今天听了红杉资本2024年AI Ascent开幕致辞。以下是我整理的要点和我的理解。

AI 为什么重要？

AI 发生了什么？梳理一下机会的框架。

能力：这波AI的三个不同能力：

1. Create 创造（右脑）
2. Reason 推理（左脑）
3. Interact 互动（因为有了前两个能力）

趋势：向云（cloud）的转换：

三个图分别展示了：

1. 2010年，软件市场的总可用市场（TAM）和其中云软件的比例。
2. 到2023年，过去几年，云软件每年的增长率为40%。
3. 但这一波AI带来了更大的可能性，将服务替换为软件。

为什么是AI 从想法变成现实？

先看历史：

• 60年代 - 半导体的发明
• 70年代 - 基于半导体的系统构建
• 80年代 - 系统通过网络连接，并有了软件包
• 90年代 - 网络向消费者开放，改变了沟通和消费方式
• 00年代 - 互联网成熟，支持复杂应用
• 10年代 - 移动设备的兴起，改变了工作方式

这些都是在前期技术基础上的积累和发展。

现在让AI从想法到现实：

1. 因为疫情，计算资源和设备得到大幅提升。
2. 有了快速、高效、可靠的网络。
3. 每个人口袋里都有一台“超级计算机”（智能手机）。
4. 疫情让大家被迫线上进行各种活动。

因此，AI将在未来10-20年成为主流趋势。

机会以什么形式出现？

先看历史：由于从云计算（cloud）到移动设备（mobile）的转型，涌现了许多收入达十亿美元的公司。

未来的机会：目前市场上还有很多空缺，机会非常巨大。未来将会有40-50个新的公司标志出现，这些公司可能会在AI领域成为行业巨头。

AI 现在

生产力提高

ChatGPT 在短短1.5年内出现，去年我们认为AI可能会通过以下方式提高生产力：

客服

根据原文章，Klarna AI助手在其上线第一个月内处理了三分之二的客户服务查询。Klarna 现在使用 OpenAI 来处理客户服务工作，已经实现了相当于700名全职代理工作的自动化。

原文章链接：https://www.klarna.com/international/press/klarna-ai-assistant-handles-two-thirds-of-customer-service-chats-in-its-first-month/

法律

像 Harvey 这样的公司正在自动化律师所做的许多工作，从日常繁重的任务到更高级的分析，帮助律师从重复性工作中解放出来，专注于更复杂的法律分析。

编程

从 AI Copilot 到 AI Agent，AI 正在帮助写代码，提高开发效率。（之前介绍过 号称取代初级工程师的Devin）

AI 虚拟人

Heygen 甚至能呈现出面部紧绷的细节，让虚拟人更逼真。

收入和用户的增长

一年前我们知道AI会提高收入，但不确定具体会发生什么。如今，新的公司和收入模式开始显现。

收入增长

AI的收入增长让所有人震惊。除去FAANG（Facebook, Amazon, Apple, Netflix, Google）几家公司的贡献以及云提供商的增长，AI收入达到了30亿美元。SaaS用了10年才达到这一收入水平，而AI只用了1年。

用户规模

无论是消费者公司还是企业公司，初创公司还是老牌公司，许多AI产品实际上都引起了客户的共鸣，并开始寻找适合跨行业的产品市场。

融资的不均衡

大多数资金流向了AI基础层，而应用层才刚刚起步。

其他成本

去年在NVIDIA GPU上的投资达到了约500亿美元，再加上能源和数据中心的成本，需要的资金远远超过AI目前产生的收入。

AI 使用情况

尽管人工智能的使用情况、收入和用户数量看起来令人难以置信，但使用数据表明我们还处于早期阶段。

从DAU/MAU和一个月的留存率来看，AI应用仍然远远落后于移动应用。这既是一个问题，也是一个机遇。这是一个机会，因为人工智能对大多数人来说，仍然是一种每周一次、每月一次的使用现象。但我们有机会使用人工智能来创建人们每天都想使用的应用程序。还有很多机会可以构建高频次、长期留存的应用程序。

用户为什么不频繁使用AI，主要是预期和现实之间的差距。AI 并不能完全按照要求完成任务。

但是正如上文提到的，已经花了500亿搞GPU了，可以慢慢构建更加智能的基础模型。例如，刚刚发布的Sora（Sora 视频生成模型）、Claude3（Claude 3 简介（上））和Grok（Elon Musk的X.ai发布的）都是朝着这个方向努力的例子。

产品演进

2007年：iPhone V1 推出，有一些很有趣、很轻的应用程序，如啤酒饮用应用程序、光剑应用程序、翻盖杯应用程序或手电筒，这些都是新技术的有趣演示。

2008年：有了 App Store。

2010年：Instagram 和 DoorDash 才出现。

我之前分享过 skeuomorph 这个概念，即最开始的设计都是模仿现实世界的简单设计，慢慢才会有真正原生的产品出现。

目前找到产品市场契合度（PMF）的集中产品包括：

• AI 客服
• AI 虚拟朋友
• AI 企业知识库，例如 Gleen 和 Dusk

2024预测

2024年AI四个趋势

• Copilot 到 Agent

  

  从 Copilot 到 Agent 的转变将是AI发展的重要趋势。我之前看过“编程老师傅”分享的一个视频，很有意思。从 Copilot 到 Agent 的转变，让AI更像是一个同事而不是一个工具。

• 规划与推理

  

  AI会拥有更高的认知能力，能够进行复杂的计划和推理。

• 可靠性与鲁棒性

  

  AI将逐步达到99.999%的可靠性，从强化学习人类反馈（RLHF）到 prompt 训练，再到矢量数据库。

• 从原型到生产

  

  如果能够完成这个转变，以下因素将变得尤为重要：延时、成本、模型所有权、数据所有权。计算资源将从预训练转向推理，这意味着对计算能力的需求将更加侧重于实时应用和实际部署，而不仅仅是模型的训练阶段。

AI 未来

范式

技术革命有很多种类型：

1. 像电话这样的通信革命
2. 像机车这样的交通革命
3. 生产力革命，例如粮食收割的机械化

我们认为人工智能主要是一场生产力革命。这种革命遵循一种模式：

1. 拥有工具的人类：最初，人类使用简单工具，如镰刀。
2. 拥有机器助手的人类：随后，机器助手出现，如机械收割机。
3. 具有机器网络的人类：最终，人类将依靠由机器组成的网络，如联合收割机。

我们可以将系统中的单个机器参与者称为“代理”。这种系统包括代理的拓扑结构以及信息在代理之间的传输方式，我们将这种传输方式称为“推理”。

本质上，我们正在人工智能基元之上构建非常复杂的抽象层，这种复杂的层次结构和交互方式，将进一步推动生产力的提升和革命。

例子

例子1: 软件开发

软件开发最初是一个非常手动的过程。艾达·洛夫莱斯（Ada Lovelace）用笔和纸编写了逻辑编程，能够完成计算，但没有机器的帮助。现在，我们生活在一个拥有重要计算机器助手的时代，不仅有计算机，还有集成开发环境（IDE）和越来越多的技术来加速软件开发。我们正在进入一个新时代，这些系统在复杂的机器网络中协同工作。你所看到的是一系列协同工作的过程，以产生复杂的工程系统。这些代理一起工作来生成代码，不是一次一个，而是实际上是一致和谐的。

例子2: 写作

写作是一个人类的过程，是人类，也是一种工具。随着时间的推移，这已经发展为人类和机器助手的合作。现在我们有了一个人，他实际上利用的不是一个助手，而是一个助手网络。我在自己的个人工作流程中，每当我呼叫人工智能助手时，我不仅仅是呼叫 GPT-4，我还呼叫 Mistral-Large 和 Claude-3，我正在呼叫他们共同努力，也相互互动，以获得更好的答案。

意味着什么

1. 明显的成本降低

   

第一张图表显示了标准普尔500强公司产生100万美元收入所需的员工数量，这个数字正在迅速下降。

第二张图表显示了我们过去在各种领域取得的进展，这些领域都出现了通货紧缩。我会举计算机软件和配件为例。由于我们不断地相互构建，计算机软件的成本实际上随着时间的推移而降低。电视也是如此，但对我们社会来说最重要的一些事情，如教育、大学学费、医疗和住房，它们的增长速度远远快于通货膨胀。人工智能有望帮助降低这些和许多其他关键领域的成本，从而降低这些领域的价格。我们将用更少的资源做更多的事情。

1. 所有的东西都会被生成

   

未来，像素将不再被渲染，而是被生成。任何给定的图像，甚至信息都会被生成。——黄仁勋

• 阶段一：从历史上看，图像一直被存储为死记硬背的记忆。比如字母A，ASCII字符编号97，将其存储为像素矩阵。

• 阶段二：我们已经在表示像字母A这样的概念，不是作为死记硬背的存储，不是作为像素的存在或不存在，而是作为一个概念，一个多维点。我们需要考虑的是字母A的概念图像，这个概念可以扩展到任何给定的字母A的格式。

• 阶段三：能够将这种理解置于具体的情境中。计算机将理解字母A，能够渲染它，理解它是一个字母，理解它是一个英文字母，并理解它在这个渲染的更广泛的上下文中意味着什么。计算机会看到“多维”这个词，甚至不会考虑A，而是理解为什么要提出这个词的完整背景。

这个未来就是我们的思维方式，人类的思维方式。我们不再存储计算机内存中的死记硬背像素。我没有被告知字母A代表页面上像素的存在或不存在。相反，我们会将其视为一个概念。这就是我们数千年来对它的哲学思考。2500年前，柏拉图形式的理念是我们所有人都认同的，也是我们所有人都在努力追求的。在字母A的例子中，你有这个概念，或者我们实际上能够围绕它构建模型的软件工程概念。

1. AI 注入到公司

   

这对公司建设意义重大。

• 阶段一：我们已经将AI集成到特定流程和关键绩效指标（KPI）中。
• 阶段二：这已经与新的用户界面一起发生。对于实际支持的沟通方式，这可能是一个不同的界面。
• 阶段三：最终，整个公司可能会开始像神经网络一样工作。

例子：

这是客户支持流程的流程图。您的客户服务具有特定的KPI。这些是由文本到语音、语言生成、客户个性化等驱动的。这会输入到您正在优化的子模式、子树中。最终，你实际上会在这里得到一个完全连接的图。实际上，您将获得从语言生成到最终客户服务KPI的反馈。在某种程度上，这将成为一个抽象层，由神经网络管理、优化和改进客户支持。

现在，让我们考虑一下独特的客户，这是建立业务的重要工作的另一部分。拥有从语言生成到增长引擎的以添加定制和优化。

这里强有力的结论是，最终这些抽象层将变得可互操作，使整个公司能够像神经网络一样运作。

一人公司的崛起：
一个人的公司将使我们不仅做得更少，而且做得更多。更多的问题可以由更多的人来解决，从而创造一个更美好的社会。

未来

我们对未来充满了期待，因为我们坚信人工智能能够帮助我们降低成本，提高社会在一些最关键领域的生产力，例如提供更优质的教育，培养更健康、更高效的人口。AI技术的进步将带来一系列积极变化，改善我们的生活质量并推动社会进步。我们相信，人工智能将成为实现这些目标的关键工具，帮助我们构建一个更加美好和高效的未来。