【人工智能】吴恩达Andrew Ng与Ark Invest八月最新访谈 | 看好Agentic Workflow | AI发展远没到瓶颈 | 训练和推理成本将大幅下降 | 开源比闭源优势更大

大飞说科技

24 Aug 202411:33

Summary

TLDR在这段视频中，大飞分享了吴恩达博士对AI产业发展的乐观看法。尽管美股科技板块近期表现不佳，吴恩达认为AI的潜力远未达到上限。他强调，AI产品面临的主要挑战在于执行而非设计，产业链的不完善是限制AI发展的主要因素。吴恩达对Agentic Workflow技术充满期待，认为快速推理能力的提升将是推动AI应用的关键。他还讨论了开源与闭源模型的商业价值，强调开源对创新的重要性。最后，他提醒AI市场存在潜在风险，但对2030年AI软件市场的预测非常乐观。

Takeaways

📉 美股科技板块在七月表现不佳，英伟达等公司股价全线下跌，引发对AI泡沫的讨论。
🧐 吴恩达博士认为AI产业规模远未达到上限，技术层面风险不大，主要挑战在于执行。
🤖 AI产品发展受限于产业链问题，如GPU价格和人才储备，许多有潜力的项目尚未落地。
🔍 吴恩达看好AI Agent或Agentic Workflow技术，认为其能显著提高AI应用的准确性。
🔄 Agentic Workflow面临技术瓶颈，需要更快的推理能力以支持迭代过程。
💡 ARK Invest报告支持吴恩达观点，预测训练和推理成本将大幅下降，推动AI应用创新。
🛠️ 吴恩达分享Agent在面对失败时能够自主切换到备用方案的优势案例。
🚀 吴恩达认为提高快速推理能力比模型迭代更重要，这将改变客户体验。
🔧 MLOps领域正在探索构建、部署和维护大语言模型的新方法。
🌐 开源与闭源的竞争中，吴恩达认为开源更有利于推动创新和AI技术的发展。
💡 吴恩达对AI产业的未来持乐观态度，预计到2030年AI软件市场将达到13万亿美元。

Q & A

吴恩达博士对当前AI产业的发展持何种看法？
-吴恩达博士认为AI产业的发展还未达到上限，他认为技术本身已经成熟，当前面临的主要挑战是产业链兼容性和硬件限制等问题。
吴恩达博士如何看待AI遇到瓶颈的说法？
-吴恩达博士认为AI遇到瓶颈的说法是错误的。他指出，过去10到15年里，每次有新大模型发布时，这种说法都会被证明是错误的。
什么是Agentic Workflow，吴恩达博士如何评价它？
-Agentic Workflow是一种迭代工作流程，类似于人类写作的过程，能够显著提高AI应用的准确性。吴恩达博士认为这种流程有助于解决很多AI技术中的问题，并对其未来发展充满信心。
吴恩达博士认为快速推理能力对AI的未来发展有何重要性？
-吴恩达博士认为快速推理能力是目前AI应用的瓶颈之一，提升推理速度将显著改善用户体验，并推动下一波AI应用的发展。
MLOps在AI产业中的作用是什么？
-MLOps是构建、部署和维护大语言模型的关键技术领域，推动了AI堆栈的巨大变化。吴恩达博士认为MLOps将推动更多的AI应用落地。
在开源与闭源之间，吴恩达博士更倾向于哪种模式？
-吴恩达博士更倾向于开源模式，他认为开源有助于推动全球AI技术的创新，并对社会产生积极影响。
吴恩达博士对未来的大模型发展有何期待？
-吴恩达博士期待未来的大模型，如GPT-5，将比现有的模型更强大，但他同时认为，模型的实际表现还需依赖具体的应用场景和附加组件。
吴恩达博士认为AI产业在未来可能面临哪些风险？
-吴恩达博士认为AI产业可能面临产业链发展的瓶颈和文化变革的缓慢影响，这可能会影响中小模型企业的生存。
吴恩达博士如何看待Meta在AI领域的开源策略？
-吴恩达博士认为Meta的开源策略非常聪明，因为它避免了依赖竞争对手的封闭平台，有助于Meta在社交网络和通信业务中保持竞争力。
根据吴恩达博士的观点，AI市场未来的发展潜力如何？
-吴恩达博士乐观地认为AI市场将快速发展，他引用ARK的预测称，到2030年AI软件市场将达到13万亿美元的规模，相比今天的IT支出有大幅增长的空间。

Outlines

00:00

📉 美股科技股大跌与AI产业前景

在2024年7月，美股科技板块经历大跌，英伟达等公司股价全线飘绿，引发外界对AI是否仅为泡沫的质疑。然而，吴恩达博士认为AI产业规模远未达到上限，他认为AI产品的主要挑战在于执行而非设计。吴恩达与ARK Invest的查理·罗伯茨和首席未来学家布雷特·温顿的对谈中，强调了Agent Systems的技术成熟度和AI产业的发展瓶颈，如GPU价格和人才储备问题。他指出，AI项目因硬件限制等原因未能落地，但一旦这些问题解决，AI产业将迎来更多项目落地和技术创新。

05:02

🛠️ AI技术发展与Agentic Workflow的潜力

吴恩达博士在对谈中提出，AI技术的发展不应被看作是遇到瓶颈，而是整个产业链需要进一步发展。他特别提到了Agentic Workflow的概念，这是一种迭代的工作流程，类似于人类的写作过程，能够显著提高AI应用的准确性。尽管存在技术瓶颈，如推理速度，但吴恩达认为随着硬件的改进，这些问题将得到解决。他还分享了一个Agent在演示中自主解决问题的例子，展示了Agentic Workflow面对失败时的自我修复能力。

10:03

🔧 MLOps与AI应用的未来

在讨论MLOps时，吴恩达博士认为推理与训练可能会分成两条不同的发展路径。他指出，构建、部署和维护大语言模型是一个新兴领域，AI堆栈正在经历巨大变化。云服务提供商和企业正在开发基于编排层的应用，而Agentic Framework等框架的出现将推动更好的AI应用发展。吴恩达强调了在应用层面存在大量新机会，竞争不如基础模型层激烈。他还讨论了模型选择、开发成本和时间的缩短，以及开源与闭源模型的商业价值和战略意义。

🚀 AI产业的未来发展与挑战

吴恩达博士对AI产业的未来持乐观态度，他提到ARK预测到2030年AI软件市场的收入将达到13万亿美元。尽管AI技术在工业自动化中的应用正在加速，但社会和文化层面的变革可能会非常缓慢，这可能对中小模型企业构成风险。吴恩达认为，尽管AI技术不断进步，但公司仍需根据具体应用选择合适的模型并添加额外组件以提升专业能力。他还提到了Meta开源模型的商业逻辑，并期待看到GPT-5的发布，同时指出即使是更先进的模型，Agentic Workflow的应用也能带来显著的改进。

Mindmap

Keywords

💡AI

AI，即人工智能，是指由人制造出来的能够执行复杂任务的智能系统。在视频中，AI是讨论的核心，特别是在科技股大跌的背景下，AI产业的未来发展和潜力成为讨论焦点。例如，吴恩达博士认为AI产业规模远未达到上限，并对AI的未来发展持乐观态度。

💡Agent Systems

Agent Systems指的是能够执行任务和做出决策的智能代理系统。视频中提到，吴恩达博士认为Agent Systems在技术层面几乎没有风险，并且AI产品的主要挑战在于执行而不是设计，这表明Agent Systems在AI领域的重要性和应用潜力。

💡AI Agent

AI Agent特指那些能够进行迭代工作流程的人工智能系统。视频中，吴恩达博士提到AI Agent或称之为Agentic Workflow的技术，这种技术通过迭代过程提高AI应用的准确性，与传统的一次性输出结果的AI模型形成对比。

💡MLOps

MLOps是指机器学习运维，它涉及到机器学习模型的构建、部署和维护。视频中吴恩达博士讨论了MLOps对AI推理与训练可能带来的变化，暗示了MLOps在推动AI产业发展中的作用。

💡大模型

大模型通常指的是具有大量参数的复杂AI模型，它们能够处理和理解大量数据。视频中提到，尽管有人担忧AI发展遇到瓶颈，但吴恩达博士认为，随着大模型的不断发布，这些担忧被证明是错误的。

💡GPU

GPU指的是图形处理单元，它是用于执行图形计算和并行计算的硬件。视频中提到GPU价格和获取问题，暗示了GPU在AI模型开发中的重要性以及它对产业发展的影响。

💡Agentic Workflow

Agentic Workflow是一种迭代的工作流程，类似于人类的写作过程，先写初稿再进行编辑和研究。视频中吴恩达博士强调了Agentic Workflow在提高AI应用准确性方面的优势，以及它在AI领域的应用潜力。

💡开源

开源指的是软件或技术的源代码对公众开放，任何人都可以查看、修改和分发。视频中吴恩达博士讨论了开源在AI领域的重要性，认为开源能够推动创新，并举例Meta开源PyTorch平台的策略。

💡闭源

闭源与开源相对，指的是软件或技术的源代码不公开，由特定公司拥有和控制。视频中吴恩达博士提到，闭源在短期内可能带来优势，但长期来看，开源的好处更为重要。

💡推理成本

推理成本指的是AI模型进行推理或决策时所需的计算资源和时间成本。视频中提到ARK Invest的报告预测推理成本将大幅下降，这对AI应用的推广和创新是有利的。

💡迭代

迭代是指重复一个过程，每次都用前一次的结果作为下一次的输入，以改进结果。视频中吴恩达博士提到迭代工作流程在Agentic Workflow中的应用，强调了迭代在提升AI应用性能中的作用。

Highlights

美股科技板块在七月遭遇重挫，英伟达等科技股全线下跌，引发AI泡沫论的重新抬头。

吴恩达博士认为AI产业规模远未达到上限，与ARK Invest的查理·罗伯茨和布雷特·温顿展开深入对谈。

吴恩达认为AI产品的主要挑战在于执行而非设计，Agent Systems技术层面风险低。

过去10～15年AI瓶颈论被不断证明错误，吴恩达对2024年仍有此类言论表示惊讶。

AI产业发展的担忧点在于GPU价格和人才储备，许多潜力项目因硬件限制未能落地。

吴恩达看好AI Agent和Agentic Workflow技术，认为其能显著提高AI应用的准确性。

Agentic Workflow面临技术瓶颈，需要更快的推理能力以支持迭代过程。

ARK Invest报告支持吴恩达观点，预计训练和推理成本将大幅下降，推动AI应用。

Agentic Workflow能修复自身错误，吴恩达分享斯坦福演示中Agent自主切换备用方案的成功案例。

吴恩达认为快速推理能力的提升比模型迭代更重要，对AI应用有显著影响。

MLOps推动下，吴恩达认为推理与训练可能分成两条赛道，AI堆栈正在变化。

吴恩达看好大语言模型的软件应用领域，认为应用层面新机会多，竞争不激烈。

吴恩达讨论了应用层面公司接入基础模型的策略，包括选择模型和微调。

吴恩达认为开源模型的商业价值得到验证，Meta的PyTorch策略是成功案例。

吴恩达对开源持积极态度，认为开源对全球AI技术供应链至关重要。

吴恩达期待GPT-5的发布，但同时认为Agentic Workflow带来的改进可能超越模型本身。

AI市场潜在风险包括社会和文化变革的缓慢，可能影响中小模型企业的生存。

ARK预测到2030年AI软件市场将达到13万亿美元，远超当前IT支出。