初创AI公司眼下的致命“软肋”：不缺钱 但急缺“它”

来源： 财联社

编辑 潇湘

图片来源：由_无界 AI_工具生成

随着ChatGPT推动AIGC热潮在全球范围内迅速升温，大量的生成式人工智能初创公司眼下也正如雨后春笋般涌现。

然而，即便这些初创公司能够轻而易举地获得数十亿美元的投资资金，但依然有一个致命软肋，在眼下几乎难以避免——那就是训练数据的缺失，而这最终可能成为这些初创公司成功道路上的最大“绊脚石”。

风投公司Primary Venture Partners联合创始人兼普通合伙人Brad Svrluga就表示，“我们已经收到了许多初创AI公司的毛遂自荐，它们很可能正在追求创造出色的AI应用，但它们很多无法获得能够让它们构建强大应用的训练数据，更不用说那些能够帮助它们在业务中，建立有竞争力的护城河的专有数据了。”

数据比钱还“难得”

根据PitchBook的数据，生成式人工智能初创公司的风险投资规模，已从2022年的48亿美元增长到了2023年前5个月的127亿美元。

现在，这些公司中的许多都在寻求在金融或医疗保健等领域，建立更小众的人工智能模型，但获得这些领域的训练数据集并不容易。

Bullpen Capital的首席技术官Paul Tyma便指出，现在建造实际模型在某种程度上已经商品化了，而真正的价值就在于数据。

一些人工智能初创公司正瞄准与大型、数据丰富的企业合作。例如，安永公司负责税务的全球副主席Marna Ricker就表示，由于该公司拥有大量的交易数据，每天都有生成型人工智能初创企业前来接洽合作。

但安永的全球客户服务管理合伙人Andy Baldwin指出，他担心，如果安永的数据被用于训练外部模型，不知道会发生什么情况。

“谁会拥有这些数据？当我们训练模型时，我们对模型的访问权限是什么？其他人又能怎样使用这个模型呢？”Baldwin称，“这些数据是我们知识产权的一部分。”

当然，初创公司可以通过仅仅使用客户的数据，为每个客户训练不同的模型来解决知识产权问题。创业公司TermSheet就正在使用这一策略来构建其Ethan产品，这是一个生成式人工智能模型，能够为房地产开发商、经纪人和投资者回答行业问题。

但TermSheet首席执行官兼联合创始人Roger Smith表示，即使是让客户同意这一点，也需要耗费不少唇舌来说服对方。

法律科技公司Logikcull的联合创始人兼首席执行官Andy Wilson指出，如何让企业相信你拥有强大的网络安全实力，并可以切实保护这些数据，也是一个挑战。

大企业握有巨大优势

Primary Venture Partners的Svrluga表示，大型科技公司在生成式人工智能应用方面，显然要比初创公司更有优势，部分原因是它们已经获得了大客户的信任，这些客户对它们处理数据感到更为放心。

金融服务公司Truist首席数据官Tracy Daniels就表示，她目前只与大型科技企业而不是初创公司，探索生成式AI的用例。她表示，她更信任大型供应商能保证数据的安全。

这一切都意味着，即使是那些能够利用公开数据取得先机的初创企业，在利用企业数据集充实其模型方面也面临挑战。

Veesual是一家人工智能初创公司，可以生成人们试穿衣服的样子的图像。该公司最初就主要利用互联网上的公共图像来进行模型训练，但此后很难让大型零售商同意交出他们的数据来增强模型。

Veesual首席执行官兼联合创始人Maxime Patte表示，在某些情况下，大型零售商甚至想要Veesual支付巨额股息或获得该公司的股权，以换取Veesual对这些数据的使用权，这些交易最终没有谈成。

PatentPal是一家帮助律师事务所起草专利申请的生成式人工智能初创公司。其首席执行官兼创始人Jack Xu也表示，该公司最初只能根据对外公开的专利申请文件进行培训。

他指出，若能继续通过加密或匿名的实际客户案例反馈来进行培训，该AI工具有机会变得更加准确。但想要做到这一点很复杂，因为反馈必须与高度敏感和机密的数据(包括商业机密)分开。

“对于处于早期阶段的初创公司来说，存在一个品牌认知的问题，此外还面临着社会认同的问题，”他表示。

与此同时，行业间的“内卷”也正变得越来越激烈。 Struck Capital创始人兼执行合伙人Adam Struck表示，一些初创公司正在相互竞争，以确保在某些特定领域获得更多数据，而且速度更快。

他表示，“如果你相信有一个专有数据集，你就会想在其他人之前得到它，然后就排他性进行谈判。从这个意义上说，这几乎已经演变为了一场军备竞赛。 ”