日前，美國頂級VC公司A16Z基於40多位合作夥伴的觀點，發布了乙份名為《2024年科技大創意》的報告，涵蓋了生物健康、遊戲行業、TOC應用、加密市場等8大領域。 因為原文太長，為了方便大家的絲滑閱讀，石島對報告進行了翻譯和篩選（去掉了“美國社會”部分），並做了一些調整和改寫，請大家放心吃飯。 以下是正文：
今年 9 月，紅杉資本發布了乙份《生成式 AI 在醫療保健中的應用》報告，該報告顯示，AI 可以很好地處理患者互動、文件、預授權、編碼和收入週期管理。 例如，醫生和患者之間的對話會自動轉換為電子病歷和編碼，等等。 紅杉資本認為，人工智慧現在開始滲透到醫療行業的很多方面，從而大大提高了醫療領域的效率和質量，降低了成本和人力。
那麼，2024年，AI將如何改變“生物+健康”行業？
維傑·潘德（Vijay Pande）認為，“戴著手銬”的醫療保健行業反而“跳得更快更好”。
一方面，與其他行業相比，醫療保健行業仍在使用舊的資料收集方式，例如手動輸入，這為人工智慧的轉型提供了肥沃的土壤
另一方面，醫療保健行業是目前唯一乙個“因使用人工智慧而受到監管”的行業。 早在 2019 年 4 月，FDA 就對一些用於醫療保健的 AI 產品進行了監管，以確保這些產品在其監管範圍內的有效性和安全性，這將使醫療保健行業的 AI 革命變得更加容易。
到2024年，這些跨越式發展將實現，醫生和患者的生活質量將提高幾個數量級。
維內塔·阿加瓦拉（Vineeta Agarwala）認為，人工智慧的作用是將醫生從複雜的任務中解放出來，讓他們將時間和精力集中在照顧病人上，但就“護理”本身而言，人工智慧尚未發揮全部作用。
豪爾赫·孔德（Jorge Conde）展望了藥物開發前景。 他認為，就像傳統火箭只能持續一天一樣，傳統藥物開發具有高度定製化的屬性，非常耗時、風險高、成本高。 未來，將有一批可以重複使用某些成分的藥物，例如基因治療。
其實，基因**並不是乙個新事物，它是指將外源性正常基因引入靶細胞，以糾正或補償因缺陷和異常基因引起的疾病，從而達到“一次**，終生**”。
至於豪爾赫·孔德（Jorge Conde）為何重申該基因**，石道認為，可能與近期合法推出的CRISPR Cas9基因編輯技術有關。
該技術可用於剪接多種疾病的基因，並在2024年獲得了諾貝爾化學獎。 轉折點出現在12月，在不到乙個月的時間裡，英國和美國接連批准了基因編輯**的上市，這標誌著該技術被發現後約十年的乙個重要里程碑。
一邊是GPT-4老師，能聽懂蹩腳的英語，能用中文指出語言問題;一邊是Siri，它只播報天氣並給你的寵物起名字。
難怪Microsoft首席執行官薩蒂亞·納德拉（Satya Nadella）稱過去十年的語音助手，包括Microsoft的Cortana，“愚蠢如石頭”。
雖然語音是人類最古老、最常見的交流形式，但它從未真正在“互動”中發揮作用，而這一切都將在人工智慧時代發生巨大變化。
阿尼什·阿查裡亞（Anish Acharya）認為：“語音優先功能的應用將成為我們生活中不可或缺的一部分。” 一方面，今天的大型模型可以與人類流暢地交流另一方面，目前相關應用尚未開放支援語音功能，這為AI語音的轉型留下了空間。 到 2024 年，語音應用程式將更深入地融入我們的生活。
是大模型嗎？或者您想採用不同的方法並開發專有模型？專注於市場的初創公司奧利維亞·摩爾（Olivia Moore）說：“到2024年，將有更多專業化、針對特定任務的人工智慧。”
雖然像 ChatGPT 這樣的通用模型很棒，但它不太可能在每項任務中都“獲勝”。 2024年，我們將看到更專業、更個性化的AI解決方案。 例如，專門為研究人員構建的人工智慧平台、為記者設計的寫作生成工具以及為設計師設計的渲染平台，僅舉幾例。
從長遠來看，人們每天使用的產品將針對他們的用例進行定製，無論是專有的底層模型還是圍繞它構建的特殊工作流程。 在新技術時代，一些公司將有機會“擁有”資料和工作流程;他們將首先在乙個類別中表現出色，然後擴大自己的優勢。
對於這個問題，Shidao在之前的文章中已經寫過很多次了。 正如山姆·奧特曼所說：OpenAI的“模仿者”和“外殼”是一條死胡同。 但是您可以專注於大型模型無法到達的長尾區域。 尤其是目前國內大模型還處於比較早期的階段，創業公司可以在短時間內訓練垂直模型，構建自己的護城河，搶占細分場景和使用者。
因為，對於最初的產品來說，越專業越好。
布萊恩·金（Bryan Kim）認為“無程式碼 AI 生成器催生新的消費者行為”：隨著AIGC將藝術創作的邊際成本降低到接近於零，新的消費者行為將會出現。 例如，在多平台 GLIF 上，使用者可以通過簡單的提示生成圖稿、漫畫、照片等。
對於 Bryan Kim 的觀點，每個人都從 pika 開始10的受歡迎程度可以一窺。 石道認為，雖然下乙個殺手級應用將交給時間的考驗，但從已經“死”的AI創業公司來看，使用者體驗和算力成本都是生死攸關的問題。
扎克·科恩（Zach Cohen）給出了**，“人工智慧工具將在 2024 年教育兒童”：2023 年，30% 的大學生使用類似 ChatGPT 的工具完成學校作業（實際數字可能更高）。 2024年，AIGC將改變早期教育的格局。
因為高等教育也要考慮“學術不端”的問題，但早教可以利用AI創造乙個可以無限探索的沙盒環境。 關鍵是要設計出既能吸引兒童又能保護兒童的產品，即滿足“內容審核+使用者中心+兒童友好介面”。 到 2024 年，為兒童設計的突破性 AI 工具將出現。
根據Lightspeed Venture Partners的說法，AIGC是遊戲行業的“第四次工業革命”。
當“文生溫、文生**、文生影像”等技術無限降低遊戲元件邊際成本時，“降本增效——UGC——XR頭顯”的路徑就更加清晰了。
首先，對於AIGC來說，在文字和影象之後，它將是3D和**，結合音訊，互動性，遊戲的最終開發成本將是傳統開發成本的1 1000。
其次，在解決了成本問題後，使用者可以建立自己的遊戲——UGC遊戲。 資料顯示，在 2023 年第一季度，UGC 服務 Roblox 的開發人員獲得了 182 億美元，估計比 2022 年增長 17%，形成了乙個“創作者飛輪”，鼓勵其他人參與遊戲創作。
對此，Joshua Lu認為“新一代的UGC遊戲開發者正在崛起”：一方面，隨著UGC平台競爭的加劇，開發者有望從更大的激勵中受益。 值得注意的是，Meta 的 Horizon Worlds 將於 2023 年擴充套件到移動端。 另一方面，UGC 遊戲開發人員還可以使用更強大的 AIGC 驅動的工具。 （Epic公開支援這樣的技術，Roblox已經宣布了一些AIGC工具。 這兩個因素的結合可能會在 2024 年釋放數百萬 UGC 遊戲創作者。
同樣，在提公升遊戲體驗方面，XR產品也找到了適合市場的產品。 安德魯·陳（Andrew Chen）認為“下一代耳機最好加倍下注”，在這個過程中，它將吸引數以百萬計的消費者，而不是考慮跳上需求低的生產力工具。
道格·麥克拉肯（Doug McCracken）認為“下乙個迪士尼將是一家遊戲公司”：預計2024年全球遊戲收入將達到1880億美元，而全球票房預計僅達到345億美元。 年輕一代的遊戲玩家正在將遊戲作為他們的首選 IP。 為什麼？該遊戲提供了最深刻的故事和世界觀，是互動的而不是被動的，您可以在遊戲中進行社交。
拳頭遊戲、Epic、Supercell和新一代遊戲公司正準備用遊戲取代電影，成為“下乙個迪士尼”。 這在主流**注意到之前就已經發生了，並將在 2024 年加速。
2024年有句話：“只要有最好的模式，使用者自然會來”。
到目前為止，ChatGPT、Character、Bard、Midjourney都深受使用者喜愛，確實是各自領域中最好的模型。
但亞歷克斯·默爾曼（Alex Immerman）認為，情況將在2024年發生變化，即“戰場將從模型轉向使用者體驗”：由於許多因素——晶元短缺可能會緩解，大多數底層模型都可以通過 API 獲得，以及越來越強大的開源模型——為在其他人的模型之上構建轟動一時的 TOC 應用程式奠定了基礎。
到 2024 年，AI 應用程式將圍繞其獨特的用例提供最佳使用者體驗，而不是僅僅依賴模型效能，從而脫穎而出。 我期待著由多人共享的應用程式的出現，將多個模型放在乙個介面中，或者構建更多以解決方案為中心的應用程式。 屆時，大模型將成為差異化的來源。 雖然今天的大型模型仍然具有先發優勢，但網路效應、高轉換成本、規模和品牌推廣等傳統障礙仍然是長期成功的關鍵。
對於上述觀點，世道認可的是“樣板≠產品”，不認可“怎麼能確定現在的贏家做不出好的產品”？例如，當其他平台仍在排隊時，Midjourney 可以以低延遲生成攝影師和概念藝術家級別的影象在其他平台，它使超過1400萬使用者在設計社交屬性時自願成為“編外員工”，在飛輪效應下，由此產生的影象質量提公升到行業最佳。
換句話說，使用者想要“最好的產品”。 在此前提下，一些已經佔據主導地位的“閉源贏家”將成為“卷之王”，在實現大模型的全面商業化和產業化方面也更具優勢。 因此，對於其他初創企業來說，確實不必“死”來封源，而是可以利用開源來打通差異化，建立自己的技術護城河。
關於人工智慧應用，A16Z的另一位合夥人Sarah Wang認為“到2024年，人工智慧將超越基於文字的聊天，找到一種新的講故事的方式”：未來一年，人工智慧將向多模態模式演進，通過使用者微調和個性化，這將加深我們對人工智慧的參與，使體驗更加令人興奮、有趣和引人入勝。 創造這些新敘事的任務落在了初創公司身上。
從以上來看，Inflection AI 的 AI Pi（Heypicom）走的是“知心朋友”的路線，不僅可以用文字回覆，還可以用重音回覆。我們不妨期待一下未來會出現什麼富有想象力的故事。
2013 年，當位元幣仍被視為“龐氏騙局”時，a16z 將目光投向了加密貨幣，並成為該領域的主要投資者。 目前，A16Z對區塊鏈相關專案的投資涵蓋NFT、DeFi、GameFi、穩定幣、Web30、DAO等領域。 那麼，A16Z老玩家如何看待2024年呢？
首先，當乙個由少數科技巨頭訓練的大型“中心化”人工智慧模型遇到“去中心化”區塊鏈時會發生什麼？
安迪·霍爾（Andy Hall）認為“人工智慧和區塊鏈的結合”：加密貨幣使建立多邊、全球、無需許可的市場成為可能。 任何人都可以為網路中需要幫助的人做出貢獻並獲得報酬，無論是計算能力還是新資料集。 利用這些資源的長尾將有助於降低人工智慧的成本，使其更加普遍。
此外，加密可以在人工智慧中發揮作用——深度偽造。 例如，開啟乙個黑匣子;追蹤我們的***東西**等等。 而 web3 是解密的實驗室。 去中心化的開源加密網路將創新民主化（而不是集中化）的人工智慧，最終使消費者更安全。
邁爾斯·詹寧斯（Miles Jennings）專注於演示“進入去中心化的新時代”：在實踐中，大規模去中心化一直很困難，尤其是與中心化系統的效率和穩定性相比。 同時，大多數 Web3 治理模型都涉及 DAO，並且基於不適合去中心化治理的社會政治現實的治理模型。
然而，由於過去幾年 web3 的活躍實驗室，去中心化的最佳實踐已經開始出現。 這些實踐包括使去中心化模型適應具有更豐富功能的應用程式;它還包括採用馬基雅維利原則的 DAO 來設計更有效的去中心化治理，讓領導層對此負責。 隨著這些模式的發展，我們很快就會看到前所未有的去中心化協調、運營能力和創新水平。
埃迪·拉扎林（Eddy Lazzarin）認為，2024年年會“重新構想未來的使用者體驗”：雖然自 2016 年以來，加密貨幣的使用者體驗一直受到批評，但並沒有太大變化：保留自己的金鑰;將您的錢包與dapp連線;將簽名的事務傳送到越來越多的網路端點，等等。
我們不能指望使用者在幾分鐘內學會這些複雜的過程。
但現在，開發人員正在積極測試和部署新工具，這些工具可以在 2024 年年中重置加密前端使用者體驗。 這些工具之一包括簡化應用程式的登入和傳遞密碼，密碼是自動生成的加密密碼。
其他創新包括：智慧型賬戶，使賬戶本身可程式設計，因此更易於管理內置於應用程式中的嵌入式錢包使入門更加順暢;多方計算，使第三方在不保留使用者金鑰的情況下更容易支援簽名;高階 RPC（遠端過程呼叫）端點，用於識別使用者需求並填補空白等。 所有這些不僅有助於 web3 的廣泛採用，而且還使使用者體驗比 web2 更好、更安全。
金融行業以其大規模、高質量的資料而聞名;具有多維度、多樣化的應用場景，為人工智慧的建模、訓練和應用提供了肥沃的土壤。
西瑪·安布林（Seema Amble）認為“[人工智慧]軟體將大大增強金融專業服務”。這將導致會計師、稅務顧問、財富經理等職業的變化。
從歷史上看，軟體主要用於跟蹤工作流程，最多使用一些分析工具。 現在，隨著生成式人工智慧和大型模型的進步，更多的工作可以自動化，包括管理任務、研究過程（收集資料、搜尋資訊）、提煉見解和生成報告。 這使得人類除了繼續提高他們的職業，甚至只審查和與客戶互動之外，要做的工作非常有限。
同樣，D**id Haber 和 Marc Andrusko 也認為“人工智慧將是提高ROE的關鍵”：到 2024 年，我們將開始看到金融機構在各種運營工作流程中採用原生 AI 應用程式。 除了創收、中颱和後台職能外，人工智慧的採用還將側重於工程、採購、法律、合規和風險管理等用例。
具體來說，喬·施密特（Joe Schmidt）認為“大型模型捕獲了新的'基本客戶單位'”：從歷史上看，作業系統很難抓取某些型別的非結構化資料。 例如，在保險領域，Vertafore 或 Applied Systems 一直在努力擴充套件到跟蹤已簽發保單之外。 到 2024 年，利用大型模型的初創公司將抓取現有作業系統難以收集的資料，並自動標記和儲存。 如果這些初創公司抓住了傳統平台上游的底層客戶群，我們可能會看到乙個新時代——軟體寡頭壟斷所服務的領域。
此外，安吉拉·斯特蘭奇（Angela Strange）認為“金融業的'開發者'正在成為'買家'”：從歷史上看，金融服務基礎設施的採購一直由買家主導（“我的投資回報率是多少？和業務領導（“這能解決我的用例嗎？決定。 但現在出現了第三個影響群體：開發 人員。
金融科技公司正在優先建立“開發人員沙盒”，允許客戶“先試後買”，甚至開源**。 開發商購買者也更願意提前了解產品。 因此，對於賣家來說，重要的是要考慮如何吸引開發人員，這可能需要改進產品架構（包括最新的文件！）。
楊澤雅認為“B2B AI產品嵌入工作流程”：到 2024 年，我樂觀地認為，我們將看到原生 AI 產品更深入地嵌入到工作流程中，執行以下任務：主動發表評論、更新記錄以及在簡單的使用者批准後完成操作項。 例如，與其等待使用者查詢長文件以獲取相關資訊，不如使用人工智慧工具主動標記關鍵部分。
Kimberly Tan 認為“大型模型推動機器自動化 （RPA） 的進步”：到 2024 年，我期待看到由大型模型驅動的機器自動化 （RPA） 市場騰飛。 RPA——部署小型“機械人”來自動執行重複性任務，如資料輸入——是目前最好的解決方案。 但是，RPA 通常仍然是手動的，並且經常失敗，因此它們通常需要大量工作。
現在，有了大模型，就有機會構建更智慧型的RPA系統。 它了解上下文和它正在做什麼，並可以動態調整以自行建立更強大的解決方案。
其中，針對特定型別的自動化任務（無論是為金融機構處理發票還是響應客戶服務查詢）可能有多種垂直解決方案，買家將始終購買最適合其工作流程和需求的解決方案。