比尔·盖茨拒绝的 3 亿美元，与流向 OpenAI 的 100 亿美元

Nathan Labenz 开篇先给出一个角色定位。他借用 Julia Galef 的《侦察兵思维》，把这种角色称为 AI 侦察兵：哪怕结论令人不舒服，也要形成准确的判断。他说，模型仍然比不上人类专家，但在一长串有经济价值的任务上，它们已经超过普通人，而且还在持续进步。它们的架构与我们不同，长处和失败模式也与我们不同，行为很难预测。在他看来，社会在高速飞行，却像半个盲人。政府和企业早就在为竞争对手和市场收集情报。他认为，资助那些从各个角度、在各个抽象层级研究 AI 的人，是审慎的做法，这样其他人才能基于 AI 的真实面貌，决定怎样构建和使用它。

他尽量把大约一半的时间花在这项工作上：论文、产品、模型、推特、其他播客，以及来这档节目做客的那些开发者。目标是不留下重大盲区，同时有足够的深度，能帮到队友、受他指导的人、听众，也许还有政策制定者。Riley Goodside 是另一位早期的 AI 侦察兵，他在之前的一期节目里说过，大家都还是新手。节奏快得惊人，信息洪流也是真的，但正是这种速度，让新人仍然有机会触及前沿并开始做贡献。本期请来的是另外两位侦察兵，他们各有各的工作方式：Robert Scoble 和 Ben Tossell。

Scoble 的履历听上去像一段漫无边际的硅谷闲谈，直到你发现它其实是一套方法。据他自己讲，十三岁那年，他成了苹果的第一名童工，这得益于身为电气工程师的父亲：1971 年，父亲带着全家搬到了库比蒂诺。他和母亲一起给两百多块 Apple II 主板插元件。苹果是他的第一家创业公司。他是 Siri 和 Flipboard 的早期用户，是 Instagram 的第 79 位用户，是马斯克第一辆特斯拉的第一位乘客，也是奔驰第一辆自动驾驶汽车的第一位乘客。他写过四本书，试图预测以十年为单位的变化，最新一本讲空间计算，这也是他关注 AI 的原因。他在推特上关注了这个领域的 38000 人，并自称是唯一这样做的人。原因是他注意到，斯坦福和卡内基梅隆的学生会组队，以极快的速度推出新模型和论文，而他没有别的办法跟上这个速度。

他仍然更多地把推特当作传感器来用，用它看市场、看自己的投资、看论文。他说，微软现在的数据中心有一英里长。他以前在 Rackspace 工作，进过很多这类机房；新的数据中心是另一个物种，数据流也一样。ChatGPT 和 Siri 完全是两回事。它会写代码，再解释代码，还能写营销文案和邮件。它本质上仍是下一个词的预测。它的理解方式不像人以为的那样，所以有时会走进一条错路，你得自己找出代码里的问题；不过它往往也能帮你调试。他说，这是一种新型智能，你得学会和它交流，也得学会判断什么时候可以信任它。在他看来，要看清十年后的样子，靠的是硅谷的各种聚会加上论文：消费者可能要等五年、七年甚至十年，才会看到实验室里的成果，但论文会告诉你，斯坦福或卡内基梅隆那边已经在跑什么了。

Scoble 正对着一台搭载 M1 的 iMac 聊天。他说，这颗处理器约 21% 的面积是神经网络模块：这是一个能力很强的设备端推理引擎，正是你跑 ChatGPT 或 Stable Diffusion 这类应用时需要的运行环境。一个 2GB 的 Stable Diffusion 模型可以在上面运行。一位创业者上周告诉他，就推理而言，它比英伟达 3080 更强。训练则是另一回事：AI 团队仍然需要办公室或云端的 H100 级别显卡。最引人注目的是它的温度。他大约两年前买下这台机器，那块硅片几乎没怎么用，一直是冷的。旁边还有超宽带（ultra-wideband）。他桌上摆着 Estimote 的信标；苹果已经把同款芯片装进了他的手机、耳机、Mac 和电视——家里一共十五台设备——但大部分定位功能仍然关着。他的结论是：苹果早已把一张内含大量 AI 能力的网络铺进了像他家这样的数百万个家庭，却一直没有开启它。

他认为，这步棋其实早就酝酿了很久。九年前，他和当时负责 Siri 的人吃过一顿饭，问对方苹果有什么新发现。对方的回答是，他们同时对谷歌的 AI 和自家的 AI 做了测量，结果谷歌学得更快，所以 Siri 必须从头重建。那次重建，加上一款使用同一套 AI 网络的新头显，正是他原本预期在 2023 年 6 月看到的东西。整个生态本应共享边缘算力：手机调用 Mac 里的推理引擎来运行 Stable Diffusion，一部分工作在设备端完成，一部分在云端完成。能证明这颗芯片处于闲置状态的，是一款叫 SuperNormal 的产品：它能转写视频会议，然后在 300 毫秒内从转写稿中提取任务和主题。即便是这样的负载，在他的机器上也很罕见。神经网络引擎的大部分仍在等待尚未到来的工作负载。

这笔账换一个单位看，也是同样的故事。Scoble 曾经想说服比尔·盖茨，花超过 3 亿美元买下一批 Web 2.0 公司。他当时就坐在 Tim O'Reilly 旁边，后者写下了为这个时代命名的那份备忘录。盖茨拒绝了他，之后又拒绝了一次。盖茨说：“我知道让一家像微软这么大的公司花 3 亿美元有多难。”他提到，微软刚刚向 OpenAI 投入了 100 亿美元，其中一部分，按他的说法，来自裁员省下的钱；而就在当天早上，微软展示了一套新的 Office，工具里已经集成了 ChatGPT。你跟它说起下周要交的方案，它就开始搭 PPT 了。拿这个数字和他当年没能谈成的 3 亿美元相比，就足以说明时代已经变了。

Scoble 勾勒的五年后图景，核心是一副混合现实眼镜，以及一场与机器的对话——“嘿，Siri”“嘿，ChatGPT”“嘿，微软”——甚至可能连“嘿”都不用，因为设备会知道你在看哪里、手在做什么。装在头显里的重建版 Siri，能看到你拿着什么、碰着什么、盯着什么，并回答 ChatGPT 答不了的问题。Labenz 的公司 Waymark 已经在为如何理解小企业上传的杂乱照片而头疼。他设想，把供应商资料、医生的字条或手写的客户投诉放到眼镜前面，系统就能知道它们是什么。在他看来，GPT-4 里的计算机视觉能力，是当前模型中最令人震撼的部分。脑机接口会让这个场景更加怪异。

如果已经有一百万人装了 Neuralink，而且可以用意念直接转文字，Scoble 会不会也装一个？他引用了之前一个问题里观众的回答：这取决于竞争格局。如果别人都有，你不装就没法竞争，那你就得装。他说，这正是增强现实眼镜会普及的原因，跟时尚关系不大。带着能调用 ChatGPT 级别分析、还能把数据以三维形式展开的眼镜走进会议室，你就能看到二维屏幕藏起来的规律。如果他戴着眼镜，而你没有，他多半能让你丢掉饭碗，因为老板会问你为什么不戴这个人戴的东西。如今开会不带手机，已经是待不长的一种做法。眼镜就是这种义务的下一个版本。

他的估计是大约四年，也有六年的讨论空间。关键在于那种层层递进的关系。如果送货机器人能带着杂货按门铃，那它就足够好，能走进屋里把东西收好、洗碗、洗衣服。如果它能开车去商店、购物、结账，再把袋子带回家，它就能叠衣服。斯坦福已经有一台机器人能完成上千种任务。等身体到位，它就会通过大语言模型对话：讲睡前故事、下国际象棋，建立一种你开始信任的关系。只要衣服洗得干净，他才不在乎它在车库里把汰渍换成别的品牌。他说，只要它保持住他过去的那种水准，它就会接管这个家。那人类还剩下什么？Labenz 仍然会听到他在回邮件，也在提出反对意见。Scoble 认为，人类剩下的，是系统从没见过的情况，以及需要签字的事，比如“向这家公司转 10 万美元”，因为你仍然不希望整套系统把银行账户掏空。

按他的说法，下一代 Siri 未必会自己包办所有工作。你让它用 Uber Eats 在 22 分钟内送来一份墨西哥卷饼，它可能会在 M1 上加载另一个模型，比如做会议纪要的 SuperNormal，每月 5 美元，然后让你用眼神、手、声音或一支笔来确认，因为它能看到你用笔画。Labenz 已经看到了多模型组合的做法。其背后的创业问题是，这究竟是创业公司的游戏，还是老牌公司的游戏。基于 LangChain 开发的话，你能听到的消息是：Siri、谷歌助手以及微软的同类功能，今年就会原生登陆手机。

他说，Siri 当年由苹果以 2.2 亿美元收购，几句话后又说是 2.28 亿美元，那是十二到十五年前的事了。他一直在和能接触到 Satya Nadella 的人交谈。微软投入 100 亿美元，把 OpenAI 的 ChatGPT 整合进自己的技术栈。如果苹果想收购或授权 ChatGPT，他听到的报价是 400 亿美元；收购 OpenAI 本身还要更多。OpenAI 是一家 300 人的创业公司，却已经拿到了微软那笔钱。在他看来，拿它和 Siri 的收购价相比，就足以说明有重大变化发生了。Labenz 在想，我们是否正走向一个超级应用的世界：Siri 和谷歌助手可以即时生成一些小界面，这对应用的未来意味着什么。Scoble 举的例子是，让模型把你所有的客户数据做成一张电子表格，再把它们接起来。微软和谷歌已经在把这类功能内置到人们日常使用的工具里。他预计这很快就会到来。

他已经看到的软件图景，更像全息甲板（Holodeck），远不止一个更好的备忘录应用。他原本预计，到圣诞节前，就会出现一个可以用语音对话的三维环境，由 Unity 或 Stable Diffusion 驱动：带我去泰姬陵，带我去优胜美地，或者去一个足够像优胜美地的地方，因为模型还是会有点幻觉，人的记忆本身也不那么准确。指一指某个位置，说要一棵紫色的树，局部重绘（inpainting）就能把它放进场景里。据他了解，生成式音乐能做到音乐产业至今做不到的事：让你在客厅里走过一支高中管乐队，鼓、萨克斯、单簧管和长笛分布在屋子各处。如果这个环境还能把虚拟遥控器接到真实的代码上，客厅就变成了一台机器。今年圣诞前，会先有人买下第一代苹果头显；大多数人会等到次年圣诞的第二代，或者再下一个圣诞的眼镜。按他的时间表，到 2025 或 2026 年，我们就进入了新世界。手机也会运行其中一部分功能，但跟一块环绕式、视野达四十英尺的画面相比，手机屏幕实在太小了。

在从英国飞回家的十个小时航程中，Scoble 旁边坐着一位 AI 安全研究员，吓到了他。论点是：AI 在扫描影像中找肿瘤方面已经比外科医生做得更好，而外科医生是昂贵、训练有素的人。再沿着这条路往前推二十五步，系统会不会判断自己不再需要人类？他并不无视失控的风险。但他也不认为可以就此停下来。叫停工作，也就叫停了即将到来的生产力，你的经济会被毁掉。中国会停下来吗？不会。他们会积极地使用它。他问过大众汽车的一位人士：大众已经把一座汽车工厂数字化了，什么时候会在车间地面上装满 3D 传感器，让 AI 盯着，看有没有某个零件比工人需要的时间晚了两秒才送到？他得到的回答是，在德国做不了，有法律禁止记录员工。而在中国，他们已经在这么做了。一个国家变得高度高效，另一个国家落后，工作机会随之流动。他说，马斯克每天在特斯拉工厂的车间里所做的，也是同一件事：更便宜，更快。

如果要进行一场认真的长期安全对话，Labenz 希望中美关系不要那么敌对。Scoble 给出的数字很直接：中国有 13 亿人，美国有 3.8 亿人。在他对这些系统如何运作的经验里，数据更多的一方几乎每次都会赢。即使为了保住工作而禁止自动驾驶汽车，你仍然要面对一个事实：卡车司机是美国第一大职业，有 130 万人，而他认为这些工作在五到十五年内就会开始消失。全球政治则是另一个话题。竞赛式的态势本身已经成了问题。

完全自动驾驶是他用来回答他认为唯一重要的那个问题时最信赖的例子。特斯拉车主每三个月就会收到一次大版本更新。要攒到多少次，它的驾驶水平才会超过任何人类？没多少次。四次是一年，十二次是三年。它现在已经能送他从家开到圣克鲁兹：全程四十分钟，路况是弯道很多、两侧都是护墙，时速 55 英里，而且比他自己开还要平稳。11 版是基于新技术栈的，在后面有摩托车穿行于车道之间时，它会平稳地挪开，这种人类司机的操作，他现在这个版本还做不到。在同一条路上，汽车减速、打转向灯，绕过了一排停着的应急车辆。“用 AI 时，关键不是它今天在哪里，而是它进步得有多快。”同样的节奏也适用于 ChatGPT。它会产生幻觉，代码也有些毛病。一位做计算机视觉的朋友一直在盯着 OpenAI，他告诉 Scoble，模型代码每小时都在变。一位程序员朋友以前做一项工作要花一个月，现在一小时就够了。Scoble 十三岁的孩子在学编程，他让 ChatGPT 写一段 Twilio 的 API 调用，也就是优步司机通话背后用的那种服务，然后要求它逐行解释。多邻国为德语课加上了自己的 AI 老师。他说，欢迎来到指数级增长的时代。

Ben Tossell 刚刚全职投入他的 AI 通讯 Ben's Bites。前两期完全是编辑式的内容。他说，他很讨厌那种写法，也很不擅长，于是改成了策展：一种“自己选择冒险路线”式的版面，列出昨天 AI 领域发生的事，通常有五十多个链接，让那些对 AI 感兴趣、却卡在“我到底该怎么做？”这一问题上的非技术读者，可以自己挑一扇门走进去。他服务的人群不在技术栈的深处。他要做的是中间地带，那里的人最多。这门生意可能会长成一个专做单一用途应用的工作室，产出更多内容，甚至还有一支基金。他的问题在于想把所有事都做了。全职投入，是他允许自己去看所有东西、再判断哪些只是干扰的方式。他想组建一支 AI 原生的团队，自家先用上这些工具，这样通讯就能告诉读者，这家公司到底怎么用这些工具。

Labenz 向他提出战略问题：是 AI 原生的产品会赢，还是 AI 会变成人们本来就在用的工具上的一层？Tossell 一开始站在第一阵营，然后在录制过程中改了主意。如果他本来就在用 Notion，而 Notion 又加上了他原先从别的应用里获得的功能，那何必换？“人人都应该始终想要更少的工具。一样东西能搞定，我就不需要用 10 样。”他认为，AI 会落到所有大型平台上，它们每天都在推出新东西。但他也留了一扇门：小而专、以 AI 为核心的工具，仍然可能抢走份额，因为细节很重要。Notion 是一个适合所有人的大工具。写通讯的人可能只想要一个只干这件事的工具，而 AI 让这类窄众产品变得更可行。教育是他举的例子，认为这一领域可能会被重建，而不只是被叠上一层：少一些讲授和复述，多一些以模型为伙伴一起解题。

组织层面的问题藏在产品问题背后。如果系统能汇总报告、做摘要、提建议、生成内容，那么许多大公司能否只靠目前认为所需人数的 20% 运转？这些公司本来就在一轮接一轮地裁员。他想知道这一轮会带来什么。Labenz 认为这种可能性说得通。

被问到哪些老牌公司做得好、哪些做得差，Tossell 毫不留情。人们提得最多的是微软，因为它确实已经把能大规模使用的东西推了出来。他几乎不用 Office，所以他在等谷歌，但谷歌的版本还卡在候补名单和一篇研究论文后面。在他看来，这算是失败。谷歌在这件事上投入的人手足够多、时间也足够长，本该推进得更快。居中的是 HubSpot 的 ChatSpot。他自己并不用 HubSpot，但联合创始人 Dharmesh Shah 一直在公开摸索：帮我找潜在客户，用邮件跟进，之前的销售数据在哪儿。他希望大公司拿出的示范，就是这样与自己的数据对话，而且这种能力能立刻转化到你自己的工作中。在他的评分表上，三家公司分别是：做得好的、做得差的，以及一个值得借鉴的例子。

这份评分表并没有让他换阵营。Labenz 也在同一条船上。Tossell 的所有东西都在 Google Workspace 里；微软的 AI 还不足以让他整套迁移，他预计谷歌几个月后的版本大体也能做到同样的事。转换成本才是老牌公司真正的优势。他费了些力气，尽量少用谷歌搜索，改用 Neeva 和 ChatGPT，但这是一个他得时时提醒自己的习惯。他的父母可不会记。Labenz 装着微软 Edge 和新版必应，但仍然没有把 LastPass、浏览记录和扩展程序从 Chrome 上迁走。两人都在与惯性较劲，并没有追着每个新产品跑。基于 GPT-4 的薄包装产品，正受到核心聊天体验本身的挤压。Tossell 真正留下来的产品，都是放在他本来就工作的地方的那些。

他说自己用的 AI 工具不算多，接着却一个一个数了起来。Bearly.ai 以浮层的形式悬在 Arc 浏览器上，所以他每天读大量文章时，可以一键生成摘要、摘出引语，用在通讯里。他没有开发背景；Replit 的 Ghostwriter 给他画了个饼，但他只能用到有限的程度。Readwise 用来收集链接，还能做文字转语音。遇到健康问题，比如有人讨论用镁助眠，他宁愿去问 Andrew Huberman 播客的聊天机器人，那是他信任的来源，也不愿用通用搜索。他有一个小小的法律机器人，免得每个问题都去打扰爸爸；还有一个会计机器人，它已经了解他的财务状况。他看到的趋势，与“一站式”恰恰相反：单一用途的机器人越来越多。最终，你会想要一个法律助手，让 AI 写代码、部署到你的机器上并训练它，而你自己一行代码都不用写。Labenz 把这称为一次性软件：用语言把一个小应用“说”出来，让它解决眼前的问题，然后扔掉。他自己会写代码，但在大多数情况下，模型仍然比他又快又好。对他来说，这就是那个突破口。