状态
已推送
作者/预览/来源
Peak
Know-How分类
字数
1769
导读
Embedding 与⽂档模型的应⽤场景远不⽌ LLM。懂 AI 的产品经理是稀缺资源
目录
🎧推荐理由
《人类简史》作者尤瓦尔·赫拉利近日在接受采访时说道，“距离AI真正应用到人类生活中也不过十年的时间。ChatGPT 就像 AI 世界里的单细胞生物阿米巴，那么 AI 世界里的霸王龙会是什么样子？从阿米巴进化为霸王龙又会需要多长时间？”
作为国内最早拥抱 AI 技术的投资机构之一，我们认为在一个技术刚诞生的前几年去预测未来的终局形态和大赢家是很困难的。因此在这一波AI技术革命的早期，我们坚持以创业者为中心，相信优秀的创业者终会找到方向。在 AI 信息大爆炸的当下，我们也希望让大家听到来自一线 AI 创业者的声音。本期节目我们邀请到了 Magi 创始人、真格基金 EIR 季逸超 Peak 和大家分享他作为一名从 2012 年起就加入 AI 行业的创业者，对新一波AI浪潮的反思、观察和预测。
🗯️本期 Aha Moment｜精华提炼
Magi 创始人、真格基金 EIR 季逸超 Peak
- 在 128MB 的内存和缓慢的 3G ⽹速⾯前，创业者与巨头是平等的；
- 今天 AI 领域的本地之于云端，就像 15 年前 App 领域的⼿机之于 PC；
- 不属于你，但与你共⽣的数据是真正的壁垒；
- AI 的发展在产品层⾯上是创造新的可能性，但技术层⾯上是替换既有的实践；
- 底层技术有⼀定延续性，但 AI 创业是 80% 的产品⼯程 + 20% 的底层技术；
- 创业后⼩天才变成技术派是⼀种 zoomability 的丧失；
- 超过 65% 的AI场景可归纳为信息检索、汇总、再⽣成；
- 约 20% 的AI需求是流程⾃动化和决策辅助相关
- ChatGPT 把⽤户的期望拔到了最⾼。热潮过后⽐的是运营兜底能⼒
- To C 可以关注 on-device（本地运行）， To B 可以关注 on-premise（私有化部署）；
- LLM 统⼀了 NLP 的范式，但⽆法统⼀解决⽅案；
- LLM 是⼀种⾮常标准化的产品，输⼊输出形式决定了其易于被替换；
- 正确地处理 PDF ⽂档并从中获取信息⽐想象中的复杂；
- Embedding 与⽂档模型的应⽤场景远不⽌ LLM。懂 AI 的产品经理是稀缺资源
- To B ⽅向的产品经理缺⼝更⼤；
- 任何产品都必须考虑如何应对 AI 的冲击。不要⽤技术热点指导创投，尤其是现在
- 通过更加了解锤⼦来避免拿着锤⼦找钉⼦。
- 预测🔮只有垂直应⽤，没有垂直模型
- 垂直模型没有解决任何通⽤模型的本质缺陷；
- 垂直模型在领域内的性能甚⾄不如通⽤⼤模型；
- 有价值的垂直领域会被整合进通⽤模型中；
- 垂直应⽤之间差异在业务⽽不是模型。真正的多模态模型还未到来
- LLM + 向量数据库的⽅案就像⼀个硬盘很⼤但内存极⼩的电脑；
- 不要给 AI 做插件，让 AI 成为你业务的插件；
- 不要把解决的最显眼的 limitation 当做自己唯一的护城河
- 产品经理在构建数据⻜轮中起到重要作⽤；
👈🏻精选讨论
Tianjie：乔布斯曾说，如果你足够在乎软件的话，自己就会去做一个硬件。移动互联网时代，从PC到Mobile诞生了全新的计算设备，你觉得这一波会不会有一些就是垂直整合的硬件出现？
Peak：有可能会的。比如 rewind.ai 可能是一个初步的数字永生，但它目前是依托于我的工作电脑。说不定未来就有一种更尊重隐私的录音设备，我一辈子的行动都有一个东西在录制，回头可以训练一个我的LLM。所以我觉得可能会从私人、长续航的角度会诞生一种垂直的硬件。
Terry：如果Context length变长，比如 Magic.aI的LTM-1模型现在声称支持5 million的长度，它是否可以取代向量数据库的作用？
Peak：首先，我认为更长的有效上下文窗口取代向量数据库是肯定的，它总体来说我觉得会是一个更优的方案，能解决很多向量数据库不能做的事。但我对LTM-1模型其实不是特别乐观，因为像大家已经能用到的 Claude 100K 就是能接受很长的context（上下文），但是能接受很长的输入和能理解很长的 context （上下文）这两个东西是完全不一样的。目前我们并没有一个很清晰的思路能怎样做出让它理解更长的窗口。
Peak：在LLM 等一系列新的开发范式之后，人才分化特别严重，就逐渐只剩下最精英的一群人做核心技术，剩下全都是做交付。懂技术的离市场太远，而离客户和产品近的又完全没有什么竞争力，所以长期来看可能符合创业者画像的人才的供应可能会减少。
Yusen：对创业公司来说，技术和产品长期紧密地耦合是不好的。就像在（移动）互联网领域，产品经理并不需要从技术方面了解如何去搭建一张“网”，因为互联网早已成为了基础设施；从另一个角度说，反而是技术的乐高化会带来创业机会的爆发。会搭乐高的人从长远来看是多的，但自己能造出来好用的乐高的人少。
