工业人智能路线图 ： 人智能发开平台格局如转向 ， 更改买家评 ROI 、用例等的公式

企业AI路线图： AI开发平台格局如何转变，改变了购买者评估ROI 、用例等的方式 我们挖掘了CBInsights数据，并与50多个AI开发平台的买家进行了交谈-包 括Databricks，HuggingFace和ScaleAI-了解他们如何部署AI模型，他们付出了代价，以及未来对景观的影响。 没有公司愿意错过AI。 随着AI的商业应用在AI生成热潮中迅速扩展，企业正在竞相改革其基础设施，以支持这些先进模 型的部署和管理。 企业买家越来越多地转向AI开发平台来满足他们的AI需求。 AI开发平台使企业能够通过单一平台管理AI生命周期，从数据准备、培训和验证到模型部署和持续监控。 这一格局融合了企业机器学习(ML)玩家(H2O.ai、DataRobot)、大型科技产品(GoogleCloudVertexAI、AmazonSageMaker和 基岩），以及新兴的AI开发人员工具（Predibase，LightningAI）。 来源：CBInsights-AI开发平台市场 平台现在面临着巨大的压力，要适应genAI时代的产品，并获得更多的企业AI支出，使企业能够利用 基础模型。 我们挖掘了CBInsights的估值、员工数量和融资数据，以及50多个买家访谈，以绘制不断变化的格局并分析其未来。 下面我们将介绍： 1.AI开发平台市场格局 2.企业购买者如何评估其AI工具支出的ROI 3.企业AI发展的未来 4.按行业划分的买家案例研究样本 Contents GenAI正在改变AI发展格局4 4 5 6 9 评估投资回报率(ROI)9 9 10 企业AI发展的未来13 15 17 18 22 27 2 29 客户案例研究30 31 GenAI正在改变AI发展格局 AI开发平台并不新鲜。景观有几个平台 成立于2010年代初，当时机器学习的企业应用开始流行。 但是genAI标志着AI开发的新时代。越来越复杂的模型正在开辟企业渴望利用的新应用程序，为市场上的供应商创造机会，同时挑战他们足够快地适应以支持最新的AI任务。 下面，我们去了解市场和进入的参与者。 AI开发平台市场 AI开发平台为希望开发和启动内部AI项目的企业提供一站式服务。 该领域的一些公司直接竞争（例如，数据科学工作中的Dataiku和DataRobot），而其他公司则更专业（例如，Scale，专注于数据准备，但也提供genAI开发平台）。许多企业是多个AI开发平台的客户。 更广泛的机器学习操作（MLOps）领域是分散的，包含12个类别的130多家公司。 来源：CBInsights研究-MLOps市场地图 传统ML公司失去了动力 企业ML开发平台，如DataRobot（成立于2012年）和Dataiku（成立于2013年），已经在拥挤的市场中感受到了痛苦。 Dataiku在2022年12月进行了一轮裁员，而DataRobot经历了多轮裁员。 资料来源：CBInsights-Dataiku估值数据 公司利用genAI的势头 现在，随着技术“跨越”更传统的企业AI开发，生成AI正在撼动市场，正如这位Scale客户所描述的那样： “人们在企业内部从事的项目有了飞跃。很多传统的AI开发已经被OpenAI、Anthropic、AI21实验室等所吸收。在过去12个月左右的时间里，内部这样做的需求已经发生了变化，并且现在以一种有趣的方式塑造了整个类别 ，[企业]都在试图找出他们获得下一阶段增长的地方。因为这不是来自传统的ML和AI数据管道。他们期望成倍增长。" 首席产品公司，VC支持的软件启动 像Scale，HuggingFace和Databricks这样的公司在员工人数增长和资金方面都取得了领先，因为他们已经抓住了生成AI的一些动力。 来源：CBInsights-员工人数数据 同时，Databricks也在积极收购以扩展其产品功能-包括在2023年6月以13亿美元的价格收购LLMOps初创公司MosaicML和数据 一年后，管理初创公司的价格为$1B+。 来源：CBInsights-Databricks收购见解 与新初创公司并驾齐驱的强大技术力量 大型科技公司也在为genAI时代构建自己的产品套件。谷歌扩展了其VertexAI开发平台，以访问其Gemini模型和其他第三方/开放模型，而AmazonWebServices（AWS）于2023年4月宣布了针对genAI开发的AmazonBedrock托管服务。 此外，出现了一类较新的以LLM为中心的开发平台，包括小型和任务专用平台Predibase 和Glaive以及自适应ML和粉笔等统一平台。 评估投资回报率(ROI) 我们采访了50多个AI开发平台的企业客户，使用案例从预测性维护到编码器生产力，以了解他们如何评估ROI。 出现了两个关键因素：生产率提高和成本节约。 提高生产率 买家着眼于衡量生产率提高的具体指标，例如产出的增加（例如，推出的功能），任务速度和整体团队效率。 HuggingFace客户强调了他们如何通过考虑在没有AI工具的情况下实现相同结果所需的时间来量化价值。这种“构建与购买”计算表明，该工具可以提高生产率，证明他们每年花费50万美元是合理的。 “物有所值是真棒哦，我的上帝，这与我们多年来所做的许多其他投资都没有可比性。我们查看推出的模型功能，我们查看获得的开发人员生产力 ，我们只查看不同团队的速度和执行情况，所以是的，绝对[我们有特定的度量标准来量化成功]。如果 我们要做拥抱脸允许我们做的所有这些工作，我们会花多长时间？” 高级主管，数据和分析 财富500强公司 节约成本 与生产率提高密切相关的是人工智能工具带来的直接成本节约。 石油和天然气行业的一位C3AI客户强调，通过使用该平台的预测分析来改善设备错误预测并减少维护周期，从而获得“巨大价值”。更少的设备故障和生产中断转化为硬美元节省。 C3AI客户案例研究 在CBInsights平台上阅读完整的成绩单。 客户：财富500强公司数据和分析主管 Industry：石油和天然气 初始购买日期：2019年Q3年度支出: $200K满意度: “我们从使用C3AI的预测分析所保持的节约中获得了巨大的价值。我们的维护周期已经下降。我们不会经常拆除我们的工厂，我们的错误和预测何时 equipmentmightbeoffhasbecomebetter.I’veheardreallygoodfeedbackfromtheoperatorswhomyteaminteractionswith.” 用例: ●石油和天然气行业设备的预测性维护，考虑地理位置和维护间隔等因素 ○缩短维护周期和停机时间，从而节省成本 ○集成和分析不同类型的数据（例如，天气数据），以提高预测设备可能发生故障的准确性 ○减少对维护人员的要求 使用的产品和定价： ●使用完整的C3AI套件，实例位于欧洲、北美和亚洲 ●多年合同 ●对与云部署和数据存储相关的基础设施成本上升的担忧 未来展望： ●计划将C3AI用于其他领域的预测性维护，例如智能计量，可再生能源和制氢厂 ThisH2O.aicustomerbreakedtheROIcalculationfurther.tothem,the$125KfortheH2OAICloud(HAIC)productisjustifiedbyestimating4weeksoftimeavailableannualdatascietist.Withateamof10datasciences,thisequivally $500K的储蓄-4倍的投资回报。客户注意到这些储蓄使他们对此类工具的预算最大化，表明他们的支出处于他们看到积极ROI的极限。 “我有10名数据科学家，如果每个人每年节省四周，那么我轻松节省了50万美元的时间和精力来加速项目，所以我也可以做更多的事情。就我的预算而言，我没有比125,000美元和分配给我的50,000美元更多的预算。我在那里最大限度地使用MLOps工具和AI加速器工具。” 分析总监 公开交易的公用事业公司 企业AI发展的未来 传统的AI和ML工作负载支撑着当今广泛的企业应用，从制造业的预测性维护到零售业的需求预测 ，再到金融服务中的欺诈检测。 同时，生成式AI仍处于企业采用的早期阶段。正如戴尔首席运营官JeffClarke在公司5月份的财报电话会议上总结的那样，跨越企业的最常见的genAI用例是： 1.内容创建 2.客户支持协助 3.自然语言搜索 4.设计和数据创建 5.代码生成 6.文档自动化 对于一些客户，比如这个C3AI买家，genAI仍然处于炒作的领域。 “是的，我被问到关于ChatGPT及其潜在整合的问题有一百万次，但这并不是我认为在石化领域，人们会马上跳起来。这种水平的生成AI，我们没有互联网带宽和用例来推动它下降到运营设施的运行。在这个时间点上，这在我的脑海中更多的是炒作，而不是必要的实质.” 经理 上市化学公司 但是大多数采访都揭示了一个共同的主题：快速发展的genAI市场将显着塑造AI开发平台的未来。随着企业计划开发自己的AI应用程序，他们正在密切监视供应商的genAI路线图，以告知他们的决策。 根据CBInsights数据和买家访谈，以下是有关景观未来的6个关键要点。 利用专有数据将解锁差异化的用例 像OpenAI的GPT-4这样的AI模型依赖于大量的训练数据。 企业的专有数据（结构化和非结构化）是为自己的用例（如摘要和数据分析）定制模型的关键。 戴尔首席运营官JeffClarke表示，简单地将企业数据作为起点，以便能够将其用于这些用例仍然是一个症结：“帮助客户 了解他们的数据，如何为这些用例准备他们的数据是我们今天正在做的。 与此同时，企业正被迫投资清理数据质量，以最大限度地减少劣质数据对人工智能性能的下游影响。基础设施提供商和模型开发人员的一位客户一起AI强调了数据管理的重要性。 “现在这个领域最具颠覆性的是什么，它将真正帮助公司在数据管理方面。数据方面，数据的质量，数据的位置，数据的状态，数据的策展，这可能是已经投资于LLM、建筑和人员的公司的最大抑制剂.” CTO 技术咨询和服务公司 领先的云数据管理公司，如Databricks和Snowflake，帮助公司连接其数据源进行处理和分析，正在采取行动，以捕获更多的企业AI客户。 两者最近都采取了行动来支持其他数据格式，例如开源 ApacheIceberg表格式，这对于希望将自己的数据用于AI应用程序的企业非常重要。 值得注意的是，在2024年6月，Databricks以10亿美元的价格收购了Tabular，该Tabular基于ApacheIceberg构建，汇集了领先的开源湖屋格式DeltaLake，Databricks基于该Lakehouse格式和Iceberg。这将使Databricks能够提供更好的 为客户提供数据兼容性，使他们能够跨不同格式利用数据，并减少数据孤岛。 来源：CBInsights-Databricks采集数据 大型科技公司具有多重优势 亚马逊，微软，谷歌和IBM等大型科技公司由于其规模，基础设施和现有的客户关系而在AI开发领域具有固有的优势。 例如，一位IBM客户引用了IBM对其内部数据的访问和批准，以在其防火墙背后进行工作，从而实现更快的概念和试点证明，这是它使用IBMwatsonx的一个关键原因：“你可能会很容易地看到 ，通过引入一个单独的供应商，可能会增加20%到30%的支出。 同样，微软强大的分销渠道以及通过Copilot等产品接触知识工作者的能力，使其在企业中具有竞争优势。 在数据管理方面，像Databricks这样的平台允许用户在训练机器学习模型的同时，将他们的数据保存在大科技的云平台上。 “所有这些平台，每个平台都有自己的利基市场。当然，Dat