文章目錄
- 帕特·格雷迪
- 1、大模型的三種新能力
- 2、類比雲計算
- 3、科技浪潮的曆史
- 索尼娅·黃
- 1、AI應用會變成自動化系統
- 2、大語言模型還沒有真的推理和規劃
- 3、AI可靠性的應用越來越高
- 4、更多AI原型/試驗項目
- 康斯坦丁
- 1、AI是成本革命和生産力革命
- 人機網絡
- 2、一人公司的崛起
- 最後
紅杉美國這幾天正在舉辦AI Ascent 2024大會
三位合夥人索尼娅·黃Sonya Huang
帕特·格雷迪Pat Grady
以及康斯坦丁·布勒Konstantine Buhler
彙集了100位領先的AI創始人和研究人員
一起探讨AI的機會、現狀以及影響等話題
我們之前介紹了安德烈卡帕西的談話内容
今天再來回顧一下紅杉美國這三位合夥人的觀點
帕特·格雷迪
首先開場的帕特·格雷迪
他的主要觀點是
AI最大的機會之一
是用軟件取代服務
因爲AI具備了類人的交互能力
首先，帕特·格雷迪認爲
在過去的12個月裏
我們經曆了一個壓縮版的AI炒作周期
先是期望值膨脹到頂點
然後又陷入低谷，現在正在艱難爬坡
逐漸進入穩定的高原期
1、大模型的三種新能力
我們開始意識到
大語言模型和AI帶來了三種全新的能力
首先是創造力
AI可以生成圖像、文字、視頻、音頻等各種内容
這是之前的軟件不具備的能力
第二是推理能力，可以是單步的
也可以是多步的、類似Agent的推理
這也是之前軟件做不到的；
有了創造力和推理能力
就相當于擁有了大腦的左右兩半球
這意味着軟件第一次具備了像人一樣的交互能力
也就是第三種能力
這一點非常關鍵
因爲它意味着商業模式的深刻變革
2、類比雲計算
對于AI來說
可以把它跟過去20年的雲計算變革相類比
雲計算是科技領域的一次重大的變革
催生出來許多新的商業模式、應用和人機交互方式
在2010年前後
當時全球的軟件市場規模大約是3500億美元
其中雲軟件隻占大約60億美元
而到了去年
整體軟件市場規模增長到6500億
雲軟件收入已經達到4000億
15年的年複合增長率高達40%。
如果說雲計算是用軟件取代軟件
那麽AI最大的機會之一
是用軟件取代服務
因爲AI具備了像人一樣的交互能力
這個市場可能會高達數十萬億美元
3、科技浪潮的曆史
随後
帕特快速回顧了一下科技浪潮的曆史
從1960年代的半導體
到1970年代的計算機系統
到1980年代的計算機網絡和軟件産業
再到1990年代的互聯網
2000的雲計算時代
以及2010年代的智能手機
每一次浪潮都在前一次的基礎上推進
AI的概念可以追溯到1940年代
但是将AI從想法變爲現實、可以解決實際的問題
是直到最近幾年才實現的
雲計算和移動互聯網催生出了左邊這些營收超10億美元的公司
而右邊還幾乎處于空白
如果10-15年後再看
右邊可能會有40-50個公司
這個就是未來的機會
索尼娅·黃
接下來是紅杉的另一位合夥人
索尼娅·黃
她主要分享了AI在一些行業的應用
去年大家還在讨論AI将如何帶來生産力提升
現在我們已經可以看到
Klarna現在用OpenAI處理2/3的客服查詢
相當于自動化了700個全職客服
全球有數千萬的呼叫中心客服
而AI在客服領域已經初步找到了PMF
也就是所謂的産品市場契合度
一年前
法律行業還被視爲最不願意接受科技的行業之一
但是現在出現了Harvey
從日常繁瑣的工作到更高級的分析
都在自動化律師的工作
随後，索尼娅舉了一個小例子
有一天她在和帕特Pat開會的時候
注意到他全程一言不發，神情可疑
原來是帕特用了個AI虛拟形象來開會
而自己去健身房了
兩年前紅杉認爲生成式AI可能會引發下一次科技革命的時候
并不知道将帶來什麽
是否真的有創業公司能夠崛起？
能否産生真金白銀的收入？
不過
用戶和收入的增長規模令所有人都感到驚訝
紅杉估計
目前生成式AI創造的收入總規模已經達到30億美元
這還不算各大雲計算廠商的收入
聽起來好像不多
但是SaaS市場用了近10年的時間
才達到這個規模
而生成式AI用一年就做到了
而且
對AI的需求也不僅限于一兩個應用
而是遍地開花
不論是消費者應用還是企業應用
不論是創業公司還是科技巨頭
很多AI産品都開始找到了産品市場契合點
不過，在過去一年
資本市場對AI投資并不平衡
如果把生成式AI比作一個三層的蛋糕
最底層是基礎模型
中間是開發者工具和基礎設施
最上面是應用層
一年前
紅杉預計應用層會出現百花齊放
但是實際上
越來越多的基礎模型公司湧現
融到大筆資金
而應用層的發展似乎才剛剛開始
紅杉的合夥人David去年（2023年）發表了一篇文章《AI的2000億美元問題》，
這個有機會我會再介紹
文章中寫道
AI公司目前在英偉達GPU上的支出
規模驚人
僅僅去年一年就高達500億美元
外加能源和數據中心成本
與之相對
目前AI的直接和間接總收入也就30多億美元
投入500億，産出30億
投入和産出顯然還不成正比
這是個很現實的、要解決的問題
另外要注意的一點是
雖然從用戶數和收入來看
AI取得了驚人的成績
但是使用數據告訴我們
現在高興還爲時過早
如果去看一下日活躍用戶占月活躍用戶的比例
或者次月留存率
生成式AI應用的表現還遠不如移動應用
這說明AI現在對大多數人來說
還隻是一周或者一月嘗試一次的新鮮事物
AI應用留存率不高的一個主要原因是
現實表現與期望值存在差距
一些炫酷的演示
在現實中可能會令人失望
因爲模型還不夠智能
不能很好地完成任務
不過好消息是
在去年500億美元的GPU投入下
基礎模型已經越來越先進
随着基礎模型智能水平的提高
AI的産品市場契合度應該會加速
與其他很多不确定的市場相比
AI的未來很清晰
那就是應用會變得越來越好
索尼娅還強調了一點，成功需要時間
在iPhone發布之初
App Store裏都是一些不實用的應用
比如喝啤酒、變魔術、手電筒之類的
直到2010年才出現了Instagram和DoorDash
創造性地利用了智能手機的全新能力
現在AI正在上演同樣的故事
接下來索尼娅給出了自己對2024年的四個預測
1、AI應用會變成自動化系統
一是AI應用将從輔助人類的工具
發展爲在特定領域完全取代人類的自動化系統
讓人類退出某些工作流程
比如軟件工程、客戶服務等領域
接下來吳恩達的對話對這方面展開了讨論
我也會以後介紹
2、大語言模型還沒有真的推理和規劃
二是大語言模型的一個主要問題在于
它們隻是在對文本的統計模式做匹配
而不是真的在推理和規劃
但是最新的研究正在嘗試賦予模型規劃的能力
比如在推理過程中動态調用外部計算資源、讓模型像博弈一樣叠代優化策略等等
預計這将是各大基礎模型公司的一個主要研究方向
有望在明年讓AI具備更強的高階認知能力
3、AI可靠性的應用越來越高
三是從有趣的消費者應用到企業級的高風險應用
比如醫療、國防等
對AI可靠性的要求越來越高
人類反饋學習、prompt鏈接、向量數據庫等各種技術
正在幫助大語言模型在特定場景下
将可靠性提高到95%以上
4、更多AI原型/試驗項目
四是将看到很多AI原型和試驗項目
将正式進入生産環境
這意味着延遲、成本、模型權屬、數據權屬這些都很關鍵
計算資源将從預訓練轉移到推理
康斯坦丁
最後是康斯坦丁的分享
他主要是從更高的角度
思考了一下AI對科技和整個社會的影響
技術革命有很多種
有通信革命，比如電話；
有交通革命，比如火車；
有生産力革命，比如農業收割機械化
而AI主要是一場生産力革命
這類革命有個共同的模式
就是從人使用工具
到人與機器助手協作
再到人與機器網絡互動
他接下來談的兩個預測
都與人-機網絡有關
1、AI是成本革命和生産力革命
人機網絡
首先
人類使用鐮刀收割已經有上萬年曆史
1831年發明的機械化收割機
是人與機器助手的結合
今天已經發展成聯合收割機
這是由成千上萬台機器組成的複雜網絡
我們開始用Agent來形容系統中的機器個體
用Reasoning來形容其中的信息傳遞和拓撲結構
本質上，我們正在AI的基本元素之上
構建非常複雜的抽象層
随後他舉了兩個例子
第一個是軟件開發
軟件開發最初是手工的
比如艾達·洛夫萊斯用紙和筆寫邏輯程序
後來我們進入了機器輔助階段
有了計算機和IDE等工具
現在
我們正進入一個機器互聯互通的新階段
一系列流程通過協同工作
生成複雜的工程系統
在這個階段
整個開發過程是由Agent協作完成的
而不是單打獨鬥
寫作領域也是如此
寫作本來是純人力的
後來有了機器助手
比方說語法檢查工具
而現在的寫作
已經不隻是用一個AI助手了
而是同時用GPT-4、LLaMA、Claude等多個模型
讓它們互相協作和博弈
給出更好的結果
那麽這場AI革命對我們每個人意味着什麽呢？
用最樸素的經濟學語言來說
就是成本大幅降低
從這張圖可以看出
标普500公司創造100萬美元收入
所需的員工數量在快速下降
過去所有生産力革命的領域
最終都出現了通貨緊縮
比如計算機軟件
正因爲不斷在現有基礎上創新
軟件成本反而在下降，再比如電視機
但是我們社會最重要的領域
比如教育、醫療、房地産
成本上漲速度卻遠遠超過通脹
康斯坦丁對AI作爲一場大規模成本革命和生産力革命的第一個判斷
就是AI有望能夠降低這些關鍵領域的成本
從而做更多的事情、創造更多價值
2、一人公司的崛起
他的第二個判斷涉及AI的本質
一年前
英偉達CEO黃仁勳在台上做了個大膽預測
他說，未來圖像不再是渲染出來的
而是生成出來的
任何視覺信息都将被生成
黃仁勳是什麽意思呢？
傳統上圖像是作爲原始數據存儲的
以字母A爲例，也就是ASCII碼的97
它是用一個像素矩陣來表示的
非黑即白
但是現在
我們開始将字母A表示成一個抽象的、多維度的概念
字母A的圖像應該讓人聯想到
這是一個可以用不同字體、不同樣式呈現的字母
在這個多維空間裏，我們處在中心
周圍是各種具體的渲染形式
接下來
計算機不僅能理解這個多維概念
還能把它渲染成圖像
還能理解它的上下文
比如，它不會去想字母A
而是能理解單詞的整體含義
更神奇的是
這反映了人類的思維方式
我們不會把字母A記成一堆像素點
而是作爲一個抽象概念
這種思想可以追溯到2500年前的柏拉圖
他認爲任何具體事物的背後
都有一個美的抽象形式
這對我們每個人來說有着深遠的影響
以Klarna的AI客服爲例，未來
随着AI驅動的全新人機交互方式出現
整個公司可能會開始像一個神經網絡那樣運作
AI能力會驅動客服部門的關鍵指标
這些能力反過來又會形成子流程和子優化目标
最終通過抽象客服流程将由神經網絡來管理、優化和改進
企業獲客環節也是一樣
從語言生成到增長引擎
再到廣告定制和優化
都是一些AI的基本單元
最終，這些抽象層将相互融合
使整個公司能像神經網絡一樣運作
這就催生了"一人公司"的崛起
一人公司不是爲了讓個人做得少
而是爲了讓個人能做得多
能解決更多的問題
創造更美好的社會
最後
以上就是紅杉美國三位投資合夥人的分享
從他們的角度
可能能看到更多AI行業層面的東西
包括不斷新興的AI公司、實際的應用落地情況
以及未來的發展前景等等
必須要承認的是，AI尤其是大模型
在過去一年裏有了長足的進步
但是在實際應用中還是有很多問題
紅杉對AI行業的預測
到底是會一語成谶
還是會變成畫的餅
AI的發展會帶來一場科技革命
還是會變成一場科技泡沫
這兩種觀點我都能看到不少
最終的結果
也隻能是等待時間的驗證
