今天小编分享的互联网经验：AI独角兽Anthropic CEO解读AI商业前景与挑战，欢迎阅读。
文 | AlphaEngineer，作者 | 费斌杰（北京市青联委员 熵简科技 CEO）
近日，AI 独角兽 Anthropic 的 CEO Dario Amodei 接受了 Noah Smith 的访谈，从商业角度畅谈 AI 发展，贡献了不少来自业界一线的真知灼见。
以下是我的学习笔记，分享给大家。
（1）Google 是 AI 时代的贝尔实验室
在创办 Anthropic 之前，Dario Amodei 曾在百度、Google 及 OpenAI 任职。说起 Google，Dario 认为很多科研人员把 Google 当做他们学术生涯的延续，这点和当年的贝尔实验室很像。
Google 浓厚的学术氛围和优质的产业资源吸引了大量顶级科研人才，开展数以百计的创新科研项目，Transformer 只是其中之一。
无论从算力资源还是人才密度来看，Google 理应是 AI 浪潮的最大受益者。但是 Google 的组织架构是为了 " 搜索 " 服务的，并没有把 AI 相关的要素有效的组织起来。
如果当时 Google 能够把算力优势、关键学术成果、人才优势有效利用起来，它本可以成为 AI 领網域的唯一主导者。
（2）AI 公司究竟有没有护城河？
AI 公司的商业模式取决于 Scaling Law 是否持续成立。
假设 Scaling Law 在未来相当长一段时间保持有效，那么 AI 将带来巨大的经济价值，涉及人类社会的方方面面。
Dario 认为，随着大模型不断 Scaling up，单个模型的训练成本将超过百亿美金，甚至达到千亿美金。因此这将成为一个准入门槛极高的生意，大模型将成为国家级基础设施，只会有少数几家科技巨头，甚至国有企业参与其中，形成寡头垄断的竞争格局。
当然这里有一个关键问题，是否会有公司愿意开源千亿参数的大模型？
Dario 对此深表怀疑，千亿规模的模型的推理成本非常高昂，甚至超过训练成本，开源模型的商业价值将会受限。
（3）AI 公司的生存之道：差异化
要想在竞争中生存发展，AI 公司需要找到自己的差异化定位，Dario 提供了两种思路。
其一是基座模型能力差异化。A 公司可以训练出一个专门写代码的模型，B 公司可以训练擅长创意写作的模型，C 公司训练出一个虚拟伴侣模型。与其拼尽全力做基座万能大模型，不如选择一个领網域做深做透，专项训练。
其二是模型与应用的垂直整合。理论上看，你可以把模型层和应用侧解耦分离，但实操中要把应用做到极致，往往需要对模型进行专项训练，这是大模型公司得天独厚的优势。
Dario 认为未来 AI 公司不能只提供 API 能力输出，而应该深度介入应用层。虽然目前基于大模型的应用还很薄，但未来会越做越厚，逐渐形成壁垒。
（4）AI 行业的宿命会和光伏类似吗？
Scaling Law 目前只是基于观察总结的经验，可能持续很久，也可能随时停止。根据目前的观察，Dario 认为 Scaling Law 还将持续相当一段时间。
假设 Scaling Law 在达到 AGI 之前失效，AI 公司的处境可能与光伏类似。
纵观光伏行业，技术创新层出不穷，带来了巨大的经济价值，但并不具备垄断属性，导致光伏企业利润率整体偏低。
与光伏行业类似，AI 行业的市场规模非常巨大，但公司想要保持较高的 margin 并非易事。
（5）AI 公司是否会被国有化？
如果 Scaling Law 持续有效，在不久的将来，AI 模型有可能成为一个国家国防领網域最重要的资产之一。
另一方面，针对 AI 的 misuse 和 autonomy 问题，如果不加以严格监管，可能导致较大的社会问题和安全隐患。
因此，政府会在 AI 领網域扮演越来越重要的角色，但不太可能对 AI 公司进行国有化，具体的有效介入方式还需要探索。
（6）蜂群协作模式：大模型与小模型的有机统一
未来的 AI 生态将由大模型与小模型共同构成。大模型强大但价格昂贵，小模型便宜且推理迅速，但没有那么智能。
根据 Dario 所言，Anthropic 正在尝试构建 " 蜂群协作 " 的推理模式，由大模型将一个复杂的任务拆解成数个简单的子任务，然后把每个子任务分配给一个小模型来处理，最后将小模型处理的结果统一汇总给大模型，输出最终结果，整个处理过程就像蜂群一样。
（7）AI 将加剧贫富差距
Dario 认为 AI 能带来财富的增长和富足的生活，但也极有可能加剧贫富差距。
发达国家将率先受益于 AI 带来的生产力进步，实现 GDP 的双位数增长，但财富可能高度集中于头部科技公司及其员工，而非平均分配。
与此同时，发展中国家的居民可能无法共享 AI 带来经济增长的果实，并面临更加严峻的就业压力。
（8）人们低估了 AI 在生命科学中的应用潜力
基于此前生物学的学术背景，Dario 对 AI 在生命科学中的应用前景颇为重视。
在大模型诞生之前，AI 在生命科学中最多只是辅助工具，即使是 AlphaFold 也没有从根本上改变这一定位。但在不久的将来，AI 将逐渐走到台前，成为生物科研领網域的核心参与者。
纵观整个 20 世纪，生命科学的所有进展都是由极个别的重大发现推动的，比如基因测序技术，以及 CRISPR 基因编辑技术。
Dario 认为，大模型将十倍甚至百倍的提升科学发现的速度。
以 CRISPR 为例，这项技术最初是在细菌中发现的一种天然免疫系统，用于防御病毒入侵。当细菌遭受噬菌体攻击时，会将入侵者的 DNA 片段整合到自身的 CRISPR 序列中，并通过 RNA 和 Cas 蛋白来定位并消灭这些入侵者。
这项技术早在 30 年前就被发现，但是直到 2013 年哈佛医学院的 George Church 才首次使用 CRISPR 技术完成了 RNA 介导的人类基因组编辑。如果科学家使用 AI 加快从科学发现到应用转化的速度，这无疑是全人类的福音。
Dario 判断，AI 有望在未来 10 年内实现原本预计整个 21 世纪才能达成的生物学进展，治愈罕见疾病，让我们拭目以待。
