在科技初创企业的神话中，有一个车库。 这一切都始于车库。 1947 年，两位年轻工程师戴维·帕卡德 (David Packard) 和比尔·休利特 (Bill Hewlett) 在帕洛阿尔托艾迪生大道 367 号的车库“创办”了惠普——所有创新 IT 公司之母——如今已成为最具传奇色彩的创业象征之一。 苹果诞生的史蒂夫·乔布斯车库也是如此。 谷歌的起源也没有太大不同。
这些注定能够长久发展的企业的起源已经进入了一代又一代企业家的想象，激励着他们，也向他们展示了伟大的事业是建立在一个想法之上的。
许多人已经开始看到车库在生成人工智能出人意料且令人惊讶的发展中回归。
成功 开放式人工智能直到几个月前，这家初创公司还不为人所知，如今甚至成为反垄断的焦点，它似乎代表了 转折点 在高科技的道路上，例如七十年代后半叶Apple 2登陆个人电脑或九十年代中期网景浏览器接入互联网可能已经发生了。
类比
这种并置在某种程度上是有意义的。 在当今的生成人工智能新浪潮中，我们发现了那些时刻的共同特征，但也发现了全新的特征。
一个共同的特点是，一场革命并不是像历史上经常发生的那样，是由现任者发起的，即像 IBM 这样处于领先地位的大型实体，当它面临变革时。Apple 2 或微软当 Netscape Navigator 开始让人们上网。 正是由有远见、勇敢的年轻人创办的初创企业引发了这一变革，并将其固定在大众消费者的习惯中。
然而，在迷失了几年之后， 现任者已重新获得控制权 情况的概要：蓝色巨人拥有 IBM PC，微软则拥有 Internet Explorer。 然而，碰巧，控制权的恢复持续了圣马蒂诺的一个夏天，因为颠覆者发起的挑战引发了投资和创新业务的扩散过程，而这些过程逃脱了任何实体的控制。
也许上述转折点之间的相似之处 技术史 当前的生成人工智能基本上到此结束。
新形势新战略
初创企业试图根据当下最流行的技术建立解决方案，所需的巨大经济资源和计算能力可能会让车库史诗成为一首歌。
在比赛中生成式人工智能 进入门槛很高，账单又咸。 应用程序或平台的创建需要投资、基础设施和组织资源，即使在风险资本的大力贡献下，这些投资、基础设施和组织资源也超出了初创企业的可能性。
对于生成式人工智能初创企业来说，有两条路径：开发创新技术并将其出售给不具备该技术的现有企业，或者， 保持对公司的控制并进行团队合作 后者使用现有企业已经按照其服务规模建立的资源、服务和基础设施。
因此，如果没有一家拥有大型、广泛且昂贵的数据中心的公司的支持，建立一个成功的初创企业几乎是不可能完成的任务。 这些公司数量很少，而且通常是连政府都害怕的强大跨国公司。
与敌人手挽手
因此，为什么在战略中最受认可的是联盟而不是竞争的选择，这是可以理解的。 初创企业成长。 因此，想要搞乱游戏的初创公司和已经运行这些游戏的公司之间的目标结合得到了验证。 在车库里发生的事情是不可想象的：你能想象史蒂夫·乔布斯的苹果公司向 IBM 提供其技术以换取扩展其业务的支持吗？ 难以想象。
然而今天，这正是正在发生的事情。 事实上，这已经发生了OpenAI 战略联盟开发了 ChatGTP4 和 DALL-E 算法， 和微软 它拥有云基础设施和计算能力，可以将这些应用程序带给广大消费者。
事实上，OpenAI 已经收到了 10十亿 来自微软。 这笔钱的大部分将返还给微软，用于支付人工智能应用程序在其服务器场的计算机上消耗的时间。 得益于数千个专用芯片的集群， ChatGPT 和其他类似技术能够充分服务于不断增长的质疑它们的公众。 而OpenAI并不是唯一一家走上这条所谓“非自然”联盟之路的公司。
此外，OpenAI 的选择最终也会影响潜在的竞争对手。 事实上，后者必须能够获得类似的处理量。
寻找计算能力
《纽约时报》科技记者 Cade Metz 在最近的一篇文章中报道了一些跟随 OpenAI 脚步的初创企业案例。
其中有 凝聚力 该公司最近筹集了 700 亿美元，主要用于访问 Google。 Cohere的三位年轻创始人都是Mountain View公司的前员工。 谷歌首席执行官桑达尔·皮查伊(Sundar Pichai)亲自批准了这一协议，为潜在竞争对手提供了决定性的支持。
事实上，Cohere正在构建一个人工神经网络模型，即LLM（大型语言模型），能够与Google的提案Bard竞争。实际上不会发生冲突，因为Cohere的商业模式是B2B。
Cohere 创始人的想法是完整的，即向其他公司提供他们的技术，从某种意义上说，为他们提供一种 人工智能引擎 构建和管理您自己的应用程序，无论它们是聊天机器人、搜索引擎、个人导师还是特定内容。 所有这些应用程序都将是云的，因此 贪婪的计算能力.
因此，科技巨头处于有利地位，因为他们比其他任何人都拥有内部资源来推动这些系统走得更远。 谷歌还拥有 变压器专利，Cohere 和许多其他公司正在构建的人工智能系统背后的技术。
Transformer 是所谓神经网络的一个例子，即 能够从海量数据中学习的数学系统。 神经网络已经存在很长时间了，是 Siri 等语音助手或 Google Translate 等即时翻译服务的基础。
开源的通配符
在这一切安巴拉丹中，有一位石头客人，开放源码。 一个选项 元 他毫无保留地拥抱。
Meta 是另一家拥有支持下一波人工智能浪潮的计算能力的巨头，最近将其大型语言模型 LLaMA 的源代码发布到公共领域。 这一步骤使任何人都可以重用它并在其上构建自己的人工智能版本。
Meta 的方法不同于 OpenAI 或 Google 等竞争对手，后者的应用程序 GPT-4 和 Bard 是一个“黑匣子”，因为用于构建模型的数据和代码不可供第三方使用。
许多人认为，开源将使任何人都能以类似的机会进入生成式人工智能竞争。
然而，也不完全是这样，因为即使对于正在朝着开源方向发展的初创公司来说，计算能力和服务器群的问题仍然存在。 Meta会为他提供这一切吗？ 谁知道真正的生意是否不在这里。 此外，将某些东西开源并不会剥夺该资源的知识产权。
可以说 Meta 有点试图做 谷歌对 Android 做了什么，即将该工具的使用权转让给第三方，以换取该工具本身大量流通所收集的数据和信息。
我们知道，人工智能应用程序会随着数据的涌入而改进，如果开源将数据引入元系统那就更好了。
其他人工智能公司，例如 法国初创公司米斯特拉尔，正在考虑发布其技术的开源版本。 OpenAI 已经提供了用于语音和图像识别的开源人工智能模型，该公司表示，只有在能够将滥用风险降低到可接受的阈值以下时，其团队才会考虑开发开源法学硕士。
祝你好运！
来源：
Cade Metz，《人工智能时代，科技界的小人物需要大朋友》，《纽约时报》，3 年 2023 月 XNUMX 日
Nick Clegg，人工智能的开放性是科技的前进方向，英国《金融时报》，11 年 2023 月 XNUMX 日
克里斯蒂娜克里德尔, 玛德胡米塔·穆尔吉亚, 汉娜墨菲 e 莱拉·阿布德，Meta 将发布商业人工智能模型以追赶竞争对手，英国《金融时报》，1 年 2023 月 XNUMX 日
