本文来自微信公众号:泰恩河谷(ID:VStoker),作者:泰恩河谷,题图来自:视觉中国


总结来说:


1. 本质是供给侧的技术变革,短期来看是 2B 机会,暂时没有带来C端平台大迁移或重新分配用户的机会,但未来有可能重构内容产业格局与人机交互方式;


2. 不是纯粹的一轮技术迭代更新,作为“效率工具”需要嵌入或创造生产空间,或需要结合已有专家系统(SaaS,行业最佳实践)来发挥价值。换句话说,对于现有的企业软件是一轮普遍的基础技术更新,而非替代关系;


3. 这是一轮以 NLP 技术发展浪潮(包括大模型、预训练与跨模态),因此以自然语言交互为基础,尤其在辅助创作、跨模态协作方面已呈现出突出的理解与生成优势,并在未来会进一步强化;


4. 如果模型的技术关卡已经行程有半的话,那么社会工程化则只是刚刚落了一脚。


这是一轮2B而非2C的机会


基于消费互联网的观察:


1. 现有互联网所有产品都是竞品,争夺消费者的时间(除涉及与物理世界交互的);只有当技术变革或终端升级时,消费者时间会打破固定局面进行重新分配。


2. 消费互联网的巨大价值之一来自于消费者“时间总和”的规模级扩大,而推荐算法使内容呈现“供给创造需求”的特征,这会增加迁移成本与规模难度。


3. 由于现有流通平台的双边垄断,且所谓“元宇宙”从基建/终端/内容,甚至多模态技术等都尚不成熟,短期 AIGC 在消费侧并无大“迁移”机会,即短期并不是消费环节的机会。


进入门槛大大降低


1. 核心项目开源使基础设施 ready(不仅是模型,还包括算法与通用数据集),结合预训练大模型的技术成熟,产业进入门槛大大降低,同时极大催化发展效率;另一方面,算力和研发门槛让绝大部分创业公司和科研机构难以从头开始,但这也使得 AI 创业公司团队更轻盈,无需组建大型 AI 团队。


2. 随着模型越来越大,正在出现一个新的类别,即那些能够提供基石模型的公司;但基石模型会强化未来的技术路线趋势,这将是创业公司参与游戏必须遵循的规则(无法承担切换路线的成本)


3. AI 模型作为下一代技术基础平台/底层资源,这也会是一个操作系统级别的机会或改变,即操作系统将由AI模型主导,赋能 IT 流程改进、支撑插件运转等。


绝不是一轮纯粹的技术迭代


1. 机会不只来自于新的 AIGC 生产工具,否则将会只是工具型机会,担任辅助或替代生产的角色,从而降低门槛(从事生产群体扩大)或提高效率(生产力)


2. 作为“效率工具”需要嵌入或创造生产空间(即编辑器或协作平台,或两者皆具)或需要结合已有专家系统(即 SaaS 行业最佳实践)来发挥价值。换句话说,对于现有的企业软件应是一轮普遍的底层技术更新,而非替代关系。


3. 企业软件在未来是“专家系统”与“概率模型”的有机结合,而软件本身也会充当关键的数据获取器来沉淀专业性数据,以提高智能化的准确性,赋能企业生产:


  • 现有企业软件的本质是专家系统。建模(最佳实践的流程),搜集专有的业务数据,以期训练后的推理。这既使得 SaaS 需要行业模版或行业性 SaaS(泛化能力极差),也是 SaaS 的商业价值所在——即 knowhow


  • 结合 Chamath 的 MaaS(即 Model as a service)观点,企业软件未来仍会是必要的补充,且具有关键的不可替代性(专有数据集的持续获取能力)


  • 大模型底层逻辑是统计概率(既有基于特征提取器的贡献概率理解,也需要通过人类反馈机制控制随机性),其准确性的表达能力极值也仅是一种相关性,这将限制实际生产的使用或始终是辅助性的;但另一方面,概率模型是经验主义的,是对已经解释过问题的再现,这符合企业软件最佳实践的价值角色


  • 未来 SaaS 是专家系统与概率模型的共存或有机结合。诸如 jasper.ai 及 copy.ai 是围绕文本续写的 GPT3 能力,构建大量模版,并构建企业级功能(如数据安全、权限管理等)


4. 创业公司的机会将会在下游应用。如果模型的技术关卡已经行程有半的话,那么社会工程化则只是刚刚落了一脚,如场景数据的积累、产品形态的设计(用户旅程的叙事)、生成多样性、道德约束,以及内容可信度等。


AIGC使“创意”与“实现”有效分离


对人来说,“重要的永远是想法的质量和对你想要的东西的理解”。


1. “实现”的边际成本随着模型发展有可能降低至只剩算力成本,这尤其在跨模态之间效果显著(限于模型技术与关联数据库,目前在文生图领域最显著)


2. 大多数的内容生产是一种“重组”而非原创,这和 AIGC 的特性相似(以某些结构重组信息/观点而非创造新的信息/观点)。随着模型及工程化能力提高,未来有可能部分地直接替代生产,尤其在 NLP 领域(如果上下文理解与长距离记忆能力显著突破)


3. 创意实现的商业模式本质是创作者经济,而注意力机制使输入的贡献度(即创意)可量化,基于此能够设计出全新的计价规则及定价模式。未来创作版权确权要么通过区块链,要么通过“无版权运动”使得 AI 生成成为新的公共物品。


4. 尤其当涉及“跨模态协作”生产时,基于“自然语言交互的输入式生产”会成为未来趋势,归结为它的通用性;但这类生产将会持续应用于生产的“协作环节”,归结为不同模态间的差异性。


内容格局与范式迁移


如果“我消费我生成的”(或大家更熟悉的“所问即所答”)成为新的底层逻辑,则会彻底改变内容格局与人机交互范式。


PS:AIGC 本质是一波 NLP & Content 领域的浪潮,这是目前下游较落地的领域,但也可能有全新的领域,也取决于如何理解内容产业。


1. 搜索/推荐算法的其中一大价值在于供需匹配效率提升(平台型机会),相信 GPT-based Chatbot 备受关注也来自于这一环节的价值潜力。进一步,生成式创造出全新的“所问即所答”局面,但实质改变了市场关系,这是有可能形成一些特定场景的产品,只是目前囿于技术早期未设计出对应的流通机制,或旧有流通机制未能有效兼容新生产方式的内容。


2. 围绕生成的一套信息流转及商业化的全新机制(不仅仅是效率驱动)将会是平台型机会,虽然也面临诸多社会工程化及商业的卡点。未来会是多种内容流通方式并行的商业局面(搜索、推荐与生成算法,满足精准、模糊与相关等不同层面&维度的需求)。另一方面,原创内容如何被消费,商业内容如何曝光,训练数据集如何持续更新都将革新现有内容产业链。


3. 人机交互范式迁移:AI 既生成内容,又充当同等的交互主体;另一方面,通用的智能人工助手不应该局限于信息获取,还有决策执行的可能性(Inflection AI、Adept 实验室,DeepMind 今年 2 月一篇关于数据驱动的论文)即软件从命令驱动转向了意图驱动(作为一种语言接口)


其他(摘要)


1. AI 地图:大模型、多模态、可控制。


  • 大模型的边界:Deepmind 发布 Gopher 探索大型语言模型(LLM)的优缺点,研究人员确定了增加模型规模可以提高准确性的任务(例如阅读理解和事实检查),以及那些不能提高准确性的任务(例如逻辑和数学推理)


  • 可控制:AI 黑盒子问题正在努力被解决(Anthropic),致力于提高 AI 安全和可解释性,由 OpenAI 一批早期/核心员工创立,其 A 轮融资已经完成,规模高达1.24亿美元。


2. 当前产业布局较集中及领先在算法和应用开发环节,上下游还有诸多可开发的蓝海领域。


  • 硬件的创新及其有效使用(如CUDA、AIT等软件)会成为赛道发展的重要组成部分;


  • 模型部署的困境与可能性:真实生产环境中的部署、物理边缘部署模型等。


3. 长期来看,对未来元宇宙的期待是三维化、AI化及开放式的,AIGC+3D内容是可见途径;中短期 AIGC+3D是丰富游戏、影视、VR等数字内容,降低制作成本的有力工具。


参考

https://coatue-external.notion.site/AI-2022-The-Explosion-e76afd140f824f2eb6b049c5b85a7877

一文读懂AIGC:万亿新赛道为何今年获得爆发?

模型即服务(MaaS)将会颠覆SaaS,美国知名投资人Chamath谈ChatGPT

AIGC:我不是元宇宙的附庸品

【浙商互联网】AIGC之AI绘画: 技术与应用双突破,生产力变革在即

AI生成艺术的版权,归机器还是人类?有结论了

AIGC , 超级热点 or 程序员创富新起点?从机器学习聊到 AIGC

ChatGPT大热硅谷,但热闹是他们的


本文来自微信公众号:泰恩河谷(ID:VStoker),作者:泰恩河谷