小模特正值青春年华吗？ 2024年人工智能预测“一举抓住它们”

小模特正值青春年华吗？ 2024年人工智能预测“一举抓住它们”

如果说2023年是当之无愧的“生成式AI突破年”，那么2024年会是“生成式AI突破年”吗？ 或者说这是“生成式人工智能的冷静年”？ 初创企业的机会在哪里？

在这篇文章中，世道将尝试结合A16Z、A16Z等明星VC的预测，总结未来一年AI的发展趋势； The、FT、JIANG的投资者预测； 以及 Greg 等行业领袖的意见。

01 主题：降温还是突破？

首先，在众多的AI预测中，“冷却论”的支持者不乏其人。

印度 IT 巨头最近发现，只有 6% 的欧洲公司通过生成式 AI 用例创造了商业价值； 麦肯锡在 2023 年报告中总结道：“虽然生成式 AI 的使用很可能会刺激其他人工智能工具的使用和采用，但我们认为企业采用这些技术的情况几乎没有实质性增长。”

根据调查机构著名新兴技术炒作周期（Hype Cycle）的预测，生成式人工智能的下一阶段将是“幻灭低谷”。 （师道注：新兴技术炒作周期分为五个阶段：“创新触发”、“期望膨胀的顶峰”、“幻灭的低谷”、“启蒙的斜坡”和“生产力的高原”。）

按照这个周期，到2024年，随着实验和实施失败，技术生产者要么出局，要么失败，兴趣也会下降。

资本市场的表现似乎也不容乐观。 一方面，从融资规模来看，生成式AI的投资浪潮是“昙花一现的热潮，就融资而言没什么大不了的”。 成长股投资者吉姆在接受英国《金融时报》采访时表示：“对新兴人工智能公司的私人投资将在2023年大幅反弹，但投资规模仍无法与之前的科技热潮相比。”

这个观点有数据支持：

2023年，人工智能独角兽企业融资大幅下降，仅为2021年市场峰值的25%左右； 全球最活跃的9家VC对独角兽公司的投资大幅下降，共投资了44家独立公司。 喇叭公司，2022年投资了213家公司，2021年投资了471家公司。

另一方面，当潮水退去，谁在裸泳就一目了然了。 在每家科技公司都制定了生成式人工智能战略的一年之后，2024 年将是投资者看到真正利润的一年。

成长股投资者吉姆表示：“到2024年，我们将看到谁只是打人工智能牌，而不是拥有真正的商业模式。”

对此，华平投资集团前负责人比尔补充道：“如果说有什么不同的话，那就是缺乏更大的人工智能投资泡沫将阻碍该技术的发展，因为‘试错’将受到限制。”

当然，“突破者”的声音更大。

例如，TMT之王在2023年底的报告中明确表示：AI不是炒作，AI的黄金时代尚未到来。

与Hype Cycle类似，它给出了AI发展的时间定位：对比新技术在美国达到50%用户渗透率所需的时间，个人电脑需要20年，互联网需要12年，而美国则需要6年。智能手机的年数。 生成式人工智能只能持续大约 3 年。 发现大部分AI投资集中在模型层面（占比60%），记录价值已经显现。

格雷格总统还给出了时间参考：2024年将是突破性的一年。 从长远来看，只要再过一年，每个人都会比现在过得更好。

合伙人Jamin Ball表示：2024年将是“从原型到量产”的一年。 2023年，每个人都在尝试AI，但有很多问题限制了这些实验的推广，比如它们的成本是多少？ 他们安全吗？ 合规风险有多大？ 到2024年，这些问题将得到解答，我们将看到人工智能应用从实验/原型/内部应用转向面向客户的大规模部署。

02 采用：缓慢还是快速？

不难看出，是否有更多企业“采用”，将决定AI能否在2024年打破“炒作论”，延续目前的热潮。

FT在《人工智能元年》中指出，2023年，许多公司为人工智能的广泛应用奠定了基础，现在投资者开始展望2024年，并开始接受这一点，至少在短期内，人工智能技术的应用可能会变慢这一事实。

例如，尽管Adobe的股价从2023年初开始飙升了近90%，但其2024年的营收预计将低于华尔街的预期。

微软的“AI+软件”进展速度比大多数公司都要快，但它也在试图降低人们的预期，称新的“AI+软件”可能要到2023年下半年才能带来销售复苏。

人工智能采用缓慢的原因有以下三个：

首先，LLM的“幻想”问题尚未解决，削弱了其商业价值。 “它会很有用，但不会像许多人希望的那样改变游戏规则，”战略总监彼得说。

其次，许多潜在客户实际上缺乏采用的准备。 企业需要利用内部数据来训练模型，但现实是“大多数企业不具备成熟的数据能力，如果不能使用自己的数据，就无法使用人工智能”。 ——朱莉·斯威特，埃森哲首席执行官

三是成本限制。 例如，微软将 AI 版本定价为 30 美元/月，对于某些客户来说，该软件的成本增加了一倍。 一些分析师警告称，高价格将导致客户仅在小范围内应用人工智能技术，至少在人工智能工具的价值尚未得到证明之前是这样。

IT 首席预测师 John-David 表示：2024 年生成式 AI 支出将略高于 200 亿美元，占全球 IT 支出总额的 0.5%。 IT 买家在安全方面的支出将增加五倍。

总而言之，此类成本问题意味着，至少在短期内，新的人工智能产品和服务对科技公司收入和利润的推动可能会减弱。

乐观主义者有很多谈论。

创始人表示：

2024年将是企业通过人工智能实现生产力大幅提升的一年，每名员工的ARR有机会提高10-15%。

首席产品官Gupta表示：2024年的一大趋势是大型传统企业终于认识到生成式AI在提高生产力方面的优势，并找到在组织内大规模采用该技术的方法。

One创始人Jeff Jr表示：2024年将是我们设计、编程、质量保证、A/B测试和部署软件方式发生最大变化的一年，而这些任务最终将由AI来实现。 随着人工智能软件工具在 2023 年激增，我们将在 2024 年记住，世界一流的设计、产品和工程团队将这些新的人工智能超能力有效地集成到其日常工作流程的各个方面，而这种情况尚未发生（大多数团队仍在尝试）。 2024 年将被视为软件构建发生巨变的一年。

Spark普通合伙人认为，2024年，真正的原生AI应用将开始出现。 目前该类型的LLM还处于AI版本的“Excel”阶段。

基于这些模型，未来将会出现专为复杂工作流程设计的原生AI SaaS应用。 这些应用从第一天起就以AI为核心构建，能够对当前复杂的专业工作流程进行解耦和重组，让基于AI的工作流程变得更加简单、高效。

德国GenAI初创公司首席执行官兼联合创始人坎恩也表示：采用人工智能的公司将会脱颖而出。 随着底层模型能力的巨大飞跃，企业可以显着提高生产力、效率和创新速度——根据麦肯锡的最新研究，人工智能的使用可以将生产力提高高达70%。

相比之下，Meta研究员的观点更为中肯。 他说：虽然没有大的突破，但各方面都有进步。

一方面，新模式不会带来真正的突破（GPT-5），LLM本质上仍然有限，容易产生幻觉。 到 2024 年，我们不会看到任何让它们足够可靠以“解决基本 AGI”的飞跃。

但另一方面，随着 RAG、数据管理、更好的微调、量化等方面的改进，LLM 将在许多用例中变得足够强大/有用，从而推动各个行业中各种服务的采用。

03 模式：LLM 还是 SLM？

基于这个观点，我们进而提出一个假设：2024年，是否会有更多的企业和消费者采用更高效、更低成本、可定制的小模型SLM，并在某些应用场景中取代LLM？

例如，混合专家模型 8x7B 在某些基准测试上甚至超越了 GPT-3.5； 微软的Phi-2只有27亿个参数，可以在手机上运行，​​并且超越了大多数常识推理、语言理解、数学和编码任务7B、13B、7B，并且与70B的差距也在缩小（甚至更好）。

AI曾经做过一个实验，利用GPT-3微调和自己搭建的小模型来训练一个法律领域的垂直模型。 GPT-3的微调和构建成本为7,418美元，10,000次推理成本为173美元。 然而，自己构建一个小模型的成本仅为 1,915 美元，10,000 次推理仅花费 0.26 美元。

准确率方面，GPT-3微调的垂直模型准确率为71.4%，小模型准确率为71.3%。 GPT-3的参数数量是这个小模型的1,400倍。

难道这就是“参数越大性能越好”的失败吗？ 当然不是。 但有时，正如《华尔街日报》开玩笑的那样：用 GPT-4 总结一封电子邮件就像“让兰博基尼送披萨”。 毕竟，在很多场景下，用户可能需要的只是写一个摘要。

换句话说，更小的模型可以极大地拓宽生成式人工智能的应用范围。

在这种情况下，AI创始人提出，2024年，1B模型的性能将优于70B。

还进一步总结：SLM已经出现，成本效益和可持续发展将加速这一趋势。 量化技术也将得到大幅提升，从而带动消费服务的设备集成浪潮。

在此，我们可以展望一下：2023年是大车型年，2024年会是“小车型”年吗？ 小机型+终端设备会成为2024年的一大亮点吗？

04 硬件：苹果还是其他？

说到“把模型放进手机”，你很可能会想到“小模型”，但如果你想把“大模型”放进手机呢？

这就不得不提到2024年AI硬件的竞争格局。

根据The 2024年预测，微软和三星将推出AI硬件设备，改变苹果和三星双寡头垄断的局面。

文章指出：微软可能会开发一款具有核心功能的设备。 如果该产品受到市场欢迎，微软将在 2025 年打造一款成熟的智能手机。与此同时，与平淡无奇的 Siri 一样，苹果提升 AI 能力的尝试也将令人失望。 尽管彭博社报道称，苹果正在紧锣密鼓地开发一系列生成式人工智能产品，但由于其在隐私问题上的强硬立场，苹果将落后于在云端运行的最先进人工智能模型的步伐。

不过，石岛对这一预测持保留态度。 一方面，正如我们在之前的文章《结束2023年，苹果AI“图片很差”：塞进大模型》中所说，在2023年即将结束之际，苹果发布了两篇爆炸性论文。 其中一篇论文显示，在Flash-LLM技术的支持下，将实现速度和尺寸的双重突破，大型模型或许很快就能在iPad、iPad等移动设备上流畅运行。

另一方面，苹果的“保护隐私”更像是“以退为进”。 根据 2024 年发布的 2024 年预测：至少有一个美国法院将宣布其领先的生成式 AI 模型违反版权法，这一争议可能在未来几年内上升到最高法院。

无论是 GPT-4 或 2 创建的诗歌、DALL-E 3 绘制的图像，还是 Pika 制作的视频，这些生成式 AI 模型都受益于对世界上许多数字数据的学习和训练。 这些人工智能公司通常使用数据进行直接训练。

这就产生了法律风险，比如最近《纽约时报》对微软提起的诉讼，该案可能成为人工智能使用知识产权纠纷的分水岭。

苹果的做法是先获得授权，然后使用数据进行训练。 但苹果似乎并没有放慢太多脚步。 据分析师报告，苹果可能在 2023 年建造了数百台 AI 服务器，2024 年将大幅增加。

当然，人工智能硬件不仅仅涉及智能手机。 据预测，2024年：AI智能眼镜将变得司空见惯。 随着多模态技术的兴起，领先的人工智能公司将加倍努力开发人工智能可穿戴设备。 还有什么比眼镜的形状更适合承载人工智能助手呢？

这就不得不提到Pro了。 苹果高级分析师 Mark 表示，苹果将在 2024 年专注于可穿戴产品（Pro、Apple Watch），一直占据榜首的产品可能会让位。

另外，根据a16z对2024年的预测，当“文胜文、文胜视频、文胜图像”等技术无限降低游戏组件的边际成本时，有一条线“降本增效——UGC” - 游戏行业的“XR头显”。 道路变得更加清晰。 陈认为，“下一代耳机最好加倍努力”并在此过程中吸引数百万消费者，而不是试图跳到需求低迷的生产力工具。

苹果发表的两篇论文中的另一篇详细介绍了一种名为 HUGS 的生成式 AI 技术，该技术只需要大约 50-100 帧的原始视频，相当于 24fps 下的 2 到 4 秒。 使用视频可以在30分钟内生成“数字克隆人”。

不得不说，相比“AI Pin”的小步小步，苹果的技术准备更像是按部就班。 因此，当谈到2024年的AI硬件突破时，首先站在苹果一边是合适的。

05 监管：威胁还是机遇？

然后苹果的隐私保护，继续讲AI监管。

一方面，人工智能监管压力越来越大。 例如，Adobe迫于监管压力终止了对Figma的收购。

Felt CTO Can Duruk表示：2024年，我们可能会遇到人工智能带来的第一个“哇”时刻。 这可能是一些备受瞩目的丑闻：比如说+生成的假新闻引发了骚乱，或者名人声称一张令人尴尬的“真实照片”实际上是由人工智能生成的。 即将到来的 2024 年美国大选将成为这一切的“有趣”背景。

另外，大家一定都看过关于用水量的新闻：“到2027年，全球AI需求可能需要66亿立方米水资源，几乎相当于美国华盛顿州一年的取水量。”

AI联合创始人罗特从AI与环境的角度做出了预测：AI对环境的影响将成为主导话题。 2024年，人工智能领域的爆炸式增长将与社会对气候变化和能源消耗的担忧相悖。 这将为人工智能系统带来经济和政治压力，要求其创建更好的模型架构，这意味着使用更少的数据和能源来训练和使用人工智能模型。 我们不仅需要提高效率来减轻对环境的影响，还需要为客户降低成本。

但另一方面，AI安全也将成为新的投资机会。 投资人表示：2023年，AI安全进入公众讨论。 随着企业争相采用最新的人工智能技术，透明度、信任和治理成为越来越多人们关注的焦点。 然而，我们预测，与技术能力相比，人工智能安全方面的投资将继续不足。 我们已经在这方面进行了投资，并将在2024年进一步加大投资。

06 结论

由于篇幅限制，石岛无法将2024年的AI预测一一展开，而是总结脉络，粗略梳理一下。

总而言之，生成式人工智能到底是一场史诗般的技术革命，还是只是企业 IT 武器库的一个强大补充，答案将在 2024 年揭晓。

对于初创公司来说，“发现需求”远大于“坚持大模式”。 现阶段要求生成式AI具备解决问题​​的能力。 “高度可货币化的杀手级应用”是生成式人工智能从模型转变为巨大印钞机的关键。

至于如何在应用层抓住机会，可以参考石岛之前的文章，也许里面有你想要的答案。

本文来自微信公众号“师道”（ID：），作者：师道AI组，36氪经授权发布。