【编者按】OpenAI CEO Sam Altman 曾在 YC 校友会上表示，「简单包装 OpenAI 的公司注定无法长久生存」。随着 OpenAI 为其旗下大模型不断带来的更新，如今人人轻松制作 GPT 的时代已来临，而此前基于这一应用维度创新的 AI 初创公司也遭到了巨大冲击。那么在 AI 大模型时代，究竟什么样的 AI 初创公司才会有出路？对此，Decibel VC 的合作伙伴、Databricks 的投资者带来他的思考。
原文：https://dannguyenhuu.substack.com/p/defensibility-in-genai-what-ai-startups
翻译工具 | ChatGPT
责编 | 苏宓
出品 | AI科技大本营（ID：rgznai100）
以下为译文：
本月初，OpenAI 在首届开发者大会上推出的产品让不少初创公司产生了强烈的反应，这也引发了一个重要问题：在一个由快速发展的现有公司主导的时代，初创公司如何才能站稳脚跟？
这让人回忆起 2010 年代中期，当 AWS 在云计算领域占据主导地位时，引发的快速创新的情景。他们具有影响力的 re:Invent 主题演讲经常导致初创公司创始人重新考虑他们进入云计算领域的原因。然而，我们仍然有像 Datadog、Elastic 和 Databricks 这样的大型基础设施公司，它们都是在那个时期创立的。
看来这次的情景也会类似。
在 OpenAI 的 Dev Day 之后不久，就在几个街区之外，GitHub 在其 GitHub Universe 大会上推出了 Copilot 的新功能。拥有超过 37,000 家公司的 100 万付费用户，GitHub Copilot 作为一个服务即软件产品提供了一个有趣的案例研究，它展示了如何在使用 OpenAI 的基础 LLM 的同时建立和保持长期的差异化。
虽然 Copilot 本身是微软这个更大公司的一部分，但他们的许多策略都可以应用于试图构建 AI 产品的初创公司和规模不断扩大的公司。在接下来的内容中，我试图强调一些我认为很好转移的策略，也旨在为当前在 AI 领域创立公司的创始人提供有趣指导。
社区 = 第一方数据、传播和采用
参与社区，对于塑造一家以 AI 为驱动的公司品牌方面变得越来越关键。从开源或免费增值用户生成的大量数据，结合快速的功能请求和反馈，对于打造一个高效可靠的人工智能服务至关重要。
近年来，开源公司主要通过基于云的托管服务或企业功能（如基于角色的访问控制 RBAC、高可用性和增强安全性）实现对其用户基础的货币化。这种方法通常涉及收费，以便最大限度地减少在组织内部有效部署服务所需的基础设施工作。例如，Elastic 运营着 Elastic Cloud，这是其开源产品的托管服务版本，而MongoDB 则通过 MongoDB Cloud 等方式采用了类似的方法。这种“便捷层”货币化策略本质上使初始社区用户摆脱了与他们无关但对企业要求而言却是必须的担忧。
展望未来，拥有强大社区基础的公司很可能会利用他们庞大的数据，利用 LLMs 和代理技术创建新的服务。这些服务在技术上和从用例的角度来看都很复杂。GitHub 的 Copilot 就是一个典型例子：它利用存储库数据来训练其初始版本，并不断完善，将其核心用户——开发人员放在重要位置。每次用户接受或拒绝代码建议的互动都为其提供了收集第一方数据的机会，这不仅不断改进了产品，还创造了一种长期可防御的机制。考虑到 Copilot 的复杂性和实用性，打造一款开发人员不仅使用而且喜欢的工具，这实现了一个重要的成就。
拥有内置社区的战略优势显而易见，它为用户提供了数据收集、实施最佳实践、传播和产品测试的机会。对于那些有幸拥有这样一个社区的现代服务即软件公司来说，面临的挑战和机遇在于如何以第一原则为基础，在单一的连贯产品战略中平衡复杂性和便利性。
简而言之，如果 GitHub 今天刚刚开始，它将如何直接跃迁到 Copilot？
对 UI/UX 的狂热迷恋 + AI = 用户幸福
之前在 GitHub Universe 重点介绍的 GitHub Copilot 的最新发展，为那些希望建立持久而成功业务的 AI 初创公司提供了重要的见解。他们在 AI 产品中深度融合 UX 和 UI 的做法，例如 GitHub Copilot Chat 和 Copilot Enterprise，是在复杂的人工智能功能与以用户为中心的设计之间取得平衡的明证。对于 AI 初创公司而言，这意味着不仅要利用先进的 LLMs，还要以符合用户期望和工作流程的直观方式嵌入它。
由 GPT-4 驱动的 GitHub Copilot Chat 通过实现自然语言编程，提供代码感知指导，对特定代码行进行内联聊天以及用户友好的任务快捷命令，充分体现了他们对 UX/UI 的承诺。因为它已集成到 GitHub.com 及其移动应用程序中，这个工具不仅非常易于访问，而且通过在平台内直接提供编码查询的建议、摘要、分析和答案，还增强了开发者的体验。
Copilot Enterprise 版本根据组织需求定制了 Copilot 体验，在软件开发生命周期的每个阶段为团队提供了人工智能辅助。它提供个性化的代码建议和文档帮助，迅速使团队熟悉其特定的代码库。这种定制，再加上企业级的安全性和隐私功能，说明了 GitHub Copilot 如何从一个简单的自动完成工具演变成了一款全面的、由人工智能驱动的开发辅助工具。
希望效仿 GitHub Copilot 成功的 AI 初创公司应优先考虑创建技术上复杂、直观且深度融入用户工作流程的 AI 工具。这种对用户为中心的 AI 开发的关注，再加上持续创新，构成了在竞争激烈的人工智能行业建立长期可行业务的基石。
深度整合到多个核心系统中
AI 初创公司可以从 GitHub Copilot 最近预览发布的“Workspaces”中获得重要的见解。这一举措充分体现了深度整合到各种系统中，以创造统一、灵活的用户体验的战略。
正如我先前发布过的一篇“Many-to-Many Problem（多对多问题，https://dannguyenhuu.substack.com/p/a-new-frontier-service-as-software）”的文章中所描述的那样，人工智能代理和 LLMs 穿越系统迷宫、在工具之间进行整合和交互的能力，可以极大地提高运营效率和决策过程的效果。
GitHub Copilot 进军 Workspaces 凸显了这一潜力，解决了现代软件开发环境的复杂性。通过利用整个代码库的知识和 GPT-4 的推理能力，GitHub Copilot Workspace 帮助开发人员高效地将想法转化为代码。这不仅简化了开发过程，还将软件开发的各个方面整合到一个紧密的工作流程中。
创建可长期使用的代理系统取决于整合系统、工作流程和数据。GitHub Copilot Workspace 体现了这种方法，展示了如何利用人工智能来解决特定的用例，同时与现有企业预算和需求相一致。
对于希望构建可持续商业模型的人工智能初创公司，GitHub Copilot 在多个系统中扩展和整合的策略提供了宝贵的蓝图。通过专注于深度整合和解决特定用户需求，初创公司可以创造出不仅解决眼前问题，而且无缝融入更广泛工作流程的产品，从而在服务即软件领域建立长期可持续的竞争优势。
结论
要在快速发展的 GenAI 世界中建立一个持久且具有防御性的地位，需要初创公司发挥其独特的优势。这可能包括：
培养和利用一个强大的、积极参与的用户社区
强调将用户界面和体验与人工智能相结合，以满足用户的需求
开发深度整合的人工智能代理系统，跨足各个核心系统，提供关键的见解和操作
理想情况下，这些方法的组合将最为有效。尽管 OpenAI 在其生态系统内的快速创新对初创公司构成了挑战，但 GitHub Copilot 采用的策略，使其在以人工智能为动力的软件开发工具领域成为领导者，提供了宝贵的经验教训。
毫无疑问，Copilot 显然受益于成为微软的一部分，然而这些策略仍然为人工智能初创公司提供了在这个新时代建立自己强大存在的有趣蓝图。
