65 % af Sequoia Capitals investeringsporteføljeselskaber udnytter AI og LLM'er
Kort sagt
Sequoia Capitals undersøgelse afslørede en udbredt anvendelse af kunstig intelligens og store sprogmodeller (LLM'er) i 33 virksomheder, med OpenAI's GPT og antropiske GPT er den foretrukne foundation model API'er.
En oplysende undersøgelse foretaget af Sequoia Capital har afsløret den udbredte anvendelse af kunstig intelligens og store sprogmodeller (LLM'er) i forskellige virksomheder på tværs af deres netværk. Fra små startups til store virksomheder blev 33 virksomheder interviewet for at få indsigt i deres brug af LLM'er og de nye stakke, der ledsager dem.
- LLM'er i aktion: Sprogmodeller har fundet vej til en lang række produkter. Virksomheder udnytter LLM'er til at forbedre kodeautofuldførelse, datavidenskabelige arbejdsgange, chatbot-interaktioner og en bred vifte af industrier, herunder visuel kunst, marketing, salg, jura, regnskab, produktivitet, søgning, e-handel og rejseplanlægning. Applikationerne er mangfoldige og ekspanderende.
- Den nye stak: Den nye stak til LLM-applikationer kredser om sprogmodel-API'er, genfindingsmekanismer og orkestrering. Open source-løsninger vinder også popularitet.
Sammendrag:
- Adoptionsstatus: Omkring 65 % af virksomhederne har integreret LLM-applikationer i deres produktionsmiljø, mens de resterende 35 % stadig er i eksperimenteringsfasen.
- API-præferencer: Blandt basismodel-API'erne, OpenAI's GPT skiller sig ud som favorit, valgt af 91 % af de adspurgte virksomheder. Anthropics interesse er også vokset til 15%. Nogle virksomheder bruger endda flere modeller.
- Retrieval Mechanism: 88% af virksomhederne betragter en genfindingsmekanisme, såsom en vektordatabase, som en afgørende del af deres stak. Denne genfindingsmekanisme hjælper med at give kontekst til modellen, forbedre resultatkvaliteten, reducere unøjagtigheder og adressering af bekymringer om datafrihed.
- LLM Orchestration and Development Framework: 38% af virksomheder udtrykke interesse for frameworks som LangChain til LLM-orkestrering og applikationsudvikling. Adoption har oplevet en stigning på det seneste.
- Overvågnings- og testværktøjer: Mindre end 10 % af virksomhederne søger aktivt værktøjer til at overvåge LLM-output, omkostninger, ydeevne og udføre A/B-test. Interessen for disse områder forventes dog at stige, efterhånden som større virksomheder og regulerede industrier vedtager LLM'er.
- Supplerende Generative teknologier: Nogle virksomheder udforsker kombinationen af generativ tekst og stemmeteknologier, som udgør et spændende vækstområde.
- Custom Model Training: 15% af virksomhederne har udviklet custom sprogmodeller enten fra bunden eller ved at bruge open source-løsninger. Denne tendens har oplevet betydelig vækst i de seneste måneder. Disse tilpassede modeller kræver en separat stak, der omfatter computerressourcer, modelhubs, hostingplatforme, træningsrammer og eksperimentsporingsværktøjer.
Fremtidsudsigterne:
- Unik kontekst: Virksomheder stræber efter at tilpasse sprogmodeller, så de passer til deres specifikke behov og kontekster.
- Blandingsstakke: Selvom stakken i øjeblikket er adskilt, er stakken for LLM API'er og tilpasset modeltræning stakken smelter gradvist sammen over tid.
- Troværdighed: For at sikre fuld overtagelse skal sprogmodeller forbedre deres outputkvalitet, prioritere databeskyttelse og sikkerhedshensyn.
- Multi-modale applikationer: Sprogmodelapplikationer vil i stigende grad involvere flere former for interaktion, såsom tekst og stemme.
Indførelsen af AI-sprogmodeller omformer den måde, virksomheder udvikler deres produkter på. Undersøgelsen udført af Sequoia Capital afslører den udbredte brug af LLM'er og de udviklende stakke, der understøtter deres implementering. Da kunstig intelligens fortsætter med at udvikle sig hurtigt, tilpasser virksomheder modeller, søger troværdighed og udforsker nye grænser.
Læs mere om AI:
Ansvarsfraskrivelse
I tråd med den Trust Project retningslinjer, bemærk venligst, at oplysningerne på denne side ikke er beregnet til at være og ikke skal fortolkes som juridiske, skattemæssige, investeringsmæssige, finansielle eller nogen anden form for rådgivning. Det er vigtigt kun at investere, hvad du har råd til at tabe, og at søge uafhængig finansiel rådgivning, hvis du er i tvivl. For yderligere information foreslår vi at henvise til vilkårene og betingelserne samt hjælpe- og supportsiderne fra udstederen eller annoncøren. MetaversePost er forpligtet til nøjagtig, objektiv rapportering, men markedsforholdene kan ændres uden varsel.
Om forfatteren
Damir er teamleder, produktchef og redaktør på Metaverse Post, der dækker emner som AI/ML, AGI, LLM'er, Metaverse og Web3-relaterede felter. Hans artikler tiltrækker et massivt publikum på over en million brugere hver måned. Han ser ud til at være en ekspert med 10 års erfaring i SEO og digital markedsføring. Damir er blevet nævnt i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto og andre publikationer. Han rejser mellem UAE, Tyrkiet, Rusland og SNG som en digital nomade. Damir tog en bachelorgrad i fysik, som han mener har givet ham de kritiske tænkningskompetencer, der er nødvendige for at få succes i internettets evigt skiftende landskab.
Flere artikler
Damir er teamleder, produktchef og redaktør på Metaverse Post, der dækker emner som AI/ML, AGI, LLM'er, Metaverse og Web3-relaterede felter. Hans artikler tiltrækker et massivt publikum på over en million brugere hver måned. Han ser ud til at være en ekspert med 10 års erfaring i SEO og digital markedsføring. Damir er blevet nævnt i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto og andre publikationer. Han rejser mellem UAE, Tyrkiet, Rusland og SNG som en digital nomade. Damir tog en bachelorgrad i fysik, som han mener har givet ham de kritiske tænkningskompetencer, der er nødvendige for at få succes i internettets evigt skiftende landskab.
