No Priors 的 AI 產業地圖

主持人是兩位創投

主持人對談

主持人對談 · 不在地圖上

主持人
Sarah Guo、Elad Gil
這一類
21 集,沒有來賓
第 086 集的縮圖

086 · 2024 · 這一集

消費端 AI、o1 與諾貝爾獎

086 · 消費端 AI、o1 與諾貝爾獎

29:29YouTube 上架 2024-10-17

No Priors Ep. 86 | With Sarah Guo & Elad Gil

兩位主持人從 NotebookLM 聊到遊戲 NPC、AI 伴侶、o1 的新擴展方向與諾貝爾獎,最後談哪些軟體與服務業最容易被 AI 動到,哪些撐得住。

086 講了什麼

  • NotebookLM 的亮點不只是語音主持人覺得它把文件變成可以互動的東西,再加上語音討論,是資訊探索的一步前進。另一位主持人則說自己只把它當成接在資料上的現成 RAG 介面。
  • 消費端 AI 多從工具起家ChatGPT 本來是一場實驗,Perplexity 偏 prosumer,Midjourney 也有不少偏專業的付費用途。上一波消費浪潮是商務、搜尋與社交,這一波偏資訊與內容生成。
  • 人際連結變成新議題談到 AI 伴侶、人工子宮,主持人擔心人與人之間的疏離。其中一位也預期,大量機器生成的訊息會讓人對「真人來信」的回覆義務感下降。
  • o1 被當成新的競爭維度主持人說它靠測試時多用運算,擅長數學、程式這類要反覆推理的題目。實測下來並不是每個面向都明顯比 GPT-4o 好,但一位主持人認為重點是多了一條新的 scaling 方向,另一位把它比作這條路線的 GPT-2。
  • 最值得看的是大量人力的工作一位主持人覺得比起取代既有 SaaS,更有意思的是增強或取代大量在做「email jobs」的人,客服是例子;也談到垂直 SaaS、網站代管與 Canva 化的風險。
  • 有些公司「AI durable」Rippling 被舉為例子,鐵路則是非軟體的極端例子。但主持人也認為只是資料庫外面包一層生態的系統型公司,風險較高。

從哪一段開始看15 段

  1. 00:02NotebookLM 的魅力開場先寒暄,接著談 NotebookLM。主持人提到自己在 Stanford 辦的學生專案,其中一個日記工具會在旁邊用不同角度解讀內容。
  2. 02:26當成 RAG 介面用另一位主持人說自己不用語音功能,只當成接在資料上的 RAG 介面。兩人同意任何內容都可以變成能互動的東西。
  3. 03:48消費應用的起點ChatGPT 是實驗、Perplexity 偏研究與搜尋、Midjourney 有專業用途;這一波偏資訊工具,不像上一波是商務、搜尋與社交。
  4. 04:52遊戲與 NPC談 NPC 與真人難分的可能,以及遊戲裡出現延遲夠低的 agent 動作;另提到 Stanford 團隊用生成式方法做無限關卡,以及玩家自製擴充。
  5. 08:12每個世代的日記類產品從 Geocities、Tumblr 到 LiveJournal,每隔一代就有一種,主持人說目前還沒有現代版本,AI 可能補上。
  6. 08:58AI 伴侶與孫輩一位研究員朋友認為兒子可能找 AI 當伴侶;主持人覺得這會變成哲學與政治問題,並說自己仍想要孫輩。
  7. 10:40人工子宮與疏離一位主持人說,從支持變成擔心人工子宮,因為近二十年的趨勢是人與人脫節;也拿疫情封城的孤立作比較。
  8. 13:36真人溝通的溢價預期近期就會出現人機約會與情感依賴,真人來信要求回覆的壓力將降低,變成機器跟機器通信。
  9. 14:21o1 與測試時運算解釋 o1 在測試時擴增運算,適合要反覆推理的任務;業界反應不一。一位主持人拿同事出的擲硬幣謎題去試,給了提示也逼不出正確答案,花了三個半小時。
  10. 17:41諾貝爾獎物理獎給了兩位 AI 的先驅,化學獎給了 Demis 等做蛋白質折疊的人;主持人對物理獎是否推進物理有疑問,化學獎則認為實至名歸。
  11. 20:51誰最容易被取代主持人把重點放在取代或增強大量人力的場景,客服是例子,多語言與全天候是加分項,語音模型會推進這件事。
  12. 23:11垂直 SaaS 的風險談 Constellation Software 這類買下許多小型垂直軟體的公司,以及這些軟體被使用者自己生成取代的可能。
  13. 25:02網站代管與 Canva 化網站代管公司要大幅轉型,部分輸出不需要 Adobe 那種完整控制,會拿控制權換成本與速度。
  14. 25:51「AI durable」的公司鐵路與 Rippling 屬於 AI 影響不大的類型;Rippling 的最大風險是客戶人數減少導致席位減少。
  15. 27:12系統型公司的弱點系統型公司不能一概視為安全,只是資料庫加生態的類型風險更高;從原始資料生成更好的資料集,可能先從中小企業切入。

值得記的話5 句

  • the premium put on humanlike communications is is going to decrease真人式溝通的溢價會下降13:36
  • a new dimension of competition重點是多了一個新的競爭維度16:10
  • where are there large numbers of people effectively doing email jobs哪裡有一大群人實際上在做 email 型的工作22:08
  • I call like AI durable the ones where AI doesn't matter that much我稱為「AI durable」的,是 AI 影響不大的那些25:51
  • a data store pretending to be something more只是個資料庫,卻裝成更大的東西27:27

名詞與人物8 個

NotebookLM
Google 的產品,可上傳文件並生成兩個 AI 用語音討論內容的 podcast 式輸出,也可當成接在資料上的 RAG 介面。
RAG
對文件建立索引後再問答的做法,主持人拿來形容 NotebookLM 的用法。
o1
OpenAI 的模型,靠測試時多用運算,適合數學、程式這類要反覆推理的任務。
test-time compute
在回答時增加運算量,是主持人眼中 o1 帶來的新擴展方向。
AI durable
主持人的說法,指 AI 對其影響不大、因而不易被衝擊的公司。
Constellation Software
被舉為每年買下許多小型垂直軟體公司並彙整起來的例子。
Rippling
被舉為 AI durable 的軟體公司,也提到最大風險是客戶人數下降。
Sierra / Decagon
談客服時提到的兩家公司,Decagon 是其中一位主持人有參與的公司。

提到但沒有展開

  • 主持人提到可以辦一個「AI 版諾貝爾獎」,請聽眾投稿提名和平獎得主。
  • 關於遊戲,另一個提到的方向是玩家自己做 mod 與擴充,AI 可以讓使用者超越發行商的範圍擴展世界。

在 YouTube 看原片 ↗

同一層的其他集主持人對談 · 21 格

聽眾問答:開源、監管與炒作014市場對 AI 看錯的三件事020GPU 缺貨、agent 路線與 2024 市場027模型再好十倍百倍的路035OpenAI 風波與影片生成0422023 年度精選片段046模型新局、財報與 AI 資本支出054模型變多之後,錢與機會在哪059小模型上裝置,AI 撞上能源牆0632024 上半年精選回顧071泡沫論、AI 收購與孵化072LLM 整併、版權風險與晶片新局081消費端 AI、o1 與諾貝爾獎0862024 年度精選:七段訪談片段095DeepSeek、deep research 與 2025 預測100吉卜力風潮、總經與模型分化109市場收斂、合併與冷門生技1162025 年的九段精選片段1382026 年 AI 預測與朋友的答案144SaaS 末日論是不是喊得太早151兆美元公司與 token 預算171