原文链接：Startups vs Incumbents in AI

本文作者：Tanay Jaipuria；编译：Cointime Freya

基础模型与人工智能的广泛使用正在重塑商业格局。随着人工智能技术进入到每一个应用程序，关于谁将在初创企业和现有应用程序之间获得价值的讨论已经很多了。所有价值都将归于现有企业？还是初创企业将会获得成功？

在这篇文章中，我将深入探讨现有企业和初创企业在人工智能竞赛中的各自优势，并讨论初创企业可以采取哪些措施来与现有企业进行竞争。

我将探讨：

一、现有企业的优势

1. 分销

现有企业拥有现成的分销渠道，且已经覆盖了数百万客户。这一优势使他们能够将LLM整合到他们的产品中，并立即覆盖到他们的所有用户群，从而使用户群不再迫切寻求其他解决方案。

我们已经看到微软、Adobe、谷歌、Salesforce、Notion和Intercom等公司迅速宣布或在其核心产品中推出生成式人工智能功能，包括设计工具、CRM、笔记、电子邮件、生产力、电子表格、支持工具等等。

那些拥有这些工具的数亿用户中的大多数人，是否会费心寻找基于人工智能的新产品呢？大概率不会。

在软件领域，我们已经多次看到现有企业的分销优势，Microsoft Teams对Slack就是一个典型的例子。

2. 专有数据

ChatGPT与其他模型本身就很有优势，当与来自用户/组织的相关数据配对时，它们就变得更有优势了。

现有企业可以访问大量专有数据，他们可以将这些数据作为模型的上下文，或用于对模型进行微调。这些数据通常是从他们现有的客户群中收集的，这一点使他们比初创企业领先一步。

例如，微软就在其试点公告中讨论他们在其产品中使用“客户日历、电子邮件、聊天、文档、会议和联系人”。

3. 资本

尽管风险基金对这一领域的初创企业更感兴趣，但现有企业通常比初创企业更容易获得资金。

现在，在某些方面，由于LLM更昂贵，且可以相对便宜地用作API，因此应用层不需要太多资金。

但资本总是具有某种程度上的优势，现有企业可以利用资本建立专有合作伙伴关系、雇佣人才或补贴成本。

例如，微软与Open人工智能的合作与投资，使他们在Bing发布之前就可以使用GPT-4，而且他们有能力在Bing或Office copilot等产品发布时承担一些推理成本。

4. 人才

现有企业的优势在于，他们的团队中已经拥有了优秀的工程师、设计师和人工智能研究人员，并且可能会吸引更多人才。然而，这只是目前为止的状态，因为最终必须让这些人才能够自由地发挥才能。

以谷歌为例，虽然谷歌的研究人员在某种程度上是通过他们2017年的论文才开始了整个运动，但将其推向市场的其实是Open人工智能（至少在当时，相对于谷歌而言不是一个现有企业）。

此外，在某些方面，如果你正在构建一个应用程序，考虑到要通过API使用LLM，对人工智能特定人才的需求会下降很多。更多的工作可能是在即时工程、构建工作流程、设计等方面。虽然现有企业拥有这些资源，但与更集中在大型公司的人工智能研究人员相比，他们本身并不是一种垄断的资源。

二、初创企业的优势

1. 专注

许多初创企业认识到LLM是一非常有前景的项目，因此可以专注于充分利用它们并从它们正在处理的用例中获得全部价值。

许多现有企业可能会创建一个新的人工智能团队，并期望他们将Gen人工智能功能添加到核心产品中，但这不一定是需要优先考虑的问题。我们已经看到，一些现有企业确实做到了这一点，但在其他领域，现有企业也许并没有做到，初创企业仅仅通过专注就给获得了机会。

2. 速度

速度是与专注相辅相成的另一个优势。初创企业可以快速行动、进行实验并在需要时进行调整，且无需大型公司可能存在的官僚主义和繁文缛节。

在大型公司，一个想法可能需要经过多个流程，要么被扼杀，要么至少被推迟数月。在一家初创企业，从开发到发布可以在一天的时间内完成。

“假设一位初级管理人员想出了一个新想法，他们想尝试一下。那么他们就必须说服他们的上级领导、上级领导的领导、上级的领导的领导等等。在这个过程中，任何一个‘不’字都可能会扼杀整个想法。”——Jeff Bezos

3. 没有可维护的现有业务

初创企业没有需要维护的现有的业务线或产品，在颠覆性的情况下，这可能是一个优势。他们可以专注于创造新的人工智能产品和服务，而不用担心现有业务会被蚕食。

现有企业可能会面临当前做事方式或核心业务的“负担”，并且有他们需要运营的界限，这在很大程度上会限制他们。

例如谷歌的搜索业务，谷歌可以在搜索中提供LLM，但这可能会损害他们的搜索业务经济（增加每个搜索查询的推理成本），因此除非被迫，否则他们必须以一种潜在的独立方式来这样做。微软（在大多数市场都是龙头企业，但在搜索领域除外）、Perplexity和其他公司则不存在这个问题，因此可以专注于为客户提供最佳体验。

4. 数据集中在公司内部

如上所述，在许多情况下，许多现有企业可以访问在其产品中创建的专有数据。例如，附有销售渠道信息的Salesforce、附有客户支持信息的Intercom/Zendesk等。这些信息将改进LLM的使用。

但对于初创企业来说，还有一个优势就是，公司已经有了一种趋势，将来自所有不同工具的数据集中到数据仓库中。因此，在某些方面，只要初创企业能够销售产品，并作为部署的一部分获得访问仓库的权限，就可以减少一些无法访问的信息。

在拥有组织数据方面，它几乎与现有企业处于平等的地位。事实上，至少在最初阶段，现有企业似乎并没有利用整个数据仓库，而只是利用了他们的内部数据，因此初创企业甚至可能拥有数据优势。

5. 降低声誉风险

初创企业的声誉风险低于现有企业。现有企业不得不担心他们的人工智能会以各种方式出错、损害客户情绪或他们的品牌及声誉。另一方面，初创企业在声誉方面的损失较小，并且可以以承担更多使用人工智能方面的风险（例如，自动化任务、偶尔得到错误的输出等）。

我们在谷歌中看到过这种情况。当Open人工智能推出ChatGPT时，谷歌犹豫了，因为他们有更大的风险和更多的损失，正如谷歌人工智能负责人Jeff Dean在下面的引述所说明的那样：

Dean向员工强调公司有更大的“声誉风险”，并且“比小型初创企业更保守”。

Dean说：“我们绝对希望将这些东西应用到真正的产品中，让语言模型更加突出，而不是隐藏在幕后，这是我们迄今为止一直在使用它们的地方。但是，把这件事做好是非常重要的。”

三、初创企业应该采取哪些措施？

有一句谚语最先由Adam Rampell推广开来，即每家初创企业与现有企业之间的斗争，都归结为初创企业能否在现有企业获得创新之前获得分销。在这场战斗中，现有企业似乎很快就完成了基础创新。那么初创企业能做些什么呢？

为了在人工智能竞赛中与现有企业竞争，初创企业必须专注于他们的优势，并充分利用他们的潜力。以下是初创企业可以使用的策略：

1. 专注于特定的垂直领域/问题

对于许多水平类型的用例，如果人工智能是初创企业寻求提供的唯一差异化因素，那么它很可能会在水平用例上输给现有企业，特别是如果它可以附加到产品上。

初创企业应着眼于特定问题或垂直用例，并为这些问题构建解决方案。现有企业不太可能专门解决这些问题，而是通过重新思考特定问题的工作流程和过程，这样做可能会有更多的创新空间。

2. 利用专有的数据集

初创企业不能仅仅围绕基础模型构建一个简单的包装，这一点至关重要。其中一种方法是利用额外的数据，对此，初创企业有几种选择：

3. 思考人工智能-Native

无论你属于哪个类别，你所在类别的现有企业都可能会在一年内以“显而易见的方式”，在他们的应用程序中使用这些模型。为了从众多企业中脱颖而出，初创公司必须利用他们从零开始的事实，并将其用于自己的利益，然后重新思考在人工智能的支持下，他们正在解决的问题可能是什么样子的。

初创企业应该思考最终状态的工作流程是什么，以及如何迭代地实现这一目标。他们很可能不得不插入到现有的工作流程中，而不是立即完全重新构想，但重要的是要始终考虑到大局。

4. 利用新的需求渠道

一些现有企业也许不愿意开发诸如ChatGPT插件之类的程序，或利用这些潜在的需求形式。作为一家初创企业，要充分利用任何分销优势来发挥自己的优势。如果市场有需求，那么企业就应该构建相关渠道，即使这可能意味着，在某些情况下将会面临无法完全拥有客户的风险。

5. 创新用户界面

使用这些人工智能产品的理想用户界面尚未完全开发。现有企业正在犹豫是否需要重新设计其产品，尤其是早期的产品。但初创公司有更多的选择和可能，因为他们是从零开始的。

无论是使用语音、可以搜索或直接执行操作的聊天界面，还是与搜索相结合的命令栏，关于许多应用程序界面的未来，以及将人工智能与应用程序紧密结合在一起的项目的未来，还有很多值得探索的地方。

*本文由CoinTime整理编译，转载请注明来源。