Спостереження WAIC: Переповнений консенсус, величезна бульбашка

Автор: Сяо Бінг, Deep Tide TechFlow

1. WAIC слід проводити раніше, щоб технології могли бути очищені незабаром після відвідування.

Занадто багато пікових сигналів: різні бокові події стають криптоцентричними, зібрання красивих жінок та дуже однорідні продукти на місці... Трек перетворився з гри для ґіків на публічне свято.

Чи то на первинному, чи на вторинному ринку, коли всі починають вірити в одну й ту ж історію, а консенсус стає занадто зосередженим, ризики починають накопичуватися.

Бо на бичачому ринку бики, що стоять поруч з вами, всі стануть продавцями під час спаду.

Більше вбивств, більше!

2. Великі моделі не мають справжнього захисту

Основою AGI все ще є Закон масштабування.

Взаємозв'язок між можливостями моделі, масштабом параметрів, обчислювальною потужністю навчання та якістю даних все ще слідує законові степеня.

Хто може отримати обчислювальну потужність GPU дешевше, отримати дані вищої якості, найняти кращих дослідників і витрачати гроші більш ефективно?

Отже, захист компаній з великими моделями слабший, ніж багато хто уявляє.

Можливості моделей продовжать конвергуватися, ведучі переваги будуть переслідуватися, а ціни продовжать падати.

Ті, хто дійсно отримує стабільний прибуток, це ті, хто продає воду всім компаніям моделей, оскільки всі намагаються скористатися капітальними витратами кількох великих фірм.

GPU, HBM, високошвидкісні з'єднання, дата-центри, електрика, послуги з даних...

Станучи на верхівці гонки озброєнь, щоб ділити трофеї, або навіть просто виступаючи посередником, що з'єднує ресурси, наразі є найприбутковішим бізнесом.

3. Вузьке місце даних - потенційна можливість, яку видно на цій конференції

Після обговорення з деякими друзями я виявив, що компанії, які заробляють гроші в цій хвилі AI, дуже стримані і навіть не приходять на виставку, один напрямок - це дані.

Успіх або невдача єдиного мультимодального представлення в основному залежить від високоякісних мультимодальних навчальних даних. Існує серйозний дефіцит даних, які були ретельно очищені, точно позначені, крос-модально узгоджені та можуть бути постійно ітеровані.

Моделі стануть дешевшими, GPU в кінцевому підсумку зростуть, але справді високоякісні дані стануть все більш дефіцитними.

Мультимодальна індустрія даних стає прибутковим треком.

Очищення даних, маркування даних, синтез даних, вертикальні активи даних, роботизований збір даних... а також алгоритмічні компанії, які спеціально вирішують крос-модальне єдине представлення та мультимодальні попередні кодувальники.

GPU - це одноразові капітальні витрати, тоді як дані - це постійні капітальні витрати.

Наразі я класифікую дані на три типи: перший тип - це експертні дані; другий тип - це дані середовища / агента RL. У майбутньому навчання агентів не буде просто збором пар запитань-відповідей, а конструюванням середовища → завдання → траєкторія → винагорода → перевіряючий, що може стати одним з найбільших ринків зростання попереду.

Третій тип - це дані втіленої / роботизованої інтелекту, які навіть рідше, ніж дані LLM, і надзвичайно важко їх зібрати.

4. Дилема застосування AI, колись відображення криптовсесвіту

Сьогоднішній AI дуже схожий на минулий крипто, з жирними протоколами та L1, які захоплюють більшість вартості, тому крипто-VC безумно вливають гроші в публічні ланцюги, застосування? Ніхто не інвестує в них.

Наразі AI такий же.

Великі моделі схожі на POW Layer1, і навіть сама модель є застосуванням.

Протягом останніх кількох років більшість AI-застосувань робили щось небезпечне: упаковували можливості, яких модель тимчасово не має, в продукти.

Але межі можливостей моделі розширюються назовні. Кожне оновлення моделі - це як L1, що безпосередньо записує функції, які спочатку належали прикладному шару, у протокол, такі як пошук, глибоке дослідження, кодування, генерація зображень, генерація відео, використання комп'ютера, агент...

Якщо щоразу, коли модель оновлюється, ваш продукт втрачає шар вартості, тоді ви, по суті, є функцією AI, а не AI-застосуванням.

Отже, важливо створювати речі, які модель може робити, але які також важко забрати, що зводиться до даних, контексту, робочого процесу, дозволів і розподілу.

Захист AI-застосувань полягає в тому, щоб стати клієнтом моделі, а не конкурентом моделі.

5. Втілена інтелектуальність, величезна бульбашка

У залі H4 на другому поверсі, спостерігаючи за великою кількістю роботів, вироблених одним і тим же постачальником, які виконують схожі дії повільно, а потім дивлячись на оцінки різних компаній, це змушує відчувати поколювання на шкірі і шкодувати за грошима інвесторів.

Проблема з втіленою інтелектуальністю полягає в тому, що капітал оцінює "закон масштабування програмного забезпечення" для "м'яких і жорстких складних систем".

Чудо великих моделей полягає в тому, що якщо компанія навчає GPT-5, вона теоретично може обслуговувати сотні мільйонів людей у всьому світі з майже нульовими граничними витратами, але роботи не можуть.

Для кожного додаткового користувача, якого обслуговує робот, потрібно побудувати нову машину, що включає BOM, виробництво, постачальницький ланцюг, доставку, обслуговування та амортизацію.

AI-інтелект може прогресувати експоненційно; наприклад, коли модель оновлюється, всі глобальні користувачі стають розумнішими одночасно, але витрати у фізичному світі не зменшуються експоненційно.

Якщо інтелект слідує закону Мура, тоді втілення все ще дотримується правил виробничої індустрії. Врешті-решт, втілена інтелектуальність може стати величезною індустрією, але може не мати прибуткових маржів великих моделей.

Більше того, ще занадто рано.

Автономне водіння вже є дуже обмеженою проблемою втіленої інтелектуальності з чіткими цілями, обмеженим простором дій, стандартизованими дорожніми правилами та багатством реальних даних і зрілою автомобільною промисловою системою. Навіть так, ця індустрія спалила сотні мільярдів доларів і все ще не вирішила деякі довгі проблеми на дорозі. Справжня складність, з якою стикається втілення, в N разів перевищує автономне водіння.

6. Найкраща ера для сводників

Сувора правда полягає в тому, що більшість стартапів AI не заробляють багато грошей, а їх прибутки навіть менші, ніж у деяких жінок, які продають свої навички.

Отже, я виявив щось цікаве: багато компаній виглядають як один бізнес, але при ближчому розгляді, "О, ви також продаєте токени," "О, ви також продаєте обчислювальну потужність," і виявляється, що компанії з великими моделями також перепродають обчислювальну потужність для отримання прибутку.

Ті, хто дійсно заробляє гроші, все ще сводники.

FA, матч старих акцій, перевертання B300, продаж токенів, продаж наборів даних, продаж обчислювальної потужності або навіть продаж можливості зустріти певного засновника...

AI відповідає всім умовам для процвітаючого посередницького ринку: швидкі технологічні зміни, значні інформаційні розриви, достатній капітал і переконливі наративи.

VC заробляють гроші, оцінюючи кінцеву гру, тоді як FA заробляють гроші, оцінюючи консенсус, не потребуючи доводити, що тренд врешті-решт правильний.

Навпаки, чим більш розмитим і грандіозним є наратив, тим більше простору для дій для FA.

Наприклад, втілена інтелектуальність, світові моделі... ці треки мають спільну характеристику: майбутній наратив є достатньо грандіозним, технологія є досить складною, і її досить важко спростувати в короткостроковій перспективі.

Великі компанії спалюють гроші на навчання моделей, інвестори ставлять на AGI через десять років, а посередники заробляють гроші.

Або скористатися капітальними витратами великих компаній

Або скористатися витратами FOMO LP.

7. Гроші - це все

Гонка AI все ще має довгий шлях попереду. Люди часто запитують, що є найдефіцитнішим ресурсом в еру AI?

Багато хто відповість: таланти, обчислювальна потужність, дані... але врешті-решт, у всіх них є одне ім'я: гроші.

Найбільша конкурентна перевага в індустрії AI - це не технологія, а здатність залучати кошти.

Те, що підприємцям потрібно робити зараз, це продовжувати залучати кошти, навіть якщо на їхніх рахунках достатньо грошей для витрат, їм все ще потрібно залучати.

Справжня війна відбудеться в майбутньому циклі спаду в індустрії.

Якщо є гроші, щоб продовжувати жити, можна дочекатися, поки конкуренти вичерпають свої кошти, а потім придбати їхні таланти, технології та клієнтів за низькою ціною.

Вторинний ринок такий же; в передбачувані 2-3 роки може статися масове падіння бульбашки, і якщо в той час буде достатньо грошей, щоб купити падіння, можна перемогти 99% людей.

Цей контент надано лише для загальних інформаційних цілей і не є фінансовою, інвестиційною, юридичною чи податковою консультацією. Події, нагороди, онлайн-акцій або пов’язану інформацію, згадана тут, не слід розглядати як рекомендацію, прохання чи запрошення до купівлі, продажу, торгівлі чи інших операцій з криптоактивами. Криптоактиви є дуже волатильними та можуть призвести до збитків. Доступність послуг, продуктів WEEX та пов’язаних із ними подій може відрізнятися залежно від регіону. Ви несете відповідальність за забезпечення відповідності вашої участі чинному місцевому законодавству та нормативним актам.