加強大，包括：提供無限制的 GPT-4 訪問，速度提升 2 倍，支持無限制高級數(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隊的自助式 ChatGPT Business 產(chǎn)品，服務(wù)于所有規(guī)模和類型的組織。也就是說，從今天開始，OpenAI 已然吹響了向 B 端市場全面進攻的號角。

自然，這就帶來了一個問題：面向企業(yè)的 B 端 AI 大模型市場，會 " 贏家通吃 " 嗎？

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

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，隨著在實際使用中對大模型理解的加深，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)在選擇模型時需要考慮的因素，以及 AI 基礎(chǔ)設(shè)施的發(fā)展機遇，包括評估框架、模型運行與維護、增強系統(tǒng)、運維工具、數(shù)據(jù)利用等各個方面。

文章干貨很足，相信對想了解 B 端 AI 市場、AI 基礎(chǔ)設(shè)施、未來機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

● 未來機遇在何方

在過去的十?dāng)?shù)年里，作為 Lightspeed 團隊一員，我親歷了人工智能和機器學(xué)習(xí)領(lǐng)域的驚人創(chuàng)新，這主要歸功于我們與卓越創(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，以及服務(wù)的客戶進一步合作交流，以便更系統(tǒng)地了解企業(yè)如何思考生成式 AI。

具體來說，我們深入探究了大模型生態(tài)系統(tǒng)，嘗試探討諸如 " 性能最強大模型是否會贏家通吃？"、" 企業(yè)在使用時是否會一味依賴 OpenAI 的 API，還是選擇更加多樣化的實際用例？" 這一類問題。

這些問題的答案，將決定該未來大模型生態(tài)系統(tǒng)的增長方向，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，開發(fā)者和企業(yè)將根據(jù)實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，隨著在實際使用中對大模型理解的加深，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)開發(fā)者試圖探索人工智能對其應(yīng)用的潛力極限時，這些模型往往是默認(rèn)的起點。

這些模型的訓(xùn)練成本高，維護和擴展復(fù)雜。但同一個模型可以應(yīng)對法學(xué)院入學(xué)考試（LSAT）、醫(yī)學(xué)院入學(xué)考試（MCAT），撰寫高中論文，并像聊天機器人朋友一樣與你互動。目前，開發(fā)者正在這些模型上進行實驗，并評估在企業(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于復(fù)雜。

同時，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)測試，Llama 2 甚至與 GPT-3.5-turbo 相媲美。通過在企業(yè)數(shù)據(jù)上進行調(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)。

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

類別 3：長尾模型

這些是 " 專家 " 模型。它們專為特定目標(biāo)構(gòu)建，例如對文件進行分類、識別圖像或視頻中的特定屬性、識別商業(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)中心或邊緣上運行。

僅需瀏覽 Hugging Face，即可窺見這一生態(tài)系統(tǒng)的廣度之大，未來還會因為它為各種用例提供服務(wù)而不斷擴大！

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)先的開發(fā)團隊和企業(yè)開始以這種精細的方式思考這個生態(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模型。

在選擇使用哪個 / 哪些模型方面，通常會考慮以下因素：

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

b. 能否對模型進行微調(diào)對這個用例是否至關(guān)重要或者強烈希望進行微調(diào)。

c. 期望的推理 " 性能 " 水平（延遲、準(zhǔn)確性、成本等）。

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

機遇在哪里

這一新興生態(tài)系統(tǒng)產(chǎn)生了幾個重要影響：

① 評估框架：企業(yè)將需要工具和專業(yè)知識，來評估哪個模型適合哪個用例。

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

② 運行和維護模型：預(yù)計將出現(xiàn)用于幫助企業(yè)訓(xùn)練、微調(diào)和運行模型的平臺，特別是第三類長尾模型。

這些平臺過去通常被稱為 ML Ops 平臺，我們預(yù)計這個定義將擴展到包括生成式人工智能。Databricks、Weights and Biases、Tecton 等平臺正在迅速朝這個方向發(fā)展。

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

這涉及做出次級決策，包括：

o 數(shù)據(jù)和元數(shù)據(jù)攝?。?/strong>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)于訪問策略等方面的元數(shù)據(jù)。

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

在這里，存在機會來構(gòu)建面向企業(yè)的 RAG（檢索增強生成）平臺，以簡化選擇和組合這些平臺所帶來的復(fù)雜性：

① 運維工具：企業(yè) IT 部門需要為工程團隊建立監(jiān)管措施，管理成本等。

與今天為軟件開發(fā)所做的所有工作一樣，他們需要擴展這些任務(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間改善 / 惡化？是否存在可能影響未來應(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？

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

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

正如地球上最大的軟件公司之一曾對我們說的那樣，" 我們的數(shù)據(jù)是我們的壕溝，我們的核心 IP，我們的競爭優(yōu)勢。"

通過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 " 差異化 " 的方式，將是關(guān)鍵。Snorkel 等平臺在其中發(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)施平臺的絕佳時機。

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

本文來源：硬 AI