生成式人工智能赚钱的挑战：了解障碍与应对策略

Home AI News CN 生成式人工智能赚钱的挑战：了解障碍与应对策略

科技公司正在大力投资生成性人工智能（AI），但盈利能力仍然面临重大挑战。尽管这一突破性技术备受关注，微软、谷歌和OpenAI等行业领袖在生成性AI业务上仍面临巨额财务亏损。生成性AI的高成本主要源于对先进计算资源的需求以及分析和生成非结构化数据（包括文本、语音、图像和视频）的复杂性。Domino数据科学策略主管Kjell Carlsson指出：“生成性AI需要开发与传统机器学习截然不同的新商业模式。由于组织尚未全面、大规模地利用非结构化数据，最具前景的应用场景和盈利模式仍在不断涌现。”

生成性AI的财务挑战

微软是面临生成性AI领域财务困难的科技巨头之一。最近，该公司将其Microsoft 365产品的价格提高了53%至240%，这些产品集成了AI功能，用于撰写电子邮件、制作PowerPoint演示文稿以及生成Excel电子表格。生成性AI相关的高昂成本主要来自于操作这些复杂AI模型所需的强大计算机，这些模型的复杂性远超传统机器学习模型。例如，GPT-4模型拥有超过1万亿个参数，约为早期基于类似架构的生成性AI模型BERT的9,000倍。

财务影响十分明显；SemiAnalysis的Dylan Patel估计，与ChatGPT进行一次交互的成本可能是标准谷歌搜索的最多1,000倍。Carlsson指出：“科技巨头以看似非常低的价格提供一些最大的生成性AI模型。通过有效补贴用户访问，他们尽管利用率很高，却面临巨额亏损。”

长期视角

尽管当前生成性AI产品的盈利空间较小，但该行业依然处于初期阶段。正如Uber在2023年才实现盈利一样，生成性AI的前景可能也会走类似的道路。咨询公司SCS的创新高级总监Sean MacPhedran表示：“成本通常会随着时间的推移而降低。随着新应用场景和不断演变的商业模式的出现，潜在的变化是显著的。”

在生成性AI投资方面，科技公司可能采取了长期战略。Carlsson认为，随着AI成为保持竞争优势的重要工具，该领域的创新可以使公司脱颖而出。此外，企业通过展示与AI能力的更强对齐，有望吸引客户。

解决盈利挑战

为了让生成性AI实现盈利，公司需要进入一些当前缺乏的专业技能和资源。Carlsson强调，识别能够带来明确商业利益的实际应用，同时利用AI的优势并减轻其局限性至关重要。“如今，最成功的应用涉及利用生成性AI来增强高度专业的员工，如研究员、律师和投资银行家。”

实现生成性AI盈利的另一个关键因素是高效、经济地开发和扩大AI实施能力。Carlsson指出：“许多组织可能会发现，大型科技公司的通用生成性AI模型过于缓慢、昂贵，且不够精确，无法满足其数据安全需求。因此，他们应考虑采用具备LLMOps能力的平台，以便对生成性AI模型进行数据摄取、微调、部署、编排和治理。”

未来展望

Elixirr Consulting的Iliya Rybchin表示，生成性AI可能需要数年才能显著影响大型科技公司的收入。在短期内，较小的初创企业可能会开始从AI项目中获利，这可能导致大型企业收购这些初创公司，以获取知识产权或降低竞争威胁。“最终，正如我们在互联网泡沫破裂后所见，市场可能整合为一个由科技巨头主导的寡头垄断，”他指出，暗示着生成性AI发展动态将重塑未来。

总之，尽管生成性AI的盈利之路复杂且充满挑战，但其变革性变化和长期收益的潜力仍然相当可观。愿意进行创新和适应的公司，最终可能会在这个充满希望但竞争激烈的领域找到立足点。

肿瘤诊断的变革：增强现实显微镜提升准确性

谷歌研究：语言模型为何难以自我修正推理能力