硅谷投资人张璐：Z世代70%时间用在AI应用上，传统搜索已被抛弃？

正文

请到「今天看啥」查看全文

这其实在硅谷和产业中已经开始发生。

过去，大家一直讨论的是大模型，随着模型规模的不断扩大，通过接入大量数据与参数来提升模型训练效果。然而，过去一年，大家的关注点逐渐从AI模型的快速增长转向了实际应用——即AI技术如何迅速落地，并实现大规模的工业化应用。

在这一过程中，AI小模型的大规模应用必将成为趋势。

对于许多特定行业或垂直领域的人工智能应用来说，尽管数据量需要达到一定规模，但更为关键的是数据的质量。事实上，数据的质量可能比数据的数量更为重要。通过使用高质量的行业数据来训练垂直领域的小模型，不仅能够提升AI应用在特定场景下的准确性和效果，更重要的是，小模型的规模较小，成本较低，能效更高，对GPU的需求也更少。

这些特点使得小模型在成本层面上更符合工业界对AI技术应用的需求。尤其是在面向企业客户（B端应用）的场景中，技术成本往往是最关键的因素。在这样的背景下，模型的“小型化”显得尤为重要。

预判二：将出现更多的AI基础设施层面的技术创新，尤其在降低能耗和成本方面。

人工智能领域将涌现更多基础设施层面的技术创新，尤其集中在如何降低能耗和成本方面。事实上，许多相关技术已经开始落地。

我们知道，人工智能发展面临的最大挑战之一是高成本、高能耗以及过度依赖GPU，导致无法满足工业级应用的需求。基于这一点，这将推动下一波更具实际性、更贴近商业变现的AI应用诞生。

目前，已经有许多AI基础设施技术能够帮助这些应用进行系统优化，从而大规模降低GPU的消耗。这种优化不仅包括GPU消耗的降低，还涵盖了能源消耗的减少，从根本上降低了整体成本。

例如，一些硬件和软件技术的创新已经能够将能耗降低15倍至100倍，甚至更高。同时，GPU的消耗也能够减少至原来的1/4，甚至接近1/10。这些都是未来发展的潜力趋势。

预判三：更多的小模型开始进入边缘端设备。

2025年，一个重要的趋势将是人工智能在边缘端和边缘设备上的应用。事实上，这一趋势在硅谷已经初见端倪。

工智能在边缘端设备上的应用，得到了众多大企业和小企业的推动。这将催生新的AI接口（interface），即人工智能带来的全新交互形式。过去，我们的交互方式主要依赖于手机等传统设备，但随着AI的普及，未来的交互方式将不再局限于手机等传统边缘设备。更多设备将与人工智能结合，比如智能眼镜、投影仪、音响、灯等各种日常小型设备。这些设备都将成为搭载人工智能的新载体。

例如，我们最近投资的一家公司——Nexa AI，其AI小模型能够在树莓派（Raspberry Pi）等边缘设备上高效运行，并且其生成式AI表现与GPT-4相似。从这个角度来看，我们可以看到这种技术在边缘设备上的巨大潜力。

进一步来看，随着人工智能的普及，新的AI接口必将出现。例如，在C端，AI智能眼镜受到业界关注。

而在B端，端侧AI的应用形式更加多样。例如，在物流和供应链行业，智能传感器可以成为端侧AI的载体，广泛应用于各种机器设备中；在蓬勃发展的太空科技领域，每颗卫星都可以作为智能体，充当端侧AI的载体；在医疗领域，各种智能医疗设备、传感器，甚至医疗器械，也能够承载人工智能，成为AI的载体。

因此，人工智能的载体和接口并不仅限于手机和电脑，它将在各个行业中嵌入，尤其是在工业领域，AI将通过智能体的形式，嵌入到不同的传感器和硬件中。人工智能的应用场景非常广泛。

预判四：开源生态将持续茁壮，开源模型不断丰富且形式更加多样化。

我们始终看好开源生态的发展，并坚定支持其成长。开源生态在人工智能领域作出了巨大的贡献。事实上，自2024年以来，全球范围内各类开源平台的动态活跃，不仅仅局限于美国，中国也有许多开源生态的积极贡献者，比如最近引发全球科技圈热议的DeepSeek。最近发布的Llama 3.1也充分证明了开源生态能够推动更多语言模型和小模型的产生。

展望2025年，我相信开源生态将持续茁壮发展，并成为支持和孵化初创企业的一个重要平台。许多垂直领域的技术已源自开源，这进一步证明了开源生态在推动技术进步和创新方面的关键作用。

预判五：新的算法模型与架构不断涌现。

目前，关于生成式AI和大语言模型的讨论非常活跃，但与此同时，许多新的算法模型和架构也在不断涌现。例如，谷歌和微软近期发布的研究论文，正探索着全新的算法模型和架构。这些新模型的一个显著特点是，它们不仅能够在GPU上高效运行，某些模型甚至在CPU上也能展现出更优的性能。这一发现可能会对市场产生深远影响，因为它提出了一个重要问题：是否所有的AI应用都必须依赖GPU？还是未来会有一些算法模型在CPU上表现得更为出色？

这些变化和趋势正在悄然发生，预示着它们将对整个行业带来深远的影响。

请到「今天看啥」查看全文