红杉最新报告总结：生成式AI的新纪元 - 从脱口而出到深度思考
下文来自对红杉资本最新发布的这篇“Generative AI’s Act o1”报告的总结和个人点评。
在生成式AI革命开始两年后，我们正站在一个新的转折点上。AI正在经历一次重大的进化，从主要依赖于预训练数据的快速反应系统，转变为能够进行更深入、更复杂推理的智能体。这种转变正在重新定义我们对AI能力的理解和期望。
市场格局的稳定与新的竞争前沿
生成式AI的基础层已经形成了相对稳定的格局，主要参与者包括微软/OpenAI、AWS/Anthropic、Meta和谷歌/DeepMind - “只有拥有经济引擎和获取巨额资本的规模化参与者才能继续参与。” 这意味着，虽然竞争仍在继续，但入场门槛已经大幅提高。
而且，真正的竞争前沿正在向上层转移。文章指出：”焦点正在转移到推理层的开发和扩展上，在这里’系统2’思考占据主导地位。” 这标志着AI从简单的”脱口而出”（在下图最底层的预训练层）向复杂的”深度思考/推理”转变。
推理能力的突破：以OpenAI的o1为例
OpenAI的o1模型展示了这一转变的威力 - “这是第一个具有真正通用推理能力的模型示例，他们通过推理时计算实现了这一点。”
正如人类在做出重要决定时会停下来仔细思考一样：“推理时计算”的意思是要求模型在给出回复前停下来思考，这需要在推理时进行更多的计算；
新的规模定律（scaling law）：更多思考时间=更好的结果
o1模型揭示了一个新的规模定律：给模型更多的推理时间，它就能得出更好的结果 - “当模型可以思考几个小时时会发生什么？几天？几十年？我们会解决黎曼假设吗？”
认知架构：AI应用的核心
将这些强大的模型转化为实际可用的应用并非易事。这就是认知架构发挥作用的地方，或者说你的系统应该如何思考：接收用户输入并执行操作或生成响应的代码和模型交互流程（其实也很类似我们会说的行业know-how）。
文章举例说明：”在Factory这家公司案例中，他们的每个“机器人”产品都有一个自定义的认知架构，模仿人类解决特定任务的思考方式，比如审查拉取请求或编写和执行将服务从一个后端更新到另一个后端的迁移计划。”
应用层的新机遇
尽管基础模型层面的竞争激烈，但真正的机会可能在应用层。文章列举了一系列新兴的AI应用，如Harvey（AI律师）、Glean（AI工作助手）、XBOW（AI渗透测试员）等。这些应用正在重新定义各个行业的工作方式。
以XBOW为例 - “XBOW正在展示基于最新推理LLMs构建的自动化安全渗透测试，其性能与最高技能的人类渗透测试员相匹配。这倍增了渗透测试市场，并为各种规模的公司开启了持续渗透测试的可能性。”
商业模式的革新和对现有SaaS公司的影响
AI公司正在改变传统的软件销售模式 - “云公司销售软件（$/席位）。AI公司销售结果（$/结果）” 这种转变使得AI公司的目标市场从软件扩大到了整个服务行业，潜在价值达到万亿美元级别。
AI应用不仅可能取代现有软件，还可能创造全新的市场机会。目前系统集成商通过配置Salesforce来满足不同公司的业务需求能赚取数十亿美元，但以文中提到的Day.ai为例：”只需访问你的电子邮件和日历，并回答一页问卷，Day就可以自动生成一个完全适合你业务的CRM。” 这会不会类似过往的传统软件服务市场逐步受到SaaS影响的情况，如下图？
未来展望：多智能体系统和AGI
展望未来，文章提出了两个令人兴奋的可能性：
- 多智能体系统的兴起，使AI能够像人类团队一样通过协作来解决复杂问题；
- AI的”第37步”时刻（就像AlphaGo在对李世石的第二局比赛中那样）：”一个通用AI系统以超人的方式让我们感到惊讶。”
结语
生成式AI正在从简单的模式匹配向复杂的推理能力发展。这一转变不仅将重塑AI应用的格局，还可能对整个技术和服务行业产生深远影响。正如文章所言，这可能不是一个单一的事件，而是”技术的下一个阶段”。
原文：https://www.sequoiacap.com/article/generative-ais-act-o1/