AI将解决什么价值1万亿美元的问题？
无论是AI领域的看涨派还是看跌派都对一个数字达成了共识：一万亿美元。虽然他们对这一数字实现所需的时间持有不同看法，但这些分析普遍存在一个问题——质量不高。 高盛的Jim Covello指出关键问题是：ai将解决什么价值1万亿美元的问题？用极其昂贵的技术取代低薪工作，这基本上与我在三十年紧跟科技行业过程中所见证的以往技术转型完全相反。 红杉资本的David Cah提到模型假设2023年的收入是终生收入，但这个词在2024年的版本中消失了。我们将终生收入与季度收入混淆了，忽略了投资是长期摊销的事实，以及复利效应意味着最大的回报往往是在投资周期的末尾才显现后。
“过去的三个月里，我们的GPT-4使用率从100%骤降至接近0%。” “我完全转向了Claude。任务澄清更好，输出更一致，错误处理更佳。OpenAI已经无法与之匹敌了。”越来越多的人取消了ChatGPT订阅（chatgpt解体的部分促因），有传言称openai今年将亏损50亿美元 Google AI Overviews变得非常糟糕（在Gemini事件之后） 微软宣布并取消了Recall，Figma宣布并取消了AI，麦当劳测试并取消了Drive-thru AI（紧随去年冬天Discord宣布并取消Clyde之后） Inflection Pi 2.5声称达到GPT-4 94%的表现，却未被微软收购 Adept在我们的播客中声称“完全售罄”却未被亚马逊收购 Stability发布了stable diffusion 3，然后Rombach和Mostaque离开创立了Schelling AI Rabbit R1在CES上获胜，然后表现糟糕，Humane也是如此 Cognition Lab的Devin成为今年最受瞩目的AI演示，估值达20亿美元，随后被揭穿（详见他们在世界博览会上关于下一步计划的演讲）并迅速被OpenDevin克隆，而他们的14% SWE-Bench很快被AutoCodeRover和Factory超越 风投公司转而反对OpenAI支持的Harvey，客户私下对此表示赞同，尽管随后宣布内部投资者进行了1亿美元的融资。
今年，无论是AI领域的看涨派还是看跌派都对一个数字达成了共识：一万亿美元。虽然他们对这一数字实现所需的时间持有不同看法，但这些分析普遍存在一个问题——糟糕。在这样的辩论中，选择一个立场很困难，因为许多主流论点基础薄弱，拥有部落思想（ZP注：Tribalism部落主义，对自己所属社会群体的强烈忠诚，通常会导致一种排他性和与其他群体的分离感。）的人可以随意地弃，并坚持自己的世界观。
Leopold Aschenbrenner预测每年将有1万亿美元的行业投资，最终形成一个价值1万亿美元的训练集群。他的理由是，投资的回报与投资本身成比例增长：
图片来源：Latent Space
'迄今为止，每增加10倍的AI投资似乎都能带来相应的回报。GPT-3.5引发了ChatGPT的热潮。据估计，5亿美元的GPT-4集群成本已经通过微软和OpenAI每年数十亿美元的收入得到了回收（详见上文的计算）。如果微软/ OpenAI的AI收入继续以每年超过10亿美元的速度增长，那么对'2024级'训练集群的数十亿美元投资也将很容易回收。这种影响不容小觑。它将使AI产品成为美国最大规模公司的最大收入驱动力，并且是它们迄今为止最大的增长领域。'
然而，批评者们提出了一个简单的反驳：冷静下来，回报递减是现实存在的，经济学中的规模法则在AI中并不适用。当受到物理现实的制约时，增长曲线不会一直向上。即便不考虑这些，反对的理由又是什么呢？高盛的Jim Covello提出了一个相反的问题：
'我们估计，仅在未来几年内，AI基础设施的建设成本将超过1万亿美元，这包括对数据中心、公用事业和应用程序的投资。因此，关键问题是：AI将解决什么价值1万亿美元的问题？用极其昂贵的技术取代低薪工作，这基本上与我在三十年紧跟科技行业过程中所见证的以往技术转型完全相反。'
如果你曾听说“高盛对AI持悲观态度”，消息可能源自Ed Zitron等“媒体人物”之口。他们常自信地发表一些基于片面权威论据的观点。然而，细读高盛的真实报告，你会清晰看到编辑们所展现的平衡视角。他们不仅邀请了Covello的三位同事来提出反驳意见，而且在准确区分导致乐观派（GDP增长+9%）和悲观派（GDP增长+0.5%）之间显著不同的假设方面做了出色的工作。高盛以负责任的态度深入剖析了其全球股票研究主管的论点，你可以在报告中阅读。
图片来源：Latent Space
然而，你可能并不会去深入阅读。每当我们展示图表，大多数读者的注意力就已经转移。平衡分析和估算细节往往不如夸张的言辞更能吸引人们的眼球。
红杉资本的质疑
红杉资本的David Cah提出连续2000亿美元和6000亿美元的“问题”未能达到引人注目的1万亿美元数字，但通过一个更为简洁的模型，他提出了一个相似的观点：基于对数据中心50%的利润率和软件50%的利润率的预期，为了收回AI基础设施的建设成本，AI行业终生收入需要实现4倍投资于NVIDIA的金额。
图片来源：Latent Space
与NVIDIA过去一年数据中心收入令人瞩目的三倍增长相比，David预测2023年AI行业的收入将达到750亿美元，2024年则为1000亿美元，以此得出收入“缺口”数字分别为1250亿美元和5000亿美元。
但你有没有发现其中的漏洞？没有？这不是你的错。David提到模型假设2023年的收入是终生收入，但这个词在2024年的版本中消失了。我们将终生收入与季度收入混淆了，忽略了投资是长期摊销的事实，以及复利效应意味着最大的回报往往是在投资周期的末尾才显现后。
面对这样的分析，各方的反驳已经开始——你可以听到来自Together AI的Vipul的观点，虽然市场失衡可能会出现，但不要忘记传统机器学习的成本；或者Sarah和Elad的看法，不要低估基础模型的潜力，尽管企业采用的速度可能较慢；或者NLW的见解，创新、成本节约/生产力提升、自动化。Benedict Evans，这位以图表见长的分析师，以更均衡的视角分析了AI热潮的现状提：
图片来源：Latent Space
最后值得一提的是Chris Paik的The End of Software这篇文章。这篇文章写得很有煽动性，如果属实，将对经济产生非常重要的影响。然而，Chris既不是开发者也不是创始人，而且他极大地高估了市民软件的经济影响（作为一个无代码爱好者，我有发言权！）。
着眼工程，摒弃部落主义
我们可以逐点与怀疑者和炒作狂们辩论，但那样做只会让局面更加混乱——一个人的信号对另一个人来说可能就是噪音——那些自以为聪明的人往往喜欢在思想战场上争高下。他说X，他不懂他在说什么；我说Y，我智慧、有见识、有洞察力，听我的。但这些都是噪音。
真正的现实是：未来已来，只是非均衡分布。
正如5只股票占据了今年S&P 500 指数96%的涨幅一样，AI的推出和受益也是极不平衡的。再次引用高盛的报告：
图片来源：Latent Space
我们拥有令人惊叹的模型，大量资金流向GPU，基础设施在不断改善，成本也在下降。而且我们拥有这些工具！
图片来源：Latent Space
我们尚未见证相应的收入和生产力的提升流向经济的其他领域中。
未来已来，只是非均衡分布。
将AI的潜力转化为实际产品，是AI工程师肩负的崇高而独特的责任。
是时候开始建设了，否则我们将会面临AI寒冬。
来源微信公众号： Z Potentials
