- Mistral AI ซึ่งตั้งอยู่ในปารีส ระดมทุนได้ €450 ล้าน ส่งผลให้มูลค่าบริษัทเพิ่มขึ้นเป็น ประมาณ 2 พันล้านดอลลาร์ ($2b) สะท้อนการมีบทบาทมากขึ้นของสตาร์ทอัพ AI ในยุโรป
- Andreessen Horowitz เป็นผู้นำรอบการลงทุนนี้ ส่วน Nvidia Corp และ Salesforce ใส่เงินเพิ่มอีก €120 ล้าน ในรูปแบบหุ้นกู้แปลงสภาพ
- โมเดลหลัก Mistral 7B เป็นโมเดลภาษาขนาดใหญ่แบบโอเพนซอร์สภายใต้ไลเซนส์ Apache 2.0 โดยชูจุดเด่นด้านการฝึกแบบปรับแต่งได้ การจูน และวิธีประมวลผลข้อมูล
- หัวใจสำคัญคือ แนวทางการปรับให้เหมาะสม ที่ออกแบบมาให้รองรับการบีบอัดความรู้และการให้เหตุผลเชิงลึกด้วยจำนวนพารามิเตอร์ที่น้อยลง ช่วยลดเวลาและต้นทุนในการฝึก รวมถึงผลกระทบต่อสิ่งแวดล้อม
- กลยุทธ์ด้านโอเพนซอร์สและโมเดลที่มีประสิทธิภาพทำให้ Mistral AI แตกต่างจากผู้เล่นรายใหญ่เดิมอย่าง OpenAI, Google AI และ DeepMind พร้อมสะท้อนกระแสการลงทุนด้าน AI ที่ขยายตัวในยุโรป
การระดมทุนและมูลค่าบริษัทที่เพิ่มขึ้นของ Mistral AI
- Mistral AI ซึ่งตั้งอยู่ในปารีส ระดมทุนได้ €450 ล้าน ทำให้มูลค่าบริษัทแตะ 2 พันล้านดอลลาร์
- รอบการลงทุนครั้งนี้เป็นเหตุการณ์สำคัญไม่เพียงสำหรับ Mistral AI แต่ยังรวมถึงระบบนิเวศ AI ของยุโรป โดยแสดงให้เห็นว่าน้ำหนักของยุโรปในการแข่งขัน AI ระดับโลกกำลังเพิ่มขึ้น
- Andreessen Horowitz เป็นผู้นำรอบนี้ และ Nvidia Corp กับ Salesforce เข้าร่วมเพิ่มอีก €120 ล้าน ในรูปแบบหุ้นกู้แปลงสภาพ
- รายชื่อนักลงทุนครอบคลุมทั้งบริษัทร่วมลงทุนแบบดั้งเดิมและบริษัทเทคโนโลยีขนาดใหญ่ สะท้อนความสนใจต่อเทคโนโลยีและวิสัยทัศน์ของ Mistral AI
- เงินทุนที่ได้จะเป็นฐานทางการเงินสำหรับผลักดันงานวิจัยและพัฒนา ขยายการเข้าถึง และเสริมความแข็งแกร่งของตำแหน่งในวงการ AI
คุณลักษณะทางเทคนิคของ Mistral 7B
- ผลิตภัณฑ์หลักของ Mistral AI คือโมเดลภาษาขนาดใหญ่ชื่อ Mistral 7B
- โมเดลนี้เป็นโมเดลโอเพนซอร์สที่เผยแพร่ภายใต้ ไลเซนส์ Apache 2.0 และมีจุดเด่นด้านประสิทธิภาพกับความสามารถขั้นสูง
- ถูกนำเสนอเป็นตัวอย่างของความก้าวหน้าทางเทคโนโลยี AI ผ่านการฝึกแบบปรับแต่งได้ การจูน และวิธีประมวลผลข้อมูล
- จุดแตกต่างอยู่ที่การรองรับ การบีบอัดความรู้ และความสามารถในการให้เหตุผลเชิงลึกได้ แม้ใช้พารามิเตอร์น้อยกว่าโมเดลอื่นในตลาด
- แนวทางที่ปรับให้เหมาะสมช่วยเพิ่มประสิทธิภาพ ขณะเดียวกันก็ลด เวลาในการฝึก ต้นทุน และผลกระทบต่อสิ่งแวดล้อม
ตำแหน่งในตลาดและสาขาที่นำไปประยุกต์ใช้ได้
- การเผยแพร่ Mistral 7B ทำให้ Mistral AI วางตำแหน่งเป็นผู้เล่นหลักในตลาด AI และเป็น คู่แข่งของ OpenAI
- ขอบเขตผลกระทบอาจขยายไปได้หลายอุตสาหกรรม โดยยกตัวอย่างเช่น สาธารณสุข การศึกษา การเงิน และการผลิต
- ความสามารถในการมอบโซลูชันที่มีประสิทธิภาพสูงและขยายขนาดได้ อาจส่งผลต่อวิธีที่แต่ละอุตสาหกรรมนำ AI ไปใช้เพื่อสร้างนวัตกรรมและเพิ่มประสิทธิภาพ
การเปลี่ยนแปลงในระบบนิเวศ AI ของยุโรป
- รอบการลงทุนครั้งนี้เป็นสัญญาณว่า สถานะของยุโรป ในภูมิทัศน์ AI ระดับโลกกำลังเติบโตอย่างรวดเร็ว
- ในอดีต บริษัท AI ในยุโรปมักตามหลังคู่แข่งจากสหรัฐฯ และเอเชีย ทั้งในด้านการลงทุนและนวัตกรรม
- ความสำเร็จของ Mistral AI และการลงทุนขนาดใหญ่อื่น ๆ แสดงให้เห็นว่าศักยภาพและความมุ่งมั่นด้านนวัตกรรม AI ของยุโรปกำลังเพิ่มขึ้น
ความแตกต่างในการแข่งขัน Generative AI
- Mistral AI สร้างความแตกต่างในการแข่งขัน Generative AI ด้วย แนวทางโอเพนซอร์ส และการมุ่งเน้นสร้างโมเดลที่ขยายขนาดได้และมีประสิทธิภาพ
- กลยุทธ์นี้เป็นปัจจัยที่แยก Mistral AI ออกจากผู้เล่นรายใหญ่เดิมอย่าง OpenAI, Google AI และ DeepMind
- การให้ความสำคัญกับการเข้าถึงได้และประสิทธิภาพ ช่วยสนับสนุน การทำให้เทคโนโลยี AI เป็นประชาธิปไตย และช่วยให้บริษัทก้าวขึ้นเป็นคู่แข่งที่แข็งแกร่งในการแข่งขัน AI ระดับโลก
- เมื่อเงินลงทุนขนาดใหญ่ไหลเข้าสู่สตาร์ทอัพ AI ของยุโรป ยุโรปก็กำลังสร้างพื้นที่ของตนเองในวงการ AI ที่แข่งขันดุเดือดและเปลี่ยนแปลงอย่างรวดเร็ว
1 ความคิดเห็น
ความคิดเห็นบน Hacker News
แม้จะมีการโฆษณาเกินจริงอยู่มากรอบ ๆ LLM แต่ผมคิดว่า Mistral สมควรได้รับความคาดหวังนั้น
ผมยังใช้ โมเดล 7B ดั้งเดิมและโมเดลอนุพันธ์ต่าง ๆ อยู่เรื่อย ๆ และตั้งตารอดูว่าพวกเขาจะปล่อยอะไรต่อไป ชุดโมเดล MoE ที่เพิ่งเปิดตัวนั้นฟรี แต่คาดว่าผลิตภัณฑ์ถัดไปน่าจะเป็นเชิงพาณิชย์
อีกบริษัทที่น่าจับตาคือ 01.AI ซึ่งเปิดตัวโมเดล Yi-34B ผมลองรันแบบโลคัลบน Mac ด้วย
ollama run yi:34bแล้วดีจนน่าประหลาดใจสำหรับผม GPT-3.5 แทบใช้ไม่ได้เลย คำตอบผิดหรือกว้างเกินไป ในขณะที่ GPT-4 ให้คำตอบที่ใช้ได้ประมาณ 80%
ผมใช้ GPT-4 เหมือนเป็นตัวแทนการค้นหา และยังไม่พบเหตุผลที่จะเปลี่ยนไปใช้อย่างอื่น เช่น ใช้ค้นประวัติศาสตร์ สถาปัตยกรรม บริบททางวัฒนธรรมของสถานที่ท่องเที่ยว และสำหรับกรณีแบบนั้นก็ค่อนข้างสะดวก
แต่ควรรันโมเดล Yi ที่ผ่านการ fine-tune ระดับสูง แทนโมเดลแชตพื้นฐาน ดีกว่ามาก ถ้าต้องการ Yi ที่มีบริบทยาว แนะนำ Xaboros/Cybertron หรือโมเดลที่ผม merge ไว้หลายตัวบน Hugging Face
เหตุผลที่ Mistral AI ได้รับความสนใจจากสื่อมากตั้งแต่แรก คือพวกเขา เปิดตัว Mistral-7B แบบเปิด ทั้งที่ต้องยอมสละรายได้ระยะสั้น
หากมองทั้งระบบนิเวศ AI การผลักดันให้สตาร์ทอัพสร้างธุรกิจจากซอฟต์แวร์ที่ดีและเปิดกว้าง แทนที่จะสร้างคูเมืองและระบบนิเวศแบบผูกติด น่าจะดีกว่า
มันใกล้เคียงกับการที่บริษัท SaaS เปิดเผยไบนารีที่คอมไพล์แล้วซึ่งปกติรันอยู่บนเซิร์ฟเวอร์มากกว่า ดีกว่าไม่มีอะไรเลย แต่ไม่ตรงกับจิตวิญญาณโอเพนซอร์สอย่างแท้จริง
ความแตกต่างนี้อาจไม่ได้ดูเหมือนการจับผิดคำพูด แต่สุดท้ายชุมชนจะเห็นด้วยหรือไม่ก็เป็นอีกเรื่อง
ธุรกิจแบบ GPT ยังไม่ถือว่าสำเร็จสมบูรณ์ และหวังว่าชุมชนโอเพนซอร์สจะก้าวข้ามความสำเร็จช่วงแรกไปได้
โครงสร้างที่ Nvidia ให้เงินบริษัทต่าง ๆ แล้วเงินนั้นกลับถูกนำไปใช้ซื้อ ฮาร์ดแวร์ Nvidia ที่มีมาร์จินสูง นี่ไม่ใช่วิธีประเมินมูลค่าที่น่าสงสัยหรือ?
ถ้านักลงทุนดูแต่รายได้หรือดูแค่บางส่วนของการเงินก็อาจเป็นแบบนั้น แต่ถ้าไม่ใช่ เงินที่ไหลออกและรายได้ที่เพิ่มขึ้นก็น่าจะถูกสะท้อนพร้อมกัน และไม่บิดเบือนกำไร
ในฐานะคนยุโรป ความคิดแรกคือ “เยี่ยม! สตาร์ทอัพ EU ไปให้ถึงดวงจันทร์” และความคิดที่สองคือ “อ้อ เป็น VC อเมริกันนี่เอง”
ดูเหมือนว่านี่คงเป็นสิ่งที่ดีที่สุดแล้วแถวนี้
VC ยุโรปโดยทั่วไปมีสินทรัพย์ภายใต้การบริหารระดับหลายร้อยล้านดอลลาร์ ส่วน VC ซิลิคอนแวลลีย์บริหารระดับหลายพันล้านดอลลาร์
แต่ VC ของ EU น้อยกว่านั้นอีก
ผู้ก่อตั้งก็เป็นชาวฝรั่งเศสด้วย ตามเกณฑ์ของผม แค่นี้ก็เป็นบริษัทยุโรปพอแล้ว ไม่จำเป็นต้องเข้มงวดเกินไป
ทำให้รู้สึกได้จริง ๆ ว่า การประเมินมูลค่าบริษัท ทุกวันนี้ไร้ความหมายแค่ไหน
มันถูกใช้เหมือนตัวชี้วัดความสำเร็จ แต่ตราบใดที่เข้ากับเป้าหมายของใครบางคน ก็สามารถหาคนที่ยอมเขียนเช็คด้วยมูลค่าประเมินที่สูงขึ้นได้ เช่น กำไรจากการประเมินมูลค่าทางบัญชี สัญญาณแสดงสถานะ หรือการชิงดีลให้ได้ก่อนคู่แข่งที่สมเหตุสมผลกว่าในการแข่งขันลงทุน
ไม่ได้หมายความว่า Mistral เป็นบริษัทที่ไร้ค่า หรือไม่ได้ทำสิ่งดี ๆ เพียงแต่ตัวชี้วัดมูลค่าประเมินเองกลายเป็นสิ่งไร้ความหมาย และการระดมทุนจำนวนมากในวงการ AI ดูเหมือนมีไว้เพื่อชดเชยค่าใช้จ่ายคลาวด์และ GPU อาจโดนด่าได้ แต่ข่าวเรื่องมูลค่าประเมินตอนนี้ไม่รู้สึกเหมือนข่าวอีกต่อไป
Mistral มีศักยภาพสูง แต่หากไม่มี กลยุทธ์สร้างรายได้ ที่เหมาะสม ก็มีความเสี่ยงชัดเจนว่าจะไม่สามารถทำกำไรอย่างยั่งยืนในระยะยาวได้
ในกรณีที่โพสต์ลิงก์ทอร์เรนต์ที่มีน้ำหนักโมเดลไว้บนทวิตเตอร์ ความรับผิดชอบแบบนั้นน้อยกว่ามาก
คูเมืองอาจดูต่ำ เพราะใคร ๆ ก็เปิด cloud instance ด้วยโมเดลเดียวกันได้ แต่ก็ยังเป็นจุดเริ่มต้นที่สมเหตุสมผล ผมคิดว่าพวกเขาน่าจะได้ลูกค้า EU จำนวนมากที่ใช้ผู้ให้บริการสหรัฐฯ ไม่ได้หรือไม่อยากใช้
หวังจริง ๆ ว่าสตาร์ทอัพยุโรปจะแข่งขันกับบริษัทขนาดใหญ่ได้สำเร็จ
ไม่อยากเห็น การละเมิดความเป็นส่วนตัว แบบที่ OpenAI ใช้พรอมป์ของผู้ใช้เพื่อเทรนโดยค่าเริ่มต้น กลายเป็นแนวปฏิบัติมาตรฐาน
มีคำกล่าวของปรมาจารย์รุ่นเก่าว่า อย่าหลงรักผลงานสร้างสรรค์ของตัวเอง
อุตสาหกรรม AI กำลังติดอยู่ใน กับดักการตลาด ที่ตัวเองสร้างขึ้น LLM เป็นของเล่นที่น่าสนุก แต่การนำไปใช้งานจริงใช้ทรัพยากรและพลังงานมาก และไม่โปร่งใส
ปัญหาจริงจำนวนมากสามารถแก้ได้ด้วยแนวทางที่สมเหตุสมผล สำหรับคนกระหายน้ำ สิ่งสำคัญที่สุดคือน้ำ ไม่ใช่ชนิดของแก้ว
ในบางกรณี กิจกรรมในปัจจุบันเมื่อเทียบกับเมื่อ 100 ปีก่อนสิ้นเปลืองน้อยกว่าหลายลำดับขั้น
แค่ดูว่าขนาดฮาร์ดแวร์คอมพิวเตอร์ การใช้พลังงาน และความเร็วเปลี่ยนไปอย่างไรในช่วง 70 ปีที่ผ่านมา ก็พอแล้ว การที่การใช้งานจริงตอนนี้ “ใช้ทรัพยากรและพลังงานมาก และไม่โปร่งใส” เป็นลักษณะที่สิ่งประดิษฐ์ทรงพลังจำนวนมากแสดงออกในช่วงแรก
ที่บอกว่าน้ำสำคัญที่สุดสำหรับคนกระหายน้ำนั้นถูกต้อง แต่กรณีนี้ใกล้เคียงกับสถานการณ์ที่มีกลุ่มหนึ่งขาย แก้วน้ำนาโนเทคโนโลยีสุดล้ำ ซึ่งรักษาน้ำไว้ที่อุณหภูมิที่ต้องการได้ไม่จำกัดเวลา และดูดความชื้นจากอากาศมาเติมให้เรื่อย ๆ บางครั้งชนิดของแก้วก็สำคัญจริง ๆ และจึงไม่น่าแปลกใจที่หลายกลุ่มพยายามสร้างมันขึ้นมา
โมเดลธุรกิจคืออะไร?
ฝ่ายที่ทำให้ผู้ใช้ Mac “ทั่วไป” ติดตั้งและรัน LLM แบบโลคัลได้ จะได้ประโยชน์เชิงพาณิชย์มหาศาล
เช่น ต้องเป็นแบบดาวน์โหลด DMG คลิกติดตั้ง แล้วรันได้เลย ไม่ควรมี command line
มีคอมพิวเตอร์ที่รัน LLM ได้อย่างเหมาะสมถึง 100 ล้านเครื่อง แต่สัดส่วนที่ใช้งานจริงกลับมีเพียงเล็กน้อยมาก ซึ่งไม่สมเหตุสมผล
ยิ่งไปกว่านั้น อาจทำให้ผู้ใช้ยืมทรัพยากรคำนวณกันเองแบบ P2P ได้ด้วย หรือสร้าง LLM แบบปรับให้เข้ากับแต่ละคนได้ ส่วนตัวผมคิดว่าเป็นทิศทางที่น่าสนใจมาก แต่ดูเหมือนไม่มีใครทำอยู่เลย
https://gpt4all.io
https://ollama.ai