硅谷顶级VC发声：AI技术公司毛利实在太低，人工和算力成本太高

赖可 编译
量子位 报道 | 公众号 QbitAI

AI技术落地会遇到什么困难利率低，难有通用解决方案，又难以形成技术壁垒。

硅谷顶级VC公司的文章中，把这些挑战挨个分析了一遍。并根据现有经验，提供了一些建议。

这篇文章出自A16Z，曾凭借对Instagram、Twitter和Skype等公司的投资，跻身硅谷顶级VC公司。2019年，它宣布转型为投资顾问公司，并将人工智能领域作为其持续关注的五个方向之一。

这篇文章看来，AI本质上是一种新的业务类型。下面是量子位为你编译的主要内容：

2、为了实现高精确度，循环流程中离不开人工

训练大多数先进的AI模型需要手动清理和标记大型数据集。这个过程耗费人力，而且昂贵，也成为了广泛采用AI的最大障碍之一。

模型部署之后，为了保持准确性，需要不断捕获、标记新的训练数据，并将其反馈到系统中。许多公司在此过程中的支出高达收入的10-15％。

对于需要更多认知推理的任务，人工需要实时嵌入AI系统。

例如，社交媒体公司雇用上千名人工审核员来增强基于AI的审核系统。许多自动驾驶汽车系统都有远程操作员，大多数AI医疗设备都与作为联合决策者的医生进行交互。

随着AI模型性能的提高，对人工干预的需求可能会下降，但不可能完全消除。

因为人工的不可缺乏，计划出售纯软件产品的许多AI公司，开始将内部服务功能引入并成本预算。

挑战三：技术差异化难实现

优越的技术能够给公司带来差异化竞争优势。但这对AI公司更难实现。

新模型架构主要在开放的学术环境中开发，可以从开源库中获得预训练模型，自动优化模型参数。数据是AI系统的核心，却在客户手里，或者在公共领域，或随着时间推移而成为商品。

随着市场的成熟，数据的价值逐渐下降，网络效应也相对较弱。随着模型变得成熟 ，每个新边缘案例的解决成本都越来越高，提供的价值反而越来越少。

这并不一定意味着AI产品的防御性要比纯软件产品低。但是，对AI公司而言，竞争优势似乎比许多人预期的要少。

总结：AI不同于传统软件服务

当今AI业务并不完全像软件业务。它们涉及持续的人力支持和重大可变成本。它通常没有人们想象那么容易扩展。

强大的优势并非随着掌握技术就能自然实现，这对于“一次制造/多次出售”软件模型至关重要。

在某种程度上，这些特征使AI像服务业。换句话说，可以更换服务公司，但不能完全更换服务。

而可变成本，规模动态和防御能力，最终将由市场，而非单个公司决定。现在看到的公司数据呈现出不熟悉的模式，这一事实表明，AI公司是真正的新事物。

原文链接：
https://a16z.com/2020/02/16/the-new-business-of-ai-and-how-its-different-from-traditional-software/

作者系网易新闻·网易号“各有态度”签约作者

— 完 —

<NVIDIA图像处理公开课·第二期> 开始报名啦，本周四晚8点，英伟达专家将分享如何利用TensorRT 7.0部署高速目标检测引擎。

戳二维码，备注“英伟达”即可报名、加交流群、获取第一期直播回放，主讲老师也会进群与大家交流互动哦~

直播报名 | 图像与视频处理系列课程

量子位 QbitAI · 头条号签约作者

追踪AI技术和产品新动态

喜欢就点「在看」吧 !

来源：QbitAl