·重新公司的角度来看，OpenAI显然是最故意思的：有可能成为所有其他人工智能公司的平台。
最大的赢家也可能是英伟达和台积电。

【编者按】2022年，谈天机器人ChatGPT、AI创作机器人DALL-E、MidJourney的爆火，对传统互联网的模式发出了寻衅。
这个时期的赢家、科技界五大巨子——微软、苹果、Meta、亚马逊、谷歌，仍将是人工智能时期最值得关注的公司。
一方面，坚持性技能的发展会确保其现有地位，让它们的产品、做事不断迭代，另一方面，被称作毁坏性创新或者颠覆性技能的新影响，也将迫使巨子们重新思考自己的商业模式，以及如何在人工智能时期连续成为领导者。

云打算和人工智能技能将成为新时期的主旋律，广告业务和推举算法将是各个巨子的“护城河”。
无论这天渐臃肿的谷歌搜索、市值蒸发的Meta，还是与OpenAI加深互助的微软，这些巨子正处在不同的位置上，但可以预见的是，它们终将以自己的办法强势入场、决出胜负。
这五家公司的未来如何？人工智能又将产生若何的影响？著名科技博客Stratechery的作者Ben Thompson于1月9日揭橥文章《人工智能与五巨子》，对此做出了深度阐发。
以下为全文，有少量删减。

人工智能的呈现是2022年发生的故事，首先是图像天生模型，包括DALL-E、MidJourney和开源的Stable Diffusion，然后是ChatGPT，这是第一个取得重大打破的文本天生模型。
在我看来，这明显是一个科技发展的新时期。

为了预测这个时期的发展，我们不妨回顾一下26年前最著名的计策书本：Clayton Christensen的《创新者的困境》（The Innovator’s Dilemma），特殊是这段关于不同类型创新的笔墨：

大多数新技能促进了产品性能的提高。
我把这些技能称为坚持性技能。
一些坚持性技能可能是不连续或激进的，而其他技能则是渐进性的。
所有坚持性技能的共同点是，它们沿侧重要市场的主流客户历来重视的性能维度改进现有产品的性能。
某一行业的大多数技能进步都具有坚持性的特点。

但颠覆性技能为市场带来了与以往截然不同的代价主见。
一样平常来说，颠覆性技能在主流市场上的表现不如成熟产品。
但它们有一些边缘（一样平常是新）客户看重的其他特点。
基于颠覆性技能的产品常日更便宜，更大略，更小，而且常常利用起来更方便。

通过不雅观察创新进入市场现有公司后的表现，彷佛很随意马虎总结，并确定一项创新是坚持性的还是颠覆性的：如果创新是坚持性的，那么现有的巨子会变得更强大；如果是颠覆性的，那么初创公司会捉住大部分的代价。

看看以前的科技时期：

·个人电脑对险些所有现有公司都是颠覆性的；这些相对便宜和低功率的设备曾经险些没有微型打算机的能力和利润率，更不用说大型机了。
这便是为什么IBM乐意将最初的个人电脑的芯片和操作系统分别外包给英特尔和微软，这样他们就可以推出产品去知足企业客户；不过，随着个人电脑的速率越来越快，英特尔和微软霸占了主导地位，让之前的统统都相形见绌。

·互联网险些完备是新的市场创新，因此由全新的公司来定义。
它们颠覆现有公司时，也颠覆了阔别技能的行业，特殊是涉及信息的行业（即媒体）。
这是谷歌、Facebook、在线市场和电子商务的时期。
所有的运用都运行在由Windows和英特尔驱动的个人电脑上。

·云打算可以说是互联网的一部分，但我认为它该当有自己的种别。
它也是极具颠覆性的：x86架构横扫了专用做事器硬件，一大批SaaS（编者注：软件即做事）初创企业从现有的公司中剥离出功能来建立新公司。
值得把稳的是，云打算的核心根本举动步伐紧张是由以前时期的赢家建造：亚马逊、微软和谷歌。
微软尤其值得把稳，由于该公司也将其传统的软件业务过渡到SaaS做事，部分缘故原由是该公司已经将上述软件业务过渡到订阅模式。

·移动业务终极被两个在位者所主导：苹果和谷歌。
但这并不虞味着它不是颠覆性的。
苹果公司新的用户界面形式哀求不把手机看作是小型个人电脑，就像微软一样；谷歌公司新的商业模式哀求不把手机看作是操作系统发卖的直接利润中央，而是作为他们广告业务的护城河。

这段历史值得把稳的是，我上面所说的假设并不完备精确。
颠覆性创新确实一贯来自于市场的新进入者，但这些新进入者不一定是初创企业：在以前的科技时期，一些最大的赢家是利用其现有业务进入新领域的公司。
同时，Christensen的理论的其他原则也是成立的。
微软在移动领域挣扎，由于移动领域是颠覆性的，但SaaS终极是坚持性的，它的商业模式已经被调度。

鉴于现有公司在新时期的成功，在思考人工智能的影响时，最明显的起跑点是五大公司：苹果、亚马逊、Facebook、谷歌和微软。

苹果公司

我已经提到了关于科技计策的最著名书本之一，而最著名的文章之一是Joel Spolsky的《计策信条五》，特殊是这句著名的话：

聪明的公司试图将其产品的补充品商品化。

Spolsky是在阐明为什么大公司会投资开源软件时写下这句话的：

调试代码不是免费的，无论专有还是开源。
纵然你不为它支付现金，它也有机会本钱，也有韶光本钱。
可用于开源事情的志愿者编程人才是有限的，每个开源项目都在与其他开源项目竞争同样有限的编程资源，只有最引人瞩目的项目才真正拥有更多可供给用的志愿者开拓职员。
总而言之，我对那些试图证明免费软件有巨大经济性的人不感兴趣，由于在我看来，他们只是在进行用一个数除以0的缺点。

开源不能不受万有引力或经济规律约束。
我们在Eazel、ArsDigita、VA Linux和其他许多项目中看到了这一点。
但有些事情仍在发生，而在开源天下中很少有人真正理解这样一个道理：许多非常大的上市公司，为使股东代价最大化，正在投入大量资金支持开源软件，常日是通过雇佣大量的程序员团队来开拓。
而这便是补充品原则所阐明的。

再次强调：当一个产品的补充品价格低落时，对该产品的需求就会增加。
一样平常来说，一个公司的计策利益将是尽可能降落其补充品的价格。
理论上可持续的最低价格是 “商品价格”，即当你有一群竞争对手供应无差别的商品时产生的价格。
因此，聪明的公司试图将其产品的补充品商品化。
如果你能做到这一点，你的产品的需求将增加，你将能够收取更多的用度，赚取更多的利润。

苹果投资于开源技能，最引人瞩目的是其操作系统的达尔文内核和WebKit浏览器引擎；后者符合 Spolsky的处方，由于确保网络与苹果设备合营良好，会使苹果的设备更具代价。

与此同时，苹果在人工智能方面的努力在很大程度上是其专有的：传统的机器学习模型被用于推举、照片识别和语音识别等方面，但这些不会对苹果的业务产生重大推动。
然而，苹果确实从开源天下收到了一份令人难以置信的礼物：Stable Diffusion模型。

Stable Diffusion之以是引人瞩目，不仅仅由于它是开源的，还由于它的模型小得令人吃惊：发布时，它已经可以在一些消费级显卡上运行；几周内，它已经被优化到可以在iPhone上运行。

值得夸奖的是，苹果公司捉住了这个机会，其机器学习团队上个月宣告：

本日，我们很高兴在macOS 13.1和iOS 16.2中发布Core ML的Stable Diffusion优化，以及开始支配到Apple Silicon设备的代码……

在任何运用程序中，Stable Diffusion的一个关键问题是模型在哪里运行。
在运用程序中支配Stable Diffusion比基于做事器的方法更可取，缘故原由有很多。
首先，用户的隐私会受到保护，由于用户作为模型输入供应的任何数据都保存在用户的设备上。
其次，在初始***后，用户不须要连接互联网就可以利用该模型。
末了，在本地支配这个模型使开拓职员能够减少或肃清与做事器干系的本钱……

优化Core ML的Stable Diffusion和简化模型转换，使开拓职员更随意马虎以保护隐私和经济可行的办法，将这项技能整合到他们的运用程序中，同时在Apple Silicon上得到最佳性能。
该版本包括一个Python软件包，用于利用diffusers和coremltools将Stable Diffusion模型从PyTorch转换为Core ML，以及一个Swift包来支配模型。

值得把稳的是，这一宣告分为两部分：首先，苹果对Stable Diffusion模型本身进行了优化（它可以这样做，由于是开源的）；其次，苹果更新了其操作系统，由于苹果的集成模型，该系统已经针对苹果自己的芯片进行了调度。

此外，彷佛可以肯定这只是一个开始：虽然苹果多年来一贯在自己的芯片上发布所谓的“仿生引擎”，但人工智能专用硬件是根据苹果自己的需求调度的。
彷佛未来的苹果芯片，如果不是今年，也可能是明年，将会为Stable Diffusion调度。
与此同时，Stable Diffusion本身可以内置到苹果的操作系统中，任何运用程序开拓者都可以轻松访问API。

这使得“足够好”的图像生成功能可以有效地内置到苹果设备中，因此任何开拓者都可以利用，而不须要像病毒式传播的Lensa（编者注：最近盛行的人工智能图像天生App）那样扩大后端根本举动步伐。
推而广之，这个时期的赢家终极很像App Store时期的赢家：苹果之以是得胜，是由于它的集成和芯片上风被用来供应差异化的运用程序，而小型独立运用程序制造商拥有API和分销渠道来建立新的业务。

另一方面，输家将是Dall-E或MidJourney等集中式图像天生做事，以及支撑它们的云供应商（到目前为止，还支撑了前面提到的Stable Diffusion运用程序，如Lensa）。
诚然，苹果设备上的Stable Diffusion不会盘踞全体市场——至少在我看来，Dall-E和MidJourney都比Stable Diffusion“更好”。
苹果内置确当地功能将影响集中式做事和集中式打算的终极目标市场，当然，苹果设备之外还有一个大天下。

亚马逊

亚马逊和苹果一样，在其运用程序中利用机器学习；不过，像图像和文本天生这样的直接消费者用例彷佛不太明显。
目前最主要的是AWS（编者注：亚马逊的云做事Amazon Web Services），它在云端供应对GPU（编者注：图形处理器）的访问。

个中一些GPU被用于演习人工智能，包括Stable Diffusion。
据Stability AI的创始人兼首席实行官Emad Mostaque说，Stable Diffusion利用256个英伟达A100显卡演习，耗时15万小时，市场价格为60万美元。
不过，AWS更大的运用是推理，即实际运用模型来产生图像（或文本，例如ChatGPT）。
每次你在MidJourney中天生图像，或在Lensa中天生头像时，推理都会在云真个GPU上运行。

亚马逊在这一领域的前景将取决于多少成分。
首先，也是最明显的，便是这些产品终极在现实天下中的实用性如何。
然而，除此之外，苹果在建立本地天生技能方面的进展可能也会产生重大影响。
不过亚马逊本身便是一个芯片制造商：虽然它迄今为止的大部分努力都集中在其Graviton CPU上，但该公司可以为Stable Diffusion等模型建立自己的专用硬件，并在价格上竞争。

亚马逊短期的一个大问题是在衡量需求方面：没有足够的GPU会让资金闲置，而购买太多闲置的GPU，对付一家试图限定本钱的公司来说却是一项重大本钱。
但这也不会是最严重的缺点：人工智能的寻衅之一便是推理要费钱，换句话说，用人工智能做东西本就有边际本钱。

我疑惑，就开拓引人瞩目的人工智能产品而言，边际本钱问题是一个被低估的寻衅。
虽然云做事一贯都有本钱，但人工智能天生的离散性可能会导致难以供应资金，以实现产品与市场契合所需的迭代。

只管如此，随着韶光的推移，这些本钱该当会低落：即芯片本身变得更快、更有效，模型也会变得更有效，而且一旦市场上有足够的产品可以最大限度地利用其投资，云做事就会得到有规模的回报。
不过，除了上述在本地运行推理的可能性之外，全栈集成会带来多大的变革仍是一个开放的问题。

Meta

我在《Meta的神话》一文中已经详细解释了，为什么我认为人工智能对Meta来说是一个巨大的机会，值得该公司进行巨额成本支出：

Meta拥有弘大的数据中央，但这些数据中央紧张是关于CPU打算的，这是驱动Meta的做事所须要的。
CPU打算也是驱动Meta的确定性广告模型（deterministic ad model）以及推举算法所须要的。

不过，ATT（编者注：苹果推出的运用程序跟踪透明度功能，用于管理开拓者对用户的广告跟踪，对Meta的广告收入造成巨大影响）的长期办理方案是建立概率模型，不仅要弄清楚谁该当成为广告目标，还要理解哪些广告转化了，哪些没有。
这些概率模型将由大规模的GPU舰队建立，就英伟达的A100显卡而言，其本钱为五位数。
在一个确定性广告就能发挥浸染的天下里，这显得太昂贵了，但Meta彷佛不再属于那个天下，不投资于更好的目标定位和算法是屈曲的。

此外，同样的方法对Reels（编者注：Instagram于2020年8月推出的一种***形式）的持续增长至关主要：从全体网络中推举内容比只从你的朋友和家人那里推举内容要困难得多，特殊是Meta操持不仅推举***，还推举所有类型的媒体，并将其与你关心的内容穿插在一起。
在这里，人工智能模型也将是关键，而建立这些模型的设备同样须要大量资金。

不过，从长远来看，这项投资该当得到回报。
首先，好处有我刚才描述的，更好的目标定位和更好的算法推举，可能重新启动Meta的收入增长。
第二，一旦这些人工智能数据中央建成，掩护和升级它们的本钱该当大大低于建造它们的初始本钱。
第三，这种大规模投资是其他公司无法做到的，除了谷歌（而且，并非巧合的是，谷歌的成本支出也将上升）。

末了一点可能是最主要的：ATT对Meta的侵害比其他任何公司都大，由于它已经拥有迄今为止最大、最风雅的广告业务，但从长远来看，它该当会匆匆使Meta加深护城河。
对付Snap、Twitter或任何其他数字广告领域的同行者，这种水平的投资根本不可行（纵然Snap依赖云供应商而不是自己的数据中央）。

让Meta的人工智能发挥浸染，将不是大略地建立根本模型，而是不断根据个人用户进行调度，这将须要巨大的算力，Meta必须弄清楚如何低成本地进行这种内容定制。
不过，Meta的产品可能会越来越具有整合性，这一点很有帮助：虽然Meta可能已经承诺为其VR头盔装置高通的芯片，但Meta仍在开拓自己的做事器芯片；该公司还发布了提取英伟达和AMD芯片的工具，以知足其事情负载，但Meta彷佛也在开拓自己的人工智能芯片。

有趣的是，从长远来看图像和文本天生如何影响Meta：Sam Lessin（编者注：科技创业者、撰稿人）已经假设，算法韶光线的终点便是人工智能内容。
而在谈到元宇宙时，我也提出了同样的不雅观点。
换句话说，虽然Meta正在投资人工智能以供应个性化的内容推举，但这个想法与2022年的打破相结合，便是个性化的内容，通过Meta的渠道通报。

看Meta的广告工具如何发展也将会很有趣：天生、A/B测试副本和图像的全体过程都可以由人工智能完成，没有哪家公司比Meta更善于大规模供应这种功能。

谷歌

《创新者的困境》于1997年出版。
那一年，伊士曼柯达的股票达到了94.25美元的最高价，而这彷佛是有缘故原由的。
就技能而言，柯达公司处于完美的位置。
该公司不仅主导了当前的胶片技能，而且还发明了下一个浪潮：数码相机。

问题要归咎于商业模式：柯达通过供应卤化银胶片赚了很多钱，利润率非常高；但另一方面，数码相机是数字的，这意味着它们根本不须要胶片。
因此，柯达的管理层非常有动力说服自己，数码相机永久只适宜业余爱好者，而且它们得变得非常便宜，这肯定须要很长的韶光。

事实上，柯达的管理层是对的：从数码相机的发明到发卖额超过胶片相机，花了25年；而数码相机在专业领域的运用，则花了更永劫光。
在此期间，柯达赚了很多钱，并派发了数十亿美元的股息。
但该公司在2012年破产，这是由于消费者有机会得到更好的产品：首先是数码相机，然后是内置相机的手机。

柯达是一个警示故事，讲述了一家创新公司的商业模式如何导致它终极的恶运，纵然这种恶运是消费者得到更好东西的结果。

由此再看谷歌和人工智能：谷歌发明了the transformer，这是支撑最新人工智能模型的关键技能。
据传闻，谷歌有一款对话谈天产品，远远优于ChatGPT。
谷歌声称其图像天生能力比Dall-E或市场上的任何其他产品都要好。
然而，这些传闻只是传闻而已，由于市场上没有任何实际产品。

这并不令人惊异。
长期以来，谷歌一贯是利用机器学习使搜索引擎和其他产品变得更好的领导者（并通过谷歌云将该技能作为一项做事供应）。
然而，搜索引擎一贯依赖于人类作为终极的决定者。
谷歌供应链接，但由用户通过点击来决定哪一个。
这延伸到了广告：谷歌的做事是革命性的，由于它没有就展示次数向广告商收费——其代价很难确定，特殊是在20年前——而是对点击收费，广告商想找到的人，才能决定广告是否足够好。

七年前，我在《谷歌和计策的局限性》一文中写到了，这对谷歌在人工智能天下中的业务带来的难题：

在昨天的主题演讲中，谷歌首席实行官Sundar Pichai在回顾科技历史，强调我2014年底所描述的个人电脑-网络-移动时期后宣告，我们正在从移动优先的天下转向人工智能优先的天下，这便是引入谷歌助理的背景。

发布iOS６的前一年，苹果首次以Siri引入了语音助手的观点；你可以（理论上）第一次通过语音进行打算。
起初它的效果并不好（可以说现在也是如此），但它对打算机和谷歌的详细影响是深远的：语音交互扩大了可以进行打算的地方，从你可以把眼睛和手放在设备上的情形扩展到任何有效的地方，纵然它限定了你可以做什么。
语音助手必须比搜索结果页面更加积极主动；仅仅供应可能的答案是不足的，相反，须要给出精确的答案。

这对谷歌的技能来说是一个可喜的转变；从一开始，搜索引擎就包含了一个“手气不错”按钮，谷歌创始人拉里·佩奇（Larry Page）非常自傲，认为搜索引擎可以为你供应想要的准确结果。
只管昨天的谷歌助理演示被取消，但目前来看，尤其是在高下文感知方面，其远比市场上的其他助理令人印象深刻。
更广泛地说，很少有人质疑谷歌在其助理背后的人工智能和机器学习领域是否具有领先地位。

然而，一项业务不仅仅是技能，尤其是在语音助手方面，谷歌有两个重大毛病。
首先，正如我在今年谷歌I/O大会之后所说的，该公司有一个走向市场的缺口：语音助理只有在可用的情形下才故意义，对付数亿iOS用户来说，这意味着还得***并利用一个单独的运用程序（或建立一种用户乐意花费大量韶光的体验，就像Facebook一样）。

其次，谷歌有一个商业模式问题：“手气不错”按钮让搜索不会给谷歌带来任何收益。
毕竟，如果用户不必从搜索结果中进行选择，那么该用户也没有机会点击广告，从而选择谷歌为其广告商之间创建的用户把稳力竞争的得胜者。
谷歌助理也有完备相同的问题：广告去哪儿了？

在过去七年中，谷歌的紧张商业模式创新是将越来越多的广告塞进搜索中，这是一种在移动设备上特殊有效的策略。
而且，公正地说，谷歌挣钱最多的搜索——旅游、保险等——可能无论如何都不太适宜谈天界面。

然而，这只会增加谷歌管理层的担忧，即在特定的搜索环境中，天生型人工智能可能代表一种颠覆性的创新，而不是一种坚持性的创新。
颠覆性创新，至少在一开始，不如现有的创新。
这便是为什么它很随意马虎被经理们驳回，由于他们可以见告自己目前的产品更好，以避免思考商业模式的寻衅。
当然，问题是颠覆性的产品会变得更好，但在任者的产品变得越来越臃肿和难以利用，这听起来当然很像谷歌搜索目前的发展轨迹。

我不为谷歌打call。
我以前这样做过，但大错特错。
然而，犯错每每是韶光问题：是的，谷歌已经有云做事，YouTube的主导地位彷佛正在增强，但搜索引擎的瓶颈彷佛已经很清晰，纵然它会在未来几年带来现金和利润。

微软

与此同时，微软彷佛处于最有利的位置。
和AWS一样，它也有发卖GPU的云做事；它也是OpenAI的独家云供应商。
是的，这是非常昂贵的，但考虑到OpenAI彷佛有上风成为人工智能时期的另一个顶级科技公司，这意味着微软是在投资那个时期的根本举动步伐。

必应（Bing）就像iPhone出身前夕的Mac：是的，它贡献了相称多的收入，但只占主导地位的一小部分，在微软整体的背景下，这一数字相对微不足道。
如果将ChatGPT式的结果整合到必应中，可能会危及当前的商业模式，而得到巨大的市场份额，但这是一个非常值得的赌注。

The Information的最新宣布称，GPT终极将进入微软的生产力运用程序。

主要的是，增加新功能——大概是收费的——完备符合微软的订阅业务模式。
值得把稳的是，这家曾经被认为是颠覆性变革受害者范例代表的公司，在完全的阐述中，将不仅仅是出身于颠覆，而是由于颠覆而有条件达到更高的高度。

关于人工智能的潜在影响还有很多可以写，但这篇文章已经很长了。
重新公司的角度来看，OpenAI显然是最故意思的：OpenAI有可能成为所有其他人工智能公司的平台，这终极意味着在OpenAI之外的人工智能的经济代价可能相称有限。

还有另一种可能性，即除了图像天生之外，开源模型在文本天生领域也会激增。
在这个天下里，人工智能变成了一种商品：这可能是对天下影响最大的结果，但抵牾的是，对单个公司的经济影响是最微弱的。

事实上，最大的赢家可能是英伟达和台积电。
英伟达对CUDA生态系统的投资意味着该公司不仅拥有最好的人工智能芯片，而且拥有最好的人工智能生态系统，该公司正在投资扩大这生平态系统。
不过，这将连续刺激竞争，特殊是在谷歌TPU等内部芯片方面。
此外，至少在可预见的未来，所有人都将在台积电制造芯片。

然而，最大的影响可能完备不在我们的雷达范围内。
就在安歇之前，Nat Friedman（编者注：GitHub首席实行官）在Stratechery采访中见告我，Riffusion利用Stable Diffusion通过视觉超声波从文本中天生音乐，这让我想知道当图像真的是一种商品时，还有什么可能性。
现在文本是通用的媒介，由于自书写发明以来，文本一贯是信息通报的根本。
然而，人类是视觉生物，人工智能在图像创作和解释方面的可用性可能会从根本上改变信息通报的含义，这是无法预测的。

目前，我们的预测必须有更多的韶光限定，而且是适度的。
现在可能是人工智能时期的开始，但纵然在科技领域，新时期也须要十年或更永劫光才能改变周围的统统。

（本文由吴天一编译）