12月21日，在華爾街見聞和中歐國際工商學(xué)院聯(lián)合舉辦的「Alpha峰會」上，峰瑞資本投資創(chuàng)始人陳石對AI行業(yè)的發(fā)展進(jìn)行了回顧和展望，并分享了對業(yè)內(nèi)前沿大模型和AI應(yīng)用的理解。
以下為演講精彩觀點：
1. 除AMD和英特爾外，美國不少科技大廠、模型廠商和創(chuàng)業(yè)公司都在做自己的算力芯片，希望能夠在巨大的AI大模型算力需求中，從英偉達(dá)芯片的市場分一杯羹，特別是在推理芯片方面。應(yīng)用方面，模型的小型和端側(cè)化是一個明顯的趨勢，如果你在終端上運行較大的模型或通過遠(yuǎn)程API調(diào)用云端大模型，其實會很慢，而且成本也不劃算，所以基本上來說這是一種趨勢。
2.當(dāng)前，兩類AI手機應(yīng)用最掙錢，一類是AI+圖像/視頻，即多模態(tài)創(chuàng)意工具，包括制作商業(yè)視頻、修圖等偏營銷的內(nèi)容創(chuàng)作，這類產(chǎn)品的市場份額為53%。另一類是AI+Chatbot，包括ChatGPT這類大模型助手和Character.ai這類AI陪伴聊天助手，市場份額在30%左右。
3.在AI產(chǎn)業(yè)供應(yīng)鏈中，大型云廠商扮演著風(fēng)險吸收者的角色，但反過來講，大型云廠商也掌握著AI的商業(yè)生態(tài)，掌握著資源、人才和高達(dá)數(shù)千億美金的云計算市場。所以我覺得當(dāng)前AI產(chǎn)業(yè)供應(yīng)鏈的鏈主是大型科技云廠商，而非模型廠商。
4. 當(dāng)前類似GPT系列的預(yù)訓(xùn)練模型，其回答問題的模式是“一下子給出答案”，不具備分步驟、回溯迭代等“思考”能力，而OpenAI o1/o3這類模型在接收到問題指令后會先“深思熟慮”，在解決問題的過程中搜索可能涉及到的思維鏈空間，然后再輸出答案。這與人類的復(fù)雜思考過程類似，它更適合做復(fù)雜推理，這是以前的模型都做不到的。
5. 現(xiàn)在用戶越來越希望獲得AI模型的即時反饋，洞察個人需求并給出貼切的個性化答案，這對模型性能、產(chǎn)品規(guī)劃等方面都是巨大的挑戰(zhàn)，但這種產(chǎn)品一旦做出來，就有希望打敗基于傳統(tǒng)代碼的移動互聯(lián)網(wǎng)產(chǎn)品。
6.當(dāng)前，大模型廠商陣營基本形成，陣營里的5家公司分別是：谷歌、OpenAI、Anthropic、xAI和Meta。這意味著，AI的基礎(chǔ)設(shè)施已經(jīng)具備，后續(xù)應(yīng)用開發(fā)面臨的問題不會太大。
7.2025年有望成為AI應(yīng)用大年，供應(yīng)鏈的資產(chǎn)負(fù)債表可能會逐步得到修復(fù)，這得益于前期投入的累積，另外，客戶端收益的能見度也會有所提升。
以下為演講實錄：
謝謝大家，謝謝Alpha峰會的邀請，去年我也來做過一次AI主題的分享，當(dāng)時提到了一些話題，比如生成式AI的多模態(tài)、復(fù)雜推理、具身智能以及模型的自我迭代。最近這一年，我發(fā)現(xiàn)AI技術(shù)發(fā)展十分迅速，已經(jīng)出現(xiàn)了實踐的產(chǎn)品。峰瑞資本2024年一共投了近30個項目，大部分都是跟AI相關(guān)的，比如應(yīng)用、硬件、芯片、具身智能、AI賦能科研等，所以今天我也想跟大家做一次分享，分享我們2024年的投資實踐和產(chǎn)業(yè)思考。
我的演講分為三個部分，第一個部分是行業(yè)整體情況，包括供應(yīng)鏈等；第二個部分是模型和應(yīng)用的深入講解；第三個部分是對2025年AI的行業(yè)展望和其未來趨勢。
我們先對2024年AI的發(fā)展進(jìn)行快速回顧，大概分成兩部分，上面一部分是關(guān)于AI行業(yè)的原始驅(qū)動力，如大模型以及它的基礎(chǔ)設(shè)施，下面一部分則側(cè)重于AI 在應(yīng)用端的情況。
在大模型方面，我們看到在閉源基座模型領(lǐng)域中全球出現(xiàn)了三家領(lǐng)先者，分別是Anthropic的Claude 3.5， Google的Gemini 1.5，還有OpenAI的GPT-4o，這三個模型并駕齊驅(qū)，達(dá)到業(yè)界的SOTA水平。
但在今年的下半年，很多人會產(chǎn)生疑問，AI行業(yè)是不是正面臨衰退？他們觀察到規(guī)模法則似乎不再奏效， OpenAI 一段時間內(nèi)也并未推出特別好的新模型。當(dāng)然， OpenAI 后來還是不負(fù)眾望，在今年9月份發(fā)布了o1模型，在12月份又發(fā)布了o3模型，它幾乎是我們AI行業(yè)全村的希望。
為什么這么說？閉源模型到了GPT-4水平之后，現(xiàn)有的預(yù)訓(xùn)練方式其實很難再有大的提升，除非它的基礎(chǔ)設(shè)施再提高幾倍甚至十倍，據(jù)說訓(xùn)練下一代模型需要的算力是當(dāng)前模型的10倍。而現(xiàn)在的o1和o3新模型是一個新的訓(xùn)練范式，能帶來復(fù)雜推理和自我迭代能力的極大提升，這部分后面我會再簡單介紹一下。
在多模態(tài)方面，2024年也有很大的進(jìn)步，從年初 OpenAI的視頻生成模型Sora到年末Google的Veo2模型，還有5月份發(fā)布的GPT-4o（o是omni，全能的意思），它的輸入支持多模態(tài)、輸出也支持多模態(tài)，特別是實時語音對話，效果很驚艷。
在開源方面，我覺得Meta是一個很聰明的公司。在閉源領(lǐng)域前三家難以被超越，Meta選取開源的生態(tài)位是很明智的，大量的開發(fā)者、行業(yè)應(yīng)用和行業(yè)模型都會使用Meta的Llama3開源模型，原因是開源模型能帶給他們更多二次開發(fā)、模型微調(diào)和能力擴展的空間。當(dāng)然我們欣喜地看到國內(nèi)也推出很有競爭力的開源模型，例如Qwen和DeepSeek。國內(nèi)企業(yè)在研發(fā)的行業(yè)或企業(yè)模型及應(yīng)用時，一般會首選國產(chǎn)的開源模型。
在基礎(chǔ)設(shè)施方面，我覺得變化并不顯著，英偉達(dá)還是一股獨大。但是我們看到，除AMD和英特爾外，美國不少科技大廠、模型廠商和創(chuàng)業(yè)公司都在做自己的算力芯片，希望能夠在巨大的AI算力市場中，從英偉達(dá)手中分一杯羹，特別是在推理芯片方面。中國也有不少這類芯片公司，包括我們峰瑞投資的公司，在積極從事這方面的研發(fā)和生產(chǎn)。
從用戶側(cè)應(yīng)用的角度看，模型的小型和端側(cè)化是一個明顯的趨勢，因為如果在終端上運行較大的模型或通過遠(yuǎn)程調(diào)用云端大模型，速度慢且成本高。美國蘋果公司在10月底發(fā)布的Apple Intelligence功能，采用一個自研30億參數(shù)的端側(cè)小模型，能夠在當(dāng)前的手機、Pad和筆記本上部署和運行。但最近有媒體報道Apple Intelligence偶爾會出錯，包括幻覺和新聞標(biāo)題錯誤等，這可能也跟模型參數(shù)小有關(guān)系，有進(jìn)一步提升空間。
此外，AI和大模型的技術(shù)在2024年的破圈較為明顯。第一個是基礎(chǔ)科學(xué)，今年物理學(xué)、化學(xué)的諾貝爾獎都頒發(fā)給了AI領(lǐng)域的科學(xué)家和工程師，第二個是在自動駕駛上，特斯拉的FSD算法，以及國內(nèi)的新能源廠商或智能駕駛公司，在算法和模型上的突飛猛進(jìn)，都離不開基座模型和AI技術(shù)的賦能。第三個獲得AI賦能的領(lǐng)域是具身智能，也是AI方向很熱的賽道，我們峰瑞今年也投了多家這個領(lǐng)域的公司。
最后一點是AI應(yīng)用的落地。2023年我在Alpha峰會的分享中，也提到過AI應(yīng)用要開始大力發(fā)展，但很遺憾，2024年AI應(yīng)用的發(fā)展不及預(yù)期，相信明年AI應(yīng)用會有比較好的產(chǎn)出，具體情況我接下來會有分析。
AI行業(yè)的現(xiàn)狀如何？美國紅杉最近發(fā)文稱，“AI的基礎(chǔ)已經(jīng)穩(wěn)固建立。”意思是現(xiàn)在全球的五大模型廠商陣營已經(jīng)基本形成，后面可能會有一些微小變化，比如說蘋果是不是會進(jìn)入，但現(xiàn)在看起來這五家已經(jīng)處于領(lǐng)先的地位，包括谷歌、OpenAI、Anthropic、xAI和Meta，這五家各有所長，再加上o1和o3這樣的新模型還在繼續(xù)發(fā)展，構(gòu)成的整體模型能力已形成支持AI應(yīng)用落地的穩(wěn)固基礎(chǔ)。
現(xiàn)在我們來看一下AI行業(yè)的投入產(chǎn)出，這也是AI行業(yè)被詬病最多的一點，具體來說，投入巨大但是產(chǎn)出寥寥。四家頭部的科技巨頭Meta、Google、 Microsoft和Amazon，它們2024年第二季度的資本支出是529億美金，大部分投資在AI方向。此外VC和科技巨頭一起投資的AI創(chuàng)業(yè)公司，在投資額上也是創(chuàng)出新高。上述四巨頭運營的AI數(shù)據(jù)中心的數(shù)量，也從2020年的500家擴展到2024年的近1000家，而且這些數(shù)據(jù)中心都是高級別、以GPU為主的算力密集型大型數(shù)據(jù)中心。
頭部AI算力芯片提供方英偉達(dá)公司2025財年Q2的收入達(dá)到300億美金，這些收入主要來自于AI行業(yè)的算力投入，當(dāng)然除了算力還有大量人才的投入。
業(yè)界認(rèn)為，對比上述的各種投入，AI行業(yè)的產(chǎn)出要到6000億美元才能達(dá)到投入產(chǎn)出的合理水平，但今天AI行業(yè)的真正產(chǎn)出是在數(shù)百億美元的水平，精確的數(shù)字很難統(tǒng)計，但估計應(yīng)該是300億美元左右，距離6000億美元仍有較大差距。
還有另一項統(tǒng)計數(shù)據(jù)顯示，當(dāng)前全球AI創(chuàng)業(yè)公司年循環(huán)收入能達(dá)到1000萬美元的不到100家，收入整體相對較低。我這里列出幾家頭部公司的收入數(shù)據(jù)中，OpenAI應(yīng)該是收入最多的，它聲稱2024年要做到37億美元營收，其他包括微軟的Github Copilot和Anthropic等。此外，根據(jù)Sensor Tower發(fā)布的圖表，2024年手機端的AI應(yīng)用收入約33億美元，其中兩類AI手機應(yīng)用最掙錢，一類是AI+圖像/視頻，也就是多模態(tài)創(chuàng)意工具，包括視頻、圖像創(chuàng)作編輯等，這類產(chǎn)品的市場份額為53%。另一類是AI+Chatbot，包括諸如ChatGPT的大模型助手和Character.ai這類的AI陪伴聊天助手，市場份額為29%，其他類型的應(yīng)用相對收入較少。從國家市場上看，歐美占據(jù)三分之二左右，所以出海也是主要的需求，我們投資的AI應(yīng)用公司大多在出海。
剛才講到了AI行業(yè)投入產(chǎn)出的不匹配，那么這個行業(yè)的風(fēng)險由誰承擔(dān)？美國紅杉資本提出當(dāng)前AI的供應(yīng)鏈處于 “脆弱的平衡”狀態(tài)。分層來看，最下層的代工廠是盈利的，比如臺積電；往上一層的半導(dǎo)體廠商也是盈利的，比如英偉達(dá)；中間的云廠商是虧損的；之后的模型廠商應(yīng)該也是虧損的，且模型廠商的投資來自云廠商或風(fēng)險投資；最上面則是客戶層，也就是應(yīng)用層的收入，比如ChatGPT、Github Copilot等。那么風(fēng)險在哪？風(fēng)險主要在大型云廠商。大型云廠商投入大量的資本支出，扮演著風(fēng)險吸收者的角色。從另外一個角度看，我會覺得大型云廠商其實掌握著AI的商業(yè)生態(tài)，掌握著資源和人才，也掌握著高達(dá)數(shù)千億美金的云計算市場，AI供應(yīng)鏈的鏈主就是大型云廠商，這種情況在中國和美國都適用。所以業(yè)界需要思考，模型創(chuàng)業(yè)應(yīng)該如何做？大模型創(chuàng)業(yè)公司能不能獨立發(fā)展起來？
美國頭部的語言模型陣營已經(jīng)基本收斂，主要是科技大廠和頭部模型的結(jié)對，剛才提到了這5家模型廠商。本來可能的挑戰(zhàn)者，如Character.ai、Inflection和ADEPT等，也紛紛被這幾家大廠收購，再此驗證大廠對AI供應(yīng)鏈的控制力。中國的語言模型陣營也在迅速收斂，中國的大型云廠商阿里、字節(jié)、騰訊、百度等，不但自研模型，其中幾家也在積極投資模型創(chuàng)業(yè)公司。作為創(chuàng)業(yè)公司，中國的模型六小虎已經(jīng)跑在前列，但在今年也承受了很大的壓力。其他還有少數(shù)有競爭力的跟隨者。回到我們前面討論的，中國未來我覺得也是云廠商在控制AI供應(yīng)鏈，獨立的大模型還是比較困難的。當(dāng)然，中國還有一個特殊因素就是國家隊。我覺得應(yīng)該會有國家隊出現(xiàn)，或者國家隊支持的創(chuàng)業(yè)公司。
有一個來自EpochAI的圖表，顯示開源模型和閉源模型的時間差距是5-22個月例如GPT-4發(fā)布之后，Llama 3.1大約經(jīng)過16個月時間可追平當(dāng)時GPT-4的水平。你可以認(rèn)為開源就代表著行業(yè)的基準(zhǔn)線，所以這是一場殘酷的生存之戰(zhàn)，即我們的三大閉源模型，它們最多只有22個月來發(fā)展用戶和占領(lǐng)市場，不然行業(yè)就會追趕上來。
所以，如果Llama及Qwen等模型的開源策略不變的話，中外的閉源基座模型都將面臨很大的競爭壓力。開源模型的定位很不錯，抓住了行業(yè)和企業(yè)的開發(fā)者，也包括一些大型企業(yè)，大力形成合作生態(tài)，并成為了閉源模型很好的跟隨者。當(dāng)然，國內(nèi)的閉源模型廠商更難受些，無論是大廠還是創(chuàng)業(yè)公司都一樣，因為你在警惕海內(nèi)外開源模型的追趕之余，還要投入巨資持續(xù)追趕全球最領(lǐng)先的模型，窗口期更短。據(jù)說，GPT-4基座模型的訓(xùn)練成本需要1億美金，而GPT-5或下一代基座模型的訓(xùn)練成本要達(dá)到10億美金。即便是中國的大廠，要拿出10億美金去訓(xùn)練模型也會面臨挑戰(zhàn)。當(dāng)然后續(xù)也還存在不確定的因素，那就是如果Meta要花10億美金訓(xùn)練下一代模型，它還會不會愿意像現(xiàn)在這樣開源？這也是未知因素，所以這個行業(yè)其實存在很多的不確定性。
前面討論了模型，現(xiàn)在講應(yīng)用，為什么覺得AI應(yīng)用不達(dá)預(yù)期？除了前面提到的收入低之外，還有兩個部分。一方面，我們AI應(yīng)用的前兩位，即用戶量最大的應(yīng)用分別是ChatGPT和Character.ai，ChatGPT的訪問量在經(jīng)歷了早期瘋狂陡峭的曲線上升之后，到2023年夏季突然間走平，到2024年夏季才突然又有上升趨勢，應(yīng)該是GPT-4o發(fā)布的時間節(jié)點，后面的數(shù)據(jù)暫未更新有待觀察。Character.ai更是在2023年下半年訪問量就開始下滑且一直沒有抬頭的趨勢。所以在用戶增長方面，頭部公司面臨一些挑戰(zhàn)。另一方面，把現(xiàn)在的頭部AI應(yīng)用跟互聯(lián)網(wǎng)/移動互聯(lián)網(wǎng)時代的頭部應(yīng)用進(jìn)行對比，發(fā)現(xiàn)前者的用戶活躍指標(biāo)遠(yuǎn)遠(yuǎn)不如后者的，這也是一個不那么理想的情況。
當(dāng)然這只是現(xiàn)狀，而且有個體原因，但AI作為新興行業(yè)，如果頭部企業(yè)不能持續(xù)快速發(fā)展的話，行業(yè)整體都會稍微面臨壓力，我猜主要問題可能還是模型能力不夠，使得我們的AI應(yīng)用對比傳統(tǒng)應(yīng)用拉不開差距。如果我們能夠有新的模型，解鎖更多更強大的能力，就有可能創(chuàng)造出體驗遠(yuǎn)超當(dāng)前的應(yīng)用，說不定會有機會跳過增長陷阱。
據(jù)美國a16z統(tǒng)計，全球用戶訪問排名前50家的應(yīng)用和App中，有52%是創(chuàng)意工具，即圖片視頻編輯工具，這是比較明顯的最大品類。第二大品類是AI + Chatbot，例如ChatGPT這類的大模型助手和Character.ai這類的AI陪伴聊天助手。其他的品類變化不大，所以2024年頭部AI應(yīng)用在品類上也沒產(chǎn)生顯著的變化。
在行業(yè)整體概覽之后，我們來深度講解一下模型的進(jìn)展。我們先聚焦于OpenAI的o1，o1 代表一種模型新范式，借助思維鏈，帶來復(fù)雜推理能力的增強。推理Reasoning，是指使用理性思維和認(rèn)知過程，從現(xiàn)有知識中推斷出新知識。這是人類一個非常強大的能力，包括常識推理、數(shù)學(xué)推理、符號推理、因果推理等。
那么思維鏈?zhǔn)鞘裁�？思維鏈?zhǔn)侵敢幌盗兄虚g推理的步驟。人在思考一個復(fù)雜問題的時候，他腦子里是有一個思維鏈條甚至是思維樹、思維圖的，這些統(tǒng)稱為思維鏈。在思考過程中如果發(fā)現(xiàn)走這一步不行，那就退回到前面的步驟進(jìn)一步探索。但是我們今天的預(yù)訓(xùn)練模型例如GPT-4,是沒有回退的能力，它的工作模式就像“文字接龍”，每次出一個字（token），如果你走了十步，發(fā)現(xiàn)前面有個字出錯了，是沒有辦法退回來的，只能在后面進(jìn)行修補，但這可能就修補不來。這只是個不準(zhǔn)確的簡單比喻，但有助于我們理解為什么當(dāng)前的基座模型，在復(fù)雜推理等方面的能力不如人類。
今天，o1就有比較強大的復(fù)雜推理能力。如果我們提問題，它會先思考，而不是馬上給出答案，在思考過程中做思維鏈的搜索或遍歷，遍歷結(jié)束后它會開始說出結(jié)論。在我這個演示里，它給出了結(jié)論結(jié)果之后，還會有一個叫思維鏈步驟的總結(jié)，這里它總結(jié)出9個思考步驟，但是它其實有個隱含的復(fù)雜思維鏈，根據(jù)OpenAI的論文，以上述9個思考步驟的思維鏈為例，隱含的思考過程大概有600多行文字，每一行都有點像自言自語，是“我做了這個、我猜可能什么樣、發(fā)現(xiàn)不是我又回退到前面什么地方”，這個過程就非常類似人類的思考過程，更接近復(fù)雜推理能力。
復(fù)雜推理的評測標(biāo)準(zhǔn)是什么？一個是AIME，即美國數(shù)學(xué)邀請賽；另外一個是Codeforces，非常難的編程競賽；還有一個是GPQA，博士級的科學(xué)問題。o1的回答明顯超過之前其他模型，部分評測超過人類專家。而o3在o1基礎(chǔ)上能力又有大幅提升。OpenAI在今年7月份發(fā)布了基座模型的5個能力等級，并認(rèn)為當(dāng)前的o1或o3已經(jīng)達(dá)到第二等級即“推理者”的水平，就是推理能力比較強、能夠執(zhí)行基本任務(wù)的等級，相當(dāng)于沒有任何工具的博士學(xué)位水平的人類。
簡單理解，我覺得AI模型的學(xué)習(xí)分為兩個步驟。第一個步驟是GPT類型的預(yù)訓(xùn)練，利用大量的人類文本數(shù)據(jù)去訓(xùn)練，可以理解為是“模仿學(xué)習(xí)”，模仿人類如何遣詞造句、怎么做思考等等。而到了當(dāng)前階段，可供模仿的互聯(lián)網(wǎng)數(shù)據(jù)已經(jīng)差不多用完了，這時候o1、o3這類模型，開始選擇用“強化學(xué)習(xí)”，通過主動探索和自我博弈之類的方式生成數(shù)據(jù)，基于思維鏈等方式來進(jìn)行模型的訓(xùn)練和推理，并實現(xiàn)“測試時間計算”。
做個類比，有點像一位武學(xué)大師，年輕的時候跟師傅學(xué)習(xí)，學(xué)得挺好，但是超過師傅之后，如果找不到更好的師傅怎么辦呢？他只能自我學(xué)習(xí)，自己摸索著前進(jìn)。
之前下圍棋的AI模型（AlphaGo和AlphaZero）也是如此。AlphaGo原先是利用人類棋譜訓(xùn)練，到達(dá)一定程度后棋力升級乏力，然后AlphaZero就出來了，它完全扔掉人類棋譜，依靠自我博弈來訓(xùn)練自己，達(dá)到更高的境界。這也是模仿學(xué)習(xí)和強化學(xué)習(xí)逐步遞進(jìn)的案例之一。所以其實技術(shù)上有很多概念是互通的。
o1或o3這類AI模型的強化學(xué)習(xí)難度比圍棋更大，因為圍棋是有簡單的評測標(biāo)準(zhǔn)的（例如輸贏），而AI模型在大部分情況下拿不到準(zhǔn)確的評測信號。不過很聰明的一點是，這次它們拉來一個幫手，即之前模仿學(xué)習(xí)訓(xùn)練出來的GPT這類預(yù)訓(xùn)練模型，后者可以幫助生成更好的評測信號，從而幫助o1或者o3的強化學(xué)習(xí)訓(xùn)練。
最近有一個討論是關(guān)于陶哲軒和Mark Chen的，陶哲軒是著名數(shù)學(xué)家和菲爾茨獎獲得者，Mark Chen是OpenAI的研發(fā)副總裁。陶哲軒說，AI不擅長找到正確的問題，但它可以在一個更大的項目中處理非常狹窄的特定部分，類似于在僅有稀疏數(shù)據(jù)時產(chǎn)生推理，所以這個能力很強大，來自于直覺和經(jīng)驗。Mark Chen則說，我們現(xiàn)在正在做test time computer，即測試時間計算，他認(rèn)為這個是可以超越當(dāng)前推理能力，在稀疏數(shù)據(jù)條件下達(dá)到與人類類似的直覺式的推理。我覺得兩者都是有道理的，陶哲軒那個時候還只在用GPT-4，用AI作為數(shù)據(jù)科研，當(dāng)時的GPT4預(yù)訓(xùn)練模型確實只有這個能力，但是Mark Chen說的也有道理，因為像o3這樣的新模型確實有能力達(dá)到這個水平。
因為o3是今天（北京時間12月21日）凌晨4點發(fā)布的，我特地添加了一頁PPT。模型的三大能力之一是編碼編程，數(shù)據(jù)集評測分?jǐn)?shù)比o1提高到70%多。我們投資了一家做AI Coding應(yīng)用的公司，創(chuàng)始人跟我說，如果模型在高難度編程測試數(shù)據(jù)集的評測分?jǐn)?shù)超過70%，基本就算可實用了，因為我們可以想些其他辦法降低實際應(yīng)用的難度，讓70%的模型能力做到接近100%的應(yīng)用能力，所以70%以上模型基本就夠用了。此外，o3的美國數(shù)學(xué)競賽和科學(xué)問題的得分也明顯高于o1。
這里還想提一點，按照OpenAI官方的說法，o1是一個大型推理模型，是用強化學(xué)習(xí)來訓(xùn)練的語言模型，o3只不過進(jìn)一步地擴展了強化學(xué)習(xí)的規(guī)模，但是短短的三個月時間內(nèi)讓o3相對o1有那么大的提升，還是非常令人驚喜的。這還可能只是第一步，后續(xù)應(yīng)該還有進(jìn)一步提升和優(yōu)化的空間。當(dāng)然，o3的運行成本非常貴，據(jù)非官方測算，最高配置的o3回答一個問題的成本可達(dá)2500美元。但我覺得，未來成本問題是可以逐步解決的。
去年我在這也提到過多模態(tài)，當(dāng)時業(yè)界認(rèn)為視頻會在2024取得突破，今年果然有突破。突破的標(biāo)準(zhǔn)是，我們看到有些公司開始用這些視頻生成工具來生產(chǎn)廣告或者影視作品的原始素材。多模態(tài)其實只是人類的概念，如果從AI模型的角度來說，各種模態(tài)在它的“腦�！崩锒际且粋�高維空間的向量。例如GPT-3.5模型的向量是12288維的，后來維度有所降低和優(yōu)化。所以無論是文本、圖像，還是視頻，對AI模型來說都是向量。向量就可以相互做計算，比如以前我們說的“國王”這個向量，減去一個“男人”向量，加上一個“女人”向量，就得到一個“女皇”或“皇后”向量。AI模型的訓(xùn)練和推理，本質(zhì)上都是在進(jìn)行類似的向量計算。但是因為AI模型需要跟人類交流，它還是需要認(rèn)識我們的多模態(tài)數(shù)據(jù)，另外也需要輸出多模態(tài)數(shù)據(jù)，所以就有個“解構(gòu)”和“重構(gòu)”的過程，這個過程就要借助一些算法。其實我們今天看到的算法，包括大家都知道的擴散模型（Diffusion Model）、神經(jīng)輻射場（NeRF）等都是一些非常有意思的算法。
以AI畫圖為例，一般人類畫師如果繪圖，他會找張白紙，先勾勒出大致形象，然后逐步補充細(xì)節(jié)，再去染色，最后做些小的修補，一步步生產(chǎn)出一張畫像。但是AI畫圖并不遵循這樣的流程。以Diffusion Model為例，它首先生成一張原圖（其實是一張隨機生成的噪聲圖，即各向同性高斯分布的噪聲圖），就是PPT里左上角的一塊圖，然后AI模型在提示詞的指導(dǎo)下，每次生成一張去噪圖（其實也是一張噪聲圖），并從原圖中去掉這個去噪圖，這樣循環(huán)操作，經(jīng)過幾十步或者上百步的去噪過程，就畫出這張帶著帽子的女士的畫像。這個操作很違背我們?nèi)祟惖闹庇X，人類直覺不會覺得還能這樣畫圖，但AI就是這么理解、這么畫圖的，這甚至可能比人類還高效。這些算法比較復(fù)雜，大家沒必要都仔細(xì)去了解，但是這些算法確實非常神奇。
今天的多模態(tài)其實還是以文本作為主模態(tài)的，因為其他模態(tài)都是通過文本模態(tài)做的“轉(zhuǎn)譯”或映射。這個“轉(zhuǎn)譯”原理有個通俗的比喻，如果AI看到一張圖，它會先進(jìn)行“看圖寫作”，寫一篇很長的作文來描述這張圖，然后把這篇作文的文本作為整體映射到語言的高維空間里，形成一個高維向量，這個向量就是這張圖的向量。所以它是借助于文本這個載體映射到高維空間里面去的。
模態(tài)的概念是可以延展的，不僅僅是當(dāng)前的文本、圖像和視頻這幾類模態(tài)，像Alpha FOLD生成的蛋白質(zhì)三維結(jié)構(gòu)，兩人對話形式的播客等都可以算是一類模態(tài)。我們峰瑞投資的一家公司叫Top view.AI，其目標(biāo)就是給TikTok或者Instagram的商家制作商業(yè)視頻，但是它基本上無需人工介入即可完成大部分工作，我們只要提供商品詳情頁的鏈接，它可以自己抓取文本、圖像、視頻，融入指定的數(shù)字人的形象，然后自動進(jìn)行劇本創(chuàng)作、配音配樂和視頻剪輯合成等一系列工作，最后完成視頻。
今年有個詞特別流行，叫“世界模型”，它到底是什么？首先說我們?yōu)槭裁葱枰澜缒Ｐ汀Ｎ覄偛胖v到文本是主模態(tài)，其他模態(tài)通過文本映射進(jìn)入這個高維空間，但是文本難以準(zhǔn)確表達(dá)物理世界，比如說復(fù)雜的空間關(guān)系，寫作文來表達(dá)它很困難，再比如說物理屬性，杯子摔下來可能會碎，那這種情況應(yīng)該怎么去描述？不可描述。所以大家認(rèn)為，是不是還應(yīng)該再做一個模型，使其天然就具備一些視覺的能力，我們叫感知。例如，我今天站在講臺上往前看，我會迅速感知到在中歐工商學(xué)院，Alpha峰會的現(xiàn)場是什么樣，有個整體感知，就不需要通過文本去映射其他模態(tài)，而且感知之后我還可以預(yù)測，預(yù)測之后還可以跟這個物理世界做交互。這些就屬于“世界模型”的基本概念�？偨Y(jié)一下，大語言模型形成了一個基于文本的“世界模型”，而文本是一種抽象，它有損失，所以我們要做一個“視覺”的世界模型。Yann LeCun提出的“世界模型”，李飛飛提出的“空間智能”，其中都有類似的概念。
被稱為OpenCV之父的知名AI專家Gary Bradski，提出了一個“WHAT-WHERE-WHY”框架，可用來簡單解釋什么是“世界模型”�！癢hat”指我看一眼知道今天有誰，有些什么東西，有什么事件；“Where”指在哪里，即它的位置，以及相互之間的空間關(guān)系；“Why”指事件背后的因果關(guān)系或目的等，以今天我的AI分享為例，聽眾們是金融行業(yè)的翹楚，過來想了解一下AI行業(yè)的發(fā)展情況，這就是一個前因后果的實例。這個模型比較簡單，有助于我們理解“世界模型”的基本概念。
前面探討了模型的算法，現(xiàn)在講講算力。馬斯克建造的十萬卡的集群，是全球最大的集群之一，當(dāng)前，其他公司都在追趕，面臨著不小的競爭壓力。從數(shù)字上來說，四巨頭在2024年的資本支出超過2000億美元，大部分可能都投入在了數(shù)據(jù)中心建設(shè)上，據(jù)說訓(xùn)練下一代模型的算力需要10倍，也有人說下一個階段數(shù)據(jù)中心物理建設(shè)的重要程度將超過科學(xué)發(fā)現(xiàn)。
接下來我們討論數(shù)據(jù)。眾所周知，算法、算力和數(shù)據(jù)被普遍視為模型的三大生產(chǎn)資料。在AI領(lǐng)域構(gòu)建一個大模型的時候，前面的預(yù)訓(xùn)練階段已經(jīng)使用了大部分?jǐn)?shù)據(jù)，剩余的人類數(shù)據(jù)比較少，就需要大量的前沿數(shù)據(jù)來訓(xùn)練。當(dāng)前，預(yù)訓(xùn)練模型的能力邊界是數(shù)據(jù)，數(shù)據(jù)到不了的地方模型就不能模仿，所以要沿著它的能力邊界去構(gòu)建一些數(shù)據(jù)，從而幫助模型產(chǎn)生相應(yīng)的能力。因此前沿數(shù)據(jù)的重要性凸顯。現(xiàn)在比較缺乏的是復(fù)雜推理、專業(yè)知識、人類思維模式等這類高品質(zhì)的數(shù)據(jù)。
但是我們還有一條路徑，就是所謂的算法合成數(shù)據(jù)，包括今天提到的強化學(xué)習(xí)、自我博弈，這些都是新的方法，但反過來講，強化學(xué)習(xí)又需要新的數(shù)據(jù)來訓(xùn)練它的能力，所以這三者是非常耦合的關(guān)系。我們投資了一家做數(shù)據(jù)工程的公司，人機結(jié)合來標(biāo)注數(shù)據(jù)，也積極利用算法來合成數(shù)據(jù)，這家公司當(dāng)前也在積極出海。這個領(lǐng)域的頭部的公司叫Scale AI，盈利能力很強，估值也很高。
再來談?wù)凙I應(yīng)用，我覺得AI應(yīng)用跟傳統(tǒng)互聯(lián)網(wǎng)應(yīng)用不太一樣。我們以前一般把應(yīng)用分為兩大類，一個叫ToB，一個叫ToC，但我覺得今天在AI行業(yè)，應(yīng)該有一個新的分類叫ToP（Prosumer，專業(yè)用戶），這個類別的應(yīng)用當(dāng)前在用戶增長和商業(yè)化方面表現(xiàn)出色。Prosumer包括比如說內(nèi)容創(chuàng)作者，這就是創(chuàng)作者經(jīng)濟，從業(yè)者估計有1億以上。還包括一些專業(yè)從業(yè)者、技術(shù)專家、深度用戶等，這些都是未來的超級個體。這類人有明確的需求，熱愛學(xué)習(xí)，能夠積極學(xué)習(xí)去掌握一個功能強大但上手操作并不簡單的AI工具，我覺得這些專業(yè)用戶是當(dāng)前最理想的AI應(yīng)用使用者和付費方。今天ChatGPT 大家說可能是ToC，但我覺得它是ToP，因為說句實在話，我身邊也很少有人能夠真正地把ChatGPT、豆包、Kimi這類AI工具用好。我最近寫一篇文章，在整理思路、構(gòu)建框架、形成初稿和文字潤色等各個方面，高強度地使用了ChatGPT，感覺寫作效率和寫作質(zhì)量都有大幅提升，這個過程讓我深刻體驗到這類AI應(yīng)用對于專業(yè)用戶的價值。
這只是一個案例，說明當(dāng)我們要真正把AI作為深度生產(chǎn)力工具的時候，首先會面臨一條陡峭的學(xué)習(xí)曲線，并非所有人都能學(xué)會，掌握后還要容忍它出錯，因為盡管AI強大，它也容易出錯，產(chǎn)生幻覺，所以我們還要有能力去判斷，不能盲目接受。具備這類能力的人當(dāng)前還不多，我覺得在座都可以是這樣的專業(yè)用戶，但一定要廣泛嘗試和深度使用AI工具。
我也想鼓勵AI應(yīng)用的創(chuàng)業(yè)者先做ToP這個市場，要找各行各業(yè)的專業(yè)用戶，給專業(yè)用戶先提供一個功能強大工具，體驗要明顯優(yōu)于傳統(tǒng)互聯(lián)網(wǎng)應(yīng)用，偶爾不穩(wěn)定和出錯也沒關(guān)系。這類工具先從ToP做起來，后續(xù)有機會可以往ToB或ToC去延展。前面我們提到的多模態(tài)創(chuàng)意工具大部分也屬于ToP， ChatGPT本質(zhì)上也是ToP，當(dāng)前To P應(yīng)用明顯占優(yōu)，用戶增長不錯、營收能力也強。
第二個就是ToB，面向企業(yè)提供服務(wù)。因為人類的工作流程很復(fù)雜，再加上人機混合的難度，AI應(yīng)用切入進(jìn)來不太容易。所以我覺得它可能應(yīng)該先從一些獨立的業(yè)務(wù)模塊或者標(biāo)準(zhǔn)的技能模塊切入進(jìn)來。
第三個是ToC，ToC的話感覺是顛覆時刻未到，我覺得核心原因是模型的能力還不足夠。舉個例子，我們之前看過一些項目，讓AI在小紅書等社交媒體發(fā)帶貨文章來掙錢，能形成一定的收入；但是后續(xù)我們發(fā)現(xiàn)，它寫的文章并不能有效漲粉，阻礙了這類應(yīng)用的進(jìn)一步發(fā)展。為什么呢？我覺得，今天的語言模型可以寫出中上水平的內(nèi)容，但要創(chuàng)作出圈粉的文章，預(yù)訓(xùn)練模型的自己能力還達(dá)不到，可能需要大量人類的參與和指導(dǎo)。o1、o3這類模型之后情況可能會有所好轉(zhuǎn)嗎？暫不可知。現(xiàn)在很多ToC的AI應(yīng)用都跟上述案例類似，就是功能雖然不錯，但是跟傳統(tǒng)軟件相比的功能領(lǐng)先優(yōu)勢不大。
進(jìn)入到最后一部分展望和挑戰(zhàn)。關(guān)于挑戰(zhàn)，一個顯著的問題是產(chǎn)品落地緩慢，技術(shù)應(yīng)用周期長。核心原因可能是大家都認(rèn)識到AI要競爭過傳統(tǒng)移動互聯(lián)網(wǎng)，產(chǎn)品體驗是一定不能減分的，成本可以初期承受損失，之后再慢慢降低。但因為模型能力還不足夠，產(chǎn)品質(zhì)量很難達(dá)到八九十分的水準(zhǔn)，可能就只有六十分甚至不及格。
還有一點，現(xiàn)在用戶會變得越來越希望AI成為貼心的助手，當(dāng)我問什么問題，AI可以精確判斷我的意圖，直接給我需要的反饋結(jié)果，而不是給我一堆搜索答案、或者需要讓我多次交互。未來的AI應(yīng)用，一定需要服務(wù)用戶較長時間，對用戶的習(xí)慣（“上下文”）有深度理解和長期記憶，當(dāng)用戶問個問題，AI就能知道用戶問題背后的需求，從而直接給出準(zhǔn)確的答案，甚至給出一些用戶自己都沒想到的答復(fù)，這才是AI時代的應(yīng)用產(chǎn)品應(yīng)該具備的模樣。如果做出這種產(chǎn)品，相信它絕對可以打敗現(xiàn)有的基于移動互聯(lián)網(wǎng)的傳統(tǒng)應(yīng)用產(chǎn)品。但是這對模型的要求很高，對產(chǎn)品的設(shè)計、建構(gòu)、規(guī)劃都有很大的壓力。
關(guān)于2025年的行業(yè)期望，有以下幾點。一是模型逐漸成熟（特別是在o1、o3等新模型的加持之下），AI應(yīng)用落地取得階段性的成果，我覺得2025年可能會成為AI應(yīng)用的大年，AI供應(yīng)鏈的資產(chǎn)負(fù)債表可能會逐步得到修復(fù)。
二是關(guān)于模型的優(yōu)化，比如“世界模型”與物理世界融合的推進(jìn)，無論是對自動駕駛還是智能機器人，我覺得都會有很大幫助。三是多模態(tài)融合，我覺得還可以更進(jìn)一步。四是模型的可解釋性與安全性，我們叫可解釋性是因為它是個黑盒子，你不知道它在想什么東西。AI模型是高階智慧，它的能力未來會超過人類，我們需要了解它到底在想什么，然而這是一項極具挑戰(zhàn)性的任務(wù)，現(xiàn)階段還沒有成熟的方法，但這也是我們想要的，否則你真的很難控制一個能力這么強、但是又不聽你的模型。
人類的勞動分為體力勞動和腦力勞動，其中腦力勞動以知識、智力和創(chuàng)造力為核心。但是今天，我覺得AI在解構(gòu)人類的勞動，未來AI也會具備這樣的勞動能力，甚至超過人類。AI 還有一點比人強，人類培養(yǎng)出一個愛因斯坦這樣的頂尖科學(xué)家非常難，卻很難將其能力復(fù)制給其他人，而AI一旦訓(xùn)練出一位頂尖科學(xué)家，它可以迅速批量復(fù)制。所以最后這些人類引以為傲的腦力勞動能力，可能未來AI都會具備，而且經(jīng)過規(guī)模化復(fù)制后，最終會以軟件化的方式低成本提供。如果再加上具身智能的機器人，體力勞動也可能被大范圍替代。
所以，未來的勞動可能會軟件化，就像即插即用的工具一樣來獲取。當(dāng)然我覺得大家也不必過于緊張，這還是很遙遠(yuǎn)的事情，而且我們?nèi)祟愡�會找到自己跟AI相處的方式。回到當(dāng)前，我覺得最重要的是，我們在座各位，大家要多用AI工具，多了解它的能力，多了解它的不足。在這個過程中我們也能有一些新的思考和進(jìn)步，對我們自己的事業(yè)、工作和生活也會有很大的促進(jìn)，希望大家有機會一定要認(rèn)真地去用當(dāng)前的AI，用AI工具把自己武裝起來，成為未來的“超級個體”，謝謝大家！
Alpha峰會由全新林肯飛行家AVIATOR為您特約呈現(xiàn)
即刻啟程，從容駕馭2025全球投資之旅
本文來自華爾街見聞，歡迎下載APP查看更多
