01-神魔宇宙 ***宇宙天國首部曲 彌勒天書閣 https://maitreya-books.com/ 神話從來就不是怪力亂神,而是原始先民在日常生活情況的觀察之中,所建立的真實認知。唯有相信神話中的真實,才能感受到神話的詩意隱喻背後,所具有的神聖力量。打開你的想像,打開你的相信,你才能知道神話告訴了你什麼宇宙生命的資訊。 生命起源於宇宙之中,生長於宇宙之中,結束於宇宙之中,因此,宇宙的起源就是生命背景的起源。生命形成的每一個階段,其實都在述說著生命的本能,也就是生命本就存在的一種力量,在此雖是說明一種狀況,然而將這狀況投射在生命的生活行動之中,你就會明白自己究竟有哪些不可思議的本能!

無聲處的驚雷 :OpenAI和微軟的競爭悄然開始

2024111901:03



在OpenAI 開源了個Swarm演示Multi-Agent後,微軟則開源了magentic-one。

雖然演示的功能不太一樣,前者關于業務邏輯處理,後者關注文件訪問這些基本操作,但這也是個Multi-Agent的例子。

橫向比較,微軟的比OpenAI的略好,可以解決實際問題,真能用。但關鍵卻不在這裏,而是當你把兩個項目放在一起做比較的時候,你就會發現一種無聲的競爭已經開始。

我們有理由相信,隨著Multi-Agent的智能原生程序變的越來越關鍵,這種競爭也會變得越來越激烈。

很多做戰略分析的同學未必願意讀代碼,願意讀代碼的同學未必願意花心思發現這種競爭的導火索,所以我在這裏挑個事,還是把這事再說說。

AI的兵家必爭之地

什麽是AI産業的兵家必爭之地?

備受關注的大模型其實基本不是,除非只有一家一騎絕塵,別人的模型水平是1,你是10。

如果大模型是競爭最關鍵的地兒,那其實OpenAI Swarm基于GPT-4o,微軟magentic-one也是基于GPT-4o,大家沒什麽沖突。你做好模型,我用好模型,你好我好,根本沒啥沖突的事。

關鍵就在于如果你預期的是超級應用,我預期的也是超級應用,那就隨著超級應用的價值變大,那超級應用全鏈條的關鍵控制點上就會有你死我活的競爭。

OpenAI和微軟之間暗搓搓沖突的根源倒不是在于某個應用,而在于誰對AI的基礎設施有控制力。

那什麽是未來各種超級應用的關鍵控制點?找出這個控制點就找到了AI的兵家必爭之地。

OpenAI和微軟的潛在沖突和下面這個被我隨手畫的簡圖有關 :



因爲我們在說微軟,所以我們拿LLM based OS和過去的Windows做類比。

比如我們常用的Windows裏面也封裝有很多算法,但不管我們在Windows上寫多少程序,也不會直接使用裏面封裝的算法,而是要通過Windows對外提供的接口。

這些算法對你是透明的。

誰知道Windows裏面封裝了多少了算法呢?

爲什麽這樣呢,因爲Windows裏面不止有算法這些功能,還有賬戶管理、消息機制等把功能鏈接起來的部分。

上面兩張圖中,核心差異就是這個 :左側的圖仍然有系統的概念存在,而在右側的圖裏,系統的概念消失了,模型不單履行邏輯判斷的能力,也還取代了系統。

爲什麽這會導致劇烈沖突和競爭呢?

多大池子養多大魚

智能原生應用因爲數據所有權不同,所以注定有多個,但LLM based OS和LLM不是的。

這種基礎設施是個超級大的大池子,但理論上在一個聯通的市場空間裏最後可能就剩下少數幾個,並且Top1的占據50%以上的市場份額。

誰在AI時代幹成這事,誰就是新時代的巨頭。

OpenAI需要這個,而微軟顯然不會放過這個。

可左側的構圖裏面有微軟的位置,右側的沒有。

如果世界最終選擇了右側的圖,那模型即系統,微軟公司在AI這塊地兒的基礎設施上就沒有位置!

   *  一切剛剛開始

上面其實是一些猜想,這個猜想有個大前提:智能原生(AI Native)的應用會席卷各個應用場景。這還需要點時間,所以上面說的深層矛盾也就在開源項目上漏出一點端倪。

但數字的事最違反人類常規感知的點就是速度,假如說人類進化的速度是1,制度文化進化的速度是100,那數字的進化速度至少是100萬甚至更高。

一兩年前大家不知道智能原生到底是什麽,但現在上述兩個開源項目,每個都是智能原生的。

所以這種潛在沖突也可能在某個瞬間一下爆發出來,關鍵節點應該是智能原生應用的收入規模。

  *  後續的走勢

當前這類競爭會在無聲狀態開始,短期誰占優由用戶的選擇決定,但模型如果不繼續叠代幾次,應用的範圍就還是會比較窄。微軟這次開源項目附帶的說明很直接道出了當前的狀態。



1、 2、3、4、5、6如果用一句話來簡單概括就是你要把它放沙盒裏面,然後人類看著點免得造成不可預計的損失。

具體來說就是下面這個任務在跑的時候沒准就執行了別的什麽,比如把系統搞宕機這種事是可能發生的。



  *  https://github.com/microsoft/autogen/tree/main/python/packages/autogen-magentic-one

在這樣一種前提下,這種新的智能原生模式不是不能用,而是範圍會被限制的比較窄,你也不敢讓它負責出錯後代價特別大的事,比如直接做診療。

好消息是這種精度問題確定可解決,眼下不知道的是在通用的大模型上到底什麽時候解決。

如果有足夠的錢其實可以在比較垂直的領域走特斯拉 FSD12走過的路,如果沒有那就必須等待通用大模型的升級,這二者其實等價。



理論上如果通用大模型足夠強大,那專門訓練一個E-To-E的模型和直接把數據扔給通用的模型其實並沒有區別。

通用模型哪有什麽智能邊界!

終點上應用的邊界其實是數據的邊界。

不管怎麽樣,這裏需要個拐點。否則我們上面說的就只有影子,而不會漏出真身。

這個拐點在技術上是通用大模型的進步,在商業上是出現一個Top的智能原生應用公司。互聯網爲什麽變得如火如荼?本質是因爲當年的BAT啊,BAT的那個收入量級確實足以啓動一個時代。

這個臨界點,我看美國人要到了。Tesla的FSD12就不說了,Glean的ARR一年翻4倍,5500萬美金也不算少了。

小結 :  更有趣的事情並不是老美怎麽樣,而是米國和我國的AI顯然會分成兩套很難聯通的生態系,那國內的情況如何?

走到最後米國和我國的生態系最終又會如何競爭、共存?

互聯網用了20幾年來把這類問題交出答卷。從現在開始算,AI可能也需要這麽多時間。所以潛在的小時代可能要過去了。--- [文 :  李智勇/來源 :  钛媒體]