01
两难的选择
如果回顾一下最近几年AI模型的发展，就会发现AI技术提供商的数量在不断减少，而且门槛不断提高。尤其是这两年的大模型时代下，模型呈现几何式的增长，这就让更有数据、资金支持的玩家们强者恒强，行业呈现出了马太效应。
而要说起AI模型，概括来说，开发方式无非就是两种：开源和闭源。从头部玩家的路线来看，像今年火爆全网的就已经用脚投票，选择了闭源模式。这样一来，如果其他玩家未来想要融入GPT-4中，就会提供对应的API接口。而前两天准备放大招了，它计划推出一个类似 “App store” 的大模型商店。打通所有 软件应用。
而非头部的玩家更喜欢抱团取暖，未来笔者预测更有可能打造开源的社区，共同迭代模型来缩小差距，但目前和头部的谷歌和还有着不小的差距。
AI模型逐渐变化
众人拾柴火焰不一定高，在AI模型上已经得到了淋漓尽致的体现。
在这种背景下，软件玩家们就需要认真考虑如何站队，如果选择了头部的闭源玩家们，这样虽然可以简化训练、部署等环节，降低玩家自己的运维成本，但是这也意味着使用成本上升（比如每1GB数据的处理需要花费可能超过8000美元）。
如果选择开源模型呢？软件玩家们能够自建大语言模型，这样会使资金投入更加灵活与可控，而且能够实现对数据安全的把控，缺点当然也是显而易见的，模型迭代速度慢，效率不高，毕竟天下没有免费的午餐。
最终选谁，笔者的观点是结合自身实际，在资金、数据、应用场景等维度评估能否实现“人无我有，人有我优”，如果没有那个金刚钻，直接选择闭源模型或许是个不错的选择。
02
基础+应用，很难双管齐下
如果我们把AI软件分类，可以分为应用软件和基础软件。
因为两个赛道的know-how几乎完全不同，所谓更行如隔山，像应用领域，我们可能更熟悉一些，比如微软就已经正式把的GPT-4模型装进套件，国内的“微软”金山办公也跟随其后。
我们今天主要来聚焦于基础软件。
基础软件简单来说，就是为算法提供运行的平台和工具，基础软件有又可以分为信息安全、数据管理、软件开发等细分领域。
而最近，欧洲议会刚刚通过了《人工智能法案》，这也有望成为全球首个关于人工智能的法案。这就意味着，未来大算力模型可能会受到更加严格的监管标准。
此外，数据作为未来的生产力要素的一种，数据的筛选、训练和安全也将受到广泛的监管重视。这样一来，基础软件行业中的数据以及信息安全玩家们将在AI的大赛道中占据更加重要的作用。
AI监控软件市场的主要玩家
03
向别人家的孩子学习
光这样说可能比较抽象，笔者举个简单的例子。
就比如美国的 （软件公司，以下我们就简称P公司），主要在做大数据分析，笔者分析之后感觉，它的核心竞争就是：没有通用工具软件，它的产品中有超过三成需要定制化，也就是说为下游提供专业化和定制化的服务。
定制化的背后，我们深挖一层，就意味着可以提高数据安全性和隐私保护能力。
从业绩表现上来看，今年一季度，它的营收已经超过了5亿美金，同比增长，对于一家初创企业来说，已经难能可贵。
全球AI市场规模
虽然说AI基础软件为整个AI的产业化应用提供了支撑性的作用，但国内玩家在这条道路上的活跃度和实际进展来看，还有这一定的差距，主要集中在初创软件。好多公司虽然主营业务挂着“人工智能基础软件开发”的条目，但是实际披露重大进展的并不多。
所以这条蓝海的赛道里，玩家们或许还有很长的路要走。
相关文章
