人工智能的機遇: 紅杉資本AI Ascent 2024開場演講全文 （附Andrej Karpathy+吳恩達 現場演講 ）

文：城主

前言：紅杉近日組織了他們的AI Ascent 2024主題活動。作為VC大佬的紅杉出手還是很不凡，除了題為“人工智能的機遇” 開場演講頗有營養外，已經分享出來的Andrej Karpathy和吳恩達兩位AI大神的現場演講更是不容錯過。

B站傳送：人工智能的機遇：紅杉資本2024年AI Ascent開幕致辭【中英】-嗶哩嗶哩】 https://b23.tv/sxo67H5

Andrej Karpathy演講問答：

B站傳送：【精校】大神Andrej Karpathy最新紅杉AI活動演講問答【中英】-嗶哩嗶哩】 https://b23.tv/eBesfcv

吳恩達演講：

B站傳送：【精校】吳恩達最新紅杉AI活動演講 ：AI智能代理工作流的下一步【中英】-嗶哩嗶哩】 https://b23.tv/shjLCQA

喜歡圖文版的朋友，以下是紅杉開場演講的書面整理全文：

我們與紅杉資本的所有合作伙伴一起歡迎您來到AI Ascent。在人工智能的世界中，正在發生許多事情。我們今天在這里的目標是學習一些新知識，結識一些能對我們的旅程有所幫助的人，希望我們能玩得開心。

那么，這個機會是什么呢？一年前，我們覺得這個神奇的盒子可以做一些奇妙的事情。我認為在過去的12個月里，我們已經經歷了這種簡化形式的炒作周期。我們的期望值達到了頂峰，然后經歷了幻滅的低谷，現在我們正在重新攀升到生產力的高峰期。我認為我們已經意識到，人工智能今天真正給我們帶來的是三種不同的能力，可以融入到各種各樣的神奇應用中。

第一個是創造能力，因此被稱為生成人工智能。你可以創建圖像，你可以創建文本，你可以創建視頻，你可以創建音頻，你可以創建各種各樣的東西。以前的軟件無法做到這一點，所以這很酷。第二是推理能力，可以是一次性的，也可以是多步驟的、代理類型的推理。但同樣，軟件以前無法做到這一點。因為它可以創造，因為它可以推理，所以我們已經覆蓋了右腦和左腦，這意味著軟件也可以第一次以類似人類的能力進行交互。這是巨大的，因為這具有深遠的商業模式影響，我們將在下一張幻燈片中提到。

那么，我們應該如何看待這個問題呢？很多時候，當我們看到新事物時，我們會嘗試類比推理。在這種情況下，我們能想到的最好的類比是云轉型，雖然這個類比有百萬種理由不完美，但仍然有用。在過去的20年左右，技術領域發生了重大的結構性轉變，帶來了新的商業模式、新的應用程序以及人們與技術互動的新方式。

如果我們回顧云轉型的早期，大約是2010年，整個全球軟件的總市值約為3500億美元，其中這一小塊，只有60億美元，是云軟件。快進到去年，總市值從大約3500億增長到6500億，但這部分收入已達到4000億美元。這是15年內40%的復合年增長率。這是巨大的增長。

現在，如果我們要進行類比推理，云正在用軟件取代軟件。正如我所提到的以類似人類的方式進行交互的能力，人工智能的一大機遇就是用軟件取代服務。如果這就是我們要追求的總市值，那么起點就不是數千億。起點可能是數十萬億。所以你可以真正夢想。關于這有機會變成什么。

我們會假設，這是一個假設，就像我們今天所說的一切一樣，我們會假設我們正站在人類有史以來最偉大的價值創造機會的懸崖邊。為什么現在呢？成為紅杉一部分的好處之一是我們擁有悠久的歷史，我們已經開始研究不同的技術浪潮，了解它們如何相互作用，并了解它們如何引領我們走向當下。

我們將快速回顧一下記憶。因此，在20世紀60年代，我們的合作伙伴唐·瓦倫丁創立了紅杉資本，他實際上是仙童半導體上市公司的負責人，而仙童半導體正是憑借硅基晶體管而得名硅谷。我們必須關注這樣一個現象。在20世紀70年代，我們看到了系統是如何基于這些芯片構建的。到了20世紀80年代，這些系統通過網絡連接起來，以個人電腦作為端點，同時軟件包也隨之出現。進入20世紀90年代，這些網絡以互聯網的形式向公眾開放，從而改變了我們的溝通方式和消費方式。到了2000年代，互聯網已經發展成熟，可以支持復雜的應用程序。2010年代，所有這些應用程序都以移動設備的形式出現在我們的口袋里，改變了我們的工作方式。

那么，我們為什么要費心去完成這個小構建呢？這里的關鍵在于，每一波新的技術浪潮都是在之前的基礎上累積而來的。人工智能的概念并不新鮮，其歷史可以追溯到20世紀40年代，我認為神經網絡最初成為一個想法也是在20世紀40年代。然而，將人工智能從想法、夢想轉化為現實，以一種獨特且引人注目的方式解決現實世界的問題，并圍繞這種方式建立持久的業務，需要具備哪些要素呢？

直到過去幾年，實現這一目標所需的原料才出現。我們終于擁有了廉價且充足的計算能力，我們擁有快速、高效、可靠的網絡。地球上80億人中有70億人的口袋里有一臺超級計算機。部分歸功于新冠疫情，一切都被迫在線進行，因此，支持所有這些令人愉快的體驗所需的數據也變得容易獲取。因此，現在是人工智能成為未來10年甚至20年主題的時刻。因此，我們對一個尚未得到證實的假設抱有盡可能強烈的信念，即未來幾十年將是人工智能的時代。

這個機會會以什么形式出現呢？再次，我們將類比云過渡和移動過渡。這些徽標位于頁面左側，這些是大多數因這些轉型而誕生的公司，這些公司的收入超過了十億美元。這個名單并不詳盡，但這可能是在這些轉型中形成的收入超過10億美元的公司的80%左右，而不是估值、收入。這張幻燈片最有趣的是右側。并不是存在的東西，而是不存在的東西。視野開闊。機會是巨大的。我們想，如果10或15年后我們站在這里，右側將有40或50個徽標。很有可能，這個房間里有一堆公司的標志。這就是機會，這就是我們興奮的原因。這樣，我就把它交給索尼婭了。

謝謝，帕特。

多么美好的一年啊。ChatGPT于一年半前問世。我認為這對這里的每個人來說都是一陣旋風。可能感覺我們所有人都在不停地前進，腳下的地面不斷變化。因此，讓我們暫停一下，縮小范圍，評估一下迄今為止發生的事情。去年，我們討論了人工智能將如何徹底改變所有這些不同領域并提供驚人的生產力提升。一年后，它開始成為人們關注的焦點。

這里有誰看過Klarna的Sebastian的這條推文？舉手。這太不可思議了。Klarna現在使用OpenAI處理三分之二的客戶服務查詢。他們已經實現了相當于700名全職代理工作的自動化。我們認為，全球有數以千萬計的呼叫中心代理，而我們已經看到，人工智能在客戶支持市場這一最令人興奮的領域找到了適合的市場。

法律服務也是如此。一年前，法律被認為是技術最不先進的行業之一，也是最不可能冒險的行業之一。然而現在，像Harvey這樣的公司正在自動化律師所做的許多工作，從日常繁重的工作和苦差事一直到更高級的分析。

再比如軟件工程。我相信在座的很多人最近都看到了Twitter上流傳的一些演示。值得注意的是，我們已經從一年前理論上由人工智能編寫代碼，轉變為完全獨立的人工智能軟件工程師。我認為這真的很令人興奮。

未來將會有更多的軟件。人工智能并不只是徹底改變工作，它已經在提高我們的生活質量。前幾天，我和帕特在Zoom中，我注意到他看起來有點可疑。全程沒有說話。經過更多反思，我很確定他確實發送了他的虛擬人工智能化身，并且實際上正在去健身房，這可以解釋很多事情。

這是由HeyGen提供的。這真是太神奇了。這就是科技在一年內取得的進步。只是，想想就覺得可怕。想想這一切在未來十年將如何發展，既令人恐懼又令人興奮。”

兩年前，當我們認為生成式人工智能可能會迎來下一個偉大的技術轉變時，我們不知道會發生什么。真正的公司會想出來嗎？真正的公司會從中脫穎而出嗎？實際收入會實現嗎？我認為用戶拉動和收入增長的巨大規模幾乎讓所有人都感到驚訝。

我們認為，生成式人工智能目前的總收入約為30億美元，這還不包括F.A.N.G.公司和云人工智能提供商產生的所有增量收入。以30億美元為例，SaaS市場花了近十年的時間才達到這一收入水平。生成式人工智能在第一年就實現了這一目標。因此，巨大變化的速度和幅度讓我們非常清楚，生成式人工智能將繼續存在。

客戶對人工智能的吸引力并不局限于一兩個應用程序。它無處不在。我相信每個人都知道ChatGPT有多少用戶，但是當你看看很多AI應用程序的收入和使用量時，無論是消費者公司還是企業公司，初創公司還是老牌公司，許多AI產品實際上都引起了共鳴與客戶合作，并開始尋找適合跨行業的產品市場。因此，我們發現用例的多樣性開始變得非常令人興奮。

去年的融資環境至少讓我感到驚訝的第一件事是融資份額的不平衡。如果你將生成式人工智能視為一個分層蛋糕，底部有基礎模型，上面有開發人員工具和基礎設施，然后頂部有應用程序。一年前，我們曾預計，由于基礎層的新使能技術，應用層將出現寒武紀大爆發。相反，我們實際上發現新公司的組建和資本的形成是相反的。越來越多的基礎模型不斷涌現，并籌集了大量資金，而應用程序層似乎才剛剛起步。

我們的合作伙伴David去年就在這里，在他的文章《人工智能2000億美元的問題》中提出了一個發人深省的問題。如果你觀察各大公司目前在圖形處理器（GPU）上的投資額度，你會發現，去年我們在NVIDIA GPU上的投資達到了約500億美元。人們常常認為，只要你建造了某樣東西，人們就會自然而然地來使用。人工智能無疑是一個充滿夢想的領域。然而，至今為止，我們需要記住的是，在上一張幻燈片中，我們已經確認了大約30億美元的人工智能收入，以及來自云供應商的變化。我們已經投入了500億美元在地面設施上，再加上能源和數據中心的成本等等。我們已經發布了三個產品。對我來說，這意味著數學還沒有完全成為數學。建造這些設施所需的資金遠遠超過了迄今為止的投資。因此，我們還有一些實際問題需要解決。

盡管人工智能的使用情況、收入和用戶數量看起來令人難以置信，但使用數據表明我們還處于早期階段。因此，如果你看看每日活躍用戶與每月活躍用戶的比率，或者如果你看看一個月的留存率，生成式人工智能應用程序仍然遠遠落后于移動應用。對我來說，這既是一個問題，也是一個機遇。這是一個機會，因為人工智能現在對大多數人來說，仍然是一種每周一次、每月一次的修補現象。但我們有機會使用人工智能來創建人們每天都想使用的應用程序。

當我們采訪用戶時，他們不堅持使用人工智能應用程序的最大原因之一是期望與現實之間的差距。因此，當你發現該模型不夠智能，無法可靠地完成你要求它做的事情時，那些看似神奇的Twitter演示就會變得令人失望。好消息是，去年GPU的支出超過了500億美元，我們現在可以構建越來越智能的基礎模型。就在上個月，我們看到了Sora，我們看到了Claude 3，我們在周末看到了Grok。因此，隨著基線智能水平的提高，我們應該預期人工智能產品的市場契合度會加速。

因此，與市場未來非常不明朗的某些市場不同，人工智能的好處在于，你可以非常清晰地界定這些應用程序將如何變得越來越好。讓我們記住，成功需要時間。我們在去年的AI Ascent上說過這一點，我們還會再說一遍。如果你看看iPhone，你會發現App Store V1中的一些首批應用程序是啤酒飲用應用程序、光劍應用程序、翻蓋杯應用程序或手電筒，這些都是有趣、輕量級的新技術演示。這些最終要么成為本機應用程序，如手電筒等，要么成為實用程序和噱頭。iPhone于2007年問世，App Store于2008年問世。直到2010年，你才看到Instagram和DoorDash 2013年。因此，公司需要時間才能以我們尚無法想象的創造性方式發現和利用iPhone的全新功能。

我們認為同樣的事情也在人工智能領域上演。我們認為我們已經看到了下一批傳奇公司可能會是什么樣子。以下是最近引起我們注意的一些用例，但我認為它比本頁上的用例集要廣泛得多。正如我所提到的，我們認為客戶支持是真正影響企業產品市場契合度的第一批用例之一。

正如我在克拉納故事中提到的，我不認為這是例外，這是規則。我認為這就是規則。對我們許多人來說，人工智能友誼是最令人驚訝的應用之一。我認為我們花了幾個月的時間來思考。但我認為這個類別的用戶和使用指標意味著非常強烈的用戶喜愛。接下來，我們將討論的是企業知識的橫向應用。稍后，我們將聽到格琳和杜斯克的更多見解。我們認為，企業知識正在逐步被解鎖。以下是我們對未來一年可能發生的情況的一些預測。

首先，我們預測到2024年，真正的應用程序將從Copilot（為你提供建議并協助你）轉變為真正能夠讓人類完全脫離循環的代理。人工智能將更像是一個同事，而不僅僅是一個工具。我們看到它開始在軟件工程、客戶服務等領域發揮作用，今天我們將聽到更多關于這個主題的信息。我了解到，吳恩達和哈里森·蔡斯都計劃對此發表講話。

其次，我們預測，對于LLM來說，最大的問題之一是，它們似乎在重復文本中的統計模式，而實際上并沒有花時間對手頭的任務進行推理和計劃。然而，隨著推理時間計算和游戲風格值迭代等許多新研究的出現，這種情況開始發生變化。當你給模型時間來實際思考要做什么時，會發生什么呢？我們認為這是許多基礎模型公司的主要研究方向，我們預計它將在明年讓人工智能更有能力執行更高級別的認知任務，例如規劃和推理。今天晚些時候，我們將從OpenAI的Noam Brown那里聽到更多相關信息。

第三，我們預測，我們正在看到從有趣的消費者應用程序或產消者應用程序的演變，在這些應用程序中，你并不真正關心人工智能是否偶爾會說一些錯誤或瘋狂的事情，到真正的企業應用程序，其中風險非常高，例如醫院和國防。好消息是，有各種工具和技術不斷涌現，可以幫助這些LLM有時達到五個九的可靠性范圍，從RLHF到即時訓練到矢量數據庫。我相信你們今天晚些時候可以就這一點進行交換意見。我認為這個房間里的很多人都在做非常有趣的事情，以使LLM在生產中更加可靠。

最后，我們預計2024年將看到大量人工智能原型和實驗投入生產。當你這樣做時會發生什么呢？這意味著延遲很重要。這意味著成本很重要。這意味著你關心模型所有權。你關心數據所有權。這意味著我們預計計算的平衡將開始從預訓練轉向推理。因此，2024年將是一個重要的年份。在過渡到生產環境時，一些應用程序將面臨巨大的壓力和期望。我們必須做對事情。接下來，我將把話題交給康斯坦丁，他將幫助我們在更長的時間范圍內探索人工智能的可能性。

謝謝你，索尼婭。感謝大家今天的參與。

那么，帕特剛剛提出了什么問題？為什么這個問題如此重要？為什么我們都在這個房間里？索尼婭剛剛向我們介紹了現在該怎么辦？人工智能目前處于什么階段？接下來我們將討論什么？我們將退后一步，思考這在更廣泛的技術和整個社會概念中意味著什么。

因此，技術革命有很多種類型。出現了像電話這樣的通信革命。出現了像機車這樣的交通革命。生產力革命正在發生，例如糧食收割的機械化。我們認為人工智能主要是一場生產力革命。這些革命遵循一種模式。它從一個擁有工具的人類開始，轉變為擁有機器助手的人類。最終，這將轉移到具有機器網絡的人類身上。我們將在本節中討論的兩個預測都與人類使用機器網絡的概念有關。

讓我們來看一個歷史例子。鐮刀作為人類的工具已有一萬多年的歷史。機械收割機是人類和機器助手于1831年發明的，由人類使用的單一機器系統。今天，我們生活在一個擁有聯合收割機的時代。聯合收割機由數以萬計的機器系統組成，形成一個復雜的網絡。我們已經開始使用人工智能的語言來描述某些事物。例如，我們可以將系統中的單個機器參與者稱為“代理”。今天，我們就這個話題進行了深入的討論，包括代理的拓撲結構以及信息在代理之間的傳輸方式。我們開始將這種傳輸方式稱為“推理”。本質上，我們正在人工智能基元之上構建非常復雜的抽象層。

今天，我將舉兩個例子，這兩個例子是我們在知識工作中正在經歷的。首先，我們來看看軟件。軟件開發最初是一個非常手動的過程。艾達·洛夫萊斯（Ada Lovelace）用筆和紙編寫了邏輯編程，能夠完成計算，但沒有機器的幫助。現在，我們生活在一個擁有重要的計算機器助手的時代，不僅有計算機，還有集成開發環境和越來越多的技術來加速軟件開發。我們正在進入一個新時代，這些系統在復雜的機器網絡中協同工作。你所看到的是一系列協同工作的過程，以產生復雜的工程系統。你在這里看到的是代理一起工作來生成代碼，不是一次一個，而是實際上是一致和諧的。

同樣的模式在寫作中也很常見。寫作是一個人類的過程，是人類，也是一種工具。隨著時間的推移，這已經發展為人類和機器助手的合作。現在我們有了一個人，他實際上利用的不是一個助手，而是一個助手網絡。我會在我自己的個人工作流程中告訴你，現在，每當我呼叫人工智能助手時，我不僅僅是呼叫 GPT-4，我呼叫 Mistral-Large，我呼叫 Claude-3，我正在呼叫他們共同努力，也相互對抗，以獲得更好的答案。這就是我們眼前所看到的未來。

那么，這種類型的革命對在座的每個人意味著什么？坦率地說，這對房間外面的每個人都有影響。從冷酷的經濟角度來看，這意味著顯著降低成本。這張圖表顯示了標準普爾500強公司產生100萬收入所需的員工數量，這個數字正在迅速下降。我們正在進入一個這種情況將繼續下降的時代。這意味著什么？更快、更少。好消息是，這并不是讓我們可以做得更少，而是讓我們可以做得更多。我們將在下一組預測中討論這一點。

同樣幸運的是，我們過去取得此類進展的所有領域都出現了通貨緊縮。我會舉計算機軟件和配件為例。由于我們不斷地相互構建，計算機軟件的流程實際上隨著時間的推移而降低了成本。電視也在這里，但對我們社會來說最重要的一些事情，如教育、大學學費、醫療、住房，它們的增長速度遠遠快于通貨膨脹。人工智能有望幫助降低這些和許多其他關鍵領域的成本，這也許是一個非常令人高興的巧合。

因此，這是關于人工智能作為生產力革命的巨大成本驅動因素的長期未來的第一個結論，它將能夠幫助我們在社會的一些最關鍵領域用更少的資源做更多的事情。第二個結論與它真正在做什么有關？一年前，我們在舞臺上讓黃仁勛做出了一個強有力的預測。他說，未來，像素將不再被渲染，而是被生成。任何給定的圖像，甚至信息都會被生成。他這話是什么意思？

好吧，正如在座的每個人都知道的那樣，從歷史上看，圖像一直被存儲為死記硬背的記憶。讓我們考慮一下字母 A，ASCII 字符編號 97。好的，如果我們使用非常簡單的黑白，將其存儲為像素矩陣，無論是存在還是不存在。這些像素是否存在。好吧，我們正在進入一個時期，在這個時期，我們已經在表示像字母 A 這樣的概念，不是作為死記硬背的存儲，不是作為像素的存在或不存在，而是作為一個概念，一個多維點。我們需要考慮的是字母A的概念圖像，這個概念可以擴展到任何給定的字母A的格式。在這個多維空間中，有無數種不同的字體，我們就坐在這個空間的中心。那么，我們接下來應該去哪里呢？

令人驚嘆的是，計算機現在開始理解的不僅僅是這個多維空間的點，不僅僅是如何獲取它、渲染它并生成像黃仁勛所說的那樣的圖像。我們現在正處于一個階段，能夠將這種理解置于具體的情境中。計算機將理解字母A，能夠渲染它，理解它是一個字母，理解它是一個英文字母，并理解它在這個渲染的更廣泛的上下文中意味著什么。計算機會看到“多維”這個詞，甚至不會考慮A，而是理解為什么要提出這個詞的完整背景。

令人驚奇的是，這個未來就是我們的思維方式，人類的思維方式。我們不再存儲計算機內存中的死記硬背像素。我們不是這么想的。我沒有被告知字母A代表頁面上像素的存在或不存在。相反，我們會將其視為一個概念。強有力的是，這就是我們數千年來對它的哲學思考。2500年前，我的希臘同胞柏拉圖曾說過，柏拉圖形式的理念是我們所有人都認同的，也是我們所有人都在努力追求的。在字母A的例子中，你有這個概念，或者我們實際上能夠圍繞它構建模型的軟件工程概念。

那么，現在我們已經討論了第二種模式，即我們將在計算本身內部進行泛化的想法。這對我們每個人意味著什么？這對公司建設意義重大。今天，我們已經將其集成到特定流程和KPI中。剛剛提到Clarne如何利用這一點來加快他們圍繞客戶支持的KPI。他們知道他們有某些可以推動實現的KPI，并且他們可以擁有一個能夠實際檢索信息、產生良好客戶體驗的系統。明天，這已經與新的用戶界面一起發生。對于實際支持的溝通方式，這可能是一個不同的界面。

這就是我個人感到非常興奮的地方，因為這個未來將呈現概念，因為這個未來將生成一切，最終整個公司可能會開始像神經網絡一樣工作。讓我用一個具體的例子來解釋一下。這是一幅漫畫。與本演示中的所有內容一樣，實際上，一切都是連續的。這些都是離散的。這是客戶支持流程的漫畫。您的客戶服務具有特定的KPI。這些是由文本到語音、語言生成、客戶個性化等驅動的。這會輸入到您正在優化的子模式、子樹中。最終，你實際上會在這里得到一個完全連接的圖。實際上，您將獲得從語言生成到最終客戶服務KPI的反饋。在某種程度上，這將成為一個抽象層，由神經網絡管理、優化和改進客戶支持。

現在，讓我們考慮一下獨特的客戶，這是建立業務的重要工作的另一部分。好吧，再說一次，你擁有從語言生成到增長引擎的人工智能基元，以添加定制和優化。這一切都將再次相互融合。這里強有力的結論是，最終這些抽象層將變得可互操作，使整個公司能夠像神經網絡一樣運作。一人公司的崛起由此而來。一個人的公司將使我們不僅做得更少，而且做得更多。更多的問題可以由更多的人來解決，從而創造一個更美好的社會。

那么，下一個是什么？現實是，房間里的人將決定下一步做什么。各位，你們是未來的建設者。我們對未來充滿了期待，因為我們堅信人工智能能夠幫助我們降低成本，提高社會在一些最關鍵領域的生產力，例如提供更優質的教育，培養更健康、更高效的人口。這也是我們今天召集這個小組的目的。

我們希望你們每一位都能參與到討論中來，探討我們如何利用我們的技術，抽象出復雜性和平凡的細節，真正構建出對未來更有力的東西。

再次感謝。