麦肯锡发布的《生成式人工智能的经济潜力》报告指出，“生成式AI可以被用到16个业务部门的63个场景，解决具体的业务挑战，为企业带来2.6到4.4万亿美元的价值。”
可预见的是，随着生成式AI技术的快速发展，创新的应用与场景正在不断涌现，未来每一个To C或者To B的应用，都可以通过生成式AI去重新构建，各行各业的应用场景都有可能由大模型带来更新升级，这些都给初创企业带来巨大的发展机遇。
2023年11月17日，亚马逊云科技首期创业加速器项目顺利收官，30家入营企业分享了各自的业务进展以及在加速器中的获益和体验。“亚马逊云科技创业加速器”是针对初创企业的深度赋能计划。首期创业加速器关注 “AI赋能行业变革”，提供了28门定制课程，覆盖初创企业全成长周期最关注的话题，并邀请近40位亚马逊云科技内部专家、创投机构和产业技术大咖，从前沿技术赋能、创投网络资源、全球业务拓展和创新文化赋能四个方面为初创提供支持。
具体来看，生成式AI热潮下初创企业的机会主要体现在三个方面：基础模型、生成式AI的应用以及产业上下游对工具链的需求。
首先，基础模型是生成式AI底层的重要平台，大量的初创企业已经加入到基础模型创业的大潮中。亚马逊云科技CEO Adam Selipsky在多个场合强调，“不会有一个生成式AI基础模型适用所有业务场景。”因此，企业既需要通用性更广的大模型，也需要在专属领域能力更深入的模型。不会一直是百模大战，但也不会有一个大模型一家独大。
其次，应用为王，无论是To C还是To B，内嵌生成式AI能力的应用才是王道。初创企业要能够打造自己的“杀手锏”应用。
“真正改变未来‘游戏规则’的是对基础模型进行调优和定制化，服务企业与行业的特定场景和领域。”亚马逊云科技大中华区战略业务发展部总经理顾凡认为，企业的私有数据一定会在生成式AI 应用中扮演非常重要的角色。初创企业既要充分利用这些私有数据帮助各行各业构建定制模型解决行业应用的具体问题，同时还要具备妥当地保护这些私有数据安全的能力。
也就是说，虽然大模型决定了能力的天花板，但是真正要解决业务方面生成式AI应用的路还非常长。对行业客户来说，它们主要关心的是自身业务的问题，大模型也只是一种技术和能力。它们所期待的是生成式AI技术能真正帮助降本增效、带来价值，但是这需要很多企业深入其中，把差距感填补上。
熵简科技是为中国金融资管行业提供数字化基础设施的专家型科技公司，依托大数据、云计算、人工智能等先进技术，打造全资产、全流程的端到端智能资产管理平台，助力金融机构数字化转型。据了解，核心技术与底层引擎均坚持自主研发，已与70+金融资管机构合作。
“熵简科技一直专注在智能投研方向，业务核心是利用大数据和 AI的技术手段，为金融资管机构提供先进的技术方案，利用生成式AI实现金融行业智能投研方面的突破，把以往想不到的、或者技术上不太可实现的，转变成能够落地的产品和解决方案。”熵简科技联合创始人兼CTO李渔表示，基于大模型的生成式AI技术出现之后，通过在通用模型的基础上叠加金融场景下的数据和语料、研究框架，能更快速、低成本打造优质的个人助理产品，同时，生成式AI能够为有专业壁垒、需要重度智力投入的行业带来新的可能。比如此前熵简做过一个实验，让一组从业7到8年政策研究专家与GPT4一同分析房地产行业从中央到地方的政策对整个市场的影响。GTP4在输入一定分析样例后，得出的结论和观点能够与专家的结论达到近80%的一致，并且速度更快。
在李渔看来，加入亚马逊云科技创业加速器，不仅能够和亚马逊云科技的市场和技术优秀团队进行深度地接触，学习基础设施层面和行业应用的知识，同时可以与亚马逊云科技形成良好的优势互补，通过云上部署的方式更快地为最终用户提供服务。当然，在整个加速营中优秀的企业非常多，还包括可助力企业专注于做通用场景工具层面的Jina AI。
“随着基础模型不断成熟，会有新的‘杀手级’的应用不断地随着技术能力的提升而研发出来。但这些应用最后如何跟各行各业真正结合在一起，以及应用开发者真的能够体会到应该怎么去用现在的模型能力做出一个新的体验，都是需要时间的。”金沙江创投主管合伙人张予彤认为，未来至少两三年里面，会不断有新的应用涌现，并基于这些模型能力不断地演化。
最后，伴随着基础模型的进化，公共数据和私有数据的交替使用，需要各种工具链将他们串接起来。例如，从数据的清洗、存储、处理，再到形成定制化的模型，以及模型的蒸馏、性能调优等。此时，生成式AI工具链需求爆发，这也是初创企业的机会所在。
事实上，对于初创企业来讲，算力成本节约、基础模型的选择、数据安全保障的能力，是他们在生成式AI领域创业时的普遍需求。这与亚马逊云科技推动生成式AI的普惠化的愿景不谋而合。
毫无疑问，如今大家普遍关注的是模型训练带来的算力需求。未来当生成式AI的能力内嵌到所有应用里的时候，模型推理还将进一步加剧大规模算力的性价比和能耗的挑战。
亚马逊云科技很早以前便开始为解决大规模算力的性价比及能耗挑战而自研训练和推理的芯片。亚马逊云科技自研的训练芯片Amazon Trainium和推理芯片Amazon Inferentia可以帮助客户以低成本在云上训练模型和运行推理。同时，Amazon SageMaker服务还提供高性能CPU、GPU、自研加速芯片等丰富的计算资源，并能够根据实际需求进行弹性算力调配，提高了算力的利用率，节省闲时的花销。
“一切的变化都是由算力的改变带来的，云计算基础设施也对此产生了巨大贡献。现在我们找到了一种把能源转化为智能的更有效率的方式，将智能化的边际成本转变成为前期开发的固定成本。基于此，后期智能的开发都可以通过已经比较通用泛化的人工智能而变得更有效率。”张予彤表示，在这一趋势下，金沙江创投也看到了更多AI能够带给消费市场的影响，以及AI在企业服务和工具链端所带来的新投资机会。
生成式AI的普惠要解决的另一个问题是把模型的选择权交给客户。无论是文生文、文生图的，商用的、开源的，亚马逊云科技自己的还是第三方的，都希望帮客户挑选优秀的模型，提供丰富的选择，让客户使用这些模型的时候，就像使用一个API一样，不用去关心模型底层的基础设施的管理。
Amazon Bedrock是一个云托管服务，允许出海用户通过API访问从文本到图像的一系列强大的基础模型，如来自AI21 Labs、Anthropic、Cohere、Meta、Stability AI等的基础模型以及Amazon Titan基础模型。预计Amazon Bedrock还将覆盖更多的大模型。
更重要的是，Amazon Bedrock可以协助确保企业的私有数据不会被用于训练底层大模型，也不会离开企业在亚马逊云科技上的虚拟私有网络（VPC），保护私有数据的安全。同时，亚马逊云科技自身在安全合规领域近20年的经验能够很好地为初创企业提供技术支撑，其覆盖全球245个国家和地区的基础设施均根据安全最佳实践和最高标准来建立和管理，并提供超过300个安全合规服务和功能。
Jina AI 于 2020 年 2 月成立，致力于多模态AI技术的研发。其业务包括开源项目Jina和DocArray、AIGC SaaS工具，比如PromptPerfect、SceneXplain以及jina-embeddings-v2向量模型及其配套的API服务。其中PromptPerfect从年初推出以来已累计帮助全球超过21万位开发者优化了200多万条提示词。
“很多朋友说AI这行火了，我们赶上了好的浪潮，但实际上对于真正躬身入局的人来说，在去年年底关于这行还都是比较焦虑的。”Jina AI 联合创始人兼 CTO王楠表示，很大原因在于，当下大家用AI工具的范式变了：过去需要多模型组合搭建的服务，现在只需一个大模型即可解决问题；另外，Jina AI更多的是横向提供工具和平台的公司，在填补差距的过程中有很多工具链上的环节是有缺失的。
在王楠看来，亚马逊云科技最大的优势在于它能够连接不同的资源，通过加入亚马逊云科技加速器，能够跟其他的开发者和企业建立起联系。此外，亚马逊云科技的初创团队帮助Jina AI连接了亚马逊云科技的各个部门，并成功地加入了亚马逊云科技合作伙伴网络，同时完善Jina-Embeddings-v2向量模型，成功在Amazon SageMaker平台上线。
写在最后
亚马逊云科技设立创业加速器的背后有一个深层次的想法，即实现三个层面的连接：第一个是与亚马逊云科技的连接，通过技术帮助初创企业选对工具，尽量把人和钱投入到业务模式以及业务应用上，并把这些初创企业真正纳入到亚马逊云科技的生态合作伙伴中，帮助它们渡过创业的早期和中期阶段，真正赢得一些头部的企业级客户；第二个是与大企业和创投及产业机构的连接，尤其是大企业。传统行业真正自己生出数字化的能力需要花费大量时间，更快的还是将初创企业的既有能力与大企业的场景相结合，也可以加速产业的数字化；第三个是初创企业之间的连接，没有一家企业能够单凭自身的一个解决方案和产品，就完全落地客户生成式AI应用的解决方案。因此让初创企业之间能建立连接，形成优势互补，共同开发满足客户不同需求的解决方案。
“没有一家企业能够用自己的一个解决方案和产品，就完全把客户生成式AI应用的解决方案落地。这就像一个‘三明治’或者‘汉堡包’，不是三层，可能是五层、六层。但同时，这个‘三明治’或‘汉堡包’的很多层面之间是有差距的。”在顾凡看来，如果不把空填上，无论是数据的工程化，还是模型的调优，甚至模型的推理，这些都会是企业生成式AI应用普惠的难点。
生成式AI的发展就像一场马拉松比赛，现在比赛才刚刚开始。对于初创企业而言，这也是一个全新的时代。
京公网安备 11010202008829号