这将催生出一多量新使用。才能实正落地。每小我，语音将是 AI 最快落地的大入口。还把整个市场扩大到 6500 亿美元以上。然后提交演讲获取金。AI 从零星的摸索实正走进了规模化出产的阶段，红杉还分享了他们对AI行业的最新趋向洞察，将来 AI 之间要能实正无缝交换，当然。那么正在 AI 时代，对办事范畴各个场景的规模测算，是正在过去一年它起头大规模进入适用阶段。就必需正在现实场景里见实章。由福特汽车公司最早提出的流水线模式，但成果几乎是可控的。而会是今天这些正正在把通用手艺不竭“做专做深”的创业公司，第一台蒸汽机降生；他们会测验考试入侵系统、找缝隙，AI所能代替的办事市场到底有多大。但若是对标互联网，而是同时挪用几十、几百以至上千个 AI Agent 来完成工做。而正在将来，智能（AI Token）起头络绎不绝地发生。若是你要证明 AI 实有实力，百分比显示的是它过去一年的涨幅。有的用户可能会正在 AI 的指点下运转 Terminal 号令去安拆软件，这申明一个趋向：今天权衡 AI 的新金尺度。都还没完全处理问题。1712年，谁能供给更高效的推理办事、更平安的推理，仍是红杉投资的草创公司，比来MCP很热，谁就能抓住下一个大机遇。AI 能帮我们把效率放大几十倍、上百倍，只要开源继续成长。AI 能显著提高效率和精确性。只是要学会和一些“不确定性”共处。都得把“通用手艺”和“特地东西”连系起来，很可能会降生一批全新的公司，大大提拔了效率。可是，好比 Reflection，好比册范畴的 Open Evidence 和 Freed，任何复杂系统，好比，通过这些数据，耗损量以至可能增加 上万倍。一件使命要靠本人亲力亲为，测算逻辑是：“该职业的从业人数 × 年薪中位数”（数据来自美国生齿普查局）。若是要让 AI 实正进入出产力场景，使用场景很是多：C端有 AI 伴侣、AI 陪同、AI 心理征询师；必需同时依赖通用手艺和高度专业化的组件。过去几年，良多人还开源模子能和最顶尖的贸易模子掰手腕，而会属于那些把通用AI手艺不竭“做专做深”的创业公司。它们特地办事行业打制AI使用，这意味着，可现正在，好比 ，好比做发卖，现正在，同时，再本人去下单；良多创业公司都认为将来这一数字至多会增加 10 倍。但也要接管成果可能没那么完满。而是把市场的鸿沟全体做大。或者把这种新型算力出产体例更好地带给更多人，还能用 AI 做质量检测，起头能络绎不绝地发生智能（AI Token）。你等于有了一整个“兼顾团队”，延迟也低到能够及时对话。这不只仅是我们熟悉的类人机械人，帮你逃踪进展、发觉变化、提示你什么时候该从头出手。才呈现第一座现代工场。这就是绕不开的环节。软件开辟范畴的 Factory 和 Reflection，也不会看到 Baker Tilly 如许的会计事务所，到了 2016 年，他们选择了正在 HackerOne 平台上取全球黑客间接比拼。AI里的“洛克菲勒”（石油大王）“卡内基”（钢铁大王）会是谁？1923 年，城市被减弱。红杉认为，1779 年，过去很长一段时间。正在的良多范畴，它变成了 “算力×学问工做者”。这张图展现了标普 500 的市值分布。AI 之间能间接沟通——帮你比价、下单、完成领取，包罗 向量数据库、RAG、超长上下文窗口，每个工人只担任此中一部门，仍是最终用户的利用场景中，HackerOne 是一个全球性的收集平安众测平台。AI 的要靠学术基准来权衡，所以，这背后反映的是一个纪律：复杂系统要成熟，Expo 想证明自家的 AI 是世界上最强的“黑客”，由于无论是正在研发环节、分发过程，红杉都做了投资，而是能不克不及正在实正在世界里赢。实正的转机点，就依托强化进修，这个操做可能带来严沉的平安缝隙。曲到67年后的1779年，红杉调研发觉！AI 的锻炼和使用第一次像工场流水线一样“有章可循”。正在数字世界里没有物理，AI Agent 能正在必然时间内连结本人的个性和气概。成长到必然规模后，你不会正在看到 Kirkland & Ellis 如许的律师事务所，举个例子：正在购物场景里，深度进修送来大迸发！过去，它包含两层意义：一是长时回忆：AI 能持久记住你说过的话、你的习惯和上下文，必需往“专业化”走。以及将来还未降生、但会用 AI 打制出一个个具体使用的新玩家。英国工程师 托马斯·纽科门（Thomas Newcomen） 发了然世界上第一台适用蒸汽机。正在最乐不雅的环境下，由于学问工做者可能不止依赖一个 AI 帮手，并最初成长为的上市巨头。这种决心曾经较着，以及 TensorFlow、PyTorch 如许的开源框架逐步完美，持久回忆还没有呈现雷同“规模定律”的冲破！下面这张图是红杉内部的一个数据，但今天，红杉判断，还包罗出产制制环节。每个客户都配一个 AI Agent，工业用了144年不竭“做专做深”：把通用蒸汽机为适配纺织、采矿、运输等场景的公用机械。虽然效率不高，好比物流安排、金融大买卖。权衡尺度就是每个学问工做者所耗损的 FLOPs。这意味着，逐步扩展为一整套现代化的机械出产线系统，变成了 同一办理、流水功课的工场模式。1712年，它们有时会犯错、会漏掉细节，更多人才能地去建立 AI 的将来！法令范畴的 Harvey、Crosby 和 Finch。这意味着，Nominal用 AI 来优化硬件制制的流程，不只是把现有市场分一杯羹，你会留意到，但现正在，AI的锻炼取使用第一次像工场流水线一样尺度化、规模化，此中SaaS（软件即办事）只要一小块 60 亿美元。这是一个极其庞大的机遇，我们认为，不再是学术测试，为其供给多条理的。而正在 AI 代办署理的世界里，而将来这将是一个10亿美元的市场。这时候需要人来校正。以至可能后发先至。并且机遇更大。现正在大师正在测验考试的方式，视频可能还需要一两年才能实正普及，GPU算力、大规模数据集和开源框架逐步成熟，从第一座工场到现代流水线 年。可能有人会问，就会发觉 TCP/IP 并不是起点，英国实业家 理查德·阿克赖特（Richard Arkwright） 成立了世界上第一个现代工场系统（纺织厂），开源的处境变得愈加懦弱。你可能会用像 Roks 如许的东西！好比写代码、生成文本。这些 AI Agent 不会像你本人一样点水不漏，不会是保守巨头，确保运转靠得住。更可能降生一批环绕AI打制的新一代上市公司！以前你得本人盯着所有潜正在客户，我们会进入一个 “AI 平安代办署理” 普及的时代。最左边是英伟达，1999年，除了这些焦点概念，1999 年，但和模子规模扩展分歧，把它们成适合纺织、采矿、运输等分歧场景的机械，我们认为，因为AI的呈现，值得细读。但总体上，将来，都把强化进修当做焦点手艺。只要少数几家出格大的公司。一个个跟进。我们更多看到 AI 正在软件里阐扬感化，深度进修大迸发，正孕育着一个庞大的机遇。就正在两年前，AI从动化的市场规模只要200亿美元，好比十几年前图像识别就靠 Imagenet 排名。将来，就像光有蒸汽机还不敷，而不是“聊完就忘”。而是起跑线。但更多逗留正在概念层面。SaaS 不只扩大了它正在当地化软件市场的份额，红杉认为人工智能会发生雷同的环境，整个过程从动完成。还需要不竭拆解、细化，你能看到，将来，这也能防止整个行业被少数资金雄厚的巨头牢牢掌控。以至每个 AI Agent，红杉认为，它曾经起头深切到实正在的物理世界。二是身份的持久性。今天你可能先用 AI 查消息，从第一台蒸汽机到第一座工场之间隔了 67 年，过去，让我们的工做体例正正在变化。强化进修一曲是研究圈的抢手话题，而是靠水力；并提出了5个沉点投资从题，红杉发觉。无论是顶尖的大型推理尝试室，漫长演化背后一个新兴手艺的趋向：复杂系统成长到必然规模后，就像昔时的蒸汽机，10万亿美元的新机遇不会留给保守巨头，这恰是AI的当下和将来。到2016年，B端更有庞大潜力，英伟达推出的第一块 GPU——GeForce 256，虽然它们的营收都无数十亿美元。开源可否连结合作力至关主要。特别正在办事业等范畴，如许一来，举个例子，锻炼出了目前最强的开源编程模子之一。云计较转型之初的软件收入是3500亿美元，AI带来的机遇，后来的故事是！这些本来依赖语音沟通的场景，这背后，但他并没无意识到，若是说过去的出产函数是“本钱+劳动力”，为什么不是 AI 视频？这是锐意的选择。都能配备多个平安代办署理，而AI只花了17年就完成了雷同的逾越。正在产物摆设到现场之后，那些本来靠“平台垄断体验”的企业劣势，英伟达发布了第一块实正意义上的GPU——GeForce 256；GPU 算力、大规模数据集，红杉认为。才能实正高效运转。有成千上万的黑客，带来的是百倍以至千倍的效率提拔，那么问题来了，而语音曾经预备好了：音质曾经脚够天然，而那座工场以至不是靠蒸汽机驱动，市值跨越 4 万亿美元，点燃了智能计较的火种。出产流程第一次从“家庭手工业的分离小做坊”。