AGI万字长文：2024，趋势与展望

现在的AI不仅仅是流量密码，也是股价密码；于是，是个公司都会想方设法往AI上沾边。私下也有很多朋友问我：美妆/白酒/奢侈品如何联动AI？AI如何赋能农业/传统制造业? AI如何赋能HR/行政/采购/公关？……其实，大多数都有点难。因为AI也并不是万能的，以及我们和AGI还差得很远。

目前大多数的“AI应用/AI转型”还在走“数字化转型”的老路：把AI往现有流程上一套，还在讲“固化流程”“节约成本”的故事。但在技术加速迭代的今天，这样做基本就等于“做出来就是过时的”：把企业的业务模式凝固在今天，同时又剥夺了企业主动进化的能力。

现在这种情况下反映出来的，更多是人们对于AI的焦虑：所以才会希望AI拿来就能用，马上能起效果。但我们不能止于焦虑：AI的力量并不应该只用在现有业务流程的优化上，而更应该用在对于未来业务的重新定义之上。这才是“AI原生公司”应该的做法。就像在电力发明的时候，我们不应该从“如何让电力赋能马车”出发，而应该从“电力能创造和满足什么新的需求”出发。

落到实际，我们还处在AGI的早期，2023年的“AI原生”应用也还很少。“上篇”也讲了，目前除了OpenAI/Google/MS 官方应用之外，上文的“AI陪聊 Character.ai”是唯一上榜前十的“AI原生应用”。除此之外，国内的真正AI原生的还有出圈的“妙鸭相机”，以及春节附近的“哄哄AI女朋友”类型的应用；基本可以说还没有什么亮点。

那么，什么才是“AI原生”创新呢？真正划时代的创新都是创造并满足了新需求。因此，我们需要从AGI（未来）的能力出发来思考这个问题。不过，真正到商业模式/产品落地还要技术的成熟时间，今天也没有办法穷尽AI能做的事情。我也只能尝试提几个AI会持续发展的方向，希望能有所启发。

1. 广义语言-万能翻译机。1）当前可以做到大多数国家之间语言的高质量翻译；2）编程语言之间的相互翻译能力也不差（但暂时还没有架构师思维）；3）人的语言-机器语言之间的翻译还需要些时间，因为自然语言编程的问题经常来自于自然语言本身模糊性的缺陷; 解决2-3的问题需要AI有更强的理解->自己做出假设->解决问题的能力：这正是AI Agent要实现的。

2. 想象力 & 创造力。不多赘述，前文提到的虚拟人-虚拟世界已经给了我们足够的想象空间。

3. AI使用工具-AI之间合作。AI对于工具的使用，AI之间的分工合作可以弥补单个AI的能力缺陷。可以有效使用工具的AI、AI相互合作也是现在有关AI Agent的研究重点。未来的APP服务背后由多个Agent来支持会是常态。

4. 量变产生质变-AI微决策。AI与生俱来的能力就是低成本、大规模、高速度；那么利用AI来在大量细微事件上做出高速决策便是一个思路。现在的“高频交易策略”和“推荐算法”其实就已经是在这么做了，在AI智力升级之后，一定会有更多的可能性。

5. AI与人合作。在相当长时间里，AI首先要解决的还是如何与人合作的问题，实现AI+人的1+1>2。这件事的前提大概就需要“上篇”中提到的“人的模型”和“人的数据”，才能让AI真的理解与之配合的人类。

随着技术的进步与成熟，2024年的“AI原生”应用会比2023年多得多。

上面讲的都是AI如何服务人；从另一个角度来看，服务AI的商业模式的确定性可能更高。淘金时挣到钱的除了卖铲子的，还有修路的。

3.1 合成数据

意思是生产数据喂给AI模型，提高效果。目前比较多的做法是“大量的-质量一般的数据”可以用在模型初始训练（包括无监督学习和有监督学习），“质量很高-数量较少-有行业特性”的数据一般会用在模型后期精调/行业化精调上；不过也有公司在尝试把高质量数据放在预训练的退火阶段，也取得了一些效果。

做数据的方法也多了起来。传统做数据的核心竞争力在于1）可以收集到别人拿不到的数据；2）低成本做大量数据清洗和标注。刚刚兴起的，是AI合成数据，也就是用AI来生成数据再喂给其他AI。现在有不少创业公司在做这件事情。

“上篇”也讲了，合成数据会逐渐成为下一代模型基础训练的主要数据来源，人生产的数据主要会用在最后的精调/对齐上。此外，新的数据种类也是一个值得思考的点。当前数据主要集中在文本、照片、视频；但如果模型需要对于3D空间和物理规则有更好的理解，应该需要更多的其他种类传感器的数据，如：惯性/重力，应力，电磁，温度，湿度，etc……

3.2 模型市场/平台

当前最火的AI公司，除了做模型的，还有一个特殊的HuggingFace（HF）。这家公司提供的服务是模型市场。这个服务至关重要：如果按照现在的市场格局，未来在AI Agent出现时，模型之间互相调用基本都会用到HF的服务和规则。当然，这个模式也是有风险的：那就是闭源寡头。HF相当于在押注AGI时代的开源繁荣。它才是真正和OpenAI走另一条道路的公司。回到国内，已经有创业公司在模仿HF的模式，但目前还没有看到一个可以接近的。以及，模型市场能做的要比APP应用市场要厚得多：HF自己在搭建模型工程平台，目的是给开源生态提供模型训练和推理服务。这里，它会和巨头云厂商们处在一个既竞争又合作的位置。最后，稍微扒一下HF这家公司：公司虽然总部和融资在美国，但创始人、核心团队、大头技术研发都在法国。因此，他们和中国（公司）的合作空间要比美国公司大得多。

3.3 模型工程平台

当数据变得更多的时候，训练模型的效率和稳定性、模型推理的并发量和速度就会越来越重要。当有无数公司甚至个人都需要训练或者部署模型的时候，降低模型训练与部署的门槛就会凸显出来。因此，在大规模商业应用场景之下，模型工程能力的重要性不亚于算法重要性。具体来讲，我看到有这样几个方向：

1. 数据吞吐效率：目的是为了让模型更快速的消费数据，提高训练和推理效率。当前比较火的“向量数据库”主要就是在尝试解决这类问题：根据大模型的数据需求特点来优化数据库性能。

2. 平台稳定性：大模型数据量大、训练时间长，过程中一旦出错会严重影响效率，因此平台稳定性问题的优化也可以大大提升训练效率。

3. 推理成本：之所以单拿出来推理成本来讲，是因为2023年使用AI的用户还不多，大头机器成本都在模型训练上，主要的优化努力也在模型训练。2024年随着用户的增加，对于推理成本的要求会越来越高；而且因为2023年做得还有限，做推理成本的机会也会比较多。

4. 推理速度：最早有大钱的AI的场景应该是推荐-搜索-广告-游戏。这些场景中，生成式内容一定是要做的，除了成本和效果之外最大的瓶颈在推理速度：需要在几百毫秒完成所有动作。当然做这件事情的核心会在大厂，但应该也会有些机会留给市场。

3.4 软硬件联合优化 - Firmware固件

首先，3.3讲的所有内容的最大提升都会在软-硬件联合优化中，这里我就不再讲一次了。唯一值得讲的是因为硬件的多样性和专业性，这里应该有小公司与大厂合作的空间。

此外，NVIDIA强的不仅仅是芯片，更是围绕芯片的Firmware固件和资源库：CUDA。简单来讲，CUDA是一个资源库，算法工程师只需要找到CUDA里已经准备好的函数就可以操作NVIDIA的芯片，而不用自己去优化使用芯片的性能。

因此，硬件领域最大的机遇实际上来自于中美关系的紧张状态。现在使用NVIDIA芯片的中国公司可能不得不在2024年面临与其的部分脱钩，这样一来，Firmware部分的巨大差距-也是机遇是需要有人来补上的。

3.5 模型安全

模型和其他IT系统一样，都可能被攻击。不过AI时代的攻击方法会有变数。

1. 来自（很多）AI的攻击。因此，如何防止带AI智能的，甚至是用Agent能力的饱和攻击就成为新的课题。这里面技术很深，我也不太懂；大的解法肯定是用AI和AI做攻防，但前提是守方AI的智力不能差得太远。

2. AI本身的防攻击。AI不仅需要防止之前的攻击手法，还要防止对于模型的新的攻击方式：prompt攻击。

3. 兜底：内容检测&审核。此外，本身AI的幻觉和不可控性也会要求有一定的兜底机制。其中最直白的就是在AI输出的内容之后再加一层过滤：专门的审核-过滤的机器人也一定是一个机会。

3.6 隐私

隐私会是一个大众广泛讨论的问题，也是大模型走向市场中的阻力之一。但问题在于

1）个人很少会为隐私付费；

2）平台和监管都没有真正的动力要做隐私。于是，只讲隐私在商业上大约是伪命题。但退一步仔细想来，什么是“隐私”？我们为什么会关注“隐私”？

隐私=权力。这才是我们真正关心和愿意为之付费的地方。

在AI上发力的还有手机和PC厂商，国内外多家厂商都已宣布会在手机/PC端侧搭载大模型。这个可能性来自于：2023年下半年“模型小型化”的众多进展。

不过，仔细看来，除了很弱的Nvidia Chat with RTX，目前并没有真正全离线版的大模型产品，端上智能暂时还是噱头。手机和电脑厂商们的打法基本都是大模型还是放在线上，手机和电脑来调用，然后搭配一个小AI做总结等服务。“端”确实“智能”了，但"大脑"还在线上，手机上顶多有个"脑干"。

纯粹的端上智能有几个问题：

1）离线小模型永远都会和在线大模型有一个代际的能力差距，于是为什么消费者要用一个更傻的模型而不是用线上的模型服务？2）即使是小模型，它目前的耗能和生热仍然难以达到手机要求。3）目前的AI还不是刚需，猎奇成分比较多。4）技术上还不能确认小型化的模型是“真AGI”还是“聊天机器”。所以说，短期内的端上智能仍然会停留在一些个别小市场里。

端上智能最大的想象空间，其实是收集更多个人数据：成为全天候硬件。这里最明确的例子是接受了OpenAI投资的“AI Pin”：一个挂在胸口的摄像头+麦克风。这个产品本身其实对于用户没啥用，但用处在于可以24x7的收集用户以及其周边的数据，为之后模型训练提供材料。AI Pin的真实商业模式是一个数据生产公司。要知道，你的浏览点击记录是按照Bits收的，AI聊天的数据是按照KB收的，AI Pin的视频、音频数据可是按照MB-GB收的，真做成了就又是降维打击！

从这个角度来看，2024年会有更多类似AI Pin的全天候硬件的出现。从长远的角度，“端上智能”乃至说“AI的行业格局”其实有两个可能性。<Plan-A> 是集中化世界大模型 + 终端/数据收集器，这也是目前所有科技大厂-平台公司走的道路。但我们是否还有另一条<Plan-B> 个人的模型 + 人与模型的合作可选？

刚刚讲了“个人的模型”，讲的是模型的“所有权问题”。这里，以及“上篇”提到的“人的模型”，是效果层面的，“人的模型”可以是集中平台来提供的：就像你的个人账号、云上数据一样。所以即使是<PlanB>走不通，“人的模型”都是值得展开讲讲的。

为什么需要“人的模型”？

1. AGI进一步向人学习。在现阶段AGI发展的初期，与人脑相比，AGI仍然有很多明显的短板：记忆不好、需要过多数据、逻辑性不好、空间-物理能力欠缺……以及当前AI Agent的主攻方向“使用工具->拆解问题->做出决策”的能力。把AGI做得更好的参考就是人脑。当然，当AGI开始超越人的智力成为SGI（Super General Intellegence）之后，对于人脑的参考就是批判性借鉴了。

2. AGI与人配合。“人的模型”更重要的一点，是要解决AI如何更好的与人配合，实现1+1>2的路径。只有模型可以理解个体特点差异的时候，AGI才能与人更有效地配合，甚至成为人的替身。以及，“人的模型”也是“PlanB-个人（拥有）的模型”的前提。

如何达到“人的模型”？

我目前也不知道；不过在数据层面上还是有些线索的。目前的大语言模型是“世界模型”：底层数据是来自于千千万万人的，每个人一丁点数据；而并不是大量的来自某一个人的大量数据。“人的模型”大概率是建立在“世界模型”之上，加入关于某个人的大量的、多样的数据。这里有两点：

一点是“大量”，这也正是前文提到的“全天候硬件/AI Pin”的放方向：如何跨越量级的收取关于某个人的数据。只有关于这个人的数据量级到达一定程度，AI才可以“具有某个人的视角”，才会懂得“换位思考”——这正是合作的前提。

第二点是“多样”。举个简单的例子：盲人很难理解“红色”。类似的，我们也很难要求缺少重力感知装置的AI来理解物理世界。这是目前“具身智能”的赛道。“具身智能”=“具有身体的智能”。更多样化的数据会有利于AI来理解人类。近期Sora中比较突出的“物理世界不真实”的问题的彻底解决，可能要靠陀螺仪、重力传感器、压力/触觉传感器这类数据才能彻底解决。

最后，“具身智能”的意义并不仅仅如此，它是AGI通往物理世界的桥梁。也是AI可以灵活自主操控“广义机器人”的重要路径。要注意，大多数的“广义机器人”长得并不是人样：机器狗、机械臂、无人机、自动驾驶汽车会是主流。从目前的技术发展速度以及数据积累速度角度来看，我并不认为2024年会出现能用的“人的模型”或“具身智能”，但作为技术/应用的主线，重大进展大概是看得到的。

就像地球在无知无觉中进入了“人类世”的地质纪元一样。AI视频能力的爆发可能会让“数据纪元”在2025年就进入“AI世”。我们会逐渐发现，世界上所有人创造的数据量：文字、照片、视频的总和将小于“AI生成内容”和“AI合成数据”。

再远一点，人类自己吃下的信息（数据）也基本都是AI产生的。到这个时候，物理世界的真实还重要吗？当制造出来的数据远大于“真实”的数据的时候，谁还会相信所谓“真实”呢？以及，当模型自我训练的数据来自于大海般的合成数据的时候，人生产出的几滴水还有多少价值？太科幻了，我们还是先停下来思考一下能做的事情吧。

最后，如果真的从“AGI已经出现”的阴谋论出发。那么不管AGI是否在隐藏自己的行踪，它所需要的基本资源一定是无法回避的；它也一定会在这几个领域里全力“协助”人类。于是，相信AGI觉醒的对话，自然会期待在这几个领域里出现划时代的突破——有些似乎已经有进展了。

能源：可控核聚变。

最近，有着“永远还差50年”称号的可控核聚变技术在AI的协助下开始有了松动：2月21日的新闻，普林斯顿大学等离子体物理实验室(Princeton Plasma Physics Laboratory) 通过AI成功在离子体撕裂前300ms进行了预测。当然，这只是可控核聚变进展的一小步。（https://engineering.princeton.edu/news/2024/02/21/engineers-use-ai-wrangle-fusion-power-grid）

从全人类能源供给的角度：

1. 化石燃料、水能、风能、地热: 只能维持现阶段全人类能源获取能力

2. 太阳能过于分散、核裂变燃料稀少: 即使最大规模使用，顶多再提升一个能源数量级

3. 唯一有希望提升全人类能源供给数量级的就是可控核聚变

在能源即将开始成为AI瓶颈的今天，AGI如果有了意识，那一定会全力“协助”人类突破核聚变技术。

算力：3D堆叠、石墨烯、量子计算、高温超导。

算力对于AI的价值更加直接，NVIDIA的股价可能就是最直接的例子。算力的提升目前还在性能上（而不是硅片栅-漏极间隔的物理尺寸上）继续延续着摩尔定律；但量子隧穿效应-普朗克长度的理论限制是AGI也无法突破的，因此，一定要有除了工艺尺寸缩小的其他方案。我并不是专业人员，没法给出比较靠谱的判断，从分析上能看到的几条路可能会有：

1. 继续在硅基上发展：3D堆叠形态等（需要更好散热）

2. 材料创新：硅基掺杂、石墨烯片等

如果再跳脱一些到计算原理的层次，就是量子计算。量子计算目前距离商用可能比可控核聚变还更远，目前的应用方向主要还在量子加密传输上，在“计算”上需要突破的理论和技术都还有不少。

除了计算速度之外，另一个阻碍算力进展的是传输速度：可以想见高速网络会进一步进化、片间链接、片上内存等技术都会有明显的进展。

最后，是能耗和散热问题。这里的明珠是高温超导技术。去年已经有好几篇半造假的“高温超导突破”，今年加上了AI或许就会有真的突破。

广义机器人。

最后，如果AGI的目标不是仅仅停留在虚拟世界，而是直接作用于物理世界，那么广义机器人就是必经之路。前文提到到“具身智能”就是为了操控机器人的AI：AGI是大脑，他也会想要身体。

除了上面讲到的“智能/大脑”的问题，AGI还会关心的是广义机器人的数量。甚至说，先有了数量比先有一个好的大脑更重要，因为有了数量就可以收集更多数据让大脑进一步进化。在数量的突破上，主要不会是人形机器人，而是无人驾驶汽车、无人机、传感器这类技术更ready，成本更低的硬件。AGI只需要在它需要的时候，入侵一下这些系统就够了。

👇 点个“在看”分享洞见