GTC后，生成式AI相關(guān)的討論久久不能平息，上個(gè)月Gen AI領(lǐng)域剛剛宣布的兩個(gè)高額融資消息也引發(fā)了大量關(guān)注：Augment以近10億美金的估值融資2.27億美金，Cognition則以20億美金估值融資1.75億美金。從文字chatbot到視頻生成、機(jī)器人，生成式AI的能力不斷拓展，應(yīng)用潮已經(jīng)開始，行業(yè)內(nèi)外，大家都很關(guān)心這個(gè)話題：AI將會(huì)帶我們到何處去？
作為AI、深度學(xué)習(xí)領(lǐng)域多年的從業(yè)者，曾經(jīng)的大公司管理者、創(chuàng)業(yè)者以及如今的深科技領(lǐng)域投資人，我在此拋磚引玉，談?wù)勎覍?duì)生成式AI發(fā)展的個(gè)人判斷。
本質(zhì)上，我認(rèn)為生成式AI的競爭力根植于這三個(gè)維度：
一是算力及基礎(chǔ)設(shè)施，這也是許多大公司優(yōu)勢(shì)明顯的地方。
二是算法，當(dāng)然也意味著算法背后的人才。
第三則是數(shù)據(jù)及應(yīng)用場景，對(duì)創(chuàng)業(yè)公司來說，這一部分仍存在著大量機(jī)遇。
我們下面可以從這三個(gè)維度來生成式AI的未來。
Gen AI并非算力競賽，創(chuàng)業(yè)公司的機(jī)會(huì)在這些領(lǐng)域
在算力方面，Nvidia是GPU的領(lǐng)頭羊、CUDA生態(tài)的開創(chuàng)者，具有巨大的優(yōu)勢(shì)，但其實(shí)，未來的生成式AI并非絕對(duì)以算力定成敗。
算力有限的創(chuàng)業(yè)公司或者科研機(jī)構(gòu)，機(jī)遇主要在哪里呢？
首先，創(chuàng)業(yè)公司可以打造生成式AI的基礎(chǔ)設(shè)施，解決底層的問題。
幾乎所有的領(lǐng)域的公司，都在考慮自身在生成式AI方面的競爭策略。在數(shù)據(jù)隱私/計(jì)算安全、
準(zhǔn)確性/可靠性、商業(yè)邏輯等等領(lǐng)域都會(huì)有很碎片化的的要求。而大廠的工具鏈服務(wù)鏈只能解決一部分需求，其他的就需要初創(chuàng)企業(yè)來填補(bǔ)。Lepton.AI、Corvic.AI、Fairly.AI 等都屬于這個(gè)范疇。這些創(chuàng)業(yè)企業(yè)搭建了機(jī)器學(xué)習(xí)領(lǐng)域的基礎(chǔ)架構(gòu)，比如Corvic.AI，他們提供的解決方案讓復(fù)雜數(shù)據(jù)能較為簡便地轉(zhuǎn)化為可用的企業(yè)級(jí)AI，提供預(yù)測分析、AI助手、數(shù)據(jù)標(biāo)簽等功能。
其次，雖然大公司在算力方面擁有優(yōu)勢(shì)，創(chuàng)業(yè)公司可以將目光投向?qū)I(yè)領(lǐng)域——對(duì)于這些領(lǐng)域來說，持續(xù)積累的專業(yè)數(shù)據(jù)將會(huì)有著不可替代的價(jià)值，其中的行業(yè)壁壘、合規(guī)等方面的積累也能形成一定的護(hù)城河。
而更重要的是，不少領(lǐng)域（比如生物醫(yī)藥、網(wǎng)絡(luò)安全、科研、制造）的底層邏輯和大模型擅長的語言文字視頻并不相近，無法直接套用，也不容易簡單的做二次開發(fā)就能獲得好的結(jié)果。
從另一個(gè)角度來說，大模型也同樣打開了許多新機(jī)遇，過去一些離商業(yè)化較遠(yuǎn)的領(lǐng)域可能忽然就有前進(jìn)的動(dòng)力了，其中往往會(huì)有創(chuàng)業(yè)公司的機(jī)會(huì)。
文初提到的AI寫代碼就是一個(gè)新出現(xiàn)的機(jī)遇，這兩家企業(yè)都是近年來發(fā)展迅速的AI公司，Cognition的創(chuàng)立時(shí)間才剛剛半年。我們也投資了一個(gè)同類別的公司Metabob，通過AI來幫助人們找程序中的bug并修復(fù)它們。這類企業(yè)在AI與軟件工程的交叉點(diǎn)找到了自己的市場。
近期機(jī)器人的熱潮也是個(gè)很好的例子。
過去傳統(tǒng)機(jī)器人往往只能解決單個(gè)任務(wù)，機(jī)器人的傳感器、成本投入都有限，也限制了它的發(fā)展。
隨著LLM的發(fā)展，機(jī)器人能夠在虛擬空間通過強(qiáng)化學(xué)習(xí)（reinforcement learning）來進(jìn)行學(xué)習(xí)、迭代、完成復(fù)雜任務(wù)，帶來了一系列連鎖反應(yīng)——企業(yè)愿意開發(fā)擁有成本更高、能力更強(qiáng)機(jī)器人，這一行業(yè)也有了更多的想象空間與投入。斯坦福大學(xué)李飛飛教授參與的團(tuán)隊(duì)也構(gòu)建了類似于當(dāng)年ImageNet的針對(duì)虛擬空間訓(xùn)練測試機(jī)器人的基于物理模型的大規(guī)模訓(xùn)練場景。
今年3月，機(jī)器人公司Figure與OpenAI合作發(fā)布的視頻引發(fā)了很多關(guān)注：金屬覆身的機(jī)器人接入了OpenAI的大語言模型，能夠迅速理解人類的意圖并做出相應(yīng)的動(dòng)作，包括整理、準(zhǔn)確放置物品以及完成一些相對(duì)模糊的指令——一名男子對(duì)Figure01“給我找個(gè)吃的”，機(jī)器人略思索后，拿起了桌上的蘋果，并遞給了他。值得注意的是，桌上還有四散的碗盤、瀝水架等，蘋果是唯一一個(gè)可食用的物品，這個(gè)簡單的動(dòng)作涉及了推理與思考過程，加上之前整理、收納，機(jī)器人展現(xiàn)了完成多個(gè)復(fù)雜任務(wù)的能力。
除了Figure01外，ChatGPT引領(lǐng)的大模型風(fēng)潮下，各類引入了LLM的機(jī)器人正在涌現(xiàn)：University of Michigan的學(xué)者也發(fā)布了基于大語言模型，能夠更好地理解3D環(huán)境的家用機(jī)器人。在工業(yè)、農(nóng)業(yè)、醫(yī)療等領(lǐng)域，可以想象，新型的 機(jī)器人會(huì)帶來很多的新變化。
新型芯片及算法可能會(huì)重寫壟斷格局
目前，在生成式AI的算法方面，呈現(xiàn)NVidia、OpenAI、Microsoft三巨頭壟斷的格局。不過在我看來，這樣的情況也會(huì)在技術(shù)進(jìn)展下面臨變化。
這并非我一家之言，可以說，幾乎是一個(gè)行業(yè)共識(shí)，只是很難預(yù)測它具體的時(shí)間點(diǎn)。
今年GTC上，Transformer的原作小組首次聚集，八位作者中的七位與黃仁勛對(duì)話，而核心觀點(diǎn)就是：Transformer已經(jīng)夠老了，期待看到更新的模型。
作者之一、Cohere的創(chuàng)始人及CEO Gomez評(píng)論道：我想看到比Transformer好十倍的模型來替代它……Transformer在內(nèi)存占用和許多架構(gòu)方面都有優(yōu)化的可能性，比如一個(gè)非常長的context是很昂貴、無法擴(kuò)展的，它的parameterization可能不必要那么長 ，我們可以壓縮許多倍，帶來指數(shù)級(jí)的縮小。
從仿生學(xué)的角度來說，這個(gè)觀點(diǎn)也很站得住腳——目前算法的功耗算力，跟自然界還有很大差距。
人的大腦功耗幾十瓦。昆蟲的大腦功耗是毫瓦/微瓦級(jí)的，神經(jīng)元數(shù)量極少，也能完成特別復(fù)雜的立體視覺、三維控制、捕獵逃生等感知相關(guān)的行為。同等情況下，如果讓電腦復(fù)現(xiàn)小動(dòng)物在自然界里識(shí)別、控制、捕獵、求生的能力，需要更先進(jìn)的模型，也一定會(huì)逐步出現(xiàn)更先進(jìn)的模型。
而未來更好的算法與模型也很可能意味著更多專用的、小型的芯片會(huì)迎來發(fā)展。
比如我們此前投資的D-matrix，主打存內(nèi)計(jì)算，預(yù)計(jì)將在2024大規(guī)模量產(chǎn)，目前已經(jīng)有大量訂單。另一個(gè)模擬計(jì)算芯片設(shè)計(jì)企業(yè)Tetramem也備受關(guān)注，已經(jīng)發(fā)布了多篇Nature論文。
除此之外，開源的相對(duì)小型的transformer 模型（如Microsoft's PHI-2 and Mistral 7B）也會(huì)迎來快速發(fā)展。在我看來，這些開源的小模型對(duì)于AI行業(yè)持續(xù)、健康的發(fā)展是很有必要的。這次AI的熱潮與以往的科技潮不同，大公司并未占據(jù)所有重要的研究方向——谷歌上市時(shí)，許多大學(xué)就停止了對(duì)搜索算法的研究，因?yàn)楣雀枰呀?jīng)有了很好的團(tuán)隊(duì)和資源來推進(jìn)搜索算法。而生成式AI則不是，對(duì)于研究機(jī)構(gòu)而言，這些開源的小模型中還有很多值得探索的地方，目前所有名校的計(jì)算機(jī)系也都在積極研究開源模型。
甚至可以說，文初我提到的、未來我們期待的新的算法很可能就會(huì)從這些科研人員的工作中涌現(xiàn)。
GenAI發(fā)展的背后是人才之爭
這個(gè)對(duì)更新、更好的生成式AI算法的期待，也意味著另一件事：生成式AI的競爭也意味著人才之爭。
目前，中美是在AI人才方面占據(jù)全球一二位置的兩個(gè)國家。
從絕對(duì)人數(shù)來說，中國占據(jù)了第一位——今年三月，紐約時(shí)報(bào)報(bào)道了一個(gè)追蹤AI相關(guān)人才的報(bào)告，中國有著全世界最多的AI本科生人才，而與三年前相比，如今在美國的頂級(jí)AI人才中，中國人的比例也已經(jīng)超過了美國人。比起過去，這些中國人才在美攻讀學(xué)位后，也更多地“回流”中國。
當(dāng)然，美國有著世界數(shù)量最多的一流大學(xué)，與創(chuàng)新氣氛濃厚的科技企業(yè)，也孕育出了將LLM石破天驚帶入大眾視野的Open AI，對(duì)各國的AI人才仍舊有著強(qiáng)烈的吸引力。
不可否認(rèn)，基于天時(shí)地利人和等方面考慮，中美牢牢占據(jù)了未來AI發(fā)展綜合最優(yōu)的前二寶座。
在這個(gè)背景下，還有一個(gè)值得注意的趨勢(shì)：人才的兩極分化。
由于AI+ 的杠桿作用越發(fā)明顯，創(chuàng)立一個(gè)優(yōu)秀的AI企業(yè)所需要的技術(shù)人才的數(shù)量比幾年前已經(jīng)顯著減少了。企業(yè)接下來對(duì)人才的競爭，會(huì)越來越集中于少數(shù)頂尖人才的爭奪。
無論在硅谷還是在北上杭，我們已經(jīng)看到頂級(jí)AI人才被高價(jià)爭搶，而普通大學(xué)生找不到工作的這種兩極分化，而這樣的趨勢(shì)未來也會(huì)更加明顯。
Gen AI將成萬億美元市場，投資人如何入局？
從我和我身邊的創(chuàng)投從業(yè)者的角度看來，我們的共識(shí)是Gen AI的未來是光明的——Bloomberg Intelligence報(bào)告預(yù)測，GenAI將成為未來十年發(fā)最迅速的市場之一，市場總量超過萬億美元，復(fù)合年增長率超過40%。它變革性的能力會(huì)影響各行各業(yè)。
對(duì)于投資人而言，如果想要投資這個(gè)市場，我有以下建議：
首先，投資生成式AI項(xiàng)目，本質(zhì)上仍舊是在深科技技術(shù)中尋找那些具有商業(yè)化潛力的項(xiàng)目。投資人最好能具備AI相關(guān)技術(shù)背景，并且保持持續(xù)學(xué)習(xí)及市場敏銳度。目前生成式AI的技術(shù)變化、突破、市場都在迅速發(fā)展。比如此前一些掛著大模型名號(hào)的項(xiàng)目，也許在ChatGPT某次更新后就會(huì)完全失去市場，能夠識(shí)別這些項(xiàng)目，可以幫助規(guī)避許多風(fēng)險(xiǎn)。
其次，正如文初分析的，目前生成式AI的支柱分為人才/算法、算力、應(yīng)用/數(shù)據(jù)三大方向。作為投資人，前兩者的投資難度較大，然而應(yīng)用/數(shù)據(jù)中，有著大量的未來機(jī)遇，可以考慮投資一些相關(guān)資源。
比如應(yīng)用場景和應(yīng)用場景相關(guān)的數(shù)據(jù)——對(duì)于中國投資人來說，半導(dǎo)體 、新能源、先進(jìn)制造都是不錯(cuò)的方向。以制造業(yè)為例，擁有大量垂直行業(yè)內(nèi)的數(shù)據(jù)，才能做出好的AI，指導(dǎo)未來的先進(jìn)制造。
從時(shí)間上來看，技術(shù)上如果不能特別確定 ，也可以等一下商業(yè)落地的信息，付出一些增值成本來換取更穩(wěn)定的信號(hào)。
有關(guān)AI，這個(gè)問題我常聽到：AI能最終代替人類嗎？
我認(rèn)為這要從不同尺度上去理解——我們究竟在討論的是AI從什么程度上在挑戰(zhàn)人類進(jìn)化？如果是生物體層面，這有著百萬年以上的積累，是最難的；從人類認(rèn)知層面，也至少有10萬年進(jìn)化橫亙?cè)贏I面前；而出現(xiàn)數(shù)千年的人類語言相對(duì)更容易；出現(xiàn)僅100年的計(jì)算機(jī)語言則最簡單。
這個(gè)問題的答案當(dāng)然沒有定論。不過在這個(gè)最終將達(dá)萬億美元、改變?nèi)祟惿畹氖袌隼铮液芷诖吹礁鄟碜匀A人參與者的身影，不管是創(chuàng)業(yè)、投資，還是積極地?fù)肀墒紸I讓生活、工作變得更高效，它將前所未有地改變我們與世界交互的方式。