动手点关注
干货不迷路
不管国内还是国外，大量的AI 2.0公司正在纷纷创立，头部科技公司也在加码这方面的投入，而人才是竞争的第一步。lightspeed（美国一家知名高科技投资机构）对3500家生成式AI公司进行数据分析，看谁在这场人才战争中获得优势。
标题 | Eight AI Startups Winning the Race for Tech Talent
图片 | Elsa Jenna / Palette
数据 | Radhika Mardikar, Eric Wayman, Jerry Ye
文稿 | Paul Smalera
生成性AI已经在席卷全球，而构建未来的公司都在竞相雇用当前最好的技术人才。没有什么技术比OpenAI的ChatGPT将科幻变为现实，迅速地改变了人类与工具的关系：以你与同事或朋友交谈的方式与机器交谈，并从互动中获得有价值的输出。突然间，想让电脑做一些新奇的事情，似乎唯一需要知道的就是英语。在一定程度上，这是真的，就是如此神奇。对于建立大型语言模型、基础设施和人工智能应用构建的人员来说，一套新的和特定的核心技术技能和能力是必要的。当然，经验也很重要——需要深厚的知识和创造力，才能创造出今天进入市场的一些产品。那些知道如何推动当今人工智能技术发展的工程师正是那些曾经在头部科技公司花了多年时间完善这些技术的人。但是，这些大公司却正充当着追赶的角色，因为他们的顶尖人才都被挖走了。有一批新的灵活、创新的人工智能公司——以AI为核心的纯初创公司，他们正在争夺人才。Lightspeed在人工智能领域的投资已经超过七年，并且关注这一领域的时间更长。这份报告将研究哪些人工智能公司在招聘最优秀技术人才的竞赛中赢得胜利，以及对这些人才的来源进行了分解。AI的兴奋点
技术变革的步伐不断加快。从汽车到飞机再到半导体，我们已经看到创新的力量在全球释放。生成性AI是一种元技术（meta-technology），随着时间的推移，它将重新组织我们世界上几乎所有事物的运作和发展方式，遍布农业到教育到企业营销到金融。今天，定义未来的公司就在我们眼前正以开源的技术被构建起来。利用这一巨变需要一个最重要的要素：人才。尽管人们过分担心人工智能会用机器人取代所有工作，但生成性人工智能初创公司对建立新功能和产品所需的那种专业技能组合的需求比以往任何时候都要多。更不用说管理这些的相关技术，比如运行拥有数千个GPU的数据中心处理数兆字节的训练数据。围绕LLM的工作才刚刚开始，各公司竞相在这项技术的基础上训练定制模型，并完善那些已经在外部投入使用的模型。
因此，AI相关代码所在的Github项目上的star（收藏）是一个很有用的指标用来追踪关注度。对人工智能项目的关注——任何人都可以做出贡献并学习如何创建人工智能应用——已经爆炸性增长，如下图所示。特别是OpenAI的曲线在2022年11月30日ChatGPT向公众发布时变得十分陡峭。
我们无法将Github的star曲线应用到马车到铁路的过渡比较，但根据一种说法，英国的第一批乘客是在1825年乘坐铁路的。到1840年，自1790年以来一直主导城际旅行的长途马车已经被淘汰。一个花了50年时间建立的行业，只花了15年时间就被创造性地摧毁，并被更先进的技术取代。
很难想象 15 年后的计算领域会是什么样子，但 AI 革命可能会是人类历史上一场最快速的技术爆发和变革。
报告编制方法
在lightspeed，我们根据公开的员工信息，如学校教育、高级学位、以前的公司、工作年限、专利、出版物等，对数以亿计的个人和数以百万计的公司进行堆叠排名，以识别拥有顶尖技术人才的公司。
在这项分析中，我们从目前在生成式AI领域工作的3500多家公司中分离出数据。我们过滤了以人工智能为核心的公司，而不是将人工智能分层到现有应用程序上的公司——这些公司创造了人工智能生态系统。我们还过滤了已完成融资轮次的公司（只有一个例外）。这些数据经过规范化处理，并以同等权重生成我们的最终排名。我们只使用公开的数据——如果可以获得数据，处于隐身状态或最近出现的公司可能符合我们的标准。位置和人数也受到这一因素的影响，以下所有数字，包括人数，都只针对公司的技术/工程员工。
生成式AI八强（The Generative Eight）
那么，领先的专门用于生成式AI的公司在哪里找到他们的人才？这些公司到底是谁呢？
我们把这些公司分成两类。第一，生成式AI 八强：在招聘人才方面，前八名的纯人工智能公司。
这八家初创公司在科技人才的竞争中获胜。他们聘请了同行中最高水平的工程师和人工智能专家。他们已经找到了成功的资金和某种程度上的产品——市场匹配。他们将成为未来的FAANGS。
以下是 "The Generative Eight"——当今顶尖的人工智能公司：* TOME--帮助生成演讲和视觉叙事故事的人工智能
- CHARACTER.AI--创建并与各种人工智能生成的人物聊天
- ANTHROPIC - 一家人工智能安全和研究公司，为工作环境构建聊天机器人
- OPENAI - 发布ChatGPT的研究公司，它展示了大型语言模型的力量，以及用于图像生成的DALL-E
- HUGGING FACE - 在企业内构建模型完成特定任务
- JASPER - 创建营销和品牌层面的创意内容的模型
- STABILITY AI - 稳定扩散模型的创造者，这是最早向公众发布的图像生成模型之一
- MIDJOURNEY - 一个自筹资金的研究实验室，发布了一个完全在Discord上运行的强大图像生成工具。
这些公司正在赢得对科技人才的争夺，这种争夺只会越来越激烈。以下是他们到目前为止的竞赛情况：
The Generative Eight的技术人才来自许多技术领域的领先公司--其中还包括一些从 OpenAI （八强中最成熟的公司）离职的员工。
此外，许多生成式八强员工来自谷歌，谷歌因ChatGPT的广泛应用而大吃一惊，众所周知，谷歌多年来在人工智能研究方面投入了大量资金——但直到最近，也几乎没有可见的应用或面向消费者的产品或服务。
生成式AI八强的技术人才的教育背景大部分来自许多知名学校，但也反映了一个国际性的特点，加拿大滑铁卢大学的人工智能研究所排名第四，比利时的鲁汶大学人工智能研究所排名第八。
人们对 "脑谷（Cerebral Valley）"——旧金山的Hayes Valley社区做了很多宣传，以反映其作为人工智能活动、聚会和创客之家的地位。同时，旧金山的新冠恢复情况是美国所有主要城市地区中最差的。目前看来，人才正在涌入该市和湾区（或至少在人工智能公司找到新的工作）。
我们无法跟踪某个地理区域的哪些员工是远程工作者（除了在数据中特别指出的33人），但可以推测，Generative Eight在国外或人数较少的城市的员工正在大量使用ZOOM进行远程视频会议。这个数据也是少报的，因为有些员工没有透露他们的位置。
"八强 "占据了公众的大部分注意力，但lightspeed在其研究中发现的另一个群体也在吸引高质量的人才加入他们的团队。这11家公司——次世代公司——有一个共同的特点：虽然人工智能是它们的核心，但与八强一样，它们中更多的公司正在解决特定领域的问题，或专注于为真实客户量身定做的特定场景。虽然 "八强 "中的许多都准备塑造未来和人工智能的领先优势，但 "次世代"可能是那些真正提供实际的、与人工智能工具的应用互动的公司，这些工具提供从医疗保健到娱乐等行业的产出。我们过滤了我们的数据集，只包括至少有10名员工和接受过一些外部资金的公司。
以下是将人工智能技术推向实际应用的次世代公司：
- PICTOR LABS - 数字病理学（AI驱动的组织病理学），加速疾病的临床研究
- ENDPOINT HEALTH--AI辅助的免疫相关疾病的精准治疗
- OTTER.AI - 由人工智能驱动的音频转录，有一个新的聊天机器人会议助手
- BRIA - 具有商业用途控制的图像和视频内容
- WELLSAID LABS - 文本到语音的配音
- SUBTLE MEDICAL - 由人工智能驱动的放射学图像处理
- COPY.AI - 通过聊天机器人进行营销文案写作
- LEXION - 销售、采购、人力资源、法律等方面的人工智能合同助理
- You - 带有聊天机器人界面的搜索引擎
- OCTOML - 基于云计算的LLM模型的微调和运行
- RUNWAY - 视频、图像和其他创意工具
这11家公司是The Next Gen，以下是他们目前对人才的竞争情况：
2021年，华盛顿大学被国家科学基金会选中领导一个新的动态系统人工智能研究所，此外，它还是保罗.G.艾伦计算机科学与工程学院的所在地，该学院是世界上领先的人工智能研究中心之一，因此它被称为"次世代"们的人才基地：
跟踪他们以前的工作学习经历，华盛顿大学再次出现，还有微软和艾伦人工智能研究所，这是一个由已故微软联合创始人保罗.艾伦(Paul Allen)创办的研究机构。次世代名单中的公司Wellsaid、You和Runway的总部都在西雅图：
也许西雅图在The Next Gen名单上占主导地位并不奇怪，因为它是几个顶级公司和机构的所在地，这些公司和机构也觊觎人工智能人才。2021年，布鲁金斯学会的一份报告列出了 "早期采用 "人工智能的都市地区，命名为 "八个大型科技中心--纽约、波士顿、西雅图、洛杉矶、华盛顿特区、圣地亚哥、德克萨斯州奥斯汀和北卡罗来纳州罗利。"(这一数据被低估了，因为一些员工没有透露他们的位置。）
想要了解更多LLM应用开发吗？ 可阅读连载：《一文探秘LLM应用开发》目录： 第一部分 基础概念一文探秘LLM应用开发(1)
第二部分 应用挑战1.问题定义与基本思路
一文探秘LLM应用开发(2)
2.基本流程与相关技术1)Tokenization与Embbeding
一文探密LLM应用开发(3)
2)向量数据库一文探秘LLM应用开发(4)3)微调一文探秘LLM应用开发(5)-微调(背景与挑战)
一文探秘LLM应用开发(6)-微调(方案理论)一文探秘LLM应用开发(7)-微调(工具实践)4)模型部署与推理一文探秘LLM应用开发(8)-模型部署与推理(DEMO验证)