NSDT工具推荐： Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - Three.js虚拟轴心开发包 - 3D模型在线减面 - STL模型在线切割
我们正处于一个拐点。 围绕生成式AI的热潮让创始人和投资者争先恐后地寻找该技术有前途的应用。 仅 2023 年第一季度，就有 17 亿美元投资于 46 家生成式人工智能公司。 随着初创公司不断激增，资金继续涌入该领域，我们希望更广泛地回顾从之前的平台转变中吸取的经验教训。
在 Emergence 的过去 20 年里，我们见证了许多尚未持续的趋势和炒作周期，但也有许多已经持续。 我们看到过去二十年的平台转变与我们今天所看到的生成式AI的发展有许多相似之处。 从 2000 年代初水平云软件的出现到 2000 年代末行业特定云软件的前景，有一点是显而易见的：专业软件创造了巨大的价值。
在每次平台转变期间，早期公司首先构建广泛的解决方案，只有随着技术成熟，公司才开始为行业或目标待完成工作（JTBD）构建更具体的软件。 我们认为这同样适用于当今的生成式AI炒作周期。 在这篇文章中，我展示了这些平台转变之间的主线，供创始人在考虑在生成式AI的背景下进行构建时应用。
1、本地到云端
早在 2000 年代初，从本地(on-premise)部署到云的转变使软件民主化。 有史以来第一次，如果你有网络浏览器，就可以立即使用软件来运行你的部分业务或个人生活 - 全部来自云端。 当马克·贝尼奥夫 (Marc Benioff) 推出 Salesforce.com 时，我有幸与他合作。 我还与 Marc 共同创立了一家名为“软件即服务”的公司，它成为 Salesforce 平台的起源。
Marc 在 Salesforce 的早期看到的是能够为每个业务用户带来亚马逊式的价值和简单性，因为浏览器允许轻松采用。 那个时代一些发展最快的公司，包括 Salesforce、Workday 和 ServiceNow，创建了云软件，取代了以前广泛的客户端服务器领导者。 这些早期公司通过新模型彻底改变了软件，现已成为软件标准。
云的独特之处还在于它颠覆了长期存在的分销渠道，例如增值经销商 (VARS) 和分销商。 相反，这些云软件公司利用了以产品为主导的战略，对市场产生了迅速影响。 无法足够快地适应的本地企业最终会消失，而采用云的初创公司（以及少数现有企业）则蓬勃发展。
最终，水平云内的进一步专业化创造了数十个更有针对性的成功。 ZoomInfo、SalesLoft 和 Chorus 等公司专注于为销售堆栈中的特定工作构建软件，接续 Salesforce 的工作。 由于产品更加适合特定的待完成工作，专业参与者可以比广泛的横向提供商更好地为用户服务。
2、行业云的出现
随着云软件成为常态，我们见证的第二个主要平台转变是从水平云软件向行业特定云软件的转变。 我再次有幸与创造这一转变的领导者、Veeva Systems 的 Peter Gassner 一起工作。 2008 年，在领导了 Veeva 的唯一机构投资（自该公司 IPO 以来我一直担任董事长）后，我们将这一新兴领域称为“工业云”。
工业云转变是数据力量变得真正重要的地方。 工业云公司的一个重要标志是“深度数据”。 这种特定于行业的软件构建模型能够通过用户数据（通过用户输入和行为分析）创造客户价值。 尽管所有云公司都具有这种潜力，但对行业的深入关注使得行业云公司更有可能将数据转化为对其客户有意义的见解。
这种新型软件的出现之所以如此具有影响力，是因为它能够既关注单个行业的需求，又关注该行业内“分层蛋糕”带来的深层数据。 横向云公司在每个行业都有广泛的基础，因此具有较少的可操作数据，而行业云公司通过在单个行业的公司内堆叠多个功能领域来“深化”其数据集。 这是深度数据的根源。
Veeva 就是一个完美的例子。 通过选择一个行业（生命科学）并随着时间的推移开发 30 多种产品来解决该行业的特定挑战，Veeva 能够非常快速地创造巨大的价值，并且使用的资本远少于其横向同类产品。 他们仅投资 300 万美元，就获得了超过 20 亿美元的收入。 通过垂直或功能切片进行大规模定制，以及满足客户独特需求的专用解决方案，已成为软件行业成功的新关键。 换句话说，专业化是有效的。
3、明确目标，创造巨大价值
当我们进入生成式AI时代时，我们相信创始人的关键一步将是应用从之前的平台转变中吸取的经验教训。 最初是广泛的横向软件，后来逐渐缩小并变得具体，后来变得以行业为中心。 在下一个技术时代，专业软件和专有数据比云时代更加重要。
随着人工智能的普及，公司现在正试图回答消费者可能提出的任何问题。 但在商业环境中，与所有云软件类似，人工智能在高度专注时的价值将最为强大。 这是因为通用AI模型是根据大量数据进行训练的，而不是为这些 B2B 组织提供价值所需的狭窄、特定的用例。
就像工业云一样，公司试图解决的问题的背景越紧密，这些新的人工智能系统就越有价值。
4、今天的初创企业面临着与以前时代的显著差异
如今，生成式AI应用程序正开始广泛应用，就像早期的云公司一样，但关键的区别在于，底层技术与微软、谷歌、Meta 和其他最大的技术参与者紧密结合。 这与云时代不同，Salesforce、Workday、ServiceNow 等都是初创公司，是从头开始构建的。 由于大型科技公司拥有大部分广泛的横向应用程序，初创公司应该专注于在狭窄背景下的特定领域进行建设。 此外，借助 API 和开源模型，任何人（无论是现有企业还是初创企业）都可以更轻松地采用生成式人AI技术。
如今，创建生成式AI的创始人可以采取多种路径，但我认为有两种方法可以建立持久、可防御的业务。 首先了解你和你团队的核心优势，然后选择以下选项之一：
- 主要研究生成式AI的新兴技术能力，并寻找可以从你的见解中受益的功能或垂直问题。 或者…
- 专注于深厚的领域专业知识和市场关系，并组建一个团队来补充技术知识。
鉴于人工智能功能的广泛可及性，这两种策略都可以为初创公司带来巨大的机会。
在生成式AI时代，有一个教训仍然是正确的：你的背景和行业越紧密，你的模型和产品就越明智。 在 Emergence，我们一直在深入研究生成式 AI 如何适应更广泛的云软件环境，如下所示：
原文链接：Specialized Software Will Win in the Age of Generative AI
BimAnt翻译整理，转载请标明出处
