התאמה אסטרטגית של 01.AI: כבר לא רודפים אחרי מודלים סופר גדולים

השינוי האסטרטגי של 01.AI: מעבר ממודלים סופר גדולים למודלים פרקטיים

לי קאי-פו, מנכ'ל 01.AI, חשף בראיון ל-"晚点LatePost" את השינוי האסטרטגי האחרון של החברה. השינוי המרכזי הוא ש-01.AI לא תשאף עוד לאמן מודלים סופר גדולים, אלא תתמקד בפיתוח מודלים עם פרמטרים מתונים, מהירים וחסכוניים יותר, ועל בסיסם תבנה יישומים מסחריים. שינוי זה מסמן את הפעם הראשונה שחברת חד-קרן סינית בתחום המודלים הגדולים משנה באופן משמעותי את כיוון ההתפתחות שלה, ומשקף נקודת מפנה חשובה בהייפ סביב מודלים גדולים בשנתיים האחרונות.

לי קאי-פו הדגיש כי 01.AI אינה מחפשת להירכש, ותמשיך לבצע אימון מוקדם. החברה הקימה מעבדה משותפת עם עליבאבא בשם "מעבדת המודלים הגדולים לתעשייה", כאשר מרבית צוותי האימון ותשתיות הבינה המלאכותית של 01.AI יצטרפו למעבדה זו כעובדי עליבאבא. מודל שיתוף פעולה זה נועד למנף את המשאבים של חברה גדולה לאימון מודלים גדולים יותר, ובכך לשפר את היכולות של המודלים הקטנים יותר של 01.AI.

אתגרי היזמות בתחום המודלים הגדולים בסין

לי קאי-פו סיכם מספר אתגרים עיקריים העומדים בפני חברות סטארט-אפ סיניות בתחום המודלים הגדולים:

• מגבלות שבבים: חברות סיניות מתמודדות עם מגבלות ברכישת שבבים, מה שמוביל לכך שסכומי הגיוס והשווי שלהן נמוכים משמעותית מאלו של עמיתיהן בארצות הברית.
• האטה בחוק הסקיילינג: ההשפעה של חוק הסקיילינג (Scaling Law) פוחתת, והמעבר מאמונה לספקנות התרחש תוך שנה בלבד.
• תחרות עם חברות גדולות: חברות סטארט-אפ מתקשות להתחרות עם חברות גדולות בגודל המודלים, ובסופו של דבר מתקשות להצליח.
• אתגרי מסחור: האתגר המרכזי עבור כל חברות המודלים הגדולים הוא כיצד לתרגם את הטכנולוגיה לערך מסחרי ולהשיג רווחיות.
• קשיי שוק: קיימים קשיים בשווקים To B, To C, הן בשוק המקומי והן בשוק הבינלאומי.

האסטרטגיה של 01.AI להתמודדות עם האתגרים

לי קאי-פו מאמין כי 2025 תהיה שנה של פריצת יישומים וחיסול מסחרי בו זמנית. ההזדמנות של 01.AI טמונה בגילוי Product-Market Fit (PMF) של מודלים גדולים To B. הוא מציין כי בתחומים מסוימים, מודלים גדולים יכולים לעזור ללקוחות להכפיל את המחזור שלהם, וזהו ה-PMF האמיתי.

לאחר התאמת האסטרטגיה, 01.AI תתמקד ב:

• אימון מודלים מהירים וזולים יותר, כגון MoE (מודל מומחה משולב).
• ניצול היתרונות שלה בתשתיות בינה מלאכותית ומנועי הסקה כדי להפחית את עלויות האימון וההסקה.
• שיתוף פעולה עם חברות בתעשייה, הקמת מיזמים משותפים ופיתוח משותף של מודלים ופתרונות לתעשיות ספציפיות.

הסיבות מאחורי הנטישה של המרדף אחר AGI

לי קאי-פו הודה בכנות כי 01.AI נטשה מזמן את המרדף אחר AGI (בינה מלאכותית כללית). הוא הסביר כי השאיפה ל-AGI דורשת השקעה עצומה של משאבים, בעוד שהסדר העדיפויות הגבוה ביותר של 01.AI כרגע הוא לחזק את מעמדה ולהשיג רווחיות מסחרית.

הוא נזכר בחוויה של 01.AI בעת השקת מודל Yi-Large במאי האחרון, ואמר כי כבר אז הבין שהמודל איטי ויקר. זה הוביל את 01.AI לקבל החלטה: להפסיק לבזבז כסף על אימון מודלים סופר גדולים, ולהתמקד בפיתוח מודלים מסחריים ברי קיימא ורווחיים.

שיתוף הפעולה עם עליבאבא

הקמת מעבדה משותפת עם עליבאבא קלאוד היא צעד מפתח בהתאמה האסטרטגית של 01.AI. לי קאי-פו אמר כי מודל שיתוף פעולה זה יכול למנף באופן מלא את היתרונות של שני הצדדים, להאיץ את השיתוף והבנייה המשותפת בתחומים טכנולוגיים, פלטפורמות ויישומים, ולהשיק פרדיגמה חדשה של שיתוף פעולה בין "חברות גדולות וסטארט-אפים" בסין.

אף על פי שחלק מצוותי האימון המוקדם ותשתיות הבינה המלאכותית יצטרפו לעליבאבא, 01.AI עדיין תשמור על צוות אימון ותשתיות קטן יותר כדי להמשיך בפיתוח מודלים. לי קאי-פו הדגיש כי 01.AI לא תפסיק את האימון המוקדם, אך לא תתעקש עוד על מודלים סופר גדולים.

ההאטה של חוק הסקיילינג

לי קאי-פו מציין כי חוק הסקיילינג (Scaling Law) מאט. משמעות הדבר היא שהתשואה מהשקעה נוספת של כוח מחשוב ונתונים הולכת ופוחתת. הוא נתן דוגמה, כי מעבר מכרטיס אחד לעשרה כרטיסים עשוי להגיע לערך של 9.5 כרטיסים, אך מעבר ממאה אלף כרטיסים למיליון כרטיסים עשוי להגיע לערך של 300 אלף כרטיסים בלבד.

הוא גם ציין כי משאבי נתוני האינטרנט, כמו דלק מאובנים, הולכים ומתכלים בהדרגה. זה מייקר את עלות האימון של מודלים סופר גדולים והופך את התשואה לנמוכה יותר.

התפקיד של מודלים סופר גדולים

למרות שהסקיילינג מאט, לי קאי-פו מאמין שלמודלים סופר גדולים עדיין יש תפקיד חשוב, במיוחד כמודלי מורים. הוא מציין כי מודל Opus של Anthropic משמש לאימון מודלים קטנים יותר.

מודלים סופר גדולים יכולים לשפר את היכולות של מודלים קטנים יותר באמצעות:

• סימון תוצאות, שיפור אפקט האימון לאחר מכן.
• יצירת נתונים סינתטיים, המשמשים לאימון מודלים חדשים.

השאלה המרכזית של המסחור

לי קאי-פו מאמין כי בעידן המודלים הגדולים, הכול מואץ, והשאלה המרכזית של המסחור מגיעה מהר יותר. הוא מדגיש כי חברות בינה מלאכותית חייבות לענות על שאלת הליבה: כיצד לתרגם טכנולוגיה לערך מסחרי ולהשיג רווחיות.

הוא מציע כי חברות בינה מלאכותית צריכות:

• להבין את פעילות העסק.
• להשיג צמיחה בהכנסות.
• לשלוט בעלויות.

לי קאי-פו גם הדגיש את הצורך להימנע מהשקעה בכיווני מסחור שאינם מניבים תשואה, כמו למשל יישומי To C שדורשים הזרמה מתמדת של כספים וגורמים להפסדים על מנת לשמור על מעמד בתעשייה, ופרויקטים במכרז To B שאינם משלמים הרבה ואינם יוצרים ערך ליבה.

הנתיב המסחרי של 01.AI

01.AI מרחיבה באופן פעיל את שוק ה-To B, ומנסה את כוחה בתחומים כמו משחקים, אנרגיה, רכב ופיננסים. היא תשתף פעולה עם חברות בתעשייה, תקים מיזמים משותפים ותפתח מודלים ופתרונות לתעשיות ספציפיות.

לי קאי-פו אמר כי ההכנסה בפועל של 01.AI בשנת 2024 עלתה על 100 מיליון יואן, והיא צופה שההכנסה תגדל פי כמה ב-2025.

העתיד של יישומי AI-First

לי קאי-פו מאמין שייוולדו יישומי AI-First מהפכניים. הוא מציין כי יישומים אלה צריכים להיות בעלי המאפיינים המרכזיים הבאים:

• אינטראקציה בשפה טבעית.
• יכולות הסקה והבנה כלליות.

הוא גם נתן שיטת שיפוט: אם יישום לא יכול להתקיים בלי מודל גדול, אז הוא בהכרח יישום AI-First.

תובנות היזמות של לי קאי-פו

לי קאי-פו אמר כי הוא נכנס ליזמות בתחום הבינה המלאכותית כדי לנצל את ההזדמנויות של עידן הבינה המלאכותית, ולהפוך את הניסיון והיכולות שלו לערך. הוא מאמין שאתגרים הם בלתי נמנעים בתהליך היזמות, אך מנכ"ל טוב לא צריך להתחרט בקלות.

הוא סיכם את תובנות היזמות שלו:

• אל תתחייבו למטרות בלתי אפשריות.
• נצלו הזדמנויות וקבלו החלטות נחרצות.
• היו בעלי תחזית ברורה לעתיד ובצעו התאמות מראש.

התחזית לשנת 2025

לי קאי-פו מלא ביטחון לגבי 2025. הוא חוזה:

• מספר רב של יישומי To C יפרצו.
• ה-PMF של מודלים גדולים To B יתגלה, ומודלים לתעשיות ספציפיות יצוצו בהמוניהם.

הוא גם אמר כי 01.AI חוקרת את היישום של Agent (סוכן חכם), ותפתח מודלים לתעשייה + Agent בשיתוף פעולה עם שותפים בתחומים אנכיים.