作者：彭昭(智次方創(chuàng)始人、云和資本聯(lián)合創(chuàng)始合伙人)
物聯(lián)網(wǎng)智庫 原創(chuàng)
這是我的第291篇專欄文章。
就像2022年8月我們跨越了“物超人”的歷史性拐點(diǎn)一樣，彭博社認(rèn)為本周我們邁過了從智能手機(jī)時代到人工智能時代的拐點(diǎn)。
這個判斷基于一個事實(shí)，就是代表性企業(yè)的智能手機(jī)芯片與高性能計(jì)算芯片的出貨量或營收，后者出現(xiàn)了明顯的歷史性扭轉(zhuǎn)和反超。
彭博社以臺積電最新發(fā)布的2023第二季度報(bào)告為例，智能手機(jī)芯片的營收占比為33%，高性能計(jì)算芯片HPC的營收占比為44%，后者超越前者11%，歷史上首次以兩位數(shù)百分比的差距明顯領(lǐng)先。
尤其是對于臺積電這樣一家在過去長達(dá)15年中，都依靠移動芯片的需求不斷增長而崛起的公司來說，“新舊動能”的轉(zhuǎn)換確實(shí)是一個里程碑式事件。
見微知著，因此彭博社認(rèn)為人工智能時代已經(jīng)邁過了分水嶺，進(jìn)入新階段。
當(dāng)然，目前人工智能的發(fā)展水平可能只能與2007年第一代iPhone相媲美，但是隨后安卓、微信、支付寶、抖音、滴滴…等應(yīng)用的崛起，在2007年是難以想象的，就像我們不能因?yàn)楝F(xiàn)在的狀態(tài)而限制了對生成式AI未來的想象力。
正好本周我受邀參與由杭州市投資促進(jìn)局與浙江省人工智能產(chǎn)業(yè)技術(shù)聯(lián)盟共同主辦的“AIGC與行業(yè)賦能”交流活動并做演講，因此檢索了全球生成式AI企業(yè)的最新發(fā)展動態(tài)，嘗試分析大模型即將引發(fā)的3波浪潮及其挑戰(zhàn)。
全球生成式AI企業(yè)達(dá)598家
投資機(jī)構(gòu)NFX持續(xù)匯總了最新的全球生成式AI企業(yè)列表，目前表內(nèi)包含的企業(yè)已經(jīng)達(dá)到598家，并且持續(xù)更新，具體名單可以在下面的鏈接中查看：
https://docs.google.com/spreadsheets/d/1rMs69QO4UJKueNS2w784KpJlsdsK_ERmuq8qnCMmGUA/edit#gid=503924035
* 我已將該表格下載，不方便科學(xué)上網(wǎng)的朋友可以在物聯(lián)網(wǎng)智庫微信公眾號留言【598】獲取更新至2023年8月1日的完整表格。
按照類別劃分，這些生成式AI企業(yè)的分布如下：
整體融資金額高達(dá)660億美元!
如果將這些企業(yè)在做的事情更詳細(xì)的匯總到一幅圖中，相當(dāng)?shù)奈寤ò碎T。
生成式AI的5層架構(gòu)以及成功企業(yè)的4點(diǎn)共性
隨著生成式AI的演進(jìn)，業(yè)內(nèi)普遍認(rèn)為將其分為5層架構(gòu)，包括：
5. 應(yīng)用層
4. 操作系統(tǒng)或API層
3. 超本地化AI模型層
2. 特定AI模型層
1. 通用AI模型層
由于眾多公司都想抓住這一波生成式AI的發(fā)展浪潮，整體的融資金額已經(jīng)高達(dá)660億美元，那么如何另辟蹊徑在競爭中取勝變得尤為關(guān)鍵。
整理了全球598家生成式AI企業(yè)的投資機(jī)構(gòu)NFX，還分析了那些脫穎而出項(xiàng)目的共性：
1. 產(chǎn)品速度
速度，首當(dāng)其沖!
脫穎而出的項(xiàng)目往往不會糾結(jié)于花費(fèi)太多時間尋找特定的數(shù)據(jù)，或者對初始階段就構(gòu)建完美的模型抱有不切實(shí)際的期待。他們常常是先把可以使用的功能推向市場，然后再讓AI模型隨著時間的推移持續(xù)學(xué)習(xí)。因?yàn)檫@些項(xiàng)目團(tuán)隊(duì)知道時間比完美更重要。
無論如何都要保證速度，先啟動產(chǎn)品的測試版投入市場再說。
2. 銷售能力
出色的企業(yè)當(dāng)然既要技術(shù)，也要營收。
隨著生成式人工智能的持續(xù)完善，從實(shí)現(xiàn)某一功能，到整合為產(chǎn)品，再到能夠解決實(shí)際的業(yè)務(wù)問題，積極的銷售和營銷將是項(xiàng)目方跨越2023-2024生存期的保障。
3. 網(wǎng)絡(luò)效應(yīng)
尤其是對于在應(yīng)用層和操作系統(tǒng)/API層的項(xiàng)目來說，網(wǎng)絡(luò)效應(yīng)是必須的。每一個加入網(wǎng)絡(luò)的新節(jié)點(diǎn)都是對網(wǎng)絡(luò)的一次增強(qiáng)，從而構(gòu)建“傳真機(jī)效應(yīng)”。
4. 嵌入流程
如果是位于第1~3層的生成式人工智能企業(yè)，NFX建議優(yōu)先考慮如何將其嵌入到客戶的工作流程或者日常場景，增強(qiáng)用戶的使用粘性。
首批運(yùn)營智能平臺初見端倪
在此前的文章《工業(yè)AI距離到達(dá)“ChatGPT時刻”還有多遠(yuǎn)?》中，我曾經(jīng)提到過生成式AI在企業(yè)的殺手級應(yīng)用，可能是對知識管理的重構(gòu)。
目前這方面的進(jìn)展初見端倪，有企業(yè)更進(jìn)一步，由知識管理進(jìn)而推出了“運(yùn)營智能平臺”。
很多企業(yè)擁有數(shù)十年的流程數(shù)據(jù)、程序記錄和日志，如果將這些流程和程序整合到大模型中，可能會產(chǎn)生意想不到的效果。
然而提到知識管理，人們往往聯(lián)想到繁瑣的信息收集與整理。其實(shí)最好的知識管理是無需管理，最好的整理就是不用整理。
大家可以回憶一下，有多長時間沒有整理過手機(jī)里的照片了，隨著iOS的升級，蘋果公司每一次都把新的AI特性帶入相冊應(yīng)用。自動分類、自動識別照片和視頻內(nèi)容，自動生成最佳回憶，你只需要簡單地問Siri就可以找到想要的照片。
同樣，知識管理的下一步，就是無需管理。
大模型可能會讓散落在企業(yè)各處的知識，變成在員工之外的企業(yè)第二大腦，一個連成一體的硅基大腦。當(dāng)然現(xiàn)在讓AI整理知識結(jié)構(gòu)，還有很大挑戰(zhàn)，但大規(guī)模語言模型的進(jìn)化速度可能會讓人驚嘆，更好的工具正在路上。
舉例來說，Akooda自稱是世界上第一個“運(yùn)營智能平臺”，該平臺使用人工智能來定位、訪問和分析分散在組織中的各種知識和關(guān)鍵數(shù)據(jù)，幫助企業(yè)跟蹤和分析正在發(fā)生的事情，做出更快、更明智的決策。
市場研究機(jī)構(gòu)麥肯錫發(fā)現(xiàn)，員工每周平均有近20%的工作時間被浪費(fèi)在搜索內(nèi)部信息或追蹤同事上，這些問題阻礙了運(yùn)營效率的提升，并讓時間白白流失。
管理者也普遍缺乏對實(shí)際發(fā)生情況的可見度，導(dǎo)致資源分配不當(dāng)，或被各種雜音分心干擾，有時甚至?xí)^度依賴某幾個熟練的員工。
運(yùn)營智能平臺就是試圖解決這類問題，他們使用生成式人工智能來讀取、理解和分析幾乎公司的所有內(nèi)部信息，使企業(yè)員工能夠即時訪問他們的整個知識庫。
就像是在企業(yè)內(nèi)部放入了X光機(jī)，借助運(yùn)營智能平臺，管理者不僅了解團(tuán)隊(duì)和部門正在做什么，而且了解每個項(xiàng)目的實(shí)際進(jìn)度。
運(yùn)營智能平臺通過閱讀和分析Slack討論、Salesforce數(shù)據(jù)條目、Google文檔、GitHub、Notion、Zoom等系統(tǒng)中的內(nèi)容，自動提取數(shù)據(jù)的巨大潛力，無需解釋或人工參與。
這些數(shù)據(jù)可以更準(zhǔn)確地描繪組織內(nèi)、外部發(fā)生的情況，使決策者能夠客觀地了解項(xiàng)目和時間表，并做出相應(yīng)的反應(yīng)。
使用運(yùn)營智能平臺之后，企業(yè)內(nèi)部的溝通流變得更加多元，增強(qiáng)了原本沒有太多工作交集的公司內(nèi)部利益相關(guān)者之間的協(xié)作、員工在特定主題上的專業(yè)知識共享等，這些都是傳統(tǒng)協(xié)作方式難以覆蓋到的場景。
除了運(yùn)營智能平臺之外，我們在近期有望看到更多生成式AI的創(chuàng)新應(yīng)用誕生。
生成式AI公司即將經(jīng)歷的3波浪潮
目前我們?nèi)蕴幵谏墒饺斯ぶ悄艿牡?波浪潮中，根據(jù)投資機(jī)構(gòu)a16z和NFX的預(yù)測，生成式AI將經(jīng)歷完整的3波浪潮：
第一波：人工智能大模型的封裝
隨著ChatGPT、文心一言等大模型應(yīng)用的普及，人們對人工智能的能力形成了新的共識，切身感受到了AI的力量，企業(yè)對于試用AI的熱情空前高漲。
消費(fèi)者使用AI生成圖片、頭像或者故事，企業(yè)嘗試借助AI的能力提高產(chǎn)品質(zhì)量、節(jié)省研發(fā)時間，或者對成本進(jìn)行改善。
在第一波浪潮中，人工智能的大部分應(yīng)用集中于通過提示詞生成各種各樣的信息，也就是根據(jù)一組指令產(chǎn)生新的內(nèi)容。
第二波浪潮：從生成式AI到綜合式AI
當(dāng)模型參數(shù)達(dá)到100億，就進(jìn)入到語言理解能力提升的“平臺區(qū)”，隨著參數(shù)規(guī)模增加，AGI能力會快速提升，但語言理解能力不會再顯著提升，而且在這樣的參數(shù)規(guī)模上，語言理解能力已開始可以滿足商用或垂直領(lǐng)域應(yīng)用的基本需求。
所以，如果是to B的大模型，參數(shù)規(guī)模選在100-1000億之間是最經(jīng)濟(jì)的，且有利于私有化部署，保護(hù)企業(yè)用戶的數(shù)據(jù)隱私。
而且在B2B領(lǐng)域，焦點(diǎn)會從“信息生成”轉(zhuǎn)向“信息綜合”，從“生成式AI”轉(zhuǎn)到“綜合式AI”，也就是匯聚信息從而改善決策。
B2B領(lǐng)域的AI將從大規(guī)模的通用模型轉(zhuǎn)向能夠應(yīng)用多種模型的架構(gòu)，包括在特定領(lǐng)域和特定用途的數(shù)據(jù)集上訓(xùn)練的更精細(xì)模型。
在第二波浪潮中，相信我們將看到更多人工智能應(yīng)用來匯聚信息，也就是說，綜合式AI將向我們展示更少的內(nèi)容，但是更為有效。
最終，人工智能在B2B解決方案之間的競爭，將不再集中于令人眼花繚亂的功能，而是更聚焦于這些功能如何幫助公司重新定義更有價值的工作流程。
在這一波浪潮中，客戶并不關(guān)心是否使用人工智能，而是更加關(guān)心實(shí)際效果。
第三波浪潮：因?yàn)橄嘈潘钥匆?/strong>
第三波浪潮將會激發(fā)那些我們還無法想象的事情。當(dāng)?shù)谝淮慰吹街悄苁謾C(jī)時，我們不會想到：“這真的會改變出租車行業(yè)。”我們花了幾年時間才推出了一些更具革命性的產(chǎn)品，比如微信、滴滴，然后是Airbnb和抖音。
第三波浪潮中的項(xiàng)目將由充滿遠(yuǎn)見的人建立和推動，他們并不畏懼重新發(fā)明或定義人工智能本身。他們會發(fā)現(xiàn)以前不可能的新交易，找到以前不可能的新體驗(yàn)。
在這個階段，人工智能需要具備使用其他工具的授權(quán)，以及支持多模態(tài)的能力。
雖然現(xiàn)在ChatGPT、Claude、文心一言等能夠詳細(xì)的描述如何訂航班，但是他們本身并不具備真正自行預(yù)定航班的能力，因?yàn)樗麄儧]有操作其他工具的授權(quán)，只有“大腦”而不具備“手和腳”。
在未來大模型不僅具備使用工具的授權(quán)，還可以操控各種機(jī)器人與實(shí)體設(shè)備。
雖然閱讀文字或者聊天對話能夠讓我們興奮，但是在日常生活中，我們“聽和說”的頻率并不遜于“讀和寫”，因此發(fā)展多模態(tài)的能力變得尤為重要。
就像人類具備五感一樣，人工智能也即將可接受文本、圖像、語音、視頻等多種不同類型數(shù)據(jù)的輸入、處理、分析，并將結(jié)果以不同的模態(tài)形式對外輸出，實(shí)現(xiàn)異構(gòu)模態(tài)數(shù)據(jù)協(xié)同推理。
具備使用其他工具能力的多模態(tài)人工智能模型，可以激發(fā)天馬行空的應(yīng)用蓬勃呈現(xiàn)。因?yàn)橄嘈潘钥匆姡屛覀円黄痨o待未來。
寫在最后
生產(chǎn)式人工智能領(lǐng)域是否已經(jīng)過熱或者存在泡沫呢?
對于國內(nèi)市場來說，通用大模型確實(shí)已經(jīng)太多。不完全統(tǒng)計(jì)，短短不到8個月時間，已經(jīng)有超過85家大模型發(fā)布，其中很多成了上市公司的套現(xiàn)概念。
Wind數(shù)據(jù)顯示，2023年24家“AIGC概念股”已經(jīng)合計(jì)發(fā)生67筆減持。同時，大模型創(chuàng)業(yè)公司的情況也并不樂觀，伴隨著開源免費(fèi)且強(qiáng)大的Llama2大模型來襲之際，下半年很多大模型企業(yè)勢必會面臨融資難的問題。
然而，過熱或者泡沫并不一定是壞事，這是一種常見現(xiàn)象，往往意味著良好的未來。之前的互聯(lián)網(wǎng)、生物技術(shù)、區(qū)塊鏈…都曾歷經(jīng)洗禮。
過熱或泡沫之后的調(diào)整和重組，恰恰為新技術(shù)更加理性和可持續(xù)的發(fā)展奠定了基礎(chǔ)。
參考資料：
1、The AI Hot 75，來源：NFX
2、3 Waves of Successful Generative Tech Startups，來源：NFX
3、From strategy to execution，作者：Daniel Suchi，來源：medium.com
4、大模型創(chuàng)業(yè)300天，成者100億估值，80%敗者出局，作者：楊曉鶴，來源：AI鯨選
