The State of AI with Marc & Ben
01:13:53 Share

互联网上创建的大部分内容都是由普通人创建的。因此，平均而言，整体内容的平均水平也就是平均水平。

检验你的想法的标准是，你能收取多少费用，你能收取价值还是仅仅收取客户在其之上添加自己说唱歌手所需的工作量。

这里的悖论是，开发特定软件的成本是错误的。但其结果是需求的大量激增，增强了我们的能力。

我认为这是人们一直低估的一点，那就是我们想出我们需要的新事物的能力。

没有大型的数据市场。事实上，在这个人工智能浪潮中，存在的是非常小的数据市场，大型科技公司拥有巨大的计算和数据优势。但这种优势是否足以吸引所有其他试图崛起的新兴企业？在本集中，我们很高兴地邀请到联合创始人马克·里森和本·霍维茨，他们都曾亲身经历过之前的几次科技浪潮，来探讨人工智能的现状。

那么，定义成功的 AI 公司的特征是什么？预备数据是新的石油吗？或者它的实际价值有多少？这些模型的实际效果到底有多好？要让它好一百倍需要什么？马克和本讨论了所有这些问题，以及风险投资模式是否需要更新以适应周围发生的一切变化。当然，如果您想听到更多来自 Benchmark 的内容，请订阅 Ben & Marc 播客。好了，让我们开始吧。

这是资本主义最黑暗的一面。一家公司如此贪婪，以至于为了获得额外利润而甘愿摧毁国家，甚至可能是世界。

他们这样做就像他们哭喊着说：“这是为了安全！我们创造了一个我们可以控制的外星人！”

但我们不会停止工作。我们将继续以最快的速度建设，我们将购买地球上所有该死的GPU。但是我们需要政府介入，阻止这种情况发生。谷歌和微软目前的立场简直令人疯狂。

此处内容仅供参考，不应被视为法律、商业、税务或投资建议，也不应被用于评估任何投资或证券，并且并非针对任何 a16z 基金的投资者或潜在投资者。请注意，a16z 及其关联公司可能会持有本文讨论的公司投资。

它可能会持有本文播客中讨论的公司投资。有关更多详细信息，包括我们投资的链接，请访问 a16z.com/disclosures。大家好，欢迎回来。我们今天有一个精彩的节目。我们将讨论人工智能这个非常热门的话题。

我们将关注人工智能的现状，即 2024 年 4 月的现状，我们将特别关注人工智能公司建设的交叉点。因此，希望这对任何在大型公司工作的人来说都是相关的。

我们像往常一样，在 X（以前称为 Twitter）上征集了问题，这些问题非常棒。因此，我们有一系列听众问题，我们将直接深入探讨。第一个问题是关于同一主题的三个问题。迈克尔问道：鉴于即将到来的 AI 能力，创始人现在应该专注于构建什么？

当有人问到小型 AI 新兴企业如何与拥有巨大计算和数据规模优势的成熟企业竞争时，艾丽莎·麦凯问道：对于初创企业来说，在 OpenAI 等之上进行构建，哪些关键特征的公司将受益于基础模型的未来昂贵改进，哪些公司将被它们淘汰？让我先说一点。本，轮到你了。

山姆·奥尔特曼最近接受了一次采访，我认为是在三个不同的播客中，实际上说了一些我认为非常有帮助的话。让我们看看你是否同意。他说了一些类似于这样的话：你自己想当然地认为，大型科技公司推出的大型基础模型将会变得更好。

所以你想当然地认为它们会变得好一百倍。作为一个初创企业创始人，你想想，好吧，如果当前的领先模型变得好一百倍，我的反应是，“这对我和我公司来说太棒了”，因为我因此会好得多，还是你的反应恰恰相反，“哦，糟糕，我麻烦大了”？我们就在这里停一下，看看你对此有何看法。

作为温和的建议，我认为总的来说这是对的。但这里有一些细微之处，对吧？我认为从山姆的角度来看，他可能在劝退人们不要构建基础模型，我不确定我是否完全同意这一点，而且很多构建基础模型的公司做得非常好。

有很多原因。一个原因是架构上的差异导致模型有多聪明，模型有多快。

还有模型在特定领域的性能如何，这不仅适用于文本模型，也适用于图像模型。不同的领域，不同类型的图像对提示的反应不同。如果你向我的旅程和 Instagram 提问相同的问题，它们会根据其微调的用例以非常不同的方式做出反应。

然后还有整个蒸馏领域，你知道，山姆可以构建世界上最大、最聪明的模型。然后你可以作为一个初创企业走进来，对其进行蒸馏版本，并以低得多的成本获得一个非常非常聪明的模型。所以有些事情，是的，大公司的模型会变得更好，在它们擅长的方面会好得多。

所以你需要处理这个问题。因此，如果你试图正面硬刚，你可能会有一个真正的问题，因为他们有很多钱。但如果你做的事情足够不同，或者，你知道，不同的人。例如，在 Databricks，他们有一个基础模型，但他们以一种非常特殊的方式与他们的领先数据平台结合使用。

所以，现在，如果你是企业，你需要一个了解你企业数据模型如何工作以及事物含义的模型，并且需要访问控制以及需要使用特定数据和主要知识等等，那么如果山姆的模型变得更好，这不会真正伤害他们。同样，ElevenLabs 的语音模型已经嵌入到每个人中。每个人都将其用作 AI 堆栈的一部分。

因此，它在开发者中非常流行。然后你知道他们对所做的事情非常公平，并且非常专注于他们的领域。所以有些事情我认为非常有前景，并且是明智的，但并没有真正与 OpenAI 或谷歌或微软竞争。所以我认为这听起来比我作为初创企业创始人会解读的要更谨慎一些。

我坚持一点。让我们从一个问题开始：我们是否认为大型模型，上帝模型，

会变得好一百倍？我有点这么认为，我不确定。如果你考虑一下语言模型，让我们来谈谈这些，因为它们可能是大多数人最熟悉的。我认为，如果你看看最顶尖的模型，比如 Claude 和 OpenAI 和 Mistral LLaMA，我觉得只有研究它们的人才能分辨出这些模型之间的细微差别。你知道，它们已经非常接近了。所以你知道，如果你期望我们谈论的是好一百倍，那么其中一个可能会比其他模型更脱颖而出，但改进一百倍，以什么方式？对于普通用户来说，以普通的方式使用，比如向它提问并找出一些东西。

让我们说知识和能力范围的某种组合。

是的，我认为在某些方面你是对的。

但也要结合答案的复杂性，输出质量的复杂性，输出的复杂性，缺乏毒性，事实依据。

好吧，我认为这肯定能好一百倍。啊，我一直在朝着这个方向努力。与之对抗的事情，对吧，对齐问题，好吧，是的，它们越来越聪明，但它们不允许说出它们知道的事情。

然后对齐也混合了一些愚蠢的东西。最近出现的一个问题是，我们是否需要突破才能从我们现在拥有的东西，如果我愿意，类别中，

人工智能与人工通用智能相对立，这意味着它是我们的人工版本。我们已经使用我们的语言、想法和人员以某种方式构建了世界，它非常擅长学习这一点。太神奇了。

它可以完成我们能够完成的许多步骤，但都在我们能力范围内，或者你需要突破才能达到某种更高水平的智能或通用智能。我认为，如果我们处于能力范围内，那么在某些方面它不会好一百倍，因为它相对于任务来说已经相当好了。但是，是的，它会做更多的事情，它会减少毒性，在所有这些方面都会好一百倍。但是，一切都有。

这张图在流传。我不记得确切的坐标是什么，但它基本上显示了不同模型的改进情况。正如你所说，这表明相对于当前的测试，人们正在使用这种类似于或略高于人类水平的东西，是的，这正是你如果用全部数据进行训练所期望的。

现在，对此的反驳是，测试只是样本，有点像这个问题：我应该参加 SAT 吗？如果你有很多人的数学和语文都得了 100 分，那么 SAT 的量表是否太粗糙了，你需要一个能够真正测试爱因斯坦的测试。

记住我们现有的测试。

这很好，对吧？但你可以想象一个 SAT，它真的可以检测到那些拥有超高智商、数学能力超强的人。你可以想象一个 AI 的测试，你可以想象一个关于人类水平推理的测试。

是的，也许 AI 需要编写测试。

AI 需要编写测试。是的，还有一个相关的问题经常出现，我们内部一直在争论，但很有挑衅性。这个问题出现了，那就是，好吧，你已经获取了所有在互联网上训练的数据？互联网数据是什么？互联网数据语料库是什么？它是所有内容的平均值，对吧？是对人类活动的一种表示。

具有代表性的活动将是已知的，因为人口的智力分布，大部分都在中间某个地方。因此，平均而言，数据集代表平均水平，你将得到非常平均的结果。是的，你将得到非常平均的结果，因为互联网上创建的大部分内容都是由普通人创建的。

因此，平均而言，整体内容的平均水平也就是平均水平。因此，答案是平均值，对吧？你将得到。

答案代表了普通人所创造的那种东西，你肯定会得到一个以中心为中心的 100 个指数，因此，根据定义，你得到的基本上是平均值。我实际上认为这可能是今天默认 p 的情况。

就像你只是问它，地球是绕太阳转还是什么的？你会得到这个的平均值。也许这很好。

这引出了一个观点，好吧，平均数据可能是普通人的数据，但数据集也包含所有杰出人物撰写和思考的所有内容。所有这些都在里面，对吧？所有那些杰出人物，他们的东西都在里面。

因此，这引发了一个提示问题，即如何提示它才能基本上，才能基本上导航到所谓的潜在空间的不同部分，导航到数据集的不同部分，这基本上就像超级天才部分。你知道，这些东西的工作方式是，如果你以不同的方式设计流程，这实际上会在数据集中引导它走不同的路径。另一个例子是，如果你要求它编写正确的代码来执行 x，编写正确的代码，排序器，你知道，无论什么渲染图像，它都会给你平均的代码来做到这一点。

如果你说，为我编写安全的代码来做到这一点，它实际上会编写更好的代码，没有安全漏洞，这非常有趣，对吧？因为它正在访问训练数据的不同部分，即安全代码。如果你要求它像约翰·卡马克那样编写图像处理程序，你会得到更好的结果，因为它正在利用约翰·卡马克所代表的潜在空间的一部分，他是世界上最伟大的图形程序员，所以你可以想象在许多不同的领域中设计提示，这样你就可以解锁潜在的超级天才，即使它不是。

默认答案是肯定的，我认为这是正确的。我认为它的智能仍然存在潜在的限制，我们在公司里讨论过这个问题，世界非常复杂，智能某种程度上是，你知道的，你对世界的理解、描述和表达能力有多好，但是我们目前的人工智能迭代包括人类对世界的结构化，然后将我们想出的这种结构输入到人工智能中。

因此，人工智能擅长预测人类如何构建世界，而不是预测世界实际的样子，这可能是更复杂的事情，也许是不可简化的或其他什么。那么，我们是否会达到一个极限，比如它可以非常聪明，但它的极限将是聪明的程度，我想，比人类聪明。

它能否找出全新的事物，新的物理定律？当然，到目前为止，大约只有三亿分之一的人类能够做到这一点。这是一种非常罕见类型的智能。

所以，这仍然使人工智能非常有用，但它们扮演着不同的角色。如果它们是人工人类，那么如果它们像人工的，你知道的，超级神奇的人类。是的。

所以，让我为100倍的改进做一个极端的论证，因为好的。所以，CNC会说，Sam Altman会说，如果他们没有做到，他们会变得好100倍。

是的，是的，是的，是的，对的。

因为你基本上是在说，为了吓唬人们。

竞争，就像那样，无论他们是否会变得好100倍，Sam很可能会这么说，就像Sam，对于那些不认识他的人来说，他是一个非常聪明的人，但他肯定是一个有竞争力的天才。关于这个问题的一个问题。所以你必须考虑到这一点。

对吧？所以，如果他们会变得好很多，他会这么说。但当然，如果他们会变得好很多，按照你的说法，他也会这么说。

但同样，是的，为什么不呢？对吧？所以，让我来做一个乐观的论证，他们会变得好100倍，或者甚至在很长一段时间内每CR都会好很多。

我认为，在我即将说的每一件事上，都存在巨大的争议。但是，你可以在这个领域找到非常聪明的人，他们基本上相信我即将说的所有事情。所以，首先，在真实网络内部正在发生泛化学习。

我们知道这一点，因为我们现在有了内省技术，你可以真正进入并查看神经网络内部，查看在训练过程中涉及的神经回路。而且你知道，这些东西正在进化，成为通用的计算函数。最近有一个案例，有人在一个胸部数据库上训练了其中一个。

你只是训练，很多只是游戏，实际上计算了一个胸部模型，你知道的，在神经网络内部，而且你知道，它能够做出原创的动作。所以神经网络的训练过程似乎确实有效。然后具体来说，不仅如此，而且Meta和其他公司最近一直在谈论所谓的过度训练是如何工作的，这基本上是继续用相同的数据训练相同的模型更长时间，对它投入更多的计算能力。我和该领域的各种人谈过，包括那些基本上认为这实际上效果很好的人。人们担心过度训练会带来边际收益递减。

他们在新的Llama发布版中证明了这一点，对吧？这是他们使用的一种主要技术，是的，完全正确，就像一个人。

基本上告诉我，我们现在不一定需要更多的数据来改进这些东西。我们可能只需要更多的计算能力。我们只需训练100倍的时间，它可能会好很多。

所以，在加载它的那天，事实证明，监督学习最终会极大地促进这些事情。

是的。所以我们有了这个。我们有各种各样的自我改进循环的各种传闻和报告正在进行中。

而且该领域的大多数超级先进的观察者认为，现在有一些形式的自我改进循环有效，这基本上是，你基本上让一个人工智能去做所谓的链式思维。你让它一步一步地解决问题。你让它做到这一点，我知道怎么做。

然后你基本上用答案重新训练人工智能。所以你基本上是在做一种在推理能力的循环中进行的四叶升级。所以很多专家认为这种事情现在开始奏效了。

然后关于合成数据仍然存在激烈的争论，但是相当多的人实际上非常……然后甚至还有这种权衡。存在一种动态，比如大型语言模型可能擅长编写代码，但它们可能非常擅长验证代码。不，它们实际上可能比编写代码更擅长验证代码。

代码比他们准备的要好。

而且会，是的，但这同时也意味着，人工智能可能会。

成为代码的制造者，并且。

而且我们有这种反直觉的偏差，在这些事情上非常具有欺骗性，因为你想到模型和它。所以这就像，你怎么可能有一个比现实中编写代码更好的AI，但它还不是一个AI，它是什么，它是一个巨大的延迟？空间是一个巨大的神经网络。

而且零点是，神经网络中用于编写代码和验证代码的部分完全不同，而且一旦网络不需要在两者上同样出色，就没有一致性要求。谢谢。所以如果它在其中一个方面更好，对吧？所以，它擅长的事情可能能够使它不擅长的事情变得越来越好。

对，对，对，一种自我改进的东西。

然后最重要的是，还有其他事情正在发生，那就是所有这些实际的事情，那就是现在存在巨大的芯片限制。所以今天任何人使用的任何人工智能，其能力基本上都受到芯片可用性的限制，但这会随着时间的推移而解决。还有一些数据标记的问题。

这些东西现在有很多数据，但是世界上还有更多的数据。而且，至少在理论上，一些阅读人工智能的公司实际上正在付费生成数据。顺便说一句，即使是像开放的第一个数据集，它们也变得越来越好。

所以有很多改进正在到来，然后有很多资金涌入这个领域来支持所有这些。顺便说一句，还有一些系统工程工作正在进行，对吧，那就是我们目前的大多数系统都是基本的。它们是由科学家建造的，现在真正世界级的工程师正在出现并对其进行调整，使其工作得更好。也许这就是。

这使得训练变得更加高效，顺便说一句，不仅仅是推理，还有微调，完全正确。然后甚至。

你知道，另一个改进领域是微软昨天发布了他们的5亿参数的英语模型。显然，作为一个非常小的模型，它与更大的模型具有竞争力。他们说他们做的一件大事是，他们基本上优化了训练集。

所以他们特别去除了训练中重复的数据，他们真的在一个小数量的训练数据上进行了优化。嗯，少量高质量的训练数据接近大多数人训练的大量低质量数据。你加起来，你得到了八到十种不同类型的实际和理论改进向量，所有这些都在发挥作用。我很难想象这些向量中的一些组合不会导致从这里开始真正巨大的改进。

我绝对很高兴。我认为这肯定会发生，对吧？就像如果你回到Sam的命题，我认为如果你是一家初创公司。

而且你就像，好吧，两年后我就能达到GPT4的水平，你不应该这样做，对吧？但是，那将是一个严重的错误。好吧。

这也涉及到，你知道的，我们很多企业家害怕给出例子。所以你们很多人都在试图弄清楚，好吧，我真的认为我知道如何构建一个能够在营销方面做得非常好的SaaS应用程序。AI只是做了一个非常相似的事情，一个非常非常相同的事情。

所以我为此构建了一个完整的系统，结果会不会是，六个月后，大型模型在制作营销内容方面会更好，只需一个简单的提示，以至于我的看似复杂的系统变得无关紧要，因为大型模型只是做到了这一点。是的，是的。

我们如何看待这种情况？你知道，另一种思考方式是对许多当前AI应用程序公司的批评，它们是围绕GPT的包装器。它们是围绕核心模型的薄薄的包装层，这意味着核心模型商品化成员显示它们。

当然，反驳的论点是，这有点像称所有旧的Web应用程序都是围绕数据库的包装器，围绕数据库的包装器。事实证明，围绕数据库的包装器就像大多数现代软件一样。而且很多这样的东西实际上都非常有价值。而且事实证明，围绕校正有很多事情可以构建。所以是的，所以当我们运行时，我们该如何看待这个问题。

那些考虑构建应用程序的公司？是的，你知道这是一个非常棘手的问题，因为也存在这种校正差距，对吧？所以你为什么会有Copilot？飞行员在哪里？对吧？哪里有AI飞行员。

只有AI副驾驶。在绝对的所有事情上，都有一个人在循环中。这实际上归结于这一点，你知道的，你不能相信AI是正确的。

在制作图片或编写程序或晚餐时，甚至像这样，在不进行观察的情况下编写法庭简报，你知道的，所有这些事情都需要人类，而且事实证明，这相当危险。不。然后我认为，所以现在很多应用程序层的人都在说，好吧，为了让它真正有用，我需要把这个副驾驶变成一个驾驶员。

我能做到吗？所以这是一个有趣且困难的问题。然后还有一个问题是，这在模型层面做得更好，还是在顶层做得更好，你知道的，通过做一些事情，比如代码验证等等，从模型中提取正确的答案？或者这是模型将来能够做的事情吗？我认为这是一个悬而未决的问题。

然后，你知道的，当你进入领域，并且你知道潜在的表示事物时，我认为这与模型擅长的事情有一个不同的维度，那就是流程是什么，这在数据库中是旋转的。所以在数据库的类比中，在律师事务所中，有一部分任务是撰写简报，但还有其他50项任务和事情必须整合到公司的运作方式中，比如流程、它的编排。也许有一些，你知道的，在很多这些事情上，比如如果你正在制作视频，有很多工具。

音乐也是对吧？就像，好吧，谁来写歌词，哪个AI来写歌词，哪个AI来想出音乐。然后，所有这些是如何结合在一起的，我们如何整合它等等？这些事情往往需要真正理解客户等等。

而且，这通常是过去应用程序与平台不同的方式，就像对客户如何使用它以及想要如何运作有真正的了解，这与智能本身无关，或者只是与平台的设计目的不同。从平台中获得这一点对于公司或个人来说非常困难。所以我认为这些事情不太可能奏效，你知道的，特别是如果流程非常复杂，而且作为一家公司，你知道的，我们更努力地工作，技术或结束。

我们一直都在努力解决这些问题。你知道的，就所有这些而言，这就像为水管工找到解决方法的一些应用程序。我们想，技术在哪里？但是你知道，很多都是关于如何编码，嗯，某种程度的领域专业知识，以及现实世界中事物的工作方式如何反馈到软件中。我经常认为我已经。

英特尔创始人认为你可以从价格的角度来考虑这个问题。你可以用价格来反向工作一点，也就是说，业务价值和你能收取什么费用，也就是说，任何技术要做的特殊事情是说，我有这种技术能力，我要对人们说，我要为此收取多少费用？这将是成本、提供它以及你能证明的任何加价之间的某种平衡，我认为，如果我没有垄断，也许市场是无限的，但技术向前发展，供应向前发展到价格模型。

商业价值的定价模式完全不同。所以，你知道所谓的价值定价，基于价值的定价，这基本上是一种定价模式，它说，好吧，客户对这件事的商业价值是多少？如果商业价值是一百万美元，我能收取其中的10%，得到十万美元吗？或者其他什么？然后，你知道为什么这要花十万美元而不是五千美元？因为对客户来说价值一百万美元，所以他们会支付10%。

对IT来说，是的。我有一个很好的例子，在我们投资组合中竞争的公司，Christa ee，它做的事情像债务催收。

所以，如果我能用我的副驾驶类型的解决方案，用更少的人员催收更多的债务，那值多少钱？好吧，它的价值远不止购买OpenAI许可证，因为OpenAI许可证不会轻易催收债务，而我的解决方案能让债务催收员效率大幅提高。所以，它弥合了价值之间的差距。

我认为你提到了一个非常重要的点，检验你的想法是否好的标准是，你能为此收取多少费用？你能收取与价值相当的费用吗？或者你只是收取客户在其之上添加自己包装的OpenAI所需的工作量？这就是衡量你所做的事情的深度和重要性的真正标准。

是的。正如你所说，技术投资者很难准确思考的业务类型是，该公司是一个供应商，它构建了一些东西，这是一个针对特定业务问题的特定解决方案。事实证明，这个业务问题对客户来说非常有价值。因此，他们会支付提供价值的一部分作为价格。这实际上表明，你可以增加那些技术上并不具有差异化，但实际上非常有利可图的业务。因为这项业务如此有利可图，他们实际上能够负担得起深入思考技术如何融入业务，以及他们还能做什么。这就像一个销售优先型初创公司的例子。

对吧？顺便说一句，有一种理论认为，模型都变得非常好了。有开源模型，它们很棒。是的，Llama、Mistral，这些都是很棒的模型。因此，价值将产生的实际层面将是工具、编排等等，因为你可以随时插入最好的模型，无论模型是否会相互竞争，你懂的，进行你死我活的竞争，并最终商品化到最便宜者胜的地步。所以，你可以说，最好的做法是将这种力量赋予人民。

这实际上引出了下一个问题。这是一个二合一的问题。迈克尔问了这个问题，我说这两个问题是对立的，这就是我将它们放在一起的原因。

迈克尔问，为什么还要对一般的AI初创公司进行巨额投资，因为很明显这些公司在短期内不会盈利？这是一个有偏见的问题，但它会奏效。然后kr问，如果AI降低了创建初创公司的成本，那么投资结构会如何变化？当然，这是一个好问题。

当然，我可以回答。基本上，这些问题是相反的维度。因为如果你斜视你的左眼和右眼，你会看到的是，投资于金融模型公司的资金数量正在以惊人的速度增长。

你知道，这些公司正在筹集数百万、数十亿美元，就像，哦，我的上帝，看看这种资本，我不知道，一种希望最终能带来回报的注入。但是，我的上帝，看看这些东西投入了多少钱。如果你用你的右眼看，你会想，哇，现在突然之间，构建软件变得容易多了，拥有软件公司变得容易多了。让少量程序员编写复杂的软件变得容易多了，因为他们拥有所有这些AI副驾驶。

所有这些开发能力都正在上线。是的。因此，另一方面，构建AI应用程序初创公司的成本可能会下降，例如，AI销售优先型IM的成本可能是几千美元，而构建旧的数据库驱动的销售优先型IM的成本则要高得多。那么，你对这种二分法怎么看？你可以从任何一个角度来看，看到成本要么飞涨，作为初创公司融资，要么成本实际上……

降至零。这很有趣。我的意思是，我们确实投资了这两个阵营的公司，对吧？我认为，也许历史上盈利速度最快的公司，在我们投资组合中的AI公司，它们的收入增长如此之快，以至于实际上超过了成本。

然后还有一些人参与基础模型竞赛，他们正在筹集数亿美元甚至数十亿美元来保持竞争力等等。他们也正在以很快的速度产生收入。他们的人数都很少。

所以，你知道AI的资金流向何处，即使是像OpenAI这样的公司，它是初创公司世界中最大的支出者，我们也是它的投资者，是的，它可以增长。与它们的收入相比，它们相当小，它不是一家大公司。员工数量很少。

如果你看看收入水平以及它达到10亿美元的速度，它相当小。现在总支出是巨大的，但它们用于模型创建。所以这是一件有趣的事情。

我的意思是，我不完全确定该如何看待它，但我认为，如果你没有构建基础模型，它会让你更高效，并可能更快地实现盈利，对吧？所以，反驳……

这是一个非常有力的反驳，但对它的反驳基本上是，构建新软件公司的成本下降是一个悖论。原因是经济学中的一种现象，叫做耶文斯悖论，我将从维基百科中引用。

所以，耶文斯悖论发生在技术进步提高了资源使用效率的情况下，减少了任何一年所需的资源量。但是，成本下降会导致需求增加，以至于资源的整体使用量增加了而不是减少了。是的，这是完全可能的，对吧？所以，你会看到这种现象的例子，例如，你建造一条高速公路，但这实际上会使交通状况恶化，对吧？

因为基本上发生的事情是，哦，太好了。现在有更多的道路了。现在我们可以有更多的人住在这里。

我们可以有更多的人，你知道，我们可以让这些公司更大，然后交通比以往任何时候都更糟糕。或者你在工业革命期间看到了典型的例子，煤炭消耗量随着煤炭价格下降而增加。

人们使用更多的煤炭，以至于整体消耗量实际上增加了，人们获得了更多的电力。但结果是使用了更多的煤炭，这就是悖论。所以这里的悖论是，是的，开发特定软件的成本下降了，但其结果是对软件能力的大量需求激增。

因此，结果实际上是，尽管它看起来像初创公司，价格会下降，但实际上会发生的是，高质量软件的价格会上涨，因为你可以用软件做更多的事情，对吧？软件会变得更好，路线图会非常棒，你可以做的事情会很多，客户会非常满意，他们会想要更多、更多、更多。是的。所以，顺便说一句，另一个相关的行业例子是好莱坞的CGI。

理论上应该降低了制作电影的成本，但实际上却增加了，因为观众的期望提高了，对吧？

现在你去电影院看电影，哇，CGI。所以制作电影的成本比以往任何时候都高。

所以结果是，好莱坞至少制作了更精美的电影，对吧？更精美的、引人入胜的、视觉上令人惊叹的电影，通过CGI。这里的版本将是更好的软件。是的，对最终用户来说是彻底更好的软件，这导致用户想要更多软件，这实际上导致开发成本……

上升。如果你只考虑一个简单的例子，比如旅行，比如，通过Expedia预订旅行很复杂，你很可能会弄错。你点击菜单，这个那个其他的，你知道，AI版本的做法是，把我送到巴黎，把我安排在一个我喜欢的酒店，价格最好，你知道，给我最好的航空公司机票，然后，你知道，让我感觉很特别，也许你需要一个人来……好吧，我们要……或者AI变得非常复杂，好吧。

好吧，我们知道个人喜好，我们要把世界上最好的巧克力从瑞士送到巴黎这家酒店，等等。所以，质量，你可以……质量可以达到我们今天甚至无法想象的水平，仅仅是因为，你知道，软件工具还不是它们将要成为的样子。是的，没错。是的，我实际上同意这个论点。

你的想法是……好吧，我在波士顿，六点钟我想七点钟和一群非常有趣的人一起吃晚饭。

对，对，对。

对。你知道，是的，对，对。是的，没有今天的旅行。

没有。

对。

好吧，然后你考虑一下，它必须集成到我的个人AI中，你知道，你可以做的事情是无限的。我认为，一直被低估的人类能力之一是，我们提出新需求的能力，这似乎是无限的。

有一个非常著名的例子，约翰·梅纳德·凯恩斯，上世纪著名的经济学家，他预测了一件事，那就是，由于自动化，没有人会再工作40个小时，你知道，因为一旦他们的需求得到满足，需求就是住所和食物。即使交通也算在内，那就是它，结束了，你永远不会工作到超过住所和食物的需求。为什么呢？当然，需求会扩大。

然后每个人都需要冰箱。每个人都需要一辆车，不只是一辆，而是每个家庭成员都有一辆车，每个人都需要一台电视机。每个人都需要美好的假期。

每个人，你知道。那么接下来我们需要什么呢？我很确定我无法想象。但有人会想象到。它很快就会……

成为一种需求。是的，没错。顺便说一句，凯恩斯对我们孙辈的经济前景做出了著名的预测，马克也说过这个引语的另一个版本。

所以，当我们实现马克所说的乌托邦，社会主义时，社会将调节普遍的生产，这使得我能够过上美好的生活。好吧，亨特，这是一个引语，早上打猎，下午钓鱼，晚上放牧，饭后批评。

多么美好的生活啊。多么美好的生活啊。如果我可以列出四件事我不想做，那就是打猎、钓鱼、放牧和批评。

是的，没错。

顺便说一句，这说明了很多关于马克的事情。这也是他的四件事。好吧。

批评是他最喜欢的事情。我认为这基本上是共产主义的自然状态，我不想谈论政治，但是是的。

是的，百分之百。所以，是的，对不起，呃，你认为他们对孩子和马克的看法是多么的狭隘，多么的受限，对人们想做什么的看法是多么的受限，然后相应地，你知道，一切都是，你知道，人们想要……人们想要有使命。我认为可能有些人想钓鱼，是的，但很多人想要有使命。他们想要一个事业。

他们想要一个目标。他们想要做一件好事。

生活，结果是，是的，它是国际事件开始的。好的，所以是的，所以是的，我认为我长期以来经常对此感到有点。世界末日是几年前的事吗？我一直认为，我一直认为，软件的需求基本上是完全有弹性的，甚至可能是无限的。

而他们的理论基本上是，如果你只是不断降低软件的成本，而这随着时间的推移一直在发生，那么需求基本上是，就像基本上与……相关，原因是因为，正如我们一直在讨论的，但它就在那里，总有其他事情要做软件。总有一些东西可以自动化。总有一些东西可以优化。

总有一些东西可以改进。总有一些东西可以做得更好。你知道，在当下，在你今天拥有的约束下，你可能不会，你知道，想到那些想法，但一旦你没有那些约束，你就会想象它是什么。我只是举个例子，现在就举个AI的例子，对吧？所以有一些公司在做这件事。

有一些公司已经制造了AI，它们制造了用于安全摄像头的系统，永远都是这样，对吧？很长一段时间，拥有一个能够做一些事情的系统是一件大事，你知道，我们有不同的安全摄像头，将它们存储在DVR上，能够回放它们，而无需面对它，让你做到这一点，我想，你知道，AI安全摄像头，所有学生都可以拥有，就像实际的，就像主题的，承认正在发生的事情，环境，所以他们可以说，嘿，那很糟糕，然后他们可以说，哦，嘿，你知道，那是，但他拿着一把枪，对吧？对吧？顺便说一句，那是因为他周四和周五打猎，而那是玛丽，她从不拿枪，就像你一样，有什么不对劲。她真的很生气，对吧？她脸上真的有蒸汽抑郁症，我们可能应该为此担心，对吧？所以，你可以做一整套全新的功能。

这是一个安全系统的例子，在AI之前是不可能的。一个真正具有对世界语义理解的安全系统显然比没有语义理解的安全系统要复杂得多。

制作起来可能更贵，对吧？好吧，我只是想象一下医疗保健，对吧？就像你每天早上醒来都可以进行完整的诊断。你知道，就像我今天做得怎么样，就像我所有水平的一切，你知道我应该如何解释它们，你比……更好，而这是AI真正擅长的一件事，是的，医学诊断，因为它是一个超高维的问题。

但是，如果你可以访问你持续的胶水，cos阅读，你知道，也许序列坏，现在，再一次，这个和那个其他的，是的，你对感谢有了不可思议的看法。谁不想健康呢？是的，就像我们现在有一个规模，基本上我们所做的，是的，也许也许杰克你的心脏，或者其他什么，但与我们可能达到的相比，这只是相当原始的东西。

是的，没错。好的，很好。好的，让我们进入下一个主题。关于数据的主题，所以一个主要的汤姆问道，随着这些AI模型允许我们以最小的成本复制现有的功能，准备数据似乎是最重要的模式。

你怎么认为？你认为专有数据价值会如何变化？你认为在这个新的环境中，公司可以专注于构建哪些其他模式？然后杰夫·怀斯跳出来问，嗯，公司应该如何在AI的崭新世界中保护敏感数据、商业秘密免受价格数据和个人隐私的影响？让我先做一个挑衅性的，让我先做一个挑衅性的陈述，看看你是否同意，那就是你开始听到很多这样的说法，比如数据是新的石油。

所以，就像，好吧，你知道吗？数据是训练AI、让所有这些东西发挥作用的关键输入。因此，数据基本上是新的、新的资源，是限制性资源，是监督的事情。

所以，你知道，谁拥有最好的数据谁就会赢，你直接在训练眼睛的方式中看到了这一点。然后，你知道，你也有很多公司，当然，现在正试图弄清楚该做什么。他们是一个非常常见的事情，你从公司那里听到。

我们准备好了专有数据，对吧？所以，我是医院连锁店，或者我知道任何类型的企业，保险公司，等等。我拥有所有这些专有数据，我可以应用这些数据，我将能够用我的专有数据构建东西。

AI，这不仅仅是你，任何人都可以拥有。让我争辩说，基本上，让我们看看。H，我让我争辩说，几乎所有这样的案例都是不正确的。它基本上是互联网孩子所说的应对机制。这根本不正确，原因是不正确，因为互联网上以及环境中普遍可用的数据量要大一百万倍，所以，好吧，可能不是你，它可能不是真的，我有你的特定医疗信息。

我有如此多人的如此多不同场景的如此多的医疗信息，以至于它只是想引用你的数据，不，它就像压倒一切一样，所以你的专有数据，正如你所知，公司行为将略微有用，但在边缘，它实际上并没有移动，并且在大多数情况下不会真正进入。然后唯一证明我的信念，即这主要是应对机制的证据是，从来没有禁止过，现在也没有任何类型的种族主义历史记录数据市场。没有，没有，没有大型的数据市场。事实上，那里有一些非常小的数据市场。所以有一些所谓的数据库经纪人会卖给你，你知道，大量的，比如它，你知道，关于一些互联网用户的信息，或者其他什么，他们只是小企业，就像没有大型的，它只是结果是，像信息和很多人一样，并没有什么价值。所以，如果数据真的有价值，你知道，我会有一个市场价格，你会看到交易，而你实际上并没有看到这一点，这有点像，是的，有点像数据的数量证明实际上并没有那么好。那些人。

我可以同意。所以我同意数据，就像这里有一堆，我可以卖掉它而无需对数据做任何事情，就像大规模操作一样，我绝对同意这一点。

而且，也许我可以想象一些例外，比如一些，你知道，特殊的群体基因组数据库或其他什么，这些数据库很难获得，但在某种程度上是有用的，而不仅仅是像生活在互联网上或类似的东西。我可以想象，如果它超级高度结构化，非常通用，而且没有广泛可用，但对于公司的大多数数据来说并非如此。而且它往往不是广泛可用或通用的。

它有点具体。话虽如此，对吧？就像公司已经很好地利用了数据。例如，你熟悉的一家公司，Meta利用其数据来实现其自身的目标，将其输入到其自身的AI系统中，以令人难以置信的方式优化其产品。我认为你知道我们进入恐怖，实际上，你知道。

所以我们刚刚筹集了72亿美元，这并不是什么大不了的事，但我们拿走了我们的数据，并将其放入AI系统中。RLPS能够，有一百万个问题。投资者对我们所做的一切、我们的往绩、我们投资的每家公司都有疑问。

所以，对于所有这些问题，他们可以只是SCA，他们可以在早上醒来。我真的想信任这些人吗？进入ACA，一个问题？然后，砰，他们以某种方式得到答案。

他们必须等待我们。所以，我们真的通过使用我们的数据极大地改进了我们的投资者关系产品。我认为几乎每家公司都可以通过使用自己的数据来提高其竞争力。但是，收集了一些数据，我可以像卖掉它一样，或者它是石油，或者其他什么，这，是的，这可能是不正确的，我会说。

你知道，这很有趣，因为很多你认为最有价值的数据，就像你自己的代码库，对吧，你写的软件，很多都活了下来。我不知道有任何公司。我们确实与，你知道，无论多少软件公司，我们都知道任何像在他们自己的代码上构建他们自己的编程一样，或者，那是一个好主意吗？可能不是，仅仅是因为有如此多的代码存在，系统已经接受了训练，所以，不像那样，没有那么多的进步。所以我认为这是一种非常特殊的数据，它会有价值。

让我们采取行动，如果我经营一家大公司，比如我经营一家保险公司或银行医院连锁店，我喜欢这样。消费者套餐是什么？F，C，或者什么？像什么？我该如何验证？我该如何验证我实际上拥有一个有价值的属性或数据集，我应该真正专注于使用它，而不是，顺便说一句？也许还有其他事情。也许我应该把所有花在尝试优化数据使用的精力都用在尝试使用互联网数据构建东西上。

是的，所以我认为，我的意思是，看，如果你准备在国际业务中听到，那么你的所有精算数据既有趣，而且我不知道任何人发布了实际的精算数据。所以，就像我不知道你将如何在互联网上的东西上训练模型。我可以换掉吗？

所以这将是一件好事。这将是一个很好的测试，因为我是一家保险公司，我有关于一千万人的记录，实际上是表格，他们得到第二，他们死了。好的，这很好。

但是，像互联网上有很多很多关于大规模人口的实际一般精算数据吗？不，因为政府收集数据，他们处理并发布报告，有很多很棒的。有很多学术研究。所以，你的大型数据集是否提供了互联网上更大的数据集尚未提供的任何额外的实际信息？你的保险科学是否真的与所有人有什么不同？

我认为是的，因为在摄入时，你知道，当你获得保险时，他们给你做了验血，他们得到了所有这些东西，以及你是否是吸烟者，所以，我认为在一般的数据集中，是的，你知道谁死了，但你不知道他们进来时的事实。

所以你真正寻找的是，好吧，对于具有这种类型的实验室结果的这种类型的个人，他们活多久，这就是价值所在。我认为，你知道，有趣的是，去，你知道，想想像Queenbase这样的公司，对吧，他们在金钱方面拥有令人难以置信的有价值的资产。他们必须阻止人们闯入。

他们在这方面做了大量的工作。他们已经看到了各种各样的突破类型。我相信他们在这方面有大量的数据。

这可能是奇怪的特定人士试图闯入加密交易所。所以，你知道，我认为这可能对他们非常有用。我认为他们不能卖给任何人。但是，你知道，我认为每家公司都有数据，如果，你知道，输入到一个智能系统中，将有助于他们的业务。我认为几乎没有人拥有数据，他们可以卖掉。然后有一个介于两者之间的疑问，那就是你想要让微软或谷歌或OpenAI或任何人接触到哪些数据？我不确定这，我认为这是企业比……更不安的问题。

我们应该使用太阳能数据吗？我们应该打开模型吗？只是为了最大化价值？或者我们应该将其输入到大型模型中？如果我们将其输入到大型模型中，那么我们所有的竞争对手现在是否都拥有我们刚刚做的事情？你知道，我们能否相信大公司不会那样对待我们，我认为关于相信大公司不会乱动你的数据的答案可能是，如果你的……

竞争力……

取决于任何人这样做，至少有报告……

某些大公司已经在使用他们应该使用的各种数据来训练他们的模型了。所以。

是的，我认为，我认为这些报告很可能是真的，对吧？或者他们会有公开数据，对吧？就像我们之前讨论过的一样，但你拥有相同的公司，他们说他们没有天花板。

所有来自人们以授权方式获取的数据，都拒绝公开他们的数据，就像当那告诉你你的数据来自哪里时一样。事实上，他们试图关闭所有，打开雪，打开重量雪和数据，打开什么都没有。政府试图做到这一点。你不是聋子。那你为什么那样做呢？

在本期最新的《人工智能现状》节目中，Ben 和 Marc 讨论了小型人工智能初创企业如何与大型科技公司在计算能力和数据规模方面的巨大优势竞争，揭示了为什么数据作为一种可销售资产被高估，并详细阐述了人工智能热潮与互联网热潮的所有相似之处。订阅 Ben & Marc 播客：https://link.chtbl.com/benandmarc 保持更新：请告诉我们您的想法：https://ratethispodcast.com/a16z 在 Twitter 上查找 a16z：https://twitter.com/a16z 在 LinkedIn 上查找 a16z：https://www.linkedin.com/company/a16z 在您最喜欢的播客应用程序上订阅：https://a16z.simplecast.com/ 关注我们的主持人：https://twitter.com/stephsmithio 请注意，此处的內容仅供参考；不应将其视为法律、商业、税务或投资建议，也不应将其用于评估任何投资或证券；并且不针对 a16z 基金的任何投资者或潜在投资者。a16z 及其关联公司可能会对所讨论的公司进行投资。更多详情请参见 a16z.com/disclosures。</context> <raw_text>0 您要去哪里？顺便说一句，这里还有另一个转折点。例如，保险的例子，我故意这样说，因为它实际上非法使用基因遗传数据用于保险目的，对吧？所以有一项叫做基因法，即 2008 年的遗传信息非歧视法案，基本上，它，它，基本上银行、健康保险公司在美国。

使用互联网数据进行健康评估，实际上是对……的评估，顺便说一句，由于基因组学现在越来越好，所以这些数据可能是……您能获得的最准确的数据，如果您真的试图预测人们……

什么时候会死，他们实际上……他们实际上不允许使用它，是的，我认为这是一个有趣的例子，我们……这项善意的应用，以一种可能比以往任何时候都杀死更多人的政策方式。通过各种健康……FDA 是我们拥有的政策。

你知道，在一个人工智能可以访问所有人类数据的世界里，他们为什么生病，他们的基因是什么，数据，石油，就像那是即将到来的医疗保健石油一样，你知道的。如果你能将这些匹配起来，我们就永远不会不知道我们为什么生病。你知道，你可以让每个人都更健康，所有这些事情。

但是，你知道，为了阻止保险公司向更有可能死亡的人收取过高的费用，我们已经锁定了所有这些数据。更好的办法是，好吧，对于那些可能……的人，我们已经对个人进行了大规模的医疗补贴，只是……差异化补贴，你知道的，然后你解决了这个问题，你不需要查看所有数据。但是，是的，典型的政治和政策。大多数……更像这样。我认为，是的，保险方面有一些有趣的问题。

就像人们问到的关于保险的一个问题一样。如果你有完美的预测信息，个人……整个保险是否还能运作，对吧？因为保险风险池的整个理论，对吧，你，你，你，你……正是你不知道在特定情况下会发生什么这一事实。这意味着你构建这些统计模型，然后你进行风险池化，然后根据实际发生的情况进行可变支付。但是，如果你真的知道每种情况下会发生什么，例如，你已经输入了所有这些预测的基因组数据，那么我们所有人都会说这没有意义，因为你只需要说，好吧，这个人将花费 x，那个人将花费 y，没有……

没有保险。它以这种方式不再有意义，对吧？就像保险，保险的概念就像作物保险，就像，好吧，你知道，庄稼歉收了。所以我们都把钱放在一个池子里，以防……庄稼歉收，这样我们就可以支付它。它是为……灾难性、不太可能发生的事件而设计的，就像每个人都经常去看医生，有些人比其他人更容易生病等等。但是，健康保险的运作方式是……所有医疗费用都是通过这个保险系统支付的，这是一个损失、官僚主义和大型公司等等的层面，就像……如果我们要支付人们的医疗费用，那就支付人们的医疗费用，我们该怎么办，对吧？就像如果你想阻止人们……出于无稽之谈的原因去看病，只是提高副本，就像……我们从正义和……的角度来看在做什么。

从公平的角度来看，对我来说有什么意义，如果我知道你比……更贵，对我来说有什么意义，你知道的，如果每个人都知道未来某人的医疗费用是多少。是的，有一个非常好的预测模型。社会愿意像我们今天这样进行池化……

的方式可能会大大减少，是的，是的。就像你，如果你知道，有一些事情是你在基因上做的，也许我们让每个人都通过，就像你可以尝试你的基因，但是有一些事情是你做的，行为……会大大增加患病的几率。

所以也许，你知道，我们激励人们保持健康，而不是仅仅为他们不死亡买单。有很多系统性的修复方法。我们可以使用医疗保健系统，我认为它不可能以更荒谬的方式设计出来。

但是，我们可以设计一个更荒谬的方式吗？它实际上更荒谬。在其他一些国家，但在美国相当疯狂。

Nathan Od 提出了一个问题，即当前的原生人工智能与 Web 1.0 之间最强的共同点之一，所以让我从这里开始。让我给你一个理论。你认为是这样。我想这个问题，你知道，因为我在 Escape 的角色。不，因为我们早期在互联网上的角色，我经常收到这样的问题。

所以你知道互联网热潮是一个重大、重大的技术事件，并且仍然在许多人的记忆中，所以你知道人们喜欢从类比中推理。所以就像，好吧，人工智能热潮一定像互联网热潮。创业一定像创办互联网公司一样。

你知道吗？这像什么？我们实际上收到了很多这样的问题，你知道，这些都是……这样的分析，我实际上认为，然后，你知道，我和你都在互联网热潮中。

所以我们经历了那次热潮，那次热潮。所以我实际上认为……类比在大多数情况下并不适用，在某些方面甚至更糟。但在大多数情况下，它并不适用，原因是因为互联网……那是网络，而人工智能是计算机。

是的。

好的，是的，所以……所以人们开始……

我们说的是……像个人电脑热潮或……

个人电脑，我甚至会说微处理器，我最喜欢的类比是微处理器，是的，甚至像大型机这样的合理计算机。原因是因为他观察到互联网……互联网显然是一个网络，但该网络连接了许多现有的计算机，然后，当然，人们构建了许多其他新型计算机来连接到该网络。

但根本上，网络是一个网络。然后，这很重要，因为互联网周围的大多数行业动态、竞争动态、创业动态都与基本上构建网络或构建在网络之上运行的应用程序有关，互联网一代创业公司被网络效应吞噬，你知道这部分。所以，当你将很多人连接在一起时，你会得到一个正反馈循环，你知道，像所谓的梅特卡夫定律，这是一种网络效应，你让更多的人……

然后你知道所有这些斗争。这些斗争，你知道所有社交网络等等，都在努力获得网络效应，并试图互相……这些用户，因为网络效应。

所以它主要由网络效应主导，这就是你从网络业务中所期望的。人工智能……那里有网络效应。人工智能，我们可以讨论一下。

但是，它更像是一个微处理器，更像是一个芯片，更像是一台计算机，它是一个系统，基本上，对吧，如果数据输入，数据被处理，数据输出，事情就会发生。这是一台计算机。信息处理系统是一台计算机，是一种新型计算机。它是一种，你知道，我们喜欢说直到现在为止的计算机，我们称之为确定性机器，也就是说确定性 IC 计算机，也就是说它们是……非常字面化的，并且每次都做完全相同的事情。如果它们犯了错误，是的，程序员的错，但它们与人互动和理解世界的能力非常有限。你知道，我们将人工智能和大型语言模型视为一种新型计算机，一种概率性计算机，是一种基于网络的计算机，顺便说一句，它不是很准确，而且，你知道，不会每次都给你相同的结果，事实上，它可能会和你争论，并告诉你……不会回答你的问题。

是的，它的本质与旧计算机非常不同。这使得……兼容性，用小东西构建大东西的能力，变得更加复杂。

对吧？但是，但是能力是新的、不同的、有价值的和重要的，因为它们可以理解语言和图像，你知道所有这些……

你以前从未用确定性计算机解决过的问题，我们现在可以解决了，对吧？是的，完全正确。

所以我认为，我认为，我认为类比和经验教训更有可能来自计算机行业的早期，或来自微处理器的早期，而不是来自互联网的早期。对吗？

我认为是这样。是的，我不这么认为。这并不意味着没有繁荣和萧条等等，只是因为技术的成熟，你知道，人们过于兴奋，他们把它说得过于悲观。所以肯定会有这种情况。我相信会有过度建设，你知道，可能是芯片和电力方面的过剩，等等。我们不从……开始，但是我同意，我认为网络在它们如何参与计算机以及……采用曲线等方面，其本质上是根本不同的。

是的。那么，这与我认为行业将如何发展有关。所以这是我对从这里开始发生的事情的最佳理论，关于……这个问题，即这种归纳法将是少数几个上帝模型，还是大量不同规模的模型。

所以对于计算机来说，众所周知，最初的计算机，例如，最初的……是大型机。大型计算机，它们非常非常大、非常昂贵，而且只有少数几个。而且长期以来，普遍的观点实际上是……所有……都会是这样。

托马斯·沃森·高级，IBM 的创始人，在计算机行业的头 50 年里，这是一家主导的公司，他发表过一个著名的声明。他说，他……他说，我相信……我实际上……我不知道……我不认为我们将来会需要超过五台计算机。我认为这样做的原因是，字面意思是……政府将拥有两台。然后有三家大型保险公司，然后就这些了。

谁还需要做所有这些？是的，完全正确。

是的。谁还需要？谁还需要吸引大量的数字？谁……谁需要那种计算能力？这只是一个不相关的……你知道，这只是一个不相关的概念。

顺便说一句，它们又大又贵。那么谁还能买得起呢？谁还能负担得起管理和维护它们所需的人员呢？在那些日子里，我认为这些东西很大。

这些东西非常大，以至于你会建造一整栋建筑来容纳一台计算机，对吧？你会……他们确实在惠普实验室里做了这些。字面意思是……照顾计算机，因为一切都必须是……超级平坦的，否则计算机就会停止工作。

所以，你知道，这是一个……你知道，今天我们有这个概念，人工智能模型，就像一个大型基础模型。我们……像……大型机一样。会有这些东西。

顺便说一句，如果你看所有科幻小说，它几乎总是包含这种让步。就像，好吧，有一台大型超级计算机。它要么做正确的事情，要么做错误的事情。

如果它做错了事，你知道，这通常是科幻电影的情节。是……你必须继续努力，试图……弄清楚如何修复它，如何击败它。我有点像……一个单一的自上而下的东西，当然，这在很长一段时间内都是如此。

它持续了……你知道，前几十年。然后，你知道，即使计算机开始变小。然后你有了所谓的微型计算机，下一阶段。

所以那是一台计算机，你知道，它不花 5000 万美元。相反，它花费……50 万美元。但即使是 50 万美元也是很多钱。

人们不会把很多计算机放在家里。所以，像中等规模的公司可以购买很多计算机，但人们肯定不能。然后，当然，有了个人电脑，它们缩小到了 500 美元。

然后有了……它们缩小到了 500 美元。然后，你知道，今天坐在这里，显然你拥有各种形状、大小和描述的计算机，一直到……你知道，成本为一分钱的计算机。你的恒温器里有一台计算机，你知道，它基本上控制着房间的温度，而且……可能花费一分钱。

它可能是一些嵌入式 ARM 芯片，更多信息请参考它。而且，你知道，全世界有数十亿个这样的芯片。你今天买一辆新车，它有大约 200 台计算机，也许现在更多了。

因此，你今天基本上假设，就坐在今天的芯片而言，你只是有点假设一切在IT中都有芯片。顺便说一句，你假设一切都会消耗电力或有电池，因为这需要为芯片供电。然后越来越多地，你假设互联网上的所有东西，因为基本上所有计算机都被认为是在互联网上，或者它们将会在互联网上，所以，所以，等等。

你今天拥有的计算机产业是一个巨大的金字塔。你仍然有少量像超级计算机集群这样的东西，它们拥有这些奇怪的主机，就像上帝模型，上帝主机。然后你有了，你知道，大量的计算机，你有了大量的个人电脑，你有了数量更多的智能手机，然后你有了数量巨大的系统和IT。事实证明，计算机产业就是所有这些东西。

你知道吗？什么？你知道吗？你想用什么尺寸的计算机？这取决于什么，你到底想做什么，你是谁，你需要什么？所以，如果这个类比成立，IT基本上意味着我们将拥有各种形状、大小、描述和能力的AI模型，对吧，基于对许多不同类型的数据进行训练，以非常不同的规模运行，不同的隐私政策，不同的安全策略。

知道吗？你将拥有巨大的可变性和多样性，它将是一个完整的生态系统，而不仅仅是几家公司。是的，让我看看你考虑一下。

我认为这是对的。我还认为，关于这个计算领域，另一个有趣的事情是，如果你看看计算的祈祷，从主机到智能手机，一个巨大的锁定来源基本上是使用它们的难度。所以，你知道，没有人因为购买IBM而感到高兴，因为，你知道，你有一些受过训练的人，你知道，人们知道如何使用操作系统。

所以，就像IT一样，你知道，它就像一个安全的选择，因为处理计算机以及智能手机的巨大复杂性，你知道，为什么苹果的智能手机如此占主导地位？你知道是什么让它如此强大吗？因为关闭它非常昂贵和复杂，等等。

对于AI来说，这是一个有趣的问题，因为AI是最容易使用的计算机。说英语，就像对人说话一样。所以，就像，那里的运气是什么？那么，你是否完全可以自由地使用你的特定任务所需的尺寸、价格、选择和速度？你是否被锁定在上帝模型中？你知道，我认为这是一个有点开放的问题，但它非常有趣，它可能会有很大的不同。以及祈祷的世代。

是的，是的，这说得通。然后，为了完成这个问题，我们会说什么？所以，乐队，什么？你会说些什么？我们从经历过的互联网时代中学到的教训，可以应用于人们的思考。

我认为一个重要的教训可能是IT的爆炸性本质，就像，你知道，对互联网的需求、兴趣以及对IT可能是什么的认识是如此之高，以至于资金就像倒进桶里一样。然后是底层的东西，在互联网时代是电信基础设施、光纤等等，获得了无限的资金。并且建设了无限的光纤。

最终，我们有了火球收集。所有直到我来的公司都破产了。那很有趣。但你知道，我们最终处于一个好地方。

我认为在AI中可能会发生类似的事情，就像，你知道，每家公司都会获得资金。我们不需要那么多AI公司。所以，很多公司将会破产，将会出现巨大的，你知道，巨大的投资者损失，肯定会在某个时候过度建设芯片。

现在我们有太多的芯片了。是的，一些芯片公司肯定会破产。然后，你知道，我认为数据中心也是如此。

所以，就像，好吧，落后，落后，落后，他们会在某个时候过度建设。所以，这将是非常有趣的，我认为，这就是每项新技术的特点。所以，卡罗琳娜·p。

雷兹做了一项伟大的，你知道，关于这方面令人惊叹的工作，就像，新技术的本质就是你过度建设，你理解，然后你过度建设，你知道。并且存在炒作周期，资金用于建设，损失了很多钱，但我们得到了基础设施。这太棒了，因为那时IT真正被采用并改变了这个世界。

我想说，你知道，对于互联网来说，另一种重要的东西是互联网经历了几个阶段，对吧？它经历了一个非常开放的阶段，这令人难以置信地伟大。它可能是对经济最大的推动之一，你知道，它肯定创造了美国的共产主义增长和力量，但你知道，某种经济力量和软文化力量以及这些东西。

然后，你知道，它随着下一代架构变得封闭，随着，你知道，互联网上的发现完全由谷歌完成，你知道，其他事情，你知道，由其他公司完成。你知道，我认为AI可能会有两种情况。所以它可能是非常开放的，或者，你知道，由于错误的监管，我们实际上可能会强迫自己远离开源、开放权重的东西。

任何人都可以构建它。我们将拥有过剩。这项技术将像利用所有美国创新来竞争，或者，你知道，我们将完全切断它，我们将把它强加给今天在互联网上占据主导地位的公司，你知道，我们将使自己在竞争中处于巨大的劣势，我认为，特别是与中国相比，但与世界上所有人相比。所以，我认为这是我们参与确保不会发生的事情，但现在是一个真实的可能性。

是的，某些讽刺之处在于，网络曾经是一种财产。是的。

他们开放了，是的，是的，对，局域网、苹果通话，那个男孩，那个偏见，正是如此。所以这些都是。

所有早期的专有技术都适用于所有单独的特定终端。互联网出现了，并且出现了TCP/IP。一切都开放了。啊，是的，大型公司正试图走另一条路。我一开始是开放的。

就像，基本上就像，对，对。

现在他们正在试图将其锁定，所以它是，它是，它是说这是一个相当推迟的。

事件的转变，是的，非常公平地说，你知道，我可以。对我来说，这真是非凡的。我的意思是，这是资本主义最黑暗的一面，公司如此贪婪，以至于他们愿意摧毁这个国家。

也许是世界，就像为了获得额外的利润，但是，你知道，他们这样做就像真正令人震惊的事情一样，因为他们声称是为了安全。我们创造了纳米技术，我们可以控制它，但我们不会停止工作。我们将继续尽可能快地建设。

我们将购买地球上所有的GPU芯片，但我们需要政府介入，阻止它变得开放。这确实是谷歌和微软目前的地位。这太疯狂了。我将如何保护它。

所以我们将确保像中国这样的偏见不能像窃取我们的芯片工厂一样，将它们带出这个国家。我们甚至不会意识到六个月。

是的，与安全无关，它只与垄断有关。是的。

另一个你一直在谈论的，回到你的观点，推测，我们经常听到这个说法，那就是，好吧，你们这些白痴，基本上就像，你们这些白痴企业家。你们就像每项新技术都存在泡沫一样。就像，你们这些人什么时候才能不再这样做？是的。

这不是玩笑。这绝对不是玩笑，这是投资中最危险的词语，“这次不一样”，投资中最危险的词语是，“这次不一样”，对吧？就像，历史会重演，它不会重演，我的意思是你的参考很多价格的书，我同意这很好，尽管我认为它现在已经不太管用了。

我们可以过段时间再谈谈，但这至少是关于它的一个很好的背景资料，它就像，这是无可争议的。真的。基本上，历史上每一次重大的技术进步都会受到某种金融泡沫的欢迎。

基于金融市场存在于这一年，顺便说一句。这包括，就像从，你知道，无线电、电视和铁路，很多很多惊喜。顺便说一句，有一个，实际上有一个sok。

有一个像特隆斯这样的繁荣萧条时期在六十年代，得到了慢性病，每家公司都叫慢性病。所以有那个你，就像激光繁荣周期一样。所有这些繁荣周期。

所以，基本上，任何新的，任何新的技术，经济学家称之为通用技术，也就是说，可以以许多不同方式使用的东西，就像它会激发一种投机狂热，你知道，批评者会说，好吧，为什么你需要投机狂热？为什么你需要一个周期？因为，你知道，人们，有些人投资这些东西，所以谁有很多钱？然后是这个萧条周期，你知道，它导致每个人都沮丧，也许会浪费推出。它有两件事。第一件事是，你根本不知道，如果它是一种通用技术，比如AIS，并且可能在许多方面有用，就像没有人真正预先知道成功的用例是什么，成功的公司是什么，你实际上必须。

你必须边做边学，你必须冒险。风险投资家，是的。

没错。是的，没错。所以，是的，真正的风险投资模式，我们所做的这种风险投资，我们假设一半的公司会失败，一半的项目会失败。并且，你知道。

如果，如果，如果我们中的任何一个，如果任何一个，完全。

就像钱一样。所以，就像，当然，如果我们或我们的任何竞争对手，你知道，能够弄清楚如何在不进行50%失败的情况下完成50%成功的工作，我们会这样做。但是，你知道，我们已经在这个领域工作了60年，没有人想出来。

所以，它有这种不可预测性。然后，另一种思考这个问题的有趣方式是，好吧，这意味着什么？我有一个社会，在这个社会中，新技术不会激发投机。

这意味着拥有一个社会，基本上就像对新技术的潜力以及创业的潜力都非常悲观。并且，你知道，人们发明新事物并做新事情。当然，地球上有很多这样的社会，你知道，基本上，他们没有像莱伊这样的冒险精神和冒险精神，你知道，他们更好还是更糟。

你知道，一般来说，越糟糕，越不关注未来，越不关注，越不关注，越不关注建设事物，越不关注如何获得增长。所以，至少在我看来，这是一种必然的结果，就像我们都希望避免这种选择性基础周期之外的事情。但它似乎每次都会发生。至少我没有，没有人，我所知道的任何社会都没有想出如何捕捉好的。

那也是，是的，就像为什么你会，我的意思是，这就像你。整个美国西部都是建立在淘金热的基础上的，就像淘金热的各种描述和流行文化都集中在那些没有成功的人身上。

但是有些人赚了很多钱，你知道，找到了金子，你知道，在互联网泡沫中，你知道，这完全是荒谬的，你知道，每部电影，如果你回顾一下2001年到2004年之间的任何电影，它们都像，如何才能让一个点子公司错过并遇到另一个。他们都是这些有趣的纪录片和支持。但是，那是亚马逊开始的时候。

你知道，那是eBay开始的时候。那是谷歌开始的时候。这些公司，你知道，是在泡沫中，在这种巨大的投机时期开始的。这些公司中蕴藏着黄金。

如果你在任何地方，那些像你资助的，你知道，可能下一批公司，你知道，包括像，你知道，Facebook和Accenture，你知道，参与所有这些事情。所以，是的，我的意思是，这只是它的本质。我的意思是，这就是让它令人兴奋的原因。

你知道，这是一种令人惊叹的想法，你知道，看，把钱从那些有权使用钱的人转移到那些试图做新事情来让世界变得更美好的人身上，是世界上最伟大的事情。如果我们中的一些人有权使用钱，在试图让世界变得更美好的过程中损失了一些多余的钱，就像，你为什么为此而生气？那是让我永远无法理解的事情。你为什么对那些年轻、有抱负的人试图改善世界，获得资金，而其中一些是指导的感到生气？这有什么不好？

在本期最新的《人工智能现状》节目中，Ben 和 Marc 讨论了小型人工智能初创企业如何与大型科技公司在计算能力和数据规模方面的巨大优势竞争，揭示了为什么数据作为一种可销售资产被高估，并详细阐述了人工智能热潮与互联网热潮的所有相似之处。订阅 Ben & Marc 播客：https://link.chtbl.com/benandmarc 保持更新：请告诉我们您的想法：https://ratethispodcast.com/a16z 在 Twitter 上查找 a16z：https://twitter.com/a16z 在 LinkedIn 上查找 a16z：https://www.linkedin.com/company/a16z 在您最喜欢的播客应用程序上订阅：https://a16z.simplecast.com/ 关注我们的主持人：https://twitter.com/stephsmithio 请注意，此处的內容仅供参考；不应将其视为法律、商业、税务或投资建议，也不应将其用于评估任何投资或证券；并且不针对 a16z 基金的任何投资者或潜在投资者。a16z 及其关联公司可能会对所讨论的公司进行投资。更多详情请参见 a16z.com/disclosures。</context> <raw_text>0 对吧，对吧？与……是的，与……就像与其他一切相比。

全世界其他地方，所有的人都没看到你。我喜欢我们只是买，你知道，很多曼彻斯和船，就是这样，对吧？

确切地说？我不需要钱来帮助推动事业，只是在其他新闻中，对吧？好的。

所以，我们是不是已经进行了 20 分钟，我们已经完成了所有内容。四个问题进展顺利。所以让我们在这里结束吧。感谢大家加入我们。我相信我们应该进行第二部分，如果不是第三部分，三到六部分，因为我们还有很多问题要讨论。但感谢大家今天加入我们。

好的。

谢谢。