开源AI如何赋能企业级应用构建

去年，Stable Diffusion发布了。这是一个开源的图像生成模型，它激发了众多技术爱好者的想象力。随后出现了大量的分支应用：图像修复、动画制作、纹理生成、模型微调等等。

起初，它感觉像是一个玩具。人们只是摆弄它，看看它能做什么。

但很快，副业项目开始转变为真正的产品。像Pieter Levels和Danny Postma这样的独立开发者，开发了用于生成个人资料图片、重新装饰房屋、创建专业头像的应用程序。现在，这些已发展为年收入超过100万美元的实际业务，而且仅由单人开发者运营。

自此之后的实验和构建增长令人惊叹。在过去的一年半里，有200万人注册了某中心平台，其中3万人是付费客户。我们已经看到人们构建了自主机器人、实时绘图应用程序和语言模型命令行界面。

我们原以为这只是初创公司和独立开发者的领域，但副业项目变成了初创公司，初创公司又成长为不断壮大的公司。大型公司内部的实验性项目也转变为了真实的产品。

Unsplash正在使用BLIP模型为其目录中的所有图像添加标签。BuzzFeed正在...将你的宠物变成毛绒玩具。Character AI、Labelbox以及成千上万的其他企业都在某中心平台上部署模型。

开源语言模型

虽然我们起步于生成图像，但语言模型才是我们看到最大增长的领域。Llama 2发布的那一周，是我们有史以来增长最快的一周。

语言是思想的媒介，也是商业的媒介。我们看到越来越多的企业从闭源转向开源语言模型。你可以对像Llama 2和Mistral这样的模型进行微调，使其在特定任务上的表现优于GPT-4，同时模型规模更小、成本更低。

向开源转型部分出于实际考量，部分也出于理念：人们希望为自己的产品拥有模型权重，以防像GPT-4这样的专有模型发生变化或被关闭。

将会有更多的人使用开源语言模型进行构建，某中心平台上的语言模型即将迎来一些重大改进以支持他们。

未来展望

软件工程师的数量大约是机器学习工程师的两个数量级（约3000万 vs 约50万）。通过构建优秀的工具，我们认为软件工程师有可能以使用普通软件的方式来使用机器学习。

但我们目前只触达了这些软件开发者和企业中的一小部分。这就是我们进行4000万美元B轮融资的原因。本轮融资由a16z领投，NVentures（某机构）、Heavybit、Sequoia和Y Combinator跟投。

我们将把这些资金用于：

• 为企业提供更好的服务：我们增加了组织和部署等功能，以使某中心平台能更好地进行规模化运作。更多的实践支持和功能正在开发中。
• 提升速度：我们将使最受欢迎模型的预测速度大幅提升，并且实现零冷启动。我们也在努力全面改善冷启动速度。
• 更好的语言模型：我们即将发布一些重大更新。

开源已准备好为企业服务。😎