The Enterprise Opportunity in the "AI Slowdown"
12:07 Share

今日，在每日简报中，我们将探讨为什么所谓的AI发展放缓实际上是一个机遇。AI每日简报是一个每日播客，也是一个TED视频，内容涵盖AI领域最重要的新闻和讨论。要加入讨论，请查看我们的节目说明。

大家好，欢迎回到AI每日简报的另一期深度阅读节目。今天，我们将探讨我们在节目中多次讨论的一个话题，即我们是否正在达到改进大型语言模型性能能力的某个平台，以及AI在商业应用中的现实情况。

我在之前的节目中暗示过这一点，但这给了我们一个机会，可以深入探讨这个问题。首先，我们要介绍一篇由埃米·奥尔森撰写的文章，名为“AI发展放缓是其他人的机遇”。企业将受益于急需的喘息空间，从而弄清楚如何获得所有重要的投资回报。所以，首先，让我们阅读这篇文章。

是的，这篇文章将由我本人朗读，而不是ElevenLabs。然后，我们将进行一些讨论。价值数万亿美元的人工智能热潮建立在……

……一种不确定性之上，这种不确定性认为模型会持续呈指数级地改进。剧透一下，事实并非如此。简单来说，规模法则认为，如果你向AI模型投入更多的数据和计算能力，其能力就会持续增长。但最近大量新闻报道表明，情况已不再如此。

领先的开发者发现，他们的模型改进速度不如以往那样快。例如，OpenAI的最新旗舰模型GPT-4在编码方面并没有比之前的模型好多少。据彭博社报道，谷歌在其Gemini软件方面也只看到了渐进式的改进，而谷歌的主要竞争对手Anthropic则在其期待已久的Claude模型发布方面落后了。

OpenAI、Anthropic和谷歌的高管们都在最近几个月毫不犹豫地告诉我，AI发展并没有停滞，但他们也会这么说。事实是，即使是比尔·盖茨等人都预测到的，关于通用人工智能收益递减的长期担忧正在成为现实。在普及了“越大越好”的大型语言模型构建方法的AI领域标志性人物最近告诉路透社，他认为2010年代的规模化时代已经结束。他说：“现在我们又回到了探索发现的时代。”

“探索发现”这个说法对“我们不知道下一步该做什么”进行了相当积极的诠释。它也可能引发投资者和企业的焦虑，他们预计将花费数万亿美元用于实现AI改变一切的承诺所需的改进，而与此同时，据彭博社最近的一项新闻调查，各街区银行、对冲基金和私募股权公司正在花费数十亿美元用于建设大型数据中心。这一切加起来是不是一场可怕的赌博？并非完全如此。

毫无疑问，AI热潮的主要受益者是全球最大的科技公司。微软、谷歌和亚马逊的季度云存储收入一直在稳步增长，而它们的市值，以及英伟达、苹果和Meta的市值，在过去两年中总共增加了8万亿美元。但对于其他人来说，投资回报……

……却迟迟未出现。然而，市场对AI的炒作降温可能会有用，就像以往的技术创新一样。这是因为技术通常不会突然兴起然后消亡，而是会经历S曲线。

S曲线理论认为，最初的进展需要数年时间，然后才会迅速加速（就像我们在过去两年中看到的通用人工智能一样），然后才会再次放缓，并且至关重要的是，会发生演变。多年来，批评者经常在芯片制造取得突破之前就宣布摩尔定律即将失效，而这又推动了技术发展。飞机的发展也以缓慢的速度进行，直到20世纪50年代后期从螺旋桨推进器转向喷气式发动机才取得了飞跃，然后技术似乎又停滞了。但就像芯片制造业一样，航空业的发展最终还是带来了变革性的客机，这些客机变得更加省油、高效、安全且运行成本更低，即使它们的速度比20世纪60年代的飞机快不了多少。

AI及其规模法则的类似平台也可能意味着需要一种新的开发和衡量成功的方法，而到目前为止，这种方法过于关注能力，而对安全等其他领域关注不足。一些最先进的生成式AI模型在安全性和公平性等关键领域都存在不足。根据最近一项衡量这些模型遵循一系列即将发布的AIGC规范情况的学术研究，今年以来，AI研究人员一直在寻找改进模型的新途径，而不仅仅是向模型投入更多数据和计算能力。

一种方法是关注模型在训练后所谓的推理阶段的处理方式。这可能包括让模型在得出答案之前有更多时间来处理多种可能性。这就是OpenAI将其最新模型……

……描述为在推理方面有所改进的原因。S曲线的妙处在于，它可以为其他人提供一些喘息空间，而不是为了获得最新的技术而争先恐后，从而在竞争中获得优势。一直在尝试使用生成式AI并努力提高生产力的公司现在有时间重新设计其工作场所和业务流程，以更好地利用当前功能强大的AI模型。

记住，企业在20世纪80年代花了数年时间才围绕计算机重新组织自身。斯坦福大学教授埃里克·布莱恩斯林在关于生产力悖论的文章中指出，随着重大新技术的出现，产出往往会停滞或下降，然后才会激增。AI的暂停为企业在重要的投资阶段提供了更多空间。

这也给了监管机构时间来制定更有效的保障措施。欧盟人工智能法案（企业将从2026年起受其约束）需要更具体地定义其如何界定危害，而标准机构也需要开展这项工作。这有助于防止导致一系列意想不到问题的全新模型即将涌入市场。

在过去两年中，生成式AI一直在高速发展，这种势头显然对科技巨头来说非常有利。在车站的减速为其他人提供了急需的喘息机会。今天的节目由Vanta赞助播出。无论您是启动还是扩展您的公司安全计划，展示一流的安全实践和建立信任比以往任何时候都更加重要。

Vanta为ISO 27001、SOC 2、GDPR和领先的AI框架（如ISO 42001和NIST AI风险管理框架）自动化合规性，从而节省您的时间和金钱，同时帮助您建立客户信任。此外，您可以通过自动化问卷调查来简化安全审查，并通过面向客户的信任中心来展示您的安全态势。所有这些都由Vanta的AI提供支持。超过8000家全球公司（包括LangChain、LeadAI和Factory AI）使用Vanta来展示AI信任并实时改进安全。

了解更多信息，请访问vanta.com/nlw，即vanta.com/nlw。今天的节目由Superintelligence赞助播出。您是否曾经想要一份AI每日简报，但完全专注于AI与您公司之间的关系？您的公司是否正在努力采用AI，原因是您难以安装、难以确定哪些用例能够创造价值，或者因为正在发生的AI转型仅限于各个团队、部门和员工，而无法改变整个公司？

Superintelligence开发了一种新的客户内部播客产品，通过分享来自公司内部和外部的最佳AI用例来激励您的团队。您可以将其视为AI每日简报，但仅限于您公司的AI用例。如果您想了解更多信息，请访问absuperintelligence.com/partner并填写信息请求表。我对这款产品非常兴奋，因此我将亲自尽快回复您。

网址是absuperintelligence.com/partner。好的，这就是文章内容。当然，我想重点关注的是，这可以成为一个有利时机，特别是对于企业而言。我将搁置对欧盟的保障措施和政策的讨论，而专注于这样一个观点：企业和大型公司一直在努力赶上通用人工智能的发展速度。

在这点上，毫无疑问，即使是那些现在认为自己远远领先于竞争对手的组织，仍然感到相对于摆在他们面前的机遇而言，他们落后了。如果您看看大型企业采用生成式AI的速度，充分利用其潜力，并试图创建新的结构来整合它，那么这很容易成为我们在企业技术方面见过的最快的采用周期。然而，它仍然存在不足，这仅仅是因为这种变化是多么的全面。

这不是从一组基于AI的业务流程转向一组基于后AI的业务流程。这是对组织必须改变的频率、广度和深度的根本性转变。AI本身就是一种能够加速自身未来发展的技术。

当企业适应一组新的工作负载时，全新的东西就会出现。这就是为什么采用和利用可以被认为是一个持续的过程，而不是一次性的过程。需要的是用于持续适应的新基础设施。我同意，如果我们真的达到了模型平台，那么这将使企业和组织有机会更接近于构建这种基础设施以及随之而来的系统，从而真正跟上通用人工智能创新的速度。

那么，在实践中这意味着什么呢？我认为这意味着几件事。首先，我认为成功的企业将是那些将此视为并非一次性转变，而是一种新的运营模式的企业，并且努力构建变革系统，通过这些系统，他们可以整合新的业务流程，了解哪些有效，哪些无效，并迅速将有效的方法扩展到整个组织。

我相信，在这次转型中区分企业成败的另一个因素将是不同公司如何看待成功。那些将AI严格视为效率技术并满足于相同产出（只是投入更少或投入更快）的公司，我认为他们一开始会感到兴奋，但后来会感到失望。他们会感到失望。

他们会看到他们的同行将AI视为创造机遇的技术，超越他们，提供新的产品、新的服务、前所未有的重要成功的新层面，并普遍接受AI的变革能力，而不是仅仅希望它能降低他们的成本。当然，问题是，如果您是一个相信我所说的所有这些事情的组织，那么您如何将它们付诸实践呢？一句话，系统、系统、系统、系统。

您需要一个系统来检查和审查所有现有的业务工作负载和流程，无论是在个人团队、业务部门还是部门层面，所有级别都需要。其次，您需要一个系统和基础设施来了解替代方案是什么以及这些替代方案如何随着时间的推移而变化。

您需要能够将所有这些新产品与人们正在做的事情以及他们希望做的事情进行比较。企业需要系统来监控所有正在进行的实验（无论大小），同样是在个人层面和团队层面。他们需要系统和工具来处理这些实验和试点产生的所有信息，并确定新的见解、最佳实践和改进的流程是什么。

企业需要系统来扩展这些，需要系统来推广有效的方法。理论上，当有人在一个组织部门发现一个非常有价值的新用例时，实际上不应该存在太多障碍来将其迅速推广到整个组织。当然，如果您没有系统，就会出现这种情况。

当然，这正是我们在Superintelligence上花费所有时间做的事情。因此，我对这些类型的系统在未来可能是什么样子非常了解。然而，就像很多事情一样，我认为答案不是要做到完美，而是要从开始做起，然后继续前进。

最终，这篇论文中我同意的观点是，如果技术创新的速度有所放缓，那么这就不应该被用来放慢速度并喘口气，而应该被用来努力缩短您与AI之间的距离。我和Superintelligence当然都在这里，如果您在旅途中需要任何帮助，请随时联系我们。但就目前而言，这就是今天的AI每日简报的内容。一如既往地感谢您的收听。希望您度过一个愉快的周末，我们下次再见。