運用生成式人工智慧賺取收入的挑戰:深入了解面臨的障礙

科技公司正在大力投資生成式人工智慧,但實現獲利仍是一大挑戰。儘管圍繞這項突破性技術的討論熱烈,微軟、谷歌和OpenAI等行業領袖在其生成式人工智慧的努力中面臨著重大財務損失。生成式人工智慧的高昂成本主要來自於對先進計算資源的需求,以及分析和生成非結構化數據(包括文本、語音、圖像和視頻)的複雜性。Domino的數據科學策略主管Kjell Carlsson強調:「生成式人工智慧需要發展與傳統機器學習不同的新商業模式。由於組織尚未充分利用大量的非結構化數據,最具潛力的應用案例和盈利模式仍在不斷出現。」

生成式人工智慧的財務挑戰

微軟是面臨這些財務困境的科技巨頭的典範。最近,公司將其Microsoft 365產品的價格提高了53%至240%,這些產品包含了用於撰寫電子郵件、創建PowerPoint簡報和生成Excel電子表格的AI功能。與生成式人工智慧相關的高昂成本主要源於運行這些複雜AI模型所需的強大計算機,這些模型的複雜度遠超傳統機器學習模型。例如,GPT-4模型擁有超過1萬億個參數,約為先前基於相似架構的生成式AI模型BERT的9,000倍。

財務影響顯而易見;SemiAnalysis的Dylan Patel估計與ChatGPT的一次互動可能成本高達標準Google搜索的1,000倍。Carlsson指出:「科技巨頭提供一些最大的生成式AI模型,且被認為價格非常低廉。儘管用戶利用率高,但由於有效地補貼用戶使用,這些公司仍面臨重大損失。」

長期視角

雖然目前專注於商業化生成式AI產品的公司利潤率不高,但整個行業仍處於初期階段。正如Uber在2023年才實現獲利,生成式AI的發展軌跡可能也會遵循類似的路徑。「隨著時間推移,成本通常會下降,」諮詢公司SCS的創新高級主管Sean MacPhedran表示。「隨著新應用案例和不斷演變的商業模式出現,潛在的變革可能性巨大。」

科技公司在投資生成式AI時可能採取長期的策略。Carlsson堅持認為,隨著AI成為維持競爭優勢的重要工具,該領域的創新能使公司脫穎而出。此外,企業可以通过展示其AI能力與競爭對手的強烈一致性來吸引顧客。

應對獲利挑戰

為了實現生成式AI的獲利,公司需要獲得許多目前尚未具備的專業技能和資源。Carlsson強調,找出能夠帶來明確商業利益的實用應用,並有效利用AI的優勢來減少其限制至關重要。「如今,最成功的實施方式是利用生成式AI來增強高技能員工的效率,例如研究員、律師和投資銀行家。」

在生成式AI領域實現獲利的另一個關鍵因素是能夠高效且經濟地開發與擴展AI實施方案。Carlsson解釋道:「許多組織可能會發現,大型科技公司通用的生成式AI模型在數據安全方面過於緩慢、昂貴和不精確。他們應該尋求採用具有LLMOps能力的平台,以便高效吸收、微調、部署、協調和管理他們的生成式AI模型。」

生成式AI的未來展望

根據Elixirr Consulting的Iliya Rybchin的說法,生成式AI可能需要數年時間才能對大型科技公司的營收產生顯著影響。在短期內,小型初創公司可能會開始從AI項目中獲利,這可能導致較大公司收購這些初創企業,以獲取知識產權或減少競爭威脅。「最終,正如我們在網路泡沫破裂後所見,市場可能會整合成一個由科技巨頭主導的寡頭壟斷,」他指出,暗示著未來可能會受到生成式AI變化動態的重塑。

總之,雖然生成式AI的獲利之路複雜且面臨挑戰,但其潛在的變革性變化和長期收益仍然相當可觀。願意創新和適應的公司最終可能會在這個充滿競爭的有前景的領域找到立足之地。

Most people like

Find AI tools in YBX

Related Articles
Refresh Articles