作(zuo)者：彭昭(智(zhi)次方創始人(ren)、云和(he)資本聯合(he)創始合(he)伙人(ren))
物聯網智庫 原創
這是我的第291篇專(zhuan)欄文章。
就像2022年8月我們跨越了“物超人”的歷史性拐點一樣，彭博社認為本周我們邁過了從智能手機時代到人工智能時代的拐點。
這個判斷基于一個事實，就是代表性企業的智能手機芯片與高性能計算芯片的出(chu)貨量或營收，后者出(chu)現了明顯的歷史(shi)性扭(niu)轉(zhuan)和反超。
彭博社以臺積電最(zui)新發布(bu)的(de)2023第二(er)季度報告(gao)為例(li)，智(zhi)能手機芯(xin)片(pian)的(de)營(ying)收(shou)占比(bi)為33%，高性能計算(suan)芯(xin)片(pian)HPC的(de)營(ying)收(shou)占比(bi)為44%，后者(zhe)超越(yue)前者(zhe)11%，歷史上首次以兩位(wei)數百分比(bi)的(de)差距明顯領先。
尤其是對于臺積電這樣一家在過去長達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”的轉換確實是一個里程碑式事件。
見微知著，因此彭博社認為人工智能時代已經邁過了分水嶺，進入新階段。
當然，目(mu)前(qian)人工(gong)智能(neng)的(de)發(fa)展(zhan)水平(ping)可能(neng)只能(neng)與2007年第(di)一代iPhone相媲(pi)美，但(dan)是(shi)隨后安卓、微(wei)信、支付(fu)寶、抖音(yin)、滴滴…等應(ying)用的(de)崛起，在2007年是(shi)難以想(xiang)象的(de)，就像我們不能(neng)因(yin)為現在的(de)狀態而(er)限制(zhi)了對生成式(shi)AI未(wei)來的(de)想(xiang)象力。
正(zheng)好本周我受邀(yao)參與由杭州(zhou)市投資促進局與浙江省(sheng)人工智能產業技術(shu)聯盟共同主辦的“AIGC與行業賦能”交流(liu)活動并做演講，因此(ci)檢索了全(quan)球生成式AI企業的最新(xin)發展(zhan)動態，嘗試分析大模(mo)型(xing)即(ji)將引發的3波浪潮及其(qi)挑戰。
全球生成式AI企業達598家
投資機構NFX持續匯總了最新的全球生成式AI企業列表，目前表內包含的企業已經達到598家，并且持續更新，具體名單可以在下面的鏈接中查看：
//docs.google.com/spreadsheets/d/1rMs69QO4UJKueNS2w784KpJlsdsK_ERmuq8qnCMmGUA/edit#gid=503924035
* 我已將該表格下載，不方便科學上網的朋友可以在物聯網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(an)照類別劃(hua)分，這些(xie)生(sheng)成(cheng)式AI企業的分布如下(xia)：
整體融資金額高達660億美元!
如果(guo)將這些企業(ye)在做的事(shi)情更詳細(xi)的匯總到一(yi)幅(fu)圖中，相當(dang)的五花八(ba)門。
生成式AI的5層架構以及成功企業的4點共性
隨著生成式AI的演進，業內普遍認為將其分為5層架構，包括：
5. 應用層
4. 操作系(xi)統(tong)或API層
3. 超本地化AI模型層
2. 特定AI模型層
1. 通用AI模(mo)型層
由(you)于眾多公司都想抓(zhua)住(zhu)這(zhe)一波生成式AI的(de)發(fa)展浪(lang)潮，整體的(de)融資金額已(yi)經高達660億(yi)美元，那么如何另辟蹊(xi)徑在競(jing)爭中取勝變得尤(you)為(wei)關鍵。
整理了全球598家生成式AI企業的投資機構NFX，還分析了那些脫穎而出項目的共性：
1. 產品速度
速度，首當其沖!
脫穎而出的(de)項(xiang)目往往不(bu)會(hui)糾結于花費(fei)太(tai)多時間(jian)尋找特定的(de)數(shu)據，或者對初(chu)始階段就構建完(wan)美(mei)的(de)模型抱有(you)不(bu)切(qie)實際(ji)的(de)期待(dai)。他們常常是先把可以使用的(de)功能推向市場，然(ran)后再(zai)讓AI模型隨著時間(jian)的(de)推移持續學(xue)習。因為(wei)這些項(xiang)目團隊知(zhi)道時間(jian)比完(wan)美(mei)更重要。
無論如何都(dou)要保證(zheng)速(su)度，先(xian)啟動(dong)產品(pin)的測試版投入市場(chang)再說。
2. 銷售能力
出(chu)色(se)的企業(ye)當然既要(yao)技術，也(ye)要(yao)營收。
隨著生(sheng)成(cheng)式人(ren)工(gong)智能的(de)持續完善，從(cong)實(shi)現某一功能，到整合(he)為產品，再到能夠解決(jue)實(shi)際(ji)的(de)業(ye)務問題，積極的(de)銷售和(he)營銷將(jiang)是項目(mu)方跨越2023-2024生(sheng)存期(qi)的(de)保障(zhang)。
3. 網絡效應
尤(you)其(qi)是(shi)對(dui)(dui)于在應用(yong)層(ceng)和操作系統/API層(ceng)的項目來說，網(wang)絡效應是(shi)必須的。每一(yi)個(ge)加入(ru)網(wang)絡的新節點都是(shi)對(dui)(dui)網(wang)絡的一(yi)次增強，從(cong)而構建“傳真機效應”。
4. 嵌入流程
如果是位于第1~3層的生成式人(ren)工智(zhi)能企業(ye)，NFX建議優先考慮(lv)如何將其嵌入到客戶的工作流程(cheng)或(huo)者日常場(chang)景，增(zeng)強用戶的使用粘性(xing)。
首批運營智能平臺初見端倪
在此前的文章《工業AI距離到達“ChatGPT時刻”還有多遠?》中，我曾經提到過生成式AI在企業的殺手級應用，可能是對知識管理的重構。
目前這方面的進展初見端倪，有企業更進一步，由知識管理進而推出了“運營智能平臺”。
很(hen)多企業擁有(you)數(shu)十年的流(liu)程(cheng)數(shu)據(ju)、程(cheng)序記錄(lu)和日志(zhi)，如果將這(zhe)些流(liu)程(cheng)和程(cheng)序整合到大(da)模型中，可(ke)能會產生意(yi)想不到的效果。
然而提到(dao)知(zhi)識管理(li)(li)，人們往往聯想(xiang)到(dao)繁瑣的(de)信息(xi)收(shou)集(ji)與(yu)整理(li)(li)。其(qi)實最好的(de)知(zhi)識管理(li)(li)是無(wu)需(xu)管理(li)(li)，最好的(de)整理(li)(li)就是不用整理(li)(li)。
大(da)家可以回(hui)(hui)憶一下(xia)，有(you)多長(chang)時間沒(mei)有(you)整理過(guo)手機(ji)里的(de)照(zhao)(zhao)片(pian)了，隨(sui)著iOS的(de)升級，蘋果(guo)公(gong)司每一次(ci)都把(ba)新的(de)AI特(te)性帶入相冊應用。自(zi)動分類(lei)、自(zi)動識別照(zhao)(zhao)片(pian)和(he)視頻(pin)內(nei)容，自(zi)動生成(cheng)最(zui)佳(jia)回(hui)(hui)憶，你只需要簡單(dan)地問Siri就可以找(zhao)到想要的(de)照(zhao)(zhao)片(pian)。
同樣，知識管理的下一步，就是無需管理。
大模型可(ke)能(neng)會讓散落在(zai)企業各(ge)處的(de)知識(shi)，變成在(zai)員(yuan)工之外的(de)企業第二大腦，一個連成一體的(de)硅基大腦。當然現(xian)在(zai)讓AI整理知識(shi)結構，還有很大挑戰(zhan)，但(dan)大規(gui)模語言模型的(de)進化速度(du)可(ke)能(neng)會讓人驚嘆(tan)，更好的(de)工具正在(zai)路上。
舉例來(lai)說(shuo)，Akooda自(zi)稱是世界上第一個(ge)“運(yun)營智能(neng)平臺”，該平臺使用人工智能(neng)來(lai)定位、訪問(wen)和分(fen)析分(fen)散在組(zu)織(zhi)中的(de)各種(zhong)知識和關鍵數據，幫助企(qi)業跟蹤和分(fen)析正在發生的(de)事情，做出更快、更明智的(de)決(jue)策。
市場研(yan)究機構麥肯錫發現，員(yuan)工(gong)每周(zhou)平(ping)均有近20%的(de)工(gong)作時間(jian)(jian)被浪(lang)費在搜索內部信息或追蹤(zong)同事上，這些問題阻礙(ai)了運(yun)營效率(lv)的(de)提(ti)升，并讓(rang)時間(jian)(jian)白白流失。
管理(li)者也普遍(bian)缺(que)乏(fa)對實際發生情(qing)況的可見(jian)度，導致(zhi)資(zi)源分配不當，或被(bei)各種雜音分心干(gan)擾，有時(shi)甚至會過度依賴某幾(ji)個熟練(lian)的員工。
運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部信息，使企業員工能夠即時訪問他們的整個知識庫。
就像是在企業內部放(fang)入了X光機，借助運營智能平臺，管(guan)理者(zhe)不僅了解(jie)團(tuan)隊和部門正在做什么，而(er)且了解(jie)每個項(xiang)目的實際進度。
運營智能平臺通過閱讀和分析Slack討論、Salesforce數據條目、Google文檔、GitHub、Notion、Zoom等系統中的內容，自動提取數據的巨大潛力，無需解釋或人工參與。
這些數據可以更準(zhun)確地描(miao)繪組(zu)織內、外部發(fa)生的情(qing)況，使(shi)決策者能(neng)夠(gou)客觀地了解(jie)項目和時(shi)間(jian)表(biao)，并做出相應的反應。
使用運營智能平臺之后，企業內部的溝通流變得更加多元，增強了原本沒有太多工作交集的公司內部利益相關者之間的協作、員工在特定主題上的專業知識共享等，這些都是傳統協作方式難以覆蓋到的場景。
除了運營智能平臺之外，我們在近期有望看到更多生成式AI的創新應用誕生。
生成式AI公司即將經歷的3波浪潮
目前(qian)我們仍處在生成(cheng)式人工(gong)智能的第1波浪潮(chao)中，根據(ju)投資(zi)機(ji)構a16z和NFX的預(yu)測(ce)，生成(cheng)式AI將經歷完整(zheng)的3波浪潮(chao)：
第一波：人工智能大模型的封裝
隨著(zhu)ChatGPT、文(wen)心一言等大模型應用的(de)(de)普及，人(ren)們對人(ren)工(gong)智(zhi)能的(de)(de)能力形成了(le)新(xin)的(de)(de)共識，切身感受(shou)到了(le)AI的(de)(de)力量(liang)，企業對于(yu)試用AI的(de)(de)熱情空(kong)前高漲(zhang)。
消(xiao)費(fei)者(zhe)(zhe)使用AI生成圖片、頭(tou)像或(huo)者(zhe)(zhe)故(gu)事(shi)，企業嘗試借助AI的能(neng)力提高產(chan)品質(zhi)量、節省研發時間，或(huo)者(zhe)(zhe)對成本進行改善。
在第一波浪(lang)潮中(zhong)，人工智(zhi)能的大部分應用集中(zhong)于通過提示詞生成各(ge)種各(ge)樣的信息(xi)，也就(jiu)是(shi)根據一組指令產(chan)生新的內容。
第二波浪潮：從生成式AI到綜合式AI
當模型參數達到100億，就進入到語言理解能力提升的“平臺區”，隨著參數規模增加，AGI能力會快速提升，但語言理解能力不會再顯著提升，而且在這樣的參數規模上，語言理解能力已開始可以滿足商用或垂直領域應用的基本需求。
所以，如果是(shi)(shi)to B的(de)(de)大(da)模(mo)型，參數規(gui)模(mo)選(xuan)在100-1000億(yi)之間是(shi)(shi)最(zui)經濟的(de)(de)，且有利于私(si)(si)有化部(bu)署，保護(hu)企業(ye)用戶的(de)(de)數據隱私(si)(si)。
而且(qie)在B2B領域，焦點會從“信(xin)(xin)息(xi)生(sheng)成”轉向(xiang)“信(xin)(xin)息(xi)綜(zong)合(he)”，從“生(sheng)成式AI”轉到“綜(zong)合(he)式AI”，也就是(shi)匯聚信(xin)(xin)息(xi)從而改善決策。
B2B領域的AI將(jiang)從大(da)規模(mo)的通用模(mo)型轉向(xiang)能夠應用多種模(mo)型的架構，包括在特定領域和(he)特定用途(tu)的數據(ju)集上訓練的更精細模(mo)型。
在第二波浪潮(chao)中，相信我們將看(kan)到更多人(ren)工智能應用(yong)來匯聚(ju)信息，也就(jiu)是說(shuo)，綜合式AI將向我們展示更少(shao)的內容(rong)，但是更為有效。
最終，人工智能在B2B解決(jue)方案之間的競爭，將不再集中于令(ling)人眼花繚(liao)亂的功能，而是更聚焦于這(zhe)些功能如何(he)幫助(zhu)公司重(zhong)新定義更有價(jia)值的工作流程。
在(zai)這一(yi)波(bo)浪潮中，客戶并不關心是否使(shi)用人工智能(neng)，而(er)是更(geng)加關心實際效果。
第三波浪潮：因為相信所以看見
第三波浪潮將(jiang)會(hui)激發(fa)那些我(wo)(wo)們(men)還無法想象的(de)(de)事情。當第一次看到(dao)智能手(shou)機時，我(wo)(wo)們(men)不會(hui)想到(dao)：“這(zhe)真的(de)(de)會(hui)改變出租車行業。”我(wo)(wo)們(men)花了(le)幾年時間才推出了(le)一些更(geng)具革命性的(de)(de)產品(pin)，比(bi)如微信、滴(di)滴(di)，然后(hou)是Airbnb和抖音。
第三波浪(lang)潮中(zhong)的(de)(de)項目將由充滿遠見的(de)(de)人建立和推(tui)動，他們(men)并不畏懼(ju)重新(xin)發明或(huo)定(ding)義(yi)人工智(zhi)能(neng)(neng)本身。他們(men)會發現(xian)以前不可能(neng)(neng)的(de)(de)新(xin)交易(yi)，找到(dao)以前不可能(neng)(neng)的(de)(de)新(xin)體驗。
在這個階段，人工智(zhi)能(neng)需要具備(bei)使(shi)用其(qi)他工具的(de)授權(quan)，以及支持多(duo)模(mo)態(tai)的(de)能(neng)力。
雖然現在ChatGPT、Claude、文(wen)心一言等能(neng)夠詳細的描述如何訂航班，但是他(ta)們本身并不(bu)(bu)具(ju)(ju)(ju)備(bei)真正自行預(yu)定航班的能(neng)力，因為(wei)他(ta)們沒有操作其他(ta)工具(ju)(ju)(ju)的授(shou)權，只有“大腦(nao)”而不(bu)(bu)具(ju)(ju)(ju)備(bei)“手和腳”。
在(zai)未(wei)來大模(mo)型不僅具(ju)備使用工(gong)具(ju)的授權，還可(ke)以(yi)操控(kong)各種(zhong)機器人與實體(ti)設備。
雖然閱讀(du)文字或者(zhe)聊天對話能夠讓我們(men)興奮，但是在日(ri)常生活中，我們(men)“聽和說”的(de)頻率并不遜(xun)于“讀(du)和寫”，因此發(fa)展多模態的(de)能力(li)變得尤為重要。
就(jiu)像人類(lei)具備五(wu)感一樣(yang)，人工(gong)智能也即(ji)將可接受文本(ben)、圖(tu)像、語音(yin)、視頻等多種不同類(lei)型數據的(de)輸入、處理(li)、分析，并(bing)將結果以不同的(de)模態形式對外(wai)輸出，實(shi)現(xian)異構(gou)模態數據協同推理(li)。
具(ju)備使用(yong)其他工具(ju)能力的(de)(de)多模(mo)態人工智能模(mo)型，可以激發天馬行空的(de)(de)應用(yong)蓬勃呈現。因為相信(xin)所(suo)以看(kan)見，讓我(wo)們一起靜待未來。
寫在最后
生產式人工智能領域是(shi)否(fou)已經(jing)過(guo)熱(re)或者存在泡(pao)沫呢?
對于國內市場來說，通用大模(mo)型確(que)實已經(jing)太(tai)多。不完全統計，短(duan)短(duan)不到8個月時間，已經(jing)有超(chao)過85家大模(mo)型發布，其中很多成了上市公司的套現(xian)概念。
Wind數據(ju)顯示(shi)，2023年24家“AIGC概(gai)念股”已經合(he)計發生67筆減(jian)持。同時，大(da)模(mo)型創業(ye)公司(si)的(de)情況也并不樂觀，伴(ban)隨著開(kai)源免費(fei)且強大(da)的(de)Llama2大(da)模(mo)型來襲之際，下半年很多大(da)模(mo)型企業(ye)勢必(bi)會面臨融資(zi)難(nan)的(de)問題。
然而，過(guo)熱或者泡沫并不一定是壞事，這是一種常見(jian)現象，往(wang)往(wang)意味著良好的(de)未(wei)來。之前的(de)互聯網、生(sheng)物技術(shu)、區塊(kuai)鏈…都曾歷經洗禮(li)。
過熱或泡(pao)沫之(zhi)后的(de)調整(zheng)和重組，恰恰為新技術更(geng)加理(li)性(xing)和可持續的(de)發(fa)展奠定了基礎。
參(can)考資料：
1、The AI Hot 75，來源(yuan)：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、大模型創業300天，成者(zhe)100億估值，80%敗者(zhe)出(chu)局，作者(zhe)：楊(yang)曉鶴，來源(yuan)：AI鯨選
