過去一年中市場已經(jīng)經(jīng)歷了一個(gè)完整的 AI Hype Cycle：有泡沫期的過度炒作，也有低谷期的失望和質(zhì)疑，而現(xiàn)在市場正在重新爬升到生產(chǎn)力平穩(wěn)期（Plateau of Productivity）。人們逐漸意識到， LLM 和 AI 真正產(chǎn)生作用是通過創(chuàng)造、推理和交互三個(gè)環(huán)節(jié)實(shí)現(xiàn)的，這些能力也被融合到了各個(gè)領(lǐng)域的應(yīng)用中為我們所用。

AI 已經(jīng)擁有了創(chuàng)造和推理能力，例如 GenAI 可以生成文本、圖像和音視頻，chatbot 可以回答我們的問題，或者像 Agent 一樣幫我們進(jìn)行多步驟任務(wù)規(guī)劃，這是以前的任何軟件都無法做到的，也意味著軟件已經(jīng)可以同時(shí)處理右腦的創(chuàng)造性任務(wù)和左腦的邏輯性任務(wù)——這是軟件有史以來第一次能夠以類人的方式與人類進(jìn)行交互，對商業(yè)模式的意義非常重大。

紅杉合伙人 Pat Grady 通過回顧過去 20 年來云行業(yè)的發(fā)展回答了 “為什么 AI 技術(shù)為什么在近期爆發(fā)”。

Pat 認(rèn)為，云計(jì)算是技術(shù)領(lǐng)域的一次重大轉(zhuǎn)變，它顛覆了過去的技術(shù)格局，并因此帶來了新的商業(yè)模式、應(yīng)用程序以及人機(jī)交互方式。在云行業(yè)還處于早期的 2010 年，全球軟件的總市值約為 3500 億美元，其中云軟件只占了大概 60 億。但到了去年，軟件市場的總規(guī)模已經(jīng)從 3500 億美元增長到 6500 億美元，而云軟件的收入達(dá)到了 4000 億美元。這意味著在 15 年間，云軟件的 CAGR 保持在了 40%，實(shí)現(xiàn)了驚人的增長。

而云之于 AI 是一個(gè)很好的類比。云能取代傳統(tǒng)軟件就是因?yàn)榫邆淞伺c人類更相似的交互能力；同樣，現(xiàn)在的 AI 技術(shù)在創(chuàng)造力、邏輯推理和人機(jī)交互等方面又達(dá)到了新的高度。未來，AI 的一大機(jī)遇將是軟件替代服務(wù)。如果能夠?qū)崿F(xiàn)這一變革，AI 的市場潛力將不是數(shù)千億美元，而是數(shù)十萬億美元級別。可以說，我們正站在有史以來最偉大、最有無限價(jià)值創(chuàng)造潛力的時(shí)間點(diǎn)上。

1960s 后的歷次技術(shù)變遷以及代表公司

至于為什么認(rèn)為當(dāng)下是參與 AI 的重要時(shí)點(diǎn)，Pat Grady 提到，紅杉從創(chuàng)立以來見證了歷史上的數(shù)次技術(shù)變遷、也受益于此，在這個(gè)過程中，團(tuán)隊(duì)也對于不同技術(shù)浪潮之間如何互相影響、推動(dòng)世界向前發(fā)展有著清晰的認(rèn)知：

· 1960s：紅杉創(chuàng)始人 Don Valentine 在仙童半導(dǎo)體負(fù)責(zé)市場營銷，“硅谷”這一名字的由來也和仙童半導(dǎo)體的硅基晶體管直接相關(guān)；

· 1970s：在芯片基礎(chǔ)上，人們構(gòu)建出了計(jì)算機(jī)系統(tǒng)；

· 1980s：網(wǎng)絡(luò)技術(shù)把 PC 連接到一起，與此同時(shí)軟件產(chǎn)業(yè)誕生；

· 1990s：互聯(lián)網(wǎng)誕生，人們的通信和消費(fèi)方式因此被改變；

· 2000s：互聯(lián)網(wǎng)已經(jīng)逐步成熟，開始能夠支持復(fù)雜的應(yīng)用程序，云計(jì)算出現(xiàn)；

· 2010s：因?yàn)橐苿?dòng)設(shè)備的普及，移動(dòng)互聯(lián)網(wǎng)時(shí)代到來，再次改變了我們的工作方式。

每一次技術(shù)浪潮都是在前一次的基礎(chǔ)上疊加和演進(jìn)的。AI 的概念雖然早在 20 世紀(jì) 40 年代就已出現(xiàn)，但直到最近幾年 AI 才從想法和夢想變?yōu)楝F(xiàn)實(shí)，開始商業(yè)化，并在人們?nèi)粘Ｉ钪薪鉀Q實(shí)際問題，實(shí)現(xiàn)這個(gè)突破的前提包括：

· 低價(jià)且充足的算力；

· 快速且高效可靠的網(wǎng)絡(luò)；

· 智能手機(jī)在全球的普及；

· 由 Covid 加速的在線化趨勢；

· 上述這些過程中都為 AI 帶來了大量數(shù)據(jù)。

Pat Grady 認(rèn)為，AI 將會成為未來 10-20 年的主題，紅杉對此有強(qiáng)烈的信念，盡管這個(gè)假設(shè)還有待證實(shí)。

關(guān)于 AI 未來的行業(yè)格局，Pat Grady 先總結(jié)了 Cloud 和 Mobile 時(shí)代出現(xiàn)的收入超過 10 億美元的公司（如上圖左側(cè)），雖然 AI 代表的最右側(cè)現(xiàn)在幾乎還是空白，但也象征在當(dāng)前市場中巨大的的潛在價(jià)值和機(jī)會。Pat Grady 預(yù)測，在未來的 10-15 年，右邊的空白就會被 40-50 個(gè)新的公司 logo 填滿，正是讓他們感到興奮的機(jī)會所在。

紅杉合伙人 Sonya Huang 首先從客戶服務(wù)、法律、編程和視頻生成等領(lǐng)域回顧了過去一年 AI 的發(fā)展。

AI 應(yīng)用的各個(gè)領(lǐng)域

2023 年是 AI 歷史上相當(dāng)重要的一年。ChatGPT 問世的一年半后，整個(gè)行業(yè)一直發(fā)生著劇烈的變化。去年大家討論的還是 AI 將如何徹底改變不同領(lǐng)域并提供驚人的生產(chǎn)力提升，而現(xiàn)在 AI 已經(jīng)成為人們關(guān)注的焦點(diǎn)。

在客服領(lǐng)域，Klarna 的 CEO Sebastain 曾經(jīng)公開表示，現(xiàn)在 Klarna 已經(jīng)在用 OpenAI 來處理 2/3 的客服查詢，AI 替代了相當(dāng)于 700 名全職客服的工作。目前全球有數(shù)千萬的 call center agent，結(jié)合這一背景下，Sonya 認(rèn)為 AI 已經(jīng)在客服市場找到了 PMF。

法律服務(wù)在一年前被認(rèn)為是最不愿擁抱科技、最不愿意承擔(dān)風(fēng)險(xiǎn)的行業(yè)，現(xiàn)在已經(jīng)出現(xiàn)了像 Harvey 這樣的公司，可以把律師從日常 paperword 到高級分析的很多工作自動(dòng)化。

再比如在編程領(lǐng)域，經(jīng)過一年時(shí)間，我們已經(jīng)從一年前用 AI 寫代碼發(fā)展快速發(fā)展到擁有獨(dú)立的 AI 軟件工程師。還有像 HeyGen 這樣的 AI 視頻生成公司，能幫人生成 Avatar 參與 Zoom 會議。

Sequoia 的 Pat Grady 用 HeyGen 生成的 Avatar 

在 Zoom 會議中的影像呈現(xiàn)

根據(jù)估算，GenAI 在出現(xiàn)后一年間創(chuàng)造的總收入約為 30 億美元，這還不包括科技巨頭和云服務(wù)廠商通過 AI 產(chǎn)生的收入。作為對比，SaaS 花了近 10 年才達(dá)到這個(gè)水平。也正是因?yàn)檫@樣的速度和規(guī)模讓大家更確信 GenAI 會持續(xù)存在。

主要 GenAI 產(chǎn)品的實(shí)際用戶規(guī)模

從上圖也可以看出，客戶對 AI 需求不僅限于一兩個(gè)應(yīng)用，而是方方面面的。很多人都知道 ChatGPT 有多少用戶，但當(dāng)在觀察許多 AI 應(yīng)用的收入和使用數(shù)據(jù)時(shí)，會發(fā)現(xiàn)現(xiàn)在不管是 to B 還是 to C，初創(chuàng)公司還是已有的科技公司，很多 AI 產(chǎn)品都在各個(gè)行業(yè)找到了合適的 PMF，應(yīng)用場景已經(jīng)非常多樣化。

從投資分布上來看，資金分配不均衡是一個(gè)顯著問題。如果把 GenAI 比作一個(gè)蛋糕，蛋糕底層是 foundation model ，中間是開發(fā)者工具和 infra，頂層是應(yīng)用。一年前，人們的預(yù)期是：因?yàn)?foundation model 層的進(jìn)步，所以應(yīng)用層會涌現(xiàn)出大量新公司。但實(shí)際情況卻相反。越來越多的 foundation model 公司出現(xiàn)并融到了大量資金，而應(yīng)用層似乎才剛剛起步。

紅杉美國合伙人 David 在去年發(fā)表了一篇 AI's $200 Billion Question 的討論。如果我們看目前投入到 GPU 上的投資，去年只是在 Nvidia 的芯片上就花了大概 500 億美元，但目前可以確認(rèn)的 AI 行業(yè)收入只有 30 億美元。這些數(shù)據(jù)表明， AI 產(chǎn)業(yè)目前還處于很早期的階段，投入產(chǎn)出比很低，還有很多現(xiàn)實(shí)問題需要解決。

AI 產(chǎn)品和移動(dòng)應(yīng)用的 MAU、DAU 和次月留存率

盡管 AI 產(chǎn)品的用戶數(shù)量和收入看起來很可觀，但它在 DAU、MAU 和次月留存率方面還遠(yuǎn)低于移動(dòng)應(yīng)用。很多用戶都在用戶調(diào)研中提到 AI 應(yīng)用的預(yù)期與體驗(yàn)之間存在差距。還有一些產(chǎn)品 demo 看起來很炫酷，實(shí)際用起來卻不怎么樣，這也導(dǎo)致用戶沒有能更長期使用下去。

這些雖然是客觀存在的問題，但更是機(jī)遇。去年企業(yè)對 GPU 的大量投資帶來了更加智能的 foundation model，最近出現(xiàn)的 Sora、Claude-3 和 Grok 等都顯示出 AI 的基準(zhǔn)智能水平正在提高，因此未來 AI 產(chǎn)品的 PMF 將加速提升。

新技術(shù)從出現(xiàn)到成熟需要一個(gè)過程，開創(chuàng)性應(yīng)用的出現(xiàn)同樣需要時(shí)間。以 iPhone 為例，App Store 初期的許多應(yīng)用都很原始，只是展示新技術(shù)，并沒有真正解決問題或創(chuàng)造價(jià)值。像手電筒或者類似 beer drinking 這種小游戲，后來都變成了系統(tǒng)內(nèi)置應(yīng)用或者可有可無的小工具。而 Instagram 和 Doordash 這樣真正具有影響力的應(yīng)用都是在 iPhone 和 App Store 推出幾年后才出現(xiàn)的。

AI 技術(shù)正在經(jīng)歷類似的發(fā)展過程?，F(xiàn)在市場上的許多 AI 應(yīng)用都還處于 demo 或早期探索階段，就像 App Store 的早期應(yīng)用一樣，但也許下一代的傳奇公司已經(jīng)出現(xiàn)。

AI 的應(yīng)用場景已經(jīng)非常廣泛，其中 AI 客戶支持、AI Friendship（AI 虛擬陪伴） 和企業(yè)知識是非常典型的三個(gè)領(lǐng)域?？头堑谝慌谄髽I(yè)中真正實(shí)現(xiàn)產(chǎn)品 PMF 的 AI 應(yīng)用場景之一。Klarna 不是一個(gè)例外，而是一個(gè)普遍趨勢。AI friendship 是 AI 最令人驚喜的應(yīng)用場景之一，它的用戶數(shù)量和使用指標(biāo)表明，用戶對此有著強(qiáng)烈的喜愛。此外，跨部門、跨職能的企業(yè)內(nèi)部知識共享（Horizontal enterprise knowledge）應(yīng)用也有很大的潛力。

基于以上的分析，紅杉的幾位合伙人也對 2024 年的 AI 發(fā)展做出了預(yù)測。

· 預(yù)測一：Copilot 將逐漸向 AI Agent 轉(zhuǎn)變。

2024 年，AI 將從輔助人類的 Copilot 轉(zhuǎn)變?yōu)檎嬲芴娲恍┤祟惞ぷ鞯?Agent。AI 將更像是一個(gè)同事，而不僅僅是一個(gè)工具，這點(diǎn)在軟件工程、客服等行業(yè)已經(jīng)初步顯現(xiàn)。

· 預(yù)測二：模型將具備更強(qiáng)的規(guī)劃和推理能力。

很多人批評 LLM 只是重復(fù)以往數(shù)據(jù)中的統(tǒng)計(jì)模式，而非真正地進(jìn)行深入的思考和邏輯推理，這種狀況將會通過新的研究方向得到改善。一些研究正在嘗試讓模型更好地進(jìn)行推理環(huán)節(jié)計(jì)算和游戲式價(jià)值迭代（gameplay-style value iteration），這些方法可以讓模型在做出決策前有一定的“思考時(shí)間”，這些嘗試預(yù)計(jì)將在明年讓 AI 更有能力執(zhí)行更高級別的認(rèn)知任務(wù)，例如規(guī)劃和推理。

· 預(yù)測三：LLM 準(zhǔn)確度將更高，從主要用于從 To-C 娛樂應(yīng)用逐漸擴(kuò)展到企業(yè)級應(yīng)用。

在 To-C 應(yīng)用場景中，用戶對于 AI 出現(xiàn)錯(cuò)誤這件事并不會特別在意，因?yàn)槿藗冎饕?AI 來進(jìn)行娛樂，但當(dāng) AI 用于企業(yè)應(yīng)用，尤其是在醫(yī)療、國防等高風(fēng)險(xiǎn)領(lǐng)域時(shí)，準(zhǔn)確性和可靠性就變得至關(guān)重要。研究者正在開發(fā) RLHF、Prompt Training 和向量數(shù)據(jù)庫等各種工具和技術(shù)，來幫助 LLM 實(shí)現(xiàn)“五個(gè)九”（99.999% 的正常運(yùn)行時(shí)間）的高準(zhǔn)確度和可靠性。

· 預(yù)測四：大量 AI Prototype 和實(shí)驗(yàn)項(xiàng)目將投入使用。

2024 年預(yù)計(jì)將有許多 AI 原型和實(shí)驗(yàn)項(xiàng)目進(jìn)入市場。和實(shí)驗(yàn)階段不同，產(chǎn)品真正開始被用戶使用時(shí)，就需要考慮延遲時(shí)間、成本、模型所有權(quán)以及數(shù)據(jù)所有權(quán)的管理等一系列因素，這也意味著計(jì)算的重心預(yù)計(jì)將從預(yù)訓(xùn)練轉(zhuǎn)向推理過程。因此 2024 年是極為關(guān)鍵的一年，人們對這些產(chǎn)品有很高期待，必須確保這個(gè)轉(zhuǎn)變過程正確無誤。

· 判斷 1：AI 是一次規(guī)模宏大的成本驅(qū)動(dòng)型生產(chǎn)力革命。

技術(shù)革命有很多種類型，包括電話帶來的通信革命、火車帶來的交通革命以及農(nóng)業(yè)機(jī)械化帶來的生產(chǎn)力革命。AI 帶來的顯然是一場生產(chǎn)力革命。

歷史上的生產(chǎn)力革命都有相似的模式：起初是人使用工具，然后發(fā)展到人配合機(jī)器，最終轉(zhuǎn)變?yōu)槿祟惻c協(xié)同化、網(wǎng)絡(luò)化的工具協(xié)作。這表明 AI 的發(fā)展將經(jīng)歷從單點(diǎn)逐漸進(jìn)化到高度集成網(wǎng)絡(luò)的過程，這將極大改變我們的工作和生產(chǎn)方式。

歷史上從鐮刀到聯(lián)合收割機(jī)的變化

在農(nóng)耕領(lǐng)域，人類使用鐮刀這一工具至今已經(jīng)超過 1 萬年，再到 1831 年發(fā)明的機(jī)械收割機(jī)，如今我們已經(jīng)擁有由數(shù)以萬計(jì)的機(jī)器系統(tǒng)組成的復(fù)雜網(wǎng)絡(luò)聯(lián)合收割機(jī)，系統(tǒng)中的單個(gè)機(jī)器就是 Agent。

在知識工作和寫作領(lǐng)域也有類似的模式。知識工作最初的工具只有紙筆，發(fā)展到后來的編程，再到現(xiàn)在計(jì)算機(jī)和 IDE 已經(jīng)可以大規(guī)模輔助軟件開發(fā)。軟件開發(fā)將不再是孤立的過程，而是一系列的機(jī)器網(wǎng)絡(luò)協(xié)同構(gòu)建復(fù)雜的工程系統(tǒng)，由多個(gè) Agent 共同完成代碼生成。

寫作曾經(jīng)也是純?nèi)斯さ模髞砣伺c機(jī)器助手協(xié)作，現(xiàn)在已經(jīng)可以利用很多個(gè)工具協(xié)同。比如大家現(xiàn)在使用的 AI 助手不僅僅是 GPT-4，還有 Mistral-Large 和 Claude-3 等工具，并且借助他們互相驗(yàn)證，獲得更好的答案。

生產(chǎn)力革命對社會的影響是普遍和深遠(yuǎn)的。從經(jīng)濟(jì)學(xué)角度來說，這意味著成本能顯著降低。上圖顯示 S&P 500 公司每 100 萬收入所需的員工數(shù)量正在迅速下降，這種變化意味著我們將能以更快的速度和更少的人力來完成工作。但這并不意味著我們要做的事情變少了，而是在同樣的時(shí)間能做更多的事。

歷史上各領(lǐng)域的技術(shù)進(jìn)步都會帶來通縮。以計(jì)算機(jī)軟件為例，由于持續(xù)的技術(shù)創(chuàng)新，軟件的價(jià)格在不斷下降。但在對社會最重要的領(lǐng)域，比如教育、醫(yī)療保健、住房等，價(jià)格上漲速度卻遠(yuǎn)遠(yuǎn)超過通脹，而 AI 恰好有助于降低這些領(lǐng)域的成本。

因此，關(guān)于 AI 長期影響的第一個(gè)關(guān)鍵判斷是：AI 將是一次巨大的成本驅(qū)動(dòng)型生產(chǎn)力革命，幫助我們在社會的關(guān)鍵領(lǐng)域以更少的資源做更多的事。

· 判斷2：萬物皆可生成

第二個(gè)判斷主要是討論 AI 到底能做什么。

一年前 Jensen Huang 提出了一個(gè)預(yù)言，未來圖像將不再是渲染出來的，而是生成出來的。這意味著我們正在從將信息存儲為像素矩陣，轉(zhuǎn)變?yōu)閷⑵浔硎緸槎嗑S概念。以字母“a”為例，過去“a”都是以 ASCII 碼 97 這個(gè)原始數(shù)據(jù)被存儲，但現(xiàn)在計(jì)算機(jī)不再只關(guān)注像素表示，而是理解字母作為英文字母在特定語境下的概念內(nèi)涵。

更強(qiáng)大的是，計(jì)算機(jī)不僅能夠理解這種多維表示并渲染為圖像，還能夠把它情境化，理解“a”作為英文字母在特定語境下的含義，而不僅僅是孤立的符號。比如看到“multidimensional”這個(gè)詞，計(jì)算機(jī)不會去關(guān)注“a”這個(gè)字母本身，而是去理解整個(gè)語境和詞的含義。

這個(gè)過程正是人類思維的核心特征。就像我們學(xué)習(xí)字母“a”時(shí)并不是記憶像素矩陣，而是掌握了一個(gè)抽象概念。這種思維方式可以追溯到 2500 年前柏拉圖的理念論，柏拉圖認(rèn)為，萬物背后都有一個(gè)永恒不變的理念世界，現(xiàn)實(shí)世界中的事物都是理念世界完美形式的映射，這與當(dāng)前 AI 的學(xué)習(xí)過程有相通之處。

而這件事對于企業(yè)的影響是很大的。目前企業(yè)已經(jīng)開始將 AI 集成到特定的流程和 KPI 制定中，例如前面提到的 Klarna 借助 AI 提高了客戶支持相關(guān)的績效，通過建立 AI 檢索信息體系打造優(yōu)質(zhì)的客戶體驗(yàn)。這種變革也伴隨著新用戶界面的出現(xiàn)，這些用戶界面可能與以往我們所用的支持溝通方式截然不同。

這個(gè)趨勢相當(dāng)重要，因?yàn)檫@意味著企業(yè)最終可能會像神經(jīng)網(wǎng)絡(luò)那樣運(yùn)作，各個(gè)部分之間相互連接和協(xié)同工作，以自我優(yōu)化的方式互相學(xué)習(xí)和適應(yīng)并不斷提高效率。

以客戶支持流程為例，上圖是一個(gè)簡易客服流程示意圖。客服部門有一系列 KPI，這些指標(biāo)受到文生語音、語言生成、客戶個(gè)性化等因素的影響，這些因素形成了優(yōu)化項(xiàng)樹狀圖中的子模式或子樹，最終形成一個(gè)層次明晰、互相連通的體系圖，其中語言生成的反饋將直接影響服務(wù)客戶的最終 KPI。借助這種抽象方式，整個(gè)客服流程將由神經(jīng)網(wǎng)絡(luò)管理、優(yōu)化和改進(jìn)。

再考慮企業(yè)獲客的情況。通過語言生成、增長引擎以及廣告定制和優(yōu)化等 AI 技術(shù)，可以幫助企業(yè)更好地滿足每位客戶的需求。這些技術(shù)之間的相互作用，可以推動(dòng)企業(yè)像神經(jīng)網(wǎng)絡(luò)一樣自我學(xué)習(xí)和適應(yīng)。個(gè)體將能夠完成更多工作，這也會催生更多一人公司出現(xiàn)。