Lai peut être compilé rapports Qubit | Numéro public QbitAI

étage technologie AI rencontrera des difficultés? Faible marge, difficile d'avoir une solution commune, mais aussi difficile à former des barrières techniques.

top firme VC Silicon Valley dans l'article, l'analyse de ces défis, un par un nouveau. Et sur la base de l'expérience acquise, nous offrons des conseils.

Cet article provient de A16Z, il a fait usage de l'investissement dans Instagram, Twitter et Skype et d'autres entreprises, parmi les firmes de capital-risque de la Silicon Valley. 2019, il a été annoncé que la transition à l'investissement cabinet de conseil, et sera l'un des cinq directions de sa préoccupation constante dans le domaine de l'intelligence artificielle.

Cet article apparaît, l'IA est essentiellement un nouveau type d'entreprise. Voici le qubit comme le contenu principal de votre compilation:

Le nouveau type d'entreprise: Software + service = AI?

Parce convaincu que l'IA peut conduire la transformation des entreprises, A16Z continuera d'appliquer aux entreprises d'Amnesty International et Amnesty International investissent massivement dans les infrastructures. Cependant, dans de nombreux cas, l'IA est la structure économique et des logiciels d'entreprise tout simplement pas la même chose. Même il ressemble plus à une des sociétés de services traditionnelles.

industrie de l'IA un peu comme une combinaison de secteurs de l'industrie des logiciels traditionnels et de services. applications AI à la fois comme un logiciel ordinaire peuvent être vendus à plusieurs reprises, mais chaque fois qu'il a besoin d'un grand nombre de professionnels de fournir des services. Par conséquent, la création d'un nouveau type d'entreprise sur l'essence de l'IA.

Défi: difficile de calculer la force et de réduire les coûts de main-d'uvre

AI dans les données financières de l'entreprise, A16Z a remarqué un modèle étonnamment cohérent: La marge brute est généralement 50-60%. Bien au-dessous de l'entreprise SaaS pour plus de 60-80% de marge brute.

Au début des capitaux privés peut dissimuler ces situations inefficaces à court terme. Cependant, l'optimisation à long terme du produit sur le marché ou l'opportunité de résoudre complètement le problème? Il est pas encore clair.

Dans l'ensemble, AI a des marges brutes inférieures pour deux raisons:

1, les coûts énormes d'infrastructure

25% des entreprises AI de revenus dépensent souvent des ressources sur le nuage.

modèle AI sur une des centaines de formation de milliers de dollars, voire plus des ressources informatiques peut être nécessaire. Et parce que les données d'alimentation modèle AI va changer au fil du temps (c.-à-dérive de données), il entraînera des coûts de recyclage continue.

inférence modèle est plus complexe informatiquement. AI impliquent souvent une autre image, des données audio ou vidéo, les ressources en mémoire et nécessitent des coûts de traitement plus élevés.

Pour certaines entreprises, le modèle AI doit être transféré entre les régions de nuages, opération cloud computing est plus complexe et coûteux.

Dans de nombreux domaines, il est doublement nécessaire du traitement et des données pour assurer une meilleure précision. Par conséquent, la complexité du modèle de croissance rapide, il est peu probable de maintenir avec le processeur. L'informatique distribuée peut résoudre le problème de la vitesse, mais ne peut pas résoudre le problème des coûts.

2, afin d'obtenir une précision élevée, le cycle de traitement ne peut être séparé artificielle

modèles de formation les plus avancés AI doivent nettoyage manuellement et marquer de grands ensembles de données. Ce processus est main-d'uvre, et coûteux, il est devenu l'un des plus grands obstacles à l'adoption généralisée de la grippe aviaire.

Après modèle de déploiement, afin de maintenir la précision, le besoin de continuer à capturer, marquer les nouvelles données de formation, et il se nourrit dans le système. De nombreuses entreprises dépensent dans ce processus jusqu'à 10-15% du chiffre d'affaires.

La nécessité d'une plus tâches de raisonnement cognitif exigeant en temps réel artificielle embarqué système AI.

Par exemple, les entreprises de médias sociaux emploient des milliers d'auditeurs artificiels pour améliorer le système de vérification fondé sur AI. Beaucoup système de véhicule autonome dispose d'un opérateur à distance, la plupart des dispositifs médicaux AI pour interagir avec les médecins comme co-décideurs.

Avec l'amélioration de la performance du modèle de l'intelligence artificielle, la nécessité d'une intervention humaine peut être en panne, mais pas complètement éliminé.

En raison indispensable artificielle, les plans de vendre pur produit de nombreuses sociétés de logiciels AI, ont commencé la mise en place des services internes et les estimations de coûts.

Défi: difficile d'avoir une solution commune

Pour les entreprises d'Amnesty International, nous savons quand trouver des produits pour le marché est plus difficile que l'industrie du logiciel traditionnel. souvent, les entreprises de démarrage passent plus de temps et de ressources que prévu pour déployer le produit.

Les clients peuvent mettre toute entrée modèle AI, par conséquent, lorsque le déploiement de chaque nouveau client, peut-être besoin de nouvelles données.

Même l'apparition de clients similaires - par exemple, les deux constructeurs automobiles font la détection des défauts - peut nécessiter sensiblement différentes à partir des données de formation.

L'un des fondateurs appellent ces produits AI « Le temps coûte » . Son entreprise dans chaque nouveau client participera au début de la collecte de données spécialisées et d'affiner le modèle. Les entreprises voient la distribution des données des clients, ce qui élimine certains cas extrêmes de avant le déploiement.

Cela apportera également un nouveau coûts humains et financiers: l'équipe de l'entreprise et les ressources financières sont liées ensemble jusqu'à ce que la précision du modèle est acceptable.

Stage de temps est généralement inconnue . Parce que, si dure, ont souvent peu de formation le choix peut générer des données plus rapidement.

Non seulement fastidieux processus de déploiement du produit, il disparaîtra pas nécessairement au fil du temps.

identifier proactivement la demande est très difficile, parce que le modèle AI à considérer les cas de limites, des outils de prototypage traditionnels (par exemple les modèles, prototypes ou Beta) ont tendance à couvrir uniquement le chemin le plus commun.

Trois défis: les différences techniques entre difficiles à atteindre

Une technologie supérieure peut apporter différenciée avantage concurrentiel à l'entreprise. Mais il est plus difficile d'atteindre la société AI.

La nouvelle architecture du modèle, principalement dans le développement de l'environnement scolaire ouvert, peuvent être obtenus à partir du modèle de pré-formation de base de données open source, optimise automatiquement les paramètres du modèle. Les données sont le système AI de base, mais entre les mains du client, ou dans le domaine public, ou au fil du temps devient une marchandise.

Alors que le marché arrive à maturité, diminuer progressivement la valeur des données, les effets de réseau sont relativement faibles. Comme le modèle arrive à maturité, le coût de chaque nouveau bord pour résoudre les cas augmentent, mais moins en moins de la valeur fournie.

Cela ne signifie pas nécessairement des produits à faible défense AI que des produits logiciels purs. Toutefois, les entreprises d'Amnesty International, l'avantage concurrentiel semble être devrait être inférieur à beaucoup de gens.

Recommandations au fondateur de la grippe aviaire

AI Intelligence artificielle société pour le succès à long terme, nous devons profiter des services et des logiciels. A16Z donne les recommandations suivantes:

L'élimination de la complexité du modèle

A16Z a noté que chaque client entre un start-up de modèle unique de formation, et partagent un modèle unifié entre tous les start-up des clients, il y a une énorme différence dans le coût des marchandises vendues.

stratégie de « modèle unique » est plus facile à maintenir , Le temps plus rapide aux nouveaux clients et à soutenir l'organisation d'ingénierie plus simple et plus efficace.

Une clé est que, avant l'accord, dans la mesure du possible de comprendre le client et les données du client et plus encore. Parfois, un nouveau client apportera un énorme fardeau pour le projet ML, dans la plupart des cas, impliquant seulement quelques modèle unique ou réglage fin.

Pesez la santé économique à long terme et la croissance est l'un des plus importants travaux récents des visages fondateurs d'Amnesty International.

les problèmes de sélection étroites, de réduire la complexité des données

L'automatisation du travail manuel est très difficile. CRM dans le domaine des entreprises d'Amnesty International ont trouvé, sur la base des enregistrements mis à jour, vous pouvez trouver des zones précieuses de l'IA.

La participation à grande échelle, à faible complexité de la tâche. Audit par exemple, entrée de données / codage, des problèmes de transcription, difficile à mettre en uvre humaine, et AI est relativement facile.

Se concentrer sur ces domaines, nous pouvons simplifier le processus de développement du flux de données.

Prévues des coûts élevés de variables

En tant que fondateur, il devrait fournir le cadre fiable et intuitif pour le modèle d'affaires de la pensée. A16Z recommandé, en tenant compte de la marge brute plus faible, la mise en place de modèles d'affaires et de la stratégie de GTM.

Il y a quelques suggestions du fondateur: une compréhension profonde du modèle de distribution de données, le maintien du modèle et du personnel de basculement considéré comme la question la plus importante, et à mesurer les coûts variables réelles, ne laissez pas les cacher dans la R & D, ne modèle financier conservateur l'unité d'hypothèses économiques, en particulier lors de la collecte de fonds, ne pas attendre l'échelle ou le progrès technologique externe pour résoudre le problème.

Les changements dans la pile technologique prévue

Les applications étroitement couplées à des travaux en cours peuvent entraîner un désavantage sur l'architecture à l'avenir.

AI moderne est encore à ses débuts. Au cours des prochaines années, il peut y avoir un outil largement utilisé pour automatiser la formation de modèle, d'améliorer l'efficacité raisonnement, flux de travail des développeurs de normalisation, et les modèles AI pour surveiller et protéger la production. Cloud computing comme un problème de coût, de plus en plus d'attention.

Embrassez service

Cela peut vouloir dire fournir pile complète plutôt que des services de traduction de logiciels de traduction, des services de taxi plutôt que la vente de véhicules autonomes.

La création d'une entreprise mixte plus dur que le logiciel pur Mais cette méthode peut donner un aperçu en profondeur les besoins des clients et de produire des entreprises de marché définies. Les services peuvent aussi être un début de sociétés de moteur pour entrer sur le marché, en particulier dans les ventes complexes et / ou de nouvelles technologies.

La clé est d'utiliser un moyen solide pour poursuivre une stratégie, plutôt que soutenir à la fois le logiciel et le service à la clientèle.

Mettre en place la défense avec l'ancienne, de consolider sa position sur le marché

Bien qu'il ne soit pas clair si le modèle AI lui-même ou les données sous-jacentes peuvent fournir une force de défense, mais bon produit et données exclusives Presque toujours établir une bonne affaire.

Amnesty International fournit une nouvelle perspective pour résoudre le vieux problème du fondateur. Par exemple, la technologie AI grâce à une meilleure performance, ce qui entraîne une nouvelle valeur dans le marché de la détection des logiciels malveillants relativement burnout.

Opportunités dans les premières caractéristiques du produit unique, la viscosité du produit et des entreprises durables de construction est éternelle.

A16Z ont également constaté qu'il ya plusieurs société AI pour consolider sa position sur le marché grâce à une stratégie de cloud efficace, ce qui est similaire à la dernière entreprise génération open source.

Résumé: AI Contrairement aux services traditionnels de logiciels

AI est pas exactement comme l'entreprise de logiciels d'entreprise d'aujourd'hui. Ils impliquent un soutien continu et d'importants coûts variables humaines. Il est généralement pas aussi facile que les gens pensent expansion.

Avec un avantage fort pour maîtriser la technologie ne peut pas atteindre le naturel, pour « une vente de fabrication / multiple » modèle de logiciels critiques.

D'une certaine manière, ces caractéristiques font de l'AI en tant que services. En d'autres termes, vous pouvez changer les sociétés de services, mais ne peut pas remplacer complètement le service.

et Les coûts variables , échelle dynamique et Les capacités de défense Et en fin de compte sera décidée par le marché, plutôt que d'une seule entreprise. Maintenant, nous voyons des données d'entreprise montrant le mode familier, le fait que, AI est vraiment de nouvelles choses.

Lien original: https://a16z.com/2020/02/16/the-new-business-of-ai-and-how-its-different-from-traditional-software/

- FIN -

Qubit QbitAI · titres sur contrat

Suivez-nous, la première fois informé l'avant-garde des développements scientifiques et technologiques