Почему у китайских ИИ-стартапов нет шансов в гонке ChatGPT

Учитывая высокие затраты на обучение, недавняя волна популярности, вызванная OpenAI, не делает более подходящим для стартапов создание большой языковой модели (LLM) с нуля.

Согласно отчету исследовательской компании TrendForce, когда OpenAI обучала предшественника ChatGPT GPT-3, она использовала около 20 000 видеокарт Nvidia. Поскольку каждая карта Nvidia A100 стоит около 10 000 долларов США, это означает, что общая стоимость составит 200 миллионов долларов США.

Инсайдеры отрасли подсчитали, что для ChatGPT потребуется более 30 000 видеокарт. Это непростая задача даже для самой OpenAI: генеральный директор Сэм Альтман отмечает, что OpenAI, возможно, придется попытаться привлечь финансирование в размере 100 миллиардов долларов США в ближайшие несколько лет. Такой масштаб финансирования — это то, что стартапы, полагающиеся на первоначальное финансирование, даже не могут себе представить.

Таким образом, хотя недавняя волна стартапов, связанных с искусственным интеллектом, кажется, в моде в Китае, на самом деле не многие из этих новых фирм действительно сосредоточены на создании LLM. Стартапы обычно можно разделить на две категории в зависимости от их целей: те, которые используют LLM для предоставления услуг непосредственно потребителям, и те, которые используют LLM для предоставления соответствующих услуг предприятиям.

В то время как средства массовой информации постоянно раздувают эту волну предпринимательских возможностей благодаря ИИ, инсайдеры занимают очень осторожное отношение к этим двум направлениям бизнеса, особенно в Китае.

В Китае крупные онлайн-платформы имеют опыт поглощения средних и мелких платформ сторонних приложений.

Приложения, ориентированные на потребителя: вытеснены крупными платформами

Первый предпринимательский путь, к которому инсайдеры бизнеса советуют подходить с осторожностью, — это коммерческие приложения, ориентированные на потребителя.

В Китае крупные онлайн-платформы имеют опыт поглощения средних и мелких платформ сторонних приложений. Например, на заре эры электронной коммерции коротких видеороликов Kuaishou использовала стороннюю платформу электронной коммерции Mockuai для изучения и развития использования коротких видеороликов для электронной коммерции, даже инвестируя в Mockuai. Как только модель электронной коммерции коротких видео стала более зрелой, Kuaishou немедленно вышла на рынок самостоятельно и разработала собственную платформу электронной коммерции. Подобные инциденты обсуждались с приложением Tencent WeChat и местной платформой жизнеобеспечения Douyin.

Таким образом, на фоне этой волны предпринимательства, ориентированного на искусственный интеллект, у нас нет оснований полагать, что крупные платформы останутся в стороне в долгосрочной перспективе, позволяя новым компаниям расти и свободно осваивать рынок услуг, ориентированных на потребителя.

На больших платформах сосредоточены три основных компонента: модели, вычислительная мощность и данные. Они увеличили свои возможности по подрыву и поглощению основного бизнеса стартапов.

Новым стартап-компаниям в краткосрочной перспективе разрешено разрабатывать новые приложения искусственного интеллекта на основе LLM на существующих крупных онлайн-платформах, поскольку перспективы последних еще не ясны. Однако в долгосрочной перспективе сложно определить и защитить свою территорию, созданную на этих крупных платформах, и у стартапов вряд ли будет шанс.

Снижение затрат на разработку приложений

В настоящее время создатели в Китае и США в основном нацелены на рынок AI LLM, ориентированный на бизнес, о чем можно судить по одной детали: посещаемость веб-сайта OpenAI резко снижается в выходные и праздничные дни и возрастает в обычные рабочие дни. Для бизнес-приложений стоимость всегда является ключевым фактором, поскольку она отличается от потребительских приложений низкой удельной стоимостью, которая позволяет компании продолжать расти до тех пор, пока наблюдается достаточный рост числа пользователей.

Для авторов, которые создают отраслевые вертикальные приложения с помощью внешних LLM, хорошей новостью является то, что стоимость разработки таких приложений на основе LLM снизится. Alibaba Cloud заявила, что надеется, что будущие затраты предприятий на обучение модели составят одну десятую или даже сотую текущих затрат, а малые и средние предприятия смогут использовать возможности и услуги LLM через свою платформу облачных сервисов. Через три месяца после запуска программа LLM Baidu снизила затраты до 10% от суммы, которая была при запуске. Baidu Cloud добавила, что «цена не должна быть фактором, мешающим людям использовать или использовать LLM».

…самая ценная информация об этом ноу-хау может быть доступна не в Интернете, а в частных базах данных компаний или даже в головах нескольких избранных экспертов.

Бизнес-приложения: пороговые значения данных и пределы «интеллекта» LLM

Но проблема в том, что помимо стоимости, универсальные LLM не могут оптимально удовлетворить потребности различных отраслей. Самая большая проблема с общими LLM заключается в том, что его «интеллект» или его эффективность определяется данными, используемыми при его обучении, которые устанавливают верхний предел «интеллекта» LLM, а также собранной коммерческой разведкой или ноу-хау.

Основная проблема заключается в том, что каждая отрасль имеет свои уникальные ноу-хау, и наиболее ценная информация об этом ноу-хау может быть доступна не в Интернете, а в частных базах данных компаний или даже в умах нескольких избранных экспертов. . Даже если крупные платформы, такие как OpenAI, Google, Huawei и Baidu, потратят целое состояние на улучшение способностей своих LLM, им будет сложно преодолеть этот порог данных.

Более конкретно, общие программы LLM не применимы напрямую к государственным, городским, профессиональным или корпоративным учреждениям. Кроме того, даже несмотря на то, что типовым LLM не хватает профессиональной глубины, существуют и другие болевые точки, такие как риски безопасности данных, отсутствие гарантий целостности данных и отсутствие контроля над расходами.

…отраслевые приложения с более высокой вероятностью успеха будут создаваться лидерами отрасли, имеющими доступ к достаточным ресурсам и знаниям и работающими напрямую с основными платформами.

Нет места для стартапов?

Создатели бизнес-стартапов, которые начинали с технических преимуществ в области искусственного интеллекта, рано вставали, но все равно опаздывали на рынок. Это связано с тем, что отраслевые приложения с более высокой вероятностью успеха будут создаваться лидерами отрасли, имеющими доступ к достаточным ресурсам и знаниям, работающими напрямую с основными платформами.

Вот почему, когда Baidu и Alibaba боролись за выпуск общих LLM, Tencent вместо этого решила возглавить реализацию планов по выпуску отраслевых LLM, конкурируя за бизнес-клиентов с Baidu и Alibaba.

Может показаться, что нынешняя волна предпринимательства, связанного с искусственным интеллектом, находится в самом разгаре, но на самом деле с самого начала это была пугающая перспектива для начинающих предпринимателей.

По теме: Успехи Китая в области искусственного интеллекта: многообещающе, но не без проблем | Китайский OpenAI начал не с той ноги? | ИИ Стефани, мошенничество и фейковые новости: Китай действует в отношении регулирования ИИ | Почему у ChatGPT нет будущего в Китае