【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

大飞说科技

23 Sept 202315:17

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

00:00

🚀 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。

05:05

🔍 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。

10:08

📈 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。

15:10

💡 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

生成式AI，即Generative AI，指的是一类能够生成新内容的人工智能技术，如文本、图像、音频等。在视频中，生成式AI被视为新一轮技术范式转移的开始，是视频讨论的核心主题。例如，红杉资本认为生成式AI目前正处于一个潜力巨大但尚未解决价值问题的“尴尬的青春期”。

💡范式转移

范式转移通常指在科学或技术领域中，一种新的思考方式或方法取代旧有的模式。视频中提到生成式AI代表了新一轮的范式转移，意味着它将引领技术发展进入一个全新的阶段，如文中提到的“拉开了生成式AI时代的序幕”。

💡摩尔定律

摩尔定律是由英特尔联合创始人戈登·摩尔提出的观察，预测集成电路上可容纳的晶体管数量大约每两年翻一番。视频中提到六十年的摩尔定律为生成式AI的发展创造了条件，说明了技术进步对AI领域的影响。

💡产品市场契合度(PMF)

产品市场契合度是指产品满足市场需求的程度。视频中提到许多AI公司并没有找到真正的PMF，即他们的产品并没有真正解决市场的问题或满足用户的需求，这是AI公司需要面对和解决的关键问题。

💡多模态

多模态指的是能够处理和理解多种类型数据或信息的能力，在AI领域通常指能够同时处理文本、图像、声音等多种数据形式的模型。视频中提到生成式AI应用越来越多地呈现出多模态特点，如引入新的编辑界面和工作流程，提高了应用的粘性和效果。

💡AI副驾驶（Copilot）

AI副驾驶在视频中指的是一种辅助性的人工智能应用，它可以协助用户完成任务，如编写代码或生成内容。这个概念在讨论中用来说明AI在各个领域的应用普及，但也暗示了可能存在的过度宣传问题。

💡数据飞轮

数据飞轮是一个经济学术语，指的是随着数据量的增加，可以提升产品或服务的价值，进而吸引更多用户，形成正向循环。视频中提到生成式AI公司希望通过数据飞轮产生可持续的竞争优势，但由于新一代基础模型的出现，这种数据壁垒可能并不稳固。

💡垂直分离

垂直分离在视频中指的是应用层公司和基础模型提供商之间的分离，即专注于不同层面的公司。红杉资本曾预测这种分离会发生，但实际观察到的是，成功的应用程序往往是垂直整合的，即同时提供模型和应用。

💡开发者工具

开发者工具指的是为软件开发者设计的软件或服务，用以提高开发效率或改善产品质量。视频中提到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，评估和监控AI模型的性能，是生成式AI发展的重要组成部分。

💡自主性

自主性在视频中指的是AI系统的自我决策和执行任务的能力。随着生成式AI的发展，AI应用正逐渐拥有更多自主解决问题的能力和权力，比如可以访问外部工具并端到端地解决问题，这代表了AI技术的进步和应用的深化。

💡系统范围的优化

系统范围的优化指的是不仅仅关注提升个体效率，而是通过自主解决问题来优化整个系统的性能。视频中提到有些公司正在通过这种方式让整个系统变得更加有效，这表明生成式AI的应用正在从单一任务向系统级解决方案转变。

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。