文 | AlphaEngineer，作者 | 費斌傑（北京市青聯委員 熵簡科技 CEO）
近日，AI 獨角獸 Anthropic 的 CEO Dario Amodei 接受了 Noah Smith 的訪談，從商業角度暢談 AI 發展，貢獻了不少來自業界一線的真知灼見。
以下是我的學習筆記，分享給大家。
（1）Google 是 AI 時代的貝爾實驗室
在創辦 Anthropic 之前，Dario Amodei 曾在百度、Google 及 OpenAI 任職。說起 Google，Dario 認爲很多科研人員把 Google 當做他們學術生涯的延續，這點和當年的貝爾實驗室很像。
Google 濃厚的學術氛圍和優質的産業資源吸引了大量頂級科研人才，開展數以百計的創新科研項目，Transformer 隻是其中之一。
無論從算力資源還是人才密度來看，Google 理應是 AI 浪潮的最大受益者。但是 Google 的組織架構是爲了 " 搜索 " 服務的，并沒有把 AI 相關的要素有效的組織起來。
如果當時 Google 能夠把算力優勢、關鍵學術成果、人才優勢有效利用起來，它本可以成爲 AI 領域的唯一主導者。
（2）AI 公司究竟有沒有護城河？
AI 公司的商業模式取決于 Scaling Law 是否持續成立。
假設 Scaling Law 在未來相當長一段時間保持有效，那麽 AI 将帶來巨大的經濟價值，涉及人類社會的方方面面。
Dario 認爲，随着大模型不斷 Scaling up，單個模型的訓練成本将超過百億美金，甚至達到千億美金。因此這将成爲一個準入門檻極高的生意，大模型将成爲國家級基礎設施，隻會有少數幾家科技巨頭，甚至國有企業參與其中，形成寡頭壟斷的競争格局。
當然這裏有一個關鍵問題，是否會有公司願意開源千億參數的大模型？
Dario 對此深表懷疑，千億規模的模型的推理成本非常高昂，甚至超過訓練成本，開源模型的商業價值将會受限。
（3）AI 公司的生存之道：差異化
要想在競争中生存發展，AI 公司需要找到自己的差異化定位，Dario 提供了兩種思路。
其一是基座模型能力差異化。A 公司可以訓練出一個專門寫代碼的模型，B 公司可以訓練擅長創意寫作的模型，C 公司訓練出一個虛拟伴侶模型。與其拼盡全力做基座萬能大模型，不如選擇一個領域做深做透，專項訓練。
其二是模型與應用的垂直整合。理論上看，你可以把模型層和應用側解耦分離，但實操中要把應用做到極緻，往往需要對模型進行專項訓練，這是大模型公司得天獨厚的優勢。
Dario 認爲未來 AI 公司不能隻提供 API 能力輸出，而應該深度介入應用層。雖然目前基于大模型的應用還很薄，但未來會越做越厚，逐漸形成壁壘。
（4）AI 行業的宿命會和光伏類似嗎？
Scaling Law 目前隻是基于觀察總結的經驗，可能持續很久，也可能随時停止。根據目前的觀察，Dario 認爲 Scaling Law 還将持續相當一段時間。
假設 Scaling Law 在達到 AGI 之前失效，AI 公司的處境可能與光伏類似。
縱觀光伏行業，技術創新層出不窮，帶來了巨大的經濟價值，但并不具備壟斷屬性，導緻光伏企業利潤率整體偏低。
與光伏行業類似，AI 行業的市場規模非常巨大，但公司想要保持較高的 margin 并非易事。
（5）AI 公司是否會被國有化？
如果 Scaling Law 持續有效，在不久的将來，AI 模型有可能成爲一個國家國防領域最重要的資産之一。
另一方面，針對 AI 的 misuse 和 autonomy 問題，如果不加以嚴格監管，可能導緻較大的社會問題和安全隐患。
因此，政府會在 AI 領域扮演越來越重要的角色，但不太可能對 AI 公司進行國有化，具體的有效介入方式還需要探索。
（6）蜂群協作模式：大模型與小模型的有機統一
未來的 AI 生态将由大模型與小模型共同構成。大模型強大但價格昂貴，小模型便宜且推理迅速，但沒有那麽智能。
根據 Dario 所言，Anthropic 正在嘗試構建 " 蜂群協作 " 的推理模式，由大模型将一個複雜的任務拆解成數個簡單的子任務，然後把每個子任務分配給一個小模型來處理，最後将小模型處理的結果統一彙總給大模型，輸出最終結果，整個處理過程就像蜂群一樣。
（7）AI 将加劇貧富差距
Dario 認爲 AI 能帶來财富的增長和富足的生活，但也極有可能加劇貧富差距。
發達國家将率先受益于 AI 帶來的生産力進步，實現 GDP 的雙位數增長，但财富可能高度集中于頭部科技公司及其員工，而非平均分配。
與此同時，發展中國家的居民可能無法共享 AI 帶來經濟增長的果實，并面臨更加嚴峻的就業壓力。
（8）人們低估了 AI 在生命科學中的應用潛力
基于此前生物學的學術背景，Dario 對 AI 在生命科學中的應用前景頗爲重視。
在大模型誕生之前，AI 在生命科學中最多隻是輔助工具，即使是 AlphaFold 也沒有從根本上改變這一定位。但在不久的将來，AI 将逐漸走到台前，成爲生物科研領域的核心參與者。
縱觀整個 20 世紀，生命科學的所有進展都是由極個别的重大發現推動的，比如基因測序技術，以及 CRISPR 基因編輯技術。
Dario 認爲，大模型将十倍甚至百倍的提升科學發現的速度。
以 CRISPR 爲例，這項技術最初是在細菌中發現的一種天然免疫系統，用于防禦病毒入侵。當細菌遭受噬菌體攻擊時，會将入侵者的 DNA 片段整合到自身的 CRISPR 序列中，并通過 RNA 和 Cas 蛋白來定位并消滅這些入侵者。
這項技術早在 30 年前就被發現，但是直到 2013 年哈佛醫學院的 George Church 才首次使用 CRISPR 技術完成了 RNA 介導的人類基因組編輯。如果科學家使用 AI 加快從科學發現到應用轉化的速度，這無疑是全人類的福音。
Dario 判斷，AI 有望在未來 10 年内實現原本預計整個 21 世紀才能達成的生物學進展，治愈罕見疾病，讓我們拭目以待。
