Znana firma venture capital a16z: "Innowacyjna metodologia" ostatnich 75 lat, AI całkowicie przekształciło

Nikt tak naprawdę nie wie, co się wydarzy, "to jest cyfrowy produkt, którego ludzkość nigdy nie stworzyła".

Autor: Long Yue, Wall Street Journal

Ostatnio w najnowszym podcaście a16z, partnerzy Martin Casado, Erik Torenberg oraz partner zarządzający Steven Sinofsky przeprowadzili głęboką rozmowę: co oznaczają przełomy AI w dziedzinie matematyki? Czy podstawowa logika innowacji jest na nowo pisana? Jak zmieni się układ konkurencji między startupami a dużymi firmami?

Trzej dyskutanci uważają, że podstawowe założenia, które przez ostatnie 75 lat wspierały cały przemysł komputerowy, są na nowo weryfikowane przez AI. Najważniejsze z nich - innowacja jest problemem inżynieryjnym, a nie finansowym - straciło swoją moc. AI przekształca podstawową logikę ekonomiczną innowacji: od ograniczeń inżynieryjnych do ograniczeń kapitałowych, zespół 20 osób może teraz efektywnie wdrożyć 1 miliard dolarów. Ta ocena ma bezpośredni wpływ na postrzeganie konkurencji między startupami a dużymi firmami, logikę inwestycji venture capital oraz granice możliwości AI.

Od liczydła do AI: 75-letni skok w poziomie abstrakcji

Sinofsky pokazał broszurę IBM z 1953 roku.

Na okładce, atomowe orbity otaczają ludzką głowę, a pierwsze zdanie brzmi: "Ludzkość spędziła miliony lat, aby zrozumieć użyteczność koła."

W tej broszurze IBM poświęciło całą stronę na wyjaśnienie, czym jest "cyfrowy komputer" - wejście, przechowywanie, obliczenia, kontrola, wyjście.

Sinofsky powiedział: "Tak właśnie rozumieliśmy komputery przez ostatnie 75 lat."

Od liczydła do linijki, od maszyny różnicowej do komputera osobistego, od kalkulatora graficznego do chmury obliczeniowej - każdy skok technologiczny to w istocie "wzrost poziomu abstrakcji". Problemy na niższym poziomie są pakowane, a ludzie rozwiązują nowe problemy na wyższym poziomie.

Kiedy pojawił się kalkulator graficzny TI-85, nauczyciele matematyki wpadli w panikę: "Nasza profesja jest zagrożona." Sinofsky powiedział:

Ale nie narzekali na pojawienie się rachunku różniczkowego, ponieważ rachunek różniczkowy był dla nich punktem wyjścia. Reakcja ludzi na zmiany jest znacznie silniejsza niż na reakcję na linię bazową.

Panika wywołana przez AI rozwiązującą problemy matematyczne jest podobna do tej, która miała miejsce w przypadku kalkulatorów graficznych.

AI rozwiązująca matematyczne problemy: przełom czy "mistrz gry"?

Ostatnio ktoś poprosił Claude'a o próbę rozwiązania hipotezy Riemanna, co wywołało szeroką dyskusję w środowisku matematycznym.

W odpowiedzi Casado ostudził entuzjazm.

Zsumowanie wynagrodzeń doktorantów badających te problemy przez wszystkie lata nie jest dużą kwotą. To oznacza, że rynek nigdy tak naprawdę nie traktował rozwiązania tych problemów jako priorytetu. Dlatego nie jestem pewien, czy rozwiązanie tych zadań może udowodnić, że AI otworzyło jakąś bramę o znaczącej wartości ekonomicznej.

Porównał zdolności matematyczne AI do mistrza StarCrafta: "To najsilniejszy gracz w historii StarCrafta - bardzo imponujące, ale trudno mi to bezpośrednio powiązać z rzeczywistą wartością ekonomiczną."

Sinofsky z kolei przedstawił inny punkt widzenia. Uważa, że przełomy w dziedzinie matematyki mogą być "stymulowaniem nowych narzędzi abstrakcyjnych".

Podobnie jak dowód twierdzenia o czterech kolorach - nie polega na napisaniu pięknego dowodu matematycznego, ale na wyczerpaniu wszystkich skończonych przypadków za pomocą komputera, co przyniosło odpowiedź dzięki mocy obliczeniowej.

Gdy masz nowy poziom abstrakcji, wszyscy nie muszą zaczynać od zera, mogą bezpośrednio budować narzędzia na tym poziomie.

Największa zmiana paradygmatu: od ograniczeń inżynieryjnych do ograniczeń kapitałowych

Najważniejszy wniosek z tej rozmowy pochodzi z myślowego eksperymentu Casado.

20 lat temu, gdybyś dał startupowi z 10 osobami 1 miliard dolarów, w ogóle by go nie wykorzystali. Kupiliby serwery i pieniądze by się skończyły.

10 lat temu, dając 1 miliard dolarów, zatrudniałbyś inżynierów, pisałbyś kod, ale mit o miesiącach roboczych jest prawdziwy - więcej ludzi spowalnia proces.

Teraz, dając 20 osobom 1 miliard dolarów, naprawdę mogą go efektywnie wydać.

Jego wniosek brzmi:

Przekształciliśmy ten przemysł z problemu ograniczeń inżynieryjnych w problem ograniczeń kapitałowych. To zasadnicza różnica. Nigdy wcześniej nie mieliśmy takiego stanu.

Sinofsky dodał, że to nie pierwszy raz, gdy mamy do czynienia z ograniczeniami kapitałowymi - pierwsze 30-40 lat przemysłu komputerowego to również czas ograniczeń kapitałowych. "Chcesz zrobić coś z komputerem, pierwszym krokiem jest zdobycie jednego."

Potem nastała era ograniczeń inżynieryjnych, a teraz wracamy do ograniczeń kapitałowych.

Dlaczego startupy nie zostały zgniecione przez gigantów?

Zgodnie z powszechnym przekonaniem, Microsoft, Google i Meta, dysponując kapitałem, danymi i kanałami dystrybucji, powinny zgnieść wszystko.

Jednak w rzeczywistości: Cursor, Anthropic, OpenAI rosną w "meteorycznym tempie".

Casado podał dwa powody.

Po pierwsze, AI rozwiązało problem dystrybucji.

W przeszłości nie wiedziałeś, czy wydatki na marketing przynoszą efekty. Teraz zapotrzebowanie na moc obliczeniową i GPU jest nieskończone, możesz bezpośrednio zdecydować, ile zainwestować, aby napędzać wzrost.

Po drugie, startupy mogą teraz zdobyć wystarczająco dużo pieniędzy, aby naprawdę stanąć na równi z gigantami.

A co z gigantami? Sinofsky powiedział wprost:

Microsoft bardziej martwi się tym, co robi Amazon i Google, a w ogóle nie zwraca uwagi na żaden startup. Startupy nie atakują bezpośrednio gigantów, a giganci nie zauważają startupów.

Odsłonił również szczegół: niektóre duże firmy, aby priorytetowo traktować moc obliczeniową dla klientów biznesowych, wewnętrzne zespoły produktowe znajdują się w stanie "głodu AI", "a ich konkurenci nie mają żadnej firmy w stanie głodu".

Sinofsky przytoczył własne doświadczenie w Microsoft. Kiedyś przyniósł pierwszego Surface'a do spotkania z kierownictwem Intela, a gdy usłyszeli, że ma chip ARM, ich postawa natychmiast się ochłodziła.

Uważali, że to chip do drukarek. Robili tylko prawo Moore'a, tak jak Google robi tylko na dużą skalę - jeśli AI przechodzi na stronę końcową, to nie ich sprawa.

Sinofsky podsumował:

Istota zakłócenia to stałe elementy kultury dużych firm. Karty wyników, systemy sprzedaży, struktury wynagrodzeń, historyczne obciążenia, zobowiązania wobec klientów - tego nie da się zmienić. To prawo fizyki.

200 miliardów dolarów włożone, nikt nie wie, co z tego wyjdzie

Na końcu rozmowy trzej mężczyźni dotknęli głębszej niewiadomej.

Casado przyznał, że popełnił błąd:

Myślałem, że samorekurencyjna poprawa i szybki rozwój nie będą miały miejsca, co nie jest błędem. Ale nie spodziewałem się, że możemy bez końca inwestować pieniądze, a zasady skali wciąż obowiązują.

Wkładasz 200 miliardów dolarów w model. My dwoje na to patrzymy, testujemy na chybił trafił - nie sądzę, że możemy zrozumieć, co to oznacza. Tyle mocy obliczeniowej, tyle danych, nie wiem, co to może zrobić.

Sinofsky zgodził się i porównał to do wzrostu wykładniczego: "Nikt nie może modelować wzrostu wykładniczego."

Podaje również konkretny scenariusz: wyczerpanie kombinacji białek, które kiedyś było "nieskończonym problemem", teraz może stać się "problemem kapitałowym".

Możemy przekształcić wcześniej nieskończone problemy w ograniczone dzięki kapitałowi. To bardzo dziwna rzecz.

Casado powiedział, że to również powód, dla którego nie próbuje już przewidywać górnej granicy możliwości AI:

Zdecydowałem, że nie mogę przewidzieć, co może stworzyć coś za 200 miliardów dolarów, gdzie są jego granice możliwości.