首页站长资讯别焦虑,AIGC依然是个新手
10017

别焦虑,AIGC依然是个新手

站长网2023-09-17 09:41:290

图源备注:图片由AI生成,图片授权服务商Midjourney

在AI喷涌式爆发的当下,有多少创业者被冲击到措手不及,又有多少创业者在冲击中逐渐消极?此前在见实与几位AIGC从业者的深聊中,我们发现,在看似繁荣的AI产业下还是可以嗅到一丝危机的味道:AI创业者不太好创业了,投资人也开始严苛了。

近几天来,如果有在应用AI绘画的玩家们可能会发现,一些AI绘画网页突然关停。真正的原因尚未公布,但能感知到的是,此前AIGC疯狂生长的时代过去了,接下来的AI发展会更加向着合规化进行。

不该单独地分析这次的AIGC爆发,而是在大的终局判断里,把这次的变化作为自然过程的阶段表象,就像发芽是植物生长的阶段表象,阶段表象的背后是第一性的源动力和自然的趋势。”

这是论论创始人谈国禹对见实说的第一句话,也是他对今年AIGC爆火的一个冷静客观的看法。

AI的商业化落地,在过去10年里,经历了周期的起伏,期间,驱动其一步步发展的,既有那些里程碑式的成果,也有数不清的在产业中耕耘的人们。今年AIGC的爆火背后离不开这些此前耕耘在AI行业的人们的果实积累。

今年我们看到了更多小团体式AI创业人变得越来越多,今天的AI,人们的目光已然从整天卷不得行的大模型,开始转向商业落地的强应用。

那么,在强应用的实战派眼里,是如何看待这次的AIGC爆发和其发展方向的呢?在和论论的创始人谈国禹的沟通中,他对这次AI应用的创业与以往的创业相比,其变与不变有着自己的看法。

对了,谈国禹还将在9月20日的AIGC大会中参加有关AIGC创业内容的圆桌讨论,届时将分享更多详细的AI应用层面的前沿认知与理解。ps:文末即可点击购买大会门票,欢迎大家一起,与见实相约920的AIGC大会,共同讨论前沿AI创业与应用理念等。

接下来就让我们一起回到现场,去听听谈国禹对此有哪些理解与思考:

01

先别焦虑,把AI理解为行业新手

见实:其实在过去AI一直处在寒冬期,那段时间你们是怎么度过的?

谈国禹:在寒冬期我们一直秉持一个词:学会挣钱。看似回答得很简单吧,其实挺难的,这就是寒冬的价值吧,教育广大企业生存之道,再回归商业的本质,学习最基本的PMF。

我们在18年开始的时候就找到了AI技术在科学领域的应用场景,推出了能够形成营收的SaaS产品,积累了用户并不断打磨产品,提高服务能力。

到今天,我们经历了AI寒冬期在内的5年发展。算是厚积薄发吧,我们在过去的短短3个月内,打造了在学术界爆火的现象级产品——论论,一款比拼学术真本事的APP,让科学家们也能得到一个科学的评估。

见实:当初打造论论的目的是什么?为什么选择在论论这个业务上发力呢?

谈国禹:科学对社会发展的影响越来越大,而科学从研发到落地都有巨大的发展空间和产品空间。我们相信可以助力到科学发展的事情还有很多,我们希望能做一些小小的贡献。

巴菲特的滚雪球理论说,要做有长坡和湿雪的事情。首先,我们创业的初衷就是认为科学产业是人类的未来,这是一个和人类命运相连的雪坡,其次,这里有很多可以为用户做的事情,自然是个很湿的雪。我们的任务就是如何把我们成为长雪坡中不可分割的一部分。

论论算是在科研领域的一款强应用型产品。说到论论的发展其实还要讲到2021年,当时AI强应用方向,业内还比较少有投资人关注这些。

行行AI和顺福资本创始人李明顺在当时选择投资我们,也可以说是对AI发展前景和爆发节点有精准的先见性。所以今年AIGC的落地热潮在先见者眼里,并非偶然撞上,更像是水到渠成的开花结果。

从寒冬期到现在一直以来的铺垫让我们从大模型爆发到现在,过了很短的时间,我们就很快做出反应,并且已经走过产品定义、产品开发以及商业化探索这些PMF验证阶段,在规模化的道路上开始看到成绩。

见实:对于其他AI应用派创业者来说,你们的这套流程能够借鉴的地方在哪里?

谈国禹:毫不客气的说,AI就是个新上职场的青瓜蛋子,在不考虑电费的情况下,他可以认为有无限的体力,但是他需要老手带着他熟悉业务,他才能上手,所以,老手需要懂业务,同时知道怎么带这个AI,才能发挥他的所长。

我认为,最近一段时间,我们还会看到很多的AI应用开始落地开花。大家都竞争大模型,就可以让AI应用企业有更多选择。

这些AI应用的创业者会有这样的共性,一方面,自身已经在业务场景长期服务用户,对用户的消费决策有深度理解,这就是理解用户需求,也就是老手需要懂业务。

另一方面,创业者对现行的AI技术到底能解决什么问题要有深刻理解,前面我们说到AI还是新手,作为懂业务的创业者来说,要明确怎么带AI能发挥它的长处。

这两方面的结合,才能解决已经存在的用户需求。前者是壁垒,后者是效率。

见实:所以壁垒不来自于AI技术?

谈国禹:是的,Open AI的大语言模型都无法形成壁垒,很短的时间里,大量的大模型都做到了开源,更何况初创公司的AI技术。核心的壁垒一直都是在于用户端。

互联网时代,BAT的壁垒也是如此,在于用户的使用习惯、用户的社交效应等等。

如果说,AI技术对形成壁垒有什么帮助,可以说,越快应用,可以越快地积累用户,最终效果还是体现在用户身上。

02

从来不缺市场,缺的是好的创业者

见实:现在AI是在爆火,看上去百家齐鸣。但似乎又有很多哀鸿遍野的声音,有的AI公司正在面临更为严峻的寒冬。您觉得当前真正的AI市场是什么样的?

谈国禹:是这样的,我经常听到很多感人的事迹,比如,台风天里互相帮助,最终成功逃生的人们。朋友们聊到这些故事的时候就会说,这些故事拍成电影该多感人啊。

每每这时,我就感叹,世界上从来就不缺好的故事,世界上缺的是好的导演。

一样的,AI领域从来不缺市场,也不缺愿意买单的用户,缺少的永远是好的创业者。我不觉得现在非常缺乏生存的空间,其实在创业的过程中有太多可以成长和提高的地方,如果只是原地哀嚎,那对创业没有一点用处,只会徒增烦恼。

见实:那现在在AI应用业务的实际探索中,和以往的创业相比,感觉有什么不同呢?

谈国禹:创业者生来就是来解决问题的。创业本质上都是相通的,简单说,就是要解决问题;复杂说,就是要立足当下,分析并解决处于不同时间尺度的问题。

打个比方,就是人们一起来造房子,现在造到2层楼的人和造到10层楼的人,考虑的问题是不一样的。

这就是立足当下,建设互联网时代时自然有互联网时代要解决的问题,建设AI时代时自然有AI时代要解决的问题。很多的时候人们喜欢抱怨问题,其实,任何时候都是在找到问题,解决问题的过程

见实:那“不同时间尺度的问题”怎么理解?

谈国禹:不同时间是说,大时间尺度的问题和小时间尺度的问题

比如,如何为业务找到对的终局判断,可能是大时间尺度的问题,如何对新产品进行定价,外界市场环境如何,可能是中时间尺度的问题,如何解决内部小团体的矛盾,可能是小时间尺度的问题

所以,业务过程里,各家公司遇到的问题其实都差不多的,只是以不同的形式出现给创业者来解决。所以,创业者就是来为业务解决问题的。

那最重要的问题就是如何让用户为我的业务付费,并且形成增长。

见实:可以这么理解吗,现在的环境来看,已经产生增长的AI创业公司更容易获得投资人的青睐?

谈国禹:现在很多投资人更要求业务先赚钱,其实我认为这是最基本的。

就像一开始说的,AI就是干活的行业新人。AI在产业上的本质,就是干活的生产力,比如,语言模型,就是能干跟语言有关的一些活儿。

既然是跟人一样的产业新人,就要跟人一样,活干得好就有公司聘用,活干不好就没有公司聘用。AI也是一样,活干得好就有公司买单,活干不好就没有公司买单。

所以应用场景的AI如果不能挣钱,就是说明还没有在市场竞争中立足,就像一个人没有在职场竞争中立足一样。当然AI不仅可以找一些已经有人干的活,也可以找一些人还没能干好的活,或有需求根本没人能干的活。

对投资机构来说,投资能在市场竞争中立足的AI,让他把活干更好,是可以理解的。

总结来说,AI在产业的本质就是干活的生产力,挣不挣钱就是评价活干得好不好的基本依据。还是那句话,缺的是好的创业者,而不是市场。所以立足的机会一直有。

03

我们对AI的认知依旧很浅

见实:你认为人类的活儿,AI都会干了吗?

谈国禹:我认为现在考虑这个问题还太早,因为人类和AI的定义未来都不一定像今天这样。我更愿意认为这个问题是说,可以预见的未来,AI与人类会形成怎样的一种合作形式。

我们不该单独地分析这次的AIGC爆发,而是在大的终局判断里,把这次的变化作为自然过程的阶段表象,就像发芽是植物生长的阶段表象,阶段表象的背后是第一性的源动力和自然的趋势。

首先,transformer会是近期AI发展的核心动力。能早早布局AI,根本的原因是看到了AI技术的巨大潜力空概念。

大模型的技术基础是transformer,我们很早看到transformer巨大的潜力价值,而在过去两年里并没有真正被人们发掘。我认为今天,人类对transformer的认知依然还很浅,其持续推动技术突破的潜力依然巨大。

见实:那么,长期来说,AI会带来哪些变化?

谈国禹:在大的AI发展周期来说,从2012到2018年开始的第一波机会,是基于深度神经网络科学成果的直接产业转化,比如图像识别等等,这些其实本来是科学界在研究的东西。

第一波AI浪潮最终遇冷,本质上是因为AI模型在产业上难以交付的问题。

从2022年到2027年开始,会是第二波大的机会,是人才和产业对AI的初步结合。这一轮AI在应用端的竞争会是建立强壁垒导向的,所以这一阶段AI开始真正在应用场景中找到自己的位置,并且让运用AI的公司得到更大的竞争红利。

从2030年开始,会是未来产业与AI的更深度融合。长期来说,今天经济学上,生产力的定价理论会被AI颠覆掉,分工与资产的定义也会被更新。

0000
评论列表
共(0)条