AI的未来：初创公司的前景（中文）

AI的未来：初创公司的前景202502前言08给创始人的阿明·瓦赫达特GoogleCloudML、系统和云AI副总裁/总经理阿普尔夫·阿格拉瓦尔合伙人，AltimeterCapital创始人兼首席执行官，GleanChamathPalihapitiya8090SocialCapital创始人兼首席执行官，联合创始人兼首席执行官公司简介普通合伙人，GVOhaloGeneticsDouweKielaContextualAICEO迪伦·福克斯Pinecone创始人兼CEO埃拉德·吉尔GilCapitalLangChain首席执行官兼联合创始人72使用GoogleCloud詹姆斯·特罗曼斯GoogleCloud李昕晢普通合伙人，a16z公司简介合伙人，Greylock佳丽LiveXAI投资合伙人，CapitalG马蒂厄·鲁伊夫Photoroom联合创始人兼CMayadaGonimahThreadAI首席技术官兼联合创始人RavirajJainLightspeed合伙人萨利姆·特贾RadicalVentures合伙人，AspectBiosystems、PromiseRobotics、IntrepidLabsSarahGuoConviction创始人兼合伙人MikeVernalConviction合伙人YoavShoham斯坦福大学计算机科学名誉教授，AI21Labs联合创始人前言人工智能正在改变世界各地的每一个组织，代表着解决复杂问题、推动增长、创造效率和开辟新商机的前所未有的机会。对于初创公司来说尤其如此，他们正在迅速采取行动，利用人工智能来应对新的市场机遇。02GoogleCloud是人工智能创新的核心，我们为自己的技术领导地位感到自豪，我们将继续为我们的客户（包括全球60%以上获得资助的生成性人工智能初创公司）拓展可能性的界限。我们很高兴与初创公司、风险投资界和行业领导者合作，以确保创始人及其团队能够获得帮助他们重新定义未来的技术。02ThomasKurian，GoogleCloud谷歌正在构建所有组件从定制芯片到数据中心再到前沿模型。因此，我们的新Gemini2.0型号比以前的版本功能更强、速度更快、效率更高这些模型本身就是多模态的它们能够处理文本、图像、音频和视频。它们还可以生成图像和可操纵的文本到语音音频。Gemini具有长达200万个令牌的上下文窗口，可以为高级应用程序提供需要深刻的理解和记忆。此外，思维模型能够显示解决复杂问题的推理能力，这在数学和科学中特别有用。Gemini还可以原生地使用Google搜索等工具Mariner已经证明，使用Gemini模型构建的代理可以使用Web浏览器完成任务。现在可体验，其接受音频和视频流输入。这些功能的组合实现了一种新的代理体验，我们很期待看到创业公司在2025年与Gemini一起建立什么。戴维·萨克尔GoogleDeepMind产品03010203AI预测04Alpredictions阿明·瓦赫达特GoogleCloudML、系统和云AI副紧密同步和大规模计算需求将推动基础架构达到前所未有的计算密度和能力水平。阿尔温德阿尔温德·贾恩创始人兼首席执行官创始人兼首席执行官，Glean人工智能将继续成为增强人类能力的工具基于人工智能的员工的概念延续了一种有限的观点，阻碍了人工智能和人类智能的真正潜力。通过结合语音、视觉和自然语言，多模态人工智能将减少对计算机和手机等设备的需求，并使与数字世界的交互更加无缝。阿普尔夫·阿格拉瓦尔公司简介普通合伙人，GV公司简介普通合伙人，GV人工智能的微繁荣和萧条将是不可避免的，因为构建生成性人工智能应用程序的工具变得更加容易获得，因此商品化。8090SocialCapital创始人兼首席执行官软件的未来是用更少的资源做更多的事情。随着人工智能自动化，软件行业将变得更有效率，标准普尔500指数的平均利润率将翻一番，因为公司获得更多，支付更少。DouweKiela大卫·弗里德伯格DouweKielaContextualAICEOContextualAICEO型可以学习如何决定何时使用长上下文以及何时使用RAG来优化准确性和效我认为最容易受到AI驱动转型影响的行业生物学（治疗药物和农业）。例如，基因组语言模型将能够预测任何所需植物性状或生物药物所需的确切DNA序列，从而彻底改变农业和人类健康。05AlpredictionsAlpredictions江户自由Pinecone创始人兼CEO迪伦·江户自由Pinecone创始人兼CEO人工智能中最快的投资回报率是在智能体中，但最大的机会在企业搜索中。企业广泛采用人工智能的时间轴将比人们想象的要慢很人工智能中最快的投资回报率是在智能体中，但最大的机会在企业搜索中。埃拉德·吉尔GilCapital首席执行官哈里森·蔡斯AI被大大低估了。我们正处于埃拉德·吉尔GilCapital首席执行官哈里森·蔡斯AI被大大低估了。我们正处于由人工智能驱动的巨大变革浪潮的早期阶段，传统的机器学习，如自动驾驶汽车，终于开始它的步伐，以及处于婴儿期的人工智詹姆斯·特罗曼斯GoogleCloudWeb3董事总经理你最终可能会比信任其他任何人更信任你的web3人工智能代理。你会告诉它比你告诉别人更多的事情。它会了解你的一切，并利用这些信息来帮助你。为了真正利用代理系统，我们需要它们的规模超出我们要求它们做的事情成为“环境代理”，在后台运行，永远在线，监控事件流，只有当有趣的事情发生时才提醒我。李昕晢普通合伙人，a16z人工智能代理真正成为主流需要比人们预期的更长的时间。模型推理能力将需要基础设施和根深蒂固的系统集成问题。公司简介合伙人公司简介合伙人，GreylockLiveXAI联合创始人、总裁兼首席AI官人工智能的最终商业模式尚未开创，投资者需要时间来理解它们。我设想的未来是，人工智能体无缝地融入日常生活，我们与人工智人工智能的最终商业模式尚未开创，投资者需要时间来理解它们。它不仅能理解语言，而且能感知并对视觉线索做出反应。06AlAlpredictions马蒂厄·鲁伊夫Photoroom联合创始人兼CEO吉尔·马蒂厄·鲁伊夫Photoroom联合创始人兼CEO投资合伙人，CapitalG在未来18个月内，基础模在未来18个月内，基础模型的功能将保持相当稳定，为初创公司提供充足的机会来构建专业化的AI解决方案提供明确的投资回报。感。AI将变得更好了解是什么触发了人类的情绪，允许故事和内容个性化，并适应个人的情绪反应。ThreadAIThreadAI首席技术官兼当他们还没有被证明能真正移动针头时，-无论是通过ROI还是通过从根本上改变开发者生态系统。很多这样的图书馆会倒闭或者得到越来越少的资金。我们看到模型、解决方案和工具的突然爆炸式增长正迅速推向市场MayadaGonimahLightspeed合伙人最重要的技术变革将发生在物理世界的基础模型中，特别是机器人技术。RavirajJain萨利姆·特贾AspectBiosystems、Promise前景将从建立更大更好的模型转向优先考虑广泛的实施人工智能在各行各业的应用，以解决现实世界的问题，并为企业和社会创造切实的价值。公司简介Conviction创始人兼合伙人迈克·弗纳尔合伙人，定罪在人工智能方面，最有用的数据通常与特定的真实用例有关。在许多情况下，这使得该领域向新进入者开放。YoavShoham斯坦福大学计算机科学名誉教授，AI21Labs联合创始人早期的“提示和祈祷”AI-简单地给语言模型喂一个提示并希望得到一个好的结果-都结束了为了满足企业的关键需求，我们需要强大的的结果。070102建议03创始人0808计算将更快、更便宜、更可靠随着时间的推移。假设你有一个惊人的想法，你所需要的就是将计算成本降低10倍甚至100倍，使其有利可图。这一点现在已经触手可及。阿明·瓦赫达特GoogleCloudML、系统和云AI副总裁/总经理入的收入和开辟新的创新机会，而不仅仅是工具创始人兼首席执行官，Glean专注于构建点功能，而不是点产优先开发高价值的特定功能，而不是创建全面的软件。这使得市场上的竞争成为可能，大型公司可以使用AI复制功能。ChamathPalihapitiya席执行官使定价与交付的价值保持一致。不要只使用按座位的模式，而是考虑基于使用或基于价值的定价。你的定价应该反映出你的产品为用户提供的价值阿普尔夫·阿格拉瓦尔于记录，编纂，并测量它们的过程。他们希望在测试最佳实践方面做得最好，写下有效的做法并在整个组织中分享。我发现，拥有一种欣赏文档的文化（在合理的范围内在其他方面与卓越运营有关。公司简介普通合伙人，GV09你需要一些创造价值在启动后保持初始优势用于持续性能改进的数据生成，还是网络效应。是不够只是一个LLM包装器。大卫·弗里德伯格OhaloGenetics动作快点上市时间是创业公司最重要的事情，而市场就是现在。人工智能的发展速度令人难以置信，所以你必须确保自己不会落后。DouweKiela，ContextualAICEO如专注于解决特定的利基问题，很有深度迪伦·福克斯AssemblyAI创始人兼CEO从开箱即用的解决方案开始。创业公司可以使用现有的工具快速获得一个可以测试和赚钱的生产就绪产品，而不是从头开始构建所有东西。找到一些东西人们真正关心的，尽可能快地发货，测试人们是否关心，然后从那里开始。埃拉德·吉尔GilCapital优先进行评价。立即进行评估，以更好地确定指标和方法来评估绩效从一开始就至关重要哈里森·蔡斯如何赚钱和销售一样重要。如果你能扭转商业模式，对抗竞争对手，那就很强大，因为现有的公司很难改变。公司简介从一开始就展示出强大的产品市场契合度，具有明显的竞争优一条清晰的盈利之路吉尔·格林伯格·蔡斯投资合伙人，CapitalG理解模型的能力理解模型的能力，并将其与用户想要的结合起来，这就是魔力。李昕晢普通合伙人，a16z分权。相反，应用web3-例如更便宜的支付轨道，可扩展性和可扩展性-AI代理解决客户用例。詹姆斯·特罗曼斯GoogleCloud不要低估数据的力量，在确保安全和隐私的同时，专注于收集多样化、高质量的数据佳丽联合创始人、总裁LiveXAI首席AI官对人工智能功能对人工智能功能、工具和基础设施的发展方向有一个固执己见的设计您的用户体验，以帮助人们实不必使用提示。马蒂厄·鲁伊夫基础引擎将得到显著改善。使用“不可知”的基础架构进行构建，让您能够利用不断变化的一流模型和数据库。MayadaGonimah投资于应用人工智能研究能力，了专注于解决现实世界的问题，并为人工智能的崛起做好准备。RavirajJain中间要小心萨利姆·特贾AspectBiosystems、PromiseRobotics、IntrepidLabs专注于“产品-算法匹配”。了解AI堆栈的不同层（基础模型、中间件、开发工具和应用程序），并考虑您的公司适合哪里。对于在中间层建立公司要谨慎，因为它可以如果基金会的模式发展迅速，我们将面临压力公司简介Conviction创始人兼合伙人迈克·弗纳尔合伙人，定罪了解优势和劣势你应该了解当前的技术，并围绕人工智能技术今天可以做得很好的事情来建立你的创业公司，而不是在一些理想化的未来版本上。YoavShoham斯坦福大学计算机科学名誉教授，AI21A无论您在人工智能采用方面处于什么位置，我们A都能提供帮助。今天就预订您的生成式AI咨询。 立即注册通过GoogleforStartups云计划获得取得联系010203是什么下一篇：AI行业领导者的观点阿明·瓦赫达特GoogleCloudML、系统和云AI副GoogleCloudML、系统和云AI副Amin是机器学习、系统和云AI团队在15年前加入谷歌之前，10年后我们的基础设施将面目全从软件到硬件，计算、网络、存储等领域正在发生根本性转变今天，我们认为我们现有的架构是理所当然的，因为它代表了如何构建系统的“传统智慧”。过去五年左右的变化意味着我们正处于另一场革命的早期到中期阶段，这场革命将使新兴的计算平台在本世纪末变得面目全非。这种转变的最大驱动力之一是从实时信息访问并交付给由生成式AI驱动的洞察力和解释的主动生生成式人工智能所需的巨大计算和通信需求需要在底层基础设施的设计和构建上下堆叠，包括：01特定应用程序计算04计算包装生成式AI计算由大量的矩阵乘法和相关的数值计算组成。这种专业化意味着用于通用计算非常特定的子集的专用硬件在测量在性能标准化到成本或性能每瓦特。严格的同步和巨大的电力需求将基础设施推向前所未有计算密度。计算必须跨越同质元素，通信必须预先计划和协调，容错必须有效。从延迟和功从成本角度来看，将更大量的计算能力打包到更小、功率密度更高的环境中可以具有显著的益处。网络专业化我们看到了一个巨大的变化，从基于标准的，商品网络硬件，协议，和软件到专门的网络，例如用于TPU的芯片间互连（ICI）和用于GPU的NVLink，其设计用于支持更高级别计算原语的非常特定的任务，例如具有很少或没有分层的硬件中的全归约，没有OS管理，以及基本上直接的存储器到存储器传输以支持特定的计算原语。记忆墙液体冷却持续的高强度计算对于ML，计算改变了等式，使得更快地运行芯片的改进的性能效率容易证明更高的功率密度和液体冷却是合理的。液体冷却反过来又需要重新设计数据中心建筑和冷却基础设施、机架以及更多的端到端，以提供最高水平效率，以及离网发电技术（包括风能，太阳能，水力和电池阵列以便在全球各地提供ML计算。高带宽存储器（HBM其中RAM以以3D方式堆叠在与计算相同的封装上，以大幅降低延迟并增加带宽，但它正在触及其自身的基本限制-内存墙。不断增长的计算能力无法从本地内存或网络向计算提供所需的数据，将导致计算和功耗的昂贵搁浅-需要在计算和内存架构方面取得突破，以保持所需的系统平衡点。具有高级推理功能的开箱即具有高级推理功能的开箱即用功能，例如使用检索增强需大量资本支出的情况下访问模型或工程资源。初创公司以不同的方式计算能力的这种巨大增长是通过不断改进来在模型可靠性和降低计算成本方面，结果是：将取得更多进展模型质量、安全性和延迟如果你的创业公司专注于真实性，你的目标是提供高质量，低或零幻觉的产品，那么你仍然应该关注这个问题。但是，如果你的目标是提供一些其他的服务，利用所有的模式现在提供的质量上升的潮流。02计算成本将大幅下02计算成本正在迅速下降。如果我是一家人工智能初创公司，我会把赌注押在计算速度更快，更便宜，更可靠。假设你有一个惊人的想法，你所需要的就是将计算成本降低10倍，使其有利可图。对我来说，这是一个很容易的赌注，即使你需要一个100倍的减少。正如我们在整个行业所看到的，模型构建者将继续优化以节省成本，利用最基本的基础设施，利润微薄。一组强大而多样化的加速器（GPU和TPU）的可用性将继续是关键，以及之前强调的高吞吐量网络功能绝大多数专注于构建创新和差异化应用程序的初创公司将进一步转向更多基于软件的服务。具有高级推理能力的开箱即用功能，如使用检索增强生成（RAG）和函数调用编排LLM（大型语言模型将受到更高的需求，因为它们允许在没有大量资本支出或工程资源的情况下访问模型和基础设施。阿普尔夫·阿格拉合伙人，AltimeterCapitalApoorv领导了对软件和 AI初创公司在，，-Parloa和Everest————————中有显着的投资。作为一名训练有素的工程师，Apoorv在Palantir开始了他的职业生涯，担任前沿部署工程师，至今仍在编写代码。是个人计算的未来下一轮人工智能增长将使平凡和人性化的技术自动化想象一下想象一下，在这样一个世界里，你可以通过对话来控制你的整个数字生活语音、视觉提示、触摸，当其他一切都失败时，打字。这就是我们正在建设的未来，它将释放巨大的机遇在未来的几年里，到电脑和手机。我相信我们会把它看作人类历史上的一个奇怪的插曲。一百年后，人们将不会粘在屏幕上。AI将解放我们。特别是，多模式人工智能的兴起-或结合语音，视觉和自然语言处理-将使与数字世界的互动完全无缝。押注于自动化、效率和以人为本的体验作为一名专注于人工智能的投资者，相信未来将由多模态人工智能驱动，我确定了指导我决策的三个核心主题：01自动化平凡客户服务，后台功能，任何数据密集和基于规则的东西都适合人工智能颠覆。我感兴趣的是在人类正在做工作不能满足他们，不能给他们带来快乐，也没有创造性。AI擅长自动化未完成的，数据丰富的任务，解放人类更有意义的工作。增强人类的能力人工智能是让我们更聪明，更有效率。考虑可以综合大量信息并提供可操作见解来释放有形的生产力收益。我对开发人工智能解决方案的初创公司感兴趣，这些解决方案有助于改善人类的能力。将科技与这些主题类似，我也对代理工作流感兴趣，人工智能代理为我们处理整个任务或流程。我毫不奇最聪明的人正在开发工具，让我们从点击按钮和埋头于屏幕中解放出来。I'minterested感兴趣inmaking制造AI人智能投资于人类正在做的工作不能实现的他们没有创造力，没有创造力。人工智能擅长自动化未完成的、更有意义的工作。我认为语音AI特别提供了一种更自然、更直观的方式来与技术进行交互。我专注于语音AI基础设施提供商，因为我相信这个领域正在爆炸式增长。能够创造真正以人为中心的AI体验的初创公司将在市场上占据很大优势。另一个值得探索的有趣领域是我们可以使用人工智能来更好地理解和联系彼此，改善生产力提高之外的关系。将重点转移到应用程序层随着基础设施和模型成本的大幅下降，机会正在向应用层转移。可以这样想：人工智能堆栈目前是一个倒三角形，大部分价值集中在半导体和基础设施上。但随着我们进入人工智能增长的下一阶段，这个三角形将翻转。应用层将成为创新和价值创造的地方。对于创业公司来说，这意味着专注于建立人工智能驱动的产品和服务，解决现实世界的问题。不要陷入基础模型的复杂世界。相反，应利用现有基础架构，并专注于创建能够提供切实价值给用户并建立耐用性，所以你不只是生存，但赢得与下一代模型和支持技术。我认为这是真正的机会所在，并看到两个大趋势正在出现：01横向应用程序AI驱动的工具，可提高所有工作职能的生产力。对于我的最后一点想法，我将告诉那些向我寻求有效使用AI建议的创始人：数据没有数据战略就没有AI战略。了解您拥有哪些数据以及如何使用这些数据来训练有效的AI模型。一体化考虑如何将AI解决方案与其他平台和数据源集成，无缝的用户体验。工作流最后，想想人们不想做的事情，人工智能可以自动化这些任务，或者让它们更直观吗？02垂直应用专门的人工智能产品旨在满足工程师或客户服务代表等特定角色的需求。一个关键的争论是，横向人工智能是否会变得如此之好，以至于它取代了对垂直解决方案的需求创业公司需要考虑的另一个问题是，你应该为你的产品追求按座位、按使用量还是按价值定价？没有简单的答案但我建议创业公司将定价与交付的价值相结创始人兼首席执行官，Glean阿尔温德·贾恩创始人兼首席执行官，GleanArvind是Glan的创始人兼首席执行官，Glan是一个人工智能工作助手，为人们提供他们需要的答案，让他们在工作中更有效率，更快乐。在加入Glean之前，Arvind是Rubrik的联合创始人并领导研发，Rubrik是数据安全领域领导者，他还在Google担任了十多年的杰出YouTube产品。通过人工智能优先考虑收入增长，投资回报率可以等待围绕AI代理的对话已经变得不现实。在去年的某个时候，以个时候，以“人工智能可以回答这个问题”开始的话很快就变成了“代理人将为我们做我们的工作，这样我们就可以去海滩了”，几乎没有证据或思考我们如何到达那里。几乎每一位与我交谈过的创始人或首席执行官都知道，我们正处于人工智能的早期阶段，多年来它将从我也相信人类将继续控制，在可预见的未来掌握这项技术。个人会变得更有效率，甚至可能比以前多十倍。理解AI应该被视为作为增强我们能力的工具，而不是取代它们。在这个人类和人工智能合作的世界对于试图在两者之间找到正确平衡的创始人和首席执行官，我有几条建议产品人工智能仍处于早期阶段，现在还不是考虑投资回报率的时候。虽然您可能有一些项目专注于实现节省的底线，但您应该将这些节省下来的资金再投资到能够带来大幅增长的项目中。人工智能的唯一目标不是通过减少客户服务代理或自动化一些业务流程来实现20%的效率。人工智能也是关于增加你的背线通过做一些你以前从来没有做过的事情和产品。机会是显而易见的：使用人工智能通过一些效率工作来挖掘节省，然后将其再投资到为您打开新机会的新创新中。02确保整个团队的作为一家初创公司，你不仅要确保你的团队处于最新人工智能工具的最前沿，技术，但你的员工感到舒适使用它们。这不仅仅是采用新技术，而是从根本上改变公司的组织和构建方式。你的员工需要接受如何使用人工智能的教作为合伙人你还应该雇佣这些人已经习惯使用人工智能，同时确保您的所有员工都拥有正确的工具和教育，以成功地将人工智能集成到他们的工作流程中。你开发的任何产品都需要拥抱AI，使其更智能、更强大、更现代。作为一家创业公司，你需要首先把AI看作一种工具。如果你开发一个产品，使用AI来实现其90%的功能，你将设置你的启动被完全取代。从问题（而不是功能）开始，部署AI来更好地解决问题。解释变化率AI技术在不断发展。当你构建产品路线图时，问问这些问题是你应该自己解决的，还是人工智能将在这个时间范围内或可预见的未来自行解决这些问题。做出那些经过深思熟虑的决定投资研发以预测核心技术的进步，而不是在即将过时的东西上花费时间。这同样适用于你如何构建。设计您的基础架构，使其对模型和工具的改进更加不可知，预测即将发生的事情，并在可行的情况下实现即插即用，以利用更新，而无需进行大规模大修或中前从来没有做过的事情和产ChamathPalihapitiya执行官，联合创始人兼首席执行官Chamath是SocialCapital的创始人兼首席执行官，CEO。在2011年创立SocialCapital之前，Chamath2006年至2011年，他在Facebook担任高管，领导公司 的增长、移动和平台团队。————————————————为什么软件市场萎缩可以带来更大的利润事情，使企业变得更高效，有利可图在帮助公司实现这一目标的过程中，许多公司愿意与真正创造这一价值的软件公司分享好处就像今天许多运营最好的公司一样，所有公司都应该能够建立自己的定制的解决方案就像今天许多运营最好的公司一样，所有公司都应该能够建立自己的定制的解决方案--也就是他们自己的业务操作系统--是专门针对他们的需求量身定制的，而不是依赖于需要昂贵的变更管理和定制。传统的软件行业，其复杂的产品，高成本，巴尔干的特点，和许可模式，正在完全重新想象。人工智能有能力简化这个行业，并将数万亿美元的“软件工业综合体”缩小到其规模的一小部分我不认为这是件坏事。这是一个机会，让经营良好的企业变得更加有利可图，并有可能与实现这一转变的公司分享一些好处。人工智能的真正价值创造在于创建一个软件工厂人工智能的真正价值创造在于创建一个软件工厂，它可以将业务需求作为原材料输入，并生成高质量的生产代码作为输出。当这是可能的，企业可以完全重构他们的组织结构图。对我来说，这是一个既定的事实：软件的未来是用更少的资源做更多的事情，是关于自动化，并最终使商业领袖能够以更简单和更高的质量实现他们的在人工智能快速发展的环境中，模型和工具不断更新和替换，初创公司需要优先考虑灵活性。构建适应性强、面向未来的解决方案至关重要，因为今天的尖端技术明天可能就会过时。这意味着采用模块化的开发方法，其中组件可以很容易地交换或升级。这也意味着要随时了解人工智能的最新进展，以避免不断重做工作的痛苦，并在出现新机会时加以利用。人工智能的真正价值创造并不在于构建解决特定问题的产品。它是在创造自动化软件工厂，可以将业务需求作为原材料，并生成生产代码作为输出。改变价值创造我们正在走向一个奖励功能不是基于点击或参与的世界，而是基于最大的真实性。我希望这种转变能从根本上改变我们解决问题和价值创造。想象一下，在未来，完全自主的智能体可以处理复杂的任务。例如，软件可以在不到两个小时的时间内获取公司的产品库存，并生成在多个国家销售这些产品所需的所有商业基础设施，以及各种复杂的隐私规则。我们已经看到一个人公司与人工智能一起工作运营这些业务的人使用人工智能来自动化任务，生成内容，甚至管理客户交互。我认为这证明了人工智能的民主化力量，使人们能够以前所未有的方式建立和扩大业务。关键是：专注于真正增加价值的东西，削减不必要的东西AI可以帮助我们发现并消除效率低下的情况，简化工作流程，并优化流程。开辟新的价值之路初创公司解决特定效率低下和问题的传统途径仍然非常有利可图。也就是说，我看到了人工智能的三个早期采用者原型：拥有大量IT预算且现有系统的ROI较低的老牌企业。0202快速增长03这超过了他们吸引工程师或建立内部基础设施的能力。快速增长03扭亏为盈的公司，面临重组和降低成本的压力，使他们对创新解决方案更加开放。这些不同的客户档案展示了人工智能在不同业务和增长阶段的巨大潜力。这为创新创造了肥沃的土壤，使初创公司能够利用人工智能来颠覆现有市场并开辟新的领域。构建软件工厂，而不是产品对于初创企业来说，这是一个独特的挑战和机遇。构建点产品的传统模式可能已经不够了。相反，初创公司需要考虑更大的问题，专注于可以快速有效部署的灵活解决方案。AI正在改变我们对软件的认知。是时候拥抱一种新的思维方式了，一种优先考虑简单性、自动化以及最重要的价值创造的思维方式。软件的未来是用更少的东西做更多的事情，而人工智能是释放这种潜力的关键。公司简介普通合伙Crystal是GoogleVentures的普通合伙人，专注人员主导的采用策略特别感兴趣。此前，Crystal曾是NEA和NotableCapital（GGV）的投资者，并在Blackstone开始了她的技术&并购职业生涯。人工智能驱动的超个性化将在2025......但这足以驱动粘性吗？虽然人工智能仍在以极快的速度创新，但这一领域初创公司的炒作和投资周期太空已经成为我参与过的所有技术趋势中最短我从来没有见过这么多公司在发布时获得疯狂的吸引力，年收入达到数千万美元，然后人们在这么短的时间内失去了兴趣。可能一周后，竞争对手推出了更好的产品。这可能是一个基础模型公司在他们的下一个大版本中推出相同的功能。我认为这种繁荣和萧条的周期将继续下去，因为工具是如此广泛的访问建立一个新的基础模型是困难和昂贵的，所以没有多少团队能够做到这一点，但在应用层，我认为会有大量的破坏和重生。令人兴奋的是，2025年的前景将与去年完全不同，虽然生成式人工智能显然是令投资者兴奋的领域，但标准的估值框架仍然适用。这就是我要找的粘性作为一种度量超个性化如果您的产品易于实现，那么卸载它也同样容易。产品需要更有粘性才能创造持久的价值，这意味着产品既不可或缺，又能深度融入用户的工作流程。虽然企业正在推动人工智能的所有紧迫性，但它往往需要企业之间的共同努力。平台和企业-协同工作以创建自动化或工作流，并获得对企业数据的困难访问以显著提高性能。增长最快的是那些愿意花15美元尝试新事物而不是一个企业每年投资2000万美元在一个遗留系统上。但是，虽然经济上可获得的切入点可以导致更快的消费者采用，但这可能会使阻止他们尝试新事物同样具有挑战性。我们一直听说，未来每个消费者都将获得人工智能驱动的营销活动或辅导或医疗保健服务，这些服务是高度个性化的，并且是即时生成的，但这还没有发生。训练和推理对于人工智能模型来说，这是主要的障碍，但这些障碍正在以一种我认为非常神奇的速度迅速减少。随着更小和更特定于领域的模型的出现，培训费用正在下降，推理成本正在全面提高，使个性化推理和决策不仅在经济上可行，而且对希望随着时间的推移留住用户的人工智能公司来说可能是一个差异化因素。我还要补充的最后一点是：企业客户对一些人工智能功能商品化的速度非常了解我曾与CIO和CTO交谈过，他们今年正在使用一种生成式AI解决方案，但已经计划明年为更便宜、更强大的解决方案提供RFP。是远远不够的简单地筹集资本;创业公司需要展示真正的产品投资回报率，产生有意义的收入，建立一个防御护城河，并在一天结束时，提供炒作。载它也同样容易。产品需要更有粘性才能创造持久的价值，能深度融入用户的工作流程。大卫·弗里德伯格OhaloGeneticsDavid是OhaloGenetics的首席执行官行官，该委员会是一家风险铸造厂，致力于建立和投在加入Ohalo和TPB之前，David是全球领先的数字气候公司TheClimate耳担任执行领导团队成员。大卫也是All-In的四位联合主持人之一，All-In是一个顶级商业和投资播客。在他职业生涯的早期，他曾在谷歌担任企业发展和产品方面的高级职位，并毕业于加州大学伯克利分校，获得天体物理学学士学位。监管以及人工智能如何彻底改变硬件，媒体，软件和生物学我对监管的看法以及人工智能驱动的未来如何包括无处不在品和突破性药物让我们从一个有争议的领域开始：AI监管。有些人认为人工智能应该受到严格监管，以防止其被滥用，而另一些人则认为监管会扼杀创新。我的看法？世界不会调节因此，监管较少的行业或司法管辖区将获得优势并赢得市场。我认为，你需要让人工智能自由运作，使其具有竞争力，成功地对抗那些试图利用人工智能造成伤害的坏人，依靠现有的法律来防止人工智能的不当使用，而不是试图控制人工智能的发展一些人工智能公司将突破边界，其他公司将优先考虑安全性。每个公司都会定义自己的“负责任的人工智能”，这是健康的。我们需要具有不同约束的多样化人工智能系统，就像我们有不同的媒体渠道一样。让市场而不是监管者来决定它想要什此外，试图规范模型的构建方式永远不会跟上人工智能创新的步伐巨大的颠覆潜力：机器人、媒和生物学以下是我认为具有巨大颠覆潜力的几个行业：2025年将是机器人之年我们正在目睹人工智能对自动化的影响发生巨大变化，机器视觉和自我学习。虽然2024年的重点是基础模型的计算和创新，但2025年将是应用和利用真实世界和模拟数据来训练和部署硬件系统并创造突破性经济价值的一年。快速的进步使我们更接近人类机器，可以自动化物理任务，提高效率，并执行人类无法执行的物理任务。媒体正如我们所知，人工智能将改变媒体格局。个性化的电影和视频游戏，以及动态生成的内容，将从根本上改变内容“出版”的价值主张和经济学。一个基本的电影故事经历了从任何角色的角度来看，在任何风格，并为任何长度的时间。一个视频游戏与无尽的变化和故事情节。一个内容系列，其中用户在故事中亲自出现。AI驱动的媒体的动态可能性是无穷无尽的。有可能在未来的五年里，我有可能在未来的五年里，我们会找到一种方法，让更小的人工智能模型在网络中协同工作人工智能驱动的工具将使任何企业或初创公司能够动态，快速和经济地创建自己的工作流程和软件应用程序，以每用户许可费取代对昂贵的现成SaaS解决方案的需求。在我公司最近的一次黑客攻击中，我们使用人工智能工具来构建应用程序和工作流，以取代现有的SaaS订阅。花了几个小时。这种内部开发允许个性化的解决方案，降低成本，并提供持续更新这一切都归功于AI驱动的软件开发。04生物学AI现在可以用来设计基因组任何单细胞生物体或植物，使创造新的生物药物和新的作物，可以生产更有营养的食物，使用更少的自然资源。多亏了低成本的DNA测序，利用“基因组语言模型”（GLM使我们能够定义一个生物学“目标”-一种抗体药物，结合到一种特定的癌症蛋白质或一种生长在特定气候下的玉米植物-和软件业务这不仅仅是技术本身的问题，而是你如何使用它。创业公司需要敏捷和适应性强，但也要提供独特的价值。如果你只是一个LLM包装，这将是很难建立一个可持续的业务-你很可能会得到商品化了。企业需要一个价值创造引擎，通过持续改进来保持最初的可持续性。这通常来自专有数据生成，持续改进模型性能，或锁定对数据或客户的访问的网络另一个关键的竞争优势将来自基础设施成本。并不是说越大的模型越好。很有可能在未来几年内，大型模型将被简化为更小的模型，在网络中协同工作，它们可能能够做大型模型做不到的事情。这将降低运行时成本，提高速度和其他性能指标，开启性能的新时代。我把这比作生物学中基因的表达和调控。可以提供所需的确切DNA序列，这个结果。使用CRISPR基因编辑工具，这些建议可以迅速制定和实施。生物学已经成为软件，人工智能正在开启一个充满可能性的新时ContextualAICEODouweKielaContextualAICEO情境AI专注于生产级RAG代理，这些代理高度准确，可审计，并专门为您的业务。Douwe之前是HuggingFace的研究主管，在此之前是FacebookAIResearch的研究科学家。他获得了剑桥大学的博士学位。为RAG2.0构建情境化的AI模型方法来使用丰富的上下文来获得复杂问题的正确答案变得至关重要当谈到人工智能时，人们倾向于认为我们在游戏中比我们晚得多。在我们公司，我们已经了解到人工智能技术的基础设施层还不成熟--你期望工作的东西并不工作在规模上都很好与此同时，我觉得很多公司的用例目标太低，专注于基本的助手或副驾驶应用程序。他们没有考虑如果你的目标稍微高一点，你可以用这项技术自动化的工作流程和过程。在检索中主动合并结构化和非结构化并行检索增强生成是一个非常有趣的长期趋势，更积极和准确的检索。人工智能代理试图找出回答给定问题所需的信息，从存储的任何地方检索它，甚至在给出最终答案之前提出后续问题。如果你能做到这一点，那么你就有可能拥有不同的组件，如文本到SQL模型、代码片段、计算器和结构化数据库查询，以在其之上进行推理，从而获得最复杂问题的正确答案。目前，存在一种数据二分法，将数据库中的结构化数据和数据桶中的非结构化数据分开。要在其上执行传统的RAG，您必须将其分块并将其放入矢量数据库，然后执行一些额外的操作。但这二分法正在慢慢消失，所以我认为真正令人兴奋的用例是结构化和非结构化数据的交叉点。随着技术的成熟，我希望看到多智能体系统结合人类和人工智能的最佳性能，以解决需要领域专业知识和文化理解的复杂问题。这是整个领域的发展方使数据源多样化并将层次结构作为最佳实践下一代RAG型号集成更紧密，减少幻觉，提高准确性和企业级性能。这个想法很简单，一起训练生成器和寻回器，而不是作为单独的模型，它们并不真正知道对方。导入到RAG管道中的数据始终具有隐式层次结构，为了最大限度地提高准确性，您需要考虑该层次结构。这一点尤其重要，因为企业需要整合外部数据源。我们看到很多客户不想依赖任何外部信息，也许是因为他们有丰富的内部知识库，他们不想污然而，在这些公司中，通常有多个内部数据源，这些数据源具有某种层次结构，例如，研究优先于电子邮件或者短信他们可以将相同的逻辑应用于外部当有冲突时，它变得非常有趣，例如在网络上找到的东西与内部研究之间。这些冲突可以通过给不同的来源分配权重或总结分歧来处理。在我们自己的管道中，我们有一个主动的检索策略，可以确定需要什么样的检索以及如何权衡。为最准确和详细的结果建立基础和情境模型训练不足或不完整会使语言模型容易产生幻觉。为了避免这种情况，我们从一个可能不像我们希望的那样接地气的基础模型然后，我们对它进行预训练，使其在来自检索管道的检索中牢固地扎根一个集成良好的系统非常擅长将语言模型置于上下文环境中，而语言模型是以上下文环境为基础的。找到提高结果准确性和细节的方法将有利于公司的发展。关于是否使用RAG存在一些争论或者长上下文，但是如果你知道你在做什么，你可能会两者都做。之间存在折衷成本和质量。如果在上下文中填充信息是自由和准确的，那么你可以把所有的东西都放在上下文中，但这不是它的工作方式。相反地，它会随着上下文长度的变化而变化，所以你需要以一种聪明的方式来使用它。人类的大脑不会在工作记忆中储存太多东西，而是只提取当下需要的东西。同样，在这些人工智能系统中，你不想在工作中有太多的背因为这需要大量的计算。相反，只检索相关的信息需要有正确的上下文来做你的工作。如果你想知道《哈利·波特》系列中校长的名字，你不必把七本书都读一遍就能得到答案。诀窍是在获得准确结果的同时尽量减少对计算的影响。上下文在上下文中的标记数量上那很贵的对于长上下文模型，我们通过使注意力机制非常稀疏来解决这个问题。基本上，我们完全忽略了在大多数的注意力头部的标记。把这种稀疏性带到极限，你就把大部分信息都清零了，剩下的就是你想要关注的这些最终会成为语言模型的最终答案这样，longcontext和RAG是一回那些看起来有点遥不可及的那些看起来有点遥不可及的用例是你应该关注的如果你认为技术已经准备好了，即使还没有完全准备好，你就可以领先一步。迪伦·福AssemblyAI创始人兼CEO克斯AssemblyAI是一家领先的人工智能公司，来自Accel、Insight、SmithPoint和YCombinator的1.15亿美元用于构建人工智能系统，将人类语音转化为有意义的结果和产品体验。Dylan拥有研究工程师的背景，住在纽约布鲁克林。弥合最后一英里问题的差距基准来区分您的初创公司我很兴奋实时的人工智能驱动的代理人会进化我们将看到多通道代理，将包括视觉和音频在他们的互动。例如，你可以打开一个应用程序，显示管道泄漏的位置，而不是打电话给水管工寻求帮助，代理人会实时指导你修复它代理广泛采用和人工智能的时间轴将更比人们想象的要多我这样说有几个原因：显然，我们必须解决大量的最后一英里问题，这些问题在深入生产之前并不明显。人工智能的用户体验仍然有一些笨重，比如打断和延迟的反应，让你意识到你不是在和一个人说话。我还认为，使用和实施人工智能技术的公司需要改变他们评估人工智能技术的方式，以获得他们期望的结果。一线希望是，这些同样的最后一英里问题和评估人工智能技术的困难为初创公司提供了脱颖而出的机会。解决最后一英里问题人工智能的最后一英里问题是，使用专有或特定领域的知识来增强模型，可靠地遵循指示，或者检测、移除或完全避免幻觉。我发现这些问题往往是独一无二的应用于特定行业、用例甚至客户。每一个问题都有一个我称之为“模糊阈值”的东西，即在解决之前需要解决多少问题。不再是人工智能采用的障碍。在语音人工智能技术中，特别是在实时语音代理中，我们遇到的最大的最后一英里问题之一是代理能够区分与之交互的人的声音与来自电视或其他人的背景声音。在房间里另一个是它能够识别罕见的单词，比如一个人的名字，一个地方，或行业或客户特定的术语。如果你是一家人工智能初创公司，你可以利用这些最后一英里的问题来为自己服务。很容易在你的产品中的很多地方投入人工智能。但要构建差异化的体验，我认为你必须对你试图解决的用例有一个清晰的视角，然后挖掘以深入理解人们对于用例真正关心什么。这将告诉你什么最后一英里的问题，你需要桥梁，使您的产品最好的，它可以。解决应用程序中的最后一英解决应用程序中的最后一英里问题，您就可以占领该市用正确的基准采用AI的第二个主要障碍是评估AI技术。我看到公司在人工智能方面进行了大量投资，这些投资基于过于通用的指标。为了让公司相信他们部署到生产中的人工智能技术将达到他们的预期，他们需要根据更详细和相关的指标进行评估。例如，对于语音到文本的AI，主要的基准测试指标是单词错误率。单词错误率将人类成绩单与机器成绩单进行比较，删除所有格式以进行苹果对苹果的比较。然而，我们发现，对于许多业务或用例，标点符号如何在应用程序中显示，或者首字母缩略词如何格式化，真的很重要。事实上，对于最终用户和应用程序开发人员来说，识别连续数字、电子邮件地址或罕见单词可能是他们唯一关心的事情。因此，我建议AI初创公司帮助公司根据真正表明其特定用途成功的基准指标来评估您的AI产品。为了揭示这些指标，你需要了解公司将如何使用以及他们将使用它的工作流程。你的基准越接近客户的期望--这通常与最后一英里的问题有关--就越容易知道你的人工智能产品何时越过了成功的模糊门槛。这是一个激动人心的时刻，对于我们这些工作，虽然我们需要克服一些障碍在人工智能被广泛采用之前，它就会发生。我认为创业公司-您解决了应用程序中的最后一英里问题，您就可以占领该市场。Pinecone创始人兼CEO江户Pinecone创始人兼CEOPinecone是领先的矢量数据库，高性能的人工智能应用程序，在规模上，在生产中。Edo此前曾担任AWS研究总监、亚马逊A人和高级总监在Yahoo的研究。一个巨大的人工智能机会在于利用企业数据当业界就人工智能的下一个商业突破展开争论时，我相信一个答案就藏在眼前。许多公司都了解基于词汇或关键字的搜索的价值但从语义层面理解数据（无论是通过图像、视频、PDF文件还是表格利用集中的理解许多公司都了解基于词汇或关键字的搜索的价值但从语义层面理解数据（无论是通过图像、视频、PDF文件还是表格利用集中的理解包括搜索在内的无数应用程序。世界上的数据是非结构化的;了解这些数据并能够大规模有效地检索这些数据，可以为拥有大量专有信息的公司提供大量的商业价值。矢量数据库对于人工智能应用中准确、最新的信息至关重要。它们将这些信息存储为嵌入，基于语义的数据理解，可应用于任何工作负当然，数据管理与人工智能相关的是保持数据的安全性，然后是如何扩展数据，确保数据的准确性、新鲜性和基础性。许多人可能没有意识到，使您的产品生产就绪-包括GDPR就绪，SOC2TypeII认证，HIPAA合规性，SSO，RBAC，CMEK，静态和传输中的加密等。实际上会比其他任何事情占用更多的工程时间，因此不被视为理所当然准确性、快速性和低延迟是2025年的基线准确性至关重要。今天很多LLM都停留在60%到80%的精度范围内。它真的来了到“垃圾进垃圾出”你如何让他们访问最大的数据库能够实时提供接地发电事实上，我认为人工智能最大的机之一是搜索。事实上，我认为人工智能最大的机之一是搜索。结构化的;对这些数据的理解以及大规模有效检索数据的能力可以为拥有大量专有信息的公司提供-全部由全新构建的矢量数据库提供最佳支持，以实现准确性和性能大规模生产。除此之外，延迟是另一个巨大的部分。许多开发人员都在努力解决AI中发生的数据库只是一个一个更大的谜团我们如何将其中的一些模型放在我们的数据库中？我们需要确保这种体验，无论是对最终消费者还是对员工，尽可能高性能和高准确性。埃拉德·吉CEO，吉尔资本Elad是GilCapital的首席执行官，GilCapital是Airbnb、Anduril、Figma、Coinbase、Stripe、Square等主要技术公司的早期投资者和顾问。尽管备受关注，但我们还处于人工智能对世界的变革性影响。对于创业公司来说，最大的机会可能就隐藏在眼皮底下。人工智能被低估的一点是，最终产品是一个认知单元。每个人都更多地将其视为一种软件工具，但您实际上是在销售人类的能力。目前对GPU的有几个领域我相信有很大的潜力，你可以在不同的层面看到它们技术堆栈和不同类型的公司。如果你看看堆栈，在基础模型方面有很多工作要做，这些模型不仅仅是语言模型，而且还涉及医疗保健和物理学等领域。然后在应用程序层面，有很多有趣的东西利用人工智能转换服务、软件和消费产品，使通用工作流程更高效、更具成本效益。作为一家初创公司，需要问的关键问题是：你的业务实际上是做什么的，你的成本在哪里，你的竞争格局将如何受到人工智能的影响？对于实体行业（如航运），人工智能可能对其核心业务的影响最小，但会大大优化所涉及的文书工作。拥有强大核心产品或广泛复杂产品套件的软件公司可能不会看到他们的基本功能被生成式AI破坏（尽管传统ML可能会有所帮助但它仍然有潜力优化内部流程，工作流程和客户支持。人工智能有一个能力的阶梯，模型的每次迭代都会带来新的可能性，而这些可能性会开辟新的用例和您的成本结构中与受技术影响的流程相关的部分越大，您的人工智能影响或转型的机会就越大。以下是我感到兴奋的几个领域：01医疗民主化我认为人工智能更有趣但未被充分利用的领域之一是后训练或微调模型。想象一下，一个拥有知名专家专业知识的程序，可以解释图像，您的家族史和先前的医疗查询，并使用所有这些背景来诊断并按需为您创建护理计划。虽然早期的努力，如谷歌的医疗-PaLM和Med-PaLM2已经探索了这个领域，令人惊讶的是，还没有人完全产品化这个范围的解决方案。更不用说人工智能通过蛋白质折叠、自动化临床前工作、合规性检查和临床数据来大幅降低药物开发成本的能力，以获得更好、更快的结果。机器学习机器学习的旧领域，影响力巨大的东西都没被发现自动驾驶汽车是一项技术的一个很好的例子，这项技术最终取得了长足的进步，但没有人关注它。最后我要补充一点：在早期的技术变革中，往往有很多唾手可得的果实。奇怪的是，创始人不去做，因为他们认为这太容易了。但我认为在新市场，你可以专注于简单的东西，这些东西在规模上运作得很好，你可以在以后建立防御能力。找到人们真正关心的东西，尽可能快地发布，测试人们是否关心，然后从那里开始。在新市场中在新市场中，您可以专注于简单的东西，这些东西在规模上运作得很好你可以稍后再建立防御能力人工智能可以为学生提供前所未有的个人关注，指导他们解决特定问题或学习差距，并让他们立即获得一流的资源。纵观历史，拥有公共图书馆或公共资源作为易于访问的知识库带来了巨大的社会效益。人工智能再次解锁了这一点。哈里森·蔡斯LangChain成立于2023年初，使开发人员能够使用LangChain开源框架构建上下文感知推理应用程序，LangSmith用于LLM可观察性，评估和提示工程，以及用于代理编排的LangGraph。在创办LangChain之前，Harrison领导了RobustIntelligence（一家专注于机器学习模型测试和验证的MLOps公司）的ML团队，在Kensho（一家金融科技初创公司）领导实体链接团 人工智能问题需要人类解决方案代理商掌握着将生产力提高到新水平的关键，但他们的成功取决于我们的指导在其核心，任何人工智能代理都需要像人类一样理解问题，然后以某种形式的代码和提示复制解决方案。因此，当你在构建一个智能体时，问自己两个问题：你是否与智能体沟通了你想做的事情，以及它是否理解你在沟通什么？我认为评估是非常重要的，以确保你没有倒退，因为你改变你的应用程序。我还认为，关键是要弄清楚如何评估不仅是最终结果，但轨迹到达那里。模型、提示和RAG策略都在变化--您如何表示这些不同的步骤，并知道您的应用程序在每一个步骤中都变得更好？怎么我评估更复杂的代理商？如何使用这些eval以编程方式改进应用程序，同时还记住它只是更大图景的一部分？花更多的时间在这里将迫使我们更好地思考成功实际上是什么样我们的责任是定义和完善工作流程，设置评估指标，提供反馈，纠正过程，并减轻模型在当前状态下的风险。40UX解锁一切上下文学习提供了过度微调用户体验是目前代理创新的一个迷人空间。为了真正利用代理系统，我希望他们能够扩展到超出我可以要求他们做的范围-成为“环境代理”，在后台运行，始终在线，监控事件流，只有在发生有趣的事情或需要我的帮助时才提醒我。但当代理在后台运行时，任何人工级别的参与都需要复杂的基础设施级别编程。例如，这意味着代理需要按计划运行;它需要能够提醒人类，并暂停，直到人类与它交互（这意味着您需要无限期地将代理保持在某个状态）。这可能涉及代码文件更改、内部推理、浏览器状态、文档，然后能够保存该状态并在人类响应后立即恢复它。人在回路中成为优先事项我不太看好完全自主的智能体。我相信最好的代理将包含一个重要的人在循环组件，在最有见地的地方进行检查，以确保它们不会重复，并且代理会随着时间的推移从您的反馈中学习这是构建代理时最重要的事情，因为A）它为您提供了一个与这些代理交互的可控UX，B）它让系统从这些交互中学习。这种方法使复杂的工程工作能够在幕后进行，同时让我们在最重要的时候保持参垂直特定节拍通用AI模型在复杂的推理任务中苦苦挣扎。它们需要非常具体的指令，并且仍然表现出不可预测的行为。在模型能够更有效地推理之前，通用代理将仍然不可靠。垂直的、狭隘的代理人基本上取代了人类的工作流程，就是思考人类如何做一些事情，然后构建代码和提示的组合来复制该我们今天看到的每个代理仍然是定制的-无论是自定义流，护栏，逻辑还是React风格的循环。我认为肯定会有更多的模式创新，但我也认为有趣的东西可能会继续在系统层。我认为代理人将继续成为热门的事情开始到2025年。在那之后，我想这和记忆有关。例如，如果我和一个人有很多互动，我如何记住这些互动并从中学习我非常看好使用LLM来反映这些交互并更新它们自己的指令或用户简档随着模型变得更好，这可能变得更有可能，但目前它确实很昂贵，而且需要很多时间。05低级别框架取得了进展我认为有两种不同风格的代理框架。有一些高级框架，这是一个内置的任务概念，在这个概念中，你并不能真正控制信息如何传递的确切流程。还有一些低级的代理框架，它们可以让您完全控制代理的确切状态以及在任何时候通过提示之类的东西来及时完成。我预测，到2025年，我们将看到更多的低级别框架，因为我们了解到，人们需要控制这些系统的内部，以便使它们足够可靠地投入生产。含一个重要的人在环组件，在最有洞察力的地方检查詹姆斯·特罗曼斯James是GoogleCloudWeb3的总经理。拥有牛津大学视觉计算神经科学博士学AI和Web3：完美的匹配？特价值的机会，同时建立了对人工智能模型的信心并加速了开发创造力使用区块链支付轨道的将变得司空见惯，尽管前面有巨大的挑战。开发人员的重点将集中在人工智能代理上，人工智能代理可以充当个性化助理，为个性化投资、保险和抵押贷款管理等特定任务量身定制，利用Web3支付轨道和智能合约。其他有前途的领域包括开发人员支持，可组合性，和模型出处。Web3去中心化：加速AI代理用例Web3的一个更引人注目的应用是让人工智能代理人能够有效地进行商业活动。我们将在这一领域看到广泛有用的创新。使用区块链支付的rails在很大程度上是一种当前状态的能力;然而，利用传统支付rails的代理商的例子仍然是新生的。例如，投资者将与代理人交谈，以确定个人投资策略，代理人推断并确认风险状况，期望的暴露和波动性水平等内容，成本明显低于通常与投资组合经理相关的1.5%AUM。代理然后将与去中心化金融（DeFi）合约进行交互，使用稳定币在Web3轨道上执行交易。这些数字资产在过去24个月里经历了爆炸性的非周期性增长，为小额支付和其他交易提供了稳定的媒介。我们甚至可能会看到代币化的存款或商业银行货币的数字化在这里使用。同样，人工智能代理可以评估和选择保险政策，并设置付款时间表。但是，代理需要访问准确、经过验证的用户信息。虽然可验证的凭证正在获得牵引力，但用户随着技术的进步，AI代理的自主性将增加。代理将使用足够小的参数计数访问LLM，以便在个人设备上运行，同时在安全区域内验证用户的凭据。代理可以在本地处理这些数据，获得用户洞察力，同时采用零知识证明来保护隐私。这项技术可以共享有关信息的事实-例如，证明某人已超过18岁，而不会透露其完整信息。出生日期，而不是信息本身。这种人工智能和去中心化身份（Web3的一部分）的结合是可以实现的，而且非常有用。未来的应用包括人工智能代理理解和解释合同和条款/条件，招标和进入反向拍卖，提供向前推进的选项，以节省时间，金钱和管理负担。用户查看由代理生成的顶部选项和优点/缺点列表。创建这个三方市场是一个巨大的挑战，但潜在的回报是巨大的。友好的无缝实现仍然难以捉摸-这对初创公司来说是一个重要的机会。为了代表个人行事，代理人需要访问有关该人的合格、这里仍然存在一个缺口太空变得越来越热44AI：增强Web3开LLM代理帮助开发人员编写安全的智能合约，降低诸如重入攻击等风险。这在处理托管资金的DeFi合同中特别有价值。更广泛地说，人工智能可以检测错误，自动化编码任务，并促进最佳实践。人工智能的广泛采用将带来更高质量的代码，提高开发人员的生产最终，更多的创新。区块链：验证AI模型训练和测试数据虽然区块链技术已被提出用于验证模型训练数据的来源，但其大规模采用仍有待观察。很明显，需要一个强大的系统来跟踪和验证训练数据，但哪些特定的用户群将需要这种能力并推动产品市场的契合度尚未确定。这仍然是一个领在Web3领域的探索和实验此外，虽然闭源模型通常缺乏实时数据和推理验证，但在加密环境已经证明了这种能力。Web3可组合性：创新的催化剂Web3的可组合性原则--区块链技术中固有的原则--使开发人员能够将智能合约创建为独立的、通常是开源的业务逻辑模块。它们的透明性允许任何人理解和重用它们。在规模上，这促进了一个丰富的生态系统，开发人员可以轻松地组合和调整现有的合同，以创建新的应用程序，减少编码工作。AI代理将进一步降低开发成本和复杂性。随着我们建立更先进的多智能体方法来共同“思考”解决问题，将离散智能合约功能映射到智能体专业是一个自然的选择：智能体可以去狩猎对于提供特定功能的智能合约，请评估选项并选择最佳选项。大规模地这样做来解决复杂的多步骤问题是非常适45李昕晢Jennifer是AndreessenHorowitz的普通合伙人，专门从事数据系统、开发人员工具和人工智能方面的企业和基础设施投资，包括ElevenLabs、Ideogram和Pylon在内的多个开发板此前，Jennifer曾在Solvvy（被Zoom收购）和AppDynamics（被Cisco收购）担任产品领导职有卡内基梅隆大学软件工程硕士学位和伦斯勒理工学院技术管理硕士学位。围绕AI代理的机会投资下一代人工智能基础设施这将比人们对人工智能代理的预期更长真正成为主流。模型推理能力需要提高。而且我已经看到了更多的小尺寸模型被用于生产比最有能力的模型，即使这仍然是前沿所有的大实验室都在努力实现这一点--所以我们将看到整个模型的前景如何。但我不认为这个街区只是在模特那边-代理人将利用的基础设施和根深蒂固的系统集成问题也需要解决。我还在考虑人工智能代理需要的数据管理工具，他们将需要的实时功能，以更好地与用户交互。需要有一个状态管理和内存管理系统--可以在代理本身中，也可以在模型之外--来真正协调这个工作流。人类真正擅长的是最后一英里：把事情想清楚，然后做出基于洞察力的重大决定。我认为，几乎所有其他的事情--那些唾手可得的果实--都已经成熟，适合创业公司去改进。开发人员工作流程的快速发展我对能够改变开发人员体验的AI应用程序感到特别兴编码已经成为人工智能中最成熟的领域之一，因为它具有更容易验证的结果和快速的反馈循环。您可以检查结果是正确的，并且已经有很多工具，从测试到验证，来帮助确定模型是否以您想要的方式执行。它可以像自动完成一样简单，也可以像代理构建一个完整的应用程序一样复杂。有一些方法可以集成人工智能功能来提高开发人员的生产力，帮助开发人员构建下一个应用程序或产品，但开发人员的行为习惯将更难改变。因此，如果你真的一步一步地指导开发人员采用AI，那么你可以带来10倍的生产力提升。我认为我们已经看到了采用和ROI。这不仅仅是关于编码。AI也在制造开发人员更容易使用和学习新的工具和技术。文档变得更加易于访问和交互，开发人员可以快速获得问题的答案，而不会迷失在文本的海洋中。因此，我对那些能够将AI功能无缝集成到现有（如IDE）或新开发工具中的公司感兴趣，以明显增强生产力使用人工智能生成用户界面和组件的初创公司，使日常用户更容易构建和部署应用程序。渐进式方法比“一切AI”创业公司和创始人似乎明白，AI是未来。但我发现一种几乎是内在的恐惧，害怕引进新的能力，犹豫着要不要搬家。太大或太快，当谈到人工智能。对于创始人来说，我会说真正专注于人工智能能力可以移动针的地方，并尝试逐步做出改变和转变。我认为这种方法比任何更大的“一切人工智能”转变都更有成效和回创始人能做的最重要的事情是非常接近地面，非常接近新的人工智能研究，以及现有的行为如何慢慢改这有助于形成新产品，将产品推出，并了解市场和用户的反应。最终，我认为伟大的团队是了不起的产品建设者。投资者倾向于优秀的产品品味，以及能够将他们的想法表达为直观，时尚产品的优秀工程人才。理解模型的能力，并将其与用户想要的结合起来，这就是魔力。因此，我们倾向于高速度，快速建立产品团队，就像我们倾向于研究和机器学习能力一样。46创始人能做的最重要的事情46创始人能做的最重要的事情是非常接近地面，非常接近新的研究以及现有的行为是如何慢慢改变的。公司简介Jerry是一位经验丰富的技术专家和投资者，专注于企业软件、云基础设施、数据产品和人工智能，专注于与雄心勃勃的创始人合作，创造变革性的业务。Jerry自2013年以来一直是Greylock的合伙人，他在VMware和AccelPartners担任领导职务期间积累了丰富的经验，从公司成立到扩大规模都为公司提供支持，并担任多家创新公司的董事会董事。家的局面构建，销售和货币化应用程序以及买家如何反过来资助和货币化应用程序的规则你的竞争对手不再是现任者，而是现任者的商业反过来资助和货币化应用程序的规则你的竞争对手不再是现任者，而是现任者的商业模式。我相信人工智能的最终商业模式尚未开创。我们不知道人工智能公司的价值单位-我遇到的创始人仍然在弄清楚。所以这是一个空间因为它对你如何构建、销售和货币化你的产品很重要。我认为我们将看到很多新的商业模式，人工智能渗透到不同的垂直领域和业务线，这是有趣的部分。以前已经做过了。SaaS和云计算公司改变了模式，从按席位销售应用程序到订阅或广告驱动的销48这里有四件事要考虑寻找预算替代机会02满足垂直行业和工作流程当目标是运营费用而不是传统的软件预算时，这是非常有趣的，因为您不是与现有的软件提供商竞争资金，而是基于您可以为客户的内部运营模式带来的效率进行竞争。这种方法对于人工智能交互的新类别应用特别有效，例如人工智能呼叫中心，人工智能治疗师或人工智能审计师。这些应用程序更具破坏性，因为你正在创建一些还不存在的东西，这让我们感到兴奋。我们看到人工智能在大大小小的公司中为不同垂直领域的特定需求提供服务。以前，企业必须选择一个通用的解决方案，并为他们的业务定制它。借助AI，您可以更轻松地以更低的成本满足独特的工作流程。我们希望人工智能应用程序能够利用个人设备上的数据来了解个人兴趣、偏好以及对公司数据（如系统记录和工作流程）的访问权限。我们已经有几个了我们的投资组合中的公司，来帮助大型模特访问个人数据。然后，人工智能可以学习每个企业的行为方式，并使用这些个人数据来构建特定于企业的应用程序。这释放了价值，并通过不断改进基于不断发展的个人数据的工作流程创造了一个可防御的地位。我们认为创业公司在这方面有优势非常大的现任者。你的竞争对手不再是现任者你的竞争对手不再是现任者，而是现任者的商业模式。我相没有开创。49在整个组织试验和整理您的AI应用程序堆栈我们鼓励初创公司考虑业务中的每一个功能，真正了解他们不同的角色。寻找AI代理或应用程序需要特定垂直或知识工作者类别（如开发人员，会计师和律寻找相对于创造价值的高工资，以及重复的工作流程或技能。如果存在不匹配，那么市场需求可能存这既有趣又可怕，因为我们花了太多时间来了解CIO或VP工程师想要的。有时对于某些SaaS公司来说，这是CFO或销售副总裁或HR想要的。现在你必须考虑每一个功能在这一行对特定角色的痛点有一些基本见解的创始人将具有竞争优势。最后，我们仍然要找到客户并为他们提供价值。谁能在速度上更好地抓住用户体验，谁就能获胜。没有人知道模型、嵌入、向量数据库、安全、代理框架等方面的标准AI应用程序堆栈会是什么。我认为我们首先会看到开发人员像今天一样构建AI应用程序，然后快速找出如何利用这些应用程序。一系列新的工具，使他们的AI驱动的应用程序工作得很我们看到开发人员使用开源和云来尝试新技在购买之前，先将其分解。我们在初创公司中看到了很多实验，最终开发人员用脚投票。他们去最好的工具，所以我们看他们去哪里。我们还看到初创公司构建合成数据和其他模型用于训练后评估，以确保模型的准确性。我们现在还不知道的东西太多了，在技术成熟之前，人们将在评估中发挥重要作用50佳丽佳丽联合创始人、总裁LiveXAI首席AI官LiveXAI为快乐、忠诚的客户提供AI代理。Jia被选为IEEEFellowforLeadershipinLargeScaleAI。类人AI改变客户体验人工智能正在不断发展，以推动更高效，个性化和人性化的体验我今天在AI领域观察到的最令人兴奋的发展之一是可以模拟类人交互的AI代理的兴起。作为人类，我们可以观察，我们可以交流，我们可以互动，我们可以采取行动，我们可以展示。虽然现在对于一个模型和一种类型的数据来说我们正在取得进步，而类人的人工智能代理是未来的发展方向。今天的人工智能代理有能力直接从自然语言，甚至从多模态数据中理解：如果你向AI展示你的产品，例如，提示它“告诉我产品的一些问题”，它可以立即理解你的提示并完成你的请求。AI变得越来越有用-而且更加个性化--因为人工智能的人性化推理、理解和交互正在不断改进。这种向人性化交互的转变有可能彻底改变客户体我觉得这就是生成式人工智能驱动的人工智能代理的美丽和力量：它可以理解单个客户的意图和情感，然后帮助这些客户根据他们的意图进行导航。我相信这种向更有效、更个性化的互动发展的趋势是存在的，因为人工智能不仅仅是模型的大小，或者不同的架构，或者计算能力。这也与数据有关。人们经常低估数据的力量，但它是释放人工智能真正潜力的关键许多较老的基于规则的人工智能系统，我称之为“AI1.0”体验，依赖于预定义的响应。考虑客户服务体验，很多是或否的问题，我们可能会按一些数字，然后代理商将我们沿着预定的路线引导。然而，较新的人工智能代理可以理解自然语言，甚至可以解释图像或视频等多模态数据。这可以提供更加个性化的客户体验，因为人工智能可以识别一个人的问题、意图和情绪，从而引导更自然、更有益的互动。战随着AI智能体融入我们的生活，我们必须应对围绕信任、隐私和安全的新挑战。对我们来说，考虑安全和隐私很重要，我们要问自己：我们打造值得信赖的产品？我们如何处理进入大型语言模型的所有隐私和安全性？在过去，人工智能可能已经解决了简单的是或否类型的问题。但现在，大型语言模型正试图回答更复杂的问题，尽管它们可能还无法为我们提供清晰或有益的解决方案。所以更复杂的人工智能有时会导致幻觉和担忧围绕生成式AI的合规性要求，带来了关于信任、隐私和安全的新挑战。一种有效的信任和隐私方法，是利用模型来处理隐私保护-例如，在模型开始学习之前就剔除个人身份信息或敏感数据。此外，经过专门训练的模型可以处理即时注射，并适当处理不安全类型的问题