生成式 AI 公司——既有将生成式 AI 添加到其解决方案堆栈的现有企业，也有新的生成式 AI 初创公司——正在迅速无处不在。
但是，是什么让生成式 AI 公司与其他 AI 和 ML 公司如此不同？他们提供什么来创造足够的需求和口碑以从顶级风险投资公司获得资金？在本指南中，我们将介绍顶级的生成式人工智能公司、它们的产品和用例，并深入探讨什么是生成式人工智能以及它为何越来越受欢迎。
毕竟元宇宙的未来，可能真的得靠它们。
如果您最近听说过有关生成式 AI 的讨论，那么谈话中很可能会提到 OpenAI 及其产品，例如 ChatGPT。OpenAI 是迄今为止最成功的生成式人工智能公司，价值约 290 亿美元，并得到微软等主要科技公司的支持。
除了目前免费的内容生成解决方案 ChatGPT 和图像生成解决方案 DALL-E 之外，OpenAI 还提供其 API 和不同的模型来支持公司的生成 AI 开发工作。GPT-4、聊天模型、指导模型、微调模型、音频模型、图像模型和嵌入模型都可以定制使用费，以满足个性化业务需求。
优点
一家资金雄厚的公司，拥有多种生成式 AI 解决方案；由具有上限利润模式的非营利组织管理；OpenAI API 的普遍可用性。
缺点
偶尔会生成不准确甚至令人反感的内容；实时新闻和数据没有快速纳入 ChatGPT 的知识库，例如，ChatGPT 无法准确地说出当今最受欢迎的生成 AI 公司是什么；根据您的使用要求，某些型号的使用成本可能会非常高。
Hugging Face 是一个社区驱动的开发人员论坛，用于 AI 和 ML 模型开发计划。其种类繁多的预测模型和数据集使组织能够定制构建自己的生成式 AI 解决方案和其他 AI 工具集。
AWS 最近成为 Hugging Face 合作伙伴，现在直接向其客户提供 Hugging Face 产品。许多其他公司致力于 Hugging Face 以优化现有的 AI 模型并从头开发新模型。
尽管该论坛的设计考虑到了开发人员和程序员，但某些 Hugging Face 解决方案（如 AutoTrain）几乎不需要编码。
优点
开源协作开发环境；与 AWS 合作；可嵌入的生成式 AI 技术，可实现经济实惠的可扩展性
缺点
它面向开发人员的格式使其对非技术用户不太友好；对第三方开发工具（如 Stable Diffusion）的治理有限；有限的客户支持可用性。
尽管大多数媒体认为微软在今天的生成人工智能竞赛中领先于谷歌，但谷歌正在为其未来的生成人工智能计划打下一个看起来很有希望的基础。
谷歌正在开发办公套件、搜索和基于文本的生成人工智能工具，就像微软一样，但该公司实际上专注于构建一个云生态系统，该生态系统在整个运行过程中都集成了生成人工智能支持。例如，一小部分客户目前能够在 Vertex AI 和 Generative AI App Builder 中测试生成 AI 功能。
更重要的是，该公司正在开发具有可扩展性和道德规范的人工智能。其 AI 原则于 2017 年制定，用于指导 AI 开发，Google 定期发布报告，说明他们如何将这些原则运用到最新版本和产品更新中。
优点
生成人工智能实验室 DeepMind 是该领域的创新参与者，也是 Alphabet 的子公司；谷歌对人工智能伦理采取了非常全面和透明的方法；用于 AI 的 Google Cloud 基础架构针对成本和高性能进行了优化。
缺点
该公司最初对推出生成式 AI 的犹豫可能会使它在一段时间内落后于其他参与者；
另一方面，谷歌为跟上微软和其他玩家的步伐可能会导致该公司推出未经彻底测试和审查的工具；
目前，Google 的许多程序只能通过受信任的测试程序获得。
微软是当今生成人工智能领域最具活力的领导者之一，开发了许多自己的生成人工智能工具，同时支持和资助 OpenAI 的新技术。
必应是微软旗下的搜索引擎，最近进行了转型，成为第一个通过聊天机器人整合生成人工智能功能的主要搜索引擎。微软最近还发布了跨 Microsoft 365 产品的生成 AI 内容功能。
在 Microsoft 最令人兴奋的 AI 创新中，Copilot 是一款基于 GPT-4 的辅助工具，现已集成到多个 Microsoft 应用程序中。这些是目前可用的 Copilot 的主要实例：
Microsoft 365 Copilot：Microsoft 365 应用（如 Word 和 Excel）中的辅助内容生成。
Microsoft Dynamics 365 Copilot：世界上第一个用于 CRM 和 ERP 的生成式 AI 解决方案。
Microsoft Security Copilot：一种网络安全和事件响应解决方案，目前处于预览状态。
优点
它与 OpenAI 的关系使微软能够在 GPT-4 和其他新兴的 OpenAI 解决方案上构建许多工具。
该公司已经在其办公套件产品中构建了直观的生成式人工智能工具，并开始涉足网络安全等其他领域。
用户可以在 Bing 中免费利用情境化的生成式 AI 搜索。
缺点
微软的许多 AI 伦理和社会工作人员最近被解雇，尽管微软仍然有一个负责任的 AI 办公室。
微软可能行动太快——努力击败尖端生成人工智能产品的竞争对手——并且可能没有考虑其新版本的影响。
微软的许多生成式人工智能开发都基于 OpenAI 产品；随着 OpenAI 自身的成功和增长的希望，很难说这是否会随着时间的推移影响微软自身的可扩展性。
Cohere 提供了多种用于文本检索、分类和生成的高性能自然语言处理工具。它对大型语言模型的方法是全面的，不仅使用户能够生成新内容，而且还可以搜索和总结大量预先编写的内容。通过用户友好的 API、应用程序集成和快速入门指南，Cohere 使并鼓励公司定制 Cohere 产品以满足他们自己的需求。
Cohere 的主要产品是 Neural Search、Summarize、Generate、Classify 和 Embed。以下是这些工具中的每一个都可以执行的操作：
神经搜索：对 100 多种语言的文档进行语义文本搜索。
总结：文档、电子邮件和文章摘要。
生成：专注于营销和销售用例的内容生成。
分类：用于客户支持、情绪分析等的文本分类。
嵌入：使用语义搜索、主题建模、推荐和多语言选项构建您自己的文本分析应用程序。
优点
语言模型可以根据特定的企业需求进行定制；开发人员资源丰富，API 易于使用；模型可以在公共、私有和 / 或混合云环境中运行；适用于 100 多种语言。
缺点
定价可能会变得昂贵，尤其是当您需要专用模型、支持渠道或广泛的定制时；一旦您通过 Cohere 的高功能 API，集成就会有些受限；NLP 开发技术，如 Cohere 产品，是出了名的难以理解和开发；Cohere 工具的定制化需要高水平的专业知识。
Anthropic 是一家领先的生成式 AI 初创公司，它认为质量和安全应优先于数量和速度。其团队由 AI 研究人员和工程师以及来自政府、学术界、非营利组织和行业背景的政策专家、商业领袖和利益相关者组成。
Anthropic 的旗舰产品是 Claude，这是一个专注于高质量内容生成、摘要和解释的人工智能助手。Claude 是高度可定制的，可用于工作流自动化、自然对话、文本处理和问答。这些是不同行业和企业团队目前使用 Claude 的一些方式。
客户服务：友好的客户服务对话，能够在必要时将任务交给人工代表；法律：法律文件分析和总结；行政办公任务：电子邮件和文档内容汇总和分类；销售：具有可定制个性、语气和行为的虚拟销售代表。
虽然该公司唯一面向公众的解决方案是 Claude，但 Anthropic 正在幕后开发其他大型人工智能系统，并专注于安全和问题解决。
优点
透明、广泛的研究可供公众阅读；Claude 旨在有用的同时避免有害内容输出；通常专注于安全和可控的产品开发。
缺点
面向公众的范围有限；Claude 主要通过文本生成、分类和摘要提供帮助。
Anthropic 专注于广泛的安全和性能测试导致产品推出速度变慢；只有克劳德是公开的。
Claude-v1 对于较大的任务可能会变得昂贵；但是，Claude Instant 是此类情况下更实惠的选择。
Jasper 是营销人员和内容创作者最喜欢的生成式 AI，提供支持博客和电子邮件撰写、SEO 优化以及艺术和广告图像创作的功能。它易于使用和访问，同时具有 Chrome 和 Microsoft Edge 扩展以及最近推出的内联体验。
Jasper 的业务一直专注于营销风格的内容，但在 2023 年 2 月，该公司通过发布 Jasper for Business 将其提升到了一个新的水平。这套业务增强功能包括 Jasper Brand Voice，它允许客户就其品牌的特定基调、风格和语言对 Jasper 进行培训。该公司现在还提供 Jasper API，以帮助营销人员将 Jasper 集成到他们现有的工具堆栈和自定义 CMS 构建中。
优点
专注于品牌塑造是顶级生成 AI 竞争对手之间的独特差异化因素；直观的 AI 引擎为不同的工作请求策划模型选择；易于使用的界面，尤其是浏览器扩展和内联光标。
缺点
定价可能会变得昂贵，具体取决于您每月生成的字数；最高层定价计划之外的有限用户数量；Jasper Brand Voice 功能仅适用于最高级别的定价计划。
Glean 为工作场所应用程序和生态系统提供生成式 AI 驱动的内部搜索。不同行业和背景的公司使用 Glean 使员工更容易搜索公司知识并将该信息与他们的角色联系起来。
按照 Glean 的设计方式，每家公司都有自己的动态知识图，可以学习和适应特定的人、交互和内容请求。通过这种方法，从您的工程团队到您的销售团队的每个人都可以使用 Glean 更快速、更轻松地找到他们需要的信息。使其成为高度可用工具的其他关键功能包括：
验证答案：保存并验证常见问题的答案。
精选收藏：各个团队能够收集和组织与其团队最相关的文档和链接；入职的理想选择。
GoLinks：可以为您最常用的资源创建和保存的短链接。
优点
尽管它连接到各种企业应用程序和数据库，但 Glean 的工具尊重并在所有方面强制执行安全权限；用户界面干净且易于理解；语义理解支持更加个性化的搜索结果和 AI 生成的答案。
缺点
虽然它被宣传为企业支持工具，但 Glean 的功能并没有超出认知企业搜索和知识存储的范围；与此列表中的许多其他参与者相比，Glean 的支持和开发团队规模较小；产品定价的透明度有限。
如果严格看企业价值，Synthesis AI 是这份名单上规模最小的公司之一。然而，当您考虑该公司已经为其客户提供的各种产品和解决方案时，它是最大和最有前途的产品之一。
Synthesis AI 主要关注计算机视觉的合成数据、图像和视频生成；这些合成创作的应用很多。Synthesis AI 的 Humans and Scenarios 产品目前正在实现的一些用例和应用包括：
识别验证、头像创作、驾驶员监控、行人检测；增强现实、虚拟现实和扩展现实；电话会议、网络安全、虚拟试穿。
优点
有效的视频、数据和图像标签，尤其是对人类而言；关注 AI 伦理和多样性；能够生成逼真的图像。
缺点
对公司盈利能力和稳定性指标的可见性有限；目前外部融资轮次有限；以人为中心的数据焦点限制了它与文本和非人类图像生成的相关性。
Stability AI 是为许多最新和最出色的生成式 AI 解决方案提供动力的引擎。该公司的深度学习模型 Stable Diffusion 主要通过 GitHub 和 Hugging Face 提供开源代码，其他几家公司已选择以此为基础来生成图像和视频。
该公司还提供了一个第三方用户可以利用的广泛的 API 库，以及一个 Discord 社区，用户可以在其中讨论他们如何使用 Stable Diffusion 技术。
该公司因其图像采购实践而面临争议，也有人谈论组织中的盈利问题，但很难否认一家在其开源研究中心拥有超过 140,000 名成员和大量客户的公司的影响（有些甚至在此列表中提到）。
优点
开源可访问性使 Stability AI 工具可以为经验丰富的开发人员高度定制；Discord、GitHub 和 Hugging Face 中强大的开源社区；用户可以使用各种相关的插件和 API。
缺点
DreamStudio 和 API 使用的成本可能会快速上升，具体取决于您需要多少积分；基础技术的高支出损害了公司的盈利能力。
Lightricks 于 2013 年凭借其移动照片编辑应用程序 Facetune 首次受到关注。此后，它开发了许多不同的图像和视频编辑解决方案，以及内容生成解决方案。
Lightricks 于 2022 年在其应用程序中推出了文本到图像生成器，从而实现了向生成式 AI 的转变。这一新功能使用户可以通过自己的或预先编写的提示创建自定义艺术和其他图像。从那里，他们可以编辑图像并将其拼接成动画和 3D 动作创作。
优点
消费者友好的工具；用户可以轻松创建动画视频和艺术作品；用户可以编辑照片和 AI 生成的图像。
缺点
与业务用例关系不大；生成的图像看起来不逼真，这可能不适用于某些用例。
Inflection AI 看起来与这份名单上的其他顶级生成 AI 公司略有不同，因为它们尚未发布产品。然而，他们的远见以及创始人和投资者的血统使其成为未来几个月和几年值得关注的一家引人注目的公司。
Inflection AI 的创始人是：
Mustafa Suleyman：DeepMind 的联合创始人，前 DeepMind 应用人工智能负责人，前谷歌人工智能产品和人工智能政策副总裁，以及 Greylock Partners 的风险合伙人。
Reid Hoffman：Linkedin 联合创始人，PayPal 前执行副总裁，Greylock Partners 风险合伙人。
Kar é n Simonyan：Inflection AI 首席科学家，前 DeepMind 首席科学家。
这些领导者和他们的小团队正在努力通过简单的语言使人机交流成为可能。同样，他们也在研究高级语音搜索功能。
如果公司下一轮 6.75 亿美元的融资顺利通过，公司将获得近 10 亿美元的资金；尽管目前他们缺乏产品，但投资者已经相信这支球队的潜力。
优点
由曾在 DeepMind、Google 和 LinkedIn 担任领导 / 创始人的技术专家创立；专注于教机器理解人类语言以改善人机交互；承诺为不熟悉计算机和编程语言的人提供可访问的通信工具。
缺点
首批产品的推出时间有限；对公司正在开发的产品的可见性有限；这家公司非常新，仍在组建团队的过程中；目前是一个不到 30 人的团队。
生成式人工智能公司：常见问题解答
01 为什么生成式人工智能越来越受欢迎？
生成式 AI 越来越受欢迎，因为它简化了不同类型的任务，并使对 AI 创建的高价值内容的访问民主化。尽管创意人员尤其感受到 ChatGPT 和 DALL-E 等工具的存在的威胁，但企业主、领导者和私人消费者都在享受通过简单查询创建引人注目的内容的机会。
生成式 AI 还使应用程序和模型开发人员能够在代码开发、游戏、AR/VR/XR 和客户服务等领域创造更好的体验。
02 生成式人工智能如何工作？
生成式 AI 技术通常使用模仿人脑设计和行为的神经网络算法设计。通过该设置，生成式 AI 模型将获得大量训练数据集，以便在生成新内容时进行分析并用作其知识库。
进入这些神经网络的训练数据的数量和种类使得生成式 AI 工具可以有效地学习数据模式和上下文关系，然后将这些知识应用到它们创建的内容中。生成式 AI 解决方案的成功在很大程度上取决于它所提供的训练数据的数量、质量、多样性和中立性。
03 谁在投资生成式人工智能？
微软、谷歌和 AWS 等大型科技公司正在投资生成人工智能初创公司和技术。例如，微软是 OpenAI 最大的投资者之一。其中许多公司也在努力开发自己的生成式 AI 工具和操作。
04 生成式 AI 公司的方法论
这份名单中的顶级生成人工智能公司是根据许多因素选出的：当前估值、用户受欢迎程度、产品和用例的多样性和相关性、道德规范以及扩展潜力。在整个审查过程中，还会记录任何已知的客户评论和 / 或争议。在适用的情况下，定价信息也被纳入这些排名。
05 生成式人工智能公司的底线
生成式 AI 公司不仅为技术用户和开发人员而且为日常消费者提供引人注目的 AI 技术。这份名单中的公司已经推出了一些迄今为止最有趣的生成式 AI 工具和用例，如果您关注 AI 技术的未来，它们值得关注。
其中一些公司已经迅速推出，发布了几种不同的产品并产生了数百万美元的资金。另一方面，其中一些组织采取了更缓慢和更稳定的方法，在全力以赴推出产品之前，首先关注他们的想法以及开发背后的道德和安全。在所有这些情况下，顶级的生成式 AI 公司都在创建解决方案，从长远来看，这些解决方案有可能随着企业和私人用户的期望而扩展。
