如果說2023年是當之無愧的“生成式AI的爆發之年”，那麽2024年將是“生成式AI的突破之年”？還是“生成式AI的冷卻之年”？初創公司的機會又在哪裏？
在本篇文章中，適道將綜合Coatue、a16z、Radical Ventures等明星VC預言；The Information、FT、Sifted彙集的投資者預言；以及Greg Brockman等行業大佬的觀點，試著歸納接下來一年中AI的發展脈絡。
01. 主題：是冷卻還是突破？
首先，在一衆AI預言中，不乏“冷卻論”支持者。
印度IT巨頭Infosys最新發現，只有6%的歐洲公司通過生成式AI用例創造了商業價值；麥肯錫在2023年的一份報告中得出結論:“盡管生成式AI的使用可能會刺激其他人工智能工具的采用，但我們認爲企業對這些技術的采用幾乎沒有實質性的增長。”
而根據調查機構Gartner著名的新興技術炒作周期（Hype Cycle），生成式AI下一階段將是“幻滅的低谷”。（適道注：Gartner將新興技術炒作周期劃分爲“創新觸發器”、“膨脹預期峰值”、“幻滅的低谷”、“啓蒙的斜坡”和“生産力的高原”5 個階段。）
據此周期，在2024年，隨著實驗和實施失敗，技術生産商要麽出局，要麽失敗，總之人們的興趣會減少。
資本市場的表現似乎也不樂觀。一方面，從融資規模來看，生成式AI的投資浪潮是一次“短暫繁榮，在融資方面並不是什麽大事”。AllianceBernstein成長股投資者Jim Tierney在FT采訪中稱：“2023 年，對新興人工智能公司的私人投資大幅回升，但投資規模仍無法與之前的科技熱潮相提並論。”
該觀點被 Crunchbase 數據佐證：在2023 年，人工智能獨角獸公司的融資大幅下降，僅爲 2021 年市場高峰時的 25% 左右；全球最活躍的九大 VC 在獨角獸公司的投資大幅下降，共投資了 44 家獨角獸公司，而在2022年，他們投資了213家公司，2021年則是 471家公司。
另一方面，當潮水退去的時候，才知道誰在裸泳。在每家科技公司都制定了生成式AI戰略的一年之後，2024年，投資者要看到實際的利潤。
AllianceBernstein成長股投資者Jim Tierney表示：“2024年，我們將看到誰只是在打人工智能牌，而不是擁有真正的商業模式”。
對此，華平投資集團（Warburg Pincus）前負責人Bill Janeway補充道：“如果有什麽不同的話，缺乏更大的人工智能投資泡沫會阻礙該技術的發展，因爲‘試錯’會受到限制。”
當然，“突破論者”的聲音更響亮。
例如，TMT之王Coatue在2023年末的報告中旗幟鮮明地指出：AI不是炒作，AI的黃金時代還沒有到來。
和Gartner的Hype Cycle相似，Coatue對AI的發展給出了一個時間定位：對比新技術在美國達到50%用戶滲透率的時間，PC用了20年，互聯網用了12年，智能手機用了6年，而生成式AI大概只會用3年。Coatue發現，大多數 AI 投資都聚焦在模型層面（占比60%），入賬價值已經顯現。
OpenAI總裁Greg Brockman 也給出了一個時間參考：2024年將是突破性的一年。從長遠來看，只需再過一年的時間，每個人的生活都會比今天更好。
Altimeter Capital 合夥人 Jamin Ball表示：2024 年將是 "從原型到生産"的一年。2023 年，每個人都在嘗試 AI，但有很多問題限制了這些實驗的推廣，比方它們的成本是多少？它們安全嗎？合規風險有多大？2024 年，這些問題都將得到解答，我們將看到 AI 應用從實驗/原型/內部應用走向面向客戶的大規模部署。
02. 采用：是緩慢還是飛速？
不難看出，是否更多公司“采用”，將決定2024年AI能否打破“炒作論”，持續當前熱潮的一個關鍵因素。
FT在《The AI revolution’s first year》中指出，2023年，許多公司爲人工智能的廣泛應用奠定了基礎，現在投資者開始展望 2024 年，並開始接受至少在短期內人工智能技術的應用可能會比較緩慢的事實。
例如，Adobe的股價雖然比起2023年初已飙升了近 90%，但其2024年的收入預計會低于華爾街的預期。
人工智能采用起步緩慢的原因有三：
一是LLMs的“幻覺”問題還沒得到解決，削弱了其商業價值。Salesforce戰略主管Peter Schwartz說：“它會很有用，但不會像許多人希望的那樣徹底改變遊戲規則。”
二是許多潛在客戶其實缺乏采用准備。企業需要用內部數據來訓練模型，而現實則是“大多數公司都不具備成熟的數據能力，如果你不能使用自己的數據，就無法使用人工智能。”——埃森哲CEO Julie Sweet
三是成本限制。例如，微軟對AI版 Office 定價爲30 美元/月，這讓一些客戶的軟件成本翻了一番。有分析師警告：高昂的價格將導致客戶僅在小範圍內適用AI技術，至少在AI工具的價值不被證明之前。
IT 研究公司Gartner的首席預測師John-David Lovelock表示：2024年用于生成式AI的支出將略高于 200 億美元，占全球 IT 支出總額的 0.5%。而且IT 買家在安全方面的支出也將是原來的五倍。
總而言之，此類成本問題意味著，至少在短期內，新的人工智能産品和服務對科技公司收入和利潤的提升可能會減弱。
樂觀者的言論也不少。
Theory Ventures 創始人 Tomasz Tunguz表示：2024 年將是企業通過 AI 實現生産力實質性提高的一年，每名員工的ARR有機會增加10-15%。
Rubrik 首席産品官Anneka Gupta表示：2024年的一大趨勢是大型傳統企業終于意識到生成式AI在提升生産力方面的優勢，並找到了在組織內大規模采用這項技術的方式。
Chapter One 創始人Jeff Morris Jr表示：2024 年將是我們如何設計、編程、質量保證、A/B 測試和部署軟件最大變革的一年，這些工作最終由 AI 實現。隨著 2023 年 AI 軟件工具的激增，我們將記住 2024 年是世界一流的設計、産品和工程團隊將這些新的 AI 超級能力有效集成到日常工作流程各個方面的一年，而這還沒有發生（大多數團隊仍在進行試驗）。2024 將被銘記爲軟件構建發生巨變的一年。
Spark Capital 普通合夥人Natalie Sandman認爲：2024 年，真正原生的 AI 應用開始出現。目前，Claude 和 ChatGPT 這類LLM仍然處于 AI 版本的“Excel”階段。
在這些模型基礎上，未來將會出現專門針對複雜工作流程設計的原生AI SaaS應用。這些應用從第一天開始就以 AI 爲核心構建，可以將當前複雜的專業化工作流進行解耦和重組，使得工作流程的 AI 化變得更加輕松高效。
德國GenAI初創企業Nyonic的CEO兼聯合創始人Vanessa Cann也表示：采用人工智能的公司將脫穎而出。隨著基礎模型能力的巨大飛躍，公司可以顯著提高其生産力、效率和創新速度——根據麥肯錫最新研究，采用人工智能最高可提升70%的生産力。
相比之下，Meta研究員Martin Signoux的觀點比較中肯，他表示：雖然沒有重大突破，但各方面都有改進。
一方面，新模型不會帶來真正的突破（GPT-5)，LLM在本質上仍然有限，而且容易産生幻覺。我們不會看到任何飛躍，使它們在2024年可靠到足以“解決基本的AGI”。
但另一方面，隨著在RAG、數據整理、更好的微調、量化等方面的改進，LLM將在許多用例中變得足夠強大/有用，從而推動各行各業各類服務的采用。
03. 模型：是LLMs還是SLMs？
基于Signoux的觀點，我們進而提出一個設想：2024年，是否有更多企業和消費者采用效率更高、成本更低、可定制的小模型SLM，並在一些應用場景中替代 LLM ？
例如Mistral 的混合專家模型 Mixtral 8x7B在一些基准測試上甚至超過了 GPT-3.5；微軟的 Phi-2只有 27 億參數，可以在手機上運行，並在大多數常識推理、語言理解、數學和編碼任務上超越了 Llama2 7B、Llama2 13B、Mistral 7B，與 Llama2 70B 的差距也在縮小（甚至更好）。
Snorkel AI曾做過一個試驗，分別用GPT-3微調和自己搭建的小模型來訓練一個法律領域的垂直模型。GPT-3的微調和搭建成本是7418美元，1萬次推理花費173美元，而自己搭建的小模型成本僅爲1915美元，1萬次推理也只花費0.26美元。
從正確率來看，GPT-3微調的垂直模型正確率爲71.4%，小模型則爲71.3%。而GPT-3的參數量是該小模型的1400倍。
這是“參數越大，性能越好”失效了嗎？當然不是。但有些時候，正如《華爾街日報》的那句玩笑：用GPT-4總結電子郵件就像“讓蘭博基尼送披薩”。畢竟，在很多場景下，用戶需要的可能僅僅是寫個總結。
也就是說，規模較小的模型可以極大拓寬生成式AI的應用範圍。
在這種情況下，Lightning AI的創始人William Falcon提出：2024年，1B模型性能將優于70B。
Signoux也進一步總結：SLM已經出現，成本效益和可持續發展將加速這一趨勢。量化技術也將大大提高，從而推動消費服務的設備集成浪潮。
在此，我們可以展望一下：2023年是大模型之年，2024年會將是“小模型“之年嗎？而小模型+終端設備會不會成爲2024年的一大看點？
04. 硬件：是蘋果還是其他？
說到“將模型塞進進手機裏”，你想到的大概率是“小模型”，但如果是將“大模型”塞進手機裏呢？
這不得不提2024年AI硬件的競爭格局。
根據The Information的2024年預測，微軟和Amazon將推出AI硬件設備，改變蘋果、三星雙巨頭壟斷局面。
文章指出：就像毫無長進的Siri，蘋果在iPhone中改進AI功能的嘗試將讓人失望。盡管彭博社報道稱蘋果正在緊鑼密鼓地開發一系列生成式AI産品，但由于在隱私問題上的強硬立場，蘋果將掉隊最先進的、在雲端運行的人工智能模型步伐。
不過，適道對此預言持保留意見。一方面，正如我們在此前文章《收尾2023年，蘋果AI“圖窮匕見”：將大模型塞進iPhone裏》所言，蘋果在2023年即將結束之時，放出了兩篇爆炸性論文。其中一篇論文顯示，在Flash-LLM技術加持下，速度和大小將實現雙突破，或許很快可以讓大模型在iPhone、iPad和其他移動設備上流暢運行。
另一方面，蘋果的“保護隱私”更像是“以退爲進”。根據Radical Ventures在Forbes上發表的2024年預言：至少有一家美國法庭將宣布其主要的生成式AI模型違反版權法，這一爭議可能會在未來幾年內上升到最高法院。
無論是GPT-4或Claude 2創作的詩歌，DALL-E 3或Midjourney描繪的圖像，還是Pika或Runway制作的視頻，這些生成式AI模型都得益于對世界大部分數字數據的學習與訓練。而這些AI公司通常是拿了數據直接訓練。
這會帶來法律風險，例如最近紐約時報對OpenAI和微軟的指控，而此案可能是人工智能使用知識版權糾紛的分水嶺。
蘋果的做法先取得授權，再拿數據來進行訓練。但蘋果似乎也沒有因此而慢下太多。根據分析師報告，蘋果可能在2023年已經建造了幾百台AI服務器，而2024年將會顯著增加。
當然，AI硬件不只是智能手機。根據Martin Signoux的2024預測：AI智能眼鏡將蔚然成風。隨著多模態技術的興起，領先的人工智能公司將加倍努力開發人工智能可穿戴設備。還有什麽比眼鏡外形更適合承載人工智能助手呢？
這就不得不提Vision Pro。據蘋果資深分析師 Mark Gurman 爆料，2024年蘋果的精力會重點放在可穿戴産品上（Vision Pro、AirPods、Apple Watch），一向占據大頭的 iPhone 或將讓位。
另外，根據a16z的2024年預測，在“文生文、文生視頻、文生圖像”等技術無限降低遊戲組成元素的邊際成本時，一條遊戲行業“降本增效——UGC——XR頭顯”的路徑變得更加清晰。Andrew Chen認爲：“下一代頭顯最好加倍下注”，並在此過程中會吸引數百萬消費者，而不是想著跳到需求低迷的生産力工具上。
而上述蘋果發表的兩篇論文中的另外一篇，則詳細介紹了一項名爲 HUGS的生成式 AI 技術，該技術僅僅需要一個約50-100幀的原始視頻，相當于2到4秒24fps的視頻，就能在30分鍾內生成一個“數字人分身”。
不得不說，比起“AI Pin”的小打小鬧，蘋果的技術准備更像是步步爲營。所以，在2024年的AI硬件突破上，適道先站隊蘋果。
05. 監管：是威脅還是機會？
接著蘋果的隱私保護，繼續說AI監管。
一方面，AI監管的壓力越來越大。例如，Adobe 因監管壓力終止了對 Figma 的收購。
Felt 的CTO Can Duruk表示：2024 年，我們可能會首次遇到由人工智能引起的“Wow”時刻。這可能是一些引人注目的醜聞：比方說 Midjourney + Elevenlabs 生成的假新聞引發了動蕩，或者某位名人聲稱一張尴尬的“真實照片”實際上是由AI生成的。即將到來的 2024 年美國選舉將成爲這一切的“有趣”背景。
另外，想必大家都看過ChatGPT費水的新聞：“到2027年，全球範圍內的AI需求可能會需要消耗掉66億立方米的水資源，幾乎相當于美國華盛頓州全年的取水量。”
Merantix的聯合創始人Rasmus Rothe從AI和環境的角度提出了預測：AI對環境的影響將成爲主導話題。在2024年，人工智能界的爆炸性增長將與社會對氣候變化和能源消耗的擔憂形成對立。這將對人工智能系統造成經濟和政治壓力，要求它們創造出更好的模型架構——意味著用更少的數據和能源訓練和使用人工智能模型。我們不僅需要更高的效率來減輕環境影響，也需要降低客戶的成本。
但另一方面，AI安全也將成爲投資新機遇。Speedinvest投資人Rick Hao表示：2023年，AI安全已進入公衆討論的視野。隨著企業急于采納最新的人工智能技術，透明度、信任、治理成爲越來越多人關注的焦點。然而，我們預測，與技術能力相比，AI安全領域的投資將繼續不足。我們已經在這方面進行了一次投資，並將在2024年進一步加碼。
結語 : 篇幅關系，適道不能對2024的AI預言一一鋪開，而是采取總結脈絡的方式進行大致梳理。
總而言之，生成式AI到底是史詩級的技術革命，還是僅僅成爲企業IT武器庫中的一個有力的補充，一切答案都會在2024年見分曉。
對于初創公司而言，“尋找需求”遠大于“死磕大模型”。目前階段要求生成式AI必須具備解決問題的能力。“高度變現的殺手級應用”是生成式AI從模型變爲巨大印鈔機的關鍵。-來源: 钛媒體-
