【人工智能】生成式AI拉开第二幕 | 红杉资本美国最新撰文 | 对生成式AI的反思 | 当下AI创业的方向
Summary
TLDR本文总结了红杉美国关于生成式AI的两篇文章,从技术兴起到市场现状的深入分析。文章认为生成式AI正处于“青春期”,潜力巨大但面临挑战。红杉资本通过复盘投资逻辑,提供了AI应用创业指南,并预测了市场的未来走向。同时,文章指出生成式AI的价值问题,强调了用户留存和创造长期价值的重要性。
Takeaways
- 🚀 生成式AI被视为新一轮范式转移的开始,红杉美国官网发表的文章《Generative AI: A Creative New World》和《Generative AI’s Act Two》分别拉开了生成式AI时代的序幕和深入探讨了其发展。
- 🌟 红杉资本认为生成式AI目前处于“尴尬的青春期”,潜力巨大但尚未完全解决价值问题,提供了AI应用创业指南,揭示了投资方向。
- 📈 摩尔定律、互联网、移动和云计算等技术的发展为生成式AI的起飞创造了条件,ChatGPT的崛起成为导火索。
- 🔥 AI研究者的地位提升,研究热潮和投资热潮随之而来,但同时也带来了融资、人才和资源的不可持续竞争。
- 🤖 艺术家、作家和歌手对AI生成的知识产权提出挑战,伦理、监管和超级智能的辩论成为焦点。
- 💡 尽管有唱衰声音,生成式AI的起步比SaaS更成功,初创公司能迅速获得高收入,但许多公司缺乏产品市场契合度。
- 🎭 生成式AI的发展分为“第一幕”技术导向和“第二幕”客户导向,后者更注重解决实际问题和提供更好的用户体验。
- 📊 红杉资本更新了生成式AI的市场地图,按应用案例组织,反映了从技术到实际应用的转变和多模态特点。
- 🔮 红杉资本对生成式AI市场机会和发展的预测有对有错,如发展速度超出预期,供应端成为瓶颈,垂直分离未发生等。
- 🛠️ 技术发展迅速,包括链状思维、迁移学习、增强检索生成等,为AI产品提供更丰富的功能和更好的性能。
- 🏆 最终,生成式AI的成功取决于能否解决用户留存问题,为客户创造长期深刻价值,技术的发展和算力的增长为这一目标提供了支持。
Q & A
红杉美国在去年9月21日发表了什么文章?
-红杉美国在去年9月21日发表了一篇题为《Generative AI: A Creative New World》的文章。
红杉美国的最新文章《Generative AI’s Act Two》讨论了哪些内容?
-红杉美国的最新文章《Generative AI’s Act Two》讨论了生成式AI的发展,反思了投资逻辑,总结了ChatGPT热潮后的冷静思考,并提供了AI应用创业指南。
红杉认为生成式AI目前处于什么阶段?
-红杉认为生成式AI目前正处在“尴尬的青春期”,潜力巨大,但尚未解决价值问题。
生成式AI市场地图的更新反映了哪些变化?
-生成式AI市场地图的更新反映了市场从技术导向向应用案例和价值导向的转变,以及生成式AI应用越来越多呈现出多模态的特点。
红杉对生成式AI市场预测错误的几个方面是什么?
-红杉预测错误的几个方面包括:事情发展得太快、瓶颈在供应端、垂直分离还没有发生、竞争环境残酷以及壁垒在客户中而不是数据中。
红杉对生成式AI市场预测正确的几个方面是什么?
-红杉预测正确的几个方面包括:生成式AI是一回事、第一个杀手级应用已经出现、开发者是关键因素、形态正在发展、以及版权、伦理和存在的恐惧。
生成式AI应用面临的最大问题是什么?
-生成式AI应用面临的最大问题是用户留存率低,用户在生成式AI产品中还没有找到足够的日常使用价值。
生成式AI进入“第二幕”后公司需要关注什么?
-进入“第二幕”后,生成式AI公司需要关注提示工程、微调和数据集整理,使AI产品更好,逐步将Demo演示变成完整的产品体验。
生成式AI基础模型开发栈的新兴内容有哪些?
-生成式AI基础模型开发栈的新兴内容包括链状思维、树状思维、反思等新推理技术,迁移学习技术,增强检索生成RAG技术,新的开发者工具和应用框架,以及新的基础设施公司提供的服务。
生成式AI未来发展的产品蓝图包括哪些?
-生成式AI未来发展的产品蓝图包括生成式界面、新的编辑体验、更复杂的代理系统以及系统范围的优化。
红杉资本美国对生成式AI未来发展持什么态度?
-红杉资本美国坚定地相信生成式AI的未来,尽管存在挑战,但他们认为生成式AI市场将被真正的价值和完整的产品体验所取代。
Outlines
🚀 生成式AI的前沿与复盘
红杉美国的投资人索尼娅·黄和帕特·格雷迪回顾了生成式AI的发展历程,从ChatGPT的崛起到市场的冷静思考,探讨了生成式AI目前处于“尴尬的青春期”,潜力巨大但仍未解决价值问题。文章还提供了AI应用创业指南,揭示了红杉资本在生成式AI领域的投资方向。
🔍 生成式AI市场的变化与挑战
回顾过去一年,生成式AI的发展速度超出预期,从代码生成到高质量视频和语音快速发展。供应端的GPU瓶颈、市场竞争的激烈以及数据壁垒的挑战成为主要问题。同时,生成式AI应用市场的生态系统发生了变化,既得利益者迅速反应并加强了竞争。
📈 生成式AI应用的价值和未来
生成式AI应用需要证明其用户价值,解决用户留存问题以建立持久业务。目前生成式AI处于“尴尬的青春期”,产品表现有待提高。随着提示工程、微调和数据集整理等技术的发展,生成式AI应用将逐步优化用户体验。
💡 新兴技术与产品蓝图
新兴的推理技术、迁移学习、增强检索生成RAG技术等新技术将提高生成式AI的能力。同时,新的开发者工具和基础设施公司正在助力AI公司提供更优质的服务。未来生成式AI应用将逐渐拥有更多自主解决问题的能力,系统范围的优化也将成为新趋势。
🌟 生成式AI的思考与总结
随着生成式AI技术的不断发展,市场的炒作和演示正在被真正的价值和完整的产品体验所取代。红杉资本坚定地相信生成式AI的未来,尽管短期内技术被高估,但长期来看其潜力巨大。文章总结了当前生成式AI的市场情况和未来发展方向,强调只有为客户创造长期价值的应用才能最终存活。
👋 视频结束语
本期视频内容到此结束,感谢大家的观看。期待下期再见。
Mindmap
Keywords
💡生成式AI
💡范式转移
💡摩尔定律
💡产品市场契合度(PMF)
💡多模态
💡AI副驾驶(Copilot)
💡数据飞轮
💡垂直分离
💡开发者工具
💡自主性
💡系统范围的优化
Highlights
红杉美国官网发表《Generative AI: A Creative New World》文章,标志生成式AI时代的开始。
红杉资本发布《Generative AI’s Act Two》文章,展现对生成式AI投资逻辑的复盘。
生成式AI目前处于“尴尬的青春期”,潜力巨大但面临价值问题。
文章提供了AI应用创业指南,包括技术栈、产品形态和问题解决方向。
生成式AI技术转变与摩尔定律、互联网、移动云计算等技术发展紧密相关。
AI研究者地位提升,从“黑客”变成指挥数十亿美元的特种部队。
生成式AI引发伦理、监管和超级智能的辩论。
生成式AI产品市场契合度PMF和可持续竞争优势不足。
生成式AI应用与首批应用不同,更注重解决人类问题。
生成式AI市场地图更新,按应用案例组织,反映多模态特点。
红杉资本对生成式AI市场机会和发展的预测有对有错。
生成式AI发展速度超出预期,特别是在代码生成和视频制作方面。
生成式AI的瓶颈在供应端,特别是GPU供应不足。
垂直分离在生成式AI领域尚未发生,应用层公司和基础模型提供商还未分离。
生成式AI竞争环境残酷,既得利益者反应迅速,加剧竞争。
生成式AI的持久竞争优势来源于工作流和用户网络,而非数据。
生成式AI应用的用户留存和参与度不理想,需要创造更多价值。
生成式AI的第二阶段将更注重提示工程、微调和数据集整理。
基础模型底层将继续充满研究和创新,引入新兴的推理技术。
生成式AI市场性质变化,从炒作转向真正的价值和产品体验。
红杉资本对生成式AI的长期信心,基于技术积累和用户需求。
Transcripts
大家好,这里是最佳拍档,我是大飞
去年的9月21日
红杉美国官网发表了一篇题为《Generative AI:
A Creative New World》的文章
我个人认为代表着新一轮范式转移的开始
拉开了生成式AI时代的序幕
原文作者是红杉的两位合伙人
索尼娅·黄(Sonya Huang)和帕特·格雷迪(Pat Grady)。
转眼间一年时间过去了
红杉美国的两位投资人作者
又带来了最新的一篇文章《Generative AI’s Act Two》,
全方位展现了红杉资本作为头部投资机构
对自己投资逻辑的深刻复盘
哪些地方做对了
哪些做错了
以及ChatGPT热潮冷却之后
对生成式AI的冷静思考
虽然现在也有人在唱衰AI
但是红杉认为生成式AI目前正处在“尴尬的青春期”,
潜力巨大,但是还没有解决价值问题
为了解决这个问题
这篇文章甚至给出了手把手的AI应用创业指南
应该用哪些技术栈、有哪些产品形态、应该解决哪些问题
也相当于揭示了红杉资本在生成式AI领域的投资方向
我觉得这篇文章
无论你是AI的创业者
还是只是单纯对生成式AI感兴趣
都会很有帮助
因此把核心内容在这里跟大家分享一下
一年前,我们发布了一个假设
生成式AI将会成为一个深远的技术转变
现在
它已经成了我们这一代的太空竞赛
六十年的摩尔定律、四十年的互联网、以及二十年的移动和云计算
为生成式AI的起飞创造了必要的条件
ChatGPT的崛起点燃了这跟导火索
AI研究者达到了摇滚明星般的地位
甚至从车库里的“黑客”变成了指挥数十亿美元的特种部队
arXiv上的论文数量暴增
以至于研究者们都看不过来了
但是很快,AI的兴奋就变成了恐慌
突然每家公司都成了“AI副驾驶(Copilot)”,
到处都是带有AI的宣传邮件
但是我们发现自己处于一个不可持续的融资、人才战和GPU采购的疯狂浪潮中
随后,裂痕开始显现
艺术家、作家和歌手开始挑战AI生成的IP的合法性
关于伦理、监管和对超级智能的辩论充斥了华盛顿
更令人担忧的是,硅谷开始有传言
称生成式AI实际上并没有什么用
产品效果远远低于预期
用户留存率也是糟糕的很
用户需求开始趋于平稳
这是否又会是另一个泡沫周期呢?
AI的批评者们欢欣鼓舞
让人想起早期的互联网
一位著名的经济学家曾经宣称
到2005年
互联网对经济的影响不会超过传真机
不过
尽管存在噪音、歇斯底里和不确定性
生成式AI的起步已经比SaaS更加成功
从初创公司几个月就可以获得超过10亿美元的收入就可以看出
而SaaS市场需要几年才能达到同样的规模
ChatGPT成为增长最快的应用
尤其在学生和开发者中有很强的产品市场契合度
Midjourney成为我们的创意来源
仅11个人的团队就达到了数亿美元的收入
Character推广了AI娱乐和伴侣
并创造出了我们最渴望的消费者“社交”应用
每个用户平均使用时长达到两个小时
尽管如此
这些迹象并没有改变一个事实
那就是许多AI公司根本没有产品市场契合度PMF
或者可持续的竞争优势
因此整个AI生态系统的繁荣是不可持续的
现在尘埃稍微落定
是时候来反思生成式AI了
去思考一下我们现在所处的位置
以及我们可能要走的走向
如果把生成式AI比作一场话剧
那么第一幕源自于技术导向
我们发现了一个新的“锤子”,
基础大模型
并引发了一波新技术的演示浪潮
现在正在进入“第二幕”,
这将是以客户为导向的
第二幕将端到端地解决人类问题
现在的应用与首批推出的应用在本质上有所不同
它们往往将基础模型作为整体解决方案的一部分
而不是解决方案的全部
它们引入了新的编辑界面
使工作流程更加具有粘性
输出的效果更好
而且它们往往是多模态的
市场已经开始从“第一幕”转向“第二幕”。
进入“第二幕”的公司包括为顶级律师事务所定制大语言模型的Harvey;
爬取并索引工作空间的Glean;
以及创建数字伴侣的Character和Ava
生成式AI的市场地图也做了更新
与去年的地图不同
我们这次选择按照应用案例
而不是模型的模态来组织这张地图
这反映了市场上两个重要的推动力
那就是生成式AI开始从技术锤子到实际应用案例和价值的转变
以及生成式AI应用越来越多的呈现出多模态的特点
此外
我们还加入了一个新的大语言模型开发者栈
反映了公司在构建生成式AI应用的时候
可能会用到的计算和工具供应商
如果回顾一下一年前我们对生成式AI市场机会和发展的讨论
那么会发现我们有一些预测错了的事情
1、事情发展得太快
去年
我们预计还需要将近十年的时间
才能拥有实习生级别的代码生成、好莱坞质量的视频
或者听起来不再机械的人类质量语音
但是如果接触过Eleven Labs或者Runway
你就知道未来已经以光速到来
甚至是3D模型、游戏和音乐都在快速发展
2、瓶颈在供应端
我们没有预料到最终用户的需求会超过GPU的供应
许多公司增长的瓶颈不是客户的需求
而是获取Nvidia的最新GPU
长时间的等待变成了常态
因此出现了一个简单的商业模型
支付订阅费用
跳过等待队列并获得更好的模型
3、垂直分离还没有发生
我们仍然相信“应用层”公司和基础模型提供商之间会出现分离
模型公司专注于规模和研究
应用层公司专注于产品和UI
实际上
这种分离还没有干净利落地发生
事实上
最初面向用户的成功应用程序
一直都是垂直整合的
4、竞争环境残酷
既得利益者反应迅速
去年
竞争格局中有几个过于拥挤的类别
尤其是图像生成和文案写作
但是总体上市场还是一个空白区域
如今
许多角落的竞争已经大于了机会
从Google的Duet和Bard到Adobe的Firefly
既得利益者不仅反应迅速
而且愿意承担风险
因此加剧了竞争的激烈程度
即使是基础模型层
我们也看到客户开始在不同供应商之间
建立自己的基础设施
5、壁垒在客户中,而不是在数据中
我们预测
最好的生成式AI公司可以通过数据飞轮
产生可持续的竞争优势
那就是更多的使用AI产品
从而产生更多的数据
带来更好的模型,再促进更多的使用
这在拥有非常专业和难以获得数据的领域是对的
但是并不能形成“数据壁垒”,
因为应用生成的数据并没有建立一个无法逾越的壁垒
下一代基础模型很可能会摧毁初创公司生成的任何数据壁垒
相反,工作流和用户网络
似乎正在创造更持久的竞争优势来源
而我们预测对的事情也有几个
分别是,1、生成式AI是一回事
突然之间
每个开发者都在研究生成式AI应用
每个企业买家都说需要它
市场甚至保留了“生成式AI”的名字
人才和风险投资都涌入这个市场
生成式AI甚至成为了一种流行文化现象
2、第一个杀手级应用已经出现
众所周知
ChatGPT是最快达到1亿月活的应用程序
并且在短短6周内完全是靠自然流量做到了这一点
相比之下,Instagram花了2.5年
WhatsApp花了3.5年
YouTube和Facebook花了4年才达到同样的用户需求水平
但是ChatGPT并不是一个孤立的现象
Character AI、Github Copilot以及Midjourney都表明
第一批杀手级应用已经到来
3、开发者是关键因素
Stripe或Unity这样以开发者为中心的公司的核心洞察是
开发者创造了你无法想象的使用案例
在过去的几个季度里
我们收到了从音乐生成社区、AI红娘、到AI客户支持代理等各种想法
4、形态正在发展
AI应用的第一版大多是自动完成和草稿形式
但是这些形态现在正在变得越来越复杂
比方说Midjourney引入的摄像机平移和填充功能
就让用户体验变得更加丰富
总的来说
形态正在从个体生产力向系统级的生产力
从以人类主导
向以执行主导的代理系统发展
5、版权、伦理和存在的恐惧
这些热点话题的辩论如火如荼
艺术家、作家和音乐家们的意见都不一致
有些创作者对其他人从衍生作品中获利表示愤怒
有些创作者则接受了新的AI现实
目前规则还很模糊
比如日本已经宣布用于训练AI的内容没有版权
但是欧洲已经提议下重手进行监管
我们现在所处的位置
是要搞清楚生成式AI的价值问题
生成式AI并不缺乏使用案例或者客户需求
用户渴望AI能让他们的工作变得更容易
让他们的工作产出变得更好
这就是为什么他们会蜂拥而至地使用AI应用的原因
但是人们并不会一直使用下去
AI应用的首月移动用户留存
明显低于现有的互联网或者移动互联网公司
除此之外,用户的参与度也不理想
一些最好的消费者公司有60-65%的DAU/MAU比率
WhatsApp的为85%。
相比之下
生成式AI应用的中位数仅仅为14%。
这意味着用户还没有在生成式AI产品中
找到足够他们每天来使用的价值
简而言之
生成式AI最大的问题不是寻找使用案例、需求或者分发渠道
而是证明自己的价值
如果想要建立持久的业务
就必须要解决用户留存的问题
并且为客户创造足够的价值深度
增加他们的粘性,并且成为日活用户
不过,我们不必感到绝望
生成式AI仍然处于“尴尬的青春期”阶段
有时候会表现优秀
但是当产品没有达到预期时
失败通常是可靠的、可重复的
以及可修复的
我们要做的工作,已经摆在面前了
现在这个话剧的第二幕
也就是AI的第二阶段
AI公司的创始人正在进行提示工程、微调和数据集整理
来让他们的AI产品变得更好
逐步把Demo演示变成完整的产品体验
与此同时
基础模型底层继续充满研究和创新
在这个阶段
模型的开发栈会有一些新的内容
1、像链状思维、树状思维和反思等新兴的推理技术
会提高模型执行更丰富、更复杂的推理任务的能力
缩小客户期望与模型能力之间的差距
比如开发者使用Langchain等框架
来调用和调试更复杂的多链序列
2、迁移学习技术
比如RLHF和微调正在变得更容易使用
特别是随着GPT-3.5和Llama-2微调的出现
开发者可以对开源模型进行更加有效的微调
3、增强检索生成RAG技术
正在引入关于业务或者用户的上下文
减少幻觉,增加真实性和实用性
像Pinecone这样的向量数据库已成为RAG的基础设施支柱
4、新的开发者工具和应用框架
可以帮助公司创建可重用的构建块
帮助开发者评估、改进和监控生产中的AI模型的性能
包括像Langsmith等大模型运维工具
4、像Coreweave、Lambda Labs、Foundry、Replicate和Modal这样的基础设施公司
正在解构公共云
为AI公司提供大量的GPU、成本合理、按需可用
高度可扩展
以及良好的PaaS使用体验
这些技术应该能在基础模型同时改进的情况下
缩小期望与现实之间的差距
这个阶段也会产生一些新的产品蓝图
包括
1、生成式界面
也就是基于文本对话的默认界面
并且逐渐加入其他新的形态
比如从Perplexity的生成式用户界面到Inflection AI的语音发声等等
2、与传统编辑流程不同的、新的编辑体验
从Copilot到导演模式
像Midjourney新的平移命令和Runway的导演模式
创造了一种像相机一样的编辑体验
而Eleven Labs可以通过提示来操作声音
3、越来越复杂的代理系统
生成式AI应用逐渐拥有更多自主解决问题的能力和权力
可以访问外部工具
并代表我们端到端地解决问题
我们正稳步从0级向5级的自主性进展
4、系统范围的优化
有些公司并不是在解决如何提升个体的效率
而是直接解决系统范围的优化问题
通过自主地解决问题
来让整个系统变得更加有效
最后
作者对生成式AI进行了思考和总结
随着接近边界悖论
以及Transformers和扩散模型的新奇性逐渐衰退
生成式AI市场的性质正在发生变化
炒作和演示正在被真正的价值和完整的产品体验所取代
红杉资本美国仍然坚定地相信生成式AI
信心来源于几十年的条件积累
杀手级应用的出现
以及终端用户需求的巨大规模
但是,阿马拉定律依然有效
那就是技术总是在短期被高估
长期被低估
好了
以上就是红杉美国这篇文章的核心内容
如果说去年那篇文章拉开了生成式AI的序幕
那么现在这篇文章就意味着这一波竞争已经进入白热化阶段
在喧闹过后,商业回归理性
只有最终赢得客户留存
为客户创造长期深刻价值的应用
才会存活下来
当然了
基础模型和技术还在快速的发展
算力生产和增长也好像印钞机一样
开到了最大的马力
春秋争霸究竟鹿死谁手
我们可以拭目以待一下
不管怎么样作为用户来说
我们也终于开始
不再被各种概念和形式搞得头昏脑涨
可以沉下心来关注一下
究竟谁能解决我们的根本需求了
好了本期视频内容就到这里
感谢大家的观看我们下期再见
Browse More Related Video
【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
The Reality and Practicality of Reshoring Manufacturing to the U.S.
【突發】2024年美國血洗全球財富,經濟大蕭條才剛開始?趕快買入黃金自救?持有現金或投資的人終將一無所有?財產最後的逃生機會?
Blogging Topics Week 2
一招让你的ChatGPT变聪明|context window原理讲解
把知识变成资产: 作为知识博主,我是如何研究一个话题的
5.0 / 5 (0 votes)