自20世纪50年代以来，人工智能一直是计算机科学的主要内容多年来，它也为能够有效部署它的企业赚了很多钱然而，正如我最近发表的一篇专栏文章中所解释的那样这是我在此提出更详细论点的一个很好的起点，其中大部分收益都流向了大型现有供应商，而不是比初创公司。

直到最近，随着生成式人工智能及其所包含的一切的出现，我还没有看到人工智能优先的公司通过直接竞争或淘汰旧公司的全新行为来严重威胁规模较大、成熟的同行的利润然而，对于生成式人工智能应用程序和基础模型或前沿模型，情况看起来非常不一样。

令人难以置信的性能和采用率，加上快速的创新步伐，表明我可能正处于一个周期的早期阶段，这个周期将以自微芯片和互联网以来从未见过游戏攻略的水平改变我的生活和经济传统人工智能的经济学，以及为什么使用人工智能作为核心差异化因素的初创公司通常很难达到逃逸速度我过去曾写过这一点。

然后，它介绍了为什么生成式人工智能应用程序和大型基础模型公司看起来非常不同，以及这对我的行业可能意味着什么能力等于经济，从历史上看，人工智能的问题并不是它不起作用它长期以来产生了令人费解的结果而是它一直抵制在私人市场建立有吸引力的纯商业模式。

从基本面来看，不难看出为什么初创公司很难从人工智能中获得巨大的经济效益

（张丁文）尾巴很长许多人工智能产品需要确保即使在极少数情况下（通常称为“尾巴”）也能提供高精度通常，虽然任何给定的情况本身可能很罕见，但总的来说，往往会游戏攻略存在很多罕见的情况这很重要，因为随着实例变得越来越少，处理它们所需的投资水平可能会飙升。

对于初创企业来说，这些可能是不正当的规模经济合理化的结果例如，可能需要投资2000万元来建造一个能够以80%的准确率采摘樱桃的机器人，但如果需要90%的准确率，则所需的投资可能会增加到2 亿元达到95%的准确率可能需要10亿元。

大量的前期投资不仅是为了在不过度依赖人类的情况下获得足够的准确性否则还有什么意义？而且还会导致投资资本的边际回报递减除了达到并维持所需的准确性水平可能需要大量资金之外，不断上升的进步成本也可能成为领导者的反护城河他们在研发上烧钱，而快速追随者则在他们的学习基础上继续发展并以一小部分成游戏攻略本缩小差距。

正确性很重要许多传统的人工智能问题领域并不是特别能容忍错误的答案例如，客户成功机器人不应该提供错误的指导，支票存款的光学字符识别（OCR）不应该误读银行账户，当然自动驾驶汽车不应该做任何非法或危险的事情。

尽管人工智能已被证明在某些明确定义的任务上比人类更准确，但在上下文重要的长尾问题上，人类通常表现得更好因此，人工智能驱动的解决方案通常仍然需要人工参与来确保准确性，这种情况可能难以扩展，并且往往会成为沉重的成本，影响毛利率。

人体和大脑组成了一个模拟机器，它经过数亿年的进化来导航物理世界它消耗大约150瓦的能量，靠一碗粥就能跑，非常擅长解决尾部问题，全球平均工资约为每小时5 元对于世游戏攻略界某些地区的某些任务，平均工资每天不到一元。

对于许多应用来说，人工智能并不是与传统的计算机程序竞争，而是与人类竞争当工作涉及碳生命的一项更基本的能力例如感知时，人类往往更便宜或者，至少通过使用人员以相对较小的投资获得合理的准确性要便宜得多对于初创公司来说尤其如此，它们通常没有大型、复杂的人工智能基础设施可供构建。

还值得注意的是，人工智能通常比人类能够实现的目标更高，如果新系统没有明显更好，为什么要改变系统？因此，即使人工智能明显更好，它仍然处于劣势缺乏新的新兴用户行为这是一个非常重要但未被充分重视的观点可能是由于人工智能在很大程度上是对现有产品的补充，它并没有引入许多新的用例来转化为更广泛的消游戏攻略费者群体的新用户行为。

新的用户行为往往是大规模市场转变的基础，因为它们往往始于现有企业不理解或不关心的边缘世俗运动想想个人微型计算机、互联网、个人智能手机或云这对于初创企业来说是肥沃的土壤，可以满足新兴消费者的需求，而不必在其核心关注领域与根深蒂固的现有企业竞争。

当然也有例外，例如家庭语音助手引入的新行为但即使是这些也凸显了现有企业在人工智能产品中的主导地位，因为该领域明显缺乏广泛采用的独立产品自动驾驶汽车（AV）是一个极端但具有说明性的例子，说明了为什么人工智能对于初创公司来说是困难的。

AV 需要尾部正确性；运行的 AV 系统通常依赖于大量的人工监督；它们在感知方面与人类大脑竞争人类大脑的运游戏攻略行功耗约为12瓦，而一些高端 CPU/GPU AV 设置的功耗超过1,300瓦因此，尽管转向自动驾驶汽车的理由有很多，包括安全、效率和交通管理，但与乘车共享服务相比，其经济效益仍然不高，更不用说自己开车了。

尽管估计已经在 AV 技术上投资了750亿元，但情况仍然如此当然，还有一些更引人注目的更狭窄的用例，例如卡车运输或明确定义的校园路线而且，经济一直在进步，很可能很快就会超越人类但考虑到我达到这一目标所需的投资水平和时间，再加上持续的运营复杂性和风险，难怪通用自动驾驶汽车在很大程度上成为大型上市公司的努力，无论是通过孵化还是收购。

私募市场中可怕的人工智能平庸螺旋式上升出于我上面列出的原因，创建游戏攻略以人工智能为核心差异化因素的高利润、高增长业务的困难导致了初创公司在尝试这样做时陷入了众所周知的困境我很好地概括了这一点：为了让初创公司在早期就有足够的正确性，它雇佣人类来执行它希望人工智能随着时间的推移能够实现自动化的功能。

通常，这是升级路径的一部分，其中人工智能的第一步将处理80%的常见用例，而人类则管理尾部早期投资者往往更关注增长而不是利润，因此为了筹集资金并让董事会满意，公司继续雇用人员而不是投资于自动化无论如何，由于上述与自动化相关的复杂性，这被证明是很棘手的。

长尾巴当公司准备好进行增长级投资时，它已经围绕招聘和运营人员建立了整个组织，而且很难放松下来其结果是，企业可以表现出相对较高游戏攻略的初始增长，但利润率较低，并且随着时间的推移，变得难以扩展不过，人工智能平庸的螺旋式上升并不是致命的，你确实可以从中建立规模较大的上市公司。

但经济性和扩展性往往落后于以软件为中心的产品因此，我历史上从未见过一波快速增长的人工智能初创公司有动摇现有企业的势头相反，他们倾向于解决更困难、更棘手、更复杂的问题，或者成为构建定制解决方案的服务公司，因为他们拥有处理这些类型事情的人员。

然而有了生成式人工智能，这一切都在改变生成式人工智能和基础模型有何不同在过去的几年里，我看到了新一波的人工智能应用程序建立在大型基础模型之上或合并了大型基础模型这种趋势通常被称为生成式人工智能，因为这些模型用于生成内容图像游戏攻略、文本、音频等，或者简称为大型基础模型，因为底层技术可以适应内容生成之外的任务。

出于本文的目的，我将其统称为生成人工智能鉴于人工智能的悠久历史，很容易将其视为另一个最终会冷却的炒作周期然而，这一次，人工智能公司表现出了前所未有的消费者兴趣和采用速度自2022年中后期进入时代精神以来，生成式人工智能已经催生了一些我在技术行业历史上见过的增长最快的公司、产品和项目。

举个例子：ChatGPT 仅用了5 天就达到了100万用户，让世界上一些最具标志性的消费公司望尘莫及Meta的线程最近在几个小时内达到了100万，但它是从现有的社交图谱引导而来的，所以我不认为这是同类比较。

比早期的快速增长更引人注目的是游戏攻略其持续性和规模超出了产品最初推出时的新颖性自推出以来的6 个月内，ChatGPT 每个 Yipit 的全球月活跃用户MAU估计超过2.3亿Facebook 直到2009年才达到了1.97亿的月活跃用户数，这距离它首次进入常春藤盟校已经过去了5 年多，也是该社交网络向公众开放的3 年之后。

虽然ChatGPT是一个明显的人工智能巨头，但它绝不是唯一的生成式人工智能成功案例：Midjourney是一家文本转图像人工智能公司，其Discord服务器在2023年 6月激增至近1500万会员，距离2022年 7月推出公开测试版不到一年，使其成为Discord上最大的服务器。

Character.AI 是一家游戏攻略垂直整合的人工智能配套提供商，在推出后仅9 个月，每月活跃独立网络访问者数量就达到了1800万，每日活跃网络用户超过300万根据 SametimeWeb，不包括5 月份成功推出的移动设备。

考虑到每个用户的参与度，用户群的增长尤其令人印象深刻活跃用户定义为在平台上发送至少1 条消息的用户平均每天在平台上停留超过2 小时聊天机器人公司 Janitor AI 等较新的初创公司自称在推出后几周内就拥有超过100万用户。

人工智能开发者市场也出现了巨大的增长例如，大型图像模型Stable Diffusion 的发布在采用速度和普及度方面击败了近代历史上一些最成功的开源开发者项目Meta的Llama 2大语游戏攻略言模型LLM在7月份发布后几天内就通过Replicate等平台吸引了数十万用户。

这些前所未有的采用水平是我相信有一个非常有力的论据的一个重要原因，即生成式人工智能不仅在经济上可行，而且可以像微芯片和互联网一样推动市场转型为了理解为什么会出现这种情况，有必要看看生成式人工智能与之前的人工智能商业化尝试有何不同。

正确性被高估了生成式人工智能的许多用例并不属于具有正式正确性概念的领域事实上，目前最常见的两个用例是内容的创意生成图像、故事等和陪伴虚拟朋友、同事、头脑风暴伙伴等在这些情况下，正确仅仅意味着“吸引或吸引用户”。

此外，其他流行的用例，例如通过代码生成帮助开发人员编写软件，往往是迭代的，其中用游戏攻略户实际上是循环中的人，也提供反馈以改进生成的答案他们可以引导模型找到他们正在寻找的答案，而不是要求公司承担一批人员来确保立即的正确性。

适用于广泛的市场生成式人工智能模型非常通用，并且已经应用于各种大型市场这包括图像、视频、音乐、游戏和聊天仅游戏和电影产业的价值就超过3000亿元此外，确实理解自然语言，因此正在作为程序的新消费层投入使用。

我还看到专业配对互动领域的广泛采用，例如治疗、法律、教育、编程和辅导总而言之，现有市场只是价值的证明点，也许只是生成人工智能的启动点从历史上看，当经济和能力发生如此巨大的变化时，就像互联网的情况一样，我会看到全新的行为和市场的出现，它们既无法预测，又比之前的规模游戏攻略大得多。

在高价值任务上远远优于人类从历史上看，人工智能的大部分努力都集中在复制对人类来说容易的任务，例如物体识别或导航物理世界本质上是涉及感知的事情然而，这些任务对人类来说很容易，因为大脑已经进化了数亿年，专门针对人类进行了优化采摘浆果、躲避狮子老虎等。

因此，正如我上面所讨论的，让经济学相对于人类发挥作用是很困难的另一方面，生成式人工智能实现了自然语言处理和内容创建的自动化，而人类大脑在这些任务上花费的时间要少得多可以说不到10万年生成式人工智能已经可以执行许多这样的任务，而且比人类更便宜、更快，在某些情况下甚至更好。

由于这些基于语言的或“创造性”的任务对人类来说更困难，并且通常需要更复杂的技游戏攻略术，因此此类白领工作例如程序员、律师和治疗师）往往要求更高的工资因此，农业工人平均每小时工资为150元，而从事上述职位的白领工人每小时工资为数百元。

然而，虽然我还没有拥有经济地采摘草莓所需的精细运动技能的机器人，但当我分解成本时，你就会发现，生成式人工智能可以以与这些高价值工人类似的方式执行，而成本仅为这些高价值工人的一小部分和时间各种新的用户行为

随着生成式人工智能浪潮的出现，新的用户行为与经济学一样令人震惊法学已成为软件开发合作伙伴、头脑风暴伙伴、教育者、生活教练、朋友，甚至是恋人大型图像模型已成为新社区的核心，这些社区完全围绕创建奇特的新内容或开发人工智能艺术疗法来帮助治疗心理健康问题等用游戏攻略例。

这些是计算机迄今为止还无法实现的功能，因此我并没有真正了解这些行为会导致什么，也没有很好地了解实现这些功能的最佳产品是什么这对于新兴的新型私人生成型人工智能公司来说都意味着机遇尽管这种新行为的用例仍在出现或正在创建，但最重要的是，用户已经表现出了付费意愿。

除了上述用户增长之外，许多新的生成式人工智能公司还显示出巨大的收入增长ChatGPT 的订户估计意味着仅来自美国订户的年化运行收入就接近5 亿元除了 ChatGPT 之外，许多行业包括法律、文案、图像生成和人工智能陪伴等的公司都实现了令人印象深刻且快速的收入规模——第一年的运行收入就高达数亿元。

对于一些拥有并训练自己模型的公司来说，除了推游戏攻略理成本即服务客户的可变成本之外，这种收入增长甚至超过了繁重的培训成本因此，这就创建了已经或即将实现自给自足的公司正如达到100万用户的时间被缩短一样，许多人工智能公司达到1000万元以上运行收入所需的时间也被缩短，这通常是实现产品与市场契合的筹款标志。

让我来计算一下数字作为一个激励人心的例子，让我看一下创建图像的简单任务目前，这些模型产生的图像质量与人类艺术家和图形设计师产生的图像质量相当，并且我正在接近照片写实主义截至撰写本文时，使用大型图像模型创建图像的计算成本约为0.001元，大约需要1秒。

与设计师或摄影师一起完成类似的任务将花费数百元最低和许多小时或几天考虑到工作时间和日程安排即使为了游戏攻略简单起见，我低估了100元的成本和1 小时的时间，生成式人工智能比人类替代方案便宜100,000倍，速度快3,600倍。

类似的分析可以应用于许多其他任务例如，法学硕士总结和回答复杂法律摘要的问题的成本仅为一美分的几分之一，而律师通常每小时收取数百甚至数千元，并且需要数小时或数天的时间法学硕士治疗师的费用也是每次几便士等等。

受人工智能经济影响的职业和行业远远超出了上面列出的几个例子我预计生成式人工智能的经济价值将对从语言教育到商业运营等领域产生变革性的压倒性影响，并且这种影响的程度与该行业的工资中位数呈正相关这将导致现状与人工智能替代方案之间的成本差异更大。

当然，法学实际上必须擅长这些职能才能实游戏攻略现经济价值为此，证据越来越多：每天我都会收集更多生成式人工智能在实际任务中有效使用的例子他们继续以惊人的速度进步，到目前为止，培训成本或产品定价没有出现难以维持的增加。

我并不是说大型模型可以或将取代所有此类工作（目前几乎没有迹象表明），只是说它们节省的每一个小时的经济效益都是惊人的请注意这些都不科学，但如果您勾勒出一个使用模型来执行现有服务的理想化案例，那么这些数字往往比当前现状便宜3-4个数量级。

一个极端的例子是根据单个提示创建整个视频游戏如今，公司为复杂视频游戏的各个方面3D 模型、语音、纹理、音乐、图像、角色、故事等创建模型，而如今创建 AAA 视频游戏可能需要数亿元人工智能模型生成游戏游戏攻略所需的所有资产的推理成本为几元或数十元。

这些是微芯片或互联网级别的经济学计算的第三个时代？那么，我是否只是在助长另一个未能兑现的炒作泡沫呢？我不这么认为就像微芯片将计算的边际成本降至零，互联网将分配的边际成本降至零一样，生成式人工智能也有望将创造的边际成本降至零。

有趣的是，微芯片和互联网带来的收益也大约是3-4个数量级这些都是粗略的数字，主要是为了说明一点这是一个非常复杂的话题，但我希望粗略地了解互联网和微芯片对当前做事的时间和成本有多大的破坏性例如，ENIAC是第一台通用可编程计算机，比当时任何其他计算机都快5,000倍，据称可以在30秒内计算出导弹的轨迹，而手工计算至少需要30个小时。

同样游戏攻略，互联网极大地改变了远距离传输比特的计算方式一旦有足够大小的互联网带宽，您可以在几分钟内下载软件，而不是在几天或几周内通过邮件接收软件，或者开车到当地的 Frys 亲自购买或者考虑一下发送电子邮件、流媒体视频或使用基本上任何云服务的巨大效率。

几十年前，每比特的成本约为2*10^-10，因此，如果您发送1 KB，它比邮票的价格便宜几个数量级对于我来说，生成式人工智能在生成内容的成本和时间方面也有类似的前景从写一封电子邮件到制作整部电影当然，所有这一切都假设人工智能规模继续扩大，并且我继续看到经济和能力方面的巨大进步。

截至撰写本文时，我采访的许多专家都认为我正处于该技术的早期发展阶段，并且很可能在游戏攻略未来几年看到巨大的持续进步防守能力又如何呢？对于人工智能公司的防御性或缺乏防御性，还有很多事情要做这是一次重要的对话，事实上，我已经写过相关文章。

但是，当经济效益像生成式人工智能一样引人注目时，就有足够的速度围绕更传统的防御性护城河例如规模、网络、企业分销的长尾、品牌等建立一家公司事实上，我我已经看到，在围绕模型创建者和模型用户之间的双边市场以及围绕创意内容的社区的生成人工智能空间中，出现了看似可靠的商业模式。

因此，尽管技术堆栈似乎不存在明显的防御性特有现象如果有的话，看起来仍然存在不正当的规模经济，但我认为这不会阻碍即将到来的市场转变总体而言，我认为创造边际价值的下降将极大地推动需求事实上，游戏攻略从历史上看，杰文斯悖论一直被证明是正确的，当具有弹性需求的商品例如计算或分配的边际成本下降时，需求会增加以进行补偿。

其结果是更多的就业机会、更多的经济扩张以及为消费者提供更好的商品微芯片和互联网就是这种情况，生成式人工智能也会发生这种情况