此前，适道分享过全球科技“投资之王”、OpenAI“第一投资人”Vinod Khosla对于人机交互变革的洞察：第一个根本性变化——低延迟语音将成为人机交互的主导界面；第二个根本性变化——软件将适应人类，而不是人类学习软件。他认为，新一代硬件将结合二者特征：实现语音互动、能够学习人类语言和人类本身。
据此，Vinod Khosla对“套壳安卓”Rabbit进行投资，理由“Rabbit是人机交互在强大AI世界中的早期尝试：设备通过自然语言，用语音与代理进行交流。”
虽然这一切在Rabbit R1“翻车”后略显尴尬。但Rabbit R1没有实现的，苹果好像帮它实现了。
这不，就在苹果WWDC 2024收官后， The Information邀请Vinod Khosla录制了一期播客。
Vinod Khosla表示，他几个月前提出的“计算机将学习人类，而不是人类需要学习计算机”，在WWDC 2024上已经看到了苗头！这将是人机交互变革的一个非常重要的里程碑。不过，“聪明版”的Siri只是一个开端，随着时间的推移，它将演变成一种基因。而且，苹果不只盯着Chat-GPT，而是保持选择LLM的开放性，这点十分明智。
在播客中，Vinod Khosla对于AI未来五年风向、大模型和小模型的发展，AI种子投资策略等等都进行了干货分享。其中一些观点跟我们平时听到的甚至有点相悖，包括“对于初创公司而言，收入不是最重要的指标，而是尽可能地让模型得到大量的使用，为下一代模型训练提供大量数据。”等等。
因为原文信息过于分散，适道采用Q&A的形式进行了整理和筛选。感兴趣的朋友可以关注【适道】公众号，并回复“投资之王”，获取原文PDF。
小模型、大模型将各就其位
Q：苹果能够用端侧小模型完成很多事情。如此一来，昂贵的大模型将如何定位？
Vinod：我认为端侧小模型做的事情与大模型有所不同。当你想从模型中获得人类水平的智能，只能由多个“水平参差”的大模型完成。虽然小模型在某些方面表现很好，但我不认为小模型能够代替大模型。如果你想与低延迟的智能交谈，就需要一个更短的路径，端侧小模型则可行。实际上，即便是Intel也要在自家的Meteor Lake新处理器捆绑一个小型 LLM，用来进行响应式交互，而不是成为智能的来源。
请所有初创公司忽略计算成本！
Q：现在的模型成本和计算成本非常高，大家像是拿着所有问题去咨询一个昂贵的博士。在未来，我认为我们会更明智，比如知道哪些问题需要匹配什么水平的模型。你如何看待这种大模型和小模型的竞争？
Vinod: 我不同意。我认为计算成本将变得非常便宜。我敢打赌，一年后，它将是今天成本的1/5——1/10。我给所有初创公司的建议是忽略计算成本。因为你花在优化软件上的每一分钱，在一年内都将毫无价值。所以，忘掉它吧……依靠云计算、Gemini和OpenAI 间的市场竞争，成本会降低到不足挂齿的程度。
Q：为什么成本会大幅下降，你看到了什么？
Vinod：因为每个大模型的所有者都在拼命降低成本，而且他们能够做到。
收入不是最重要的指标
Q：但是新模型的训练成本不是比前一个高出一个数量级吗？
Vinod：训练成本确实高了一个数量级，这正是我认为开源模型不可行的原因。由于训练成本太高了，当训练完成时，你会希望投入尽可能广泛的使用中。原因一：获得最多的收入，成本最低的模型将获得最多的收入；原因二：更重要的是，为训练下一代模型生成大量数据。
如果你想做“时间之友”，我认为模型“游戏”不是以1年为时间跨度，而是5年——在这个跨度内，成本将下降。然而今天，Nvidia从每个人那里都榨取了相当可观的税收。
但是每个模型都会在多种类型的图形处理单元或计算上运行。他们会希望产生最多的数据。所以，我很确定在未来几年间，收入不是重要的指标。虽然你不希望亏太多。但你的目标不应该是想着赚很多钱，而应该想着如何让模型得到大量使用，并从中获取大量数据，学习进化为一个更好的模型。
我认为，无论是推理、概率思维，还是模式匹配，这些智能领域都大有可为，这些模型还有很大的提升空间。我们每年都会看到惊人的进步。要知道，很多事情都是谣传。有些公司比其他公司执行得更好。我认为这是主要区别。比如OpenAI执行力很强，虽然谷歌也有很好的技术，但他们的执行力没那么强。
大模型属于大玩家
Q：有人认为AI会全部进入现有企业，并被商品化。5年内，你觉得哪些领域不会被卷进现有公司？
Vinod：如果你正在构建基础模型并试图与 OpenAI和谷歌竞争，这并不明智。LLM属于大玩家——可以在非常大的集群上训练；可以为专有内容付费，无论是与 Reddit还是其他人合作；可以访问每一篇科学文章的玩家，这些文章通常发表在Springer Nature等刊物中。因此，如果延续以往的做法，大玩家确有优势。
世界不只有Transformer
Vinod：最近，我们宣布投资符号逻辑公司 Symbolica。这是一种非常不同的方法。它不依赖大量数据、大量计算。完全正交轴，高风险，高回报。如果成功，那就是戏剧性的。因此，即使在模型层，也有正交的方法。如果我打电话给我的MIT朋友Josh Tenenbaum，他会说：最大的贡献将来自概率编程。人类以概率思考，这不同于模式匹配。所以，我不认为我们已经接近完成基本技术。我们正在越来越多地利用 Transformer 模型，但还有其他模型要做。
每个人都害怕投资除 Transformer 模型之外的任何东西。我可不害怕，我非常专注于一些晦涩的东西。事实上，Symbolica就是一种晦涩的数学，成为“范畴论”。大多数数学家都没听说过。这是我们大约在15、18 个月前下的一个大赌注。
投资云计算非常愚蠢
Vinod：我认为投资云计算，购买GPU建立云计算的人是愚蠢的，他们会输给Amazon的规模和效率。是的，他们都在做定制芯片，所以他们不必支付Nvidia税。几年后，他们都在用AMD。
投资机会蕴藏在每个专业领域
Vinod：应用层将迎来巨大的机会。我的一个大预测是，几乎所有的专业知识都将免费。所以，无论你谈论的是初级保健医生、教师，还是结构工程师、肿瘤学家。看吧，现在这么多专业领域，每个领域都会是非常成功的风险投资。
我们最近投资了一家构建结构工程师的公司。他们在构建 AI 程序员，而不是在构建Copilot 这样的程序员工具。如果你拿一个建筑结构给一个结构工程师，两个月内会得到一个变体。但是，如果给一个 AI 结构工程师，你能在五个小时内得到五个变体，然后在一个建筑项目上节省几个月的时间。这就是一个很好的例子，它可以成为一个价值数百亿美元的利基市场。
一个模型不可能通吃天下
Q：任何人都可以使用这些模型，因为它们是商品？
Vinod：我认为这些模型都会依赖LLM 和领域相关的具体内容。正如结构工程师的工作流程是不同的，他们与设计AI工程师，最终客户和建筑师之间的交互方式也不同。而且，最终建筑师也将是AI 建筑师。
如果你认为一个模型可以搞定所有事情，就是错误的。每个领域的工作流程都不同。具体到你从AutoCAD 中导入哪些库，使用哪个目录来决定哪些钢梁可用，价格如何，以及如何组成一个低成本的结构。
因此，在所有这些领域都会有特定的专业领域。肿瘤学家不会只学习 GPT-6 就能成为肿瘤学家，以后会有很多具体的内容。如果你是一名AI肿瘤学家，你就会知道，在20种不同的化疗药物中，这种药物对癌症影响最大。现在还没有这样做，因为太贵了。
而大多数肿瘤学家的知识面并不广。但就在本周，有人打电话给我，说他们得了癌症，想知道应该选择哪种化疗药物。我不是化疗专家，但我把他们介绍给了我们的一家公司，这家公司用一个肿瘤样本，测试了所有 20 种药物。我们可以在你接受整个化疗方案之前，准确预测哪种药物最有效。这非常有价值。
专业领域将嵌入通用领域
Q：比起专业领域，普通的家庭医生不会有很大的市场吧？
Vinod：我不同意。我认为专业领域将嵌入通用领域中。像初级保健和心理健康治疗这样的一般领域，我认为这将是更大的业务，因为除了知识方面之外，还有其他方面。
种子投资不能只会follow
Q：我非常钦佩你，因为你是 DPI投资人，而不是 AUM投资人。而且，你在整个光谱都有投资。我认为大多数进入AI领域的种子投资者都是痴人说梦，因为从价值上来说，100万到 300 万美元的投资并不能真正起到推动作用。对吧，在我看来赢家显然是大公司。
Vinod：我来给你举个例子。我参加这个播客前就对符号逻辑公司 Symbolica非常兴奋。
去年1月，他们提出了一套荒唐的想法。
我：“好的，我给你 200 万美元。如果你证明了这一点，那我们就可以聊下一步。”
于是，他们在今年3月杀回来：“这是我们承诺的结果。”
我：“不要出去。我明天就给你写一张 1500万美元的支票。”
后来，我们确实这么做了。我们继续进行了融资，没有等外部定价和其他人参与，我不在乎任何人的意见，我只押注于它。而这是小种子转向更大投资的典型例子。顺便说一下，我们还有很多机器人种子。真正的小种子会长大。
但话说回来，以 Hedral 为例，也就是我谈到的结构工程师，这是一个种子项目，它永远不需要 5000 万或 1 亿美元。如果成功了，它将成为一个盈利的业务。我认为种子投资是有空间的，但你不能只会follow其他人。比如每当有人离开 DeepMind，就给他们 200 万美元，这非常糟糕。
寻找定价合理的AI种子
Q：从理论上讲，你我都是投资者，都在种子实践中有或多或少地竞争。你如何看待定价纪律？因为从我的角度来看，AI领域的种子项目之所以如此糟糕，其中一个原因是从DeepMind出来的人干的。他们的种子项目不仅可能失败，而且定价也高得离谱，根本不可能赚钱。从投资者的角度来看，你从哪里能找到价格合理的AI种子呢？
Vinod：我认为一个人必须花很多时间思考。首先，什么会被LLM破坏？什么会成为这些模型的特征并被淘汰？我们花了大量时间思考哪些商业计划会被GPT-5、GPT-6、Sora 2、Sora 3取代。在这些领域，我们拥有大量的内部专业技术知识和良好的人脉关系。我们很擅长预测哪些会被取代、哪些不会，以及哪些会成为好的合作伙伴。
所以，我们所做的 80%的种子投资都是在2500万美元以下，偶尔会升级到像 Devin 这样的产品，虽然没有收入，但我会说“我们有某种信仰体系，我们会出钱。”
我敢说我们放弃了80%，甚至90%十亿美元估值的投资。但我们确实会做10%——20% 的项目。比如，我们投资了Replit、Devin。我偶尔会看看高估值的公司。有时，我们会出于建立关系的目的进行投资，在这种情况下，我们会进行少量的象征性投资。
AI会带来通缩经济
Vinod：我今天早上为WSJ做了另一个播客，主题是“AI是否会带来巨大的通货紧缩”。我已经说过了，AI会带来巨大的通货紧缩，我们所说的很多东西成本趋近于零，因为所有这些东西中的劳动力含量都被淘汰了。
也许还有一点地租和资本支出，但这将是一个严重通缩的经济。如果把100 万名医生减少到 20 万名，80% 的医生都不在了，那么医疗开支就会减少 2,500 亿美元。这就是通货紧缩。因此，如果大部分内容都是AI生成的，大部分音乐都是AI生成的，那么所有这些都是通货紧缩，尽管在许多这些领域的消费会大幅增长。因为我们很难预测模型的作用，所以我们在这些方面的发展是很难预测的。
人类体验会变得更值钱
Vinod：我一直在思考的一个问题：与其付钱给所有这些版权持有者，为什么不雇一万个聪明人整天和AI对话呢？这似乎更有效率。
那么，在这种通货紧缩的经济中，当一切都很充足时，什么才是有价值的？我认为Taylor Swif与音乐无关，而是一种现象，是 15岁女孩的一种经历，这是一种现象，是一种体验。
我确实认为，人类经验的本质会对事物产生不同的价值。为什么我们会从制造精良的好东西，变成手工制作的粗糙东西？
因为我们看重的是人类的体验，不同的人看重不同的东西。那么，所有这些如何重组为一套价值观？这很难预测。我想说的是，我们唯一能说的就是它会发生巨大的变化。我不认为我们能说它会如何变化。
