Bill Gates 将 GUI 和 ChatGPT 视为有生之年最具革命性的技术，而 ChatGPT 以前所未有的速度进入大众视野。尽管 ChatGPT 受到了广泛的关注，但目前其使用范围有限。企业软件的推广需要时间，并且早期可能会带来失望。
投资热潮在市场得到验证之前已经到来，这引发了人们的疑问。这是否是一个炒作周期？技术总是需要时间才能达到“产品成熟期”。Benedict Evans 认为，在生成式 AI 之后，所有技术都将围绕它构建，但目前一切仍处于开放状态，我们不知道答案，仍在探索问题。
LLM 的扩展性问题
微软 CTO Kevin Scott 认为 LLM 的扩展性可能会继续，而 Sergey Brin 则持怀疑态度，认为扩展性可能会放缓。扩展模型存在实际挑战，需要时间，即使科学问题尚未解决。无论如何，人们都会因为 FOMO 而进行投资。
计算和资本投入
内部 Google 纪录显示，训练模型的成本正在上升，Anthropic CEO Dario Amodei 认为 2025 年和 2026 年的成本将达到 50 亿或 100 亿美元。Meta 的 Mark Zuckerberg 表示，训练 Llama 4 的计算需求可能是 Llama 3 的 10 倍，未来模型将继续增长。
资本支出激增
2024 年，四大科技公司的资本支出约为 2200 亿美元，比 2023 年增加 900 亿美元，并且预计 2025 年将继续增长。从边缘到中心，银行家们正在利用大量资本创造机会。
效率提升
许多模型和规格正在涌现，并且正在趋同于一种商品。模型质量与每百万个标记的价格之间的差距正在缩小，这表明效率大幅提升。
商业模式问题
“每个人都把别人的商业模式免费送给别人”的困境表明，当前的 LLM 成本模型与“免费推广，后期盈利”的消费者互联网模式不兼容。
半导体周期
半导体行业是周期性的，商品化技术将趋于边际成本。新的技术总是伴随着泡沫。
LLM 的实用性
2013 年，机器学习的实用性尚不明确；2023 年，生成式机器学习的实用性同样难以判断。AI 给予人们无限的实习生，但其影响类似于 1995 年的互联网。
部署问题
企业总是以标准模式部署新技术，并询问相关问题。目前，四分之一的 CIO 已经启动了 LLM 项目，但一半人至少要等一年。最终，新的平台将带来新的工具，类似于 SaaS 如何推动自动化。
新用例和新解包
如果 LLM 模型足够好，可能需要更少的软件。LLM 是基础设施、API、平台还是新的用户体验？它们是否会打破用例发现模型？
未来展望
Meta 仍在元宇宙领域投资，电子商务仍然重要，新渠道和新赢家正在涌现。软件正在吞噬媒体和汽车行业，但技术总是改变每个行业的格局，然后继续前进。
结论
生成式 AI 的未来仍不确定，但技术总是需要时间才能成熟。目前，LLM 的扩展性、实用性和商业模式仍需进一步探索。
