原作者:马特博恩施泰因，吉多阿彭策勒，马丁卡萨多。
原文翻译:阿尔法兔
A16Z最近发了一篇有趣的文章，讲的是他们认为的生成式AI的价值捕获。比如目前生成式AI的商业化存在哪些问题？价值捕捉最大的部分在哪里？翻译后，作者对部分内容进行了注释。
文章主要由两部分组成:第一部分包括A16Z对生成性AI当前整个轨迹的观察，存在哪些问题；除了问题之外，第二部分还阐述了哪一块能够捕捉到最大的价值，无疑赢得了基础设施的天下(请注意，这几块大多是A16Z的Portofolio，请客观理性阅读，本文不构成任何投资建议或对项目的推荐)。
*本文版权归A16Z所有，翻译仅供您学习使用。
什么是生成式AI？生成式AI是机器学习的一个范畴，计算机可以根据用户的输入/提示生成原创的新内容。目前这项技术最成熟的应用主要是在文字和图像领域，但几乎所有的创意领域都有类似的进展(生成式AI的技术应用)，涵盖动画、音效、音乐，甚至创造出具有完整人格的虚拟角色。
第一部分:观察和预测人工智能的应用正在迅速扩大，但要保持住却不是那么容易。不是所有人都能建立商业规模的。
生成性人工智能技术的早期阶段已经出现:
例如，数百家新兴的人工智能创业公司正在涌向市场，开始开发基本模型，建立人工智能原生应用程序、基础设施和工具。
当然会有很多热门的技术趋势，也会有过度的炒作。然而，随着生成式人工智能的蓬勃发展，我们已经可以看到许多公司产生了真正的收入。
例如，稳定扩散和ChatGPT等模型创造了用户增长的历史记录，一些应用在推出后不到一年就达到了1亿美元的年收入，人工智能模型在一些任务中的性能比人类高出几个数量级。
我们发现技术范式的转变正在发生。但是，需要研究的关键问题是:整个市场的价值会在哪里产生？
在过去的一年里，我们与数十位生殖型人工智能创业公司的创始人和大公司人工智能领域的专家合作。我们观察到，到目前为止，基础设施提供商很可能是这个市场的最大赢家，因为基础设施可以通过整个生成式AI栈获得最大的流量和收入。
虽然专注于应用开发的公司收入增长非常快，但这一分支在用户留存、产品差异化和毛利率方面往往存在弱点。然而，大多数模型供应商尚未掌握大规模商业化能力。
更准确地说，那些能够创造最大价值的公司，比如训练生成式人工智能模型，将这种技术应用到新的应用中，还没有完全掌握行业内的大部分价值。所以现在要预测以下行业趋势就没那么容易了。
然而，重要的是要找出整个行业堆栈中哪些部分可以真正做到差异化和可防御，因为这部分可以对整个市场结构(即横向和纵向公司发展)和长期价值驱动因素(如利润率和用户留存率)产生重大影响。
但到目前为止，除了现有公司的传统业务护城河，很难在(生成式人工智能的)堆栈上找到结构性的可防御性。
我们看好生成式人工智能赛道，坚信该领域对各行业影响巨大。写这篇文章的目的主要是描述市场动态，回答一些关于生成式人工智能商业模式的更广泛的问题。
技术栈:基础设施、人工智能模型和应用要了解生成式人工智能赛道和市场是如何形成的，我们首先需要定义整个行业的当前栈:
整个生成式人工智能可以分为三层:
1.将生成式AI模型与面向用户的产品应用程序集成，后者通常运行自己的模型管道(& # 8221；端到端应用& # 8221；)，或者依赖第三方API。
(关于Afa兔研究的说明:模型流水线，我们指的是一个模型的输出作为下一个模型的输入)
2.驱动人工智能产品的模型以专有API或开源检查点的形式提供(这反过来需要一个托管解决方案)。
(注:这一块说的是，要么开放整体模型构建模式和预训练模型(也叫检查点)，要么对整体模型构建模式和预训练模型保密，只开放一个接口API。前一种情况，你要自己运行训练/微调/推理，所以你需要知道它能在什么样的环境和硬件上运行，所以需要有人提供一个托管平台来处理模型运行环境。
3.为生成式人工智能模型运行训练和推理工作负载的基础设施提供商(即云平台和硬件制造商)。
需要注意的是，我们说的并不是整个市场的生态图，而是一个分析市场的框架。本文在每个类别中列举了一些知名厂商的例子，但并没有囊括目前所有最强大的AIGC应用，也没有深入讨论MLops或者LLMops的工具，因为这一块还没有达到完全成熟的标准化，有机会我们会继续讨论。
第一波生成式人工智能应用开始形成大规模，但并不容易保留和差异化。
在之前的技术周期中，传统的观点是，如果你想建立一个大型的独立公司，你必须有终端客户，包括个人消费者和B2B买家。
因为这种传统观点，大家很容易认为，生成式人工智能最大的机会也在于能做面向终端用户应用的公司。
但到目前为止，情况未必如此。
生成式人工智能应用的增长是惊人的，这主要是由非常新颖的应用案例驱动的，比如图像生成、文案和代码编写。这三个产品类别的年收入已经超过1亿美元。
然而，光增长不足以建立一个持久的软件公司。关键是这种增长必须是盈利的，即用户和客户一旦注册就能产生利润(高毛利)，而且这种利润需要长期可持续(高留存率)。
如果公司之间没有强大的技术差异，B2B和B2C应用程序只能通过网络效应、数据优势或构建越来越复杂的工作流来取得成功。
然而，在生成式人工智能领域，上述假设可能不成立。在我们调查的做生成式人工智能app的创业公司中，毛利率差异很大，少数公司达到90%，大部分公司毛利率低至50-60%，主要受模型成本影响。
虽然我们可以看到目前渠道顶端的增长，但目前的获客策略能否持续还不清楚，因为我们已经看到很多付费获客的效率和留存率开始下降。
目前市场上的很多应用确实缺乏差异性，因为这些应用主要依赖于相似的底层人工智能模型，没有找到能够明显具有独占网络效果的杀手级应用和数据/工作流，这是其他竞争对手难以企及的。
因此，目前，我们不知道建立可持续的生成式人工智能商业的最佳做法是什么。随着语言模式的竞争和效率的提高，利润率应该会提高。随着那一波只因为人工智能普及而来的用户逐渐降温离开市场，用户留存率将大概率提升。而且我们认为纵向一体化的应用在制造业差异化上是有优势的，但是很多都需要下面的实践来证明。
展望未来，生成式AI应用将面临哪些问题？在垂直整合中(& # 8221；模型+应用& # 8221；)方面
如果人工智能模型是消费者服务，应用开发者可以小团队模式快速迭代，随着技术的进步逐渐更换模型供应商。然而，一些开发商不同意。他们认为产品就是模型，从零开始训练是创造防御性的唯一途径，这意味着不断地重新训练专有的产品数据。但这需要更高的资本和稳定的产品团队。
建筑功能和应用
生成式人工智能产品有多种形式:桌面应用、移动应用、Figma/Photoshop插件、Chrome扩展应用& # 8230；即使是不和谐机器人。更容易整合用户已经在使用和使用习惯的人工智能产品，因为用户界面相对简单。但是这些公司中有哪些会成为独立公司呢？哪些会被微软或谷歌人工智能巨头吸收？
会和Gartner发布的hyper cycle一致吗？
目前的用户流失率是否是早期人工智能产品必须面对的，还不得而知，但它只是我们目前这一批人工智能产品所固有的。或者说，随着市场炒作的消退，市场对生成式人工智能的兴趣会下降吗？这些问题对开发APP应用的公司有着重要的影响，包括何时选择融资时机、设计用户获取策略、考虑用户优先选择宣布产品市场契合度的时机等。
温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信(j7hr0a@163.com)，我们会及时处理和回复。
原文地址"生成.a，基于ai的生成器"：http://www.guoyinggangguan.com/qkl/179449.html。
微信扫描二维码关注官方微信
▲长按图片识别二维码
