深度｜红杉美国合资人 Pat Grady 最新洞察：AI 不会取代软件而是带来新的商业模式和机会但人际关系与实行仍依靠人工_公司_模子

2024-12-12 19:41:00 科技快讯

红杉成本美国合资人 Pat Grady 在近日一场活动对谈科技媒体人 Eric Newcomer。
Grady 强调，AI 技能正处于关键迁移转变点，将为浩瀚做事行业带来变革性机遇，而不仅仅是复制现有的软件公司。

深度｜红杉美国合资人 Pat Grady 最新洞察：AI 不会取代软件而是带来新的商业模式和机会但人际关系与实行仍依靠人工_公司_模子科技快讯

他认为，稳定的根本模型有助于全体 AI 生态系统的发展，由于它能让企业更合理地预测和构建所需的运用程序。

目前的模型能力已经足够强大，能够创造出数万亿美元的新业务，关键在于如何在模型之上进行工程化优化和认知架构设计。

AI 的真正潜力在于赋能做事行业，如法律、咨询、司帐和簿记等。
这些行业的事情流程大多是文本输入和输出，非常适宜 AI 技能的运用。

Grady 认为，AI 不会取代现有的软件公司，而是会带来新的做事模式和商业机会，但人际关系和实际实行仍需依赖人工。

Eric Newcomer

红杉成本被广泛认为是天下上顶尖的风险投资公司，总是领先于其他公司，而 Pat 是这家公司的领导之一。
你们是何时开始把稳到天生式 AI 的？或者你们是如何得到这些旗子暗记的？什么时候你们觉得到，这可能是另一个浪潮？

Pat Grady

有一个标准答案是，早在 1993 年，我们就对 Nvidia 进行了A轮投资，虽然这是真的，但 Nvidia 是一个例外。

我们没有一系列投资来提示我们发生了一些事情，但我可能会说，大约在 2016、 2017、 2018 年。

当时原始的 Transformer 论文问世了，但那时对AI的发展并不那么关注。
更多的是由于在云打算和移动领域没有发生的事情。

从风险投资的角度来看，那时云打算和移动已经是一个相对晚期的周期。
我们看到的很多想法都是衍生的，并没有觉得到它们在办理一流的市场机会。

因此，我们开始花更多的韶光扫描前景，探求可能存在的其他东西。
我们不雅观察到的一个征象是，许多重大的技能变革都是分发办法的革命，通过一个数量级增加了技能的可访问性。

随着手机的遍及，分发办法的革命已经达到了极限，环球八十亿人中有七十亿人都在利用手机。

如果分发不是下一个维度，那么它一定是深度，这意味着它可能是打算能力的革命。
我们看到的一些最有趣和最丰富的运用体验都是由大量机器学习驱动的。

因此，我们开始考虑数据和机器学习的完全过程。
这勾引我们进入了当代数据堆栈，但也勾引我们理解了 HuggingFace 和 OpenAI 等公司。

Eric Newcomer

HuggingFace 是你们的第一个投资项目吗？还是有其他的？

Pat Grady

我可以说，我猜那是我们第一个投资项目。
实际上有其他公司，它们在不同形态和规模上利用了AI，这些公司在一定程度上预示了这个浪潮的到来，比 HuggingFace 或其他一些公司要早。

Eric Newcomer

那么直接进入这个问题，从过去的履历来看，你们如何理解根本模型公司？我非常想知道。
一个梦想是它们像 AWS 或 Google。
你怎么看？我本来打算展开我的数据库类比。

Pat Grady

你已经说了，但这确实是精确的类比。
如果你看看根本模型的功能，它们都是信息处理工具，对吧？这基本上便是数据库为你做的事情。
关系数据库或 NoSQL 数据库和推理引擎之间的差异是，它们供应了不同的功能和输出。
但从根本上来说，它们是相同的东西。

因此，如果你试图从中推断出来，好的，那么这些根本模型公司会变成什么样子呢？有些会成为 MongoDB。
MongoDB 是一家了不起的公司，但它的年收入只有几十亿美元，市值几十亿，而不是收入数百亿、市值数千亿的公司。
以是我们可能正进入一个天下，这些根本模型公司紧张以根本模型本身有名。

如果它们的紧张产品是开拓者 API，供人们在其上构建运用程序，它们在规模上更像数据库公司而不是其他任何东西。
现在， OpenAI 是一个分外情形，由于你可以说 OpenAI 已经从开拓者业务转变为消费者业务，这使它在潜力方面进入了一个不同的种别。

这家美国头部对冲基金创始人，腾讯&字节跳动早期投资人表示，在这些新浪潮的开端，新的赢家在 10 年或 20 年后，有些是现有的公司，有些是新的公司。
但那些变大的新公司，每年可能只有一家，不会更多……

Eric Newcomer

是的，如果 Anthropic 的最好情形只是成为 MongoDB ，那确实是比较轻微的赞颂。

Pat Grady

但故事尚未写完，由于 Anthropic 也有不同数量级的潜力，有很多消费者在利用 Anthropic 。
可能会有商业产品成为杀手级运用程序。
这些根本模型有机会进入运用层。
是的，但我们必须看到它们的实行情形。

Eric Newcomer

你认为现在的模型是否足够智能，能够从根本上构建出伟大的运用程序？或者你认为目前的模型在消费者和企业两个领域，是否已经足够前辈，能够创造出具有变革性的运用程序？

Pat Grady

我可能有一个相对独特的不雅观点。
我不愿定，但这正是我们在这里所做的事情。
我的觉得是，很多人认为我们真的须要 GPT-5 ，乃至 GPT-6，由于现在的模型还不足好。
我不这么认为，由于我们看到的是，很多人在模型之上投入了大量的工程努力，可以称之为认知架构，包括操持和推理等。

人们用不同的名字来描述这些东西，但基本上便是你在模型之上所做的工程。
当人们在这方面投入大量努力时，他们终极会创造出非常神奇的体验。

举个例子，我知道 Meta 的团队就在这里，他们在别人的根本模型上进行开拓，但他们在认知架构方面投入了很多精力。
结果是，他们在一周前发布了一个新的记录，冲破了很多人关注的测试标准，我们越来越多地看到这种情形。

我们思考的一个平行宇宙的假设是，如果你冻结了本日的根本模型功能，并将所有的增量精力投入到优化、易用性、经济性和顶层工程上，或许将一些努力从大规模预演习转移到测试时打算上，进行更多的操持和推理，如果你这样做了，你能改变多少行业？答案是所有行业。
本日的能力足以构建数万亿美元的新业务。

Eric Newcomer

这种思路是否隐含了一个预测，即你认为 GPT-5 及往后的版本不会有大的飞跃？或者你对它们会变得多智能有一个总体意见吗？

Pat Grady

大家都在尽力预测会发生什么，以及我们在 GPT-5 中会看到什么。
有些事情是已知的，有些是不知道的。
人们认为他们有访问权限，或者我确信一旦 GPT-5 发布，会让人们大吃一惊，这是我的最佳预测。
是否这对生态系统有好处还是一个开放的问题。

我之以是这么说，是由于我可能会类比加密货币。
很多加密货币创始人会说，给我们供应监管规则，这样我们就知道游戏规则是什么。
同样在AI领域，给我们一个稳定的模型，这样我们每次新版本发布时就不须要重做我们的提示了。

我们不须要跟上不同模型不断进步的步伐，再次重新平台化。
在模型层面上的一些稳定性对生态系统是有好处的，由于这样你可以更合理地预测你须要构建什么。

Eric Newcomer

在我们的历史类比中，你如何看待现在的 Nvidia ？

Pat Grady

你是说你是买家？你可能是对的。
我的视角是探求拥有几百万客户的公司。
我喜好探求那些有几百万收入的公司，看看它们是否能达到几十亿的收入。
这更符合我的业务。
我们回到互联网过渡的剖析。
在 AI 领域，我们现在所处的阶段觉得就像是 90 年代末。

Netscape 时候是 1996 年，当时人们意识到互联网的力量。
这类似于 20 22 年秋季的 ChatGPT 时候。
快进几年，地球上最有代价的公司是思科，由于他们在为互联网铺设轨道。
本日思科的类比是 Nvidia ，它是AI的核心根本举动步伐供应商。

当你为互联网铺设轨道时，这些轨道的利用寿命相称长。
当你进行演习运行时，GPU 在 24 个月内折旧，其利用寿命有点不同。

你可以说这对 Nvidia 是有利的，由于它可以保持一些 GPU。
你也可以说这对那些购买这些 GPU 的人是不利的，由于你可能无法从所有这些成本支出中得到回报。

Eric Newcomer

我们演习这些模型，然后在从中获利之前就须要构建下一个。
这是一个大问题，但我想说，演习到推理的转变有很多事情要考虑。
我们是否会从大量演习转向更多推理？

部分是由于模型本身，我们演习得少了，根本模型之间的竞争也少了？部分是由于有用的运用程序正在运行推理？你对演习到推理转变的问题有什么总体意见？

Pat Grady

总体而言，已经进行的演习量可能比我们须要的多。
回到我对优化调优的不雅观点，工程办理方案在根本模型之上。
本日早些时候的评论提到，PhD 已经成为一种货币，很多人认为他们须要垂直整合，自己演习模型。
部分缘故原由是这很有吸引力。

从实际的角度来看，已经有足够的模型被演习出来，你可以构建各种伟大的体验。
人们会开始意识到这一点。
我们将很快从演习阶段转向推理阶段。

Eric Newcomer

你是 Harvey 这家 AI 初创公司的大投资者。
谈谈这如何与你对最佳运用程序所在领域的总体意见相契合。

Pat Grady

我们试图从历史中吸取教训。
互联网的类比在某些方面是好的，云打算的类比在某些方面也是好的。
云打算的类比在这里很有用，由于就像云打算一样，AI 是一种技能模糊地带，能够启用新的分发模式和新的商业模式，但它本身并不是一个消费者前端。
虽然有像 ChatGPT 这样的消费者前端形式，但它本身并不是一个消费者前端。

我提到 Harvey 时提到这一点，由于有一种不雅观点认为，如果我们要类比云打算的转变，那么在云打算转变中须要做的事情便是找到那个最初确当地软件公司，构建其云打算等效产品。
而那确实在那个时期非常见效。

本日须要做的事情非常不同。
不是找到软件公司并构建其AI原生版本，而是找到做事行业并通过 AI 赋能它。
如果你列出那些从能力角度来看规模弘大的做事行业，法律是排在首位的。

仅在美国，法律行业的 TAM 就达到了 4000 亿美元，而且法律界的大部分事情是文本输入和文本输出，这些正是这些模型善于的地方。

Eric Newcomer

我以为我读到了一份报告，说麦肯锡彷佛在天生式AI热潮中赚的钱比其他任何人都多。

Pat Grady

但那正是重点。
你有法律、有咨询、有司帐、有簿记，这些都是成本密集型的行业。
我们会看到一波类似 Harvey 的公司，它们在某些方面是赞助驾驶员，作为现有行业的助手，在某些方面是自动驾驶仪，作为扩展 TAM 的做事。

对付 Harvey 和可能很多这样的公司来说，你不会用 Harvey 替代 Kirkland and Ellis，但有数以亿计的人无法得到Kirkland and Ellis的做事，他们希望有一天能够得到 Harvey 的做事。

Eric Newcomer

最好的最好的。
你在回答中提到了一点，即将替代风险投资。
我本日和 Marco Egoldman 谈过，他的意思是，我们认为它会有助于交易，但目前还不能取代交易。
本日的交易决策和获取 alpha。
作为一家风险投资公司，你们在利用措辞模型来更成功地投资方面处于什么位置？

Pat Grady

很多年前，我们意识到，如果软件能吞噬天下，它可能也会吞噬我们。
现在，AI可能也会吞噬我们。
以是很多年前我们决定试图弄清楚这会是什么样子，并成为一家 AI 或软件赋能的风险投资公司，而不是被其他这样做的人所打败。
因此，我们有一个相称繁芜的系统，类似于一个智能CRM系统。

举个例子，我们对一个从未见过的公司的理解比 15 年前做出终极投资决策时的信息还要多，由于有很多信息可以获取。
例如，如果你是一个投资者，你的紧张事情之一是研究不同的公司，你可能须要花几天韶光阅读互联网上关于公司的所有信息，以理解业务。

我们不须要花几天韶光，由于我们有 LLM 来为我们做这些，这便是为什么我们只需在系统中查找公司，就可以自动总结所有已知的信息，不仅是公共互联网，还包括我们访问的一些付费墙后的信息，因此我们可以自动说出这家公司做了什么，为什么人们喜好它，为什么人们不喜好它，我们创造的一些指标，以及阐明这些指标的一些事情。

通过一个基于谈天的界面。
我们建立了各种不同的界面。
大部分就像是一个丰富的公司档案，你可以从那里开始查询。

Eric Newcomer

你认为 AI 有可能颠覆风险投资的哪些部分？

Pat Grady

基本的代价链大致分为：创造、挑选、赢得、培植和收成。
创造阶段，你不能哀求LLM在任何故意义的办法上建立与创始人的关系，但你可以哀求 AI 做很多其他部分的事情。
以是这是一个代价链的一部分，随着韶光的推移，大部分将是程序化的。

这也有助于挑选，由于很多对创造有用的东西有助于优化你的决策。
以是这部分也会是程序化的。
赢得部分是人与人之间的互换，这部分不太可能被自动化。
培植部分可能是半自动化，有些事情你可以在那里做，有些事情是人类的，然后是收成阶段可能不多。

对付漏斗的前端，自动化将占很大一部分。
本日也是如此。
很少有公司能进入我们的合资人会议而没有在关键路径上以某种故意义的办法被触及。

Eric Newcomer

回到历史教训，我们谈到了比较公司，你也轻微提到了，但任何周期的自然炒作浪潮。
我们经历了加密货币热潮。

非常不同，由于我相信 AI 的许多技能变革，而我不太相信加密货币。
不仅仅是加密货币，还有互联网泡沫和金融危急。
你认为我们现在处于这个兴衰周期的哪个阶段？

Pat Grady

觉得我们经历了一个炒作周期的紧缩阶段。
以云打算为例，云打算没有一个“网景时候”。
以是云打算是一个非常长的培植过程，一个公司接一个公司将一个事情负载接一个事情负载移到云端。
而互联网有一个公开的“网景时候”。
AI有一个公开的 ChatGPT 时候。