精品伊人久久大香线蕉,开心久久婷婷综合中文字幕,杏田冲梨,人妻无码aⅴ不卡中文字幕

●

垂直整合（“產品及模型”）。細分領域從頭開始訓練以建立防御能力，但這是以更高的資本要求和更不靈活的產品團隊為代價的。

e.g：

[Novel AI]（https://novelai.net/）可以幫助作者生成動漫角色；

[Make a Video] (https://makeavideo.studio/)可以直接生成小視頻。

●

重能力而非產品。 Generative AI在用戶已經工作的地方集成AI，是全新的產品設計思路，因為UI通常只是一個文本框，可以兼容桌面應用程序、移動應用程序、Figma/Photoshop插件、Chrome擴展程序、Discord機器人甚至是傳統客服中心。但是否延續移動互聯網時代的邏輯，也就是往往最大的公司直接面向終端用戶的應用程序？還無法定論。

●

通過炒作周期和區域進行管理。新鮮感和炒作過后，留存率是否會提升？相關政策和法規在不同國家地區是否存在不同路徑？這些問題對應用程序公司具有重要意義，包括何時加速籌款、如何積極地投資于客戶獲取、優先考慮哪些用戶細分、以及何時宣布產品市場契合度。

●

開源：Stable Diffusion的例子表明，如果開源模型達到足夠的性能水平和社區支持，那么專有替代品可能會發現難以競爭。

●

API 接口服務：對專有API（例如來自 OpenAI）的需求正在迅速增長。OpenAI有潛力成為一項龐大的業務，隨著越來越多的殺手級應用程序的構建，它在所有NLP類別的收入中占據很大一部分——特別是如果它們順利集成到Microsoft的產品組合中。

●

托管或訓練服務：包括垂直性訓練、大模型運營管理訓練等。在美國公司Hugging Face發展比較快，專門做大模型的訓練和推廣，尤其是一些開源的推廣。

●

Generative AI幾乎所有時候都運行在基于云托管的GPU（或TPU）環境中。因此，生成人工智能市場的大量資金最終流向了基礎設施公司。據國外媒體統計，今天生成人工智能總收入的10-20%流向了云提供商。

●

最重要的是，訓練自己模型的初創公司已經籌集了數十億美元的風險投資——其中大部分（早期高達 80-90%）通常也用于云提供商。許多上市科技公司每年花費數億美元用于模型培訓，要么與外部云提供商合作，要么直接與硬件制造商合作。

主要是三大云：亞馬遜網絡服務 (AWS)、谷歌云平臺(GCP) 和Microsoft Azure。Nvidia是當前最大贏家，因為他們提供了稀缺硬件（例如 Nvidia A100 和 H100 GPU），本質上得益于他通過數十年來對GPU架構的投資、強大的軟件生態系統以及在學術界的深入使用，他們圍繞這項業務建立了強大的護城河。

●

也有一些初創公司如Coreweave和Lambda Labs，憑借專門針對大型模型開發人員的解決方案迅速成長。他們在成本、可用性和個性化支持方面展開競爭。

●

由于大多數AI工作負載是無狀態的，因為模型推理不需要附加的數據庫或存儲（模型權重本身除外）。這意味著AI工作負載可能比傳統應用程序工作負載更易于跨云移植。在這種情況下，客戶更容易流動，給新入場的設施提供商創造了一點機會。

●

Creation （創意）

●

Substantiation （實現）

●

Duplication（復制）

●

Distribution（分發）

●

Consumption（消費）

●

書寫之前，內容從創造到消費必須是即時的。一個優秀的說書人要同時兼備有創造力、好的記憶力、適當的名氣、足夠的體力以及聽眾的配合，才能讓創意被消費掉。

●

書寫解決了內容留存問題。內容的創造和消費，可以異步進行。

●

古登堡的印刷術解決了復制問題，讓人們可以大規模地復制與傳播內容，宗教革命和文藝復興也因此而誕生。現在創作的人只需要關注創意和實現，而復制和分發誕生了傳媒行業，價值鏈在進一步解綁。

●

互聯網讓分發不再依賴于傳統物理媒介，打破了效率瓶頸，讓信息傳遞成本幾乎降至免費。

●

現在還剩一個綁定的部分，即想法到創造的現實。而AI正在打破這個綁定。比如一個小說家，可以不需要再經過十幾年的訓練，就可以為自己的小說配上插圖。而那些有創意的人，將會不再需要依賴其他人幫忙，就能直接實現自己的想法。