原文：towardsdatascience.com/the-path-to-dominant-design-in-generative-ai-240534573e6d?source=collection_archive---------8-----------------------#2024-05-15

对于主导设计的思考，以及推动生成性人工智能技术在争夺主导地位中的成功或失败的战略因素

https://medium.com/@geoffrey.m.williams1?source=post_page---byline--240534573e6d--------------------------------https://towardsdatascience.com/?source=post_page---byline--240534573e6d-------------------------------- Geoffrey Williams

·发表于数据科学前沿 ·阅读时长 10 分钟·2024 年 5 月 15 日

–

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/345dffbdc4c7fa9a60478ea74d05d5e7.png

来源：作者使用 DALL-E 生成的图片

I. 引言

在过去半个世纪中，技术创新生命周期内争取主导设计的斗争一直是研究的重点。这些争斗发生在研究与开发（R&D）实验室中，围绕商业化和市场营销战略的讨论中，以及在媒体和消费者领域，但最终是在客户的心中，这些客户通过日常选择能力，左右了市场份额和产品的接受度。这也是历史为何记住了 VHS 而非 Betamax，为什么我们使用 QWERTY 键盘，以及谷歌搜索引擎和苹果 iPhone 的推出如何改变了行业的原因。ChatGPT 的出现向市场发出了一个信号，表明我们正处于另一场关于主导设计的争夺战之中，这一次是围绕生成性人工智能展开的。

生成性人工智能能够创造新内容并执行复杂任务，具有颠覆各行业的潜力，能够通过增强创造力、自动化任务和提升客户体验来推动变革。因此，各组织正在迅速投资于这个充满潜力的生态系统，以保持其相关性和竞争力。随着商业领袖、政府机构和投资者在这个迅速发展的生成性人工智能领域作出关于芯片、平台和模型等技术的决策，他们应该时刻牢记主导设计的概念，并理解技术如何在逐步成熟过程中围绕这一概念汇聚。

II. 主导设计之战

主导设计的概念最早由阿伯纳西-厄特巴克模型[i][ii]在 1975 年提出，尽管这一术语直到二十年后才被正式创造[iii]。这一概念已经变得如此基础，以至于它至今仍然是全国各地商学院 MBA 课程的教学内容。在其最基本的核心中，这一商业模型描述了产品的设计和制造过程如何通过三个不同的阶段随着时间的推移而发展：一个初步的流动阶段，其特点是在产品设计和过程改进中进行大量的实验，并且随着不同方法的开发和完善以满足市场需求，带来显著的创新；一个过渡阶段，在这个阶段，一个主导的产品设计开始出现，市场逐渐转向日益标准化的产品，但仍有显著的过程创新；以及一个特定阶段，其特点是产品和过程设计的标准化。

此后，这项工作得到了扩展，最著名的是由费尔南多·苏亚雷斯（Fernando Suarez）进行的扩展，旨在解释在产品进入市场之前，技术主导地位的动态，并为导航这一过程提供路线图。在他整合性的技术主导框架[iv]中，苏亚雷斯阐述了产品创新如何通过五个阶段发展，具体如下。

技术主导的五个阶段

1. 研发积累： 当多家公司开始进行与新兴技术领域相关的应用研究时，研发积累阶段开始了。鉴于技术轨迹的多样性，这一阶段强调技术和技术人才。

2. 技术可行性： 第一个工作原型的创建促使所有参与的公司评估当前的研究和其竞争定位（例如，继续独立追求、合作/组队、退出）。竞争动态强调企业层面的因素、技术优势，以及在适用的市场中，相关的法规。

3. 创造市场： 第一款商业产品的发布向市场发出了明确的信号，并不可逆转地将重点从技术转向市场因素。在这一阶段，产品之间的技术差异变得越来越不重要，而企业在生态系统中的战略性操作变得尤为重要。

4. 决定性战斗： 这一阶段的标志是多个竞争者中出现一个具有相当市场份额的早期领跑者。值得注意的是，网络效应（例如，围绕某个产品建立的生态系统）和环境中的转换成本开始产生更强的影响。此外，已安装的用户基础和互补资产的规模变得至关重要，因为主流市场的消费者更加看重可靠性和可信度，而非性能和新颖性，从而决定了最终的赢家。

5. 主导地位后的阶段： 市场采纳某一替代性设计，并成为明确的主导技术，这一技术得到了庞大的用户基础支持。这为新进入者提供了天然的防线，特别是在拥有强大网络效应和转换成本的市场中。该阶段将持续，直到出现新的技术创新，取代当前技术，从而重新启动这一循环。

一家公司在成功度过这些阶段并实现技术主导地位的过程中，会受到多个公司层面因素（例如，技术优势、互补资产、已安装用户基础、战略操作）和环境因素（例如，行业监管、网络效应、转换成本、可获得性制度、市场特征）的影响。这些因素在不同阶段的重要性各不相同，过早或过晚的行动可能会产生削弱或意外的效果。也有研究探讨了如何通过对三个关键方面（即市场、技术、互补资产）进行连续决策，来帮助确定在争夺主导地位中的成功或失败[v[]](https://medium.com/@geoffrey.m.williams1/the-business-implications-of-dominant-design-on-the-trajectory-of-generative-ai-a1240bea6eb3#_edn1)。第一个决策与市场相关，涉及如何正确识别市场并推动采取行动以实现较大的已安装用户基础。第二个决策关系到市场标准是由政府还是市场推动，并包括对专有控制策略与开放策略之间的考虑。第三个也是最后一个决策，涉及如何制定策略来获取竞争所需的互补资产，从而在主流市场中保持竞争力。

另一个必须考虑的因素是技术路径依赖性以及先前结果（例如云计算大战、AI 芯片投资）对未来事件进程的影响。现代复杂技术通常在逐步提高的采纳回报机制中运作，也就是说，技术被采纳的越多，它变得越有利，且更加根深蒂固[vi]。在这种背景下，一些小的历史事件可能对哪种技术最终成为主导技术产生强烈影响，尽管竞争技术可能具备潜在优势。这是由多种强化机制所导致的，例如学习效应、协调效应和适应性预期，这些机制使得切换到其他技术变得成本高昂且复杂。此外，企业级生成性人工智能从研发到商业化产品、并具备业务和操作价值的过渡，与云基础设施的主导地位密切相关[vii]。这是由于需要一套共同的能力，配合大规模的计算资源。为了提供这样的能力，超大规模云服务商已经将云基础设施、模型和应用无缝集成到云 AI 技术栈中——加速了互补资产的创建。正是通过这些考量的视角，生成性人工智能的进展得以审视。

III. ChatGPT: 改变世界的一声枪响

2022 年 11 月，ChatGPT 的出现清楚地传递了一个信号：大规模语言模型（LLM）在广泛领域内具有实际的商业应用。几周内，“生成性人工智能”一词在不同世代的用户中，无论是技术人员还是非技术人员，都已广为人知。更为深刻的是，市场中其他参与者意识到，他们要么需要启动，要么需要大幅加速自己的努力，才能提供生成性人工智能能力。这标志着从阶段 2：技术可行性到阶段 3：市场创建的过渡。从那时起，竞赛正式开始。

在相当短的时间内，主要技术提供商开始发布自己的生成性 AI 平台和相关模型（例如，Meta AI — 2023 年 2 月，AWS Bedrock — 2023 年 4 月，Palantir 人工智能平台 — 2023 年 4 月，Google Vertex AI — 2023 年 6 月，IBM WatsonX.ai — 2023 年 7 月）。在技术和技术人才对于证明技术可行性至关重要的时期，这一需求已转变为战略性操作，因为公司们正在努力通过专注于建立现有用户基础、开发互补资产和生态系统以及增强网络效应来为增长做好布局。这导致了当前这一时期内，跨超大规模平台生态系统和关键 AI 提供商之间战略合作伙伴关系的迅速扩展，因为组织寻求建立将帮助它们应对主导地位决战的联盟。我们还看到，超大规模公司正利用其现有的云基础设施资产，推动其生成性 AI 资产在竞争极少甚至没有竞争的细分市场中快速通过监管障碍。

随着这一进程的发展，组织应当保持对各种风险的敏感性。首先，那些投资于未能成为主导设计的替代方法的 AI 公司，可能会发现自己处于不利地位。因此，适应或采纳主导设计可能需要在战略、开发和投资方面做出重大的调整，超出当前已投入的成本。此外，随着生成性 AI 市场潜力的逐渐显现，竞争将持续加剧，这将对所有市场参与者施加更大的压力，并最终导致市场整合和退出。最后，AI 的普及促使全球政府和机构开始更新监管框架，以促进安全性和 AI 的负责任部署。这带来了额外的不确定性，因为组织可能面临新的合规要求，这些要求可能会消耗大量资源来实施。在那些高度监管的市场中，如果生成性 AI 工具不符合基本要求，可能会成为提供这些工具的障碍。

然而，这一时期并非没有机会。随着市场开始识别出主导设计之战的领先者，能够迅速与主导设计对接或在这些框架内进行创新的组织，更有可能获得显著的市场份额。此外，即使市场开始围绕主导设计进行标准化，AI 领域仍然可能会出现新的细分市场。如果能够及早识别并加以利用，公司可以建立强大的市场存在感，并享有先行者优势。

IV. 技术主导地位的指标

随着当前主导设计的竞争持续进行，可以预期会出现多个指标，这些指标可以帮助预测哪些技术或公司可能确立市场领导地位，并为当前不断发展的生成性 AI 应用设定标准。

1. 市场份额中的领导地位： 能够在市场中获得大量用户基础的 AI 公司和平台可能会占据领先地位。这可以通过其平台的广泛采用、增加的用户参与度、不断增长的销售数据或在特定市场中的客户来证明。市场份额的早期领先可能是潜在主导地位的重要指标。

2. 生态系统的发展与扩展： 观察围绕不同生成性 AI 技术的生态系统，可以识别出强大且广泛的生态系统，这些生态系统包含可以增强生成性 AI 平台价值的互补技术。这些生态系统的强度在技术的采用和长期可行性中通常起着至关重要的作用。

3. 切换成本： 从一个生成性 AI 平台转移到另一个平台的切换成本可能会阻止用户转向竞争技术，从而加强当前领导者的地位。这些成本可能包括数据整合问题、重新训练机器学习模型的需求，或合同和业务依赖性。

4. 已安装基础的规模： 大规模的用户和解决方案基础能够改善网络效应，并提供一种临界质量，从而吸引更多用户，原因在于感知的可靠性、支持生态系统、互操作性和学习效应。这也激活了从众效应，吸引那些可能会避免采用技术的风险规避型用户[v]。

5. 可靠性与可信度： 衡量市场对不同生成性 AI 技术的可靠性和可信度的看法。市场消费者通常更青睐可靠性和可信度，而非性能和新颖性。被认为可靠并因用户支持和稳定性收到积极反馈的品牌可能会获得竞争优势。

6. 创新与改进： 公司在其生成性 AI 产品中的创新投资可能表明其市场主导地位。尽管市场可能倾向于已经建立的、可靠的技术，但持续的改进和对用户需求的适应将是保持竞争力的关键。

7. 监管合规与伦理标准： 在符合日益严格的法规要求下，致力于开发符合伦理的人工智能的公司和组织可能会在市场上占据优势，尤其是在监管严格的行业中。这一点在联邦市场中尤为重要，因为网络认证和独特的安全要求在可以用于运营价值的技术中扮演着至关重要的角色。

通过监控这些指标，组织可以洞察哪些技术可能在决定性战斗阶段崭露头角，成为生成式人工智能领域的领军技术。在做出关于生成式人工智能技术的投资、开发或实施决策时，理解这些动态至关重要。

V. 结论

在生成式人工智能领域建立主导设计是市场稳定和行业标准化的重要一步，这将促使市场接受度的提高，并减少企业和消费者的市场不确定性。能够影响或适应新兴主导设计的公司将获得竞争优势，确立自己在新技术范式中的市场领导地位。然而，选择一个最终未能成为标准的产品生态系统将导致市场份额的下降，并对那些需要过渡到主导设计的公司造成转型成本。

随着行业从流动阶段向特定阶段过渡，向主导设计流动，且流动的黏度不断增加，战略前瞻性和敏捷性变得比以往任何时候都更加重要，尤其是当组织打算通过技术创造价值并实现影响力时。预测未来趋势并迅速适应不断变化的技术格局的必要性意味着，组织必须保持警觉和灵活，随时准备根据人工智能技术的新发展和消费者需求的变化调整战略。能够预见技术变革轨迹并积极应对的企业，不仅能够生存下来，还将成为数字化转型新纪元的先锋。而那些不能适应的企业，则会被历史的尘埃所埋没。

本文所表达的所有观点均为作者个人观点。

参考文献：

[i] J. Utterback, W. Abernathy, “过程与产品创新的动态模型”，《欧米伽》，第 3 卷，第 6 期，1975 年

[ii] W. Abernathy, J. Utterback, “创新模式”，《技术评论》，第 80 卷，第 7 期，1978 年

[iii] F. Suárez, J. Utterback, “主导设计与企业生存,” 战略管理杂志，第 16 卷，第 6 期，1995 年，415–430

[iv] F. Suárez, “技术主导权之争：一个整合框架,” 研究政策，第 33 卷，2004 年，271–286

[v] E. Fernández, S. Valle, “主导设计之争：决策模型,” 欧洲管理与商业经济研究，第 25 卷，第 2 期，2019 年，72–78

[vi] W.B. Arthur, “竞争技术、收益递增与历史事件带来的锁定效应,” 经济学杂志，第 99 卷，第 394 期，1989 年，116–131

[vii] F. van der Vlist, A. Helmond, F. Ferrari, “大规模人工智能：云基础设施依赖与人工智能的工业化,” 大数据与社会，2024 年 1-3 月期：I-16，第 1、2、5、6 页