生成式AI創企的大問題：不缺錢，缺訓練數據

6月16日消息，多個生成式人工智能初創公司已獲得數十億美元融資，但如果無法獲取適合的數據，那么就可能走向失敗。這是一項艱巨的任務，因為大公司通常不愿與初創公司分享專有數據，尤其是在開發大語言模型時。風險投資公司Primary Venture Partners的聯合創始人和普通合伙人布拉德·斯沃盧加(Brad Svrluga)表示：“我們看到很多公司都在人工智能領域尋求卓越應用，但他們往往無法獲得能開發強大應用的數據，更不用說能幫助他們在業務中擁有強大競爭力的專有數據了?！爆F在，擁有合適數據比以往任何時候都更加重要。投資公司Bullpen Capital的駐場首席技術官保羅·泰馬（Paul Tyma）表示，現在開發實際模型已經趨于商業化，真正的價值就在于數據。根據PitchBook的統計，去年全年生成式人工智能初創公司獲得的風險投資為48億美元，但今年前五個月已經達到127億美元。現在，其中許多公司都在金融或醫療保健等領域尋求構建更小眾的人工智能模型，但要獲得相關領域的訓練數據集并不容易。一些人工智能初創公司的目標是與擁有豐富數據的大型企業建立合作關系。例如，安永負責稅務的全球副總裁瑪娜·里克(Marna Ricker)表示，由于公司擁有海量的交易數據，每天都有開發生成式人工智能的初創公司前來接洽。但安永負責客戶服務的全球管理合伙人安迪·鮑德溫(Andy Baldwin)表示，他擔心如果用安永的數據來訓練外部模型會發生什么?！暗降渍l擁有這些數據？當我們訓練模型時，我們的訪問權限是什么？其他人該如何使用這個模型呢？”鮑德溫說。“數據也是我們知識產權的一部分。”初創公司可以用每個客戶的數據訓練不同的模型，從而繞過知識產權問題。創業公司TermSheet正在利用這一策略打造生成式人工智能模型Ethan，這款產品可以為房地產開發商、經紀人和投資者解答行業問題。但TermSheet首席執行官兼聯合創始人羅杰·史密斯(Roger Smith)表示，即便是讓客戶同意這樣做，也需要費一番口舌。法律科技公司Logikcull的聯合創始人兼首席執行官安迪·威爾遜(Andy Wilson)則認為，如何讓企業相信你擁有很好的網絡安全狀況，能夠切實保護這些數據，這也是一個挑戰。風投機構Primary Venture Partners的斯沃盧加表示，大型科技公司在開發生成式人工智能應用方面可能比初創公司更有優勢，部分原因是它們已經獲得了大客戶的信任，大客戶對它們處理數據也很滿意。金融服務公司Truist的首席數據官特蕾西·丹尼爾斯（Tracy Daniels）表示，在探索人工智能用例方面，她目前只與大型技術供應商合作，而不是與初創公司合作。丹尼爾斯認為大型供應商更能保證數據安全。這意味著，即使是那些搶先從公開數據中獲得一定優勢的初創公司，也要面對如何用企業數據集充實模型的挑戰。人工智能初創公司Veesual可以生成用戶試穿衣服的圖像。公司最初利用互聯網上的公共圖像訓練模型，但很難讓大型零售商交出自家數據來增強效果。Veesual首席執行官兼聯合創始人馬克西姆·帕特(Maxime Patte)表示，在某些情況下，大型零售商要求Veesual為使用相關數據支付巨額款項或拿出部分公司股份，但這些交易最終都沒有談攏。PatentPal是一家幫助律師事務所起草專利申請文件的生成式人工智能初創公司。首席執行官兼創始人杰克·徐(Jack Xu)表示，公司用公開的專利申請文件訓練模型。他說，繼續用加密或匿名的實際客戶反饋內容進行訓練，可能會讓工具更加準確。但這一過程很復雜，因為反饋必須與商業機密等高度敏感的數據分離開來?！皩μ幱谠缙诎l展階段的創業公司來說，一個是品牌認知的問題，一個是社會認同的問題，”他說。同時壓力也在與日俱增。斯特拉克資本(Struck Capital)創始人兼管理合伙人亞當·斯特拉克(Adam Struck)表示，一些初創公司正在爭相在某些細分市場獲取更多數據，看誰的速度更快。斯特拉克說：“如果你知道有一個專有數據集，你就會希望趕在別人之前得到它，然后就排他性進行談判?！薄皬倪@個意義上說，這幾乎成了一場軍備競賽?！保ǔ匠剑?