Au fil du temps, l'accent mis sur la valeur ajoutée par l'industrie américaine de l'intelligence artificielle s'est discrètement déplacé.
Selon un nouveau rapport du Wall Street Journal : Les startups d'IA générative qui lèvent des milliards de dollars pourraient déjà échouer si elles ne disposent pas des bonnes données.
Brad Svruga, co-fondateur et associé général de la société de capital-risque Primary Venture Partners, a déclaré :
"Nous avons vu beaucoup d'entreprises qui recherchent peut-être de bonnes applications d'IA, mais elles n'ont pas accès aux données qui leur permettraient de créer des applications puissantes, sans parler des données propriétaires qui pourraient les aider."
En d'autres termes : la valeur réelle devient la donnée lorsque, sur le marché, **construire le modèle réel s'apparente à une marchandise pouvant être achetée. Avoir les bonnes données est peut-être plus important que jamais.
(un)
La logique ici est : À l'heure actuelle, de nombreuses startups d'IA espèrent établir des modèles d'IA de niche dans des domaines subdivisés tels que la finance ou la santé, mais parce qu'elles manquent de reconnaissance de marque et d'identité sociale, ces startups Ce n'est pas facile pour les entreprises pour obtenir des ensembles de données de formation pour les industries verticales.
À cet égard, les grandes entreprises peuvent avoir un avantage,** car les grandes entreprises ont gagné la confiance des gros clients dans la manière de gérer les données. **
Par exemple, selon le rapport du "Wall Street Journal": Ernst & Young dispose d'une grande quantité de données de transactions dans le monde entier, et des startups d'IA générative viennent à leur porte tous les jours. Mais EY Global est inquiet : que se passera-t-il si vous utilisez vos propres données propriétaires pour former des modèles externes ?
"Qui possède les données ? Lorsque nous formons un modèle, quel est notre accès à ce modèle ? Comment d'autres peuvent-ils utiliser ce modèle ? Les données font partie de la propriété intellectuelle que nous apportons à la table", a souligné EY Global.
Pour résoudre un problème IP similaire, une contre-mesure est : les startups peuvent former différents modèles pour chaque client en se basant uniquement sur les données de chaque client.
Par exemple, TermSheet utilise cette stratégie pour construire la stratégie produit Ethan. Ce dernier est un modèle d'IA génératif qui peut répondre aux questions de l'industrie pour les promoteurs immobiliers, les courtiers et les investisseurs. Mais Roger Smith, PDG de TermSheet, a également déclaré que même si les clients sont d'accord avec cela, ils doivent éduquer les clients et les convaincre.
**De plus, les préoccupations concernant la sécurité du réseau sont également les raisons pour lesquelles les grandes entreprises clientes hésitent à choisir les startups. **
Par exemple, Tracey Daniels, responsable des données de la société de services financiers Truist, a déclaré qu'en termes de sécurité des données, ils font confiance à de plus grands fournisseurs, ils choisissent donc d'explorer les applications d'IA générative uniquement avec de grands fournisseurs de technologie plutôt qu'avec des startups.
** Troisièmement, même dans certains cas, les gros clients des industries verticales exigeront que les startups génératives d'IA paient d'énormes sommes d'argent ou des capitaux propres de l'entreprise. **
Par exemple, Veesual, une société d'IA générative qui génère des images de personnes essayant des vêtements, a initialement utilisé des images publiques sur Internet pour la formation, mais a échoué pour ces raisons en essayant d'amener les grands détaillants à accepter de transmettre leurs données pour améliorer le modèle. .
**Le quatrième cas est techniquement difficile à réaliser. **
Par exemple, PatentPal, une startup d'IA générative qui aide les cabinets d'avocats à rédiger des demandes de brevet, a été formée pour publier des demandes de brevet. Ils ont la possibilité de continuer à entraîner leurs modèles sur des retours clients réels cryptés ou anonymisés, rendant leurs outils encore plus précis. Mais ce processus est complexe car les retours d'informations doivent être séparés des données hautement sensibles et confidentielles, y compris les secrets commerciaux.
** Dans le même temps, cependant, la course aux startups d'IA générative s'est intensifiée. **
Si vous regardez l'ampleur de l'injection de capital, selon les données de PitchBook citées par le Wall Street Journal : de 2022 l'année dernière aux cinq premiers mois de cette année, le financement en capital-risque des startups d'IA générative est passé de 4,8 milliards de dollars à 12,7 milliards de dollars. milliard.
En conséquence, il y a eu une pression croissante sur les startups d'IA générative pour sécuriser l'accès à plus de données dans certains marchés de niche.
Adam Struck, fondateur et associé directeur de Struck Capital, a déclaré : ** Les startups se font la course les unes contre les autres pour sécuriser davantage de données sur certains marchés de niche. **
"Si vous pensez qu'il existe un ensemble de données propriétaires, vous voulez l'obtenir avant eux, puis négocier l'exclusivité. En ce sens, cela devient presque une course aux armements", a-t-il déclaré.
(deux)
Fait intéressant, le statu quo ci-dessus ne peut s'empêcher de me faire réfléchir : ** Il semble qu'il y ait vraiment un manque de marché public d'échange de données sur le marché. **
En fait, en 2018 ou plus tôt en 2017, un de mes amis chez Netflix, une société américaine de médias en continu, m'a parlé de son idée entrepreneuriale : être un marché public d'échange de données. Cependant, il n'existe toujours pas de forme de produit appropriée, y compris comment permettre aux entreprises de transmettre volontairement leurs données.
De ce point de vue, une nouvelle de ces deux derniers jours - OpenAI envisage de lancer un marché de trading - est très digne d'attention.
Il convient de noter que : après l'échec du plan de plug-in de ChatGPT, selon les médias américains :
OpenAI envisage de lancer une place de marché pour permettre aux clients de vendre leurs modèles d'IA personnalisés à d'autres entreprises. En d'autres termes : Cette place de marché fournira aux entreprises un moyen d'accéder à de grands modèles de langage de pointe et d'héberger des versions affinées des modèles OpenAI créés par les clients. ...
Le résumé principal du reste de cet article suit :
Pourquoi OpenAI envisage-t-il de lancer un marché commercial ?
Existe-t-il un moyen sur ce marché commercial d'ouvrir le partage de données et les transactions entre entreprises ?
Voir l'original
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Le nouveau problème des startups américaines de l'IA : l'argent, mais le manque de données
Source de l'article : Silicon Publishing
作者：Lynn Yang
Selon un nouveau rapport du Wall Street Journal : Les startups d'IA générative qui lèvent des milliards de dollars pourraient déjà échouer si elles ne disposent pas des bonnes données.
Brad Svruga, co-fondateur et associé général de la société de capital-risque Primary Venture Partners, a déclaré :
En d'autres termes : la valeur réelle devient la donnée lorsque, sur le marché, **construire le modèle réel s'apparente à une marchandise pouvant être achetée. Avoir les bonnes données est peut-être plus important que jamais.
(un)
La logique ici est : À l'heure actuelle, de nombreuses startups d'IA espèrent établir des modèles d'IA de niche dans des domaines subdivisés tels que la finance ou la santé, mais parce qu'elles manquent de reconnaissance de marque et d'identité sociale, ces startups Ce n'est pas facile pour les entreprises pour obtenir des ensembles de données de formation pour les industries verticales.
À cet égard, les grandes entreprises peuvent avoir un avantage,** car les grandes entreprises ont gagné la confiance des gros clients dans la manière de gérer les données. **
Par exemple, selon le rapport du "Wall Street Journal": Ernst & Young dispose d'une grande quantité de données de transactions dans le monde entier, et des startups d'IA générative viennent à leur porte tous les jours. Mais EY Global est inquiet : que se passera-t-il si vous utilisez vos propres données propriétaires pour former des modèles externes ?
"Qui possède les données ? Lorsque nous formons un modèle, quel est notre accès à ce modèle ? Comment d'autres peuvent-ils utiliser ce modèle ? Les données font partie de la propriété intellectuelle que nous apportons à la table", a souligné EY Global.
Pour résoudre un problème IP similaire, une contre-mesure est : les startups peuvent former différents modèles pour chaque client en se basant uniquement sur les données de chaque client.
Par exemple, TermSheet utilise cette stratégie pour construire la stratégie produit Ethan. Ce dernier est un modèle d'IA génératif qui peut répondre aux questions de l'industrie pour les promoteurs immobiliers, les courtiers et les investisseurs. Mais Roger Smith, PDG de TermSheet, a également déclaré que même si les clients sont d'accord avec cela, ils doivent éduquer les clients et les convaincre.
**De plus, les préoccupations concernant la sécurité du réseau sont également les raisons pour lesquelles les grandes entreprises clientes hésitent à choisir les startups. **
Par exemple, Tracey Daniels, responsable des données de la société de services financiers Truist, a déclaré qu'en termes de sécurité des données, ils font confiance à de plus grands fournisseurs, ils choisissent donc d'explorer les applications d'IA générative uniquement avec de grands fournisseurs de technologie plutôt qu'avec des startups.
** Troisièmement, même dans certains cas, les gros clients des industries verticales exigeront que les startups génératives d'IA paient d'énormes sommes d'argent ou des capitaux propres de l'entreprise. **
Par exemple, Veesual, une société d'IA générative qui génère des images de personnes essayant des vêtements, a initialement utilisé des images publiques sur Internet pour la formation, mais a échoué pour ces raisons en essayant d'amener les grands détaillants à accepter de transmettre leurs données pour améliorer le modèle. .
**Le quatrième cas est techniquement difficile à réaliser. **
Par exemple, PatentPal, une startup d'IA générative qui aide les cabinets d'avocats à rédiger des demandes de brevet, a été formée pour publier des demandes de brevet. Ils ont la possibilité de continuer à entraîner leurs modèles sur des retours clients réels cryptés ou anonymisés, rendant leurs outils encore plus précis. Mais ce processus est complexe car les retours d'informations doivent être séparés des données hautement sensibles et confidentielles, y compris les secrets commerciaux.
** Dans le même temps, cependant, la course aux startups d'IA générative s'est intensifiée. **
En conséquence, il y a eu une pression croissante sur les startups d'IA générative pour sécuriser l'accès à plus de données dans certains marchés de niche.
Adam Struck, fondateur et associé directeur de Struck Capital, a déclaré : ** Les startups se font la course les unes contre les autres pour sécuriser davantage de données sur certains marchés de niche. **
"Si vous pensez qu'il existe un ensemble de données propriétaires, vous voulez l'obtenir avant eux, puis négocier l'exclusivité. En ce sens, cela devient presque une course aux armements", a-t-il déclaré.
(deux)
Fait intéressant, le statu quo ci-dessus ne peut s'empêcher de me faire réfléchir : ** Il semble qu'il y ait vraiment un manque de marché public d'échange de données sur le marché. **
En fait, en 2018 ou plus tôt en 2017, un de mes amis chez Netflix, une société américaine de médias en continu, m'a parlé de son idée entrepreneuriale : être un marché public d'échange de données. Cependant, il n'existe toujours pas de forme de produit appropriée, y compris comment permettre aux entreprises de transmettre volontairement leurs données.
De ce point de vue, une nouvelle de ces deux derniers jours - OpenAI envisage de lancer un marché de trading - est très digne d'attention.
Il convient de noter que : après l'échec du plan de plug-in de ChatGPT, selon les médias américains :
OpenAI envisage de lancer une place de marché pour permettre aux clients de vendre leurs modèles d'IA personnalisés à d'autres entreprises. En d'autres termes : Cette place de marché fournira aux entreprises un moyen d'accéder à de grands modèles de langage de pointe et d'héberger des versions affinées des modèles OpenAI créés par les clients. ...
Le résumé principal du reste de cet article suit :
Pourquoi OpenAI envisage-t-il de lancer un marché commercial ?
Existe-t-il un moyen sur ce marché commercial d'ouvrir le partage de données et les transactions entre entreprises ?