美國AI產(chǎn)業(yè)鏈調(diào)研紀要202406

202406北美AI產(chǎn)業(yè)鏈調(diào)研小結(jié)本次調(diào)研走訪北美相關(guān)科技公司以及相關(guān)產(chǎn)業(yè)專家。聊了部分公司IR（英偉達/supermicro/intel/tesla/equninix），在技術(shù)端以及產(chǎn)品應用端，聊了相關(guān)技術(shù)與產(chǎn)品專家（openai/adobe/google/meta/微軟/amazon/nVidia/anthropic）。當前大模型的能力是否依然在進步？模型的能力上限在哪里？這個問題某種意義上決定整個AI產(chǎn)業(yè)的上限，模型能力的最終極限決定了算力的需求以及應用的想象空間。從交流的專家來看，普遍對大模型的2-3年維度的持續(xù)迭代進步保持謹慎樂觀的態(tài)度。但這種樂觀某種意義上，與去年gpt3.5橫空出世那種星辰大海不同，這個樂觀更多是基于研發(fā)人員在模型端的具體進步而得出的結(jié)論，比如說大語言模型在用戶感知端的進步已經(jīng)比較緩慢（也有專家表示這是為什么gpt5沒有推出而是推出gpt4o的原因），進步更多的可能是用戶感知不明顯的數(shù)學能力等方面通過相對較小的大模型的預研究仍然能夠看到進步，也意味著更大規(guī)模的算力仍然能夠帶來模型的進步。因此，從一年維度來看，模型進步對于算力需求的牽引應該是非常強的，一方面是基于本身研發(fā)端能夠看到切實有價值的進步，同時這個調(diào)研可以非常明顯感受到傳統(tǒng)大廠在AI大模型落后之后的壓力，比如google為此進行了比較多的組織架構(gòu)調(diào)整，同時也是在薪資上給出了非常高的待遇（應屆大牛工資+股票100萬刀，package唯一能匹配上openai的傳統(tǒng)大廠）對于大模型能否通向AGI，似乎并沒有人主動提及。Google專家也表示，盡管大模型能夠通過圖靈測試（最公認的判定AGI的標準），其實現(xiàn)在大家似乎也很難認為當下的大模型就是AGI了，甚至某種意義上大模型現(xiàn)在是一種統(tǒng)計結(jié)果。或許，大模型再次出現(xiàn)類似于gpt3.5的能力躍升，更多的機會在于多模態(tài)（google專家演示了一個手機端gemini實時交互的視頻），或者是當傳統(tǒng)大模型的transformer架構(gòu)有非常大的突破。scalinglaw是否持續(xù)有效，能保證大廠高強度的capex得以持續(xù)model的質(zhì)量主要有以下三個環(huán)節(jié)構(gòu)成模型架構(gòu)：目前來看transformer架構(gòu)是公認主流，短期很難看到被顛覆的可能。模型規(guī)模：規(guī)模越大，性能越好。數(shù)據(jù)質(zhì)量（數(shù)據(jù)的多樣性，質(zhì)量，數(shù)量）：訓練數(shù)據(jù)的枯竭是被多次提到的問題。從以上三個環(huán)節(jié)來看，數(shù)據(jù)的枯竭可能是限制scalinglaw的一個比較重要的問題，這個問題在大語言模型的訓練中尤其明顯。數(shù)據(jù)的scalinglaw可能依然有效，但是數(shù)據(jù)的規(guī)?？赡懿荒苤螣o限制擴張下去。相比之下，多模態(tài)的訓練數(shù)據(jù)還沒有遇到這個問題。算力的堆疊目前來看是分歧最小的方向，一方面大模型仍在進步，另一方面硅谷巨頭仍然處在格局未定的戰(zhàn)備階段。當前算力在美國的制約是電力，為了應對電力短缺，谷歌已經(jīng)開始嘗試多數(shù)據(jù)中心協(xié)同計算。競爭格局：目前來看，openai、google、meta是綜合來看比較領(lǐng)先的，anthropic作為amazon和google共同投資的獨角獸也是有背書的。馬斯克的Xai在起步階段，但是專家表示馬斯克在高端人才的號召力很大，xai也有非常強的人才儲備。北美幾個龍頭與openai的差距某種意義上應該是在縮小的，一方面是傳統(tǒng)巨頭在人才儲備上是完全夠用的，尤其是google，在硅谷的技術(shù)人才儲備上是公認的最領(lǐng)先的。其次，硅谷之間的技術(shù)交流相對便利，并且沒有禁業(yè)協(xié)議。Meta專家表示除非openai在架構(gòu)上再次出現(xiàn)躍升，否則即使他沒有開源，對于業(yè)內(nèi)專家而言他的技術(shù)實現(xiàn)也不是秘密，很快能追上。對于openai如何維持這個領(lǐng)先，openai的專家表示更多還是依靠本身的人才密度（現(xiàn)在的招聘門檻很高），以及chatgpt積累的數(shù)據(jù)資源。國內(nèi)模型研發(fā)的差距，從最前沿的科學角度差的依然比較大，硅谷的環(huán)境非常與世隔絕，科技大廠對于研發(fā)的投入更純粹（meta，amazon的專家表示公司燒百億美金，也并沒有要求一定藥做出啥產(chǎn)品來），因此在前沿架構(gòu)的探索上，和硅谷差距非常大。但是考慮到當前硅谷整體模型的迭代也出現(xiàn)一定程度放緩，國內(nèi)模型應該能夠保持不被拉開。應用創(chuàng)新：北美在創(chuàng)新一樣迷茫，瓶頸何在？以微軟和adobe為例，兩個公司是產(chǎn)品廣度和深度最強的，并且過去一年在應用端的產(chǎn)品發(fā)布也比較頻繁，但是從最終用戶付費訂閱的比例來看，這個結(jié)果是低于預期的。以微軟為例，他的M365copilot熱門應用主要集中在企業(yè)搜索，m365chat，summarization，reference(emails)等環(huán)節(jié)，而最好的產(chǎn)品teamsai的日活大概在幾百萬左右。對于去年P(guān)R視頻中給予厚望的PPT和EXCEL而言，專家坦誠是不夠好的，主要問題是，PPT與EXCEL的產(chǎn)品是一個從0-1創(chuàng)作的過程，但是對當前大模型的能力而言，從0-1這個生成過程是非常難匹配用戶預期的。這類產(chǎn)品需要用戶從零開始去構(gòu)建promt（提示詞），對于用戶的使用門檻也非常高。PPT的創(chuàng)作是個長流程的過程，類似于化工，每一步的生成誤差，積累到最后也是非常大的，會帶來整個產(chǎn)品的偏差比較大而回到大模型能力的制約上，比較認同meta技術(shù)專家的一個觀點，就是大模型本身現(xiàn)在展現(xiàn)出來的功能，很多時候?qū)τ脩舳詢H僅是nicetohave，但是沒有這個功能其實對大家并不是一個不能接受的退步?？傮w上，對于應用的拓展，類似移動互聯(lián)網(wǎng)時代的原生AI應用的，相比于創(chuàng)造需求，解決當下需求，提高效率應該是當前AI能夠看到機會，因此從B端角度入手，會是當前AI應用的主力方向。此外以AIpc和AIphone這種系統(tǒng)級別的終端創(chuàng)新，打破單個APP的數(shù)據(jù)割裂，會是C端應用最重要的嘗試方向（anthropic專家觀點）。小結(jié)：本次調(diào)研主要走訪硅谷AI相關(guān)公司，總體印象是，AI的大模型和算力的技術(shù)進步仍在持續(xù)，其中大模型的進步已經(jīng)度過了去年chatgpt的驚艷階段，模型能力的演進相對平緩。算力的需求仍然旺盛，相比模型的進展本身，算力由于存在比較明確的供需緊缺，整個環(huán)節(jié)看起來更加景氣。應用端的創(chuàng)新也面臨著一定瓶頸。從應用端，落地的產(chǎn)品并不多。應用目前c端原生產(chǎn)品遇到瓶頸，更多的是B端需求，以及可能需要依賴手機，電腦等終端廠商對產(chǎn)品形態(tài)進行調(diào)整釋放創(chuàng)新空間。落實到投資維度，主要相關(guān)的