Gary Marcus曾开過一個玩笑：“幾年前，如果你的初創公司域名中有.ai，那么你可以在你的估值後面加一個零。現在呢，可能會是兩個零，尤其當你說自己正在用生成式AI。”
這句話道出了行業的最大疑慮——就目前來看，生成式人工智能是被過度炒作了嗎？
今年10月，全球科技研究和咨詢公司CCS Insight發布預測報告稱：2023年大熱的生成式人工智能領域將在2024年接受現實的檢驗。具體表現爲：技術炒作逐漸消退，運行成本不斷上升，監管呼聲越來越多，投資人不再像之前那樣興奮和樂觀。
近期，比爾.蓋茨在接受德國《商報》（Handelsblatt）採訪時也表示：“OpenAI內部包括Atlman在內的很多人，都相信GPT-5將明顯優於GPT-4。但我有很多理由相信當前生成式人工智能已經達到極限。”
人們傾向於在短期內高估一項技術的效果，並在長期低估其效果。現在誰都知道生成式AI尚處在“尷尬的青春期”，但對這個青春期要持續多久，什么時候轉變，還不是非常清晰。
而對於早期投資者而言，能夠准確判斷轉機至關重要。
前幾日，“華爾街TMT之王”美國對衝基金Coatue發布了一份115頁的報告（The AI Revolution），360度無死角分析了當前AI所處的階段、AI能否跨越炒作周期、开源和閉源、以AI爲中心的生態系統等等。
其中，Coatue明確指出：AI不是炒作，關於AI的黃金時代還沒有到來。
一直以來，Coatue對AI都寄予厚望。在今年6月發布的Investor Deck中，Coatue進一步指出衰退時代已經來了，但同時指出下一個科技超級周期的“突破”時刻：AI可能成爲經濟新的生命线。
而多年來，這家頭部基金在應對不同周期的實際策略和對宏觀的理解也超過大多數同行，穩穩地把控着科技行業的脈絡。
例如2020年，全球疫情最糟糕的情況下，Coatue Management的創立者Philippe Laffont 憑借精准的投資眼光，成爲全球十大對衝基金經理第七名。
2022年，在美國大通脹、未盈利科技股大幅下跌的時刻，Coatue提前謀劃回撤，騰出了近80%的現金。
這份115頁的報告更是信息量滿滿，適道將從中截取的關鍵信息，進行整合。
01 2024年，AI炒作會結束？
首先，Coatue對AI的發展現狀給出了一個清晰的定位。
新技術在美國達到50%用戶滲透率的時間對比，PC用了20年，互聯網用了12年，智能手機用了6年，而生成式AI大概只用3年。
另一個對比：1986年，S&P 500公司創造$1m收入要僱傭約7.8人，現在是5.1人，而未來在AI時代，這個數字會少於3人。
在此背景下，Coatue於22/23年迅速擴大了AI投資組合。其中就包括最近陷入風波的 Stability AI 。據悉，Coatue Management寫信要求其創始人Mostaque 下台，並要求公司還要求提供 Mostaque 和其他高管的薪酬細節。
接着，報告進入了第一個主題：AI是炒作嗎？
炒作有三大特徵：1、入账價值與投資不符，1990年代的光纖；2、高估技術發展的時間和能力，自動駕駛；3、技術尚未成熟導致缺乏普遍的實用性，量子計算。
Coatue針對以上三點分別進行回擊，明確指出AI不是炒作。
一、大多數 AI 投資都聚焦在模型層面（佔比60%），入账價值已經顯現；
不過，對於誰才是大模型的贏家，Coatue特意在報告中用了一頁ppt表示：我也不知道。。。
雖然，今年年中ChatGPT訪問量有所下降，但在推出新功能後，其使用量比8月份增長了27%。至於未來情況如何，我們拭目以待。
二、比起從“L1——L4”花費15年的“燒錢黑洞”自動駕駛，在過去的5年間，AI 已經表現出了自己的有效性，例如現在AI autopilots已經能夠自主完成復雜任務，大概達到了自動駕駛L3的水平。即便處於早期階段，但有60%的企業都計劃採用AI。
而且，在基准測試中，未來模型達到與人類水平的時間正在縮短。這點大家從ChatGPT3.5“小學生”和4.0“博士生”呈現出的巨大差異就能發現。
三、目前量子計算空有理論，甚至還沒有被證實，但AI 已在各個領域證明了其實用性，例如开發人員使用CopilotGithub節省了55%時間；在 Runway 上編輯視頻節約了90%的時間等等。
一家名爲的Finicch 公司，使用AI 的客服節省了95%的人工成本；將回復時間從45分鐘降至1分鐘；客戶滿意度從55%提高至69%。
另外，咨詢等知識型工作也會被 AI 改變。研究顯示，BCG 的顧問在使用 AI 後所有任務都表現更佳，工作質量提高了 40%。
總體來看，Coatue認爲AI技術演進日新月異，企業和民衆採用意愿積極，且AI已經在一些領域切實地提升了生產力。因此，AI不是一場炒作。
總體來看，目前支持“AI炒作論”的聲音主要分三種：1、智能化程度不夠，以至於2023年勢頭太猛，需要洗個“冷水澡”；2、投資人不想花錢，運行成本太高，畢竟連微軟的GitHub Copilot都在虧；3、監管問題——懸在AI頭上的“達摩克利斯之劍”。
適道認爲：首先，與其說2024年AI會涼，不如說熱錢退潮期，一些產品匹配不上市場預期，沒有技術護城河的AI企業會涼，最多只算公司層面上的“炒作”（在此反復“鞭屍”Jasper），完全稱不上整個行業的炒作。
其次，算力成本過高其實是一個短期問題，畢竟任何新事物剛出現時成本都會很高，包括互聯網。就目前來看，可以通過優化算法底層降低成本。現在有許多开源的大型模型，發布了新的優化方法，大家都在通過各種各樣的方法將訓練微調模型的成本降到最低。
對於目前來看不那么容易“降本”的硬件。借用馬斯克的一句話：“英偉達不會永遠在大規模訓練和推理芯片市場佔據壟斷地位。”
如今，六大門派正在圍攻英偉達的光明頂。前有英特爾、AMD等半導體巨頭公布新一輪的AI芯片研發計劃，後有OpenAI、微軟等下遊客戶推動自研芯片，自己做“鏟”自己挖。從國內來看，也有 4-5 家企業卷在芯片的賽道裏。甚至有業內人士樂觀估計：“AI芯片賽道會在年底再度爆發，芯片危機最快會在明年解決。”
長期來看，根據萊特定律，AI相關計算單元（RCU）的生產成本和軟件成本將分別以每年57%和47%的速度下降。到2030年，硬件和軟件的融合可以使AI培訓成本以每年70%的速度下降，生成式AI將創造數百萬億美元的經濟價值。
降本的同時是增效。根據ARK的研究，2030年生成式AI將使知識工作者的生產力提高4倍以上。在100%採用AI的情況下，全球勞動生產率將提高約200萬億美元。諸如Copilot等AI編碼助手在2030年可以使軟件工程師的產出增加10倍左右。
無論是現在還是未來，AI都完全稱不上一個“炒作”產物。
那么現在就只剩下了監管問題。
對此，Coatue在報告明確表達了擔憂。在調查中，有83%的受訪者不信任AI安全，甚至有57%的受訪者支持此前的“暫停AI开發6個月”倡議。但根據斯坦福的研究，目前大部分AI模型不符合EU AI Act的要求。
今年11月初，首屆全球人工智能（AI）安全峰會在英國召开，包括中國、美國、英國和歐盟在內的超25個國家代表，以及馬斯克、Sam Altman等科技巨頭與會，最終參會所有成員國籤署《布萊切利宣言》，同意通過國際合作，建立人工智能（AI）監管方法。
02 开源好還是閉源香？
對此，Coatue認爲开源是AI的心髒，且开放社區生態對AI的下一步發展至關重要——“AI is built in th open”。同時AI社區的开發者正在迅猛增長，軟件开發人員變成AI工程師，業余愛好者也參與其中。
但盡管如此，目前不同的AI模型开放程度不同。
Coatue認爲，在此背景下，數據就變成了一種貨幣，Reddit和X都已經爲訓練數據讀取收費。Reddit對5000 萬次API調用收取12000美元；X則是每月5000 美元可以刷100 萬篇帖子。
盡管如此，Coatue發現开源模型的水平也在迅速追趕閉源模型，藍色是开源，綠色是閉源。
其實對於开源和閉源之爭，適道在這裏引用中科院院士、CCF开源發展委員會主任王懷民教授的一段話：在一個確定性的時代，比如確定性PC時代，微軟以它的企業組織模式封閉推進一個產品的开發，我們稱爲單性繁殖，每個新的產品都由微軟定義，這種模式在應對確定性的發展態勢的時候它是有競爭力的，個人計算機的發展是微軟的成功。
但是在互聯網時代到來時，在一個不確定性的互聯網時代要適應可能性，开源競爭力就強了，开源Linux這個社區發布一個核心版本，更多人在這個核心版本上根據他對需求和領域的理解進行不斷地修改，形成了雙性繁殖，能夠產生或者低成本產生更多的適應未來發展的新版本，就是有一個種子復制，大家都可以復制，根據自己對未來變化的理解產生一個新版本，开源出來來適應一個環境，由環境來評價，然後再迭代回來不斷地开發，而這個新版本並不是由一家企業完成的，是由全社會參與者，當然也包括一些新的創新企業在其中推動這個工作。因此它產生適應未來不確定性的新版本的參與的人數和對於參與者來講的成本相對於過去微軟的一家大公司的組織模式成爲了一個模式。开源在不確定性的時代更加有競爭力。”
如今我們又站在了一個不那么確定的人工智能時代，开源更多是一個創新方向。而开源與閉源的競爭，並不是在某一個領域，而是各自走出一條差異化的道路，迎來自己的天地。
但就初創企業的角度來講，閉源大模型顯然更具商業價值。有觀點認爲：模型的的商業化盡頭是產業，而大模型走向產業，落地還是要靠閉源。
不過，如果已經有了例如 Llama 2這樣強大的开源大模型，還有人愿意用閉源嗎？
有，但大家想用的一定是“卷王之王”。
例如ChatGPT，在 Llama 2（水平類似ChatGPT 3.5）已經發布的背景下，如上文所述，即便今年年中訪問量有所下降，但在推出新功能後，其使用量比8月份增長了27%。
也就是說，一些本就佔據優勢的企業才能成爲“閉源之王”，它們在實現大型模型的全面商業化和產業化方面也更具有優勢。對此，其他企業還是不必“死磕”閉源大模型，畢竟數據都變成貨幣了，多刷點帖子又要給馬斯克添錢了。
03 以AI爲中心的生態系統
在這部分，Coatue提出了一個新範式：CPU+Software=計算機——Gpu+AI=人類大腦
Coatue認爲，AI將开創“智能即服務IQaas”時代。
在提升模型性能方面，Coatue着重提出了數據的重要性，包括數據質量、數據數量、數據稀缺性、優化微調方法都會成爲關鍵因素。
具體來看：
1、訓練數據集中的 token 數量呈上升趨勢，訓練模型的前提是增加數據集；
2、到2026年，高質量文本數據可能很快耗盡，而圖像和視頻數據可以維持到2024年，數據稀缺性可能成爲訓練模型時的一項潛在障礙；
3、數據質量和數量同樣重要，有證據表明，在精簡過的數據集上進行訓練，會達到與在完整數據集上訓練相似甚至更好的效果；
4、合成生成的數據有助於清洗、提煉數據集，以便進行微調，盡管目前仍然無法與真實數據相媲美。
另外，通過用戶反饋數據改進模型也是一條有效的優化之路，以Midjourney爲例。
在後面一部分，Coatue認爲對GPU的需求才剛剛开始。
同時，Coatue預測到2026年將會帶來超過50%的新增能源需求，並會給雲市場的增長和半導體行業帶來大量機會。
不過，在邊緣設備上運行 AI 模型可能有助於緩解 GPU 短缺問題。比如Apple 芯片本地模型運行的速度與 GPU 上運行居然一樣快。
最後，Coatue提出了一個問題：AI到底是現有巨頭的遊戲還是 AI 原生挑战者的遊戲?並得出結論：先發制人的現有企業 > AI 原生企業 > 落後的現有企業
與此同時，Coatue用 Character AI 舉例指出AI初創企業的突破之路：像互聯網前輩那樣开創新模式。帶着各領域還沒解決的問題，在未來AI有望解鎖更多殺手級應用。
04 Coatue觀點：最好的AI還沒到來
收尾部分，Coatue做了一些總結：
1、英語會成爲未來的編程語言。
2、邊緣AI設備會被廣泛應用，口袋大模型指日可待。
3、擴展AI模型會是一項工程挑战，自GPT-3 發布以來，OpenAI 的工程師數量增加了 3倍多。
4、私有數據會解鎖更多的使用場景。生物技術領域出現個性化醫療；NETFLIX會按需定制節目；電商平台成爲AI購物管家；人人都能成爲工程師等等。
5、多模態大模型是前沿創新方向，基礎架構會有新的發展。例如，今年10月，斯坦福大學提出新架構：Monarch Mixer，無需Attention，有望成爲Transformer的替代者等等。如果一旦實現，真如Coatue在第一部分所提出的：Open AI還會是大模型最終贏家嗎？
?
原文標題 : 就目前來看，生成式人工智能是被過度炒作了？
標題：就目前來看，生成式人工智能是被過度炒作了？
地址：https://www.utechfun.com/post/300441.html