应用优于训练

转变

“应用优于训练”描述了AI行业的一个根本性战略转变:认识到原始模型能力正变得不如你在模型之上构建的东西重要。

这代表了与主导2022-2024年的”扩展就是一切”叙事的背离,当时公司主要在模型规模、基准分数和训练计算上竞争。

主要驱动因素

1. 模型商品化

来自OpenAI、Google、Anthropic和开源提供商的前沿模型已经实现了大致的能力平衡。当GPT-4、Gemini和Claude都能以类似的方式处理大多数任务时,模型本身就不再是竞争护城河。

2. 训练收益递减

每一代模型都会带来戏剧性的全面改进的时代似乎正在结束。改进现在是增量的和特定领域的,而不是革命性的。

3. 通往AGI的道路不明确

“直接通往AGI”的叙事已经失去了可信度。将一切都押在首先实现AGI上的公司正在转向更实际的、近期的价值创造。

4. 企业需求

375亿美元的企业AI市场(2026年预测)主要不关心基准分数——它关心AI是否可靠地解决实际业务问题。

谁在说这个

Sam Altman (OpenAI):

“It is not a training problem. It is an application problem. It’s not about the model’s intelligence. It’s about building the applications to get the most intelligence out of them.” “这不是一个训练问题。这是一个应用问题。这不是关于模型的智能。这是关于构建应用程序以从中获得最多的智能。”

Alex Kantrowitz (Big Technology):

“It absolutely isn’t who has the better model right now. What matters is what you do with that model and how you distribute it.” “现在绝对不是谁有更好的模型。重要的是你如何使用该模型以及如何分发它。”

Ranjan Roy (Writer.com):

“For a long time, I’ve been on team product. And it’s nice that Sam is finally coming around.” “很长一段时间以来,我一直站在产品团队一边。很高兴Sam终于转变过来了。“

影响

对于AI公司

• 构建产品,而不仅仅是模型 - 投资于用户体验、集成和领域专业知识
• 企业销售能力 - 构建向企业销售的基础设施
• 垂直专注 - 特定行业的深度专业知识可能击败一般能力

对于企业

• 更少的模型锁定 - 多个可行的模型意味着更多的谈判能力
• 专注于用例 - 优先解决实际问题而不是追逐”最好的”模型
• 构建 vs. 购买 - 随着模型的商品化,定制应用程序变得更加可行

对于研究人员

• 应用研究很重要 - 如何有效使用模型与改进它们一样重要
• 领域专业知识受重视 - 理解医疗保健、法律、金融胜过纯ML专业知识
• 用户研究 - 理解人们实际需要从AI中获得什么

时间线

日期	事件
2024年第2季度	Google Gemini实现GPT-4平衡
2024年第3季度	开源模型接近前沿能力
2025年第4季度	Altman宣布”应用问题,而非训练问题”
2026	企业AI预计达到375亿美元

相关阅读

• 企业AI - 应用焦点最明显的地方
• 模型商品化 - 实现这一转变的动态
• Sam Altman - 这一转变最突出的声音