Als das Generativ Der KI-Boom hält an, Start-ups, die Geschäftsmodelle rund um die Technologie aufbauen, zeichnen sich allmählich in zwei klare Linien ab.
Einige sind davon überzeugt, dass ihnen ein proprietärer und Closed-Source-Ansatz einen Vorteil gegenüber der Vielzahl von Wettbewerbern verschaffen wird, und entscheiden sich daher dafür, ihre KI-Modelle und Infrastruktur im eigenen Haus zu belassen und vor der Öffentlichkeit zu schützen. Andere nutzen Open Source für ihre Modelle, Methoden und Datensätze und verfolgen damit einen stärker von der Community geleiteten Weg zum Wachstum.
Gibt es eine richtige Wahl? Vielleicht nicht. Aber jeder Investor scheint eine Meinung zu haben.
Dave Munichiello, General Partner bei GV, einem Investmentzweig von Alphabet, vertritt die Ansicht, dass Open-Source-KI-Innovationen durch Transparenz das Vertrauen der Kunden stärken können. Im Gegensatz dazu seien Closed-Source-Modelle – auch wenn sie angesichts der geringeren Dokumentations- und Veröffentlichungsarbeitsbelastung der Teams potenziell leistungsfähiger seien – von Natur aus weniger erklärbar und daher bei „Vorständen und Führungskräften“ schwieriger zu verkaufen, argumentiert er.
Ganesh Bell, Geschäftsführer von Insight Partners, stimmt im Großen und Ganzen mit Munichiellos Standpunkt überein. Er behauptet jedoch, dass Open-Source-Projekte oft weniger ausgefeilt seien als ihre Gegenstücke aus der Cloud, mit Frontends, die „weniger konsistent“ und „schwieriger zu warten und zu integrieren“ seien.
Je nachdem, wen Sie fragen, ist die Wahl der Entwicklungsrichtung – Closed Source vs. Open Source – für Startups weniger wichtig als die übergreifende Markteinführungsstrategie, zumindest in den frühen Phasen.
Christian Noske, Partner bei NGP Capital, sagt, dass Startups sich mehr darauf konzentrieren sollten, die Ergebnisse ihrer Modelle, ob Open Source oder nicht, auf „Geschäftslogik“ anzuwenden und letztendlich einen Return on Investment für ihre Kunden zu beweisen.
Vielen Kunden sei es jedoch egal, welches Modell zugrunde liegt und ob es Open Source ist, betont Ian Lane, Partner bei Cambridge Innovation Capital. Sie suchen nach Möglichkeiten, ein Geschäftsproblem zu lösen, und Startups, die dies erkennen, werden im überfüllten Bereich der KI einen Vorsprung haben.
Wie sieht es nun mit der Regulierung aus? Könnte es Einfluss darauf haben, wie Startups wachsen und ihre Unternehmen skalieren und sogar wie sie ihre Modelle und unterstützenden Tools veröffentlichen? Möglicherweise.
Noske geht davon aus, dass die Regulierung möglicherweise die Kosten für den Produktentwicklungszyklus erhöht und die Position großer Technologieunternehmen und etablierter Unternehmen auf Kosten kleiner KI-Anbieter stärkt. Er sagt jedoch, dass mehr Regulierung erforderlich sei – insbesondere Richtlinien, die die „klare“ und „verantwortungsvolle“ Verwendung von Daten in der KI, Arbeitsmarktaspekte und die vielen Möglichkeiten, wie KI als Waffe eingesetzt werden kann, darlegen.
Bell hingegen sieht in der Regulierung einen potenziell lukrativen Markt. Unternehmen, die Tools und Frameworks entwickeln, um KI-Anbietern bei der Einhaltung von Vorschriften zu helfen, könnten einen Glücksfall erleben – und dabei „zum Aufbau von Vertrauen in KI-Technologien beitragen“, sagt er.
Open Source versus Closed Source, Geschäftsmodell und Regulierung sind nur einige der hier behandelten Themen. Die Befragten sprachen auch über die Vor- und Nachteile des Übergangs von einem Open-Source- zu einem Closed-Source-Unternehmen, die möglichen Sicherheitsvorteile und Gefahren der Open-Source-Entwicklung sowie die Risiken, die mit der Verwendung von API-basierten KI-Modellen verbunden sind.
Lesen Sie weiter und hören Sie von:
Dave MunichielloKomplementärin, GV
Christian NoskePartner, NGP Capital
Ganesh-GlockeGeschäftsführer, Insight-Partner
Ian LanePartner, Cambridge Innovation Capital
Ting-Ting LiuInvestor, Prosus Ventures
Die Antworten wurden aus Gründen der Länge und Klarheit bearbeitet.
Dave Munichiello, Komplementär, GV
Was sind die entscheidenden Vorteile von Open-Source-KI-Modellen gegenüber ihren Closed-Source-Konkurrenten? Gelten die gleichen Kompromisse für UI-Elemente wie KI-Frontends?
Öffentliche Innovationen (über Open Source) erzeugen eine Dynamik, bei der Entwickler das Gefühl haben, dass die von ihnen eingesetzten Modelle von anderen eingehend bewertet und von der Community geprüft wurden und dass die dahinter stehenden Organisationen bereit sind, ihren Ruf mit der Qualität in Verbindung zu bringen des Modells.
Wissenschaft und Unternehmensforschung und -entwicklung waren in den letzten Jahrzehnten die Quellen für KI-Innovationen. Die OS-Community und die mit OS verbundenen Produkte bemühen sich, diesen kritischen Teil des Ökosystems einzubeziehen, dessen Anreize sich von denen gewinnorientierter Unternehmen unterscheiden.
Closed-Source-Modelle sind möglicherweise leistungsfähiger (vielleicht haben sie einen technischen Vorsprung von 12 bis 18 Monaten?), sind aber weniger erklärbar. Weitere Vorstände und Führungskräfte werden ihnen weniger vertrauen, es sei denn, sie werden stark von einem Marken-Technologieunternehmen unterstützt, das bereit ist, seine Marke zur Qualitätszertifizierung aufs Spiel zu setzen.
Ist Open Sourcing je nach Art der KI potenziell gefährlich? Mir fällt ein, wie Stable Diffusion missbraucht wurde.
Ja, alles könnte potenziell gefährlich sein, wenn es auf gefährliche Weise verwendet und eingesetzt wird. Long-Tail-OS-Modelle werden bei der schnellen Markteinführung möglicherweise weniger genau unter die Lupe genommen als Closed-Source-Konkurrenzmodelle, deren Anforderungen an Qualität und Sicherheit höher liegen müssen. Daher würde ich Betriebssystemmodelle mit hoher Nutzung und Beliebtheit von Long-Tail-Betriebssystemmodellen unterscheiden.