- Published on
2024 AI రంగంలో ఐదు కీలక అంశాలు: పెట్టుబడులు మరియు స్టార్టప్‌ల దృక్కోణం
- రచయితలు
- పేరు
- Ajax
AI రంగంలో 2024 యొక్క ఐదు ముఖ్యమైన అంశాలు
ఈ సంవత్సరం NeurIPS 2024 సదస్సులో, కన్విక్షన్ క్యాపిటల్ వ్యవస్థాపకులు సారా గువో మరియు ప్రణవ్ రెడ్డి "AI స్టార్టప్‌ల ప్రస్తుత పరిస్థితి" గురించి తమ అభిప్రాయాలను పంచుకున్నారు. వారు 2024లో AI రంగంలోని ఐదు కీలక అంశాలను క్రమపద్ధతిలో సమీక్షించారు మరియు భవిష్యత్తులో పెట్టుబడులపై వాటి ప్రభావం గురించి చర్చించారు.
అండర్లేయింగ్ మోడల్స్ పోటీ తీవ్రతరం: 2024లో, అండర్లేయింగ్ మోడల్స్ మధ్య పోటీ గతంలో కంటే తీవ్రంగా ఉంది.
ఓపెన్ సోర్స్ మోడల్స్ వేగవంతమైన పురోగతి: ఓపెన్ సోర్స్ మోడల్స్ పోటీతత్వం పెరుగుతోంది, కొన్ని అంశాలలో క్లోజ్డ్ సోర్స్ మోడల్స్‌ను కూడా అధిగమిస్తున్నాయి.
చిన్న మోడల్స్ యొక్క ధర-సమర్థత పెరుగుదల: చిన్న మోడల్స్ పనితీరులో గణనీయమైన పురోగతి సాధించాయి మరియు తక్కువ ఖర్చుతో మరింత సమర్థవంతంగా ఉన్నాయి.
మల్టీమోడల్ టెక్నాలజీలో పురోగతులు: మల్టీమోడల్ టెక్నాలజీ భవిష్యత్తులో అభివృద్ధికి ఒక ముఖ్యమైన దిశగా మారుతోంది, ఇది వినియోగదారులకు సరికొత్త పరస్పర చర్య అనుభవాన్ని అందిస్తుంది.
స్కేలింగ్ లాలో కొత్త పురోగతులు: స్కేలింగ్ లా పరిమితులు ఉన్నప్పటికీ, AI యొక్క భవిష్యత్తు అభివృద్ధికి కొత్త ఆశలను అందిస్తూ, కొత్త విస్తరణ నమూనాలు వస్తున్నాయి.
అండర్లేయింగ్ మోడల్స్ పోటీ తీవ్రతరం
2024లో అండర్లేయింగ్ మోడల్స్ పోటీలో గణనీయమైన మార్పులు సంభవించాయి. చాట్‌బాట్ అరేనా డేటా ప్రకారం, ఒక సంవత్సరం క్రితం OpenAI మోడల్ పనితీరులో చాలా ముందుంది. కానీ ఇప్పుడు, గూగుల్ వంటి ఇతర కంపెనీలు కూడా పోటీతత్వ మోడల్‌లను విడుదల చేశాయి. ఓపెన్ సోర్స్ మోడల్స్ కూడా నిరంతరం అభివృద్ధి చెందుతున్నాయి, ఇది కంపెనీలకు APIలను ఎంచుకోవడానికి ఎక్కువ అవకాశాలను ఇస్తుంది.
OpenAI టోకెన్ వినియోగం తగ్గింది: గత సంవత్సరం నవంబర్ చివరిలో, OpenAI టోకెన్ వినియోగం మొత్తం వినియోగంలో దాదాపు 90% ఉండగా, ఇప్పుడు ఒక సంవత్సరం కంటే తక్కువ సమయంలో, ఈ నిష్పత్తి దాదాపు 60%కి తగ్గింది. వినియోగదారులు వివిధ మోడల్‌లను ప్రయత్నిస్తున్నారని ఇది సూచిస్తుంది.
ఓపెన్ సోర్స్ మోడల్స్ పెరుగుదల: SEAL లీడర్‌బోర్డ్ స్వతంత్ర మూల్యాంకనం ప్రకారం, ఓపెన్ సోర్స్ మోడల్స్ గణిత సామర్థ్యం, సూచనలను పాటించడం మరియు ప్రతికూల పరిస్థితులను తట్టుకోవడం వంటి అంశాలలో అద్భుతమైన పనితీరు కనబరుస్తున్నాయి. లామా మోడల్ మొదటి మూడు స్థానాల్లో నిలిచింది.
ఓపెన్ సోర్స్ మోడల్స్ వేగవంతమైన పురోగతి
ఓపెన్ సోర్స్ మోడల్స్ అనేక అంశాలలో ఆశ్చర్యకరమైన పురోగతిని కనబరిచాయి. MMLU మూల్యాంకనం ప్రకారం, కొన్ని చిన్న పారామీటర్లు కలిగిన ఓపెన్ సోర్స్ మోడల్స్ పనితీరులో అత్యంత అధునాతన మోడల్స్‌కు దగ్గరగా ఉన్నాయి. ఒక సంవత్సరం క్రితం, ఉత్తమ చిన్న మోడల్ మిస్ట్రల్-7b ఈ మూల్యాంకనంలో 60 పాయింట్లు సాధించింది. కానీ ఇప్పుడు, లామా 8B మోడల్ 10 పాయింట్లు ఎక్కువగా సాధించింది.
చిన్న మోడల్స్ మరింత సరసమైనవి
చిన్న మోడల్స్ మరియు పెద్ద మోడల్స్ మధ్య అంతరం తగ్గిపోతోంది మరియు AI ధర కూడా గణనీయంగా తగ్గుతోంది. OpenAI యొక్క ప్రధాన మోడల్ API ధర గత సంవత్సరం నుండి సంవత్సరంన్నరలో దాదాపు 80-85% తగ్గింది. అంటే AIని ఉపయోగించి అప్లికేషన్‌లను రూపొందించే ఖర్చు బాగా తగ్గింది.
- AI అప్లికేషన్‌లను రూపొందించే ఖర్చు తగ్గింది: నోషన్ లేదా కోడా వంటి AI అప్లికేషన్‌లను రూపొందించడానికి, టోకెన్ ఖర్చు కొన్ని వేల డాలర్లు మాత్రమే అవుతుంది.
మల్టీమోడల్ టెక్నాలజీ భవిష్యత్తు
మల్టీమోడల్ టెక్నాలజీ AI రంగంలో ఒక ముఖ్యమైన అభివృద్ధి దిశగా మారుతోంది. తక్కువ-లేటెన్సీ వాయిస్, అమలు సామర్థ్యం మరియు వీడియో వంటి కొత్త మోడల్స్ రావడం వల్ల వినియోగదారులకు సరికొత్త పరస్పర చర్య అనుభవం లభిస్తుంది.
మెరుగైన వాయిస్ ఇంటరాక్షన్: తక్కువ లేటెన్సీ వాయిస్ కేవలం ఒక ఫీచర్ మాత్రమే కాదు, ఇది ఒక సరికొత్త పరస్పర చర్య అనుభవం.
AI అమలు సామర్థ్యం మెరుగుదల: క్లాడ్ యొక్క కంప్యూటర్ యూజ్ సామర్థ్యం మరియు కాన్వాస్‌లో OpenAI విడుదల చేసిన కోడ్ ఎగ్జిక్యూషన్ ఫీచర్ వినియోగదారులకు మరింత శక్తివంతమైన AI సామర్థ్యాలను అందిస్తున్నాయి.
స్కేలింగ్ లాలో కొత్త పురోగతులు
స్కేలింగ్ లా పరిమితులు ఉన్నప్పటికీ, కొత్త విస్తరణ నమూనాలు వస్తున్నాయి. OpenAI స్కేలింగ్ లా పరిమితులను అధిగమించడానికి ఒక మార్గాన్ని కనుగొన్నట్లు కనిపిస్తోంది మరియు RL సెల్ఫ్-ప్లే వంటి సాంకేతికతలను ఉపయోగించి మోడల్ పనితీరును మెరుగుపరుస్తోంది.
AI పెట్టుబడి వాతావరణం హేతుబద్ధం
AI రంగంలో ఒక బుడగ ఉందని కొందరు భావిస్తున్నప్పటికీ, వాస్తవం ఏమిటంటే, అండర్లేయింగ్ మోడల్ ల్యాబ్‌లకు ఎక్కువ నిధులు వెళ్తున్నాయి. అయితే, వాస్తవ కార్యకలాపాలు చేస్తున్న కంపెనీలకు తగిన నిధులు అందుతున్నాయి.
- అప్లికేషన్ లేయర్ విలువ తక్కువగా అంచనా వేయబడింది: గతంలో, అండర్లేయింగ్ మోడల్‌లు మరింత విలువైనవిగా పరిగణించబడ్డాయి మరియు అప్లికేషన్ లేయర్‌కు విలువ లేదని భావించారు. కానీ వాస్తవానికి, AI పర్యావరణ వ్యవస్థలో చాలా అవకాశాలు ఉన్నాయి మరియు అప్లికేషన్ లేయర్ కూడా చాలా అభివృద్ధి చెందడానికి అవకాశం ఉంది.
స్టార్టప్‌లకు గొప్ప అవకాశాలు
AI పర్యావరణ వ్యవస్థలో అండర్లేయింగ్ మోడల్స్ మాత్రమే కాకుండా, అప్లికేషన్ లేయర్‌లో కూడా గొప్ప అవకాశాలు ఉన్నాయి. వివిధ రకాల ఆవిష్కరణలు వస్తున్నాయి, వివిధ రకాల మోడల్స్ వాటి స్వంత బలాలు కలిగి ఉన్నాయి, మార్కెట్లో తీవ్ర పోటీ ఉంది మరియు ఓపెన్ సోర్స్ ప్రాజెక్టులు కూడా అభివృద్ధి చెందుతున్నాయి.
సేవల ఆటోమేషన్: AI అనేక పునరావృతమయ్యే పనులను ఆటోమేట్ చేయగలదు, తద్వారా ఖర్చులను తగ్గించి, సామర్థ్యాన్ని పెంచవచ్చు.
మెరుగైన శోధన కొత్త దిశ: AI వినియోగదారులకు సమాచారాన్ని మెరుగ్గా శోధించడానికి మరియు పొందడానికి సహాయపడుతుంది, అలాగే మరింత వ్యక్తిగతీకరించిన అనుభవాన్ని అందిస్తుంది.
నైపుణ్యాల ప్రజాస్వామ్యం: AI వివిధ నైపుణ్యాలను ప్రజాస్వామ్యం చేస్తోంది, తద్వారా ఎక్కువ మంది ప్రజలు సృజనాత్మకత మరియు ఆవిష్కరణలలో పాల్గొనగలుగుతున్నారు.
AI వేవ్‌లో పెట్టుబడి దిశ
AI ఇన్‌ఫ్రా (కంప్యూటింగ్ పవర్ మరియు డేటా) AI వేవ్‌లో ఒక ముఖ్యమైన పెట్టుబడి దిశ. AI టెక్నాలజీ అభివృద్ధి చెందుతున్నందున, నిపుణుల డేటా మరియు మరిన్ని రకాల డేటాకు డిమాండ్ పెరుగుతోంది.
"సాఫ్ట్‌వేర్ 3.0" యుగం వస్తోంది
మొత్తంమీద, మేము ఈ మార్పుల శ్రేణిని "సాఫ్ట్‌వేర్ 3.0" అని పిలుస్తాము. ఇది ఒక పూర్తి-స్టాక్ పునరాలోచన అని మేము నమ్ముతున్నాము, ఇది కొత్త తరం కంపెనీలకు గొప్ప ప్రయోజనాలను అందిస్తుంది. మార్పు వేగం స్టార్టప్‌లకు అనుకూలంగా ఉంది.
ఉత్పత్తులు మరియు మౌలిక సదుపాయాలను పునరాలోచించడం: కొత్త AI నమూనాకు అనుగుణంగా ఉత్పత్తుల రూపకల్పన మరియు మౌలిక సదుపాయాల నిర్మాణం గురించి మనం పునరాలోచించాలి.
గొప్ప సాంకేతిక మరియు ఆర్థిక అవకాశాలు: AI గొప్ప సాంకేతిక మరియు ఆర్థిక అవకాశాలను అందిస్తుంది, వాటిని మనం అందిపుచ్చుకోవాలి.
స్టార్టప్‌లు మరియు దిగ్గజాల మధ్య పోటీ
విజయం యొక్క ఫలాలు చివరికి స్టార్టప్‌లకు దక్కుతాయా లేదా ఇప్పటికే ఉన్న దిగ్గజాలకు దక్కుతాయా? దిగ్గజాలు పంపిణీ మార్గాలు మరియు డేటా ప్రయోజనాలను కలిగి ఉన్నప్పటికీ, స్టార్టప్‌లు మెరుగైన ఉత్పత్తులు మరియు వినూత్న వ్యాపార నమూనాల ద్వారా పోటీ పడగలవు.
ఆవిష్కర్తల ఇబ్బంది: ఇప్పటికే ఉన్న కంపెనీలు ఆవిష్కర్తల ఇబ్బంది కారణంగా పరిమితం కావచ్చు, అయితే స్టార్టప్‌లు కొత్త వినియోగదారు అనుభవ నమూనాలు మరియు కోడ్ జనరేషన్ ద్వారా ఇప్పటికే ఉన్న నమూనాలను సవాలు చేయగలవు.
డేటా యొక్క ప్రాముఖ్యత: స్టార్టప్‌లు తమ ఉత్పత్తుల నాణ్యతను మెరుగుపరచడానికి ఎలాంటి డేటా అవసరమో ఆలోచించాలి మరియు కేవలం ఇప్పటికే ఉన్న కంపెనీల డేటాపై ఆధారపడకూడదు.