主持人對談

042 · OpenAI 風波與影片生成

26:01YouTube 上架 2023-11-30

No Priors Ep. 42 | With Sarah Guo and Elad Gil

兩位主持人自己對談：OpenAI 那週風波帶來的治理與激勵教訓、企業對單一模型供應商的依賴，再轉到 Pika 等影片生成新創，以及 AI 會把服務支出轉成軟體收入的看法。

042 講了什麼

• 風波之後更穩Elad 認為，OpenAI 的結果對各方都算正面消息，GPT-4 仍是領先的模型，董事會也重組了。對談中接著整理出兩個教訓：治理很重要，錢也很重要。
• 激勵要攤開來看其中一位主持人提醒公司重新檢視董事與高階主管各自代表什麼、有什麼激勵。有些人帶著外部誘因（上 TED 演講、去 Davos、拿某個組織的獎）進了董事會或經營團隊，可能跟對股東的受託責任衝突。
• 單一供應商的風險更明顯風波那週有人推出能在多個模型之間切換的 proxy。主持人說，大企業本來就想留第二個來源；OpenAI 在能力上仍領先，但可靠性、延遲、成本這些問題，現在對每個依賴模型的人都更明顯了。
• 影片與音訊新創重新受到注意一年半前大家先擠進 diffusion model 與圖像生成，ChatGPT 之後多數人轉向 LLM，少數創辦人留在 diffusion 這一邊。主持人認為這些模型訓練成本在數百萬美元而非數千萬，小團隊也能走到最前線。
• 創意市場不小主持人拿 Midjourney 的規模反駁「有多少人要做圖」的質疑，並說這類工具多半用在溝通、行銷與廣告。
• 服務支出轉成軟體收入其中一位說，這是把低毛利的人力服務收入換成高毛利的軟體收入，總營收變少，毛利金額反而變多，並拿 Anduril 對比傳統國防承包商的 cost plus 當例子。最後兩人拿 1996、1997 年的網路比喻現在的 AI。

從哪一段開始看14 段

1. 00:05這集的議題這集只有 Sarah 與 Elad，要談 OpenAI 那週的風波、影片生成與接下來的研究方向。
2. 00:21風波的結果Sarah 請 Elad 先說。Elad 認為結果對相關各方是正面消息：OpenAI 回到穩定狀態、GPT-4 仍是領先模型、董事會重組，對外人來說過程很痛，但整體在往前走。
3. 01:10治理很重要接著的回應說第一個教訓是治理：創業者會更慎重考慮要不要把命運交給激勵明顯混雜的團體；非營利組織的治理整體來說很糟，常常變成政治與關係，而不是看成果。
4. 01:57錢也很重要同一位主持人接著說第二個教訓是錢很重要：生產要素是勞力與資本，compute 是 AI 專屬的資本形式，這裡握有 compute 的是 Microsoft。團隊起身反抗，董事會低估了對 Sam 與 Greg 的支持，OpenAI 員工在意的也包括 86 billion 的 tender offer 所代表的價值。
5. 03:16董事與主管的激勵另一位主持人說不少董事會是出於政治或法規考量才加人，建議重新問誰該在董事會、代表什麼、有什麼激勵，並提到 Shopify 把使命與績效文化講得很清楚。接著有人提到一位 OpenAI 的朋友說這件事讓自己重新相信清楚的激勵，隨後又有人引了當天過世的 Charlie Munger 談激勵的話。
6. 06:07切換模型的工具風波那週有人推出 proxy，可以用 OpenAI SDK 查詢 Mistral、Llama 等多個模型。一般的路徑是先用 GPT-4 做原型，再考慮 GPT 3.5 或 fine-tune，只有規模很大或有專有資料的人才會 fine-tune。
7. 08:44第二來源與穩定性大企業本來就想要 second source，其中一位拿 Juniper 與 Cisco、AMD 與 Intel 為例。主持人認為 OpenAI 經過這次反而更穩。
8. 10:03diffusion 的起伏一年半前 Midjourney、Stable Diffusion、DALL·E 2 帶起圖像生成熱，ChatGPT 之後多數創辦人轉向 LLM，少數留在 diffusion。Pika 是兩位 Stanford 博士生做的 text to video 引擎。
9. 13:26訓練成本與開發方式diffusion 模型訓練成本在數百萬而非數千萬美元，資料也比較好取得，所以影像與影片領域會有更多人自己訓練模型，語言領域則多數建在別人的平台上。
10. 14:27影片生成的難處資料密集、多半只有短片段、不確定怎麼加標註、生成成本高，還要處理時間上的一致性。Pika、Midjourney 的團隊都很小，主持人認為這是少數靠一小撮人就能做到最前線的領域。
11. 16:52創意產業的商業價值圖像、影片、音訊感覺比較垂直，但創意領域其實很商業。Midjourney 的規模推翻了早期「有多少人要做圖」的質疑，用途多是溝通、行銷與廣告。
12. 19:42市場擴張也在縮水這類工具同時擴大市場、也讓成本掉到十分之一或百分之一。其中一位說，是把低毛利的服務收入換成高毛利的軟體收入，並以 Anduril 與傳統國防承包商的 cost plus 模式為例。
13. 22:19五個有牽引力的生意有人說 AI 只有五個生意有明顯牽引力：foundation models、Midjourney、Copilot、inference 平台與另一項。主持人把現在比作 1996、1997 年的網路，容易做的先出現，也會有一堆看起來很蠢的東西。
14. 24:21結尾的玩笑Elad 開玩笑要 Sarah 把 Conviction 的基金改名叫 conviction star，兩人接著扯到 T-shirt 與 No Priors 龍舌蘭酒，然後收尾。

值得記的話5 句

• the first obvious lesson is that governance matters, right第一個明顯的教訓就是治理很重要01:10

• money matters, right? The factors of production are labor and capital, and compute is the AI specific form of capital錢也很重要，生產要素是勞力與資本，compute 是 AI 專屬的資本形式01:57

• anytime I think I understand the importance of incentives I realize that I'm underestimating the importance of incentives其中一位主持人引 Charlie Munger 的話：每次我以為自己懂了激勵有多重要，就會發現自己還是低估了05:51

• you're simultaneously growing the market and shrinking it市場同時在擴大，也在縮小19:42

• it's very hard to tell what's actually a good idea in a new market like this在這樣的新市場裡，很難分辨什麼才是好點子23:51

名詞與人物10 個

tender offer

這集提到 OpenAI 員工在意其價值的 86 billion tender offer。

Charlie Munger

主持人說 Charlie Munger 就在錄音當天過世，並引了 Munger 談激勵的話。

Shopify

主持人舉的例子，說它把使命與績效文化講得很清楚。

proxy

能用同一個 SDK 查詢多個模型、做負載分流或比較表現的中介層。

second source

企業想保留的第二個供應商，常常是為了議價。

diffusion model

這集用來做圖像、影片與音訊生成的模型類型，與 LLM 對照。

Pika

兩位 Stanford 博士生做的 text to video 新創。

Midjourney

主持人用來說明創意工具市場規模的例子。

Anduril

主持人用來說明低毛利服務轉成高毛利產品的國防公司。

cost plus

國防承包商的定價方式，利潤是成本上加一個固定百分比。

提到但沒有展開

• 主持人談到 Mistral 在相對小的參數量下做出有趣的推理能力，是「一旦有人證明可行，人才就會湧入」的例子之一。
• 主持人說，軟體支出大約是一年 500 billion，服務支出是一年 3 到 5 trillion，把服務轉成軟體時，毛利金額反而會擴大；說話的人自己也講數字要再查證。

在 YouTube 看原片 ↗