TL; DR
Narasi "Fat Model" menunjukkan bahwa perusahaan model bisa mengintegrasikan API, alat, kerangka kerja Agen dan portal aplikasi ke atas。
Namun, tubuh cerdas tidak dapat dilihat hanya berbicara kotak ditingkatkan untuk melakukan tugas di seluruh data, alat, identitas, pembayaran dan sistem perusahaan。
Raksasa Model masih memiliki keuntungan dari kalkulus, modal, model dan distribusi, tetapi organisasi, memori, rute, identitas dan sebagainya dapat meninggalkan ruang untuk starter-up。

In the AI Age, will model company like OpenAi, Anthropic, Google continue API, tools, smart framework, business applications and consumtion portals, as the market expecting

Ini adalah inti dari narasi Fat Model: jika model perbatasan tertutup terus maju dengan cepat dan mengintegrasikan ke atas melalui distribusi dan rantai alat, sebagian besar nilai dari industri AI dapat mengalir ke tingkat model. Namun penilaian lainnya adalah ketika AI bergerak dari mengobrol ke era kecerdasan, nilai tidak hanya turun ke tangan perusahaan model, namun dapat menyebar ke banyak lapisan infrastruktur baru。

"Fat Model"

RUTE DARI SEBUAH PERUSAHAAN MODEL BESAR TIDAK SULIT DIMENGERTI: PERTAMA, UNTUK MEMILIKI STATUS - DARI - MODEL DASAR-SENI, KEMUDIAN UNTUK PAKET KOMPETENSI KE API, UNTUK MENGEMBANGKAN ALAT DAN FRAMEWORKS TUBUH CERDAS, DAN AKHIRNYA UNTUK MEMASUKKAN APLIKASI KONSUMEN DAN KERJA BISNIS. SELAMA MODEL CUKUP KUAT, TINGKAT ATAS PENGALAMAN, EKOLOGI DATA DAN PENGEMBANG DAPAT BERTEMU MENUJU PLATFORM MODEL。

Ini juga merupakan alasan penting mengapa modal bersedia memberikan nilai tinggi kepada kepala AI. Reuters pada bulan Mei melaporkan bahwa penilaian setelah investasi dari Anthropic mencapai $965 miliar setelah menyelesaikan fasilitas Seri H $65 miliar. OpenAI mengungkapkan pembiayaan terbaru pada bulan Maret tahun ini, dengan penilaian setelah investasi sebesar $85,2 miliar. Nilai pasar dari Alphabet juga melampaui $4 triliun, lebih dari tiga kali lipat sejak akhir 2022. Pasar menggunakan nilai yang sangat tinggi untuk bertaruh pada kapasitas masuk masa depan dan ruang keuntungan dari lapisan model。

Namun, pertanyaannya tetap apakah keuntungan model cukup untuk memberikan perusahaan-perusahaan ini setiap lapisan nilai pada saat yang sama. Model Front-line, algoritma, tim peneliti, infrastruktur awan dan sumber daya pelanggan perusahaan memang terkonsentrasi di tangan beberapa perusahaan, tetapi sekali tubuh cerdas memasuki aliran kerja nyata, rantai nilai tidak lagi berputar di sekitar "model mana yang terkuat"。

Perubahan serupa telah terjadi dalam beberapa siklus teknologi. IBM digunakan untuk membuat mesin besar menjadi sistem perangkat keras terpadu, perangkat lunak, jasa, dan kemudian PC ecology split mereka; Microsoft dikendalikan desktop, dan Web membuka aplikasi baru; operator dimiliki vertikal terpadu jaringan dan Internet dibongkar layanan jaringan; dan AWS dikembangkan lebih dari trillion dolar awan platform, tapi masih ada sejumlah besar independen perusahaan perangkat lunak di awan。

Analogi-analogi ini tidak berarti untuk menunjukkan bahwa "platform besar akan kehilangan" tapi bahwa siklus teknologi, setelah infrastruktur selesai, cenderung untuk menumpahkan nilai dari satu platform terintegrasi ke lapisan yang lebih profesional。

Tubuh cerdas bukan kotak obrolan, tapi misi lintas sistem

Perubahan kunci dalam ekologi Agen adalah bahwa AI tidak hanya menjawab pertanyaan, tapi mulai mengambil tugas. Beberapa lapisan model, organisasi, memori, eksekusi, identitas, pembayaran, dll dapat membentuk nilai independen di sekitar tumpukan intelektual. Perusahaan yang berbeda akan menggabungkan dan bersaing pada tingkatan masing-masing, daripada bergantung sepenuhnya pada platform model yang sama。

Perubahan pertama yang mendasari penilaian ini adalah pertumbuhan pasokan model. Model Frontline terus memimpin, tapi model berbobot terbuka, model tepi dan model bisnis juga terus muncul. Model berbeda bervariasi dalam kapasitas, penundaan dan biaya. Untuk banyak pekerjaan komersial, perusahaan dan pengembang menggabungkan biaya, kecepatan, stabilitas dan kualitas misi, daripada default pada semua permintaan ke model yang paling mahal dan kuat。

PERUBAHAN KEDUA ADALAH BAHWA APLIKASI AI TERLALU TERSEBAR. SEBUAH PERUSAHAAN MODEL DAPAT MEMBUAT APLIKASI OBROLAN GENERIK DAN DAPAT MEMASUKI PINTU MASUK YANG BESAR, SEPERTI KANTOR, KODE, PENCARIAN, DLL., TETAPI SETIAP INDUSTRI MEMILIKI STRUKTUR DATA SENDIRI, PERSYARATAN, KEBIASAAN OPERASI DAN ANTARMUKA SISTEM UNTUK AKSES NYATA KE PROSES SPESIFIK, KEUANGAN, MANUFAKTUR, HUKUM, LAYANAN PENUMPANG, PENGADAAN, LOGISTIK, DLL. SULIT BAGI SATU PERUSAHAAN UNTUK MEMBUAT PRODUK YANG PALING COCOK DALAM SEMUA SKENARIO。

Lingkungan produksi perusahaan juga memperkuat perpecahan ini. Pada tahap percobaan, perusahaan dapat menerima demonstrasi model atau alat obrolan tertutup. Setelah proses kritis, klien akan membutuhkan data kehadiran, manajemen otoritas, catatan audit, kontrol biaya, pengganti vendor dan sertifikat kepatuhan. Pada titik ini, perusahaan lebih memilih untuk merakit komponen yang cocok daripada dipaksa untuk menerima pilihan baku dari sebuah platform tunggal。

Ini juga perbedaan kunci antara aplikasi cerdas dan obrolan tradisional. Intelijen medis mungkin perlu membaca catatan medis, memeriksa interaksi narkoba, menghubungi sistem rumah sakit, menghasilkan rekomendasi dan menyimpan catatan audit. Sebuah perusahaan mungkin perlu akses ke inventaris, kontrak, aliran persetujuan, sistem penjual dan jaringan pembayaran untuk pengadaan tubuh pintar. Mereka lebih seperti "executor" bergerak di antara beberapa layanan daripada pertanyaan dan alat jawaban yang berjalan dalam satu jendela。

Organisasi, memori, rute dan identitas, mungkin dari model menteri asing

infrastruktur cerdas dapat dipecah menjadi beberapa arah: organisasi, harness, memori, peramban, rute, pasar model, identitas dan pembayaran. lebih terus terang, lapisan-lapisan ini sesuai dengan: bagaimana mengelola beberapa badan cerdas, bagaimana menghubungkan model ke alat praktis, bagaimana melestarikan dan berbagi konteks, bagaimana orang berinteraksi dengan tubuh cerdas, yang model untuk meminta, bagaimana membuktikan identitas tubuh cerdas dan bagaimana pintar pembayaran lengkap。

HIRARKI BISA MENJADI CONTRA KONTROL DARI USIA KECERDASAN. KETIKA BEBERAPA BADAN CERDAS BEROPERASI SECARA BERSAMAAN DALAM SUATU PERUSAHAAN, MEREKA PERLU DIKERAHKAN, DIMONITOR, BERWENANG, BERKOLABORASI DAN DIBATASI DALAM RISIKO. SULIT BAGI SATU MODEL API UNTUK MENGATASI MASALAH MANAJEMEN PROSES YANG LENGKAP。

Harness dapat dipahami sebagai model 'shell eksekusi'. Jika model besar adalah otak, Harness bertanggung jawab untuk akses ke dokumen, database, halaman web, robot, perangkat lunak bisnis dan peralatan fisik. Skenario berbeda membutuhkan cara yang berbeda menghubungkan alat, yang dapat menyebabkan produk yang lebih khusus。

Masalah memori dengan migrasi konteks. Konteks tidak dapat dikunci dalam jendela obrolan ketika lebih dari satu tubuh cerdas harus memahami pengguna yang sama, bisnis atau pekerjaan. Mereka yang dapat memberikan transferable, autitified and audable digital memory dapat menjadi prasarana baru。

Nilai dari rute dan model pasar berasal dari penyebaran multi- model. Jika perusahaan menggunakan beberapa model pada saat yang sama, perlu menentukan jenis misi yang lebih tepat dan bagaimana menyeimbangkan biaya, penundaan dan akurasi. Kompetisi model sehingga menjadi tidak hanya kompetisi top-up, tetapi juga masalah pergerakan dalam lingkungan produksi yang nyata。

Identitas dan pembayaran lebih berorientasi pada masa depan, tapi ini adalah kemampuan cerdas untuk menjalankan transaksi. Sebagai lalu lintas mesin dan perilaku intelijen meningkat, jaringan perlu membedakan antara siapa yang memulai permintaan, apakah itu berwenang, dan apakah itu dapat menyelesaikan pembayaran. Pembayaran yang terekspos dan sistem identitas mungkin juga perlu dimodifikasi jika mereka terlibat dalam elektronik, subscription, mikro pembayaran atau promosi perusahaan。

Model raksasa masih kuat, tetapi mereka tidak harus makan nilai penuh

BATAS-BATAS CERITA MODULAR INI JUGA JELAS. BUKAN BERARTI PERUSAHAAN MODEL BESAR KEHILANGAN KEPEMILIKAN. MODEL GARIS DEPAN MASIH MERUPAKAN DASAR DARI PENGALAMAN AI, DAN KOMPUTASI, DATA, TIM PENELITI DAN KEMAMPUAN DISTRIBUSI TETAP TERKONSENTRASI DI TANGAN BEBERAPA RAKSASA. JIKA KAPASITAS PEMODELAN TERUS MEMPERLUAS JARAK, EKOLOGI ATAS MUNGKIN MASIH BERKUMPUL DI SEKITAR PLATFORM UTAMA。

PERBEDAAN SEBENARNYA ADALAH BAHWA NILAI DARI USIA KECERDASAN TIDAK AKAN SEBAGAI TERKONSENTRASI SEBAGAI FASE APLIKASI CHAT. KETIKA AI MEMASUKI ALIRAN KERJA YANG SEBENARNYA, PENGGUNA TIDAK HANYA PEDULI DENGAN APA MODEL TERPINTAR, TETAPI JUGA DENGAN AKSES KE SISTEM LAMA, KEMAMPUAN UNTUK MENGUBAH PEMASOK, KEMAMPUAN UNTUK MENGONTROL BIAYA, KEMAMPUAN UNTUK MENGAUDIT DAN KEMAMPUAN UNTUK MENYEBERANGI ALAT UNTUK DISAMPAIKAN。

Ini meninggalkan ruang untuk startup independen, tetapi tidak berarti bahwa setiap tingkat akan tumbuh menjadi perusahaan besar. Arah organisasi, memori, identitas, pembayaran, browsers dan router pada akhirnya membutuhkan bukti yang cukup bahwa mereka memiliki akses, efek jaringan, atau kapasitas membayar, jika tidak, mereka dapat dengan mudah menjadi fungsi dari platform model。

Model raksasa besar mengintegrasikan kemampuan mereka ke atas, dan start- up dan investor bertaruh pada organisme cerdas untuk memecah lapisan profesional lebih. Pertanyaan sentral yang belum terselesaikan dari Zaman AI adalah: akankah model menjadi platform-super yang menelan seluruh rumah, atau akan menjadi titik awal untuk putaran baru infrastruktur modular