Berapa penting design structure?
Ini mungkin tampak seperti pertanyaan konyol, tetapi sering muncul dalam percakapan saya dengan start-up AI, yang semakin nyaman dengan bisnis yang dulunya dianggap sebagai “pembungkus GPT,” atau perusahaan yang membangun antarmuka di atas design AI yang ada seperti chatgpt. Saat ini, tim start-up berfokus pada penyesuaian model AI untuk tugas -tugas tertentu dan pekerjaan antarmuka, dan melihat model pondasi sebagai komoditas yang dapat ditukar dan keluar seperlunya. Pendekatan itu dipamerkan terutama di BoxWorks Conference minggu lalu, yang tampaknya sepenuhnya dikhususkan untuk perangkat lunak yang menghadap pengguna yang dibangun di atas model AI.
Bagian dari apa yang mendorong ini adalah bahwa manfaat penskalaan dari pra-pelatihan-proses awal mengajar model AI menggunakan dataset besar, yang merupakan satu-satunya domain model yayasan-telah melambat. Itu tidak berarti AI telah berhenti membuat kemajuan, tetapi manfaat awal dari design dasar hyperscaled telah mencapai pengembalian yang semakin berkurang, dan perhatian telah beralih ke pembelajaran pasca-pelatihan dan penguatan sebagai sumber kemajuan di masa depan. Jika Anda ingin membuat alat pengkodean AI yang lebih baik, Anda lebih baik mengerjakan desain fine-tuning dan antarmuka daripada menghabiskan beberapa miliar dolar lagi dalam waktu web server untuk pra-pelatihan. Seperti yang ditunjukkan oleh keberhasilan Kode Claude Anthropic, perusahaan model yayasan juga cukup baik di bidang -bidang lain ini – tetapi itu bukan keuntungan yang tahan lama seperti dulu.
Singkatnya, lanskap kompetitif AI berubah dengan cara yang merusak keunggulan laboratorium AI terbesar. Alih-alih perlombaan untuk AGI yang sangat kuat yang dapat mencocokkan atau melampaui kemampuan manusia di semua tugas kognitif, masa depan segera terlihat seperti kesibukan bisnis yang terpisah: pengembangan perangkat lunak, manajemen data perusahaan, pembuatan gambar dan sebagainya. Selain dari keunggulan penggerak pertama, tidak jelas bahwa membangun version yayasan memberi Anda keuntungan dalam bisnis tersebut. Lebih buruk lagi, banyaknya alternatif open-source berarti bahwa model yayasan mungkin tidak memiliki pengaruh harga jika mereka kehilangan kompetisi di lapisan aplikasi. Ini akan mengubah perusahaan seperti Openai dan Anthropic menjadi pemasok back-end dalam bisnis komoditas margin rendah-seperti yang dikatakan oleh salah satu pendiri kepada saya, “seperti menjual biji kopi ke Starbucks.”
Sulit untuk melebih -lebihkan betapa perubahan dramatis ini bagi bisnis AI. Sepanjang thriving kontemporer, keberhasilan AI telah tidak dapat dipisahkan dari keberhasilan perusahaan membangun version yayasan – khususnya, openai, antropik, dan google. Menjadi favorable pada AI berarti meyakini bahwa dampak transformatif AI akan membuat ini menjadi perusahaan yang penting secara generasi. Kita bisa berdebat tentang perusahaan mana yang akan keluar di atas, tetapi jelas bahwa beberapa perusahaan version fondasi akan berakhir dengan kunci kerajaan.
Pada saat itu, ada banyak alasan untuk berpikir ini benar. Selama bertahun -tahun, pengembangan model yayasan adalah satu -satunya bisnis AI yang ada – dan laju kemajuan yang cepat membuat keunggulan mereka tampak tidak dapat diatasi. Dan Silicon Valley selalu memiliki kecintaan yang mendalam dari keunggulan system. Asumsinya adalah bahwa, namun design AI akhirnya menghasilkan uang, bagian terbesar dari manfaat akan mengalir kembali ke perusahaan model yayasan, yang telah melakukan pekerjaan yang paling sulit ditiru.
Setahun terakhir telah membuat cerita itu lebih rumit. Ada banyak layanan AI pihak ketiga yang sukses, tetapi mereka cenderung menggunakan version fondasi secara bergantian. Untuk startup, tidak lagi penting apakah produk mereka berada di atas GPT- 5, Claude atau Gemini, dan mereka berharap dapat mengganti model di mid-rilis tanpa pengguna akhir memperhatikan perbedaannya. Design yayasan terus membuat kemajuan nyata, tetapi tampaknya tidak lagi masuk akal bagi perusahaan mana pun untuk mempertahankan keuntungan yang cukup besar untuk mendominasi industri.
Acara TechCrunch
San Francisco | 27 – 29 Oktober 2025
Kami sudah memiliki banyak indikasi bahwa tidak ada banyak keuntungan penggerak pertama. Seperti yang ditunjukkan oleh kapitalis ventura Martin Casado dari A 16 Z podcast baru -baru ini Openai adalah laboratorium pertama yang mengeluarkan design pengkodean, serta model generatif untuk gambar dan video – hanya untuk kehilangan ketiga kategori untuk pesaing. “Sejauh yang kami tahu, tidak ada parit yang melekat dalam tumpukan teknologi untuk AI,” Casado menyimpulkan.
Tentu saja, kita seharusnya belum menghitung perusahaan model fondasi dulu. Masih ada banyak keunggulan tahan lama di pihak mereka, termasuk pengakuan merek, infrastruktur, dan cadangan tunai yang sangat besar. Bisnis konsumen Openai mungkin terbukti lebih sulit untuk ditiru daripada bisnis pengkodeannya, dan keunggulan lainnya mungkin muncul ketika sektor ini matang. Mengingat laju perkembangan AI yang cepat, minat saat ini dalam pasca-pelatihan dapat dengan mudah membalikkan arah dalam enam bulan ke depan. Yang paling tidak pasti, perlombaan menuju kecerdasan umum dapat membuahkan hasil dengan terobosan baru dalam farmasi atau ilmu material, secara radikal menggeser ide -ide kami tentang apa yang membuat design AI berharga.
Namun sementara itu, strategi membangun model yayasan yang semakin besar terlihat jauh lebih menarik daripada tahun lalu-dan miliaran dolar miliar motife mulai terlihat sangat berisiko.
