人工智能如何崩溃并存活下来，就像互联网一样

人工智能驱动的科技巨头之间正在发生的戏剧性市场波动，公开公司在不到一个月的时间内损失了超过 $1万亿 的估值，这清楚地说明了估值与基本面是脱节的。然而，目前需要问的问题不是什么时候泡沫会破裂，而是如何让行业负责任地让泡沫缓慢地消失，并为未来的人工智能做好准备。

在过去的几年中，人工智能已经成为大估值、无限扩张性和一种感觉，即没有人能够与最大的玩家竞争。但是，技术现实已经发生了变化，并指向了人工智能的不同类型的未来：真正的钱不是在巨额昂贵的人工智能模型上，这些模型有一天会带来异常回报。越来越多的人工智能的价值将在于如何将其集成和使用来为企业赚钱，考虑到极限推动边缘人工智能模型应该变得更便宜，而不是更昂贵。奇点神话已经结束。规模单独不再提供阶跃式增益。执行、分发和生态系统现在比原始模型大小更重要。

调整期望以适应这种新现实，将使得不断增长的人工智能泡沫能够缓慢地消失，而不是破裂并对经济和金融市场造成破坏，就像二十五年前互联网泡沫破裂一样。

在90年代，科技行业认为互联网可以并且会做一切事情；并且任何建立在互联网上的东西都将因为互联网的本质而成功。他们是错误的，泡沫确实破裂了——但互联网幸存了下来。崩溃凸显了在线成功不仅仅是关于底层技术——互联网——而是关于开发智能和有效的用例、产品和硬件。互联网不仅仅是通过协议来赢得的。它赢得了当浏览器、内容分发网络和开发者生态系统使其可用时。

亚马逊幸存下来，并且仍然蓬勃发展，而 Pets.com 失败了，因为它从来没有找到一种有利可图的方式来处理其狗粮的发货，这是一个被互联网的诱人想法所忽略的挑战，即由于互联网的出现，它将能够在全国范围内拥有客户。

这正是大型人工智能目前的处境，沉浸在关于该技术未来的梦想和期望中。毫无疑问，这是我们今天最令人惊叹的技术。但是人工智能模型只是底层技术，而不是答案本身，当然也不是钱和价值将在哪里停留的地方。事实上，Transformer和扩散架构，这些是大多数生成人工智能的基础，都是公开的；优化框架是开放的；计算能力越来越容易获取。障碍不再是理论知识。它是构建可靠系统并将其集成到现有的创意和生产流程中的手艺，这将决定谁会成功。这些产品和服务也不再需要投资者预付数万亿美元。我知道这从我的经验中。我们的团队在耶路撒冷建造了一个开源音视频模型，用于制作人工智能视频，成本大约是市场领导者的一十分之一，并且可以生成更长的连续场景，通常具有更高的分辨率和速度。 这是在大约1亿美元的预算下实现的，而不是数十亿美元。我们的故事表明，现代人工智能的进步更多地是关于严格的工程，而不是秘密的酱料。

就像互联网一样，谁能幸存下来将是那些能够利用人工智能进行最佳用例、硬件应用、产品和服务的人。的确，到底是什么用例很难预测。回到90年代初，当人们使用AOL或Prodigy时，没有人能够想象到Gmail。

然而，缺乏先见之明，有一些明智的问题需要在这段旅程中提出，以指导人工智能行业和其投资者以一种方式工作，即可以慢慢地、逐渐地让泡沫消失，同时建立未来的经济。

投资者，包括风险投资家和将钱投入人工智能公司的养老基金，需要问到底创造了什么价值。数十亿美元被投入到大型科技公司的研究中，以建立最终可以轻松在其他地方复制的人工智能。巨大的人工智能预算不再保证独特的知识产权、用户锁定或可防御的经济学。现在，投资者需要评估公司如何构建、优化和将模型集成到客户的实际工作流程中，创建实际的产品和服务。投资者应该要求查看诸如工作量经济学等指标，当查看人工智能应用程序时。

这些，而不是模型本身的才华或专有性质，是价值的关键要素。同时，理解开源模型的价值也很重要。这些模型通常由于研究人员和开发人员可以在本地进行适应，因此会比封闭的API更快地迭代。这种采用会在公司或产品周围形成护城河，有助于保证利润和成功

投资者和企业家都需要退一步，评估人工智能和所有相关组件的真实成本；这些成本通常被夸大和提高了。一般的方法应该是，硬件成本是波动的，因此人工智能设计不应该依赖于任何特定的设备或硬件。价值和区别公司的关键是其每美元的吞吐量，而不是供应商折扣偏爱某种硬件。人工智能支出的防御性现在在于基础设施优化、专有数据和集成深度。具有良好解决方案想法的企业家，他们小心地使用模型来实现最终性能，将胜过那些寻求大型模型的人，这些模型可以稍后用于不同的潜在用途。另一个优点是为无法依赖远程API进行实时体验的工作室和平台提供开放的部署选项。

政策制定者和行业也需要更逻辑地思考监管。进展在这些领域很慢，并且主要集中在大型设备上运行的边缘模型；这不再是一个实用方法。动力是压倒性的，朝着这些模型能够在消费者设备上运行的方向发展，使得对模型本身的监管变得不可能。许多模型的开源性质也为当前的监管方法带来了另一个重大挑战。再一次，正确的方法是专注于通过应用程序和产品进行部署，并为各个行业开发监管框架，而不是关于模型的总体政策。目标应该是监管应用程序和行业，并制定有关来源、产品中的安全护栏和合成媒体披露的标准。90年代和21世纪初的历史再次为这个概念提供了一个明智的教训：针对流行音乐文件共享公司 Napster 的案例并没有限制文件共享本身——这种技术只会增长和变得更快，最终导致了流媒体——而是专注于平台对技术的负责任的部署。（即使通过破产，Napster实际上还是能够通过调整其技术的部署方式而幸存下来，并在今年早些时候以超过2亿美元的价格被收购。）

最终，市场将在几个统一的多模态人工智能模型周围整合，这些模型可以被提取以提高效率并适应不同的用途。所有利益相关者都需要更加关注应用程序和人工智能可以带来的实际业务价值，而不是沉迷于模型本身的承诺。行业正在以比创造价值更快的速度膨胀。这种情况是否会以类似于早期互联网泡沫的戏剧性纠正结束，仍然有待商榷。但是，现在的清晰度意味着以后的韧性。