A16z: Cơ hội và Thách thức đối với AI sáng tạo
Nguồn gốc: Ghi chú nghiên cứu thỏ Alpha
Nguồn gốc: Ghi chú nghiên cứu thỏ Alpha
Bản dịch gốc: Alpha Rabbit
A16Z gần đây đã đăng một bài viết thú vị khác, nói về suy nghĩ của họNắm bắt giá trị AI sáng tạoCác câu hỏi, ví dụ, những vấn đề hiện tại trong việc thương mại hóa AI tổng quát là gì? Nắm bắt giá trị lớn nhất ở đâu? Tác giả có chú thích một phần nội dung sau khi dịch.
Bài báo có hai phần chính: phần đầu tiên bao gồm các quan sát của A16Z về toàn bộ lộ trình hiện tại của AI tổng quát và những vấn đề tồn tại; phần thứ hai giải thích cái nào có thể nắm bắt được giá trị lớn nhất bên cạnh các vấn đề, chắc chắn là nền tảng Thế giới cơ sở vật chất(Xin lưu ý: hầu hết đây là A16Z Portofolio, vui lòng đọc với thái độ khách quan và hợp lý, bài viết này không mang tính chất tư vấn hay khuyến nghị đầu tư cho các dự án)
tiêu đề cấp đầu tiên
Trí tuệ nhân tạo là gì?
tiêu đề cấp đầu tiên
Phần I: Quan sát và Dự đoán
Các ứng dụng trí tuệ nhân tạo đang nhanh chóng mở rộng quy mô, nhưng việc duy trì không dễ dàng và không phải ai cũng có thể thiết lập quy mô thương mại.
Giai đoạn đầu của công nghệ AI thế hệ mới đã xuất hiện:
Ví dụ, hàng trăm công ty khởi nghiệp AI non trẻ đang gấp rút tung ra thị trường để bắt đầu phát triển các mô hình nền tảng và xây dựng các ứng dụng, cơ sở hạ tầng và công cụ dựa trên AI.
Tất nhiên, sẽ có rất nhiều xu hướng công nghệ hot, và sẽ có những trường hợp bị thổi phồng quá mức. Nhưng sự bùng nổ của trí tuệ nhân tạo đã tạo ra nhiều công ty tạo ra doanh thu thực sự.
Ví dụ: các mô hình như Khuếch tán ổn định và ChatGPT đã lập kỷ lục lịch sử về tăng trưởng người dùng, một số ứng dụng đạt doanh thu hàng năm 100 triệu đô la chưa đầy một năm sau khi ra mắt và hiệu suất của các mô hình AI trên một số nhiệm vụ cao hơn hiệu suất của con người.
Chúng tôi thấy rằng một sự thay đổi mô hình công nghệ đang diễn ra. Nhưng,Câu hỏi chính cần được nghiên cứu là: Giá trị sẽ được tạo ra ở đâu trong toàn bộ thị trường?
Trong năm qua, chúng tôi đã nói chuyện với hàng chục nhà sáng lập của các công ty khởi nghiệp về trí tuệ nhân tạo và các chuyên gia về trí tuệ nhân tạo tại các công ty lớn. Chúng tôi quan sát thấy rằng cho đến nay, các nhà cung cấp cơ sở hạ tầng có thể sẽ là người chiến thắng lớn nhất trên thị trường này, bởi vì cơ sở hạ tầng có thể thu được doanh thu và doanh thu cao nhất thông qua toàn bộ kho AI tổng hợp.
Mặc dù tốc độ tăng trưởng doanh thu của các công ty tập trung vào phát triển ứng dụng rất nhanh, nhưng các công ty này thường có điểm yếu về tỷ lệ giữ chân người dùng, sự khác biệt của sản phẩm và tỷ suất lợi nhuận gộp.Tuy nhiên, hầu hết các nhà cung cấp mô hình vẫn chưa làm chủ được khả năng thương mại hóa quy mô lớn.
Nói chính xác hơn, những công ty có thể tạo ra nhiều giá trị nhất, chẳng hạn như có thể đào tạo các mô hình trí tuệ nhân tạo tổng quát và áp dụng công nghệ này vào các ứng dụng mới, vẫn chưa nắm bắt được hầu hết giá trị trong ngành. Do đó, không dễ để dự đoán xu hướng của ngành phía sau.
Tuy nhiên, điều quan trọng là phải tìm cách hiểu được phần nào của toàn bộ ngành có thể thực sự khác biệt và có thể bảo vệ được, bởi vì phần này có thể có ý nghĩa đối với cấu trúc thị trường tổng thể (tức là sự phát triển của công ty theo chiều ngang và chiều dọc) và các yếu tố thúc đẩy giá trị dài hạn (chẳng hạn như tỷ suất lợi nhuận và tỷ lệ giữ chân người dùng) có tác động đáng kể.
Nhưng cho đến nay, rất khó để tìm thấy khả năng bảo vệ cấu trúc trên ngăn xếp (của AI tổng quát) ngoài con hào kinh doanh truyền thống của các công ty đương nhiệm.
tiêu đề phụ
Ngăn xếp công nghệ: cơ sở hạ tầng, mô hình AI và ứng dụng
Để hiểu cách thức theo dõi và thị trường trí tuệ nhân tạo tổng quát được hình thành, trước tiên chúng ta cần xác định ngăn xếp hiện tại của toàn bộ ngành:
Toàn bộ ngăn xếp AI chung có thể được chia thành ba lớp:
1. Tích hợp mô hình AI tổng quát với các ứng dụng sản phẩm hướng tới người dùng, thường bằng cách chạy đường dẫn mô hình của riêng bạn ("ứng dụng đầu cuối") hoặc dựa vào API của bên thứ ba
(Lưu ý đối với ghi chú nghiên cứu của Alpha Rabbit: Đường ống mô hình mà chúng ta đang nói đến ở đây đề cập đến đầu ra của một mô hình là đầu vào của mô hình tiếp theo)
2. Các mô hình cung cấp năng lượng cho các sản phẩm AI, có sẵn dưới dạng API độc quyền hoặc điểm kiểm tra nguồn mở (do đó yêu cầu giải pháp lưu trữ)
(Lưu ý: Phần này nói rằng phương pháp xây dựng của toàn bộ mô hình và mô hình được đào tạo trước (còn gọi là điểm kiểm tra) được mở hoặc phương pháp xây dựng của toàn bộ mô hình và mô hình được đào tạo trước cần được giữ bí mật và chỉ có một API giao diện được mở. , nếu là giao diện cũ, bạn phải tự chạy đào tạo/tinh chỉnh/suy luận, vì vậy bạn cần biết loại môi trường và loại phần cứng nào có thể chạy trên đó, vì vậy ai đó cần để cung cấp một nền tảng lưu trữ để xử lý môi trường chạy mô hình)
3. Các nhà cung cấp cơ sở hạ tầng (tức là nền tảng đám mây và nhà sản xuất phần cứng) chạy khối lượng công việc đào tạo và suy luận cho các mô hình AI tổng quát
Cần lưu ý rằng những gì chúng ta đang nói ở đây không phải là bản đồ sinh thái của toàn bộ thị trường, mà là một khuôn khổ để phân tích thị trường. Bài viết này liệt kê một số ví dụ về các nhà sản xuất nổi tiếng trong từng danh mục, nhưng nó không bao gồm tất cả những cái mới nhất Ứng dụng AIGC mạnh mẽ chưa thảo luận sâu về các công cụ MLops hoặc LLMops, bởi vì lĩnh vực này vẫn chưa đạt được tiêu chuẩn hóa chính thức và chúng tôi sẽ tiếp tục thảo luận khi có cơ hội.
Làn sóng đầu tiên của các ứng dụng AI tổng quát đang bắt đầu mở rộng quy mô, nhưng không dễ để duy trì và phân biệt
Trong các chu kỳ công nghệ trước đây, quan điểm truyền thống cho rằng để xây dựng một công ty lớn, độc lập, bạn phải có khách hàng cuối cùng, trong đó khách hàng cuối cùng bao gồm người tiêu dùng cá nhân và người mua B2B.
Vì quan điểm truyền thống này, mọi người dễ dàng nghĩ rằng cơ hội lớn nhất trong lĩnh vực trí tuệ nhân tạo tổng quát nằm ở các công ty có thể tạo ra các ứng dụng hướng đến người dùng cuối.
Nhưng cho đến nay, điều đó không nhất thiết phải như vậy.
Sự phát triển của các ứng dụng AI tổng hợp là một hiện tượng, chủ yếu được thúc đẩy bởi các trường hợp sử dụng và rất mới lạ, chẳng hạn như tạo hình ảnh, viết quảng cáo và viết mã, và doanh thu hàng năm của ba loại sản phẩm này đã vượt quá 100 triệu đô la Mỹ.
Tuy nhiên, chỉ tăng trưởng thôi thì chưa đủ để xây dựng một công ty phần mềm trường tồn, mấu chốt là sự tăng trưởng này phải mang lại lợi nhuận, tức là người dùng và khách hàng có thể tạo ra lợi nhuận khi họ đăng ký (lợi nhuận gộp cao) và lợi nhuận này cần phải bền vững về lâu dài.Bền vững (tỷ lệ duy trì cao).
Trong trường hợp không có sự khác biệt rõ ràng về kỹ thuật giữa các công ty, các ứng dụng B2B và B2C chỉ có thể thành công nhờ hiệu ứng mạng, lợi thế dữ liệu hoặc xây dựng quy trình công việc ngày càng phức tạp.
Tuy nhiên, trong lĩnh vực trí tuệ nhân tạo tổng quát, các giả định trên có thể không đúng.Trong số các công ty mới thành lập mà chúng tôi nghiên cứu sản xuất các ứng dụng trí tuệ nhân tạo sáng tạo, tỷ suất lợi nhuận gộp rất khác nhau. Một số công ty có thể đạt tới 90% và hầu hết các công ty có tỷ suất lợi nhuận gộp thấp tới 50-60%. Điều này chủ yếu bị ảnh hưởng bằng chi phí của mô hình.
Mặc dù chúng ta có thể thấy mức tăng trưởng trên cùng của kênh (Top-of-funnel) hiện tại,Tuy nhiên, vẫn chưa rõ liệu các chiến lược thu hút khách hàng hiện tại có thể được duy trì hay không, bởi vì tôi đã thấy rất nhiều hiệu quả thu được thanh toán và tỷ lệ giữ chân bắt đầu giảm xuống.
Nhiều ứng dụng hiện có trên thị trường thiếu sự khác biệt, bởi vì các ứng dụng này chủ yếu dựa trên các mô hình trí tuệ nhân tạo cơ bản tương tự và không tìm thấy các ứng dụng và dữ liệu sát thủ rõ ràng có thể có hiệu ứng mạng độc quyền và các đối thủ cạnh tranh khác khó có thể sao chép quy trình làm việc.
tiêu đề phụ
Nhìn về tương lai, các ứng dụng AI tổng quát phải đối mặt với những vấn đề gì?
Trong hội nhập dọc ("Mô hình + Ứng dụng")diện mạo
Nếu mô hình trí tuệ nhân tạo được sử dụng như một dịch vụ tiêu dùng, các nhà phát triển ứng dụng có thể nhanh chóng lặp lại với mô hình nhóm nhỏ và dần thay thế nhà cung cấp mô hình với sự tiến bộ của công nghệ. Nhưng các nhà phát triển khác không đồng ý, họ tin rằng sản phẩm là mô hình và đào tạo từ đầu là cách duy nhất để tạo khả năng phòng thủ, nghĩa là liên tục đào tạo lại dữ liệu sản phẩm độc quyền. Nhưng điều này đòi hỏi vốn cao hơn, và với cái giá phải trả là đội ngũ sản phẩm ổn định.
Xây dựng các tính năng và ứng dụng
Các sản phẩm AI sáng tạo có nhiều dạng: ứng dụng dành cho máy tính để bàn, ứng dụng dành cho thiết bị di động, plugin Figma/Photoshop, tiện ích mở rộng của Chrome...thậm chí cả bot Discord. Việc tích hợp các sản phẩm trí tuệ nhân tạo sẽ dễ dàng hơn khi người dùng đã sử dụng chúng và có thói quen, vì giao diện người dùng đơn giản hơn. Nhưng công ty nào trong số này sẽ trở thành công ty độc lập? Cái nào sẽ bị gã khổng lồ AI Microsoft hay Google hấp thụ?
Nó có phù hợp với siêu chu kỳ do Gartner phát hành không?
tiêu đề cấp đầu tiên
Phần II: Triển khai thương mại quy mô lớn trí tuệ nhân tạo tổng quát
Trong phần đầu tiên, chúng ta đã nói về đống AI tổng quát hiện tại và một số vấn đề mà nó gặp phải. Phần thứ hai tiếp tục:
Về việc triển khai thương mại quy mô lớn trí tuệ nhân tạo tổng quát
Và Winner Takes All thu được nhiều giá trị nhất ở đâu?
Có câu hỏi khác ở trên?
Các vấn đề hiện tại trong ngành là gì?
Mặc dù việc phát minh ra mô hình đã làm cho công nghệ trí tuệ nhân tạo tổng quát được biết đến rộng rãi, nhưng nó vẫn chưa đạt đến mức độ triển khai thương mại quy mô lớn
Ngày nay, chúng ta sẽ không được chứng kiến các kỹ thuật AI tổng quát thành công như vậy nếu không có nỗ lực nghiên cứu của các công ty như Google, OpenAI và Stability cũng như nỗ lực kỹ thuật của các công ty này. Cho dù đó là kiến trúc mô hình mới mà chúng ta đã thấy hay việc mở rộng quy trình đào tạo, thì chủ yếu là do khả năng mạnh mẽ của các mô hình ngôn ngữ lớn (LLM) và mô hình hình ảnh hiện tại.
Tuy nhiên, nếu nhìn vào doanh thu của các công ty này, so với lượng sử dụng lớn như vậy và mức độ phổ biến của thị trường thì doanh thu không cao lắm. Về mặt tạo hình ảnh, cộng đồng của Stable Diffusion đã bùng nổ. Nhưng trạm kiểm soát chính của Ổn định vẫn mở và đó là nguyên lý cốt lõi trong hoạt động kinh doanh của Ổn định.
Về các mô hình ngôn ngữ tự nhiên, OpenAI được biết đến với GPT-3/3.5 và ChatGPT.Nhưng cho đến nay, đã có ít ứng dụng sát thủ hơn được xây dựng trên OpenAI và giá đã giảm xuống một lần. (Xem bên dưới)
(Hãy nghĩ tại sao giá giảm?)
Tất nhiên, đây có thể chỉ là những hiện tượng tạm thời ở thời điểm hiện tại. Ổn định là kiểu khởi nghiệp mới, không tập trung vào thương mại hóa. OpenAI có tiềm năng kinh doanh lớn và khi nhiều ứng dụng sát thủ hơn được xây dựng, OpenAI có thể kiếm được một phần đáng kể trong tất cả doanh thu của danh mục ngành ngôn ngữ tự nhiên,Đặc biệt nếu sự tích hợp của OpenAI với danh mục đầu tư của Microsoft diễn ra tốt đẹp, thì việc sử dụng nhiều mô hình này có thể dẫn đến doanh thu khổng lồ.
Nhưng cũng có những nguy hiểm tiềm ẩn:
Ví dụ: nếu mô hình có nguồn mở, thì bất kỳ ai cũng có thể lưu trữ mô hình đó, kể cả các công ty khác không chịu chi phí đào tạo mô hình quy mô lớn (hàng nghìn hoặc hàng trăm triệu đô la).
Và không rõ ràng rằng mô hình nguồn đóng có thể duy trì sự thống trị của nó vô thời hạn hay không. Ví dụ: giả sử chúng ta bắt đầu thấy các LLM mô hình lớn được xây dựng bởi các công ty như Anthropic, Cohere và Character.ai đang tiếp cận các mức hiệu suất của OpenAI, được đào tạo trên các bộ dữ liệu tương tự (tức là Internet) và sử dụng các kiến trúc mô hình tương tự.
Ví dụ về Khuếch tán ổn định cho thấy rằng nếu một mô hình nguồn mở đạt được một mức độ hiệu suất và hỗ trợ cộng đồng nhất định, thì các giải pháp thay thế khác trên cùng đường đua có thể rất khó cạnh tranh.
Có lẽ lợi ích rõ ràng nhất cho các nhà cung cấp mô hình cho đến nay là thương mại hóa liên quan đến lưu trữ(Lưu ý: Điều này đề cập đến việc mở ra phương pháp xây dựng của toàn bộ mô hình và mô hình được đào tạo trước (còn gọi là điểm kiểm tra) được đề cập trong bài viết trước hoặc giữ bí mật phương pháp xây dựng của toàn bộ mô hình và mô hình được đào tạo trước, Chỉ có một API giao diện được mở. Nếu là API giao diện cũ, bạn phải tự chạy đào tạo/tinh chỉnh/lập luận, vì vậy bạn cần biết loại môi trường và loại phần cứng nào có thể chạy trên đó, vì vậy cần có người cung cấp một nền tảng lưu trữ để xử lý môi trường vận hành mô hình)；
Và nhu cầu về các API độc quyền (chẳng hạn như từ OpenAI) đang tăng lên nhanh chóng. Ví dụ, sự xuất hiện của các dịch vụ lưu trữ mô hình mã nguồn mở (như Hugging Face và Replicate) đã trở thành trung tâm chia sẻ và tích hợp mô hình dễ dàng, thậm chí tạo ra hiệu ứng mạng lưới gián tiếp giữa nhà sản xuất mô hình và người tiêu dùng. Ngoài ra còn có một giả định mạnh mẽ rằng có thể đạt được lợi nhuận cho công ty thông qua các thỏa thuận ký quỹ và tinh chỉnh với các khách hàng doanh nghiệp.
Tuy nhiên, nhà cung cấp mô hình vẫn phải đối mặt với các vấn đề:
thương mại hóa.Quan điểm phổ biến là hiệu suất của các mô hình AI sẽ hội tụ theo thời gian. Khi nói chuyện với các nhà phát triển ứng dụng, mức hiệu suất nhất quán này vẫn chưa xảy ra cho đến nay vì có những người chơi hàng đầu trong cả mô hình văn bản và hình ảnh. Lợi thế của các công ty này không nằm ở kiến trúc mô hình độc đáo mà dựa trên yêu cầu về vốn cao, dữ liệu tương tác sản phẩm độc quyền và tài năng AI khan hiếm.
Nhưng đây có thể là những lợi thế bền vững lâu dài cho một công ty?
Nguy cơ tách khỏi nhà cung cấp mô hình.Dựa vào các nhà cung cấp mô hình là cách nhiều công ty ứng dụng bắt đầu và thậm chí phát triển hoạt động kinh doanh của họ dựa trên các nhà cung cấp, nhưng khi họ đạt đến quy mô, các nhà phát triển ứng dụng có động lực để xây dựng và/hoặc lưu trữ các mô hình của riêng họ. Nhiều nhà cung cấp mô hình có sự phân bổ khách hàng không đồng đều, với một số ít ứng dụng chiếm phần lớn doanh thu.Điều gì sẽ xảy ra nếu những khách hàng này không sử dụng mô hình của nhà cung cấp và chuyển sang phát triển mô hình trí tuệ nhân tạo nội bộ của riêng họ?
Liệu vốn có quan trọng?Tầm nhìn về trí tuệ nhân tạo rộng lớn đến mức nhiều nhà cung cấp mô hình đã bắt đầu kết hợp lợi ích công cộng vào sứ mệnh của họ. Điều này đã không cản trở tài chính của họ ở tất cả. Nhưng điều cần thảo luận là liệu các nhà cung cấp mô hình có thực sự sẵn sàng nắm bắt giá trị hay không và liệu họ có nên nhận được giá trị đó hay không.
Có được cơ sở hạ tầng và có được thế giới.
Mọi thứ trong AI Sáng tạo đều sử dụng các dịch vụ GPU (hoặc TPU) được lưu trữ trên đám mây. Cho dù đó là nhà cung cấp mô hình hay phòng thí nghiệm nghiên cứu, chạy khối lượng công việc đào tạo hay công ty lưu trữ chạy suy luận/tinh chỉnh, FLOPS là chìa khóa cho AI tổng hợp.
(Lưu ý với Alpha Rabbit research notes: FLOPS là chữ viết tắt của floating point operation per second, có nghĩa là số phép tính dấu chấm động mỗi giây, được hiểu là tốc độ tính toán. Nó là chỉ số đo hiệu suất phần cứng. Thông thường khi chúng ta đánh giá một mô hình, trước tiên chúng ta cần nhìn vào độ chính xác của nó. Khi độ chính xác không đủ, bạn nói với người khác rằng mô hình của tôi dự đoán nhanh như thế nào và bộ nhớ nhỏ như thế nào khi triển khai. Điều đó là vô ích. Nhưng khi mô hình của bạn đạt đến độ chính xác nhất định Sau khi độ, cần có thêm các chỉ số đánh giá để đánh giá mô hình:
Điêu nay bao gôm:
1) Sức mạnh tính toán cần thiết để truyền về phía trước, phản ánh các yêu cầu về hiệu suất của phần cứng như GPU;
2) Số lượng tham số phản ánh dung lượng bộ nhớ đã chiếm. Tại sao lại thêm hai chỉ số này? Bởi vì điều này có liên quan đến việc triển khai thuật toán mô hình của bạn. Ví dụ: nếu bạn muốn triển khai các mô hình học sâu trên điện thoại di động và ô tô, sẽ có những yêu cầu nghiêm ngặt về kích thước mô hình và sức mạnh tính toán. Mọi người phải biết các tham số của mô hình là gì và cách tính toán chúng, nhưng sức mạnh tính toán cần thiết để truyền về phía trước có thể vẫn còn một chút nghi ngờ. Vì vậy, đây là tổng sức mạnh tính toán cần thiết để truyền về phía trước. Nó được thể hiện bởi FLOP.
Tài liệu tham khảo: Zhihu A Chai Ben Chai: https://zhuanlan.zhihu.com/p/137719986 ）
Vì vậy, rất nhiều tiền trong AI tổng hợp cuối cùng sẽ được chuyển đến các công ty cơ sở hạ tầng. Theo ước tính sơ bộ, trung bình, các công ty ứng dụng chi khoảng 20-40% doanh thu của họ cho việc suy luận và tinh chỉnh cho mỗi khách hàng. Và doanh thu đó thường được trả trực tiếp cho các nhà cung cấp đám mây cho các phiên bản điện toán hoặc nhà cung cấp mô hình bên thứ ba, những người lần lượt chi khoảng một nửa doanh thu của họ cho cơ sở hạ tầng đám mây.Vì vậy, chúng ta có thể ngoại suy: 10-20% tổng doanh thu AI ngày nay thuộc về các nhà cung cấp đám mây.
Ngoài ra, các công ty khởi nghiệp đào tạo mô hình của riêng họ cũng đã huy động được hàng tỷ đô la vốn đầu tư mạo hiểm và phần lớn trong số đó (lên tới 80-90% trong các vòng đầu tiên) thường được chi cho các nhà cung cấp đám mây. Nhiều công ty công nghệ chi hàng trăm triệu đô la mỗi năm cho việc đào tạo người mẫu, với các nhà cung cấp đám mây bên ngoài hoặc trực tiếp với các nhà sản xuất phần cứng.
Đối với một thị trường non trẻ của AIGC, phần lớn số tiền đó được chi cho ba đám mây chính:Amazon Web Services (AWS), Google Cloud (GCP) và Microsoft Azure, các nhà cung cấp đám mây này cùng chi hơn 100 tỷ đô la mỗi năm cho vốn đầu tư để đảm bảo họ có nền tảng toàn diện, đáng tin cậy và cạnh tranh về chi phí.
Đặc biệt trong lĩnh vực trí tuệ nhân tạo tổng hợp, các nhà cung cấp đám mây này có thể ưu tiên cho phần cứng khan hiếm (như GPU Nvidia A 100 và H 100)
(Alpha Rabbit Lưu ý: 100 giống như sau
Cũng đọc bài viết này:Breaking | Diễn giải về việc Mỹ ngăn Nvidia bán một số sản phẩm cho Trung Quốc 20220901
Do đó, sự cạnh tranh đã xuất hiện, trong đó những kẻ thách thức như Oracle hoặc các công ty khởi nghiệp như Coreweave và Lambda Labs đã phát triển các giải pháp nhắm đến các nhà phát triển mô hình lớn, xét về chi phí, khả năng sử dụng và hỗ trợ cá nhân hóa. trừu tượng hóa tài nguyên chi tiết hơn (ví dụ: bộ chứa), trong khi các đám mây lớn chỉ cung cấp các phiên bản máy ảo do những hạn chế của ảo hóa GPU.
[Ghi chú cho Ghi chú nghiên cứu của Alpha Rabbit: Ví dụ: khi chúng ta muốn mua sắm, gửi tin nhắn và sử dụng ngân hàng trực tuyến trên Internet, tất cả chúng ta đều đang tương tác với các máy chủ dựa trên đám mây. Tức là khi chúng ta sử dụng máy khách (điện thoại di động, máy tính, Ipad) để thực hiện nhiều thao tác khác nhau thì chúng ta cần gửi yêu cầu đến máy chủ, mỗi thao tác đều yêu cầu máy chủ tương ứng xử lý từng yêu cầu rồi trả về phản hồi.
Một số lượng lớn yêu cầu và phản hồi được thực hiện bởi hàng ngàn người dùng cùng một lúc đòi hỏi sức mạnh tính toán mạnh mẽ (hãy nghĩ về khi chúng ta mua sắm trên Double Eleven, vô số người dùng điên cuồng đặt hàng cùng một lúc và giỏ hàng đột nhiên bị kẹt) , điều này Tại thời điểm này, sức mạnh tính toán là rất quan trọng. Như đã nói ở trên, máy ảo là một phần của năng lực điện toán, khi sử dụng giải pháp điện toán đám mây của các nhà cung cấp dịch vụ đám mây, chúng ta có thể lựa chọn sử dụng máy ảo tùy theo khả năng và nhu cầu hiện có của doanh nghiệp.
Máy ảo là gì?
Nó là trình giả lập của một hệ thống máy tính, có thể cung cấp các chức năng của máy tính thực của chúng ta trong một hệ thống hoàn toàn biệt lập. Máy ảo hệ thống có thể cung cấp một nền tảng hệ thống hoàn chỉnh có thể chạy một hệ điều hành hoàn chỉnh, chẳng hạn như hệ thống Windows mà chúng tôi sử dụng. Hệ thống MAC OS, v.v. Máy ảo chương trình là một chương trình máy tính có thể chạy độc lập trong trình giả lập. Nói cách khác, nếu bạn mua một máy ảo do nhà cung cấp dịch vụ đám mây cung cấp, thì giống như mua một mảnh đất từ nhà cung cấp dịch vụ đám mây, sau đó bạn có thể cài đặt nhiều phần mềm khác nhau và chạy các tác vụ khác nhau trên máy ảo, giống như chúng ta tự mua, chẳng khác nào xây nhà trên mảnh đất đến đây.
Container là gì? Đồ đựng, chúng ta thường hiểu là bát ăn cơm, đồ dùng và các dụng cụ khác có thể đựng đồ vật. Công nghệ container thường được nhắc đến trong CNTT là gì? Thực chất từ này xuất phát từ cách dịch của Linux Container, trong tiếng Anh từ Container có nghĩa là thùng chứa, thùng chứa (về mặt ẩn dụ kỹ thuật, nghĩa chính của từ container là công-ten-nơ). Nhưng vì từ container dễ đọc hơn trong tiếng Trung nên chúng tôi sử dụng từ container trong tiếng Trung như một từ thông dụng. Nếu bạn muốn hiểu một cách sinh động về công nghệ Linux Container, bạn có thể hình dung ra chiếc container tại nhà ga vận chuyển hàng hóa bên bờ biển trong đầu sau khi đọc bài viết này.
Container trong nhà ga hàng hóa dùng để chở hàng hóa là loại thép hộp được tiêu chuẩn hóa theo quy cách. Đặc điểm của các thùng chứa là tất cả đều có hình vuông, định dạng đồng nhất và có thể xếp chồng lên nhau.
Bằng cách này, hàng hóa có thể được đưa vào tàu chở hàng khổng lồ trong container và các nhà sản xuất cần vận chuyển hàng hóa có thể giao hàng nhanh chóng và thuận tiện hơn.Sự xuất hiện của container cung cấp dịch vụ vận chuyển hiệu quả hơn cho các nhà sản xuất. Theo dịch vụ vận chuyển tiện lợi này, để dễ sử dụng trong môi trường Trung Quốc, khái niệm về hình ảnh của container được trích dẫn trong thế giới máy tính. 】
Theo ý kiến của chúng tôi, người chiến thắng lớn nhất trong lĩnh vực AI tổng hợp cho đến nay là Nvidia, công ty điều hành phần lớn khối lượng công việc AI.Doanh thu GPU trung tâm dữ liệu của Nvidia là 3,8 tỷ USD trong quý 3 năm tài chính 2023 phần lớn được dành cho các trường hợp sử dụng AI sáng tạo.
(GPU: bộ xử lý đồ họa (tiếng Anh: graphics processing unit, viết tắt: GPU), còn được gọi là lõi hiển thị, bộ xử lý hình ảnh, chip hiển thị, là một bộ xử lý đồ họa được thiết kế đặc biệt để sử dụng trong máy tính cá nhân, máy trạm, bảng điều khiển trò chơi, và một số thiết bị di động (chẳng hạn như máy tính bảng , điện thoại thông minh, v.v.) để thực hiện công việc tính toán liên quan đến hình ảnh và đồ họa trên bộ vi xử lý)
NVIDIA đã xây dựng một con hào vững chắc xung quanh hoạt động kinh doanh này thông qua hàng thập kỷ đầu tư vào hệ sinh thái GPU và các ứng dụng chuyên sâu dài hạn trong giới học thuật. Một phân tích gần đây cho thấy GPU của Nvidia được trích dẫn trong các tài liệu nghiên cứu thường xuyên hơn 90 lần so với các công ty khởi nghiệp chip AI hàng đầu.
Tất nhiên, các tùy chọn phần cứng khác vẫn tồn tại, bao gồm Google TPU; GPU AMD Instinct; chip AWS Inferentia và Trainium; và các công ty khởi nghiệp như Cerebras, Sambanova và Graphcore.
Intel tham gia thị trường với chip Habana cao cấp và GPU Ponte Vecchio của riêng mình. Nhưng cho đến nay, rất ít chip mới của Intel chiếm được thị phần đáng kể. Hai trường hợp ngoại lệ đáng chú ý khác là Google, công ty có TPU đang thu hút được sự chú ý trong cộng đồng phổ biến ổn định và một số giao dịch GCP lớn, và TSMC, công ty được cho là sản xuất tất cả các chip được liệt kê ở đây, bao gồm cả GPU Nvidia (Intel sử dụng fab và TSMC của riêng mình để làm chip).
Những gì chúng tôi tìm thấy: Cơ sở hạ tầng là một lớp có lợi nhuận, bền bỉ, dường như có thể phòng thủ được của ngăn xếp
Tuy nhiên, các câu hỏi mà các công ty cơ sở hạ tầng cần trả lời bao gồm:
Còn khối lượng công việc phi trạng thái thì sao?
Điều này có nghĩa là dù bạn thuê GPU Nvidia ở đâu thì nó cũng giống nhau. Hầu hết các khối lượng công việc AI đều không trạng thái, tức là suy luận mô hình không yêu cầu cơ sở dữ liệu hoặc bộ lưu trữ đính kèm (lưu ý: nó không yêu cầu bộ nhớ ngoài hoặc cơ sở dữ liệu, ngoại trừ trọng số của chính mô hình). Điều này có nghĩa là khối lượng công việc AI có thể dễ dàng di chuyển lên đám mây hơn so với khối lượng công việc ứng dụng truyền thống. Trong trường hợp này, làm cách nào để các nhà cung cấp đám mây tạo ra sự kết dính ngăn khách hàng chạy đến các tùy chọn rẻ hơn?
Điều gì sẽ xảy ra nếu khoai tây chiên không còn khan hiếm nữa?
Việc định giá bởi các nhà cung cấp đám mây và Nvidia, vì GPU đang khan hiếm nguồn cung, nên có thể đắt đỏ. Các nhà cung cấp đã nói với chúng tôi rằng giá niêm yết của A 100 đã tiếp tục tăng kể từ khi ra mắt, điều này rất bất thường đối với phần cứng máy tính. Vậy điều gì sẽ xảy ra với các nhà cung cấp đám mây khi hạn chế về nguồn cung này cuối cùng được loại bỏ thông qua việc tăng cường sản xuất và/hoặc áp dụng các nền tảng phần cứng mới?
Xinjinyun có thể vượt qua vòng vây không?
Chúng tôi cho rằng vertical cloud sẽ lấy thị phần từ Big Three với các sản phẩm chuyên dụng hơn. Cho đến nay về AI, trình phát đám mây mới đã đạt được động lực với sự khác biệt về công nghệ khiêm tốn và sự hỗ trợ của Nvidia. Ví dụ: các nhà cung cấp đám mây hiện tại vừa là khách hàng lớn nhất vừa là đối thủ cạnh tranh mới nổi của họ. Vì vậy, câu hỏi dài hạn cho các công ty đám mây mới nổi này là liệu họ có thể vượt qua lợi thế quy mô của ba gã khổng lồ không?
Vì vậy, giá trị tích lũy nhiều nhất ở đâu? Làm thế nào để chúng ta bỏ phiếu để nắm bắt giá trị lớn nhất?
Vẫn chưa có câu trả lời rõ ràng, nhưng dựa trên dữ liệu ban đầu về AI tổng quát hiện có, kết hợp với kinh nghiệm của các công ty khởi nghiệp AI và máy học ban đầu, chúng tôi đưa ra các nhận định sau:
Trong thế hệ AI ngày nay, hầu như không có con hào hệ thống nào theo bất kỳ nghĩa nào.Chúng tôi thấy ứng dụng hiện tại, không có nhiều sự khác biệt về sản phẩm và dấu hiệu của điều này là rất rõ ràng. Lý do là các ứng dụng này sử dụng các mô hình AI tương tự nhau. Do đó, điều mà các mô hình hiện tại đang gặp phải là không thể đánh giá sự khác biệt của chúng ở đâu trong một khoảng thời gian dài hơn, chúng được đào tạo trên các bộ dữ liệu và kiến trúc tương tự nhau, và các nhà cung cấp đám mây cũng giống nhau, và công nghệ của mọi người về cơ bản là giống nhau , bởi vì chạy cùng một GPU; ngay cả các công ty phần cứng cũng sản xuất chip trong cùng một nhà máy.
chắc chắn,Vẫn có những con hào tiêu chuẩn — con hào quy mô tồn tại, ví dụ, cùng một công ty khởi nghiệp, tôi có tài chính tốt hơn bạn, khả năng tài chính của tôi mạnh hơn; hoặc con hào chuỗi cung ứng, tôi có GPU, bạn không có; hoặc con hào hệ sinh thái, chẳng hạn , phần mềm của tôi có nhiều người dùng hơn bạn và tôi đã bắt đầu sớm hơn, tôi có rào cản về thời gian và quy mô người dùng; hoặc con hào thuật toán chẳng hạn, thuật toán của tôi mạnh hơn của bạn. Hào trong lĩnh vực bán hàng thì tôi giỏi hơn bạn ở khoản bán hàng, tôi là người dẫn đầu về kênh; hoặc hào ở lĩnh vực dữ liệu chẳng hạn, tôi thu thập nhiều dữ liệu hơn bạn.
Tuy nhiên, không có con hào nào trong số này có lợi thế lâu dài và không bền vững. Ngoài ra, còn quá sớm để nói chính xác vị trí nào trong các ngăn xếp này, hiệu ứng mạng tức thời, mạnh mẽ sẽ chiếm ưu thế.
Dựa trên dữ liệu có sẵn, còn quá sớm để nói liệu sẽ có một cơ hội dài hạn, kẻ chiến thắng sẽ giành lấy tất cả trong lĩnh vực AI tổng quát hay không.
Nghe có vẻ lạ, nhưng đối với chúng tôi, đây là một tin tốt.
Chính vì quy mô tiềm năng của toàn bộ thị trường rất khó nắm bắt, nó liên quan chặt chẽ đến phần mềm và sự toan tính của mọi người. Chúng tôi mong đợi nhiều người chơi tham gia vào thị trường này và mọi người sẽ cạnh tranh với lương tâm ở mọi cấp độ của ngăn xếp AI tổng quát. Chúng tôi mong đợi các công ty thành công có thể hoạt động theo chiều ngang và chiều dọc.
Tuy nhiên, điều này được xác định bởi thị trường cuối cùng và người dùng. Ví dụ: nếu điểm khác biệt chính của sản phẩm cuối cùng nằm ở chính công nghệ AI, thì quá trình dọc hóa (nghĩa là tích hợp chặt chẽ các ứng dụng hướng tới người dùng với các mô hình gốc) có khả năng chiến thắng.
Và nếu AI là một phần của bộ tính năng đuôi dài, lớn hơn, thì có lẽ chiều ngang hóa là xu hướng thực sự. Tất nhiên, khi thời gian trôi qua, chúng ta cũng sẽ thấy sự ra đời của nhiều hào truyền thống hơn, và thậm chí một số hào hoàn toàn mới.
Bất chấp điều đó, có một điều chắc chắn là AI sáng tạo đang thay đổi các ngành công nghiệp. Mọi người đang tiếp tục học hỏi, rất nhiều giá trị sẽ được giải phóng và kết quả là hệ sinh thái công nghệ sẽ thay đổi. Mọi người đang trên đường.
