生成式人工智慧：誰是最大得益者？

最新的一期MIT Sloan Management Review刊登了一篇名為《誰從生成式人工智能中獲益最多？》的文章，深入探討在生成式人工智能（AI）領域中的主要獲利者。

文章由Kartik Hosanagar和Ramayya Krishnan兩位學者共同撰寫，分析了不同層級上的主要獲利者，並探討了新進入者在這個領域中可能擁有的最佳前景。

文章指出，特定領域的創新者擁有巨大的獲利潛力。這些創新者可以利用專業數據和知識，開發針對行業特定需求的定制化模型和應用，從而提供超越一般基礎模型能力的解決方案。例如，彭博社利用其豐富的金融數據創建了專門的BloombergGPT模型，表現出色地完成金融任務。

應用開發者也是生成式AI市場的重要獲利者之一。他們通過建立在基礎或細分模型之上的特定用途應用，來解決具體的業務問題或滿足用戶需求。文章強調了用戶界面的重要性，指出擁有既有用戶基礎的應用開發者能夠通過將生成式AI能力整合到他們的產品中，來加強與用戶的互動並提高產品的吸引力。

1. 生成式AI的技術架構

生成式AI技術堆疊從底層的計算基礎設施開始，包括（1）專門的高性能圖形處理單元（GPUs），這是機器學習模型訓練和運行的基礎。接著是（2）數據層，這層包含用於訓練生成式AI模型的大規模互聯網級數據。再者，是（3）基礎模型層，這些是在大量數據集上廣泛訓練的神經網絡模型，而未針對特定領域或下游任務進行優化。接著是細分（4）模型和（5）應用層，這是根據特定用例構建在基礎或細分模型之上的應用。

主要獲利者

雲端提供商

雲計算提供商，如亞馬遜Web服務（AWS）、谷歌雲和微軟Azure，因提供必要的計算基礎設施而站在獲利的前列。這些公司透過租賃GPU和相關硬件，讓企業無需自行建立昂貴的本地基礎設施。

大型技術公司

擁有足夠資源創建和維護高性能基礎模型的大型技術公司，例如OpenAI、谷歌和Meta，因其對數據、計算資源和技術專長的大規模需求，形成了進入門檻。

特定領域的創新者

那些能夠利用專有數據創建針對特定領域細分模型的公司或組織，可以在他們的行業內提供獨特且高效的解決方案。例如，彭博社利用其在金融數據上的優勢開發了BloombergGPT，一個專門為金融任務設計的模型。

應用開發者

具有既有用戶基礎和能夠快速部署創新應用的企業，如GitHub Copilot，它們透過整合生成式AI技術來強化其平台的能力，從而獲得競爭優勢。

為何特定領域的創新者，是生成式AI的獲利者

特定領域的創新者可以識別出他們特定領域內存在的獨特需求和機會，這些需求可能未被廣泛的基礎模型所覆蓋。第二，這些創新者擁有或能夠獲取大量的專業數據，這些數據能夠用來訓練或微調生成式AI模型，使其更適合特定的應用場景。利用這些專業數據，創新者可以開發或微調生成式AI模型，創建高度客製化的解決方案來滿足特定領域的需求，如彭博社通過BloombergGPT在金融領域的應用。再者，特定領域的創新者能夠為其客戶提供無法通過一般基礎模型獲得的獨特價值和服務，從而在市場上獲得競爭優勢。第四，能進一步實現市場適應性，由於這些客製化的解決方案更加貼合特定領域的需求，它們在市場上的適應性和受歡迎程度往往更高，從而吸引更多的用戶和客戶。最後，能夠建立獨特品牌價值和專業地位，成功的客製化解決方案能夠加強創新者的品牌形象和市場地位，使他們在特定領域內建立起專業和領先的聲譽。

生成式AI帶來的機會與面臨的挑戰

生成式AI能有效提高生產力和創新能力，生成式AI通過自動化重複性高的任務和創造新的內容，幫助企業提高生產力，並且能進一步激發創新的機會。第二，能夠優化業務流程，利用生成式AI自動化客戶服務、內容創建等業務流程，提高效率和客戶滿意度。第三，有機會開發新產品和服務，基於生成式AI的能力，開發新的產品和服務，如個性化推薦、虛擬助手等，開拓新的市場機會。

然而，生成式AI當然也有其面對的挑戰，數據隱私和安全性問題，在使用生成式AI過程中，處理個人和敏感數據時的隱私保護和安全措施，是重要的關鍵。智慧財產權和版權爭議，解決生成式AI訓練過程中使用的數據可能涉及的版權和智慧財產權問題，避免法律風險。第三，模型仍然可能存在偏見和準確性問題，識別和調校訓練數據中的偏見，確保生成式AI模型的準確性和公正性，避免產生有害的社會影響。最後，是存在技術和資源挑戰，面對建立和維護高質量生成式AI模型所需的高昂成本和專業技術，尋找有效的解決方案和合作夥伴，是事業長期發展的關鍵。

資料來源：Who Profits the Most From Generative AI?