Какво стана
Стартиращите AI приложения все повече приемат отворени модели, за да смекчат нарастващите разходи за API от OpenAI и Anthropic. Harvey, легален AI еднорог, отбеляза спад на брутния си марж до -50% през юни поради високото използване на GPT-4 на OpenAI. В отговор Harvey пусна собствен модел, поддържан от Kimi K3 на Moonshot AI, който възстанови положителните маржове. Други компании, включително Abridge, Decagon и Ramp, също разработват или персонализират свои собствени модели, като някои мигрират до 80% от трафика към собствени системи. Тази промяна се движи от агресивните ценови стратегии от доставчиците на модели и подобряващата се производителност на алтернативите с отворен код.
Harvey, легален стартиращ AI, оценен на $15,6 милиарда, претърпя значителен спад в брутния марж от 50% на -50% през юни поради високите разходи за API от GPT-4 на OpenAI. За да се справи с това, Harvey пусна собствен модел през август, подкрепен от Kimi K3 на Moonshot AI, който предлага производителност, близка до най-добрите продукти на Anthropic на малка част от цената, възстановявайки положителните маржове.
Тенденцията се разпространява в множество индустрии. Abridge изгражда основен модел за клинични сценарии, използвайки модела с отворен код на NVIDIA, докато Decagon обработва 80% от своите заявки за заявки със собствения си модел. Във fintech Ramp и Rogo изследват самообучението, а в инструментите за програмиране Cursor и Cognition пуснаха персонализирани модели.
OpenAI и Anthropic се пренасочиха към таксуване на корпоративните потребители допълнително за използване на модела, наказвайки моделите за „максимизиране на токени“ с голям обем. Освен това и двете компании набират таланти в основните направления за стартиране и пускат специфични за индустрията плъгини, създавайки пряка конкуренция с техните клиенти. Рискът от спиране на достъпа, както се наблюдава при Cursor след придобиването му от SpaceX, допълнително стимулира стартиращите компании да търсят независимост на модела.
Въпреки промяната, повечето стартиращи фирми не очакват да се откажат напълно от OpenAI и Anthropic. Харви все още разчита на Claude Opus на Anthropic за сложни задачи, което показва смесена стратегия за използване. Предизвикателствата остават, включително високи разходи за таланти за инженери за фина настройка, необходимостта от собствени данни и значителни инфраструктурни разходи за управление на модели с отворено тегло.
Детайли за източника: eu.36kr.com ↗
Защо има значение
Тази тенденция сигнализира за структурна промяна в динамиката на разходите на AI индустрията, тъй като компаниите от приложния слой се стремят да намалят зависимостта от скъпи собствени API. За OpenAI и Anthropic, които се подготвят за IPO, изтичането на корпоративни клиенти към модели с отворено тегло може да подкопае основните им потоци от приходи. Този ход също така подчертава нарастващата жизнеспособност на моделите с отворен код като рентабилна алтернатива, потенциално прекрояваща конкурентната среда и принуждаваща доставчиците на модели да коригират своите цени и бизнес стратегии, за да задържат корпоративни клиенти.
Приемането на отворени модели от големите стартиращи фирми за изкуствен интелект представлява значителна мярка за спестяване на разходи, която може да промени динамиката на приходите за OpenAI и Anthropic, особено когато се подготвят за IPO. Тази промяна може да принуди доставчиците на модели да преразгледат своите ценови стратегии и корпоративни предложения, за да поддържат лоялността на клиентите.
Подобряването на производителността на моделите с отворен код, като Kimi K3 на Moonshot AI, ги прави жизнеспособна алтернатива на патентованите API за много случаи на употреба. Това развитие може да ускори демократизацията на способностите на ИИ и да намали бариерата за навлизане на нови приложения с ИИ, насърчавайки иновациите в сектори като правни, здравеопазване и финанси.
Тенденцията също така подчертава нарастващото значение на данните и инфраструктурата в развитието на ИИ. Стартъпите трябва да инвестират в собствени данни и изчислителни ресурси, за да обучат ефективни модели, които биха могли да създадат нови възможности за доставчиците на данни и компаниите за облачна инфраструктура, като същевременно поставят предизвикателства за по-малките фирми с ограничени ресурси.
Интерактивен механизъм: как всъщност работи
Разгледайте интерактивно основната технология зад тази разработка.
In AI, what are a model's "parameters"?
Какво да гледате след това
Наблюдавайте финансовото представяне на OpenAI и Anthropic, докато наближават IPO-тата си, особено всички промени в ценообразуването на API или стратегиите за задържане на предприятието. Проследявайте степента на приемане на отворени модели сред големите стартиращи компании за AI приложения и разработването на нови собствени модели в сектори като здравеопазване, финанси и правни услуги. Освен това наблюдавайте въздействието на разходите за талант и инфраструктура върху осъществимостта на моделите за самообучение за по-малки стартиращи компании.
Следете за всякакви промени в ценообразуването на API на OpenAI и Anthropic или корпоративните договори в отговор на нарастващото приемане на модели с отворено тегло. Способността им да задържат корпоративни клиенти ще бъде от решаващо значение за техните IPO оценки и дългосрочна устойчивост.
Наблюдавайте ефективността и приемането на нови собствени модели от стартиращи компании като Harvey, Abridge и Decagon. Успехът в тези области би могъл да утвърди подхода с отворен код и да насърчи по-нататъшна миграция от патентовани API.
Наблюдавайте влиянието на разходите за талант и инфраструктура върху осъществимостта на моделите за самообучение. Ако тези бариери останат високи, по-малките стартиращи фирми може да продължат да разчитат на комбинация от модели с отворен и затворен код, докато по-големите фирми могат изцяло да се ангажират със собствени решения.