NSDT工具推荐： Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - AI模型在线查看 - Three.js虚拟轴心开发包 - 3D模型在线减面 - STL模型在线切割 - 3D道路快速建模

几天前，我写了一篇关于如何在生成式AI中失败的文章。这引出了一个反问，你如何在生成式AI中获胜？在众多 GenAI 模仿者中，哪些是少数获胜者？

这是一篇关于企业如何在生成式AI竞争中获胜的文章，让我们开始吧！

1、如何在 Gen AI 中获胜 — 摘要

魔鬼藏在细节中。

但是，在我们深入细节之前，让我们先在 30,000 英尺的高空翱翔一会儿。

技术的每一次转变都会创造价值迁移的机会。

目前对 Gen AI 的炒作 — 主要由 ChatGPT 的全知性推动 — 主要集中在基础模型层上。然而，基础模型与上下文无关 — 这是它们所附带的全知性的一个特性，而不是缺陷。

我相信，随着价值从基础模型层转移，我们将在 Gen AI 中看到新的价值发挥。

利用这种价值转移为自己谋利的公司需要遵循四个步骤：

  • 利用横向发展纵向（拆分开始）
  • 发展垂直制胜权（拆分成功）
  • 发展横向制胜权（重新捆绑开始）
  • 利用垂直发展横向（重新捆绑成功）

以下是这一演变在整个价值链中的表现。

1.1 利用水平走向垂直

基础模型席卷市场，并在模型层确立水平主导地位。

在这个阶段，一系列“初创公司”出现在工作流层，以垂直化这一水平模型。 在过去的一年里，我们看到了这一现象，出现了一大批人工智能“包装器”模仿者。 在此步骤中，价值继续完全停留在模型“水平”上。

拆分开始：此时，这些“初创公司”已开始首次尝试将横向基础模型拆分为垂直用例。

1.2 发展垂直制胜权

其中一些“初创公司”可能会发展某种垂直优势（专有微调模型、访问垂直数据集、垂直特定 UX 优势或以上所有优势的某种组合），并利用该优势将价值带入垂直领域。

成功拆分：此时，少数成功的拆分者脱颖而出，拥有垂直竞争和取胜的权利。如果其他 AI“包装器”拆分者主要依赖基础模型，而没有任何自己的专有优势，则会迅速商品化。

1.3 发展横向取胜的权利

这是关键的一步。

在发展了垂直优势后，在第 2 步中取得成功的极少数公司将发现自己通过垂直专业化拥有一个关键控制点——这一优势使他们在该垂直领域拥有用户关系的首要地位。我将深入探讨这些控制点的性质以及如何构建一个控制点。

这几家公司将利用这个新开发的控制点开始“过度”重新捆绑。

重新捆绑开始：此时，少数“初创企业”出现，声称有权在更高（工作流）层重新捆绑价值。

1.4 利用垂直方向转向水平方向

随着重新捆绑围绕控制点的进展，这家“初创企业”现在成为其他参与者连接的枢纽。它成功地创建了一个跨多种功能的“over-the-top”层。

成功重新捆绑：这样，我们就有了新的赢家。价值被成功重新捆绑并迁移到这个新的层（和参与者）。

当 Gen AI 等新技术出现时，这种不可避免的拆分和重新捆绑周期是价值迁移的关键。我将简要解释这个周期如何决定赢家和输家，以及如何利用它来为自己谋利。

正如你所想的那样，这篇文章是关于从包装器到赢家的转变；我们不是在谈论 GenAI 工具其他层的价值。LLMOps 和 Compute 中会有赢家，这主要取决于工程、规模和人才优势。但这篇文章是关于在将 GenAI 交付到产品中时获胜的。

现在让我们深入了解细节。

2、包装器拆分的平庸

包装器到底是做什么的？

他们试图拆分。他们在这方面相当平庸！

基础模型是水平的。用户需求是垂直的。

基础模型声称对几乎所有事情都有概率答案。

它们对普通用户来说很有吸引力，因为它们似乎对所有事情都有自己的看法。这在一定程度上解释了为什么 ChatGPT 是有史以来最快获得 1 亿用户的平台，以及为什么周末晚宴上的闲聊已经从讨论 Sam Bankman-Fried 的服装选择转变为“ChatGPT 会抢走你的工作吗？”。

然而，基础模型对专业用户来说并不那么有用。要让它们产生对你最有用的特定输出，需要一组非常具体的提示。

进入提示工程的世界——这是一个花哨的术语，它让你（通常通过反复试验）跌跌撞撞地找到最适合提供最有用和最可用输出的提示。

结构良好的提示将基础模型解绑为最终用户用例。

包装器本质上是将这种解绑打包在一个用户友好的界面中。

因此，包装器将水平基础模型垂直化。

但除非包装者创造出专有的垂直优势，否则这种垂直化并不真正等同于成功的拆分。

3、GenAI 包装器：开发垂直优势

那么包装器实际上如何开发专有垂直优势？

以下是用于开发垂直优势的简单 GenAI 包装器剧本：

  • 复杂的快速工程 + 精心设计的用户体验推动工作流程参与
  • 工作流程参与推动丰富的数据捕获
  • 数据捕获有助于模型微调
  • 微调模型推动更大的工作流程参与

以下是一个简单的飞轮来解释这一点：

提示工程设计 + 精心设计的用户体验有助于推动初步采用。包装器将最终用户的非复杂输入转换为明确定义的提示（在很大程度上降低了最终用户通过反复试验迭代到正确提示的成本），这有助于生成非常有用且可用的输出。

Harvey、Ironclad 和 Bloomberg GPT 等垂直解决方案在很大程度上遵循此策略，围绕其初始“包装器”拆分建立垂直优势。

模型微调有助于通过以下方式围绕最初作为基本包装器的内容建立专有垂直优势：

  • 提高特定用例的模型性能
  • 降低模型大小/成本并提高模型经济性

较小的模型，在特定领域的数据上训练，在延迟、准确性和成本方面的表现优于较大的基础模型。 这种垂直化有其自身的强化反馈效应。 你开发的垂直优势越多，你在所有参数上的竞争力就越强。

为了随着时间的推移提供最引人注目的垂直解决方案，模型的微调越多，未来的 UX 变化就应该与模型进行越深入的耦合，以便将该模型的优势传递到用户工作流程中。

这给我们带来了一个有趣的难题，即如何利用 Gen AI 开发垂直优势。

3.1 在 Gen AI 中开发强大垂直优势的组织障碍

真正通过垂直优势脱颖而出的解决方案是将模型改进与 UX 创新深度结合的解决方案。

缺乏模型微调的后期追随者如果没有经过微调的模型支持，将很难提供相同的 UX 创新。

这种结合听起来很容易，但实现起来却非常困难。 而这其中隐藏着一个优势来源，它将垂直解决方案中的失败者与赢家区分开来。

但为什么公司会难以将模型改进引入 UX？ 为什么这是一个优势来源？

从组织上讲，模型向导与 UX 设计师完全不同。 绝大多数真正优秀的模型工程师和数据科学家都是横向导向的。 他们专注于构建能够按规模和范围交付的模型。 这是构建基础模型的优势。 但这与培养对客户痛点的深刻同理心是正交的，而这是将模型微调优势引入 UX 所必需的。

这就是正交性：

更重要的是，大多数模型工程师都是从构建基础模型开始的，与需要深厚客户同理心才能取胜的用例相去甚远。这些模型工程师越来越多地被希望发展垂直优势的公司聘用。少数人将成功与用户体验设计师深入合作，在两层之间建立紧密的联系。

为了在 Gen AI（以及所有形式的 AI）中发展强大的垂直优势，你需要提供一个组织模型，以确保由模型工程师和用户体验设计师组成的团队能够快速开发周期。

这就是你作为 Gen AI 包装者取胜的方法……通过开发真正的垂直优势。

3.2 但你仍然没有在 Gen AI 中获胜！

将垂直优势作为点解决方案来开发只是在 Gen AI 中建立获胜地位的第二步。

魔力在于有利的垂直位置之后会发生什么……

要理解这一点，我们首先需要看看重新捆绑

拆分会破坏现状，而重新捆绑会带来风险回报

作为垂直的单点解决方案，你现在已经成功实现了拆分。

大多数现状的“破坏”都是通过拆分实现的。但大多数风险回报都是通过重新捆绑实现的。

专注于一项活动的金融科技公司会拆分银行，专注于某一方面的健康科技公司会拆分医疗保健提供商，而专门的能源初创公司会拆分公用事业。

然而，拆分并不能实现可持续的价值获取。拆分会取代现有企业，但不会创造可扩展且可防御的价值池。

这是通过重新捆绑实现的。重新捆绑涉及将多个拆分的功能捆绑成一个有凝聚力的以客户为中心的产品。

最重要的是，成功的“重新捆绑者”建立了枢纽地位，并获得了用户关系的首要地位。

风险投资追逐拆分，因为拆分者承诺重新捆绑并获取价值。然而，大多数风险投资都因为极少数人重新捆绑而损失。

Square、Plaid、Stripe 是几家成功重新捆绑并主导价值链一个或多个水平层的拆分金融科技公司。其他大多数公司都半途而废了。

Gen AI 的赢家同样需要一条成功重新捆绑的道路。

那么 Gen AI 中的重新捆绑究竟是如何运作的？

目前对 Gen AI 的炒作——主要由 ChatGPT 的全知性推动——主要集中在基础模型层上。然而，基础模型与上下文无关——这是它们所附带的全知性的一个特性，而不是缺陷。

4、微信策略——拆分和重新捆绑移动应用

在我们进一步讨论之前，值得一看以前发生过这种情况。

早在 2006 年我职业生涯的起步阶段——在雅虎——我们就开始与诺基亚和其他手机制造商达成协议，预装我们的应用并将其推向市场。诺基亚将不同的应用组合捆绑在一起来打造一款手机，然后将一系列这样的“应用捆绑”手机推向市场：

次年，苹果推出了 iPhone，随后又推出了 App Store，并拆分了这种“基于手机的应用程序包”，并通过操作系统和 App Store 重新捆绑应用程序。你可以购买一款通用的 iPhone（而不必在诺基亚的 50 多种产品目录中寻找），并创建自己的“应用程序包”，以满足你的特定需求：

iOS 和 Android 确立了自己作为捆绑服务新供应商的地位。

与此同时，一些（实际上是大多数）移动应用最初是作为 iOS 和 Android 底层功能的“包装器”开始的，并最终形成了垂直优势。

  • Foursquare 和 Uber 最初是作为 Google 地图的包装器开始的，但在用户位置数据和司机供应方面形成了专有的垂直优势。
  • Wellness健康应用最初是作为 iPhone 加速度计的包装器开始的，之后才捕获到足够的数据来构建专有分析。

iOS 和 Android 是许多移动应用的性能瓶颈（就像模型对 Gen AI 包装器的作用一样）。随着底层操作系统的每次更新，应用的性能都可以得到改进和扩展。

但大多数成功的应用都通过数据形成了专有优势，并最终围绕数据形成了商业模式。

但它们都没有利用这种垂直优势在 App Store 之上创建新的水平重新捆绑层。

直到微信在中国颠覆了拆分-重新捆绑的策略。

微信最初是一个在游戏和通信方面具有垂直优势的独立应用。然而，微信利用其在通信领域的主导地位，将用户关系确立为默认通信渠道。然后，微信将通信与支付整合在一起，以控​​制两个最重要的横向功能，从而使其能够在底层操作系统之上建立一个新的层。

用户大部分时间都花在微信上。这使得微信能够在操作系统层之上的一层重新捆绑应用程序。电子商务、游戏、媒体等应用程序现在可以放在微信内部。由于微信拥有跨应用程序通信和支付的一体化连接工作流程，用户从未离开过微信工作流程。

微信一度在用户关系中占据首要地位，以至于苹果和谷歌的新操作系统更新不会对用户体验产生影响，除非微信将这些更新实施到其用户体验中。

重新捆绑使价值能够迁移到价值链的另一部分。

微信是价值迁移的一个案例研究，价值链中另一个位置的参与者非常成功地重新捆绑，以至于之前的领导者（苹果、谷歌）实际上被商品化了。

只要用户在微信中运行他们的应用程序，苹果手机上的用户体验与安卓手机上的用户体验并没有太大不同。

重新捆绑的权利已经从操作系统和应用商店层迁移到微信管理的通信和支付层。

有许多应用程序自称是超级应用程序，但没有一个可以声称在底层操作系统之上创建一个全新的默认工作流层。

5、重新捆绑的关键

那么谁是 GenAI 的微信？——你可能会忍不住问。谁会在 Gen AI 中获胜。

第一顺序思考者会跳出来说“也许是 Slack——拥有那个通信层。也许 Salesforce 的收购毕竟是有意义的。”

但答案更加微妙。

我们不是在寻找通信层。我们在寻找重新捆绑的权利。

在微信的情况下，它恰好是通信层，但在 Gen AI 中可能是其他东西。

重新捆绑有一个秘密。它广为人知，但在很大程度上却隐藏着。

每个人都想重新捆绑。每个人都想成为中心。

但实际上很少有人能做到。

你不能仅仅因为你想这样做就把自己置于生态系统的中心。

成功重新捆绑的关键是：

你需要拥有实现用户关系首要地位的关键控制点

微信为什么在重新捆绑方面如此成功。它拥有两个关键控制点——通信和支付——使其能够调解用户和第三方应用之间的所有社交和经济互动。

这将我们带到了“如何利用生成式人工智能取胜”的第二个关键步骤。

5.1 在 Gen AI 中创建控制点

让我们来看看 AI；特别是预测 AI 和生成 AI。

预测 AI 降低了预测成本。

生成 AI 降低了创建成本。

通过吸收预测或创建的任务（和相关成本），AI 工具使用户能够在工作流程中做出决策和采取创造性行动。

用户的工作流程包含广泛的决策和创造性行动。然而，有一两个核心决策和创造性行动为工作流程的其余部分提供支持。

要使用 AI 创建控制点，你需要确保你的 AI 能够支持工作流程中的核心决策和/或核心创造性行动。

该控制点使你有权使用 AI 设置枢纽位置。

5.2 核心决策……和核心创意行动

对于用户工作流程来说，哪个决策最为重要，以至于所有上游活动都汇集到该决策中，所有下游活动都以该决策为食？

从核心决策开始！

对于用户工作流程来说，哪个创意行动最为重要，以至于所有上游活动都汇集到该创意行动中，所有下游活动都以该创意行动为食？

从核心创意行动开始！

让我们看两个例子。

考虑一下人工智能在医学中的作用。核心决策与诊断有关。对于放射科医生来说，核心决策可能与解释射线照片中的图像数据有关。对于医生来说，核心决策可能涉及解释电子健康记录中的信息。

拥有这个核心决策是一个关键的控制点。拥有核心决策的工具获得了用户（医生/放射科医生）关系的首要地位。上游工具（例如将非结构化对话转换为结构化 EHR 数据的工具）插入此工具。下游工具（例如，向用户提供反馈的远程健康监测应用程序）集成到此工具中。此工具处于枢纽位置。

或者考虑人工智能在出版中的作用。核心创意行动与事实证实和编辑有关。拥有这一核心创意行动是一个关键控制点。提供输入或利用这一事实来源和编辑输出的其他工具插入此枢纽位置。

除非你拥有核心决策或核心创意行动，并且除非你的微调模型为其提供支持，否则你不太可能在工作流程中获得枢纽位置。

回到上面的 Salesforce-Slack 示例，你可以拥有水平通信层，但如果该应用程序支持核心决策和/或核心创意行动，则你可能会被在该层上运行的应用程序商品化。

6、建立枢纽地位

枢纽地位有三个关键优势来源。大多数争夺人工智能枢纽地位的参与者都需要一个或多个此类优势来源的组合。

在预测式人工智能中：

  • 决策工作流程优势：您是否拥有核心决策所在的工作流程？
  • 决策智能优势：您是否拥有支持核心决策的专有模型？
  • 决策关系优势：您是否与决策者的关系处于首要地位？

同样，在生成式人工智能中：

  • 创意工作流程优势：您是否拥有核心创作活动所在的工作流程？
  • 创作智能优势：您是否拥有支持独特关键（部分或全部）核心创作活动的专有模型？
  • 创作者关系优势：您是否与创作者的关系处于首要地位？

理想情况下，您需要这三个。

让我们进一步解开这个谜团！

6.1 关键优势 #1：工作流程优势

你是否拥有核心决策/创作所在的工作流程？

枢纽位置可以围绕其他工作流程需要插入的工作流程组件构建，因为它们位于此核心决策/创作“瓶颈”的上游或下游，并为其提供信息或从中获取信息。

因此，决策中心建立了卓越的集成价值和交叉销售（甚至可能捆绑交叉补贴）上游和下游活动及其支持工具的权利。

决策中心通常具有参与的首要地位，因为它们拥有最重要的决策。创作中心同样具有参与的首要地位，因为它们拥有创作过程中最重要的部分。

由于这种工作流程优势，枢纽位置越来越多地吸收和无缝集成相邻的工作流程提供商。

让我们以 Autodesk 为例（注：这纯粹是说明性的，并不代表他们在 Gen AI 方面是成功还是失败）。

在建筑行业，Autodesk 在建筑的设计-规划-建造-运营生命周期中处于这样的地位。Autodesk 在生命周期的设计阶段具有优势，可以利用该工作流程优势充当生命周期中心。

可以通过第二个优势来源进一步加强这一地位。

6.2 关键优势 #2：智能优势

你是否拥有专有模型，这些模型可以为独特的关键（部分或全部）核心决策和/或创意活动提供支持？

枢纽地位是围绕某些专有模型优势建立的。

这通常涉及通过访问与核心决策或核心创意行动相关的专有数据流来专有地微调模型的能力。

反过来，这会产生一个正反馈循环。

随着枢纽地位的建立，来自其他工具的其他数据流开始与其集成（特别是如果该位置还具有工作流和/或关系优势）。 随着更多数据流的加入，枢纽地位的智能优势得到改善，其对核心决策或核心创意行动的控制点也变得越来越强。

再次以 Autodesk 为例，Autodesk 收购了跨建筑生命周期运营的公司（以创建 Autodesk Construction Cloud），从而可以访问整个生命周期的数据集，通过建立智能优势以及工作流优势，进一步提高了其枢纽地位的竞标资格。

6.3 关键优势 #3：关系优势

你是否与决策者和/或创造者的关系处于首要地位？

拥有核心用户关系（核心决策者或核心创造者）是关键。对于企业软件来说尤其如此，在职人员与核心用户（不一定是客户，而是拥有公司价值链中核心决策或核心创意行动的用户——例如放射科医生）的关系将是关键。

如果在职人员拥有关系优势，那么拥有工作流程和/或智能优势的新兴企业仍可能遇到障碍，最终可能不得不与在职人员合作。

用我们的 Autodesk 示例总结一下，Autodesk 拥有与关键创造者（设计阶段的建筑设计师）的关系，并且在较小但仍然重要的程度上拥有与关键决策者（规划阶段的建筑规划师）的关系。

结合这三个竞争优势来源——工作流程、智能和关系——可能会将其定位为建筑领域的 Gen AI 中心。

7、谁能赢得枢纽地位？

让我们来看看几个场景，看看当初创企业和现有企业争夺 Gen AI 领导地位时，情况会如何发展。

场景 1：具有工作流程 + 智能优势的新兴企业 vs 具有关系优势的现有企业

如果现有企业只拥有客户访问权，那么现有企业可能没有足够的优势来获胜。在这种情况下，新兴企业可能更有能力取代现有企业。

场景 2：新创企业拥有情报优势，而老牌企业拥有关系优势

这是一个非常有趣且可能出现的场景，但大多数初创公司都会忽视这一点。

正确的战略举措取决于现有企业的市场结构。

  • 如果市场由一家现有企业主导，那么新创企业应该寻求与现有企业建立深度合作伙伴关系（独家/合资）。
  • 如果现有市场分散在多个参与者之间，那么初创公司更适合为多家现有企业提供模型即服务，并考虑通过融入为客户服务的现有企业来获得情报优势。

场景 3：具有关系优势的现有企业建立/购买情报和/或工作流程优势

这是最有力的既有举措。缺乏模型和/或用户体验能力的既有企业将会等待这样的机会。

原文链接：How to win at Generative AI

BimAnt翻译整理，转载请标明出处