AI技术公司毛利实在太低，人工和算力成本太高
日期：2020-03-10 16:16:41 / 人气：429
AI技术落地会遇到什麼困难？毛利率低，难有通用处理方案，又难以构成技术壁垒。硅谷顶级VC企业的文章中，把这些应战挨个剖析了一遍。并依据现有经历，提供了一些建议。这篇文章出自A16Z，曾凭仗对Instagram、Twitter和Skype等企业的投资，跻身硅谷顶级VC企业。2019年，它宣布转型爲投资参谋企业，并将人工智能范畴作爲其继续关注的五个方向之一。这篇文章看来，AI实质上是一种新的业务类型。上面是量子位爲你编译的次要内容：新的业务类型：软件+效劳=AI ?由于深信AI可以推进业务转型，A16Z将继续对AI使用企业和AI根底设备停止少量投资。但是，在很多状况下，AI企业的经济构造与软件业务基本不一样。甚至看起来更像传统效劳企业。AI行业有点像传统软件行业和效劳行业的结合。AI使用既像普通软件，可以屡次出售，但是每次都需求少量的专业人员提供效劳。因而，AI实质上发明了一种新的业务类型。应战一：算力和人工本钱难降低在AI企业的财务数据中，A16Z留意到一个出人意料的分歧形式：毛利率通常在50-60％的。远远低于SaaS业务60-80％以上的毛利率。晚期的公家资本可以在短期内掩盖这些效率低下的状况。但是，临时商品或投放市场优化能否可以完全处理成绩？这一点尚不清楚。总体而言，AI企业毛利率低有两个方面的缘由：1、根底设备带来宏大本钱AI企业常常在云资源上破费的支出的25％或更多。训练一个AI模型就能够需求数十万美元甚至更多的计算资源。而且由于馈送AI模型的数据会随着工夫变化（即数据漂移），重新训练还会带来继续本钱。模型推断在计算上也愈加复杂。AI常常触及图像、音频或视频等数据，需求更高的存储资源和处置本钱。对一些企业来说，AI模型必需在区域云之间停止转移，云计算操作就更复杂，本钱更高。在许多范畴中，需求成倍增长的处置和数据，来保证精确性进步。因而，模型的复杂性疾速增长，处置器不太能够跟上。散布式计算能处理速度成绩，但无法处理本钱成绩。2、爲了完成高准确度，循环流程中离不开人工训练大少数先进的AI模型需求手动清算和标志大型数据集。这个进程消耗人力，而且昂贵，也成爲了普遍采用AI的最大妨碍之一。模型部署之后，爲了坚持精确性，需求不时捕捉、标志新的训练数据，并将其反应到零碎中。许多企业在此进程中的收入高达支出的10-15％。关于需求更多认知推理的义务，人工需求实时嵌入AI零碎。例如，社交媒体企业雇用上千名人工审核员来加强基于AI的审核零碎。许多自动驾驶汽车零碎都有近程操作员，大少数AI医疗设备都与作爲结合决策者的医生停止交互。随着AI模型功能的进步，对人工干涉的需求能够会下降，但不能够完全消弭。由于人工的不可缺乏，方案出售纯软件商品的许多AI企业，开端将外部效劳功用引入并本钱预算。应战二：难有通用的处理方案关于AI企业而言，晓得何时找到合适市场的商品比传统软件行业更困难。初创企业也通常会破费比预期更多的工夫和资源来部署商品。客户能够把任何内容输出AI模型，因而，在部署每个新客户的时分，都能够需求全新的数据。即便是外表类似的客户——例如，两家汽车制造商都在停止缺陷检测——也能够需求本质上不同的培训数据。一位开创人将这称爲AI商品的“工夫本钱”。她的企业在每个新的客户参与开端时都会停止专门的数据搜集和模型微调。企业检查客户数据的散布，消弭部署前的一些极端状况。这同时就带来了新的人力和财务本钱：企业的团队和财务资源被捆绑在一同，直到模型精确性可承受。培训期的工夫通常也是未知的。由于，无论如何努力，常常没有什麼选择能更快地生成培训数据。不只部署商品的进程耗时，它不一定会随工夫推移而消逝。提早辨认需求很困难，这是由于AI模型需求思索边缘状况，而传统的原型设计工具（例如模型，原型或Beta测试）往往只掩盖最罕见的途径。应战三：技术差同化难完成优越的技术可以给企业带来差同化竞争劣势。但这对AI企业更难完成。新模型架构次要在开放的学术环境中开发，可以从开源库中取得预训练模型，自动优化模型参数。数据是AI零碎的中心，却在客户手里，或许在公共范畴，或随着工夫推移而成爲商品。随着市场的成熟，数据的价值逐步下降，网络效应也绝对较弱。随着模型变得成熟 ，每个新边缘案例的处理本钱都越来越高，提供的价值反而越来越少。这并不一定意味着AI商品的进攻性要比纯软件商品低。但是，对AI企业而言，竞争劣势似乎比许多人预期的要少。给AI企业开创人的建议AI人工智能企业要获得临时成功，需求充沛应用效劳和软件的劣势。A16Z给出了以下建议：消弭模型复杂性A16Z留意到，每位客户训练一个独一模型的初创企业，和在一切客户之间共享一致模型的初创企业之间，销货本钱存在宏大差别。“单一模型”战略更易于维护，更快地推向新客户；并且能支持更复杂，更高效的工程组织。一个关键是，在达成买卖前，尽能够多地理解客户和客户的数据。有时分，新客户会爲ML工程带来宏大担负，在大少数状况下，仅触及多数几个共同的模型或微调。权衡临时经济安康与近期增长是AI开创人面临的最重要打工之一。挑选狭隘范畴的成绩，降低数据复杂性人工休息自动化很困难。CRM范畴的AI企业曾经发现，基于更新记载，可以爲AI找到有价值的范畴。触及大规模，低复杂度的义务。例如审核，数据输出/编码，转录等成绩，人类很难执行，而AI则绝对容易。专注于这些范畴，可以简化开发进程的数据馈送。方案高可变为本作爲开创人，应该爲业务模型提供牢靠、直观的思想框架。A16Z建议，在思索较低毛利率的状况下，树立业务模型和GTM战略。有一些来自开创人的建议：深入了解模型数据的散布；将模型维护和人员毛病转移视爲首要成绩；跟踪并权衡实践可变为本，不要让它们隐藏在研发中；在财务模型中做激进的单位经济假定，尤其是在筹款时期；不要等候规模扩展或内部技术提高来处理成绩。方案技术堆栈中的改动将使用顺序严密耦合到以后的打工方式，能够会在未来招致体系构造上的优势。古代AI仍处于起步阶段。在接上去的几年中，能够会有工具的普遍运用，以使模型训练自动化，进步推理效率，规范化开发人员打工流，以及监视和维护消费的AI模型。云计算作爲本钱成绩，也越来越遭到关注。拥抱效劳这能够意味着要提供全栈翻译效劳而不是翻译软件，提供出租车效劳而不是出售自动驾驶汽车。树立混合业务比纯软件更难，但是这种办法可以提供对客户需求的深入洞察，并发生定义市场的企业。效劳也可以成爲启动企业进入市场的引擎，特别是在销售复杂和/或全新技术时。关键是要以一种坚决的方式追求一种战略，而不是同时支持软件和效劳客户。用老的方式树立进攻力，稳固市场位置虽然尚不清楚AI模型自身或根底数据能否能提供进攻力，但好的商品和专无数据简直总能树立良好的业务。AI爲开创人提供了处理旧成绩的新视角。例如，AI技术经过更好的功能，在绝对倦怠的歹意软件检测市场中发生了新的价值。在最后的共同商品功用上，构建粘性商品和耐久业务的时机是永久的。A16Z还发现有几家AI企业经过无效的云战略来稳固其市场位置，这与最新一代的开源企业相似。总结：AI不同于传统软件效劳当今AI业务并不完全像软件业务。它们触及继续的人力支持和严重可变为本。它通常没有人们想象那麼容易扩展。弱小的劣势并非随着掌握技术就能自然完成，这关于“一次制造/屡次出售”软件模型至关重要。在某种水平上，这些特征使AI像效劳业。换句话说，可以改换效劳企业，但不能完全改换效劳。而可变为本，规模静态和进攻才能，最终将由市场，而非单个企业决议。如今看到的企业数据出现出不熟习的形式，这一现实标明，AI企业是真正的新事物。作者：赢咖系列注册登录官网 http://www.yka888.com
新闻资讯 News
- 通过放短视频来堆音量，这次被短...12-04
- 计算能力租赁价格暴涨，玩家涌入...12-04
- 三星CIS涨价30%，国内CIS厂...12-04
- 业带商，命运掌握在自己手里12-04