英國
美國
香港
日本
瑞士
人工智能的未来令人惊叹。在这篇来自a16z的合伙人Martin Casado的演讲中。Martin 指出，历史上曾发生两次边际成本大幅下降，而发生的平台转移和行业革命的案例：芯片将计算的边际成本降低到了零，互联网将分发的边际成本降到了零。此时此刻，恰如彼时彼刻，大模型将创造的边际成本降到了零，一场令人惊叹的AI革命即将开始，这是所有风险投资人感到如此兴奋的原因。
以下是他的发言实录：
大约90年代末我上了人生中的第一门人工智能课程。这东西实际上已经伴随我们很长时间了。在过去的70年里，它在每一个指标上都取得了巨大成功，且一直处于上升趋势。
我们解决了一些我们原本认为计算机不擅长解决的问题。例如，在50年代和60年代，我们使用专家系统进行医学诊断。在80年代和90年代我们在国际象棋上击败了俄罗斯人。我们在图像检测方面做得很好、在机器人技术方面做得很好。我们已经解决了许多最初我们认为“计算机只是大型计算器”的问题。
除了解决这些问题之外，几十年来，还有许多解决方案实际上比人类做得还好。比如，AI在字迹识别方面强于人类，在识别物体和图像方面也优于人类。凭借这些优势，AI实际上为大公司增加了很大的价值。每次使用谷歌搜索的时候就是在使用人工智能，得到一些个性化体验的背后也是人工智能。这些东西就像魔法一样，已经存在很长时间了。它解决了以上我说的所有问题。
所以，在投资界有一个巨大的难题，这个难题是：如果这东西这么神奇，解决了所有这些问题，为什么我们还没有看到像移动互联网或互联网那样的平台上的转变？这为什么还没有发生？我们公司对此做了很多研究，答案是尽管AI能力像我刚才谈到的那样出色，但并没有像互联网或移动互联网的经济效益。原因有很多，我就不一一列举了，但我会简要介绍其中的一些。
首先，很多解决方案只适用于利基市场。它们没有广泛的市场吸引力。其次，这是可能是最重要的也是最微妙的一点，就是我们应用的很多用例中，准确率非常重要，比如机器人技术要达到绝对准确非常困难，需要巨大的投资。所以，许多解决方案需要硬件的加持。
最后，人工智能的竞争不是和另一台计算机之间的竞争，实际上是和人脑的竞争。也许它会做得更好，但也可能不会。人脑非常高效且成本低廉。最好的例子之一就是自动驾驶汽车或robotaxi。当我在2003年加入斯坦福攻读博士学位时，Sebastian Thrun刚刚赢得了DARPA大挑战，他驾驶一辆面包车自动驾驶穿越沙漠并赢得了这个挑战。我们当时想“好消息，太激动人心了。”就像自动驾驶汽车在2003年就已经实现了。
20年后的现在我们再回顾，发现我们已经投资了750亿美元。虽然确实有自动驾驶汽车在路上行驶，它们很棒，正在解决真正的问题，但单位经济性仍然不如Uber和Lyft，因为它们在与人类大脑竞争。所以，虽然这是非常重要的技术，但目前为止，它实际上仍然是大公司的领域，能够同步这些类型的投资。
所以，过去几十年的人工智能发展的经验显示，并不是技术不能被建立和商业化（我们实际上很擅长以上讲的这些），而是说初创公司很难围绕这些技术建立业务。因此，现在我们如此兴奋、行业变化如此之快，是因为这一波浪潮在经济效应上非常不同。
大模型以及各种SOTA模型的出现，让我们进入了过往AI尚未解决的问题领域，例如创造力。这些模型在创造图像、音乐或声音模仿方面比人类做得更好。事实证明，它们在自然语言推理方面也很棒。它们是出色的对话者、是强大的朋友、是逼真的浪漫伴侣、是厉害的治疗师，而且现在它们还担任我们称之为助手的角色，这是一个包罗万象的术语，它们在平均在线任务上做得很好。我用到了“平均”这个词，如果这是你经常做的事情，它可以掌握它并做得很好。
对于前面提到的，传统人工智在经济性上不成立。在这些用例中，对准确率的要求不高，创造一个想象中的图片或创作一首十四行诗没有正式的准确率概念。这些案例通常是软件。
最后一点是我无法预料的，也是最令人惊讶的一点，那就是在这些任务中，我们认为是非常人性化的任务，比如，你知道的，交流、社交和创造力，计算机要比人类便宜得多，也优秀得多。我想举一个非常具体的例子。这个例子可能很傻，但它实际上具有普遍意义。
假设我，Martin,，想要创造一个我的皮克斯角色。如果我让其中一个人工智能模型来做，实际的推理成本大约是0.01 美分，而且只需要一秒钟。和人工相比的话，雇佣一个平面设计师一小时大约是100美元，实际上要比这更贵，我以前走过这条路。所以，人工智能不仅仅是稍微好点，它不是好 20%，而是便宜和快 4 个数量级。
这不仅仅限于图像，对于任何类型的语言理解也是如此。拿一个复杂的法律文件来举例，我可以将一个复杂的法律文件输入到一个大型语言模型（LLM）中然后进行提问。和人工相比的话，我的律师可能需要阅读它、理解它。我不知道律师的平均费用是多少，但大概是500美元的标准吧。所以使用LLM比雇佣律师便宜和快速了四到五个数量级。
正是因为这个原因，我们作为风险投资者和私募市场的参与者非常兴奋。原因在于，我们见证过互联网历史上增长最快的公司（也包括互联网本身），这种增长不仅仅是通过收入或用户数量等指标来衡量的。正是经济性的错位（或者说经济性的波动和变化）催生了新的创业公司，而不仅仅是新技术。
从历史上讲，当边际成本大幅下降时，就会产生平台转移，并彻底改变整个行业。这种情况发生了两次。我想具体谈谈这两次。
第一个是计算。芯片的诞生，将计算的边际成本降到了趋近为零。在微芯片出现之前，计算是通过手工完成的。人们在大房间里做对数表。然后ENIAC被引入，计算速度提高了四个数量级，然后发生了计算机革命。这一时期出现了IBM、惠普等公司。
第二个是互联网，互联网将分发的边际成本降到了零。以前无论你发送什么（一个盒子或者一封信）都需要一定的成本，互联网出现后，每bit的价格急剧下降。顺便说一下，这也是四个数量级改进。这引领了互联网革命。这一时期出现了亚马逊、谷歌和Salesforce等公司。
很显然，如果从基本的经济分析来看，大模型将创造的边际成本降到了零，比如创建图像和语言理解，比如对这些文档进行推理。这些都是它们可以应用的非常广泛的领域。
现在，每当我们谈论经济时，我们总是要谈论工作的错位（Job dislocation）。这一点非常重要，尤其是在这种规模化的经济错位情况下。我们可以从前两个时代（芯片和互联网）中学到一些经验。如果需求具有弹性，比如计算需求似乎是无限的，分发的需求也似乎是无限的，那么即使成本下降，总吞吐量，总使用量也会因为可及性而大幅增加。因此，它们倾向于扩大增长，而不是消除工作或价值。几乎可以肯定的是，互联网扩大了美国的增长。所以我们认为，人工智能（AI）也将经历同样的事情。
所以，准备好迎接新一轮标志性公司的浪潮吧。这不仅是技术的浪潮，也是经济性改变带来的浪潮。互联网发生经济性转变的时候，我们真的不知道另一侧会发生什么：我们无法预测谷歌、雅虎的到来，但我们一定会出现一些大东西。
此时此刻，恰如彼时彼刻，我们有了一些线索，我们知道社会秩序正在变化。我们知道AI正在被使用和货币化。
我们绝对认为创造力本身将会改变。生产率也正在发生改变。如果你真的想要一些预测，我想说，我们第一次有了一条通往通用人工智能（AGI）的真正路径。我所说的通用人工智能（AGI）是指在经济上可行的，你不会有一堆因为成本太高而无法工作的机器人。通用人工智能（AGI）将实际解决我们的需求。
本文作者：晓晨，来源： Z Potentials，原文标题：《a16z：大模型的边际成本变化将引发革命》
