聪明的东西
作者 王悦
编辑鑫源
智东西网11月27日报道 11月21日，Slush 2024大会上，顶级风投a16z前合伙人、美国知名独立分析师埃文斯发表题为《AI Eats the World》的演讲观察演讲称，生成式AI正在从当前的“炒作周期”走向实质性发展，真正的生产力峰值预计将在几年内出现。
埃文斯表示，虽然生成式AI估值大幅上涨，但行业仍处于高预期、高估值阶段，该技术广泛应用并具有实际价值还需要时间。他表示，生成式AI将经历四个阶段：从最初的惊喜到智能功能，再到自动化，最终成为像普通软件一样普及并融入日常生活的基础技术。
此外，AI行业的资本支出正从纯粹的软件开发转向基础设施建设，以支持AI产品的扩张和长期运营。这种转变反映了企业中日益增长的 FOMO（害怕错过）情绪，许多公司争先恐后地赶上人工智能浪潮，并大力投资以避免被淘汰。
埃文斯还表示，AI模型的快速迭代和成本降低将是推动市场发展的关键因素。通过技术优化，模型训练成本降低了90%。 meta和苹果通过开源、边缘计算等策略，加速了AI技术的普及和多元化应用。他预测，未来AI模型将每隔几周迭代一次，推动行业不断推出更高效的模型。
随着生成式人工智能逐渐从创新工具转变为企业发展的基础技术，正在推动效率提升和业务转型。尽管能否完全取代传统工作流程还存在不确定性，但人工智能已经日益成为商业中的核心角色，成为行业发展的驱动力。
微软20年征程已经过去一两年了，AI仍处于炒作周期。
埃文斯在演讲中提到，要了解当前AI技术的进展，我们可以从微软前CEO比尔·盖茨18个月前的一句话开始。盖茨曾经说过，他在职业生涯中只看到过两次革命性的变化：图形用户界面（GUI）和.
微软用了大约20年的时间才达到1500亿美元的市值，但只用了不到两年的时间就达到了近1600亿美元的估值，这意味着新的AI技术在行业中的采用是史无前例的。
埃文斯提到，生成式AI正处于高估值、高期望的阶段。诸如此类的工具很快引起了全球的关注，但距离技术成熟和广泛应用可能还有很长的路要走。根据他所使用的技术炒作周期图，AI技术要达到生产力巅峰还需要时间，真正的价值可能要到几年后才会显现。
▲炒作周期图解
然而，技术发展总是每10到15年就会出现一次新的技术浪潮。从20世纪中叶的大型计算机，到个人计算机（PC）的普及，再到互联网的兴起，以及智能手机的广泛使用。埃文斯表示，从更宏观的角度来看，生成式人工智能有望成为下一个技术平台，推动未来10到15年的技术创新、投资热潮和行业变革。
然而，AI行业目前面临着一个关键问题：大型语言模型的训练效果开始趋于饱和，速度正在放缓。业界普遍质疑该法是否仍然适用。
对于生成式AI，业界存在两种完全不同的观点。一方面认为大型语言模型的扩展性可能达到极限，未来突破的空间有限；另一方则认为，该模型的扩展潜力几乎是无限的，未来可能发展成为全能工具。目前，这两种观点尚未得到充分验证，也没有形成广泛共识。
▲大语言模型扩展问题
2、FOMO严重，AI资本支出达千亿美元
在硅谷，FOMO（害怕错过）是一种普遍现象，尤其是在AI行业。许多公司害怕错过AI浪潮，因此投入巨资。埃文斯表示，当前行业投资热潮和巨额资本支出的背后是未来发展的不确定性和竞争压力。
▲谷歌母公司投资者关系新闻
例如，谷歌在 2023 年 5 月的内部备忘录中提到：“我们没有护城河”。 2024年，AI大型模型公司预计其训练成本将达到50亿美元至100亿美元，meta的Llama 3.1模型训练需要投入约5亿美元。
▲训练meta Llama 3.1 SOTA模型来预测算力/资本强度
微软、谷歌、亚马逊和meta四大科技巨头的资本支出预计在2024年将超过2000亿美元，比去年增加近1000亿美元，并计划在2025年进一步增长。 AI产业正在从单纯的软件开发转向基础设施建设，以支撑AI产品的拓展和运营。
▲AI资本支出排名前四的公司
3、AI模型成本大幅下降，产品商业化路径多样化。
生成式人工智能的一个核心挑战是成本。与消费互联网的低边际成本不同，生成式AI的运行需要大量计算资源的支持。 AI技术的快速进步不仅在于性能的提升，更在于成本的降低。
通过优化数据中心、提高效率，模型训练成本降低了至少90%。
▲模型品质与支出变化
同时，市场上出现了越来越多的高性价比机型，用户可以根据自己的需求选择性能最佳或成本最低的解决方案。 meta通过开源策略，大幅降低了AI模型的门槛。苹果依靠高性能边缘计算设备推动AI在终端设备上的普及。
▲模型品质与支出对比
随着人工智能模型逐渐商业化，不同企业通过不同的商业模式推动市场拓展。 meta是免费的开源模型，而苹果则通过高效的边缘计算将AI技术集成到消费产品中。这种“好、快、便宜”的趋势预示着未来几年人工智能技术的市场将变得更加多元化和灵活。
▲型号性价比对比
此外，埃文斯表示，人工智能模型快速迭代的趋势预计将在明年继续主导市场，每隔几周就会出现新的更高效的模型。 2023-2024年，市场将见证高性能模型的爆发，这不仅加速AI技术的普及，也对模型开发成本提出了更高的要求。具有成本效益的模式正在重塑行业格局，并推动更多公司采用生成式人工智能技术。
▲2023-2024年AI模型爆发
4、人工智能应用普及，企业采用率持续提升。
生成式AI的应用已逐渐走向企业级市场。许多公司，尤其是软件开发和营销领域的公司，开始将生成式人工智能技术集成到现有运营中，以实现流程自动化并提高效率。根据埃森哲的报告，到2024年，其生成式AI相关业务已达到每季度10亿美元的规模。
▲埃森哲生成式AI工具采用规模
随着技术的不断发展，公司不仅改变了运营方式，还创造了新产品并提出了新想法。初创企业也积极参与人工智能应用创新，不少企业押注生成式人工智能将成为未来的核心技术。
例如，Y在2024年投资了大量人工智能初创公司，押注这些公司将推动生成式人工智能技术成为新标准并创造更多商业用例。
▲Y 2024年AI初创公司投资数量将大幅增加
埃文斯表示，虽然许多企业都押注生成式人工智能将成为下一个通用技术（例如人工智能），但它是否能够完全取代传统工作流程还有待观察。但可以预见的是，随着市场对技术的需求不断增长，生成式AI正逐渐从创新工具转变为推动业务发展的基础技术。
5、未来AI将像软件一样融入日常生活
科技行业总是对未来感到兴奋。两三年前，加密货币是一个热门话题，尽管并非所有人都看好它，但仍有一些人认为它是未来的趋势。此外，虚拟现实（）、增强现实（AR）和虚拟现实（VR）也一直是焦点。如今，所有人的目光都集中在生成式人工智能上。
埃文斯总结了人工智能的发展过程，并将其分为四个阶段：最初，人工智能因其令人惊叹的性能而受到关注；然后，演变为“智能”功能，比如智能推荐、智能布局、智能总结等；然后，AI进一步发展为“自动”功能，能够自动纠错、自动格式化；最终，它将成为日常生活的一部分，像普通软件一样融入人们的工作和生活。
▲未来AI将像软件一样
埃文斯结合了这些想法，认为生成式人工智能正在朝这个方向发展。在过去的18个月里，他与许多大公司和组织进行了广泛的交流，收到了大量有关AI的问题。他认为所有关于生成式人工智能的问题都可以归结为两类：
一是关于平台转变，例如“我们应该从谷歌购买产品吗？” “谷歌会控制整个市场吗？” “会有新的初创公司吗？” “我们需要自己的国家人工智能战略吗？”这些问题让他想起：“我们需要自己的国家SaaS战略吗？”或者“我们需要自己的国家 SQL 战略吗？”埃文斯说，这些问题更像是在讨论平台转变，而不是对生成人工智能本质的深入理解。 。
另一类是关于未知的技术领域，例如：“模型可以扩展到多远？” “错误率会如何变化？” “现有的数据够吗？” “这需要多少能量？” “我们可以吗？拥有一个自我维持的训练模式？”埃文斯对这些问题的回答是：“我不知道，但其他人也不知道。我们得等几年才能找到答案。”
▲对AI未来的两种看法
结论：生成式人工智能只是技术进化的一个阶段
演讲最后，埃文斯提出了一个深刻的观点：技术的本质是“机器还不能做的任何事情”。十年前，图像识别被视为人工智能的代表，但现在它已成为常见的软件功能。同样的原理也适用于语音识别、模式识别和其他技术。随着技术的不断发展，曾经被认为是“智能”的功能正在变得平凡。
未来，生成式AI可能会逐渐成为日常软件的一部分，悄然融入我们的工作、生活和决策中，推动社会各领域的变革。
