1
00:00:00,000 --> 00:00:04,320
大家好我是Jim

2
00:00:04,320 --> 00:00:05,440
这里是AI Notebook

3
00:00:05,440 --> 00:00:07,200
想象一下你打开手机看盘

4
00:00:07,200 --> 00:00:08,100
画面上这一年

5
00:00:08,100 --> 00:00:10,480
全世界往人工智慧砸下去的钱

6
00:00:10,480 --> 00:00:11,660
是用照来计算的

7
00:00:11,660 --> 00:00:12,880
工厂一座座盖起来

8
00:00:12,880 --> 00:00:15,400
晶片一整柜一整柜亮灯新闻

9
00:00:15,400 --> 00:00:16,340
天天在喊革命

10
00:00:16,340 --> 00:00:18,140
可是如果你冷静的问一句

11
00:00:18,140 --> 00:00:20,740
这几兆美元最后到底流去哪里

12
00:00:20,740 --> 00:00:22,240
谁真的把它赚进了口袋

13
00:00:22,240 --> 00:00:25,300
你会发现答案跟大多数人想的完全相反

14
00:00:25,300 --> 00:00:26,760
史丹佛今年春天开了一门课

15
00:00:26,760 --> 00:00:29,920
把九位站在这波浪潮最前线的人一堂一堂

16
00:00:29,920 --> 00:00:31,940
请上台拆解这一个问题

17
00:00:31,940 --> 00:00:34,500
这支影片就是那九堂课的浓缩

18
00:00:34,500 --> 00:00:35,920
先看一句话

19
00:00:35,920 --> 00:00:37,360
这句话出自史丹佛

20
00:00:37,360 --> 00:00:39,680
今年春天一门课的第一堂讲的人

21
00:00:39,680 --> 00:00:41,800
是投资机构Altermite的合伙人

22
00:00:41,800 --> 00:00:42,920
Apore Agrawal

23
00:00:42,920 --> 00:00:45,900
他说AI每多服务一个用户都不是免费的

24
00:00:45,900 --> 00:00:47,300
你可能觉得这不是废话吗

25
00:00:47,300 --> 00:00:50,220
可是如果你懂过去20年的软体生意

26
00:00:50,220 --> 00:00:51,780
就知道这句话有多反常

27
00:00:51,780 --> 00:00:53,240
过去的软体写好一次

28
00:00:53,240 --> 00:00:55,980
复制给第一个人和复制给第一亿个人

29
00:00:55,980 --> 00:00:57,700
成本几乎一样趋近于零

30
00:00:57,700 --> 00:00:59,680
这就是为什么软体能吃掉全世界

31
00:00:59,680 --> 00:01:00,660
但AI不一样

32
00:01:00,660 --> 00:01:02,100
他每回答你一次

33
00:01:02,100 --> 00:01:03,860
背后都有一整排晶片

34
00:01:03,860 --> 00:01:05,080
在真的耗电

35
00:01:05,080 --> 00:01:07,400
真的花钱这一个小小的差别

36
00:01:07,400 --> 00:01:08,780
藏着这波几兆美元

37
00:01:08,780 --> 00:01:10,220
最后留去哪的全部秘密

38
00:01:10,220 --> 00:01:11,620
这支影片就是把那门课

39
00:01:11,620 --> 00:01:13,480
九堂内容一堂一堂讲给你听

40
00:01:13,480 --> 00:01:15,620
先认识丢出这个问题的人

41
00:01:15,620 --> 00:01:16,660
Aporeal Agrawal

42
00:01:16,660 --> 00:01:18,640
在一家叫Altimeter的投资机构

43
00:01:18,640 --> 00:01:19,840
做合伙人白天的工作

44
00:01:19,840 --> 00:01:22,940
就是判断这波AI里钱会往哪里累积

45
00:01:22,940 --> 00:01:24,340
他把整门课的核心

46
00:01:24,340 --> 00:01:26,040
浓缩成一句大白话的提问

47
00:01:26,040 --> 00:01:27,100
钱到底在哪里

48
00:01:27,100 --> 00:01:29,640
他找了九位站在浪潮最前线的人

49
00:01:29,640 --> 00:01:30,720
一堂一堂来回答

50
00:01:30,720 --> 00:01:32,460
而他自己给出的答案是一个

51
00:01:32,460 --> 00:01:34,060
让很多人意外的形状

52
00:01:34,060 --> 00:01:35,960
过去云端时代整个产业

53
00:01:35,960 --> 00:01:37,380
像一个正立的金字塔

54
00:01:37,380 --> 00:01:39,800
最上面离消费者最近的应用软体

55
00:01:39,800 --> 00:01:40,660
赚走最多钱

56
00:01:40,660 --> 00:01:41,560
可是他说

57
00:01:41,560 --> 00:01:42,960
AI时代这个金字塔

58
00:01:42,960 --> 00:01:44,080
整个倒了过来

59
00:01:44,080 --> 00:01:45,600
前程到了最底层

60
00:01:45,600 --> 00:01:47,460
要看懂倒过来的到底是什么

61
00:01:47,460 --> 00:01:48,800
我们得先看一个数字

62
00:01:48,800 --> 00:01:50,180
过去两年

63
00:01:50,180 --> 00:01:51,840
整个AI产业多赚进来的钱

64
00:01:51,840 --> 00:01:53,280
超过3500亿美元

65
00:01:53,280 --> 00:01:54,700
听起来像雨露均粘

66
00:01:54,700 --> 00:01:55,080
对吧

67
00:01:55,080 --> 00:01:55,800
但真相是

68
00:01:55,800 --> 00:01:56,920
这些新增的营收里

69
00:01:56,920 --> 00:01:57,680
大约7成5

70
00:01:57,680 --> 00:01:59,620
直接流进了最底层的晶片

71
00:01:59,620 --> 00:02:00,420
不是应用

72
00:02:00,420 --> 00:02:03,200
不是那些你天天在用的聊天机器人

73
00:02:03,200 --> 00:02:04,880
而是卖运算硬体的那一层

74
00:02:04,880 --> 00:02:07,100
这两年应用层自己也涨了10倍

75
00:02:07,100 --> 00:02:07,740
速度很快

76
00:02:07,740 --> 00:02:09,280
可是放到整个产业里

77
00:02:09,280 --> 00:02:11,400
他连三角形的形状都撼动不了

78
00:02:11,400 --> 00:02:13,680
钱像水一样全部往最底下沉

79
00:02:13,680 --> 00:02:15,880
这就是这门课最核心的一张图

80
00:02:15,880 --> 00:02:17,760
一个倒过来的三角形

81
00:02:17,760 --> 00:02:19,020
而理解这个倒三角

82
00:02:19,020 --> 00:02:21,420
是理解后面所有一切的钥匙

83
00:02:21,420 --> 00:02:22,900
接下来我会一直回来提他

84
00:02:22,900 --> 00:02:25,380
把这件事讲的再具体一点

85
00:02:25,380 --> 00:02:26,840
这里要先解释一个词

86
00:02:26,840 --> 00:02:27,880
毛利意思很简单

87
00:02:27,880 --> 00:02:29,440
就是你卖一块钱的东西扣掉

88
00:02:29,440 --> 00:02:31,360
直接成本之后能留下多少

89
00:02:31,360 --> 00:02:33,220
云端时代最会赚的是

90
00:02:33,220 --> 00:02:34,700
最上层的应用软体

91
00:02:34,700 --> 00:02:37,060
一块钱收入可以留下八九成晶片

92
00:02:37,060 --> 00:02:38,440
反而是薄利的苦工

93
00:02:38,440 --> 00:02:41,060
可是AI时代这个关系整个倒过来

94
00:02:41,060 --> 00:02:42,760
现在卖晶片的公司

95
00:02:42,760 --> 00:02:44,000
毛利高达7成5

96
00:02:44,000 --> 00:02:45,120
站在食物链顶端

97
00:02:45,120 --> 00:02:46,120
而做应用的公司

98
00:02:46,120 --> 00:02:47,980
毛利常常只有0到3成

99
00:02:47,980 --> 00:02:50,140
有些甚至是附的同一个产业

100
00:02:50,140 --> 00:02:51,340
只是把时间往后推

101
00:02:51,340 --> 00:02:52,640
几年最肥的那一块

102
00:02:52,640 --> 00:02:53,700
你就从最上面

103
00:02:53,700 --> 00:02:54,780
乘到了最下面

104
00:02:54,780 --> 00:02:55,440
问题来了

105
00:02:55,440 --> 00:02:56,740
为什么会变成这样

106
00:02:56,740 --> 00:02:58,680
如果把这座倒过来的塔

107
00:02:58,680 --> 00:02:59,240
切一刀

108
00:02:59,240 --> 00:03:00,960
看横切面会看到三层楼

109
00:03:00,960 --> 00:03:02,280
最底层是卖晶片的

110
00:03:02,280 --> 00:03:03,580
卖的是运算硬体

111
00:03:03,580 --> 00:03:05,380
一块钱能留下大约7成5

112
00:03:05,380 --> 00:03:06,380
是最肥的一层

113
00:03:06,380 --> 00:03:07,900
中间是做模型的

114
00:03:07,900 --> 00:03:09,060
卖的是智慧本身

115
00:03:09,060 --> 00:03:10,100
这一层打得最凶

116
00:03:10,100 --> 00:03:11,500
价格一直往下掉

117
00:03:11,500 --> 00:03:13,000
最上面是做应用的

118
00:03:13,000 --> 00:03:14,660
也就是把AI包成产品

119
00:03:14,660 --> 00:03:15,700
做给你我用的公司

120
00:03:15,700 --> 00:03:18,240
可是他们一块钱常常只能留下0到3成

121
00:03:18,240 --> 00:03:20,100
你会发现越耗尽消费者

122
00:03:20,100 --> 00:03:22,360
越像我们印象中会赚钱的那一层

123
00:03:22,360 --> 00:03:23,260
反而越爱薄

124
00:03:23,260 --> 00:03:24,700
这完全违反直觉

125
00:03:24,700 --> 00:03:25,380
Apori说

126
00:03:25,380 --> 00:03:26,580
如果你在做应用

127
00:03:26,580 --> 00:03:28,860
得先问自己一个残酷的问题

128
00:03:28,860 --> 00:03:31,440
他问你是一个功能还是一个平台

129
00:03:31,440 --> 00:03:32,900
这句话听起来抽象

130
00:03:32,900 --> 00:03:33,820
其实很锋利

131
00:03:33,820 --> 00:03:35,240
他说如果你做的东西

132
00:03:35,240 --> 00:03:36,460
会让你忍不住问一句

133
00:03:36,460 --> 00:03:39,340
这为什么不干脆是大公司产品里的一个按钮

134
00:03:39,340 --> 00:03:42,700
那他大概就真的只该是一个按钮

135
00:03:42,700 --> 00:03:44,040
举个生活里的例子

136
00:03:44,040 --> 00:03:46,580
就像很多手机APP一开始独立存在

137
00:03:46,580 --> 00:03:48,980
后来手机系统直接内建了同样的功能

138
00:03:48,980 --> 00:03:50,200
那些APP就消失了

139
00:03:50,200 --> 00:03:51,780
在AI这座倒山脚里

140
00:03:51,780 --> 00:03:53,840
中间这层推论的战场最混乱

141
00:03:53,840 --> 00:03:55,000
新创暂时领先

142
00:03:55,000 --> 00:03:57,780
但云端巨头随时想把它收进自己的地盘

143
00:03:57,780 --> 00:04:00,380
能活下来的是能长成平台的那种

144
00:04:00,380 --> 00:04:02,640
只是一个功能的迟早会被吃掉

145
00:04:02,640 --> 00:04:05,400
而在最上面还有一个更根本的变现难题

146
00:04:05,400 --> 00:04:08,760
你以为最红的ChatGPT一定最会赚钱对吧

147
00:04:08,760 --> 00:04:09,280
Approfit

148
00:04:09,280 --> 00:04:11,140
Porelade摊开的数字刚好相反

149
00:04:11,140 --> 00:04:13,000
ChatGPT大约有10亿人在用

150
00:04:13,000 --> 00:04:14,200
可是平均每个用户

151
00:04:14,200 --> 00:04:16,400
每一年只帮他赚进大约10美元

152
00:04:16,400 --> 00:04:17,560
而做搜寻的Google

153
00:04:17,560 --> 00:04:20,300
同样一个用一年能赚到大约100美元

154
00:04:20,300 --> 00:04:21,460
整整差了10倍

155
00:04:21,460 --> 00:04:22,280
原因有两个

156
00:04:22,280 --> 00:04:24,320
一是他的用户里差不多9成5的人

157
00:04:24,320 --> 00:04:25,240
一毛钱都没付

158
00:04:25,240 --> 00:04:26,820
二是ChatGPT

159
00:04:26,820 --> 00:04:27,500
不是那种

160
00:04:27,500 --> 00:04:29,020
你会没事一直滑

161
00:04:29,020 --> 00:04:30,360
一直拿到多巴胺的地方

162
00:04:30,360 --> 00:04:31,620
你得主动去问他问题

163
00:04:31,620 --> 00:04:34,120
而世界上会主动对科技提问的人

164
00:04:34,120 --> 00:04:35,100
远比会滑

165
00:04:35,100 --> 00:04:36,100
手机的人少

166
00:04:36,100 --> 00:04:37,580
这10倍的缺口怎么补

167
00:04:37,580 --> 00:04:40,160
他压了一个很多人反对的答案

168
00:04:40,160 --> 00:04:41,280
他压的答案是广告

169
00:04:41,280 --> 00:04:43,380
很多人反对说AI对话这么私密

170
00:04:43,380 --> 00:04:44,340
怎么可能插广告

171
00:04:44,340 --> 00:04:46,940
Apple of的回应是搬出一段历史

172
00:04:46,940 --> 00:04:48,480
当年Facebook刚上市的时候

173
00:04:48,480 --> 00:04:49,720
满街都是看空报告

174
00:04:49,720 --> 00:04:51,520
理由是广告在电脑上有效

175
00:04:51,520 --> 00:04:53,060
但手机荧幕这么小

176
00:04:53,060 --> 00:04:54,360
根本没有地方放广告

177
00:04:54,360 --> 00:04:55,060
结果呢

178
00:04:55,060 --> 00:04:57,420
他们就在手机上找到了放广告的空间

179
00:04:57,420 --> 00:04:59,140
而且赚的比电脑时代还多

180
00:04:59,140 --> 00:04:59,960
他到今天讲

181
00:04:59,960 --> 00:05:29,940
一会儿班左往往前

182
00:05:00,000 --> 00:05:03,440
AI不能做广告的人跟当年是同一批论调

183
00:05:03,440 --> 00:05:05,160
而且AI更适合广告

184
00:05:05,160 --> 00:05:06,960
因为你在跟他对话的时候

185
00:05:06,960 --> 00:05:09,300
他最清楚你当下真正想要什么

186
00:05:09,300 --> 00:05:11,700
这种精准广告主愿意付更高的价

187
00:05:11,700 --> 00:05:13,300
到底谁对5年后见真章

188
00:05:13,300 --> 00:05:14,660
这是最上层的困境

189
00:05:14,660 --> 00:05:16,000
现在我们往下走

190
00:05:16,000 --> 00:05:19,400
看看为什么这门生意的规则会被彻底改写

191
00:05:19,400 --> 00:05:21,640
这门课第三堂主题叫GPU

192
00:05:21,640 --> 00:05:23,600
经济学讲者是Brett Gerstner

193
00:05:23,600 --> 00:05:25,000
他从几百万美元起家

194
00:05:25,000 --> 00:05:27,460
18年后管理的资金超过150亿美元

195
00:05:27,460 --> 00:05:30,560
是OpenAI Anthropic还有NVINDIAN的大股东之一

196
00:05:30,560 --> 00:05:32,420
站在这波里最会下注的位置

197
00:05:32,420 --> 00:05:34,660
他开场就把整堂课的前提说死了

198
00:05:34,660 --> 00:05:36,660
过去软体之所以能吃掉世界

199
00:05:36,660 --> 00:05:38,700
是因为复制他几乎不用钱

200
00:05:38,700 --> 00:05:39,920
但AI不是这样

201
00:05:39,920 --> 00:05:43,060
每多一个用户都要真的多少一次算力

202
00:05:43,060 --> 00:05:45,260
这句话跟第一堂Apply的话是同一个意思

203
00:05:45,260 --> 00:05:47,260
只是他要带你看这个差别

204
00:05:47,260 --> 00:05:49,960
到底把成本结构扭曲成什么样子

205
00:05:49,960 --> 00:05:53,300
而这一切都从一个叫Token的最小单位开始

206
00:05:53,300 --> 00:05:54,860
这里先把Token解释清楚

207
00:05:54,860 --> 00:05:56,460
你可以把Token想成AI

208
00:05:56,460 --> 00:05:58,000
独自和土自的最小单位

209
00:05:58,000 --> 00:05:59,560
大概是一个字或半个词

210
00:05:59,560 --> 00:06:01,360
AI每跟你讲一句话

211
00:06:01,360 --> 00:06:02,300
都是一个Token

212
00:06:02,300 --> 00:06:03,400
一个Token算出来的

213
00:06:03,400 --> 00:06:05,300
而每算一个背后的晶片

214
00:06:05,300 --> 00:06:07,420
就真的耗掉一点电烧掉一点钱

215
00:06:07,420 --> 00:06:09,660
这就是他跟过去软体最根本的不同

216
00:06:09,660 --> 00:06:11,500
这里还要补一个词边际成本

217
00:06:11,500 --> 00:06:13,620
白话说就是你多服务一个客人

218
00:06:13,620 --> 00:06:15,000
要多花的那笔钱

219
00:06:15,000 --> 00:06:16,800
过去的软体这笔钱趋近于零

220
00:06:16,800 --> 00:06:19,020
所以能躺着收八九成

221
00:06:19,020 --> 00:06:20,820
毛利AI没有这种好事

222
00:06:20,820 --> 00:06:23,020
他多服务一个人就多烧一次电

223
00:06:23,020 --> 00:06:24,620
边际成本是实打实的

224
00:06:24,620 --> 00:06:27,020
这也是为什么你会看到有些AI公司

225
00:06:27,020 --> 00:06:28,160
营收好几十亿

226
00:06:28,160 --> 00:06:29,260
却还在亏钱

227
00:06:29,260 --> 00:06:30,720
不是他们不会做生意

228
00:06:30,720 --> 00:06:32,220
是这门生意的地基变了

229
00:06:32,720 --> 00:06:34,120
所以在很长一段时间里

230
00:06:34,120 --> 00:06:36,820
这些最前线的AI实验室做的是一门

231
00:06:36,820 --> 00:06:38,280
看起来很傻的生意

232
00:06:38,280 --> 00:06:39,320
用Bread的话说

233
00:06:39,320 --> 00:06:40,760
他们花一块钱做出来的东西

234
00:06:40,760 --> 00:06:42,160
当时只能卖两毛

235
00:06:42,160 --> 00:06:43,160
这不是失误

236
00:06:43,160 --> 00:06:44,480
是一场刻意的好赌

237
00:06:44,480 --> 00:06:45,760
他们赌的是两件事

238
00:06:45,760 --> 00:06:46,220
第一

239
00:06:46,220 --> 00:06:48,320
运算的成本会一路崩跌

240
00:06:48,320 --> 00:06:48,720
第二

241
00:06:48,720 --> 00:06:50,960
人们愿意为聪明付的钱会一路暴涨

242
00:06:50,960 --> 00:06:53,420
只要这两条线交叉负毛利就会翻证

243
00:06:53,420 --> 00:06:54,380
这听起来很玄

244
00:06:54,380 --> 00:06:58,160
可是他们手上握着一个能把成本压下去的秘密武器

245
00:06:58,160 --> 00:06:59,420
而这个武器背后

246
00:06:59,420 --> 00:07:02,560
还藏着一个科技史上最戏剧化的收购故事

247
00:07:02,560 --> 00:07:05,480
起点只是一封被压了一周不敢发的简讯

248
00:07:05,980 --> 00:07:08,560
故事的主角是一家叫Groku的晶片新创

249
00:07:08,560 --> 00:07:10,120
本来是NVN的死对头

250
00:07:10,120 --> 00:07:11,120
Groku的负责人

251
00:07:11,120 --> 00:07:11,720
Sunny

252
00:07:11,720 --> 00:07:12,820
传简讯给Brad说

253
00:07:12,820 --> 00:07:14,780
我觉得我们有机会跟NVN合作

254
00:07:14,780 --> 00:07:16,620
你能不能帮我把话带给老板

255
00:07:16,620 --> 00:07:17,260
Jensen Brad

256
00:07:17,260 --> 00:07:18,520
因为交情怕唐突

257
00:07:18,520 --> 00:07:19,520
把这封简讯

258
00:07:19,520 --> 00:07:20,920
压了整整一周不敢发

259
00:07:20,920 --> 00:07:22,060
Sunny又催了一次

260
00:07:22,060 --> 00:07:23,260
他才终于送出去

261
00:07:23,260 --> 00:07:24,760
Jensen几乎是秒回

262
00:07:24,760 --> 00:07:26,220
只说了三个字有意思

263
00:07:26,220 --> 00:07:28,380
聊聊从展示出一个能跑的原型

264
00:07:28,380 --> 00:07:29,860
到NVN正式出手

265
00:07:29,860 --> 00:07:32,780
只花了大约30天成交金额200亿美元

266
00:07:32,780 --> 00:07:34,720
是NVN史上最大的一笔收购

267
00:07:34,720 --> 00:07:35,760
Brad的感慨是

268
00:07:35,760 --> 00:07:36,960
这种天大的交易

269
00:07:36,960 --> 00:07:39,980
常常就起于某一天某一个人的一个小决定

270
00:07:39,980 --> 00:07:41,720
而NVN之所以肯砸

271
00:07:41,720 --> 00:07:44,720
他这么多钱是因为Grog手上有一个很具体的本事

272
00:07:44,720 --> 00:07:46,060
这个本事

273
00:07:46,060 --> 00:07:47,280
说穿了就是省电

274
00:07:47,280 --> 00:07:49,920
你可以把一座AI资料中心想象成一间Token

275
00:07:49,920 --> 00:07:51,820
工厂一端塞进电力和晶片

276
00:07:51,820 --> 00:07:53,080
另一端吐出Token

277
00:07:53,080 --> 00:07:55,020
而Grog和NVN合体之后

278
00:07:55,020 --> 00:07:57,220
在同一栋厂房用同样的一度电

279
00:07:57,220 --> 00:07:59,160
Token的产出可以多出两倍半

280
00:07:59,160 --> 00:08:01,320
这在别的产业听起来平平无奇

281
00:08:01,320 --> 00:08:03,180
但在AI的世界这是天大的事

282
00:08:03,180 --> 00:08:04,760
因为这座工厂真正的瓶颈

283
00:08:04,760 --> 00:08:06,760
从来不是厂房而是电力

284
00:08:06,760 --> 00:08:07,960
当电是你的天花板

285
00:08:07,960 --> 00:08:11,480
任何能让同样的电多吐一倍半Token的技术

286
00:08:11,480 --> 00:08:13,380
就等于凭空多出一大块产能

287
00:08:13,380 --> 00:08:14,180
直接变成钱

288
00:08:14,180 --> 00:08:15,880
省下的每一瓦都是钱

289
00:08:15,880 --> 00:08:16,720
这也解释了

290
00:08:16,720 --> 00:08:19,280
为什么运算成本能在短短几年里

291
00:08:19,280 --> 00:08:21,580
崩跌到一个让人不敢相信的地步

292
00:08:22,180 --> 00:08:24,120
这里有一个违反常识的现象

293
00:08:24,120 --> 00:08:25,520
过去两年半跑一次

294
00:08:25,520 --> 00:08:28,480
AI也就是推论的成本下降了大约9成9

295
00:08:28,480 --> 00:08:29,520
几乎是崩掉了

296
00:08:29,520 --> 00:08:30,940
照理说成本降这么多

297
00:08:30,940 --> 00:08:32,640
大家的花费应该大减才对

298
00:08:32,640 --> 00:08:32,940
对吧

299
00:08:32,940 --> 00:08:33,940
结果完全相反

300
00:08:33,940 --> 00:08:35,580
总支出不减反真

301
00:08:35,580 --> 00:08:37,380
连旧晶片的租金都在涨

302
00:08:37,380 --> 00:08:39,480
这在经济学上有个名字叫杰文师悖论

303
00:08:39,480 --> 00:08:42,120
他的意思是当一样东西变便宜变好用

304
00:08:42,120 --> 00:08:43,680
人们反而会用的更凶

305
00:08:43,680 --> 00:08:46,640
凶到把省下来的钱全部又花回去

306
00:08:46,640 --> 00:08:47,560
甚至花更多

307
00:08:47,560 --> 00:08:49,240
当年蒸汽机效率提升

308
00:08:49,240 --> 00:08:50,280
没反而烧得更多

309
00:08:50,280 --> 00:08:51,100
就是这个道理

310
00:08:51,100 --> 00:08:51,960
AI也一样

311
00:08:51,960 --> 00:08:54,460
因为他同时在变聪明变便宜

312
00:08:54,460 --> 00:08:56,420
需求就像决堤一样涌出来

313
00:08:56,420 --> 00:08:57,840
所以就算成本一路狂降

314
00:08:57,840 --> 00:08:59,320
账单还是越来越厚

315
00:08:59,320 --> 00:09:01,140
而就在这个当口发生了一件

316
00:09:01,140 --> 00:09:03,000
让泡沫论者集体改口的事

317
00:09:03,000 --> 00:09:06,540
那件事是其中一家最前线的实验室

318
00:09:06,540 --> 00:09:08,320
营收连续三个月往上跳

319
00:09:08,320 --> 00:09:10,620
而且一个月比一个月跳的高幅度大

320
00:09:10,620 --> 00:09:12,880
到让原本喊泡沫的人都闭了嘴

321
00:09:12,880 --> 00:09:14,560
为什么这件事这么关键

322
00:09:14,560 --> 00:09:16,700
因为他证明了那场豪赌的第二只脚

323
00:09:16,700 --> 00:09:18,560
人们愿意为聪明付的钱

324
00:09:18,560 --> 00:09:19,400
真的在暴涨

325
00:09:19,400 --> 00:09:21,660
当成本一路往下营收一路往上

326
00:09:21,660 --> 00:09:22,820
这两条线一交叉

327
00:09:22,820 --> 00:09:25,320
那个花一块钱卖两毛的黑洞就开始翻证

328
00:09:25,320 --> 00:09:26,060
Brad说

329
00:09:26,060 --> 00:09:28,760
这是他第一次看到一家公司的营收曲线

330
00:09:28,760 --> 00:09:30,440
跟模型变聪明的曲线

331
00:09:30,440 --> 00:09:33,020
贴在同一条指数线上往上冲

332
00:09:33,020 --> 00:09:34,760
从这一刻起泡沫的质疑

333
00:09:34,760 --> 00:09:35,660
换了一个方向

334
00:09:35,660 --> 00:09:37,940
而更让人不安的是接下来这一幕

335
00:09:37,940 --> 00:09:39,740
四个平常吵个不停的人

336
00:09:39,740 --> 00:09:41,200
罕见的说了同一句话

337
00:09:41,200 --> 00:09:42,620
Brad转述

338
00:09:42,620 --> 00:09:43,520
最近私底下

339
00:09:43,520 --> 00:09:44,320
Dario Sam

340
00:09:44,320 --> 00:09:45,520
还有Elon跟Janson

341
00:09:45,520 --> 00:09:47,600
这四个平常立场南辕北辙的人

342
00:09:47,600 --> 00:09:49,140
罕见的讲了同一句话

343
00:09:49,140 --> 00:09:52,240
那就是我们几乎已经走到指数曲线的尽头了

344
00:09:52,240 --> 00:09:53,860
而大家好像根本还没发现

345
00:09:53,860 --> 00:09:54,760
他们的意思是

346
00:09:54,760 --> 00:09:57,280
那个大家口中的强人工智慧

347
00:09:57,280 --> 00:09:58,480
来的会比预期更早

348
00:09:58,480 --> 00:09:59,980
这句话你可以信一半

349
00:10:00,000 --> 00:10:00,600
一一半

350
00:10:00,600 --> 00:10:03,820
但重点在于当下住最重的四个人同时这样说

351
00:10:03,820 --> 00:10:06,880
接下来真正的难题就不再是能不能做出来

352
00:10:06,880 --> 00:10:09,600
而是做出来之后这么大的财富要怎么分配

353
00:10:09,600 --> 00:10:13,440
累积财富会前所未有利容易分配会前所未有利

354
00:10:13,440 --> 00:10:16,840
难 讲完了为什么要烧钱以及钱正在翻证

355
00:10:16,840 --> 00:10:19,740
我们该亲眼去看这些钱到底在地面上盖出了什么

356
00:10:19,740 --> 00:10:22,800
这门课第四堂我们从财报走进工地

357
00:10:22,800 --> 00:10:24,200
讲者是Charles Lockmiller

358
00:10:24,200 --> 00:10:26,540
一家叫Cruzzo的基建公司的执行长

359
00:10:26,540 --> 00:10:27,720
他同时是个登山狂

360
00:10:27,720 --> 00:10:29,500
七大洲最高峰爬了五座

361
00:10:29,500 --> 00:10:30,680
包含圣母峰

362
00:10:30,680 --> 00:10:31,800
这个背景不是闲聊

363
00:10:31,800 --> 00:10:34,300
因为盖一座AI工厂跟登山一样

364
00:10:34,300 --> 00:10:36,640
有计划A计划B还有计划B的备案

365
00:10:36,640 --> 00:10:39,220
他做的事就是帮那些最大的科技巨头

366
00:10:39,220 --> 00:10:41,360
把AI工厂从一块空地盖起来

367
00:10:41,360 --> 00:10:43,520
他说AI说到底是资料演算法

368
00:10:43,520 --> 00:10:45,520
算力能源加上资料中心

369
00:10:45,520 --> 00:10:46,880
前两项是实验室的事

370
00:10:46,880 --> 00:10:48,940
而钱主要烧在后面那三项

371
00:10:48,940 --> 00:10:49,840
也就是他的地盘

372
00:10:49,840 --> 00:10:51,300
他摊开一张收据

373
00:10:51,300 --> 00:10:53,660
让大家看清楚这些钱到底怎么花

374
00:10:53,660 --> 00:10:55,280
Chase有一句话

375
00:10:55,280 --> 00:10:57,520
把很多人心中神秘的资料中心

376
00:10:57,520 --> 00:10:58,460
一下子拉回地面

377
00:10:58,460 --> 00:11:00,180
他说资料中心缩穿了

378
00:11:00,180 --> 00:11:01,600
就是一栋有电有冷却

379
00:11:01,600 --> 00:11:03,000
能插电脑的建筑

380
00:11:03,000 --> 00:11:03,700
就这么简单

381
00:11:03,700 --> 00:11:05,040
可是他马上补一句

382
00:11:05,040 --> 00:11:06,580
一旦你把这栋房子

383
00:11:06,580 --> 00:11:08,780
放大到一整座城市用电的规模

384
00:11:08,780 --> 00:11:11,060
他就变成即化工机械电机

385
00:11:11,060 --> 00:11:12,340
还有资讯工程

386
00:11:12,340 --> 00:11:13,720
余一生的工程巅峰

387
00:11:13,720 --> 00:11:14,840
这就像你家的电箱

388
00:11:14,840 --> 00:11:16,340
跟一座城市的变电站

389
00:11:16,340 --> 00:11:17,700
本质上是同一件事

390
00:11:17,700 --> 00:11:18,880
但难度差了几万倍

391
00:11:18,880 --> 00:11:20,420
他用家乡丹佛当此说

392
00:11:20,420 --> 00:11:21,620
他们盖了一个园区

393
00:11:21,620 --> 00:11:23,440
用电量等于两个丹佛市

394
00:11:23,440 --> 00:11:24,540
整座城市的电

395
00:11:24,540 --> 00:11:25,920
全部拿去喂电脑

396
00:11:25,920 --> 00:11:27,440
而要衡量这种规模

397
00:11:27,440 --> 00:11:28,860
得换一个单位叫百万瓦

398
00:11:28,860 --> 00:11:30,840
这也是看懂那张收据的关键

399
00:11:30,840 --> 00:11:32,080
百万瓦

400
00:11:32,080 --> 00:11:34,460
就是这座工厂一次能吃掉多少电

401
00:11:34,460 --> 00:11:36,200
确实把一格百万瓦的算力

402
00:11:36,200 --> 00:11:37,380
一项一项算给你看

403
00:11:37,380 --> 00:11:38,840
盖楼加上自己发电

404
00:11:38,840 --> 00:11:40,120
要两千万美元

405
00:11:40,120 --> 00:11:42,140
里面塞的晶片是最贵的一块

406
00:11:42,140 --> 00:11:43,040
再花三千万

407
00:11:43,040 --> 00:11:45,400
加上把几万张晶片串起来的网路

408
00:11:45,400 --> 00:11:46,540
帮他散热的冷却

409
00:11:46,540 --> 00:11:48,240
还有储存又是一千万一格

410
00:11:48,240 --> 00:11:50,340
百万瓦总价大约六千万美元

411
00:11:50,340 --> 00:11:51,740
而现在动不动就在

412
00:11:51,740 --> 00:11:54,180
可以盖10亿瓦等级的园区一千格

413
00:11:54,180 --> 00:11:55,000
这样叠起来

414
00:11:55,000 --> 00:11:56,900
光一个园区就是六百亿美元

415
00:11:56,900 --> 00:11:58,060
这还只是盖起来

416
00:11:58,060 --> 00:12:00,040
电费和维修都还没算进去

417
00:12:00,040 --> 00:12:01,520
你把这张收据对照一下

418
00:12:01,520 --> 00:12:03,040
前面那个倒三角就懂了

419
00:12:03,040 --> 00:12:05,660
为什么晶片那一层能吃掉大部分的钱

420
00:12:05,660 --> 00:12:07,820
因为光是硬体就占了收据的一半

421
00:12:07,820 --> 00:12:10,400
可是盖这么贵多久才赚得回来

422
00:12:10,400 --> 00:12:12,700
这里藏着一个关键的分岔

423
00:12:12,700 --> 00:12:14,420
确实算给大家看

424
00:12:14,420 --> 00:12:16,600
如果你只是单纯把晶片租出去

425
00:12:16,600 --> 00:12:19,100
让别人拿去用那台六千万美元的机器

426
00:12:19,100 --> 00:12:20,660
大概要四年才赚得回来

427
00:12:20,660 --> 00:12:22,360
但如果你往上多做一层

428
00:12:22,360 --> 00:12:23,360
不只租硬体

429
00:12:23,360 --> 00:12:25,560
还直接帮客户把AI服务跑好

430
00:12:25,560 --> 00:12:26,540
按用量卖出去

431
00:12:26,540 --> 00:12:28,780
回本时间可以直接砍到两年

432
00:12:28,780 --> 00:12:30,300
这就像你有一台烤箱

433
00:12:30,300 --> 00:12:31,580
你可以把烤箱租给人家

434
00:12:31,580 --> 00:12:32,920
也可以自己烤面包来卖

435
00:12:32,920 --> 00:12:34,040
后者当然赚得多

436
00:12:34,040 --> 00:12:34,560
回得快

437
00:12:34,560 --> 00:12:35,140
多做一层

438
00:12:35,140 --> 00:12:36,160
快了一倍

439
00:12:36,160 --> 00:12:37,200
你发现了吗

440
00:12:37,200 --> 00:12:39,000
这其实就是那个倒三角

441
00:12:39,000 --> 00:12:41,600
开始松动的第一个小征兆价值

442
00:12:41,600 --> 00:12:43,920
真一点一点从纯硬体往上爬

443
00:12:43,920 --> 00:12:45,340
不过在往上爬之前

444
00:12:45,340 --> 00:12:46,660
我们得先破解三个

445
00:12:46,660 --> 00:12:48,880
关于这些工厂的流传最广的误会

446
00:12:48,880 --> 00:12:51,820
答案可能跟你在新闻上听到都不一样

447
00:12:51,820 --> 00:12:52,700
第一个误会

448
00:12:52,700 --> 00:12:54,480
很多人以为卡在晶片不够

449
00:12:54,480 --> 00:12:55,320
但Chase说

450
00:12:55,320 --> 00:12:57,140
晶片这一关四年前就过了

451
00:12:57,140 --> 00:12:59,800
现在真正缺的是一块已经通好电

452
00:12:59,800 --> 00:13:02,060
可以直接插晶片开机的建筑

453
00:13:02,060 --> 00:13:03,020
第二个误会

454
00:13:03,020 --> 00:13:04,260
是AI喝光了水

455
00:13:04,260 --> 00:13:05,180
他反驳说

456
00:13:05,180 --> 00:13:07,080
这种工厂灌一次冷却水之后

457
00:13:07,080 --> 00:13:08,100
一整年的用水量

458
00:13:08,100 --> 00:13:09,640
大概只等于一户普通人家

459
00:13:09,640 --> 00:13:11,800
第三个误会是旧晶片会变垃圾

460
00:13:11,800 --> 00:13:13,540
结果因为AI代理需求爆发

461
00:13:13,540 --> 00:13:14,900
三年前的旧晶片

462
00:13:14,900 --> 00:13:16,020
租金不跌返涨

463
00:13:16,020 --> 00:13:17,160
比刚上市还贵

464
00:13:17,160 --> 00:13:19,000
那真正的瓶颈是什么

465
00:13:19,000 --> 00:13:21,620
是电力还有钙电厂的焊工和水电工

466
00:13:21,620 --> 00:13:23,160
一格百万瓦的建设里

467
00:13:23,160 --> 00:13:24,500
光付给工人的工钱

468
00:13:24,500 --> 00:13:25,780
就要好几百万美元

469
00:13:25,780 --> 00:13:27,380
工人比晶片还难找

470
00:13:27,380 --> 00:13:28,660
而这一切疯狂的背后

471
00:13:28,660 --> 00:13:29,920
藏着一个经济学家

472
00:13:29,920 --> 00:13:32,180
听了会眼睛发亮的理由

473
00:13:32,180 --> 00:13:34,420
Chase用一个经济学框架解释了

474
00:13:34,420 --> 00:13:36,420
为什么全世界会集体封成这样

475
00:13:36,420 --> 00:13:38,040
一个国家的经济要成长

476
00:13:38,040 --> 00:13:39,360
靠的无非是三样

477
00:13:39,360 --> 00:13:40,300
更多的人力

478
00:13:40,300 --> 00:13:41,340
更多的资本

479
00:13:41,340 --> 00:13:42,240
更好的技术

480
00:13:42,240 --> 00:13:43,420
而过去几千年

481
00:13:43,420 --> 00:13:44,200
人力这一项

482
00:13:44,200 --> 00:13:45,920
想增加只有一条陆生小孩

483
00:13:45,920 --> 00:13:48,240
你得等他出生养大送去上学

484
00:13:48,240 --> 00:13:49,500
前后要二十年

485
00:13:49,500 --> 00:13:50,900
快不了他自己有三个小孩

486
00:13:50,900 --> 00:13:51,860
最懂这有多慢

487
00:13:51,860 --> 00:13:53,380
可是现在史上第一次

488
00:13:53,380 --> 00:13:55,080
你可以用下单买晶片

489
00:13:55,080 --> 00:13:56,340
盖资料中心的方式

490
00:13:56,340 --> 00:13:59,000
直接数位地制造出一批新的劳动力

491
00:13:59,000 --> 00:14:00,400
这批劳动力不用睡觉

492
00:14:00,400 --> 00:14:01,840
不用吃饭开机就能上工

493
00:14:01,840 --> 00:14:03,080
当一个人意识到

494
00:14:03,080 --> 00:14:04,920
钱可以直接换成劳动力

495
00:14:04,920 --> 00:14:06,720
换成整个国家的经济成长

496
00:14:06,720 --> 00:14:07,320
你就懂了

497
00:14:07,320 --> 00:14:08,280
为什么他们愿意

498
00:14:08,280 --> 00:14:10,540
把几兆美元眼睛都不眨的眨下去

499
00:14:10,540 --> 00:14:12,800
而Cruzor盖工厂的地点

500
00:14:12,800 --> 00:14:15,440
选择更是反直觉到有点好笑

501
00:14:15,440 --> 00:14:17,800
大家都跑去北维吉尼亚

502
00:14:17,800 --> 00:14:18,980
排队抢电的时候

503
00:14:18,980 --> 00:14:21,420
Cruzor反过来跑去人烟稀少的西德州

504
00:14:21,420 --> 00:14:21,720
为什么

505
00:14:21,720 --> 00:14:23,360
因为那里风大太阳大

506
00:14:23,360 --> 00:14:24,600
政府又补贴过度

507
00:14:24,600 --> 00:14:26,440
再生能源盖的太多电多

508
00:14:26,440 --> 00:14:28,540
到送不出去价格一度变成负的

509
00:14:28,540 --> 00:14:29,920
你没听错是负的

510
00:14:29,920 --> 00:14:31,220
发电人得倒贴钱

511
00:14:31,220 --> 00:14:32,560
求别人把电用掉

512
00:14:32,560 --> 00:14:34,500
这时候他们就登门说太好了

513
00:14:34,500 --> 00:14:36,340
我们正好有一个超级吃电的应用

514
00:14:36,340 --> 00:14:37,760
这一步棋很妙

515
00:14:37,760 --> 00:14:40,200
与其花大钱把电从远方搬过来

516
00:14:40,200 --> 00:14:41,580
不如把整座资料中心

517
00:14:41,580 --> 00:14:43,420
直接盖在电最便宜的地方

518
00:14:43,420 --> 00:14:44,480
把资料搬过去

519
00:14:44,480 --> 00:14:45,980
别人头痛的难题

520
00:14:45,980 --> 00:14:47,600
变成了他们的护城河

521
00:14:47,600 --> 00:14:49,620
看完了地面上这些钢筋水泥

522
00:14:49,620 --> 00:14:51,660
我们得再往上游走一步

523
00:14:51,660 --> 00:14:53,060
去看一个更根本的东西

524
00:14:53,060 --> 00:14:55,340
这些巨头买的其实根本不是晶片

525
00:14:55,340 --> 00:14:56,520
这门客

526
00:14:56,520 --> 00:14:58,940
第六堂回到母校演讲的是沙青卡提

527
00:14:58,940 --> 00:14:59,960
他的资历横跨

528
00:15:00,000 --> 00:15:02,240
整个运算堆叠在史丹佛教了

529
00:15:02,240 --> 00:15:04,100
15年书当过Intel的技术长

530
00:15:04,100 --> 00:15:05,840
最近离开加入OpenAI

531
00:15:05,840 --> 00:15:08,140
负责一件事把OpenAI需要的所有算力

532
00:15:08,140 --> 00:15:09,340
实际交付出来

533
00:15:09,340 --> 00:15:12,140
也就是那个超大计划Stargate的实际执行者

534
00:15:12,140 --> 00:15:15,440
主持人形容他是看过从电子一路到Agent

535
00:15:15,440 --> 00:15:16,740
整条供应链的人

536
00:15:16,740 --> 00:15:18,940
他丢出的第一句话就非常反直觉

537
00:15:18,940 --> 00:15:20,860
营收只是算力的落后指标

538
00:15:20,860 --> 00:15:23,140
这句话什么意思我们等一下会解释

539
00:15:23,140 --> 00:15:24,200
但在那之前

540
00:15:24,200 --> 00:15:27,200
他先纠正了一个大家对这门生意的根本误解

541
00:15:27,200 --> 00:15:29,200
当OpenAI说要采购算力

542
00:15:29,200 --> 00:15:30,640
他们买的根本不是晶片

543
00:15:30,640 --> 00:15:31,860
营莎琴说

544
00:15:31,860 --> 00:15:33,360
你买的不是一颗晶片

545
00:15:33,360 --> 00:15:34,520
是一整条供应链

546
00:15:34,520 --> 00:15:35,980
从最上游的一块地

547
00:15:35,980 --> 00:15:38,720
一座电厂到一整柜一整柜的晶片和记忆体

548
00:15:38,720 --> 00:15:41,220
再到把几万张晶片串起来的网路

549
00:15:41,220 --> 00:15:43,180
还有帮他们散热的冷却

550
00:15:43,180 --> 00:15:45,000
最后才吐得出Token这一整串

551
00:15:45,000 --> 00:15:46,280
缺任何一个环节

552
00:15:46,280 --> 00:15:47,740
整座工厂就开不了机

553
00:15:47,740 --> 00:15:50,100
这就像你想煮一顿饭光有食材不够

554
00:15:50,100 --> 00:15:52,180
你还要有厨房有瓦斯有水电

555
00:15:52,180 --> 00:15:53,340
任何一样没接好

556
00:15:53,340 --> 00:15:54,580
饭就是煮不出来

557
00:15:54,580 --> 00:15:56,940
而这些东西美国其实已经很久没有

558
00:15:56,940 --> 00:15:58,660
大规模在盖了变压器

559
00:15:58,660 --> 00:16:00,100
开关设备发电机

560
00:16:00,100 --> 00:16:02,280
一个一个轮流变成瓶颈

561
00:16:02,280 --> 00:16:02,940
所以他说

562
00:16:02,940 --> 00:16:05,660
真正困难的根本不是签下那张采购合约

563
00:16:05,660 --> 00:16:08,120
他说签约是最有趣的部分

564
00:16:08,120 --> 00:16:10,600
签完之后的一切才是真正困难的地方

565
00:16:10,600 --> 00:16:12,420
这句话任何装修过房子

566
00:16:12,420 --> 00:16:13,860
办过混理的人都秒懂

567
00:16:13,860 --> 00:16:15,020
签合约的那一刻

568
00:16:15,020 --> 00:16:16,700
大家握手拍照开香槟

569
00:16:16,700 --> 00:16:17,760
感觉大功告成

570
00:16:17,760 --> 00:16:18,960
可真正的苦工

571
00:16:18,960 --> 00:16:20,980
是后面那几百件会出错的小事

572
00:16:20,980 --> 00:16:23,020
放到AI工厂的规模

573
00:16:23,020 --> 00:16:24,940
这些小事是变压器要等一年

574
00:16:24,940 --> 00:16:25,820
是焊工不够

575
00:16:25,820 --> 00:16:27,060
是电网承受不住

576
00:16:27,060 --> 00:16:29,640
他要处理的是把几百亿美元的采购

577
00:16:29,640 --> 00:16:32,080
变成一栋真的能开机能稳定跑的工厂

578
00:16:32,080 --> 00:16:34,540
也正因为这条供应链这么难这么慢

579
00:16:34,540 --> 00:16:35,380
他才敢说

580
00:16:35,380 --> 00:16:37,620
营收只是算力的落后指标

581
00:16:37,620 --> 00:16:40,540
这句话其实藏着一个很大胆的预测

582
00:16:40,540 --> 00:16:42,860
他说对这些最前线的实验室来说

583
00:16:42,860 --> 00:16:43,700
你有多少算力

584
00:16:43,700 --> 00:16:44,660
程上用的多满

585
00:16:44,660 --> 00:16:46,420
基本上就决定了你能赚多少

586
00:16:46,420 --> 00:16:49,100
OpenAI过去三年算力每年涨三倍

587
00:16:49,100 --> 00:16:50,680
营收也刚好每年涨三倍

588
00:16:50,680 --> 00:16:52,920
两条线贴得死死的看不到镜头

589
00:16:52,920 --> 00:16:55,600
所以营收是跟在算力后面走的

590
00:16:55,600 --> 00:16:57,040
这就是落后指标的意思

591
00:16:57,040 --> 00:16:58,700
他带来一个很实用的看法

592
00:16:58,700 --> 00:17:00,620
当你看到OpenAI怕命公布

593
00:17:00,620 --> 00:17:01,840
未来要盖多少算力

594
00:17:01,840 --> 00:17:03,180
那张一路往上的图

595
00:17:03,180 --> 00:17:06,540
你可以直接把它当成一张营收预测图来读

596
00:17:06,540 --> 00:17:08,380
这也解释了前面Bread说的

597
00:17:08,380 --> 00:17:09,960
为什么明明还在烧钱

598
00:17:09,960 --> 00:17:11,960
以前却敢一直往最底层砸

599
00:17:11,960 --> 00:17:14,580
因为底层的算力就是未来营收本身

600
00:17:14,580 --> 00:17:16,580
而Agent的出现还悄悄改变了

601
00:17:16,580 --> 00:17:18,680
这座工厂内不长什么样子

602
00:17:18,680 --> 00:17:20,280
这里先解释Agent这个词

603
00:17:20,280 --> 00:17:23,320
Agent就是能自己动手连续做很多步的AI

604
00:17:23,320 --> 00:17:24,420
不只是回答你

605
00:17:24,420 --> 00:17:25,620
而是替你把事情做完

606
00:17:25,620 --> 00:17:27,040
Sachin说这个转变

607
00:17:27,040 --> 00:17:29,200
把运算的样子整个改写了

608
00:17:29,200 --> 00:17:30,460
第一种是纯聊天

609
00:17:30,460 --> 00:17:31,580
你问一句他答一句

610
00:17:31,580 --> 00:17:32,860
运算上就是单

611
00:17:32,860 --> 00:17:34,080
一个节点很单纯

612
00:17:34,080 --> 00:17:35,600
第二种是会推理的AI

613
00:17:35,600 --> 00:17:37,020
他会在心里想很多步

614
00:17:37,020 --> 00:17:39,020
才给你答案变成好几个节点

615
00:17:39,020 --> 00:17:41,080
第三种也就是Agent是一整张图

616
00:17:41,080 --> 00:17:42,800
他会推理去查资料

617
00:17:42,800 --> 00:17:44,700
打开一台虚拟机器跑测试

618
00:17:44,700 --> 00:17:46,400
再回来继续想一步接一步

619
00:17:46,400 --> 00:17:47,620
这种复杂的工作

620
00:17:47,620 --> 00:17:49,940
光靠GPU在经济上撑不起来

621
00:17:49,940 --> 00:17:51,480
所以要混用各种晶片

622
00:17:51,480 --> 00:17:54,180
连本来被看衰的CPU都因此复活了

623
00:17:54,180 --> 00:17:55,720
而这张越来越复杂的图

624
00:17:55,720 --> 00:17:57,280
也带来一个大家没料到的

625
00:17:57,280 --> 00:17:58,120
看不见的风险

626
00:17:58,120 --> 00:18:00,260
这个风险藏在电网里

627
00:18:00,260 --> 00:18:01,680
当一座资料中心里

628
00:18:01,680 --> 00:18:02,960
呈千上万张晶片

629
00:18:02,960 --> 00:18:04,580
同时开始一个训练任务

630
00:18:04,580 --> 00:18:06,740
又同时停下来整栋楼的功耗

631
00:18:06,740 --> 00:18:08,520
会在一瞬间同上同下

632
00:18:08,520 --> 00:18:09,560
摆动的幅度

633
00:18:09,560 --> 00:18:11,180
可能高达好几百个百万瓦

634
00:18:11,180 --> 00:18:12,540
这就像一整座城市的人

635
00:18:12,540 --> 00:18:13,580
约好在同一秒

636
00:18:13,580 --> 00:18:16,220
一起打开又一起关掉所有电器

637
00:18:16,220 --> 00:18:17,680
问题是全世界的电网

638
00:18:17,680 --> 00:18:20,280
从来没有为这种瞬间的巨大摆动设计过

639
00:18:20,280 --> 00:18:22,720
严重的话足以让一整周的电跳掉

640
00:18:22,720 --> 00:18:24,820
这是一个大多数人完全没想到的

641
00:18:24,820 --> 00:18:26,300
AI扩张的物理极限

642
00:18:26,300 --> 00:18:28,080
而Satting最有画面感

643
00:18:28,080 --> 00:18:29,680
是他对未来的一个愿景

644
00:18:29,680 --> 00:18:31,460
一个把人和AI的关系

645
00:18:31,460 --> 00:18:32,880
整个颠倒过来的世界

646
00:18:32,880 --> 00:18:34,760
这句话乍听有点怪

647
00:18:34,760 --> 00:18:36,160
人怎么会想当瓶颈

648
00:18:36,160 --> 00:18:37,140
他的意思是这样

649
00:18:37,140 --> 00:18:38,840
现在你交一个任务给AI

650
00:18:38,840 --> 00:18:40,660
他跑个几分钟甚至几小时

651
00:18:40,660 --> 00:18:43,000
这中间你早就分心去做别的事了

652
00:18:43,000 --> 00:18:44,540
等他回来问你问题

653
00:18:44,540 --> 00:18:47,880
你还得花力气把当初的来龙去脉重新想一遍

654
00:18:47,880 --> 00:18:48,980
这很没效率

655
00:18:48,980 --> 00:18:50,180
他想要的是反过来

656
00:18:50,180 --> 00:18:51,780
AI快到不断追着你

657
00:18:51,780 --> 00:18:53,200
催着你给下一步指令

658
00:18:53,200 --> 00:18:56,320
让你整个人保持在那种很专注很顺的心流状态里

659
00:18:56,320 --> 00:18:58,580
到那个时候慢的拖后腿的会是人类

660
00:18:58,580 --> 00:18:59,540
而不是AI

661
00:18:59,540 --> 00:19:01,180
这是一个很美的愿景

662
00:19:01,180 --> 00:19:02,560
可是回到现实

663
00:19:02,560 --> 00:19:04,700
一个尴尬的问题浮现了

664
00:19:04,700 --> 00:19:05,760
这些算力都盖好了

665
00:19:05,760 --> 00:19:07,820
真正掏钱的企业用起来了吗

666
00:19:07,820 --> 00:19:09,740
答案泼了所有人一盆冷水

667
00:19:09,740 --> 00:19:11,340
这门课第五堂

668
00:19:11,340 --> 00:19:12,180
换一个视角

669
00:19:12,180 --> 00:19:14,840
从盖工厂的人换到看企业怎么用AI的人

670
00:19:14,840 --> 00:19:16,380
讲者是Aleth Gautze

671
00:19:16,380 --> 00:19:17,480
Deathbricks的执行长

672
00:19:17,480 --> 00:19:19,140
带着公司走了15年

673
00:19:19,140 --> 00:19:20,900
手上有2万多家企业客户

674
00:19:20,900 --> 00:19:21,960
这个数字很关键

675
00:19:21,960 --> 00:19:22,960
因为它意味着

676
00:19:22,960 --> 00:19:25,600
全世界企业导入AI的真实状况

677
00:19:25,600 --> 00:19:26,860
他看得比谁都清楚

678
00:19:26,860 --> 00:19:28,180
他一开口就说了一句

679
00:19:28,180 --> 00:19:29,620
让很多人意外的话

680
00:19:29,620 --> 00:19:31,380
我们早就有强人工智慧了

681
00:19:31,380 --> 00:19:33,760
他已经比你日常打交道的很多人都聪明

682
00:19:33,760 --> 00:19:36,060
他甚至当场做了个举手实验

683
00:19:36,060 --> 00:19:38,400
证明学生自己都自相矛盾

684
00:19:38,400 --> 00:19:41,340
但如果AI真的这么聪明一个尖锐的问题就来了

685
00:19:41,340 --> 00:19:44,740
那为什么企业花大钱导入却几乎全军覆没

686
00:19:44,740 --> 00:19:47,460
阿里引用一份MIT的报告

687
00:19:47,460 --> 00:19:48,880
数字冷得让人清醒

688
00:19:48,880 --> 00:19:50,880
高达9成5的企业AI试点

689
00:19:50,880 --> 00:19:51,700
最后是失败的

690
00:19:51,700 --> 00:19:53,500
没能真正上线变成生产力

691
00:19:53,500 --> 00:19:54,600
注意他特别强调

692
00:19:54,600 --> 00:19:55,960
这不是因为模型太笨

693
00:19:55,960 --> 00:19:57,900
前面说了模型早就够聪明了

694
00:19:57,900 --> 00:19:58,640
真正的原因

695
00:19:58,640 --> 00:19:59,920
常在一个大家都

696
00:20:00,000 --> 00:20:00,760
忽略的地方

697
00:20:01,020 --> 00:20:03,580
他说每一家公司里都有一个做了几十年

698
00:20:03,840 --> 00:20:05,380
什么都知道的老员工

699
00:20:05,640 --> 00:20:06,920
你有问题去问他就对了

700
00:20:07,160 --> 00:20:10,240
可是他脑子里那套只有这家公司才懂得规矩

701
00:20:10,500 --> 00:20:13,320
那些从来没写下来的经验AI完全不知道

702
00:20:13,560 --> 00:20:15,880
这些藏在人脑里没进到模型里的东西

703
00:20:16,120 --> 00:20:17,660
有个名字叫机构知识

704
00:20:17,920 --> 00:20:21,500
少了他再聪明的AI一进到你公司内部就变得手足无措

705
00:20:21,760 --> 00:20:23,560
所以他下了一个很重的结论

706
00:20:24,320 --> 00:20:26,620
他说这不是AI的问题是人的问题

707
00:20:26,880 --> 00:20:28,420
这句话值得停来想一下

708
00:20:28,420 --> 00:20:30,980
我们总习惯把失败怪到技术同样说

709
00:20:31,240 --> 00:20:33,020
AI还不够好还不够聪明

710
00:20:33,280 --> 00:20:35,340
可是AI说不对模型早就够好了

711
00:20:35,580 --> 00:20:36,360
卡住的是我们自己

712
00:20:36,620 --> 00:20:38,920
是我们没有把脑子里的东西交给他

713
00:20:39,180 --> 00:20:40,700
是我们的流程还停在旧时代

714
00:20:40,960 --> 00:20:43,260
他说想在这波AI里真正做出影响力

715
00:20:43,520 --> 00:20:45,320
别去追怎么让模型更聪明

716
00:20:45,580 --> 00:20:47,880
去解决一件更土但更值钱的事

717
00:20:48,140 --> 00:20:50,440
怎么把一家公司机构知识灌进AI里

718
00:20:50,700 --> 00:20:52,480
为了说明这件事有多难卡在哪

719
00:20:53,000 --> 00:20:56,320
他讲了一个他自己公司的故事是全场最精彩的一段

720
00:20:57,100 --> 00:20:57,860
你可以想想

721
00:20:57,860 --> 00:20:59,900
你自己的公司是不是也有这么一个人

722
00:21:00,160 --> 00:21:01,700
可能是做了20年的老会计

723
00:21:01,960 --> 00:21:03,500
可能是那个唯一搞得懂

724
00:21:03,740 --> 00:21:04,780
救系统的工程师

725
00:21:05,020 --> 00:21:05,540
遇到怪问题

726
00:21:05,800 --> 00:21:07,340
大家第一句都是去问他

727
00:21:07,580 --> 00:21:09,120
这个人脑子里装着这家公司

728
00:21:09,380 --> 00:21:11,680
所有没写下来的规矩和美角

729
00:21:12,460 --> 00:21:14,500
他要是哪天请长假整个团队就卡住了

730
00:21:15,020 --> 00:21:17,060
AI说这就是企业AI真正的难关

731
00:21:17,580 --> 00:21:19,360
你要做的不是把AI变得更聪明

732
00:21:19,620 --> 00:21:22,180
而是想办法把这个老员工脑子里那套东西

733
00:21:22,440 --> 00:21:23,720
一点一点搬进硅金片里

734
00:21:23,980 --> 00:21:25,000
让探机的经验

735
00:21:25,260 --> 00:21:26,540
跟硅机的智慧对话

736
00:21:26,540 --> 00:21:28,080
这件事听起来简单

737
00:21:28,340 --> 00:21:29,360
做起来却难如登天

738
00:21:29,620 --> 00:21:31,660
难道让一个看似简单的软体任务

739
00:21:31,920 --> 00:21:32,680
卡了整整9个月

740
00:21:33,460 --> 00:21:34,220
阿里的公司

741
00:21:34,480 --> 00:21:36,020
要做一种叫连接器的软体

742
00:21:36,260 --> 00:21:37,300
把不同系统接起来

743
00:21:37,540 --> 00:21:38,820
本来一条要做9个月

744
00:21:39,080 --> 00:21:41,380
他自己用AI两天就写出一个玩具版

745
00:21:41,640 --> 00:21:42,660
回头质问团队

746
00:21:42,920 --> 00:21:43,700
为什么要9个月

747
00:21:43,940 --> 00:21:45,740
团队研究之后回复AI确实有用

748
00:21:46,000 --> 00:21:47,780
但顶多把9个月说到7个半月

749
00:21:48,040 --> 00:21:50,100
因为真正的瓶颈根本不在写程式

750
00:21:50,340 --> 00:21:53,160
而在产品经理要花一整季访谈写80页需求书

751
00:21:53,160 --> 00:21:56,740
在测试环境很难架在一条线只有一个人扛

752
00:21:57,000 --> 00:21:58,020
那个人请假就全停

753
00:21:58,280 --> 00:22:01,100
后来一位工程师干脆把整套流程重写

754
00:22:01,360 --> 00:22:02,380
需求书一周写完

755
00:22:02,640 --> 00:22:03,920
反正软体便宜错了再改

756
00:22:04,160 --> 00:22:04,940
测试外包出去

757
00:22:05,200 --> 00:22:06,980
平行座7个人一起扛7条

758
00:22:07,240 --> 00:22:08,520
结果一季出了7条

759
00:22:08,780 --> 00:22:09,540
他的结论很直白

760
00:22:09,800 --> 00:22:11,340
换再强的模型都救不了你

761
00:22:11,600 --> 00:22:13,640
这是人类的流程要重新接线

762
00:22:13,900 --> 00:22:15,440
而历史上这种重新接线

763
00:22:15,680 --> 00:22:16,200
慢得惊人

764
00:22:16,960 --> 00:22:17,220
阿里

765
00:22:17,480 --> 00:22:18,240
搬出一段历史

766
00:22:18,500 --> 00:22:20,300
电力早在1880年就发明了

767
00:22:20,560 --> 00:22:22,600
可是他反映在工厂的生产力数字上

768
00:22:22,600 --> 00:22:25,680
整整等了40年到1920年才出现

769
00:22:25,920 --> 00:22:26,700
为什么这么慢

770
00:22:26,960 --> 00:22:27,980
因为工厂一开始

771
00:22:28,240 --> 00:22:30,800
只是把蒸汽机换成一台大电动马达机器

772
00:22:31,040 --> 00:22:31,560
摆放的位置

773
00:22:31,820 --> 00:22:32,580
完全没变

774
00:22:32,840 --> 00:22:34,380
一直到有人重新设计整间工厂

775
00:22:34,640 --> 00:22:35,140
把机器摊平

776
00:22:35,400 --> 00:22:37,440
搬出城市电力的威力才真正跑出来

777
00:22:37,700 --> 00:22:38,220
阿里说

778
00:22:38,480 --> 00:22:41,800
AI现在就卡在换了引擎却还没改装厂房的阶段

779
00:22:42,060 --> 00:22:43,080
同样的剧本云端也演过

780
00:22:43,340 --> 00:22:45,380
2004年AWS刚起步时

781
00:22:45,640 --> 00:22:46,160
所有人都在赌

782
00:22:46,400 --> 00:22:47,680
电脑会不会盖到破产

783
00:22:47,940 --> 00:22:51,020
结果花了大约8年那个三角形才慢慢翻证

784
00:22:51,020 --> 00:22:54,600
有位诺贝尔奖得主的名言最能形容这种尴尬

785
00:22:55,380 --> 00:22:56,400
诺贝尔奖得主solo

786
00:22:56,660 --> 00:22:57,680
称说电脑到处都是

787
00:22:57,940 --> 00:22:59,720
唯独在生产力统计里看不见

788
00:22:59,980 --> 00:23:01,780
这句话放到今天的AI一样

789
00:23:02,020 --> 00:23:02,280
准

790
00:23:02,540 --> 00:23:05,860
而AI给焦虑的年轻人还讲了一个很扎心的亲身故事

791
00:23:06,120 --> 00:23:06,900
他读博士的时候

792
00:23:07,140 --> 00:23:08,940
全网入学界最聪明的一群人

793
00:23:09,200 --> 00:23:11,240
都在压住一个叫Modcast的技术难题

794
00:23:11,500 --> 00:23:13,040
他还为此创了一家公司

795
00:23:13,300 --> 00:23:14,820
结果呢因为光纤铺太多

796
00:23:15,080 --> 00:23:15,860
平宽价格暴跌

797
00:23:16,100 --> 00:23:18,660
这个问题直接凭空蒸发了他的公司白做工

798
00:23:18,660 --> 00:23:20,960
当年没人想到真正的大机会

799
00:23:21,220 --> 00:23:21,980
是叫计程车

800
00:23:22,240 --> 00:23:23,020
是网路卖书

801
00:23:23,260 --> 00:23:24,540
是出租家里的空房间

802
00:23:24,800 --> 00:23:26,860
他说今天所有人都全压NVindian

803
00:23:27,100 --> 00:23:28,140
全压那几家实验室

804
00:23:28,380 --> 00:23:30,440
很可能又是一次集体的隧道视野

805
00:23:30,700 --> 00:23:31,980
你现在追的最热门的东西

806
00:23:32,220 --> 00:23:33,760
八成就是下一个Multcast

807
00:23:34,020 --> 00:23:34,540
这句话

808
00:23:34,780 --> 00:23:36,840
也把我们带到整支影片最关键的问题

809
00:23:37,100 --> 00:23:39,400
那个倒三角到底会不会翻证

810
00:23:39,900 --> 00:23:41,960
这本课第七堂来回答那个关键问题

811
00:23:42,220 --> 00:23:43,240
讲者是Yash Patel

812
00:23:43,500 --> 00:23:44,260
经历很戏剧化

813
00:23:44,520 --> 00:23:47,340
他大一暑假就直接写一封冷邮件给Sam Oltman

814
00:23:47,340 --> 00:23:49,640
要到一张小支票做自己的专案

815
00:23:49,900 --> 00:23:53,740
后来进了OpenAI做出一个能上网能写程式的Agent这条线

816
00:23:54,000 --> 00:23:55,020
后来变成了Codex

817
00:23:55,280 --> 00:23:56,820
大约一年前他离开OpenAI

818
00:23:57,060 --> 00:23:59,120
创了一家叫Applied Compute的公司

819
00:23:59,380 --> 00:24:00,140
专门做一件事

820
00:24:00,400 --> 00:24:01,680
帮企业把通用的大模型

821
00:24:01,940 --> 00:24:03,460
特化成自己的专属模型

822
00:24:03,720 --> 00:24:07,060
他的核心洞察刚好回答了Alien那个机构知识的难题

823
00:24:07,560 --> 00:24:10,380
也给了倒三角会不会翻证一个很漂亮的答案

824
00:24:10,640 --> 00:24:12,180
这个答案跟盖房子有关

825
00:24:12,940 --> 00:24:13,460
Yash說

826
00:24:13,700 --> 00:24:14,980
通用的大模型决定你的地板

827
00:24:15,240 --> 00:24:16,520
但你的天花板得自己盖

828
00:24:16,520 --> 00:24:17,280
什么意思

829
00:24:17,540 --> 00:24:20,360
那些最强的通用模型就像一个空降的天才

830
00:24:21,120 --> 00:24:21,900
新人智商报表

831
00:24:22,160 --> 00:24:23,680
可是完全不懂你公司的事

832
00:24:23,940 --> 00:24:24,460
谁请他来

833
00:24:24,720 --> 00:24:25,480
效果都差不多

834
00:24:25,740 --> 00:24:26,500
这就是你的地板

835
00:24:26,760 --> 00:24:28,800
真正拉开差距的是拿这个模型

836
00:24:29,060 --> 00:24:29,320
未经理

837
00:24:29,840 --> 00:24:33,160
自家的专有资料用你自己对好坏的标准反复去模

838
00:24:33,420 --> 00:24:35,200
这个模的步骤有个名字叫后训练

839
00:24:35,720 --> 00:24:37,260
他用一句话总结

840
00:24:37,520 --> 00:24:39,040
通用模型定地板要定天花板

841
00:24:39,300 --> 00:24:40,320
你得打造自己的特化系统

842
00:24:40,580 --> 00:24:41,100
你发现了吗

843
00:24:41,600 --> 00:24:43,660
这正好接上了那个倒三角的翻证

844
00:24:43,660 --> 00:24:47,760
因为最上层的应用终于开始长出别人的拿不走的护城盒

845
00:24:48,260 --> 00:24:51,080
而更让人意外的是盖这个天花板花的力气

846
00:24:51,340 --> 00:24:52,100
其实少得惊人

847
00:24:52,880 --> 00:24:54,660
这是一个很反直觉的数字

848
00:24:54,920 --> 00:24:57,220
前面说的后训练也就是把一个通用模型

849
00:24:57,480 --> 00:24:59,540
磨成你专属模型的那道工序

850
00:24:59,540 --> 00:25:00,040
GWT

851
00:25:00,000 --> 00:25:04,040
那算力可能只占前面那个吃变整个网络的大训练的5%

852
00:25:04,040 --> 00:25:05,940
5%听起来像个零头

853
00:25:05,940 --> 00:25:06,640
对吧

854
00:25:06,640 --> 00:25:08,760
可就是这5%的利器决定了

855
00:25:08,760 --> 00:25:10,560
你这家公司到底是赢还是输

856
00:25:10,560 --> 00:25:13,360
这就像盖房子主结构花了9成5的钱

857
00:25:13,360 --> 00:25:15,560
可是真正让这间房子值钱

858
00:25:15,560 --> 00:25:16,980
让他跟隔壁不一样

859
00:25:16,980 --> 00:25:19,500
这是最后那5%的装潢和设计

860
00:25:19,500 --> 00:25:20,120
耶鸭史说

861
00:25:20,120 --> 00:25:21,060
这也是为什么

862
00:25:21,060 --> 00:25:22,640
他看好特化这一层

863
00:25:22,640 --> 00:25:25,820
因为他用最小的成本卡住了最关键的差异化

864
00:25:25,820 --> 00:25:27,680
而要理解为什么是现在

865
00:25:27,680 --> 00:25:28,940
我们得快速看一遍

866
00:25:28,940 --> 00:25:31,420
AI这十几年是怎么一步步走过来的

867
00:25:31,420 --> 00:25:34,260
AI走到今天大概转了四次大弯

868
00:25:34,260 --> 00:25:37,740
第一步是2017年一个叫Transformer的架构出现

869
00:25:37,740 --> 00:25:39,800
让机器第一次真的读懂了语言

870
00:25:39,800 --> 00:25:42,560
第二步是接下来几年的预训练时代

871
00:25:42,560 --> 00:25:43,460
做法很暴力

872
00:25:43,460 --> 00:25:45,680
就是让模型把整个网络读过一遍

873
00:25:45,680 --> 00:25:47,360
第三步是2024年

874
00:25:47,360 --> 00:25:48,800
模型学会了在回答前

875
00:25:48,800 --> 00:25:50,200
现在心里多想几步

876
00:25:50,200 --> 00:25:51,600
想久一点答的就更好

877
00:25:51,600 --> 00:25:53,800
第四步也就是现在重点变成

878
00:25:53,800 --> 00:25:55,480
只要一件事有标准答案

879
00:25:55,480 --> 00:25:56,380
能验证对错

880
00:25:56,380 --> 00:25:58,460
就让模型对着他反复苦练

881
00:25:58,460 --> 00:25:59,700
这第四步特别重要

882
00:25:59,700 --> 00:26:02,100
因为他需要一个能客观判对错的讯号

883
00:26:02,100 --> 00:26:03,580
而世界上刚好有一种东西

884
00:26:03,580 --> 00:26:04,640
天生就能编译

885
00:26:04,640 --> 00:26:05,660
能跑测试

886
00:26:05,660 --> 00:26:07,140
能明确告诉你对还是错

887
00:26:07,140 --> 00:26:08,220
那就是程式嘛

888
00:26:08,220 --> 00:26:10,440
这也解释了为什么各家实验室

889
00:26:10,440 --> 00:26:12,540
都不约而同先攻写程式

890
00:26:12,540 --> 00:26:13,620
而YAS手上

891
00:26:13,620 --> 00:26:16,240
有一个把这套用在企业的绝佳案例

892
00:26:16,240 --> 00:26:18,740
这个案例来自外送平台Dodash

893
00:26:18,740 --> 00:26:21,500
他们每年要让超过10万家新商家上线

894
00:26:21,500 --> 00:26:22,520
其中一件苦差是

895
00:26:22,520 --> 00:26:25,080
是把商家上传了杂乱的菜单照片

896
00:26:25,080 --> 00:26:27,560
变成整齐符合规范的线上店面

897
00:26:27,560 --> 00:26:28,560
哪些是加料

898
00:26:28,560 --> 00:26:29,360
哪些能搭配

899
00:26:29,360 --> 00:26:30,060
规则很细

900
00:26:30,060 --> 00:26:30,580
这件事

901
00:26:30,580 --> 00:26:32,740
你用通用模型怎么调指令都做不好

902
00:26:32,740 --> 00:26:34,260
最后的解法很巧妙

903
00:26:34,260 --> 00:26:36,360
让真人去修正模型的输出

904
00:26:36,360 --> 00:26:37,680
然后把修正的量

905
00:26:37,680 --> 00:26:39,640
直接变成给模型的奖励

906
00:26:39,640 --> 00:26:40,880
对着错误率去优化

907
00:26:40,880 --> 00:26:42,300
YASH的结论很有利

908
00:26:42,300 --> 00:26:44,380
企业其实不需要一直去调那些指令

909
00:26:44,380 --> 00:26:45,680
你只要能定义清楚

910
00:26:45,680 --> 00:26:46,420
什么是好

911
00:26:46,420 --> 00:26:46,940
什么是坏

912
00:26:46,940 --> 00:26:48,780
就可以直接对着结果去优化

913
00:26:48,780 --> 00:26:51,160
这就是天花板被盖起来的方式

914
00:26:51,160 --> 00:26:51,720
价值症

915
00:26:51,720 --> 00:26:53,680
一层一层往应用端流回去

916
00:26:53,680 --> 00:26:56,220
而一位手握2万客户的执行长

917
00:26:56,220 --> 00:26:58,260
把这个趋势讲得更绝

918
00:26:58,260 --> 00:26:59,980
回到第五堂的阿里戈西

919
00:26:59,980 --> 00:27:01,740
他被问到一道经典的配置题

920
00:27:01,740 --> 00:27:02,780
如果给你100块

921
00:27:02,780 --> 00:27:04,020
你要压在能源

922
00:27:04,020 --> 00:27:04,480
晶片

923
00:27:04,480 --> 00:27:05,420
基建模型

924
00:27:05,420 --> 00:27:07,180
还是应用这五层里的哪一层

925
00:27:07,180 --> 00:27:09,280
他毫不犹豫压最上面的应用层

926
00:27:09,280 --> 00:27:11,340
他的理由是科技的历史上

927
00:27:11,340 --> 00:27:12,960
价值永远往上层移动

928
00:27:12,960 --> 00:27:15,020
硬体被作业系统踩在脚下

929
00:27:15,020 --> 00:27:17,280
作业系统又被上面的软体踩在脚下

930
00:27:17,280 --> 00:27:18,540
一层一层被商品化

931
00:27:18,540 --> 00:27:19,440
他甚至断言

932
00:27:19,440 --> 00:27:21,260
今天最风光的前沿模型

933
00:27:21,260 --> 00:27:23,120
最后会变成博利的token工厂

934
00:27:23,120 --> 00:27:25,060
毛利博得像亚马逊在卖书

935
00:27:25,060 --> 00:27:27,260
最后只剩少数几家做了下去

936
00:27:27,260 --> 00:27:28,740
如果他跟Yash都说对了

937
00:27:28,740 --> 00:27:30,440
那真正的好戏在最上面

938
00:27:30,440 --> 00:27:32,220
所以接下来我们就一头栽进

939
00:27:32,220 --> 00:27:34,180
三个正在翻转的应用战场

940
00:27:34,180 --> 00:27:35,680
第一个是写程式

941
00:27:35,680 --> 00:27:36,780
这门课

942
00:27:36,780 --> 00:27:38,400
第八堂讲者是Gilham Rauch

943
00:27:38,400 --> 00:27:40,260
一家叫Versal的公司的执行长

944
00:27:40,260 --> 00:27:42,540
同时是全世界最红的网页框架

945
00:27:42,540 --> 00:27:44,020
Next JSS的作者

946
00:27:44,020 --> 00:27:45,020
他的故事很励志

947
00:27:45,020 --> 00:27:46,360
在阿根廷郊区长大

948
00:27:46,360 --> 00:27:48,100
靠读软体手册自学英文

949
00:27:48,100 --> 00:27:50,200
11岁就开始接远端的城市外包

950
00:27:50,200 --> 00:27:52,240
高中辍学搬到旧金山

951
00:27:52,240 --> 00:27:53,140
为了拿签证

952
00:27:53,140 --> 00:27:54,380
甚至去写了一本书

953
00:27:54,380 --> 00:27:55,700
他要讲的核心一句话

954
00:27:55,700 --> 00:27:56,980
这波AI带来的是

955
00:27:56,980 --> 00:27:59,520
软体史上最大的一次市场扩张

956
00:27:59,520 --> 00:28:00,480
这句话怎么理解

957
00:28:00,480 --> 00:28:01,620
他先给了一个数字

958
00:28:01,620 --> 00:28:02,560
过去他估算

959
00:28:02,560 --> 00:28:04,140
全世界会写城市的人

960
00:28:04,140 --> 00:28:05,140
大概2000万

961
00:28:05,140 --> 00:28:06,700
而接下来会发生的事

962
00:28:06,700 --> 00:28:08,740
会让这个数字变得像个笑话

963
00:28:08,740 --> 00:28:10,520
这里先解释一个词

964
00:28:10,520 --> 00:28:11,980
市场规模白话说

965
00:28:11,980 --> 00:28:14,220
就是这门生意最多能服务多少人

966
00:28:14,220 --> 00:28:15,500
过去能做软体的人

967
00:28:15,500 --> 00:28:18,320
就是2000万个会写城市的工程师

968
00:28:18,320 --> 00:28:20,220
市场的天花板卡在这里

969
00:28:20,220 --> 00:28:22,720
可是现在会写城市的AI代理出现了

970
00:28:22,720 --> 00:28:24,680
他能自己动手把软体做出来

971
00:28:24,680 --> 00:28:26,260
这一下能做出软体的人

972
00:28:26,260 --> 00:28:29,100
一口气放大了10倍20倍甚至100倍

973
00:28:29,100 --> 00:28:31,060
因为你不再需要会写城市

974
00:28:31,060 --> 00:28:33,600
你只要能把你想要什么说清楚就行

975
00:28:33,600 --> 00:28:34,940
市场从2000万人

976
00:28:34,940 --> 00:28:36,680
一下子变成几乎所有人

977
00:28:36,680 --> 00:28:39,620
Gilmo说自从某一代特别强的模型出现后

978
00:28:39,620 --> 00:28:42,860
他们平台上的部署量就开始爆发式成长

979
00:28:42,860 --> 00:28:45,680
市场一倍撑开真正的问题就变成这么多软体

980
00:28:45,680 --> 00:28:47,680
被伸出来最赚钱的会是谁

981
00:28:47,680 --> 00:28:50,080
他的答案藏在一个三明治里

982
00:28:50,080 --> 00:28:52,260
Gilmo给了一个很好记的比喻

983
00:28:52,260 --> 00:28:53,860
他说会写城市的AI代理

984
00:28:53,860 --> 00:28:56,520
就像花生酱正在被抹遍全世界

985
00:28:56,520 --> 00:28:58,220
到处都有人用它伸软体

986
00:28:58,220 --> 00:28:59,240
可是一个花生酱

987
00:28:59,240 --> 00:29:01,640
三明治光有花生酱不够还要果酱

988
00:29:01,640 --> 00:29:03,860
这个果酱就是把写好的软体

989
00:29:03,860 --> 00:29:05,040
你真正部署出去

990
00:29:05,040 --> 00:29:06,920
放到客人面前用的那一层

991
00:29:06,920 --> 00:29:08,460
他有一句很关键的判断

992
00:29:08,460 --> 00:29:11,020
写城市这件事本身不会让你变得特别

993
00:29:11,020 --> 00:29:12,940
因为AI已经帮大家做到了

994
00:29:12,940 --> 00:29:15,480
把城市真正端到客人面前才会

995
00:29:15,480 --> 00:29:18,100
他说世界上堆满了跑不起来的城市码

996
00:29:18,100 --> 00:29:20,880
而AI代理天生就爱把东西部署出去

997
00:29:20,880 --> 00:29:22,540
所以在这个战场最赚钱的

998
00:29:22,540 --> 00:29:24,280
不见得是写城市的那一层

999
00:29:24,280 --> 00:29:26,920
而是帮AI把作业顺利交出去的那一层

1000
00:29:26,920 --> 00:29:29,820
而AI代理还悄悄改变了整朵云的节奏

1001
00:29:29,820 --> 00:29:31,020
Gilmo说

1002
00:29:31,020 --> 00:29:32,660
旧的网路讲究的是快

1003
00:29:32,660 --> 00:29:34,200
亚马逊亮过网页

1004
00:29:34,200 --> 00:29:36,620
每慢0.1秒订单就掉一个百分点

1005
00:29:36,620 --> 00:29:38,640
所以一切都在追求急问急答

1006
00:29:38,640 --> 00:29:39,440
越快越好

1007
00:29:39,440 --> 00:29:41,520
但AI代理的世界是反过来的

1008
00:29:41,520 --> 00:29:42,680
你丢一个任务给他

1009
00:29:42,680 --> 00:29:45,240
他可能出去工作几秒几分钟几小时

1010
00:29:45,240 --> 00:29:47,280
现在甚至可以让他慢慢煮一整天

1011
00:29:47,280 --> 00:29:49,360
最后交给你一份完整的报告

1012
00:29:49,360 --> 00:29:51,000
或一整套软体云

1013
00:29:51,000 --> 00:29:52,480
从那个讲求快的快餐店

1014
00:29:52,480 --> 00:29:54,640
变成了愿意等他慢火炖的厨房

1015
00:29:54,640 --> 00:29:55,840
这个转变很深

1016
00:29:55,840 --> 00:29:57,840
因为过去云端运算的需求

1017
00:29:57,840 --> 00:29:59,920
天花板是世界上有几个工程师

1018
00:30:00,000 --> 00:30:01,440
而现在每个AI代理都能

1019
00:30:01,440 --> 00:30:03,160
没日没夜地写改修

1020
00:30:03,160 --> 00:30:05,160
这个天花板等于被整个掀开了

1021
00:30:05,160 --> 00:30:05,960
节奏变了

1022
00:30:05,960 --> 00:30:08,540
连收钱的方式也跟着换了一套地基

1023
00:30:08,540 --> 00:30:10,840
过去的软体生意卖的是座位

1024
00:30:10,840 --> 00:30:13,560
一家公司买10个账号就付10份月费

1025
00:30:13,560 --> 00:30:15,000
人越多付越多

1026
00:30:15,000 --> 00:30:16,860
跟你实际用的多不多没什么关系

1027
00:30:16,860 --> 00:30:18,840
但当软体的背后是一个一个

1028
00:30:18,840 --> 00:30:20,360
真的在烧店的token

1029
00:30:20,360 --> 00:30:22,600
这种按人头的算法就撑不住了

1030
00:30:22,600 --> 00:30:24,620
新的模式是按token计价

1031
00:30:24,620 --> 00:30:26,560
白话说就是你用掉多少智慧

1032
00:30:26,560 --> 00:30:27,380
就付多少钱

1033
00:30:27,380 --> 00:30:28,580
一分不多一分不少

1034
00:30:28,580 --> 00:30:29,820
这其实很合理

1035
00:30:29,820 --> 00:30:32,320
因为卖家自己的成本本来就是一个token

1036
00:30:32,320 --> 00:30:33,920
一个token烧出来的

1037
00:30:33,920 --> 00:30:35,320
他当然想照用量收

1038
00:30:35,320 --> 00:30:36,700
从卖座位到卖用量

1039
00:30:36,700 --> 00:30:38,580
这看起来只是收费方式的小改

1040
00:30:38,580 --> 00:30:41,200
背后却是整个软体商业模式的地基

1041
00:30:41,200 --> 00:30:42,200
在悄悄换掉

1042
00:30:42,200 --> 00:30:43,980
而Guillermo认为这一切

1043
00:30:43,980 --> 00:30:46,820
最后会把云变成一个会自己开车的东西

1044
00:30:47,500 --> 00:30:49,180
Guillermo说在这个代理时代

1045
00:30:49,180 --> 00:30:51,820
云正在往三个方向同时重新生长

1046
00:30:51,820 --> 00:30:54,620
第一个方向是给AI代理用的地基

1047
00:30:54,620 --> 00:30:56,360
因为那些代理写完的软体

1048
00:30:56,360 --> 00:30:58,120
总得有个地方摆有个地方跑

1049
00:30:58,120 --> 00:31:01,320
第二个方向是每一家公司都在盖自己的agent

1050
00:31:01,320 --> 00:31:04,820
他说未来所有的软体本身可能都会是一个agent

1051
00:31:04,820 --> 00:31:06,560
交付的不再是一个网页

1052
00:31:06,560 --> 00:31:08,520
而是一个会帮你做事的助手

1053
00:31:08,520 --> 00:31:11,680
第三个方向最科幻是云本身也会变成一个agent

1054
00:31:11,680 --> 00:31:13,380
像一台自动驾驶的车

1055
00:31:13,380 --> 00:31:14,160
自己配置

1056
00:31:14,160 --> 00:31:14,800
自己优化

1057
00:31:14,800 --> 00:31:15,860
自己修好问题

1058
00:31:15,860 --> 00:31:17,020
然后回头跟你说

1059
00:31:17,020 --> 00:31:18,720
我帮你的软体加速了两倍

1060
00:31:18,720 --> 00:31:20,000
这是我改好的版本

1061
00:31:20,000 --> 00:31:21,940
这三个方向其实是同一件事

1062
00:31:21,940 --> 00:31:23,160
云再重新长一次

1063
00:31:23,160 --> 00:31:26,360
而这一切带来一个很奇妙的未来画面

1064
00:31:26,360 --> 00:31:30,160
Gilmo讲了一个让他自己都认住的真实故事

1065
00:31:30,160 --> 00:31:32,560
有个用户滑进他的时讯求救

1066
00:31:32,560 --> 00:31:34,320
说我朋友我根本不知道Verso是什么

1067
00:31:34,320 --> 00:31:36,000
是我的AI把我带来的

1068
00:31:36,000 --> 00:31:37,360
他当下的回复很妙

1069
00:31:37,360 --> 00:31:39,620
那你能不能把我介绍给你的那个AI

1070
00:31:39,620 --> 00:31:41,900
你细想一下这个画面未来

1071
00:31:41,900 --> 00:31:42,920
很可能是这样

1072
00:31:42,920 --> 00:31:45,400
客户的AI直接去跟厂商的AI谈

1073
00:31:45,400 --> 00:31:46,120
我这边有个问题

1074
00:31:46,120 --> 00:31:47,020
那边有没有解法

1075
00:31:47,020 --> 00:31:47,860
然后两个AI

1076
00:31:47,860 --> 00:31:49,500
大家自己把事情办完

1077
00:31:49,500 --> 00:31:51,600
软体就这样悄悄的涌现出来

1078
00:31:51,600 --> 00:31:53,040
人几乎不用插手

1079
00:31:53,040 --> 00:31:54,260
这听起来很遥远

1080
00:31:54,260 --> 00:31:55,500
但他已经在发生了

1081
00:31:55,500 --> 00:31:56,800
这是第一个战场写程式

1082
00:31:56,800 --> 00:31:59,100
而第二个战场是一场更硬

1083
00:31:59,100 --> 00:32:00,600
更贴近生死的仗

1084
00:32:00,600 --> 00:32:01,900
关于成本

1085
00:32:01,900 --> 00:32:02,740
这本课

1086
00:32:02,740 --> 00:32:04,040
第九堂讲者是Tofin

1087
00:32:04,040 --> 00:32:06,260
一家叫Bassettin的公司的执行长

1088
00:32:06,260 --> 00:32:07,640
你可能没听过这家公司

1089
00:32:07,640 --> 00:32:09,100
但他是一个隐形巨人

1090
00:32:09,100 --> 00:32:11,040
专门帮各种AI应用公司

1091
00:32:11,040 --> 00:32:12,740
把模型的推论跑起来

1092
00:32:12,740 --> 00:32:14,400
这里先解释一个很关键的词

1093
00:32:14,400 --> 00:32:14,900
推论

1094
00:32:14,900 --> 00:32:16,000
英文叫Inference

1095
00:32:16,000 --> 00:32:18,340
就是AI真正在回答你问题的那一步

1096
00:32:18,340 --> 00:32:19,840
是他每天出货的动作

1097
00:32:19,840 --> 00:32:20,940
Twin有一句话

1098
00:32:20,940 --> 00:32:23,240
点中了整个应用战场的核心推论

1099
00:32:23,240 --> 00:32:24,740
就是AI的销货成本

1100
00:32:24,740 --> 00:32:26,380
也就是每卖出一次服务

1101
00:32:26,380 --> 00:32:28,040
你真正要付出去的那笔

1102
00:32:28,040 --> 00:32:28,840
直接成本

1103
00:32:28,840 --> 00:32:30,140
这句话为什么重要

1104
00:32:30,140 --> 00:32:32,100
因为如果推论就是你的成本

1105
00:32:32,100 --> 00:32:33,340
那谁能把推论压下来

1106
00:32:33,340 --> 00:32:34,240
谁才有机会

1107
00:32:34,240 --> 00:32:35,840
真的把钱赚进口袋

1108
00:32:35,840 --> 00:32:37,340
而压成本的第一招

1109
00:32:37,340 --> 00:32:38,540
出乎意料的简单

1110
00:32:39,140 --> 00:32:41,040
想象一下你跟AI说了声谢谢

1111
00:32:41,040 --> 00:32:41,940
他回你不客气

1112
00:32:41,940 --> 00:32:42,940
如果连这三个字

1113
00:32:42,940 --> 00:32:45,340
都动用最强最贵的大模型来回答

1114
00:32:45,340 --> 00:32:46,940
那等于为了一句客套话

1115
00:32:46,940 --> 00:32:48,640
点亮了一大牌晶片

1116
00:32:48,640 --> 00:32:49,540
太浪费了

1117
00:32:49,540 --> 00:32:52,740
网路上还真的有个梗说你对AI说一次次谢谢

1118
00:32:52,740 --> 00:32:54,740
背后就烧掉好几百颗晶片

1119
00:32:54,740 --> 00:32:57,540
所以聪明的做法是在中间加一层智慧路由

1120
00:32:57,540 --> 00:32:59,380
他会先判断这句话难不难

1121
00:32:59,380 --> 00:33:00,940
简单的像不客气这种

1122
00:33:00,940 --> 00:33:03,040
就丢给便宜的小模型秒回

1123
00:33:03,040 --> 00:33:05,700
真正难的问题才交给最强的大模型

1124
00:33:05,700 --> 00:33:06,900
这就像一家公司

1125
00:33:06,900 --> 00:33:08,240
不会为了收个包裹

1126
00:33:08,240 --> 00:33:09,440
你就惊动总经理

1127
00:33:09,440 --> 00:33:10,740
小事交给前台

1128
00:33:10,740 --> 00:33:13,740
就好把每一次推论的成本这样一点一点省下来

1129
00:33:13,740 --> 00:33:15,040
积少成多就是毛利

1130
00:33:15,040 --> 00:33:18,440
可是这场仗真正难打的地方在于这门生意的原料

1131
00:33:18,440 --> 00:33:21,140
正在闹一场比石油还严重的短缺

1132
00:33:21,740 --> 00:33:24,440
为了让你感受这个隐形巨人的体量给你一个数字

1133
00:33:24,440 --> 00:33:25,240
Basiatin

1134
00:33:25,240 --> 00:33:27,940
这家你可能没听过的公司一天要处理的token

1135
00:33:27,940 --> 00:33:30,540
也就是AI读境和吐出的字

1136
00:33:30,540 --> 00:33:32,140
大约是30兆个

1137
00:33:32,140 --> 00:33:34,040
30兆这个数字大到没有实感

1138
00:33:34,040 --> 00:33:34,640
这样说吧

1139
00:33:34,640 --> 00:33:36,440
Tooking宣称光是这个量

1140
00:33:36,440 --> 00:33:40,940
以纯token计算已经超过了openAI对外开放的那个界面业务

1141
00:33:40,940 --> 00:33:42,140
也超过了google的

1142
00:33:42,140 --> 00:33:44,040
一个大多数人没听过的名字

1143
00:33:44,040 --> 00:33:46,740
背后跑的量比那些如雷贯耳的巨头还大

1144
00:33:46,740 --> 00:33:49,640
而这么庞大的推论量全都得靠晶片来跑

1145
00:33:49,640 --> 00:33:50,340
也就是说

1146
00:33:50,340 --> 00:33:50,940
Basiatin

1147
00:33:50,940 --> 00:33:52,740
对算力的胃口是天文数字

1148
00:33:52,740 --> 00:33:54,340
可偏偏算力现在买不到

1149
00:33:54,340 --> 00:33:56,640
陶瓶讲了一个具体到小数点的故事

1150
00:33:56,640 --> 00:33:57,540
雪玲玲

1151
00:33:58,140 --> 00:33:58,840
Tooking说

1152
00:33:58,840 --> 00:34:02,640
他们在某家云端上租了一批晶片合约10月才到期

1153
00:34:02,640 --> 00:34:04,140
结果5月对方就打电话

1154
00:34:04,140 --> 00:34:09,440
上门要把每一小时租金从2块多美元直接涨到5块多硬生生翻了一倍

1155
00:34:09,440 --> 00:34:11,740
他的原话是这太离谱了我绝不接受

1156
00:34:11,740 --> 00:34:12,640
更夸张的是

1157
00:34:12,640 --> 00:34:16,540
你现在下单1000张新晶片得排队等上一年多才拿到货

1158
00:34:16,540 --> 00:34:17,940
他讲了一句很重的话

1159
00:34:17,940 --> 00:34:19,940
不管别人跟你说算力有多缺

1160
00:34:19,940 --> 00:34:22,040
实际上都还要再招上10倍

1161
00:34:22,040 --> 00:34:24,640
而且他断言这个短缺不会正常化

1162
00:34:24,640 --> 00:34:28,640
因为AI越来越会自己连续做很多步模型又越来越大

1163
00:34:28,640 --> 00:34:30,740
两股力量一起把需求往上推

1164
00:34:30,740 --> 00:34:33,740
他只会越来越缺面对又贵又缺的算力

1165
00:34:33,740 --> 00:34:35,540
他给应用公司指了一条活路

1166
00:34:35,540 --> 00:34:37,340
也讲了一个很有画面的警告

1167
00:34:37,340 --> 00:34:39,840
2hing转述了一个很尖锐的比喻

1168
00:34:39,840 --> 00:34:43,640
有人把那些最前沿的实验室比做当年的东印度公司

1169
00:34:43,640 --> 00:34:44,240
什么意思

1170
00:34:44,240 --> 00:34:48,140
当年东印度公司登陆印度表面上是来谈生意谈合作

1171
00:34:48,140 --> 00:34:51,740
实际上是慢慢把整个地方的资源和控制权都拿走

1172
00:34:51,740 --> 00:34:56,440
他说今天你信匆匆地把你的应用全部接到某家前沿模型上

1173
00:34:56,440 --> 00:34:57,840
你以为在跟他合作

1174
00:34:57,840 --> 00:34:59,840
可你等于把你独门的工作留下

1175
00:34:59,840 --> 00:35:00,240
你以为在你独门的工作留下

1176
00:35:00,000 --> 00:35:02,440
還有最寶貴的用戶資料全交了出去

1177
00:35:02,440 --> 00:35:04,700
等他學會了你的那套神聖配方

1178
00:35:04,700 --> 00:35:06,740
回過頭就能取代你這個警告

1179
00:35:06,740 --> 00:35:07,940
聽起來有點沉重

1180
00:35:07,940 --> 00:35:09,140
但邏輯上站得住腳

1181
00:35:09,140 --> 00:35:11,240
所以他的解方只有四個字

1182
00:35:11,840 --> 00:35:13,740
這四個字是掌握自己的智慧

1183
00:35:13,740 --> 00:35:16,760
Turing說今天九成到九成五的推論花費

1184
00:35:16,760 --> 00:35:19,460
都流向那幾家最前沿的封閉模型

1185
00:35:19,460 --> 00:35:20,260
方便是方便

1186
00:35:20,260 --> 00:35:21,960
但你等於把命脈交了出去

1187
00:35:21,960 --> 00:35:23,260
他指的活路是這樣

1188
00:35:23,260 --> 00:35:25,000
起步的時候先靠前沿模型

1189
00:35:25,000 --> 00:35:25,900
因為快好用

1190
00:35:25,900 --> 00:35:28,460
可是一旦你做出了成績要衝規模

1191
00:35:28,460 --> 00:35:29,500
就換成開源模型

1192
00:35:29,500 --> 00:35:32,040
自己再訓練一輪變成你專屬的模型

1193
00:35:32,040 --> 00:35:33,140
這裡有個關鍵事實

1194
00:35:33,140 --> 00:35:35,600
開源模型大概只落後前沿90天

1195
00:35:35,600 --> 00:35:37,400
成本卻便宜7到9成

1196
00:35:37,400 --> 00:35:40,140
這一幻足以把你的毛利蟲趴在0附近

1197
00:35:40,140 --> 00:35:41,540
一路拉到4成以上

1198
00:35:41,540 --> 00:35:43,740
這也呼應了第七堂YESH的天花板

1199
00:35:43,740 --> 00:35:45,540
你把智慧握回自己手上

1200
00:35:45,540 --> 00:35:47,220
才守得住那個倒三角

1201
00:35:47,220 --> 00:35:49,560
開始翻正流回應用層的價值

1202
00:35:49,560 --> 00:35:50,580
兩個戰場看下來

1203
00:35:50,580 --> 00:35:51,820
你會發現一個共同點

1204
00:35:51,820 --> 00:35:53,220
價值都在往上流

1205
00:35:53,220 --> 00:35:54,220
而第三個戰場

1206
00:35:54,220 --> 00:35:56,460
可能跟你我的性命關係最深

1207
00:35:57,020 --> 00:35:58,560
在進入第三個戰場前

1208
00:35:58,560 --> 00:36:00,560
補一個凸醒很有畫面的類比

1209
00:36:00,560 --> 00:36:02,860
說明算力為什麼只會越來越缺

1210
00:36:02,860 --> 00:36:04,000
他說推論的需求

1211
00:36:04,000 --> 00:36:05,400
就像機場的安檢隊伍

1212
00:36:05,400 --> 00:36:06,160
清晨5點

1213
00:36:06,160 --> 00:36:08,240
沒人早上8點就排到門外

1214
00:36:08,240 --> 00:36:09,000
差別在哪

1215
00:36:09,000 --> 00:36:10,540
機場晚上11點會關門

1216
00:36:10,540 --> 00:36:12,500
讓隊伍歸零重置一次

1217
00:36:12,500 --> 00:36:14,140
可是全世界的推論需求

1218
00:36:14,140 --> 00:36:14,980
永遠不會關門

1219
00:36:14,980 --> 00:36:15,720
美國睡了

1220
00:36:15,720 --> 00:36:16,720
歐洲正好醒來

1221
00:36:16,720 --> 00:36:17,580
歐洲下班了

1222
00:36:17,580 --> 00:36:18,940
亞洲又進入白天

1223
00:36:18,940 --> 00:36:21,240
地球上總有一個地方是下午5點

1224
00:36:21,240 --> 00:36:22,340
正要開始用

1225
00:36:22,340 --> 00:36:23,180
所以這條隊伍

1226
00:36:23,180 --> 00:36:24,620
24小時不停歇地

1227
00:36:24,620 --> 00:36:25,240
一天一天

1228
00:36:25,240 --> 00:36:26,120
富力疊加

1229
00:36:26,120 --> 00:36:27,580
永遠沒有喘息的空檔

1230
00:36:27,580 --> 00:36:29,180
這就是為什麼他敢說

1231
00:36:29,180 --> 00:36:30,560
算力短缺不會結束

1232
00:36:30,560 --> 00:36:31,820
好看完了血程式

1233
00:36:31,820 --> 00:36:32,920
看完了成本之爭

1234
00:36:32,920 --> 00:36:33,920
我們進入最後

1235
00:36:33,920 --> 00:36:35,320
也最動人的一個戰場

1236
00:36:35,320 --> 00:36:36,160
生命科學

1237
00:36:36,160 --> 00:36:37,820
這本課最後一堂

1238
00:36:37,820 --> 00:36:39,600
請來兩位站在產業兩端的人

1239
00:36:39,600 --> 00:36:40,700
一位是Anthropic

1240
00:36:40,700 --> 00:36:42,300
負責生命科學的Eric Abrams

1241
00:36:42,300 --> 00:36:44,160
一位是AI造藥新創差的

1242
00:36:44,160 --> 00:36:45,200
共同創辦人Joss

1243
00:36:45,200 --> 00:36:46,360
他們在做同一件事

1244
00:36:46,360 --> 00:36:49,600
用AI端到端地壓縮整條造藥的流程

1245
00:36:49,600 --> 00:36:50,440
Joss有一句話

1246
00:36:50,440 --> 00:36:52,480
一下子把這件事的野心說清楚了

1247
00:36:52,480 --> 00:36:53,940
他說他們在做的是一套

1248
00:36:53,940 --> 00:36:55,480
分子的電腦繪圖工具

1249
00:36:55,480 --> 00:36:57,080
目標是把設計一顆藥

1250
00:36:57,080 --> 00:36:58,620
從一門像鏈金樹一樣

1251
00:36:58,620 --> 00:36:59,880
靠手感的記憶

1252
00:36:59,880 --> 00:37:01,720
變成一門真正的工程學

1253
00:37:01,720 --> 00:37:03,160
這個切入點很重要

1254
00:37:03,160 --> 00:37:05,020
因為傳統造藥又慢又貴

1255
00:37:05,020 --> 00:37:06,280
慢到你不敢相信

1256
00:37:06,680 --> 00:37:08,660
但在講AI怎麼加速之前

1257
00:37:08,660 --> 00:37:09,920
得先讓你看見這個領域

1258
00:37:09,920 --> 00:37:11,220
真正的痛藏在哪裡

1259
00:37:11,760 --> 00:37:13,200
先解釋一個詞標吧

1260
00:37:13,200 --> 00:37:14,120
你可以把它想成

1261
00:37:14,120 --> 00:37:15,920
身體裡一個生病的開關

1262
00:37:15,920 --> 00:37:17,520
而藥的工作就是去

1263
00:37:17,520 --> 00:37:19,200
精準的按對那個開關

1264
00:37:19,200 --> 00:37:20,760
聽起來科幻的地方在這裡

1265
00:37:20,760 --> 00:37:22,920
理論上能下手的開關有上萬個

1266
00:37:22,920 --> 00:37:25,240
可是你猜全世界每年真正新增

1267
00:37:25,240 --> 00:37:26,960
被推進到人體試驗的

1268
00:37:26,960 --> 00:37:27,500
有幾個

1269
00:37:27,500 --> 00:37:28,660
大約只有30個

1270
00:37:28,660 --> 00:37:30,340
因為每一個開關都要先確定

1271
00:37:30,340 --> 00:37:31,840
它跟疾病真的相關

1272
00:37:31,840 --> 00:37:33,600
確定藥打上去是安全的

1273
00:37:33,600 --> 00:37:35,640
還得能大量做得出來關卡人

1274
00:37:35,640 --> 00:37:37,040
結果就是大家全擠在

1275
00:37:37,040 --> 00:37:38,980
少數幾個已知的開關上

1276
00:37:38,980 --> 00:37:39,880
反覆內捲

1277
00:37:39,880 --> 00:37:41,320
而代價是到今天

1278
00:37:41,320 --> 00:37:43,520
八成有名字的疾病還是無藥可依

1279
00:37:43,520 --> 00:37:45,080
這不是我們缺乏想像力

1280
00:37:45,080 --> 00:37:46,520
是找出好開關這件事

1281
00:37:46,520 --> 00:37:47,560
慢到不可思議

1282
00:37:47,560 --> 00:37:50,000
而這正好是AI最可能撬開的地方

1283
00:37:50,000 --> 00:37:51,400
這個領域的工具

1284
00:37:51,400 --> 00:37:52,760
原始到你會笑出來

1285
00:37:53,200 --> 00:37:54,240
常有人問Joss

1286
00:37:54,240 --> 00:37:55,840
你們猜的競爭對手是誰

1287
00:37:55,840 --> 00:37:56,900
他的回答很妙

1288
00:37:56,900 --> 00:37:58,200
也很發人聲醒

1289
00:37:58,200 --> 00:37:59,340
他說我們的競爭對手

1290
00:37:59,340 --> 00:38:01,040
字面上就是教母老鼠

1291
00:38:01,040 --> 00:38:03,480
還有實驗室裡那些傳統的老工具

1292
00:38:03,480 --> 00:38:06,000
你想想人類到今天造藥很多環節

1293
00:38:06,000 --> 00:38:07,640
還在靠讓教母發酵

1294
00:38:07,640 --> 00:38:08,640
讓老鼠試藥

1295
00:38:08,640 --> 00:38:11,040
這些方法用了幾十年甚至上百年

1296
00:38:11,040 --> 00:38:13,640
Joss說現有的藥原始得像是奇蹟

1297
00:38:13,640 --> 00:38:14,880
很多藥打進身體

1298
00:38:14,880 --> 00:38:16,840
會打到一堆不該打的地方

1299
00:38:16,840 --> 00:38:18,560
造成一堆本來不必有的副作用

1300
00:38:18,560 --> 00:38:20,080
這說明了這個領域的工具

1301
00:38:20,080 --> 00:38:21,560
還停在很早的階段

1302
00:38:21,560 --> 00:38:22,760
正因為這麼原始

1303
00:38:22,760 --> 00:38:24,880
AI一進來撬動的空間才這麼大

1304
00:38:24,880 --> 00:38:26,600
那AI到底怎麼撬

1305
00:38:26,600 --> 00:38:27,800
兩位講者用了一個

1306
00:38:27,800 --> 00:38:29,200
你一定聽得懂的類比

1307
00:38:29,720 --> 00:38:30,760
這個類比是這樣

1308
00:38:30,760 --> 00:38:32,640
你想一年前用AI寫程式

1309
00:38:32,640 --> 00:38:34,160
還要來回出錯很多次

1310
00:38:34,160 --> 00:38:38,000
可是現在他幾乎能一次就生出一個能跑的應用造藥

1311
00:38:38,000 --> 00:38:39,840
正在發生一模一樣的月牽

1312
00:38:39,840 --> 00:38:42,400
他們的做法是讓兩種AI一起工作

1313
00:38:42,400 --> 00:38:45,600
一種像Cloud這樣的語言模型扮演外圈

1314
00:38:45,600 --> 00:38:48,200
那個會思考會規劃會查文獻的科學家

1315
00:38:48,200 --> 00:38:50,400
另一種是專門懂生物的基礎模型

1316
00:38:50,400 --> 00:38:52,480
比如TRAID的模型負責在內圈

1317
00:38:52,480 --> 00:38:54,240
直接設計出分子的樣子

1318
00:38:54,240 --> 00:38:55,680
這裡順帶解釋一個詞

1319
00:38:55,680 --> 00:38:56,320
蛋白質

1320
00:38:56,320 --> 00:38:57,440
你可以把它想成

1321
00:38:57,440 --> 00:39:00,080
組成我們身體的一塊一塊的生命積木

1322
00:39:00,080 --> 00:39:01,920
而模型是到很晚近的世代

1323
00:39:01,920 --> 00:39:04,720
才第一次真的看懂了這種積木場怎樣

1324
00:39:04,720 --> 00:39:06,800
傳統上要10-15年的造藥流程

1325
00:39:06,800 --> 00:39:09,120
他們的目標是壓到最快幾周

1326
00:39:09,120 --> 00:39:11,840
而價值也會從賣藥本身慢慢轉向

1327
00:39:11,840 --> 00:39:13,240
賣這一整套工具

1328
00:39:13,240 --> 00:39:15,600
這件事還牽動這一場國家級的競賽

1329
00:39:16,240 --> 00:39:17,280
Joss講了一句話

1330
00:39:17,280 --> 00:39:20,000
把整個生技圈現在的焦慮講得很透

1331
00:39:20,000 --> 00:39:21,440
他說現在藥廠圈子裡

1332
00:39:21,440 --> 00:39:22,800
翻來覆去只談兩件事

1333
00:39:22,800 --> 00:39:24,480
一個是AI 一個是中國

1334
00:39:24,480 --> 00:39:27,120
因為中國在造藥這件事上更便宜更快

1335
00:39:27,120 --> 00:39:30,480
法規上也更容易讓一款新藥趕快用到人身上

1336
00:39:30,480 --> 00:39:32,080
正在一步步跑贏美國

1337
00:39:32,080 --> 00:39:33,120
可是他話風一轉

1338
00:39:33,120 --> 00:39:34,160
說了那句金句

1339
00:39:34,160 --> 00:39:35,600
中國可以跑得比美國快

1340
00:39:35,600 --> 00:39:36,960
但中國跑不贏AI

1341
00:39:36,960 --> 00:39:37,920
這句話的意思是

1342
00:39:37,920 --> 00:39:39,680
美國想追上甚至反超

1343
00:39:39,680 --> 00:39:42,000
靠的不是跟中國平人力盤速度

1344
00:39:42,000 --> 00:39:44,800
而是賭AI這條全新的路能不能成功

1345
00:39:44,800 --> 00:39:46,480
所以他說美國的生技業

1346
00:39:46,480 --> 00:39:48,240
是非常非常需要AI成功的

1347
00:39:48,240 --> 00:39:49,760
這已經不只是一門生意

1348
00:39:49,760 --> 00:39:51,440
而是一場國運的豪賭

1349
00:39:51,440 --> 00:39:54,880
而這一切最後會落到一個很浪漫的畫面上

1350
00:39:55,440 --> 00:39:57,040
Eric描繪的未來是這樣

1351
00:39:57,040 --> 00:39:59,280
造藥的門檻會低到史無前例

1352
00:39:59,280 --> 00:40:00,000
過去開一家

1353
00:40:00,000 --> 00:40:02,520
生技公司需要一整栋楼的科学家

1354
00:40:02,520 --> 00:40:03,720
几亿美元的资金

1355
00:40:03,720 --> 00:40:06,100
可是未来很可能一个人坐在电脑前

1356
00:40:06,100 --> 00:40:08,540
用大量的clode和那些懂生物的模型

1357
00:40:08,540 --> 00:40:11,600
你就能同时跑一整条早期药物的产品线

1358
00:40:11,600 --> 00:40:13,580
他们给这个画面取了个名字

1359
00:40:13,580 --> 00:40:15,200
一个人就是一条产品线

1360
00:40:15,200 --> 00:40:16,780
他们甚至半开玩笑的聊到

1361
00:40:16,780 --> 00:40:18,500
未来像减肥药那样

1362
00:40:18,500 --> 00:40:20,140
能让你增加肌肉的药

1363
00:40:20,140 --> 00:40:21,680
或是帮你睡得更好的药

1364
00:40:21,680 --> 00:40:23,520
可能会像日用品一样普及

1365
00:40:23,520 --> 00:40:25,000
变成一种消费级的医疗

1366
00:40:25,000 --> 00:40:26,160
当然Eric很谨慎

1367
00:40:26,160 --> 00:40:28,500
他说他不会承诺五年内治好所有的病

1368
00:40:28,500 --> 00:40:30,620
他的目标是偏转那条轨迹

1369
00:40:30,620 --> 00:40:32,480
让人类对抗疾病的速度

1370
00:40:32,480 --> 00:40:33,520
整个换一个档次

1371
00:40:33,520 --> 00:40:34,380
好 九堂课

1372
00:40:34,380 --> 00:40:36,260
三个战场我们都看完了

1373
00:40:36,260 --> 00:40:39,700
现在该把这个倒三角做一个总结

1374
00:40:39,700 --> 00:40:42,380
让我们把整支影片收容成一张图

1375
00:40:42,380 --> 00:40:45,500
今天这波几兆美元画出来的是一个倒三角形

1376
00:40:45,500 --> 00:40:47,040
最底层的晶片和电力

1377
00:40:47,040 --> 00:40:48,800
吃掉了绝大部分的钱

1378
00:40:48,800 --> 00:40:50,460
越往上越靠近你

1379
00:40:50,460 --> 00:40:53,000
我用得到的应用反而越薄着现况

1380
00:40:53,000 --> 00:40:54,280
但这门课九位讲者

1381
00:40:54,280 --> 00:40:55,580
用九个不同的角度

1382
00:40:55,580 --> 00:40:57,140
反复告诉我们同一件事

1383
00:40:57,140 --> 00:40:59,260
历史上价值永远往上沉流

1384
00:40:59,260 --> 00:41:00,600
云端花了大约八年

1385
00:41:00,600 --> 00:41:02,680
把三角形翻证电力花了四十年

1386
00:41:02,680 --> 00:41:04,600
这一次可能比谁想的都久

1387
00:41:04,600 --> 00:41:07,480
因为底层的晶片和电力实在太难盖了

1388
00:41:07,480 --> 00:41:08,960
但方向是清楚的

1389
00:41:08,960 --> 00:41:11,520
从企业的特化模型到应用公司

1390
00:41:11,520 --> 00:41:12,900
把智慧握回自己手上

1391
00:41:12,900 --> 00:41:14,680
那个翻证的力量已经在动了

1392
00:41:14,680 --> 00:41:16,500
所以如果你也身在这波浪潮里

1393
00:41:16,500 --> 00:41:17,440
该怎么看怎么做

1394
00:41:17,440 --> 00:41:18,840
我想给不同的

1395
00:41:18,840 --> 00:41:21,180
你删具很实在的话

1396
00:41:21,180 --> 00:41:21,520
第一

1397
00:41:21,520 --> 00:41:22,540
如果你是投资人

1398
00:41:22,540 --> 00:41:24,020
别只盯着谁现在最赚

1399
00:41:24,020 --> 00:41:26,980
要问自己你压的是哪一层底层的晶片

1400
00:41:26,980 --> 00:41:27,680
今天最肥

1401
00:41:27,680 --> 00:41:28,100
没错

1402
00:41:28,100 --> 00:41:29,560
但别忘了那个倒三角

1403
00:41:29,560 --> 00:41:31,320
历史上它最后都会翻证

1404
00:41:31,320 --> 00:41:32,680
价值会往上流

1405
00:41:32,680 --> 00:41:33,060
第二

1406
00:41:33,060 --> 00:41:33,940
如果你在创业

1407
00:41:33,940 --> 00:41:35,480
别再问你的模型有多强

1408
00:41:35,480 --> 00:41:37,400
因为模型会越来越像水电

1409
00:41:37,400 --> 00:41:38,020
人人都有

1410
00:41:38,020 --> 00:41:39,320
你要问的是你手上

1411
00:41:39,320 --> 00:41:41,320
有没有别人拿不走的专有资料

1412
00:41:41,320 --> 00:41:42,980
那才是真正的护城河

1413
00:41:42,980 --> 00:41:44,020
是你的天花板

1414
00:41:44,020 --> 00:41:44,480
第三

1415
00:41:44,480 --> 00:41:46,560
如果你只是每天用AI上班的人

1416
00:41:46,560 --> 00:41:49,940
那就趁现在把它练成你最顺手的工具

1417
00:41:49,940 --> 00:41:51,240
因为这门课有个共识

1418
00:41:51,240 --> 00:41:53,240
现在学是最划算时候

1419
00:41:53,240 --> 00:41:55,020
这个溢价之后只会收缩

1420
00:41:55,020 --> 00:41:57,320
这三句话背后其实是同一个判断

1421
00:41:57,320 --> 00:41:59,820
也是这门课最想留给你的东西

1422
00:41:59,820 --> 00:42:02,480
最后回到开这门课的Apovy Agrawal

1423
00:42:02,480 --> 00:42:03,360
他说了一句话

1424
00:42:03,360 --> 00:42:04,760
当做整门课的初衷

1425
00:42:04,760 --> 00:42:05,720
他说五年之后

1426
00:42:05,720 --> 00:42:07,320
每一个人都会回头问你

1427
00:42:07,320 --> 00:42:08,560
这一切在成型的时候

1428
00:42:08,560 --> 00:42:09,560
你看出来了吗

1429
00:42:09,560 --> 00:42:12,120
他说你会希望自己那时候能回答

1430
00:42:12,120 --> 00:42:12,760
看出来了

1431
00:42:12,760 --> 00:42:15,580
因为此刻我们就站在这个板块移动的现场

1432
00:42:15,580 --> 00:42:18,460
你不一定要成为那个盖工厂写模型的人

1433
00:42:18,460 --> 00:42:19,740
但你至少可以看懂

1434
00:42:19,740 --> 00:42:21,940
这几兆美元画出来的三角形

1435
00:42:21,940 --> 00:42:23,760
正朝着哪个方向慢慢翻转

1436
00:42:23,760 --> 00:42:25,580
从头到尾

1437
00:42:25,580 --> 00:42:27,720
这波钱画出来的是一个倒三角形

1438
00:42:27,720 --> 00:42:29,860
最底层的晶片与电力吃掉了

1439
00:42:29,860 --> 00:42:32,320
绝大部分越往上越靠近你

1440
00:42:32,320 --> 00:42:34,580
我用得到的应用反而越薄

1441
00:42:34,580 --> 00:42:36,160
但历史一次又一次告诉我们

1442
00:42:36,160 --> 00:42:37,780
三角形最后都会慢慢翻正

1443
00:42:37,780 --> 00:42:39,420
价值会一层一层往上流

1444
00:42:39,420 --> 00:42:41,580
只是这一次可能比谁想的都久

1445
00:42:41,580 --> 00:42:42,740
如果你是投资人

1446
00:42:42,740 --> 00:42:44,160
问自己压的是哪一层

1447
00:42:44,160 --> 00:42:45,160
如果你在创业

1448
00:42:45,160 --> 00:42:46,120
问自己手上

1449
00:42:46,120 --> 00:42:47,420
有没有别人拿不走的资料

1450
00:42:47,420 --> 00:42:49,960
如果你只是每天用AI上班的人

1451
00:42:49,960 --> 00:42:52,240
那就把它练成你最顺手的工具

1452
00:42:52,240 --> 00:42:53,700
最后问你一个问题

1453
00:42:53,700 --> 00:42:55,360
如果三角形真的会翻正

1454
00:42:55,360 --> 00:42:56,480
你觉得下一个

1455
00:42:56,480 --> 00:42:58,500
吃到最大一块的会是晶片云

1456
00:42:58,500 --> 00:43:00,660
还是某个现在还没人看得起的应用

1457
00:43:00,660 --> 00:43:01,640
留言告诉我

1458
00:43:01,640 --> 00:43:03,440
喜欢的话订阅 AI NOBOOT

1459
00:43:03,440 --> 00:43:04,120
开启通知

1460
00:43:04,120 --> 00:43:06,120
我们下次见