Sequoia 这几天正在举办 AI Ascent 2024 大会，Sequoia 的三位合伙人 Sonya Huang、Pat Grady 以及 Konstantine Buhler 汇集了 100 位领先的 AI 创始人和研究人员，一起探讨了 AI 的机会、现状以及影响等话题。

这次分享主要来自 Sequoia 的 3 位合伙人，分享的几个观点令我印象非常深刻，并且一些观点和我之前写的文章非常类似，比方说 AI 在法律行业、客服行业以及编程领域的应用等。下面是我觉得比较有意思的几个观点：

1. AI 最大的机会之一，是用软件取代服务，因为 AI 具备了类人的交互能力；

2. AI 所具备的创造力和推理能力，意味着软件第一次具备了类人的交互能力，这一点非常关键，因为它意味着商业模式的深刻变革；

3. 云计算是用软件取代软件，而 AI 最大的机会之一，是用软件取代服务，因为 AI 具备了类人的交互能力；

4. AI 在客服领域已经初步找到了 PMF；

5. AI 有一条通向未来的明路，那就是应用会变得越来越好；

6. 计算资源将从预训练转移到推理；

7. 本质上，我们正在 AI 的基本元素之上，构建非常复杂的抽象层；

Pack Grady: AI 最大的机会之一，是用软件取代服务，因为 AI 具备了类人的交互能力

那么，AI 到底给我们带来了什么机会呢？一年前，AI 像是一个神奇的黑匣子，能创造出很多美妙的东西。过去 12 个月，我们经历了 AI 炒作周期的压缩版：先是期望值膨胀到顶点，然后陷入低谷，现在正在艰难爬坡，逐渐进入稳定高原期。我们意识到，大语言模型和 AI 为我们带来了三种全新的能力，可以被编织进各种神奇的应用中。

首先是创造力，这也是生成式 AI 的名字来源。AI 可以生成图像、文字、视频、音频等各种内容，这是之前的软件不具备的能力；

第二是推理能力，可以是单步的，也可以是多步的类似 Agent 的推理，这也是之前软件做不到的；

有了创造力和推理能力，就相当于拥有了大脑的左右两半球，这意味着软件第一次具备了类人的交互能力，这一点非常关键，因为它意味着商业模式的深刻变革。

我们经常试图用类比的方式来理解新事物。尽管不够完美，但还是很有启发的。在这里，最恰当的类比是过去 20 年的云计算变革。云计算是科技领域一次重大的地殼运动，催生出新的商业模式、新的应用、新的人机交互方式。

回顾 2010 年前后的情况，当时全球软件市场规模约 3500 亿美元，其中云软件只占很小一部分，大约 60 亿美元。而到了去年，整体市场规模增长到 6500 亿，云软件收入已经达到 4000 亿，这 15 年的年复合增长率高达 40%，增长非常迅猛。

如果我们继续用类比的方法，云计算是用软件取代软件，而 AI 最大的机会之一，是用软件取代服务，因为 AI 具备了类人的交互能力。如果我们瞄准的是这个领域，那起点就不是几千亿，而是可能高达数十万亿美元。可以想象这个市场有多大的成长空间。

我们的假设是，人类正站在有史以来最大的价值创造机会之巅。当然这只是假设，我们今天说的每一个观点都只是假设。

那为什么是现在呢？作为 Sequoia 的一员，我们有幸见证和研究了各个技术浪潮，了解它们如何交织、引领我们来到今天。让我们快速回顾一下历史:

• 1960 年代，Sequoia 的创始人 Don Valentine 在 Fairchild 半导体公司负责市场营销，该公司生产的硅晶体管让硅谷得名；

• 1970 年代，在芯片的基础上构建起了计算机系统；

• 1980 年代，个人电脑通过网络连接在一起，同时诞生了软件包产业；

• 1990 年代，互联网出现，改变了我们的通信和消费方式；

• 2000 年代，互联网成熟到可以支撑复杂应用，云计算时代到来；

• 2010 年代，智能手机普及，改变了我们的工作方式；

每一次浪潮都在前一次的基础上推进。AI 的概念可以追溯到 1940 年代，但将 AI 从想法变为现实、解决实际问题、创建可持续发展的业务，所需的技术和环境直到最近几年才具备：

计算资源充足廉价、网络快速可靠、全球 78 亿人口都有智能手机、疫情推动一切上线，为 AI 提供了海量数据。现在正是 AI 成为未来 10-20 年主题的时刻，这一点我们坚信不疑。

这一次机遇将以什么形式呈现？我们再次类比云计算和移动互联网。左边这些公司都是这两次变革催生出的营收超 10亿美元的公司。有意思的是右边，不是有什么，而是没有什么。

未来属于各位，机会无限。我们相信，如果10-15年后再看，右边会有 40-50 个公司，而它们很可能就在今天这个房间里。这就是令我们兴奋的原因。

Sonya Huang：AI 在客服领域已经初步找到了 PMF

过去一年多真是不平凡。从 ChatGPT 发布到现在，对在座各位来说，地面都在不停地移动和颤抖。让我们暂停一下，俯瞰全局，盘点一下到目前为止发生了什么。

去年我们还在讨论 AI 将如何在各个领域带来革命性的生产力提升。一年后，我们开始看到一些端倪。大家可能看过 Sebastian 在 Twitter 上发的内容，Klarna 现在用 OpenAI 处理 2/3 的客服查询，相当于自动化了 700 个全职客服。全球有数千万呼叫中心客服，AI 在客服领域已经初步找到了产品市场契合度（PMF）（参见我之前的文章《AI 取代人类的工作，正在从客服行业开始》）。

一年前，法律行业还被视为最不愿意接受科技的行业之一。但现在出现了 Harvey 这样的公司，从日常繁琐的工作到更高级的分析，都在自动化律师的工作。大家可能已经在 Twitter 上看到了一些令人惊艳的演示。我们已经从一年前“AI 理论上可以帮我们写代码”发展到了全自动的 AI 软件工程师，令人兴奋。（参看之前的文章《AI 正在重塑法律行业》《法律 AI Harvey 12 个月 ARR 突破 1500 万美金，多个法律 AI 再次融资》）

AI 不仅是为了提高工作效率，也在提升我们的生活质量。有一天在和 Pat 开会时，我注意到他看上去有点可疑，全程一言不发。仔细一想，我很确定他派了个 AI 虚拟形象来开会，而自己去健身房了。Pat 的 AI 虚拟形象把他的面部表情都模仿得惟妙惟肖。这归功于 HeyGen，不得不说 AI 在短短一年取得了惊人的进步，既让人害怕又让人兴奋。

两年前我们认为生成式 AI 可能引发下一次科技革命时，并不知道将带来什么。真实公司能否崛起？真金白银的收入能否产生？用户和收入的增长规模令所有人都感到惊讶。我们估计，目前生成式 AI 创造的收入总规模已达 30 亿美元，这还不算各大云计算厂商的收入。

要知道，SaaS 市场用了近 10 年时间才达到这个规模，而生成式 AI 是一年就做到了。如此迅猛的变化速度和规模，让我们确信生成式 AI 将持续存在。

而且，对 AI 的需求也不限于一两个应用，而是遍地开花。不论是消费者应用还是企业应用，不论是创业公司还是科技巨头，很多 AI 产品都开始契合市场需求，跨行业地找到了产品市场契合点，这一点让我们感到非常振奋。

过去一年，资本市场对 AI 投资的不平衡性让我很意外。如果把生成式 AI 比作一个层层的蛋糕，最底层是基础模型，中间是开发者工具和基础设施，最上面是应用层。一年前，我们预计会在应用层出现百花齐放的局面，因为底层的新技术会催生大量创新。但实际上，越来越多的基础模型公司涌现，融到大笔资金。而应用层的发展似乎才刚刚开始。

我们的合伙人 David 去年发表了一篇发人深省的文章《AI 的 2000 亿美元问题》。大家现在在 Nvidia GPU 上的支出规模惊人，仅去年一年就高达 500 亿美元，外加能源和数据中心成本。而与之相对的，我们粗略估计目前 AI 的直接和间接总收入也就 30 多亿。投入 500 亿，产出 30 亿，投入和产出还不成正比，这是个很现实的问题，需要去解决。

虽然从用户数和收入来看，AI 取得了惊人的成绩，但使用数据告诉我们现在还为时尚早。看看日活跃用户占月活跃用户的比例，或者次月留存率，生成式 AI 应用的表现还远不如移动应用。这说明 AI 现在对大多数人来说还是一周或一月尝试一次的新鲜事物。但我们有机会利用 AI 打造人们每天都想用的应用。

在我们采访用户时，AI 应用留存率不高的一个主要原因是，现实表现与期望值存在差距。Twitter 上的一些炫酷演示，在现实中可能会令人失望，因为模型还不够智能，不能很好地完成任务。

好消息是，在去年动辄 500 亿美元的 GPU 投入下，我们已经拥有了越来越先进的基础模型，比如最近发布的 Anthropic 的 Claude、OpenAI 的 GPT-4、Aleph Alpha 的 Luminous 等。随着基础模型智能水平的提高，AI 的产品市场契合度应该会加速。与其他很多不确定的市场不同，AI 有一条通向未来的明路，那就是应用会变得越来越好。

我们要记住，成功需要时间。我们去年就说过，今天再强调一次。回顾 iPhone 发布之初，App Store 里都是一些好玩却不实用的应用，比如喝啤酒、变魔术、打啤酒杯、手电筒之类，要么演变成了系统内置应用，要么成了无关紧要的玩具。直到 2010 年才出现了 Instagram 和 DoorDash，创造性地利用了智能手机的全新能力。我们认为 AI 正在上演同样的故事。虽然还无法想象，但下一个传奇公司可能已经冒头了。

接下来让我介绍几个最近引起我们注意的应用。正如之前提到的 Klarna，我们认为客户服务是企业级应用中最早找到产品市场契合点的领域之一，这绝非个例。AI 作为朋友，是让很多人意想不到却又饶有兴趣的应用场景，从使用数据来看，用户粘性很高。后面我们会听到 Glean 和 Dust 关于企业级知识管理的分享，我们认为 AI 正在为企业知识管理开启新的大门。

对未来一年，我有几个预测:

一是 2024 年，AI 应用将从辅助人类的工具，发展为在特定领域完全取代人类的自动化系统，让人类退出某些工作流程。我们已经看到了软件工程、客户服务等领域的尝试。今天的 Andrew Ng 和 Harrison Chase 会对此展开讨论。

二是大语言模型一个主要问题在于，它们只是在对文本的统计模式做匹配，而不是真的在推理和规划。但最新的研究正在尝试赋予模型规划能力，比如在推理过程中动态调用外部计算资源、让模型像博弈一样迭代优化策略等。我们预计这将是各大基础模型公司的一个主要研究方向，有望在明年让 AI 具备更强的高阶认知能力，比如规划和推理。稍后 OpenAI 的 Noan Brown 会详细讲解。

三是从有趣的消费者应用到企业级的高风险应用，比如医疗、国防等，对 AI 可靠性的要求越来越高。从人类反馈学习、prompt 链接、向量数据库等各种技术，正在帮助大语言模型在特定场景下将可靠性提高到 95% 以上。相信各位今天可以就此多交流切磋心得。

四是 2024 年，我们将看到很多 AI 原型和试验项目正式进入生产环境。这意味着延迟很关键、成本很关键、模型权属很关键、数据权属很关键，计算资源将从预训练转移到推理。对这些应用来说，2024 年压力山大，我们必须尽最大努力把它们做好。

Constantine：这场 AI 革命对我们每个人意味着大幅降低成本

刚才 Pat 阐述了 AI 的重要性，Sonya Huang 介绍了 AI 的最新进展，接下来我要談談未来，从更高的角度思考 AI 对科技和整个社会的影响。

技术革命有很多种。有通信革命，如电话；有交通革命，如火车；有生产力革命，如农业收割机械化。我们认为，AI 主要是一场生产力革命，而这类革命有个共同的模式：从人使用工具，到人与机器助手协作，再到人与机器网络互动。我接下来要谈的两个预测，都与人-机网络有关。

我们先看一个历史案例。人类使用镰刀收割已有上万年历史，1831 年发明的机械化收割机，是人与机器助手的结合。今天，我们生活在联合收割机的时代，这是由成千上万台机器组成的复杂网络。我们开始用 Agent 来形容系统中的机器个体，用 Reasoning 来形容其中的信息传递和拓扑结构。本质上，我们正在 AI 的基本元素之上，构建非常复杂的抽象层。

我举两个正在知识工作中发生的例子，第一个是软件开发。软件开发最初是手工的，比如图灵用纸笔写逻辑程序。后来我们进入了机器辅助阶段，有了计算机和 IDE 等工具。现在，我们正进入一个机器互联互通的新阶段。一系列流程协同工作，生成复杂的工程系统。在这个阶段，开发是由 Agents 协作完成的，而不是单打独斗。

写作领域也是如此，写作本来是纯人力的。后来有了机器助手比方说语法检查工具。现在，当我写作时，我不只用一个 AI 助手，而是同时用 GPT-4、LLaMA、Claude 等多个模型，让它们互相协作和博弈，给出更好的结果。这就是未来。

这场革命对我们每个人意味着什么？用最朴素的经济学语言来说，就是大幅降低成本。这张图显示，标普 500 公司创造 100 万美元收入所需的员工数量在快速下降。我们正进入一个阶段，这个趋势还会继续。好消息是，这不是为了让我们少做事，而是为了让我们做更多事。

而且，过去所有生产力革命的领域，最终都出现了通货紧缩。比如计算机软件，正因为我们不断在现有基础上创新，软件成本反而在下降，再比如电视机。但我们社会最重要的领域，比如教育、医疗、房地产，成本上涨速度却远超通胀。令人欣慰的是，AI 有望帮助降低这些关键领域的成本。这是我对 AI 作为一场大规模成本革命和生产力革命的第一个判断，它将帮助我们在最关键的社会领域做更多事情、创造更多价值。

第二个判断涉及 AI 的本质。一年前，英伟达 CEO 黄仁勋在台上做了个大胆预测。他说，未来图像不再是渲染出来的，而是生成出来的。任何视觉信息都将被生成。他什么意思呢？大家都知道，传统上图像是作为原始数据存储的。以字母 A 为例，也就是 ASCII 码 97。它是用一个像素矩阵来表示的，非黑即白。但现在，我们开始将字母 A 表示成一个抽象的、多维度的概念。

字母 A 的图像应该让人联想到，这是一个可以用不同字体、不同样式呈现的字母。在这个多维空间里，我们处在中心，周围是各种具体的渲染形式。接下来会怎样？计算机不仅能理解这个多维概念，能把它渲染成图像，还能理解其上下文。比如看到 "multidimensional" 这个单词，它不会去想字母 A，而是能理解单词的整体含义。更神奇的是，这反映了人类的思维方式。我们不会把字母 A 记成一堆像素点，而是作为一个抽象概念。这种思想可以追溯到 2500 年前，柏拉图就提出了理念论，认为任何具体事物的背后，都有一个美的抽象形式。

这对我们每个人意味着什么？对创业者来说影响深远。现在我们已经开始把 AI 整合到具体的业务流程和 KPI 中，比如 Klarna 在用 AI 提升客服指标。他们知道自己要改进哪些关键指标，并且有系统来检索信息、生成个性化的客户体验。未来，随着 AI 驱动的全新人机交互方式出现，整个公司可能会开始像一个神经网络那样运作。

我举个具体例子。这是简化后的客服流程示意图。客服部门有一些关键指标，由文本转语音、语言生成、客户个性化等 AI 能力来驱动，这些能力反过来又形成子流程和子优化目标，最终你将得到一张完全连通的图。语言生成会反馈给客户服务的最终目标。通过抽象，客服流程将由神经网络来管理、优化和改进。

再看企业获客这个环节。同样，从语言生成到增长引擎再到广告定制和优化，都是一些 AI 基本单元。最终，这些抽象层将变得高度互操作，使整个公司能像神经网络一样运作。这就催生了"一人公司"的崛起，一人公司不是为了让个人做得少，而是为了让个人能做得多，能解决更多问题，创造更美好的社会。

那下一步是什么？说到底要由在座各位来决定，你们正在创造未来。我个人对前景非常乐观，因为我相信人工智能将帮助人类在最重要的领域大幅提升生产率、降低成本，比如教育、医疗等。今天我们把大家召集在一起，就是要探讨如何利用人工智能简化复杂性、减少重复劳动，去创造更有价值的事物。