7.4
深览指数
科技虎嗅·龙门阵尔©··AI 生成
五月硅谷调研有感
作者基于在硅谷一个月的密集访谈和活动观察，对AI产业现状做出了几项硬核判断：AGI进展速度远超预期，知识工作者被替代比例已升至80%；LLM将吞掉90%以上的应用价值，但剩存的10%可能孕育大公司；企业AI需求是最大盲区，其采纳曲线呈阶梯式跳跃。文章还预判了模型分层、Token重定价等趋势，并特别指出中国开源模型将迎来巨大空间。作者结合投资视角和大刘科幻的隐喻进行阐释，观点鲜明，信息密度高，适合关注AI前沿技术趋势、产业投资及中美竞争格局的深度读者。原文 ↗
核心观点
- ▍AGI的进展速度会比大多数人预期的快得多，Scaling law远未到头，但模型进步已只属于少数头部公司，与大部分普通创业者/公司无关。
- ▍LLM将吞噬90%以上的应用价值，应用层公司面临巨大生存压力；但从吞食者文明中提取的“逃生速度”隐喻，指出应用型公司可通过在“数据加速度”上构建杠杆来实现逃逸。
- 01作者3月和5月两次到硅谷的感受对比：3月认为白领/知识工作者被AI替代50%，Researcher被替代30%；5月上升到知识工作者被替代80%，Researcher被替代50%。
- 02企业AI需求的采纳曲线是阶梯跳跃式而非线性平滑，取决于人才结构和预算来源（IT成本预算 vs 业务营收预算），模型能力不是卡点，企业落地需要复合型人才。
- 03硬件投资层面，存储（如HBM）的价值>CPU>光模块；海外投资人已形成自我强化的投资逻辑，认为Memory公司因为没有第三方制造平台，应享有更高估值倍数。
- 04数据市场规模正迅速膨胀，约占大模型训练总Capex的1/10；在1T美金的Capex背景下，数据市场规模可达到300亿美金。
- 05Coding模型能力在快速收敛，头部模型间、开源与闭源间的差距正在缩小；但企业级Agentic Workflow切换远不如个人开发者快捷。
- 06企业需求呈现模糊的云-混合-本地三层结构，类似10年前的SaaS迁移，长期到底有多少会彻底云化是“黑箱”，但市场巨大且都在增长。
- 07作者预测模型分层时代即将到来，Model Routing（为不同任务自动选择最合适的模型）将成为一个比盲目价格战更有价值的“超级简单题”。
反方 / 局限
- — 作者既肯定Scaling law远未到头，又借《吞食者》寓言暗示“无限制吞食”自带的负反馈机制（物理极限、结构脆弱性）可能成为大模型发展的内在瓶颈。
- — 文章指出当前大模型对不同任务（如简单搜索vs复杂推理）‘平权’地使用同一模型和Token定价是不合理的，背后暗示了当前模型架构在效率和成本上的局限。
9 分钟 · 5 卡片 · 15 资料
读原文 →