基建层：AI硬件及云服务。以NVIDIA为首的AI硬件算力进步使大模型的单次训练成本降至可以接受的1000万美元以下；同时以Azure为首的云服务厂商集成了算力资源和Al建模的能力，也将成为基础设施的重要部分。
模型层：Al模型及算法。以OpenAI为首的研究机构连续发布了文本、图片等多模态生成的高质量模型，其中对话和图片产出内容质量之高使其短期内成为提高内容生产效率的工具，长期将引领下一代交互方式、成为新的流量入口。
中间件：MLOps等AI infra。底层模型和上层应用之间的中间件，包括模型训练、模型推理两大板块中的各个细分环节，代表公司包括scale Al、pinecone等。中期，随着上游大模型厂商“军备竞赛”,中间件作为“卖武器”的公司有望持续受益。
应用层：B端及C端Al应用。得益于上游分摊了大量研1发成本，下游应用针对垂直应用场景定制小模型，满1足特定的用户需求，实现商业化变现。目前从落地节1奏来看，2B快于2C,工具类快于社交/内容类。
由于基建层、模型层竟争格局已较为稳定，硅谷投责人主要关注中间件、应用层的初创企业。用户需求明确：只需要帮助企业降本增效，即长期来看提升的产能大于投入的成本(ROI>1),就会有望形成付费。与C端需求相比，指标更容易量化。
对产品体验的要求较低，强调“可用性”:面向企业端的定制化应用，客户群体规模较小且需求明确，因此帮助企业效率提升的重要性大于产品本身的使用体验。
合规门槛：主要是企业层面的合规要求。
海外：为防止数据泄露，23H1三星、台积电、软银、日立、日本瑞穗金融集团和摩根大通等企业相继开始限制ChatGPT等交互式人工智能服务在商业运作中的使用。亚马逊、微软和沃尔玛也已向员工发出警告，要求员工谨慎使用生成式AI服务，埃森哲则警告员工不要将客户信息暴露在ChatGPT中。用户的需求并不明确，往往是供给激发需求。
对产品体验要求较高，强调“易用性”:面向上亿级别C端用户的大众化应用，用户群体庞大且喜好各异，因此产品本身需要适配大多数用户的使用习惯，包括较低的学习成本、较快的响应速度、合适的使用场景等。强调“易用性”。
合规门槛：主要是政府层面的监管规定。
1)海外：23年3-4月，意大利监管机构曾因ChatGPT内出现了用户对话数据和付款服务支付信息丢失的情况，且没有就收集处理用户信息进行告知，而禁止ChatGPT在国内的使用，验证问题解决后恢复。
2)国内：根据网信办联合7部门发布的《生成式人工智能暂行管理办法》,对“提供具有舆论属性或者社会动员能力的生成式人工智能服务的”应用(即偏C端应用)的合规、备案提出了较高要求，对B端应用监管则相对宽松。
本文来自知之小站
PDF报告已分享至知识星球，微信扫码加入立享3万+精选资料，年更新1万+精选报告
（星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com）
