Comment investir dans l’IA ? « Trois problèmes majeurs » auxquels sont confrontées les sociétés de capital-risque mondiales de premier rang

À l'heure actuelle, l'intelligence artificielle inaugure le « moment iPhone », se propageant plus rapidement que n'importe quelle révolution technologique de l'histoire.

Cependant, Morgan Stanley a souligné dans le rapport qu'il est indéniable que l'incertitude entourant le développement de l'IA est élevée. Les sociétés de capital-risque l'ont vivement découvert et ont souligné les « trois questions majeures » suivantes.

• L'IA connaît une croissance significative et a un besoin urgent de modularisation

L'industrie de l'IA se développe rapidement et la vitesse de « diffusion de la technologie » dépasse celle de la révolution Internet. La modularité est la clé pour parvenir à une croissance plus rapide de l'IA.

La « Tech Diffusion » (Tech Diffusion) est l'un des thèmes les plus importants de ces dernières années. Il s'agit du processus d'une technologie depuis sa première application commerciale, en passant par une promotion vigoureuse et une adoption généralisée, jusqu'à ce qu'elle soit finalement éliminée en raison d'un retard.

Ce qui est sans précédent, c'est la rapidité et les retombées de la diffusion de la technologie de l'intelligence artificielle dans des domaines adjacents non techniques. Pour illustrer ce point plus clairement, le graphique ci-dessous compare la vitesse de diffusion technologique de la révolution électrique après 1885, de la révolution Internet après 2007 et de la révolution de l’intelligence artificielle après 2022.

Parmi eux, la modularité (les sous-modules de modularité sont spécialisés dans la gestion de différents aspects des tâches) est la clé pour parvenir à une croissance et une rupture plus rapides grâce à la pile d'innovation. La croissance continue de l’IA dépend d’un accès généralisé à Internet, ce qui nécessite à son tour une électricité bon marché. Ces grands modèles d’intelligence artificielle seront basés sur des formes modulaires et seront également applicables aux domaines de croissance rapide et de perturbation à l’avenir.

À mesure qu'elle rencontre des tâches de plus en plus différentes, les performances de l'IA deviennent de moins en moins bonnes, car la formation sur modèle ne peut pas couvrir tous les scénarios. C'est également la raison pour laquelle la plupart des produits d'IA grand public s'appuient sur des mots rapides pour donner des réponses relativement logiques. La « modularisation », c'est-à-dire la division des modules en tâches spécialisées pour gérer différents aspects, est l'une des solutions au problème de généralisation. )

Par exemple, les plug-ins open source d'entreprises disposant de grands modèles, tels que le nouvel outil d'analyse de données d'OpenAI "Code Interpreter", bénéficient de cette méthode d'expansion modulaire et créeront une plus grande ampleur, profondeur et rigueur d'utilisation. Cependant, le rythme rapide d’adoption par rapport à toute technologie de l’histoire signifie également que la courbe en S de Generative AI ne prendra que des mois, plutôt que les années ou décennies attendues dans le passé.

• Les valorisations des sociétés d'IA ont baissé et une différenciation extrême s'est produite

La règle des 80/20 existe également dans le financement et la valorisation des entreprises d'IA (80 % des bénéfices d'une entreprise proviennent de 20 % de ses projets). OpenAI a récemment levé 300 millions de dollars supplémentaires, et sa valorisation se situe entre 27 et 27 milliards de dollars américains. 29 milliards de dollars. La société a levé un total de plus de 11 milliards de dollars de financement au cours des sept dernières levées de fonds.

Il n'existe actuellement aucun concurrent capable de rivaliser avec ChatGPT d'OpenAI. Les données récentes de la plate-forme montrent que son nombre d'utilisateurs actifs mensuels dépasse Reddit, Netflix et Linkedin et avoisine les 2 milliards.

Cependant, en moyenne, les valorisations des entreprises AI/ML sont 60 % inférieures à leurs niveaux de valorisation de janvier 2021, lorsque l’IA/ML était au milieu d’un cycle de battage médiatique. Malgré une nette croissance de la demande d’investissement dans l’IA (représentant 10 % de tous les investissements en capital-risque), seule une poignée d’entreprises privées d’IA ont subi une réévaluation, et OpenAI en fait partie.

• Les grands modèles open source peuvent remettre en question les modèles de financement

La question la plus brûlante de ces dernières semaines est de savoir quelle est l’ampleur du fossé des grandes entreprises modèles face aux modèles open source ?

En 2023, les fonds d'investissement dans le domaine de l'IA ont dépassé les 12 milliards de dollars américains, représentant 10 % du capital-risque total du marché. Malgré le retour au point de Pareto, 80 % du financement reste actuellement entre les mains des grands propriétaires de modèles plutôt que des fabricants d'APP en aval. La diffusion dans les industries non technologiques s’est depuis accélérée.

Bien sûr, il y a une bonne raison : former des LLM de plus en plus grands coûte cher, et exploiter ces modèles avec des API pour créer des applications en aval est moins cher, et cela semble être le cas maintenant.

L'émergence du LLM open source entraînera-t-elle une inversion de ce ratio de déploiement de capital à un moment donné ? Que ce soit sur le marché public ou sur le marché privé, le financement sera-t-il propice à l'émergence de LLM open source à faible coût ?

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!