AI 现阶段的成因主要包括以下几个方面:
这并不意味着AI的成功仅仅局限于“全新”的类别。但在[分销与创新的较量](https://a16z.com/distribution-vs-innovation/)中,分销通常是默认的赢家——现有的软件公司拥有分销渠道。尤其是在2024年的今天,人工智能几乎是所有软件公司和终端客户的首要任务。2007年,大多数首席执行官都认为iPhone很愚蠢(没有键盘!),而黑莓则更好。1996年,大多数零售业首席执行官都认为互联网只是一个玩具、一种时尚,人们肯定不会通过网络浏览器买东西。这让新公司填补了这一空白。2024年,几乎不可能找到一个认为人工智能是个坏主意的首席执行官。AI软件公司将有效地有三种起源和结果:运行在现有软件之上的AI工具(想想:为Zoom会议自动记录会议笔记);运行在现有软件之上的AI工具,有机会取代现有的软件(想想:为Zoom会议记录会议笔记……然后该公司构建视频会议并向你推销,让你放弃Zoom);成为劳动力的AI工具——一个全新的类别,在此之前完全不受软件影响(想想:软件为你主持会议!)平台转变总是促成前两种情况(X的互联网版本、X的移动版本、X的云版本)。但AI革命最令人兴奋的是,看似庞大的企业软件市场——每年支出3000亿美元——与白领劳动力市场相比,简直是微不足道,后者每年有数万亿美元。这就是为什么我们看到的许多增长最快的公司都是“[已知的未知数](https://a16z.com/financial-opportunity-of-ai/)”,它们将现有的昂贵服务转化为大众的低价产品(由AI创造)。我们正处于软件吞噬和增强劳动力的最初阶段。
我们今天正站在这个转折点上。直到现在,医疗保健和生物技术仍然大量依赖服务——由受过专业培训的科学家和[医生](https://a16z.com/2019/06/13/ai-doctor-deep-medicine-topol/)提供——这些服务是算法无法替代的,更不用说为公司增加足够的价值来采纳它们了。但现在,我们正处于一个革命的起点,[AI正在](https://a16z.com/2019/11/19/ai-industrializing-discovery-biology-healthcare/)工业化生物制药和医疗保健,它被应用于从[药物设计](https://a16z.com/2020/05/26/investing-insitro/)和[诊断](https://a16z.com/2017/03/01/going-deeper-into-freenome/)到[医疗保健交付](https://a16z.com/2021/07/12/investing-in-bayesian-health/)和[后勤功能](https://a16z.com/2021/02/09/administration-healthcare-back-office-innovation/)的各个方面。(关于在生物学中应用AI的讨论经常出现的问题或挑战,我在[此处](https://a16z.com/2018/02/28/black-box-problem-ai-healthcare/)解决了医疗保健中AI的“黑箱”问题;并在[此处](https://a16z.com/2021/06/15/ai-is-too-dumb-for-now-2/)解决了我们获取智能[与“愚蠢”]AI的需求问题。)[heading4]但现在,我们正处于一个革命的起点,AI正在使生物制药和医疗保健产业化,并且它被应用到从药物设计和诊
昨天跟一位“AI+教育”行业的前辈,聊了下“学习AI”相关的问题,下面是一些小的结论:1、学习是反人性的,所以通常只有功利导向的“学习”,才会带来强烈的付费意愿。比如,在真实的K12买课场景中,很多家长根本不在乎孩子「能力」是否提升,他们更在乎老师能不能押对考试的题目,直接让孩子多拿「分数」。2、“突破性新技术+垂直行业知识”的组合,一般能为学习者带来更高的投入产出比。拿程序员举例,如果单纯看996的新闻,还以为中国程序员早已供大于求了。但在很多很大的行业里,懂该行业知识的程序员缺口大的不得了,很多时候只能找高潜应届生从头开始培养。典型的有,银行嗷嗷缺金融科技人才,车企嗷嗷缺智能网联人才,智能制造行业嗷嗷缺数字化转型技术人才。3、放在AI领域,则意味着「让AI工程师懂行业,让行业专家懂AI」,这个学习的投入产出比可以做到很高。但前提是,一定要找到AI在该行业的高价值应用场景。找到之后,AI工程师会发现,如果说自己的技术在那个领域创造的价值是西瓜,那么在手头的这个领域创造的价值可能就只是芝麻,孰轻孰重,他会知道怎么选;行业专家也会发现,在他的专业领域,很多事情的效率可以提升10倍以上,他不仅有机会真正做到“一个人就是一支队伍”,还可以为组织为行业复制出无数个「能达到80%水平的自己」。4、现阶段,之所以「AI口嗨者众,AI实干家寡」,最主要的原因是没有能带来足够正反馈的高价值应用场景。