讲一下最近对AI的思考，昨天谷歌公布财报，预期营收1170亿，实际营收1198亿，还超预期了，但是股价下跌，主要原因是AI开支太大，现金流转负。
那么目前的AI军备竞赛后续可能会降速，股价的下跌，股东是不同意增加AI开支的，毕竟上市公司需要ROI（投入产出比）。
所以未来AI军备竞赛可能会出现一个变化：不是停止投入，而是从无上限烧钱，进入更加关注效率和回报的阶段。
而目前为什么要拼命去推算力？
因为AI行业有一个非常重要的理论：Scaling Law（规模定律）。
其实早就有研究发现，目前的AI就是投入的算力越多，AI参数越大，训练的数据越大，AI就越“聪明”，这是一个线性关系！
所以才会让各大AI厂商开始拼命堆算力，谁砸的钱越多，谁的AI就越聪明，就能在行业领跑。
但是目前的AI其实还是在很早期的阶段，根本没有达到能够自己进化的阶段，也就是遇到问题，意识到自己不会，主动寻找知识，修改自己的能力，到让自己下次永久学会。
目前的大模型没有一个能够做到这点。目前最多只能做到“有限自我提升”！
比如人类让模型写了1000份代码，然后让AI自己运行发现问题，然后分析失败的原因，在重新训练数据，提升能力，但是目前这种的有限自我提升还在实验室里，需要人类不断地更新模型，发布新的版本，也就是说是目前人类在推动AI进化。
真正意义的“纯线上”自我进化远远没有达到，所以我们才会看到各大厂商每隔一段时间发布一个新版本，这个新版本就是人类优化进化后的AI模型。
为什么现在做不到?
第一，目前的模型本质就是一大群参数，这些参数叫模型 权重，模型不能自己改权重，它只能记住上下文，然后根据设定好的权重以及训练过的数据，给出你答案。
第二，AI目前没法判断什么是“真知识”，比如哲学，医学，经济学中很多东西都是正说正有理，反说反有理。比如经典辩论题，“人无法踏入同一条河流两次”，你说AI要怎么说？人类自己都没有标准答案，你如果让AI给出你一个标准答案。 还有我说小米好，股票可以买，别人说小米垃圾，股票谁买谁被套，这AI也无法判断。
第三，可能把错误越学越多，如果AI能自我改权重，那么如果一个东西错了，他还坚持是对的，那么就会在错误的道路上越走越远，最后模型可能会崩溃。
第四，成本太高，目前AI学习一次需要很多的GPU和电力，一直不断地换模型改参数，经济成本扛不住。
所以这也是目前的的“瓶颈”，那么现在顶尖AI行业其实都在研究组队合作模式。比如组成一个团队，有的团队搞研究模型，有的搞阅读模型，有的搞实验模型，有的搞编程模型，有的搞评估模型，组成一个闭环。
所以之前我觉得AI未来是一家独大，赢者通吃可能会不成立。未来极有可能会百花齐放，然后如果能把各个厂商的AI模型打通，那很有可能会成为一个超级AI智能体。因为每家训练的数据可能会不一样，但所有的数据都能打通，那么AI的能力可能会指数级上升。
因为在AI模型参数不断变大的过程中，虽然AI的能力和参数，算力，训练数据量成正比。但是可能随着模型参数的变化，AI的能力会突然“涌现”一个新能力，就好像突然“开窍”了，比如一直在学数学方面的能力，突然有一天高级数据方程会解了。
而目前每家的AI模型其实都有特点，比如claude在编程更厉害，GPT数学能力更强，Gemini视频能力出色，那么最后如果出现一个前端调度者，或者模型能力打通，每家的模型都有生存下去的机会。
如果把每个AI当成一个人来看，明显是团队协作的能力更大，而不是需要一个人他是全才。
基于上面的思考，我觉得现在其实可以重点关注AI大模型的公司，未来这些公司都有机会，而且AI基础设施已经都铺垫的差不多了，重点看哪些大模型在低估区间，果断出手。
因为下一轮AI竞争，很可能不是单一模型的战争。
而是一场：AI生态战争。
而真正的赢家，可能不是一个AI，而是一群AI组成的超级智能网络。
66.99萬 熱度
1.3萬 熱度
15.11萬 熱度
230.52萬 熱度
127.43萬 熱度
AI 軍備競賽會結束嗎？未來的贏家可能不是單一公司，而是整個 AI 生態！
讲一下最近对AI的思考，昨天谷歌公布财报，预期营收1170亿，实际营收1198亿，还超预期了，但是股价下跌，主要原因是AI开支太大，现金流转负。
那么目前的AI军备竞赛后续可能会降速，股价的下跌，股东是不同意增加AI开支的，毕竟上市公司需要ROI（投入产出比）。
所以未来AI军备竞赛可能会出现一个变化：不是停止投入，而是从无上限烧钱，进入更加关注效率和回报的阶段。
而目前为什么要拼命去推算力？
因为AI行业有一个非常重要的理论：Scaling Law（规模定律）。
其实早就有研究发现，目前的AI就是投入的算力越多，AI参数越大，训练的数据越大，AI就越“聪明”，这是一个线性关系！
所以才会让各大AI厂商开始拼命堆算力，谁砸的钱越多，谁的AI就越聪明，就能在行业领跑。
但是目前的AI其实还是在很早期的阶段，根本没有达到能够自己进化的阶段，也就是遇到问题，意识到自己不会，主动寻找知识，修改自己的能力，到让自己下次永久学会。
目前的大模型没有一个能够做到这点。目前最多只能做到“有限自我提升”！
比如人类让模型写了1000份代码，然后让AI自己运行发现问题，然后分析失败的原因，在重新训练数据，提升能力，但是目前这种的有限自我提升还在实验室里，需要人类不断地更新模型，发布新的版本，也就是说是目前人类在推动AI进化。
真正意义的“纯线上”自我进化远远没有达到，所以我们才会看到各大厂商每隔一段时间发布一个新版本，这个新版本就是人类优化进化后的AI模型。
为什么现在做不到?
第一，目前的模型本质就是一大群参数，这些参数叫模型 权重，模型不能自己改权重，它只能记住上下文，然后根据设定好的权重以及训练过的数据，给出你答案。
第二，AI目前没法判断什么是“真知识”，比如哲学，医学，经济学中很多东西都是正说正有理，反说反有理。比如经典辩论题，“人无法踏入同一条河流两次”，你说AI要怎么说？人类自己都没有标准答案，你如果让AI给出你一个标准答案。 还有我说小米好，股票可以买，别人说小米垃圾，股票谁买谁被套，这AI也无法判断。
第三，可能把错误越学越多，如果AI能自我改权重，那么如果一个东西错了，他还坚持是对的，那么就会在错误的道路上越走越远，最后模型可能会崩溃。
第四，成本太高，目前AI学习一次需要很多的GPU和电力，一直不断地换模型改参数，经济成本扛不住。
所以这也是目前的的“瓶颈”，那么现在顶尖AI行业其实都在研究组队合作模式。比如组成一个团队，有的团队搞研究模型，有的搞阅读模型，有的搞实验模型，有的搞编程模型，有的搞评估模型，组成一个闭环。
所以之前我觉得AI未来是一家独大，赢者通吃可能会不成立。未来极有可能会百花齐放，然后如果能把各个厂商的AI模型打通，那很有可能会成为一个超级AI智能体。因为每家训练的数据可能会不一样，但所有的数据都能打通，那么AI的能力可能会指数级上升。
因为在AI模型参数不断变大的过程中，虽然AI的能力和参数，算力，训练数据量成正比。但是可能随着模型参数的变化，AI的能力会突然“涌现”一个新能力，就好像突然“开窍”了，比如一直在学数学方面的能力，突然有一天高级数据方程会解了。
而目前每家的AI模型其实都有特点，比如claude在编程更厉害，GPT数学能力更强，Gemini视频能力出色，那么最后如果出现一个前端调度者，或者模型能力打通，每家的模型都有生存下去的机会。
如果把每个AI当成一个人来看，明显是团队协作的能力更大，而不是需要一个人他是全才。
基于上面的思考，我觉得现在其实可以重点关注AI大模型的公司，未来这些公司都有机会，而且AI基础设施已经都铺垫的差不多了，重点看哪些大模型在低估区间，果断出手。
因为下一轮AI竞争，很可能不是单一模型的战争。
而是一场：AI生态战争。
而真正的赢家，可能不是一个AI，而是一群AI组成的超级智能网络。