今天小編分享的科技經驗：小模型當打之年？2024年AI預言“一網打盡”，歡迎閱讀。
2024 年，投資者要看到實際的利潤。
如果說 2023 年是當之無愧的 " 生成式 AI 的爆發之年 "，那麼 2024 年将是 " 生成式 AI 的突破之年 "？還是 " 生成式 AI 的冷卻之年 "？初創公司的機會又在哪裡？
在本篇文章中，适道将綜合 Coatue、a16z、Radical Ventures 等明星 VC 預言；The Information、FT、Sifted 匯集的投資者預言；以及 Greg Brockman 等行業大佬的觀點，試着歸納接下來一年中 AI 的發展脈絡。
01 主題：是冷卻還是突破？
首先，在一眾 AI 預言中，不乏 " 冷卻論 " 支持者。
印度 IT 巨頭 Infosys 最新發現，只有 6% 的歐洲公司通過生成式 AI 用例創造了商業價值；麥肯錫在 2023 年的一份報告中得出結論 :" 盡管生成式 AI 的使用可能會刺激其他人工智能工具的采用，但我們認為企業對這些技術的采用幾乎沒有實質性的增長。"
而根據調查機構 Gartner 著名的新興技術炒作周期（Hype Cycle），生成式 AI 下一階段将是 " 幻滅的谷底 "。（适道注：Gartner 将新興技術炒作周期劃分為 " 創新觸發器 "、" 膨脹預期峰值 "、" 幻滅的谷底 "、" 啟蒙的斜坡 " 和 " 生產力的高原 "5 個階段。）
據此周期，在 2024 年，随着實驗和實施失敗，技術生產商要麼出局，要麼失敗，總之人們的興趣會減少。
資本市場的表現似乎也不樂觀。一方面，從融資規模來看，生成式 AI 的投資浪潮是一次 " 短暫繁榮，在融資方面并不是什麼大事 "。AllianceBernstein 成長股投資者 Jim Tierney 在 FT 采訪中稱："2023 年，對新興人工智能公司的私人投資大幅回升，但投資規模仍無法與之前的科技熱潮相提并論。"
該觀點被 Crunchbase 數據佐證：
在 2023 年，人工智能獨角獸公司的融資大幅下降，僅為 2021 年市場高峰時的 25% 左右；全球最活躍的九大 VC 在獨角獸公司的投資大幅下降，共投資了 44 家獨角獸公司，而在 2022 年，他們投資了 213 家公司，2021 年則是 471 家公司。
另一方面，當潮水退去的時候，才知道誰在裸泳。在每家科技公司都制定了生成式 AI 戰略的一年之後，2024 年，投資者要看到實際的利潤。
AllianceBernstein 成長股投資者 Jim Tierney 表示："2024 年，我們将看到誰只是在打人工智能牌，而不是擁有真正的商業模式 "。
對此，華平投資集團（Warburg Pincus）前負責人 Bill Janeway 補充道：" 如果有什麼不同的話，缺乏更大的人工智能投資泡沫會阻礙該技術的發展，因為‘試錯’會受到限制。"
當然，" 突破論者 " 的聲音更響亮。
例如，TMT 之王 Coatue 在 2023 年末的報告中旗幟鮮明地指出：AI 不是炒作，AI 的黃金時代還沒有到來。
和 Gartner 的 Hype Cycle 相似，Coatue 對 AI 的發展給出了一個時間定位：對比新技術在美國達到 50% 用戶滲透率的時間，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 大概只會用 3 年。Coatue 發現，大多數 AI 投資都聚焦在模型層面（占比 60%），入賬價值已經顯現。
OpenAI 總裁 Greg Brockman 也給出了一個時間參考：2024 年将是突破性的一年。從長遠來看，只需再過一年的時間，每個人的生活都會比今天更好。
Altimeter Capital 合夥人 Jamin Ball 表示：2024 年将是 " 從原型到生產 " 的一年。2023 年，每個人都在嘗試 AI，但有很多問題限制了這些實驗的推廣，比方它們的成本是多少？它們安全嗎？合規風險有多大？2024 年，這些問題都将得到解答，我們将看到 AI 應用從實驗 / 原型 / 内部應用走向面向客戶的大規模部署。
02 采用：是緩慢還是飛速？
不難看出，是否更多公司 " 采用 "，将決定 2024 年 AI 能否打破 " 炒作論 "，持續當前熱潮的一個關鍵因素。
FT 在《The AI revolution ’ s first year》中指出，2023 年，許多公司為人工智能的廣泛應用奠定了基礎，現在投資者開始展望 2024 年，并開始接受至少在短期内人工智能技術的應用可能會比較緩慢的事實。
例如，Adobe 的股價雖然比起 2023 年初已飙升了近 90%，但其 2024 年的收入預計會低于華爾街的預期。
微軟的 "AI+ 軟體 " 比大多數公司走得更快，但其也在努力降低人們的預期，并稱新 "Copilot" 功能 2023 下半年才可能帶來銷售回升。
人工智能采用起步緩慢的原因有三：
一是 LLMs 的 " 幻覺 " 問題還沒得到解決，削弱了其商業價值。Salesforce 戰略主管 Peter Schwartz 說：" 它會很有用，但不會像許多人希望的那樣徹底改變遊戲規則。"
二是許多潛在客戶其實缺乏采用準備。企業需要用内部數據來訓練模型，而現實則是 " 大多數公司都不具備成熟的數據能力，如果你不能使用自己的數據，就無法使用人工智能。" ——埃森哲 CEO Julie Sweet
三是成本限制。例如，微軟對 AI 版 Office 定價為 30 美元 / 月，這讓一些客戶的軟體成本翻了一番。有分析師警告：高昂的價格将導致客戶僅在小範圍内适用 AI 技術，至少在 AI 工具的價值不被證明之前。
IT 研究公司 Gartner 的首席預測師 John-David Lovelock 表示：2024 年用于生成式 AI 的支出将略高于 200 億美元，占全球 IT 支出總額的 0.5%。而且 IT 買家在安全方面的支出也将是原來的五倍。
總而言之，此類成本問題意味着，至少在短期内，新的人工智能產品和服務對科技公司收入和利潤的提升可能會減弱。
樂觀者的言論也不少。
Theory Ventures 創始人 Tomasz Tunguz 表示：
2024 年将是企業通過 AI 實現生產力實質性提高的一年，每名員工的 ARR 有機會增加 10-15%。
Rubrik 首席產品官 Anneka Gupta 表示：2024 年的一大趨勢是大型傳統企業終于意識到生成式 AI 在提升生產力方面的優勢，并找到了在組織内大規模采用這項技術的方式。
Chapter One 創始人 Jeff Morris Jr 表示：2024 年将是我們如何設計、編程、質量保證、A/B 測試和部署軟體最大變革的一年，這些工作最終由 AI 實現。随着 2023 年 AI 軟體工具的激增，我們将記住 2024 年是世界一流的設計、產品和工程團隊将這些新的 AI 超級能力有效集成到日常工作流程各個方面的一年，而這還沒有發生（大多數團隊仍在進行試驗）。2024 将被銘記為軟體構建發生巨變的一年。
Spark Capital 普通合夥人 Natalie Sandman 認為：2024 年，真正原生的 AI 應用開始出現。目前，Claude 和 ChatGPT 這類 LLM 仍然處于 AI 版本的 "Excel" 階段。
在這些模型基礎上，未來将會出現專門針對復雜工作流程設計的原生 AI SaaS 應用。這些應用從第一天開始就以 AI 為核心構建，可以将當前復雜的專業化工作流進行解耦和重組，使得工作流程的 AI 化變得更加輕松高效。
德國 GenAI 初創企業 Nyonic 的 CEO 兼聯合創始人 Vanessa Cann 也表示：采用人工智能的公司将脫穎而出。随着基礎模型能力的巨大飛躍，公司可以顯著提高其生產力、效率和創新速度——根據麥肯錫最新研究，采用人工智能最高可提升 70% 的生產力。
相比之下，Meta 研究員 Martin Signoux 的觀點比較中肯，他表示：雖然沒有重大突破，但各方面都有改進。
一方面，新模型不會帶來真正的突破（GPT-5 ) ，LLM 在本質上仍然有限，而且容易產生幻覺。我們不會看到任何飛躍，使它們在 2024 年可靠到足以 " 解決基本的 AGI"。
但另一方面，随着在 RAG、數據整理、更好的微調、量化等方面的改進，LLM 将在許多用例中變得足夠強大 / 有用，從而推動各行各業各類服務的采用。
03 模型：是 LLMs 還是 SLMs？
基于 Signoux 的觀點，我們進而提出一個設想：2024 年，是否有更多企業和消費者采用效率更高、成本更低、可定制的小模型 SLM，并在一些應用場景中替代 LLM ？
例如 Mistral 的混合專家模型 Mixtral 8x7B 在一些基準測試上甚至超過了 GPT-3.5；微軟的 Phi-2 只有 27 億參數，可以在手機上運行，并在大多數常識推理、語言理解、數學和編碼任務上超越了 Llama2 7B、Llama2 13B、Mistral 7B，與 Llama2 70B 的差距也在縮小（甚至更好）。
Snorkel AI 曾做過一個試驗，分别用 GPT-3 微調和自己搭建的小模型來訓練一個法律領網域的垂直模型。GPT-3 的微調和搭建成本是 7418 美元，1 萬次推理花費 173 美元，而自己搭建的小模型成本僅為 1915 美元，1 萬次推理也只花費 0.26 美元。
從正确率來看，GPT-3 微調的垂直模型正确率為 71.4%，小模型則為 71.3%。而 GPT-3 的參數量是該小模型的 1400 倍。
這是 " 參數越大，性能越好 " 失效了嗎？當然不是。但有些時候，正如那句玩笑：用 GPT-4 總結電子郵件就像 " 讓蘭博基尼送披薩 "。畢竟，在很多場景下，用戶需要的可能僅僅是寫個總結。
也就是說，規模較小的模型可以極大拓寬生成式 AI 的應用範圍。
在這種情況下，Lightning AI 的創始人 William Falcon 提出：2024 年，1B 模型性能将優于 70B。
Signoux 也進一步總結：SLM 已經出現，成本效益和可持續發展将加速這一趨勢。量化技術也将大大提高，從而推動消費服務的設備集成浪潮。
在此，我們可以展望一下：2023 年是大模型之年，2024 年會将是 " 小模型 " 之年嗎？而小模型 + 終端設備會不會成為 2024 年的一大看點？
04 硬體：是蘋果還是其他？
說到 " 将模型塞進進手機裡 "，你想到的大概率是 " 小模型 "，但如果是将 " 大模型 " 塞進手機裡呢？
這不得不提 2024 年 AI 硬體的競争格局。
根據 The Information 的 2024 年預測，微軟和 Amazon 将推出 AI 硬體設備，改變蘋果、三星雙巨頭壟斷局面。
文章指出：微軟可能會開發一款以 Copilot 為核心的設備。如果產品受到市場歡迎，微軟将在 2025 年前打造一款成熟的智能手機。與此同時，就像毫無長進的 Siri，蘋果在 iPhone 中改進 AI 功能的嘗試将讓人失望。盡管美國媒體報道稱蘋果正在緊鑼密鼓地開發一系列生成式 AI 產品，但由于在隐私問題上的強硬立場，蘋果将掉隊最先進的、在雲端運行的人工智能模型步伐。
不過，适道對此預言持保留意見。一方面，正如我們在此前文章《收尾 2023 年，蘋果 AI" 圖窮匕見 "：将大模型塞進 iPhone 裡》所言，蘋果在 2023 年即将結束之時，放出了兩篇爆炸性論文。其中一篇論文顯示，在 Flash-LLM 技術加持下，速度和大小将實現雙突破，或許很快可以讓大模型在 iPhone、iPad 和其他移動設備上流暢運行。
另一方面，蘋果的 " 保護隐私 " 更像是 " 以退為進 "。根據 Radical Ventures 在 Forbes 上發表的 2024 年預言：至少有一家美國法庭将宣布其主要的生成式 AI 模型違反版權法，這一争議可能會在未來幾年内上升到最高法院。
無論是 GPT-4 或 Claude 2 創作的詩歌，DALL-E 3 或 Midjourney 描繪的影像，還是 Pika 或 Runway 制作的視頻，這些生成式 AI 模型都得益于對世界大部分數字數據的學習與訓練。而這些 AI 公司通常是拿了數據直接訓練。
這會帶來法律風險，例如最近美國媒體對 OpenAI 和微軟的指控，而此案可能是人工智能使用知識版權糾紛的分水嶺。
蘋果的做法先取得授權，再拿數據來進行訓練。但蘋果似乎也沒有因此而慢下太多。根據分析師報告，蘋果可能在 2023 年已經建造了幾百台 AI 伺服器，而 2024 年将會顯著增加。
當然，AI 硬體不只是智能手機。根據 Martin Signoux 的 2024 預測：AI 智能眼鏡将蔚然成風。随着多模态技術的興起，領先的人工智能公司将加倍努力開發人工智能可穿戴設備。還有什麼比眼鏡外形更适合承載人工智能助手呢？
這就不得不提 Vision Pro。據蘋果資深分析師 Mark Gurman 爆料，2024 年蘋果的精力會重點放在可穿戴產品上（Vision Pro、AirPods、Apple Watch），一向占據大頭的 iPhone 或将讓位。
另外，根據 a16z 的 2024 年預測，在 " 文生文、文生視頻、文生影像 " 等技術無限降低遊戲組成元素的邊際成本時，一條遊戲行業 " 降本增效—— UGC —— XR 頭顯 " 的路徑變得更加清晰。Andrew Chen 認為：" 下一代頭顯最好加倍下注 "，并在此過程中會吸引數百萬消費者，而不是想着跳到需求低迷的生產力工具上。
而上述蘋果發表的兩篇論文中的另外一篇，則詳細介紹了一項名為 HUGS 的生成式 AI 技術，該技術僅僅需要一個約 50-100 幀的原始視頻，相當于 2 到 4 秒 24fps 的視頻，就能在 30 分鍾内生成一個 " 數字人分身 "。
不得不說，比起 "AI Pin" 的小打小鬧，蘋果的技術準備更像是步步為營。所以，在 2024 年的 AI 硬體突破上，适道先站隊蘋果。
05 監管：是威脅還是機會？
接着蘋果的隐私保護，繼續說 AI 監管。
一方面，AI 監管的壓力越來越大。例如，Adobe 因監管壓力終止了對 Figma 的收購。
Felt 的 CTO Can Duruk 表示：2024 年，我們可能會首次遇到由人工智能引起的 "Wow" 時刻。這可能是一些引人注目的醜聞：比方說 Midjourney + Elevenlabs 生成的假新聞引發了動蕩，或者某位名人聲稱一張尴尬的 " 真實照片 " 實際上是由 AI 生成的。即将到來的 2024 年美國選舉将成為這一切的 " 有趣 " 背景。
另外，想必大家都看過 ChatGPT 費水的新聞：" 到 2027 年，全球範圍内的 AI 需求可能會需要消耗掉 66 億立方米的水資源，幾乎相當于美國華盛頓州全年的取水量。"
Merantix 的聯合創始人 Rasmus Rothe 從 AI 和環境的角度提出了預測：AI 對環境的影響将成為主導話題。在 2024 年，人工智能界的爆炸性增長将與社會對氣候變化和能源消耗的擔憂形成對立。這将對人工智能系統造成經濟和政治壓力，要求它們創造出更好的模型架構——意味着用更少的數據和能源訓練和使用人工智能模型。我們不僅需要更高的效率來減輕環境影響，也需要降低客戶的成本。
但另一方面，AI 安全也将成為投資新機遇。Speedinvest 投資人 Rick Hao 表示：2023 年，AI 安全已進入公眾讨論的視野。随着企業急于采納最新的人工智能技術，透明度、信任、治理成為越來越多人關注的焦點。然而，我們預測，與技術能力相比，AI 安全領網域的投資将繼續不足。我們已經在這方面進行了一次投資，并将在 2024 年進一步加碼。
06 結語
篇幅關系，适道不能對 2024 的 AI 預言一一鋪開，而是采取總結脈絡的方式進行大致梳理。
總而言之，生成式 AI 到底是史詩級的技術革命，還是僅僅成為企業 IT 武器庫中的一個有力的補充，一切答案都會在 2024 年見分曉。
對于初創公司而言，" 尋找需求 " 遠大于 " 死磕大模型 "。目前階段要求生成式 AI 必須具備解決問題的能力。" 高度變現的殺手級應用 " 是生成式 AI 從模型變為巨大印鈔機的關鍵。
至于如何抓住應用層機遇，歡迎參考适道此前文章，或許有你想找的答案。
