作者 | 汪越

编辑 | 心缘

智东西11月27日报道，11月21日，在Slush 2024大会上，顶级风投a16z前合伙人、美国知名独立分析师Benedict Evans发表了题为《AI吃掉世界（AI Eats the World）》的年度观察演讲，谈到生成式AI正在从当前的“炒作周期”迈向实质性发展，真正的生产力高峰预计将在几年后显现。

Evans说，虽然生成式AI的估值急剧攀升，但当前行业仍处于高期待和高估值的阶段，技术的广泛应用与实际价值尚需时间。他谈道，生成式AI将经历四个阶段：从最初的惊奇到智能功能，再到自动化，最终成为像普通软件一样普及的基础性技术，融入日常生活。

此外，AI行业的资本支出正在从单纯的软件开发转向基础设施建设，以支撑AI产品的扩展和长期运营。这一转变反映了企业日益加剧的FOMO（错失恐惧症）情绪，许多公司急于跟进AI浪潮，投入巨资以避免被淘汰。

Evans还谈道，AI模型的快速迭代和成本下降将是推动市场发展的关键因素。OpenAI通过技术优化将模型训练成本降低了90%，Meta和苹果通过开源和边缘计算等策略，加速AI技术的普及与多元化应用。他预测，未来AI模型将每几周迭代一次，推动行业持续推出更高效的模型。

随着生成式AI逐步从创新工具转变为企业发展的基础性技术，它正在推动效率提升和业务转型。虽然是否能完全取代传统工作流程仍有不确定性，但AI在业务中的核心地位已日益形成，成为行业发展的驱动力。

Evans在演讲中提到要理解当前AI技术的进展，可以从前微软CEO比尔·盖茨18个月前的一句话开始。盖茨曾说，他的职业生涯中只见过两次革命性变化：图形用户界面（GUI）和ChatGPT。

微软花了约20年才达到1500亿美元的市值，而OpenAI仅用不到两年的时间就达到了近1600亿美元的估值，这意味着AI新技术在行业中的采纳速度前所未有。

Evans提到生成式AI正处在一个高估值、高期待的阶段。ChatGPT等工具迅速吸引了全球关注，但技术成熟与广泛应用之间的距离可能还很远。根据他使用ChatGPT绘制的技术炒作周期图，AI技术要达到其生产力高峰仍需时间，真正的价值或许要数年后才会显现。

▲炒作周期图示

不过，科技发展总是在每隔10至15年出现一次新的技术浪潮。从20世纪中期的主框架计算机，到个人电脑（PC）的普及，再到互联网的兴起，以及智能手机的广泛应用。Evans说，如果从更宏观的视角来看，生成式AI有望成为下一个技术平台，推动未来10至15年的科技创新、投资热潮与行业变革。

然而，当前AI行业面临一个关键问题：大语言模型的训练效果开始趋于饱和，速度放缓，行业内普遍质疑Scaling Law是否仍然适用。

针对生成式AI，业内存在两种截然不同的观点。一方认为，大语言模型的扩展性可能达到极限，未来突破的空间有限；另一方则认为，模型的扩展潜力几乎是无限的，未来可能发展成全能工具。目前，这两种观点尚未得到充分验证，也未形成广泛共识。

▲大语言模型扩展问题

在硅谷，FOMO（错失恐惧症）是一种普遍现象，AI行业尤为突出。许多公司害怕错过AI浪潮，因此不惜重金投资。Evans谈道，目前行业投资热潮与巨额资本支出的背后，是对未来发展的不确定性和竞争压力。

▲谷歌母公司Alphabet投资者关系新闻

例如，谷歌曾在2023年5月的内部备忘录中提到：“我们没有护城河。”2024年，AI大模型公司Anthropic预计其训练成本将达到50亿至100亿美元，而Meta的Llama 3.1模型训练需要投入约5亿美元。

▲训练Meta Llama 3.1 SOTA模型预测算力/资本密集度

微软、谷歌、亚马逊和Meta这四大科技巨头的资本支出预计在2024年超过2000亿美元，比去年增加了近1000亿美元，并计划在2025年进一步增长。AI行业的资本支出正从单纯的软件开发转向基础设施建设，支撑AI产品的扩展和运行。

▲AI资本支出Top 4企业

生成式AI的一个核心挑战是成本。与消费互联网的低边际成本不同，生成式AI的运作需要大量计算资源支持。AI技术的快速进步不仅在于性能的提升，也在于成本的下降。

OpenAI通过优化数据中心和提高效率，将模型训练成本降低了至少90%。

▲OpenAI模型质量与支出变化

与此同时，市场上出现了越来越多性价比高的模型，用户可以根据需求选择性能最优或成本最低的方案。Meta通过开源策略大幅降低了AI模型的门槛，苹果依托高性能的边缘计算设备，推动AI在终端设备上的普及。

▲模型质量与支出对比

随着AI模型的逐渐商品化，不同企业通过不同的商业模式推动市场扩展。Meta免费开源模型，苹果则通过高效的边缘计算将AI技术融入到消费者产品中。这种“好、快、便宜”的趋势，预示着AI技术在未来几年的市场将更加多元化和灵活。

▲模型性价比比较

此外，Evans谈道，AI模型快速迭代的趋势预计将在未来一年持续主导市场，每隔几周就会出现更加高效的新模型。从2023年到2024年，市场见证了高性能模型的爆发，这不仅加速了AI技术的普及，也对模型开发成本提出了更高要求。高性价比模型正重塑行业格局，推动更多企业采纳生成式AI技术。

▲2023-2024年AI模型爆发

生成式AI的应用已逐步走向企业级市场。许多公司，尤其是在软件开发和营销领域，开始将生成式AI技术集成到现有业务中，实现流程自动化和效率提升。根据埃森哲的报告，2024年，其生成式AI相关业务已经达到了每季度10亿美元的规模。

▲埃森哲生成式AI工具采用规模

随着技术的不断发展，企业不仅改变了运营方式，还开始创造新产品、提出新想法。初创公司也在积极参与AI的应用创新，很多公司正在押注生成式AI将成为未来的核心技术。

例如，Y Combinator在2024年投资了大量AI初创公司，押注这些公司将推动生成式AI技术成为新的标准，创造出更多的商业用例。

▲Y Combinator投资AI创企数量2024年大幅增长

Evans说，虽然许多企业正押注生成式AI成为下一个通用技术（如ChatGPT），但它是否能完全取代传统工作流程仍需观察。不过可以预见的是，随着市场对技术需求的不断增长，生成式AI正逐步从一种创新工具转变为推动业务发展的基础性技术。

科技行业总是对未来充满兴奋。两三年前，加密货币（Crypto）是热议话题，虽然并非所有人都看好，但仍有人认为它是未来的趋势。除此之外，元宇宙（Metaverse）、增强现实（AR）和虚拟现实（VR）也曾是焦点。如今，所有的目光都聚焦于生成式AI。

Evans总结了AI的发展历程，并将其划分为四个阶段：最初，AI因其惊艳的表现吸引注意；接着，它演变为“智能”功能，如智能推荐、智能排版、智能总结等；随后，AI进一步发展为“自动”功能，能够进行自动纠错和格式化；最终，它将成为日常生活的一部分，像普通软件一样融入人们的工作与生活。

▲AI未来将像软件一样

Evans将这些观点结合起来，认为生成式AI正朝着这一方向演进。在过去18个月里，他与多家大型公司和组织进行了广泛交流，收到了大量关于AI的提问。他认为，所有关于生成式AI的问题可以归结为两类：

一类是关于平台转移的，如“我们应该从谷歌购买吗？”“谷歌会控制整个市场吗？”“是否会有新的初创公司？”“我们需要自己的国家AI战略吗？”这些问题让他联想到：“我们是否需要自己的国家SaaS战略？”或“我们需要国家级SQL战略吗？”Evans说，这些问题更像是在讨论平台的转移，而不是深入理解生成式AI的本质。

另一类则是关于技术的未知领域，比如：“模型的扩展能走多远？”“错误率会如何变化？”“现有数据是否足够？”“这需要多少能源？”“我们是否能拥有自我持续训练的模型？”对这些问题，Evans的回答是：“我不知道，但其他人也不知道。我们必须等待几年才能找到答案。”

▲关于AI未来的两种看法

在演讲的最后，Evans提出了一个深刻的观点：技术的本质就是“机器尚未能做到的任何事情”。十年前，图像识别被视为人工智能的代表，而如今，它已经成为常见的软件功能。同样的道理也适用于语音识别、模式识别等技术。随着技术的不断发展，那些曾被视为“智能”的功能逐渐变得平凡。

未来，生成式AI可能会逐渐成为日常软件的一部分，悄然融入到我们的工作、生活和决策中，推动社会各领域的变革。