Τι έγινε
Οι startups εφαρμογών AI υιοθετούν ολοένα και περισσότερο μοντέλα ανοιχτού βάρους για να μετριάσουν το αυξανόμενο κόστος API από τα OpenAI και Anthropic. Ο Harvey, ένας νόμιμος μονόκερος τεχνητής νοημοσύνης, είδε το μεικτό του περιθώριο να μειώνεται στο -50% τον Ιούνιο λόγω της υψηλής χρήσης του GPT-4 του OpenAI. Σε απάντηση, ο Harvey κυκλοφόρησε ένα ιδιόκτητο μοντέλο που υποστηρίζεται από το Kimi K3 της Moonshot AI, το οποίο αποκατέστησε τα θετικά περιθώρια. Άλλες εταιρείες, συμπεριλαμβανομένων των Abridge, Decagon και Ramp, αναπτύσσουν επίσης ή προσαρμόζουν τα δικά τους μοντέλα, με ορισμένες να μεταφέρουν έως και το 80% της επισκεψιμότητας σε ιδιόκτητα συστήματα. Αυτή η αλλαγή καθοδηγείται από επιθετικές στρατηγικές τιμολόγησης από παρόχους μοντέλων και τη βελτίωση της απόδοσης των εναλλακτικών λύσεων ανοιχτού κώδικα.
Η Harvey, μια νόμιμη startup τεχνητής νοημοσύνης αξίας 15,6 δισεκατομμυρίων δολαρίων, παρουσίασε σημαντική πτώση στο μικτό περιθώριο κέρδους από 50% σε -50% τον Ιούνιο λόγω του υψηλού κόστους API από το GPT-4 του OpenAI. Για να αντιμετωπιστεί αυτό, ο Harvey κυκλοφόρησε ένα ιδιόκτητο μοντέλο τον Αύγουστο, το οποίο υποστηρίζεται από το Kimi K3 της Moonshot AI, το οποίο προσφέρει απόδοση κοντά στα καλύτερα προϊόντα της Anthropic σε ένα κλάσμα του κόστους, αποκαθιστώντας τα θετικά περιθώρια.
Η τάση εξαπλώνεται σε πολλούς κλάδους. Η Abridge χτίζει ένα θεμελιώδες μοντέλο για κλινικά σενάρια χρησιμοποιώντας το μοντέλο ανοιχτού κώδικα του NVIDIA, ενώ το Decagon επεξεργάζεται το 80% των αιτημάτων ερωτημάτων του με το δικό του μοντέλο. Στο fintech, η Ramp και η Rogo εξερευνούν την αυτοεκπαίδευση και στα εργαλεία προγραμματισμού, η Cursor και η Cognition έχουν κυκλοφορήσει προσαρμοσμένα μοντέλα.
Τα OpenAI και Anthropic έχουν στραφεί στο να χρεώνουν επιπλέον τους εταιρικούς χρήστες για τη χρήση του μοντέλου, τιμωρώντας τα μοτίβα «μεγιστοποίησης διακριτικών» μεγάλου όγκου. Επιπλέον, και οι δύο εταιρείες στρατολογούν ταλέντα σε βασικά κομμάτια startup και λανσάρουν πρόσθετα ειδικά για τον κλάδο, δημιουργώντας άμεσο ανταγωνισμό με τους πελάτες τους. Ο κίνδυνος αναστολής πρόσβασης, όπως φαίνεται με το Cursor μετά την εξαγορά του από τη SpaceX, ωθεί περαιτέρω τις νεοφυείς επιχειρήσεις να αναζητήσουν ανεξαρτησία μοντέλου.
Παρά τη μετατόπιση, οι περισσότερες startups δεν αναμένουν να εγκαταλείψουν πλήρως τα OpenAI και Anthropic. Ο Harvey εξακολουθεί να βασίζεται στο Claude Opus του Anthropic για πολύπλοκες εργασίες, υποδεικνύοντας μια μικτή στρατηγική χρήσης. Παραμένουν οι προκλήσεις, συμπεριλαμβανομένου του υψηλού κόστους ταλέντων για μηχανικούς τελειοποίησης, της ανάγκης για ιδιόκτητα δεδομένα και σημαντικών δαπανών υποδομής για τη διαχείριση μοντέλων ανοιχτού βάρους.
Γιατί έχει σημασία
Αυτή η τάση σηματοδοτεί μια δομική αλλαγή στη δυναμική κόστους του κλάδου της τεχνητής νοημοσύνης, καθώς οι εταιρείες επιπέδου εφαρμογών επιδιώκουν να μειώσουν την εξάρτηση από ακριβά ιδιόκτητα API. Για τις OpenAI και Anthropic, οι οποίες προετοιμάζονται για IPO, η εκροή εταιρικών πελατών σε μοντέλα ανοιχτού βάρους θα μπορούσε να διαβρώσει τις κύριες ροές εσόδων τους. Η κίνηση υπογραμμίζει επίσης την αυξανόμενη βιωσιμότητα των μοντέλων ανοιχτού κώδικα ως μια οικονομικά αποδοτική εναλλακτική, δυνητικά αναδιαμορφώνοντας το ανταγωνιστικό τοπίο και αναγκάζοντας τους παρόχους μοντέλων να προσαρμόσουν τις τιμές και τις επιχειρηματικές τους στρατηγικές για να διατηρήσουν τους εταιρικούς πελάτες.
Η υιοθέτηση μοντέλων ανοιχτού βάρους από μεγάλες νεοφυείς επιχειρήσεις τεχνητής νοημοσύνης αντιπροσωπεύει ένα σημαντικό μέτρο εξοικονόμησης κόστους που θα μπορούσε να αλλάξει τη δυναμική των εσόδων για τις OpenAI και Anthropic, ειδικά καθώς προετοιμάζονται για IPO. Αυτή η αλλαγή μπορεί να αναγκάσει τους παρόχους μοντέλων να επανεξετάσουν τις στρατηγικές τιμολόγησης και τις επιχειρηματικές προσφορές τους για να διατηρήσουν την αφοσίωση των πελατών.
Η βελτιωμένη απόδοση των μοντέλων ανοιχτού κώδικα, όπως το Kimi K3 της Moonshot AI, τα καθιστά βιώσιμη εναλλακτική λύση στα ιδιόκτητα API για πολλές περιπτώσεις χρήσης. Αυτή η εξέλιξη θα μπορούσε να επιταχύνει τον εκδημοκρατισμό των δυνατοτήτων τεχνητής νοημοσύνης και να μειώσει το εμπόδιο στην είσοδο νέων εφαρμογών τεχνητής νοημοσύνης, ενισχύοντας την καινοτομία σε τομείς όπως η νομική, η υγειονομική περίθαλψη και η χρηματοδότηση.
Η τάση υπογραμμίζει επίσης την αυξανόμενη σημασία των δεδομένων και της υποδομής στην ανάπτυξη της τεχνητής νοημοσύνης. Οι νεοφυείς επιχειρήσεις πρέπει να επενδύσουν σε ιδιόκτητα δεδομένα και υπολογιστικούς πόρους για να εκπαιδεύσουν αποτελεσματικά μοντέλα, τα οποία θα μπορούσαν να δημιουργήσουν νέες ευκαιρίες για τους παρόχους δεδομένων και τις εταιρείες υποδομής cloud, ενώ θέτουν προκλήσεις για μικρότερες εταιρείες με περιορισμένους πόρους.
Διαδραστικός Μηχανισμός: Πώς λειτουργεί στην πραγματικότητα
Εξερευνήστε την υποκείμενη τεχνολογία πίσω από αυτήν την εξέλιξη διαδραστικά.
In AI, what are a model's "parameters"?
Τι να παρακολουθήσετε στη συνέχεια
Παρακολουθήστε την οικονομική απόδοση των OpenAI και Anthropic καθώς πλησιάζουν τις IPO τους, ιδιαίτερα τυχόν αλλαγές στην τιμολόγηση API ή στις στρατηγικές διατήρησης της επιχείρησης. Παρακολουθήστε τα ποσοστά υιοθέτησης μοντέλων ανοιχτού βάρους μεταξύ μεγάλων startup εφαρμογών τεχνητής νοημοσύνης και την ανάπτυξη νέων ιδιόκτητων μοντέλων σε τομείς όπως η υγειονομική περίθαλψη, τα οικονομικά και οι νομικές υπηρεσίες. Επίσης, παρατηρήστε τον αντίκτυπο του κόστους ταλέντων και υποδομής στη σκοπιμότητα μοντέλων αυτοεκπαίδευσης για μικρότερες νεοσύστατες επιχειρήσεις.
Παρακολουθήστε τυχόν αλλαγές στην τιμολόγηση API του OpenAI και στις εταιρικές συμβάσεις του Anthropic ως απάντηση στην αυξανόμενη υιοθέτηση μοντέλων ανοιχτού βάρους. Η ικανότητά τους να διατηρούν εταιρικούς πελάτες θα είναι ζωτικής σημασίας για τις αποτιμήσεις IPO και τη μακροπρόθεσμη βιωσιμότητα.
Παρακολουθήστε την απόδοση και την υιοθέτηση νέων ιδιόκτητων μοντέλων από νεοφυείς επιχειρήσεις όπως οι Harvey, Abridge και Decagon. Η επιτυχία σε αυτούς τους τομείς θα μπορούσε να επικυρώσει την προσέγγιση ανοιχτού κώδικα και να ενθαρρύνει περαιτέρω μετανάστευση μακριά από ιδιόκτητα API.
Παρατηρήστε τον αντίκτυπο του κόστους ταλέντων και υποδομής στη σκοπιμότητα μοντέλων αυτοεκπαίδευσης. Εάν αυτά τα εμπόδια παραμείνουν υψηλά, οι μικρότερες νεοσύστατες επιχειρήσεις μπορεί να συνεχίσουν να βασίζονται σε ένα συνδυασμό μοντέλων ανοιχτού και κλειστού κώδικα, ενώ οι μεγαλύτερες εταιρείες μπορεί να δεσμευτούν πλήρως για ιδιοκτήτες λύσεις.