AI历史性机遇从底层基础设施至新工种。
工业革命就注定会有钢铁、石油、铁路巨头。互联网也注定会有搜索、电商、即时通讯。历史性变革催生历史性机会,而这种历史性机会往往内置于技术的特征。技术特征决定了机会是什么,甚至也决定了机会的先后。如果我们认为AI是历史性变革,那什么是AI背后的历史性机会呢?这种历史性机会又会如何排布?所谓不谋全局者不足谋一域,在这篇文章里,我们拔高到上帝视角,尝试对AI的历史性机会进行预测。
上世纪五十年代到现在如果要提炼,走过的过程大致是:
市值千亿美金量级
1.底层基础设施萌芽--- 硅谷八叛徒那个年代做的芯片等,最终酝酿出的就是Intel这种峰值3000亿美金(2000年)的芯片公司。
2.底层基础设施确立(硬)--- 电脑、操作系统铺开。Wintel联盟,让产业形成了芯片和系统为核的控制点,PC服务器反倒是配套的局面。互联网则是思科(后面是华为等)提供网络基础设施。
市值2万亿美金量级:
3.底层基础设施确立(软,系统级平台)---微软控制力达到历史峰值,2000年达到那时候的5000亿美金。开源的Linux把云服务的操作系统切走了。后来的云算是一部分互联网基础设施。
(2000年微软的股票价格和市盈率)
苹果很另类是软硬融合的系统级平台,但这非常依赖乔布斯这种另类的人。
市值千亿美金量级:
4.垂域型应用出现--- SAP、Office、搜索等。千亿美金及以上市值的公司。
(SAP的市值)
市值万亿美金量级:
5.平台型应用出现(应用级平台)--- 电商、即时通讯、短视频等。
市值十亿美金量级:
6.新工种出现--- 主播、淘宝店主、滴滴司机。比如MCN等
市值百亿美金量级:
7.周边的工具--- 安全等
总结来看就是底层基础设施催生系统型平台,而底层基础设施成熟后催生巨型应用和应用平台,应用平台催生新的工种。
AI构建了一种新的计算模式,它从底层到上层都与过去的计算机和互联网是并行的,虽然很多时候会交叉。但就像互联网也用计算机一样,两者要分开看,但底层的脉络反倒是可参照(方法的方法类似)。
我们还是用同样的思考框架来看AI:
潜在2万亿美金量级:
1.底层基础设施(硬,英伟达实际上是软硬融合的系统级平台)--- 英伟达GPU+CUDA。与过去的纯粹芯片并不完全一样,而是融合部分操作系统的职责。英伟达走在了所有人的前面,成为2万亿美金以上的公司。但不要忘记这是几十年努力的结果,不是微信这种快速崛起的式的成功。
(2024-5-29 英伟达股票,市值全球前五)
2.底层基础设施(软,系统级平台) --- 大模型公司正在形成。OpenAI看来会占据一个。其它的还不明朗。
会不会出个类似苹果那样的软硬融合的机器人公司呢?一个是很遥远,一个也是不确定性太大,先不讨论了。
潜在千亿美金量级:
3.垂域型应用--- Copilot是在这里。Copilot每年收入超过100亿美金,单独拆分的话估计很快会过千亿美金市值。
潜在万亿美金量级:
4.平台型应用(应用级平台)--- 还没影,但不能假设OpenAI把这个都做了。可以想象互联网的各种应用要基于AI重构、税务、企业、制药等会出现新的应用。千亿美金以上的AI公司。最简单的形式,拥有大量《Her》也可以成为平台。可能有自研模型,也可能没有。和过去的应用不一样,这种应用有可能是软硬融合的,外部同时管理大量设备,比如一个中心+N个AR眼镜。
潜在十亿美金量级:
5.新工种出现--- 比如真是Her的平台,那陪聊天服务中真人也会有个特殊位置。
潜在百亿美金量级:
6.周边的工具--- 这个会一直有,小工具估计到不了这个规模。但同样的安全类工具等还是可以的。和过去差分的是还可能出现一些顶着Agent名义的工具人平台。过去需要雇佣人的情景,直接雇佣他们。
说AI是单纯的赋能,颠覆性不强,应该是错的。
恰相反,所有过去的技术的颠覆性可能都不如AI的一半。(同携程梁建章梁总的AI影响不如互联网观点正相反)
这个一半是从人的角度进行考量。但它确实因为纵深太夸张,启动的非常费劲,节奏也慢很多。
基础设施成熟后,真能进入应用阶段一下子增速会快起来。
微软从成立到峰值花了30年,Google就不用,大概也就10年。这次的英伟达也差不多用了30年。偏硬科技的基础设施所对应的游戏规则和应用的游戏规则差别很大。
这种颠覆性来自于计算模式的本质性变化。
过去的计算模式是CPU(包括电脑、服务器等)提供算力,程序员提供智能,互联网加持应用范围和可能性。
AI的计算模式是GPU提供算力,大模型提供智能,程序员负责缝合,互联网继续加持应用范围。
别看主要是谁提供智能这一点变化,实际上作用到应用上是天壤之别。
这导致在到底能干什么,怎么干上发生本质性变化。
在程序员提供智能的时候,再怎么努力也只能是在各种领域做“辅助驾驶”。并且“辅助驾驶”的范围非常限定,领域一复杂它就搞不定了。别看能运作抖音这种大型平台,但它后面的需要的智能复杂度还不如管理一个200人的公司。
大模型提供的时代就可以在各种领域做“自动驾驶”,并且让“辅助驾驶”的深度也完全不一样。Copilot这种“辅助驾驶”工具和过去的Office助手比,影响深度根本不在一个量级。
所有的领域的"自动驾驶",就是所有领域的超级自动化(Copilot VS Autopilot)。
因为是计算模式的本质性改变,必然会导致基础设施上面的应用形态彻底改变。
从智能音箱这种产品我们应该能感受到,它和过去的APP不是一个事儿。
根子还是在智能的程度。
低智能、低信息量的前提下,最合适的吞吐信息的方式一定是分类。
菜单、按钮、网页导航等全是分类。整个图形用户界面交互的基础就是分类。
高智能、全范围信息量的前提下,最合适的吞吐信息的方式会变成对话。智能体负责分类并折叠了它。
在过去分类到对话最明显的例子是雅虎的导航到搜索引擎。这是最原始版本的信息消费升级,从纯粹分类到搜索框的类似对话。
现在恐怕所有的领域全部要重来,并且深度远超以往。
真独立打穿这样一条产业,核心挑战是什么呢?(也不可能再像过去那样了,这次是需要独立走起来)
核心的不是资源而是场域。不妨先简单的把场域理解成一种体现价值体系的环境。
我们假设资源足够,那看下这两种环境里,能打穿上面这条路么?
璩女士的婆婆论里面能打穿上面那条路么?
你辞职啊,我秒批。
我为什么要考虑员工的家庭,我又不是你婆婆、也不是你妈妈。
你可以不用承担重要的工作,但涨薪的时候就没有你什么事。
东哥的兄弟宇宙里能打穿上面那条路么?
如果你业绩好,你可以永远不需要去加班加点,公司永远是爱你的,永远给你非常好的收入待遇。如果你业绩没那么好,只达到了平均水平,你只要拼搏,公司永远不会辞退你。但是业绩不好,又从来不拼搏的人,这家公司永远不能容忍,一个(公司都)不能容忍,都会逐步通过各种手段全部淘汰出局。
我也知道每个人生活的选择不一样。我们也有员工更多享受生活,生活第一,事业 / 工作第二,不想拼,我能理解。这没有错,但我只能说,你不是我们的兄弟,是路人。什么叫路人?就是你既不是我的朋友,也不是我的兄弟,也不是我的敌人。我们不应该在一起共事,因为你的存在会让我们在拼搏的兄弟们的利益严重受损,对他们严重不公平。
这点别的文章里面提过多次,没钱肯定不行,但有钱了也不一定行。
固然很多团队没拿到钱,但对AI本质上资本是稀缺还是过剩呢?我的判断是过剩。
真要从苦不苦想想长征两万五的角度,对一个会产生颠覆的领域而言,其它方面的条件其实也没那么差。
大家对市场其实是舍得投巨资的比如价格战。
花的钱并不会少的。不说大模型的价格战,过去智能音箱上花出去的钱应该也够做好几个chatGPT。
但研发它不单是个砸钱的过程,没见富二代出山砸的很多电影五分都没有。
价格战等是个加速手段,但现在的问题是车还不行。
这个根子的不匹配会导致基础设施的缺位,除了开源Windows这种系统估计也是长期隔离状态,反过来就会导致AI的智能长期不高,拖慢整个发展。
AI确实到了比较危险的时候。一方面是整个通路还不通,一方面是已经聚集了能聚集的大量资源。如果弹药用尽了,还是商业不闭环,那还真就抓瞎了。所谓知止而后有定,在怀疑和沮丧太多的时候,开脑洞看下产业后续发展的脉络,可能也不是坏事。(其实这篇文章的通篇观点同金沙江朱啸虎朱总的关于AI的观点也正相反)
文章来源于“琢磨事”,作者“老李话一三”
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】MindSearch是一个模仿人类思考方式的AI搜索引擎框架,其性能可与 Perplexity和ChatGPT-Web相媲美。
项目地址:https://github.com/InternLM/MindSearch
在线使用:https://mindsearch.openxlab.org.cn/
【开源免费】Morphic是一个由AI驱动的搜索引擎。该项目开源免费,搜索结果包含文本,图片,视频等各种AI搜索所需要的必备功能。相对于其他开源AI搜索项目,测试搜索结果最好。
项目地址:https://github.com/miurla/morphic/tree/main
在线使用:https://www.morphic.sh/