主持人對談

059 · 模型變多之後，錢與機會在哪

26:03YouTube 上架 2024-04-11

No Priors Ep. 59 | With Sarah Guo & Elad Gil

兩位主持人回頭看近幾週的模型發布，聊資金從哪裡來、哪些領域意外沒人做、agent 的介面怎麼變，以及為什麼這一波先從消費端長起來。

059 講了什麼

• GPT-4 等級的模型會變多Sarah 認為今年底很可能有好幾個 GPT-4 等級的模型，其中有些是開源，一年前大家預期的壟斷或寡占局面已經改寫。接著的回應則認為最前沿的模型未來幾年仍會集中在少數玩家手上，模型變多之後，雲端業者也能分到很多價值。
• 資金多半來自大公司Elad 說 VC 投進單一公司的是數億美元，雲端大廠與 big tech（包括 NVIDIA）投的是數十億，VC 比較像是起步的那一輪。只要能帶動雲端營收，雲端業者就有誘因繼續出錢。
• 新的 foundation model 出現在別的領域Elad 預期新的語言模型會變少，音樂、影片、圖像、物理、生物、材料科學、機器人等領域的模型則正在拿到資金。
• 很多空白沒人填一位主持人覺得奇怪，同一個熱門方向一次擠進一打聰明團隊，別處明顯的機會卻沒人做。兩人各給一種解釋：創業浪潮常有「該做什麼」的 meme 在流傳，而研究者跟財務、會計這些領域的人又太少交流。
• agent 的介面在換一位主持人說 Devin 把計畫、shell、程式碼與聊天分成四個分頁，讓人看得到 agent 在做什麼、隨時介入；現在的 agent 像很積極的 junior intern，等 agent 夠強，這些介面最後會消失。
• 消費端與 prosumer 先起來一位主持人說企業要走決策、資安與 roadmap 的流程，一年內做到數百萬企業用戶很難，一個月 10 美元的個人工具決定起來快得多。另一位拿第一波網際網路、email 與行動浪潮對照，認為這一波的順序很像。

從哪一段開始看14 段

1. 00:02開場兩位主持人自己對談。Elad 提到近一兩週接連有新模型發布，包括 Claude 與 Databricks，問 Sarah 怎麼看。
2. 00:33模型版圖改寫Sarah 說今年底很可能有好幾個 GPT-4 等級的模型，部分開源；Mistral 與 Databricks 的 DBRX 改變了大家對「幾千萬的算力能做到什麼」的看法，Databricks 團隊還提出 Mosaic's law。
3. 02:10最前沿與雲端接著的回應認為最強的模型未來幾年仍會由少數玩家掌握；底下的模型變多之後，價值可能流向替各家模型代管的雲端業者。
4. 03:11Microsoft 與 Inflection其中一位主持人解讀 Microsoft 是 AI 的 true believer，需要懂 AI 的產品與研究領導；雖然仍和 OpenAI 合作，從外面看也很難不把這筆交易當成一種 hedge。
5. 05:21語音複製OpenAI 發表語音複製後，主持人討論大公司遲遲不放出語音模型的原因，主要是深偽等社會與法規疑慮，也提到可以讓聲音的主人做 attestation 來驗證。
6. 06:54誰在出錢Elad 說基礎模型的資金多半來自雲端大廠與 big tech，中國也一樣；並以 Microsoft 財報提到 Azure 靠 AI 成長為例，說明雲端業者出資的誘因。
7. 08:14新的模型領域新的語言模型會變少，音樂、影片、物理、生物、機器人等領域的模型開始拿到資金，預期先由 VC 投前幾輪，之後換成大型策略投資人。
8. 09:31挑領域的框架回答從「還缺哪些能力」切入，點出 time series 的異常偵測與各種監測場景；也提到機器人與生技有好幾支團隊同時用 foundation model 拿出領先成果，問題在選對產品路徑。
9. 12:41空白與 meme一位主持人說有些方向一次擠進一打團隊，別處卻沒人做，所以又開始自己孵化。另一位以行動浪潮的照片 app 為例：創業 meme 常常是對的，但要等到對的產品形式才留得下來。
10. 15:01財務與會計被忽略一位主持人認為處理財務或會計資料是更直接的商業路徑，但會計人員與研究者之間太少交流；另一位補充，幾個領域的技術突破也提供了 why now。
11. 16:35影片生成影片需求沒有上限，但介面、可控性、長度與品質都還有很長的路；一位主持人投資的 HeyGen 專做影片 avatar，透過限制部分創作維度來降低門檻。
12. 20:16agent 與 Devin 的介面從 Devin 的四個分頁談到使用者想看見並介入 agent 在做的事；agent 像 junior intern，等能力夠了，介面最後會消失。
13. 22:42prosumer 先起來很多大型 AI 用例其實是 prosumer；主持人說企業採用慢，消費端靠產品本身帶來分發，並引用 Canva 的數字。
14. 24:49與網路浪潮對照第一波網際網路先是消費者、後來才是 B2B；email 與行動浪潮也類似，這一波最早的採用者同樣是個人。

值得記的話5 句

• most of the funding of this Market is actually being done by the hyperscalers and a few other big tech companies這個市場大部分的資金，其實是 hyperscaler 和少數幾家 big tech 出的07:09

• there's a dozen search engines before Google there's a dozen social networks before FacebookGoogle 之前有一打搜尋引擎，Facebook 之前有一打社群網路14:46

• the way to think about agents today I feel is almost like a junior intern they're very eager they're trying really hard to please我覺得現在的 agent 幾乎就像 junior intern，很積極、很努力想讓你滿意21:38

• it is very very hard to get to millions of Enterprise users in a year simply because of the decision making and like security processes一年內要做到數百萬企業用戶非常難，光是決策和資安流程就卡住了23:29

• the very first adopters of this technology your consumers and prosumers這項技術最早的採用者是消費者和 prosumer24:49

名詞與人物11 個

DBRX

Databricks 的模型，Sarah 用來說明不需要巨額算力也做得出有競爭力的模型。

Mosaic's law

Databricks 團隊提出的看法：同一個能力等級的模型，所需的資本投入每年降到四分之一。

hyperscaler

雲端大廠；Elad 說基礎模型的資金大半來自這群公司。

foundation model

主持人用來泛指各領域的大型基礎模型，不限於語言。

attestation

語音複製的一種驗證做法：第一次上傳聲音時，由聲音的主人確認是本人。

time series

主持人長期關注、認為還沒解決的問題，應用在異常偵測、基礎設施監測、資安與醫療等場景。

Camera Plus

比 Instagram 更早做濾鏡的照片 app，每次下載收 20 美元，是一間不想做大的獨立開發小店。

Applied Intuition

做模擬軟體的公司，Elad 舉它為多年來在行為建模上做出成果的例子。

Devin

Cognition 的 agent 產品，介面分成 plan、shell、code、chat 四個分頁。

prosumer

介於一般消費者與專業用戶之間的使用者；主持人認為 AI 的第一波大用例多半在這群人身上。

Canva

主持人說它 1.7 billion 的 ARR 裡有 1 billion 來自 prosumer。

提到但沒有展開

• 一位主持人認為不該把影片只當成一個待解的模態：為商業用途控制影片，跟通用多模態模型裡的影片生成與理解是不同的問題。
• 談語音複製時，主持人提到開源也早有 Tortoise 這類版本，好幾家公司手上可能已經有這項技術一兩年卻一直壓著，競爭少得令人意外。

在 YouTube 看原片 ↗