来自红杉资本的最新洞见 -- 探索生成式AI的第二幕

来自红杉资本的最新洞见 -- 探索生成式AI的第二幕

红杉资本最新见解——探索生成式人工智能的第二幕

生成式人工智能无疑是近年来最具颠覆性的技术变革之一。一年前，红杉资本预测生成式人工智能将推动一场重大技术革命，而今天我们正在见证这场革命的高潮和低谷。红杉资本最新发布的报告《生成式人工智能第二幕》对人工智能领域的现状和未来挑战进行了深入分析。

数十年积累的科技浪潮

红杉资本指出，生成式AI的爆发并非一朝一夕，而是数十年技术积累的结果。以下主要技术趋势为这场人工智能革命奠定了坚实的基础：

这些技术进步最终导致人工智能的兴起，标志着生成式人工智能时代的正式到来。就像互联网早期一样，AI的出现激发了无数开发者和创业者的热情。尤其是在“AI”领域，AI研究人员成为明星，每周都有新的AI产品在黑客马拉松中涌现。

生成式人工智能的“狂热”与反思

尽管早期的生成式人工智能热潮带来了无数的创新，但行业内外很快就出现了质疑和批评。 AI助手泛滥、资本涌入、GPU短缺等问题让一些企业面临现实：生成式AI的实际应用还远没有达到预期。从用户留存率下降、产品同质化严重等问题可以看出，很多AI应用并没有提供足够的价值支撑。这种现象被称为人工智能的“不满之夏”，让人想起互联网早期的泡沫时期。

不过，红杉资本对人工智能的未来仍然充满信心。尽管存在困难，生成式人工智能的发展速度远远快于预期。成为增长最快的应用程序之一，其他应用程序也在短时间内产生了数亿美元的收入。人工智能的潜力不容小觑，虽然部分产品尚未完全实现市场契合，但总体发展趋势依然向好。

从技术驱动到客户需求：人工智能的第二阶段

报告指出，生成式人工智能的第一阶段主要由技术驱动。创新者发现了基础模型的“新锤子”，并迅速将其应用到各种新颖的场景中。但进入第二阶段，市场将更加关注客户反馈，注重解决实际问题。未来的AI应用将不再仅仅依赖于基础模型，而是作为更全面解决方案的一部分，结合多模态输入（如文本、图像、音频等），为用户提供更有效的体验。

红杉还更新了生成式人工智能的市场地图，重点关注新兴公司和技术堆栈，例如为顶级律师事务所定制大型语言模型，以及 Glean 通过抓取工作空间内容来提高工作效率。这一变化体现了市场从技术示范转向实际应用，人工智能正在给各行业带来真正的商业价值。

挑战与机遇并存

红杉资本承认，尽管生成式AI前景广阔，但挑战仍然存在：

用户留存问题：很多AI应用的日活跃用户与月活跃用户的比例（DAU/MAU）远低于预期，仅为14%，与用户粘性较高的应用的85%相去甚远。这说明用户还没有发现AI产品足够的价值，形成日常使用习惯。

竞争压力加剧：现有科技巨头如谷歌、Adobe等纷纷快速推出自己的AI产品，市场竞争进一步加剧。 AI初创公司如何在激烈的市场中脱颖而出将是一个巨大的挑战。

不过，红杉也指出了一些应对策略，尤其是在产品开发和用户体验设计方面。未来会更加关注提示词工程、模型微调、多模态交互等技术。这些创新将帮助人工智能应用缩小与用户期望的差距，提高实际效果。

结论：生成式人工智能的未来

尽管当前生成式AI市场存在噪音和不确定性，但红杉资本坚信，随着技术的不断进步和应用场景的拓展，AI仍将是未来的核心驱动力。正如他们所说，阿马拉定律仍然适用：我们倾向于高估技术的短期影响，而低估其长期影响。对于生成式人工智能来说，未来可能才刚刚开始。

在这场技术革命的第二阶段，人工智能公司需要耐心和深入思考，专注于真正为用户带来价值的产品。可以预见，人工智能将在更多行业展现其潜力，从根本上改变我们的工作和生活方式。

——生成式人工智能的第二幕

2023 年 9 月 20 日

一年前，我们假设生成式人工智能将推动技术平台的重大变革。随后，科技领域迅速掀起了一股热潮。

科学家、历史学家和经济学家长期以来一直在研究寒武纪创新爆发的最佳条件。今天，在生成人工智能领域，我们正处于现代技术奇迹之中，这相当于我们这一代人的太空竞赛。

这一刻已经酝酿了数十年。六十年的摩尔定律赋予了我们处理大量数据的计算能力。四十年的互联网发展给我们带来了数万亿的代币训练数据。二十年的移动和云计算让每个人都拥有了一台超级计算机。换句话说，数十年积累的技术进步为生成式人工智能的腾飞创造了必要条件。

的崛起。这种令人兴奋的兴奋在《人工智能》研究人员已经成为明星的地方尤其强烈，黑客社区房间每个周末都挤满了新的自主代理和同伴聊天机器人。人工智能研究人员已经从典型的“车库企业家”成长为掌握数十亿美元计算能力的精英团队。 arXiv 学术预印本服务的产量如此之高，以至于研究人员开玩笑说，它需要暂停新论文的发表，以便给研究人员时间来跟进现有的结果。

但很快，人们对人工智能的兴奋几乎达到了狂热的程度。突然之间，每家公司都是“人工智能助手”。我们的收件箱开始充斥着“AI”、“AI Adob​​e”和缺乏差异化的“AI”。无产品的 1 亿美元种子轮又回来了。我们发现自己陷入了不可持续的融资狂潮、人才竞争和 GPU 采购压力之中。

问题确实开始出现。艺术家、作家和歌手质疑机器生成内容的知识产权合法性。关于道德、监管和潜在超级智能的争论正在席卷华盛顿。也许最令人担忧的是，一种观念已经开始在硅谷悄然流传，即生成式人工智能实际上并未显示出预期的效用。这些产品远远低于预期，用户保留率低就证明了这一点。许多应用的最终用户需求开始趋于平稳。这只是一个新的“虚拟产品”周期吗？

人工智能的“不满之夏”引发了批评者的嘲笑和讽刺，让人想起互联网的早期。早在 1998 年，一位著名经济学家就宣称：“到 2005 年，人们就会清楚地看到，互联网对经济的影响并不比传真机更大。”

毫无疑问，尽管存在噪音、歇斯底里以及普遍存在的不确定性和不满，生成式 AI 的起步比 SaaS 更成功，仅初创公司就创造了超过 10 亿美元的收入（SaaS 市场使用了数年而不是数月，达到同样的规模）。一些应用程序已成为家喻户晓的名字： 成为增长最快的应用程序，并在学生和开发人员中表现出强大的产品市场契合度；成为集体创意团队的灵感来源，据说只有11人，却创造了数亿美元的收入；它推动了AI在娱乐和陪伴领域的普及，并创造了我们最期待的消费者“社交”类型的应用——用户平均每次使用两个小时。

尽管如此，这些早期的成功迹象并没有改变现实：许多人工智能公司根本没有实现产品与市场的契合或缺乏可持续的竞争优势，人工智能生态系统中的整体高情绪是不可持续的。

现在情况已经稍微平静下来，我们认为现在是时候从更大的角度来思考并反思生成式人工智能——我们现在所处的位置以及未来可能走向何方。

走向第二幕

生成式人工智能的第一年——“第一幕”——从“技术驱动”开始。我们发现了一种新的锤子——基本模型——并引发了一波新颖的应用浪潮，这些应用是对新技术的简短演示。

我们现在认为市场正在进入“第二幕”——从“客户反馈”开始。第二幕旨在全面解决人类的实际问题。这些应用程序的性质与最初推出的应用程序不同。他们通常使用基本模型作为更全面的解决方案的一部分，而不是整个解决方案。他们引入了新的编辑界面，可以更有效地吸引用户并提高输出。它们通常是多模式的（即组合多种输入模式，例如文本、图像、音频等）。

市场已从“第一阶段”过渡到“第二阶段”。进入“第二阶段”的公司包括 Glean，该公司致力于为顶级律师事务所建立定制的法学硕士； Glean，通过对工作空间内容进行爬取和索引，使人工智能在工作场景中的应用更加相关； Ava 正在开发数字虚拟伴侣。

市场地图

我们更新的生成式人工智能市场地图如下。与去年的地图不同，我们选择根据用例而不是模型模式来细分该地图。这反映了市场的两个重要趋势：生成式人工智能从技术手段到实际用例和商业价值的演变，以及生成式人工智能应用日益多模态的性质。

此外，我们还补充了新的LLM开发人员技术堆栈，该堆栈反映了企业在将生成式AI应用程序投入生产时所依赖的计算服务和开发工具供应商。

重新审视我们的论点

我们的原创文章讨论了生成人工智能市场机会和市场发展假设。我们怎么样？

这是我们出错的地方：

进展很快。去年，我们预测需要近十年的时间才能实现实习生级别的代码生成、好莱坞级别的视频制作或没有机器人感觉的高质量语音。然而，只要在网上听听Labs的声音，或者观看AI电影节主办的AI电影节的作品，你就会发现，未来已经以惊人的速度到来了。甚至3D模型、游戏和音乐的质量也在迅速提高。

供应方面出现限制。我们没有预料到最终用户的需求会远远超过 GPU 的供应。许多公司的增长限制很快从客户需求转向了最新 GPU 的可用性。漫长的等待时间变得普遍，一种简单的商业模式开始出现：支付订阅费以减少等待时间并优先考虑更优化的模型。

垂直分工尚未出现。我们仍然认为“应用层公司”和“基础模型提供商”之间会有明确的分工，模型公司专注于规模化和研究，而应用层公司将专注于产品开发和用户界面设计（UI） 。但实际上，这种分工还没有明显显现出来。事实上，自从推出以来，最成功的客户端应用程序已经实现了业务流程的垂直集成。

激烈的竞争环境和现有业务的快速反应。尽管去年某些类别（特别是图像生成和自动文案）在竞争格局中显得过于拥挤，但总体而言市场存在空白。如今，许多市场领域的竞争已经超过了增长机会。从 Duet、Bard 到 Adob​​e，老牌企业的快速反应以及愿意承担更大风险的意愿进一步加剧了市场竞争压力。即使在基础模型层，我们也看到客户在部署基础设施的同时在不同供应商之间保持平台不可知性。

竞争的障碍是客户，而不是数据。我们预测，最好的生成式人工智能公司可以通过数据飞轮效应建立可持续的竞争优势：更多使用→更多数据→更好的模型→更多使用。虽然这种趋势在某些领域仍然部分正确，特别是那些包含高度专业化且难以获取数据的领域，但“数据壁垒”正在被动摇：应用公司生成的数据并不会造成不可逾越的下一代基础模型可能甚至彻底摧毁任何初创公司建立的数据壁垒。相反，工作流程和用户网络似乎正在成为更持久的竞争优势来源。

这是我们正确预测的：

生成式人工智能已成为一种趋势。突然之间，每个开发人员都在构建生成式人工智能应用程序，每个企业买家都要求获得该技术。市场甚至采用了“生成式人工智能”的名称。人才涌入市场，风险投资基金也随之涌入。生成式人工智能甚至已经演变成一种流行文化现象，《Harry》等病毒视频以及 Drake 模仿歌曲《Heart on My》的创作，这首歌登上了排行榜并成为热门单曲。

第一个杀手级应用程序出现了。据广泛报道，它是迄今为止最快达到 1 亿月活跃用户 (MAU) 的应用程序，而且它在短短 6 周内就有机地实现了这一目标，没有任何外部推动。相比之下，谷歌用了2.5年、谷歌3.5年、谷歌4年才达到这一用户需求规模。然而，这并不是一个孤立的现象。 AI的用户交互深度（平均会话持续长达2小时）、生产力提升（效率提升55%）、变现路径（产生数亿美元收入），都表明第一批杀手级应用已经到达的。

开发商是关键。 Unity 等开发人员优先的公司发现，为开发人员提供这些工具或平台的访问权限可以开辟甚至无法想象的用例。在过去的几个季度中，我们听取了从音乐生成社区到人工智能约会匹配平台再到人工智能客户服务代理等项目的建议。

形状正在演变。第一代人工智能应用大多是自动完成和草稿生成，但现在这些形式变得越来越复杂。相机平移和填充功能的引入是日益丰富的生成式人工智能优先用户体验的一个很好的例子。总体来看，形态正在从个体层面的生产力向系统层面的生产力演变，并逐渐从以人为中心转向以执行为导向的代理系统。

版权、道德和存在恐惧。关于这些敏感话题的争论仍在继续。艺术家、作家和音乐家对此有着复杂的感受，一些创作者对其他人从衍生作品中获利感到愤怒，而另一些创作者则接受并拥抱人工智能带来的新现实（拟议的利润分享计划和詹姆斯的乐观观点）成为创意基因组的一部分就是一个很好的例子）。没有一家初创公司愿意被取代，或者最终被取代（对杰森表示敬意）。规则模糊：日本已宣布用于训练人工智能的内容不具有知识产权，而欧洲则提出了严格的监管措施。

我们现在在哪里？生成式人工智能的价值问题

生成式人工智能并不缺乏用例或客户需求。用户渴望人工智能让他们的工作变得更轻松、更高效，这就是为什么他们成群结队地涌向这些应用程序（尽管缺乏传统的分销渠道）。

但人们会继续使用这些应用程序吗？不完全是。下图比较了人工智能优先应用程序与现有公司的第一个月移动应用程序的用户保留率。

用户参与度表现不佳。部分头部消费企业日活跃用户与月活跃用户比例（DAU/MAU）为60-65%，部分头部消费企业DAU/MAU比例达到85%。相比之下，生成式 AI 应用的 DAU/MAU 中位数仅为 14%（值得注意的例外是应用和“AI 伴侣”应用）。这表明用户尚未发现生成式人工智能产品有足够的价值来激励他们每天使用它们。

简而言之，生成式人工智能面临的主要问题不是寻找用例、需求或分发渠道，而是如何证明其价值。正如 David Cahn 指出的，“2000 亿美元的关键问题是：所有这些基础设施将如何使用？这些应用程序将如何对人们的生活产生深远影响？”建立可持续业务的道路需要解决用户保留问题。 ，并为客户提供足够高的价值，以鼓励他们保留并成为日常活跃用户。

我们不必绝望。生成式人工智能仍处于“早期发展的阵痛”。有迹象表明产品性能卓越，而当产品未能达到预期时，故障通常是可预测、可重复和可修复的。我们面临着一项艰巨的任务。

第二幕：分享行动计划

企业家们正在致力于提示词工程、模型微调和数据集管理等艰苦工作，以使他们的人工智能产品*更好*。他们正在逐渐将华丽的演示构建为完整的产品体验。同时，基本模型框架仍然充满研究和创新活力。

随着公司逐渐确定其可持续价值之路，共识框架正在形成。我们现在已经共享了提高模型实用性的方法，并且随着新兴用户界面范例的出现，生成式人工智能的第二幕正在形成。

模型开发技术栈

这些技术应该缩小模型的预期性能与现实之间的差距，因为其底层基础模型会同步改进。但使模型完美只是成功的一半。生成式人工智能优先的用户体验指南也在不断发展：

新兴产品路线图

结论

当我们面临前沿的悖论以及扩散模型的新颖性逐渐消失时，生成式人工智能市场的特征正在发生变化。炒作和肤浅正在让位于真正的价值和全面的产品体验。

在，我们始终坚信生成式人工智能。这个市场腾飞的必要条件几十年来一直在建立，现在已经到来。杀手级应用程序的出现和广泛的最终用户需求进一步增强了我们对这个市场的信心。

然而，阿马拉定律——这种现象指的是我们倾向于高估技术的短期影响而低估其长期影响——正在慢慢显现其影响。我们在投资决策中保持耐心和审慎判断，密切关注企业家如何应对价值挑战。各家公司为突破模型性能和产品用户体验的界限而采用的共享解决方案和策略，让我们对生成式人工智能的第二阶段充满信心。