人工智能大收缩：5 个逆向人工智能投资论文

周日快乐，欢迎来到人工智能投资。请务必观看 AI in NYC show，我们在其中讨论各种有趣的话题。我还想介绍一些我们在 Neurometric 所做的关于代理工作流程的自动生成基于小型任务的模型 的出色研究。如果您对 SLM 和模型集成感兴趣，请查看一下。 （如果你不这些事情，你就会错过下一波人工智能浪潮）

早在 2023 年夏天，我就写过 人工智能投资中的 5 个逆向论文。你可以回去看看结果如何。今天我想再次这样做，因为我认为目前市场上投资者对人工智能有很多误解。

在过去的几年里，主导论点是这样的——无论谁先进入 AGI，即使只有几天，他们的模型也会开始自我创新和改进，这比其他仍在使用人类来改进人工智能的实验室发生得更快，所以现在对于获胜实验室的模型来说，它的智能将会加速，基本上他们将赢得一切。我已经多次写过为什么我认为这篇论文是愚蠢的，尽管它长期以来一直是人工智能的主流叙述。我下面的许多逆向观点都是由相反的观点驱动的——在 AGI 出现后 3 个月内（​​无论最终意味着什么），它将开源，整个世界都将获得超级智能，因此你必须假设“原始智能的质量”是一种商品，而不是护城河，进行投资。

根据我与人工智能人士的对话，以下是 5 篇看似逆向的论文。其中四个我感觉非常强烈，一个我一般般，但我想无论如何我都会把它包括在内。 （我会让你猜猜我认为哪一个可能性最小）

每个人都在寻找下一个 OpenAI。下一个前沿实验室突破。下一轮$10B。但当这种搜索正在进行时，他们忽略了正在发生的更安静、更重要的转变：人工智能正在将智能本身商品化。当情报变得免费时，其他一切——信任、实物资产、分配、监管护城河——的价值就会飞涨。

这是我令人不安的论点：人工智能不仅仅会扩大市场。它将首先签约其中一些。它将破坏信任，瓦解定价模式，并将风险投资公司花了二十年时间分拆的软件功能商品化。生存和繁荣的公司不会是那些构建最华丽的人工智能的公司。他们将拥有人工智能无法复制的东西，也将拥有导致所有迅速崩溃的系统基础设施。

我一直通过我的后模型世界框架的视角来思考这个问题——模型本身在人工智能总价值中所占的份额正在不断缩小，而围绕它的系统和资产才是真正重要的。如果你认真对待这一点，你最终会发现有些地方与共识的人工智能牛市情况完全不同。我对论文 #4 非常看好，所以我开始了 Neurometric 只是为了利用它。

这是我的 5 条逆向论文。

1. 人工智能代理信任衰退

我从这个开始，因为它是人工智能世界中讨论最少的。我们正在将人工智能代理部署到销售周期、采购工作流程和客户成功中，隐含的假设是，将人类从这些循环中移除可以使它们更快、更便宜。这是真的。但这也让他们不那么值得信任。

人工智能代理优化效率。人们根据风险缓解进行购买。当循环中的人消失时，买家的防御就会上升。 Salesforce 的“AI 连接客户状况”报告显示，2023 年至 2024 年间，对道德使用 AI 的公司的信任度从 58% 下降到 42%。一年之内下降了 16 个百分点。与此同时，Forrester 发现，43% 的 B2B 买家现在做出“防御性”购买决定——在超过 70% 的情况下，他们更青睐安全、知名的供应商，而不是创新的供应商。

想想这意味着什么。您正在构建人工智能优先的销售流程以加快速度，而您的买家同时放慢速度，因为他们不信任该流程。这不是一个成长故事。这就是摩擦力。

这里的投资机会并不在于代理商本身。它位于验证层——初创公司为机器介导的交易建立来源、声誉和可审计性。可以把它想象成电子商务的早期：没有人在网上购买任何东西，直到 SSL 证书和信用卡担保让人们感到安全为止。我们需要人工智能代理的 SSL 证书，而构建该层的公司将非常重要。

2.“真实”世界的复仇

这是我不断回顾的一个心理模型：如果人工智能让思考变得廉价，那么行动就会成为瓶颈。

市场根本没有消化这一点。 AI 原生软件初创公司的收入倍数为 25 倍至 30 倍。传统 SaaS 是 6 倍。而重资产企业——物流公司、能源公司、工业运营商——尽管拥有人工智能在现实世界中实际做任何有用的事情所需的物理基础设施、专有数据集和监管许可，但其交易市盈率甚至更低。

这是倒退的。 EQT 关于 AI 价值迁移的研究 得出了相同的结论：持久的赢家是像 Palantir 和 Oracle 这样的公司（我不同意后者），它们将深度专有数据与大量物理和安全护城河结合起来，任何初创公司都无法仅通过代码来复制这些护城河。您可以在周末建立一个出色的人工智能模型来优化货运路线。您无法在周末建立一支卡车车队。你无法从 GitHub 存储库中变出仓库网络、公用电网或政府安全许可。

我认为这是“稀缺性反转”。 几十年来，软件是稀缺的、高利润的层，而实物资产是商品。人工智能颠覆了这一点。软件智能正变得越来越丰富。卡车、许可证、仓库、几十年来积累的专有数据集——这些都是新的稀缺性。

目前人工智能领域最逆势的交易可能是做多那些无聊、资产丰富的现有企业，这些企业正在悄悄地利用人工智能来巩固他们花了几十年时间打造的护城河。市场在稀缺性上给了你折扣，因为它迷恋于丰富性。

3. 软件的伟大重新捆绑

二十年来，风险投资的策略一直在分拆。从大平台获取功能，使其成为独立产品，按席位收费。效果非常好。人工智能即将扭转整个趋势。

用户不需要十个AI点解决方案。他们想要一个平台，人工智能可以处理十个工作流程。独立的人工智能笔记记录器、独立的人工智能调度程序、独立的人工智能电子邮件编写器——这些都被其他平台或产品吸收为功能。 2025 年 SAP/CIO 调查发现，90% 的 IT 领导者现在优先考虑软件整合，目标是将供应商数量减少至少 20%。

这是单点解决方案的结构性问题：当人工智能代理执行任务时，每个席位的定价模型就会崩溃。如果人工智能代理可以处理三个人过去所做的事情，那么您就不再需要为三个座位付费。你正在为一种结果付出代价。幸存下来的平台将是那些针对广泛领域的结果收费的平台，而不是针对狭窄功能的人员数量。由于工作单元正在发生变化，定价模型也必须改变。

如果你正在评估一家人工智能初创公司，并且他们的护城河是水平平台可以在一个季度内构建的单一功能，那么这不是护城河。这是暂时的领先优势。而且领先优势每个月都在变短。当扩张路径直接通向微软的客厅时，在分拆时代有效的风险数学——找到楔子，落地并扩张，建立一个类别——就崩溃了。

4. 推理经济学特朗普模型基准

我之前已经写过这一点，并且我会继续鼓吹：我们已经超过了能力阈值。对于大多数商业应用来说，前沿模型竞赛已经进入收益递减阶段，真正的战斗已经转向推理经济学——谁能以最低的成本和最低的延迟提供足够好的智能。

数字是惊人的。从 2022 年底到 2025 年底，GPT-4 类性能的成本从每百万代币约 20 美元下降到约 0.40 美元。三年内减少了 50 倍。到 2024 年中期，Llama 3 和 Mistral 等开源模型已经跨过了 90% 业务任务的商业实用门槛，这意味着竞争从“谁最聪明”转向“谁最便宜、最快”。

这是一条经典的商品化曲线，它有一个明确的含义：停止对模型的投资，开始对系统的投资。模型蒸馏、推理优化、智能路由、针对特定任务进行微调的小语言模型——这就是现在的利润所在。成本低 10 倍、速度快 10 倍的公司每次都会击败基准准确率高 2% 的公司。

我创办了 Neurometric，让情报变得免费。我们的工具帮助公司根据每个任务确定最佳模型，而不是考虑更广泛的基准。成熟的企业总是在寻找降低 COGS 的方法，现在一些公司在每月推理上的支出高达 5 到 7 位数，人工智能也是如此。 AT&T 最近刚刚经历了这个过程，每月在其人工智能系统上花费 80 亿枚代币。

5.消费者剩余陷阱

最后，应该让每个人工智能投资者失眠的论文是最后一篇。在竞争性市场中，生产者不会获得效率提升。它们通过较低的价格惠及消费者。

如果每家公司都使用人工智能来削减 30% 的成本，那么竞争就会迫使价格下降 30%。您还没有创建保证金。你创造了消费者剩余。这不是投机——这是经济史。在 20 世纪 90 年代互联网繁荣期间，劳动生产率大幅上升，但随着价格透明度和竞争加剧，许多数字化行业的企业利润实际上在下降。

英仕曼集团的研究使这一点变得更加尖锐：虽然上市公司的研发支出激增，但自 2005 年以来，苹果等公司的研究生产力（以每研发一美元的利润增长来衡量）每年下降近 40%。人工智能可能会提高你的内部效率，但你的竞争对手正在使用完全相同的工具来削弱你的优势。这是一场红皇后比赛。你必须奔跑才能留在原地。

这就是为什么我对“人工智能全面提高利润”的说法持怀疑态度。也许是在具有定价权的集中市场。在竞争激烈的市场中，五家公司都部署相同的人工智能工具来优化相同的工作流程——节省的成本会被竞争殆尽。盈余流向买方，而不是卖方。

这种环境下的赢家并不是那些利用人工智能来削减成本的人。 他们使用人工智能来做以前不可能完成的事情——进入市场、创建新类别或提供以前不存在的结果。成本优化是赌注。类别创建是阿尔法。

总之

停止寻找下一个 OpenAI。 LLM 层正在商品化，前沿实验室知道这一点，这就是他们成为应用公司的原因。每个人都押注的赢家通吃的动态远不如共识所暗示的那么确定。开始寻找信任层初创公司和资产丰富的现有企业，他们正在使用人工智能来巩固现有的护城河，而不是在云中建造新的城堡。

我相信模型仍然会有一些钱，但你必须在当今不流行的领域发挥作用——新的架构、语言和媒体以外的东西的基础模型、可以集成在一起的较小的特定任务模型。然后，在算法无法生成但实施许多人工智能系统所需的事物中将会有很多机会：物理存在、经过验证的声誉和监管控制。人工智能大收缩并不是一个悲观的情况。这是现实主义者的路线图。扩张即将到来——但首先，我们必须在挤压中生存下来。而那些从另一边出来的公司将不会是当前人工智能共识所押注的公司。

原文链接：https://investinginai.substack.com/p/the-great-ai-contraction-5-contrarian