生成式人工智能：驾驭复杂的供应商格局

在快速发展的生成式人工智能领域，企业面临着从众多选择中挑选合适供应商的关键挑战。OpenAI 近期的事件进一步加剧了这一决策过程的复杂性，该公司濒临崩溃的局面引发了人们对人工智能领域最知名企业稳定性的质疑。.

人工智能应用的兴起与风险

生成式人工智能的应用呈爆炸式增长，OpenAI 在其中扮演了领军角色。据 O'Reilly 的一项调查显示，目前有 23% 的公司使用 OpenAI 的模型，远超其最接近的竞争对手——谷歌旗下的 Bard。然而，如此高的采用率也凸显了人工智能供应商市场固有的风险。OpenAI 近期的动荡几乎导致其破产，也凸显了严重依赖此类技术的企业的脆弱性。.

这种脆弱性也波及到市场上众多的AI初创公司。G2的软件现状报告显示，AI是增长最快的领域，拥有超过一千家供应商，新产品层出不穷。这种增长也体现在合成媒体和AI写作助手等特定AI领域。然而，AI领域新参与者和新产品的快速涌现也带来了与数据隐私、版权问题、偏见、伦理问题和监管合规性相关的风险。.

供应商评估不仅仅局限于技术方面。

对于像 Rich Products 这样的企业来说，选择人工智能供应商不仅仅​​是评估其技术能力。正如 Rich Products 的首席信息官刘烨熙 (Yexi Liu) 所指出的，评估供应商的技术、商业价值和matic 态度至关重要。Rich Products 与其他公司一样，致力于数据保护，并确保人工智能解决方案公平、公正且透明。.

同样，安永会计师事务所对全球首席执行官的调查显示，他们几乎一致认为应该对生成式人工智能进行大量投资。然而，这些投资也伴随着一系列风险，包括敏感数据可能被滥用、法律挑战以及技术过时的风险。.

人工智能供应商选择中的法律和伦理考量

人工智能领域的法律环境仍在不断演变，多家供应商正面临版权诉讼。企业必须了解供应商的数据使用政策、安全措施和赔偿政策。例如，微软、谷歌和Adobe都已宣布了针对其人工智能产品的赔偿政策，这反映出人工智能用户对法律保护日益增长的需求。.

模型训练也成为一个值得关注的关键领域。企业需要质疑供应商训练流程的透明度及其对数据隐私和法律合规性的影响。风险还延伸至可能影响某些训练数据使用的潜在监管变化。.

关键供应商选择标准的战略敏捷性

在瞬息万变的人工智能领域，敏捷性和灵活性至关重要。例如，ChatGPT 最近新增的 PDF 上传功能，一夜之间就让几家初创公司黯然失色。Constellation Research 的 Andy Thurai 建议企业采用“终止开关”策略，确保拥有备用方案和trac灵活性，以便在必要时更换供应商。.

普华永道的桑迪普·阿格拉瓦尔强调，供应商除了提供基础人工智能模型之外，还必须提供显著的价值。供应商必须展现其在特定领域的专业知识，并提供针对特定行业需求量身定制的解决方案。.

面向未来的AI投资

随着人工智能技术的不断发展，企业必须确保其人工智能系统与模型无关，以便轻松适应新的和改进的模型。Gartner 的 Arun Chandrasekaran 也支持这种做法，他建议企业构建具有独立 API 层的系统以提高灵活性。.

此外，人工智能编排层的概念正日益受到 trac。这些编排层允许企业集成各种基础模型、云平台和数据源，从而为人工智能部署提供全面的方法。像英伟达这样的供应商和像 LangChain 这样的平台正在成为该领域的关键参与者，提供功能多样且跨平台的人工智能解决方案。.

选择生成式人工智能供应商需要采取多方面的方法，既要考虑技术能力，也要兼顾法律、伦理和战略因素。随着人工智能领域持续快速发展，企业在选择供应商时必须保持敏捷、信息灵通和谨慎，才能充分发挥人工智能的潜力，同时降低其固有风险。.