В современном быстроразвивающемся мире искусственного интеллекта многие основатели и наблюдатели считают, что успешные стартапы должны создавать базовые технологии с нуля. Особенно это распространено среди тех, кто запускает так называемые «LLM-оболочки» — компании, которые предлагают решения, основанные на больших языковых моделях (LLM), таких как GPT или Claude. Возникает соблазн считать такие бизнесы недостаточно инновационными или технически глубокими. Однако эта точка зрения упускает более глубокую истину: клиентов не волнует, «просто оболочка» вы или нет — их волнует, решаете ли вы их проблему.
Экономика «оболочек» в сфере ИИ: ценность в использовании, а не в изобретении
Каждая успешная компания что-то «упаковывает». Uber — это гигант с капитализацией в 190 миллиардов долларов, но его платформа — это, по сути, оболочка вокруг такси. Airbnb, стоимостью 87 миллиардов долларов, — это рынок, работающий по принципу отелей. Реальная ценность этих бизнесов заключается не в изобретении такси или отелей, а в создании удобных и масштабируемых решений для транспорта и размещения, соответственно.
То же самое происходит и в сфере ИИ. Такие компании, как Harvey (юридический ИИ, оценка в 5 миллиардов долларов, доход ARR 75 миллионов долларов), Perplexity (поиск на основе ИИ, оценка в 18 миллиардов долларов, ежемесячный доход 150 миллионов долларов) и Cursor (инструменты для разработчиков, оценка более 10 миллиардов долларов), процветают как «оболочки» вокруг LLM. Их объединяет одно — они сосредоточены на решении реальных, специфичных для отрасли проблем, а не на создании всего с нуля.
Инфраструктура против решений: почему «оболочки» необходимы
Поставщики базовых моделей — OpenAI, Anthropic, Google — это инфраструктурные компании. Их платформы универсальны и не могут удовлетворить все потребности в различных вертикалях, случаях использования или рабочих процессах. Им нужны ориентированные на решения «оболочки», чтобы вывести свои технологии на рынок и раскрыть их полный потенциал для конкретных потребностей клиентов.
Заблуждения и преимущества: устойчивы ли «оболочки»?
Скептики утверждают, что LLM-оболочки уязвимы: что, если поставщики базовых ИИ-решений просто создадут нужную функцию сами? Этот риск реален, но не отличается от рисков, с которыми сталкивались Uber и Airbnb во время своего подъёма. Главное — создать каналы распространения и значимую дифференциацию продуктов.
Компании вроде Uber преодолевали местные регуляции, собирали обширные сети водителей и завоёвывали доверие пользователей — преимущества, которые нелегко воспроизвести инфраструктурным игрокам. В ИИ то же самое: «оболочки», которые глубоко погружаются в отраслевые проблемы и вносят постепенные улучшения, значимые для пользователей, могут победить в распределении, бренде и исполнении.
Тем не менее «оболочки», требующие минимальных усилий — те, которые делают немного больше, чем просто вызывают API с подсказкой, — вероятно, будут раздавлены по мере развития инфраструктурных провайдеров. «Оболочки», ориентированные на миссию, которые переопределяют рабочие процессы или решают сложные, тонкие болевые точки, имеют потенциал для долгосрочного существования.
Сосредоточьтесь на ценности, а не на тщеславии
Клиенты платят за результаты, а не за техническую чистоту вашего решения. Пользователи Uber хотели надёжные и доступные поездки, а не революцию в автомобилестроении. Пользователи ИИ-продуктов хотят инструменты, которые делают их рабочий процесс умнее, быстрее или интуитивно понятнее — с небольшим интересом к базовому технологическому стеку.
Будущее: сохранится ли тренд на «оболочки»?
Действительно, барьеры для входа в бизнес на уровне приложений ИИ кажутся сегодня ниже, чем во время предыдущих платформенных сдвигов. По мере того как инфраструктура LLM быстро улучшается и консолидируется, не каждая «оболочка» выживет. Рынок может увидеть «просеивание» по типу pets.com vs. Amazon: только те, кто решает реальные задачи, создаёт базы лояльных пользователей и налаживает эффективное распространение, переживут цикл хайпа.
Заключение
Критика «оболочек» упускает суть. Инновационные компании, ориентированные на решения, «упаковывают» технологии не потому, что у них нет амбиций, а потому, что именно здесь создаётся ценность. Как показывает история, будущее принадлежит тем, кто одержим решением проблем клиентов, а не тем, кто беспокоится о толщине своего технологического слоя.
Присоединяйтесь к нашему сообществу в [Twitter](https://twitter.com/), подписывайтесь на наш [ML SubReddit](https://www.reddit.com/r/MachineLearning/) и подпишитесь на нашу [рассылку](https://www.marktechpost.com/subscribe/).
FAQ: Может ли Marktechpost помочь мне продвинуть мой ИИ-продукт и представить его разработчикам ИИ и инженерам данных?
Ответ: Да, Marktechpost может помочь продвинуть ваш ИИ-продукт, публикуя спонсорские статьи, тематические исследования или характеристики продуктов, ориентированные на глобальную аудиторию разработчиков ИИ и инженеров данных. Платформа MTP широко читается техническими специалистами, что повышает узнаваемость вашего продукта и позиционирует его в сообществе ИИ. [ЗАПЛАНИРОВАТЬ ЗВОНОК]
1. Почему компании, предлагающие решения на основе больших языковых моделей (LLM), могут быть успешными, несмотря на то, что они не создают базовые технологии с нуля?
Ответ: такие компании, как Harvey, Perplexity и Cursor, процветают, потому что они сосредоточены на решении реальных, специфичных для отрасли проблем, а не на создании всего с нуля. Их успех объясняется тем, что они создают удобные и масштабируемые решения, которые удовлетворяют потребности клиентов.
2. Какие преимущества имеют «оболочки» в сфере ИИ по сравнению с поставщиками базовых моделей?
Ответ: «оболочки» необходимы, потому что поставщики базовых моделей — OpenAI, Anthropic, Google — это инфраструктурные компании. Их платформы универсальны и не могут удовлетворить все потребности в различных вертикалях, случаях использования или рабочих процессах. «Оболочки» позволяют вывести технологии на рынок и раскрыть их полный потенциал для конкретных потребностей клиентов.
3. Какие риски связаны с созданием LLM-оболочек и как их можно преодолеть?
Ответ: скептики утверждают, что LLM-оболочки уязвимы: что, если поставщики базовых ИИ-решений просто создадут нужную функцию сами? Этот риск реален, но не отличается от рисков, с которыми сталкивались Uber и Airbnb во время своего подъёма. Главное — создать каналы распространения и значимую дифференциацию продуктов. «Оболочки», которые глубоко погружаются в отраслевые проблемы и вносят постепенные улучшения, значимые для пользователей, могут победить в распределении, бренде и исполнении.
4. Какие компании в сфере ИИ могут считаться примерами успешных «оболочек»?
Ответ: примерами успешных «оболочек» в сфере ИИ являются Harvey (юридический ИИ), Perplexity (поиск на основе ИИ) и Cursor (инструменты для разработчиков). Эти компании процветают, потому что они сосредоточены на решении реальных, специфичных для отрасли проблем.
5. Какие тенденции в сфере ИИ могут повлиять на будущее «оболочек»?
Ответ: по мере того как инфраструктура LLM быстро улучшается и консолидируется, не каждая «оболочка» выживет. Рынок может увидеть «просеивание» по типу pets.com vs. Amazon: только те, кто решает реальные задачи, создаёт базы лояльных пользователей и налаживает эффективное распространение, переживут цикл хайпа.