Sequoia 這幾天正在舉辦 AI Ascent 2024 大會，Sequoia 的三位合伙人 Sonya Huang、Pat Grady 以及 Buhler 匯集了 100 位領先的 AI 創始人和研究人員，一起探討了 AI 的機會、現狀以及影響等話題。
這次分享主要來自 Sequoia 的 3 位合伙人，分享的幾個觀點令我印象非常深刻，并且一些觀點和我之前寫的文章非常類似，比方說 AI 在法律行業、客服行業以及編程領域的應用等。下面是我覺得比較有意思的幾個觀點：
AI 最大的機會之一，是用軟件取代服務，因為 AI 具備了類人的交互能力；
AI 所具備的創造力和推理能力，意味著軟件第一次具備了類人的交互能力，這一點非常關鍵，因為它意味著商業模式的深刻變革；
云計算是用軟件取代軟件，而 AI 最大的機會之一，是用軟件取代服務，因為 AI 具備了類人的交互能力；
AI 在客服領域已經初步找到了PMF；
AI 有一條通向未來的明路，那就是應用會變得越來越好；
計算資源將從預訓練轉移到推理；
本質上，我們正在 AI 的基本元素之上，構建非常復雜的抽象層；
大家好，我是 Sequoia Capital 的合伙人之一 Pack Grady。今天與我一起主持這個 AI 峰會的還有我的合伙人 Sonya Huang 和 。我們 Sequoia 全體合伙人歡迎大家來到 AI Ascent 峰會。過去一年，AI 領域發生了很多變化。
Pack Grady: AI 最大的機會之一，是用軟件取代服務，因為 AI 具備了類人的交互能力
那么，AI 到底給我們帶來了什么機會呢？一年前，AI 像是一個神奇的黑匣子，能創造出很多美妙的東西。過去 12 個月，我們經歷了 AI 炒作周期的壓縮版：先是期望值膨脹到頂點，然后陷入低谷，現在正在艱難爬坡，逐漸進入穩定高原期。我們意識到，大語言模型和 AI 為我們帶來了三種全新的能力，可以被編織進各種神奇的應用中。
首先是創造力，這也是生成式 AI 的名字來源。AI 可以生成圖像、文字、視頻、音頻等各種內容，這是之前的軟件不具備的能力；
第二是推理能力，可以是單步的，也可以是多步的類似 Agent 的推理，這也是之前軟件做不到的；
有了創造力和推理能力，就相當于擁有了大腦的左右兩半球，這意味著軟件第一次具備了類人的交互能力，這一點非常關鍵，因為它意味著商業模式的深刻變革。
我們經常試圖用類比的方式來理解新事物。盡管不夠完美，但還是很有啟發的。在這里，最恰當的類比是過去 20 年的云計算變革。云計算是科技領域一次重大的地殼運動，催生出新的商業模式、新的應用、新的人機交互方式。
回顧 2010 年前后的情況，當時全球軟件市場規模約 3500 億美元，其中云軟件只占很小一部分，大約 60 億美元。而到了去年，整體市場規模增長到 6500 億，云軟件收入已經達到 4000 億，這 15 年的年復合增長率高達 40%，增長非常迅猛。
如果我們繼續用類比的方法，云計算是用軟件取代軟件，而 AI 最大的機會之一，是用軟件取代服務，因為 AI 具備了類人的交互能力。如果我們瞄準的是這個領域，那起點就不是幾千億，而是可能高達數十萬億美元。可以想象這個市場有多大的成長空間。
我們的假設是，人類正站在有史以來最大的價值創造機會之巔。當然這只是假設，我們今天說的每一個觀點都只是假設。
那為什么是現在呢？作為 Sequoia 的一員，我們有幸見證和研究了各個技術浪潮，了解它們如何交織、引領我們來到今天。讓我們快速回顧一下歷史:
每一次浪潮都在前一次的基礎上推進。AI 的概念可以追溯到 1940 年代，但將 AI 從想法變為現實、解決實際問題、創建可持續發展的業務，所需的技術和環境直到最近幾年才具備：
計算資源充足廉價、網絡快速可靠、全球 78 億人口都有智能手機、疫情推動一切上線，為 AI 提供了海量數據。現在正是 AI 成為未來 10-20 年主題的時刻，這一點我們堅信不疑。
這一次機遇將以什么形式呈現？我們再次類比云計算和移動互聯網。左邊這些公司都是這兩次變革催生出的營收超 10億美元的公司。有意思的是右邊，不是有什么，而是沒有什么。
未來屬于各位，機會無限。我們相信，如果10-15年后再看，右邊會有 40-50 個公司，而它們很可能就在今天這個房間里。這就是令我們興奮的原因。
Sonya Huang：AI 在客服領域已經初步找到了 PMF
過去一年多真是不平凡。從ChatGPT發布到現在，對在座各位來說，地面都在不停地移動和顫抖。讓我們暫停一下，俯瞰全局，盤點一下到目前為止發生了什么。
去年我們還在討論 AI 將如何在各個領域帶來革命性的生產力提升。一年后，我們開始看到一些端倪。大家可能看過 在 Twitter 上發的內容，Klarna 現在用 OpenAI 處理 2/3 的客服查詢，相當于自動化了 700 個全職客服。全球有數千萬呼叫中心客服，AI 在客服領域已經初步找到了產品市場契合度（PMF）（參見我之前的文章《》）。
一年前，法律行業還被視為最不愿意接受科技的行業之一。但現在出現了 Harvey 這樣的公司，從日常繁瑣的工作到更高級的分析，都在自動化律師的工作。大家可能已經在 Twitter 上看到了一些令人驚艷的演示。我們已經從一年前“AI 理論上可以幫我們寫代碼”發展到了全自動的 AI 軟件工程師，令人興奮。（參看之前的文章《》《》）
AI 不僅是為了提高工作效率，也在提升我們的生活質量。有一天在和 Pat 開會時，我注意到他看上去有點可疑，全程一言不發。仔細一想，我很確定他派了個 AI 虛擬形象來開會，而自己去健身房了。Pat 的 AI 虛擬形象把他的面部表情都模仿得惟妙惟肖。這歸功于，不得不說 AI 在短短一年取得了驚人的進步，既讓人害怕又讓人興奮。
兩年前我們認為生成式 AI 可能引發下一次科技革命時，并不知道將帶來什么。真實公司能否崛起？真金白銀的收入能否產生？用戶和收入的增長規模令所有人都感到驚訝。我們估計，目前生成式 AI 創造的收入總規模已達 30 億美元，這還不算各大云計算廠商的收入。
要知道，SaaS 市場用了近 10 年時間才達到這個規模，而生成式 AI 是一年就做到了。如此迅猛的變化速度和規模，讓我們確信生成式 AI 將持續存在。
而且，對 AI 的需求也不限于一兩個應用，而是遍地開花。不論是消費者應用還是企業應用，不論是創業公司還是科技巨頭，很多 AI 產品都開始契合市場需求，跨行業地找到了產品市場契合點，這一點讓我們感到非常振奮。
過去一年，資本市場對 AI 投資的不平衡性讓我很意外。如果把生成式 AI 比作一個層層的蛋糕，最底層是基礎模型，中間是開發者工具和基礎設施，最上面是應用層。一年前，我們預計會在應用層出現百花齊放的局面，因為底層的新技術會催生大量創新。但實際上，越來越多的基礎模型公司涌現，融到大筆資金。而應用層的發展似乎才剛剛開始。
我們的合伙人 David 去年發表了一篇發人深省的文章《AI 的 2000 億美元問題》。大家現在在 Nvidia GPU 上的支出規模驚人，僅去年一年就高達 500 億美元，外加能源和數據中心成本。而與之相對的，我們粗略估計目前 AI 的直接和間接總收入也就 30 多億。投入 500 億，產出 30 億，投入和產出還不成正比，這是個很現實的問題，需要去解決。
雖然從用戶數和收入來看，AI 取得了驚人的成績，但使用數據告訴我們現在還為時尚早。看看日活躍用戶占月活躍用戶的比例，或者次月留存率，生成式 AI 應用的表現還遠不如移動應用。這說明 AI 現在對大多數人來說還是一周或一月嘗試一次的新鮮事物。但我們有機會利用 AI 打造人們每天都想用的應用。
在我們采訪用戶時，AI 應用留存率不高的一個主要原因是，現實表現與期望值存在差距。Twitter 上的一些炫酷演示，在現實中可能會令人失望，因為模型還不夠智能，不能很好地完成任務。
好消息是，在去年動輒 500 億美元的 GPU 投入下，我們已經擁有了越來越先進的基礎模型，比如最近發布的 的 Claude、OpenAI 的 GPT-4、Aleph Alpha 的 等。隨著基礎模型智能水平的提高，AI 的產品市場契合度應該會加速。與其他很多不確定的市場不同，AI 有一條通向未來的明路，那就是應用會變得越來越好。
我們要記住，成功需要時間。我們去年就說過，今天再強調一次。回顧 iPhone 發布之初，App Store 里都是一些好玩卻不實用的應用，比如喝啤酒、變魔術、打啤酒杯、手電筒之類，要么演變成了系統內置應用，要么成了無關緊要的玩具。直到 2010 年才出現了 和 ，創造性地利用了智能手機的全新能力。我們認為 AI 正在上演同樣的故事。雖然還無法想象，但下一個傳奇公司可能已經冒頭了。
接下來讓我介紹幾個最近引起我們注意的應用。正如之前提到的 Klarna，我們認為客戶服務是企業級應用中最早找到產品市場契合點的領域之一，這絕非個例。AI 作為朋友，是讓很多人意想不到卻又饒有興趣的應用場景，從使用數據來看，用戶粘性很高。后面我們會聽到 Glean 和 Dust 關于企業級知識管理的分享，我們認為 AI 正在為企業知識管理開啟新的大門。
對未來一年，我有幾個預測:
一是 2024 年，AI 應用將從輔助人類的工具，發展為在特定領域完全取代人類的自動化系統，讓人類退出某些工作流程。我們已經看到了軟件工程、客戶服務等領域的嘗試。今天的 Andrew Ng 和 Chase 會對此展開討論。
二是大語言模型一個主要問題在于，它們只是在對文本的統計模式做匹配，而不是真的在推理和規劃。但最新的研究正在嘗試賦予模型規劃能力，比如在推理過程中動態調用外部計算資源、讓模型像博弈一樣迭代優化策略等。我們預計這將是各大基礎模型公司的一個主要研究方向，有望在明年讓 AI 具備更強的高階認知能力，比如規劃和推理。稍后 OpenAI 的 Noan Brown 會詳細講解。
三是從有趣的消費者應用到企業級的高風險應用，比如醫療、國防等，對 AI 可靠性的要求越來越高。從人類反饋學習、prompt 鏈接、向量數據庫等各種技術，正在幫助大語言模型在特定場景下將可靠性提高到 95% 以上。相信各位今天可以就此多交流切磋心得。
四是 2024 年，我們將看到很多 AI 原型和試驗項目正式進入生產環境。這意味著延遲很關鍵、成本很關鍵、模型權屬很關鍵、數據權屬很關鍵，計算資源將從預訓練轉移到推理。對這些應用來說，2024 年壓力山大，我們必須盡最大努力把它們做好。
：這場 AI 革命對我們每個人意味著大幅降低成本
剛才 Pat 闡述了 AI 的重要性，Sonya Huang 介紹了 AI 的最新進展，接下來我要談談未來，從更高的角度思考 AI 對科技和整個社會的影響。
技術革命有很多種。有通信革命，如電話；有交通革命，如火車；有生產力革命，如農業收割機械化。我們認為，AI 主要是一場生產力革命，而這類革命有個共同的模式：從人使用工具，到人與機器助手協作，再到人與機器網絡互動。我接下來要談的兩個預測，都與人-機網絡有關。
我們先看一個歷史案例。人類使用鐮刀收割已有上萬年歷史，1831 年發明的機械化收割機，是人與機器助手的結合。今天，我們生活在聯合收割機的時代，這是由成千上萬臺機器組成的復雜網絡。我們開始用 Agent 來形容系統中的機器個體，用 來形容其中的信息傳遞和拓撲結構。本質上，我們正在 AI 的基本元素之上，構建非常復雜的抽象層。
我舉兩個正在知識工作中發生的例子，第一個是軟件開發。軟件開發最初是手工的，比如圖靈用紙筆寫邏輯程序。后來我們進入了機器輔助階段，有了計算機和 IDE 等工具。現在，我們正進入一個機器互聯互通的新階段。一系列流程協同工作，生成復雜的工程系統。在這個階段，開發是由 Agents 協作完成的，而不是單打獨斗。
寫作領域也是如此，寫作本來是純人力的。后來有了機器助手比方說語法檢查工具。現在，當我寫作時，我不只用一個 AI 助手，而是同時用 GPT-4、LLaMA、Claude 等多個模型，讓它們互相協作和博弈，給出更好的結果。這就是未來。
這場革命對我們每個人意味著什么？用最樸素的經濟學語言來說，就是大幅降低成本。這張圖顯示，標普 500 公司創造 100 萬美元收入所需的員工數量在快速下降。我們正進入一個階段，這個趨勢還會繼續。好消息是，這不是為了讓我們少做事，而是為了讓我們做更多事。
而且，過去所有生產力革命的領域，最終都出現了通貨緊縮。比如計算機軟件，正因為我們不斷在現有基礎上創新，軟件成本反而在下降，再比如電視機。但我們社會最重要的領域，比如教育、醫療、房地產，成本上漲速度卻遠超通脹。令人欣慰的是，AI 有望幫助降低這些關鍵領域的成本。這是我對 AI 作為一場大規模成本革命和生產力革命的第一個判斷，它將幫助我們在最關鍵的社會領域做更多事情、創造更多價值。
第二個判斷涉及 AI 的本質。一年前，英偉達 CEO 黃仁勛在臺上做了個大膽預測。他說，未來圖像不再是渲染出來的，而是生成出來的。任何視覺信息都將被生成。他什么意思呢？大家都知道，傳統上圖像是作為原始數據存儲的。以字母 A 為例，也就是 ASCII 碼 97。它是用一個像素矩陣來表示的，非黑即白。但現在，我們開始將字母 A 表示成一個抽象的、多維度的概念。
字母 A 的圖像應該讓人聯想到，這是一個可以用不同字體、不同樣式呈現的字母。在這個多維空間里，我們處在中心，周圍是各種具體的渲染形式。接下來會怎樣？計算機不僅能理解這個多維概念，能把它渲染成圖像，還能理解其上下文。比如看到 "" 這個單詞，它不會去想字母 A，而是能理解單詞的整體含義。更神奇的是，這反映了人類的思維方式。我們不會把字母 A 記成一堆像素點，而是作為一個抽象概念。這種思想可以追溯到 2500 年前，柏拉圖就提出了理念論，認為任何具體事物的背后，都有一個美的抽象形式。
這對我們每個人意味著什么？對創業者來說影響深遠。現在我們已經開始把 AI 整合到具體的業務流程和 KPI 中，比如 Klarna 在用 AI 提升客服指標。他們知道自己要改進哪些關鍵指標，并且有系統來檢索信息、生成個性化的客戶體驗。未來，隨著 AI 驅動的全新人機交互方式出現，整個公司可能會開始像一個神經網絡那樣運作。
我舉個具體例子。這是簡化后的客服流程示意圖。客服部門有一些關鍵指標，由文本轉語音、語言生成、客戶個性化等 AI 能力來驅動，這些能力反過來又形成子流程和子優化目標，最終你將得到一張完全連通的圖。語言生成會反饋給客戶服務的最終目標。通過抽象，客服流程將由神經網絡來管理、優化和改進。
再看企業獲客這個環節。同樣，從語言生成到增長引擎再到廣告定制和優化，都是一些 AI 基本單元。最終，這些抽象層將變得高度互操作，使整個公司能像神經網絡一樣運作。這就催生了"一人公司"的崛起，一人公司不是為了讓個人做得少，而是為了讓個人能做得多，能解決更多問題，創造更美好的社會。
那下一步是什么？說到底要由在座各位來決定，你們正在創造未來。我個人對前景非常樂觀，因為我相信人工智能將幫助人類在最重要的領域大幅提升生產率、降低成本，比如教育、醫療等。今天我們把大家召集在一起，就是要探討如何利用人工智能簡化復雜性、減少重復勞動，去創造更有價值的事物。
讀大數據應用最佳實踐案例，贏數字經濟未來！
18個行業，106個中國大數據應用最佳實踐案例：
（1）《贏在大數據:中國大數據發展藍皮書》；
免費試讀：
（2）《贏在大數據:金融/電信/媒體/醫療/旅游/數據市場行業大數據應用典型案例》；
免費試讀：
本冊“微信讀書”免費閱讀：
（3）《贏在大數據:營銷/房地產/汽車/交通/體育/環境行業大數據應用典型案例》；
免費試讀：
（4）《贏在大數據:政府/工業/農業/安全/教育/人才行業大數據應用典型案例》。
免費試讀：