2023-03-06

No.3

AI产业的“摇钱树”会在哪一层？

主理人：

新浪潮之下，机会会在哪里？

1. 通用人工智能这个概念的有趣之处，就在于每天都会有新想法和新东西。说实话，很久没有遇到ChatGPT这样，玩了好久你也不会腻的东西

通用人工智能这个概念的有趣之处，就在于每天都会有新想法和新东西。说实话，很久没有遇到ChatGPT这样，玩了好久你也不会腻的东西了。大部分的新产品，玩个一两天就觉得无聊了；少量新产品，能够让你晚上两个礼拜。但是ChatGPT已经玩了2个多月了，但是每天都会有新的 Wow 的时候。

围绕着ChatGPT，总会有一开始觉得很棒的新创意，但是因为技术门槛的大幅度降低，又很容易抄袭和被抄袭。每看到一篇新的论文，都是又兴奋，又觉得显而易见。

在过去的两个月之后，身边也有不少投资人和创业者开始行动起来了。虽然大家并不知道终点是什么，但是知道这一次不参与一定会后悔。

而这一期里，我们仍然会通过4篇内容来聊聊我们对于新浪潮之下，机会会在哪里：

1. 相信很多人很关心的一个问题是 AI产业哪一层能赚钱，任鑫在看了一圈，把现有的产业分成硬件、云平台、标记、研究和应用之后觉得还是很难判断。特别是应用层，在大模型把应用门槛降到最低之后感觉就是一个血海。不知道你在这一点上怎么看。

2. 而我在看到了Meta发表的这篇 Toolformer 的论文之后，更加相信我们离AGI越来越近了。通过大模型的语义理解能力，再去调用外部能够给到准确结果的API或者知识库，很多原本ChatGPT”表现不佳“的领域都可以被很好地解决。

3. 选择做什么？大模型还是应用？还是存在一个中间层的选择？任鑫想要挖掘究竟整个产业未来会是怎么样的。除了大模型和ChatGPT之外，未来还会需要什么样的基础设施呢？在最显而易见的写作助手之外，应用层又需要那些东西？

4. 而最近常带娃儿的我，又有了一个新问题 —— 那就是未来的人会变成什么样呢？00后是移动互联网的原住民，他们习惯于手机输入大量资料，习惯于通过短视频获取信息和知识。当AGI渗透到生活的方方面面之后，10后甚至20后将来还要去背诵九九乘法表么？

欢迎给我们留言，和我们一起多聊聊你对AGI时代的思考和展望。

徐文浩

2. AI产业哪一层能赚钱

任鑫

与朋友讨论，这一波AI浪潮，哪里存在真实持久的机会？

一方面，我们可以使用大量比喻性的方式来理解和寻找机会——比如ChatGPT到底是浏览器、操作系统还是蒸汽机；另一方面，我们可以从商学院的角度，对产业进行简单拆分，看看各个层面的状态和可能性。Richard 这篇 Profits in AI 给了我很多启发。

一般来说，人工智能产业有五个不同的层次。

- 硬件：Nvidia, Intel, AMD and TSMC
- 云平台：AWS, Azure, GCP and Oracle Cloud
- 标记：Scale AI, Appen, Hive, Labelbox …
- 研究：Open AI, Deepmind, Stability, and Anthropic
- 应用：Copy.AI, Midjourney, Github Copilot…

硬件层能受益，但利润有限。

从设计方来看，Nvidia 很强，Intel 也还在，Google 还有自己的 TPU；从生产方来看，台积电很强，但别的工厂也有能力抢生意，让它无法抬高溢价；而从销售走向看，最可能的大买家是少数几个大型云平台，这些平台看重性价比、议价能力也很强。

光看利润，这些公司应该都不错。但如果把技术路线锁死的风险，和大规模固定资产投资的风险，都算进来的话，那部分利润就不那么值得羡慕了。

云平台或许收益最大，在硬件采购上有选择，但在销售上仍然可能做出差异化利润。

从 Stability 和 Dall-E 的战果看，研究（模型）层的先发优势极其明显。Stability 比 Dall-E 先公开给大众 1 个月，就抢走了绝大部分关注度。从竞争角度，会导致研究（模型）层不惜代价抢云算力，加快自己的迭代，获得先发优势。

标记公司也有几十亿美金估值，但可替代性过强，很难拿到高利润。而且，目前看很可能未来也不一定需要大量的人类劳动来做标记。

研究（模型）层很难获利，主要是因为成本高企。

人才很贵，训练很贵，而赚钱会很慢——因为模型层本质上是做平台，而不是应用，需要先养生态。所以，OpenAI 才会放弃那么高的股票份额换取微软投资，没有巨额资金根本玩不转这个游戏。

而高融资带来的光环效应，可能会创造和引发更激烈的竞争，让更多的钱涌入支持竞争企业，让已有玩家赚钱更难。

应用层感觉比较好做，但也比较薄。

应用层比较舒服的点是离商业化比较近，很容易收钱，而且其实对研究层没有绑定，可以敏捷更换更好的 AI 模型来支持自己的应用。

但是，这一层也很薄，很容易被颠覆。和朋友聊起来最多的例子就是 Jasper，ChatGPT 升级后吃掉他一口（用 ChatGPT 可以实现大部分它的功能），而 Notion 之类笔记软件增加 AI 模块之后又能吃掉它一口。我现在就正在 Notion 里编辑这篇文章，每写一段都会让 Notion 帮我 AI 润色一下。这种无缝体验会极大降低我去体验独立的文档优化工具的动机。

目前在创业老兵这边，比较共识的观点是 AI 应用会爆炸，但是很难建立壁垒，很可能有百万级的（是的，现在一个人也非常容易搞出三五个好用的 AI 应用）应用方生方死，看起来站在时代的风口浪尖，实际上身处一片血腥红海。从战略上讲，站在这个红海的上游（比如基建提供）或者下游（比如服务商）可能是更有确定性的生意。

相关延伸

- 《人工智能时代的新商业设计》来了来了！通用人工智能（AGI）真的来了

- https://snowingpine.com/2023/01/25/profits-in-ai

3. Toolformer，又向AGI靠近一步

徐文浩

最近看到Meta在AGI领域发了一篇新论文，感觉世界又朝AGI靠近了一步。

大家在玩ChatGPT的时候，都会遇到一个问题，就是AI的算术能力并不好。如果是简单的一二位数的计算，它大部分都还能算对，但是来个三位数乘法，往往就会胡扯一个差不多但是不正确的答案。

实际答案应该是 169435，ChatGPT基本上都是算个大概

这个，也是很多人认为，ChatGPT只是一个大语言模型，并不真的蕴含任何智能。我之前虽然不认同这个观点，但是的确也很难辩驳。毕竟大家手上谁都没有大模型都只能根据自己用ChatGPT的体验胡扯。直到Meta的这篇论文出来，进一步加强了我的想法，也多了一些实证。

Toolformer的论文里，不再依赖于语言模型，而是调用外部API来进行数学运算和维基百科的搜索

这篇论文，想到了一个有趣的解决AI不会算算术的办法。那就是，只让语言模型解决语义理解问题，然后让模型根据对于语义的理解，自己判断是不是应该调用一个外部的API，并且提取出合适的参数传给他。如果要打一个比方的话，就是让AI听懂了输入，然后在算算术的时候不是自己心算，而是去按计算器。该不该按计算器，往计算器里输入什么内容是AI自己判断的。

这样一来，AI不仅能胡扯，未来AI也能自己决定通过API“做些什么”。如果再做一些极端的想象，科幻片里AI毁灭人类的事情完全可以发生。AI完全根据外部信息，决定调用某个无人机发射导弹的API。AGI离我们越来越近，不过似乎这个世界也越来越危险了。

论文：https://arxiv.org/pdf/2302.04761.pdf

4. AI 基建 vs. AI 应用

任鑫

看少楠这期《产品沉思录》讲应用和基建层的关系，觉得很有启发。

从历史看，其实科技发展一浪一浪，总是应用程序带来了基础设施，然后产生了更好的应用，然后需求拉动了更强的基础设施……

互联网和移动互联网这两波，很明显就是如此。

1970 年有 IM，1972 年有Email。

而1973 年才出现 Ethernet，1973 年出现 TCP/IP，1974 年出现 ISP；

然后是新一波的应用，1991 年门户网站 AOL，到 1993 年才有第一款流行的浏览器 Mosiac；

1994 年出现 Amazon.com 这样的早期网站，同期有了 PHP，一年后有了 Javascript 和 Java；

1999 年出现 Napster，2000 年 Pandora，2004 年 Gmail 和 Facebook，2004 年出现 NGINX 和 Ruby on Rails，2006 年 AWS 上线……

比较有意思的是更早期的科技浪潮。

灯泡（应用程序）是在电网（基础设施）之前发明的；
飞机（应用程序）是在机场（基础设施）之前发明的。

应用表达了自己的潜力之后，基础设施兴起，帮助应用普及落地。

回想我 2015 年开始吆喝会话式商业 Conversational Commerce，其实什么都没想明白。

当时到底是要做应用还是做基础设施呢？
如果是做应用，是什么新的基础设施出现，让这件事情可行了呢？还是预测未来几年出现什么新基础设施（比如 ChatGPT）提前布局呢？

如果是做基础设施，那么已经被少数人接受的会话式商业的具体应用是什么，它们遇到了什么规模化的困难是我提供新的基础设施可以解决的？

https://xiaobot.net/p/pmthinking2023?refer=a2db3eb3-3317-4059-a37d-a93dd0771957

5. 在AGI下长大的新一代人

Tyler Cowen的这篇访谈很有意思，与其说他给出了一些想法和结论，不如说是抛出了一个问题 —— 伴随着AGI长大的人会是怎么样的？什么样的能力和特质变得更加重要了？

从外包“记忆”到外包“智力”

作为一个80后，在我长大的过程里，并没有智能手机、移动互联网、短视频和微信。电脑虽然接触得早，但也是到了高中才有，而且住校平时也没什么机会用。我大部分年少时候的娱乐是读“书”，这个“书”代表各种各样的文字作品。报纸、杂志、漫画、小说、课本，听磁带。因为信息渠道的匮乏，我什么都读，很多东西都反复读了很多遍。

这个习惯似乎对于中小学阶段的学习成绩似乎是有利的。毕竟学校的教育注重背诵而不是理解，你只需要知道鸦片战争发生在哪一年，世界最高峰是什么，就能得到一个好成绩。但是1840年同时代的世界到底是一个什么样子，为什么会变成那个样子其实你并不理解。即使有需要“理解”的题目，你需要“理解”的也是一个“标准答案”。

曾几何时，打字也是一门专业技能

不过，曾经你能记住那么多“知识”就算得上是有文化了。不过，这一点在有了搜索引擎之后其实实用价值就大大降低了。能背得出的古诗多的人原本可能高人一等，但是现在谁都能拿手机立刻搜出来。在互联网和搜索引擎出现之后，我们对于知识的“记忆”就可以外包了，你只需要能够记得一些“索引”性质的信息，很快就能在网上找到答案。

而在AGI不断往前走的过程里，不仅“记忆”可以被外包了，“智力”也可以被外包了。你甚至不需要知道搜索的关键字是什么，提出问题，然后不断深入，ChatGPT一样可以帮助你解决掉。似乎我们只需要有最宏观的概念和想法，一切具体操作落地的事情都可以交给AI去解决了。

ChatGPT 说：你丫就是个翻译官！

在上一期里，我们觉得，也许知识的本质就是“翻译”

我们在塑造AI，AI也在塑造我们

但是，如果我们回顾一下这个教育过程，“记忆”并不是没有用的。更复杂的知识、理解往往伴随着对更基础的知识的掌握和积累。尽管你今天不再需要背诵九九乘法表，但是作为愚昧落后的人类，你不得不经历这整个过程才能学会微积分和概率论。“智力”更是这样，如果你没有对于AI从基本的多变量微积分到Transformer和强化学习的一系列的理解，我们并不能靠少数的想法来创建ChatGPT。

虽然今天的教育并没有跟着技术的变化真的做出很多改变，但是技术的进步已经让每一代人的习惯和工作方式完全不一样了。比如我自己，就还是习惯于写任何一点东西都要用上键盘，始终适应不了用手机进行大量文字输入，而更年轻的一代则已经习惯语音输入了。我们家不到10岁的小朋友，还不会输入法，我原本以为看电视找节目他会找我帮忙，却没想到他自己已经对着遥控器用语音输入了。这让你很难想象，在我中学的时候，打字还是一门专门要单独学习的课程。

当然，不是所有的技术进步都给了我们正面感受。比如，微信和各种IM的出现，让我逐渐失去了长时间集中注意力的能力。无论是工作、旅行、生活，总是习惯于没隔多长时间就要点开IM看一下。就在写这篇文章的过程里，我都切换出去了好几次。某些时候，我都想把缺少产出怪罪在IM上，我们似乎因为它，习惯了碎片化的工作，碎片化的思考，碎片化的娱乐。在这个过程中，我们的大脑也被塑造成很难集中注意力超过15分钟。

看了一下iPhone的使用时间，过去一周平均每天要用4个小时手机

回到ChatGPT和AGI上来，我已经看到有朋友开始改造家里的智能音箱，连接OPEN AI来让AI伴你左右了。当我们习惯了任何一个问题都会快速有一个答案，甚至AI可以帮我们做完之后，我们还会有耐心继续去学习这些知识么？在这个过程里，AI有着强烈的两面性。一方面，它可以让每一个人都有一个个性化的学习过程，每一个人都有一个针对自己的家庭教师。另一方面，既然任何事情问AI就有答案了，我们是否会失去学习的动力？

我们现在大部分的“知识工作”，伴随着12年的基础教育和4年的大学。然后进入一个公司，从一些简单的基础工作开始干起，直到3年或者5年之后，才能做更复杂的事情，从程序员到架构师。如果当所有的初级岗位都可以被AI代替了我们应该怎么办？是所有人都不得不花更多的时间在学校里，读到硕士博士，才能工作赚钱，还是更悲观的随着现在一代人的老去，已经很少有人能掌握足够的知识把世界再往前推一步了。

魅力是唯一的出路么？

在越来越多的事情上，AI已经能够和人类比肩了。比如写作，在未来5年内，如果AI能够写出媲美优秀作者的Essay并不会让我觉得意外。到时候，写得一手好文章的本事可能就不再重要了。那么，重要的会是什么？Tyler觉得很可能是魅力，自信、外向，直接在现实世界面对面可能对其他人更有“价值”。

事实上，过去几年已经有越来越多的人跑去做“网红”或者KOL。即使在线下实际可能安静内向的人，在镜头下手机里也要显得艳光四射。因为信息和知识实在太透明了，唯有情感大家难以获得。不过，这样的世界是否会逐步走向「三体」里面的大低谷那样，变成一个弥漫享乐氛围的社会？我没有答案，只是从现在开始，世界从此不同了。