中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

紅杉資本美國合伙人Pat Grady在最近的一次活動中分享了他對人工智能（AI）未來發(fā)展的深刻洞察。Grady認為，AI技術(shù)正處在一個關(guān)鍵的轉(zhuǎn)折點，它將為服務(wù)行業(yè)帶來前所未有的變革性機遇，而非簡單地復制現(xiàn)有的軟件公司。他強調(diào)，AI的真正潛力在于賦能服務(wù)行業(yè)，如法律、咨詢、會計和簿記等領(lǐng)域，這些行業(yè)的工作流程與AI技術(shù)高度契合。本文將詳細探討Grady的觀點，分析AI如何塑造新的商業(yè)模式和機會，同時指出人際關(guān)系和執(zhí)行的重要性。

紅杉資本美國合伙人 Pat Grady 在近日一場活動對談科技媒體人 Eric Newcomer。Grady 強調(diào)，AI 技術(shù)正處于關(guān)鍵轉(zhuǎn)折點，將為眾多服務(wù)行業(yè)帶來變革性機遇，而不僅僅是復制現(xiàn)有的軟件公司。

他認為，穩(wěn)定的基礎(chǔ)模型有助于整個 AI 生態(tài)系統(tǒng)的發(fā)展，因為它能讓企業(yè)更合理地預(yù)測和構(gòu)建所需的應(yīng)用程序。

目前的模型能力已經(jīng)足夠強大，能夠創(chuàng)造出數(shù)萬億美元的新業(yè)務(wù)，關(guān)鍵在于如何在模型之上進行工程化優(yōu)化和認知架構(gòu)設(shè)計。

AI 的真正潛力在于賦能服務(wù)行業(yè)，如法律、咨詢、會計和簿記等。這些行業(yè)的工作流程大多是文本輸入和輸出，非常適合 AI 技術(shù)的應(yīng)用。

Grady 認為，AI 不會取代現(xiàn)有的軟件公司，而是會帶來新的服務(wù)模式和商業(yè)機會，但人際關(guān)系和實際執(zhí)行仍需依賴人工。

Eric Newcomer

紅杉資本被廣泛認為是世界上頂尖的風險投資公司，總是領(lǐng)先于其他公司，而 Pat 是這家公司的領(lǐng)導之一。你們是何時開始注意到生成式 AI 的？或者你們是如何獲得這些信號的？什么時候你們感覺到，這可能是另一個浪潮？

Pat Grady

有一個標準答案是，早在 1993 年，我們就對 Nvidia 進行了A輪投資，雖然這是真的，但 Nvidia 是一個例外。

我們沒有一系列投資來提示我們發(fā)生了一些事情，但我可能會說，大約在 2016、 2017、 2018 年。

當時原始的 Transformer 論文問世了，但那時對AI的發(fā)展并不那么關(guān)注。更多的是因為在云計算和移動領(lǐng)域沒有發(fā)生的事情。

從風險投資的角度來看，那時云計算和移動已經(jīng)是一個相對晚期的周期。我們看到的很多想法都是衍生的，并沒有感覺到它們在解決一流的市場機會。

因此，我們開始花更多的時間掃描前景，尋找可能存在的其他東西。我們觀察到的一個現(xiàn)象是，許多重大的技術(shù)變革都是分發(fā)方式的革命，通過一個數(shù)量級增加了技術(shù)的可訪問性。

隨著手機的普及，分發(fā)方式的革命已經(jīng)達到了極限，全球八十億人中有七十億人都在使用手機。

如果分發(fā)不是下一個維度，那么它一定是深度，這意味著它可能是計算能力的革命。我們看到的一些最有趣和最豐富的應(yīng)用體驗都是由大量機器學習驅(qū)動的。

因此，我們開始考慮數(shù)據(jù)和機器學習的完整過程。這引導我們進入了現(xiàn)代數(shù)據(jù)堆棧，但也引導我們了解了 HuggingFace 和 OpenAI 等公司。

Eric Newcomer

HuggingFace 是你們的第一個投資項目嗎？還是有其他的？

Pat Grady

我可以說，我猜那是我們第一個投資項目。實際上有其他公司，它們在不同形態(tài)和規(guī)模上使用了AI，這些公司在一定程度上預(yù)示了這個浪潮的到來，比 HuggingFace 或其他一些公司要早。

Eric Newcomer

那么直接進入這個問題，從過去的經(jīng)驗來看，你們?nèi)绾卫斫饣A(chǔ)模型公司？我非常想知道。一個夢想是它們像 AWS 或 Google。你怎么看？我本來打算展開我的數(shù)據(jù)庫類比。

Pat Grady

你已經(jīng)說了，但這確實是正確的類比。如果你看看基礎(chǔ)模型的功能，它們都是信息處理工具，對吧？這基本上就是數(shù)據(jù)庫為你做的事情。關(guān)系數(shù)據(jù)庫或 NoSQL 數(shù)據(jù)庫和推理引擎之間的區(qū)別是，它們提供了不同的功能和輸出。但從根本上來說，它們是相同的東西。

因此，如果你試圖從中推斷出來，好的，那么這些基礎(chǔ)模型公司會變成什么樣子呢？有些會成為 MongoDB。MongoDB 是一家了不起的公司，但它的 年收入只有幾十億美元，市值幾十億，而不是收入數(shù)百億、市值數(shù)千億的公司。所以我們可能正進入一個世界，這些基礎(chǔ)模型公司主要以基礎(chǔ)模型本身聞名。

如果它們的主要產(chǎn)品是開發(fā)者 API，供人們在其上構(gòu)建應(yīng)用程序，它們在規(guī)模上更像數(shù)據(jù)庫公司而不是其他任何東西?，F(xiàn)在， OpenAI 是一個特殊情況，因為你可以說 OpenAI 已經(jīng)從開發(fā)者業(yè)務(wù)轉(zhuǎn)變?yōu)橄M者業(yè)務(wù)，這使它在潛力方面進入了一個不同的類別。

這家美國頭部對沖基金創(chuàng)始人，騰訊&字節(jié)跳動早期投資人表示，在這些新浪潮的開端，新的贏家在 10 年或 20 年后，有些是現(xiàn)有的公司，有些是新的公司。但那些變大的新公司，每年可能只有一家，不會更多……

Eric Newcomer

是的，如果 Anthropic 的最好情況只是成為 MongoDB ，那確實是比較輕微的贊美。

Pat Grady

但故事尚未寫完，因為 Anthropic 也有不同數(shù)量級的潛力，有很多消費者在使用 Anthropic 。可能會有商業(yè)產(chǎn)品成為殺手級應(yīng)用程序。這些基礎(chǔ)模型有機會進入應(yīng)用層。是的，但我們必須看到它們的執(zhí)行情況。

Eric Newcomer

你認為現(xiàn)在的模型是否足夠智能，能夠從根本上構(gòu)建出偉大的應(yīng)用程序？或者你認為目前的模型在消費者和企業(yè)兩個領(lǐng)域，是否已經(jīng)足夠先進，能夠創(chuàng)造出具有變革性的應(yīng)用程序？

Pat Grady

我可能有一個相對獨特的觀點。我不確定，但這正是我們在這里所做的事情。我的感覺是，很多人認為我們真的需要 ?GPT-5 ，甚至 GPT-6，因為現(xiàn)在的模型還不夠好。我不這么認為，因為我們看到的是，很多人在模型之上投入了大量的工程努力，可以稱之為認知架構(gòu)，包括計劃和推理等。

人們用不同的名字來描述這些東西，但基本上就是你在模型之上所做的工程。當人們在這方面投入大量努力時，他們最終會創(chuàng)造出非常神奇的體驗。

舉個例子，我知道 Meta 的團隊就在這里，他們在別人的基礎(chǔ)模型上進行開發(fā)，但他們在認知架構(gòu)方面投入了很多精力。結(jié)果是，他們在一周前發(fā)布了一個新的記錄，打破了很多人關(guān)注的測試標準，我們越來越多地看到這種情況。

我們思考的一個平行宇宙的假設(shè)是，如果你凍結(jié)了今天的基礎(chǔ)模型功能，并將所有的增量精力投入到優(yōu)化、易用性、經(jīng)濟性和頂層工程上，或許將一些努力從大規(guī)模預(yù)訓練轉(zhuǎn)移到測試時計算上，進行更多的計劃和推理，如果你這樣做了，你能改變多少行業(yè)？答案是所有行業(yè)。今天的能力足以構(gòu)建數(shù)萬億美元的新業(yè)務(wù)。

Eric Newcomer

這種思路是否隱含了一個預(yù)測，即你認為 GPT-5 及以后的版本不會有大的飛躍？或者你對它們會變得多智能有一個總體看法嗎？

Pat Grady

大家都在盡力猜測會發(fā)生什么，以及我們在 GPT-5 中會看到什么。有些事情是已知的，有些是不知道的。人們認為他們有訪問權(quán)限，或者我確信一旦 GPT-5 發(fā)布，會讓人們大吃一驚，這是我的最佳猜測。是否這對生態(tài)系統(tǒng)有好處還是一個開放的問題。

我之所以這么說，是因為我可能會類比加密貨幣。很多加密貨幣創(chuàng)始人會說，給我們提供監(jiān)管規(guī)則，這樣我們就知道游戲規(guī)則是什么。同樣在AI領(lǐng)域，給我們一個穩(wěn)定的模型，這樣我們每次新版本發(fā)布時就不需要重做我們的提示了。

我們不需要跟上不同模型不斷進步的步伐，再次重新平臺化。在模型層面上的一些穩(wěn)定性對生態(tài)系統(tǒng)是有好處的，因為這樣你可以更合理地預(yù)測你需要構(gòu)建什么。

Eric Newcomer

在我們的歷史類比中，你如何看待現(xiàn)在的 Nvidia ？

Pat Grady

你是說你是買家？你可能是對的。我的視角是尋找擁有幾百萬客戶的公司。我喜歡尋找那些有幾百萬收入的公司，看看它們是否能達到幾十億的收入。這更符合我的業(yè)務(wù)。我們回到互聯(lián)網(wǎng)過渡的分析。在 AI 領(lǐng)域，我們現(xiàn)在所處的階段感覺就像是 90 年代末。

Netscape 時刻是 1996 年，當時人們意識到互聯(lián)網(wǎng)的力量。這類似于 20 22 年秋季的 ChatGPT 時刻?？爝M幾 年，地球上最有價值的公司是思科，因為他們在為互聯(lián)網(wǎng)鋪設(shè)軌道。今天思科的類比是 Nvidia ，它是AI的核心基礎(chǔ)設(shè)施提供商。

當你為互聯(lián)網(wǎng)鋪設(shè)軌道時，這些軌道的使用壽命相當長。當你進行訓練運行時，GPU 在 24 個月內(nèi)折舊，其使用壽命有點不同。

你可以說這對 Nvidia 是有利的，因為它可以保持一些 GPU。你也可以說這對那些購買這些 GPU 的人是不利的，因為你可能無法從所有這些資本支出中獲得回報。

Eric Newcomer

我們訓練這些模型，然后在從中獲利之前就需要構(gòu)建下一個。這是一個大問題，但我想說，訓練到推理的轉(zhuǎn)變有很多事情要考慮。我們是否會從大量訓練轉(zhuǎn)向更多推理？

部分是因為模型本身，我們訓練得少了，基礎(chǔ)模型之間的競爭也少了？部分是因為有用的應(yīng)用程序正在運行推理？你對訓練到推理轉(zhuǎn)變的問題有什么總體看法？

Pat Grady

總體而言，已經(jīng)進行的訓練量可能比我們需要的多?；氐轿覍?yōu)化調(diào)優(yōu)的觀點，工程解決方案在基礎(chǔ)模型之上。今天早些時候的評論提到，PhD 已經(jīng)成為一種貨幣，很多人認為他們需要垂直整合，自己訓練模型。部分原因是這很有吸引力。

從實際的角度來看，已經(jīng)有足夠的模型被訓練出來，你可以構(gòu)建各種偉大的體驗。人們會開始意識到這一點。我們將很快從訓練階段轉(zhuǎn)向推理階段。

Eric Newcomer

你是 Harvey 這家 AI 初創(chuàng)公司的大投資者。談?wù)勥@如何與你對最佳應(yīng)用程序所在領(lǐng)域的總體看法相契合。

Pat Grady

我們試圖從歷史中吸取教訓?；ヂ?lián)網(wǎng)的類比在某些方面是好的，云計算的類比在某些方面也是好的。云計算的類比在這里很有用，因為就像云計算一樣，AI 是一種技術(shù)模糊地帶，能夠啟用新的分發(fā)模式和新的商業(yè)模式，但它本身并不是一個消費者前端。雖然有像 ChatGPT 這樣的消費者前端形式，但它本身并不是一個消費者前端。

我提到 Harvey 時提到這一點，因為有一種觀點認為，如果我們要類比云計算的轉(zhuǎn)變，那么在云計算轉(zhuǎn)變中需要做的事情就是找到那個最初的本地軟件公司，構(gòu)建其云計算等效產(chǎn)品。而那確實在那個時代非常奏效。

今天需要做的事情非常不同。不是找到軟件公司并構(gòu)建其AI原生版本，而是找到服務(wù)行業(yè)并通過 AI 賦能它。如果你列出那些從能力角度來看規(guī)模龐大的服務(wù)行業(yè)，法律是排在首位的。

僅在美國，法律行業(yè)的 TAM 就達到了 4000 億美元，而且法律界的大部分工作是文本輸入和文本輸出，這些正是這些模型擅長的地方。

Eric Newcomer

我覺得我讀到了一份報告，說麥肯錫似乎在生成式AI熱潮中賺的錢比其他任何人都多。

Pat Grady

但那正是重點。你有法律、有咨詢、有會計、有簿記，這些都是資本密集型的行業(yè)。我們會看到一波類似 Harvey 的公司，它們在某些方面是輔助駕駛員，作為現(xiàn)有行業(yè)的助手，在某些方面是自動駕駛儀，作為擴展 TAM 的服務(wù)。

對于 Harvey 和可能很多這樣的公司來說，你不會用 Harvey 替代 Kirkland and Ellis，但有數(shù)以億計的人無法獲得Kirkland and Ellis的服務(wù)，他們希望有一天能夠獲得 Harvey 的服務(wù)。

Eric Newcomer

最好的最好的。你在回答中提到了一點，即將替代風險投資。我今天和 Marco Egoldman 談過，他的意思是，我們認為它會有助于交易，但目前還不能取代交易。今天的交易決策和獲取 alpha。作為一家風險投資公司，你們在使用語言模型來更成功地投資方面處于什么位置？

Pat Grady

很多 年前，我們意識到，如果軟件能吞噬世界，它可能也會吞噬我們?，F(xiàn)在，AI可能也會吞噬我們。所以很多 年前我們決定試圖弄清楚這會是什么樣子，并成為一家 AI 或軟件賦能的風險投資公司，而不是被其他這樣做的人所打敗。因此，我們有一個相當復雜的系統(tǒng)，類似于一個智能CRM系統(tǒng)。

舉個例子，我們對一個從未見過的公司的了解比 15 年前做出最終投資決策時的信息還要多，因為有很多信息可以獲取。例如，如果你是一個投資者，你的主要工作之一是研究不同的公司，你可能需要花幾天時間閱讀互聯(lián)網(wǎng)上關(guān)于公司的所有信息，以了解業(yè)務(wù)。

我們不需要花幾天時間，因為我們有 LLM 來為我們做這些，這就是為什么我們只需在系統(tǒng)中查找公司，就可以自動總結(jié)所有已知的信息，不僅是公共互聯(lián)網(wǎng)，還包括我們訪問的一些付費墻后的信息，因此我們可以自動說出這家公司做了什么，為什么人們喜歡它，為什么人們不喜歡它，我們發(fā)現(xiàn)的一些指標，以及解釋這些指標的一些事情。

通過一個基于聊天的界面。我們建立了各種不同的界面。大部分就像是一個豐富的公司檔案，你可以從那里開始查詢。

Eric Newcomer

你認為 AI 有可能顛覆風險投資的哪些部分？

Pat Grady

基本的價值鏈大致分為：發(fā)現(xiàn)、挑選、贏得、建設(shè)和收獲。發(fā)現(xiàn)階段，你不能要求LLM在任何有意義的方式上建立與創(chuàng)始人的關(guān)系，但你可以要求 AI 做很多其他部分的工作。所以這是一個價值鏈的一部分，隨著時間的推移，大部分將是程序化的。

這也有助于挑選，因為很多對發(fā)現(xiàn)有用的東西有助于優(yōu)化你的決策。所以這部分也會是程序化的。贏得部分是人與人之間的交流，這部分不太可能被自動化。建設(shè)部分可能是半自動化，有些事情你可以在那里做，有些事情是人類的，然后是收獲階段可能不多。

對于漏斗的前端，自動化將占很大一部分。今天也是如此。很少有公司能進入我們的合伙人會議而沒有在關(guān)鍵路徑上以某種有意義的方式被觸及。

Eric Newcomer

回到歷史教訓，我們談到了比較公司，你也稍微提到了，但任何周期的自然炒作浪潮。我們經(jīng)歷了加密貨幣熱潮。

非常不同，因為我相信 AI 的許多技術(shù)變革，而我不太相信加密貨幣。不僅僅是加密貨幣，還有互聯(lián)網(wǎng)泡沫和金融危機。你認為我們現(xiàn)在處于這個興衰周期的哪個階段？

Pat Grady

感覺我們經(jīng)歷了一個炒作周期的收縮階段。以云計算為例，云計算沒有一個“網(wǎng)景時刻”。所以云計算是一個非常長的建設(shè)過程，一個公司接一個公司將一個工作負載接一個工作負載移到云端。而互聯(lián)網(wǎng)有一個公開的“網(wǎng)景時刻”。AI有一個公開的 ChatGPT 時刻。

結(jié)果是，炒作周期被壓縮到一個更短的時間段內(nèi)。我們已經(jīng)經(jīng)歷了膨脹的期望高峰。我們會預(yù)測今 年 年初是訓練轉(zhuǎn)向推理的轉(zhuǎn)折點，很多東西會開始進入生產(chǎn)。它還沒有真正發(fā)生。所以我們正在看到人們在努力擺脫失望的低谷，進入另一個階段。所以現(xiàn)實正在顯現(xiàn)。

我實際上不認為有很多炒作，明確說，AI 領(lǐng)域的資金存在泡沫，我明確表示這一點。但，人們對使用它的現(xiàn)實非常清醒，他們現(xiàn)在理解我們實際上在談?wù)摰氖侨绾谓鉀Q工程挑戰(zhàn)，使這些東西有用，而不是談?wù)撃Хê凶印?/p>

Eric Newcomer

你在 AI 領(lǐng)域最看好的兩家公司，不在你們投資組合里的。

Pat Grady

我不太會想到我們投資組合以外的公司。Heygen 不在我們的投資組合中。Joshua 非常出色，該產(chǎn)品有廣泛的適用性。所以我會給出這個例子。然后另一個公司 ?Augment，它們有不同的方式來接近這個一般類別，那是一個非常好的團隊，而且在很多方面我很欽佩那個業(yè)務(wù)。

Eric Newcomer

你個人追逐消費者業(yè)務(wù)嗎？

Pat Grady

我盡量不這樣做。在我們的眾多浪潮中，整個 SaaS 浪潮是否有摧毀者出現(xiàn)？你怎么看我們的社區(qū)？他們會覺得AI在某些方面掩蓋了一個殘酷的低迷。

這其實是——我們每兩年舉行一次 LP 會議，幾個月前剛開過。LP 們最常問的問題是，AI 會不會對現(xiàn)有的投資組合造成影響？因為我們的投資組合中有很多軟件公司。

因為正如我之前所說，這不是 AI 要去消滅當前一代的軟件公司，而是AI將去追逐服務(wù)行業(yè)。這是一個更大的機會。但同時，如果你看看現(xiàn)有的 SaaS 公司，它們已經(jīng)有數(shù)據(jù)了，它們已經(jīng)有分發(fā)了。

這些產(chǎn)品的大部分功能在開源世界中是免費提供的，通過其中一個基礎(chǔ)模型。所以，如果創(chuàng)業(yè)公司和現(xiàn)有公司的經(jīng)典斗爭是創(chuàng)業(yè)公司能否在構(gòu)建酷產(chǎn)品之前建立分發(fā)，那么在大多數(shù)情況下，答案是不能，現(xiàn)有公司能很快地構(gòu)建酷產(chǎn)品。但話雖如此，很多人喜歡談?wù)摤F(xiàn)有公司的數(shù)據(jù)和能源。

對于大多數(shù)這些元素來說，這是一個幻覺。因為它們的內(nèi)部系統(tǒng)一團糟。它們的合同寫得這樣，使它們可能實際上不能像你希望的那樣處理它們所有的數(shù)據(jù)。

OpenAI 投資方 Thrive Capital 合伙人表示，開源與閉源很快得到結(jié)論；其中，小模型與終端存在巨大機會，下一個千億美元公司將是 toC……