Vol.01 来了来了！通用人工智能（AGI）真的来了
发刊词
老同学，老室友，新话题
一夜之间，感觉所有人都在玩ChatGPT、聊人工智能。
大家都很嗨，觉得 ChatGPT 就是 PC 时代的 Google、是移动互联网时代的 iPhone。
虽然现在还一堆问题，但肉眼可见一个新时代的序幕，正在徐徐拉开。
这种感觉很熟悉。
2015 年，我离开京东，出来创业做人工智能对话服务 Get 时，也是这么想的。
2016 年，徐文浩离开拼多多，出来做人工智能平台 Bothub 时，也是这么想的。
我们放弃的股票价值，够做一支不错的美元基金。
但我们创业做的这两个人工智能公司，却都没做起来。
我和他是大学同学 & 室友，上海交大 2001 级计算机。
毕业之后徐文浩选了搞技术，做精准广告系统、参与早期拼多多。
我选了做电商和营销，创业做今夜酒店特价，卖给京东后做京东到家。
不管选了哪条路、到了哪个厂，最后都同样掉到了人工智能这个大坑里。
费了很大的力气，很长的时间，搞别的产品，终于从坑里爬出来。
但看到 GPT-3 和 chatGPT，居然又嗨了起来——
“你玩了么？”
“AGI 终于要来了么？”
“有什么可以搞的？”
……
有什么可以搞的？
看起来，所有的事情都可以搞，都可以用人工智能重做一遍。
但我们俩都交过学费踩过坑了，虽然伤疤好了，但疼还没全忘。
这次不会傻愣愣直接立杆大旗搞钱搞人搞事儿了。
已经是老人家了，得看全面一点，想深入一点。
得和更多人建立连接，多聊聊，多碰撞，多合作。
于是决定先做一件最最简单的事情。
围绕着我们感兴趣的“人工智能 x 商业”主题。
先把我们看的东西、想的东西分享出来。
在这个过程中认识更多的同路人，碰撞和尝试更多有趣的想法。
或许会创造出各种意想不到的可能性和惊喜。
所以呢，具体来说。
我们每周都会把自己读过看过最高价值的内容，过滤分享推荐给大家。
并且，都会加上我们自己的观点、看法。
也会根据自己实战经验和大家发散聊天。
所以，如果你感兴趣人工智能领域，感兴趣相关的社会价值和商业机会。
欢迎关注这个公众号 & 推荐给自己的朋友。
每周和我们这两个好了伤疤忘了疼的家伙，一起看看、想想、聊聊。
看看我们的“人工智障”如何一步一步进化成新文明的核心。
或许，其中能找到我们扮演重要历史角色的舞台和机会。
任鑫
2023年2月6日于上海
卷首语
“Gradually and then Suddenly.”
——海明威
海明威在《太阳照常升起里》描述了一个人是如何破产的这句话，拿来描述最近的这波AI浪潮再合适不过。在沉迷于ChatGPT和Midjourney一个多月之后，似乎通用人工智能真的来了。我们相信这是不逊于铁路、电报、互联网这样的时代变迁的巨浪。
· 徐文浩在研究ChatGPT的同时，看到它和一个在学习新知识的孩子的共同点。似乎这一次，我们得到的真的是一个“通用人工智能”。
· 任鑫带来了一个所有人都关心的问题，当ChatGPT这样的AI出现之后，商业的形态与发展会出现什么样的变化？数据是否才是其中最重要的资源
回到现实的商业世界，我们一起开始了解一个人和一个案例。
· 人，是Open AI的创始人Sam Altman，在OpenAI之外，他还核聚变发电机，超音速飞机，不说名字的话，也许你会误以为是Elon Musk。
· 案例，是上线两个月收入数千万美元的头像制作应用Lensa，任鑫在实际体验下来制作的头像并不好，不过这家公司可不是跟风开始做的应用，背后的公司在多年前就做过另外一个爆款图像类应用Prism。
1
AGI
徐文浩
我觉得我快要失业了，现在不熟悉的语言我都让ChatGPT来帮我写了
春节假期里，一直和孩子在一起。而使用ChatGPT和GPT3这样的大型语言模型（LLM）的体验，真的和教小孩很像。大部分时间里，你需要的是给出一些提示语（Prompt）让他去做些什么。如果结果在你的预期之外，你就要好好想想怎么换个说法和他沟通。
你可以让ChatGPT“假装”自己是一个Javascript的解释器来执行代码，这有点让我惊掉了下巴。通过合适的提示语（Prompt），ChatGPT可以做到的事情超出我的想象
而当你要发展现有模型没有的能力的时候，比如让模型去回答训练数据里没有知识，你并不需要重新拿起TB甚至PB级别的数据，从0开始训练一个新模型。你需要做的，只是拿一些数据示例做一些强化学习。
这个和教娃儿数学的过程基本上是一样的，先上课给例题，然后给作业。再针对作业打分后挑一些总是错的题目做练习。最关键的一点是，对于不同的学科和知识点，我们并不是从头训练一个新模型。如果是那样的话，就好像每教一门学科就要生个孩子。我们以前的机器学习就是那样的，但是这一次，你不需要再含辛茹苦养育十载，只要拿出之前预训练好的模型，给一些指导，一个新技能就被学会了。
而现在的大型语言模型也是一样，不再是完整的重新训练。而是在大模型训练出来之后，不断提示（Prompt），微调（Fine-tune），以及根据结果人类反馈来学习（RLHF）。而微调和强化学习需要的数据量，并不算太多。终于，我们不再是通过大量的数据和事件去为单个问题创建一个个独立的机器学习模型，而是训练一个有“智能”的大模型，然后通过其他方式不断“解锁”他的能力。
有趣的一点在于，当在特定模型上“学习”得好得时候，模型在其他方面的能力反而可能降低。这个和我们充满缺陷的人类简直是一模一样，似乎它不再是一个冰冷的包含两千亿参数的模型，而是一个能学习进步，但是不练了也会退化的人。
这一次，通用人工智能可能真的来了。
相关延伸
https://thesequence.substack.com/p/edge-266-the-magic-behind-chatgpt2
AI BUSINESS
人工智能时代的新商业设计
任鑫
看了斯坦福兼职教授 Pedram Mokrian 关于如何应用 AI 于商业世界的演讲。
借他 PPT 聊一下我一些想法：
AI 的达克效应
我们对一件事儿了解越少的时候，信心反而越高涨（无知者无畏）。比如不懂 AI 的人，看到 AlphaGo 赢棋的时候，就觉得 AI 第二天就会统治地球。
而随着理解的增加，我们反而会越来越不自信。比如一个人如果经历过之前几波 AI 热浪（话说我也是 2015 年冒冒失失出来做 Get），大概率看到这次 AIGC 不会那么兴奋，只会觉得“哦，泡沫又来一遍”，而并不能客观评价机会价值。
这两种状况，都是危险的。
指数曲线
数字经济和传统经济最大不同：边际价值提高 or 边际价值降低。
由于网络效应，会导致数字经济里，用户越多，可能单用户获取价值越高。而又因为数字化资源的边际成本极低，导致用户越多，单个交付的成本越低。两者相加，导致数字经济的边际价值可能随着用户数增加，呈指数级上升。
AI 会进一步让更多的商业，变成黄色的指数曲线。原本商业中仍然有大量的难以规模化（甚至边际成本提高）的要素，比如管理能力，比如人力资源。但 AI 可以让这些要素（哪怕只是其中一部分），也变成可以集中提供的、边际成本极低的数字能力。
比如放在 20 年前去思考“100 万外卖小哥的工作调度和激励”就是个不可能完成的管理问题，而现在 80% 是算法问题；又比如 10 年前想要快速扩张便利店规模，最大的困难其实是招不到足够的能够胜任的店员，现在店内绝大部分决策是算法来做，店员只需要按照屏幕上给出的明确指示行动，对人力（脑力）要求极大降低，使得规模化成为了可能。
为什么数据是最重要的资源
他这个话已经听别人讲过千百遍。所有人都在断言：未来数据最重要，数据是新的石油。
但今天听的时候，脑子里蹦出来一个问题：为什么呢？然后联想出一个很阴暗的答案：因为没什么别的利用价值了……
最早，土地和机器值钱，是因为要靠这些生产资料，才能创造价值。人不缺，缺资本、机器和土地。
后来呢，做生意主要靠脑子，而且得靠一帮专业人士的脑子协作。有人有枪，比有地更重要，所以人力资源、智慧资源最值钱。
但 AI 进一步发展，其实一步步替代的是工作中的智慧部分。因为 99% 的工作中所谓的“智慧”，也就是一些简单的模式识别和创造任务。比如 10 年前每个停车场门口都有个大爷，主要任务是认车牌记车牌算停车费开关闸门。比如现在猪八戒上那些帮人做 logo 的小作坊养的小设计师，主要任务是根据甲方需求套模板出画稿。
这些工作都被替代掉之后呢？个体其实没剩下什么被剥削价值。类似羊吃人时代失去土地的农民，或者第一批被机器取代的女工。最后只剩下肉体，或者……数据？
而小组织呢？绝大部分看起来也没什么价值。除非，可以为 AI 基础层贡献更多数据，帮助它长更大。要么就是有差异化的方式，可以稳定贡献数据收租——像是把土地租给工厂主的老地主。要么就是发现了细分市场的 AI 应用方式，赚到一波钱和数据，钱揣口袋，数据被上游吸进去。但数据吃完之后，到底还存不存在细分市场应用层机会，就不一定了。就好像美团外卖小哥会自己找路（比如有个铁丝网有洞，可以钻过去省 10 分钟路程），但找几次之后这个数据被后台 AI 吃掉，它会指挥其他小哥也这么走，第一个原创快递员的优势就飞快被磨平。
到最后，都没什么价值？
终极的自动化
我最近在看一些 AI 产品的机会。
大的逻辑是发现超小利基市场需求，用设计 + 人力作为胶水，粘合不同的 AI Micro SaaS 形成解决方案，直接收费赚钱。不求做大做强 IPO，但求低成本快搞定有现金流。
听演讲时看到这张图还是挺吐血。虽然心里面也知道我这个策略只是暂时性的，肉吃不了几年。但看到他用接线员（最早打电话，需要中间靠人工转接）和电梯小姐（嗯，是的，最早电梯需要专业人员操控）来做类比，说明中间层消亡的时候，还是感受到了这个教授的恶毒啊：p
AI 商业设计框架流程
还蛮喜欢 Pedram Mokrian 这个流程设计。
第一步，WHY？为什么我们相信这里有一个市场需求或商业机会？
第二步，WHAT?有数据么？能拿到么？能用于解决问题么？
第三步，WHO?找有经验的牛人请教这个问题应该如何设计、开发和验证模型。
第四步，WHERE？选择什么基础设施来保障开发、部署和规模化？
第五步，HOW？我们如何衡量 AI 解决方案创造的增量价值？如何传递给市场？
第六步，WHEN？该搞么？
相关延伸
3
Sam Altman
Sam Altman：从失败的创业者到Open AI的创始人
徐文浩
Midjourney画的Sam Altman和一个机器人在YC里进行座谈（Sam的形象为了避免侵权应该故意做得不像，而漂浮在空中的话筒让我们知道我们离终极智能还差一点）
在访谈里，看到了之前很多没有关注到的信息：
1. Sam个人投资（而非YC作为机构）了大约400家创业公司。2. 其中最大的单笔投资金额是去年投给Helion的3.75亿美元，一个声称在做核聚变发电机的公司，短期的目标是“1美分一度电”。4. 最被大众挑战和诟病的则是“币圈”的WorldCoin，想要扫描每个人的虹膜发币的世界货币。5. 除了Helion和WorldCoin之外，Sam还投资了新的飞机制造商Hermeus和Ramjet。
这些组合让Sam看起来像是下一个Elon Musk，更低价的能源+更快的交通方式+人工智能，就好像SolarCity+Tesla+NeuraLink的组合。
当然，最重要的问题还是“通用人工智能什么时候会到来”，而Sam的回答是“会比你想象得更早”，并且是“渐进式的到来”。而在最近疯狂体验ChatGPT以及GPT3.5的我，觉得这个“渐进式的到来”已经到来了。
ChatGTP的出现，已经让Open AI和AGI进入了飞轮模式。不断新挖掘的应用场景=>更多的数据=>更多的收入=>更大的模型=>更好的效果，相信未来几年就像App Store诞生后的iPhone，我们会看到AI应用的百花齐放。
相关延伸
https://www.youtube.com/watch?v=57OU18cogJIhttps://www.youtube.com/watch?v=ebjkD1Om4uw4
Lensa
Lensa：AI 时代的价值套利
任鑫
经常被拿来讲 AI 时代套利的案例，就是 Lensa。
名不见经传好几年，增加了 AI 做头像功能之后，一跃成为最热门应用（超过 Tiktok），日收入超过 10 万美金，最夸张的估算是去年 11 月收入超过 7000 万美金。经常被 KOL 拿来举例子——“你看看人家，拿着别人做出来的 AI 算法，匹配到自己发现的细分市场。BOOM！几千万美金就赚到手了！”
但实际上，Prisma 已经在 AI 图像领域做了很长时间，之前我也下载他们家产品玩过，只是一毛不拔没付过钱而已……今天付了 18 块人民币，让它帮我做了 100 张头像，这么说吧，一张能让我愿意拿来放在这篇文章里的都没有。
虽然我肯定不是帅哥，但真的拒绝承认自己有 Lensa 画的那么丑。
给我的三个启发：
1. 风口都不是追来的，是等来的
Prisma 并不是发现了 AIGC 后赶紧搞了个头像图片应用。
而是做类似应用做了很多年，熬着，遇上了 AIGC。
2. PMF：正确的细分“小”市场，比万能“大”市场更重要
用户不见得会为万能的功能付费，但是会愿意为某些特定的具体的成果付费。
比如愿意给自己买漂亮头像的人，其实就远远多于会愿意给自己买“AI 绘画工具”的。
NFT 最火的也是头像，也是类似道理。
不是最强科技胜，而是用户最强买单欲望对应的利基市场胜。
3. 增长关键：能否帮 KOL 生成营销内容
自己亲身体验 Lensa 让人无语的质量之后，我在想它为什么会那么火……
可能因为像我这样，弄出来很丑头像的人，都不想把图片放出来，觉得放出来了之后别人大概率也只会认为“主要是因为基础差”。
但是好看的人，或者不好看但是弄出来很漂亮头像的人，大概率会换头像，而且会把用不完的头像发 ins 发朋友圈……
第一步价值是炫耀自己好看；
第二步价值是引发别人来问“这是怎么弄的”，然后以潮流先行者身份来介绍这个新玩具。
KOL 也需要持续创造内容，最好这个内容和大众相关（需要漂亮头像），又有助于自己人设（艺术 + 科技），还能够简单视觉传递（各种漂亮新奇的图）。
能够做到这几点的，就更容易引发 KOL 自来水，吸引更多用户，节省营销费用。
相关延伸
Lensa：https://apps.apple.com/cn/app/lensa-ai-photo-video-editor/id1436732536