2024年值得关注的内容
我对明年感兴趣的一些主题。这不是你在找的风投预测。
谁是 OpenAI 的 AWS 中的 Azure？
我不是第一个拿这个类比的人，但就像 AWS 一样，OpenAI 正在引领一种根本性的新应用构建方式。将数据/应用程序堆栈转移到云端是/正在进行的“数字转型”，而公司现在正在进行“认知转型”。
如果我们延伸这个类比，我很好奇谁会成为第二大玩家（即 Azure 对应 AWS）。有很多充分的理由可以说 Anthropic、Mistral 等等，但如果 OpenAI 的 AWS 的 Azure 是…… Azure 呢？
大规模的现有分发？有。更多地融入大型企业并且已经通过了安全障碍？有。可以将产品捆绑到他们的 365/Office/无论它叫什么的应用套件中？有。不需要在价格上进行恶性竞争来获取客户？有。有一个新版本的 Clippy？有。
Azure 对 Meta 的 Llama 2 模型的整合以及 Phi-2 的发布强化了这一点，同时突显了微软和 OpenAI 之间新兴的渠道冲突。OpenAI（目前）与 Azure 紧密相连，但没有什么能阻止微软随着时间的推移整合更多的模型。就像 Azure 实际上是“企业云”一样，微软有潜力被称为“企业人工智能公司”。我肯定不会押注他们。
明天的应用程序堆栈是什么样的？
类似于AWS早期，构建应用程序的正确方式并不立即显而易见，直到有足够多的应用程序投入生产并经历了持续的困难。了解这些问题有助于产生像Datadog和Hashicorp这样的产品。
那么，在这些AI原生应用程序的早期阶段，我们应该在基础架构层面寻找什么呢？我可以想到三种稍微有些不同的方式成为一个重要的参与者：
- 构建一个通用框架，它可以在云端抽象出大部分开发工作，但AI基础设施是它们的利器。这种方法最初将与全新的应用程序和初创企业产生共鸣。
- 开发独特能够帮助将AI投入生产，但与现有应用程序开发框架兼容的基础设施。在这种情况下，客户群必须涵盖AI原生产品和更传统的企业。
- 基础设施足够底层，可以支持未来开发人员在依赖哪种芯片上有更多选择。可能最初会落户于大型企业，并随着时间推移向下游市场扩展。
所有三种方法可能都行得通，但我对第二种方法最感兴奋，因为我的基础设施偏向于那些能够在现有预算内展示投资回报（即使是定性的）的公司。
AI浪潮中的商业智能
很容易假设商业智能已经过时了，Twitter上总是喜欢谈论如何使用ChatGPT进行分析和制作图表。但我认为这忽略了一些重要的事情：
- 将一个简单的数据集上传到ChatGPT并不等同于摄取、转换和集中所有需要高管全面了解业务的不同数据集
- 商业智能不是一次性的事情；它是非常迭代的
- 公司需要标准化的报告能力，而不是重复的一次性任务
相反，我对BI未来的发展有几个假设：
- 数据集中化现在更重要，而不是更不重要。我相信有一些演示可以让某人说，“显示欧洲、中东和非洲地区客户的收入和现金收款状态”，它会知道从哪些系统中提取数据。但是，从不同系统不断提取数据与在Snowflake/Databricks中集中存储数据相比，成本（延迟、成本和生产力）会有多大差异呢？因此，我相信在数据存储和管理方面仍然存在巨大的机遇。
- 人们长期预言的语义层是由基础模型驱动的统一聊天界面，但仍然依赖于足够的数据集中化。
- 瓶颈正在从洞察力生成转移到沟通和整合到现有工作流程中。洞察力的生成和查询可能会改变，但洞察力的消费和呈现不会。如果一致的、令人愉悦的报告不是至关重要的话，高管们可以很好地在Jupyter笔记本中监控他们的业务。
人工智能原生作为一种运营方式与产品描述有所不同
在风险投资领域，我们区分现有的应用程序，这些应用程序在人工智能上进行了层叠，与从一开始就采用新范式构建的“人工智能原生”应用程序。采取后一种方法的初创公司将更早地优先考虑模型的互操作性，并受到较少的技术债务等方面的影响。
然而，我更感兴趣的是明天的初创公司将如何运营。不是那种“10人团队可以完成之前30人团队能完成的事情”的老生常谈，而是与之相关的心态、文化和日常节奏。当一个应用程序可以获取最新的PR、检查你的日历以查看重要会议、获取已分配和活跃的JIRA工单，并将所有这些内容发布到Slack频道中的简洁摘要时，你是否还需要每天的站立会议？当你可以使用一个自动生成幻灯片的产品，并将最近的客户通话摘要和人工智能生成的模拟图纳入其中时，是否还需要冗长的产品需求文档？当你可以使用Pigment AI6来进行财务规划时，是否还需要费力的工作？
在短期内，我相信现有企业将是人工智能的最大受益者。但我对未来感到兴奋，当下一代公司从一开始就采用根本不同的运营方式时。那时，我们将不再只是渴望下一代产品，而是需要它们。
