Sequoia刚刚发布的关于生成式...
- indigo
- 2024-10-12 03:59:35
Sequoia刚刚发布的关于生成式 AI 的年度报告，有几个非常重要的 take-aways：
1. 新的 scaling law 已经开始：o1 的发布代表了通过「推理时计算」所取得的一般推理能力的重大进展，这是生成式AI的“AlphaGo时刻”，也是大模型 scaling law 的一个重要转折点。我们给到模型的推理时间计算越多,它的推理就显著越好。这也将进一步推动应用层的可用性。
2. SaaS 的重新定义：SaaS 将从 Software as a service 开始转向 Service as a Software，这也 echo 了我去年提到的 sell work, not software。SaaS 将从卖席位，转向卖最终的交付结果。
3. 细分领域的 know-how 将变得无比重要： 文中提到的认知架构，通俗一些讲就是不同行业的 know-how，如何将这些 know-how 与模型能力结合，从而端到端解决问题。而这恰是构建数据闭环，实现从 co-pilot 到 auto-pilot的关键。
让我欣喜的是，一方面看到大模型进入到下一阶段的技术突破，另一方面，伴随着模型变强大的过程，产品经理的窗口期已经来了！很是期待！
文中还有很多细节内容，再次强烈推荐大家花些时间去仔细阅读和思考！
网页链接 
加拿大·Vancouver
1. 新的 scaling law 已经开始：o1 的发布代表了通过「推理时计算」所取得的一般推理能力的重大进展，这是生成式AI的“AlphaGo时刻”，也是大模型 scaling law 的一个重要转折点。我们给到模型的推理时间计算越多,它的推理就显著越好。这也将进一步推动应用层的可用性。
2. SaaS 的重新定义：SaaS 将从 Software as a service 开始转向 Service as a Software，这也 echo 了我去年提到的 sell work, not software。SaaS 将从卖席位，转向卖最终的交付结果。
3. 细分领域的 know-how 将变得无比重要： 文中提到的认知架构，通俗一些讲就是不同行业的 know-how，如何将这些 know-how 与模型能力结合，从而端到端解决问题。而这恰是构建数据闭环，实现从 co-pilot 到 auto-pilot的关键。
让我欣喜的是，一方面看到大模型进入到下一阶段的技术突破，另一方面，伴随着模型变强大的过程，产品经理的窗口期已经来了！很是期待！
文中还有很多细节内容，再次强烈推荐大家花些时间去仔细阅读和思考！
网页链接 加拿大·Vancouver