（关注公众号并设为标，获取最新人工智能资讯和产品）
全文约3,000 字，阅读约需 6分钟
在2024年底，美国著名创业孵化器在Y Combinator最后一期《Light Cone》节目中，主持人Gary与其他投资人Jared、Harge、Diana一起围绕2024年AI领域发展展开了一场深度对话。四位嘉宾投资的公司总估值高达数千亿美元，他们的讨论为我们揭示了这一年来AI行业的巨大转变和众多判断失误。
"两年前ChatGPT刚推出时，市场普遍认为所有价值都会流向OpenAI这样的大公司。"Harge在节目开场时就指出了当时最大的一个误判。事实证明，2024年的发展轨迹完全超出预期：一家优秀的AI创业公司只需要200-500万美元的初始资金，就能在短短两年内创造数千万美元的年收入；开源模型的崛起打破了行业对单一模型的依赖；企业级市场的快速渗透也远超想象。
这场深度对话揭示了2024年AI行业的五大关键误判和错误：
"垄断格局"的打破：从大公司主导到创业公司的崛起
"技术壁垒"的突破：从封闭模型到开源繁荣
"企业级市场"的转折：从试点观望到规模应用
"资金门槛"的降低：从巨额投资到精益创业
"技术落地"的加速：从概念验证到商业化
一、"垄断效应"的打破：从大公司主导到创业公司的崛起
2024年最显著的变化之一是打破了"所有价值都将流向大公司"的预期。两年前ChatGPT刚推出时，市场普遍认为像OpenAI这样的基础模型公司将主导整个行业。特别是当OpenAI宣布推出ChatGPT应用商店时，许多人认为所有基于ChatGPT构建的项目都只是"包装工具"，而应用商店的推出会让所有尝试构建AI应用的创业公司"死无葬身之地"。然而，事实证明这种担忧是多余的。如今，ChatGPT应用商店的影响力远低于预期，真正成功的AI应用来自众多创新型创业公司，如消费级应用Perplexity和企业级应用Glean等。
更令人振奋的是，创业门槛显著降低。现在的创业公司只需要200-500万美元的初始资金，就可能在短短两年内创造数千万美元的年收入。这种现象在Y Combinator（YC）社区中尤为普遍，例如Opus Clip等公司甚至没有进行真正的A轮融资就实现了可观的收入。在2024年的夏季和秋季批次中，YC孵化的公司展现出前所未有的高速增长，整体达到了Paul Graham提出的每周增长10%的目标。这在过去是只有顶尖公司才能做到的成就，而现在整个批次都实现了这一增长率。
早期对AI创业公司的另一个担忧是企业级市场的可行性。人们担心这些AI模型在企业环境中不够可靠，会出现"幻觉"现象，导致试点项目无法转化为实际合同。然而，2024年的实践完全推翻了这种担忧。大量概念验证项目不仅成功转化为实际收入，而且转化速度远超预期。这主要得益于AI产品对企业的价值主张非常强大，投资回报率（ROI）容易计算，打破了传统的企业销售周期长的观念。如今，这些系统已经能够在企业环境中可靠地处理成千上万的工单。
二、技术壁垒"的打破：从封闭模型到开源繁荣
在技术发展方面，Meta推出Llama模型是2024年的重要转折点。最初人们认为它只是一个落后于OpenAI 18个月的开源模型，但随着社区的发展和改进，到2024年夏天，Llama在多个基准测试中登顶，这对整个行业产生了震撼性影响。开源的发展促进了多模型策略的普及，越来越多的公司开始在应用程序中使用多个模型，根据任务的复杂度选择不同的模型。例如，使用轻量级模型处理简单任务以提高速度，而复杂任务则交由更强大的模型完成。这种策略不仅提高了效率，还降低了对单一模型的依赖。
最初被视为成本控制工具的模型路由器，实际上成为了构建基于LLM应用的新技术堆栈的重要组成部分。一年前，一些初创公司开发模型路由器的主要动机是降低成本，而反对的声音认为成本迟早会降到零，所以模型路由器没有价值。然而，事实证明并非如此。模型路由器让应用程序能够灵活选择和切换不同的模型，极大地提高了系统的适应性和效率。很多公司现在都在应用程序中使用多种模型，例如为了加快速度，会用一个较快的模型来处理简单任务，而更复杂的任务则由更强大的模型完成。
三、"企业级市场"的转折：从试点观望到规模应用
在具体应用领域，语音AI成为2024年最有前景的垂直领域之一。从语言学习到远程会议，从客户支持到专业服务，语音AI的应用场景几乎无限。业界普遍认为，这个领域不会出现赢家通吃的局面，而是会有数百个针对不同垂直领域的专业应用。就像互联网不会只有一个网站一样，语音AI也会有横向的基础设施公司和垂直应用公司共同繁荣发展。
2024年还见证了AI编程工具的爆发式增长。像Cursor这样的AI IDE在YC创始人中广泛使用，证明了大规模编程任务的自动化是可能的。这些工具不仅提高了开发效率，还降低了编程门槛，让非技术人员也能参与到开发过程中。例如，产品经理现在可以使用Anthropic的Artifact通过Claude构建简单的前端页面，给工程团队展示一个完整的工作原型。
在机器人领域，虽然硬件仍然是主要瓶颈，但2024年还是取得了显著进展。LLM的发展为机器人提供了更智能的"大脑"，一些公司已经在计划推出价格相对亲民的家用机器人。例如，Weave Robotics计划在2025年推出一款成本在6.5到7万美元的家用机器人。虽然还没有出现类似ChatGPT的"爆发时刻"，但行业正在稳步前进。
自动驾驶技术在2024年也取得了实质性进展。在旧金山，Waymo等公司的无人车已经成为日常交通工具的一部分，每天都在服务普通用户。虽然目前全球只有几千辆这样的自动驾驶汽车，其中很多集中在旧金山，但这无疑标志着自动驾驶技术终于从实验室走向了现实世界。
四、"资金门槛"的降低：从巨额投资到精益创业
2024年见证了多起大规模融资事件。OpenAI筹集了60亿美元，Scale AI和SSI各筹集了10亿美元。特别值得一提的是Scale AI的故事，从YC批次中的一个医疗预约网站想法，通过多次转型最终找到数据标注这个方向，现在已经发展成为可能是过去十年最成功的创业企业之一。他们不仅抓住了第一波自动驾驶汽车带来的计算机视觉数据标注需求，还成功切入了LLM时代的数据需求市场。
大型企业也开始大规模采用AI技术。例如，亚马逊内部已经有数百个甚至上千个LLM驱动的应用程序，用于处理从代码迁移到数据库升级等各种任务。这些应用大大提高了效率，将原本需要数月完成的工作缩短到数周。考虑到上一次亚马逊将其内部基础设施工具推向市场时创造了AWS，业界普遍期待他们可能会将这些内部AI应用发布，从而创建新的技术栈。
AI的发展也正在改变公司的招聘方式和技能需求。企业越来越重视候选人使用AI工具的能力，传统的编程面试方式正在被重新思考。一些公司开始通过配对编程等方式，测试候选人使用AI工具的熟练程度。这种转变类似于十年前Stripe意识到他们需要的是能够构建Web应用的程序员，而不是解决复杂计算机科学问题的人才，从而改变了他们的面试方式。
五、"技术落地"的加速：从概念验证到商业化
当然，2024年也存在一些不如预期的领域。尽管备受期待，但AR/VR设备并未取得突破性进展。Apple Vision Pro等产品面临硬件限制、应用生态不足等多重挑战。目前，这些设备的主要用途仍局限于观影等基础功能。要实现真正的突破，还需要解决将所有硬件和计算光学组件塞进眼镜大小的设备这样的物理挑战。
即使在科技巨头内部，AI技术的应用也存在显著的不均衡。例如，在亚马逊这样的公司中，很多基层员工实际上还无法在日常工作中使用LLM工具，这反映了大型组织在技术采用方面的固有挑战。虽然2024年的监管环境相对宽松，但长期来看仍存在不确定性。业界需要继续关注政策变化，在推动创新的同时确保合规。但是，AI代理系统将继续发展，特别是在特定垂直领域的应用。这些系统将更加智能，能够处理更复杂的任务，同时保持高度的可靠性。开源和自托管LLM可能获得更多发展，这不仅能降低成本，还能为企业提供更多的自主性和灵活性。预计会有更多针对特定垂直领域的AI应用出现，这些应用将更加专注于解决具体问题，提供更有价值的解决方案。
结语、
正如我们听到的：“我们往往高估一年内能完成的事情，但低估十年内能发生的变化”。
2024年是AI发展的关键一年。它证明了创新不是大公司的专利，创业公司同样可以在AI时代茁壮成长。开源的发展打破了技术垄断，为整个行业注入了新的活力。虽然仍面临各种挑战，但AI技术的商业化进程正在稳步推进，未来充满希望。在这个快速变化的时代，保持开放和创新的心态，或许是把握机遇的关键。
我们AI团队专注企业AI解决方案
业务流程AI优化 提升运营效率 降低人力成本 定制AI应用开发 场景化解决方案 快速交付落地 AI转型咨询规划 专业评估诊断 精准转型方案
联系负责人：Milo-1101（仅限企业客户）
原文链接：https://www.youtube.com/watch?v=z0wt2pe_LZM&t=29s&ab_channel=YCombinator
素材来源官方媒体/网络新闻
热门跟贴