Wie investiert man in KI? „Drei große Schwerpunktthemen“, mit denen globale First-Tier-VCs konfrontiert sind

Derzeit läutet die künstliche Intelligenz den „iPhone-Moment“ ein und verbreitet sich schneller als jede technologische Revolution in der Geschichte.

Morgan Stanley wies jedoch in dem Bericht darauf hin, dass die Unsicherheit der KI-Entwicklung unbestreitbar hoch sei, und wies auf die folgenden „drei Hauptschwerpunkte“ hin.

• KI wächst deutlich und bedarf dringend einer Modularisierung

Die KI-Branche entwickelt sich rasant und die Geschwindigkeit der „Technologieverbreitung“ übertrifft die der Internetrevolution. Modularität ist der Schlüssel zu einem schnelleren Wachstum der KI.

„Tech Diffusion“ (Tech Diffusion) ist eines der wichtigsten Themen der letzten Jahre. Es ist der Prozess einer Technologie von ihrer ersten kommerziellen Anwendung über die energische Förderung und breite Akzeptanz bis zu ihrer endgültigen Beseitigung aufgrund von Rückständigkeit.

Was noch nie dagewesen ist, ist die Geschwindigkeit und der Spillover-Effekt der Verbreitung der Technologie der künstlichen Intelligenz in nicht-technische angrenzende Bereiche. Um diesen Punkt deutlicher zu veranschaulichen, vergleicht die folgende Grafik die Technologieverbreitungsgeschwindigkeit der Elektrizitätsrevolution nach 1885, der Internetrevolution nach 2007 und der Revolution der künstlichen Intelligenz nach 2022.

Unter diesen ist die Modularität (Modularitäts-Untermodule sind auf die Bearbeitung verschiedener Aspekte von Aufgaben spezialisiert) der Schlüssel zu schnellerem Wachstum und Umwälzungen durch den Innovations-Stack. Das weitere Wachstum der KI hängt von einem weit verbreiteten Internetzugang ab, der wiederum billigen Strom erfordert, um ihn zu ermöglichen. Diese großen Modelle künstlicher Intelligenz werden auf modularen Formen basieren und gleichermaßen auf Bereiche mit schnellem Wachstum und Umwälzungen in der Zukunft anwendbar sein.

Da immer mehr unterschiedliche Aufgaben auftreten, wird die Leistung der KI immer schlechter, da das Modelltraining nicht alle Szenarien abdecken kann. Dies ist auch der Grund, warum die meisten Mainstream-KI-Produkte auf schnelle Worte angewiesen sind, um relativ logische Antworten zu geben. „Modularisierung“, also die Aufteilung von Modulen in spezialisierte Aufgaben zur Behandlung verschiedener Aspekte, ist eine der Lösungen für das Generalisierungsproblem. )

Zum Beispiel profitieren Open-Source-Plug-ins von Unternehmen mit großen Modellen, wie etwa das neu veröffentlichte Datenanalysetool „Code Interpreter“ von OpenAI, von dieser modularen Erweiterungsmethode und sorgen für eine größere Breite, Tiefe und Haltbarkeit der Nutzung. Das rasante Tempo der Einführung im Vergleich zu jeder Technologie in der Geschichte bedeutet jedoch auch, dass die S-Kurve der generativen KI nur Monate dauern wird und nicht die in der Vergangenheit erwarteten Jahre oder Jahrzehnte.

• Die Bewertungen von KI-Unternehmen sind gesunken und es ist zu einer extremen Differenzierung gekommen

Die 80/20-Regel gilt auch bei der Finanzierung und Bewertung von KI-Unternehmen (80 % des Gewinns eines Unternehmens stammen aus 20 % seiner Projekte, und die Bewertung liegt zwischen 27 und 27 Milliarden US-Dollar). 29 Milliarden Dollar. Das Unternehmen hat in den letzten sieben Finanzierungsrunden insgesamt mehr als 11 Milliarden US-Dollar eingesammelt.

Es gibt derzeit keinen Konkurrenten, der mit ChatGPT von OpenAI konkurrieren kann. Aktuelle Daten der Plattform zeigen, dass die Anzahl der monatlich aktiven Benutzer Reddit, Netflix und Linkedin übersteigt und bei fast 2 Milliarden liegt.

Allerdings liegen die Bewertungen von KI/ML-Unternehmen im Durchschnitt 60 % unter ihrem Bewertungsniveau im Januar 2021, als sich KI/ML mitten im Hype-Zyklus befand. Trotz des deutlichen Anstiegs der Investitionsnachfrage in KI (die 10 % aller Risikokapitalinvestitionen ausmacht) haben nur wenige private KI-Unternehmen die Neubewertung bestanden, und OpenAI ist ein solches Unternehmen.

• Große Open-Source-Modelle können Finanzierungsmodelle in Frage stellen

Die in den letzten Wochen am meisten erhitzte Frage ist, wie groß der Burggraben großer Modellunternehmen gegenüber Open-Source-Modellen ist.

Ab 2023 haben Investmentfonds im KI-Bereich 12 Milliarden US-Dollar überschritten, was 10 % des gesamten Risikokapitals des Marktes ausmacht. Obwohl der Pareto-Punkt wieder erreicht wurde, bleiben 80 % der Finanzierung derzeit in den Händen großer Modellbesitzer und nicht in den Händen nachgelagerter APP-Hersteller. Die Verbreitung in Nicht-Tech-Branchen hat sich seitdem beschleunigt.

Natürlich gibt es einen guten Grund – die Schulung immer größerer LLMs ist teuer, und die Nutzung dieser Modelle mit APIs zur Erstellung nachgelagerter Anwendungen ist billiger, und das scheint jetzt der Fall zu sein.

Wird das Aufkommen von Open-Source-LLM dazu führen, dass sich dieses Kapitaleinsatzverhältnis irgendwann umkehrt – ob auf dem öffentlichen oder dem privaten Markt, wird die Finanzierung der Entstehung von kostengünstigem Open-Source-LLM förderlich sein?

Das obige ist der detaillierte Inhalt vonWie investiert man in KI? „Drei große Schwerpunktthemen“, mit denen globale First-Tier-VCs konfrontiert sind. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!