全文作者：Matt Bornstein, Guido Appenzeller, and Martin Casado

原文翻译：阿法兔

A16Z现在又发一篇有意义的文章内容，提到在他们看来的生成式 AI 使用价值捕捉难题，例如现阶段生成式 AI 在商业化的落地式存有什么样的问题？使用价值捕捉较大的那一部分在哪儿？小编翻译后对一些内容展开了注释。

文章内容关键两个部分：第一部分，包含A16Z对生成式 AI 全部现阶段赛道的观查，及其存有什么样的问题；第二部分除开难题以外，还介绍了究竟哪一块能捕捉最大的价值，毫无疑问，得基础设施建设者天底下（一定要注意：这种大多数都是A16Z的 Portofolio，请各位秉着客观公正的心态阅读文章，文中不构成一切投资价值分析或是对项目的强烈推荐）

*文中版权归A16Z全部，汉语翻译仅是以供参考学习培训应用。

什么叫生成式AI？

生成式 AI是机器学习的一个类型，电子计算机也可以根据用户的键入/提醒，形成原创新知识。现阶段这项技术最完善的运用主要是在文字和图形行业，但是绝大多数的艺术创意行业都是有相似的发展（生成式 AI 的关键技术），遮盖动漫、声音特效、歌曲，乃至应该是具有详细个性化的虚拟形象开展原创设计。

第一部分：细致观察预测分析

人工智能运用已经快速扩大经营，而保留并没那么容易，不是所有人都能够建立起商业服务经营规模。

生成式 AI 科技的早期阶段已闪过：

例如，数以百计的新起 AI 自主创业公司正奔向市场，逐渐开发设计基本模型，搭建 AI 原生应用程序、基础设施建设与专用工具。

自然，的确会有一些热门技术发展趋势，会有过多炒作状况。但生成式人工智能的迅猛发展，已经能够看到许多公司形成了切切实实的营收。

比如，像 Stable Diffusion 和 ChatGPT 这种模型造就了用户持续增长的历史数据，有些运用在推出后不到一年，就达到 1 亿美元年净利润，而且人工智能模型在一些每日任务上的表现会比人类技术高好多个量级。

我们不难发现，技术性方式转型发展正发生。可是，必须科学研究的关键问题取决于：全部市场中，什么地方会产生价值？

过去一年里，我们跟几十位生成式 AI 自主创业公司的创始人与大公司 AI 领域专家。大家观查到现在为止，基础设施建设经销商很有可能是这一市场上最大的一个大赢家，由于基础设施建设可以获得通过全部生成式 AI 局部变量数最多的银行流水和营业收入。

虽然主要应用程序开发的公司收入增加特别快，但这一部分公司往往会在用户保留、差异化竞争和利润率方面存在劣势。而大部分模型经销商现在还没有把握规模性的商业化水平。

再讲的准确一点，这些可以造就最大价值的公司，例如可以练习生成式人工智能模型，并把这类关键技术于新的应用程序，现阶段都还没把握住行业内的的大多数使用价值。因此，如今需要预测分析后边的行业发展趋势并没有那么容易。

可是，想尽办法掌握整个市场局部变量的什么一部分能做到真正的多元化，与可防御力化至关重要，由于这一部分能够对全部市场构造（即横着与横向的公司发展趋势）和长期价值推动力（如毛利率和用户用户粘性）产生重大影响。

但目前为止，除开目前公司真正意义上的业务流程环城河，无法在（生成式人工智能的）局部变量上寻找在结构上可保护性。

大家看中生成式人工智能跑道，也相信这一领域对各行各业造成很大影响。本文的编写目地，主要目的是勾勒市场动态化，回应一些关于生成性人工智能商业运营模式更为广泛问题。

技术栈：基础设施建设、人工智能模型和应用软件

想要了解更多生成式人工智能跑道和市场是怎样所形成的，首先要界定现阶段整个行业的局部变量：

全部生成式人工智能的局部变量可以分为三层：

1.将生成式 AI 模型，与面对用户的商品应用集成，这类一般是运作自已的模型管路（"端对端运用"），或是依靠第三方 API

（阿法兔科学研究手记注解：这儿我们所说的模型管路，指的是就是一个模型的输出做为下一个模型的键入）

2.为人工智能商品增加动力的模型，以特有 API 或开源系统控制点的方式给予（这相反需要一个代管解决方法）

（注解：这方面讲的是，要不将整个模型的搭建方式以及预训练的模型（也叫控制点）对外开放出去，要不必须将整个模型的搭建方式以及预训练的模信息保密，只开启一个插口 API，如果是前面得话，你就要自己去跑练习/调整/逻辑推理，因此需要了解它会怎样的环境、怎么样的硬件环境上跑，因此需要人提供一个托管平台解决模型软件环境的事）

3.为生成性人工智能模型运作练习和逻辑推理工作负载基础设施经销商（即云服务平台和硬件设备生产商）

需注意，这方面我们讲的不是全部市场的生态图，而是一个剖析市场的框架，文中在每一个类型里都列出一些著名生产商的事例，但是没有包揽列举目前所有最强AIGC运用，都没有深入探讨 MLops 或 LLMops 专用工具，由于这方面还没有达到彻底完善标准化，还有机会大家还会继续探讨。

第一波的生成式人工智能运用逐渐产生产业化，但保留和多元化层面却不易

在此前的技术周期中，真正意义上的见解会以为，需要创建大型、单独的公司，就必须具备终端客户，这儿的终端客户包含本人用户和 B 2B顾客。

因为这样的真正意义上的见解，大伙儿非常容易还认为：生成式人工智能中最大的机遇还在于能够做面对终端设备用户的应用的公司。

可是到现在为止，实际上状况并不一定会如此。

生成式人工智能运用的提高十分令人震惊，这类提高一般是由十分新奇和应用案例所驱动，例如图像生成、软文撰写和代码编写，这三个产品类型的年薪已经超过 1 亿美金。

可是，光提高还不足以搭建长久的手机软件公司，重点在于，这类提高一定要有盈利，换句话说，用户跟客户一旦申请注册就可以产生盈利（高毛利），而且这种盈利还要能长期可持续性（高用户粘性）。

假如公司中间不会有强悍的技术性多元化，B 2B和 B 2C应用软件如果通过网络效应，和信息优点，又或者搭建更加繁杂的工作流程，进而取得成功。

可是，在生成式人工智能行业，以上假定不一定创立。在咱们调查地去做生成式人工智能 APP 创业公司中，利润率的改变范围广泛，极少数公司可以达到 90%，大部分公司利润率低到 50-60%，这方面主要是由模型成本费危害。

虽然大家可以看到现阶段方式顶部（Top-of-funnel ）增长，可是，并不清楚现阶段顾客获得对策是不是能够持续，现在已经看到了很多付钱获得的效率用户粘性开始下降。

目前市场上许多应用软件也的确欠缺差异，所以这些运用关键取决于类似的底层人工智能模型，并没有发现显著可以具有独家代理网络效应、别的竞争者难以拷贝的杀手级应用和信息/工作内容。

因而，目前国内还不清楚可以创建可持续发展的生成式人工智能商业化的业务良好实践究竟是什么，伴随着语言表达模型之间的竞争和效率的提升，毛利率该会提升。伴随着那波仅仅是因为人工智能的人气才的用户逐渐制冷，离去市场，用户用户粘性极有可能会提升。而且，对于我们来说垂直整合的应用在生产多元化层面具有优点，但很多还要接下来实践经验证明。

憧憬未来，生成式 AI 运用会面对什么难题？

• 在垂直整合（"模型 运用"）层面

假如人工智能模型作为一种消费性服务项目，运用开发人员能够用团队作战不断迭代，并随着技术的发展，逐渐拆换模型经销商。但是还有开发人员不愿意，在他们看来，商品便是模型，重新开始练习是造就可保护性的唯一途径，这儿是指不断对特有产品数据开展再训练（re-training）。但这个时候就需要更高资产，而且需要相对稳定的产品团队为代价。

• 搭建功能与应用软件

生成式人工智能商品具有许多方式：桌面应用，移动智能终端，Figma/Photoshop 软件，Chrome 扩展应用...并且还包含 Discord 智能机器人。在用户早已在运用、有用户习惯的区域融合人工智能商品很容易，由于用户页面比较简单。可是，这种公司里有什么将会成为单独的公司？什么能被微软公司或谷歌搜索人工智能大佬所吸收？

• 会与 Gartner 公司公布的蹭热点周期时间（hyper cycle) 一致？

还是不太清楚现阶段的用户流动率，是否全是初期人工智能商品所需要面临的，仅仅只是大家现阶段这一批人工智能商品所固有。又或者，市场对生成式人工智能的热情，会不会伴随着市场炒作消散而降低。各种问题，对开发设计 APP 应用软件公司存有重要的影响，包含什么时候挑选融资机会、设计方案用户获得对策、针对用户群的考虑到有用户的优先度，以挑选公布商品市场配对（Product Market Fit）机会。

来源：liurui