商業筆記, AI

生成式 AI(Generative AI)目前發展?將如何維持競爭優勢、未來挑戰?

dall-e-2

近來,寫了好幾篇的商業案例,都和 AI 有著不小的關係。再加上,近期收到的電子報 Inside AI 都不難感受到 AI 領域的重大發展,也引起了我的興趣。

基本上,這篇是以紅杉資本(Sequoia Capital)的 Generative AI: A Creative New World | Sequoia Capital US/Europe文章為基礎的筆記,並穿插一些我的想法。

AI 已從過往「分析事物」,到如今能夠「創造事物」了。AI 不再只是分析現有的數據或已存在的事物(檢測垃圾郵件等)。現在 AI 能夠真正創造出新圖像、新文章、新影片等。

延伸閱讀:Microsoft 推出設計程式迎戰 Canva,巨頭面對 PLG 的商業策略

生成式 AI 的想像:追求低成本、更具生產力

隨著 AI 發展得越快,基礎設施建構地更全面時,可想而知使用 AI 會變得更便宜,甚至比使用人力更便宜。更好、更快、更便宜的創造將被 AI 所滿足。

因此,越需要人類創意的產業,就容易受到 AI 的影響。紅杉資本舉了各種產業,像是廣告、建築、行銷、媒體和產品設計等。影響有好有壞。

不可否認,以設計產業來說,Dall-e 2、Midjourney 等出現時,確實會衝擊設計產業。只要靠著掌握文字描述,AI 就能自動生成不同圖片,供人挑選。因此,某些職能有很高的可能性,會被 AI 取代。

但好的影響,則是越能善用這項技術者,也就越能在不斷蝶帶的創新週期中有著更多的發展。這些生成藝術的出現,同時也讓不擅長設計或繪畫的人,有了另個運用 AI 繪圖的管道。

對於生成式 AI 的終極想像是做到更好、更快、更便宜的創造。而對於創造和知識生產的邊際效益成本降為零,並從中獲得更龐大的勞動生產力、相應的經濟價值。

追求更低成本、更高生產力是科技發展的原則。不管是各種 Saas 服務,或是 生成式 AI 等的發展,都是圍繞在這概念下持續發展。

紅杉資本這份資料推估,目前生成式 AI 所涉及的兩大領域:知識性、創造性工作,約有數十億的工作者。導入 生成式 AI 後,有機會提升這些工作者至少 10% 的效率。

效率提升後,也縮短過去的完成時間。當然,也使得生成式 AI 有著數兆美元的經濟價值。

目前生成式 AI 的發展

目前生成式 AI 的發展大略可分為三大方向:(1)外掛方式存在於現有軟體生態中(2)一道指令即生成一項結果。以及,(3)隨著未來用戶持續增加,擁有更多用戶數據後,可針對模型進行微調。

第一,外掛。生成式 AI 目前以外掛(plugin)方式,大量存在於現有軟體生態系中。舉例,輔助程式撰寫出現在 IDE、圖像生成出現在 Figma 或Photoshop,甚至是 Discord bots 也是由 生成式 AI 導入在數位/社交的社群工具。

除了外掛外,目前還有部分生成式 AI web apps。像是,AI 內容平台 Jasper 和 Copy.ai。

主打用來輔助個人和企業創建原創內容的 Jasper ,目前估值 15 億美元,並在近期 10 月中旬完成 1.25 億美元的 A 輪融資。

目前以生成式 AI 技術為基礎的新創。取自 sequoia。

此外,還有將 AI 用於影片編輯的 Runway。以及,另個蠻有趣的應用則是「筆記」的 Mem,主打再也不需要各種資料夾,從會議記錄、專案、產品計畫等各種需要筆記的地方,甚至是追蹤進度都能完成。


目前以生成式 AI 技術為基礎的新創。取自 sequoia。

第二,互動性典範(Paradigm of Interaction)。目前在生成式 AI 最常見的形式,多為「一次完成」。只要丟入一個指令,就能生成出用戶想要的事物。

當然,不符合預期,再修改指令,生成新的。透過不斷生成、修改的過程,模型也越具迭代性。

如今,生成式 AI 所生成的圖像等,都成為一種原型或初稿。未來隨著用戶的數據越來越多,AI 模型的發展也將更為智能,最終成果也將越貼合用戶的想像。

第三,針對模型進行微調。生成式 AI apps 多構建在 GPT-3 或 Stable Diffusion 等大型模型上。

隨著這些應用程式獲取更多的用戶數據,模型端就越有可能根據「特定問題」進行調整,來提高模型的性能與品質。再者,也能減少模型的成本。

以 生成式 AI 為基礎的新創,如何維持競爭優勢?

搞懂了目前及未來有可能的發展後。那下個問題是,從以上的案例中,可以找到以 生成式 AI 為基礎的公司,可以如何維持可持續性的競爭優勢?

讓飛輪轉起來,是接下來生成式 AI 為基礎的公司快速擴張的關鍵。紅杉資本的資料顯示,有三點是飛輪須包含的:

1) 具備出色的用戶參與度,來蒐集更多的用戶數據。

2) 將更多的用戶參與度,轉化為更好的模型表現。包含,及時改進、對模型進行微調,並以用戶選擇作為標記的訓練數據。

3) 透過更智能的模型表現,來推動更多用戶的成長與使用。接著, 生成式 AI 會進入特定領域,像是程式、設計、遊戲等解決其中的問題,並非試圖成為取代人類。

關於第三點的概念,有點產品導向式成長(Product-led Growth, PLG)的味道。不同於以往是行銷、銷售接觸客戶,PLG 則是直接以產品接觸、留住用戶。透過直接讓用戶體驗產品,感受產品所帶來的價值,也更容易推動用戶進入付費階段。

延伸閱讀:Canva 重新定義設計:由產品導向式成長 PLG 推動的商業模式

版權、成本等問題,都成為挑戰

當然,儘管生成式 AI 深具潛力,但在這領域中仍有幾個主要的問題,需要面對。包含:版權問題、色情與暴力等內容流竄,以及成本等。

先前最大線上圖庫平台 Getty Images 就以 AI 生成圖像版權爭議為由,禁止用戶在該平台上傳、銷售這類影像。

未來以生成式 AI 為基礎的公司該如何跨過版權這道坎。

近來,看完 Netflix 上的《串流王者》(The Playlist)。這是一部以虛構劇情、透過共同創辦人、合夥人和藝術家等視角來談 Spotify 的創業歷程。

有趣的是,音樂串流巨頭 Spotify 成立初期,正是與各大唱片公司在版權議題上爭論,最終採取分潤模式。未來圖庫和以生成式 AI 為基礎的新創,會否也走上類似的商業模式,蠻值得期待的。

可想見的是,圖庫生意必然會受到生成式 AI 的衝擊。生成式 AI 改變的不僅是現有的商業模式,也改變了用戶既有使用圖庫的流程。

不用再耗費許多時間尋找合適圖像,只要善用想像力,並用文字描繪出來,即能生成多張圖像。工作流程的改變,也帶動效率、生產力的提升。

總之,蠻期待 生成式 AI 市場發展與商業模式的演化。紅杉資本這篇還有持續談到,AI 發展的四個階段、目前模型以及未來應用等,都很值得一讀的。

參考資料

Generative AI: A Creative New World | Sequoia Capital US/Europe