AI投资讨论1:走向并行模式?
作者：微信文章准备把对于AI投资的一些观点记录下来，可以帮助理清楚思路。以下是今年6月份写给投资者信的一部分，是当时我们最重要的投资观点。当时的背景是OpenAI O3 发布之后，OpenAI ChatGPT的月度活跃人数在2个月时间就从4亿飙升到快8亿，而且在人类最终测试（HLE）里面，在准确度和Calibration Erro （衡量大模型过度自信的程度，有点近似于幻觉）这两个参数上面都实现碾压式的领先。当时的OpenAI风头一时无两，又可见AI行业的竞争格局变化是多么迅猛和激烈，仅仅不到一年的时间，OpenAI就已经从绝对的领跑者开始变成追赶者。
走向并行模式一、定义和商业模式空间 所谓“并行模式”，是指人工智能在达到具有较高准确度地完成人类工作时，将打破互联网应用的天花板——人均可用时长X人力杠杆，而这些是“串行模式”的特征， 即全球人类数量总量有限，每个人的日均时长有限，这成为一切互联网应用的天花板。而“并行”的意思是，每个人在理论上都可以同时调用不限个数的AI agent，这些agent的运行可以是7X24小时的，那么无论是人数还是有效时长的天花板都会被打破。当然理想状态是一种假设，但即便将这个状态打上折扣，对计算的需求也是爆炸式的。
二、判断“并行模式”开启的程度通过AI的深度研究功能，对大模型的能力评价体系进行了挖掘。目前众多大模型benchmark出现了刷题饱和现象， 只有少数几个评价体系除外，其中ScaleAI 主导的“人类最终测试”HLE，是公认具有不错的区分能力的测试方式之一： 1、全球顶尖研究者出题并经过多轮筛选入围，对于深度推理的难度高，且题无法被检索，截止最新全球顶尖大模型在no tools模式下只能获得约30%的正确率。（这个数据已经被Gemini、Grok、OpenAI不断刷新了，现在单一甚至综合的benchmark的整体评估力都下降了，新的模型都会在训练数据中覆盖部分测试集合，可能无法避免……） 2、 Calibration ratio对于大模型幻觉具有独特的评估视角，结合准确率和幻觉，大模型综合能力评估能得到良好的体现。 结合全球顶尖模型的评估和体验，OpenAI O1 模型的推出代表着强化学习技术红利期的启动， Deepseek R1 模型非常令人钦佩地在不利条件下在中国同步开启了此红利期，并推动了后续豆包、阿里千问、 Kimi、智谱进入了强化学习技术红利。 但OpenAI O3、 Gemini 2.5、 Claude 3.5 在今年4月左右开启了一次能力跃升。其中尤其OpenAI O3， 以顶尖的深度推理准确度重新领先 Deepseek R1一倍左右， 且最牛的是其幻觉水平比所有竞争对手低一倍以上。这个能力跃升，是人类可被替代工作时长被拉升至1小时以上。“并行模式”正式被打开，大模型思考能力由高中生提升至本科以上。 而从7月以来，美国不断推出Agent和新模型， 呈现出迭代提升的状态，且Anthropic、 Goolge、 Meta、甚至马斯克X 开始猛烈挑战OpenAI。在此基础上，AI算力需求会进入 AI能力提升->下游需求井喷->AI成本快速下降的正向飞轮。作为AI能力调用输出方，大模型公司的商业模式，在形成飞轮效应之后将是最顶级的。但是，在一个指数型成长的市场中，即便会发生通缩，但是算力硬件同样会获得巨大的成长。
三、判断AI强化学习技术红利所能持续的周期长度和影响深度 一幅图景有可能正在展开——哈萨比斯、辛顿、扎克伯格等提到的观点，正在刻画这幅图景，而从去年到现在大量产生的研究论文，包括Meta FAIR、李飞飞团队、Deepmind 团队等大量的成果，似乎在指向一次新的技术红利——自我进化。后续主要会详细阐述对新的技术红利的认识，且技术红利发展到了什么阶段，是不是会遇到大的瓶颈期。站在现在去看当时的推理，“并行模式”开始了吗？按照Openrouter的调用数据，单周调用AI token数从2024年12月31月的354B增长到了现在的6T，大约16倍。基本实现季度环比翻倍。当然，也可以说当年互联网技术兴起的时候，网络流量也会有一个暴增的过程。
那现在，我们有使用多少AI呢？有几个Agent能够保质保量地帮我们去做以前要亲自花时间去做的事情呢？我们现实学习工作中有多少比例的任务是交给了AI完成的？是需求不够大，还是AI能力还不够强？正好像去年年底一样，AI预训练技术放缓，微软开始砍单；而现在是AI基础设施投入超3000亿美金，明确的AI收入大约300-500亿美金（大致估算，超大型云计算公司的收入有多少是AI相关的可能被低估了），英伟达开始投资客户买自己的产品，Oracle的1GW新建数据中心计划被投资方搁置。新的疑惑开始蔓延，现在是再次思考“并行”模式的时候。还是要从AI供给和需求的最基本角度来考虑。后续再接着讨论。
页:
[1]