中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

近期，人工智能的話題受到人們的關(guān)注與熱烈討論，那么，這一輪AI會(huì)帶來什么樣的范式轉(zhuǎn)移？本文從AI將改變軟件價(jià)值鏈、每個(gè)軟件應(yīng)用都將包含AI、基礎(chǔ)模型最終將成為所有AI軟件的根基、機(jī)器學(xué)習(xí)的采用將類似于數(shù)據(jù)庫的采用四個(gè)方面做了分析，希望對(duì)你有所幫助。

Index Ventures是一家歐洲老牌的風(fēng)險(xiǎn)投資公司，成立于1996年，在AI領(lǐng)域投資了Scale、Aurora、Covariant、Cohere、Arthur.ai、Lightning、DeepScribe和Gong等公司，可以說是AI的忠實(shí)信仰者和倡導(dǎo)者。

此外Index還聚焦在游戲、平臺(tái)、SaaS和開源等領(lǐng)域的早期投資，就在上個(gè)月他們還成立了一只3億美金的種子基金，用于押注在這一輪衰退期出現(xiàn)的創(chuàng)業(yè)公司。

一、AI將改變軟件價(jià)值鏈

正如我們看到SaaS隨著云計(jì)算的興起而出現(xiàn)一樣，基于AI原生的產(chǎn)品也將帶來新的商業(yè)模式。

15年前，云計(jì)算的興起帶動(dòng)了軟件平臺(tái)的轉(zhuǎn)變，迎來了軟件即服務(wù)（SaaS）的時(shí)代?，F(xiàn)在，企業(yè)不再需要配置服務(wù)器和數(shù)據(jù)庫，而是將這些工作外包給同時(shí)為數(shù)千個(gè)客戶服務(wù)的專業(yè)團(tuán)隊(duì)。如今，開發(fā)新產(chǎn)品的公司可以專注在為特定的用戶工作流構(gòu)建令人難以置信的交互體驗(yàn)，而不必?fù)?dān)心底層各類數(shù)據(jù)庫和服務(wù)的技術(shù)細(xì)節(jié)。

軟件即服務(wù)（SaaS）使得公司可以直接通過購買來使用任何不是其核心業(yè)務(wù)的軟件，而不再需要自己去花費(fèi)大量金錢開發(fā)。這通常使得軟件產(chǎn)品更便宜，更安全，更彈性，同時(shí)迭代和改進(jìn)速度更快。我們已經(jīng)看到軟件價(jià)值鏈在過去十年中發(fā)生了巨大的變化，這也帶來了技術(shù)生態(tài)系統(tǒng)的巨大變革。

Index Venture認(rèn)為我們正處于新平臺(tái)轉(zhuǎn)變的早期階段，這一次是由AI驅(qū)動(dòng)的。這種平臺(tái)轉(zhuǎn)移基于兩件事：

1. 我們相信在十年內(nèi)，AI將成為每一個(gè)應(yīng)用軟件的核心組件。
2. 這一波浪潮將由廣泛采用的基礎(chǔ)模型（foundation models）來推動(dòng)。

正如云計(jì)算的興起打破了軟件價(jià)值鏈，并帶來了新商業(yè)模式的出現(xiàn)，我們相信，隨著更多AI技術(shù)的落地，我們將看到類似的現(xiàn)象。我們并不確切地知道這些新的商業(yè)模式將會(huì)是什么，但是我們對(duì)軟件價(jià)值鏈如何變化有一些想法，并且開始看到了新模式出現(xiàn)的早期跡象。

例如，與十年前云服務(wù)商的崛起類似，我們看到了一類新公司的出現(xiàn)，他們將專注于根據(jù)最前沿的研究來推出最新的基礎(chǔ)模型。我們認(rèn)為這類公司將屈指可數(shù)，因?yàn)樗杀靖甙?，需要深度的知識(shí)來訓(xùn)練和管理大型模型，而且像云服務(wù)商一樣，隨著時(shí)間的推移，產(chǎn)品在某種程度上應(yīng)該是商品化的，它們的價(jià)值來自于巨大的規(guī)模效應(yīng)。這些公司中的大多數(shù)會(huì)像云服務(wù)商一樣，采用某種按量付費(fèi)的商業(yè)模式。

在應(yīng)用層，我們相信，隨著時(shí)間的推移，商業(yè)模式將轉(zhuǎn)變?yōu)?strong>通過AI來解鎖更多針對(duì)客戶的價(jià)值。我們?cè)O(shè)想的世界不是簡單地為使用SaaS付費(fèi)，而是客戶能夠根據(jù)產(chǎn)品內(nèi)的定制或個(gè)性化程度付費(fèi)，例如針對(duì)行業(yè)、組織甚至個(gè)人進(jìn)行微調(diào)的模型?？紤]到這一點(diǎn)，我們（Index Venture）投資了像Gong和DeepScribe這樣的公司，隨著時(shí)間的推移，它們的商業(yè)模式受益于越來越多為用戶或客戶定制化的產(chǎn)品。

我們最初在2020年投資了Gong，他們的產(chǎn)品可以記錄銷售電話，并允許公司管理者來以此分析業(yè)績，發(fā)現(xiàn)客戶反饋的趨勢(shì)，并幫助培訓(xùn)和指導(dǎo)銷售代表。當(dāng)一個(gè)組織廣泛采用該產(chǎn)品時(shí)，Gong沉淀了他們與客戶對(duì)話產(chǎn)生的大量數(shù)據(jù)集。這反過來又幫助Gong更好地定制他們的產(chǎn)品，以高度個(gè)性化的方式服務(wù)于特定企業(yè)從而改善用戶體驗(yàn)。

DeepScribe的產(chǎn)品可以記錄醫(yī)患對(duì)話，并使用AI為電子健康記錄生成結(jié)構(gòu)化的醫(yī)生報(bào)告。這是另一個(gè)例子，通過持續(xù)使用來增加產(chǎn)品對(duì)特定用戶(例如，具有特定風(fēng)格的醫(yī)生)或一組用戶(例如，特定專業(yè)的醫(yī)生或遵循一致標(biāo)準(zhǔn)的特定醫(yī)院集團(tuán)內(nèi)的醫(yī)生)的價(jià)值。

在這兩種情況下，隨著產(chǎn)品地持續(xù)使用，客戶將更多自己的數(shù)據(jù)放入產(chǎn)品中，AI能夠以高度定制化的方式進(jìn)行改進(jìn)。我們認(rèn)為這是AI原生（AI-native）的公司建立護(hù)城河并隨著時(shí)間推移而持續(xù)獲得增長價(jià)值的一條途徑。

這也為新型的托管基礎(chǔ)設(shè)施（managed infrastructure）公司創(chuàng)造了機(jī)會(huì)，幫助軟件公司在基礎(chǔ)模型提供商之上提供Hyper-personalization。大規(guī)模的微調(diào)（fine-tuning）非常復(fù)雜，圍繞生成和管理大量數(shù)據(jù)和模型會(huì)面臨許多亟待解決的問題。

我們看到新一代基礎(chǔ)設(shè)施提供商正在崛起，并在努力抓住價(jià)值鏈中的這一環(huán)節(jié)，類似于近幾十年來數(shù)據(jù)庫提供商的崛起。我們投資組合中的公司，如Scale AI （Index于2018年投資）和Humanloop （Index于2020年投資），都是致力于讓開發(fā)團(tuán)隊(duì)不需要大量特定的機(jī)器學(xué)習(xí)專業(yè)知識(shí)，就可以更容易地在產(chǎn)品中部署模型。他們的產(chǎn)品允許用戶使用人工標(biāo)簽和實(shí)時(shí)用戶反饋來比較和微調(diào)模型的性能。

二、每個(gè)軟件應(yīng)用都將包含AI

AI-native的應(yīng)用通常會(huì)戰(zhàn)勝AI-retrofit的應(yīng)用。

在過去的20年里，我們看到了SaaS產(chǎn)品的激增，我們?cè)谌粘９ぷ鞯拿總€(gè)部分都可能使用到這些產(chǎn)品。當(dāng)前這一代應(yīng)用程序的構(gòu)建是為了支持端到端工作流和不同人員的協(xié)作。它們經(jīng)過精心構(gòu)造來處理用戶將遇到的許多邊緣情況，并且通常包含了眾多的集成服務(wù)和插件，來鞏固自身作為生態(tài)系統(tǒng)中心的地位。

許多SaaS軟件從根本上說就是一個(gè)基于數(shù)據(jù)庫的UI，用于跟蹤項(xiàng)目、文檔和操作的狀態(tài)。對(duì)于這些產(chǎn)品，我們逐漸看到AI將被用于特定的任務(wù)——無論是文檔處理、音頻轉(zhuǎn)錄還是編程。

在Index，我們與專注于正面應(yīng)對(duì)AI挑戰(zhàn)的團(tuán)隊(duì)合作，通過建立一流的團(tuán)隊(duì)來解決高度重復(fù)的任務(wù)，比如在駕駛和倉儲(chǔ)領(lǐng)域。2018年，我們投資了Aurora，這是一家由Chris Urmson（Waymo的CTO）、Drew Bagnell（Uber的自動(dòng)駕駛架構(gòu)師）和Sterling Anderson（特斯拉的自動(dòng)駕駛總監(jiān)）創(chuàng)辦的自動(dòng)駕駛卡車公司。

我們相信，他們深厚的專業(yè)領(lǐng)域知識(shí)和對(duì)軟件的專注，將為他們提供最快的迭代速度和最通用的解決方案，使他們的自動(dòng)駕駛技術(shù)能夠應(yīng)用在卡車和乘用車上。

2020年，我們投資了Covariant，該公司為機(jī)器人構(gòu)建了一個(gè)AI大腦。他們商業(yè)化的重點(diǎn)是工業(yè)倉儲(chǔ)方向，該公司由機(jī)器人AI領(lǐng)域的兩位行業(yè)領(lǐng)袖彼得·阿貝爾（Pieter Abbeel）和彼得·陳（Peter Chen）創(chuàng)立。Covariant專注于構(gòu)建通用的AI機(jī)器人大腦，現(xiàn)在他們能夠以最少的AI訓(xùn)練來滿足特定的客戶硬件要求。我們一直支持AI優(yōu)先的軟件，這些軟件可以定制化到不同的環(huán)境。

生成模型的最新發(fā)展（例如ChatGPT和Stable Diffusion）已經(jīng)將我們推向了一個(gè)捕捉世界想象力的AI超級(jí)引擎。當(dāng)我們展望下一代SaaS應(yīng)用程序時(shí)，我們看到AI發(fā)揮著越來越大的作用。讓我們特別興奮的是:

1. 利用AI實(shí)現(xiàn)頭腦風(fēng)暴、講故事和開放式創(chuàng)意工作流程的產(chǎn)品。我們已經(jīng)在藝術(shù)和文案領(lǐng)域看到了這一點(diǎn)，這些都是很好的用例，因?yàn)轱L(fēng)險(xiǎn)很低，同時(shí)當(dāng)下工作流程高度手動(dòng)化。
2. AI應(yīng)用于專業(yè)知識(shí)工作，如工程、法律和醫(yī)學(xué)。在這些情況下，人們?nèi)耘f需要關(guān)注輸出是否正確。這是當(dāng)今流程高度手動(dòng)化的另一個(gè)例子，因此ROI很容易測量。
3. 將更多的AI工具嵌入到企業(yè)和生產(chǎn)消費(fèi)者的工作流程中，例如我們?cè)?020年投資了Hebbia，這是一個(gè)面向知識(shí)工作者的AI企業(yè)級(jí)搜索平臺(tái)。這些產(chǎn)品將幫助用戶更有效地溝通，吸收更多信息，更快速地搜索和處理數(shù)據(jù)，它們將提高整個(gè)社會(huì)的總體生產(chǎn)力。當(dāng)然做這種類型的產(chǎn)品會(huì)比前面兩種更加困難一些，因?yàn)槠髽I(yè)需要來確保他們可以提供一致的用戶體驗(yàn)。隨著模型變得更容易控制和理解，我們將看到更多創(chuàng)業(yè)者可以構(gòu)建出更可控制的產(chǎn)品，并能被大型企業(yè)采用。

對(duì)于以上這些類型的創(chuàng)業(yè)公司，我們認(rèn)為其中的贏家將是那些可以開發(fā)出易于理解的產(chǎn)品，使模型界面易于學(xué)習(xí)，而不需要了解它們是如何工作的，能夠清晰地集成到目前存在的流程和工作關(guān)系的結(jié)構(gòu)中，并產(chǎn)生更精確和可控的輸出。這些產(chǎn)品將以符合人體工程學(xué)的方式給用戶顆粒度的控制和控制模型的選擇，這個(gè)感覺像是一個(gè)專門為用戶打造的模型，而不是用戶去適應(yīng)現(xiàn)有的模型。

讓我們對(duì)AI原生應(yīng)用世界感到興奮的是，隨著技術(shù)的發(fā)展，這提供了一個(gè)從零開始設(shè)計(jì)交互界面的機(jī)會(huì)。展望下一代產(chǎn)品，它們將從與用戶的交互中學(xué)習(xí)，用戶將擁有復(fù)雜的工具來指導(dǎo)模型輸出，使AI成為我們需要分析數(shù)據(jù)、生成內(nèi)容或解決重復(fù)任務(wù)時(shí)候的多模態(tài)助手。

三、基礎(chǔ)模型最終將成為所有AI軟件的根基

ML領(lǐng)域最新被人熟知的一個(gè)名詞是基礎(chǔ)模型（foundation model），這是指在大量數(shù)據(jù)集上“預(yù)訓(xùn)練”后，但沒有特定最終用途的大型人工神經(jīng)網(wǎng)絡(luò)。OpenAI的GPT-3是一個(gè)很受歡迎的基礎(chǔ)模型，該模型經(jīng)過訓(xùn)練，用于在給定之前的文本的情況下預(yù)測文件中的下一段文本。但是基礎(chǔ)模型可以通過在較小的手工標(biāo)記數(shù)據(jù)集上進(jìn)行“微調(diào)”，來執(zhí)行特定的任務(wù)，比如回答客戶的問題。

基礎(chǔ)模型可以帶來接近人類表現(xiàn)的能力水平，大多數(shù)AI模型都是根據(jù)特定任務(wù)的數(shù)據(jù)進(jìn)行訓(xùn)練的。比如機(jī)器人手臂被訓(xùn)練來撿東西，自動(dòng)駕駛汽車經(jīng)過訓(xùn)練來實(shí)現(xiàn)自動(dòng)駕駛。但是基礎(chǔ)模型消耗了來自整個(gè)互聯(lián)網(wǎng)的大量數(shù)據(jù)，它的某些部分是過分的和令人討厭的，但它編碼了人類幾千年來學(xué)到的很多東西。我們的一個(gè)理論是，幾乎任何AI應(yīng)用都可以從基礎(chǔ)模型的基本使用中受益。

一些人工任務(wù)看起來很有限，比如開車、在倉庫裝箱子或回答客戶的問題，但是我們經(jīng)常會(huì)在其中運(yùn)用到從生活其他方面獲得的理解。然而接受單一任務(wù)訓(xùn)練的機(jī)器沒有這種廣度，這就是為什么機(jī)器人看到傳送帶上的貓會(huì)不知道該怎么辦，這也是為什么自動(dòng)駕駛汽車遇到不合邏輯的交通標(biāo)志時(shí)就會(huì)停下來。人類可以根據(jù)我們對(duì)動(dòng)物和建筑的了解，把這些東西放在特定環(huán)境中思考并繼續(xù)下去，這是人類的超能力。

我們相信，隨著時(shí)間的推移，工程師們將越來越多地從預(yù)先訓(xùn)練好的基礎(chǔ)模型開始，然后在垂直的任務(wù)上對(duì)它們進(jìn)行微調(diào)?；A(chǔ)模型不會(huì)讓孤立的AI模型變得“人性化”，但它們的使用將有助于模型理解最不尋常的環(huán)境，并幫助它們?cè)谶@些環(huán)境中找到方向。

可以基于司機(jī)的行為來理解他們的情緒，這將有助于自動(dòng)駕駛汽車行駛，可以理解一只偷偷跑進(jìn)倉庫的貓不應(yīng)該在傳送帶上，這將有助于機(jī)器人處理混亂情形。對(duì)于幾乎所有的AI模型來說，最困難的情況就是這種以前從未見過的“長尾”事件。

Cohere的聯(lián)合創(chuàng)始人Aidan Gomez作為聯(lián)合作者撰寫了一篇開創(chuàng)性的論文，這里面的核心內(nèi)容就是如今許多基礎(chǔ)模型的底層“transformer”架構(gòu)。我們?cè)?021年領(lǐng)投了該公司的A輪融資，這里的投資邏輯是，就像十年前的云巨頭一樣，在這一領(lǐng)域也會(huì)出現(xiàn)少數(shù)服務(wù)商，他們抽象了開發(fā)、管理和托管這些模型背后令人望而卻步的復(fù)雜性。

在基礎(chǔ)模型像我們?nèi)祟愐粯诱嬲斫馐挛锏囊饬x之前，我們還有很長的路要走。但它們正在以驚人的速度進(jìn)步，在不久的將來，它們將開始接近我們用來完成任務(wù)的知識(shí)能力。

四、機(jī)器學(xué)習(xí)的采用將類似于數(shù)據(jù)庫的采用

就像數(shù)據(jù)庫一樣，每個(gè)工程師都需要知道如何使用模型，但很少有人需要從頭開始構(gòu)建模型。

過去50年應(yīng)用軟件的基礎(chǔ)是數(shù)據(jù)庫，但未來50年的基礎(chǔ)將是機(jī)器學(xué)習(xí)模型。因此，對(duì)機(jī)器學(xué)習(xí)和模型如何工作的基本理解將成為每個(gè)工程師技能的重要組成部分，而不再是少數(shù)專家的領(lǐng)域。當(dāng)然機(jī)器學(xué)習(xí)工程師總是會(huì)有一席之地的，但是，就像那些構(gòu)建數(shù)據(jù)庫引擎的人一樣，他們的數(shù)量將會(huì)很少，而且他們將在少數(shù)大型供應(yīng)商工作。

事實(shí)上，過去十年AI/ML的進(jìn)展與20世紀(jì)末數(shù)據(jù)庫世界發(fā)生的事情驚人地相似。早期數(shù)據(jù)庫的進(jìn)步有幾個(gè)特定的階段，每個(gè)階段大約持續(xù)了十年：

（1）起步階段（20世紀(jì)60年代）

第一個(gè)數(shù)據(jù)庫出現(xiàn)。在當(dāng)時(shí)是一個(gè)強(qiáng)大的新概念，但很難使用。即使是訪問簡單的數(shù)據(jù)也相當(dāng)復(fù)雜，高效檢索的所有責(zé)任都落在了開發(fā)人員身上。

（2）算力不夠便宜的階段（20世紀(jì)70年代）

1970年，Edgar Codd發(fā)布了一系列論文，概述了數(shù)據(jù)庫的關(guān)系模型，提供了行和列的思維模型。這種模型的美妙之處在于它的靈活性，它提供了強(qiáng)大、簡單的抽象邏輯，可以對(duì)其進(jìn)行擴(kuò)展（通過自定義模式）來適應(yīng)各種用例。盡管這是數(shù)據(jù)庫歷史上一個(gè)神奇的時(shí)刻，但它最初遭到了很多質(zhì)疑，這些系統(tǒng)更容易使用和推理，但它們需要更多的計(jì)算能力。

（3）易用性和商業(yè)化爆炸階段（20世紀(jì)80年代）

關(guān)系型數(shù)據(jù)庫蓬勃發(fā)展的十年。隨著計(jì)算資源變得越來越便宜，關(guān)系數(shù)據(jù)庫的成本效益大大提高，它們的易用性成為了強(qiáng)大的動(dòng)力引擎。尤其重要的是關(guān)系數(shù)據(jù)庫使用查詢優(yōu)化將性能管理的大部分工作從開發(fā)人員轉(zhuǎn)移到數(shù)據(jù)庫中，這使得使用這些系統(tǒng)所需的專業(yè)知識(shí)遠(yuǎn)遠(yuǎn)少于之前的網(wǎng)絡(luò)和分層數(shù)據(jù)庫。SQL（1976年發(fā)明，但在80年代中期成為標(biāo)準(zhǔn)）成為數(shù)據(jù)庫的通用語言，像甲骨文這樣的大公司成為了商業(yè)巨頭。

（4）無處不在（1990年到今天）

快進(jìn)40年，世界上幾乎每個(gè)軟件應(yīng)用程序都使用數(shù)據(jù)庫（無論是關(guān)系數(shù)據(jù)庫還是其他數(shù)據(jù)庫）。作為一名程序員，了解它們的工作原理是首先要學(xué)習(xí)的內(nèi)容之一，而相關(guān)的開發(fā)人員必須至少對(duì)它們的工作原理有一個(gè)基本的了解，才能有效地工作。

此外，沒有公司會(huì)考慮建立自己的數(shù)據(jù)庫——這樣做根本不劃算。相反，他們使用現(xiàn)成的產(chǎn)品，然后在上面構(gòu)建特定用例的數(shù)據(jù)模型（模式）。其中一些產(chǎn)品是免費(fèi)和開源的（Postgres），還有一些則來自價(jià)值數(shù)十億美元的商業(yè)組織。這種情況一直存在（早期的數(shù)據(jù)庫是由IBM這樣的人創(chuàng)建的），但我們認(rèn)為仍然值得重申。

有趣的是，這種演進(jìn)過程與我們所看到的機(jī)器學(xué)習(xí)和AI的商業(yè)化密切相關(guān)：

（1）只有大公司的階段（2017年之前）

首先，訓(xùn)練一個(gè)機(jī)器學(xué)習(xí)模型來做任何有用的事情是一項(xiàng)高度專業(yè)化和非常復(fù)雜的工作。你必須找到相關(guān)的數(shù)據(jù)，同時(shí)找到足夠的計(jì)算量來對(duì)這些數(shù)據(jù)進(jìn)行訓(xùn)練。你必須選擇一個(gè)架構(gòu)并深刻理解如何進(jìn)行超參數(shù)調(diào)優(yōu)來優(yōu)化訓(xùn)練的輸出。所有這些都非常昂貴，而且坦白說非常困難。即使你沒有使用任何深度學(xué)習(xí)技術(shù)，這也是正確的。

（2）早期Transformer階段（2017-2020年）

與數(shù)據(jù)庫一樣，一切也從一篇論文開始。這是一篇名為《Attention Is All You Need》的論文，介紹了一種名為transformer的算法架構(gòu)。緊接著是一系列預(yù)先訓(xùn)練好的基礎(chǔ)模型（BERT、XLNET、GPT-2），它們利用這種架構(gòu)來實(shí)現(xiàn)SOTA結(jié)果，特別是在語言方面。這些模型隨后是開源的，類似于如何向關(guān)系數(shù)據(jù)庫添加模式以使其適合用例，用戶可以根據(jù)自己的數(shù)據(jù)對(duì)這些基本模型進(jìn)行微調(diào)。

（3）億級(jí)參數(shù)和創(chuàng)業(yè)公司階段（2020 -今天）

當(dāng)前階段始于OpenAI推出GPT-3。它證明了transformer模型可以擴(kuò)展到數(shù)十億個(gè)參數(shù)，而不存在性能漸近線，并且一個(gè)非常大的預(yù)訓(xùn)練基礎(chǔ)模型可以在許多不同的任務(wù)中表現(xiàn)良好。通用性與OpenAI通過API提供GPT-3這一事實(shí)相結(jié)合，帶來了Jasper和Copy等公司的絕對(duì)爆炸式增長。

AI是在這些模型上建造的，正如查詢優(yōu)化器（query optimizers）將性能復(fù)雜性從軟件開發(fā)人員轉(zhuǎn)移到數(shù)據(jù)庫服務(wù)商，AI的這個(gè)階段正在做的是將訓(xùn)練的復(fù)雜性從最終用戶轉(zhuǎn)移到模型服務(wù)商。

（4）無處不在階段（未來）

在我們知道之前，說一個(gè)產(chǎn)品“使用AI”似乎就像說一個(gè)產(chǎn)品“使用數(shù)據(jù)庫”一樣愚蠢和明顯?，F(xiàn)在，一般的開發(fā)人員可能不知道查詢計(jì)劃器（query planner）是如何工作的，但是他們肯定會(huì)使用數(shù)據(jù)庫。類似地，我們不期望一般的開發(fā)人員在五年內(nèi)了解transformer是如何工作的，但我們保證他們會(huì)知道如何使用模型。像Cohere和Twelve Labs這樣的公司已經(jīng)分別為文本和視頻創(chuàng)建了這些基本的開發(fā)模塊，允許用戶像使用數(shù)據(jù)庫一樣簡單地使用這些模型。

作為這些模型越來越普遍的證明，無數(shù)公司將AI作為核心組件，但并沒有將其作為關(guān)鍵的差異化因素進(jìn)行宣傳。例如，我們之前投資的Gong在他們的產(chǎn)品中廣泛使用語音到文本這一技術(shù)，但網(wǎng)站的首頁沒有提到ML或AI。

模型本身是一個(gè)實(shí)現(xiàn)細(xì)節(jié)——它很重要，但沒有區(qū)別。區(qū)別在于Gong圍繞語音到文本模型構(gòu)建了出色的產(chǎn)品體驗(yàn)，就像Salesforce和其他競品的區(qū)別在于圍繞數(shù)據(jù)庫構(gòu)建了出色的產(chǎn)品體驗(yàn)，而不是數(shù)據(jù)庫本身，正是這種體驗(yàn)讓他們成為了數(shù)十億美元的企業(yè)。

參考材料：

[1] https://www.indexventures.com/perspectives/the-ai-platform-shift/

[2] https://techcrunch.com/2022/11/17/index-ventures-thinks-new-startups-will-emerge-in-the-downturn-and-is-putting-300m-behind-that-bet/

為我投票

我在參加人人都是產(chǎn)品經(jīng)理2022年度作者評(píng)選，希望喜歡我的文章的朋友都能來支持我一下~

點(diǎn)擊下方鏈接進(jìn)入我的個(gè)人參選頁面，點(diǎn)擊紅心即可為我投票。

每人每天最多可投35票，投票即可獲得抽獎(jiǎng)機(jī)會(huì)，抽取書籍、人人都是產(chǎn)品經(jīng)理紀(jì)念周邊和起點(diǎn)課堂會(huì)員等好禮哦！

投票傳送門：https://996.pm/7lK84