Permulaan yang dibina di atas model bahasa besar orang lain tetap boleh dipertahankan dengan memiliki perkara yang tidak dapat ditiru oleh pesaing dengan lebih banyak wang atau pasukan kejuruteraan yang lebih baik: data proprietari, harta intelek yang dilindungi dan model dalaman yang berlapis di atas LLM. Gabungan itu, bersama-sama dengan pasukan yang mempunyai kepakaran domain dan produk yang telah membuktikan kesesuaian pasarannya, itulah yang dicari oleh pemodal teroka apabila teknologi teras bukan milik anda.
Perkara penting
- Bergantung pada LLM pihak ketiga membuka peluang untuk meniru oleh pesaing dan syarikat yang lebih besar yang berpindah ke pasarannya.
- Inovasi dan perlindungan IP membezakan permulaan di luar penggunaan LLM semata-mata.
- Data proprietari adalah pertahanan yang terbukti: ia menghalang pesaing yang mempunyai lebih banyak pembiayaan atau pasukan teknologi yang lebih kuat.
- Laluan praktikal adalah untuk menguatkan data dan teknologi proprietari dengan model generatif, kemudian pertimbangkan LLM dalaman sebaik sahaja kesesuaian pasaran produk terbukti.
- VC mahukan pasukan dan visi yang melangkaui panggilan API semata-mata.
Mengapakah kebolehtahanan merupakan soalan pertama yang ditanya oleh VC?
Sebagai seorang usahawan dan ahli akademik, saya sering didekati oleh pemodal teroka (VC) dan pemula dengan satu soalan yang mendesak: "Bagaimanakah sebuah syarikat permulaan boleh kekal berdaya saing dan boleh dipertahankan apabila membina terasnya pada model bahasa besar (LLM) seperti ChatGPT?"
Jawapan saya berhati-hati. Syarikat IP rendah mungkin menimbulkan kebimbangan, tetapi satu faktor memerlukan perhatian kami yang paling dekat. Artikel ini menerangkan sebab elemen itu sangat penting.
Mengapa pemula yang disokong LLM menarik minat VC yang begitu banyak?
LLM telah mengubah cara kita berinteraksi dengan teknologi, membolehkan kemajuan besar dalam pemprosesan dan pemahaman bahasa semula jadi. Teknologi ini telah menemui aplikasi merentas banyak sektor, daripada perkhidmatan pelanggan dan penjanaan kandungan kepada analisis data dan membuat keputusan. Akibatnya, landskap permulaan telah menyaksikan lonjakan dalam usaha niaga yang dibina berdasarkan model bahasa yang berkuasa ini.
Selepas OpenAI mengeluarkan ChatGPT, minat yang dijananya dalam kalangan VC di seluruh dunia adalah luar biasa. Walaupun ada yang melihatnya sebagai gangguan yang lebih kecil, keghairahan yang menyelubungi LLM menarik perhatian pelabur terkenal.
Pada masa penulisan (2023), beribu-ribu pemula AI generatif telah menarik berbilion-bilion dolar pelaburan, dan PitchBook menjangkakan pasaran AI generatif global mencecah $42.6 bilion dalam 2023.
Apakah yang menjadikan teknologi bukan proprietari berisiko untuk pemula?
Model bahasa transformatif telah mencetuskan minat dan potensi yang besar dalam kalangan pemula, tetapi adalah penting untuk mengiktiraf cabaran membina teknologi bukan hak milik. Pemula, tidak seperti gergasi industri seperti Google, sering kekurangan sumber dan infrastruktur untuk memperhalusi, melatih semula atau mengeksploitasi sepenuhnya keupayaan LLM.
Pergantungan pada teknologi pihak ketiga ini menyebabkan mereka terbuka kepada replikasi oleh syarikat permulaan saingan dan dibayangi oleh syarikat besar yang ingin memanfaatkan pasaran yang semakin berkembang. Dengan teknologi yang mantap dan keinginan berterusan untuk aplikasi baharu, syarikat gergasi ini boleh menggunakan sumber mereka sendiri pada skala dan menghakis kelebihan daya saing usaha niaga yang lebih kecil.
Ujian mudah menjadikan risiko itu konkrit. Jika pesaing boleh membina semula produk anda dalam beberapa minggu dengan akses model yang sama dan arahan yang ditulis dengan baik, kelebihan anda terletak pada kelajuan dan pengedaran, bukan pada teknologi. Kepantasan dan pengedaran penting, tetapi mereka jarang bertahan dalam syarikat yang lebih besar yang memutuskan untuk memasuki pasaran anda.
Bagaimanakah inovasi dan IP melindungi permulaan yang disokong LLM?
Untuk mengurangkan risiko replikasi teknologi, syarikat pemula mesti mencari cara secara aktif untuk membezakan diri mereka di luar penggunaan LLM semata-mata. Kuncinya terletak pada budaya inovasi dan perlindungan IP. Pasukan yang memahami nuansa teknologi dan juga membawa kepakaran domain dan penyelesaian masalah kreatif boleh melanjutkan tawarannya dan membina kelebihan daya saing yang melangkaui model asas.
Menggandingkan ini dengan pemerolehan strategik dan perlindungan hak IP boleh mengukuhkan kedudukan pasaran syarikat permulaan dan melindunginya daripada peniru.
Mengapakah data proprietari menjadi elemen utama?
Dalam modal teroka, memiliki data unik adalah cara yang terbukti untuk melindungi pertahanan teknologi. VC mengakui bahawa set data proprietari boleh menghalang persaingan, menghalang saingan daripada hanya menyalin idea dengan pendanaan atau pasukan teknologi yang unggul.
Nilai data unik melangkaui memperlahankan replikasi. Ia memberi cerapan berharga kepada permulaan, membantu mereka mengenal pasti corak tersembunyi, memahami gelagat pelanggan dan kekal mendahului arah aliran pasaran. Dengan menggunakan data proprietari untuk berfungsi, syarikat pemula boleh mengukuhkan kelebihan daya saing mereka dan memacu inovasi dalam landskap persaingan yang sengit.
Satu cara untuk pengasas untuk terus mendahului persaingan mereka di mata VC adalah untuk memperkasakan data dan teknologi proprietari mereka dengan rangkaian generatif moden dan, setelah kesesuaian pasaran produk terbukti, untuk melihat lebih jauh ke dalam LLM dalaman.
Bagaimanakah SOMIN menggunakan ini?
Sebagai contoh, semasa membina suite analisis pesaing kami, "SoMonitor", dan pembantu analitis dikuasakan LLM, "SoDa", kebolehtahan teknologi adalah salah satu keutamaan kami.
Pada terasnya, kami menetapkan sekumpulan besar data tanpa nama yang meliputi lima tahun kempen pengiklanan yang dijalankan pada platform pengiklanan Meta untuk pelanggan kami. Menggunakan teknologi AI proprietari yang kami bina, data ini digunakan untuk meramalkan kadar klik lalu (CTR) dan kadar penukaran (CR) sepanduk pengiklanan dengan tepat, bersama-sama dengan peta haba yang menyerlahkan komponen visual yang mendorong penglibatan pelanggan dan pembelian produk.
Dengan menyepadukan data visual dan tekstual yang kami pegang, menggabungkan model multimodal dalaman kami untuk ramalan prestasi kreatif iklan dengan kuasa LLM, kami membuat sistem menjana pengesyoran yang boleh diambil tindakan untuk pelanggan. Ia merangkumi arketaip jenama pesaing, jangkauan khalayak, kandungan dan gambar promosi, yang disampaikan sebagai ringkasan masa nyata. Ini membolehkan pelanggan kami memperhalusi strategi mereka, meningkatkan aset kreatif dan kekal di hadapan dalam pasaran yang sangat kompetitif.
Menggabungkan LLM dengan AI dalaman dengan cara ini membolehkan kami membina aplikasi baharu dalam industri martech yang tidak mungkin dilakukan tanpa LLM. Keupayaan ini juga tidak boleh ditiru dengan mudah. Kami menggunakan LLM untuk menerangkan industri pemasaran digital secara menyeluruh, dan gabungan data proprietari dan algoritma ramalan CTR menjadikan sistem sangat tersendiri dan sukar untuk disalin, membezakannya daripada pesaing.
Bagaimanakah seharusnya nada permulaan yang disokong LLM kepada VC?
Sama ada untuk melabur dalam LLM kekal sebagai keputusan subjektif, dan pelabur menimbangnya secara berbeza. Walau bagaimanapun, satu nasihat tetap relevan: semasa memulakan perniagaan, sandarkan tuntutan anda dengan teknologi proprietari, IP berharga dan pasukan mahir yang komited untuk berjaya, terutamanya pada peringkat awal.
Melangkaui permukaan adalah penting. Jika pasukan menunjukkan kepakaran yang menjanjikan dan visi yang melangkaui panggilan API semata-mata, VC pastinya ingin meneroka syarikat anda dengan lebih mendalam.
Dalam amalan, ini bermakna nada harus menjawab empat soalan dengan jelas: data yang anda miliki yang tidak dapat diperoleh oleh orang lain, perkara yang telah anda bina di atas model, perkara yang melindungi kerja itu dan sebab pasukan anda yang melakukannya. Pendekatan kami sendiri terhadap dua yang pertama diterangkan dalam kertas semakan rakan sebaya pada halaman penyelidikan SOMIN dan data kategori yang sama berdasarkan ejen pemasaran AI SOMIN.
Bacaan berkaitan
- Bagaimanakah perniagaan boleh menggunakan model bahasa besar selain chatbot?
- Data proprietari agensi: mengapa data kategori mengalahkan prompt yang lebih baik
- Apakah daya klik kreatif, dan bolehkah ia diramal sebelum berbelanja?
- Penyelidikan SOMIN: kertas kerja dan ceramah yang disemak oleh rakan sebaya
- Ejen pemasaran AI SOMIN
FAQ
Bolehkah permulaan yang dibina di atas LLM pihak ketiga boleh dipertahankan?
Ya, jika ia memiliki sesuatu pembekal model dan saingan tidak boleh meniru. Data proprietari, IP dilindungi, model dalaman dan kepakaran domain semuanya memanjangkan kelebihan melebihi LLM asas.
Mengapakah data proprietari sangat penting bagi VC?
Data unik menghalang pesaing yang mempunyai lebih banyak pembiayaan atau pasukan teknologi yang lebih kukuh, kerana mereka tidak boleh menyalinnya begitu sahaja. Ia juga memberikan pandangan permulaan tentang corak, tingkah laku pelanggan dan arah aliran pasaran.
Sekiranya permulaan yang disokong LLM membina model bahasanya sendiri?
Bukan pada permulaan. Laluan praktikal adalah untuk menguatkan data dan teknologi proprietari anda dengan model generatif sedia ada, kemudian lihat LLM dalaman sebaik sahaja kesesuaian pasaran produk terbukti.
Apakah yang VC mahu lihat dalam padang permulaan LLM?
Teknologi proprietari, IP berharga dan pasukan yang mahir, komited, terutamanya pada peringkat awal. Di atas segalanya, mereka mencari kepakaran dan visi yang melangkaui panggilan API semata-mata.
