作(zuo)者：彭昭(智次方(fang)創始(shi)人、云和資本聯合(he)創始(shi)合(he)伙人)
物聯網智庫 原創
這是我的(de)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(neng)計算芯(xin)片的出貨量或營收(shou)，后者出現了明顯的歷(li)史(shi)性扭轉和反(fan)超。
彭(peng)博社以臺積電最(zui)新發布的2023第(di)二季(ji)度報告為(wei)例，智能手機芯片(pian)(pian)的營收(shou)占比(bi)(bi)為(wei)33%，高性能計算(suan)芯片(pian)(pian)HPC的營收(shou)占比(bi)(bi)為(wei)44%，后者(zhe)超越前者(zhe)11%，歷史(shi)上首次以兩位數百分(fen)比(bi)(bi)的差距明(ming)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，目前人(ren)工(gong)智能的(de)(de)(de)發展(zhan)水平可能只能與(yu)2007年(nian)第一代(dai)iPhone相(xiang)媲美，但是隨(sui)后安卓、微信、支付(fu)寶(bao)、抖(dou)音(yin)、滴滴…等應(ying)用的(de)(de)(de)崛(jue)起(qi)，在(zai)2007年(nian)是難以想(xiang)象的(de)(de)(de)，就像我們(men)不能因(yin)為現在(zai)的(de)(de)(de)狀態而(er)限制了對生成(cheng)式AI未來的(de)(de)(de)想(xiang)象力。
正好本周我受邀參(can)與(yu)由(you)杭州市投資促進局與(yu)浙江省人工智能產業技術聯(lian)盟(meng)共同主辦的(de)“AIGC與(yu)行(xing)業賦能”交流活動并做演講，因(yin)此檢(jian)索了全(quan)球生成式AI企(qi)業的(de)最新(xin)發(fa)展動態，嘗試分析大模型即將引發(fa)的(de)3波浪(lang)潮(chao)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。
按照類(lei)別劃分，這些生成式(shi)AI企業(ye)的分布如(ru)下：
整體融資金額高達660億美元!
如果(guo)將這(zhe)些企業在做的事情更詳細的匯總(zong)到一幅圖中，相(xiang)當(dang)的五花八門。
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. 操作系統或(huo)API層
3. 超本地化AI模(mo)型層
2. 特定AI模型層
1. 通用AI模型層
由(you)于眾多公司都想抓住這一波生成式AI的(de)發展浪潮，整體的(de)融資(zi)金額已經高達(da)660億美元(yuan)，那(nei)么(me)如何另辟蹊徑在競(jing)爭(zheng)中(zhong)取勝變得尤為(wei)關(guan)鍵(jian)。
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(tuo)穎而出的(de)(de)項目往往不會糾結(jie)于(yu)花費太(tai)多時(shi)間尋找特定的(de)(de)數據，或者對初(chu)始階段就構建完美的(de)(de)模(mo)型(xing)(xing)抱有不切實際(ji)的(de)(de)期待(dai)。他(ta)們常常是(shi)先把可以使(shi)用(yong)的(de)(de)功能推(tui)向市場，然后(hou)再讓AI模(mo)型(xing)(xing)隨著時(shi)間的(de)(de)推(tui)移(yi)持續學習。因為這些項目團隊知道時(shi)間比完美更重要。
無(wu)論如(ru)何都要保證速度，先啟動產品的測試(shi)版投入市場再說。
2. 銷售能力
出色(se)的(de)企(qi)業當然(ran)既要技術，也要營收。
隨著生成(cheng)式人工智(zhi)能(neng)的(de)持續完善，從實(shi)現(xian)某一功能(neng)，到整合(he)為產品，再到能(neng)夠解決實(shi)際的(de)業務問題，積極的(de)銷售(shou)和營銷將是項(xiang)目(mu)方跨越2023-2024生存期的(de)保障(zhang)。
3. 網絡效應
尤其(qi)是對于在應用(yong)層(ceng)和(he)操作系統(tong)/API層(ceng)的項目來說(shuo)，網絡(luo)效(xiao)(xiao)應是必須的。每(mei)一個(ge)加入網絡(luo)的新節點都是對網絡(luo)的一次增強，從而(er)構建“傳真機效(xiao)(xiao)應”。
4. 嵌入流程
如果是(shi)位于第1~3層的(de)生成(cheng)式人工智能企業，NFX建議優先(xian)考慮如何將(jiang)其(qi)嵌(qian)入到客(ke)戶(hu)的(de)工作流程或者日常場景，增強用戶(hu)的(de)使(shi)用粘(zhan)性。
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”。
很多企業擁有數十(shi)年(nian)的(de)流程數據、程序(xu)記錄(lu)和(he)日志，如果將這(zhe)些流程和(he)程序(xu)整合到(dao)大模型(xing)中，可能會(hui)產生意想不到(dao)的(de)效果。
然而提(ti)到知識管(guan)理(li)，人(ren)們往往聯想到繁瑣的信息(xi)收集與整(zheng)理(li)。其(qi)實(shi)最好(hao)的知識管(guan)理(li)是無(wu)需(xu)管(guan)理(li)，最好(hao)的整(zheng)理(li)就是不用(yong)整(zheng)理(li)。
大家可(ke)以(yi)(yi)回(hui)憶一下，有(you)多(duo)長時間沒有(you)整理(li)過手機(ji)里的(de)照片(pian)了，隨著iOS的(de)升級，蘋果公司每一次都把新的(de)AI特性(xing)帶入相冊應用。自(zi)動(dong)分類、自(zi)動(dong)識別照片(pian)和視頻內(nei)容，自(zi)動(dong)生(sheng)成(cheng)最佳回(hui)憶，你只需要簡單地問(wen)Siri就(jiu)可(ke)以(yi)(yi)找到想要的(de)照片(pian)。
同樣，知識管理的下一步，就是無需管理。
大(da)模(mo)型可能會(hui)讓散落在(zai)企(qi)業各處的(de)知識，變(bian)成(cheng)在(zai)員工(gong)之外的(de)企(qi)業第二大(da)腦，一個連成(cheng)一體的(de)硅(gui)基大(da)腦。當(dang)然現(xian)在(zai)讓AI整理知識結(jie)構，還有很大(da)挑戰(zhan)，但大(da)規模(mo)語(yu)言(yan)模(mo)型的(de)進(jin)化速度(du)可能會(hui)讓人驚嘆，更好的(de)工(gong)具正在(zai)路上。
舉例(li)來說，Akooda自稱是(shi)世界上(shang)第一(yi)個“運營智(zhi)能平(ping)臺”，該平(ping)臺使(shi)用人工(gong)智(zhi)能來定位、訪(fang)問和(he)(he)分(fen)析分(fen)散在(zai)組織中的各(ge)種(zhong)知識和(he)(he)關鍵數據，幫(bang)助企業跟(gen)蹤和(he)(he)分(fen)析正在(zai)發生(sheng)的事(shi)情，做出更快、更明智(zhi)的決(jue)策。
市場研究機構麥肯(ken)錫發現，員工(gong)(gong)每周平均有(you)近20%的工(gong)(gong)作時間被浪費在搜索內部信息或追蹤(zong)同(tong)事上(shang)，這(zhe)些問題(ti)阻礙了運(yun)營效率的提升，并讓(rang)時間白白流失(shi)。
管理者(zhe)也(ye)普遍缺乏對實際發生情況的(de)可見度，導致資源分配不當，或被各(ge)種(zhong)雜音分心干擾(rao)，有(you)時甚至會(hui)過度依賴某幾(ji)個熟練的(de)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(bu)放(fang)入了(le)(le)X光機，借助運營智能平臺(tai)，管理者(zhe)不(bu)僅了(le)(le)解(jie)團隊和部(bu)門正在做(zuo)什么(me)，而(er)且了(le)(le)解(jie)每(mei)個項(xiang)目(mu)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。
這些數據可以更準確地描(miao)繪組(zu)織(zhi)內(nei)、外部(bu)發生(sheng)的情況(kuang)，使決策者能夠客觀地了解項目和時間表，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(mu)前我們仍處在生成(cheng)式(shi)(shi)人(ren)工(gong)智能的第1波(bo)浪(lang)潮中，根據投資機構(gou)a16z和NFX的預測，生成(cheng)式(shi)(shi)AI將經歷完(wan)整(zheng)的3波(bo)浪(lang)潮：
第一波：人工智能大模型的封裝
隨著(zhu)ChatGPT、文(wen)心一言等(deng)大模型(xing)應用的(de)普及(ji)，人們對人工(gong)智能的(de)能力形成了(le)新的(de)共識，切身感受(shou)到(dao)了(le)AI的(de)力量，企業對于試用AI的(de)熱情空前高漲。
消費(fei)者(zhe)使用(yong)AI生成圖片、頭(tou)像或者(zhe)故事，企業(ye)嘗試借助AI的能力提高(gao)產品質量、節省研發時間，或者(zhe)對成本進(jin)行改善。
在第一波浪潮中，人工智能的大部分應用集中于通過提示詞生(sheng)成各種各樣的信息，也(ye)就是根據一組指令(ling)產生(sheng)新的內(nei)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)to B的大模型(xing)，參數(shu)規模選在(zai)100-1000億之間是(shi)最經濟的，且(qie)有利于(yu)私(si)有化(hua)部(bu)署，保護企業用戶的數(shu)據隱(yin)私(si)。
而且在(zai)B2B領(ling)域，焦(jiao)點會從“信(xin)(xin)息生成(cheng)”轉(zhuan)向“信(xin)(xin)息綜合(he)”，從“生成(cheng)式AI”轉(zhuan)到“綜合(he)式AI”，也就是匯聚信(xin)(xin)息從而改善決策。
B2B領域(yu)的(de)(de)(de)AI將從大(da)規模的(de)(de)(de)通用(yong)模型轉向能夠應用(yong)多種模型的(de)(de)(de)架(jia)構(gou)，包括在特(te)定領域(yu)和特(te)定用(yong)途的(de)(de)(de)數據(ju)集上訓練的(de)(de)(de)更(geng)精細模型。
在第(di)二波(bo)浪潮中，相信我(wo)們將看到更(geng)多人工智能(neng)應用來匯聚(ju)信息，也就是說(shuo)，綜合式AI將向我(wo)們展(zhan)示更(geng)少的內容，但是更(geng)為(wei)有效。
最終，人工智能在B2B解決方案之間的(de)競爭(zheng)，將(jiang)不再集中(zhong)于令人眼花繚亂的(de)功能，而(er)是(shi)更聚焦于這(zhe)些(xie)功能如何幫助公司重(zhong)新定義(yi)更有(you)價值的(de)工作(zuo)流(liu)程。
在這(zhe)一波浪潮中，客戶并不關(guan)心(xin)是否使用人工(gong)智能，而是更加(jia)關(guan)心(xin)實(shi)際效果(guo)。
第三波浪潮：因為相信所以看見
第三波浪(lang)潮將會(hui)激發那些(xie)我(wo)們(men)(men)還(huan)無法想象(xiang)的事情。當第一次看到智(zhi)能手機時，我(wo)們(men)(men)不(bu)會(hui)想到：“這真的會(hui)改(gai)變出租車(che)行業。”我(wo)們(men)(men)花(hua)了(le)幾年(nian)時間才推(tui)出了(le)一些(xie)更具革命性的產品，比如微(wei)信、滴滴，然后是(shi)Airbnb和抖音。
第三(san)波(bo)浪潮(chao)中(zhong)的(de)項目將由(you)充滿遠見的(de)人建立和(he)推動，他們(men)并不畏懼(ju)重新(xin)發明或定義人工(gong)智(zhi)能(neng)本身。他們(men)會發現以前(qian)不可能(neng)的(de)新(xin)交易，找到以前(qian)不可能(neng)的(de)新(xin)體驗(yan)。
在這個階段，人工智能需要(yao)具備使用其他工具的授權(quan)，以及支(zhi)持多(duo)模態的能力。
雖然(ran)現在ChatGPT、Claude、文心(xin)一言等能夠詳細的(de)(de)描述如何訂航班(ban)，但是(shi)他(ta)們本身并不具備(bei)真正自行預定航班(ban)的(de)(de)能力，因為他(ta)們沒(mei)有操作其(qi)他(ta)工具的(de)(de)授權，只有“大(da)腦”而不具備(bei)“手和腳”。
在未來大模型(xing)不(bu)僅(jin)具備使用工具的授權，還可以操控各種機(ji)器人與實體設備。
雖然閱讀(du)(du)文字(zi)或者(zhe)聊天(tian)對(dui)話能夠讓我們(men)興奮(fen)，但是在日常生活中(zhong)，我們(men)“聽和(he)說”的頻(pin)率并不(bu)遜(xun)于“讀(du)(du)和(he)寫(xie)”，因(yin)此發展(zhan)多模(mo)態(tai)的能力變得尤(you)為重(zhong)要。
就像(xiang)人(ren)類(lei)具(ju)備五(wu)感一樣(yang)，人(ren)工智(zhi)能也即將可(ke)接受文本、圖像(xiang)、語音(yin)、視頻等多種不(bu)同類(lei)型數據的輸入、處理(li)、分析，并將結果以不(bu)同的模態(tai)形式對外輸出，實現(xian)異構模態(tai)數據協同推理(li)。
具備(bei)使用(yong)其他(ta)工具能力(li)的多模態人工智能模型，可以激發天馬行空的應用(yong)蓬勃呈現。因為相信所以看見(jian)，讓我們一起靜待未來。
寫在最后
生產式人工(gong)智(zhi)能(neng)領域(yu)是(shi)否已經過熱或者存在泡沫呢?
對(dui)于(yu)國內市場來(lai)說(shuo)，通用大模型確實(shi)已經太多。不(bu)(bu)完全統(tong)計，短短不(bu)(bu)到8個月時間(jian)，已經有超過85家大模型發布，其中很多成(cheng)了(le)上市公司的(de)套現(xian)概念。
Wind數(shu)據顯示(shi)，2023年24家“AIGC概(gai)念(nian)股”已(yi)經合計發生(sheng)67筆減(jian)持。同時，大模(mo)型創業(ye)公司(si)的(de)情(qing)況也并不樂觀(guan)，伴隨(sui)著開源免(mian)費且強大的(de)Llama2大模(mo)型來襲之(zhi)際，下半(ban)年很多大模(mo)型企業(ye)勢必(bi)會面臨(lin)融資(zi)難的(de)問題。
然而，過(guo)熱或者泡(pao)沫并(bing)不一(yi)定是(shi)壞事，這是(shi)一(yi)種常見(jian)現象，往(wang)往(wang)意味著良好(hao)的(de)未來(lai)。之前的(de)互聯(lian)網、生物技術、區塊鏈…都曾(ceng)歷經洗禮。
過熱或泡沫(mo)之后的調整和(he)重組(zu)，恰恰為新技術(shu)更(geng)加(jia)理性和(he)可持續的發展奠(dian)定了(le)基礎。
參考資料：
1、The AI Hot 75，來源：NFX
2、3 Waves of Successful Generative Tech Startups，來(lai)源(yuan)：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)(zhe)100億(yi)估值，80%敗者(zhe)(zhe)出局，作者(zhe)(zhe)：楊曉鶴，來(lai)源(yuan)：AI鯨選
