Haha on Nostr: 做个笔记 ...
做个笔记
麦肯锡提出了生成式AI价值链的六个层面。如今普遍在关注底部三个层次,但顶部三个级别最终将产生更多价值。
之前的创新也遵循类似规律,互联网早期受益者是思科等硬件公司,随着创新的深化,创造价值的是亚马逊和谷歌等。此外,较低三个级别是极其资本密集型的 ,这也是被财力雄厚的大公司主导的原因。
1,电脑硬件
LLM(大语言模型)需要强大的算力,GPU是核心。数据中心需要各种硬件和网络设备。众所周知英伟达是领先的GPU供应商,它是AI革命的前沿和中心也就不足为奇了。AMD相对处于劣势,而台积电是制造GPU的公司。其他公司包括销售服务器、网络设备和用于运行AI模型的硬件。如SMCI、Arista Networks、A10 Networks和思科。
半导体生态系统内的重要公司还包括ASML、Cadence和Synopsys。毫无疑问,英伟达将在未来几年继续主导GPU。
2,云平台
过去近20年提供算力和存储的大型科技公司都能从各种重大创新中受益,此次AI革命也不例外。在利用AI方面,大型云平台有无数优势。他们拥有开发模型的资本和资源,提供算力和其他服务,并且已有数百万客户可以销售服务。
还有一些公司则是建造或拥有实体基础设施的。包括Equinix、Digital Realty Trust和American Tower Corporation等房地产投资信托基金。另一个是私募股权巨头黑石集团,该公司正在投资250亿美元建设一系列AI数据中心。
3,基础模型
生成式AI模型是大规模预训练模型,如GPT、Gemini和Llama。这些模型用文本输入和经过训练后,输出包括文本、音频和视频的内容。培训LLM需要专业知识和庞大资金,算力和数据都很花钱。因此这又是大型公司擅长的领域,像OpenAI和Anthropic这样的创业公司也非要傍上大公司,不奇怪微软、Alphabet和Meta占据主导地位。也会有一些黑马如苹果甚至是X,都有可能加入竞争。
基础模型面临难以保持竞争优势的风险,Meta的Llama等开源模型的出现后尤其如此。
4,模型中心和MLOps
这是价值链中最容易被忽略的部分,模型中心指用于托管和管理模型的平台或工具。MLOps指开发、部署和管理机器学习应用程序的过程。
开发AI应用程序成本高昂,需要细致的规划、测试和管理。云平台都提供某种程度的MLOps工具和服务。有很多公司提供专业服务,包括IBM、Kyndrl(从IBM剥离出来)和HPE等传统IT公司,以及Palantir和Snowflake等AI和数据平台。
提供MLOps服务的初创公司也在不断增加,包括Databricks(据传即将IPO)和Hugging Face。投这样的公司需要详细了解其商业模式以及经常性收入的比例。咨询业务的资本要求较低,但相对缺乏可预测性和稳定性。
5,应用
如果AI遵循之前所有技术创新的轨迹,那么开发全新应用的公司将为客户和股东创造最大价值。
如果说基础模型是发动机,那么应用程序就是装上发动机的各款汽车,基于LLM为消费者和不同行业解决各种具体问题。
比如银行客服chatbot,除了正常对话,还需要访问客户的帐户和之前的沟通存档,需要知道哪些信息不能共享。因此必须根据合适的数据进行微调和训练,以产生合适的输出。
拥有海量用户和数据的Meta、Alphabet、亚马逊和微软会拥有天然优势,其他符合条件的公司有Salesforce、PayPal、Shopify等。
迄今只有苹果这家大型科技公司股价中没有体现AI的价值。不妨可以关注苹果在AI领域的动向,据传Siri正在进行生成式AI改造。苹果有20亿台设备和App Store,对AI的战略布局明牌后一定会影响股价。
当然,AI应用开发的门槛较低,竞争会很激烈。可能AI真正进入泡沫化是以一批应用层小公司股价被炒高的时候。
6,服务
指的是向开发和部署AI解决方案的企业提供服务的公司。
瑞穗证券分析师强调这类IT服务公司可以作为投资AI的另一种方式。这些公司很早就在为企业提供数字化转型,客户关系已经有了。这个领域的公司包括IBM、Kyndrl和HPE这样的佼佼者。还有Accenture、Globant和EPAM Systems这样的IT咨询公司。当然这些公司在AI浪潮中处于边缘位置,并非直接的推动者。好处是股价不会过于动荡,坏处是很难从中找到十倍股。
上述6个层面没有包括很重要的一环,就是利用AI工具提升竞争力的企业,比如将AI工具广泛布置于行政管理、产品开发、营销推广、客户服务等业务领域,从而大幅降低成本和增加收入。
麦肯锡提出了生成式AI价值链的六个层面。如今普遍在关注底部三个层次,但顶部三个级别最终将产生更多价值。
之前的创新也遵循类似规律,互联网早期受益者是思科等硬件公司,随着创新的深化,创造价值的是亚马逊和谷歌等。此外,较低三个级别是极其资本密集型的 ,这也是被财力雄厚的大公司主导的原因。
1,电脑硬件
LLM(大语言模型)需要强大的算力,GPU是核心。数据中心需要各种硬件和网络设备。众所周知英伟达是领先的GPU供应商,它是AI革命的前沿和中心也就不足为奇了。AMD相对处于劣势,而台积电是制造GPU的公司。其他公司包括销售服务器、网络设备和用于运行AI模型的硬件。如SMCI、Arista Networks、A10 Networks和思科。
半导体生态系统内的重要公司还包括ASML、Cadence和Synopsys。毫无疑问,英伟达将在未来几年继续主导GPU。
2,云平台
过去近20年提供算力和存储的大型科技公司都能从各种重大创新中受益,此次AI革命也不例外。在利用AI方面,大型云平台有无数优势。他们拥有开发模型的资本和资源,提供算力和其他服务,并且已有数百万客户可以销售服务。
还有一些公司则是建造或拥有实体基础设施的。包括Equinix、Digital Realty Trust和American Tower Corporation等房地产投资信托基金。另一个是私募股权巨头黑石集团,该公司正在投资250亿美元建设一系列AI数据中心。
3,基础模型
生成式AI模型是大规模预训练模型,如GPT、Gemini和Llama。这些模型用文本输入和经过训练后,输出包括文本、音频和视频的内容。培训LLM需要专业知识和庞大资金,算力和数据都很花钱。因此这又是大型公司擅长的领域,像OpenAI和Anthropic这样的创业公司也非要傍上大公司,不奇怪微软、Alphabet和Meta占据主导地位。也会有一些黑马如苹果甚至是X,都有可能加入竞争。
基础模型面临难以保持竞争优势的风险,Meta的Llama等开源模型的出现后尤其如此。
4,模型中心和MLOps
这是价值链中最容易被忽略的部分,模型中心指用于托管和管理模型的平台或工具。MLOps指开发、部署和管理机器学习应用程序的过程。
开发AI应用程序成本高昂,需要细致的规划、测试和管理。云平台都提供某种程度的MLOps工具和服务。有很多公司提供专业服务,包括IBM、Kyndrl(从IBM剥离出来)和HPE等传统IT公司,以及Palantir和Snowflake等AI和数据平台。
提供MLOps服务的初创公司也在不断增加,包括Databricks(据传即将IPO)和Hugging Face。投这样的公司需要详细了解其商业模式以及经常性收入的比例。咨询业务的资本要求较低,但相对缺乏可预测性和稳定性。
5,应用
如果AI遵循之前所有技术创新的轨迹,那么开发全新应用的公司将为客户和股东创造最大价值。
如果说基础模型是发动机,那么应用程序就是装上发动机的各款汽车,基于LLM为消费者和不同行业解决各种具体问题。
比如银行客服chatbot,除了正常对话,还需要访问客户的帐户和之前的沟通存档,需要知道哪些信息不能共享。因此必须根据合适的数据进行微调和训练,以产生合适的输出。
拥有海量用户和数据的Meta、Alphabet、亚马逊和微软会拥有天然优势,其他符合条件的公司有Salesforce、PayPal、Shopify等。
迄今只有苹果这家大型科技公司股价中没有体现AI的价值。不妨可以关注苹果在AI领域的动向,据传Siri正在进行生成式AI改造。苹果有20亿台设备和App Store,对AI的战略布局明牌后一定会影响股价。
当然,AI应用开发的门槛较低,竞争会很激烈。可能AI真正进入泡沫化是以一批应用层小公司股价被炒高的时候。
6,服务
指的是向开发和部署AI解决方案的企业提供服务的公司。
瑞穗证券分析师强调这类IT服务公司可以作为投资AI的另一种方式。这些公司很早就在为企业提供数字化转型,客户关系已经有了。这个领域的公司包括IBM、Kyndrl和HPE这样的佼佼者。还有Accenture、Globant和EPAM Systems这样的IT咨询公司。当然这些公司在AI浪潮中处于边缘位置,并非直接的推动者。好处是股价不会过于动荡,坏处是很难从中找到十倍股。
上述6个层面没有包括很重要的一环,就是利用AI工具提升竞争力的企业,比如将AI工具广泛布置于行政管理、产品开发、营销推广、客户服务等业务领域,从而大幅降低成本和增加收入。