自象限原创，作者：程心，编辑：罗辑，题图来自：《阿丽塔：战斗天使》
划重点：
如果将开发大模型比做是“造房子”，那AIInfra就是“工具箱”，而中国缺少的正是工具和原材料制造工厂。
根据国外市场的情况，可以将整个AIInfra大致分为数据准备、模型构建、模型产品三个层面，在这三个层面中的每一个节点，都是创业公司的机会点。
“数据准备”是中国AIInfra第一个机遇。围绕着“以数据为‘能源’”，本身就是一条十分复杂而又基础的产业链，而我国的数据相关产业链，几乎都是云大厂“一带而过”，缺乏深耕在某个细分领域的垂直竞争。
在AI大模型的训练过程中，为训练和推理提供工具和调度平台也正在成为一个新的市场“模型中台”，但从目前国内的情况来看，“模型中台”确实是创业大佬们的游戏。
ChatGPT火爆之后，科技圈有不少人想谱写AI2.0的中国故事。
据“自象限”不完全统计，短短一个月，国内有名有姓的大佬下场AI创业已经不下10位。但当AIInfra赫然出现在贾扬清的创业字典里时，一位前百度NLP高级工程师一边感叹贾扬清创业眼光的毒辣，一边对“自象限”说了四个字：这事能成。
这位工程师所说的“这事”，指的也并不是贾扬清创业的成败，而是终于有人看到了中国AIInfra的底子薄弱，想要上手来补一补了，那么，国内做AGI——“这事能成”。
不止贾扬清，最早掀起“大佬创业潮”的王慧文，在披露出为数不多的消息中，Infra出现了两次。在三个联创中，“一个Infra（基础设施）背景的联创”占据了重要的名额，与此同时，光年之外的第一个动作，便是与国产AI框架一流科技（Oneflow）达成并购意向。
被贾扬清和王慧文双双押注“AIInfra”到底是什么？在整个大模型开发中占据哪些关键节点？
顺着大佬们的思路，“自象限”将AIInfra的链条进行了盘点和国内外公司对比以反观中国现状。简单来说，AIInfra是一套十分复杂又基础的体系，包括构建、部署和维护人工智能系统所需的硬件、软件和服务的组合，它包括使AI算法能够处理大量数据、从数据中学习并生成有意义的见解或执行复杂任务的基本组件。
即如果将开发大模型比做是“造房子”，那AIInfra就是“工具箱”，而中国正是缺少工具和原材料制造工厂。
在这样的背景下，未来3~5年，相比于受限大模型能力变化的应用层面，AIInfra反而会更加稳定。毕竟大模型公司搞军备赛，那卖武器的公司增长一定十分可观。
但问题在于，如今中国的AI产业链在这一块还处于相当空白的状态。国内基于ML进行数据标注的公司星尘数据创始人就曾提出过这个问题，中国有没有AIInfra公司？答案是：没有。
他认为“国内从业人员太过于专注在方法论上，而方法论是公开的，但实际不公开的内容才有更多Knowhow和壁垒性”。
所以，如果说应用生态是显性创业机会，那么AIInfra便是隐形的蓝海。事实上，当AI进入2.0时代，AIInfra在整个AI产业链的价值也正在发生变化。
我们根据国外市场的情况，可以将整个AIInfra大致分为数据准备、模型构建、模型产品三个层面，在这三个层面中的每一个节点，都是创业公司的机会点。
图片为自象限原创，转载请注明出处
其中数据准备又可以具体拆解为数据质量、数据标注、数据合成和应用商城与工程；模型构建又包括机器学习平台、版本控制和实验跟踪、模型风险管理；模型产品则包括模型部署和服务、模型监控、资源优化等。
这些细分场景都在成为AI产业链的新“聚宝盆”。本文重点结合海外头部公司对AI基础层的研究，梳理了在大模型训练中比较重要，亦或是国内目前比较薄弱的方向，希望给国内创业者予以启发。
一、数据新产业链中的“聚宝盆”
“数据准备”是中国AIInfra第一个机遇。
对比中外生成式AI的发展会发现，中文数据的缺乏一直中文AI大模型的是最大短板。
有公开数据表示，截至年，在全球排名前万的网站中，英文内容占比60.4%，中文内容占比仅1.4%。但作为AI三要素（数据、算力、算法）中最基础的部分，数据又是整个AI大模型训练的前提。没有数据，就相当于巧妇难为无米之炊。
需要明确的是，围绕着“以数据为‘能源’”，本身就是一条十分复杂而又基础的产业链，涉及到数据质量、数据标注、数据安全三个主要部分和多个环节。
未来在AI活跃的氛围下，中国一定会涌现出多个大模型，目前仅百度就有36个大模型，阿里、百度、腾讯、华为每家的大模型都不低于三个。而大模型越“热闹”，对后端数据的需求数量和质量也会更高。
但反观我国的数据相关产业链，几乎都是云大厂“一带而过”，缺乏深耕在某个细分领域的垂直竞争，我们整理了几个产业链中的关键机会，仅供抛砖引玉，期待更多创造。
1.“数据质量”新机会：曾在这里摸爬滚打的企业，或迎来“出头之日”
整体上看，数据质量的机会分为两个部分，一部分是在技术侧，机器学习和自动检测正在成为数据质量的新机会。另一部分是在市场侧，随着AI市场规模越来越大，数据质量正在从产业链末端扩展成为供应商直接服务企业。
未来，随着AI成为社会发展的底座，数据质量会成为每个企业的刚需。但国内数据质量尚未受到足够的重视，缺乏专门做数据质量的企业，它更多是以大公司附庸品的形态出现，更像是“顺手”做的事情。
但实际上，数据质量是需要市场化的，就像汽车公司没办法生产每一个零部件一样，只有让数据质量成为整个产业的底座，通过众人拾柴火焰高的方式，才能推动整个行业的发展。
在国外，数据质量是十分垂直的赛道。这类公司的核心目标，是帮助人工智能企业最大限度地减少劣质数据带来的影响，他们的产品通常包括数据可观察性平台、数据整理和偏见检测工具，以及数据标签错误的识别工具等等。
国内其实也有这类的公司，但数量稀少。这些公司有一个非常明显的特点，就是他们在数据的细分赛道里摸爬滚打了很久，但因为这个赛道过于垂直，因此无论是资本还是市场都对他们
转载请注明：http://www.0431gb208.com/sjszlfa/7603.html
