對技術趨勢最敏感的從來是資本。 隨著2024年步入尾聲，全球兩大風險投資機構—先鋒領航與貝恩資本關于人工智能領域投資報告，新鮮出爐，看點十足。 先鋒領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構，其“嗅覺”無疑更為靈敏。 盡管，兩份報告中剔除了有關自身業(yè)績的部分，但關于人工智能領域的觀察分析，仍能讓我們窺見AI未來發(fā)展趨勢的一角。 以下為烏鴉君選取的兩份報告中的精華觀點部分，希望對你有所啟發(fā)。 一、AI代理，將實現(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未來的發(fā)展趨勢。 其中包括，提供建議：財富管理、購物導航、客戶服務、健康洞察等、支持、采取行動（如財務賦能、購物禮賓、任務協(xié)助、健康導航等）。 數(shù)字支持，將逐步實現(xiàn)從信息提供到實際行動支持的深化過程。 二、為消費者主動尋求任務“解脫”未來AI的發(fā)展方向將朝著為消費者接管任務，帶來“解脫”的方向發(fā)展，幫助消費者處理日常事務，使他們從繁瑣的任務中解放出來。 而不是著重于提供 “愉悅”。 隨著技術的進步，消費者對尋求解脫和“幫我做”的心態(tài)轉變將持續(xù)，對AI的依賴和需求可能會進一步增加。 三、應用軟件將迎來第三個階段：工作系統(tǒng)從1990年開始到2000年，應用軟件完成了從記錄功能到智能系統(tǒng)的轉型，在2020年之后，將會轉向工作系統(tǒng)。 四、AI技術交付未來將朝向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，工作產(chǎn)出改進約10%。在這個階段，AI的自主性和智能程度相對較低，用戶仍需要進行大量的手動操作和決策。 即將到來的助手模式（Assistants）：AI將具備更強的自主決策能力和任務處理能力，能夠理解用戶意圖并提供更具針對性的解決方案，工作產(chǎn)出預計可改進30%。 未來的代理模式（Agents）：AI將具有高度的自主性和智能性，能夠獨立完成復雜任務，并在多個領域進行協(xié)同工作，工作產(chǎn)出有望改進70%。
教育、合規(guī)、法律、護理、房地產(chǎn)等行業(yè)，通常存在人員不足、依賴落后的經(jīng)驗信息系統(tǒng)、缺乏強大現(xiàn)有企業(yè)的問題，AI有潛力解決這些問題并提高工作效率和質量。 五、AI將為物理世界解鎖四大新機遇1）基于AI的計算機視覺：可用于工業(yè)和供應鏈領域，如庫存盤點、制造質量控制、安全和合規(guī)檢測等，使計算機能夠理解和解釋視覺信息，提高生產(chǎn)和運營效率。 2）大型語言模型（LLMs）解決數(shù)據(jù)互操作性問題：有助于改善不同系統(tǒng)或平臺之間的數(shù)據(jù)交互和共享，提高數(shù)據(jù)的可用性和效率，應用于預約安排、采購和供應商互動以及下一代運輸管理系統(tǒng)（TMS）等場景。 3）新一波機器人技術和自主化：新形態(tài)因素和低成本硬件的出現(xiàn)，以及物理世界基礎模型的推動，將使機器人能夠無需預編程即可工作，且硬件趨向于構建模塊化，遠離單片式方法，可在工業(yè)生產(chǎn)、物流、家庭服務等領域發(fā)揮更大作用。 4）用于硬件設計和制造的軟件：人工智能軟件將在硬件設計和制造過程中發(fā)揮重要作用，例如通過優(yōu)化設計、預測故障、提高生產(chǎn)效率等。 六、AI發(fā)展路徑，難以預測回顧2023年對今年AI行業(yè)發(fā)展的判斷： 1）符合預期的地方是：開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的趨勢并未發(fā)生。 據(jù)調查，對于已經(jīng)將人工智能技術，投入到實際生產(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。 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（軟件開發(fā)）：采用率，接近 90%。Meeting Transcripts/Notes（會議記錄 / 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（營銷）：采用率約為 30%。Operations（運營）：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（財務與會計）：采用率最低，不到 10%。 3）沒有預期，也沒有發(fā)生自動化，卻出現(xiàn)了技術增強趨勢。 在 2023 年初到 2024 年的工作場景中，工作增強（Augmentation）雖未被預期但逐漸在發(fā)生，與自動化形成對比。 職場可能正朝著通過技術輔助人類工作的方向發(fā)展。
4)沒有預期，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)新合作上的新動態(tài)，可能會帶來新的技術突破和商業(yè)機會。 七、技術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，這一分數(shù)與人類金牌得主的分數(shù)相同。 在伯克利函數(shù)調用上，GPT-4o準確率最高，Llama3-8b-instruct (After)最低： GPT-4o：準確性接近 100%；GPT-3.5：準確性接近 100%。Llama3-70b-instruct：準確性接近 100%。Llama3-70b-instruct (After)：準確性接近 100%。DBRX-instruct (After)：準確性接近 100%。Llama3-8b-instruct：準確性略低于 90%。Llama3-8b-instruct (After)：準確性略低于 90%。 這些數(shù)據(jù)表明，大多數(shù)語言模型在伯克利函數(shù)調用基準上的準確性都非常高，接近或達到 90% 以上。 同時，隨著后訓練（post-training）技術的興起，使Llama 3 在訓練后，推理（reasoning）、編碼（coding）、事實性（factuality）、多語言能力（multilinguality）、工具使用（tool use）、長上下文（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，隨著技術的不斷進步和市場的逐漸成熟，未來大模型的成本可能會繼續(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：【烏鴉智能說】，原創(chuàng)/授權 發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉載。 題圖來自Unsplash，基于 CC0 協(xié)議。 |
