ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
a16z前合伙人:大模型从技术突破到产品颠覆,还需最后一跃
4792点击    2024-08-08 09:32

Benedict Evans是一位知名的独立科技分析师,拥有超过20年的移动、媒体和技术领域分析经验。他曾在股权研究、战略、咨询和风险投资等多个领域工作,包括在著名风险投资公司Andreessen Horowitz(a16z)担任合伙人,负责研究和分析科技行业的趋势和发展,为公司投资决策提供支持。


Evans以其对科技行业的深刻见解和战略分析而闻名,他每年制作大型演讲,深入探讨互联网的现状和未来趋势。此外,他运营着一个订阅者超过13万的每周通讯,分享他对大型科技公司战略动向、市场趋势和技术对社会长远影响的分析。Evans经常在科技大会和行业论坛上发表演讲,并在社交媒体上分享实时洞察,是科技界的重要意见领袖。


   The AI summer


数以亿计的人体验过ChatGPT,但许多人尝试过后便未再回头。每家大型企业也都曾尝试过相关试点项目,但真正投入应用的却寥寥无几。这其中部分原因可能只是时间问题。然而,大型语言模型(LLMs)可能也存在陷阱:它们看似是产品,给人以神奇之感,但实际上并非如此。或许,我们终究需要经历寻找产品与市场契合点的漫长而单调的探索过程。


我前任上司Marc Andreessen曾说,网络泡沫时期的每一个失败想法如今都有成功的可能。这需要时间——宽带网络的建设需要数年时间,消费者需要购买个人电脑,零售商和大型企业需要构建电子商务基础设施,整个在线广告业务需要发展和壮大,更重要的是,消费者和企业的行为必须发生改变。未来的到来可能仍需要很长一段时间——美国零售业花了20多年才有20%的业务转移到线上。



人们现在可能忘记了,但iPhone在早期也经历了一段缓慢的起步时间。苹果在最初的12个月里仅售出了540万部iPhone,直到2010年,iPhone的销售才真正开始起飞(iPod的普及则花了更长时间)。这同样适用于企业市场。尽管在科技行业内部,云计算已经被视为一个成熟且司空见惯的技术,但事实上,即便在Marc Benioff(Salesforce的创始人)25年前尝试说服人们在浏览器中使用软件之后,企业的工作流程中也只有大约三分之一采用了云计算。



ChatGPT的发展速度要快得多。它在2022年底突然闯入我们的视线,并几乎立即占据了科技领域的所有关注焦点。如果你现在正在创办一家初创公司,而这家公司不是专注于生成式AI,你所有的朋友都会指着你笑;但更重要的是,ChatGPT仅用了2个月就达到了1亿用户。到了2023年春天,前所未有的人都已经听说过并使用过它。



正如对技术采纳加速的每一次观察,很大程度上我们都得益于前人的努力——OpenAI 无需等待消费者购买新设备,也不必等待电信运营商去建设DSL或3G网络。对消费者而言,ChatGPT 仅是一个网站或一个应用程序,OpenAI能够直接利用我们过去25年所建立的技术基础设施。因此,去年有许多人尝试了这项新技术。


然而,问题在于,这些尝试者中的大多数并没有成为回头客。如果你深究“使用”一词的含义,你会发现大多数人仅仅是出于好奇尝试了一两次,或者只是偶尔每几周回来使用一次。



上面这张图表展示了一种典型的乐观与悲观视角。一方面,说服发达国家四分之一到三分之一的人口在18个月内尝试一款新产品,无疑是一项艰巨的任务。另一方面,许多尝试过这款产品的人似乎并未发现其价值所在。


这里不可避免地存在选择偏差:如果你已经投资了650美元购买一部智能手机,那么你很可能已经认定它具有价值,并且不太可能轻易放弃它,这与那些你仅投入五分钟尝试的网站相比,态度截然不同。同样值得指出的是,这些模型的最优版本往往隐藏在付费版本之后。


然而,如果这是一款真正能够颠覆一切的神奇产品,为何大多数人在体验后只是轻描淡写地评价一句“确实很聪明,但似乎不适合我”,然后便转身离去?为何在过去的9至12个月里,我们观察到的活跃用户数量(而非仅仅是出于好奇的用户)并没有显著增长,这从一系列类似的调查中可见一斑?


最引人深思的可能是谷歌趋势数据,尽管这些数据需要谨慎解读,但它们似乎确实揭示了与学校假期的某种相关性。



对于这个问题,我们有多种解答路径。培养新习惯,适应一种全新工具的思维模式,确实需要时间的沉淀(回想一下我们曾经将电子邮件打印出来的时代)。我们可以预见,随着技术的进步,这些模型至少在某种程度上将变得更加精准——无论是代理(agents)技术、语音识别还是多模态交互,都将拓展它们解决问题的边界。


然而,正如我在去年10月所讨论的,大语言模型(LLM)本身并不直接是一个产品——它是一种潜在的技术力量,能够激发工具或特性的创新。要让这种技术真正发挥作用,需要将其解构并重新整合到创新的框架、用户体验(UX)和工具设计中,这一过程无疑需要更多的时间。


从贝恩公司对企业界使用LLM的调查数据中,我们可以观察到相同的双重视角问题。这可以被视为一幅既包含乐观也包含悲观元素的图表:兴趣盎然,部署活跃,但具体的情况取决于你的观察角度。



与那些简单询问“你们组织中有人在使用这项技术吗?”的调查不同,贝恩公司试图细致地区分试点项目、实验和试验与真正的部署。虽然每个企业或其他组织都可能进行着一些测试,但真正将这些技术融入其核心业务流程的组织却寥寥无几,这种差异很大程度上取决于具体的应用场景。


大语言模型(LLM)在编程和市场营销领域已经证明了其巨大的潜力,然而对于法律行业或人力资源部门来说,它们的价值则显得不那么明显(律师们对于任何新技术的接受度通常都较为缓慢)。


与此同时,埃森哲提供了一个鲜明的例证,展示了企业在生成式人工智能领域的实验规模,同时也反映出这些实验目前大多还停留在探索阶段——这同样是一个充满希望与挑战并存的景象。


埃森哲的例子显示了企业对生成式AI的实验规模,但目前这些实验大多数只是试点项目,而非实际部署。去年,埃森哲完成了3亿美元的生成式AI工作,涉及300个项目。平均每个项目价值100万美元,这表明很多项目只是试验性质的,而不是全面应用。


此外,波士顿咨询集团(BCG)预计今年其20%的收入将来自帮助大公司应对生成式AI,这表明生成式AI的市场需求很大,但很多公司仍在探索和理解其应用。这意味着,在2024年,咨询公司可能会在解释和帮助企业理解生成式AI方面获得大量业务。



这些图表实际上描述了当AI乌托邦式的梦想遇上消费者行为和企业IT预算的混乱现实时会发生什么——事情的发展比你想象的要慢,而且过程复杂(这也是我认为“末日论者”很天真的一个原因)。


企业通常的IT销售周期比Chat GPT3.5发布以来的时间还长,摩根士丹利最新的CIO调查显示,30%的大公司CIO预计在2026年之前不会部署任何产品。他们可能过于谨慎,但上面的云采用图表(特别是预期数据)表明了相反的情况。记住,贝恩的“生产”数据只意味着某处、某人正在使用这项技术,并不意味着它已经接管了你的工作流程。


然而,退一步来看,ChatGPT从一个科学项目迅速增长到1亿用户的速度可能本身就是一个陷阱(正如自然语言处理技术对Alexa的影响一样)。大语言模型(LLMs)看起来有效,它们看起来具有通用性,它们看起来像是一个产品——它们的科学成果是一个聊天机器人,而聊天机器人看起来像是一个产品。你输入一些内容,就会得到神奇的回应!但这种神奇的效果可能并不实用,甚至可能是错误的。它看起来像是一个产品,但实际上并不是。


微软去年年初试图将这项技术强行整合到Bing中以对抗谷歌,但最终失败并被遗忘,这是问题的一个很好的缩影。LLMs看起来像是更优秀的数据库,看起来像是搜索引擎,但正如我们所见,它们“错误”的程度足够高,而且“错误”难以管理,以至于你不能仅仅给用户一个原始的提示和一个原始的输出——你需要围绕它构建许多专门的产品,即便如此,也不清楚这究竟有多大用处。


匆忙推出基于LLM的网络搜索就是陷入了这个陷阱。萨蒂亚·纳德拉曾表示他想让“谷歌起舞”,但具有讽刺意味的是,与“Bing Copilot”竞争的最佳方式可能是耐心等待——观望、学习并在推出任何产品之前深思熟虑(当然,如果华尔街允许的话)。


将这项技术急于整合到搜索中,部分是出于竞争压力和股市压力,但更根本的是出于一种感觉,即这是下一个平台转变,你必须全力以赴抓住它。这比谷歌的影响要广泛得多。这种紧迫感被“站在巨人肩膀上”的时刻加速了——你没有时间等待人们购买设备——而且这些技术看起来像是成品。与此同时,这些公司在过去十年中产生的大量现金与尖端LLMs的巨大资本密集度相碰撞,就像物质与反物质相遇一样。


换句话说——“这些技术是未来,将立即改变一切,它们需要所有这些资金,而我们拥有所有这些资金。”


正如许多人现在所指出的,所有这些加起来导致了巨额的资本支出(以及其他许多投资)被提前用于一项大多仍处于实验预算中的技术。




这种急于求成意味着我们已经跳过了S曲线底部缓慢而痛苦的阶段,在这个阶段,你试图弄清楚产品与市场的契合度是什么,同时你正在构建实际的产品。网络、电商和iPhone都必须经历一个痛苦的成长和学习过程,才能变得有用。


App Store最初并不是iPhone计划的一部分,而蒂姆·伯纳斯-李(Tim Berners-Lee,万维网World Wide Web的发明者)最初设计网页浏览器的时候,并没有把它作为一个内容发布的平台来看待。相反,他设计了一个包含编辑器的浏览器,主要是为了方便人们编辑和存储信息,就像使用一个网络驱动器那样。大语言模型(LLMs)跳过了这个部分,在人们还未弄清楚这是什么以及它的用途之前,就直接进入了“它适用于一切!”的阶段,意味着在遇到真正的用户之前并没有真正进行深入思考。


这张图表因此显得特别有趣。直接的怀疑论解释是,这是一次典型的投资激增,即使还不是泡沫的话,它也将不可避免地变成泡沫。



当然,这些初创公司(指的是那些专注于开发和应用LLMs的公司)代表了硅谷对大语言模型(LLMs)的集体赌注,他们认为LLMs是一种技术而非单一产品,并且我们需要经历传统的客户发现过程来实现产品与市场的契合。至少可以说,推动生成式人工智能泡沫的真正因素是这样一个观点:历史已经结束,LLMs将能够完成所有任务,如果真的是这样,我们就不需要这些公司中的任何一个了。(这句话基于一个假设的情景:如果LLMs最终能够完成所有任务,变得如此强大和多才多艺,那么市场上可能就不再需要如此多专门从事LLMs研究和应用的公司,因为LLMs自己就能够满足各种需求。)从这个角度来看,这些公司实际上是反泡沫的,这是一个非常乐观的想法。


当然,互联网络泡沫时代的那些疯狂梦想如今确实成真了,AI乌托邦主义者也或许是对的——大语言模型(LLMs)可能真的能够包办一切。它们不仅可能整合并取代现有的众多软件应用,还可能独立或在全新构建的产品、公司及企业销售层面的支持下,自动化那些以前从未被软件触及的复杂任务类型。这或许将成为科技史上首个呈现出J型增长路径的S型技术发展曲线。但这样的转变不会在本年度内发生。


文章来自于微信公众号非凡产研 作者Benedict Evans





关键词: AI , AI行业 , 大模型 , 人工智能 , a16z
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI工作流

【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。

项目地址:https://github.com/n8n-io/n8n

在线使用:https://n8n.io/(付费)


【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。

项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file



【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。

项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file

在线使用:https://vectorvein.ai/(付费)

2
AI数据分析

【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。

项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file

本地安装:https://www.deepbi.com/

【开源免费airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。

项目地址:https://github.com/hitsz-ids/airda

3
智能体

【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

4
AI搜索

【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/