對(duì)技術(shù)趨勢(shì)最敏感的從來(lái)是資本。 隨著2024年步入尾聲，全球兩大風(fēng)險(xiǎn)投資機(jī)構(gòu)—先鋒領(lǐng)航與貝恩資本關(guān)于人工智能領(lǐng)域投資報(bào)告，新鮮出爐，看點(diǎn)十足。 先鋒領(lǐng)航被稱為巨頭背后的巨頭，是騰訊、百度、阿里、微軟、谷歌、蘋果等一眾巨頭上市公司背后的投資人；而貝恩資本則是全球最大的私募另類投資公司之一，管理著2000 億美元規(guī)模的資產(chǎn)。 兩者作為全球頂尖的投資機(jī)構(gòu)，其“嗅覺(jué)”無(wú)疑更為靈敏。 盡管，兩份報(bào)告中剔除了有關(guān)自身業(yè)績(jī)的部分，但關(guān)于人工智能領(lǐng)域的觀察分析，仍能讓我們窺見(jiàn)AI未來(lái)發(fā)展趨勢(shì)的一角。 以下為烏鴉君選取的兩份報(bào)告中的精華觀點(diǎn)部分，希望對(duì)你有所啟發(fā)。 一、AI代理，將實(shí)現(xiàn)從信息獲取走向執(zhí)行層面??代理式數(shù)字支持（agentic digital support）是AI未來(lái)的發(fā)展趨勢(shì)。 其中包括，提供建議：財(cái)富管理、購(gòu)物導(dǎo)航、客戶服務(wù)、健康洞察等、支持、采取行動(dòng)（如財(cái)務(wù)賦能、購(gòu)物禮賓、任務(wù)協(xié)助、健康導(dǎo)航等）。 數(shù)字支持，將逐步實(shí)現(xiàn)從信息提供到實(shí)際行動(dòng)支持的深化過(guò)程。 二、為消費(fèi)者主動(dòng)尋求任務(wù)“解脫”未來(lái)AI的發(fā)展方向?qū)⒊鵀橄M(fèi)者接管任務(wù)，帶來(lái)“解脫”的方向發(fā)展，幫助消費(fèi)者處理日常事務(wù)，使他們從繁瑣的任務(wù)中解放出來(lái)。 而不是著重于提供 “愉悅”。 隨著技術(shù)的進(jìn)步，消費(fèi)者對(duì)尋求解脫和“幫我做”的心態(tài)轉(zhuǎn)變將持續(xù)，對(duì)AI的依賴和需求可能會(huì)進(jìn)一步增加。 三、應(yīng)用軟件將迎來(lái)第三個(gè)階段：工作系統(tǒng)從1990年開(kāi)始到2000年，應(yīng)用軟件完成了從記錄功能到智能系統(tǒng)的轉(zhuǎn)型，在2020年之后，將會(huì)轉(zhuǎn)向工作系統(tǒng)。 四、AI技術(shù)交付未來(lái)將朝向Agents落地目前，AI還屬于副駕駛模式（Co – Pilots）：這種模式下，AI主要作為輔助工具，幫助人們完成一些基本的工作任務(wù)，工作產(chǎn)出改進(jìn)約10%。在這個(gè)階段，AI的自主性和智能程度相對(duì)較低，用戶仍需要進(jìn)行大量的手動(dòng)操作和決策。 即將到來(lái)的助手模式（Assistants）：AI將具備更強(qiáng)的自主決策能力和任務(wù)處理能力，能夠理解用戶意圖并提供更具針對(duì)性的解決方案，工作產(chǎn)出預(yù)計(jì)可改進(jìn)30%。 未來(lái)的代理模式（Agents）：AI將具有高度的自主性和智能性，能夠獨(dú)立完成復(fù)雜任務(wù)，并在多個(gè)領(lǐng)域進(jìn)行協(xié)同工作，工作產(chǎn)出有望改進(jìn)70%。
教育、合規(guī)、法律、護(hù)理、房地產(chǎn)等行業(yè)，通常存在人員不足、依賴落后的經(jīng)驗(yàn)信息系統(tǒng)、缺乏強(qiáng)大現(xiàn)有企業(yè)的問(wèn)題，AI有潛力解決這些問(wèn)題并提高工作效率和質(zhì)量。 五、AI將為物理世界解鎖四大新機(jī)遇1）基于AI的計(jì)算機(jī)視覺(jué)：可用于工業(yè)和供應(yīng)鏈領(lǐng)域，如庫(kù)存盤點(diǎn)、制造質(zhì)量控制、安全和合規(guī)檢測(cè)等，使計(jì)算機(jī)能夠理解和解釋視覺(jué)信息，提高生產(chǎn)和運(yùn)營(yíng)效率。 2）大型語(yǔ)言模型（LLMs）解決數(shù)據(jù)互操作性問(wèn)題：有助于改善不同系統(tǒng)或平臺(tái)之間的數(shù)據(jù)交互和共享，提高數(shù)據(jù)的可用性和效率，應(yīng)用于預(yù)約安排、采購(gòu)和供應(yīng)商互動(dòng)以及下一代運(yùn)輸管理系統(tǒng)（TMS）等場(chǎng)景。 3）新一波機(jī)器人技術(shù)和自主化：新形態(tài)因素和低成本硬件的出現(xiàn)，以及物理世界基礎(chǔ)模型的推動(dòng)，將使機(jī)器人能夠無(wú)需預(yù)編程即可工作，且硬件趨向于構(gòu)建模塊化，遠(yuǎn)離單片式方法，可在工業(yè)生產(chǎn)、物流、家庭服務(wù)等領(lǐng)域發(fā)揮更大作用。 4）用于硬件設(shè)計(jì)和制造的軟件：人工智能軟件將在硬件設(shè)計(jì)和制造過(guò)程中發(fā)揮重要作用，例如通過(guò)優(yōu)化設(shè)計(jì)、預(yù)測(cè)故障、提高生產(chǎn)效率等。 六、AI發(fā)展路徑，難以預(yù)測(cè)回顧2023年對(duì)今年AI行業(yè)發(fā)展的判斷： 1）符合預(yù)期的地方是：開(kāi)源模型縮短與閉源模型的差距、多模態(tài)生成式AI出現(xiàn)、AI公司估值走高。 2）有預(yù)期但未發(fā)生的：企業(yè)大規(guī)模生產(chǎn)部署(Enterprise Production Deployments)AI的趨勢(shì)并未發(fā)生。 據(jù)調(diào)查，對(duì)于已經(jīng)將人工智能技術(shù)，投入到實(shí)際生產(chǎn)環(huán)境的企業(yè)，在AI系統(tǒng)的選擇方面以及生產(chǎn)部署上，有以下趨勢(shì)。 在AI系統(tǒng)的選擇方面： OpenAI/Chat GPT：采用率接近 70%。GitHub Copilot：采用率接近 50%。Anthropic/Cloud：采用率約為 30%。Google Gemini：采用率約為 20%。Microsoft Copilot：采用率約為 10%。Open Source (e.g. Llama)：采用率約為 10%。Other：采用率最低，不到 10%。 在生產(chǎn)部署方面： Software Development（軟件開(kāi)發(fā)）：采用率，接近 90%。Meeting Transcripts/Notes（會(huì)議記錄 / 筆記）：采用率次之，約為 70%。Customer Support（客戶支持）：采用率約為 60%。R&D（研發(fā)）：采用率約為 50%。Sales Processes（銷售流程）：采用率約為 40%。Marketing（營(yíng)銷）：采用率約為 30%。Operations（運(yùn)營(yíng)）：采用率約為 20%。Call Center（呼叫中心）：采用率約為 10%。HR（人力資源）：采用率約為 10%。Finance & Accounting（財(cái)務(wù)與會(huì)計(jì)）：采用率最低，不到 10%。 3）沒(méi)有預(yù)期，也沒(méi)有發(fā)生自動(dòng)化，卻出現(xiàn)了技術(shù)增強(qiáng)趨勢(shì)。 在 2023 年初到 2024 年的工作場(chǎng)景中，工作增強(qiáng)（Augmentation）雖未被預(yù)期但逐漸在發(fā)生，與自動(dòng)化形成對(duì)比。 職場(chǎng)可能正朝著通過(guò)技術(shù)輔助人類工作的方向發(fā)展。
4)沒(méi)有預(yù)期，卻發(fā)生：創(chuàng)意合作。 例如，character與谷歌、covariant與亞馬遜、Adept 與亞馬遜、Inflection 與微軟。 這些出人意料的合作，反映了科技行業(yè)在創(chuàng)新合作上的新動(dòng)態(tài)，可能會(huì)帶來(lái)新的技術(shù)突破和商業(yè)機(jī)會(huì)。 七、技術(shù)突破使智能代理成為可能一方面，人工智能在推理方面的能力正在提升，谷歌的系統(tǒng)在比賽中獲得了 28 分，這一分?jǐn)?shù)與人類金牌得主的分?jǐn)?shù)相同。 在伯克利函數(shù)調(diào)用上，GPT-4o準(zhǔn)確率最高，Llama3-8b-instruct (After)最低： GPT-4o：準(zhǔn)確性接近 100%；GPT-3.5：準(zhǔn)確性接近 100%。Llama3-70b-instruct：準(zhǔn)確性接近 100%。Llama3-70b-instruct (After)：準(zhǔn)確性接近 100%。DBRX-instruct (After)：準(zhǔn)確性接近 100%。Llama3-8b-instruct：準(zhǔn)確性略低于 90%。Llama3-8b-instruct (After)：準(zhǔn)確性略低于 90%。 這些數(shù)據(jù)表明，大多數(shù)語(yǔ)言模型在伯克利函數(shù)調(diào)用基準(zhǔn)上的準(zhǔn)確性都非常高，接近或達(dá)到 90% 以上。 同時(shí)，隨著后訓(xùn)練（post-training）技術(shù)的興起，使Llama 3 在訓(xùn)練后，推理（reasoning）、編碼（coding）、事實(shí)性（factuality）、多語(yǔ)言能力（multilinguality）、工具使用（tool use）、長(zhǎng)上下文（long context）和精確指令跟隨（precise instruction following）等能力得到了優(yōu)化。 在成本方面，隨著技術(shù)的不斷進(jìn)步和市場(chǎng)的逐漸成熟，未來(lái)大模型的成本可能會(huì)繼續(xù)降低。 在2023年4月1日，最高成本“gpt – 4 – 32k” 的token 成本最高，近200美元/萬(wàn)億token。 在2024年7月1日左右，最低成本gpt – 4o – mini” 的token成本最低，約5美元/萬(wàn)億 token。 本文由人人都是產(chǎn)品經(jīng)理作者【汪仔2763】，微信公眾號(hào)：【烏鴉智能說(shuō)】，原創(chuàng)/授權(quán) 發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。 題圖來(lái)自Unsplash，基于 CC0 協(xié)議。 |
