Com o passar do tempo, o foco de valor agregado da indústria de inteligência artificial dos EUA mudou silenciosamente.
De acordo com um novo relatório do The Wall Street Journal: As startups de IA generativa que estão levantando bilhões de dólares podem já estar falhando se não tiverem os dados corretos.
Brad Svruga, cofundador e sócio geral da empresa de capital de risco Primary Venture Partners, observou:
"Vimos muitas empresas que podem estar procurando ótimos aplicativos de IA, mas não têm acesso aos dados que lhes permitiriam criar aplicativos poderosos, muito menos dados proprietários que poderiam ajudá-los."
Em outras palavras: o valor real torna-se o dado quando, no mercado, **a construção do modelo real tornou-se semelhante a uma mercadoria que pode ser comprada. Ter os dados certos talvez seja mais importante do que nunca.
(um)
A lógica aqui é: Atualmente, muitas startups de IA esperam estabelecer modelos de IA de nicho em campos subdivididos, como finanças ou saúde, mas por falta de reconhecimento de marca e identidade social, essas startups não é fácil para as empresas para obter conjuntos de dados de treinamento para indústrias verticais.
Nesse sentido, as grandes empresas podem ter uma vantagem,** porque as grandes empresas conquistaram a confiança de grandes clientes na forma de lidar com os dados. **
Por exemplo, de acordo com o relatório do "Wall Street Journal": a Ernst & Young tem uma grande quantidade de dados de transações em todo o mundo, e startups de IA generativa batem à sua porta todos os dias. Mas a EY Global está preocupada: o que acontecerá se você usar seus próprios dados proprietários para treinar modelos externos?
"Quem é o dono dos dados? Quando treinamos um modelo, qual é o nosso acesso a esse modelo? De que outra forma outras pessoas podem usar esse modelo? Os dados fazem parte da propriedade intelectual que trazemos para a mesa", apontou a EY Global.
Para resolver um problema de IP semelhante, uma contramedida: as startups podem treinar diferentes modelos para cada cliente com base apenas nos dados de cada cliente.
Por exemplo, TermSheet usa essa estratégia para construir a estratégia de produto Ethan. Este último é um modelo de IA generativo que pode responder a perguntas do setor para incorporadores, corretores e investidores imobiliários. Mas Roger Smith, CEO da TermSheet, também disse que mesmo que os clientes concordem com isso, eles precisam educar os clientes e convencê-los.
**Além disso, as preocupações com a segurança da rede também são os motivos pelos quais as principais empresas clientes relutam em escolher startups. **
Por exemplo, Tracey Daniels, diretora de dados da empresa de serviços financeiros Truist, disse que, em termos de segurança de dados, eles confiam em fornecedores maiores, então optam por explorar aplicativos de IA generativos apenas com grandes fornecedores de tecnologia, em vez de startups.
**Terceiro, mesmo em alguns casos, grandes clientes em setores verticais exigirão que startups de IA generativa paguem grandes somas de dinheiro ou patrimônio da empresa. **
A Veesual, uma empresa de IA generativa que gera imagens de pessoas experimentando roupas, inicialmente usou imagens públicas na internet para treinamento, mas falhou pelas mesmas razões ao tentar fazer com que grandes varejistas concordassem em entregar seus dados para aprimorar seus modelos.
**O quarto caso é tecnicamente difícil de alcançar. **
Por exemplo, a PatentPal, uma startup de IA generativa que ajuda escritórios de advocacia a redigir pedidos de patente, foi treinada para publicar pedidos de patente. Eles têm a oportunidade de continuar treinando seus modelos com feedback real criptografado ou anônimo de clientes, tornando suas ferramentas ainda mais precisas. Mas esse processo é complexo porque o feedback deve ser mantido separado de dados altamente sensíveis e confidenciais, incluindo segredos comerciais.
**Ao mesmo tempo, no entanto, a corrida por startups de IA generativa esquentou. **
Se você observar a escala da injeção de capital, de acordo com dados do PitchBook citados pelo Wall Street Journal: de 2022 do ano passado até os primeiros cinco meses deste ano, o financiamento de capital de risco para startups de IA generativa cresceu de US$ 4,8 bilhões para US$ 12,7 bilhão.
Como resultado, tem havido uma pressão crescente sobre as startups de IA generativa para garantir o acesso a mais dados em determinados nichos de mercado.
Adam Struck, fundador e sócio-gerente da Struck Capital, observou: **As startups estão competindo entre si para garantir mais dados em determinados nichos de mercado. **
"Se você acredita que existe um conjunto de dados proprietário, deseja obtê-lo antes que eles o façam e, então, negociar a exclusividade. Nesse sentido, torna-se quase uma corrida armamentista", disse ele.
(dois)
Curiosamente, o status quo acima não pode deixar de me fazer pensar: **Parece que realmente falta um mercado público de negociação de dados no mercado. **
Aliás, em 2018 ou no início de 2017, um amigo meu da Netflix, empresa americana de streaming media, me falou sobre sua ideia empreendedora: ser um mercado público de negociação de dados. No entanto, ainda não existe uma forma de produto adequada, incluindo como permitir que as empresas entreguem voluntariamente seus dados.
A partir desta perspectiva, uma notícia nos últimos dois dias - a OpenAI está considerando o lançamento de um mercado de negociação - é muito digna de atenção.
Deve-se notar que: depois que o plano de plug-in do ChatGPT quase falhou, de acordo com relatos da mídia dos EUA:
A OpenAI está considerando lançar um mercado para permitir que os clientes vendam seus modelos personalizados de IA para outras empresas. Em outras palavras: Este mercado fornecerá às empresas uma maneira de acessar grandes modelos de linguagem de ponta e hospedar versões ajustadas de modelos OpenAI criados por clientes. ...
O resumo principal do restante deste artigo segue:
Por que a OpenAI está considerando lançar um mercado de negociação?
Existe alguma maneira neste mercado de negociação para abrir o compartilhamento de dados e transações entre empresas?
Ver 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.
O novo problema para as startups americanas de IA: dinheiro, mas falta de dados
Fonte do artigo: Silicon Publishing
Nome: Lynn Yang
De acordo com um novo relatório do The Wall Street Journal: As startups de IA generativa que estão levantando bilhões de dólares podem já estar falhando se não tiverem os dados corretos.
Brad Svruga, cofundador e sócio geral da empresa de capital de risco Primary Venture Partners, observou:
Em outras palavras: o valor real torna-se o dado quando, no mercado, **a construção do modelo real tornou-se semelhante a uma mercadoria que pode ser comprada. Ter os dados certos talvez seja mais importante do que nunca.
(um)
A lógica aqui é: Atualmente, muitas startups de IA esperam estabelecer modelos de IA de nicho em campos subdivididos, como finanças ou saúde, mas por falta de reconhecimento de marca e identidade social, essas startups não é fácil para as empresas para obter conjuntos de dados de treinamento para indústrias verticais.
Nesse sentido, as grandes empresas podem ter uma vantagem,** porque as grandes empresas conquistaram a confiança de grandes clientes na forma de lidar com os dados. **
Por exemplo, de acordo com o relatório do "Wall Street Journal": a Ernst & Young tem uma grande quantidade de dados de transações em todo o mundo, e startups de IA generativa batem à sua porta todos os dias. Mas a EY Global está preocupada: o que acontecerá se você usar seus próprios dados proprietários para treinar modelos externos?
"Quem é o dono dos dados? Quando treinamos um modelo, qual é o nosso acesso a esse modelo? De que outra forma outras pessoas podem usar esse modelo? Os dados fazem parte da propriedade intelectual que trazemos para a mesa", apontou a EY Global.
Para resolver um problema de IP semelhante, uma contramedida: as startups podem treinar diferentes modelos para cada cliente com base apenas nos dados de cada cliente.
Por exemplo, TermSheet usa essa estratégia para construir a estratégia de produto Ethan. Este último é um modelo de IA generativo que pode responder a perguntas do setor para incorporadores, corretores e investidores imobiliários. Mas Roger Smith, CEO da TermSheet, também disse que mesmo que os clientes concordem com isso, eles precisam educar os clientes e convencê-los.
**Além disso, as preocupações com a segurança da rede também são os motivos pelos quais as principais empresas clientes relutam em escolher startups. **
Por exemplo, Tracey Daniels, diretora de dados da empresa de serviços financeiros Truist, disse que, em termos de segurança de dados, eles confiam em fornecedores maiores, então optam por explorar aplicativos de IA generativos apenas com grandes fornecedores de tecnologia, em vez de startups.
**Terceiro, mesmo em alguns casos, grandes clientes em setores verticais exigirão que startups de IA generativa paguem grandes somas de dinheiro ou patrimônio da empresa. **
A Veesual, uma empresa de IA generativa que gera imagens de pessoas experimentando roupas, inicialmente usou imagens públicas na internet para treinamento, mas falhou pelas mesmas razões ao tentar fazer com que grandes varejistas concordassem em entregar seus dados para aprimorar seus modelos.
**O quarto caso é tecnicamente difícil de alcançar. **
Por exemplo, a PatentPal, uma startup de IA generativa que ajuda escritórios de advocacia a redigir pedidos de patente, foi treinada para publicar pedidos de patente. Eles têm a oportunidade de continuar treinando seus modelos com feedback real criptografado ou anônimo de clientes, tornando suas ferramentas ainda mais precisas. Mas esse processo é complexo porque o feedback deve ser mantido separado de dados altamente sensíveis e confidenciais, incluindo segredos comerciais.
**Ao mesmo tempo, no entanto, a corrida por startups de IA generativa esquentou. **
Como resultado, tem havido uma pressão crescente sobre as startups de IA generativa para garantir o acesso a mais dados em determinados nichos de mercado.
Adam Struck, fundador e sócio-gerente da Struck Capital, observou: **As startups estão competindo entre si para garantir mais dados em determinados nichos de mercado. **
"Se você acredita que existe um conjunto de dados proprietário, deseja obtê-lo antes que eles o façam e, então, negociar a exclusividade. Nesse sentido, torna-se quase uma corrida armamentista", disse ele.
(dois)
Curiosamente, o status quo acima não pode deixar de me fazer pensar: **Parece que realmente falta um mercado público de negociação de dados no mercado. **
Aliás, em 2018 ou no início de 2017, um amigo meu da Netflix, empresa americana de streaming media, me falou sobre sua ideia empreendedora: ser um mercado público de negociação de dados. No entanto, ainda não existe uma forma de produto adequada, incluindo como permitir que as empresas entreguem voluntariamente seus dados.
A partir desta perspectiva, uma notícia nos últimos dois dias - a OpenAI está considerando o lançamento de um mercado de negociação - é muito digna de atenção.
Deve-se notar que: depois que o plano de plug-in do ChatGPT quase falhou, de acordo com relatos da mídia dos EUA:
A OpenAI está considerando lançar um mercado para permitir que os clientes vendam seus modelos personalizados de IA para outras empresas. Em outras palavras: Este mercado fornecerá às empresas uma maneira de acessar grandes modelos de linguagem de ponta e hospedar versões ajustadas de modelos OpenAI criados por clientes. ...
O resumo principal do restante deste artigo segue:
Por que a OpenAI está considerando lançar um mercado de negociação?
Existe alguma maneira neste mercado de negociação para abrir o compartilhamento de dados e transações entre empresas?