jakiro
來源：投資實習所
這波 AI 浪潮興起後，我們經常會將其與之前的網際網路浪潮做對比，認為 AI 公司的興起就像網際網路公司的興起一樣。我的感覺是兩者其實還是有很大差別的， AI 給我的感覺是更加中心化，而網際網路則要去中心化一些 。
最近 a16z 兩位創始人 Marc Andreessen 和 Ben Horowitz 剛好談到了這個話題，他們認為這種類比並不完全適用。從技術本質上來說， Marc Andreessen 認為網際網路是一個網絡，而 AI 更像是一個計算機 。
01.技術性質方面的不同之處
網際網路本質上是一個連接許多現有計算機並促進新計算機創建的網絡，它以網絡效應為主導，隨著更多人加入，網絡的價值隨之增加 ，並促使人們構建了更多新型計算機來連接網際網路。
而 AI，特別是大型語言模型，是一種新型的計算機，一種基於概率的、基於神經網絡的計算機，它與以往的馮·諾依曼型計算機（確定性計算機）有很大的不同。
AI 的發展更類似於微處理器或大型機時代，它處理數據、從中學習並生成輸出。它是一個信息處理系統，而不是一個網絡。
最初的計算機非常龐大且昂貴，人們曾認為世界上只需要幾臺計算機。但隨著時間的推移，計算機變得越來越小，越來越便宜，最終變得無處不在。
AI 的發展也將遵循類似的模式，最終會有各種形狀、大小和能力的 AI 模型，它們將基於不同類型的數據進行訓練，並在不同的規模上運行，具有不同的隱私和安全政策。
02.行業發展層面的不同之處
在網際網路時代，大家專注於構建利用網絡效應的網絡和應用程式。公司努力爭取並維持用戶群，以利用這些影響。
而在 AI 時代，核心涉及構建各種 AI 模型和應用程式，重點是改進這些模型的功能並將它們集成到不同的領域。
03.鎖定和可用性
Ben Horowitz 認為，與以往的計算機不同，AI 是迄今為止最容易使用的計算機，因為它可以說像英語這樣的自然語言，就像與人交談一樣。
這引發了關於 AI 的鎖定效應（lock-in effect）的問題，即用戶是否完全自由地選擇他們需要的 AI 模型的大小、價格、選擇速度，或者是否會被鎖定在某個特定的大型模型上。
網際網路時代，由於使用早期計算機和網絡的複雜性，鎖定非常重要，轉換成本很高。
而在 AI 時代，人工智慧更容易使用，因為它可以理解和生成人類語言，這減少了鎖定，並在選擇人工智慧解決方案時提供了更大的靈活性。
04.兩個浪潮的相似之處
首先是投機繁榮和蕭條：兩次浪潮都經歷了投機性投資周期，最初的興奮引發了過度投資，隨後期望未能實現時出現了崩盤。這種周期對於新的、變革性的技術來說是典型的。
經濟和文化影響：這兩種技術都對經濟和文化產生了深遠的影響。網際網路徹底改變了通信、商業和信息共享。 而人工智慧有望通過自動化任務、增強決策和創造新能力來改變行業。
05.經驗教訓
繁榮與蕭條：預計會出現過度投資和糾正的周期，這是變革性技術採用曲線的自然組成部分。
開放性系統與專有系統： 網際網路始於專有網絡，然後轉向開放性，這推動了其增長。人工智慧存在走向更加封閉的系統的風險，這可能會扼殺創新和競爭。
投機投資：投機投資是一把雙刃劍。它可能會導致新技術的快速開發和部署，但在未達到預期時也會導致重大財務損失。
06.未來展望
人工智慧模型：人工智慧的未來可能涉及各種規模和模型的多樣化生態系統，功能類似於計算機從大型機到微處理器的演變。
集成和應用：重點將放在將人工智慧集成到各個領域，並創建利用人工智慧獨特能力的應用程式上。
下面是對話視頻的一個簡單文字翻譯版，你可以在這裡觀看原對話視頻（https://dub.sh/Memo2）：
Marc Andreessen： 當前 AI 的狀態與 Web 1.0 之間最強的共同主題是什麼？Ben，讓我先給你一個理論，看看你怎麼想。
因為我的角色和你在 Netscape 時的角色，我們參與了早期網際網路的發展，經常被問到這個問題。因此，網際網路熱潮是技術領域的一次重大事件，仍然在很多人的記憶中。
人們喜歡從類比中推理，所以他們認為 AI 熱潮應該像網際網路熱潮一樣，創辦 AI 公司應該像創辦網際網路公司一樣。那麼，這兩者之間有什麼相似之處呢？
實際上，我認為這種類比在大部分情況下並不成立。它在某些方面可能成立，但大多數情況下並不適用。原因在於， 網際網路是一個網絡，而 AI 是一個計算機 。
讓我們解釋一下這個觀點。PC 熱潮，或者說微處理器熱潮，我認為最好的類比是微處理器，甚至可以追溯到原始計算機，即主機時代。
原因在於，網際網路是一個網絡，它連接了許多現有的計算機，當然，人們也建立了許多新型計算機來連接網際網路。但 從根本上說，網際網路是一個網絡 。
大多數關於網際網路的行業動態、競爭動態、創業動態都與構建網絡或在網絡上運行的應用程式有關。 網際網路時代的初創公司非常關注網絡效應以及連接大量人群後產生的各種正反饋循環，比如所謂的梅特卡夫定律，即網絡的價值隨著用戶數量的增加而擴大。
【 Memo 註：梅特卡夫定律（Metcalfe’s Law）是由 Robert Metcalfe 提出的一個網絡效應理論。該定律指出， 一個網絡的價值與網絡用戶數量的平方成正比 。具體來說，當網絡中的用戶數量增加時，每個用戶都能與更多的其他用戶連接，從而網絡的整體價值會大幅度增長。梅特卡夫定律可以用一個簡單的公式表示：V ∝ n²， 其中，( V ) 表示網絡的價值， n 表示網絡中的用戶數量。】
AI 在某些方面也有網絡效應，但它更像是一個微處理器，更像是一個晶片，更像是一個計算機。它是一個系統，數據進入，數據被處理，數據輸出，然後事情發生。這是一個計算機，是一個信息處理系統，是一個新的計算機。
我們喜歡說，到目前為止的計算機是所謂的馮·諾依曼機，即確定性計算機，它們非常嚴格，每次都做完全相同的事情，如果出錯，那是程式設計師的錯。但 它們在與人互動和理解世界方面非常有限 。
我們認為 AI 和大型語言模型是一種新型計算機，一種概率計算機，一種基於神經網絡的計算機 。它們不太準確，不會每次給出相同的結果，甚至可能與你爭論，不回答你的問題。
這使得它們在本質上與舊計算機非常不同，使得構建大規模系統的複雜性更高，但它們的能力是新的、不同的、有價值的、重要的，因為它們可以理解語言和圖像，做你在使用時看到的所有事情。
因此，我認為 類比和經驗教訓更可能來自計算機行業的早期階段或微處理器的早期階段，而不是網際網路的早期階段 。你覺得這樣說對嗎？
Ben Horowitz： 我認為是對的。儘管這並不意味著沒有熱潮和衰退，因為這是技術的本質。人們會過於興奮，然後過於沮喪。所以肯定會有一些過度建設的問題，例如晶片和電力的過度建設。我同意，網絡在發展方式上與計算機本質上是不同的，採用曲線和所有這些東西也會不同。
Marc Andreessen： 這也涉及到我對行業未來發展的最佳理論，即關於行業將如何展開的問題，比如是否會有少數幾個「神模型」或大量不同規模的模型。
計算機行業的早期，如原始的 IBM 主機，計算機非常大且昂貴，只有少數幾個。長期以來，普遍觀點是這將是計算機的全部。IBM 的創始人託馬斯·沃森曾說過一句著名的話，他認為世界上可能只需要五臺計算機。
我認為他的意思是政府會有兩臺，三大保險公司會有三臺，然後就沒有其他需要這麼多計算能力的地方了。計算機非常大且昂貴，誰能負擔得起呢？誰能負擔得起維護它們所需的人員呢？
這些計算機非常大，需要專門的建築來容納，並且需要穿白大褂的人員來維護，因為一切都必須保持非常乾淨，否則計算機就會停止工作。
今天我們有 AI 的「神模型」概念，即大型基礎模型，那時我們有神主機的概念，只有幾個這樣的計算機。如果你看早期的科幻小說，幾乎總是有這種設定，即有一個大型超級計算機，它要麼做正確的事情，要麼做錯誤的事情，如果做錯了，科幻電影的情節通常是你要進去修復或擊敗它。
這種自上而下的單一概念在很長一段時間內都是成立的，尤其是在計算機開始變小之前。然後後來出現了所謂的小型計算機，價格從 5000 萬美元降到 50 萬美元，但即使是 50 萬美元也很貴了，普通人不會把小型計算機放在家裡，所以中型公司可以買小型計算機，但個人不能。
然後隨著 PC 的出現，價格降到 2500 美元，智慧型手機的出現，價格降到 500 美元。今天，你有各種形狀、大小和描述的計算機，它可能只花了一分錢，可能是一些嵌入的 ARM 晶片和固件，有數十億這樣的計算機。
今天買一輛新車，裡面可能有 200 個計算機，甚至更多。今天你假設所有東西都有晶片，假設所有東西都需要電池或電力，因為它們需要為晶片供電，並且假設所有東西都在網際網路上，因為所有計算機都被認為應該在網際網路上，或者將會在網際網路上。
因此，計算機行業今天是一個巨大的金字塔，仍然有少數幾個超級計算機集群或大型主機，它們是神模型，然後有更多的小型計算機，有更多的 PC，有更多的智慧型手機，然後有大量的嵌入式系統。
事實證明，計算機行業是所有這些東西的集合。你需要什麼樣的計算機取決於你要做什麼，你是誰，你需要什麼。
如果這種類比成立，這意味著 我們實際上會有各種形狀、大小、描述、能力的 AI 模型，基於不同的數據訓練，在不同的規模上運行，有不同的隱私政策，不同的安全政策，會有巨大的多樣性和變化，會是一個完整的生態系統，而不僅僅是幾家公司 。你覺得這個觀點怎麼樣？
Ben Horowitz：我認為是對的。我還認為，這個計算時代的另一個有趣之處是，如果你看以前的計算時代，從主機到智慧型手機，一個巨大的鎖定來源是使用它們的難度。
沒有人因為買了 IBM 而被解僱，因為你有受過培訓的人，知道如何使用作業系統，由於處理計算機的巨大複雜性，選擇 IBM 是一個安全的選擇。
即使是智慧型手機， 為什麼蘋果智慧型手機如此強大，因為切換離開它的成本和複雜性非常高 。AI 是最容易使用的計算機，它會說英語，像與人交談一樣。
鎖定在哪裡？你是否完全自由地選擇適合你特定任務的大小、價格、速度，還是被鎖定在神模型中？我認為這是一個開放的問題，但非常有趣，這可能與以前的計算時代非常不同。
