הערכת יתר של יישומי AI: ביטחון המשקיעים של Conviction Founders ב-2025

תחרות גוברת בין מודלים בסיסיים

שנת 2024 מסמנת תפנית בתחרות בין המודלים הבסיסיים של בינה מלאכותית. נתוני Chatbot Arena מראים כי בעוד שבעבר מודלים של OpenAI הובילו בביצועים, כיום חברות כמו גוגל מציעות מודלים תחרותיים. גם מודלים קוד פתוח מתקדמים במהירות, מה שמעניק לחברות אפשרויות רבות יותר בבחירת API.

• ירידה בצריכת הטוקנים של OpenAI: צריכת הטוקנים של OpenAI ירדה מכ-90% בנובמבר האחרון לכ-60% כיום, מה שמצביע על כך שמשתמשים בוחנים מודלים שונים.
• עליית מודלי הקוד הפתוח: דירוגים עצמאיים מראים כי מודלים קוד פתוח מצטיינים ביכולות מתמטיות, ציות להוראות ועמידות בפני תקיפות, כאשר מודל Llama מגיע לשלושת המקומות הראשונים.

התקדמות מהירה של מודלים קוד פתוח

מודלי הקוד הפתוח מציגים קצב התקדמות מרשים. הערכות MMLU מראות כי מודלים קטנים עם פרמטרים מועטים מגיעים לביצועים הקרובים למודלים המתקדמים ביותר. לדוגמה, מודל Mistral-7b, שהיה הטוב ביותר לפני שנה, השיג ציון של כ-60, בעוד שמודל Llama 8B שיפר את הציון ביותר מ-10 נקודות.

• שיפור ביצועים משמעותי: מודלים קוד פתוח קטנים מראים שיפור ניכר בביצועים, תוך שהם מתקרבים ליכולות של מודלים גדולים יותר.
• נגישות וגמישות: מודלים קוד פתוח מציעים נגישות וגמישות רבה יותר למפתחים ולחברות, ומאפשרים התאמה אישית של המודלים לצרכים ספציפיים.

עלות-תועלת משופרת של מודלים קטנים

הפער בין מודלים קטנים לגדולים הולך ומצטמצם, כאשר מחירי הבינה המלאכותית יורדים באופן משמעותי. עלויות ה-API של מודלי הדגל של OpenAI ירדו בכ-80-85% בשנה האחרונה, מה שמפחית באופן דרמטי את עלות בניית האפליקציות המבוססות על AI.

• ירידה בעלויות: עלויות השימוש ב-AI לבניית אפליקציות כמו Notion או Coda מסתכמות בכמה אלפי דולרים בלבד.
• דמוקרטיזציה של AI: ירידת המחירים מאפשרת ליותר חברות ויזמים להשתמש בטכנולוגיות AI ולפתח פתרונות חדשים.

פריצות דרך בטכנולוגיה מולטי-מודלית

טכנולוגיות מולטי-מודליות הופכות למגמה מרכזית בתחום הבינה המלאכותית. הופעת מודלים חדשים כמו שפה בזמן אמת, יכולות ביצוע ווידאו מביאות חוויית משתמש חדשה לחלוטין.

• חוויית אינטראקציה משופרת: שפה בזמן אמת אינה רק תכונה, אלא חוויית אינטראקציה חדשה.
• יכולות ביצוע משופרות: יכולות כמו Computer Use של Claude ויכולות ביצוע הקוד של OpenAI ב-Canvas מעניקות למשתמשים כוח AI רב יותר.
• אינטגרציה של מודלים שונים: טכנולוגיות מולטי-מודליות מאפשרות אינטגרציה של מודלים שונים, כמו שפה, ראייה ושמע, ליצירת פתרונות מורכבים יותר.

התפתחויות חדשות בחוקי קנה המידה

למרות המגבלות של חוקי קנה המידה, מודלים חדשים מתחילים להופיע. נראה כי OpenAI מצאה דרכים לפרוץ את המגבלות הללו באמצעות טכניקות כמו RL self-play, המשפרות את ביצועי המודלים.

• התגברות על מגבלות: טכניקות חדשות מאפשרות להגביר את ביצועי המודלים מעבר למגבלות שהוצבו על ידי חוקי קנה המידה.
• שיפור ביצועים באמצעות משחק עצמי: שימוש בטכניקת RL self-play מאפשר למודלים ללמוד ולהשתפר באופן עצמאי, ולהגיע לביצועים גבוהים יותר.

סביבת השקעות רציונלית

למרות הדעות על בועה בתחום הבינה המלאכותית, המציאות מראה כי זרימת ההון למעבדות מודלים בסיסיים גדולה, בעוד שההון לחברות הפועלות בפועל סביר יותר.

• הערכת חסר של שכבות היישום: בעבר, היה מקובל להאמין כי מודלים בסיסיים בעלי ערך רב יותר, אך למעשה, מערכת האקולוגית של AI מלאה בהזדמנויות, ולשכבת היישום פוטנציאל עצום.
• הזדמנויות לחברות סטארט-אפ: מערכת האקולוגית של AI מציעה מגוון רחב של הזדמנויות מעבר למודלים הבסיסיים, כאשר שכבת היישום טומנת בחובה פוטנציאל עצום.

הזדמנויות עצומות לחברות סטארט-אפ

מערכת האקולוגית של AI מציעה הזדמנויות רבות מעבר למודלים בסיסיים. חדשנות פורצת דרך, מודלים שונים בעלי יתרונות, תחרות שוק אינטנסיבית ופרויקטים קוד פתוח משגשגים.

• אוטומציה של שירותים: AI יכולה לבצע אוטומציה של עבודות חוזרות, להפחית עלויות ולשפר את היעילות.
• שיפור בחיפוש: AI יכולה לעזור למשתמשים לחפש ולקבל מידע טוב יותר, תוך מתן חוויות מותאמות אישית.
• דמוקרטיזציה של מיומנויות: AI מאפשרת ליותר אנשים להשתתף ביצירה ובחדשנות.
• פוטנציאל צמיחה: חברות סטארט-אפ יכולות לנצל את ההזדמנויות בתחום ה-AI כדי לצמוח ולהצליח בשוק.

כיווני השקעה בגל ה-AI

AI Infra (כוח מחשוב ונתונים) הוא כיוון השקעה חשוב בגל ה-AI. ככל שטכנולוגיית ה-AI מתפתחת, גדל הביקוש לנתוני מומחים ולסוגי נתונים נוספים.

• חשיבות התשתית: השקעה בתשתית ה-AI, כמו כוח מחשוב ואחסון נתונים, חיונית להתפתחות הטכנולוגיה.
• ביקוש גובר לנתונים: ככל שה-AI מתפתח, גדל הביקוש לנתוני מומחים ולסוגי נתונים נוספים, מה שיוצר הזדמנויות חדשות.

עידן "תוכנה 3.0"

בסך הכל, אנו משתמשים במונח "תוכנה 3.0" כדי לתאר את סדרת השינויים הזו. אנו מאמינים שזהו חשיבה מחדש מלאה, שתביא יתרונות עצומים לדור חדש של חברות. קצב השינוי מיטיב עם חברות סטארט-אפ.

• חשיבה מחדש על מוצרים ותשתיות: יש צורך לחשוב מחדש על אופן עיצוב המוצרים ואופן בניית התשתיות כדי להתאים לפרדיגמת ה-AI החדשה.
• הזדמנויות טכניות וכלכליות: AI מביאה הזדמנויות טכניות וכלכליות עצומות, שכדאי לנצל.

המאבק בין חברות סטארט-אפ לענקיות

האם פירות הניצחון יזרמו בסופו של דבר לחברות סטארט-אפ או לענקיות הקיימות? למרות שלענקיות יש יתרונות הפצה ונתונים, חברות סטארט-אפ יכולות להתחרות באמצעות מוצרים טובים יותר ומודלים עסקיים חדשניים.

• דילמת החדשן: חברות קיימות עשויות להיות מוגבלות על ידי דילמת החדשן, בעוד שחברות סטארט-אפ יכולות לאתגר את המודלים הקיימים באמצעות פרדיגמות חוויית משתמש חדשות ויצירת קוד.
• חשיבות הנתונים: חברות סטארט-אפ צריכות לחשוב איזה סוג נתונים הן צריכות כדי לשפר את איכות המוצר, ולא להסתמך רק על נתונים של חברות קיימות.

אלו הם עיקרי הדברים מתוך הניתוח המעמיק של שרה גואו ופראנב רדי, אשר מציגים תמונה מקיפה של מצב ה-AI בשנת 2024 וההזדמנויות הגלומות בה עבור יזמים ומשקיעים.