---
title: 这一波AI浪潮是否是泡沫？
date: 2024-10-30 20:24:53
tags:
- AI
category: Life
---

![chatgpt](https://assets.datamation.com/uploads/2023/05/dm-how-to-use-chatgpt-696x464.png)

> 今天是2024年10月30日，自从ChatGPT在2022年11月发布以来，人工智能（以下简称AI）的热度持续上升，它被认为是第四次工业革命的重要推动力。但也有人说AI是泡沫，做到实质性落地并且收益的公司屈指可数。这篇文章会结合历史，最新的前沿进展，分享一下目前我自己的观察和思考。

<!--more-->
## 回顾历史

> 历史总是惊人的相似

目前的AI浪潮，和20世纪90年代末的互联网浪潮非常相似。

### 90年代互联网浪潮

90年代互联网开始商业化，经济方面1994年到1995年，为了防止经济过热，美联储连续加息7次，将联邦利率提高至6%，然而在这样的背景下，1995年到1998年，纳斯达克指数上涨了168%，这里面的重要原因就是互联网的出现。如今的互联网巨头都是在那个时候创立的，谷歌亚马逊是1995年左右，百度，腾讯，阿里99年左右。随后的2000年互联网泡沫破裂，大量公司破产倒闭，行业重新洗牌。普通人站在当时1999年的时间点上，也是看不清未来互联网能做什么。但是现在我们知道这些互联网公司不仅活下来了，而且成为了目前市值最高的互联网巨头。

当时的互联网，可以落地的应用并不多，无非就是浏览器，电子邮件。直到2000年互联网泡沫破裂后，我们才真正看清了互联网能做什么。2002年，我还在上学，当时的同班同学谁会注册QQ，谁就是交际花。2003年《梦幻西游》发布，2004年《魔兽世界》发布，2005年QQ空间发布。这时候互联网才开始真正进入大众视野。随着2007年，乔布斯掏出初代Iphone，又开启了移动互联网时代，互联网创造了无数新的工作岗位并实现了生产力的巨大飞跃。

再看看现在的AI，和90年代末的互联网非常相似。经济方面，美联储从2022年3月到2023年6月加息11次，但是以英伟达为首的科技巨头股价却屡创新高。站在当下的时间点上，目前的AI和2000年的搜索引擎非常相似。

## 人工智能和搜索引擎

现在的人工智能应用还处于非常早期的阶段，目前使用最普遍的还是聊天机器人，比如`ChatGPT`，`Gemini`，`Claude`, `文心一言`，`通义千问`，`豆包`等等。他们都很强，但是对于很多人而言，你把ChatGPT摆到他面前，他也问不出什么有价值的问题，这个问题或者叫提示词（prompt）的质量决定了AI给你回复的质量，这个和早些年的搜索引擎其实是一样的，会百度一下，和Google一下, 以及关键词的选取，得到的结果质量是完全不同的。也说句不好听的，人与人之间使用搜索引擎的能力差距比人和猴子的差距还大。放到AI的时代还是一样。AI和搜索引擎都是8个字**遇强则强，遇弱则弱**。当然了，搜索引擎不是互联网的全部，聊天机器人也不是AI应用的全部。未来肯定会有更多面向更大众化的应用。

## AI能否替代程序员

先说结论，AI无法代替程序员，但是会让很多程序员失业。从最早的`Github Copilot`以及国内的`Baidu Comate`，`Marscode`, `TONGYI lingma`到现在的AI 编辑器`Cursor`, 对于效率的提升是非常明显的。第一次使用`Github Copilot`，看到它真的明白我的业务，和并且给出符合我自己风格的代码提示的时候，让我有种“伯牙摔琴”，找到知己的感觉。这感觉是直冲天灵盖的那种震撼。这样的工具对于一些CURD工程师，调库侠，是巨大的威胁。特别是当你使用的语言和框架比较老而且非常普遍的话，这种冲击会更加明显。但是，如果你做的是真正的前沿创新，更高一级的抽象，大型应用的架构设计，AI永远无法替代你。

## 目前的状态

![mmlu](/images/20241030_mmlu.png)
从目前的趋势来看，`Scaling Law`没有问题，大模型就是参数越大，能力越强。但是由于大模型训练的算力需求巨大，可以预见的未来都是少数巨头和独角兽公司有能力自己训练，比如谷歌，meta，百度，阿里，OpenAI，月之暗面，清华智谱等。所以普通人小公司就没有机会了吗？并不是。先看下大模型的缺陷和痛点。

### toB的痛点

目前大模型无法解决以下问题：

1. 知识局限性：通用的模型对于实时的，未公开的，私域的，离线的，无能为力。因为大模型一旦训练好它的知识库就锁定了。
2. 复杂业务场景： 现实中的业务场景非常复杂，比如金融，医疗，法律，教育等特定领域。它们往往拥有已经在使用的传统系统，目前的对话大模型无法对接这些复杂的系统和业务场景。

### RAG和Agent

解决大模型的以上两个问题我们需要：
1. RAG（Retrieval Augmented Generation） 检索增强生成。原理就是给大模型外挂一个数据库，让它从数据库中检索出相关的信息。再总结生成回答。
2. Agent：类似与中间层，通过一个或多个Agent来构建一个workflow连接现有系统构和大模型。

基于以上的方向，目前看到的toC的应用是

- 知识库管理系统，例如Google的`NotebookLM`， `Obsidian`等。
- 问答引擎：例如`Perplexity`等。

这些东西目前还都是一些极客在用，离大众化还有很长一段路要走。其实和所有的技术革新浪潮一样，刚出来的时候都是比较“小众”。

## AI和智能手机

toC很重要的一个方向就是智能手机和AI的结合，目前的大模型和现有的智能手机还在进一步融合，将来AI一定是系统级的，可以在任何时候无感使用。而不是像现在一样，需要安装一个APP然后尬聊。所以可以预见的将来，还会有新一波的换机潮，现在的所谓“智能手机”在和AI高度集成的手机面前，就跟以前的诺基亚一样。

## 学术研究的进展

AI在学术领域的帮助，可以说是带来了一种全新的研究范式。为什么这么说呢？自从2017年那片神级的论文“Attention is all you need”，基于Transformer的新发现层出不穷，2024年诺贝尔物理学奖颁给人工神经网络，化学奖颁给了Deepmind用人工神经网络破解蛋白质结构的团队。在这之前还有研究团队用机器学习取得了在可控核聚变领域的进展，最近这几天还有团队利用Transformer发现了16万种新病毒。以前的学术研究是先提出设想，排除其它干扰做实验验证，然后得出结论。而结合AI的学术研究是直接面对混沌的现实世界得出理论和规律。这种改变是根本性的，并且跨学科的。而且未来的新技术还能和AI结合，例如量子计算，元宇宙，机器人，Web3.0。

那么回到开头的问题，你还怀疑AI是泡沫吗？