2023年刚开始，微软就显示出了AI领域「大赢家」的派头。 最近，大火的ChatGPT和微软之间，不断擦出火花。 微软先是宣布将ChatGPT整合入自家搜索引擎Bing，没过几天，又宣布要将其整合进Office办公套件中的「三大件」：Word、Excel、PPT。用个Office就能体验ChatGPT，让不少人直接「喜大普奔」。 从微软在办公软件的体量上看，此举可能会改变超过10亿人编写文档、演示文稿和电子邮件的方式。 早在2019年，微软就向ChatGPT的所有者OpenAI投下10亿美元，此番频繁「互动」也让业界联想不断，接下来微软砸下更多筹码，甚至将OpenAI和ChatGPT一起收购，成了自然而然的事情。 没有意外，没有反转，没让人们等太久，微软就给出了答案：再投100亿美元。 微软投资100亿美元 如果这笔资金最终敲定，包括新的投资在内，OpenAI的估值将达到290亿美元。 据报道，微软的注资将是一项复杂的交易的一部分，投后，微软将获得OpenAI 75%的利润，直到收回投资为止。 此前，OpenAI一直从微软云计算部门购买服务，目前不知道这笔钱是否会算在其账户上。 在收回投资后，在OpenAI股权结构下，微软将拥有49%的股份，其他投资者获得另外49%的股份，OpenAI的非营利性母公司获得2%的股份。 报道称，目前还不清楚这笔交易是否已经敲定，但潜在投资者在最近收到的相关文件显示，此交易原定是在2022年底前完成。 目前，微软和OpenAI均拒绝发表实质性评论。微软发言人在一份电邮声明中表示，公司不会「对猜测发表评论」。 人工智能的经济潜力巨大，可能比目前所有的软件支出都要大。 如果设计出一个更好的搜索引擎，一个直观地知道用户正在寻找什么的引擎，将对谷歌母公司Alphabet1.1万亿美元的估值构成重大威胁。下一步，可能就是设计药物的AI程序。 当然，OpenAI 很有可能会消失，就像大多数科技公司所做的那样。即便如此，微软的投资也未必就白费了。 摩根士丹利估计，Alphabet仅在过去三年就在研发上投入了约1000亿美元，在此类产品上押下重注，未来三年的支出将以每年13%的速度增长。 通过锁定一家有前途的公司和稀缺的研究人员，微软可能会阻止Alphabet获胜，并可能迫使它增加支出。 微软的布局：AI时代，先得技术者，得天下 不过有华尔街分析人士认为，虽然100亿美元属于妥妥的大钱，但无论从投资时机，还是投资策略来看，微软这次并不算是「高风险赌博」。 ChatGPT火遍全球，热度爆表，这是不假，但入不敷出的风险，也随着用户的暴增而越发严重。 据OpenAI的首席执行官Sam Altman上个月在推特上说，每次有人与ChatGPT聊天提问，公司都要付出几美分的算力，这引发了人们对 OpenAI 「过于烧钱」的担忧。这些算力很多都是从微软的云计算平台上获得的。 如果OpenAI想出了如何在ChatGPT和图像创建工具Dall-E等产品上赚钱，75%的利润归微软所有，直到收回其最初的全部投资。 而除了利润之外，还有最重要的技术市场。 自从2019年微软首次投资以来，OpenAI与微软就一直保持了实质上的合作伙伴关系，这次投资基本上是这种伙伴关系的正式化，两家公司能够联合起来，共同加速技术研究。 此次投资后，微软可以和OpenAI一起，在自家云平台上开发技术。 这几乎立即使微软处于可能是未来十年最重要的消费技术的前沿。当商用云领域已经坐拥三分天下的Azure平台，遇见了OpenAI和ChatGPT，未来的云市场，看起来微软是想2B、2C「全都要」了。 对微软来说，从策略上看，这次投资是一个巨大的「政变」。 尤其是，重要竞争对手谷歌此前已经参与开发了OpenAI的一些技术。ChatGPT和Bing的整合，直接针对的就是谷歌的核心搜索业务，此次投资有望进一步挤压谷歌在AI布局上的野心。 在微软看来，OpenAI将在未来一段时间内，大概率继续遥遥领先于其他使用ChatGPT等产品的AI算法公司。 在大厂纷纷入局后，这批新的AI公司要想挖出新的「护城河」，产生网络效应，将变得越来越困难，而没有这一点，在消费技术领域就很难赚到钱。 从这个角度上看，微软这笔投资看重的是定位。 许多科技巨头一样都对人工智能的未来保持着高度关注。他们知道，控制核心技术的公司，在未来几年会有很大的优势。通过投资OpenAI，微软要将自己定位在这场AI革命的最前沿。 随着世界继续被人工智能所改变，这次微软和OpenAI的结合可能只是一个开始。未来光明，而微软和OpenAI都希望，自己能够站在这场AI革命的潮头。 AI激战群雄逐鹿，谁能笑到最后？ 最近爆火的ChatGPT吸引了全世界的目光，谷歌心里大概有点酸。 谷歌曾经也有机会走这条路。在聊天机器人领域，谷歌并非处于下风。早在2021年5月的I/O大会上，谷歌的人工智能系统LaMDA一亮相就惊艳了众人。 但出于「声誉风险」之类的考虑，谷歌之前并没有打算把聊天机器人市场化。 谷歌在AI领域，算是老大哥了。 Pichai指示一些团队转换方向，开发AI产品 谷歌发明的Transformer，是支撑最新AI模型的关键技术；根据传言，谷歌的LaMDA聊天机器人，性能远超ChatGPT；另外，谷歌也声称，自家模型Imagen的图像生成能力，要优于Dall-E，以及其他公司的模型。 不过，略显尴尬的是，谷歌的聊天机器人和图像模型，目前只存在于「声称」中，市场上还没有任何实际产品。 谷歌会这样布局，也并不奇怪。很多时候，谷歌并不指望用AI来做商业化的事。 长期以来，谷歌秉持的宗旨是，使用机器学习来改进搜索引擎和其他面向消费者的产品，并提供谷歌云技术作为服务。搜索引擎，始终是谷歌的核心业务。 这样就有一个无法规避的问题：在搜索引擎中，用户始终是最终的决定方。虽然链接是由谷歌提供的，但用户才是决定点击哪个链接的人。 谷歌把自己的产品做得很巧妙。它不是按展示次数向广告商收费（因为这种价值很难确定，尤其在20年前），而是按点击次数收费。这可真是个革命性的产品。 谷歌的大部分收入，都来自于在线广告 现在，谷歌靠搜索引擎上的广告收入，就能一年进账2080亿美元，占总收入的81%。所以，它对于怎样布局语言模型等AI，脚步就显得保守了。 七年前，美国商业分析师Ben Thompson曾写下一篇文章《谷歌与战略局限》，提到谷歌在AI领域的业务所面临的困境—— iOS 6之前的一年，苹果首次引入了语音助手Siri。这对谷歌的影响是深远的，因为语音助手必须比搜索结果的页面更主动，仅仅提供可能的答案是不够的，助手需要给出正确的答案。 2016年，谷歌发布了谷歌助理(Google Assistant)。但是，对于数亿iOS用户，要用谷歌助理，就得单独下载。另外，谷歌搜索引擎可以靠让用户多点几次来挣钱，谷歌助手怎么办呢？ 现在，七年过去了，谷歌的主要商业模式无论如何创新，始终还停留在「把更多广告塞进搜索过程中」。在移动设备上，这很有效。 在Pixel上运行的谷歌助理 但现在，大环境变了。ChatGPT之类的大语言模型，带来的是一种颠覆性的创新。 当颠覆性的产品变得越来越好，谷歌现在的产品却在变得越来越臃肿。怎么看，这都不是好的迹象。 最近，谷歌的动作是，宣布升级搜索引擎，让用户可以输入更少的关键词，获得更多的结果。 对于谷歌面临的危机，Stability AI的创始人Emad Mostaque评论道：「Google 仍然是大型语言模型（LLM）领域的领导者，在生成式AI的创新上 ，他们是一支不可忽视的力量。」 尽管如此，他也承认：谷歌「没有很好地与股东和市场沟通，有点过于谨慎了」。 谷歌接下来会怎么走？凭着手上的AI实验室，它的AI产品能成功走出一条商业化之路吗？ 对于Meta来说，AI是一个巨大的机会，相应的，Meta一直在为其投入巨额的资本。 Meta拥有庞大的数据中心，这些数据中心主要用于CPU计算，这是为Meta的服务提供动力所必需的。驱动Meta的广告模型，以及网络推荐内容的算法，都需要CPU计算。 作为广告业务的长期解决方案，Meta需要建立概率模型，并了解哪些被转化了，哪些还没转化。这些概率模型需要大量的GPU，如果是用英伟达的A100，成本将高达五位数（美元）。不过，这对Meta来说，并不算贵。 显然，Meta需要知道「确定性」的广告效果，因为投资中需要更明确的衡量标准。无论是Facebook还是Reels，推荐什么内容，AI模型都是关键，构建这些模型必然要花费大量资金。 长远来看，这项投资会有所回报。如果对用户有更好的定位和推荐，收入也会随之增长；一旦这些AI数据中心建成，维护和升级的成本应该大大低于首次建设它们的初始成本。而且，如此巨额的投资，是世界上除谷歌以外的公司无法承担的。 不过，这也会有帮助Meta的产品越来越集成。Meta也在开发自己的AI芯片。 现在，Meta的广告工具很强大，生成和A/B测试副本和图像的整个过程都可以由AI完成，而且在大规模提供这些功能上，没有公司比Meta更好。 Meta的广告，目标是吸引消费者注意到他们以前不知道的产品和服务。这意味着，会有很多失误，因为绝大多数广告是没有转化的，不过同时，这也意味着有很大的实验和迭代空间。 这一点，就非常适合AI。 苹果投资开源技术最著名的案例，是用于其操作系统的Darwin内核和WebKit浏览器引擎。 与此同时，苹果在AI方面的努力局限于一个小领域——研究传统的机器学习模型，用于推荐、照片识别和语音识别，这些研究似乎并没有对苹果的业务产生重大影响。 不过，苹果确实从开源世界收到了一份不可思议的礼物：Stable Diffusion。 Stable Diffusion之所以引人注目，不仅因为它是开源的，还因为它的模型出奇的小：刚发布时，它就已经可以在一些消费类显卡上运行；几周之内，它就被优化到可以在iPhone上运行了。 值得称赞的是，苹果抓住了这个机会，其机器学习团队上个月发布了以下公告： 敲黑板，这个公告分为两部分：首先，苹果优化了Stable Diffusion模型本身（苹果可以这样做，因为它是开源的）；其次，苹果更新了操作系统，得益于苹果的集成模式，它已经针对自己的芯片进行了调整。 可以肯定地说，这只是一个开始。尽管苹果多年来一直在自己的芯片上推出所谓的「神经引擎」，但人工智能专用硬件已根据苹果自身的需求进行了调整；看来未来的苹果芯片，也将针对Stable Diffusion进行调整。 与此同时，Stable Diffusion本身可以内置到苹果的操作系统中，并为任何开发人员提供易于访问的API，而不必像Lensa那样，需要一个后端基础设施。 在Apple Store时代，苹果听起来很像是赢家——集成和芯片的优势，可以被用于提供差异化的应用程序，而小型的独立应用程序制造商，拥有API和建立新业务的分销渠道。 这么看来，输家就是集中式图像生成服务（Dall-E或MidJourney），以及支持它们的云供应商了。 可以肯定的是，苹果设备上的Stable Diffusion不会占领整个市场——Dall-E和MidJourney都比Stable Diffusion更好——但内置的本地功能，将影响集中式服务和集中式计算的最终目标市场。 对亚马逊来说，更重要的是AWS，它出售对云端GPU的访问权。其中一些GPU用于训练，包括Stable Diffusion，据Stability AI的创始人兼首席执行官Emad Mostaque称，使用256台Nvidia A100运行150,000小时，市场价格为600,000美元。这个价格已经低得惊人了。 不过，更大的用例是推理，即应用模型生成图像或文本。每当用户在MidJourney中生成图像，或在Lensa中生成头像时，推理都会在云中的GPU上运行。 亚马逊在这一领域的前景将取决于多种因素。 首先，也是最明显的是，这些产品最终在现实世界中的用处有多大。不过，亚马逊本身就是一家芯片制造商：虽然迄今为止它的大部分努力都集中在Graviton CPU上，但它可以为Stable Diffusion等模型构建自己的专用硬件，并在价格上展开竞争。 尽管如此，AWS还是在两边都下了注。对英伟达的产品而言，云服务也是一个主要合作伙伴。 亚马逊的短期问题在于怎样衡量需求：没有足够的GPU将导致资金流失；但是，购买太多闲置的产品对于公司来说将是一项重大成本。另外，AI面临的挑战之一就是，推理需要花钱——用AI做东西是有边际成本的。 目前，争相开发吸引眼球的AI产品的大公司，似乎都还没认识到边际成本这个挑战。虽然云服务总是有成本的，但AI产品的离散性，使得为产品市场匹配所需的迭代、提供资金，变得更加困难。 目前，ChatGPT似乎是迄今为止最大的突破性产品，它不仅对用户免费，而且由OpenAI提供，OpenAI建立了自己的模型，并与微软就计算能力达成了一笔不错的交易，这绝非偶然。 总之，如果AWS以低价出售GPU，从长远来看，可能会刺激更多的使用。 像AWS一样，它有销售GPU的云服务Azure；而且，它也是OpenAI的独家云提供商。 与此同时，必应就像iPhone前夕的Mac——贡献了相当多的收入，但只是占主导地位的一小部分。如果将ChatGPT整合进必应中，或许必应会冒着商业模式的风险，获得巨大的市场份额。 显然，微软值得下注。 另外，The Information报道称，GPT将助力微软的办公软件，软件也许会添加收费的新功能，这将与微软的订阅业务模式完美契合。微软已经有成功的先例了，通过模仿GitHub Copilot，它知道怎样做出一个助手，而不是Clippy那样的烦人精。 GPT进办公软件，这很可能是革命性的一步。从此，10亿人编写文档、演示文稿和电子邮件的方式，或许会被永远改变。 到最后，最大的赢家或许就是是英伟达和台积电。 Nvidia投资了CUDA生态系统，这意味着英伟达不仅拥有最好的AI芯片，还拥有最好的AI生态系统，而且，英伟达的投资还在继续扩大。 这已经给竞争对手造成了刺激，比如谷歌的TPU芯片。 另外，至少在可预见的未来，每家公司都得在台积电生产芯片。
