2024年4月2日_解读红杉美国AI Ascent2024大会三位合伙人观点_康斯坦丁·布勒

红杉美国这几天正在举办AI Ascent 2024大会

三位合伙人索尼娅·黄Sonya Huang

帕特·格雷迪Pat Grady

以及康斯坦丁·布勒Konstantine Buhler

汇集了100位领先的AI创始人和研究人员

一起探讨AI的机会、现状以及影响等话题

我们之前介绍了安德烈卡帕西的谈话内容

今天再来回顾一下红杉美国这三位合伙人的观点

帕特·格雷迪

首先开场的帕特·格雷迪

他的主要观点是

AI最大的机会之一

是用软件取代服务

因为AI具备了类人的交互能力

---

首先，帕特·格雷迪认为

在过去的12个月里

我们经历了一个压缩版的AI炒作周期

先是期望值膨胀到顶点

然后又陷入低谷，现在正在艰难爬坡

逐渐进入稳定的高原期

1、大模型的三种新能力

我们开始意识到

大语言模型和AI带来了三种全新的能力

首先是创造力

AI可以生成图像、文字、视频、音频等各种内容

这是之前的软件不具备的能力

第二是推理能力，可以是单步的

也可以是多步的、类似Agent的推理

这也是之前软件做不到的；

有了创造力和推理能力

就相当于拥有了大脑的左右两半球

这意味着软件第一次具备了像人一样的交互能力

也就是第三种能力

这一点非常关键

因为它意味着商业模式的深刻变革

2、类比云计算

对于AI来说

可以把它跟过去20年的云计算变革相类比

云计算是科技领域的一次重大的变革

催生出来许多新的商业模式、应用和人机交互方式

在2010年前后

当时全球的软件市场规模大约是3500亿美元

其中云软件只占大约60亿美元

而到了去年

整体软件市场规模增长到6500亿

云软件收入已经达到4000亿

15年的年复合增长率高达40%。

如果说云计算是用软件取代软件

那么AI最大的机会之一

是用软件取代服务

因为AI具备了像人一样的交互能力

这个市场可能会高达数十万亿美元

3、科技浪潮的历史

随后

帕特快速回顾了一下科技浪潮的历史

从1960年代的半导体

到1970年代的计算机系统

到1980年代的计算机网络和软件产业

再到1990年代的互联网

2000的云计算时代

以及2010年代的智能手机

每一次浪潮都在前一次的基础上推进

AI的概念可以追溯到1940年代

但是将AI从想法变为现实、可以解决实际的问题

是直到最近几年才实现的

云计算和移动互联网催生出了左边这些营收超10亿美元的公司

而右边还几乎处于空白

如果10-15年后再看

右边可能会有40-50个公司

这个就是未来的机会

索尼娅·黄

接下来是红杉的另一位合伙人

索尼娅·黄

她主要分享了AI在一些行业的应用

去年大家还在讨论AI将如何带来生产力提升

现在我们已经可以看到

Klarna现在用OpenAI处理2/3的客服查询

相当于自动化了700个全职客服

全球有数千万的呼叫中心客服

而AI在客服领域已经初步找到了PMF

也就是所谓的产品市场契合度

一年前

法律行业还被视为最不愿意接受科技的行业之一

但是现在出现了Harvey

从日常繁琐的工作到更高级的分析

都在自动化律师的工作

---

随后，索尼娅举了一个小例子

有一天她在和帕特Pat开会的时候

注意到他全程一言不发，神情可疑

原来是帕特用了个AI虚拟形象来开会

而自己去健身房了

两年前红杉认为生成式AI可能会引发下一次科技革命的时候

并不知道将带来什么

是否真的有创业公司能够崛起？

能否产生真金白银的收入？

不过

用户和收入的增长规模令所有人都感到惊讶

红杉估计

目前生成式AI创造的收入总规模已经达到30亿美元

这还不算各大云计算厂商的收入

听起来好像不多

但是SaaS市场用了近10年的时间

才达到这个规模

而生成式AI用一年就做到了

而且

对AI的需求也不仅限于一两个应用

而是遍地开花

不论是消费者应用还是企业应用

不论是创业公司还是科技巨头

很多AI产品都开始找到了产品市场契合点

不过，在过去一年

资本市场对AI投资并不平衡

如果把生成式AI比作一个三层的蛋糕

最底层是基础模型

中间是开发者工具和基础设施

最上面是应用层

一年前

红杉预计应用层会出现百花齐放

但是实际上

越来越多的基础模型公司涌现

融到大笔资金

而应用层的发展似乎才刚刚开始

红杉的合伙人David去年（2023年）发表了一篇文章《AI的2000亿美元问题》，

这个有机会我会再介绍

文章中写道

AI公司目前在英伟达GPU上的支出

规模惊人

仅仅去年一年就高达500亿美元

外加能源和数据中心成本

与之相对

目前AI的直接和间接总收入也就30多亿美元

投入500亿，产出30亿

投入和产出显然还不成正比

这是个很现实的、要解决的问题

另外要注意的一点是

虽然从用户数和收入来看

AI取得了惊人的成绩

但是使用数据告诉我们

现在高兴还为时过早

如果去看一下日活跃用户占月活跃用户的比例

或者次月留存率

生成式AI应用的表现还远不如移动应用

这说明AI现在对大多数人来说

还只是一周或者一月尝试一次的新鲜事物

AI应用留存率不高的一个主要原因是

现实表现与期望值存在差距

一些炫酷的演示

在现实中可能会令人失望

因为模型还不够智能

不能很好地完成任务

不过好消息是

在去年500亿美元的GPU投入下

基础模型已经越来越先进

随着基础模型智能水平的提高

AI的产品市场契合度应该会加速

与其他很多不确定的市场相比

AI的未来很清晰

那就是应用会变得越来越好

---

索尼娅还强调了一点，成功需要时间

在iPhone发布之初

App Store里都是一些不实用的应用

比如喝啤酒、变魔术、手电筒之类的

直到2010年才出现了Instagram和DoorDash

创造性地利用了智能手机的全新能力

现在AI正在上演同样的故事

接下来索尼娅给出了自己对2024年的四个预测

1、AI应用会变成自动化系统

一是AI应用将从辅助人类的工具

发展为在特定领域完全取代人类的自动化系统

让人类退出某些工作流程

比如软件工程、客户服务等领域

接下来吴恩达的对话对这方面展开了讨论

我也会以后介绍

2、大语言模型还没有真的推理和规划

二是大语言模型的一个主要问题在于

它们只是在对文本的统计模式做匹配

而不是真的在推理和规划

但是最新的研究正在尝试赋予模型规划的能力

比如在推理过程中动态调用外部计算资源、让模型像博弈一样迭代优化策略等等

预计这将是各大基础模型公司的一个主要研究方向

有望在明年让AI具备更强的高阶认知能力

3、AI可靠性的应用越来越高

三是从有趣的消费者应用到企业级的高风险应用

比如医疗、国防等

对AI可靠性的要求越来越高

人类反馈学习、prompt链接、向量数据库等各种技术

正在帮助大语言模型在特定场景下

将可靠性提高到95%以上

4、更多AI原型/试验项目

四是将看到很多AI原型和试验项目

将正式进入生产环境

这意味着延迟、成本、模型权属、数据权属这些都很关键

计算资源将从预训练转移到推理

康斯坦丁

最后是康斯坦丁的分享

他主要是从更高的角度

思考了一下AI对科技和整个社会的影响

技术革命有很多种

有通信革命，比如电话；

有交通革命，比如火车；

有生产力革命，比如农业收割机械化

而AI主要是一场生产力革命

这类革命有个共同的模式

就是从人使用工具

到人与机器助手协作

再到人与机器网络互动

他接下来谈的两个预测

都与人-机网络有关

1、AI是成本革命和生产力革命

人机网络

首先

人类使用镰刀收割已经有上万年历史

1831年发明的机械化收割机

是人与机器助手的结合

今天已经发展成联合收割机

这是由成千上万台机器组成的复杂网络

我们开始用Agent来形容系统中的机器个体

用Reasoning来形容其中的信息传递和拓扑结构

本质上，我们正在AI的基本元素之上

构建非常复杂的抽象层

随后他举了两个例子

第一个是软件开发

软件开发最初是手工的

比如艾达·洛夫莱斯用纸和笔写逻辑程序

后来我们进入了机器辅助阶段

有了计算机和IDE等工具

现在

我们正进入一个机器互联互通的新阶段

一系列流程通过协同工作

生成复杂的工程系统

在这个阶段

整个开发过程是由Agent协作完成的

而不是单打独斗

---

写作领域也是如此

写作本来是纯人力的

后来有了机器助手

比方说语法检查工具

而现在的写作

已经不只是用一个AI助手了

而是同时用GPT-4、LLaMA、Claude等多个模型

让它们互相协作和博弈

给出更好的结果

---

那么这场AI革命对我们每个人意味着什么呢？

用最朴素的经济学语言来说

就是成本大幅降低

从这张图可以看出

标普500公司创造100万美元收入

所需的员工数量在快速下降

过去所有生产力革命的领域

最终都出现了通货紧缩

比如计算机软件

正因为不断在现有基础上创新

软件成本反而在下降，再比如电视机

但是我们社会最重要的领域

比如教育、医疗、房地产

成本上涨速度却远远超过通胀

康斯坦丁对AI作为一场大规模成本革命和生产力革命的第一个判断

就是AI有望能够降低这些关键领域的成本

从而做更多的事情、创造更多价值

2、一人公司的崛起

他的第二个判断涉及AI的本质

一年前

英伟达CEO黄仁勋在台上做了个大胆预测

他说，未来图像不再是渲染出来的

而是生成出来的

任何视觉信息都将被生成

黄仁勋是什么意思呢？

传统上图像是作为原始数据存储的

以字母A为例，也就是ASCII码的97

它是用一个像素矩阵来表示的

非黑即白

但是现在

我们开始将字母A表示成一个抽象的、多维度的概念

字母A的图像应该让人联想到

这是一个可以用不同字体、不同样式呈现的字母

在这个多维空间里，我们处在中心

周围是各种具体的渲染形式

接下来

计算机不仅能理解这个多维概念

还能把它渲染成图像

还能理解它的上下文

比如，它不会去想字母A

而是能理解单词的整体含义

更神奇的是

这反映了人类的思维方式

我们不会把字母A记成一堆像素点

而是作为一个抽象概念

---

这种思想可以追溯到2500年前的柏拉图

他认为任何具体事物的背后

都有一个美的抽象形式

这对我们每个人来说有着深远的影响

以Klarna的AI客服为例，未来

随着AI驱动的全新人机交互方式出现

整个公司可能会开始像一个神经网络那样运作

AI能力会驱动客服部门的关键指标

这些能力反过来又会形成子流程和子优化目标

最终通过抽象客服流程将由神经网络来管理、优化和改进

---

企业获客环节也是一样

从语言生成到增长引擎

再到广告定制和优化

都是一些AI的基本单元

最终，这些抽象层将相互融合

使整个公司能像神经网络一样运作

这就催生了"一人公司"的崛起

一人公司不是为了让个人做得少

而是为了让个人能做得多

能解决更多的问题

创造更美好的社会

最后

以上就是红杉美国三位投资合伙人的分享

从他们的角度

可能能看到更多AI行业层面的东西

包括不断新兴的AI公司、实际的应用落地情况

以及未来的发展前景等等

必须要承认的是，AI尤其是大模型

在过去一年里有了长足的进步

但是在实际应用中还是有很多问题

红杉对AI行业的预测

到底是会一语成谶

还是会变成画的饼

AI的发展会带来一场科技革命

还是会变成一场科技泡沫

这两种观点我都能看到不少

最终的结果

也只能是等待时间的验证