前言
去年夏天开始，生成式人工智能的浪潮进入了高速发展的阶段。在全球ChatGPT的热潮中，人们深深地意识到AI已经成为一种变革性技术和经济社会发展的关键力量。世界各地的主要行业将迎来巨大的飞跃和突破性发展，未来的世界竞争格局也将受到深刻影响。
AIGC在内容创作以及知识表示和使用中带来的范式转变也得到了讨论。在9月份，一些机构发布了自己对行业当中的看法，本文将结合红杉资本，A16Z在9月发布的几篇行业文章，这几篇文章共同描绘了生成式AI的发展趋势、市场潜力、消费者使用情况以及面临的挑战。
a16z合伙人Martin Casado：即将来临的“计算第三纪元”将使创作边际成本降为零
本文由Martin Casado撰写，是Andreessen Horowitz（a16z）网站上的一篇文章，主要探讨了生成式人工智能（Generative AI）的经济效益。文章分析了AI经济学的演变，包括过去的困境和未来的可能性。文章指出，虽然大公司已经通过AI创造了价值，但生成式AI的出现可能会改变这种情况。文章还通过具体实例，探讨了AI创业公司面临的经济挑战及其解决方案。文章主要观点如下：
1.人工智能经济学：大约有 10 年时间，AI在实体识别方面比人类做得更好。实际上人类已经非常擅长利用这些技术来赚钱，尤其对大公司而言。尤其是对大公司而言。众所周知，通过使用人工智能，Meta、谷歌和 Netflix 等公司的市值已大幅增加。
2.人工智能平庸螺旋：对于大多数人工智能的应用场景，我们不是在谈论传统的机器学习，而是真正的AI，它的竞争对手通常是人类。传统上，人类大脑非常擅长感知。我们的大脑经过一亿多年的进化，已经能够完成采摘浆果和躲避狮子等任务，而且它们在这方面的效率令人难以置信。这导致了大多数投资者都知道的事情，我们称之为可怕的“人工智能平庸螺旋”或“人工智能低效循环（AI mediocrity spiral）”。
a16z合伙人Olivia Moore：90%的生成式AI应用靠自然流量增长盈利
OpenAI CTO解读ChatGPT如何重新定义人与数字信息的交互
红杉资本《Generative AI’s Act Two：生成式人工智能的第二幕》
红杉资本在9月20日发布了名为《Generative AI's Act Two》的文章，此文章主要讨论了生成式人工智能（Generative AI）的发展和未来。文章主要观点如下：
1.生成式AI的重要性：生成式AI已经成为技术平台的重要转变。它已经引发了创新的Cambrian爆发，被视为我们这一代的太空竞赛。ChatGPT的崛起引发了我们多年未见的创新密度和热情，可能自互联网早期以来就未曾有过。
2.技术进步的积累：六十年的摩尔定律为我们提供了处理exaflops数据的算力。四十年的互联网（由COVID加速）为我们提供了价值数万亿的训练数据。二十年的移动和云计算让每个人手中都有一台”超级计算机”。这些技术进步的积累为生成式AI起飞创造了必要条件。
3.AI研究者的地位提升：AI研究者从 proverbial “hacker in the garage” 转变为指挥数十亿美元计算资源的特种部队。
4.AI应用的过度炒作：突然之间，每个公司都成了“AI copilot”。我们的收件箱被“AI Salesforce”、“AI Adobe”和“AI Instagram”的无差别推销充满。这导致了筹款、人才战争和GPU采购的不可持续狂热。
5.生成式AI应用的问题：尽管有些批评者对生成式AI是否真正有用产生了质疑，但生成式AI已经比SaaS有更成功的开局，仅从初创公司就实现了超过10亿美元的收入（SaaS市场花了几年而不是几个月才达到同样规模）。
6.生成式AI的第二阶段：红杉资本认为，AI已经进入了一个全新的第二阶段，并绘制了一个新的AI图谱。第二阶段将更多地着眼于解决人类面临的问题。这些应用程序在本质上与第一批推出的应用程序不同，将更倾向于使用基础模型作为更全面解决方案的一部分，而不是整个解决方案。
此外，还包括了一个新的LLM开发人员堆栈，它反映了公司在生产中构建生成性人工智能应用程序时所求助的计算和工具供应商。
7.一年前预测的错误和正确：红杉资本承认，在他们关于AI预测的第一篇文章中，他们提出了一些已经被证实是错误的观点，比如AI的发展超出了红杉的预期。但他们也指出，他们做出了一些正确的预测，比如生成式AI是值得关注的新赛道，第一批杀手级应用已经出现，开发者是关键，产品形态在不断演变等等。
A16Z 《Let’s Get Personal: Why AI Will Unlock a Massive Market for Online Consumer Services》
A16Z的在9月7日发表的文章《Let’s Get Personal: Why AI Will Unlock a Massive Market for Online Consumer Services》探讨了人工智能如何解锁在线消费者服务的巨大市场。文章指出，互联网通过提供更便宜的服务，为更多的人在线开放了一个重要的消费市场。现在，AI正在引发一波巨大的机会，使初创公司有可能构建可扩展的在线体验，这些体验复制了面对面服务的优点。文章主要观点如下：
1.互联网和AI的影响：互联网通过提供更便宜的服务，为更多的人在线开放了一个重要的消费市场。现在，AI正在引发一波巨大的机会，使初创公司能够构建可扩展的在线体验，这些体验可以复制面对面服务的优点。
2.个性化体验：消费者最看重面对面服务的是高度个性化的体验，比如家教、个人教练和医生。尽管公司提供了一些定制功能，如推荐引擎，但他们还没有技术来深度个性化他们的服务。但生成型AI将改变这一点，并为消费者初创公司开辟了巨大的机会。
3.技术挑战：尽管存在需要克服的技术难题，但随着公司引入多模态并改善模型记忆、延迟和转向，他们可以根据每个人的偏好和使用情况随时间调整他们的服务。
4.市场机会：我们现在正在进入一个时代，AI原生服务可以并将针对每个用户进行个性化。尽管A16Z认为这些AI原生公司创造的大部分价值将以消费者剩余形式归消费者所有，但根据粗略估计总机会将很快比现在高出5-20倍以上。
5.用户增长：A16Z进行了一项广泛的调查，以了解消费者何时以及为什么更喜欢用于心理健康、健身、辅导教育和音乐指导的1:1面对面或数字服务。57%的受访者认为定制、专业知识或与提供商建立个人关系是他们更喜欢1:1面对面服务的主要原因——所有这些偏好都是生成式AI目前似乎能够很好地解决的。
6.行业影响：尽管AIGC将在消费者服务中解锁机会，但它在电子商务尚未渗透的行业中将产生超大影响。到目前为止，电子商务已经渗透到需要有限第三方专业知识的交易行业，如支付公用事业或预订航班。作者在高接触行业中看到了超大的机会，这些行业中消费者最看重个性化。
红杉资本《AI’s $200B Question》
文章在9月20日发表，总结起来，《AI’s $200B Question》这篇文章主要探讨了AIGC浪潮对GPU需求的影响，以及如何通过AI产生足够的收入来支付这些投资。其主要探讨了以下几个问题：
1.AI和GPU的关系：文章指出，自从去年夏天开始，AIGC的浪潮已经进入高速发展阶段。Nvidia的Q2财报和随后的超额完成是这个双倍加速的催化剂，这向市场传达了对GPU和AI模型训练的无尽需求。
2.GPU投资的回报：文章提出了一个重要问题：所有这些GPU都被用来做什么？谁是客户的客户？需要产生多少价值才能使这种快速的投资回报？文章假设每花费1美元在GPU上，大约需要花费1美元在数据中心运行GPU。因此，如果Nvidia在今年年底前以50B美元的速度销售GPU（这是基于分析师预测的保守估计），那么这意味着大约有100B美元的数据中心支出。
3.AI产生的收入：文章提到，OpenAI每年能产生10亿美元的收入。微软预计其产品（如Microsoft Copilot）将产生100亿美元的AI收入。假设谷歌、Meta和苹果每家公司也能从其AI产品中产生类似数量的收入。然后再为Oracle、Bytedance、阿里巴巴、腾讯、X和特斯拉等公司预留50亿美元的收入。即使假设AI能带来极其慷慨的收益，但是在当前GPU支出水平下仍还需要填补1250亿美元以上的空白。
4.数据中心建设：文章指出，根据公开文件，大部分新增数据中心建设来自大型科技公司：例如，谷歌、微软和Meta已经报告了数据中心CapEx的增加。报道称，字节跳动、腾讯和阿里巴巴也是Nvidia的大客户。展望未来，像亚马逊、甲骨文、苹果、特斯拉和Coreweave这样的公司也应该是重要的贡献者。
5.$200B问题：文章提出了一个2000亿美元问题：这些CapEx建设有多少是与真正的最终客户需求相关的？以及有多少是预期未来客户需求而建设的？
A16Z 《What Builders Talk About When They Talk About AI》
文章发表于9月25日，在这篇文章中，来自OpenAI, Microsoft, Anthropic, Databricks, Character.AI, Roblox, insitro, 和 Figma等公司的AI创始人和领导者们分享了他们对于AI的观点和看法。他们讨论了我们当前所处的位置，我们未来可能的发展方向，以及在构建下一波AI时面临的开放性问题。以下是他们的一些观点汇总：
1.计算的第三个时代：我们正处于计算的第三个时代的开始。AI被视为下一个计算平台，我们仍处于这个过程的非常早期阶段。以前的平台转变显示，一个技术突破变成社会范围内的转变可能需要几十年的复合创新。
2.大型语言模型（LLMs）：目前的焦点是大型语言模型（LLMs）的开发，变压器架构仅在6年前被发明，而ChatGPT在不到一年前发布。我们可能需要数年甚至数十年才能拥有完整的生成AI和LLM技术栈以及一系列变革性应用，尽管我们有理由相信这次的影响会加速。
3.创作的边际成本降至0：这些大型模型实际上将创作的边际成本降至0。当以前的时代发生时，你无法预测会有哪些新公司被创造出来。
4.“莱特兄弟第一架飞机”的时刻：我们真的处于“莱特兄弟第一架飞机”的时刻。我们现在有一些对大量用例有用的东西。看起来它正在非常好地扩展，而且即使没有突破，它也会变得大大改善。
5.AI提高开发人员生产力：GitHub是我们试图构建的协同模式的第一个例证，即：如何可以利用AI帮助开发人员在进行某种特定类型的认知工作时显著提高生产力。
6.AI如何改变和创造新的用户行为：大型基础模型正在改变和创造新的用户行为，涵盖艺术、设计、游戏、医学、编码甚至人际关系等各个领域。
红杉资本《Bringing Generative AI to Healthcare》
红杉资本在9月14号发布的文章《Bringing Generative AI to Healthcare》深入探讨了生成式人工智能在医疗保健领域的应用。文章首先指出，医疗保健市场面临着行政效率低下的问题，每年有高达3000亿美元的支出用于重复、劳动密集型的流程。然后，文章强调了生成式AI在解决这个问题上的潜力，特别是在后台运营中节省成本和自动化以及提高一线员工的工作效率。文章还列举了一些具体的应用案例，如医疗记录、患者参与以及其他工作流程。最后，文章讨论了市场背景和生成式AI如何解决这些问题。文章主要观点如下：
1.医疗保健市场的挑战：医疗保健是一个充满行政效率低下的巨大市场。在美国每年超过4万亿美元的支出中，有3000亿美元是行政运营支出，主要用于重复、劳动密集型的流程。
2.生成式AI在医疗保健中的应用：生成式AI非常适合解决这个服务重型行业的劳动成本问题。目前，这项技术的主要应用是在后台运营中节省成本和自动化，以及使一线员工的工作流程更高效，但我们希望生成式AI能够显著改善患者的治疗结果。
3.具体应用案例：红杉已经看到创新公司正在攻击特定的使用案例，如医疗记录、患者参与以及其他工作流程，如事先授权，并且每天都在发现新的机会。
4.市场背景：过去十年，许多新的医疗保健软件公司面临不利的市场动态。提供商经营利润微薄，往往不愿意为长期成本效率的承诺而花费。付款人也利润低下，并且是一个集中的买家群体，前5名玩家占据了超过50%的市场份额。
5.生成式AI如何解决这些问题：生成式AI直接解决了这些约束。它通过提供大量并立即产生价值来克服买家的“贫困陷阱”，同时保持对非结构化数据和操作环境的稳健性。其新颖性因素和可识别影响有助于激发买家，尤其是那些希望在同行中显得创新的人。