然而，摩根士丹利在报告中指出，不可否定的是AI发展的不愿定性很高，VC们敏锐地创造了这一点，并指出以下“三大焦点问题”。

AI家当飞速发展，“技能扩散”速率超出互联网革命，个中模块化（Modularity)是AI实现更快增长的关键。

“技能扩散”（Tech Diffusion）是近年来最主要主题之一，是一项技能从首次得到商业化运用，经由大力推广、普遍采取阶段，直至末了因掉队而被淘汰的过程。

而人工智能的技能扩散速率，即向非技能临近领域的溢出效应，是前所未有的。
为了更清楚地表明这一点，大摩下图比较了1885年后电力革命、2007年后互联网革命和2022年后的人工智能革命的技能扩散速率。

个中，模块化（Modularity 分模块专门处理不同方面的任务)是通过创新堆栈实现更快增长和颠覆的关键。
如果没有广泛的互联网接入，人工智能的增长是难以持续的，而如果没有廉价电力的接入，这反过来也是不可能的。
未来快速增长和中断的领域将在这些人工智能的大模型的根本上类似地模块化。

(注：模型演习无法覆盖所有场景，当碰着越来越多种不同的任务时，AI表现变得越来越糟糕。
这也是大部分主流AI产品依赖提示词才会给出相对符合逻辑答案的缘故原由，而“模块化”，即分模块专门处理不同方面的任务，是办理泛化问题的方案之一。
）

比如，拥有大模型的公司开源插件，如OpenAI新发布的数据剖析工具“代码阐明器”，受益于这种模块化的扩展方法，会创造更大的利用广度、深度和粘性。
然而，相对付历史上任何技能，采取速率之快也意味着Generative AI的s曲线只需几个月，而不是过去预期的几年或几十年。

AI企业的融资和估值中，也存在80/20法则（企业80%利润来自20%的项目），OpenAI最近又筹集了3亿美元，其估值在270-290亿美元之间。
该公司在过去7轮融资中筹集的资金总额超过110亿美元。

目前还没有一个竞争对手能与OpenAI的ChatGPT相媲美，最近的平台数据显示，其月生动用户数超过了Reddit、Netflix和Linkedin，靠近20亿。

然而，均匀而言，人工智能/ML公司的估值较它们2021年1月水平的估值水平低60%，当时AI/ML在处于炒作周期。
只管对人工智能的投资需求明显增长（占所有风险投资的10%），但只有少数私人人工智能公司的通过代价重估，OpenAI便是这样一家公司。

最近几周谈论最激烈的问题是，面对开源模型，大模型公司的护城河到底有多大？

2023年，被投入AI领域的资金已经超过120亿美元（占市场风险投资总额的10%）。
然而，再次达到上述帕累托点，目前80%的资金集中在大模型所有者，而不是下贱的APP制造商手中。
此后加速了向非科技行业的扩散。

当然，有一个很好的情由——演习越来越大的LLM本钱昂贵，而利用那些具有API的模型来创建下贱运用程序比较便宜，现在的现状彷佛也是如此。

而开源LLM的涌现是否会导致这一成本支配比例在某个时候涌现反转——无论是在公开市场还是在私人市场，融资是否有利于低本钱的开源LLM的涌现？

本文来自华尔街见闻，欢迎***APP查看更多