人工智能吞噬世界

人工智能吞噬世界

这份资料主要由 Benedict Evans 制作，提供了一份关于人工智能（AI）和大型语言模型（LLMs）对科技和商业影响的全面概述。 资料强调了 ChatGPT 等生成式 AI 的迅速崛起及其引发的巨大兴趣和随之而来的大量投资，但同时也指出了 当前应用受限以及商业价值尚未完全显现 的现状。 资料探讨了 AI 规模化发展面临的挑战，包括训练计算资源（如英伟达芯片和电力）的资本密集度，以及 AI 模型效率的迅速提升导致模型日益商品化。此外，资料还讨论了 企业如何采纳这项技术（是作为新功能融入，还是创造全新的产品和工作流程），并将其置于 平台转换的历史背景 中，提出 AI 最终会像其他成功的技术一样，从“AI”转变为“自动化”。

(视频)

关于AI，我们都想错了？顶尖分析师的5个颠覆性洞察

生成式AI（Generative AI）无疑是当下的热点，其进入主流视野的速度前所未有。这股浪潮席卷了从技术圈到普通大众的每一个人，引发了巨大的投资和无尽的讨论。它的颠覆性潜力甚至让科技界的传奇人物也为之震撼。

比尔·盖茨（Bill Gates）曾这样评价：

“在我的一生中，我见过两次让我觉得具有革命性的技术演示：一次是图形用户界面（GUI），另一次就是ChatGPT。”

然而，在巨额投资和革命性宣言的头条新闻背后，一个更复杂、也更出人意料的现实正在浮现。关于AI的当前状况和未来走向，存在着许多与主流认知相悖的现象。本文将深入行业分析，为你揭示五个最具冲击力的核心洞察。

--------------------------------------------------------------------------------

1. 狂热是真的，但失望也是

当前AI领域最显著的矛盾在于：一方面是铺天盖地的关注度，另一方面却是有限的实际应用。路透社研究所（Reuters Institute）的数据清晰地揭示了这一点：尽管许多人都听说过甚至尝试过ChatGPT，但只有极少数人会定期使用它。这种“巨大兴趣，有限使用”的现象，描绘出了一幅“半杯满或半杯空”的图景。

这种趋势在企业界同样明显。贝恩公司（Bain）的图表显示，绝大多数企业的AI用例仍停留在“开发/试点”阶段，远未进入规模化的“生产”阶段。金融和咨询界的报告也流露出类似的审慎情绪：高盛（Goldman Sachs）提出了“生成式AI：投入太多，收益太少？”的疑问，红杉资本（Sequoia）则在探讨“AI的6000亿美元问题”，而波士顿咨询公司（BCG）发现，只有22%的公司成功超越了概念验证阶段并创造了价值。

这一切都指向了一个经典的技术发展模式——“技术成熟度曲线”（Hype Cycle）。在经历了“期望膨胀的顶峰”之后，技术往往会跌入“幻灭的低谷”，然后才能慢慢爬向成熟和真正的生产力。我们现在，很可能就处在这个低谷的边缘。

--------------------------------------------------------------------------------

2. AI军备竞赛：天才退后，资本先行

现代AI的发展呈现出前所未有的“计算（和资本）密集度”。这不再仅仅是几个天才在车库里就能改变世界的时代，而是一场由数百亿甚至数千亿美元资本驱动的军备竞赛。

微软、AWS、Alphabet和Meta这四大科技巨头，预计在2024年的资本支出（capex）总额将达到惊人的2200亿美元，比2023年增加了900亿美元。这笔巨款主要用于购买GPU和建设数据中心。训练模型的成本也在急剧攀升，正如Anthropic公司CEO Dario Amodei预测的那样，模型训练成本将从目前的约10亿美元，在2025-2026年上升到“50亿或100亿美元”的量级。

如此巨大的投入背后，是一种“非对称赌注”的逻辑。对于这些科技巨头而言，过度投资的风险，远小于投资不足而错失下一次平台级技术变革的风险。正如Alphabet在投资者关系中所述，不投资的负面影响要大得多。

Meta的CEO马克·扎克伯格（Mark Zuckerberg）也表达了类似的观点：

“另一方面，我确实认为所有正在投资的公司都在做出理性的决定，因为落后的代价是，你在未来10到15年最重要的技术上处于不利地位。”

--------------------------------------------------------------------------------

3. AI领导者的最大威胁？是技术商品化

一个反直觉的现实是，即使投入了天文数字的资金，AI领域的领导者也未必能建立起可持续的竞争优势，即所谓的“护城河”。

一份被泄露的谷歌内部文件中的一句话，精准地概括了这种焦虑：

“我们没有护城河，OpenAI也没有。”

这份文件的核心观点是，开源AI正在悄悄地侵蚀领先者的优势。AI模型市场正迅速走向商品化。客户很快就不必在“最好”的模型和“差一点”的模型之间做艰难选择，他们可以在“最好”的模型和“效果达到90%，价格却只有5%”的模型之间自由选择。

像Meta这样的公司正在通过开源战略加速这一趋势。他们的目标是“将模型变成商品化的基础设施”，这与当年开源的Linux系统最终战胜专有的Unix系统的逻辑如出一辙。当技术本身变得无处不在且成本极低时，竞争的焦点就会从技术本身转移到应用、集成和商业模式上。

--------------------------------------------------------------------------------

4. AI不是魔法，而是“无限实习生”

抛开复杂的技术细节，我们必须回到最根本的问题：“这东西到底有什么用？”一个强大而贴切的比喻是：“AI给了你无限的实习生。”

这个比喻的深层含义是：AI是一个概率系统，擅长自动化完成那些可以由一个普通实习生处理的任务，但它绝不是一个绝对正确的真理来源。它回答的不是‘正确答案是什么？’，而是‘对于这类问题，符合语法和上下文逻辑的文本模式应该是什么样的？’。它不提供事实，只提供基于海量数据训练出的概率性文本匹配。

加拿大航空公司（Air Canada）的案例就是一个惨痛的教训。其聊天机器人向一位乘客提供了错误的折扣信息，最终法院裁定航空公司必须为此负责。这个案例警示我们，将AI视为完美的信息源会带来巨大的风险。然而，德勤（Deloitte）的数据显示，普通用户对于AI可能存在的错误和偏见的认知仍然非常有限。这也解释了为什么目前AI应用最成功的领域是编程和市场营销——在这些领域，专家用户可以轻易地发现并纠正AI的错误，就像指导一个实习生一样。

--------------------------------------------------------------------------------

5. AI的未来，或许根本不叫“AI”

当一项技术真正成熟并融入我们的生活时，它往往会“消失”。我们不再谈论它，因为它已经变得无处不在，成为我们使用工具的背景。“AI”这个词本身，最终也可能变成“自动”（automatic）。

一个绝佳的例子是拼写检查的演变。几十年来，它一直是文字处理软件的一个独立功能。而现在，苹果公司在其最新的操作系统中推出了“校对”（Proofread）和“重写”（Rewrite）功能。这本质上就是生成式AI，但对于用户来说，它“只是一个功能”，一个更智能、更自动化的工具。

正如一个行业观察所说：“AI就是那些还没实现的功能。”（AI is whatever doesn’t work yet）。这呼应了计算机科学家拉里·特斯勒（Larry Tesler）早在1970年提出的一个深刻洞见：

“‘智能’就是机器尚未完成的任何事情。”

一旦机器能够做到，它就不再被视为“智能”，而只是软件的功能。因此，AI的最终影响，可能不会体现在某一个万能的通用AI应用上，而是像互联网和移动平台一样，通过赋能成千上万个新功能和新工具，深度地改变我们的工作和生活。

--------------------------------------------------------------------------------

结论：唯一确定的，是不确定性

我们正处在一个重大平台变革的混乱中期。此刻去预测AI的最终形态和影响，就像在1995年预测互联网的全貌一样困难。我们知道它很重要，但具体会如何展开，充满了未知。

似乎所有关于AI的问题，最终都只有两个答案：“它的发展会像所有其他平台变革一样”，或者“没有人知道”。我们能看到趋势，能分析数据，但未来的具体路径依然模糊。

与其焦虑地问“AI将对我们做什么？”，或许我们应该换一个更具建设性的问题：“有了这支‘无限实习生’团队，你准备解决的第一个问题是什么？”