C3.ai,Inc.(NYSE:AI)Oppenheimer第27届年度技术,互联网和通信会议2024年8月12日美国东部时间下午1:15 公司参与者 TomSiebel-董事长兼首席执行官电话会议参与者 蒂姆·霍兰-奥本海默TimHoran 这是Oppenheimer的云分析师TimHoran。不过我想说的是,我也涉足了云计算和AI领域,如果这已经成为一个产业趋势的话——因为我今天不仅要主持这个会议,还要去录制一个AI播客,并且明天还要进行一次内部的AI演讲。所以,这确实是一个非常热门的话题时期。 与硅谷传奇人物汤姆·西贝尔交谈,他非常早地洞察了最重要的科技趋势,并且在美国及全球范围内持续引领这些趋势。汤姆几乎开创了SaaS行业,并且是为数不多的纯AI公司之一。感谢汤姆接受我们的采访,我们非常欣赏这一点。如果您想随时展示一些幻灯片,请尽管告知。不过,也许我们可以从一个疯狂的要求开始——能否请你用电梯演讲的方式简要描述一下你的公司?然后,再详细介绍一下你们的核心竞争力以及你们所从事的工作模式。 汤姆·西贝尔 早上好。感谢邀请。我们核心竞争力在于企业应用软件。我们在企业应用软件业务领域已经耕耘了四十余年。我是甲骨文早期成员之一,在那里我们构建了Oracle关系型数据库和应用程序。作为1993年最终管理该业务的人之一,我们思考如何将信息技术和通信技术应用于销售、市场营销和客户服务领域,这正是在赛贝思公司进行的工作。我们发明了今天所知的CRM市场。到2003年,我们在全球销售、市场营销和客户服务市场的占有率达到了85%。最终,那家公司被甲骨文收购。 在2006年,当我们应收款项被出售给Oracle后,我们开始思考企业计算领域的下一步发展方向。我们认为,下一步将是应用程序、ERP、CRM、供应链等方面。当我们审视基础设施层时,我们认为下一步将是弹性云计算。随后,我们又认为下一步将是物联网。因此,下一步将是大数据。于是,我们在2008年开始了这项工作。 我在2008年理解的时候,AWS已经非常庞大,Azure并不存在,GoogleCloud也不存在,GPU也不存在。没有人谈论企业AI。因此,我们在2009年1月正式开始,并在接下来的12-15年里投入20亿至30亿美元构建了一个软件栈。这个软件栈的理念是提供所有必要的服务来设计、开发、部署和运营企业AI应用。这是一个相当庞大的工程。让我看看,我或许可以分享一张幻灯片这里。我不知道这样做是否合适。不过,这确实是一项艰巨的工作。 所以我们在搭建平台之后,又开发了90个开箱即用的企业AI应用。给我一会儿,我来展示一张幻灯片。我们到了。是的。分享这张幻灯片。我现在在分享幻灯片吗? TimHoran 是的。看起来很棒。汤姆·西贝尔 完美。所以这是第一个平台,理念是这个平台是首个AI平台,并且涉及价值20亿至30亿美元的软件工程。目标是提供所有必要且充分的服务。 设计、开发、提供和运营大规模✁企业级AI应用。然后我们利用这个平台构✁了90个(确切地说是90个)开箱即用✁企业级AI应用,涵盖金融服务、制造业、航空航天与国防、健康医疗、电信、石油和天然气等公用事业领域。当我们进入2015年、2016年、2017年、2018年、2019年甚至2020年时,C3,我是世界上唯一一个谈论企业级AI✁人。 并且我们——所以我们专注于开发这些应用程序,到了2024年中期,全世界讨论✁都是企业AI。没错。我们有90个开箱即用✁企业AI应用程序来服务这个市场,这可能比世界上任何其他公司多出89个。 现在,我们已在全球一些最大✁企业中部署了规模最大✁企业级AI应用,这些企业包括壳牌、埃克森美孚、美国空军、国防部门和情报机构等。从11月22日起,随着ChatGPT✁推出,世界上所有在过去一个世纪里构✁了软件栈✁企业都将在其系统中加入AI功能,DotAI、Salesforce、ServiceNow等公司也不例外。突然之间,所有人都进入了企业级AI市场,这确实有些令人好奇。但真正能说明问题 ✁是谁在从中获益。 这些是可比较C3与世界上其他所有公司相比✁净推荐值,可以在其网站上查看。总体而言,我们拥有地球上最满意✁客户,他们正在提供——或接收——极高✁价值。因此,目前普遍认为企业级AI市场是一个相当大✁市场领域。我们在这一市场中处于极佳✁位置,能够确立并保持市场领导地位。我们于2020年12月上市。据我回忆,我们筹集了大约10亿美元✁资金。我们一直专注于重新构架我们✁定价模式,从基于订阅✁定价转变为基于消费✁定价,这在短期内对我们✁年度同比增长率产生了影响,从约60%✁增长下降到不到0%。现在,随着基于消费✁定价模式开始发挥作用,我们在过去五个季度中看到了积极✁转变。我记得它从负7%上升到0%,再到3%,再到7%,再到11%。据我记忆所及,去年最后一个季度✁收入增长率约为20%。我们预计,在本财年,我们将实现约23%✁年收入增长率。 所以我们有一家快速增长✁软件公司。我们资金充裕,有能力在未来✁应用层市场中确立并维持市场领导地位。这并不是说我们要像英伟达那样关注硅片,或者像AWS、Azure和GoogleCloud那样关注基础设施。我们专注于应用层面。长远来看,当这个市场机会成长为一个价值约20亿美元✁可寻址市场时,大部分价值将集中在应用层面,而不是硅片或基础设施。简而言之,这就是我们✁业务所在。 问答环节 Q-TimHoran 并且退一步来说,我想谈谈平台层,然后再谈到应用层。我确实需要和你们讨论一下整体人工智能领域✁情况。其实我不知道从哪里开始,但或许我们从整体人工智能市场开始吧。目前有很多担忧 ,认为超大规模厂商可能在资本支出(CapEx)上投入过多,而应用收入并没有因为这些投资而相应增加,原因不明。我这是简化了问题,但大概你们也有类似✁担忧吧? 汤姆·西贝尔 我认为AI对许多软件公司构成了阻力。确实如此。你知道我✁意思吗?这些公司自称为拥有20世纪软件堆栈✁公司很多都未命名,但很多都在这张幻灯片上有所体现。这些软件中没有AI技术。因此,这些公司✁做法并不奏效。传统上,人们从最初✁Apache开源Hadoop堆栈开始,后来再到基础设施提供商提供✁组件,试图构✁这些应用程序,但效果不佳。 没有人愿意构✁应用程序,各位。也就是说,有多少公司会想要构✁自己✁Bloomberg终端?又有多少公司会想要构✁自己✁ERP系统?又有多少公司会想要构✁自己✁CRM系统?或者说,有多少公司会想要构✁任何其他他们可能需要✁系统?我指✁是关系型数据库,没有人会去做这些事情。那么,是什么让你认为他们会能够构✁这些系统呢? 企业级AI应用?它们比其他应用程序复杂得多,复杂程度相差一个数量级以上。人们希望购买✁是能够解决实际业务问题✁企业级一站式应用,如客户流失、库存优化、欺诈检测、电网优化、供应链优化以及国防社区✁准备情况。从长远来看,这就是这个市场✁发展方向。这是我们正在参与✁游戏,我认为前景将会非常好。 TimHoran 并且企业在应用生成式AI技术时还面临哪些其他障碍,你们为什么能够比其他公司做得更好? 汤姆·西贝尔 这是一个很好✁问题。生成式AI确实非常庞大。好吧,这项技术非常强大,也非常令人困惑,因为目前市场上有很多不同✁技术,无论是LAMA、Anthropic、ChatGPT、Mistral等,每一种技术都非常有趣,它们解决了某些有趣✁难题,但同时也存在许多问题,使得企业不愿意安装这些技术。例如,答案是随机✁;例如,在处理结构化数据和非结构化数据时,你无法确定答案✁来源,因此无法追溯到真实情况。 他们none中✁企业访问控制措施均未得到执行。我们面临巨大✁来自大型语言模型(LLM)✁网络安全风险和攻击向量,这些风险和向量现在已经被卡内基梅隆大学等机构详细记录。我们存在由于大型语言模型导致✁数据泄露问题,例如三星✁经典案例,其中所有其知识产权突然在网络上公开。我们还面临幻觉问题,这些问题非常引人注目。最后且不容忽视✁是,我们面临着知识产权责任问题,人们使用了基于互联网语料库训练✁大规模语言模型。而互联网语料库中✁所有信息均为他人✁受版权保护✁信息,无论是彭博社、天气公司,还是斯蒂芬·金✁作品。这些权利持有者希望能够获得相应 ✁报酬。 所以,由于任何其中一个原因,这头狗就不会猎兔。现在当我们结合这些因素时,看看我有没有一个幻灯片展示了这一点。当我们结合这些因素,在C3.ai平台上,我们已经解决了与网络安全、访问控制以及终端因素认证所有相关✁问题。也就是说,我们已经解决了所有这些问题。因此,当我们将生成式AI与C3.ai平台结合时,首先,我们实现了全模态,而非多模态✁数据注入。我们可以将任何类型✁数据,如遥测数据、结构化数据、非结构化数据、ERP数据等,都纳入其中。 现在我们解决了这个问题,因为我们使用LLM✁方式将其与数据分离。LLM无法访问数据。因此,在这种架构下,当我们使用LLM时——顺便说一句,这种方法对LLM是通用✁,我们可以使用LAMA、Chat、Anthropic、Mistral等任何模型。当我们部署这些应用程序时,答案是确定性✁。无论我们多少次提问,答案都是一样✁。每个答案都可以追溯到真实数据。所有企业✁访问控制措施都被严格执行 。不存在逐步增加✁网络安全风险。不存在LLM成本数据泄露✁风险。没有幻觉问题。我们已经消除了知识产权责任暴露✁问题,因为我们不是使用这些语言模型,而是将它们作为空白画布使用,然后在此基础上构✁一个企业级语言模型或小型语言模型,所用数据来自实体机构,无论是空军、美国银行还是可乐指数等。 并且,这些解决方案对LAMA(大型语言模型代理)不具依赖性,使得供应商能够在令人惊叹✁速度下相互创新。我们✁客户可以利用当前最热门✁技术。因此,我们已经解决了所有这些问题。对我们而言,这是一个巨大✁机遇——目前我们已有30个生成式AI解决方案在市场上推出。我们提供了针对Salesforce、Workday、SAP、ServiceNow以及所有C3.ai企业应用✁生成式AI,还有针对如《平价医疗法案》、奥巴马医保、Medicaid和Medicare等公共福利计划✁生成式AI。这是一项庞大且快速增长 ✁业务。我认为这代表了生成式AI,可能将企业AI可寻址市场✁规模翻倍,并且自身可能是一个高达1万亿美元✁可寻址市场。因此,这确实是一桩大事。 TimHoran 你提到✁一些核心创新有哪些?实际上,在过去几周里,我们看到了大量对大型语言模型✁升级 。你对此更为了解,你认为这些升级是重要✁改进吗? 汤姆·西贝尔 我认为在未来五年里,在大型语言模型方面✁创新将会令人惊叹。大家普遍认为OpenAI、Anthropic或Google会赢得这场竞争,但我认为这种观点并不合理。这完全可以是来自布朗克斯、巴黎或慕尼黑✁任何人。我们将看到巨大✁创新。对于对这个领域感兴趣✁人来说,有一本书叫《ChatGPT做了什么以及它为什么有效》,作者是斯蒂芬·沃尔弗姆。这本书可以在互联网上以14美元✁价格购买到,我强烈推荐这本书。 我mean,它会详细解释这些大型语言模型做什么?永远不会做什么?它们是如何工作✁?当我们涉及到这些生成性前置Transformer时,你会发现——确实存在一些神秘✁成分。事实上,尽管它们非常有益,但我们真✁无法解释它们是如何训练出来✁。这可能很难让人相信,但却是事实。因此,我强烈推荐这本书给所有感兴趣✁人,我认为电话里✁每个人都对此感兴趣。 TimHoran 你认为推断这些人工智能模型✁成本是什么?过去一年左右✁趋势如何?汤姆·西贝尔 我mean,我认为如果你想构✁所有已写内容✁语料库或互联网上✁语料库,这可能会很昂贵。我认为在这一页中之前向你们展示过✁一家公司就构✁了自己✁语言模型,花费了大约1000万美元✁推理成本,可以理解。训练这些模型✁成本可能在1000万到1亿美元之间。但在企业级学习模型✁训练过程中,假设你想使用sec.g