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

在AI技術(shù)飛速發(fā)展后，硅谷的頂級風(fēng)投Greylock提出“現(xiàn)在是 AI 垂直軟件服務(wù)最好的時代”，為什么這么說？這篇文章里，作者梳理了Greylock最新提出的垂類SaaS的投資框架和3個最有機會的垂直領(lǐng)域。一起來看看。

之前，我們解讀了 Greylock 的最新文章頂級風(fēng)投Greylock：會最先被AI重塑的高潛市場，給出了第一波值得全新?lián)肀?AI-First 的高潛市場和作為初創(chuàng)公司突圍的可能性。

Greylock 的敏銳洞察一貫具有前瞻性，在 AI 快速發(fā)展的這三個月后，這家硅谷的頂級風(fēng)投提出“現(xiàn)在是 AI 垂直軟件服務(wù)最好的時代”，可以說是給創(chuàng)業(yè)者們的一針強心劑。本文帶來 Greylock 最新提出的垂類 SaaS 的投資框架和 3 個最有機會的垂直領(lǐng)域。

Sense 思考：

我們嘗試基于文章內(nèi)容，提出更多發(fā)散性的推演和深思，歡迎交流。

Ilya 超級愛對齊。大語言模型的能力毋庸置疑，但是對齊到垂直領(lǐng)域才能為人類帶來生產(chǎn)力的提升和能夠變現(xiàn)的價值。

數(shù)據(jù)仍然是關(guān)鍵。以前垂直軟件只能應(yīng)用于現(xiàn)代化技術(shù)的企業(yè)，如今 LLMs 使得傳統(tǒng)企業(yè)的大量非結(jié)構(gòu)化數(shù)據(jù)能被提取和處理。提高模型對數(shù)據(jù)的適應(yīng)性和生成的準(zhǔn)確性，并在產(chǎn)品使用過程中天然形成數(shù)據(jù)。

法律、金融服務(wù)（會計和咨詢）、醫(yī)療，三個最有價值和機會的垂直領(lǐng)域。

一、垂類 AI 軟件時代的投資框架

從數(shù)據(jù)的角度：在早期技術(shù)時代，垂直軟件只能應(yīng)用于現(xiàn)代化技術(shù)的企業(yè)（即數(shù)據(jù)庫中具有清晰結(jié)構(gòu)化數(shù)據(jù)的公司）。這使得那些主要依賴非結(jié)構(gòu)化數(shù)據(jù)（例如合同、記錄以及跨文本、音頻和圖像的多媒體文件）的基礎(chǔ)性行業(yè)被排除在外。現(xiàn)在，大型語言模型已經(jīng)能夠處理非結(jié)構(gòu)化數(shù)據(jù)的工作，這意味著人工智能可以最終將這些缺乏軟件技術(shù)服務(wù)的行業(yè)變得更加現(xiàn)代化。這一范式轉(zhuǎn)變的廣泛影響不可低估：據(jù)估計，世界上約 80% 的數(shù)據(jù)是非結(jié)構(gòu)化的。

除此之外，Greylock 還注意到一些以垂直服務(wù)為重點的初創(chuàng)公司，它們正在跳出傳統(tǒng)的 SaaS 思維。這些公司采用了嵌入支付（例如 Toast 和 Shopify）、廣告（就像 Pepper 和 Provi ）以及 B2B 市場（例如 Faire 和 Novi）等戰(zhàn)略。人工智能的采用將加速這種轉(zhuǎn)變。Greylock 相信大型語言模型的發(fā)展趨勢正在收斂，并且創(chuàng)始人們正在創(chuàng)造理想條件，以解決長期存在的問題并接受不同的模型環(huán)境。盡管對應(yīng)用層是否可以長期存在有一些擔(dān)憂，但 Greylock 認(rèn)為只要深入專業(yè)領(lǐng)域，就可以建立起壁壘。

盡管 LLM 具有改變游戲規(guī)則的潛力，但任何垂直領(lǐng)域的成功都取決于選擇適合該技術(shù)的行業(yè)、準(zhǔn)確評估市場總量（TAM）、建立深層次的產(chǎn)品工作流程和數(shù)據(jù)、設(shè)計適當(dāng)?shù)臓I銷和推廣戰(zhàn)略，以及具備領(lǐng)域?qū)I(yè)知識和技術(shù)實力。

Greylock 為垂直領(lǐng)域的專業(yè)人工智能提出了一個投資框架，有助于對每個要素進行更深入的研究。

1. Data 數(shù)據(jù)

數(shù)據(jù)的重要性不言而喻，好的數(shù)據(jù)勝過好的模型。隨著基于 LLMs 構(gòu)建人工智能應(yīng)用的難度降低，數(shù)據(jù)成為建立垂直服務(wù)差異化的關(guān)鍵因素。初創(chuàng)公司在確定垂直服務(wù)的工作流時，需要考慮是否需要大量相關(guān)數(shù)據(jù)，或者是否有能力構(gòu)建專有的數(shù)據(jù)資產(chǎn)。對于某些公司來說，使用自有數(shù)據(jù)來訓(xùn)練或微調(diào)可商用的基礎(chǔ)模型是一種戰(zhàn)略選擇。

對于許多垂直行業(yè)來說，數(shù)據(jù)存在于雜亂無章的傳統(tǒng)系統(tǒng)中，這正是 Greylock 對處理和提取數(shù)據(jù)的公司特別感興趣的原因。提高模型對數(shù)據(jù)的適應(yīng)性和生成的準(zhǔn)確性具有挑戰(zhàn)性。這里的一個突出因素就是擁有經(jīng)過仔細審核、標(biāo)記和不斷更新的數(shù)據(jù)。

一個更強大的數(shù)據(jù)策略是在使用產(chǎn)品的過程中，自然產(chǎn)生行為數(shù)據(jù)（例如客戶標(biāo)記自己的行為數(shù)據(jù)，或與產(chǎn)品交互中產(chǎn)生的數(shù)據(jù)集）。因此，擁有數(shù)據(jù)對于初步形成壁壘非常重要，但最終，只有客戶使用產(chǎn)品時所產(chǎn)生的數(shù)據(jù)才能形成長期的壁壘。此外，一些大型科技公司已經(jīng)開始提供為客戶合成所需數(shù)據(jù)的服務(wù)，將合成數(shù)據(jù)用于模型訓(xùn)練，以實現(xiàn)快速交付的目標(biāo)。

2. TAM: Total Available Market 潛在市場規(guī)模

很多人不追求垂直市場的最大原因是垂直市場只市場總量可能相對水平市場于水平市場更小的 TAM，但有失必有得：這些較小的市場將有更少擁有充足資金的競爭對手，而越專注可以使用戶更靠前和擁有更深的市場理解。

因為很難量化技術(shù)變革（例如能源電氣化等）中市場的支出，所以投資者常常愛辯論此事。早期參與垂直軟件服務(wù)的創(chuàng)始人有可能定義并領(lǐng)導(dǎo)市場。

3. ACV: Annual Contract Value 一年簽約的合同金額

單一的 SaaS 產(chǎn)品不一定能實現(xiàn)六位數(shù)的 ACV。垂直和專注的初創(chuàng)企業(yè)可以同時開發(fā)多種產(chǎn)品，以在核心產(chǎn)品之外創(chuàng)造額外收入流的方式進行擴張。在核心產(chǎn)品的基礎(chǔ)上增加新的產(chǎn)品線，可以在未來某個時間點捆綁和增加銷售，最終形成粘性。餐飲支付平臺 Toast 通過增加工資和勞動力管理功能，實施了多產(chǎn)品戰(zhàn)略。Provi 和 Pepper 等 B2B 市場通過廣告創(chuàng)造了額外的收入流，而太陽能安裝平臺 Aurora Solar 則通過提供融資方案實現(xiàn)了額外收入。建筑服務(wù)平臺 Procore 最近開始提供保險等服務(wù)。

4. 創(chuàng)始人：具有領(lǐng)域經(jīng)驗的產(chǎn)品構(gòu)建者

與在 AI 堆棧的其他部分構(gòu)建的創(chuàng)始人不同，試圖構(gòu)建垂直 AI 的純技術(shù)人員在具有領(lǐng)域經(jīng)驗和技術(shù)背景的創(chuàng)始團隊面前不占優(yōu)勢，特別是在受監(jiān)管行業(yè)中的團隊。對于目標(biāo)客戶是垂直行業(yè)中的傳統(tǒng)組織的初創(chuàng)公司，這一差距尤為顯著，因為這些組織通常與數(shù)十甚至數(shù)百個實體簽訂了長期合同。

深入了解這些復(fù)雜性，才能制定正確的營銷推廣策略、預(yù)測銷售時間表和招聘時間表。對于那些具有深厚領(lǐng)域?qū)I(yè)知識但只對可能的垂直方法有一點點了解的人來說，Greylock 正在積極尋找在他們的創(chuàng)意驗證過程的初期參與 Greylock Edge 項目的創(chuàng)始人。

5. GTM：創(chuàng)造緊迫感

垂直銷售周期可能很長，尤其是在緩慢增長且技術(shù)購買者較為保守的大型成熟行業(yè)。因此，GTM 戰(zhàn)略必須創(chuàng)造緊迫感，即 FOMO ( Fear of Missing Out )，以主導(dǎo)主要的分銷渠道。過去，那些沒有采取這種策略的垂直企業(yè)需要花費很長時間才能取得業(yè)績的起飛。

人們對人工智能的 FOMO 會讓用戶更愿意馬上嘗試新產(chǎn)品，但這既可能是一種阻力也可能是一種助力。一方面，人工智能的吸引力讓新生公司很容易與潛在客戶通話，并進行試用。然而，將潛在客戶轉(zhuǎn)化為客戶對于那些正在比較多個試點，已經(jīng)疲憊了的用戶來說可能特別具有挑戰(zhàn)性。但不管怎樣，讓潛在客戶產(chǎn)生 FOMO 是關(guān)鍵。

二、垂直領(lǐng)域的機會

1. 法律

許多行業(yè)都面臨著繁瑣、手動的工作流程帶來的困擾。在法律服務(wù)、會計和咨詢領(lǐng)域，專業(yè)人員花費大量時間閱讀、解釋和壓縮關(guān)鍵信息，以進行分析、與客戶溝通和撰寫備忘錄。

人工智能在法律服務(wù)領(lǐng)域是一個明顯的垂直應(yīng)用領(lǐng)域，因為法律的核心產(chǎn)品完全基于語言，而大型語言模型是當(dāng)前平臺轉(zhuǎn)型的基礎(chǔ)。僅在美國，法律市場就占據(jù)了超過 3000 億美元的份額，并且律師對采用人工智能表現(xiàn)出濃厚的興趣：許多大型律師事務(wù)所都擁有巨額的軟件預(yù)算，Greylock 采訪的許多人表示愿意每年在具有變革性的人工智能軟件上投資七位數(shù)。這導(dǎo)致了像 Harvey、EvenUp、Eve和 Spellbook 這樣的人工智能公司的出現(xiàn)。而像湯姆森路透、相對論和鐵甲這樣的老牌公司正在收購或?qū)⑷斯ぶ悄芗{入他們現(xiàn)有的產(chǎn)品中，湯姆森最近斥資 6.5 億美元收購 Casetext 就是最近的一個例子。

Greylock 最近投資了 Responsiv，該公司為內(nèi)部法律團隊提供人工智能助手。該公司具有符合 Greylock 投資框架的許多特點。首先，創(chuàng)始人具有法律技術(shù)背景，在相對論工作過。其次，該市場具有很大的價值：內(nèi)部法律團隊是法律行業(yè)一個被忽視但迅速增長的細分市場，在美國總額達到 3200 億美元，占比近 80%。內(nèi)部團隊對人工智能有特殊需求，包括在執(zhí)行合同/保密協(xié)議方面提供幫助，并在處理內(nèi)部團隊對法律公司的專業(yè)知識需求相對較高的工作量方面提供幫助。此外，內(nèi)部法律團隊通常被視為組織內(nèi)的成本中心，這意味著人工智能帶來的提高效率更有可能被接受，尤其是對于按計費小時模型運作的律師事務(wù)所來說。

2. 咨詢和會計

咨詢和會計是另一個被人工智能深刻影響的領(lǐng)域。四大咨詢公司每年都會招聘數(shù)萬名咨詢顧問和會計師，這是一個龐大的勞動力，可以通過人工智能進行大規(guī)模擴充。畢馬威承諾在未來五年內(nèi)投資 20 億美元用于人工智能產(chǎn)品，而 PwC 則計劃在未來三年內(nèi)投資 10 億美元，以自動化其審計、稅務(wù)和咨詢服務(wù)的某些方面。哈佛商學(xué)院和 BCG 合作進行的一項研究發(fā)現(xiàn)，使用 GPT-4 的顧問完成任務(wù)的速度比以前快 25%，質(zhì)量提高了 40%。

金融服務(wù)非常適合人工智能的原因有幾點。市場規(guī)模巨大，在美國單單就有約 11 萬億美元的市值，而且對人工智能工具的需求得到了證明。例如，在過去的一年里，我們看到了 Bloomberg GPT 的發(fā)布，摩根士丹利與 OpenAI 的合作，以及 Alphasense 向其市場情報平臺添加了由人工智能提供支持的搜索和摘要工具。

觀察投資專業(yè)人士和財富顧問的日常接觸的信息非常復(fù)雜，涉及內(nèi)部專有數(shù)據(jù)以及實時市場數(shù)據(jù)和新聞；財務(wù)建模和計算需要數(shù)學(xué)理解和人類判斷的混合；錯誤成本高昂——在模型或盡職調(diào)查步驟中的單個錯誤可能導(dǎo)致對企業(yè)數(shù)百億美元的影響。與此同時，專業(yè)人員面臨許多枯燥、手動的工作流程，這些工作流程需要很少的思維產(chǎn)出，但可能占用他們時間的三分之一左右。

對初創(chuàng)公司來說，這是領(lǐng)域?qū)I(yè)知識和創(chuàng)造性商業(yè)模式都至關(guān)重要的地方：通用的 LLM（Large Language Models）如 ChatGPT 遠未能夠處理復(fù)雜的金融任務(wù)，因此具有金融背景的創(chuàng)始人具有優(yōu)勢。

Hebbia、Sixfold、Hyperexponential 和 Portrait Analytics等人工智能初創(chuàng)公司取得了一些令人興奮進展的。大型金融機構(gòu)正在利用 Hebbia 來簡化盡職調(diào)查并了解復(fù)雜的數(shù)據(jù)。Portrait Analytics 正在打造一個可以訪問實時市場數(shù)據(jù)的對話式財務(wù)分析師。在保險領(lǐng)域，像 Hyperexponential 和 Sixfold 這樣的新創(chuàng)企業(yè)正在利用復(fù)雜數(shù)據(jù)創(chuàng)建復(fù)雜的保險定價模型并自動化核保工作流程。

3. 醫(yī)療

大型語言模型處理非結(jié)構(gòu)化數(shù)據(jù)的能力可能對臨床和管理方面都產(chǎn)生深遠影響。大型語言模型可以改善診斷或決策模型，可以催生自動化保險理賠的平臺，并且可以更好地管理醫(yī)療保健數(shù)據(jù)。作者將按成熟度順序概述 3 個醫(yī)療保健人工智能用例：轉(zhuǎn)錄和文檔、提前授權(quán)和臨床推理模型。

第一個明確的用例 —— 轉(zhuǎn)錄和文檔。雖然多年來已經(jīng)有過幾次嘗試，但贏家尚未產(chǎn)生，這歸因于轉(zhuǎn)錄工具的商品化特性以及需要人類閱讀、解釋和編碼結(jié)果的必要性。現(xiàn)在，基于 LLM 的應(yīng)用可以通過應(yīng)用類似人類判斷的方式，指數(shù)級地改進過去幾代 AI 記錄工具，這對于解鎖將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)以輸入電子病歷、識別醫(yī)學(xué)代碼和參考過去交互的高價值用例至關(guān)重要。

在這個類別中有一些AI原生的新進入者，如 Ambience、Abridge 和 DeepScribe，它們捕捉實時的臨床醫(yī)生患者對話，以及 Greylock 投資組合的 Notable Health，該公司實現(xiàn)了規(guī)?；幕颊呓哟?，處理注冊、排班和授權(quán)。然而，在這一層的創(chuàng)始人應(yīng)該意識到，這個領(lǐng)域正在變得越來越飽和。為了真正擁有這一層，LLM 應(yīng)用程序必須被設(shè)計成一個平臺，產(chǎn)生足夠有價值的數(shù)據(jù)，以充當(dāng)不同數(shù)據(jù)流之間的黏合劑。這種智能系統(tǒng)可以在傳統(tǒng)的 EMR/EHR 領(lǐng)域上取得巨大的改進。

在美國，醫(yī)生與保險公司之間有一項繁瑣的工作流程，以確?；颊叩姆?wù)、治療或藥物可以由保險公司計劃承擔(dān)。使用 LLM 自動化授權(quán)聲明是一種行政效率的提高，使醫(yī)生有更多時間為更多患者提供治療。

在支付方面，先前的授權(quán)歷來一直是外包給以手動人工勞動為解決方案的供應(yīng)商。在支付方面自動化申請不僅比供應(yīng)商解決方案更具成本效益，而且還是一項更具戰(zhàn)略性的技術(shù)資產(chǎn)，可以在規(guī)模上評估不利模式，并處理復(fù)雜的反對索賠和反駁。我們正在關(guān)注許多致力于這一機會的初創(chuàng)公司，如 Latent、Develop、Silna 和 Co:Helm。

最后一個用例仍在最初期，但可能最具變革性：能夠進行臨床推理的醫(yī)學(xué) LLM—— 一個能夠進行診斷并提供醫(yī)學(xué)指導(dǎo)的模型。谷歌的 Med-PaLM 2 能夠回答復(fù)雜的醫(yī)學(xué)問題，甚至通過了醫(yī)學(xué)認(rèn)證考試。構(gòu)建一個醫(yī)學(xué) LLM 需要大量的時間和資源來實現(xiàn)。在這個新興而充滿活力的領(lǐng)域，作者已經(jīng)看到了一些有希望的努力，包括 Hippocratic、Truveta 和 Glass Health等。

我們正處在一個令人難以置信的創(chuàng)新時期的早期階段。Greylock 相信，垂直專業(yè)化和面向特定領(lǐng)域的人工智能是應(yīng)用層人工智能的一個里程碑。可能這就是超級愛對齊的意義。

參考材料：

https://greylock.com/greymatter/vertical-ai/