去年底ChatGPT的出现引发了生成式AI的热潮,如今几乎所有大型软件提供商都加入了这一潮流中。
然而,尽管技术提供商和客户对生成式AI抱有极大的热情,但还没有人弄清楚如何从这种强大的新产品中赚钱。相反,据《华尔街日报》近日的报道,微软、谷歌和OpenAI等公司因为向用户提供生成式AI功能而损失了大量的资金。
例如,最早推出的其中一款生成式AI产品GitHub Copilot,是程序员用来创建、修复和翻译软件代码的服务。GitHub的拥有者微软声称积累了超过150万的用户,并且编写了大约一半的代码。
但有知情人士告诉《华尔街日报》,即使这款产品被广泛采用,但也成了一个巨大的资金坑。GitHub每月向使用Copilot的用户收取10美金的费用,但每个客户每月平均要投入约20美金。
生成式AI是一项昂贵的技术,因为其模型可能需要数年的时间来训练和微调,即使完成之后,也需要大量资源才能保证日常运行。波士顿咨询集团营销销售和定价实践负责人Jean-Manuel Izaret表示:“这是需要强大计算能力的,需要大量的情报信息。”
而且许多用例中还存在矫枉过正的情况。例如,ChatGPT是由OpenAI GPT-4 模型提供支持,据说该模型是世界上最强大的模型之一。然而,很多ChatGPT企业订阅方使用该模型执行的任务却是极其有限的。正如《华尔街日报》所说,使用GPT-4来总结电子邮件就像开着兰博基尼送披萨一样。
价格更高,模型更便宜
为了阻止资金流失,很多企业正在寻求开发功能较弱的模型来执行较为简单的业务任务,而其他公司则只是计划提高成本。例如,微软将对Office 365软件套件的AI版本收取每月约30美金的额外费用。目前,Office 365最便宜的版本约为每月10美金。这些AI功能可以撰写电子邮件和PowerPoint演示文稿内容、自动生成Excel电子表格、以及执行其他很多任务。
同样地,谷歌计划要求用户每月支付30美金来购买谷歌生产力软件中的生成式AI功能,最低订阅级别目前只需6美金。
还有报道称,微软正在开发功能较弱的模型来消除杀伤力过大的问题。例如,微软正在针对Bing开发更小的、更便宜的AI模型,仅用于网络搜索。据报道,其中一些模型将基于Meta Platforms等公司的开源AI。
Adobe则采取了不同的策略。Adobe为其AI图像生成工具Firefly打造了一个积分系统。如果客户用完分配的每月积分,Firefly服务将会减慢,以防止过度使用。
Adobe公司首席执行官Shantanu Narayen向《华尔街日报》表示:“我们正在努力提供巨大的价值,同时也在成本方面保护自己。”
客户和投资者仍抱有疑问
微软、谷歌和其他正在考虑提高AI服务收费的企业面临一项挑战,那就是他们必须进行微妙的平衡,因为并不是每个人都认为这种软件是值得付费的。AWS公司首席执行官Adam Selipsky表示:“与我交谈过的很多客户都对运行其中一些模型的成本感到不满。”
目前,生成式AI变现的问题并没有阻止投资者,他们今年总共向那些最有前途的初创公司投入了数十亿美金。《华尔街日报》称,OpenAI目前正在讨论出售股票的可能性,这将使其价值超过900亿美金,是年初价值的3倍。
然而许多业内人士认为,投资者热情消退只是时间上问题。当这种情况发生的时候,很多人将会长期认真地审视运行AI的成本以及利用AI实现盈利的方法。
Writer公司首席执行官May Habib表示:“我认为明年将是生成式AI资金热潮消退的一年。”上个月该公司刚刚筹集了1亿美金资金。
好文章,需要你的鼓励
许多CIO在实施AI战略时因良好初衷反而导致失败。专家指出,仅为AI而做AI会浪费资金且无实际成果,应先评估业务价值。CIO常见错误包括:让风险规避型利益相关者施加过度限制、仅依赖现成AI工具而不深度整合、在人员和流程问题未解决时强推技术转型。成功的关键是确保AI解决方案真正节省时间并带来业务价值,需要有权威的负责人推动决策,同时不惧怕小规模试错,快速迭代改进。
谷歌研究院开发出一种革命性的人工智能技术,通过学习人类眼动轨迹来提升视觉问答能力。该技术像训练侦探一样教会AI关注图像中的关键区域,准确率提升3-10%。研究发表于CVPR 2024,在教育、医疗、无人驾驶等领域具有广阔应用前景,为AI向人类智慧靠近开辟了新路径。
Kahoot是一个基于游戏的学习平台,涵盖科学、历史、地理、英语和数学等领域。该平台于2023年推出AI功能,AI生成器可从主题、文档、网站或视频链接即时创建互动学习体验,帮助教师减少备课时间,让学习更具吸引力和个性化。平台支持50种语言,拥有120亿用户,还提供翻译工具和AI驱动的学习推荐功能。
英国卡迪夫大学研究团队通过脑电图技术发现,当人们体验虚假听觉(即"听到"实际不存在的语音)时,大脑的神经活动模式与听到真实声音时几乎相同。研究揭示了大脑会根据语言经验和上下文自动"填补"缺失的语音片段,这一发现对理解听觉障碍、改进助听设备以及开发更智能的语音识别系统具有重要意义。