速度翻倍、安全加密、調用GPT-4無(wú)上限，今天凌晨，OpenAI官宣的企業(yè)專(zhuān)用版ChatGPT堪稱(chēng)“最強ChatGPT版本”！

同普通版ChatGPT相比，企業(yè)版性能更加強大，包括：提供無(wú)限制的GPT-4訪(fǎng)問(wèn)，速度提升2倍，支持無(wú)限制高級數據分析，支持可用于4倍輸入和文件的32k Tokens上下文窗口，提供可共享的聊天模板和免費的API接口、保證企業(yè)的數據隱私和安全等。

(資料圖片僅供參考)

除了目前適合大型企業(yè)的版本之外，OpenAI還將很快推出適用于各類(lèi)小型團隊的自助式 ChatGPT Business 產(chǎn)品，服務(wù)于所有規模和類(lèi)型的組織。也就是說(shuō)，從今天開(kāi)始，OpenAI已然吹響了向B端市場(chǎng)全面進(jìn)攻的號角。

自然，這就帶來(lái)了一個(gè)問(wèn)題：面向企業(yè)的B端AI大模型市場(chǎng)，會(huì )“贏(yíng)家通吃”嗎？

最近，美國光速創(chuàng )投(Lightspeed Venture Partners)合伙人Guru Chahal深度分析了這一問(wèn)題。

作者認為，B端最有可能的路徑，是企業(yè)在探索階段使用大型模型，隨著(zhù)在實(shí)際使用中對大模型理解的加深，逐漸轉向生產(chǎn)階段使用更小型、專(zhuān)業(yè)化（調整+精煉）的模型。

Chahal還提到了企業(yè)在選擇模型時(shí)需要考慮的因素，以及AI基礎設施的發(fā)展機遇，包括評估框架、模型運行與維護、增強系統、運維工具、數據利用等各個(gè)方面。

文章干貨很足，相信對想了解B端AI市場(chǎng)、AI基礎設施、未來(lái)機遇等方面的朋友一定大有裨益。

以下為全文內容，大家enjoy~??

目錄：

在過(guò)去的十數年里，作為L(cháng)ightspeed團隊一員，我親歷了人工智能和機器學(xué)習領(lǐng)域的驚人創(chuàng )新，這主要歸功于我們與卓越創(chuàng )業(yè)者的深度合作。

現在，我們與他們的公司、所構建的平臺，以及服務(wù)的客戶(hù)進(jìn)一步合作交流，以便更系統地了解企業(yè)如何思考生成式AI。

具體來(lái)說(shuō)，我們深入探究了大模型生態(tài)系統，嘗試探討諸如“性能最強大模型是否會(huì )贏(yíng)家通吃？”、“企業(yè)在使用時(shí)是否會(huì )一味依賴(lài)OpenAI的API，還是選擇更加多樣化的實(shí)際用例？”這一類(lèi)問(wèn)題。

這些問(wèn)題的答案，將決定該未來(lái)大模型生態(tài)系統的增長(cháng)方向，以及算力、人才和資金的流向。

大模型生態(tài)系統分類(lèi)

根據我們的研究，我們認為，人工智能領(lǐng)域正在經(jīng)歷一次“寒武紀式”的模型大爆發(fā)。未來(lái)，開(kāi)發(fā)者和企業(yè)將根據實(shí)際需求選擇最適合的模型，盡管在探索階段的使用的可能更加集中。

B端最有可能的路徑，是企業(yè)在探索階段使用大型模型，隨著(zhù)在實(shí)際使用中對大模型理解的加深，逐漸轉向生產(chǎn)階段使用更小型、專(zhuān)業(yè)化（調整+精煉）的模型。

下圖展示了我們對基礎模型生態(tài)系統演化的看法。

我們認為，人工智能模型領(lǐng)域可以分為三個(gè)主要、但又有些交叉的類(lèi)別：

類(lèi)別1：巨腦模型?

這些是最優(yōu)秀的模型，也是模型領(lǐng)域的先驅。它們產(chǎn)生了令人驚嘆的演示效果，深深吸引了我們的注意。當開(kāi)發(fā)者試圖探索人工智能對其應用的潛力極限時(shí)，這些模型往往是默認的起點(diǎn)。

這些模型的訓練成本高，維護和擴展復雜。但同一個(gè)模型可以應對法學(xué)院入學(xué)考試（LSAT）、醫學(xué)院入學(xué)考試（MCAT），撰寫(xiě)高中論文，并像聊天機器人朋友一樣與你互動(dòng)。目前，開(kāi)發(fā)者正在這些模型上進(jìn)行實(shí)驗，并評估在企業(yè)應用中的人工智能使用情況。

需要注意的是，這些模型的使用成本高，推理延遲較大，并且在明確定義的受限用例中可能過(guò)于復雜。

同時(shí)，這些模型是通用模型，可能在專(zhuān)業(yè)任務(wù)上不夠準確（例如，參見(jiàn)康奈爾大學(xué)等的綜合研究）。

而且，它們也是黑匣子，可能給企業(yè)帶來(lái)隱私和安全挑戰，企業(yè)正在探索如何在不泄露數據的情況下利用這些模型。

OpenAI、Anthropic、Cohere都屬于這一類(lèi)別。

類(lèi)別2：挑戰者模型?

這些模型同樣具有高能力，僅次于領(lǐng)先模型。Llama 2和Falcon是這一類(lèi)別中的佼佼者。它們通常與類(lèi)別1模型中的“N-1”或“N-2”模型一樣優(yōu)秀。

據某些基準測試，Llama 2?甚至與GPT-3.5-turbo相媲美。通過(guò)在企業(yè)數據上進(jìn)行調整，這些模型在特定任務(wù)上的能力可與類(lèi)別1中模型相當。

其中許多模型是開(kāi)源的（或非常接近）。一旦發(fā)布，它們往往會(huì )被開(kāi)源社區迅速改進(jìn)和優(yōu)化。

類(lèi)別3：長(cháng)尾模型?

這些是“專(zhuān)家”模型。它們專(zhuān)為特定目標構建，例如對文件進(jìn)行分類(lèi)、識別圖像或視頻中的特定屬性、識別商業(yè)數據中的模式等。這些模型靈活，訓練和使用成本低，可以在數據中心或邊緣上運行。

僅需瀏覽Hugging Face，即可窺見(jiàn)這一生態(tài)系統的廣度之大，未來(lái)還會(huì )因為它為各種用例提供服務(wù)而不斷擴大！

盡管尚處于早期階段，但我們已經(jīng)看到一些領(lǐng)先的開(kāi)發(fā)團隊和企業(yè)開(kāi)始以這種精細的方式思考這個(gè)生態(tài)系統。他們渴望將用例與最適合的模型匹配，甚至可能在更復雜的用例中使用多個(gè)模型。

在選擇使用哪個(gè)/哪些模型方面，通常會(huì )考慮以下因素：

a.?數據隱私和合規要求，這會(huì )影響模型是在企業(yè)基礎架構中運行，還是數據可以發(fā)送到外部托管的推理終端。

b.?能否對模型進(jìn)行微調對這個(gè)用例是否至關(guān)重要或者強烈希望進(jìn)行微調。

c.?期望的推理“性能”水平（延遲、準確性、成本等）。

實(shí)際清單通常比上述內容更長(cháng)，反映了開(kāi)發(fā)者希望利用人工智能解決的各種多樣用例。

這一新興生態(tài)系統產(chǎn)生了幾個(gè)重要影響：

① 評估框架：企業(yè)將需要工具和專(zhuān)業(yè)知識，來(lái)評估哪個(gè)模型適合哪個(gè)用例。

開(kāi)發(fā)者需要決定如何最好地評估特定模型是否適合“所需工作”。評估需要考慮多個(gè)因素，不僅包括模型性能，還包括成本、可以行使的控制水平等。

② 運行和維護模型：預計將出現用于幫助企業(yè)訓練、微調和運行模型的平臺，特別是第三類(lèi)長(cháng)尾模型。

這些平臺過(guò)去通常被稱(chēng)為ML Ops平臺，我們預計這個(gè)定義將擴展到包括生成式人工智能。Databricks、Weights and Biases、Tecton等平臺正在迅速朝這個(gè)方向發(fā)展。

③ 增強系統：模型，特別是托管的LLM（檢索增強模型），需要通過(guò)增強生成提供卓越的結果。

這涉及做出次級決策，包括：

o?數據和元數據攝?。?/strong>如何連接結構化和非結構化的企業(yè)數據源，然后攝取數據以及關(guān)于訪(fǎng)問(wèn)策略等方面的元數據。

o?生成和存儲嵌入：選擇用于為數據生成嵌入的模型。然后，如何存儲這些嵌入：根據所需性能、規模和功能選擇哪個(gè)向量數據庫？

在這里，存在機會(huì )來(lái)構建面向企業(yè)的RAG（檢索增強生成）平臺，以簡(jiǎn)化選擇和組合這些平臺所帶來(lái)的復雜性：

①?運維工具：企業(yè)IT部門(mén)需要為工程團隊建立監管措施，管理成本等。

與今天為軟件開(kāi)發(fā)所做的所有工作一樣，他們需要擴展這些任務(wù)，以包括人工智能的使用。IT感興趣的領(lǐng)域包括：

o?可觀(guān)測性：模型在生產(chǎn)環(huán)境中的表現如何？它們的性能是否隨時(shí)間改善/惡化？是否存在可能影響未來(lái)應用程序版本中模型選擇的使用模式？

o?安全性：如何確保AI本地應用程序的安全性。這些應用程序是否容易受到新的攻擊方式的攻擊，需要新的平臺？

o?合規性：我們預計AI本地應用程序和LLM的使用將需要符合相關(guān)主管機構已開(kāi)始制定的框架。這是除了隱私、安全、消費者保護、公平性等現有合規性制度之外的。企業(yè)將需要平臺來(lái)幫助他們保持合規性、進(jìn)行審計、生成合規性證明等相關(guān)任務(wù)。

② 數據：預計將迅速采用幫助企業(yè)了解其數據資產(chǎn)以及如何通過(guò)使用新型人工智能模型從這些資產(chǎn)中提取最大價(jià)值的平臺。

正如地球上最大的軟件公司之一曾對我們說(shuō)的那樣，“我們的數據是我們的壕溝，我們的核心IP，我們的競爭優(yōu)勢?！?/p>

通過(guò)利用人工智能將這些數據貨幣化，以一種在不削弱防御能力的情況下推動(dòng)“差異化”的方式，將是關(guān)鍵。Snorkel等平臺在其中發(fā)揮著(zhù)關(guān)鍵作用。

我們認為，現在正是構建人工智能基礎設施平臺的絕佳時(shí)機。

盡管人工智能的應用將繼續改變整個(gè)行業(yè)，但要想使每個(gè)企業(yè)都能采用這一強大技術(shù)，就需要支持基礎設施、中間件、安全性、可觀(guān)測性和操作平臺。

本文來(lái)源：硬AI