WAIC Наблюдение: Переполненный консенсус, огромный пузырь

Автор: Сяо Бин, Deep Tide TechFlow

1. WAIC Должен Проходить Раньше, Чтобы Технологии Могли Быть Очистены Сразу После Посещения.

Слишком много пиковых сигналов: различные побочные события становятся криптоцентричными, сборище красивых женщин и высоко однородные продукты на месте... Трек трансформировался из игры для гиков в общественный пир.

Будь то на первичном или вторичном рынке, когда все начинают верить в одну и ту же историю и консенсус становится слишком сосредоточенным, риски начинают накапливаться.

Потому что на бычьем рынке быки, стоящие рядом с вами, все станут продавцами в период спада.

Больше убийств, больше!

2. Большие Модели Не Имеют Реального Рва

Основой AGI по-прежнему является Закон Масштабирования.

Связь между способностями модели, масштабом параметров, вычислительной мощностью обучения и качеством данных по-прежнему следует степенному закону.

Кто может получить вычислительную мощность GPU дешевле, получить более качественные данные, нанять лучших исследователей и более эффективно сжигать деньги?

Таким образом, рва компаний с большими моделями слабее, чем многие себе представляют.

Способности моделей будут продолжать сходиться, ведущие преимущества будут преследоваться, а цены будут продолжать падать.

Те, кто действительно получает устойчивую прибыль, это те, кто продает воду всем компаниям моделей, так как все используют капитальные расходы нескольких крупных фирм.

GPU, HBM, высокоскоростные соединения, центры обработки данных, электроэнергия, услуги данных...

Стоя на верхнем уровне гонки вооружений, чтобы делить трофеи, или даже просто выступая в качестве посредника, соединяющего ресурсы, в настоящее время является самым прибыльным бизнесом.

3. Узкое Место Данных — Потенциальная Возможность, Увиденная На Эта Конференции

После обсуждения с некоторыми друзьями я обнаружил, что компании, зарабатывающие деньги в этой волне ИИ, очень скромны и даже не приходят выставляться, одно направление — данные.

Успех или неудача единого мультимодального представления в основном зависит от высококачественных мультимодальных обучающих данных. Существует серьезная нехватка данных, которые были тщательно очищены, точно размечены, перекрестно согласованы и могут быть непрерывно итеративными.

Модели станут дешевле, GPU в конечном итоге увеличатся, но действительно высококачественные данные будут становиться все более дефицитными.

Мультимодальная цепочка данных становится прибыльным треком.

Очистка данных, разметка данных, синтез данных, вертикальные данные активов, роботизированный сбор данных... а также алгоритмические компании, которые специально решают проблемы единого мультимодального представления и мультимодальных предварительных обучающих кодеров.

GPU — это единовременные капитальные расходы, в то время как данные — это непрерывные капитальные расходы.

В настоящее время я классифицирую данные на три типа: первый тип — Экспертные Данные; второй тип — Данные RL Среды / Агент. В будущем обучение агентов будет включать не только сбор пар вопросов и ответов, но и построение Среда → Задача → Траектория → Награда → Проверяющий, что может стать одним из крупнейших дополнительных рынков впереди.

Третий тип — Данные Воплощенной / Робототехники, которые даже более дефицитны, чем данные LLM и крайне трудны для сбора.

4. Дилемма Применения ИИ, Когда-то Отражение Криптомира

Сегодняшний ИИ очень похож на прошлый Крипто, с толстыми протоколами и L1, захватывающими подавляющее большинство ценности, поэтому крипто-VC безумно вливают деньги в публичные цепи, приложения? Никто не инвестирует в них.

В настоящее время ИИ такой же.

Большие модели похожи на POW Layer1, и даже сама модель является приложением.

За последние несколько лет большинство приложений ИИ делали что-то опасное: упаковывали возможности, которых модель временно лишена, в продукты.

Но границы возможностей модели расширяются наружу. Каждое обновление модели похоже на то, как L1 напрямую записывает функции, которые изначально принадлежали прикладному слою, в протокол, такие как поиск, глубокие исследования, кодирование, генерация изображений, генерация видео, использование компьютера, агент...

Если каждый раз, когда модель обновляется, ваш продукт теряет слой ценности, тогда вы по сути являетесь функцией ИИ, а не приложением ИИ.

Поэтому крайне важно создавать вещи, которые модель может делать, но которые также трудно забрать, что сводится к данным, контексту, рабочему процессу, разрешениям и распределению.

Рва приложений ИИ заключается в том, чтобы стать клиентом модели, а не конкурентом модели.

5. Воплощенный Интеллект, Огромный Пузырь

В зале H4 на втором этаже, наблюдая за большим количеством роботов, произведенных одной и той же цепочкой поставок, выполняющих похожие действия медленно, а затем глядя на оценки различных компаний, это вызывает мурашки по коже и жалость к деньгам инвесторов.

Текущая проблема с воплощенным интеллектом заключается в том, что капитал оценивает "закон масштабирования программного обеспечения" для "мягких и жестких сложных систем".

Чудо больших моделей заключается в том, что если компания обучает GPT-5, она теоретически может обслуживать сотни миллионов людей по всему миру почти без предельных затрат, но роботы не могут.

Для каждого дополнительного пользователя, которого обслуживает робот, необходимо построить новую машину, что включает в себя BOM, производство, цепочку поставок, доставку, обслуживание и амортизацию.

Интеллект ИИ может прогрессировать экспоненциально; например, когда модель обновляется, все глобальные пользователи становятся умнее одновременно, но затраты в физическом мире не уменьшаются экспоненциально.

Если интеллект следует закону Мура, то воплощение по-прежнему придерживается правил производственной отрасли. В конечном итоге воплощенный интеллект может стать огромной индустрией, но может не обладать маржами прибыли больших моделей.

Более того, еще слишком рано.

Автономное вождение уже является высоко ограниченной проблемой воплощенного интеллекта с четкими целями, ограниченным пространством действий, стандартизированными дорожными правилами и богатством реальных данных и зрелой автомобильной промышленной системой. Даже так, эта индустрия сожгла сотни миллиардов долларов и все еще не решила некоторые долгосрочные проблемы на дороге. Реальная сложность, с которой сталкивается воплощение, в N раз превышает сложность автономного вождения.

6. Лучшая Эра Для Связистов

Жестокая правда заключается в том, что большинство стартапов ИИ не зарабатывают много денег, и их прибыль даже меньше, чем у некоторых женщин, продающих свои навыки.

Поэтому я обнаружил что-то интересное: многие компании кажутся одним бизнесом, но при более близком рассмотрении, "О, вы тоже продаете токены," "О, вы тоже продаете вычислительную мощность," и оказывается, что компании с большими моделями также перепродают вычислительную мощность для получения прибыли.

Те, кто действительно зарабатывает деньги, все еще сводники.

FA, сопоставление старых акций, перепродажа B300, продажа токенов, продажа наборов данных, продажа вычислительной мощности или даже продажа возможности встретиться с определенным основателем...

ИИ соответствует всем условиям для процветающего посреднического рынка: быстрые технологические изменения, значительные информационные разрывы, обилие капитала и убедительные нарративы.

VC зарабатывают деньги, оценивая конечную игру, в то время как FA зарабатывают деньги, оценивая консенсус, не нуждаясь в доказательствах того, что тренд в конечном итоге правильный.

Напротив, чем более неопределенным и грандиозным является нарратив, тем больше пространства для работы у FA.

Например, воплощенный интеллект, мировые модели... эти треки имеют общую характеристику: будущее повествование достаточно грандиозно, технология достаточно сложна и достаточно трудно опровергнуть в краткосрочной перспективе.

Крупные компании сжигают деньги на обучение моделей, инвесторы ставят на AGI через десять лет, а посредники зарабатывают деньги.

Либо используйте капитальные расходы крупных компаний

Либо используйте расходы FOMO LP.

7. Деньги — Это Все

Гонка ИИ все еще имеет долгий путь. Люди часто спрашивают, какой самый дефицитный ресурс в эпоху ИИ?

Многие ответят: талант, вычислительная мощность, данные... но в конечном итоге у них у всех одно имя: деньги.

Самое большое конкурентное преимущество в индустрии ИИ — это не технологии, а способность привлекать средства.

Что предпринимателям нужно делать сейчас, так это продолжать привлекать средства, даже если на их счетах достаточно денег для расходов, им все равно нужно привлекать.

Настоящая война разразится в будущем цикле спада в индустрии.

Пока есть деньги, чтобы продолжать жить, можно дождаться, пока конкуренты исчерпают свои средства, а затем приобрести их таланты, технологии и клиентов по низкой цене.

Вторичный рынок такой же; в предстоящие 2-3 года может произойти массовый коллапс пузыря, и, если в то время будет достаточно денег, чтобы купить на падении, можно победить 99% людей.

Этот контент предоставляется исключительно в общих информационных целях и не является финансовым, инвестиционным, юридическим или налоговым советом. Любые мероприятия, вознаграждения, онлайн-акции или связанная с ними информация, упомянутые в настоящем документе, не должны рассматриваться как рекомендация, приглашение к покупке, продаже, торговле или иной сделке с какими-либо криптоактивами. Криптоактивы очень волатильны и могут привести к убыткам. Доступность услуг, продуктов WEEX и связанных с ними событий может варьироваться в зависимости от региона. Вы несете ответственность за обеспечение того, чтобы ваше участие соответствовало применимым местным законам и нормативным актам.