近一半的 Gen AI 采用者希望它开源 - 这就是原因
李开复称人工智能经济学“极其不健康”，并建议从史蒂夫·乔布斯和 iPhone 中汲取教训。
一位著名人工智能学者表示，除了 GPU 芯片制造商 Nvidia 之外，人工智能的经济性对几乎所有人来说都是不可持续的，这给这个新领域的持续发展带来了一个大问题。
“生态系统极其不健康，”李开复本月早些时候在一个私人讨论论坛上表示。李指的是一方面是包括英伟达和谷歌在内的人工智能基础设施制造商，另一方面是应用程序开发商和应该使用人工智能来重塑其运营的公司之间的利润差距。
李在谷歌和苹果工作之前曾担任微软亚洲研究院的创始董事，他创立了现在的公司创新工场，为 01.AI 等初创公司提供资金，该公司生产名为 BeaGo 的生成式人工智能搜索引擎。
人工智能学者李开复表示，为了降低新一代人工智能的成本，企业必须像苹果公司开发 iPhone 那样构建自己的垂直整合技术堆栈。
Lee 是在 Collective[i] Forecast 期间发表上述言论的，这是由 Collective[i] 组织的互动讨论系列，该公司自称是“旨在优化 B2B 销售的人工智能平台”。
Lee 表示，当今的人工智能生态系统由 Nvidia 以及英特尔和 Advanced Micro Devices 等其他芯片制造商组成。芯片制造商每年从人工智能处理中获得的芯片销售额总计达 750 亿美元。 “基础设施赚了 100 亿美元，应用程序赚了 50 亿美元，”Lee 说。 “如果我们继续这个倒金字塔，这将是一个问题，”他说。
目前，像英伟达这样的半导体公司赚了所有的钱，而本应成为最终受益者的公司——应用程序制造商和用户——却获得了很少的利润。
“逆金字塔”是李用来描述经典科技产业经济学前所未有的逆转的短语。传统上，应用程序制造商比为其提供服务的芯片和系统供应商赚更多的钱。例如，Salesforce 从 CRM 应用程序中赚到的钱比戴尔和英特尔还要多，戴尔和英特尔分别生产计算机和芯片，以便在云中运行 CRM 应用程序。
李说，这种健康的生态系统“的开发是为了让应用程序变得更加成功，它们带来更多用户，应用程序赚更多的钱，基础设施得到改善，半导体得到改善，并持续下去。” Lee 表示，不仅在云领域，而且在移动计算领域也是如此，苹果和 ARM 的命运在“堆栈顶端”产生了赢家，例如 Facebook 的广告业务。
相反，“当应用程序不赚钱时，用户就无法获得尽可能多的利益，那么就无法形成良性循环。”
回到现在，Lee 感叹应用程序的不平衡性。 Nvidia 的市场。 “我们希望英伟达能赚更多的钱，但他们赚不到比应用程序更多的钱，”他指的是人工智能应用程序。
Lee 表示，按照目前 Nvidia GPU 的支出速度，云、个人电脑和移动生态系统的发展“显然不会在今天发生”。他说，为了健康的生态系统蓬勃发展，“推理成本必须降低”。 “GPT-4o1 很棒，但非常昂贵。”
然而，李出席这次活动不仅仅是一个警告，他还提出了一个“务实”的建议，他说这些建议可以解决不幸的经济现实。他建议公司像苹果 iPhone 那样建立自己的垂直整合技术堆栈，以大幅降低生成式人工智能的成本。
Lee 惊人的断言是，最成功的公司将是那些自己构建大部分生成式 AI 组件（包括芯片）的公司，而不是依赖 Nvidia。他引用了苹果公司的史蒂夫·乔布斯如何推动他的团队制造 iPhone 的所有部件，而不是等待技术价格下降。
“我们受到 iPhone 的启发，”Lee 在谈到 BeaGo 的努力时说道。 “史蒂夫·乔布斯很大胆，他组建了一个由来自多个学科的人员组成的团队——从硬件到 iOS，从驱动程序到应用程序——并决定，这些东西正在整合在一起，但我迫不及待地等到它们全部成为行业标准，因为到那时，任何人都可以做到，”李解释道。
Lee 表示，BeaGo 应用程序并不是基于 OpenAI 的 GPT-4o1 或 Meta Platforms 的 Llama 3 等标准组件构建的。相反，它是作为协同开发的硬件和软件的集合而组装的。
Lee 表示，搜索引擎制造商 Rhymes AI 进行了自己的软件和硬件创新，将 Gen AI 推理的成本降低了 50 倍。
“通过垂直整合，[我们设计了]特殊的硬件，这些硬件不一定适用于其他推理引擎，”李解释道。例如，虽然 GPU 芯片仍用于预测，但它已通过更多主内存（称为高带宽内存 (HBM)）进行了增强，以优化数据缓存。
BeaGo 使用的软件“不是通用模型”。 Lee 在没有透露技术细节的情况下表示，生成式人工智能大语言模型“不一定是最好的模型，但它是人们可以训练的最好的模型，因为推理引擎只能在这种硬件上运行，并且在这种硬件上表现出色，以及经过训练的模型，因为它知道它将在该硬件上进行推理。”
Lee 表示，构建该应用程序（包括硬件和用于缓存查询结果的新型数据库）已经花费了 BeaGo 及其支持者 1 亿美元。 “你必须回到首要原则，并说，‘我们想以极低的成本进行超快速的推理，我们应该采取什么方法？’ ”
Lee 演示了 BeaGo 如何在眨眼之间调出问题的单一答案。 “速度决定一切，”他说，并将其与谷歌早期相比，当时新的搜索引擎提供结果的速度比雅虎等老牌搜索引擎快得多。
Lee 表示，Meta 的 Llama 3.01 405b 等标准基础模型人工智能“甚至无法解决这种情况”。 Lee 表示，BeaGo 不仅能够实现更快的推理速度（响应搜索查询返回预测所需的时间），而且成本也大大降低。
Lee 指出，如今使用 OpenAI 的 GPT-4 等服务的标准推理成本为每百万代币 4.40 美元。这相当于每次查询 57 美分——“仍然太贵了，仍然比非人工智能搜索的成本贵 180 倍，”Lee 解释道。
他将该成本与谷歌每次查询的标准成本进行了比较，后者估计为每次查询一美分的十分之三。
BeaGo 提供查询服务的成本“每个查询接近一美分”，他说，“因此，它非常便宜。”
Lee 认为，BeaGo 的例子表明，“催化 [AI] 应用生态系统需要发生的事情，仅仅坐在这里使用最新的 OpenAI API 是不可能实现的，而是需要敢于深入实践的人来实现。”垂直整合。”
李对当前的悲观概述与他的信念形成鲜明对比，他相信生成式人工智能将打造一个最终像 PC、云和移动时代一样富有成效的新生态系统。
“在接下来的两年里，所有应用程序都将被重写，它们将为最终用户提供价值，”李说。 “将会出现以前不存在的应用程序、以前不存在的设备、以前不存在的商业模式。”
Lee 表示，这一发展的每一步“都将带来更多的使用、更多的用户、更丰富的数据、更丰富的交互，以及赚更多的钱。”他说，这些用户“将需要更好的模型，他们将带来更多的商机”。
“移动行业花了 10 年时间才建立了[一个成功的生态系统]，”他说。 “PC 行业大概花了 20 年的时间来打造它；我认为，有了 Gen AI，也许需要两年的时间。”
Lee 提出了他对如果生成式人工智能成功实施的话消费者和企业用例将会是什么样子的想法。他说，对于消费者来说，今天的智能手机型号很可能会消失。
“应用程序生态系统实际上只是第一步，因为一旦我们开始通过语音与设备进行通信，那么手机就不再是正确的选择，因为我们希望始终监听、始终开启，而手机则不然。”
至于应用程序商店，李说，“它们将会消失，因为代理商将直接做我们想要的事情，还有很多应用程序和电子商务——这会发生很大变化，但那是后来的事了。”
Lee 假设，企业使用生成式人工智能的道路将比消费者使用案例困难得多，因为公司内部业务部门的根深蒂固的性质，以及确定将使用生成式人工智能的领域的难度等因素。真正获得投资回报。
他说：“企业的发展速度将会变慢，因为首席信息官不一定完全认同、也不一定完全了解人工智能可以做什么。”
同样，Lee 表示，将生成式人工智能与 ERP 和 CRM 系统中存储的数据连接起来“非常非常困难”。 Lee 表示，Gen AI 实施的“最大障碍”是“习惯于以一种方式做事的人，不一定准备好接受”新技术方法。
Lee 表示，假设这些障碍能够克服，Gen AI 的早期项目，例如自动化日常流程，是“很好的起点，但我也想说，这些并不是创造最大价值的最佳点。”
“最终，对于企业来说，我认为Gen AI应该成为企业的核心大脑，而不是这些有些外围的东西。对于能源公司来说，核心是钻探石油，对吗？”李提出。 “对于金融机构来说，核心就是赚钱。”
他说，结果应该是“一个更小、更精简的领导者群体，他们不仅雇用人员来解决问题，而且将特定职能委托给智能企业人工智能——这才是最重要的事情。”
“真正的核心不仅仅是省钱，”李说，“而是赚钱，而且不仅仅是任何钱，而是在公司业务的核心战略部分赚钱。”