V4.0阶段下的人工智能对传统AI公司的影响

作者：黑夜路人

最近以为ChatGPT为主的AIGC生成式AI对整个世界推动了翻天覆地的影响，目前只是看到了大家的“恐慌”和对新技术的影响，同时还需要判断对传统AI公司的影响，基本也是翻天覆地的，这个也是值得我们关注的。

另外，对于LLM和生成式AI的重大影响，未来对于普通企业等，有哪些方向是可以做的，也是值得思考的。

我们回顾计算机信息技术的时代版本变迁，会发现主要经历了这么几个时代：

V1.0 个人计算机：本质是计算机硬件小型化和把personal computing（个人软件）的固定成本变得可以被社会接受，边际成本几乎是零。这里的personal computing主要是办公和游戏。成功的公司包括微软、IBM、苹果、Intel等。

V2.0 互联网：本质是使得极低延迟的跨越空间的分发与获取信息的成本变得很低。让信息突破了空间限制，相对于以前的书信，电话等。人与人之间的连接成本也变得很低。成功的公司包括 雅虎、网易、搜狐新浪、谷歌、百度、Facebook等。

V3.0 移动互联网：本质是使得人们可以随时随地接入互联网了。以前要在办公室和家里才能宽带上网，移动互联网使得接入互联网的门槛降低了很多。这一波一大部分是互联网的延续。成功的公司包括 苹果 iPhone、Android、Uber、滴滴、美团、WhatsApp、微信、Instagram、Tiktok等。

V4.0 通用人工智能：过去传统机器学习和人工智能与新诞生的依赖于LLM的Generative AI（生成式AI）似的整个AI只能停留在过去人脸识别、语音识别这种常规应用，变成了对整个社会的改变，让每个普通人能够使用AI，让AI成为自己真正强力的助手。除了这个还对对AI公司本身就是机器学习本身行业的巨大改变。颠覆式产品包括 AlphaGo/AlphaFold/ChatGPT/Midjourney等，代表公司包括 OpenAI、谷歌、微软、StabilityAI 等。

在V4.0阶段，可能对普通人的生活改变大家都是可以感觉到的，但是对于AI行业本身的改变也是巨大的，技术进步的本质是使得AI边际成本变得很低，完全对传统的AI公司完成了颠覆。

比如说传统做AI，建造机器学习模型，以前各个公司都要自己收集数据，从头开始训练模型，招聘机器学习工程师等等。现在可以直接基于基础模型做prompting，fine-tuning。 这是机器学习的一个范式改变。以前的行业是分布式的建模（个干个的），每家公司都在建设自己的模型。

举个例子，要做一篇文章是不是涉黄涉反，以前要人工标注很多数据，雇算法工程师在做模型，要搭建生产环境等等，成本很高。但是现在只要用prompting问基础模型就好了。注意这里降低的是建造模型的成本，因为大模型构建起来比较贵，但是对于应用来说成本还是很低的，很多传统AI机器学习的工作都不需要做了。

可能这一点对于传统AI公司成本减低没有直观感觉，我今天用ChatGPT测试了一下，以传统的NLP（自然语言处理）来举例，看看Generative AI对它的成本降低和影响是多么巨大：

自然语言处理（NLP）中的“内容抽取”工作：（从杂乱文本中抽取我们需要的信息）

自然语言处理（NLP）中的“分类”和“情感分析”工作：（分析文本的类别和情感）

自然语言处理（NLP）中的“分词”和“词性标注”工作：（分词和词性标注）

自然语言处理中的内容“黄反鉴定”：

看到上面对于V4.0阶段，可能会没有感觉，建造智能模型的边际成本极大降低，这对于AI Cloud是一个决定性的因素。内容生产的门槛进一步降低，包括文章，图片，音频，视频。智能的交互成为可能，copilot everything。应该有操作系统层面的机会。

我们细节看看这一波LLM能力涌现带来的机会。这次的技术革新对AI基础本身影响是巨大的，比如说鉴别一些产品评论是正面还是负面，某些文章或者图片是不是涉黄，不需要自己从头到尾的做，大大降低了打造AI模型的边际成本，同时也大大降低了打造模型的技术与资源门槛，释放出巨大的创造力。

以前的AI: 数据积累 -> 训练 -> 部署与打造服务环境；

以后的很多AI： 基于基础大模型做prompting，fine-tuning和augmenting。

超级LLM一定是小部分公司可以做的，参考计算机信息技术发展过程中的 V2.0/3.0阶段，类似于过去的搜索引擎、大型门户、大型O2O平台公司，那么剩下的比如可以作为大平台的供应商或者应用商。未来可以继续发力的点：

1. 发力多模态或者聚焦其它单模态，比如说图像，视频，3D，代码，音频等。目前的基础模型对语言做得最成熟，多模态做得并不是很好，也许有弯道超车的机会。
2. LLM发力垂直领域，比如说医疗，法律等等。谁拥有最多最高质量的领域数据，谁就可以在这个垂直领域吊打普世的大模型。这就像以前参加数学竞赛，在智商差不多的时候，谁能拿到特别好的训练资料，谁就可以考高分。积累优质数据，以后的模型提高瓶颈一定在数据，这一次大模型的能力涌现用到了过去四十年互联网积累的数据。之后数据只能一年一年得增长了。这一波很多nitch的领域没有那么多优质数据。谁拥有优质数据的版权谁就有了对这些模型收取收益的权利。
3. 在上面的LLM和Generative AI基础上面做应用或插件，或者改造自己本身的业务，装上AI的翅膀。

以上言论仅代表个人观点，不具备普适性，仅供参考，抛砖引玉。