在紅杉資本在最新發(fā)布的文章《Generative AI's Act O1 ：The Agentic Reasoning Era Begins》中，討論了當(dāng)下生成式AI正在從以訓(xùn)練時計算的快思考，向以推理時計算的慢思考發(fā)展。OpenAI 的新模型 o1便是重要的標(biāo)志。慢思考的到來也將會帶來新的機(jī)會，行業(yè)認(rèn)知的重要性被高度重視起來，過去對于AI應(yīng)用以及背后的商業(yè)理解也將被刷新。

簡單說，過去以模型服務(wù)商作為絕對主角的時代將過去，大眾對通用基座模型抱著只要把它越訓(xùn)越大，它就能無所不能的期望，這曾一度給上層應(yīng)用開發(fā)者極大的不安全感焦慮，而事實(shí)上，這兩年實(shí)踐下來，這一認(rèn)知正在不斷被糾正。應(yīng)用服務(wù)商也不再是模型的wrapper，隨時可能被降維打擊，未來的空間大大擴(kuò)展。

隨著底層模型能力突破遭遇瓶頸，加上白熱化的競爭，模型服務(wù)商已經(jīng)不再那么吸引人，最近，有消息稱國內(nèi)做預(yù)訓(xùn)練大模型的廠商越來越多正在選擇放棄基礎(chǔ)大模型的投入，轉(zhuǎn)戰(zhàn)應(yīng)用層。

下面就一起來了解紅杉在文中提到的重要觀點(diǎn)以及筆者解讀。

從“快思考”到“慢思考”的轉(zhuǎn)變

如果說，快思考是動物都具備的本能反應(yīng)，那么快思考就是人類特有的理智活動。顯然，人類期待的AI解決的不簡單是快思考的問題，而更在意慢思考的能力。例如，以 AlphaGo 擊敗圍棋大師李世石為例，AlphaGo 通過深思熟慮的策略而非簡單依賴以往的經(jīng)驗(yàn)，從而走向勝利。 過去，生成式 AI 主要依賴于快速的預(yù)訓(xùn)練模型進(jìn)行響應(yīng)，這種思維屬于系統(tǒng) 1（快思考），簡單的模式匹配和快速響應(yīng)。然而，隨著 o1 模型的推出，AI 開始具備更復(fù)雜的推理能力，體現(xiàn)為系統(tǒng) 2思維（慢思考）。這種思維方式強(qiáng)調(diào)深度思考和復(fù)雜決策，能夠讓 AI 在面對新問題時進(jìn)行深入分析和推理，有效應(yīng)對復(fù)雜問題。

同時，o1 發(fā)布讓大家看到推理時計算（或“測試時計算”）側(cè)的價值，它的出現(xiàn)帶來了新的 scaling law（推理時），也給眾多模型服務(wù)商新的啟發(fā)，開始從卷訓(xùn)練計算，向卷推理計算轉(zhuǎn)變，簡單堆機(jī)器堆數(shù)據(jù)的資源競爭格局將帶來緩解。

一模統(tǒng)管并未發(fā)生，從模型算法向領(lǐng)域KnowHow邁進(jìn)

紅杉稱，過去猜測未來AI的巨大機(jī)會可能會被幾家基座模型提供商所壟斷，隨著模型能力的不斷提升，應(yīng)用層開發(fā)也毫無價值和壁壘。但事實(shí)上，這兩個推測都沒發(fā)生，不僅模型服務(wù)商陷入了激烈的成本競爭，基礎(chǔ)模型做應(yīng)用產(chǎn)品成功的案例也少之又少。

另一方面，雖然模型能力已經(jīng)從“預(yù)訓(xùn)練層”向“推理計算層”推進(jìn)，但混亂的現(xiàn)實(shí)世界仍然有有大量的領(lǐng)域和應(yīng)用特定推理，也就是行業(yè)認(rèn)知，這些無法有效地編碼在通用模型中。因此，還會有“定制認(rèn)知架構(gòu)（Custom Cognitive Architectures）”層，即代碼和模型交互的流程，它接收用戶輸入并執(zhí)行操作或生成響應(yīng)，教模型如何思考。實(shí)際上就是領(lǐng)域應(yīng)用邏輯，它是模型到落地的最后一公里。比方說，在工廠環(huán)境中，每款“機(jī)器人”產(chǎn)品都配備了一個定制化的認(rèn)知架構(gòu)，旨在模擬人類的思維方式來應(yīng)對特定的任務(wù)。例如，它們能夠?qū)彶槔≌埱?、編寫并?shí)施遷移計劃，將服務(wù)從舊的后端遷移到新的后端。這些機(jī)器人會分析所有依賴項(xiàng)，提出必要的代碼修改，添加相應(yīng)的單元測試，并邀請人類進(jìn)行審查。一旦獲得批準(zhǔn)，它們將在開發(fā)環(huán)境中執(zhí)行所有更改，并且在所有測試通過后，才會合并這些代碼。整個過程類似于人類處理任務(wù)的方式——通過一系列明確的步驟，而不是提供一個籠統(tǒng)的、不透明的解決方案。

轉(zhuǎn)變會帶來什么？

慢思考，以及領(lǐng)域認(rèn)知將會給未來帶來什么？不難想象，沿此思路將會有比原來多得多的場景被解鎖，行業(yè)認(rèn)知+模型的強(qiáng)大能力將使得AI應(yīng)用層產(chǎn)品價值大大強(qiáng)化，進(jìn)而顛覆原有的業(yè)務(wù)模式。

應(yīng)用層價值被強(qiáng)化

伴隨著推理能力的提升，一大批新的Agent應(yīng)用程序?qū)Q生，這里說的新，不再是簡單的模型包裝，而是可能同時結(jié)合多個基礎(chǔ)模型和復(fù)雜的認(rèn)知架構(gòu)的應(yīng)用服務(wù)。

文章中提到了這些優(yōu)秀的應(yīng)用層產(chǎn)品：

• Harvey：作為 AI 律師，它能夠分析復(fù)雜的法律文本，輔助律師更高效地進(jìn)行案件準(zhǔn)備；
• Glean：一款 AI 工作助手，致力于信息處理和任務(wù)優(yōu)化，提高團(tuán)隊(duì)的工作效率；
• Abridge：AI 醫(yī)療記錄助手，通過自動化生成醫(yī)療記錄，減輕了醫(yī)生的負(fù)擔(dān)；
• XBOW：自動化滲透測試工具，能夠?yàn)槠髽I(yè)提供高效的網(wǎng)絡(luò)安全測試服務(wù)。

不難發(fā)現(xiàn)，他們都是面向領(lǐng)域的，具有復(fù)雜業(yè)務(wù)流程和認(rèn)知復(fù)雜度的場景的產(chǎn)品。在過去兩年的實(shí)踐來看，想要一個通用模型搞定所有事情，應(yīng)用層專注做界面包裝的認(rèn)識被打破了。過去開發(fā)者被OpenAI等模型服務(wù)商的降維打擊的壓迫感以及無助感在迅速緩解，AI應(yīng)用的繁榮正在發(fā)生。特別是最近c(diǎn)ursor等產(chǎn)品的出現(xiàn)，更讓大家看到了應(yīng)用產(chǎn)品的價值。

服務(wù)即軟件（Service-as-a-Software），AI Native企業(yè)將涌現(xiàn)

不難想象，隨著AI應(yīng)用的不斷深入到行業(yè)，能力不斷強(qiáng)化，個體能效不斷提升，這將極大地降低人力成本，對于人力密集型和知識密集型服務(wù)業(yè)市場將是巨大沖擊，比如律師，會計，編輯，程序員等行業(yè)。有了AI加持，同樣的事情可能會使用很少的人就能搞定，進(jìn)而顯著降低了企業(yè)在開發(fā)軟件時所需的人力成本，提升企業(yè)的市場競爭優(yōu)勢。這樣傳統(tǒng)的人力外包型業(yè)務(wù)將快速被服務(wù)型AI應(yīng)用所替代，外包化將更加流行。

以軟件公司為例，傳統(tǒng)提供saas服務(wù)給客戶幫助解決問題，而變成了直接承包業(yè)務(wù)，從傳統(tǒng)的“軟件即服務(wù)”模式向“服務(wù)即軟件”轉(zhuǎn)變。這一轉(zhuǎn)變將市場重心從簡單的軟件使用轉(zhuǎn)向更復(fù)雜的工作成果，潛在市場規(guī)?？蛇_(dá)數(shù)萬億美元，按價值付費(fèi)變得不再是口號。

人機(jī)協(xié)作正在從AI輔助，到AI in loop，再到human in loop，再到AGI這一進(jìn)程快速邁進(jìn)。某種意義上講，或許我們苦苦尋找的AI Native產(chǎn)品并不存在，而Ai Native的企業(yè)將比比皆是。未來的外包市場或?qū)⑹亲顬榛鸨男袠I(yè)之一。

投資重點(diǎn)

最后，紅杉指明了受投資者喜歡的新方向，那就是應(yīng)用層產(chǎn)品，他們表示，企業(yè)業(yè)務(wù)在云計算過渡期間，大約有 20 家應(yīng)用層公司創(chuàng)造了 10 億美元以上的收入，而在移動過渡期間，又有大約 20 家公司創(chuàng)造了類似的成就。那么，企業(yè)AINative化可能也將來如此大的規(guī)模效應(yīng)，甚至更大。

點(diǎn)此原文：https://www.sequoiacap.com/article/generative-ais-act-o1/

本文轉(zhuǎn)載自 ??AI工程化??，作者： ully