近日，AI獨角獸Anthropic的CEO Dario Amodei接受了Noah Smith的訪談，從商業角度暢談AI發展，貢獻了不少來自業界一線的真知灼見。
以下是我的學習筆記，分享給大家。
（1）Google是AI時代的貝爾實驗室
在創辦Anthropic之前，Dario Amodei曾在百度、Google及OpenAI任職。說起Google，Dario認爲很多科研人員把Google當做他們學術生涯的延續，這點和當年的貝爾實驗室很像。
Google濃厚的學術氛圍和優質的産業資源吸引了大量頂級科研人才，開展數以百計的創新科研項目，Transformer只是其中之一。
無論從算力資源還是人才密度來看，Google理應是AI浪潮的最大受益者。但是Google的組織架構是爲了“搜索”服務的，並沒有把AI相關的要素有效的組織起來。
如果當時Google能夠把算力優勢、關鍵學術成果、人才優勢有效利用起來，它本可以成爲AI領域的唯一主導者。
（2）AI公司究竟有沒有護城河？
AI公司的商業模式取決于Scaling Law是否持續成立。
假設Scaling Law在未來相當長一段時間保持有效，那麽AI將帶來巨大的經濟價值，涉及人類社會的方方面面。
Dario認爲，隨著大模型不斷Scaling up，單個模型的訓練成本將超過百億美金，甚至達到千億美金。因此這將成爲一個准入門檻極高的生意，大模型將成爲國家級基礎設施，只會有少數幾家科技巨頭，甚至國有企業參與其中，形成寡頭壟斷的競爭格局。
當然這裏有一個關鍵問題，是否會有公司願意開源千億參數的大模型？
Dario對此深表懷疑，千億規模的模型的推理成本非常高昂，甚至超過訓練成本，開源模型的商業價值將會受限。
（3）AI公司的生存之道：差異化
要想在競爭中生存發展，AI公司需要找到自己的差異化定位，Dario提供了兩種思路。
其一是基座模型能力差異化。A公司可以訓練出一個專門寫代碼的模型，B公司可以訓練擅長創意寫作的模型，C公司訓練出一個虛擬伴侶模型。與其拼盡全力做基座萬能大模型，不如選擇一個領域做深做透，專項訓練。
其二是模型與應用的垂直整合。理論上看，你可以把模型層和應用側解耦分離，但實操中要把應用做到極致，往往需要對模型進行專項訓練，這是大模型公司得天獨厚的優勢。
Dario認爲未來AI公司不能只提供API能力輸出，而應該深度介入應用層。雖然目前基于大模型的應用還很薄，但未來會越做越厚，逐漸形成壁壘。
（4）AI行業的宿命會和光伏類似嗎？
Scaling Law目前只是基于觀察總結的經驗，可能持續很久，也可能隨時停止。根據目前的觀察，Dario認爲Scaling Law還將持續相當一段時間。
假設Scaling Law在達到AGI之前失效，AI公司的處境可能與光伏類似。
縱觀光伏行業，技術創新層出不窮，帶來了巨大的經濟價值，但並不具備壟斷屬性，導致光伏企業利潤率整體偏低。
與光伏行業類似，AI行業的市場規模非常巨大，但公司想要保持較高的margin並非易事。
（5）AI公司是否會被國有化？
如果Scaling Law持續有效，在不久的將來，AI模型有可能成爲一個國家國防領域最重要的資産之一。
另一方面，針對AI的misuse和autonomy問題，如果不加以嚴格監管，可能導致較大的社會問題和安全隱患。
因此，政府會在AI領域扮演越來越重要的角色，但不太可能對AI公司進行國有化，具體的有效介入方式還需要探索。
（6）蜂群協作模式：大模型與小模型的有機統一
未來的AI生態將由大模型與小模型共同構成。大模型強大但價格昂貴，小模型便宜且推理迅速，但沒有那麽智能。
根據Dario所言，Anthropic正在嘗試構建“蜂群協作”的推理模式，由大模型將一個複雜的任務拆解成數個簡單的子任務，然後把每個子任務分配給一個小模型來處理，最後將小模型處理的結果統一彙總給大模型，輸出最終結果，整個處理過程就像蜂群一樣。
（7）AI將加劇貧富差距
Dario認爲AI能帶來財富的增長和富足的生活，但也極有可能加劇貧富差距。
發達國家將率先受益于AI帶來的生産力進步，實現GDP的雙位數增長，但財富可能高度集中于頭部科技公司及其員工，而非平均分配。
與此同時，發展中國家的居民可能無法共享AI帶來經濟增長的果實，並面臨更加嚴峻的就業壓力。
（8）人們低估了AI在生命科學中的應用潛力
基于此前生物學的學術背景，Dario對AI在生命科學中的應用前景頗爲重視。
在大模型誕生之前，AI在生命科學中最多只是輔助工具，即使是AlphaFold也沒有從根本上改變這一定位。但在不久的將來，AI將逐漸走到台前，成爲生物科研領域的核心參與者。
縱觀整個20世紀，生命科學的所有進展都是由極個別的重大發現推動的，比如基因測序技術，以及CRISPR基因編輯技術。
Dario認爲，大模型將十倍甚至百倍的提升科學發現的速度。
以CRISPR爲例，這項技術最初是在細菌中發現的一種天然免疫系統，用于防禦病毒入侵。當細菌遭受噬菌體攻擊時，會將入侵者的DNA片段整合到自身的CRISPR序列中，並通過RNA和Cas蛋白來定位並消滅這些入侵者。
這項技術早在30年前就被發現，但是直到2013年哈佛醫學院的George Church才首次使用CRISPR技術完成了RNA介導的人類基因組編輯。如果科學家使用 AI加快從科學發現到應用轉化的速度，這無疑是全人類的福音。
Dario判斷，AI有望在未來10年內實現原本預計整個21世紀才能達成的生物學進展，治愈罕見疾病，讓我們拭目以待。--- [文 : AlphaEngineer，作者 : 費斌傑*北京市青聯委員 熵簡科技CEO/來源: 钛媒體]
