专栏名称: 混沌学园

咨询服务

PPIO CEO姚欣：AI行业或将迎来一次泡沫破灭，但不要悲观

混沌学园 · 公众号 · 学习 · 2024-07-15 18:50

正文

7月5日，混沌AI应用探索营授课老师、 PPTV创始人、PPIO派欧云联合创始人&CEO姚欣 ， 与大家分享了AI世界相对确定的当下和充满想象力的远方，一同用前瞻性的眼光进行长期性规划，积极拥抱新技术。

混沌AI应用探索营，致力于以混沌·Light 独家一思维*探索流作为交互工具，结合AI先锋老师与企业实践案例，帮助想拥抱AI的企业管理者，用AI降本增效、产品升级，实现从“互联网+”到“AI+”。

授课老师 | 姚欣 PPTV创始人、PPIO派欧云联合创始人&CEO

硬件技术推动AI发展迈向不同阶段

今年三月，美国一家著名对冲基金在发布的一份报告中指出了AI发展的四个阶段。目前我们还处于专注于技术设施建设的第一阶段。即将进入的第二阶段的核心特征是使手机、电脑等设备具备AI能力。第三阶段将会演变成每个人都拥有自己独有的AI助手。第四阶段则包括自动驾驶、AI机器人等更加复杂的应用场景。我把这分为相对确定的当下和充满想象力的远方。

AI发展的4个阶段

硅谷的布局也发生了很大变化，英伟达成为了硅谷的新核心，许多公司都围绕着英伟达建立起合作关系。现在在美国做AI创业，简单来说，就是你是GPU穷人还是GPU富人？因为你手上掌握的GPU数量决定了你能做多大的模型、多大的业务。

今年3月全球开发者大会（GTC）上，英伟达发布了新一代的GB200芯片，是一个CPU和两个GPU的组合，将硬件性能提升到了半导体制成的极限。GB200芯片通过更大的带宽和内存通道显著提高推理性能，比此前美国市场最先进的H100芯片提升近30倍，显著降低了算力成本。目前英伟达的订单已经排到2026年，其股价和营收有望继续超出预期。

GTC：明年推理成本可能下降 30 倍

预计九月份上市的苹果iPhone 16将具备人工智能的相关功能，这将会引发一波苹果换机潮。正如智能手机普及之初，各个操作系统都集成了大量低门槛的应用。 未来几年，边缘手机侧代码的AI能力的提升将会带来巨大的机会 ，iPhone和Windows设备的AI渗透率将大幅提升，许多AI应用将可以直接在手机端运行，AI算力成本将大幅降低。

英伟达的首席科学家在全球开发者大会上表示， 未来机器人需要具备两个能力：一是能够在识别物理世界中的信息后做出自主判断和决策，二是能够适应不同的场景解决复杂问题。 他还提出，可以通过对重力、加速度、光影折射等物理定律全模仿的方式打造一个虚拟仿真的环境，并在这个仿真环境中对机器人进行千百次的模拟测试，通过大量的算力和模拟，打造一定程度上自主可控的机器人。

AI发展的三个层次：

基础设施、中间平台、上层应用

任何一个产业都可以分为基础设施、中间平台和上层应用三个层次，形成一个倒三角模型。 技术越通用，企业的生命周期越长、越稳定。 比如做芯片的企业就因其技术具有较强的基础性而持续稳定。而应用服务类企业业务逻辑复杂，尽管爆发力强，但生命周期较短，很容易被快速迭代。

今天的AI也有类似的发展路径，可以分为基础设施、模型和应用三层。基础设施包括芯片和云服务，模型层包括开源模型、模型平台和商用模型，应用层则是将模型嵌入具体应用中。 AI发展是自下而上逐渐成熟的，如果底层不成熟，上层应用也难以成功。

1.AI发展的基础设施层面

基础设施层面的算力需求在持续增长。自2012年深度学习兴起以来，算力需求已远超摩尔定律时期。今天AI模型更新速度极快，三到六个月就会有显著变化。这就意味着在这个信息技术高速更迭的时代，我们普通人必须不断刷新自己对技术的认知。

如果你让我在三年内只用一个指标去衡量AI发展的速度，我认为应当是AI单位成本的下降速度。 AI成本的下降将带来巨大的机会，很多产品并不是技术上无法实现，而是高成本、低性价比不足以提供较强的竞争力。 例如，如果用户只需支付每年九十元的订阅费即可实现自动驾驶功能，大家肯定愿意使用。从实际应用的视角出发，企业在应用AI时应优先考虑高价值的场景。随着技术逐步成熟，再逐步扩展到更多的应用领域。

95% 以上的算力将用于推理侧

2. AI发展的模型层面

信息的本质是一种可以通过数学处理转换为高维向量的东西，无论是文字、图片，还是声音、视频。AI的许多能力就是通过利用海量数据进行机器训练，并在海量信息中找到事物的相关性进行分类和编码。 通过反复迭代提升简单事物的复杂性就是生成模型的核心原理。

GPT-3不仅仅是一个聚合和分类的工具，还是一个互联网知识的压缩器，以人类目前已知的所有出版物、20年的互联网信息和600万的开源代码为训练样本，并且定期更新自己的知识库。

GPT-3的另一重要能力是逻辑推理，这源自于它对编程语言的学习。编程语言是逻辑最为严谨的语言，通过学习大量的代码，GPT-3可以根据人们的提问，一步一步经过逻辑推理得出答案。

此外，GPT-3还具有安全对齐功能。在GPT模型的开发初期，可能会接收到各种各样的信息，但出于人类的共同价值观和社会规范，需要进行安全对齐工程，将模型中的一部分信息删除或屏蔽，确保模型的输出符合道德和法律要求，并引导用户以积极健康的方式解决问题。

当我们将模型参数、数据量增加十倍时，模型的性能就会得到显著提升。这一点在GPT模型的开发训练中得到验证，因此现在大量的公司进行高融资、大投入，增加模型数据量的量级。然而，这也带来了新的挑战。目前训练一个GPT-4或GPT-5模型所需的电量大概要七十万兆瓦，相当于美国一个中小型城市的用电量，对电网造成了巨大的压力。有些公司甚至考虑建立专门的核电站来支持AI模型的训练，因此，未来模型的培养方式也需要不断改进优化。

新一代的大语言模型本质上是一个数学概率的近似推理工具，解决的是近似性问题。 如果需要绝对精准的答案，生成模型可能不适合，但它非常适合探索性和发散性的问题。 模型的有效性依赖于丰富的数据结构。医疗领域的某些罕见病数据不够多，就难以训练出有效模型，而金融领域的数据相对丰富，更容易实现高效模型。

未来的发展趋势是混合模型架构，将云端大模型、本地中型模型和终端小模型结合使用。 根据问题的复杂程度，智能选择合适的模型进行处理。简单问题可以由终端设备处理，复杂问题则由云端大模型处理，从而实现高性价比和最佳性能。 因此，不是模型越大越好，而是要根据具体需求选择合适的模型架构。

3. AI发展的上层应用层面

《跨越鸿沟》这本书中提到，任何一款技术最终落地的时候，都需要观察其用户渗透率。如果渗透率在5%到10%左右，那它仍处于早期阶段；但如果20%以上的用户都开始使用，就证明它已经进入到主流市场。早期市场属于创新模式，需要承担更多风险，主流市场才是更多企业应该进入和采纳的地方。因此，我们要识别当前的底层技术和应用是否已经跨越鸿沟，达到了主流市场的标准。

有一个很令人诧异的结果是，尽管硅谷的AI主流应用应该是To C，但企业更倾向于在内部使用AI进行知识处理和文本分析，在外部用于客户服务、市场营销、软件开发、合同审查等，在这些环节中AI的占比逐渐增加到百分之四五十以上。

总的来看， 当前技术的落地趋势与上一代技术相似，数据丰富且能显著降低成本的应用场景，更容易实现技术落地和普及。 尽管AI技术已经在许多领域有所应用，但其主流化进程尚未完成，许多企业仍处于创新阶段，主要通过开源模式和微调来进行内部部署，谨慎尝试和探索。所以说， 大家别着急，AI的真正爆发尚未到来。

从投资角度看，去年约有20多亿的风险投资，其中75%投向了基础设施，只有4个亿投向了应用层。我觉得这是个好消息，意味着市场还没有太疯狂，大家都还有机会。

在分析技术应用场景的过程中，我做了一个分类，横轴表示场景的执行度，越靠左边的场景越注重执行，比如教育；越靠右边的场景越偏向情感互动，比如营销和沟通。纵轴则表示数据结构的标准化程度，越靠上表示数据结构越标准化，越靠下则表示数据较为分散。

第二象限最值得大家关注，这个领域的特点就是知识结构标准化、任务衡量信息化，非常适合大模型的应用。 如果你的工作场景涉及这些，可以考虑用AI来主导替代传统方法。下面的象限尽管数据非常分散，但AI可以极大地提升创意生产效率，辅助我们生成多种可能性。

在法律领域，AI的应用尤为明显。法律工作是非常繁重的，文本量大、条款繁多，全国各地的法律条款更新速度很快。通过收集全球大量的法律数据对模型做文本训练，可以利用其逻辑分析能力，大幅提高工作效率，并实现定制化的法律服务，给出更加结构化、逻辑性、引出性的内容。

在视频和图片编辑方面，AI也提高了工作的便捷性。在语言模型和图像处理技术的支持下，用户可以更加高效地进行视频拼接和图片处理，比如快速生成短片、自动生成视频摘要，以及添加过渡效果和背景等。

在设计方面，AI还可以应用到家装领域。用户不需要有专业的设计技能，只需提供基本的指示，AI就能将草图转换为不同的建筑风格。房地产销售团队就可以利用AI为客户生成多种家具和配色方案，帮助客户更好地理解设计并改进。

我们对全球近百款主流开源模型进行了评测，分析了它们与领域内顶尖模型的差距。一旦这些差距缩小到20%左右，我们就会将其上线，并进行优化处理，在优化其性能的同时让它的成本降低十倍。所有的这些AI能力都被封装成便于调用的工具，而我们的平台就像一个工具箱，用户可以直接使用这些工具提升自己的业务。

我们有一家客户公司非常有趣，它专门做衬衫定制，让年轻人可以进行个性化的表达。他们可以生成任何一个图像，然后打印到衣服上，这个独一无二的Logo的生成就依赖于后台的生成能力。

还有一个客户是一家做虚拟形象的公司。今天很多人在社交平台上的头像都不愿意挂自己的真实照片，而是选择虚拟形象。利用我们的AI功能，用户就可以轻松实现虚拟形象生成，还可以一键换风格。

去年一整年，全球范围内的AI访问量大概在240亿次，这个量虽然还行，但是和互联网相比还是太少了，只是互联网访问量的10%左右。全球访问排名美国是第一，差不多占总量的四分之一，第二是印度，第三是印度尼西亚。中国的AI用户量大概是全球用户的5%左右，但移动互联网时期中国占全球的30%-40%， 所以中国的AI应用还有10到20倍的提升空间。

To C类应用在内容生成、编辑处理、工作辅助等方面做得不错，但还没有在用户参与度高、市场足够大的社交、视频、游戏等应用领域出现。从全球来看，To C侧的AI应用还处于一个类似2009-2010年的移动互联网的状态中，有很多尝试和探索，但还不成熟，AI应用榜单上的前五十名，有二十多个都是新出现的，并且很多公司可能在半年后就消失。我觉得这对于中国人、对于华人来讲也是一次重大的机会，因为他们其实对全球市场更加熟悉，不仅美国有机会，印度、印尼这些市场里也有很多发展机会。

PPIO CEO姚欣：AI行业或将迎来一次泡沫破灭，但不要悲观

正文

请到「今天看啥」查看全文