สตาร์ทอัพด้าน AI เปลี่ยนมาใช้โมเดลโอเพ่นซอร์สเพื่อลดต้นทุน

เกิดอะไรขึ้น

สตาร์ทอัพแอปพลิเคชัน AI กำลังใช้โมเดลแบบเปิดมากขึ้นเพื่อลดต้นทุน API ที่เพิ่มขึ้นจาก OpenAI และ Anthropic Harvey ซึ่งเป็นยูนิคอร์นด้าน AI ที่ถูกกฎหมาย มีอัตรากำไรขั้นต้นลดลงเหลือ -50% ในเดือนมิถุนายน เนื่องจากมีการใช้ GPT-4 ของ OpenAI ในปริมาณมาก เพื่อเป็นการตอบสนอง Harvey จึงได้เปิดตัวโมเดลที่เป็นเจ้าของเองซึ่งได้รับการสนับสนุนโดย Kimi K3 ของ Moonshot AI ซึ่งช่วยให้ได้อัตรากำไรที่เป็นบวกกลับคืนมา บริษัทอื่นๆ เช่น Abridge, Decagon และ Ramp ก็กำลังพัฒนาหรือปรับแต่งโมเดลของตนเอง โดยบางแห่งย้ายปริมาณการรับส่งข้อมูลมากถึง 80% ไปยังระบบที่เป็นเจ้าของเอง การเปลี่ยนแปลงนี้ได้รับแรงหนุนจากกลยุทธ์การกำหนดราคาเชิงรุกจากผู้ให้บริการโมเดลและการปรับปรุงประสิทธิภาพของทางเลือกโอเพ่นซอร์ส

Harvey ซึ่งเป็นสตาร์ทอัพด้าน AI ที่ถูกกฎหมายซึ่งมีมูลค่า 15.6 พันล้านดอลลาร์ ประสบกับอัตรากำไรขั้นต้นลดลงอย่างมากจาก 50% เป็น -50% ในเดือนมิถุนายน เนื่องจากต้นทุน API สูงจาก GPT-4 ของ OpenAI เพื่อแก้ไขปัญหานี้ Harvey จึงเปิดตัวโมเดลที่เป็นเจ้าของเองในเดือนสิงหาคม โดยได้รับการสนับสนุนจาก Kimi K3 ของ Moonshot AI ซึ่งนำเสนอประสิทธิภาพที่ใกล้เคียงกับผลิตภัณฑ์ที่ดีที่สุดของ Anthropic ด้วยต้นทุนเพียงเล็กน้อย ซึ่งช่วยคืนอัตรากำไรที่เป็นบวก

แนวโน้มดังกล่าวกำลังแพร่กระจายไปในหลายอุตสาหกรรม Abridge กำลังสร้างแบบจำลองพื้นฐานสำหรับสถานการณ์ทางคลินิกโดยใช้โมเดลโอเพ่นซอร์สของ NVIDIA ในขณะที่ Decagon ประมวลผลคำขอค้นหา 80% ด้วยโมเดลที่ตนเองเป็นเจ้าของ ในฟินเทค Ramp และ Rogo กำลังสำรวจการฝึกอบรมด้วยตนเอง และในเครื่องมือการเขียนโปรแกรม Cursor และ Cognition ได้เปิดตัวโมเดลที่ปรับแต่งเอง

OpenAI และ Anthropic ได้เปลี่ยนไปเรียกเก็บเงินจากผู้ใช้ระดับองค์กรเพิ่มเติมสำหรับการใช้งานโมเดล ซึ่งเป็นการลงโทษรูปแบบ 'token-maximizing' ในปริมาณมาก นอกจากนี้ ทั้งสองบริษัทกำลังสรรหาผู้มีความสามารถในเส้นทางหลักของสตาร์ทอัพและเปิดตัวปลั๊กอินเฉพาะอุตสาหกรรม ทำให้เกิดการแข่งขันโดยตรงกับลูกค้า ความเสี่ยงของการระงับการเข้าถึง ดังที่เห็นใน Cursor หลังจากที่ SpaceX เข้าซื้อกิจการ ยังกระตุ้นให้สตาร์ทอัพแสวงหาความเป็นอิสระของโมเดลอีกด้วย

แม้จะมีการเปลี่ยนแปลงดังกล่าว แต่บริษัทสตาร์ทอัพส่วนใหญ่ก็ไม่คาดหวังว่าจะละทิ้ง OpenAI และ Anthropic โดยสิ้นเชิง Harvey ยังคงอาศัย Claude Opus ของ Anthropic สำหรับงานที่ซับซ้อน ซึ่งบ่งบอกถึงกลยุทธ์การใช้งานแบบผสมผสาน ความท้าทายยังคงมีอยู่ รวมถึงต้นทุนผู้มีความสามารถสูงสำหรับวิศวกรที่ได้รับการปรับแต่ง ความต้องการข้อมูลที่เป็นกรรมสิทธิ์ และค่าใช้จ่ายด้านโครงสร้างพื้นฐานที่สำคัญสำหรับการจัดการแบบจำลองแบบเปิด

รายละเอียดที่มา: eu.36kr.com ↗

ทำไมมันถึงสำคัญ

แนวโน้มนี้ส่งสัญญาณถึงการเปลี่ยนแปลงเชิงโครงสร้างในการเปลี่ยนแปลงต้นทุนของอุตสาหกรรม AI เนื่องจากบริษัทในชั้นแอปพลิเคชันพยายามลดการพึ่งพา API ที่เป็นกรรมสิทธิ์ซึ่งมีราคาแพง สำหรับ OpenAI และ Anthropic ซึ่งกำลังเตรียมการเสนอขายหุ้น IPO การไหลออกของลูกค้าองค์กรไปยังโมเดล open-weight อาจกัดกร่อนแหล่งรายได้หลักของพวกเขา ความเคลื่อนไหวดังกล่าวยังเน้นย้ำถึงความเป็นไปได้ที่เพิ่มขึ้นของโมเดลโอเพ่นซอร์สซึ่งเป็นทางเลือกที่คุ้มค่า ซึ่งอาจกำหนดรูปแบบการแข่งขันใหม่ และบังคับให้ผู้ให้บริการโมเดลปรับราคาและกลยุทธ์ทางธุรกิจเพื่อรักษาลูกค้าระดับองค์กร

การนำโมเดลน้ำหนักเปิดมาใช้โดยสตาร์ทอัพ AI รายใหญ่ ถือเป็นมาตรการประหยัดต้นทุนที่สำคัญ ซึ่งสามารถเปลี่ยนแปลงไดนามิกของรายได้สำหรับ OpenAI และ Anthropic โดยเฉพาะอย่างยิ่งในขณะที่พวกเขากำลังเตรียมการเสนอขายหุ้น IPO การเปลี่ยนแปลงนี้อาจบังคับให้ผู้ให้บริการโมเดลต้องพิจารณากลยุทธ์การกำหนดราคาและข้อเสนอขององค์กรใหม่เพื่อรักษาความภักดีของลูกค้า

การปรับปรุงประสิทธิภาพของโมเดลโอเพ่นซอร์ส เช่น Kimi K3 ของ Moonshot AI ทำให้เป็นทางเลือกที่ใช้งานได้แทน API ที่เป็นกรรมสิทธิ์สำหรับกรณีการใช้งานจำนวนมาก การพัฒนานี้สามารถเร่งให้เกิดความเป็นประชาธิปไตยในความสามารถของ AI และลดอุปสรรคในการเข้าสู่แอปพลิเคชัน AI ใหม่ โดยส่งเสริมนวัตกรรมในภาคส่วนต่างๆ เช่น กฎหมาย การดูแลสุขภาพ และการเงิน

แนวโน้มดังกล่าวยังเน้นย้ำถึงความสำคัญที่เพิ่มขึ้นของข้อมูลและโครงสร้างพื้นฐานในการพัฒนา AI สตาร์ทอัพจะต้องลงทุนในข้อมูลที่เป็นกรรมสิทธิ์และทรัพยากรการประมวลผลเพื่อฝึกฝนโมเดลที่มีประสิทธิภาพ ซึ่งสามารถสร้างโอกาสใหม่ๆ ให้กับผู้ให้บริการข้อมูลและบริษัทโครงสร้างพื้นฐานคลาวด์ ในขณะเดียวกันก็สร้างความท้าทายให้กับบริษัทขนาดเล็กที่มีทรัพยากรจำกัด

จะดูอะไรต่อไป.

ตรวจสอบประสิทธิภาพทางการเงินของ OpenAI และ Anthropic ในขณะที่เข้าใกล้การเสนอขายหุ้น IPO โดยเฉพาะการเปลี่ยนแปลงราคา API หรือกลยุทธ์การรักษาลูกค้าองค์กร ติดตามอัตราการนำโมเดล Open-weight ไปใช้ในกลุ่มสตาร์ทอัพแอปพลิเคชัน AI รายใหญ่ และการพัฒนาโมเดลใหม่ที่เป็นเจ้าของในภาคส่วนต่างๆ เช่น การดูแลสุขภาพ การเงิน และบริการด้านกฎหมาย นอกจากนี้ ให้สังเกตผลกระทบของต้นทุนผู้มีความสามารถและโครงสร้างพื้นฐานที่มีต่อความเป็นไปได้ของโมเดลการฝึกอบรมด้วยตนเองสำหรับสตาร์ทอัพขนาดเล็ก

ติดตามการเปลี่ยนแปลงใดๆ ในราคา API ของ OpenAI และ Anthropic หรือสัญญาระดับองค์กร เพื่อตอบสนองการนำโมเดล Open Weight มาใช้เพิ่มมากขึ้น ความสามารถของพวกเขาในการรักษาลูกค้าระดับองค์กรจะมีความสำคัญต่อการประเมินมูลค่า IPO และความยั่งยืนในระยะยาว

ติดตามประสิทธิภาพและการนำโมเดลที่ตนเองเป็นเจ้าของใหม่ๆ มาใช้จากสตาร์ทอัพอย่าง Harvey, Abridge และ Decagon ความสำเร็จในด้านเหล่านี้สามารถตรวจสอบแนวทางโอเพ่นซอร์สและส่งเสริมการโยกย้ายเพิ่มเติมจาก API ที่เป็นกรรมสิทธิ์

สังเกตผลกระทบของต้นทุนด้านความสามารถและโครงสร้างพื้นฐานที่มีต่อความเป็นไปได้ของโมเดลการฝึกอบรมด้วยตนเอง หากอุปสรรคเหล่านี้ยังคงมีอยู่ในระดับสูง สตาร์ทอัพขนาดเล็กอาจยังคงพึ่งพาโมเดลโอเพ่นซอร์สและโอเพ่นซอร์สผสมกัน ในขณะที่บริษัทขนาดใหญ่อาจมุ่งมั่นเต็มที่กับโซลูชันที่ตนเองเป็นเจ้าของ

คำแนะนำและแบบทดสอบที่เกี่ยวข้อง