询问下大家,奇妙逻辑冒险最后三关AI助手的盈利逻辑是啥？

来源：蜘蛛抓取(WebSpider) 时间：2023-12-30 20:45 标签： 人工智能怎么赚钱
@乔小布Allen 我觉得你们在推出这种功能的时候，要仔细论证一下它的应用原理是否能走得通，毕竟信息传播的路线越长，失真程度就必然越大，由机器进行会议记录概括有可能会降低沟通效能，有可能产生负面效果。要知道信息传播是存在一个转录过程的，在点对点的传输过程中要经历加密、传输与解密这三个环节，其中加密方法很多时候是采用有损加密的方式，传输过程也有可能造成信息损失，到解密也存在密钥错配等各类因素的存在，使得信息传播必然存在失真率。失真率是无法被清零的，更不可能转负，所以传播路线越长只会导致失真率越大。“概括”本就是一种信息压缩手段，而且肯定是有损的，所以不管是谁或哪个AI做的概括都必然会产生理解扭曲，但AI到底是以什么标准来决定这种扭曲是失真率最小的选择，我觉得这个问题已经远远超出大多数人的理解能力了，因此字节无法给出合理的解释。另外，为了弥补传输损失，概括应该存在某种程度的加料，通俗点说就是加一些自己的理解上去，但用AI做概括就必然否定了这个理解是出自使用者自己的可能性，字节到底是否有论证过这个“机器理解”的生成合理性（这个论证的难度太高，估计现阶段的AI技术都无法回答出来）。我不反对这种功能的商业应用，但从使用者的角度来说，如果其无法产生正向收益，那么肯定没人愿意付钱。这种功能的推出肯定需要其它的配套措施，它不可能实现平替，所以字节在推广上应该有更全面的考量。
智能伙伴本质是什么智能伙伴是飞书全面AI化的一个显性的手段。还有很多看不到的，例如Prompt工程平台、指令系统、插件系统等等。但我认为这些显性手段可以先放一放，就像飞书有很多外部看不懂的改版，有些也改来改去，所以手段并不是最值得分析的，值得分析的是它的源动力——全面AI化（AI-native）。为什么全面AI化如此重要利益相关：笔者是17年初加入飞书，在飞书4年半，经历0-1过程。现在任职于美团。飞书从16年底创立以来，在我看来大概有三波机会：第一波是创立之初，当时希望在G-suite / Slack / Notion 理念的基础上，做IM Base的 All-in-one 在线协作生产力平台，目标全球市场前三。直到18年仍然找不到手感，主要我认为两个原因，①工具并不成熟。②对海外B端市场的进入难度过于低估。具体不展开了。进而转向国内市场，而这套理念在当时有点先进过头了，信息效率这个噱头只对于特定的互联网、新媒体等知识工作者为主的中小团队受用，再想切新的行业就必须和钉钉、企微正面硬刚，陆续加强了aPaas、开放平台的能力，并成立了客户成功团队（LCS），从甲方挖人，快速补齐行业Know-how。这是一个肉搏战，并非字节这样技术驱动，轻资产模式运营公司所擅长的。但可贵的是飞书坚持做了下去。第二波是疫情期间，被迫远程办公让工具对效率问题的改善效果有了非常显著的体感，这是一场难得的社会实验。可惜这波机会的红利大部分让钉钉和企微抢了去，飞书视频会议很不争气的在那个时期还没办法解决更多人在线不掉线的问题。人们需要工具，但对于工具稳定可用易上手的要求，要远高于对看不见摸不着的效率和体验的要求。钉钉就是那个好用到恰到好处的工具。我很长时间都看不上钉钉的设计，感觉非常凌乱，没有一致性。但在美团这样公司自研的角度考虑，可能钉钉的解法，看似简单粗暴，但确实最容易落地和见效的。反观飞书开放的设计，由于过于追求抽象，通用，反而在一些高频场景下对开发者非常不友好。第三波就是大模型。我认为大模型对飞书有以下重大机会：1、飞书是国内知识工作者最欢迎（这不夸张）的产品。大模型最擅长的就是在知识层面提升生产力。2、大模型会提升企业内知识工作者的占比和地位。知识工作者的话语权越高，飞书的价值将更明显。3、AI-native目前大多是个口号，它意味着推翻、重构，甚至是重做一遍。在线协同市场里不太会再有新玩家进入了。AI化只有目前牌桌上的几家有资格聊。而用户规模小，反而可能是一种优势。微软为什么只能做成copilot，就是因为包袱太重，不太可能重做。看完齐俊元和潘乱的对谈，我认为飞书起码是具备这种战略勇气和现实条件。AI化的飞书可以解决哪些第一性问题1）过往工具思维，会更多的把飞书当成信息流动管道，但忽略了信息流动的最终目的——对齐。协作其实是一个对抗“反规模效应”的一种应对策略。当一件事情需要越多的协作节点，效率就会越低。这其中大量的浪费就发生在节点和节点之间的对齐。而这种对齐需求是网状的而非树状或者链式的，这就会导致对齐成本大到无法想象。智能伙伴首先展现出的特性就是用户和他智能伙伴之间的对齐。接下来会有通过A的智能伙伴，让B和A快速对齐。再接下来，A的智能伙伴就可以和B的智能伙伴直接对齐。一旦到达了第三步，理论上对齐将没有成本。2）构建用知识索引信息的平台，而非根据特征索引信息。我们看到的群、群分组、置顶、关键词搜索，都是传统的根据特征和权重来排序的手段，目的是让有价值的信息尽可能前置。但这个排序策略如此的差，使得绝大部分人需要通过过量的阅读包含噪音的信息，来避免自己错过重要消息。当智能伙伴可以和主人充分对齐后，将不需要排序，而是压缩。噪音自动会被压缩掉，有价值的信息，会被萃取出来。9年前Gmail inbox曾经通过算法预测大概率重要的邮件，折叠垃圾邮件。9年后，IM Base的办公产品，可以飞书借助大语言模型，可以预测大概率重要的conversions，甚至是opinions。3）降低成为专家的门槛。我在《张旭：LLM产品第一性原理》中曾评价，midjourney没有抢走艺术家的饭碗，而是让原本就可以有艺术天赋，但不会手绘的人，更低门槛的具象他们的艺术天赋。自动挡的发明让汽车驾驶员不再是一个专门的职业，开车没有那么难。大语言模型加持下的企业，会有更多有好奇心、有使命感、愿意投入的人将可以承担更多的责任和挑战。飞书智能伙伴就是企业内员工能力升格的杠杆。飞书做这件事的风险和挑战大模型的幻觉所带来的可用性问题。潘乱提问：有些人不敢错过重要信息怎么办。而俊元的回答是：我们可以确保大概率不错过重要信息。这是答非所问。在容错率低的场景中，大模型的缺点会放大，会伤害用户的信心。当达到最低可用线之前，有些AI-features就是完全不可用的状态。飞书是否有耐心和魄力，避免无意义消耗用户的期待和信任。信息安全问题。智能伙伴的理念要成立，就要让企业要把所有的数据都灌给飞书，如何让企业放心，安心。没有GUI，如何解决智能伙伴的被魔法攻击。重构工作流如何平衡新旧体验。飞书到底有没有想清楚真正的第一性交互方式，现在看来是打算照着浏览器的范式，借鉴arc再搞一次交互重构。arc是不是足够第一性，我是没太看懂，主要是感觉arc不太nature。核心产品领导层能坚持多久。坦白讲，飞书7发布会之后，我看齐俊元的采访，比看谢欣的采访获得的新认知要更多一些。当然可能他们两个人的分工和视角是不同的，但我仍然认为齐俊元是非常适合去做颠覆性创新的人，我从他的声音中能看到他的勇气，眼里有光。在这个基础上，团队的凝聚力会比以往更强。但这也是一个最大的风险，一这把一旦管理层失去了耐心，泄了气，飞书可能就再难获得这么好的机会了。一些不同观点潘乱：AI给普通工作者的好处和必要性是什么？齐俊元：AI给普通工作者提升效率，最终改善的是体验，心情变愉悦，同时你节省下来的时间，要么你选择产出更多，那么选择做其他自己的事，最重要的是你有了选择，而以往你没得选。张旭：我觉得这个答案可能还是想站在一线工作者的立场，但这个说法还是比较勉强，能这么想的一线工作者就不会问这个问题，问题是大部分人不会这么想问题。绝大多数还是最后意味着做更多的工作——相当于没得选。我认为多B端产品，多站在老板角度总是没错的。工作者要不要用AI，最主要的考虑的因素难道不应该给老板带来更多的价值么？然后才是个人的回报，最后才是成长和愉悦。价值不变、回报不变，成长无边，徒增愉悦是没有意义的。AI我认为在有些阶段是可以同时对于“价值”，“回报”，“成长”，“愉悦”全面buff的。我先抛一个理论，你得到的回报和你承担风险的大小正相关（和你提供的价值，做的事，过往经验，学历背景都无关）。AI可以解放你的一部分生产力，让你可以专注在解决高风险的复杂模糊问题上。那么这个阶段你承担的风险就变高，事实上，你人均给公司贡献的价值也是在提升的，公司应该支付你更高的回报。当你解决的复杂问题更多，你的经验和能力一定比只解决简单问题得到的锻炼更大。最后我们再看愉悦是不是在产品体验上可以得到满足。我为什么说“在有些阶段”呢，因为你承担的越多，并不一定意味着风险就一定越高，算法和模型也会帮助企业分担风险，这部分工作以前是靠堆更有经验的人或者更冗长的流程来解决。那么你承担的风险将回归到接近你的真实能力和经验，市场会在AI时代的人才定价上有比较大的波动。在波动中，永远处于高水位的人才，一定是善于借力大模型的人。所以回答，大模型对一线工作者的好处和必要性。答案其实非常简单，但也非常残忍：老板需要员工掌握大模型，来提供更高的单位生产力，和单位风险承担能力。体现到个体，单位回报是会增加的。掌握大模型的工作者将替代不掌握大模型的工作者。**谢欣**：我们还聊了一些比较远的、纯技术，甚至有一点科幻的问题。我问了一个问题，现在大模型看起来很有智力，像一个只会生物，但是它跟人有一个区别，人生下来，先有智力，然后学习知识，而大模型是先灌输了足够的数据，才拥有了智力。我就很好奇，为什么不一样？有个有意思的答案。感觉上数字的生命体和生物的生命体可能很像，但生物已经进化了很久，人可能是「GPT-1w」了，从最原始的单细胞草履虫，没有智力，（进化）过程中不断地重新 train，每一代 train 一次，相当于把生活中的履历，一定程度上 train 到了下一版本的大脑中，最后构成了现在（人类的智力）。所以，我们看上去，生而拥有的智力，其实是前面无数代 pre-train 进去的，这一点跟大模型很像。张旭：这个观点我确实忍不住要纠正谢欣，其实是有过相关猜想，并且被证伪了。原理很简单① 人的基因能携带的信息大概是3GB，而人和猴子的基因中只有3%是不一样的，大概只有92M，这么大的空间还要负责人类特征之外，几乎不可能再存放一个模型。这个误解，主要源自将大模型和AGI近似等同所导致的，大模型的能力是AGI的一部分，也仅仅是一部分而已。② 人类基因在几万年前就确定基本没变化了，如果基因中存在被压缩的知识，那也是几万年前的知识，预装一个几万年前的训练的知识模型，对人类智慧不会有任何帮助的。假设真的有人基因突变把知识写入自己下一代的基因，自然选择最后会让这些没有收益微小的异类获得竞争劣势而灭亡。总结一下，智能伙伴和飞书7的发布，我获得的两个新认知：对齐是工作协作中的一大成本，AI可以很好的辅助人完成对齐ai-native，不是只有startup能搞，比的就是谁更有勇气。
作者｜星奈编辑｜方奇媒体｜AI大模型工场如果有无数只猴子，并且它们有无尽的时间，那么这些猴子就有可能打出完整的《哈姆雷特》。想象一下，如果我们将这些打字的猴子比作一个能够生成随机字符的程序，而将《哈姆雷特》看作是一个按照一定规律排列的字符序列，那么无限猴子的原理就与现在的大型GPT模型非常相似。出门问问自研的大模型“序列猴子”的名字就来源于此。我们只需要给机器提供大量的文本序列，然后通过强大的计算能力进行训练，最终就可以得到一个拥有智能的“序列猴子”大模型。今年4月诞生的“序列猴子”在经历8个月的生长后正在成为出门问问的王牌产品，此时，出门问问正凭借“序列猴子”冲刺港股“AIGC”第一股。中国证监会国际部于12月21日披露了关于出门问问的境外发行上市备案通知书。出门问问已完成港股上市备案，或很快进行上市聆讯，此外，出门问问将计划发行不超过2.2063亿股普通股。虽然过去一年大模型炙手可热，但港交所仍未出现AIGC概念公司。如果此次成功上市，也就意味着，出门问问将成为港股“AIGC第一股”。大模型经过近一年的野蛮生长，基础模型的竞争已经告一段落，应用落地的序幕刚刚拉开。在大模型所带来的变局中，出门问问在一众大模型公司中优势在哪里？能否成功上市？面临的挑战又有那些？以及如何构筑自己的护城河？第二次冲刺港股上市早在今年5月30日，出门问问就第一次递表港交所，试图冲击“AIGC第一股”，后于11月底失效，并于第二天更新招股书，中金公司与招银国际为其联席保荐人。而这一次，出门问问的上市之路注定不易。出门问问成立于2012年，由李志飞带头成立。李志飞是美国约翰霍普金斯大学计算机科学博士，曾任职于硅谷研究院，从事语音识别、自然语言处理、机器翻译等领域的核心算法研究和开发。公司以生成式AI和语音交互技术为核心业务，是为数不多的具有建立通用大模型能力的AI公司，也是是亚洲最早开发和商业化生成式AI大模型的公司。据招股书显示，出门问问从2013年至2019年间共进行了7轮融资，融资总额超过2.3亿美元，投资方包括红杉资本、海纳亚洲创投基金、真格基金、Google、大众汽车集团等知名企业及投资机构。该公司的估值也从A轮融资的510万美元，飙升到D2轮融资后的7.57亿美元，估值暴涨140多倍。在资本的强力助推下，出门问问业绩发展迅猛。从财务上看，2020—2022年间，出门问问营收为2.65亿元、3.98亿元、5亿元，对应经调整净利润分别为-1.57亿元、-0.73亿元、1.09亿元。不过到了2023年上半年，出门问问营收、利润双降。据最新招股书显示，出门问问上半年营收为2.62亿元，经调整利润为6509万元，相较去年同期，该两项指标分别下滑23.7%、63.3%。究其原因，主要系智能设备及硬件业务和车载业务收入下滑的影响。目前，出门问问的业务可分为两大模块：AIoT解决方案以及AI软件解决方案。出门问问将TicWatch系列智能手表、智能跑步机、智能家居等产品纳入AIoT智能设备业务。在2022年之前，是出门问问的核心业务，2020和2021年分别贡献了83%和85%的收入，2022年，AIoT解决方案在营收中的占比大幅下滑，至39.4%。AI软件解决方案包括面向内容创作者的AIGC解决方案以及针对企业的AI软件解决方案。具体来看，面向内容创作者的AIGC产品包括AI配音助手“魔音工坊”及其海外版“DupDub”、AI写作助手“魔撰写作”、AI数字人“奇妙元”。在B端，出门问问为汽车、金融行业等多个行业提供人性化、智能化的AI语音交互解决方案。但事实上，该业务主要是为汽车附属A服务。招股书显示，2021年-2023年6月，来自于公司向最大客户A的收入占比总收入的0.8%、42.6%、53.0%。外界不少声音猜测，此处的大客户A即为大众汽车。而2022年合作收入剧增源于2021年底双方签署的一份知识产权协议，即出门问问为大众汽车提供汽车语音交互解决方案等服务，合约金额5500万美元。随着今年6月该知识产权协议的结束，出门问问在车载市场长远发展的稳定性堪忧。押注序列猴子，用大模型增势在招股书中，出门问问提到AIGC近250次，公司对大模型的重视程度可见一斑。李志飞可以说是中国最早一批关注到GPT-3的人，2020年6月，GPT-3出现后，出门问问就开始探索中国版的GPT。他曾在多个场合表示：“GPT-3 是暴力美学的一次胜利。”2021年出门问问正式发布大模型“UCLAI”，但由于难以在商业化落地和研发成本之间找到平衡，便停止了对大模型的投入。直到ChatGPT横空出世，AIGC成为炙手可热的新兴赛道，出门问问重拾大模型研发，并于今年4月推出大语言模型“序列猴子”。再次出发的出门问问，似乎对如何做大模型、以及如何实现商业化都有了全新的思考。在大模型建设层面，多模态能力成为出门问问发展大模型关注的重点。李志飞表示，大模型最终要产生各行各业的应用的话，一定是要通过Agent或者Copilot的方式去落地。而Agent的输入输出都依赖于多模态，没有多模态，就没有Agent。出门问问推出的“序列猴子”不仅限于语言能力，更是一款具备多模态生成能力的大语言模型。该模型不仅具有逻辑、推理、对话等通用语言能力，还能够同时支持文字生成、图片生成、3D内容生成、语音生成和语音识别等不同任务。李志飞认为未来，大模型最好的“工作” 是做人类的 CoPilot （助理），并预测CoPilot将会无处不在，在创作者、C端、B端将会有广泛的应用。在商业化落地层面，出门问问正在探索两种新的商业模式：To PC（professional consumer），专业个人；To SMB（small and media business），中小型企业，即更关注创作者和小B端的商业化机会。目前，出门问问To PC的商业化路径已经较为清晰，盈利模式也相对成熟，采取按月付费+按使用量付费的混合模式。官方数据披露，截至2023年11月28日，出门问问的魔音工坊、魔撰写作、奇妙元等AIGC产品拥有超过800万名累计注册用户，以及约60万名累计付费用户。在小B端，出门问问主要提供定制大模型服务，提供个性化解决方案。目前已与春秋航空、趁早、中国移动、中国电信、易车APP、中国工商银行、VIPKID等500余个行业客户开展合作探索，覆盖企业咨询、教育培训、出海产品介绍、口播短视频、直播等多类场景。出门问问在大模型领域正在积极探索，但是能否真正跑通还有待时间验证。出门问问的故事怎么讲？大模型的发展前景无疑具有巨大的想象空间。出门问问在招股书中提到，根据灼识咨询，按收入计，预计到2027年，中国AIGC市场规模将达326亿元，2022年至2027年的复合年增长率为136.3%。水大鱼大，纵使大模型商业前景还是一片蓝海，但是大模型研发“烧钱”是不争的事实，目前没有几家企业能够真正利用大模型赚钱也是事实。以LLaMA-13B版本为例，按Meta论文中的数据，其预训练用A100（80GB显存），跑13.5万GPU小时。假设1000张卡，跑135小时，相当于5天半左右。而这1000张显卡就差不多1亿人民币。如果再加上其他硬件服务器、数据中心、电费、研发人员的成本，大模型预训练的资金门槛就在几个亿到几十亿之间（对应百亿级到千亿级参数的模型）。李志飞曾公开表示，“序列猴子”模型参数量约为百亿级别，可想而知其烧钱程度。尽管李志飞曾坦言出门问问近期不考虑融资，不需要外部融资也能支撑研发投入，但是深挖一下其融资进度就会发现，出门问问自2019年获得最后一笔约1687万美元的投资后，已经长达4年时间再未获得过投资。在最新的招股书中显示，截至2023年10月31日，其现金及现金等价物只有1.598亿元。背后缺少资本支持的出门问问能走多远？除了现金捉襟见肘外，出门问问还需要应对激烈的外部竞争。ChatGPT出现后，国内一年时间里就诞生了238个大模型，百度、阿里、腾讯、科大讯飞等大厂纷纷下场，并在8月份陆续面向社会开放。除了来自大厂的压力，出门问问也面临着来自同类型产品的竞争。面对如此多麻烦的出门问问，在冲刺港交所IPO之际，如何用现有资源构筑自己的护城河，打消资本市场的疑虑？如果说大模型上半场的竞争壁垒是算力的壁垒，实际上是钱的壁垒，那么进入到大模型竞争下半场，数据和用户或许能成为企业新的护城河。有人说垂直领域的数据积累是企业的护城河，并且可以利用数据飞轮加宽这条河。实际上，大家都很容易获取的数据不是壁垒，用户在自己产品中交互沉淀的数据才是壁垒，将数据与自己的产品相结合，形成数据飞轮，这才是比模型和算力更靠谱的壁垒。具体到出门问问身上，无论是推出的AI智能手表、智能跑步机等智能硬件产品还是基于“序列猴子”推出的“魔音工坊”、“魔撰写作”、“奇妙元”等AIGC产品，出门问问都在努力将用户的使用数据和产品相结合，形成独特的数据飞轮，以加深其护城河。未来，随着大模型技术的不断演进和应用场景的不断拓宽，数据和用户的重要性将会更加凸显。对于出门问问来说，如何更好地利用数据飞轮效应，将其转化为可持续的竞争优势，将是决胜大模型竞争下半场的关键。36氪经授权发布。

我要回帖

更多关于 人工智能怎么赚钱 的文章

 

随机推荐