最令人興奮的 AI 趨勢(shì),。

神譯局是36氪旗下編譯團(tuán)隊(duì),，關(guān)注科技、商業(yè),、職場(chǎng)、生活等領(lǐng)域,，重點(diǎn)介紹國(guó)外的新技術(shù),、新觀點(diǎn),、新風(fēng)向,。

編者按：與典型的 Gartner 炒作曲線不一樣的是，人工智能的炒作熱潮罕見(jiàn)地多年未消,。最近這波生成式 AI 的熱潮，更是因?yàn)橐恍┏鮿?chuàng)企業(yè)將技術(shù)普及到消費(fèi)者手中而被掀起到了新高度,。但外行看熱鬧,，內(nèi)行看門(mén)道。對(duì)于創(chuàng)業(yè)者和投資者來(lái)說(shuō),，關(guān)鍵是要看清 AI 未來(lái)發(fā)展的趨勢(shì),。作者在與眾多 AI 投資者交流后,，總結(jié)出未來(lái)的 AI 發(fā)展趨勢(shì),。文章來(lái)自編譯。

可執(zhí)行的洞察

如果你只有幾分鐘的時(shí)間,，以下是投資者,、運(yùn)營(yíng)者以及創(chuàng)始人應(yīng)該了解的最令人興奮的 AI 趨勢(shì)。

• 人手一位機(jī)器人副駕,。 AI 已經(jīng)在簡(jiǎn)化插圖、協(xié)作與寫(xiě)代碼的工作,。很快 AI 就會(huì)變成所有知識(shí)員工的助手。未來(lái),，律師、金融分析師,、建筑師等都會(huì)有自己版本的 GitHub “Copilot”。

• 跟蹤價(jià)值轉(zhuǎn)移,。 由于 AI 初創(chuàng)企業(yè)往往要依賴于像 GPT-3、Codex 這樣的公開(kāi)模型,，有人對(duì)其有沒(méi)有護(hù)城河提出了質(zhì)疑。核心問(wèn)題與誰(shuí)俘獲了價(jià)值有關(guān),。利用 GPT-3 的應(yīng)用能不能成功捕捉到價(jià)值？還是說(shuō)最后還是落到基礎(chǔ)設(shè)施層手上,？

• 超越文字與圖像。因?yàn)槲淖峙c圖像自動(dòng)化創(chuàng)作的能力,，GPT-3 與 DALLE-2 贏得了大量關(guān)注。但 AI 最有影響力的應(yīng)用也許來(lái)自于生命科學(xué),。AI 可以用來(lái)設(shè)計(jì)出更好的藥物，或者進(jìn)行更高效的臨床實(shí)驗(yàn),。

• 界面的改善。與 AI 的交互往往是簡(jiǎn)單的文本框的方式,，用戶輸入“提示”，機(jī)器返回結(jié)果,。雖說(shuō)這種用法很簡(jiǎn)單，但需要有更大的控制才能釋放這種技術(shù)的威力,。面臨的挑戰(zhàn)是在促進(jìn)這種潛能的同時(shí)避免引入不必要的復(fù)雜性,。應(yīng)用需要流暢,、富有創(chuàng)意的界面才能火起來(lái)。?

• 解決勞動(dòng)力短缺,。熟練藍(lán)領(lǐng)供應(yīng)短缺，但社會(huì)的需求卻在增加,。比方說(shuō)，熟練焊工每年都在以 7% 的速度減少,，但對(duì)這些焊工的需求卻以 4% 的速度在增長(zhǎng)。有 AI 支持的機(jī)器人也許可以成為解決方案的一部分,，焊接、建造等人工也許都可以實(shí)現(xiàn)自動(dòng)化,。

“這次不一樣。”

約翰·鄧普頓爵士（Sir John Templeton）,，1999 年被《Money》雜志評(píng)為“世紀(jì)選股人”。他說(shuō),，“這是投資最危險(xiǎn)的 5 個(gè)字?！?/p>

說(shuō)得好，很妙的諷刺,。市場(chǎng)經(jīng)常會(huì)出現(xiàn)海市蜃樓,，看似異常的情況其實(shí)稀松平常——那不過(guò)是我們熟悉的周而復(fù)始當(dāng)中的一個(gè)步驟而已,。

但是，有時(shí)候情況確實(shí)會(huì)不一樣。有時(shí)候星星之火也會(huì)燎原,。有時(shí)候這個(gè)世界確實(shí)變了,。

說(shuō)到人工智能（AI）,，風(fēng)投界的看法是，我們也許正處于這樣一個(gè)時(shí)刻,。過(guò)去一年的時(shí)間里,，隨著公眾興趣的增加,，新的模式與初創(chuàng)公司如雨后春筍般涌現(xiàn)。在整個(gè)行業(yè)的風(fēng)險(xiǎn)投資隨著大盤(pán)回落而放緩之際,，我們與風(fēng)投家進(jìn)行交流，去了解他們最感興趣的是什么,，以及他們對(duì)經(jīng)常被提及的生成式人工智能最興奮的是什么,。

一如既往,，這是我們回顧這段時(shí)間尋找虛幻曙光的機(jī)會(huì)——是資本在冷卻中尋找熱度的結(jié)果。但感覺(jué)那種情況不太可能。我從事第一份風(fēng)投工作的時(shí)間是在 2016 年,，那時(shí)候每一個(gè) pitch deck 都是自己具備一點(diǎn)人工智能優(yōu)勢(shì),，而聊天機(jī)器人則被看作是用戶體驗(yàn)的進(jìn)化?，F(xiàn)在玩 DALLE-2,、GPT-3 和 Stable Diffusion 的感覺(jué)跟那個(gè)時(shí)代截然不同，相當(dāng)于從一個(gè)會(huì)說(shuō)話的洋娃娃躍進(jìn)到一位早熟的幼兒,。人工智能正在釋放真正的創(chuàng)造力與真正的商業(yè)價(jià)值，可生成新穎的圖像,、合理的文字以及可用的代碼。隨著一代代模型長(zhǎng)江后浪推前浪,，隨著初創(chuàng)企業(yè)找到利用它們的新方法,，大量的創(chuàng)新和實(shí)驗(yàn)往往令人感覺(jué)應(yīng)接不暇,。今天可能性的地平線看起來(lái)還很遙遠(yuǎn)，但也許幾周之后就會(huì)突兀地呈現(xiàn)在你面前,。

為了更好地了解行業(yè)現(xiàn)狀，我邀請(qǐng)了十位思想深刻的 AI 投資者分享他們認(rèn)為值得關(guān)注的趨勢(shì),。我希望這些洞察能夠幫助我們更好地確定機(jī)會(huì)在哪里，以及哪些主題值得進(jìn)一步研究,。

關(guān)于此次交流的一點(diǎn)說(shuō)明。

雖然投資者知道其他撰稿人都寫(xiě)了什么,，并鼓勵(lì)我選擇不同的主題，但我發(fā)現(xiàn)其實(shí)談一談重復(fù)的東西往往很有趣,。同一個(gè)主題兩位投資者的解讀方式可能會(huì)截然不同,，而這種差異是有價(jià)值的,。

此外，投資者提到所投資的公司我也有意保留下來(lái),。一切都是權(quán)衡取舍的問(wèn)題，我相信收益會(huì)大于感知到的成本,。這種方法的缺點(diǎn)是,，投資者可能會(huì)被看成為自己的投資組合“背書(shū)”,。首先，我們挑選的是我認(rèn)為有思想且可靠的貢獻(xiàn)者,。其次,，讓投資者選擇自己最了解、研究最深入的公司會(huì)更有意思,。我們還要求他們?cè)谙矚g的公司當(dāng)中做出選擇,。最后，這表明他們利益攸關(guān),，充分利用了自己的信念。

好了,，接下來(lái)我們就一起掀開(kāi) AI 的兔子洞,，去了解這一新技術(shù)是如何影響我們的思想、身體和機(jī)器的,。

趨勢(shì)：讓人類的工作站上新臺(tái)階

有沒(méi)有什么職業(yè)是像“藝術(shù)家”這樣屬于典型的右腦型的,？或者像“程序員”這樣典型的左腦型職業(yè)？

如果用四個(gè)字總結(jié)去年的特點(diǎn)的話,，那就是快速演進(jìn),，尤其是大型語(yǔ)言模型的快速演進(jìn),。這種人工智能的快速演進(jìn)尤其引人注目的是,，現(xiàn)在它們開(kāi)始為輔助工具提供動(dòng)力，從而在根本上提高各行各業(yè)的生產(chǎn)力,、影響力與價(jià)值,。

對(duì)于藝術(shù)家，我們有 AI 圖像生成工具,，比方說(shuō) OpenAI 的 DALL-E,、 Midjourney 等。對(duì)于程序員,，我們有微軟的 GitHub Copilot，它可以幫助軟件開(kāi)發(fā)者用許多當(dāng)前最流行的計(jì)算機(jī)語(yǔ)言編寫(xiě),、測(cè)試和改進(jìn)代碼。

雖然一些 AI 懷疑論者把大型語(yǔ)言模型說(shuō)成是暴力破解的預(yù)測(cè)機(jī)器,，永遠(yuǎn)也沒(méi)法給計(jì)算機(jī)注入人類的智能或意識(shí)等任何東西,，但在令人興奮的實(shí)踐中，我們所看到的是,，這些類型的 AI 工具在促進(jìn)人類繁榮方面，已經(jīng)開(kāi)始發(fā)揮著影響極為深遠(yuǎn)深刻的作用,。

Copilot 為開(kāi)發(fā)者以及 DALL-E 為各種視覺(jué)創(chuàng)意人員所做的，是減少或消除他們工作當(dāng)中那些機(jī)械式,、很耗時(shí)但仍然至關(guān)重要的事情,。當(dāng)然，這種情況并不是軟件開(kāi)發(fā)者以及藝術(shù)家所獨(dú)有的,。大型語(yǔ)言模型針對(duì)大量文本數(shù)據(jù)進(jìn)行訓(xùn)練，然后結(jié)合它們“學(xué)習(xí)”的內(nèi)容,，在用戶提供的提示下，生成統(tǒng)計(jì)上可能的（上下文敏感的）輸出,。因此,，雖然 Github Copilot 是通過(guò)攝取大量計(jì)算機(jī)代碼訓(xùn)練而成,，但不同版本的 Copilot 幾乎可以適用于任何職業(yè),。

比方說(shuō),，面向律師的 Copilot 可以幫助他們基于自然語(yǔ)言查詢以前的案例以及最佳實(shí)踐起草合同,、動(dòng)議、辯護(hù)狀以及其他法律文件,。AI 還可以建議相關(guān)判例,、法規(guī)與傳訊，或?qū)ΜF(xiàn)有文件存在的可能錯(cuò)誤,、不一致或風(fēng)險(xiǎn)進(jìn)行標(biāo)記。

面向建筑師的 Copilot 可以幫助他們按照規(guī)范,、約束和目標(biāo)對(duì)建筑物和結(jié)構(gòu)進(jìn)行設(shè)計(jì),、建模和優(yōu)化,。AI 助手還可以生成交互式的可視化效果，并幫助確定項(xiàng)目對(duì)環(huán)境,、社會(huì)和經(jīng)濟(jì)的影響,。

不妨想象這樣一個(gè)世界,。在這個(gè)世界里,，成千上萬(wàn)個(gè)行業(yè)里數(shù)百萬(wàn)的專業(yè)人士都在使用各種專業(yè)版的 Copilot,，用更快的速度將生產(chǎn)力,、準(zhǔn)確性和創(chuàng)造力提高到全新的水平,。一個(gè)所有行業(yè)的專業(yè)人士都可以使用通用工具的世界，去利用通過(guò)接口編寫(xiě)的每個(gè) app,、API 或軟件程序的威力,，讓他們得以用通俗易懂的言語(yǔ)描述他們想要完成的任務(wù),。

在反烏托邦的未來(lái)愿景里,，泛化的技術(shù),，或者特指的人工智能，往往會(huì)被描述成會(huì)導(dǎo)致貧富兩極分化愈發(fā)嚴(yán)重的力量,，大部分人類將被機(jī)器剝奪掉權(quán)利，被邊緣化以及陷入貧困,。

不過(guò)，在今天我們所看到的世界里,，新的人工智能工具正在以前所未有的方式有效地實(shí)現(xiàn)了設(shè)施與效率的大眾化。在此過(guò)程中,，它們?yōu)閷I(yè)人士賦權(quán),，讓他們的生產(chǎn)力達(dá)到新的水平,，并給社會(huì)帶來(lái)好處,，其收益甚至可能超越工業(yè)革命之所得。不僅如此,，人們還會(huì)發(fā)現(xiàn)自己的工作變得更有吸引力和成就感了,，因?yàn)樗麄儗?huì)有更多時(shí)間專注于自己最具創(chuàng)造力、戰(zhàn)略性以及新穎性的事情上,。

未來(lái)已來(lái),。五年之內(nèi)，所有的主流職業(yè)都會(huì)有人工智能的增效工具,。這些工具可以促進(jìn)人類在各個(gè)職業(yè)中的卓越表現(xiàn)——不管是右腦型、左腦型還是任何復(fù)合類型,。

—— 里德·霍夫曼（Reid Hoffman）,，Greylock 聯(lián)合創(chuàng)始人,，Saam Motamedi， Greylock 合伙人

趨勢(shì)：生成式人工智能與生命科學(xué)

AI 又過(guò)了一個(gè)盛夏,。我們目睹了新的研究團(tuán)體的興起,。這些團(tuán)隊(duì)正以前所未有的速度將大型集中式實(shí)驗(yàn)室開(kāi)發(fā)的突破性 AI 模型開(kāi)源出來(lái),。雖然這些文本生成圖像/視頻模型可以提供病毒式流行的消費(fèi)級(jí)產(chǎn)品,，抓住我們的想象力,，但這些模型最有影響力的應(yīng)用不太可能是它們的一階效應(yīng),。我相信真正有待開(kāi)發(fā)的是人工智能與科學(xué)的結(jié)合部,，尤其是在生命科學(xué)領(lǐng)域。

今天的科學(xué)方法植根于數(shù)據(jù)驅(qū)動(dòng)的實(shí)驗(yàn),。我們可生成的，用于解釋生物系統(tǒng)的數(shù)據(jù)的分辨率和規(guī)模正在不斷改進(jìn),，與此同時(shí),，我們還在開(kāi)發(fā)能夠?qū)θ祟愓Z(yǔ)言,、自然圖像或社交網(wǎng)絡(luò)圖譜建模的 AI 模型架構(gòu)。這些架構(gòu)可以直接轉(zhuǎn)化為對(duì)蛋白質(zhì)的語(yǔ)言,、細(xì)胞圖像或化學(xué)分子圖的建模。這種不可思議的泛化能力現(xiàn)在正在讓我們?cè)诘鞍踪|(zhì)結(jié)構(gòu)預(yù)測(cè)以及藥物分子設(shè)計(jì)方面取得突破,。 AI 正在推動(dòng)新一代技術(shù)驅(qū)動(dòng)的生物技術(shù)公司向價(jià)值萬(wàn)億美元的制藥行業(yè)進(jìn)軍,，以更快的速度、更低的成本提供更好的藥物,。

Ali Madani 是這個(gè)領(lǐng)域的創(chuàng)始人之一 ,，他在 Salesforce Research 領(lǐng)導(dǎo)了一項(xiàng)名為 ProGen 的 AI 蛋白質(zhì)工程登月計(jì)劃。這項(xiàng)計(jì)劃的目標(biāo)是開(kāi)發(fā)專門(mén)用于設(shè)計(jì)全新的人工合成蛋白質(zhì)的大型語(yǔ)言模型,。這些人工合成的蛋白質(zhì)將可重現(xiàn)甚至優(yōu)于天然存在的同類蛋白質(zhì)的特性,。他們的團(tuán)隊(duì)做出了人工智能生成的蛋白質(zhì)的第一個(gè) 3D 晶體結(jié)構(gòu),。鑒于蛋白質(zhì)是一切生命的機(jī)能驅(qū)動(dòng)，像這樣的技術(shù)釋放出來(lái)的可能性是巨大的,。

——Nathan Benaich,，Air Street Capital 普通合伙人

趨勢(shì)：協(xié)作式界面

大型語(yǔ)言模型（LLM）是我們見(jiàn)過(guò)的最強(qiáng)大的工具之一,。我們還在測(cè)試這些模型的指令范圍在哪里,。如何做出巧妙的提示設(shè)計(jì)已迅速成為極客的熱門(mén)運(yùn)動(dòng),。 （很滑稽，“讓我們按步驟思考”的提示幾乎增強(qiáng)了模型的推理能力,。）

但自然語(yǔ)言并非萬(wàn)靈藥——在沒(méi)有手冊(cè)指導(dǎo)的情況下,，我們?nèi)栽诿つ康匕l(fā)出命令。提示設(shè)計(jì)沒(méi)有指南,、缺乏一致的抽象，沒(méi)有明確的地圖來(lái)引導(dǎo)我們探索模型的“潛在空間”,，只有大量的反復(fù)試驗(yàn)以及各種妙招。

有些初創(chuàng)企業(yè)已經(jīng)開(kāi)始給范疇狹窄的用例做用戶體驗(yàn)的簡(jiǎn)化,，并且獲得了回報(bào)。舉個(gè)例子,，Jasper 提供模板化提示來(lái)創(chuàng)作營(yíng)銷(xiāo)文案,。正如大多數(shù)語(yǔ)言模型產(chǎn)品給用戶展示“采樣步驟”以及“種子”這些不透明概念所說(shuō)明的那樣，我們還處于早期階段,。

每個(gè)可以訪問(wèn)互聯(lián)網(wǎng)的人很快就會(huì)在日常任務(wù)當(dāng)中間接地用上大型語(yǔ)言模型,。至少,，搜索會(huì)被徹底顛覆，能按需提供答案和摘要,。我們應(yīng)該還能看到為更好地掌握以及更深入的互動(dòng)而設(shè)計(jì)的 LLM 工具,。創(chuàng)意人員已經(jīng)希望生成出來(lái)的圖像在結(jié)構(gòu)上是可操縱的，而員工則希望能得到可靠的輸出,。很多人也許希望自己的人工智能助手能接受特定知識(shí)的教育。這些是復(fù)雜的“頭腦的自行車(chē)”（編者注：?jiǎn)滩妓拐Z(yǔ),，計(jì)算機(jī)是頭腦的自行車(chē)）,，將釋放知識(shí)工作者的生產(chǎn)力,。

Ilya Sutskever 對(duì)“提示”很不屑,，覺(jué)得這個(gè)詞只是權(quán)宜之計(jì),，是因?yàn)槲覀兡Ｐ痛嬖谌毕荨Ｎ蚁Ｍ菍?duì)的（因?yàn)橥ǔＫ际菍?duì)的）,，我們的模型會(huì)逐漸能理解意圖。但是一個(gè)根本問(wèn)題是人類的意圖未必總是確定的,；人的意思往往是迭代的,、探索性的,。一旦模型要處理需要這種思維的,，更復(fù)雜的任務(wù),，我的直覺(jué)是，對(duì)于創(chuàng)造最終用戶價(jià)值來(lái)說(shuō),，理解工作流并實(shí)現(xiàn)針對(duì)該工作流的更多控制和反饋至關(guān)重要,。改進(jìn)用戶體驗(yàn)的早期想法包括模板、在不同代際的模型間選擇用戶界面和添加更多約束的能力,、對(duì)上下文長(zhǎng)度的控制,、對(duì)鏈?zhǔn)竭^(guò)程中的居間控制,，以及公開(kāi)模型的“思維過(guò)程”,。

一些創(chuàng)業(yè)者和投資者對(duì)圍繞著別人的模型來(lái)建立商業(yè)價(jià)值感到絕望,，但我們對(duì)于如何與 AI 進(jìn)行交互的了解才剛剛開(kāi)始。不同領(lǐng)域之間可能會(huì)存在差異,，研究人員不太可能滿足每個(gè)用戶角色的需求。這些強(qiáng)大模型的唯一界面會(huì)一直都是一個(gè)簡(jiǎn)單,、靜態(tài)的文本框嗎,？我認(rèn)為不會(huì)——這就是產(chǎn)品的機(jī)會(huì)。

——Sarah Guo,，Conviction 創(chuàng)始人

趨勢(shì)：AI 視頻創(chuàng)作

生成式人工智能現(xiàn)在風(fēng)靡一時(shí),，而且它的火有充分的理由,，因?yàn)榇_實(shí)非常令人興奮,。撇開(kāi)技術(shù)實(shí)力不談,，常見(jiàn)的商業(yè)問(wèn)題也適用：你能不能開(kāi)發(fā)出這樣一種產(chǎn)品,，用生成式 AI 解決問(wèn)題的效果可以比其他方式好 10 倍,？隨著時(shí)間的推移，你能不能建立起牢固的競(jìng)爭(zhēng)優(yōu)勢(shì),？

以我的一家之見(jiàn),，視頻創(chuàng)作平臺(tái) Synthesia 就是一個(gè)很好的例子。通過(guò)它可以看出如何在生成 AI 的基礎(chǔ)之上做出令人興奮的業(yè)務(wù),。通過(guò) Synthesia ，用戶只需鍵入幾行文本,，單擊幾個(gè)按鈕,，然后,，就會(huì)生成一個(gè)專業(yè)的視頻，幾分鐘之內(nèi)就會(huì)有一個(gè)人類化身來(lái)講解文本（請(qǐng)注意,，它可以支持多達(dá) 60 種語(yǔ)言）。

Synthesia 可以用于各種企業(yè)用例,，尤其是在入職和培訓(xùn)方面的用例,。對(duì)于許多客戶來(lái)說(shuō)，之前要么是提供很少有人能讀下去的冗長(zhǎng) PDF,，要么就得花費(fèi)數(shù)十萬(wàn)美元通過(guò)演員,、導(dǎo)演、攝像機(jī)以及后期制作來(lái)做出專業(yè)視頻,。

通過(guò)生成式 AI,， Synthesia 可以極大地減少創(chuàng)建商業(yè)視頻所需的工作量、時(shí)間與金錢(qián),，這個(gè)效率提升也許達(dá)到 100 倍之巨,，而且讓任何人都能做到這一點(diǎn)。此外,，它還開(kāi)發(fā)了自己的專有 AI 技術(shù)——公司的兩位聯(lián)合創(chuàng)始人都是 AI 方面的教授,，并且擁有一直強(qiáng)大的內(nèi)部研究團(tuán)隊(duì)。雖然它也利用了大型語(yǔ)言模型,，但與一般初創(chuàng)企業(yè)基于 GPT-3 來(lái)開(kāi)發(fā)不一樣的是,，該公司避免了對(duì)平臺(tái)的依賴性,，為長(zhǎng)期穩(wěn)固的競(jìng)爭(zhēng)優(yōu)勢(shì)以及贏得品類的領(lǐng)導(dǎo)地位鋪平了道路。

—— FirstMark 常務(wù)董事 Matt Turck

趨勢(shì)：自動(dòng)化代碼生成與應(yīng)用開(kāi)發(fā)

現(xiàn)代機(jī)器學(xué)習(xí)（ML）的進(jìn)展的步伐似乎一直都很快,。深度學(xué)習(xí)模型第一次贏得最受歡迎的計(jì)算機(jī)視覺(jué)競(jìng)賽還只是十年前的事,。可是,，當(dāng) GitHub 在 2021 年底推出其“AI 結(jié)對(duì)程序員”Copilot 產(chǎn)品時(shí),，許多人（甚至像我這樣從事 ML 工作的人！）都對(duì)現(xiàn)在的深度學(xué)習(xí)模型居然可以幫高技能的軟件開(kāi)發(fā)者自動(dòng)補(bǔ)全代碼感到震驚,。在開(kāi)發(fā)者用于來(lái)編碼的界面里，Copilot 可以就如何完成一行代碼給出建議,，甚至可以根據(jù)該代碼應(yīng)該做什么的自然描述生成多行代碼,。一些用過(guò)第一版 Copilot 的工程師聲稱，該助手每天可為他們節(jié)省數(shù)小時(shí)的時(shí)間,，甚至可以替他們編寫(xiě) 40% 的代碼,。

Copilot 是用 OpenAI Codex 的大型語(yǔ)言模型（LLM）開(kāi)發(fā)出來(lái)的，這個(gè)模型可以將自然語(yǔ)言翻譯成許多流行的編程語(yǔ)言,，并利用了數(shù)千萬(wàn)個(gè)公開(kāi)的 GitHub 代碼存儲(chǔ)庫(kù)的數(shù)據(jù)進(jìn)行訓(xùn)練,。交代一下，OpenAI 是一家位于舊金山的人工智能研究公司,；這家非營(yíng)利組織成立于 2015 年,，并在 2019 年轉(zhuǎn)為營(yíng)利性組織，然后從微軟（微軟于 2018 年收購(gòu)了 GitHub ）處籌集了 10 億美元的資金進(jìn)行研究,。作為回報(bào),，微軟拿到了對(duì) OpenAI 的部分 LLM 的獨(dú)家訪問(wèn)權(quán)，其中就包括 Codex,。

Copilot 最終還是提供了令人信服的證據(jù),，證明當(dāng)前的 ML 功能可以自動(dòng)化完成越來(lái)越多的代碼生成與應(yīng)用開(kāi)發(fā)的工作。新成立的初創(chuàng)企業(yè)以及既有公司已經(jīng)在著手解決產(chǎn)品開(kāi)發(fā)體驗(yàn)的多個(gè)方面,，包括自動(dòng)代碼審查,、代碼質(zhì)量改進(jìn)、shell 命令自動(dòng)完成,、文檔創(chuàng)建,，甚至包括前端和網(wǎng)站生成。

Grit 是在這個(gè)領(lǐng)域創(chuàng)業(yè)的一個(gè)早期例子,，它承擔(dān)的是對(duì)于任何公司來(lái)說(shuō)都是最可怕的工程任務(wù),，也就是所謂的“技術(shù)債務(wù)”,。一旦開(kāi)發(fā)者為了更快推出功能而走上編碼的捷徑,，但卻犧牲長(zhǎng)掉期可靠性和性能時(shí),，這種債務(wù)就會(huì)累積,。Grit 的產(chǎn)品扮演了自動(dòng)化開(kāi)發(fā)者的角色，可以修復(fù)許多常見(jiàn)問(wèn)題,，并根據(jù)人類對(duì)代碼更改的反饋進(jìn)行改進(jìn),。通過(guò)將靜態(tài)分析與 LLM 相結(jié)合，Grit 的愿景是能夠做出可自我維護(hù)的軟件,。

鑒于這項(xiàng)技術(shù)有可能徹底改變軟件開(kāi)發(fā),，多家投資者已經(jīng)匯編出相關(guān)公司名單，許多其他初創(chuàng)公司也在悄悄地開(kāi)發(fā)相關(guān)技術(shù),。其中部分初創(chuàng)公司以 Codex API 為基礎(chǔ),，希望通過(guò)獨(dú)特的產(chǎn)品體驗(yàn)以及專有的數(shù)據(jù)飛輪形成差異化。其他的正在從頭開(kāi)始開(kāi)發(fā)自己的模型,，或者對(duì)開(kāi)源模型機(jī)械能微調(diào),。隨著這些公司走向成熟，不管最大收益者是人工智能基礎(chǔ)設(shè)施提供商還是人工智能應(yīng)用本身,，價(jià)值主要積聚在什么地方將變得更加清晰,。

——Founders Fund 負(fù)責(zé)人 Leigh Marie Braswell

趨勢(shì)：臨床試驗(yàn)的數(shù)字孿生

人工智能將改變我們用藥物治療人類疾病的方式。

一想到 AI 和制藥時(shí),，我們最常想到的應(yīng)用就是用于藥物發(fā)現(xiàn)的 AI,。（理由很充分：人工智能驅(qū)動(dòng)的藥物發(fā)現(xiàn)具有巨大潛力。）

但是,，還有一個(gè)機(jī)器學(xué)習(xí)的用例,，盡管它覆蓋的范圍不廣（而且資金投入也較少），但因?yàn)橛型?、更有效地將改變?shù)百萬(wàn)患者人生的療法推向市場(chǎng),，所以也很引人注目。這就是數(shù)字孿生在臨床試驗(yàn)當(dāng)中的應(yīng)用,。

當(dāng)今的臨床試驗(yàn)效率低下且成本高昂,，這是有據(jù)可查的。平均每一種新藥需要 10 多年的時(shí)間以及 20 億美元的開(kāi)支才能推向市場(chǎng),。招募試驗(yàn)參與者是藥物通過(guò)臨床試驗(yàn)的一大障礙,。一項(xiàng)試驗(yàn)需要招募成百上千乃至成千上萬(wàn)名志愿者才能滿足試驗(yàn)組與對(duì)照組的人數(shù)需求。這一點(diǎn)已經(jīng)成為一個(gè)重要瓶頸,。80% 的臨床試驗(yàn)都會(huì)因?yàn)榈怯泦?wèn)題而延遲,，試驗(yàn)發(fā)起人每天因試驗(yàn)延遲的潛在收入損失高達(dá) 800 萬(wàn)美元。每年有數(shù)百個(gè)臨床試驗(yàn)因受試患者人數(shù)不足而終止,；事實(shí)上,，這是臨床試驗(yàn)被終止的首要原因。

“數(shù)字孿生”為這一挑戰(zhàn)提供了一種變革性的解決方案,。其基本想法很簡(jiǎn)單：生成式機(jī)器學(xué)習(xí)模型可以替臨床試驗(yàn)患者模擬安慰劑的結(jié)果,。這可以在個(gè)體患者層面完成：可以為試驗(yàn)實(shí)驗(yàn)組的每個(gè)人類試驗(yàn)參與者建立一個(gè)數(shù)字孿生,，然后模擬該個(gè)體在對(duì)照組中的表現(xiàn)。

至關(guān)重要的是,，這意味著制藥公司需要招募的人類參與者要少得多,，因?yàn)榇蟛糠謱?duì)照組患者群體都可以被數(shù)字孿生取代。這大大加快了臨床試驗(yàn)的速度和成本,，讓改變?nèi)松寞煼軌蚋斓剡M(jìn)入市場(chǎng),，并惠及數(shù)百萬(wàn)有需要的患者。

總部位于舊金山的人工智能初創(chuàng)公司 Unlearn 就站在這一變革性技術(shù)的前沿,。Unlearn 目前正在與包括默克集團(tuán)在內(nèi)在某些全球最大的制藥公司合作,，部署該初創(chuàng)公司的數(shù)字孿生技術(shù)，加速臨床試驗(yàn)的進(jìn)程,。今年早些時(shí)候,，歐洲藥品管理局（European Medical Agency）正式批準(zhǔn) Unlearn 的技術(shù)可用于臨床試驗(yàn)，標(biāo)志著該技術(shù)已經(jīng)贏得主要監(jiān)管的認(rèn)證,，可為大規(guī)模部署做好準(zhǔn)備。

預(yù)計(jì)幾年之后,，將數(shù)字孿生納入臨床試驗(yàn),，簡(jiǎn)化治療藥物的上市途徑，將會(huì)成為制藥和生物技術(shù)公司的標(biāo)準(zhǔn)做法,。

值得注意的是,，盡管與流行的文本生成圖像模型無(wú)關(guān)，但用于臨床試驗(yàn)的數(shù)字孿生是生成式人工智能一個(gè)引人注目的代表,。生成式機(jī)器學(xué)習(xí)模型如何才能對(duì)現(xiàn)實(shí)世界產(chǎn)生巨大影響,，并創(chuàng)造出數(shù)十億美元的價(jià)值呢？為個(gè)體患者生成模擬的安慰劑結(jié)果就一個(gè)很好的例子,。

——Rob Toews,，Radical Ventures 合伙人

趨勢(shì)：為工作流而來(lái)，因個(gè)性化而留

隨著越來(lái)越多的用戶與生成式 AI 模型進(jìn)行互動(dòng),，我們對(duì) AI 馬上可以解決的問(wèn)題有了更深入的了解：那些我們已經(jīng)擁有大量訓(xùn)練數(shù)據(jù)的問(wèn)題,；那些在 99% 的時(shí)間內(nèi)都能獲得正確答案會(huì)非常有用、但在 1% 的情況下出現(xiàn)錯(cuò)誤也不會(huì)是災(zāi)難性的問(wèn)題,；以及基礎(chǔ)模型可以不斷吸收人類反饋并隨著時(shí)間的推移會(huì)變得更好的問(wèn)題,。隨著 AI 跨越鴻溝，進(jìn)入主流,，直觀的工作流會(huì)推動(dòng)大規(guī)模的采用,，讓那些不太熟悉 AI 的人快速看到其價(jià)值所在。

在下一代 AI 初創(chuàng)公司里,，專注于工作流設(shè)計(jì),，并能根據(jù)用戶反饋對(duì)模型做出微調(diào)的創(chuàng)始人能夠做出最好的產(chǎn)品,。

符合這種模式的初創(chuàng)企業(yè)有兩類：一是 AI 代理，二是 AI 增強(qiáng)型 SaaS ,。人工智能代理可完成重復(fù)性的知識(shí)工作——律師,、工程師、會(huì)計(jì)師或者醫(yī)生所從事工作當(dāng)中的那些重復(fù)性的工作,。人工智能增強(qiáng)型 SaaS 將依賴人工智能層從現(xiàn)有工作流中析取出更多的價(jià)值——比方說(shuō),，給采集音頻數(shù)據(jù)的平臺(tái)添加文字記錄和摘要，或增加語(yǔ)言界面來(lái)簡(jiǎn)化 SaaS 應(yīng)用,。在這兩種情況下,，為了保證輸出質(zhì)量，人工監(jiān)督依舊存在,。用戶會(huì)給出正面和負(fù)面的反饋,，然后這些反饋將被來(lái)對(duì)模型做出調(diào)整。

能在競(jìng)爭(zhēng)中獲勝的創(chuàng)始人會(huì)對(duì)界面和工作流進(jìn)行合適的設(shè)計(jì),，基于當(dāng)前的提示和自動(dòng)完成模式進(jìn)行創(chuàng)新,，為用戶提供高級(jí)控制，并降低認(rèn)知開(kāi)銷(xiāo),。這些工作流會(huì)通過(guò)模板或?qū)ｉT(mén)的可組合模型來(lái)加速常見(jiàn)的用例,，同時(shí)確保“緊急情況下打破玻璃”（break-glass”）選項(xiàng)可用于不常見(jiàn)的邊緣情況,。用戶不必了解模型的工作機(jī)制或根據(jù)模型改造自己,。當(dāng)用戶與產(chǎn)品交互時(shí)，通過(guò)接受答案而生成的數(shù)據(jù)會(huì)自動(dòng)反饋回去,，驅(qū)動(dòng)個(gè)性化與留存的數(shù)據(jù)飛輪,。

這些初創(chuàng)企業(yè)會(huì)專注于自己的核心競(jìng)爭(zhēng)力，并將把通用人工智能模型的開(kāi)發(fā)留給研究實(shí)驗(yàn)室和開(kāi)源社區(qū),。實(shí)際上,，后者已經(jīng)推出了非常強(qiáng)大的模型。我們已經(jīng)看到了像 Stable Diffusion 這樣的文本生成圖像模型,，像 Whisper 這樣的音頻轉(zhuǎn)錄模型,，以及像 GPT-J 和 GPT-Neo 這樣的語(yǔ)言模型。初創(chuàng)企業(yè)則會(huì)利用 AI 研究的最新進(jìn)展,，當(dāng)新模型可用時(shí)更換新模型,，并根據(jù)專有的用戶反饋歷史數(shù)據(jù)做出微調(diào)。目前的局限性在于產(chǎn)品設(shè)計(jì)師的精力集中在讓不了解 AI 的消費(fèi)者能夠輕松參與,，并迅速?gòu)哪Ｐ瞳@得價(jià)值的界面上,。這方面的護(hù)城河可以是用戶與這些模型互動(dòng)時(shí)收集到的綜合的工作流與數(shù)據(jù)，這些可以為將來(lái)更強(qiáng)大的模型提供信息。

——Cat Wu,，Index Ventures 合伙人

趨勢(shì)：鏈?zhǔn)教崾疽约岸嗖襟E自動(dòng)化

很多人現(xiàn)在都已經(jīng)體驗(yàn)過(guò)提示界面的強(qiáng)大功能,，感受過(guò)大型語(yǔ)言模型（LLM0可以帶來(lái)的各種創(chuàng)造性和實(shí)用用例，是時(shí)候更進(jìn)一步了,。作為用戶,，提示界面和 LLM 的美妙之處在于它們可以解釋意圖，并帶來(lái)行動(dòng),。到目前為止,，我們看到的成果主要是單人體驗(yàn)上的，比如像文本生成圖像,，文字補(bǔ)全等非常具體或一對(duì)一的任務(wù)上,。接下來(lái)，預(yù)計(jì)將會(huì)看到有人會(huì)開(kāi)發(fā)將提示鏈接在一起的基礎(chǔ)設(shè)施,，讓我們得以實(shí)現(xiàn)多步的操作（通過(guò) LLM 及/或最終通過(guò) API 交互）,，并釋放出巨大的投資回報(bào)潛能。

這對(duì)消費(fèi)者用例或者企業(yè)用例都會(huì)產(chǎn)生意義,。有些是成果很容易兌現(xiàn)的簡(jiǎn)單用例,，也許不具備風(fēng)投的規(guī)模（“周二下午 6 點(diǎn)到 8 點(diǎn)左右?guī)臀以诓剪斂肆帜喜空乙患野察o浪漫的亞洲餐廳訂個(gè)桌，兩人”）,，但有些用例可以為運(yùn)營(yíng),、采購(gòu)、數(shù)據(jù)分析等各種任務(wù)帶來(lái)實(shí)質(zhì)性的提升,。

在消費(fèi)者方面，我們很可能會(huì)把這些用例當(dāng)作橫向拓展的楔子,。在企業(yè)端,，對(duì)這些動(dòng)作加以完善，可以變得更具行業(yè)性或上下文相關(guān),，這時(shí)候難以集成或?qū)Ｓ械臄?shù)據(jù)管道就會(huì)發(fā)揮更大的作用,。

把提示和不同類型的模型（未必總是需要）鏈接在一起，這種想法還可以幫助克服當(dāng)今主流的 API 驅(qū)動(dòng)模型（如 GPT-3模型的內(nèi)存是相當(dāng)靜態(tài)的,，你可以查詢信息,，生成摘要，然后根據(jù)需要使用結(jié)果）存在一些局限性,。這方面的用例可以是建立新的搜索引擎,，就像最近的 webGPT 所做的事情那樣。

總的來(lái)說(shuō),，在 AI 的幫助下,，再加上一點(diǎn)人類的獨(dú)創(chuàng)性，鏈?zhǔn)教崾净虼胁僮骺梢詭?lái)更先進(jìn)的工作流、新型的軟件產(chǎn)品以及針對(duì)常見(jiàn)問(wèn)題的新接口范例,，這件事情的潛力巨大,，我們剛剛開(kāi)始觸及它的皮毛。

——Michael Dempsey,，Compound 管理合伙人

趨勢(shì)：解決現(xiàn)實(shí)世界挑戰(zhàn)的工業(yè)自動(dòng)化

我們都看過(guò) AI 模型最新突破,，比方說(shuō) DALL-E 2、GPT-3 等方面的消息了,。由于這些創(chuàng)新,，企業(yè)正在進(jìn)行重新想象，部分開(kāi)發(fā)者和設(shè)計(jì)師擔(dān)心會(huì)丟掉自己的工作,。但與此同時(shí),，在辦公樓外面，在餐館,、建筑工地以及工廠等地方,，我們正面臨著這輩子見(jiàn)過(guò)的最嚴(yán)重的勞動(dòng)力短缺。

比方說(shuō),，焊工的平均年齡為 55 歲,。每一年，熟練焊工都在以 7% 的速度減少,，但對(duì)這些焊工的需求卻以 4% 的速度在增長(zhǎng),。到 2024 年，光是在美國(guó)就會(huì)出現(xiàn) 400000 個(gè)焊工的職位空缺,。

這就是像 Path Robotics 這樣將熟練的勞動(dòng)力自動(dòng)化的公司為何如此重要的原因所在,。Path 讓公司可以用現(xiàn)成的機(jī)器人自動(dòng)焊接新零件，關(guān)鍵是不需要對(duì)這些機(jī)器人進(jìn)行耗時(shí)且昂貴的重新編程,。如今,，從電線桿到液壓油箱再到消音器，Path 能夠?yàn)榭蛻魧?shí)現(xiàn)各種金屬應(yīng)用的自主焊接,。借助該公司的軟件,，機(jī)器人可以通過(guò)可視化的方式去學(xué)習(xí)焊接，而不是學(xué)習(xí)如何用代碼來(lái)進(jìn)行焊接,。這樣公司就可以通過(guò)可視化的 QA 檢查逐步提高機(jī)器人的焊接性能,。未來(lái)，Path 的核心技術(shù)還可以應(yīng)用到眾多的其他制造任務(wù)上,。

類似,，一旦勞動(dòng)力短缺與供應(yīng)鏈挑戰(zhàn)疊加到一起時(shí)，情況會(huì)變得更加糟糕,，這就是目前建筑行業(yè)的現(xiàn)狀,。這種雙重痛苦導(dǎo)致房地產(chǎn)或商業(yè)地產(chǎn)業(yè)主無(wú)法按時(shí)交付建設(shè)項(xiàng)目,。 Ergeon 正在利用先進(jìn)的 AI 實(shí)現(xiàn)圍欄建筑整個(gè)施工過(guò)程的自動(dòng)化，包括遠(yuǎn)程測(cè)量,、自動(dòng)化設(shè)計(jì),、報(bào)價(jià)等。這項(xiàng)技術(shù)讓公司的交付速度比一般承包商提高了 10 倍,。他們已經(jīng)建立起全球最大的房屋建筑數(shù)據(jù)庫(kù),，而且開(kāi)放授權(quán)，任何人都可以用來(lái)建造,。

寫(xiě)字樓以外的事情我們討論得不多,，但許多價(jià)值 1000 億美元的企業(yè)都會(huì)在寫(xiě)字樓以外的地方出現(xiàn)。重新想象辦公桌與電腦之外的世界是一個(gè)千載難逢的機(jī)會(huì),，我們對(duì)此感到無(wú)比興奮,。

—— Lan Xuezhao， Basis Set 創(chuàng)始人

譯者：boxi,。

本文來(lái)自翻譯, 如若轉(zhuǎn)載請(qǐng)注明出處,。