01 08對創(chuàng)始人的建議14人工智能的下一步：行業(yè)領(lǐng)袖的觀點 阿明·瓦德哈特 VP/GMML，系統(tǒng)與云AI，谷歌云 阿文德·賈因 查馬特·帕利哈皮蒂亞創(chuàng)始人兼首席執(zhí)行官，社交資本，及聯(lián)合創(chuàng)始人兼首席執(zhí)行官，8090General伙伴，GV大衛(wèi)·弗里德伯格 多夫·基耶拉 迪倫·?？怂?I 愛德華·利伯蒂 首席執(zhí)行官，吉爾資本哈里森·奇斯 首席執(zhí)行官兼聯(lián)合創(chuàng)始人，LangCh72用谷歌云構(gòu)建未來詹姆斯·特朗普 通用伙伴,a16z帕□□,格雷洛克 聯(lián)合創(chuàng)始人、總裁和首席人工智能官，LiveXAI 投資伙伴，資本G m 拉維拉杰·賈因 薩拉姆·特賈 帕□ner，激□冒□,以及董事會成□,艾斯佩克特生物系統(tǒng)公司，承諾機器人公司，無畏實驗室創(chuàng)始人兼合伙人，信念 斯坦福大學計算機科學榮休教授，AI21Labs聯(lián)合創(chuàng) 始人人工智能正在改變?nèi)蛎總€組織，并代表著解決復(fù)雜問題、推動增長、創(chuàng)造效率以及開辟新的商業(yè)機會的前所未有的機會。這對初創(chuàng)公司尤其如此，它們正迅速利用人工智能來應(yīng)對新的市場機會。谷歌云是人工智能創(chuàng)新的核心，我們?yōu)槲覀兂掷m(xù)推動客戶可能性的邊界的技術(shù)領(lǐng)導(dǎo)力感到自豪，包括全球超過60%的獲得資金生成人工智能初創(chuàng)公司。我們很興奮與初創(chuàng)公司、風險投資界和行業(yè)領(lǐng)導(dǎo)者合作 ,確保創(chuàng)始人及其團隊能夠獲得將幫助他們重新定義未來的技術(shù)。托馬斯·庫里亞CEO,谷歌云02谷歌正在構(gòu)建人工智能技術(shù)棧的所有組件，從定制芯片到數(shù)據(jù)中心到前沿模型。因此，我們新的Gemini2.0模型比以前的版本更具能力、更快、更高效。這些模型是原生的多模態(tài)的——它們能夠處理文本、圖像、音頻和視頻。它們還可以生成圖像和可控制文本轉(zhuǎn)語音音頻。憑借高達200萬個token的長上下文窗口，Gemini可以驅(qū)動需要深度理解和記憶的高級應(yīng)用。此外，思考模型能夠展示解決復(fù)雜問題的推理能力，這在數(shù)學和科學領(lǐng)域尤其有用。Gemini還可以原生使用Google搜索等工具來獲取實時信息，而DeepM建的智能體可以通過網(wǎng)絡(luò)瀏覽器完成任務(wù)?，F(xiàn)在，可以使用Gemini多模態(tài)實時API構(gòu)建對話體驗，該API接受音頻和視頻流輸入。這些能力的結(jié)合能夠?qū)崿F(xiàn)一類新的代理式體驗，我們很期待看到2025年使用Gemini構(gòu)建的初創(chuàng)公司會帶來什么。首席產(chǎn)品官，谷歌深度學習公司03式01020304VP/GMML，系統(tǒng)與云AI，谷歌云緊密同步和巨大的計算需求將把基礎(chǔ)設(shè)施推向前所帕□□,altimeter□本通過結(jié)合語音、視覺和自然語言，多模態(tài)AI將減少對計算機和手機等設(shè)備的需求，并使與數(shù)字世界的互動更加無縫。人工智能將繼續(xù)作為增強人類能力的工具，而非取代人類?；谌斯ぶ悄艿膯T工的概念延續(xù)了一種有限的視角，阻礙了人工智能和人類智能的真正潛力。創(chuàng)始人兼首席執(zhí)行官，社交資本,及聯(lián)合創(chuàng)始人兼首席執(zhí)行官，8軟件的未來在于用更少做更多。通過人工智能自動化 ,軟件行業(yè)將變得更加高效，隨著企業(yè)得到更多支付General伙伴，GV隨著構(gòu)建生成式AI應(yīng)用的工具越來越我認為最容易受到人工智能驅(qū)動轉(zhuǎn)型的行業(yè)是媒體、SaaS和生物（治療藥物和農(nóng)業(yè)）。例如，基因組語言模型將能夠預(yù)測實現(xiàn)任何期望的植物性狀或生物藥物所需的精確長上下文和RAG將趨同。模型可能會學習何時使用長上下文以及何時使用RAG來優(yōu)化準確05廣泛應(yīng)用人工智能的企業(yè)時間表將比人們想象的要慢。很多最后一公里的問題需要解決，這些問題直到你深入AI中最快的投資回報率（ROI）體現(xiàn)在代理上，但最大的機遇在于企伊萊德·吉爾首席執(zhí)行官，吉爾資本人工智能被嚴重低估了。我們正處于由人工智能驅(qū)動的一場巨大變革浪潮的早期階段，傳統(tǒng)的機器學習，如自動駕駛汽車，終于邁出了步伐，而生成式人工智能尚處于起步階要真正發(fā)揮代理系統(tǒng)的優(yōu)勢，我們需要它們超后臺運行，始終在線，監(jiān)控事件流，并且只在發(fā)生有趣的事情時才通知我。通用伙伴,a16z通用伙伴,a16z總經(jīng)理,Web3,Google云你可能會比信任任何人更信任你的Web3功能型AI代理。你會對它傾訴遠比你會對其他人傾訴的更多事情。它將了解你的一切，并利用這些信息來幫助你。讓人工智能代理真正實現(xiàn)主流化將比人們預(yù)期的要花費更長的時間。模型推理能力需要提升 ,但真正需要被代理利用的是基礎(chǔ)設(shè)施，以及帕□□,格雷洛克帕□□,格雷洛克聯(lián)合創(chuàng)始人、總裁和首席人工智能官，LiveXAI人工智能的最終商業(yè)模式尚未出現(xiàn)，投資者需要時間來理解它們。我憧憬一個未來，人工智能代理能夠無縫融入日常生活，我們的與人工智能的互動更加人性化——擁有不僅能夠理解語言，還能感知和響應(yīng)視覺提示的代理。06吉爾·格林伯格·切斯投資伙伴，資本G聯(lián)合創(chuàng)始人兼首席執(zhí)行官，Photoroom基礎(chǔ)模型在未來18個月內(nèi)其能力將保持相對穩(wěn)定，為初創(chuàng)公司構(gòu)建專門的AI解決方案提供了充足的機會，這些解決方案能夠人工智能將理解和適應(yīng)人類情感。人工智能將更好地理解什么會引發(fā)人類情緒，從而允許故事和內(nèi)容根據(jù)個人的情緒反應(yīng)進行個性帕□□□,帕□□□,Lightspeed我們正看到大量模型、解決方案和工具被匆忙推向市場，但它們尚未證明能夠真正產(chǎn)生影響——無論是通過投資回報率還是通過根本性地改變開發(fā)者生態(tài)系統(tǒng)。其中許多庫將會消亡或獲得越來越少的投資。最顯著的技術(shù)變革將發(fā)生在物理世界的底層模型，尤其是在帕□□,RadicalVentures，以及董事會景觀將從建造更大更好的模型轉(zhuǎn)變?yōu)閮?yōu)先實施人工智能以解決現(xiàn)實世界問題并為企業(yè)和創(chuàng)始人兼合伙人，信念伴侶，信念當談到人工智能時，最有用的數(shù)據(jù)通常與特定的實際應(yīng)用場景相關(guān)聯(lián)。在許多情況下，這為新的斯坦福大學計算機科學名譽教授，AI21Labs聯(lián)合創(chuàng)始人個提示并希望得到好的結(jié)果——已經(jīng)結(jié)束了。為了滿足企業(yè)的迫切需求，我們需要能夠協(xié)調(diào)多個模型和工具、以獲得可靠結(jié)0701020308隨著時間的推移，計算假設(shè)你有一個絕妙的主意，只需要將計算成本降低10倍甚至100倍，它就能盈利?，F(xiàn)在這已經(jīng)可以實現(xiàn)。不要只使用按座收費模式，而應(yīng)考慮按使用量或按價值定價。你的定價應(yīng)反映你的產(chǎn)品為用戶提供的價值。阿普魯·阿格拉瓦爾合伙人，阿提米特資本阿明·瓦赫達特VP/GMML,系統(tǒng)以及云AI,谷歌云入和開拓創(chuàng)新新機遇的方式，而不僅僅是一個提高阿維恩德·賈因創(chuàng)始兼首席執(zhí)行官，Glean關(guān)注構(gòu)建點特征，而優(yōu)先發(fā)展高價值、具體的功能，而不是創(chuàng)建綜合軟件。這允許在更大的公司可以使用人工智能復(fù)制功能的市場中進行競爭。夏姆特·帕利亞帕蒂亞聯(lián)合創(chuàng)始人兼首席執(zhí)行官，社交資本，以及8090聯(lián)合創(chuàng)始人兼首席執(zhí)行官最令人印象深刻的創(chuàng)始團隊對記錄、編碼和測量他們的流程非常狂熱。他們希望在測試最佳實踐中成為佼佼者，記錄下有效的方法 ,并在整個組織中分享。我發(fā)現(xiàn)，在合理范圍內(nèi)重視文檔記錄（withinreason!）與其他方面的運營卓越有關(guān)。09并在人工智能賦能產(chǎn)品發(fā)布后持續(xù)保持初始優(yōu)勢的引擎 ,無論是數(shù)據(jù)生成以實現(xiàn)持續(xù)的性能改進，還是網(wǎng)絡(luò)效公司最重要的事情，而市場就是人工智能領(lǐng)域發(fā)展極其迅速，所以你必須確保不要落后。與其瞄準通用人工智能，不如專注于解決大量有深DylanFox創(chuàng)始人兼CEO,Assem與其從零開始構(gòu)建，初創(chuàng)公司可以使用現(xiàn)有工具快速獲得一個可生產(chǎn)的產(chǎn)品，然后進行測試和盈利。找到一個人們真正在乎的東西，盡快把它發(fā)布出去 ,測試人們是否在乎，然優(yōu)先考慮評估。立即開發(fā)評開始就明確衡量指標和評估人工智能系統(tǒng)性能的方法至哈里森·切斯CEO兼聯(lián)合創(chuàng)始人，La并銷售，與您如何如果你能擊敗競爭對手逆轉(zhuǎn)商業(yè)模式，那是有力量的，因為現(xiàn)有企業(yè)很難轉(zhuǎn)換。JerryChen伙伴，Greylock從一開始就展現(xiàn)強大的產(chǎn)品市場契合度、獨特的競爭優(yōu)勢和清晰的可吉爾·格林伯格·查爾斯投資伙伴公司，資本G公司無需為了去中心化而相反，將web3的優(yōu)勢——例如更便宜的支付渠道、可審計性和透明度——應(yīng)用于解決客戶使用案例的人工智能代理。詹姆斯·特羅曼斯管理總監(jiān),Web3,谷歌云理解模型能力并將jenniferliGeneralPa□ner,a1量，專注于收集多樣化、高質(zhì)量的數(shù)據(jù)，同時確保安全佳利聯(lián)合創(chuàng)始人、總裁和首席以幫助人們無需使用提示即可實現(xiàn)其目標的方式來設(shè)計您的用戶體驗。您能夠利用持續(xù)變化的頂馬修·羅伊夫聯(lián)合創(chuàng)始人兼CEO，Ph對AI能力、工具和基礎(chǔ)設(shè)施的未來發(fā)展方向持己見，并構(gòu)建一個產(chǎn)品來彌補當下該能力上的差距，同時要記住底層投資應(yīng)用AI研究能力，了解AI技術(shù)格局，識別差異化關(guān)鍵機遇，專注于解決現(xiàn)實世薩拉姆·泰賈·帕納爾，激進冒險公司以及董事會成員，方面應(yīng)了解AI技術(shù)棧的不同層級（基礎(chǔ)模型、中間件、開發(fā)工具和應(yīng)用），并考慮貴公司屬于哪個層級。在中間層建立公司需謹慎，因為如果基礎(chǔ)模型迅速發(fā)展，它可能會面臨壓力。理解當前技術(shù)的優(yōu)勢與劣勢，并圍繞人工智能技術(shù)今天能做好的方面建立你的創(chuàng)業(yè)公司，而不是基于一些理想化的未來版本。SarahGuo創(chuàng)始合伙人，信念邁克·文塔爾伙伴，定罪斯坦福大學計算機科學榮休教授，AI21Labs聯(lián)合創(chuàng)始人邁克·文塔爾伙伴，定罪無論你身在何處，立即預(yù)約您的生成式AI咨詢。聯(lián)系我們觀點能010203阿明·V·阿達特副總裁/總經(jīng)理，機器學習、系統(tǒng)以及云人工智能，谷歌云阿明是機器學習、系統(tǒng)和云人工智能團隊的工程Fellow和副總裁。在加入谷歌近15年前，阿明是圣地亞哥大學的計算機科學與工程學院SAIC教授。他是ACMFellow和美國國家工程院的從軟件到硬件，跨計算、網(wǎng)絡(luò)、存儲及更廣闊領(lǐng)域的基礎(chǔ)設(shè)施建設(shè)正在進行今天，我們將現(xiàn)有的架構(gòu)視為理所當然，因為它代表了系的變化意味著我們正處于另一次革命的早期至中期階段，到本世紀末，新興的計算平臺將變得面目全非。這一轉(zhuǎn)變的最大驅(qū)動力之一是從實時信息獲取和傳遞轉(zhuǎn)向生成式AI所需的巨大計算和通信需求，需要在基礎(chǔ)設(shè)施的設(shè)計和構(gòu)建上下功夫，包括：特定應(yīng)用的計算生成式AI計算包含大量的矩陣乘法和相關(guān)的數(shù)值計算。這種專業(yè)化意味著，為非常特定的通用計算子集而專門設(shè)計的硬件，在以成本或每瓦性能歸一化的性能衡量時，可以提供十02網(wǎng)絡(luò)方向?qū)I(yè)02我們看到從基于標準、商品網(wǎng)絡(luò)硬件、協(xié)議以及軟件到專用網(wǎng)和為GPU設(shè)計的NVLink，這些網(wǎng)絡(luò)專為支持高層計算原語(系統(tǒng)管理，本質(zhì)上是直接進行內(nèi)存到內(nèi)存的傳輸，以支持特定04計算打包算密度水平。計算必須在同質(zhì)元素之間進行，通信必須預(yù)先規(guī)劃和協(xié)調(diào)，并且容錯必須高效。從延遲和功耗/成本的角度來看，將越來越多的計算能力壓縮到更小、更功率密度的環(huán)05液體冷卻持續(xù)的強大計算對于機器學習計算而言，需要滿足該方程，使得芯片運行性能的改進效率能夠輕松證明更高的功率密度和液體冷卻。而液體冷卻又需要對數(shù)據(jù)中心建筑、冷卻基礎(chǔ)設(shè)施、機架等進行端到端的重新設(shè)計，以提供最高級別的效率，并結(jié)合離網(wǎng)發(fā)電技術(shù)（包括風能、太陽能、水能和電池陣列），以支持在地球各處的機器學習計算。03內(nèi)存墻），行3D堆疊以大幅降低延遲和提高帶寬，正在面臨其自身的根本性限制——內(nèi)存墻。計算能力的增長而未能與為計算單元提供所需數(shù)據(jù)的相應(yīng)能力相匹配，無論是來自本地內(nèi)存還是跨網(wǎng)絡(luò)，將導(dǎo)致計算和功率的高成本分離——需要計算和內(nèi)存架構(gòu)的突破以維持所需的系統(tǒng)平衡點。開箱即用的先進推理能力，例如使用檢索增強生成（RAG）和函數(shù)調(diào)用編排大型語言模型（LLMs將使初創(chuàng)公司能夠在無需大量資本支出或工程資源的情況下訪問模型和人工智能基礎(chǔ)設(shè)施演進將影響初創(chuàng)公司以不同方式這種計算能力的巨大增長是由模型可靠性的持續(xù)改進和計算成本的降低所加速的，結(jié)果：將在模型質(zhì)量、安全性和延遲方面取得更多進展如果你的創(chuàng)業(yè)項目專注于真實性，而你的目標是提供高質(zhì)量、低或零幻覺的服務(wù)，那么你仍然應(yīng)該關(guān)注這個問題。但如果你的目標是提供其他服務(wù)，就利用所有模型現(xiàn)在提02計算成本將暴跌02計算成本正在迅速下降。如果我是一個AI創(chuàng)業(yè)公司，我會押注計算的未來將變得更快、更便宜、更可靠。假設(shè)你有一個絕妙的想法，只要將其計算成本降低10倍就能盈利。對我來說，這是一個輕松的賭注——即使你需要降低100如我們所見，整個行業(yè)模型構(gòu)建者將繼續(xù)優(yōu)化以實現(xiàn)成本節(jié)約，利用精簡的基礎(chǔ)設(shè)施并保持極小的利潤空間。強大且多樣化的加速器（GPU和TPU）的可用性將繼續(xù)是關(guān)鍵，正如之前強調(diào)的高吞吐量網(wǎng)絡(luò)功能一樣。絕大多數(shù)專注于構(gòu)建創(chuàng)新和差異化應(yīng)用的企業(yè)，將進一步提升至更依賴軟件的服務(wù)層面。具有先進推理能力（如使用檢索增強生成（RAG）和函數(shù)調(diào)用來協(xié)調(diào)大型語言模型（LLMs））的開箱即用功能將需求更高，因為它們允許在不進行大量資本支出或工程資源投入的情況下訪問模型和基礎(chǔ)設(shè)施。阿普爾維·A·格拉沃爾帕□□,高度表□本阿普爾瓦領(lǐng)導(dǎo)軟件和人工智能創(chuàng)業(yè)公司的投資，并在OpenAI、Glean、Parloa和Everest有顯著的投資。一名受過工程師教育的Apoorv，從Palantir的前方部署工程師開始他的職業(yè)生涯，他仍然在編程。接下來人工智能發(fā)展的方向?qū)⒆詣踊椒埠臀覀冋幱谝粋€對電腦和手機上癮的時期。我相信我們會將其視為人類歷史中的一個奇怪波折。一百年后，人們將不會沉迷于屏幕。人工智能將解放我們。特別是，多模態(tài)人工智能——或者說結(jié)合語音、視覺和自然語言處理的人工智能——將使與數(shù)字世界的互動變得完全無縫。想象一個你可以通過對話來控制整個數(shù)字生活的世界——語音、視覺提示、觸覺，以及在所有其他方法都失敗時，打字。這就是我們正在構(gòu)建的未來，它將在未來幾年為初創(chuàng)企業(yè)解鎖巨聚焦自動化、效率和以人為本的體驗作為一名專注于人工智能的投資人，且相信未來將由多模態(tài)人工智能驅(qū)動，我已識別出三個指導(dǎo)我決策的核心主題：01自動化繁瑣的工作客戶服務(wù)、后臺職能以及任何數(shù)據(jù)密集型和規(guī)則為基礎(chǔ)的工作都極易受到AI的顛覆。我對在人類從事的工作不能滿足他們、不能給他們帶來樂趣、也不是創(chuàng)造性的領(lǐng)域進行AI投資很感興趣。AI擅長自動化那些令人不滿足、數(shù)據(jù)豐富的任務(wù)，從而讓人類能夠從事更有意義的工作。02增強人類能力人工智能是讓我們變得更聰明和更高效。想想那些能夠綜合大量信息并傳遞可操作的見解以解鎖切實的生產(chǎn)力提升的工具。我對開發(fā)人工智能解決方案的初創(chuàng)企業(yè)很感興趣 ,這些解決方案能夠幫助改進人類能做的事情。03技術(shù)人性化與這些主題類似，我也對智能體工作流程感興趣，其中人工智能代理為我們處理整個任務(wù)或流程。一些最聰明的人正在開發(fā)工具來讓我們擺脫點擊按鈕和彎腰面對屏幕，這對我來說并不我對在人類從事那些無法滿足他們、帶不來快樂、也沒有創(chuàng)造性的工作領(lǐng)域進行AI投資很感興趣。AI擅長自動化那些令人不滿足且數(shù)據(jù)豐富的任務(wù) ,從而讓人類有更多有意義的工作可我認為語音AI尤其提供了一種更自然、更直觀的與技術(shù)互動的方式。我專注于語音AI基礎(chǔ)設(shè)施供應(yīng)商，因為我相信這個領(lǐng)域正在爆發(fā)。能夠創(chuàng)造真正以人為本的AI體驗的初創(chuàng)企業(yè)將在市場上擁有巨大優(yōu)勢。另一個有趣的可探索領(lǐng)域是如何利用AI來更好地理解和連接彼此，在提高生產(chǎn)力的同時改善關(guān)系。石□ingfocus到□用□隨著基礎(chǔ)設(shè)施和模型的成本大幅下降，機遇正向應(yīng)用層傾斜?？梢赃@樣理解：目前的人工智能（AI）棧像一個倒置的三角形，大部分價值集中在半導(dǎo)體和基礎(chǔ)設(shè)施上。但隨著我們進入人工智能增長的下個階段，這個三角形將翻轉(zhuǎn)。應(yīng)用層將成為創(chuàng)新和價值創(chuàng)造發(fā)生的地方。對于初創(chuàng)公司來說，這意味著要專注于構(gòu)建能夠解決現(xiàn)實世界問題的、基于人工智能的產(chǎn)品和服務(wù)。不要陷入基礎(chǔ)模型復(fù)雜的世界中。相反，要利用現(xiàn)有的基礎(chǔ)設(shè)施，專注于創(chuàng)造能夠為用戶提供切實價值的創(chuàng)新應(yīng)用。并且要著眼于持久性 ,這樣你才不只是生存，而是通過下一代模型和技術(shù)贏得勝我認為這就是真正的機會所在，并且看到了兩個大的趨勢正在涌現(xiàn)：對于我的最后想法，我會留給你們我曾經(jīng)告訴那些向我咨詢?nèi)绾斡行褂萌斯ぶ悄芙ㄗh的創(chuàng)始人的話:數(shù)據(jù)沒有數(shù)據(jù)策略就沒有人工智能策略。了解你擁有哪些數(shù)據(jù)以及如何利用它們來訓練有效的人工智能模積分考慮如何將您的AI解決方案與其他平臺和數(shù)據(jù)源集成，以工作流01水平應(yīng)用01水平應(yīng)用基于人工智能的工具，可提高所有工作職能的生產(chǎn)力。02韋氏應(yīng)用專為工程師或客戶服務(wù)代表等特定角色而設(shè)計的Specialize一個關(guān)鍵的爭論在于，水平AI是否會有如此優(yōu)秀以至于取代垂直解決方案的需求。另一個初創(chuàng)企業(yè)需要考慮的問題是，是否應(yīng)該為你的產(chǎn)品采用按座、按使用量或按價值定價？沒有簡單的答案，但我建議初創(chuàng)企業(yè)將其定價與所提供的價值20阿維ンド是Glean的創(chuàng)始人兼首席執(zhí)行官，Glean是一款A(yù)I驅(qū)動的辦公助手，為人們提供他們所需的答案，以更高效、更快樂地完成工作。在Glean之前，Arvind共同創(chuàng)立并領(lǐng)導(dǎo)Rubrik的研發(fā)工作，Rubrik是一家在數(shù)據(jù)安全領(lǐng)域上市的行業(yè)領(lǐng)導(dǎo)者，他還曾在谷歌擔任超過十年的杰出工程師，在那里他領(lǐng)導(dǎo)了谷歌搜索、地圖和YouTube產(chǎn)品團隊。優(yōu)先用人工智能推動增長，投資回人工智能是關(guān)于構(gòu)建產(chǎn)品并提供之前不可能實圍繞AI代理器的討論已經(jīng)變得不切實際。去年某個時候，幾乎所有我與交談的創(chuàng)始人或CEO都知道我們正處于人工智能的早期階段，并且它將在未來從根本上改變他們的業(yè)務(wù)。我也相信人類將保持控制權(quán)，在未來可預(yù)見的時期內(nèi)掌握這項技術(shù)。個人的生產(chǎn)力將顯著提高，甚至可能達到他們之前十倍的水平。重要的是要理解，人工智能應(yīng)該被視為增強我們能力的工具，而不是取代它們。在這個人類與AI協(xié)作的世界里，對于試圖在兩者之間找到正確平衡的創(chuàng)始人和CEO，我有幾點建議：01停止糾結(jié)于ROI人工智能仍處于早期階段，此時并非思考其投資硬性回報率的時候。雖然你可能有一些專注于提升底線以實現(xiàn)成本節(jié)約的項目，但你應(yīng)該將這些節(jié)約再投資于能夠產(chǎn)生顯著增長的項目。人工智能的唯一目標并非通過減少客服代理或自動化部分業(yè)務(wù)流程來實現(xiàn)20%的效率提升。人工智能也關(guān)乎通過做些以前從未做過或構(gòu)建過的事情來增加你的頂線。機會很明確：利用人工智能通過一些效率工作實現(xiàn)成本節(jié)約，然后將這些節(jié)約再投資于新的創(chuàng)新，為你開辟新的機會。02確保團隊中的人工智能流利性02作為一項提升，你不僅要確保你的團隊處于最新AI工具和技術(shù)的最前沿，而且要確保你的員工感到舒適地使用它們。這不僅僅關(guān)于采用新技術(shù)，這是關(guān)于從根本上改變你公司的組織方式和構(gòu)建方式。你的員工需要被教育如何使用AI，并且將其視為伙伴。你還應(yīng)該考慮雇傭那些已經(jīng)舒適使用AI的人 ,同時確保你所有的員工都配備正確的工具和教育，以成功03將AI視為工具，而非產(chǎn)品03任何你構(gòu)建的產(chǎn)品都需要擁抱人工智能才能更智能、更強大、更現(xiàn)代化。作為一家初創(chuàng)公司，你需要首先將人工智能視為一個工具。如果你開發(fā)的產(chǎn)品使用人工智能實現(xiàn)了其90%的功能，你將使你的初創(chuàng)公司完全被取代。從問題（而不是功能）開始，并部署人工智能來更好地解決這個問題。04考慮變化率人工智能技術(shù)不斷進化。當您制定產(chǎn)品路線圖時，要問這些問題是否是您需要自己解決的問題，還是人工智能將在規(guī)定時間范圍內(nèi)或可預(yù)見未來自行解決。在這些計算出的決策基礎(chǔ)上，投資研發(fā)以預(yù)期核心技術(shù)進步，而不是浪費時間在很快就會過時的東西上。這同樣適用于您如何構(gòu)建。設(shè)計您的底層架構(gòu)，使其對模型和工具的進步更加無關(guān)緊要，預(yù)測即將發(fā)生的事情 ,并在可行的地方實現(xiàn)即插即用，以便在不進行大規(guī)模改造或人工智能不只是關(guān)于效率。更大的機遇在于提升你的總收入——去做以前永遠無法做到的事情，去構(gòu)建以前永遠無法構(gòu)建的產(chǎn)品。創(chuàng)始人兼首席執(zhí)行官，社會資本，以及聯(lián)合創(chuàng)始人兼首席執(zhí)行官，80查瑪斯是社交資本這家技術(shù)投資公司的創(chuàng)始人兼首席執(zhí)行官,也是8090這家人工智能公司的聯(lián)合創(chuàng)始人兼首席執(zhí)行官。在2011年創(chuàng)立社會資本之前，Chamath在2006年至2011年期間是Facebook的高級管理人員，他是該公司增長、移動和平臺團隊的負責人。為什么萎縮的軟件市場能推動更大軟件的未來在于利用人工智能以更少做更多，賦能企業(yè)變得更高效和盈利。在幫助公司實現(xiàn)這一目標的過程中，許多人愿意與實際創(chuàng)造這種價值的軟件公司共享其優(yōu)勢傳統(tǒng)的軟件行業(yè)，憑借其復(fù)雜的產(chǎn)品、高昂的成本、碎片化的功能以及許可模式，正在被徹底重塑。人工智能事。這是管理得當?shù)钠髽I(yè)變得更有利可圖，并可能將其中一部分收益與使這種轉(zhuǎn)型成為可能的公司分享的機會。像當今許多管理得當?shù)淖罴压疽粯?，所有公司都?yīng)能構(gòu)建適合自身的定制解決方案——即它們自己的業(yè)務(wù)操作系統(tǒng)——這些解決方案是專門針對其需求量身定制的，而不是依賴需要昂貴變更管理且難以適應(yīng)的現(xiàn)成產(chǎn)品。人工智能中的真實價值創(chuàng)造在于構(gòu)建一個軟件工廠，該工廠可以將業(yè)務(wù)需求作為原材料輸入，并生成高質(zhì)量的生產(chǎn)代碼作為輸出。當這成為可能時，企業(yè)可以完全重塑其組托姆，這是既定的：軟件的未來在于用更少完成更多。它關(guān)乎自動化，最終賦能商業(yè)領(lǐng)導(dǎo)者以更簡單、更高質(zhì)量的人工智能中的真正價值創(chuàng)造并非在于構(gòu)建解決特定問題的產(chǎn)品，而在于創(chuàng)造可以將業(yè)務(wù)需求作為原材料并生成生產(chǎn)代碼的自動化軟件工廠在快速發(fā)展的AI領(lǐng)域，模型和工具不斷更新和被替換，初創(chuàng)企業(yè)需要優(yōu)先考慮靈活性。構(gòu)建適應(yīng)性強且面向未來的解決方案至關(guān)重要，因為今天的尖端技術(shù)可能明天就會過時。這意味著采用模塊化方法進行開發(fā)，組件可以輕松更換或升級。這也意味著要了解人工智能的最新進展，以避免不斷重對價值創(chuàng)造的變化我們正走向一個世界，其中獎勵函數(shù)不是基于點擊或參與度，而是基于最大真相。我期望這將從根本上改變我們解想象一下，一個完全自主的智能體可以處理復(fù)雜任務(wù)的未來。例如，在不到兩個小時的時間里，一些軟件可以獲取公司的產(chǎn)品庫存，并生成所有必要的商業(yè)基礎(chǔ)設(shè)施，以在多個國家銷售這些產(chǎn)品，并且還要遵守各種復(fù)雜的隱私規(guī)則。我們已看到單人公司正與人工智能協(xié)同出現(xiàn)。這些公司的運營者使用人工智能來自動化任務(wù)、生成內(nèi)容，甚至管理客戶互動。我將其理解為對人工智能民主化力量的證明，使人們能夠以前所未有的方式建立和擴展業(yè)務(wù)。核心要點是：關(guān)注真正增加價值的事情，并砍掉不必要的。AI可以幫助我們識別并消除低效，簡化工作流開辟新價值路徑傳統(tǒng)創(chuàng)業(yè)公司解決特定低效和問題的路徑仍然可以非常有利可圖。那么，我看人工智能有三類早期采用者原型：010203已有企業(yè)擁有顯著的IT預(yù)算，且其現(xiàn)有系統(tǒng)那些快速增長以至于超出其招募工程師或構(gòu)建內(nèi)部面臨重組和削減成本壓力的再轉(zhuǎn)型公司，使他們更愿這些多元的客戶畫像展示了AI在各個行業(yè)和成長階段中的巨大潛力。這為創(chuàng)新奠定了堅實的基礎(chǔ)，使初創(chuàng)公司能夠建設(shè)軟件工廠，而非產(chǎn)品對于初創(chuàng)公司而言，這既是一個獨特的挑戰(zhàn)也是一個機遇。傳統(tǒng)的構(gòu)建獨立產(chǎn)品的模式可能不再足夠。相反，初創(chuàng)公司需要思維更開闊，專注于能夠快速高效部署的靈活解人工智能正在改變我們對軟件的固有認知。是時候擁抱一種新的思維方式了，這種思維方式優(yōu)先考慮簡潔、自動化 ,最重要的是，價值創(chuàng)造。軟件的未來在于少做更多事，而人工智能是釋放這種潛力的關(guān)鍵。將軍，GV水晶是谷歌風險投資的普通合伙人，她專注于人工智能、SaaS和基礎(chǔ)設(shè)施的投資，特別關(guān)注以產(chǎn)品和開發(fā)者為主導(dǎo)的采用策略。此前，Crystal曾是NEA和NotableCapital(□aGGV）的投資者，并在黑石開始了她的科技并購職……但它會足夠驅(qū)動粘性嗎？雖然AI仍然在飛速創(chuàng)新，但這一領(lǐng)域創(chuàng)業(yè)公司的炒作和投資周期已成為我參與的任何技術(shù)趨勢中最短的。我從沒見過這么多公司在發(fā)布時獲得瘋狂的成功，達到數(shù)百萬的年收入，然后人們在這么短的時間內(nèi)就失去興趣?？赡艿那闆r是，一周后一個競爭對手推出產(chǎn)品，它稍微好一點。也可能是某個基礎(chǔ)模型公司在其下一次重大發(fā)布中推出相同的功能。我認為這種繁榮與蕭條的周期將會持續(xù)下去，因為構(gòu)建應(yīng)用程序的工具非常普及。建立新的基礎(chǔ)模型很困難且成本高昂，所以不是很多團隊都能做到，但在應(yīng)用層，我認為將要出現(xiàn)大量顛2025年的格局將與去年截然不同，令人興奮的是，生成式AI無疑是投資者的興奮領(lǐng)域，而標準估值框架仍然適用。這是我會尋找的內(nèi)容：粘性作為指標超個性化如果你的產(chǎn)品易于實現(xiàn)，那么卸載它也同樣容易。產(chǎn)品需要更具粘性，才能創(chuàng)造持久價值，這意味著它既不可或缺，又能深度整合到用戶的工作流程中。同時，雖然企業(yè)正在推動人工智能的所有緊迫感，但它通常需要平臺和企業(yè)之間的相互協(xié)作——共同創(chuàng)造自動化或工作流程，并獲得難以獲得的我們一直聽說一個未來，其中每個消費者都會獲得人工智能驅(qū)動的營銷活動、輔導(dǎo)或高度個性化的醫(yī)療保健服務(wù)，這些服務(wù)都是即時生成的，但這尚未發(fā)生。人工智能模型的訓練和推理成本很高，是主要的障礙，但這些成本正在以我認為非常神奇的速度迅速下降。隨著更小、更專業(yè)于特定領(lǐng)域的模型的涌現(xiàn)，訓練費用正在下降，而推理成本則全面暴跌——這使得個性化推理和決策不僅具有經(jīng)濟可行性，而且可能成為人工智能公最快的增長來自于那些愿意每月實驗新事物的人，而不是企業(yè)每年投資2千萬美元用于遺留系統(tǒng)。但盡管財務(wù)可及的入口能導(dǎo)致更快的消費者采用，但這同樣讓它難以阻止他們嘗試新事我還有最后一點要補充：企業(yè)客戶出奇地了解某些人工智能功能正在商品化。我采訪過一些首席信息官和首席技術(shù)官，他們今年正在采用一種生成式人工智能解決方案，但已經(jīng)在計劃明年提交一份招標書，以尋找一個更便宜、更強大的解決方案。僅僅籌集資本已經(jīng)不夠了；初創(chuàng)企業(yè)需要證明真正的產(chǎn)品投資回報率，產(chǎn)生有意義的收入，建立可防御的護城河，而且，歸根結(jié)底，要兌現(xiàn)炒作的承諾。如果你的產(chǎn)品易于實現(xiàn)，那么卸載它也同樣容易。產(chǎn)品需要更有粘性以創(chuàng)大衛(wèi)是奧哈羅基因公司的首席執(zhí)行官，2019年他在擔任制作委員會首席執(zhí)行官期間共同創(chuàng)立了該公司，該委員會是一個風險孵化器，在食品、農(nóng)業(yè)和生命科學領(lǐng)域建立和投資技術(shù)企業(yè)。在奧哈洛和TPB之前，大衛(wèi)是氣候公司的創(chuàng)始人兼首席執(zhí)行官，該公司是世界上領(lǐng)先的數(shù)字農(nóng)業(yè)平臺，今天被全球2億多英畝的農(nóng)民使用。孟山都公司在2013年收購了氣候公司，當時他加入了孟山都(現(xiàn)為拜耳）擔任高管團隊成員。大衛(wèi)也是頂級商業(yè)和投資播客\"All-In\"的四位聯(lián)合主持之一。在他職業(yè)生涯早期，他在谷歌擔任企業(yè)發(fā)展和產(chǎn)品的高級職務(wù)，并從加利福尼亞大學伯克利分校獲得天體物理學學士學位。我想關(guān)于監(jiān)管以及人工智能驅(qū)動的未來如何包括到處都有機器人、傳統(tǒng)媒體終結(jié)、不再有SaaS訂閱、更便宜的食物和突破性藥物讓我們從有爭議的領(lǐng)域開始：人工智能監(jiān)管。有些人認為人工智能應(yīng)該受到嚴格監(jiān)管以防止其被濫用，而另一些人則認為監(jiān)管會扼殺創(chuàng)新。我的看法是？世界不會對人工智能進行統(tǒng)一監(jiān)管，因此應(yīng)用較少監(jiān)管的行業(yè)或司法管轄區(qū)將獲得優(yōu)勢并贏得市場。我認為你需要讓人工智能自由運營，才能在與試圖利用人工智能造成傷害的壞分子競爭并取得成功，依賴現(xiàn)有法律來防范人工智能的不當使用，而不是試圖控制人工智能的發(fā)展。一些人工智能公司會突破邊界，另一些則會優(yōu)先考慮安全康的。我們需要具有不同約束條件的多樣化人工智能系統(tǒng) ,就像我們有多樣化的媒體機構(gòu)一樣。讓市場，而不是監(jiān)進一步，試圖規(guī)范模型構(gòu)造的方式永遠無法跟上人工智能創(chuàng)、SaaS和生物學這里有幾個我認為具有巨大顛覆潛力的領(lǐng)域：2025將是機器人年。我們正見證著人工智能在自動化領(lǐng)域通過機器視覺和自學習帶來的巨大變革。而2024年專注于計算能力和基礎(chǔ)模型的構(gòu)建與創(chuàng)新，2025年將成為應(yīng)用和利用真實世界和模擬數(shù)據(jù)來訓練和部署具有突破性經(jīng)濟價值創(chuàng)造的硬件系統(tǒng)的年份。飛速的進步讓我們更接近能夠自動化物理任務(wù)、提高效率并執(zhí)行人類無法完成的物理任務(wù)的類人機器。02媒體人工智能將改變我們所熟知的媒體格局?？蓪崟r生成內(nèi)容的和經(jīng)濟模式。從任何角色視角體驗的基本電影故事，以任何風格呈現(xiàn)，時長不限。擁有無限變化和情節(jié)的電子游戲。內(nèi)容系列中，用戶成為故事的主角。人工智能驅(qū)動的媒體的動在未來五年內(nèi)，我們有可能找到一種方法，將大型模型降維，使小型AI模型能夠在網(wǎng)絡(luò)中協(xié)同工作。人工智能工具將賦能任何企業(yè)或初創(chuàng)公司，使其能夠動態(tài)、快速且經(jīng)濟地創(chuàng)建自己的工作流和軟件應(yīng)用程序，取代昂貴、成品的SaaS解決方案，改為按座收費的許可證費用。在我公司最近的一次黑客馬拉松中，我們使用人工智能工具構(gòu)建了應(yīng)用程序和工作流，取代了現(xiàn)有的SaaS訂閱。這只需幾個小時。這種內(nèi)部開發(fā)允許個性化解決方案，降低成本，并提供持續(xù)更新的能力——這一切都歸功于人工智能驅(qū)動的軟04生物學人工智能現(xiàn)在可用于設(shè)計任何單細胞生物或植物的基因組改變，從而能夠創(chuàng)造新型生物藥物和新的作物，這些作物可以利用更少的自然資源生產(chǎn)更有營養(yǎng)的食物。得益于低成本的DNA測序，體藥物或一種能在特定氣候下生長的玉米植物——而軟件可以渲染出實現(xiàn)該結(jié)果的所需精確DNA序列。使用CRISPR基因編輯工工智能正在開啟一個充滿可能性的新時代。業(yè)這不僅僅關(guān)乎技術(shù)本身；還關(guān)乎你如何使用它。初創(chuàng)企業(yè)需要敏捷和適應(yīng)性強，但也要提供獨特的價值。如果你只是個大型語言模型的包裝器，那就很難建立一個可持續(xù)的業(yè)務(wù)——你很可能會被商品化。企業(yè)需要一個價值創(chuàng)造的引擎，它能夠持續(xù)地提供初始優(yōu)勢，并通過不斷的改進來維持。這通常來自于專有數(shù)據(jù)生成 ,這些數(shù)據(jù)被用來持續(xù)改進模型性能，或者網(wǎng)絡(luò)效應(yīng)，這些效應(yīng)另一個關(guān)鍵競爭優(yōu)勢將來源于基礎(chǔ)設(shè)施成本。并非總是大模型更好。在未來幾年內(nèi)，大型模型可能會被縮減為在網(wǎng)絡(luò)上協(xié)同工作的較小模型——它們或許能夠完成大型模型無法做到的事情。這將降低運行時成本，提高速度和其他性能指標，并開啟一個性能的新時代。我在生物學中類比為這一點。30上下文AI專注于為您的業(yè)務(wù)量身定制的、高度準確、可審計的生產(chǎn)級RAG代理。豆詒曾是HuggingFace的研究主管，之前在FacebookAI研究擔任研究科學家。他畢業(yè)于劍橋大學獲得博士學位。隨著人工智能模型成熟和用例發(fā)展，設(shè)計有效的方法來利用豐富的上下文以獲得復(fù)雜問題的正確答案變得至關(guān)當我們談到人工智能時，有一種傾向認為我們比實際情況落后很多。在我們公司，我們了解到人工智能技術(shù)的基礎(chǔ)設(shè)施層有多么不成熟——許多你期望能正常運作的東西，在大規(guī)模應(yīng)用時表現(xiàn)并不理想。與此同時，我感覺很多公司在使用案例上目標定得太低，專注于基礎(chǔ)的助手或副駕駛應(yīng)用程序。他們沒有考慮，如果你稍微提高一點目標，可以用這項技術(shù)自動化哪些工作流程和在檢索中積極融入結(jié)構(gòu)化和非基于代理的檢索增強生成（RAG）是一種非常有趣的長遠趨勢，旨在實現(xiàn)更主動和精確的檢索。AI代理試圖查明回答給定問題所需的信息，從任何存儲位置檢索這些信息，甚至在給出最終答案之前提出后續(xù)問題。如果你能那樣做，那么你就可以潛在地擁有不同的組件，比如文本到SQL模型、代碼片段、計算器和結(jié)構(gòu)化數(shù)據(jù)庫查詢 ,以此來推理并得到最復(fù)雜問題的正確答案。目前，有一個數(shù)據(jù)二元論將存儲在數(shù)據(jù)庫中的結(jié)構(gòu)化數(shù)據(jù)與存儲在某個數(shù)據(jù)桶中的非結(jié)構(gòu)化數(shù)據(jù)分開。要在其上執(zhí)行傳統(tǒng)的RAG，你必須將其分塊并放入向量數(shù)據(jù)庫，然后進行一些額外的操作。但這種二元論正在逐漸消失，因此我認為真正令人興奮的應(yīng)用案例是結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的交叉點。隨著技術(shù)的成熟，我期望多智能體系統(tǒng)將結(jié)合人類和AI的最佳表現(xiàn)來求解需要領(lǐng)域經(jīng)驗和文化理解的復(fù)雜問題。這多樣化數(shù)據(jù)源并應(yīng)用層次作為最佳實踐下一代RAG模型更緊密集成，以減少幻覺，提高準確性，并實現(xiàn)企業(yè)級性能。這個想法相當簡單——將生成器和檢索器一起訓練，而不是作為獨立的模型進行訓練，在這些模型中它們并沒有真正意識到彼此。被集成到RAG管道中的數(shù)據(jù)始終具有一種隱含的層次結(jié)構(gòu)，為了最大化準確性，您需要考慮這種層次結(jié)構(gòu)。這在公司整合外部數(shù)據(jù)源時尤其重要。我們看到很多客戶不想依賴任何外部信息，也許是因為他們有豐富的內(nèi)部知識庫，不想被污染。然而，在這些公司內(nèi)部通常存在多個具有某種層級結(jié)構(gòu)的數(shù)據(jù)源，例如優(yōu)先考慮研究而不是電子郵件或短信。它們可以將相同的邏輯應(yīng)用于外部來源。當存在沖突時，例如網(wǎng)絡(luò)上的信息與內(nèi)部研究之間的沖突 ,情況就變得很有趣。這些沖突可以通過對不同來源分配權(quán)重或總結(jié)分歧來解決。在我們的流程中，我們有一個主動檢索策略，用于確定需要什么樣的檢索以及如何權(quán)衡。在地化和情境化模型以獲得最準確和詳細的結(jié)果糟糕或不完整的訓練使語言模型容易產(chǎn)生幻覺。為了避免這種情況，我們從可能不太符合我們期望的基座模型開始。然后我們對其進行預(yù)訓練，使其在來自我們檢索管道的檢索結(jié)一個整合得很好的系統(tǒng)能夠非常擅長對語言模型進行語境化，語言模型與其語境化內(nèi)容有著緊密的聯(lián)系。尋找提升結(jié)果準確以犧牲RAG為代價，追求長上下文的品質(zhì)關(guān)于是否使用RAG或長上下文存在一些爭論，但如果你知道自己在做什么，你可能會兩者都用。成本和質(zhì)量之間存在權(quán)衡。如果將信息嵌入上下文是免費且準確的，那么你可以將所有內(nèi)容都放入上下文，但這并非如此運作。相反，它會隨著上下文長度的增加而增加，因此你需要以巧妙的方式來人腦的工作記憶中不會存儲太多信息，而是只獲取當下需要的內(nèi)容。類似地，在這些人工智能系統(tǒng)中，你也不希望工作記憶中包含太多上下文，因為那會需要大量的計算。得正確的上下文。如果你想知道《哈利·波特》系列中的校長名字，你不需要讀遍所有七本書來得到答案。訣竅在于最小化對計算的影響，同時獲得準確的結(jié)果。上下文的大小以token數(shù)量的平方級增長。這是長上下文模型，我們通過使注意力機制非常稀疏來解決該問題?；旧?，我們在大多數(shù)注意力頭中完全忽略大多數(shù)將稀疏性推向極限，你將清零大部分信息，你將留下需要關(guān)注的大塊連續(xù)區(qū)域。這些最終會提交給語言模型，從而得到最終答案。這種方式下，長上下文和RAG是同一回事?？雌饋砩燥@遙遠的使用場景正是你應(yīng)專注的。如果你假定技術(shù)已經(jīng)成熟，即使它尚未完全成熟，你也能AssemblyAI是一家領(lǐng)先的AI公司，從Accel、Insight、SmithPoint和YCombinator籌集了1.15億美元，以構(gòu)建將人類語音轉(zhuǎn)化為有意義的結(jié)果和產(chǎn)品體驗的AI系統(tǒng)。迪倫是一名研究工程師，住在紐約布魯克林。通過解決最后一公里問題和使用精細的基準來評估您的服務(wù)我對實時、人工智能驅(qū)動的代理將如何發(fā)展感到興奮。我們將看到多模式代理，它們將在其交互中包含視覺和音頻。例如，與其打電話給水管工來處理漏水管道的問題，你會打開一個應(yīng)用程序，展示管道漏水的位置，代理將實時指導(dǎo)你進廣泛代理采用和人工智能的普及時間線會比人們預(yù)想的要長。我這樣說有幾個原因:我們必須解決大量的最后一公里問題直到你深入生產(chǎn)階段才會出現(xiàn)的問題。人工智能的用戶體驗仍然存在一些笨拙之處需要得到改善——比如中斷和響應(yīng)延遲這些讓你意識到你不是在和人類交談的事情。我也認為使用和實現(xiàn)人工智能技術(shù)將需要改變他們評估它的方式以獲得他們期望的結(jié)果。好的一面是，這些同樣的最后一英里問題和評估人工智能技術(shù)的困難為初創(chuàng)企業(yè)提供了差異解決最后一公里問題人工智能的最后一公里問題包括其通過專有知識或特定領(lǐng)域知識增強模型的能力、可靠地遵循指令，或檢測、移除或完全避免幻覺。我發(fā)現(xiàn)這些問題往往是特定于某在語音人工智能技術(shù)中，特別是實時語音代理方面，我們遇到的最大最后一公里問題之一是代理區(qū)分其交互對象的聲音與來自電視或其他房間內(nèi)人的背景聲音的能力。另一個問題是它識別罕見單詞的能力，如人如果你是一個AI創(chuàng)業(yè)公司，你可以利用這些最后一公里問題來為你所用。將AI應(yīng)用到你的產(chǎn)品中的很多地方很容易。但要打造差異化的體驗，我認為你必須清楚你所試圖解決的用例，然后深入挖掘，真正理解人們對這個用例到底關(guān)心什么。這將告訴你需要彌合哪些最后一公里問題，才能讓你的產(chǎn)品達到最佳狀態(tài)。解決你應(yīng)用中的最后一公里問題,你就可以捕捉那個市場。用合適的基準評估AI人工智能采用的第二大障礙是與評估人工智能技術(shù)相關(guān)。我看到了公司基于過于籠統(tǒng)的指標對人工智能進行大量投資。為了讓公司確信他們部署到生產(chǎn)中的人工智能技術(shù)能夠?qū)崿F(xiàn)預(yù)期效果，他們需要基于更詳細、更相關(guān)例如，在使用語音轉(zhuǎn)文字ai時，主要的基準指標是字錯誤率。字錯誤率通過比較人工轉(zhuǎn)錄文本與機器轉(zhuǎn)錄文本進行比較，以進行公平比較。然而，我們發(fā)現(xiàn)在許多企業(yè)或用例中，標點符號在應(yīng)用中如何顯示，或者首字母縮寫詞的格式如何真的很重要。事實上，對于最終用戶和應(yīng)用開發(fā)者來說，識別連續(xù)數(shù)字、電子郵件地址或罕見單詞可能是所以，我建議AI初創(chuàng)公司幫助公司根據(jù)真正能反映其特定使用場景成功效果的基準指標來評估你們的AI產(chǎn)品。為了挖掘這些指標，你們需要了解公司將如何使用AI以及它們將用于哪些工作流程。你們的基準指標與客戶期望（這些期望通常與最后一公里問題緊密相連）越接近，你們就越容易知道你們的AI產(chǎn)品何時已經(jīng)跨越了成功那個模糊的閾對我們這些從事人工智能工作的人來說，這是一個令人興奮的時期，盡管我們需要克服一些障礙才能實現(xiàn)人工智能的廣泛采用，但這是會發(fā)生的。我認為初創(chuàng)企業(yè)有很多機會——你解決了你應(yīng)用中的最后一公里問題，你就能抓住人和松果體是構(gòu)建準確且高性能AI應(yīng)用程序的領(lǐng)先向量數(shù)據(jù)庫，可大規(guī)模生產(chǎn)。愛德華previously曾是AWS的研究總監(jiān)，亞馬遜人工智能實驗室的負責人，以及雅虎的高級研究總監(jiān)。而業(yè)界正在爭論AI的下一個商業(yè)突破時，我相信一個答案很我們聽到很多這個行業(yè)的folks談?wù)揜AG（檢索增強生成）和agents，但我□得AI最大的oppo□unities（機遇）存在于搜索中。世界上80%的數(shù)據(jù)是非結(jié)構(gòu)化的；理解這些數(shù)據(jù)以及在規(guī)?；细咝z索它們的能力，能為擁有大量專有信息的許多公司理解詞匯或關(guān)鍵詞搜索的價值，這對于理解文檔和文本非常有益。但理解數(shù)據(jù)在語義層面的機會要廣泛得多——無論是通過圖像、視頻、PDF文件或表格——以利用集中化的理解感面向眾多應(yīng)用，包括向量數(shù)據(jù)庫對于人工智能應(yīng)用程序中的準確、最新信息至關(guān)重要。它們將信息存儲為嵌入，這有助于提供可應(yīng)用于任何工作負載的基于語義的數(shù)據(jù)理解。當然，所有數(shù)據(jù)管理和人工智能相關(guān)事務(wù)的第一步是確保數(shù)據(jù)安全——然后是如何考慮擴展它，確保它準確、新鮮且許多人可能沒有意識到，讓你的產(chǎn)品生產(chǎn)就緒——這包括GDPR準備、SOC2TypeII認證、HIPAA合規(guī)性、SSO、RBAC、CMEK、靜態(tài)和傳輸中的加密等——實際上可能需要比其他任何事情都更多的工程時間，因此不應(yīng)被視為理所當然。準確度、基礎(chǔ)性和低延遲在20準確性至關(guān)重要。如今，許多大語言模型卡在了60%到80%的它們訪問最大規(guī)模的數(shù)據(jù)集，以便它們能夠?qū)崟r提供有根據(jù)的向量數(shù)據(jù)庫通過理解和檢索最相關(guān)的信息，使得AI應(yīng)用變得知識淵博，進而提供有據(jù)可依的準確結(jié)果。重要的是，使生成式AI應(yīng)用變得知識淵博也能減少幻覺。當前和未來商業(yè)能夠從中提取價值的最重要的用例——包括AI搜索——環(huán)境中為準確性和規(guī)?；阅芏鴥?yōu)化的向量數(shù)據(jù)庫提供最佳支除此之外，延遲是另一個巨大的挑戰(zhàn)。許多開發(fā)者正與AI中。我們該如何將其中一些模型與我們的數(shù)據(jù)庫共同托管？我們需要確保體驗，無論是面向終端消費者還是員工，都能盡可能達到最佳性能和高準確性。我實際上認為人工智能中最大的機全球80%的數(shù)據(jù)是非結(jié)構(gòu)化的；理解這些數(shù)據(jù)并具備在規(guī)?；细咝z索它們的能力，可以為擁有大量專有信息的公司首席執(zhí)行官，吉爾資本埃拉德是Gil資本的CEO，是Airbnb、Anduril、Figma、Coinbase、Stripe、Square等眾多關(guān)鍵技術(shù)公司的早期投資者和顧問。盡管如此關(guān)注，我們?nèi)蕴幱谌斯ぶ悄芨淖兪澜缬绊懙淖畛蹼A段。對于初創(chuàng)企業(yè)來說，最大的機遇可能就在眼前人工智能尚未得到充分認識之處在于，其最終產(chǎn)品是認知單元。每個人都更將其視為一種軟件工具，但實際上你是在出售人類級別的能力。當前對GPU的投資清楚地表明我們正處在一場大規(guī)模變革浪潮的非常早期的階段。有少數(shù)領(lǐng)域我認為具有很大的潛力，你可以在技術(shù)堆棧的不同層級和不同如果你看看這個棧，有很多關(guān)于基礎(chǔ)模型的工作，這些模型專門化不僅限于語言模型，還進入了醫(yī)療保健和物理學等領(lǐng)域。然后在應(yīng)用層面，有大量圍繞人工智能通信服務(wù)、軟件和消費產(chǎn)品的東西，使常見的工作流程更高效和成本效益更作為初創(chuàng)公司，需要提出的關(guān)鍵問題是：你的業(yè)務(wù)實際上做什么，你的成本在哪里，以及人工智能將如何影響你的競爭格局?對于物理產(chǎn)業(yè)（如航運業(yè)），人工智能可能對其核心業(yè)務(wù)影響有限，但對相關(guān)文書工作將產(chǎn)生巨大優(yōu)化。擁有穩(wěn)健核心產(chǎn)品或廣泛復(fù)雜產(chǎn)品套件的企業(yè)軟件公司可能不會因生成式人工智能（盡管傳統(tǒng)機器學習可能有所幫助）而使其核心功能受到干擾，但仍然有潛力優(yōu)化其內(nèi)部流程、工作流和客戶支持。人工智能領(lǐng)域存在一個能力階梯，其中每個模型的迭代都會帶來新的可能性，而這些可能性會開辟新的應(yīng)用場景和市場。你的成本結(jié)構(gòu)中受技術(shù)影響的部分越多，你獲得人工智能影響或這里有幾個我感到興奮的領(lǐng)域：01醫(yī)療保健民主化03機器學習我認為人工智能中一個更有趣但未被充分利用的領(lǐng)域是經(jīng)過預(yù)訓練或微調(diào)的模型。想象一個擁有著名專家的豐富經(jīng)驗的程序，它可以解讀圖像、你的家庭歷史以及之前的醫(yī)療問題 ,并利用所有這些信息來按需為你診斷和創(chuàng)建護理計劃。雖探索了這個領(lǐng)域，但令人驚訝的是，至今還沒有人完全產(chǎn)品化了一個如此規(guī)模的解決方案。更不用說人工智能通過蛋白質(zhì)折疊、自動化臨床前工作、合規(guī)性檢查以及臨床數(shù)據(jù)來大幅降低藥物開發(fā)成本，從而實現(xiàn)更佳、更快的成果了。02個性化教育即將受到巨大影響的老的機器學習領(lǐng)域正在暗地里進行。自動駕駛汽車是一個技術(shù)即將真正步入正軌的絕佳例子，而沒有人還有最后一點我要補充：在早期技術(shù)時代，通常有很多唾手可得的機遇。奇怪的是，創(chuàng)始人不去選擇它們，因為他們認為這太容易了。但我認為，在新市場你可以專注于簡單的事，這些事情在規(guī)模化時能運作得非常好，你之后還可以建立防御性。找到一個人們真正在乎的東西，盡快將其發(fā)布出去，測試人們是否在乎，然后從這里開始迭代。人工智能可以為學生提供前所未有的個性化關(guān)注，指導(dǎo)他們解決特定問題或彌補學習差距，并讓他們能夠立即獲得一流的資源?？v觀歷史，擁有易于獲取的公共圖書館或公共資源作為知識庫，為社會帶來了巨大的社會效益。生成式人工智能再次解在新興市場中，你可以專注于簡單的事情，這些事情在規(guī)?；瘯r效果非常好。你可以稍后建立防御壁壘成立于2023年初，LangChain使開發(fā)人員能夠使用LangChain開源框架構(gòu)建上下文感知推理應(yīng)用程序，使用LangSmith進行LLM可觀測性、評估和提示工程，以及使用LangGraph進行代理在加入LangChain之前，哈里森曾領(lǐng)導(dǎo)RobustIntelligence公司的機器學習團隊（一家專注于機器學習模型測試和驗證的MLOps公司），領(lǐng)導(dǎo)過快錢公司的實體鏈接團隊，并在哈佛大學學習了統(tǒng)計和計算機科學。人工智能問題需要人類解決方案代理商掌握著生產(chǎn)力新水平的關(guān)鍵，但他們的成功取決于我們的指導(dǎo)在其核心，任何AI代理都需要像人類一樣理解一個問題，然后在某種形式的代碼和提示中復(fù)制解決方案。所以當你正在構(gòu)建一個時，問自己兩個問題：你是否在向代理傳達你想要做的事我認為評估非常重要，以確保您在更改應(yīng)用程序時沒有倒退。我還認為，弄清楚如何評估不僅僅是最終結(jié)果，還有到達那里的軌跡至關(guān)重要。模型、提示和RAG策略會變化——您如何表示這些不同的步驟，并且知道您的應(yīng)用程序在每一個步驟中我該如何使用這些評估來編程地改進應(yīng)用程序，同時也要記住這只是更大圖景的一部分？在這里花費更多時間將迫使我們必須更深入地思考成功實際看起來是怎樣的。這是我們的責任來定義和優(yōu)化工作流程，設(shè)定評估指標，提供反饋，糾正方向，并減輕模型當前狀態(tài)的潛在風險。40以下是我在2025年及以后認為將帶來重大進步的五大領(lǐng)域01用戶體驗解鎖一切用戶體驗是當前智能體創(chuàng)新的一個令人著迷的領(lǐng)域。要真正利用智能體系統(tǒng)，我希望它們能夠超越我可以向它們要求做的事流，并且只在發(fā)生有趣的事情或它們需要我的幫助時才通知我。但是，當你在后臺運行智能體時，任何人類級別的參與都需要復(fù)雜的系統(tǒng)級編程。例如，這意味著智能體需要按計劃運行；它需要能夠通知人類，并且在人類與之交互之前暫停（這意味著你需要無限期地維護智能體在狀態(tài)中的狀態(tài)）。這可能涉及代碼文件更改、內(nèi)部推理、瀏覽器狀態(tài)、文檔，然后能夠保存該狀態(tài)并在人類回復(fù)時立即恢復(fù)。02人機協(xié)同成為優(yōu)先事項02我對全自動駕駛代理并不非?？春?。我認為最好的代理將結(jié)合一個顯著的人機交互組件，在最有洞察力的地方設(shè)置檢查，以確保它們不會重復(fù)，并且代理會隨著時間的推移從你的反饋中學習。這是在構(gòu)建代理時需要正確處理的最重要的事情，因為A)它為你提供了一個很好的可控用戶體驗來與這些代理互動，B)它讓系統(tǒng)能夠從這些互動中學習。這種方法在幕后支持復(fù)雜的工程工作，同時在我們最需要時保持我們的參與。03特異性beats通用性03人工智能模型在復(fù)雜的推理任務(wù)上存在困難。它們需要非常具體的指令，并且仍然表現(xiàn)出不可預(yù)測的行為。直到模型能夠更有效地進行推理，通用代理仍然不可靠。狹窄聚焦的代理基本上取代了人類的工作流程，而構(gòu)建它們的最佳方法是如何思考人類將如何做某事，然后構(gòu)建代碼和提示的組合來04上下文學習提供了比微調(diào)更精細的調(diào)整04我們能看到的每一個今天構(gòu)建的智能體仍然是定制化的——無論是使用自定義流程、護欄、邏輯，還是React風格的循環(huán)。我認為模型創(chuàng)新肯定會更多，但我認為有趣的事情可能會繼續(xù)存在于系統(tǒng)層面。我認為智能體在2025年仍然會是熱門話題。之后，我猜測這與記憶有關(guān)。例如，如果我與人類進行一系列交互，我如何記住這些交互并從中學習？我對使用大型語言模型來反思這些交互并更新用戶自己的指令或配置文件持非常樂觀的態(tài)度。隨著模型變得更好，這可能會變得更加可能，但目前這真的很昂貴并且需要花費大量時間。05底層框架步入正軌05我認為目前存在兩種不同的代理框架風格。有一些高級框架內(nèi)置了任務(wù)的概念，你無法真正控制信息傳遞的精確流程。然后有一些低級代理框架，它們通過提示等方式讓你完全控制代理的精確狀態(tài)以及在任意時間點輸入模型的內(nèi)容。我預(yù)測到2025年，我們會看到更多低級框架，因為我們認識到人們需要控制系統(tǒng)內(nèi)部，才能讓它們可靠到足以投入生產(chǎn)。我對全自主代理持謹慎態(tài)度。我相信最好的代理將包含顯著的人機交互組件，并在最關(guān)鍵的地方詹姆斯·T·羅曼斯詹姆斯是谷歌云Web3業(yè)務(wù)的首席運營官。詹姆斯曾擔任不同行業(yè)的技術(shù)專家，并擁有牛津大學視覺計算神經(jīng)科學的哲學博士學位。結(jié)合人工智能和Web3可以為消費者提供獨特的價值，同時建立對人工智能模型的信心，并加速發(fā)展創(chuàng)造力使用區(qū)塊鏈支付渠道的AI代理將成為常態(tài)，盡管前方面臨嚴峻挑戰(zhàn)。開發(fā)者將專注于AI代理作為個性化助理，針對個性化投資、保險和抵押管理等特定任務(wù)進行定制，利用Web3支付渠道和智能合約。其他有前景的領(lǐng)域包括開發(fā)者賦能、組合性和模型來源。Web3更令人信服的應(yīng)用在于賦能AI代理進行有效商業(yè)活動。我們將在這個領(lǐng)域看到廣泛有用的創(chuàng)新。AI代理使用區(qū)塊鏈支付軌道是非常當前的實現(xiàn)能力；然而，利用傳統(tǒng)支付軌道的代理實例仍然是初生的。例如，投資者會與代理人交談以確定個人投資策略，代理人會推演并確認風險特征、預(yù)期敞口和波動水平等事項，其成本顯著低于通常與投資組合經(jīng)理相關(guān)的1.5%AUM。然后代理人將與去中心化金融（DeFi）合約交互，在Web3軌道上使用穩(wěn)定幣執(zhí)行交易。在過去24個月內(nèi)經(jīng)歷了爆炸性非周期性增長的這些數(shù)字資產(chǎn)，為微支付和其他交易提供了一個穩(wěn)定的媒介。甚至可能會看到這里的代幣化存款或商業(yè)銀行貨幣的數(shù)字化。類似地，AI代理可以評估和選擇保險政策并設(shè)隨著技術(shù)進步，AI代理的自主性將增加。代理將訪問參數(shù)數(shù)量足夠小的LLM，以便在個人設(shè)備上運行，并結(jié)合用戶在安全隔離區(qū)內(nèi)的驗證憑證。代理可以在本地處理這些數(shù)據(jù)，在采用零知識證明來保護隱私的同時獲取用戶洞察。這項技術(shù)使得能夠共享關(guān)于信息的事實——例如，證明某人已超過18歲，而無需透露他們的完整出生日期——而不是信息本這種AI與去中心化身份（Web3的一部分）的組合既是可行的,也非常有用。未來的應(yīng)用包括AI代理理解并解釋合同和條款/條件，征集標書，并進入反向拍賣，提供選項以節(jié)省時間、金錢和行政負擔。用戶審查代理生成的最佳選項和利弊列表。創(chuàng)建這個三方市場存在重大挑戰(zhàn)，但潛在回報是巨大的。然而，代理需要訪問準確、經(jīng)過驗證的用戶信息。雖然可驗證的憑證正在獲得關(guān)注，但用戶友好、無縫的實施仍然代表個人行事，代理人需要獲得關(guān)于該個人的合格、準確信息。這里仍存大語言模型代理輔助開發(fā)者編寫安全的智能合約，緩解重入攻擊等風險。這在處理托管資金的DeFi合約中更廣泛地說，人工智能可以檢測錯誤，自動化編碼任務(wù)，并推廣最佳實踐。廣泛的采用人機會導(dǎo)致更高質(zhì)量的代碼，增加開發(fā)人員生產(chǎn)力，最終實現(xiàn)更多創(chuàng)新。區(qū)塊鏈：驗證人工智能模型訓練和測試數(shù)據(jù)雖然區(qū)塊鏈技術(shù)已被提出用于驗證模型訓練數(shù)據(jù)的來源，但其大規(guī)模應(yīng)用還有待觀察。建立一套強大的系統(tǒng)以跟蹤和驗證訓練數(shù)據(jù)的必要性是明確的，但哪些特定的用戶群體將要求這種功能并推動產(chǎn)品市場匹配還有待確立。這仍然是Web3領(lǐng)域探索和實驗的一個領(lǐng)域。此外，雖然閉源模型通常缺乏實時數(shù)據(jù)和推理驗證，但在加密領(lǐng)域部署的一些模型已經(jīng)展示了這種能力。催化劑開發(fā)者能夠創(chuàng)建s合約，使其自包含、開源業(yè)務(wù)邏輯。它們的透明性使人們能夠理解和重用它們。在規(guī)模上，這將是一個豐富的生態(tài)系統(tǒng)，開發(fā)者可以輕松地修改和調(diào)整現(xiàn)有合約，以用更少的編碼量創(chuàng)建新合約。AI代理將進一步降低開發(fā)成隨著我們構(gòu)建出更高級的多智能體系統(tǒng),這些智能能分配給特定領(lǐng)域是一種自然而然的匹配:一個智能體可以尋找一個提供特定功能的智能合約來評估選項,并選擇最佳選項。在大規(guī)模上這樣做以解決復(fù)雜的多智能體問題是一種強匹配。44總合伙人，a16z杰西卡是安德森·霍洛維茨的普通合伙人，專注于數(shù)據(jù)系統(tǒng)、開發(fā)者工具和人工智能的企業(yè)和基礎(chǔ)設(shè)施投資，同時擔任多個董事會的職務(wù) ,包括十一實驗室、圖解和旋翼。早些時候，詹妮弗曾在Solvvy（被Zoom收購）和AppDynamics(被思科收購）擔任產(chǎn)品領(lǐng)導(dǎo)職位，她擁有卡內(nèi)基梅隆大學的軟件工程碩士學位和紐約理工學院的技術(shù)管理碩士學位。人工智能代理周邊的反對意見投資下一代AI基礎(chǔ)設(shè)施需要有一個狀態(tài)管理和內(nèi)存管理系統(tǒng)——它可以在代理本要讓ai代理真正走向主流，所需時間將比人們預(yù)期的更長。模型推理能力需要得到提升。而且，我看到在生產(chǎn)環(huán)境中使用的模型規(guī)模遠比最強大的模型要多，盡管這仍然是所有大型實驗室都在追求的前沿——所以我們將看到整個需要有一個狀態(tài)管理和內(nèi)存管理系統(tǒng)——它可以在代理本人類真正擅長的是最后一公里：深思熟慮并進行基于洞察力但我認為問題不僅僅出在模型層面——底層基礎(chǔ)設(shè)施和需要深入整合的根深蒂固的系統(tǒng)也需要得到解決。我還需要數(shù)據(jù)管理工具AI以及它們與用戶實時交互的能力。開發(fā)者工作流程的快速進化開發(fā)者工作流程的快速進化證結(jié)果和提供快速反饋循環(huán)。你可以檢查結(jié)果是否正確，而且已經(jīng)有很多工具，從測試到驗證，幫助你確定模型是否按照你的預(yù)期運行。它可以簡單到自動補全，也可以復(fù)雜到構(gòu)建一個有方法可以將AI能力集成起來以提高開發(fā)者生產(chǎn)力，幫助開發(fā)者構(gòu)建下一個應(yīng)用程序或產(chǎn)品——但是開發(fā)者的行為習慣會更難改變。所以如果你真的引導(dǎo)開發(fā)者一步步采用AI，那么你可我認為我們已經(jīng)看到了采用和投資回報率。而且這不僅僅關(guān)于編碼。人工智能也使開發(fā)者更容易消費和學習新的工具和技術(shù)。文檔正變得更加易于訪問和互動，開發(fā)者可以快速得到問題的答案，而不會迷失在信息的海洋中。初創(chuàng)公司和創(chuàng)始人似乎明白人工智能是未來的方向。但在我看來，幾乎有一種內(nèi)在的恐懼是引進新能力的，在人工智能方面，當涉及到移動太大或太快時，我會猶豫不決。對于創(chuàng)始人來說，我建議真正關(guān)注人工智能能力可以在哪些方面推動變革，并嘗試逐步進行變更和轉(zhuǎn)變。我認為這種做法比任創(chuàng)業(yè)者能做的最重要的事情就是非常貼近地面，非常貼近新的AI研究以及現(xiàn)有行為是如何緩慢轉(zhuǎn)變的。這有助于將新產(chǎn)品帶入形成，將產(chǎn)品投放市場，并找出市場和用戶將如何反應(yīng)。最終我認為優(yōu)秀的團隊是驚人的產(chǎn)品構(gòu)建者。投資者傾向于優(yōu)秀的產(chǎn)品品味和能夠?qū)⑺麄兊南敕ㄞD(zhuǎn)化為直觀、流暢產(chǎn)品的優(yōu)秀工程人才。要理解模型的性能并將其與用戶的需求相結(jié)合，那就是魔法。因此，我們不僅傾向于高速度、快速構(gòu)建產(chǎn)品的團隊，也傾向于研究和機器學習的能力。所以我對那些能夠?qū)I能力無縫集成到現(xiàn)有（如IDE）或新開發(fā)者工具中，以顯著提高生產(chǎn)力的公司感興趣。并且那些利用AI生成用戶界面和組件的初創(chuàng)公司，讓普通用戶更容易構(gòu)創(chuàng)始人能做的最重要的事情就是非常貼近地面，非常貼近新的研究以及現(xiàn)有行為是如何緩慢轉(zhuǎn)變的。帕□□,格雷洛克杰里是一位經(jīng)驗豐富的技術(shù)專家和投資者，專注于企業(yè)軟件、云計算基礎(chǔ)設(shè)施、數(shù)據(jù)產(chǎn)品和人工智能，致力于與雄心勃勃的創(chuàng)始人合作，創(chuàng)造具有變革性的企業(yè)。自2013年以來，Jerry就在Greylock擔任合伙人，他在VMware和AccelPartners的領(lǐng)導(dǎo)職位上積累了豐富的經(jīng)驗，支持公司從初創(chuàng)階段到規(guī)模化發(fā)展，并為多家創(chuàng)新公司擔任董事。aita升級將使它們有機會重置它們構(gòu)建、銷售和盈利應(yīng)用程序的規(guī)則，以及買家反過來如何資助和盈利您的競爭對手不再是對手，而是對手的業(yè)務(wù)模式。我確信人工智能的最終業(yè)務(wù)模式尚未被開創(chuàng)。我們不知道人工智能公司的價值單位——我所遇到的創(chuàng)始人仍在探索中。所以這是一個需要關(guān)注的領(lǐng)域，因為它關(guān)系到您如何構(gòu)建、銷售和變現(xiàn)您的產(chǎn)品。我認為隨著人工智能滲透到不同的領(lǐng)域和行業(yè)，我們會看到許多新的商業(yè)模式，這是很有趣的。以前也做過。SaaS和云公司已經(jīng)把銷售模式從按座銷售應(yīng)用程序改變?yōu)橛嗛喼苹驈V這里有四件事要考慮尋找預(yù)算替代機會當目標為運營支出而不是傳統(tǒng)的軟件預(yù)算時，這非常有趣，因為與針對現(xiàn)有軟件供應(yīng)商的資助競爭不同，你是在根據(jù)你能為客戶的內(nèi)部運營模型帶來的效率進行競爭。這種方法對于新類別的人機交互應(yīng)用特別有效，例如AI呼叫中心、AI治療師或AI審計員。這些應(yīng)用更具顛覆性，因為你在創(chuàng)造尚02服務(wù)跨多個和跨工作流的個性化需求02我們看到人工智能正在為大小企業(yè)中不同領(lǐng)域的一系列特定需求提供服務(wù)。在人工智能出現(xiàn)之前，企業(yè)不得不選擇通用解決方案并為其進行定制。有了人工智能，您可以更容易并以較低我們期望AI應(yīng)用能利用個人設(shè)備上的數(shù)據(jù)來理解個人興趣、偏好以及訪問公司數(shù)據(jù)（如系統(tǒng)記錄和工作流程）的權(quán)限。我們投資組合中已有幾家公司充當橋梁，幫助大型模型訪問個人數(shù)據(jù)。然后AI可以學習每個企業(yè)的行為方式，并使用這些個人數(shù)據(jù)構(gòu)建特定于該業(yè)務(wù)的應(yīng)用。這樣就解鎖了價值，并通過基于不斷變化的個人數(shù)據(jù)持續(xù)證明工作流程，從而創(chuàng)造了一個具有防御性的地位。我們認為在這些方面，初創(chuàng)公司相對于任何大型現(xiàn)有企業(yè)都具你們的競爭不再是與在任者競爭，而是與在任者的商業(yè)模式競爭。我相信 ,人工智能的最終商業(yè)模式尚未被開03面向整個組織的全新目標客戶畫像03我們鼓勵初創(chuàng)公司考慮業(yè)務(wù)中的每一項功能，并真正理解他們的不同角色。尋找需要人工智能代理人或應(yīng)用程序的信號，為特定的垂直領(lǐng)域或知識工作者類別，如開發(fā)者、會計師和律師。尋找相對于所創(chuàng)造的價值的高工資，以及重復(fù)的工作流程或技能。如果存在不匹配，那么市場可能存在需求。它既有趣又可怕，因為已經(jīng)花費了這么多時間來理解CIO或工程副總裁想要什么。有時候，對于某些SaaS公司，它是CFO或銷售副總裁或人力資源副總裁想要的?，F(xiàn)在你必須考慮業(yè)務(wù)中的每個功能。對特定角色的痛點有基本洞察力的創(chuàng)始04試驗并規(guī)范你的AI應(yīng)用堆棧04沒有人知道模型、嵌入、向量數(shù)據(jù)庫、安全、代理框架等領(lǐng)域的規(guī)范AI應(yīng)用堆棧將會是什么樣子。我認為我們首先會看到開發(fā)者像今天一樣構(gòu)建AI應(yīng)用，然后很快就會弄清楚如何利用新的工具堆棧來使他們的AI驅(qū)動應(yīng)用真正運行良好。我們看到開發(fā)者使用開源和云來嘗試新技術(shù)，并在大規(guī)模采購前逐步采用。我們看到了很多創(chuàng)業(yè)公司在進行實驗，最終開發(fā)者用他們的腳投票。他們會去最好的工具，所以我們關(guān)我們也看到初創(chuàng)公司在構(gòu)建合成數(shù)據(jù)和其他模型，用于訓練后評估，以確保模型以極高的精度運行。目前我們還有很多不知道的事情，直到技術(shù)成熟，人們將在評估中發(fā)揮重要作用。最終，我們?nèi)匀槐仨氄业娇蛻舨⑾蛩麄儌鬟f價值。誰能更好地并以更快的速度把握用戶體驗，誰就會獲勝。livexai提供人工智能客服，為快樂忠誠的客戶服務(wù)。Jia因在大型人工智能領(lǐng)域的領(lǐng)導(dǎo)力而被選舉為IEEEFellow。人工智能正在發(fā)展以驅(qū)動更高效、個性化以及類人的體驗我今天觀察到最令人興奮的發(fā)展之一是能夠模擬類人交互的AI代理的出現(xiàn)。作為人類，我們可以觀察，我們可以交流，我們可以互動，我們可以行動，并且我們可以展現(xiàn)。雖然目前可能很難讓一個模型和一種類型的數(shù)據(jù)擁有所有這些效果 ,但我們正在取得進步——類人的AI代理是未來的方向。當前，AI代理可以直接從自然語言理解，甚至可以從多模態(tài)數(shù)變得非常有幫助——50使用AI代理重塑客戶體驗這種朝向擬人化交互的趨勢有潛力徹底改變客戶體驗。我認為這就是生成式AI驅(qū)動的AI代理的美好與力量所在：它能夠理解個體客戶的意圖和情感，然后根據(jù)他們的意圖幫助他們導(dǎo)航。我相信這種朝著更高效、更個性化的交互進化的趨勢之所以存在，是因為人工智能并不僅僅是關(guān)于模型的大小，或不同的架構(gòu)，或計算能力。它也關(guān)乎數(shù)據(jù)。人們常常低估數(shù)據(jù)的力量，但它正是解鎖人工智能真正潛能的關(guān)鍵。定義的響應(yīng)。想想那些有很多是或否問題的客戶服務(wù)體驗 ,我們可能按一些數(shù)字，然后由代理人引導(dǎo)我們沿著預(yù)定然而，更新型的人工智能代理能夠理解自然語言，甚至能夠解釋多模態(tài)數(shù)據(jù)，例如圖像或視頻。這使得能夠提供更加個性化的客戶體驗，因為人工智能可以識別一個人的問題、意圖和情緒，從而帶來更加自然和有幫助的交互。應(yīng)對人工智能代理的信任和安全隨著AI代理融入我們的生活，解決圍繞信任、隱私和安全的新挑戰(zhàn)至關(guān)重要。我們需要思考安全和隱私問題，問問自己：我們?nèi)绾螛?gòu)建值得信賴的產(chǎn)品？我們?nèi)绾翁幚磔斎氲酱笮驮谶^去,AI或許能解決簡單的yesorno類型問題語言模型正試圖回答更復(fù)雜的問題,盡管它們可能還不能為我們提供清晰或有益的解決方案。因此更復(fù)雜的AI有時會導(dǎo)致幻覺,并引發(fā)對生成式AI合規(guī)性要求方面的擔憂,從而對信任、隱私和一種有效且可行的信任和隱私處理方法，是利用模型來處理隱私保護——例如，在模型開始學習之前就剝離個人信息或敏感數(shù)據(jù)。此外，經(jīng)過專門訓練的模型可以處理提示注入，我感覺，現(xiàn)在人們很關(guān)注模型的規(guī)模、不同的模型架構(gòu)和計算能力。我始終試圖強調(diào)的一個有爭議的觀點是數(shù)據(jù)的重要性。人們往往低估數(shù)據(jù)的威力以及不同數(shù)據(jù)類型對生成模型出色輸出產(chǎn)生的提高準確性、延遲和理解能力,構(gòu)建類人AI我們需要關(guān)注人工智能代理的訓練方式以及它們?nèi)绾问褂脭?shù)據(jù)。了解人們將通過不同類型的模態(tài)和不同類型的行為與人工智能代理進行交互非常重要。有時人們可能希望所有行動都由人工智能代理來執(zhí)行，有時人們可能更喜歡有一個更像是副駕駛或助手的人工智能代理。我相信AGI的模型架構(gòu)還不存在，數(shù)據(jù)也還沒有到位。我們轉(zhuǎn)而嘗試使用單個專門類型的模型和微型代理來學習專門任務(wù)，并將它們代理是一個復(fù)雜的框架。每一步都需要時間，并且有多個步驟堆積在一起。所以現(xiàn)在，許多AI代理根據(jù)產(chǎn)品的復(fù)雜程度，耗費幾分鐘，甚至幾十分鐘。利用改進的計算計算將更加高效和可擴展。將會有新的模型架構(gòu)，可以專注于用更高效的結(jié)構(gòu)解決特定問題。我們正在接近。例如，在我的一項項目中，我們能夠在模。如果一項任務(wù)需要超過10秒鐘，那么客戶就會不耐煩 ,他們會放棄。因此，因為軟件、算法和數(shù)據(jù)的新速度，初創(chuàng)公司現(xiàn)在可以賦能企業(yè)擴展其服務(wù)并服務(wù)每一位消費吉爾負責字母表獨立成長基金CapitalG的AI投資，投資包括Ma一位曾為私募股權(quán)支持的企業(yè)CEO，也是YCombinator支持的公司創(chuàng)始人，自2019年以來，Jill還是斯坦福大學商學院的客座講師。從領(lǐng)航員世界到智能體我相信我們很快將進入一個原始階段，在那里人工智能雖然人工智能領(lǐng)域的許多人預(yù)期無限擴展將導(dǎo)致人工通用智能（AGI），但我認為基礎(chǔ)模型在未來幾年內(nèi)將遇到瓶頸。這并非擴展無效；而是技術(shù)上的不切實際阻礙了我們。然而，這一限制為初創(chuàng)公司提供了一個有趣的機會。當巨頭們忙于擴展時，初創(chuàng)公司可以專注于為客戶帶來切實的投資回報。這可以體現(xiàn)在基礎(chǔ)設(shè)施方面，使其更有效率，或者在應(yīng)用程序解決方案方面，這些解決方案不需要想象構(gòu)建一個擁有數(shù)百萬億參數(shù)的模型。我認為這將是一個極具吸引力的模型，可能實現(xiàn)AGI。但實際上，訓練這種規(guī)模的模型非常困難。我們談?wù)摰氖窃诿總€規(guī)模層次上都存在障礙——1訓練，這使得它成為一個資源密集、耗時漫長的攀登。我正在人工智能代理時代投資展望未來，我看到了兩大主要趨勢正在涌現(xiàn)，我計劃投資于探索這些領(lǐng)域的天使公司01代理工作流程的興起02直接面向消費者代理我相信我們正從AI副駕駛時代邁向自主代理時代。這背后是基礎(chǔ)模型，尤其是在推理能力方面取得的進展。這對公司的預(yù)算影響巨大，使他們不僅能節(jié)省軟件成本，還能節(jié)省人力輔助人類代理或配對程序員，以使開發(fā)人員效率大幅提升。這轉(zhuǎn)化為一個價值數(shù)十億美元的市場。初創(chuàng)公司在這個代理未來中扮演著關(guān)鍵角色。它們可以為特定市場（如客戶支持、醫(yī)療保健、金融和法律）構(gòu)建全棧代理，專注于復(fù)雜的控制和連接挑戰(zhàn)。或者，它們可以創(chuàng)建平臺，賦予個人構(gòu)建自己的代理的能力，以滿足個性化需求。我真誠地相信，當所有這些代理東西花費更多的時間在高價值的事情上。這將是消費者真正感到興奮的地方。想象一下一個管理你日行時間，并安排Uber或Lyft，而無需你切換到不同的。這有可能徹底改變應(yīng)用開發(fā)。如果我們與一個AI代理互動，應(yīng)用的價值將取決于其界面到其功能。我們甚至可能看到AI超級應(yīng)用的出現(xiàn)，它們充當管理我們整個日常生活的中心樞紐，進請注意，直銷代理商的出現(xiàn)也引發(fā)了關(guān)于數(shù)據(jù)隱私和控制的問題。你對于不同的應(yīng)用程序訪問和共享你的信息感覺如何？這就是初創(chuàng)公司可以介入的地方，創(chuàng)建框架允許用戶定義他們的偏好，并控制這些交互代理如何使用他們的數(shù)據(jù)。構(gòu)建你代理機構(gòu)的戰(zhàn)略策略在代理領(lǐng)域投資者正在尋找那些從一開始就能證明具有強大產(chǎn)品市場契合度、獨特競爭優(yōu)勢和清晰盈利路徑的初創(chuàng)企業(yè)。這些基本面對于應(yīng)對不斷變化的AI格局仍然至關(guān)重要。我真誠地相信，當所有這一切智能體（agent）的工作都運轉(zhuǎn)起來時，它將使人類有更多時間投入到高價值的事情上。想象一下這樣一個世界：任何人都能將自己的想法變?yōu)楝F(xiàn)實，唯一限制因素就是他們的想象力。這就是讓我興奮的那種未來——我期待與更多致力于使這種未來成為可能的不凡創(chuàng)始人合作。54Photoroom是一款人工智能驅(qū)動的照片編輯應(yīng)用，可以即時調(diào)整您圖像的大小以適應(yīng)任何平臺，去除并應(yīng)用背景，并使用一鍵人工智能工具在幾秒鐘內(nèi)編輯數(shù)百張照片。斯坦福大學□□生，□□hieu此前曾□□□□□□□件Replay的產(chǎn)品管理，該軟件已被GoPro收購。人工智能將解放創(chuàng)作者以進行創(chuàng)作AI代理正在降低創(chuàng)作門檻，支持創(chuàng)意和故事作為每天專注于幫助人們使用人工智能編輯照片的人，我正在看到各種各樣的人在今天采用和使用人工智能。以前不擅長技術(shù)的普通人現(xiàn)在可以使用人工智能創(chuàng)造出他們想要的圖像。雖然專家在AI提示方面可能存在差距，但其余大部分人群的AI使用已經(jīng)是普遍現(xiàn)象。我認為，我們的責任是繼續(xù)讓AI更容易被所有人使用解鎖獨特故事我最興奮的事情之一是人工智能將使更多的人可以隨時隨地與世界分享更多獨特的作品。例如，創(chuàng)作者傳統(tǒng)上需要出版商、生產(chǎn)商和推廣者來將他們的歌曲、書籍或其他作品推向世界，而那些障礙在剛開始時尤其難以克服。我看到人工智能代理現(xiàn)在正在減少創(chuàng)作障礙，并在創(chuàng)作者和故事講述者完成所有分享其作品的必要活動時支持他們。想想一位廚師寫一篇關(guān)于新菜譜的博客。創(chuàng)作作品是實際菜譜，但廚師仍然需要為菜譜撰寫優(yōu)秀的文案，并提供高質(zhì)量的圖片。人工智能可以幫助所