Ali Ghodsi 谈 AI 超级周期的经济学

AGI 已经到来，但缺乏上下文

通用人工智能 (AGI) 已经实现，但在企业环境中仍然很大程度上无用，因为它缺乏人类所拥有的特定组织上下文。虽然模型可以解决复杂的数学问题，但它们无法复制长期员工所掌握的机构知识——即公司中知道一切实际运作方式的“John 或 Jane”。

为了让 AI 产生巨大影响，重点必须从追求“超级智能”转向研究如何将人类上下文和组织流程转移到 AI agents 中。如果没有这种“将大脑下载到硅片中”的过程，模型将继续犯错，导致它们在处理高价值企业任务时失效。

“SaaS 末日”与软件的未来

软件并没有“死亡”，但保护软件公司的经济护城河已经发生了转移。两个主要的变革正在驱动这一演变：

1. 降低了准入门槛： AI 使编写软件变得显著更便宜、更快，使生产成本趋向于零。
2. 降低了切换成本： 随着用户从复杂的 UI 转向与 AI agents 交互，以前将用户锁定在特定软件生态系统（例如 Android 与 iOS）中的惯性被消除了。

尽管有这些变化，软件公司仍然可以通过规模经济、品牌信任、专利和专有数据来维持护城河。那些十年未能创新的公司面临着被新玩家淘汰的高风险，因为新玩家可以利用 AI 快速构建更优越的产品。那些能够持续创新并拥有深度客户数据的公司可能会生存并蓬勃发展。

生产力差距与流程重构

AI 的能力与组织中实际看到的生产力提升之间存在显著差距。这并不是 AI 的失败，而是人类流程的失败。Ali Ghodsi 将其比作 PC 的引入和电动机的引入：

• PC 悖论： 早期采用者将 PC 用作昂贵的打字机，打印纸张并手动归档，这导致没有立即的生产力提升。
• 电动机： 电动机影响经济生产力花了 40 年（从 1880 年到 1920 年），因为工厂必须进行彻底的重新设计——从密集的、蒸汽驱动的传动轴转向分布式电力布局。

同样，现代企业正试图在不改变其布局的情况下“用电动机取代蒸汽机”。真正的生产力提升需要“人类重构”——从第一性原理出发重新布线组织流程。

案例研究：Databricks 的连接器开发

在 Databricks，构建一个生产就绪的连接器传统上需要三个季度（九个月）。当 AI 被引入时，最初尝试优化流程的尝试仅将时间缩短了 1.5 个月，因为团队维持了相同的僵化流程（漫长的需求阶段、顺序测试和单人负责制）。

通过应用第一性原理思维并重构流程，团队实现了突破：在一个季度内交付了七个连接器。这是通过以下方式实现的：

• 将需求阶段从一个季度缩短为一个星期，并进行更快的迭代。
• 将外部软件实例的设置外包，以实现测试并行化。
• 从“单人负责制”（每个连接器由一个人负责）转向协作团队模式。

这种改进是流程变革的结果，而不是因为更聪明的 AI 模型。

AI 技术栈中的价值积累

从长远来看，价值将向技术栈的上层——应用层移动。虽然目前的“蓝色三角形”价值集中在硬件 (Nvidia) 和基础设施，但技术史上的模式（从 IBM 到 Microsoft 到 VMware）表明，价值最终会在底层实现商品化，并向顶层积累。

高价值 AI 应用的预测

• 医疗保健： 一家能够分析数百万患者的基因和医疗历史以提供个性化、救命的干预措施的公司，其价值可能达到数万亿级别。
• 教育： 尽管风险投资界普遍认为教育是一个糟糕的投资，但一家能够提供经过验证的、AI 驱动的卓越教育的公司，可以实现大规模规模化和数据护城河。

前沿模型的角色

专有前沿模型将保持价值，但提供这些模型的业务将变成一场利润微薄的规模经济游戏，类似于 Amazon 的图书销售业务。开源模型正在迅速缩小与专有模型的差距，正在对模型层施加进一步的价格压力。