文 AlphaEngineer，作者 费斌杰（北京市青联委员熵简科技 CEO）
近日，AI 独角兽 Anthropic 的 CEO Dario Amodei 接受了 Noah Smith 的访谈，从商业角度畅谈 AI 发展，贡献了不少来自业界一线的真知灼见。
以下是我的学习笔记，分享给大家。
（1）Google 是 AI 时代的贝尔实验室
在创办 Anthropic 之前，Dario Amodei 曾在百度、Google 及 OpenAI 任职。说起 Google，Dario 认为很多科研人员把 Google 当做他们学术生涯的延续，这点和当年的贝尔实验室很像。
Google 浓厚的学术氛围和优质的产业资源吸引了大量顶级科研人才，开展数以百计的创新科研项目，Transformer 只是其中之一。
无论从算力资源还是人才密度来看，Google 理应是 AI 浪潮的最大受益者。但是 Google 的组织架构是为了“搜索”服务的，并没有把 AI 相关的要素有效的组织起来。
如果当时 Google 能够把算力优势、关键学术成果、人才优势有效利用起来，它本可以成为 AI 领域的唯一主导者。
（2）AI 公司究竟有没有护城河？
AI 公司的商业模式取决于 Scaling Law 是否持续成立。
假设 Scaling Law 在未来相当长一段时间保持有效，那么 AI 将带来巨大的经济价值，涉及人类社会的方方面面。
Dario 认为，随着大模型不断 Scaling up，单个模型的训练成本将超过百亿美金，甚至达到千亿美金。因此这将成为一个准入门槛极高的生意，大模型将成为国家级基础设施，只会有少数几家科技巨头，甚至国有企业参与其中，形成寡头垄断的竞争格局。
当然这里有一个关键问题，是否会有公司愿意开源千亿参数的大模型？
Dario 对此深表怀疑，千亿规模的模型的推理成本非常高昂，甚至超过训练成本，开源模型的商业价值将会受限。
（3）AI 公司的生存之道：差异化
要想在竞争中生存发展，AI 公司需要找到自己的差异化定位，Dario 提供了两种思路。
其一是基座模型能力差异化。A公司可以训练出一个专门写代码的模型，B公司可以训练擅长创意写作的模型，C公司训练出一个虚拟伴侣模型。与其拼尽全力做基座万能大模型，不如选择一个领域做深做透，专项训练。
其二是模型与应用的垂直整合。理论上看，你可以把模型层和应用侧解耦分离，但实操中要把应用做到极致，往往需要对模型进行专项训练，这是大模型公司得天独厚的优势。
Dario 认为未来 AI 公司不能只提供 API 能力输出，而应该深度介入应用层。虽然目前基于大模型的应用还很薄，但未来会越做越厚，逐渐形成壁垒。
（4）AI 行业的宿命会和光伏类似吗？
Scaling Law 目前只是基于观察总结的经验，可能持续很久，也可能随时停止。根据目前的观察，Dario 认为 Scaling Law 还将持续相当一段时间。
假设 Scaling Law 在达到 AGI 之前失效，AI 公司的处境可能与光伏类似。
纵观光伏行业，技术创新层出不穷，带来了巨大的经济价值，但并不具备垄断属性，导致光伏企业利润率整体偏低。
与光伏行业类似，AI 行业的市场规模非常巨大，但公司想要保持较高的 margin 并非易事。
（5）AI 公司是否会被国有化？
如果 Scaling Law 持续有效，在不久的将来，AI 模型有可能成为一个国家国防领域最重要的资产之一。
另一方面，针对 AI 的 misuse 和 autonomy 问题，如果不加以严格监管，可能导致较大的社会问题和安全隐患。
因此，政府会在 AI 领域扮演越来越重要的角色，但不太可能对 AI 公司进行国有化，具体的有效介入方式还需要探索。
（6）蜂群协作模式：大模型与小模型的有机统一
未来的 AI 生态将由大模型与小模型共同构成。大模型强大但价格昂贵，小模型便宜且推理迅速，但没有那么智能。
根据 Dario 所言，Anthropic 正在尝试构建“蜂群协作”的推理模式，由大模型将一个复杂的任务拆解成数个简单的子任务，然后把每个子任务分配给一个小模型来处理，最后将小模型处理的结果统一汇总给大模型，输出最终结果，整个处理过程就像蜂群一样。
（7）AI 将加剧贫富差距
Dario 认为 AI 能带来财富的增长和富足的生活，但也极有可能加剧贫富差距。
发达国家将率先受益于 AI 带来的生产力进步，实现 GDP 的双位数增长，但财富可能高度集中于头部科技公司及其员工，而非平均分配。
与此同时，发展中国家的居民可能无法共享 AI 带来经济增长的果实，并面临更加严峻的就业压力。
（8）人们低估了 AI 在生命科学中的应用潜力
基于此前生物学的学术背景，Dario 对 AI 在生命科学中的应用前景颇为重视。
在大模型诞生之前，AI 在生命科学中最多只是辅助工具，即使是 AlphaFold 也没有从根本上改变这一定位。但在不久的将来，AI 将逐渐走到台前，成为生物科研领域的核心参与者。
纵观整个 20 世纪，生命科学的所有进展都是由极个别的重大发现推动的，比如基因测序技术，以及 CRISPR 基因编辑技术。
Dario 认为，大模型将十倍甚至百倍的提升科学发现的速度。
以 CRISPR 为例，这项技术最初是在细菌中发现的一种天然免疫系统，用于防御病毒入侵。当细菌遭受噬菌体攻击时，会将入侵者的 DNA 片段整合到自身的 CRISPR 序列中，并通过 RNA 和 Cas 蛋白来定位并消灭这些入侵者。
这项技术早在 30 年前就被发现，但是直到 2013 年哈佛医学院的 George Church 才首次使用 CRISPR 技术完成了 RNA 介导的人类基因组编辑。如果科学家使用 AI 加快从科学发现到应用转化的速度，这无疑是全人类的福音。
Dario 判断，AI 有望在未来 10 年内实现原本预计整个 21 世纪才能达成的生物学进展，治愈罕见疾病，让我们拭目以待。
