AIGC生成式人工智能对企业的影响和意义研究报告（36页）

行业报告下载 2023年05月16日 07:47 管理员

我们发现有两种主要的竞争者类型：一种是只在某一层面（如基础设施、模型或应用程序）提供服务的纯粹提供者，另一种则是在多个层面提供服务的综合型提供者。就定价而言，针对消费者的定价通常比较简单明了（比如按用户数、按月收费），而针对企业的定价则较为复杂（比如按呼叫次数、按小时计费、按收入份额分成等）。然而，尽管存在不同的竞争者类型，但是在企业规模扩大、超越早期采用者或边缘应用场景时，定价的简单性、可预测性和价值会变得非常重要。首先，基础设施层是生成式人工智能技术堆栈中最成熟的领域，超大规模计算服务提供商在这个领域占据了市场的主导地位。这里的商业模式已经被证明是行之有效的，就是提供可扩展的计算资源，并采用透明、按消费计费的定价策略。

为了让生成式人工智能工作负载更加稳定，超大规模计算服务提供商已经与模型提供商签署了承诺，以保证未来的工作负载，其中包括Azure 与OpenAI、Google 与Anthropic 以及AWS 与Stability.ai，还包括它们自己的专有模型。在这方面，NVIDIA 是领导者之一。他们的 Ampere 和 Hopper 系列 GPU 分别为训练和推理工作负载专门设计，再加上他们的 Selene 超级计算集群，可以加速训练时间。同时，AMD 的 CDNA2 架构也是专门为机器学习应用的超级计算而设计的，这推动了高性能计算市场的竞争。接下来是模型层，市场正在快速发展。在这个领域，需要投入大量资源，模型构建者必须不断审查体系结构（例如参数、嵌入）以维持性能。他们必须吸引和留住人工智能人才（如架构师、工程师和数据科学家），设计框架、防护措施和学习机制，以确保模型的稳健性和可靠性。最后，由于生成式人工智能工作负载需要大量计算，并需要专用芯片的支持，因此可能会产生高昂的费用。因此，我们看到一些公司开始通过收取费用或将其整合到盈利产品中（例如 GPT-3.5整合到Edge，LaMDA整合到 Google Search）来收回投资。