抄袭 VC Charles Hudson 的博客文章，这就是我要回答的问题
一群不同的机器人在比赛，数字艺术 [DALL-E]
如果初创公司创始人有时会“在公共场合建设”，那么类似的冒险资本主义座右铭是“在公共场合思考”吗？不管怎样，毫无疑问，过去几个月的故事都是人工智能。在Homebrew 的第一个十年中，我们一直对我们所谓的“应用 AI”（以及应用 CV、应用 ML）感兴趣——技术本身为特定目的而扩展和商业化的机会（与核心研发或基础模型开发）。 Shield.ai 、 Kettle和MasterfulAI等公司属于符合此定义的 Homebrew 投资。但同样清楚的是，我们正处于一个新的拐点，我们之前的假设需要更新。因此，就像抛光玻璃杯中的石头一样，“我们在这里的原则是什么”已经在我脑海中盘旋了几个季度。然后我读了Charles Hudson 的帖子，这促使我 [AI PUN] 把它写下来。
在“ 应对生成式 AI 革命的通才种子 VC 提出的诚实而天真的问题”中，Charles（我爱的人）谈到了与Satya和我一直在谈论的话题相似的话题。
一、基础模型
- 给定团队、数据和计算成本，基础模型的“入门价格”和“创新价格”会随时间增加还是减少
- 不同的数据类型是否会产生/需要它们自己的基本模型，以及在什么条件下这些基本模型可能由不同的公司/来源产生，而不是在一个单一的公司保护伞下产生
- 如何衡量“质量”以及除了“质量”[价格、延迟、隐私等]之外，模型所有者将根据哪些特征进行竞争
二。人工智能“中间件”
- 在多基础模型世界中，根据用例在模型之间动态切换是否会创造一些价值？大多数寻求集成“AI”的应用程序所有者是否对“最佳结果”更感兴趣，而不是必须预先选择模型
- 这个中间件层是否可以访问足够的模型属性，甚至知道何时/如何在模型之间进行管理
- 这些公司能否保护他们的利润率，或者他们是否会受到 (a) 激烈的竞争将利润率推低至“基本型号查询价格 + 几个基点”或 (b) 基本型号公司的行为像唱片公司并且基本上是非常谨慎的关于获取基于其 IP 构建的服务所创造的大部分收入
- 中间件是否能够使用新的专有数据扩充基本模型以创建差异化产品
- 中间件公司是否会寻求聚合专有数据源，以便以独特的方式改进基础模型
三、人工智能“原生”应用
- 添加 AI 会在哪些条件下催化围绕该技术构建的新产品，而“AI”是市场领先的应用程序可以在其平台中构建的功能。 Zendesk 会被 AI 客户支持初创公司取代，还是 Zendesk 会集成 AI。对所有 B2B 重复这个问题。
- OpenAI 是一家营利性机构，运营着一家风险基金等——支持与 OpenAI 资助的初创公司竞争的替代方案存在哪些类型的“合作风险”。所有的基础模型是否都在使用他们的现金来尝试和开发自己的生态系统，并隐式/显式地尝试挑选获胜的应用程序？
- “非本地”采用者的工程团队需要是什么样子才能成功集成、管理本地应用程序并与之竞争
- 认为自己拥有专有数据可以帮助改进基本模型的企业是否能够出售该数据和/或将其“支付”给模型以换取折扣使用？他们会寻求在基础模型之上创建改进的层吗？
如果您在这里有 POV，我总是很高兴收到您的来信 [hunter at homebrew dot co]！请记住，我们将个人资本（通常为 10 万美元至 50 万美元的初始投资，但在适当的时候可以扩大规模）投资于您的公司，然后开始为您提供支持。
通过在此处注册，将我所有的帖子免费发送到您的收件箱