在去年的《State of the Cloud》报告中，我们在 ChatGPT 发布的六个月后宣布，基于语言模型的 AI 技术不仅将长期存在，还将深刻影响几乎所有云技术发展蓝图。现在看来，当时的预测还是过于保守。过去 12 个月，我们见证了技术变革的速度，这种速度“日新月异”，其发展速度远超我们想象。
2023 年，我们承诺将在 AI 领域投资 10 亿美元，这体现了我们对 AI 的热情。一年后，我们对 AI 的热情有增无减，不仅投资了多家 AI 初创企业，并且建议几乎所有已投企业的技术路线图中融入 LLM。如今，很难找到一家不涉足 AI 的云企业。
我们并非是对 AI 充满热情的唯一投资者。尽管新兴技术往往会激发 VC 的兴趣，但与历史相比，VC 对 AI 的反应尤为迅速。尽管 BVP 纳斯达克新兴云指数（EMCLOUD）已从 ZIRP 的高点回落并处于历史正常水平，但现在已展现出反弹势头，甚至又有了泡沫迹象，这种反弹在很大程度上也是由 AI 所驱动的。
我们的策略是 All in AI。随着嵌入式支付和薪资系统在新的垂直领域不断渗透，传统云服务在供应链、物流、货运、政府和气候等尚未充分开发的行业中仍存在巨大机遇，这些领域正呈现出旺盛的活力。
在疫情期间被高估的云服务公司逐渐回归理性。
在对 62 位全球投资者进行深入访谈后，不出意外，他们亦一致地聚焦于 AI。
今年的《State of the Cloud》报告既是对传统云服务的告别，也是对当前 AI Cloud 时代的庆祝。在报告的后续部分，我们将深入探讨由我们的全球投资团队精心挑选的五大趋势，这些趋势与 AI Cloud 的发展紧密相关。同时，我们也将分享对未来几年的预测。
本文将深入探讨塑造未来 AI Cloud 的五大趋势，并提出我们对 2030 年的预测。
2024 年 AI Cloud 的五大趋势
趋势 1：AI 基础模型为大型科技企业的新世纪之战奠定了基础
回顾过去的平台变革，无论是浏览器、搜索引擎、移动设备和云服务，每一次技术变革都伴随着基础设施的激烈竞争。这一模式在 AI 时代同样适用。基础模型被视为新时代的“石油”，将为 AI 的下游应用和工具提供动力。
2023 年，专注于基础模型的企业主导了 AI 领域的风险投资，其投资占据了 AI 领域总融额的 60% 以上。诸如 OpenAI、Anthropic、Mistral 和 Cohere 等企业共融得 230 亿美元，总估值达 1240 亿美元，突显了它们在全球 AI 生态系统中的核心地位。值得注意的是，这些资金主要由风险投资机构推动。2023 年，他们在 GenAI 领域投资的占比高达 90%（根据摩根士丹利的数据，这一数字在 2022 年为 40%）。微软、谷歌、亚马逊、英伟达和甲骨文等大型科技企业目前持有基础模型公司大量股份，这些投资的战略目标是加强这些科技巨头的 AI 能力，推动其核心云计算和计算服务的消费。此外，大型科技企业还在积极开发自己的内部基础模型，例如谷歌的 Gemini 和 Meta AI 的 Llama。
随着大量资金涌入基础设施层，竞争正以前所未有的速度加剧，这极大地推动了生态系统中的大量创新。以下是我们在 2024 年观察到的一些关键趋势：
- 日新月异的基础模型：通用大模型正义惊人的速度迭代，不仅在基础性能指标：如准确性和延迟方面取得显著提升，同时在多模态功能等前沿技术领域也取得了突破。GPT-4o 的推出令所有人惊叹，新版本不仅能够查看和理解上传文件中的音频和视频内容，还具备生成短视频的能力。模型改进的速度之快对投资提出了新的挑战，因为模型的迭代周期似乎正以月为单位在加速。
- 开源与闭源之争日益激烈：正如我们在去年的《State of the Cloud》中所述，开源与闭源之争在 2024 年仍然是热门话题。开源领域的领导者正在密切关注闭源模型的表现，尤其是最近推出的 Llama 3。围绕监管影响、闭源厂商是否应该开源其旧款模型以作为新商业化战略的一部分，以及开源领导者是否可能首次成为市场主导者，引发了人们新的思考。
- 小模型的崛起：2023 年，我们还见证了小模型的崛起，HuggingFace CEO 兼联合创始人 Clem Delangue 宣布 2024 年将是小语言模型（SLM）的一年。与大型同类产品相比，今年推出的 Mistral 8x22b 等小模型，就性能而言，模型的规模并非越大越好，小模型还在成本和延迟方面拥有显著优势。
- 新型架构和特殊用途模型的崛起：2023 年，除了 transformer 之外，我们还见证了新型模型架构的兴起，如状态空间模型和几何深度学习，这些架构推动了基础模型的前沿发展，使其能够降低计算资源，处理更长的上下文或展示结构化推理能力。此外，我们还看到了针对代码生成、生物学、视频、图像、语音、机器人、音乐、物理、脑波等领域的特定用途模型的快速发展，为模型的多样性增添了新的维度。我们在最新的 AI 基础设施路线图中详细讨论了这一趋势。
AI 的基础层发生了如此多的变化，以至于我们所处的领域似乎每时每刻都在经历着变革。尽管已有大量资金涌入这一领域，但目前胜负还尚未达成共识。
在可预见的未来，AI 模型之间的竞争预计将持续白热化，因为这是一场关键的“领土争夺战”，其结果将直接决定哪些大型科技公司将在云服务和计算市场占据主导地位。
在可预见的未来我们预计将出现三种可能性，这将决定谁能够在这场基础模型层的战斗中获得最大价值：
可能性 1：基础模型层将类大宗商品化
当 VC 和大型科技企业所支持的 AI 企业相互竞争时，人们不禁要问：数亿美元的投资是否会被浪费？资金充裕的模型并不能保证它们将成为赢家，因为开原模型会持续对市场领导者构成严峻挑战。然而，即使 AI 模型走向大宗化，也并不一定预示着它们的价值会降低。相反，它们可能会像算力或石油一样，成为全球商业运营中不可或缺的资产。在这种情况下，AI 生态系统的最终价值将由算力和服务商、市场和应用程序来捕获，而不是模型本身。在一个 AI 模型大宗化的世界中，正如石油市场所展示的那样，可能会出现一两家极具价值的企业，它们专注于销售这些“大宗商品”。
可能性 2：AI 模型巨头将瓜分蛋糕
与“云计算大战”相似，在大型科技企业或风险投资者的大力支持下，少数知名的新模型将有望主导基础模型生态系统而成为行业巨头。这些赢家将通过找到与技术差异化相匹配的独特切入点来实现其市场地位，无论是通过分销渠道、价格或成本效率，还是监管政策的影响。每个赢家都将找到一个差异化的楔子，与技术差异化配对，无论是通过分发、价格/成本效率、监管影响等。开源参与者和其他不同竞争者可能继续在市场中形成长尾效应，但大部分价值将集中在少数几个头部模型参与者手中。成为未来的 AI 巨头需要的不仅是卓越的技术，还有其娴熟的市场能力。
可能性 3：AI 模型变得像薯片市场一样多样化和流行
正如薯片拥有各式各样的口味，AI 模型经济的未来很有可能与本地杂货店的零食货架相似。由于差异化场景的广泛存在（如模态、性能、延迟、成本和安全性等），不同类型的模型企业都有机会生存并蓬勃发展。此外，如果将地缘政治因素纳入 AI 模型领域，地理和监管环境也将在其中扮演重要角色。监管政策和对主权的关注可能会进一步促进这种多样性，以支持不同地区和市场的特殊需求偏好。
虽然我们尚未达成共识，但我们的一部分合作伙伴认为，闭源模型可能会主导大部分 LLM 的计算，而 AI 模型巨头最终将瓜分这块蛋糕（可能性 2）。
我们预期云服务巨头将利用他们对算力、芯片和资金的掌控力，塑造对他们有利的竞争格局。在这场竞争中，一些领跑者已脱颖而出：微软与 OpenAI 的合作、AWS 与 Anthropic 的联手、谷歌的 Gemini，以及 Meta 的 Llama，后者是 Linux 在开放源码软件领域的等效替代品。此外，还有欧洲市场的领跑者 Mistral。
深入探讨：关于 AI 基础模型层
趋势2：AI 将使我们所有人的编程效率提升至原来的 10 倍以上
当代工程师既是建设者又是学习者，他们不仅要完成日常工作，还需持续学习，掌握最新的编程语言、框架和基础设施。AI 的崛起仿佛给这份工作增加了博士学位级别的难度，开发人员必须掌握一整套新工具链和最佳实践，以充分利用不断发展的 LLM，这包括数据管理、规划、提示、预训练和微调等新型基础设施工具。
但 AI 也可能会为这种新的复杂性提供解决方案。2023 年，code copilot 被广泛采用，2024 年初的几个月，agent 工具取得了显著的进展，这表明简单编程任务的端到端自动化，甚至更多任务的端到端自动化，可能会比我们预期的更早到来。
AI 将从根本上重塑开发人员的角色，这种改变可能会远超其他职业。预计到 20 年代末，每一个拥有电脑的人都将具备强大的开发能力。由此带来的软件开发速度将“融化键盘”，企业创始人的平均年龄也将大幅降低。
推动 AI 开发者经济快速发展的三个主要领域：
- Code Copilot 行业历来是创新和竞争的沃土。到 2023 年，针对 GenAI 技术和工具的风险投资金额已经达到 39 亿美元。Github 的现有 Copilot 产品由 OpenAI 的 GPT-4 和 Codex 模型支持，其安装量已突破 1400 万大关。Tabnine、Magic.dev、Augment、Poolside、Cursor AI、OpenDevin、Cognition 的 Devin 以及 Supermaven 等一系列资金雄厚、规模日益扩大的初创企业正与开发者携手构建和迭代。其中，Magic.dev、Poolside、Augment 和 Supermaven 等企业正致力于预训练自己的大型 AI 模型，专注于提升模型的关键属性，如上下文理解能力和响应速度。另一些企业，如 Cursor，则选择了不同的路径，它们不直接开发模型，而是专注于提升开发人员的体验、界面设计和工作流程优化。这种多元化的格局凸显了模型层 AI 企业的资本密集度；Magic.dev、Augment、Poolside 和 Devin 等企业在过去几年中均完成了超过 1.5 亿美元的融资。
- 在未来几年，Copilot 的嵌入式代理搜索和生成代码功能将创造巨大的价值。Devin、SWE-agent 和 OpenDevin 展示了端到端代理工具的潜力，它们能够与开发人员的开发环境，包括文件编辑器和 bash shell，以及互联网进行互动，以高效完成编程任务。这些代理工具的演示背后是代码语言推理、代理轨迹规划（采用的方法多样，包括提示、行为克隆/微调、强化学习等）以及各种代理-计算机接口（ACI）改进的快速进步。这些接口的改进包括跨浏览器和操作系统的抽象和基础架构，它们使得代理工具能够实现无缝的查询和自我修正。
- 编程语言推理将是 AI 活动的中心，它将受益于模型层的创新（如 GPT-4、Claude 3 Opus）和新的推理/代理范式（如 Cognition 的 Devin、SWE-agent、OpenDevin）。这些模型层的改进将直接影响代码编辑和完成的质量，为开发人员和软件组织带来显著的价值。除了代码推理外，那些能够突破延迟和上下文大小的限制，以及扩展语言域和预训练集的系统，也将为开发人员带来巨大价值。
AI 正成为推动创新和变革的关键力量，显著地提升软件企业开发人员的开发速度、生产效率，并增强了杠杆作用。具有前瞻性的软件企业正在定期审视新兴的工具和供应商，并迅速优先考虑和采用高价值的开发人员软件。开发人员的预算再次增加，对于具有显著效果的工具，他们愿意支付高昂的费用。
对于开发人员创业者来说，这是一个令人兴奋的时刻；从 copilot 到基础设施、开发者工具、QA、IT 配置与供应、安全运营监控、渗透测试等领域，机会无处不在。
Copilot 可能是目前最显而易见的机会，但这也使其成为竞争最激烈的领域。我们同样观察到，在安全运营（SecOps）、站点可靠性工程（SRE）、质量保证（QA）以及渗透测试（Pen Testing）等更专业的开发人员领域，出现了大量工具的涌现。这些工具利用 LLM 来抽象化底层的复杂性，并自动化那些耗时且繁琐的工程任务，从而释放工程资源，使其能够专注于更高层次的任务。将 AI 集成到 DevOps 流程中将增强CI/CD 管道、自动化测试和部署策略，从而实现更快、更可靠的软件交付。
代码重构是 AI 对开发人员工作流程和生态系统产生影响的又一个典型例子。许多现代工程团队只会将全职时间的一小部分用于编写新代码。特别是在大型组织中，软件工程师的大部分时间往往被投入到软件工程中不那么“性感”的部分：维护、保护和测试代码。其中许多任务，如代码重构，需要对堆栈有深入的了解，并且通常是由高级工程师执行的笨重项目。
AI 显示出了明显的潜力来应对这些挑战；例如，Gitar、Grit、ModelCode 等初创企业正使用代码生成模型、静态分析和 AST 解析器来解析代码结构，并在不同语言、库和框架之间迁移代码。其中一些工作侧重于现代 Web 框架，而另一些工作则使用传统的技术栈（如 COBALT、PEARL 等）。在这些栈中，这些传统、熟练的工程师会随着时间的推移变得过时。与此同时，许多与核心软件工程紧密相关的工作流程既耗时又重复，这些领域已经到了适合引入自动化的成熟阶段。
到 2030 年，大多数企业软件开发人员的工作将类似于软件审查员。开发成本将下降，随着经验丰富的开发人员变得更加高效，他们的薪资将得到提升。
AI 将影响就业市场，对软件开发人员的影响尤为显著。AI 的融入不仅将极大提升这一行业的生存效率，同时还会扩展开发人员的工作职能。预计未来十年，全球大多数人都将具备基础的开发技能。
深入探讨：关于 AI 开发工具
趋势3：多模态和 AI Agent 将改变人类与软件的关系
多模态和 AI Agent 的兴起标志着 AI 领域的新一轮创新浪潮即将到来。这些技术的发展及极大地拓宽了 AI 潜在的应用范围，其应用场景远超早期仅基于文本的模型。对于 AI 创业者来说，在新模态上进行创新，如语音、图像和视频，以及 Agent 工作流程，存在着全新机遇。这些新模态为 AI 赋予了类似人类的视觉、听觉和语言能力，使其能够在大量依赖这些感官的工作中发挥重要作用。
我们预计，在接下来的 12 个月里，AI 语音 应用将实现突破性的增长。从更长远的角度来看，以 Agent 为优先的产品有望改变企业的运营方式，因为它们对 AI 所能处理任务的复杂性和广度提出了新的期望。
AI 语音应用将在未来五年内开辟出一个 TAM 达 100 亿美元的新软件市场。
不可否认的是，最近取得了一些进展：
语音
第一波语音 AI 公司的发展主要依托于自动语音识别（ASR）技术的进步。例如，Abridge 企业开发了领先的产品，专门用于转录医患对话，而 Rillavoice 企业则捕获现场销售和客户的对话，以辅助销售培训。我们目睹了语音 AI 企业的新一轮发展浪潮，这些对话式语言产品旨在处理繁琐和重复性的工作，从而使销售、招聘、客户成功和行政等领域的专业人员专注于更有价值的工作。在我们的产品组合中，Ada 企业就是一个例子，该企业利用语音技术的最新突破，扩展了其基于聊天的客户支持产品，将对话式语音功能融入其中。
支持这些发展的是新的语言架构。我们见证了从级联架构（ASR 将音频先转录为文本，在将文本输入给 LLM，最后通过文本到语言进行反馈）到语言原生架构的转变，正如 GPT-4o 等新模型所展示的，它可以处理和推理原始音频数据，而无需转录为文本，即可以原生音频形式作出响应。这一转变将会使会话语言产品的延迟大幅降低，并能更准确地捕捉情感、语气和情绪等非文本信息，这些信息在级联架构中往往会丢失。这些技术的进步将推动真正实时对话式语言体验的到来，与前几代语言自动化产品相比，新一代的语音 AI 将帮助用户更快地解决问题，减少挫败感。
AI 语音应用正在汽车经销商、零售、餐饮和家庭服务等多个行业中迅速普及。在这些行业中，大部分销售电话实际上是在工作时间之外呼出的。在这种情况下，AI 就能填补这些空缺，特别是在销售领域，AI 语言应用展现出了令人难以置信的高 ROI。这是因为 AI 本质上是在为这些企业汲取额外的收入，因此提供了一个引人注目的价值。
站在 AI 语音技术最前沿的企业家们比以往任何时候都更有能力提供接近人类水平的自然会话界面。我们预计，AI 语音领域的企业将迎来爆炸式的增长，其中不少企业将实现真正的突破性增长（详见下文）。在这一过程中，我们还预计消费者对于与语音 AI 交互的期望也将发生改变，因为现代会话式的语言应用开始为用户提供更加自然的体验，并最终使他们更快地解决问题。
图像 / 视号
尽管计算机视觉模型已存在多年，但新一代多模态 LLM 的令人兴奋之处在于它们能结合图像、文本数据（及其他模态）的理解，这种结合对许多任务都非常有用。
企业级图像应用的初期浪潮主要集中在数据提取这一用例上。例如，Raft 等公司通过分析货运文件、提取关键信息，不仅为客户的 ERP 系统提供了数据，还自动化了发票对账的工作流程。随着底层模型技术的持续进步，我们有理由相信，将会出现大量针对特定垂直领域的图像和视频处理应用，这些应用也将获取越来越多的数据，为其应用提供动力。
在工程和设计领域，一些应用已经开始利用视觉模型和图像生成技术来辅助理解图形数据（例如原理图）或生成建筑设计的渲染图。例如，Flux.ai 提供了一款 AI Copilot 软件，能够协助电气工程师在其设计软件中根据输入的组件 PDF 规格表生成印刷电路板组件。
自动化 AI Agent
AI 领域中最令人兴奋的新兴趋势之一是开发能够完全自主处理复杂多步骤任务的 AI Agent。尽管目前大多数 AI Agent 在复杂使用案例中的运行尚未达到完全自主的可靠性，但 Agent 工作流的发展速度迅猛，我们看到了曙光。Cognition AI 企业的 AI 软件工程师 Devin 所展示的成果，预示着随着 AI 在规划和推理能力上的不断进步，每一次新的演示都超越以往。
越来越多的应用开始在高度受限的应用案例中部署 AI Agent，以减少多步骤流程中可能出现的错误。例如，企业正在利用 Leena AI（Bessemer 的投资组合）提供的解决方案，为 IT、HR 和财务相关任务提供 AI Agent，帮助团队从日常繁琐的工作中解放出来，从而显著提升员工的工作体验。
此外，具有更强推理能力的新模型也在不断涌现，正在显著提升 AI Agent 执行复杂工作流程的能力。更有趣的是，当前有大量研究致力于探索新的架构方法，旨在改进 Agent 的实施效果，包括思维链推理、自我反思、工具使用、规划和多 Agent 协作。
2023 年是 AI 应用爆发的一年，尤其是基于文本的使用案例。展望 2024 年，我们预测多模态模型将在能力和应用层面开辟新的前沿。这将引发一轮新的应用浪潮，从大型企业到特定垂直领域的小型企业将具备接近人类水平的能力，同时也为消费者应用领域释放巨大潜力。
AI 将影响就业市场，对软件开发人员的影响尤为显著。AI 的融入不仅将极大提升这一行业的生存效率，同时还会扩展开发人员的工作职能。预计未来十年，全球大多数人都将具备基础的开发技能。
深入探讨：关于多模态模型和 AI Agent
趋势4：垂直 AI 展现出潜力，新的应用和商业模式使传统 SaaS 解决方案相形见绌
垂直 SaaS 已被证明是一个沉睡的巨人，它在第一次的云计算浪潮期间改变了各个行业。目前，美国上市的前 20 家垂直 SaaS 企业的总市值约为 3,000 亿美元，其中一半企业是在最近十年内 IPO 的。
现在，LLM 的兴起引发了垂直 SaaS 领域的下一波发展浪潮，新一代的 LLM 原生企业专注于开发新的功能和解决方案，这些解决方案有时甚至能够触及传统垂直 SaaS 难以覆盖的行业领域，特别是那些普遍存在的、成本高昂的重复性语言任务。
根据美国劳工统计局的数据，商业和专业服务业（以重复性语言任务为主）占美国 GDP 的 13%，其市场规模是软件行业的 10 倍。除了专业服务行业，在各个垂直行业中，基于语言的重复性任务占据了相当大的份额。我们相信，垂直 AI 将在这一领域争夺显著的市场份额，并将推动劳动力不足领域的活动。例如，Bessemer 投资的 EvenUp 企业，实现了第三方法律服务和内部律师助理工作流程的自动化。EvenUp 还开辟了以往人力成本过高或缺乏连贯性的任务领域。这种多维度的扩展对所有经济领域的垂直 AI 都有影响。
随着垂直 AI 应用不断冲击传统的服务经济，并释放出全新的商业模式，垂直 AI市场将至少是传统垂直 SaaS 领域的 10 倍。
Copilot、自动驾驶和 AI 服务构成了垂直 AI 市场的三种新商业模式。垂直 AI 还通过几种不同的商业模式来实现，从而提高 AI 能力与特定行业需求相匹配的概率。
Copilot 通过利用 LLM 自动化任务，提高了工作效率。例如，Sixfold 能够帮助保险承保人员更深入地分析数据和评估风险。在 Copilot 模式下，AI 应用与人类用户协同工作，使用户更容易走向成功。
Copilot 是帮助员工完成任务，而 Agent 则是把工作流程自动化并取代用户。Agent 往往倾向于垂直企业的内部特定功能，如销售外呼或来电接听。例如，Slang AI 能够处理餐厅的呼入电话，为其提供预定、答疑等服务。
最后，我们正在看到 AI 服务的出现，以往这些服务（如会计、法律服务、医疗计费等）通常外包给第三方供应商。由于这些服务非常依赖人工，传统上利润较低、难以扩展、难以实现差异化，其价值也低于技术业务。AI 驱动的服务企业通过软件自动化工作流程，旨在向市场提供更经济、更优质、更快速的服务，有望从现有的服务型企业中夺取市场份额。以 SmarterDx 企业为例，在将账单和相应的临床文件发送给病人之前，AI 会对报销单进行审核。在传统的账单前服务中，这些工作通常外包给供应商，并由医生和护士完成审核。
Bessemer 的投资组合：垂直 AI 商业模式优势的早期信号显现
Bessemer 有幸支持了多个垂直领域的传统 SaaS 领导者，并在垂直 AI 领域构建了最大的投资组合，特别是那些已迈入中期成长阶段的企业。这使我们拥有了宝贵的数据资源，能够对垂直 AI 企业与传统垂直 SaaS 企业进行深入比较。尽管我们与其他 VC 一样对语言模型的潜力感到兴奋，但我们对垂直 AI 商业模式的早期数据同样感到兴奋。通过对我们的垂直 AI 投资组合进行的三项分析，我们发现了这一新型应用的优势。
首先，我们注意到：大多数垂直 AI 企业所主导的功能并不与传统 SaaS 产品形成直接竞争。这些应用的效用往往是对现有 SaaS 产品的补充，不会复制或取代现有的产品。同样令人兴奋的是，这些垂直 AI 领域的新兴企业已经占据了传统核心垂直 SaaS 系统 ACV 的 80%。而这些垂直 AI 企业仍处于早期阶段，显然具有进一步扩大 ACV 的潜力。这些数据揭示了垂直 AI 在取代服务支出、释放垂直终端市场的大量支出方面的潜力，并提供可能远超传统 SaaS 市场的规模。
我们也对那些已经达到相当规模（ARR 400 万美元+）的垂直 AI 企业的效率和增长情况感到鼓舞。这些企业展现出了惊人的增长速度，同比增长约 400%。同样令人印象深刻的是，这些企业还表现出健康的盈利效率，平均毛利率约为 65%，BVP 效率比率（净新 CARR/Net Burn）约为 1.1x。我们相信，随着时间的推移，这些企业的利润率有望继续提高。正如我们在软件领域的历史上所看到的那样，作为一个类别，垂直 AI 企业完全有能力成为独立上市的企业。
为了回应市场对许多垂直 AI 应用可能只是对现有技术简单包装的担忧，我们对这些企业的模型成本与收入比例进行了深入分析。结果显示，平均而言，这些企业在模型上的投入仅占其总收入的 10%，或占其总成本的 25%。这一比例表明，这些基于 LLM 的垂直应用所产生的利润率已经是基础模型成本的六倍。随着模型成本的快速下降，以及这些初创企业在支出优化方面的初步努力，我们有理由相信，这些企业的利润率将随着时间推移而进一步提高。
总体来看，虽然我们预计基础模型层会创造大量价值，但这些数据同样也告诉我们，就像过去的基础设施创新一样，大部分企业价值将主要在应用层实现。
现有的垂直软件企业也已有所行动，例如，Thomson Reuters（以 6.5 亿美元收购了 CaseText）和 Docusign（以 1.65 亿美元收购了 Lexion）等企业已经完成了首批针对垂直类 AI 企业的收购。
尽管我们认为整个垂直 AI 领域仍处于这场马拉松的起始阶段，但一些企业已经展现出了冲刺的潜力。随着 EvenUp、Abridge、Rilla、Axion 等早期领军企业不断以惊人的速度成长，我们预计新的垂直 AI 上市公司将在几年内诞生。
鉴于目前观察到的规模增长率，我们预测在未来两到三年内，垂直 AI 领域将至少涌现五家达到“半人马”级别（年收入超过 1 亿美元）的企业。
首家垂直 AI 企业将在未来三年内上市。
深入探讨：关于垂直 AI
趋势5：AI 使消费云市场起死回生
众所周知，过去十年中，消费云市场的增长一直较为缓慢。（我们将消费云定义为直接向个人消费者提供基于云的存储、计算和数字应用程序的企业，也包括同时向企业和专业消费者提供产品的企业）。
为了具体展示消费云市场增长的缓慢速度，我们对过去八年的 Cloud 100 数据进行了分析 —— 自 2016 年以来，Bessemer、Forbes 和 Salesforce Ventures 每年发布的前 100 家私有云企业的权威排名。自九年前成立以来，提供消费类产品的企业在累计榜单中所占的比例仅为 4%，这些企业有时也提供较为突出的 B2B 产品，例如 2016 年的 Zoom 和 2023 年的 OpenAI。可以说，自从 Dropbox 作为曾经的‘十角兽’（decacorn）在 2018 年成功上市后，我们还没有看到任何一家‘纯粹’的消费类云公司完成 IPO 退出。
消费云独角兽的诞生往往伴随着重大技术变革的出现。但是，自从 15 年前 IPhone 的推出和社交媒体平台的快速发展，我们尚未看到面向消费者的技术发生巨大的革新。然而，两年前，消费者市场“听到了”一声巨响。
随着 LLM 在多模态功能上的快速发展，我们将以前所未有的方式扩展和增强我们的文字、视觉和听觉感官，传统消费云的各个类别都展现出了颠覆性的潜力。
衡量 AI 消耗能力的标准之一是这些应用对我们时间和注意力的消耗程度。例如，ChatGPT 现在已与 Reddit 相媲美，在吸引和保持用户注意力方面确立了自己的地位。其他通用 AI 助手（如 Claude和Gemini）也在迅速发展并提高吸引力。
除了上文提到的通用型助手外，我们还见证了一批消费型 AI 公司在各自领域推动创新。例如用于搜索的 Perplexity、用于陪伴的 Character.ai、用于图像创意的 Midjourney、用于音乐生成的 Suno 和 Udio，以及用于视频生成的 Luma、Viggle 和 Pika。这些企业不仅展示了 LLM 原生应用在吸引和保留特定用户群方面的潜力，在某些情况下，它们还能够有效地取代或改进现有企业。
随着 AI 改变我们与技术的互动和娱乐方式，这成为了消费云构建者和投资者最激动人心的时刻之一。我们预计，在未来五年内，将有一批消费云企业成功上市。
鉴于合成媒体、新型消费应用和会话 AI Agent 的迅猛发展，我们预计到 2030 年，AI 生成的内容或产品很可能成为主导市场的前三大业务之一。
根据每月的网络和应用程序访问量，我们看到在特定功能的消费类 AI 应用领域（如内容生成和编辑、教育等）出现了大量的早期活动。好消息是，这反映了消费者对 AI 的需求和兴趣正日益增长，他们正在寻求利用这些技术来改善日常生活。坏消息是，但目前还没有超过 10 款特定类别的消费类 AI 原生应用能够明确展现其深度的产品特性。许多应用还停留在表面包装阶段，未能证明它们能够持续赢得客户的喜爱。我们相信，在接下来的数月到数年间，积极的创业者仍有机会通过建立可持续发展的云计算企业来满足市场上许多尚未满足的消费者需求。
当我们审视消费者的需求时，我们会问自己两个关键问题，以了解这个时刻的 LLM 价值将在哪里累积：
- 对于消费者而言，现阶段有多大的痛点和劳动强度？
- 需要付出多少重复的、可预测的语言/视觉/听觉努力？
在提出这些问题时，我们正在重新评估消费者日常生活中的每个需求和痛点，但同时也不会仅仅考虑消费者的既定需求而限制我们的想象力。我们相信，在克隆技术、伴侣机器人、创意激发、互动娱乐、记忆增强等领域，众多 AI 企业有潜力为消费者提供前所未有的实用功能。
我们也正在兴奋地追踪那些为满足特定消费者需求而开始出现的新型 AI 形式。由于我们无法预测未来，因此我们无法准确判断 AI 将采取怎样的形态因素渗透到消费者生活中。目前，手持设备、可穿戴设备和家居用品（如玩具、相框、镜子等），已经开始集成 AI 技术，至少作为原型出现，成为未来初创企业的潜在先驱。
AI 不仅将重塑我们最喜欢的消遣方式（如社交、娱乐、购物和旅行等），还将帮助我们发现和重新构想人们联系、娱乐、购物和探索世界的新方式。这一领域仍有许多未知等待我们去发掘。从投资的角度来看，我们面临着一个关键问题：与独立应用相比，通用型 AI 助手如 iPhone 的 Siri 是否更能贴合消费者需求？更不用说随着未来这些产品的出现，道德问题也将随之而来。尽管未来充满不确定性，但早期迹象已明确显示，LLM 的革命性变化将深刻改变我们的生活，并为消费云领域注入新的活力。
深入探讨：关于消费者云
结论 — AI Cloud：现实与炒作
“我们往往会高估新技术的短期影响，而低估其长期影响” —— Roy Amara。
在过去的多次科技浪潮中，Roy Amara 定律似乎总能精准捕捉到 VC 的动向。首当其中的便是互联网泡沫，纳米技术、清洁技术、区块链技术也都曾是如此。甚至在 2021 年，就连看似乏味的 SaaS 也一度被推向了风口浪尖。
那么，AI Cloud 的热潮是否已经超越了其实际应用的范围？我们是否会在未来一至两年内不得不承认 AI 的承诺推动了云计算领域的风险投资？AI 是否会打破“阿马拉定律”？成为首个实现技术潜力超越市场炒作的科技革新浪潮？
Bessemer 企业对全球各阶段、各技术领域的几十位投资者进行的调查给出了一个明确的答案：到目前为止，这种热潮是实至名归的。我们随处都能看到 AI 影响的证据，影响之大在历史上也是前所未有的。
我们的绝大多数投资组合都在其内部采用了 AI 技术，并正在更新产品路线图，以确保 AI 技术的全面融合。
AI 领域的原生投资组合企业正在引领商业创新，其增长速度和效率是我们所见过的任何投资组合企业都无法比拟的。
我们的全球投资者团队已经对这一现象做出了响应，投入了大量时间来追踪全球 AI Cloud 的发展趋势。值得注意的是，在 AI 领域，有五到六个趋势特别引起了我们的极大兴趣，这不仅凸显了 AI Cloud 的规模，也反映了它的强度。
回顾我们去年的预测，更证明了我们尽管非常乐观和兴奋，但仍无法完全预测 AI 变化的速度和规模。具体而言，我们曾预测 AI 原生企业达到 10 亿美元的速度将比传统云计算企业快 50%。据报道，OpenAI 在今年 2 月的营收已达到 20 亿美元，并在随后的几个月迅速增至 34 亿美元。此外，Anthropic 预计到 2024 年底将实现 8.5 亿美元的年收入；其他企业，如 Midjourney 和 Character.ai，也被预测将分别实现约 2 亿美元的收入。
是的，我们已经做好了此次预测的准备。
我们做出的最终预测是：当我们在一年后回顾《2025 State of the Cloud》时，AI 将继续闪耀其光芒。
以上内容翻译自《State of the Cloud 2024:The Legacy Cloud is dead — long live AI Cloud!》，如需原文，请与我们联系。
WF Research 是以第一性原理为基础的专业顾问服务机构，欢迎关注和留言！
微信：Alexqjl
