a16z：生成式AI下個趨勢？從信息生成到信息合成_CRON:ZonoSwap Finance

生成式AI在B2B場景應用的變化

過去幾年大家見證了大語言模型逐步成為主流，并研究了這項技術在B2B領域的應用情況。盡管取得了巨大的技術進步，但我們認為，我們仍處于B2B用例的生成式AI應用的早期——第一波浪潮之中。隨著各公司逐步開發自己的應用，并且開始尋求圍繞產品建立護城河，我們預計很多業務中的目標和實現方法，將會迭代到“第二波浪潮“之中。

如何理解這里的“迭代”？

到目前為止，絕大多數生成式AI應用，都集中在信息divergence之上。也就是說，目前的應用，主要是根據一組指令，來創造新的內容。

而在第二波生成式AI浪潮之中，相信市場會見證更多用于信息匯集的生成式AI應用，這些應用會通過綜合現有信息，向我們展示更精細化、篩選出來的內容為了和第一波生成式AI浪潮進行區分，我們把第二波生成式AI浪潮，稱為合成人工智能。

雖然第一波生成式AI浪潮在應用層創造了一些價值，但第二波生成式AI浪潮將帶來下一步功能變化。

Cronos Labs發布Web3游戲開發工具Cronos Play并計劃推出加速器計劃:金色財經報道，EVM兼容Layer 1網絡Cronos開發公司Cronos Labs已發布Cronos Play，這是一套集成可簡化多種語言和框架（包括 Javascript、Unity、Unreal 和 C++）的區塊鏈開發人員工具，據悉這款工具完全支持兩大游戲引擎：Unity和Unreal，為游戲開發者提供了非常適合他們需求的區塊鏈基礎設施。此外，Cronos Labs還透露目前正在部署一系列支持計劃和加速器計劃，以幫助經驗豐富的游戲開發者成為加密原生并發展可持續的基于代幣的經濟。（blockchaingamer）[2023/5/22 15:19:10]

那么，下一步，生成式人工智能在B2B的解決方案會是什么走向？

結論是：B2B解決方案之間的PK，將不會把重點放在令人眼花繚亂的AI技術能力，而更關注這些技術層面的能力，將如何幫助企業用戶具備更有價值的企業工作流程。

DeFi初創公司VycoLend完成50萬美元種子輪融資:金色財經報道，DeFi初創公司VycoLend宣布完成50萬美元種子輪融資，Aura Ventures領投，Lumina Capital、Cardinia Ventures、以及Web3和Web3領域里的一批天使投資人參投。去中心化非托管借貸協議VycoLend專為Layer 2網絡構建，旨在為更傳統的加密資產借貸服務建立高速市場，用戶可以在其中以貸方或借方的身份參與獨立借貸池，新資金將用于加速產品開發、擴大團隊和運營規模。（zycrypto）[2023/4/17 14:08:39]

第一波生成式AI浪潮：跨越從C端用戶到企業的橋梁

為了分析第一波生成式AI浪潮，首先我們要對B2C和B2B應用進行區分。當我們作為消費者，應用生成式人工智能時，我們的目標是以玩耍、娛樂和分享為導向。在娛樂層面，質量和正確性并不是最重要的：而讓人工智能模型生成藝術或音樂這類功能更為重要，因為我們可以在Discord頻道中分享，當然也會很快就會忘記它。大家通常會有一種心理傾向，認為更多的內容=生產能力=好，所以，用戶通常會被吸引到生成式的、自動創造的AI工具。

Cardano EMURGO BUILD 2023黑客松將于下個月進行:金色財經報道，Cardano開發團隊EMURGO宣布，將于下個月舉辦Cardano EMURGO BUILD 2023黑客松活動，向新一代的去中心化解決方案提供七位數的獎金池。[2023/4/15 14:05:14]

舉個例子：ChatGPT的興起，就是很具備說服力的案例：因為用戶真的容忍了這個聊天機器人很多質量上的缺陷，就是因為大家能用它，生成更豐富的內容，并且分享，令人印象深刻。

當涉及到B2B應用時，業務目標就不同了。這里的目標，主要是圍繞時間和質量的成本效益評估。我們要么希望能夠用同樣的時間產生更高的質量，要么希望產生同樣的質量，但是速度更快。

人們使用B2B應用主要是在工作場所，在這類的場景中，質量更重要。然而，今天人工智能生成的內容，主要是為重復性和低風險的工作提供的，這種業務層面上，要求通常不高。例如，生成式AI很可以為廣告或產品描述撰寫文案，許多這個領域的B2B應用，表現出明顯的增長態勢。

ETC全網算力一度達46.04TH/s，創歷史新高:金色財經消息，2Miners數據顯示，ETC全網算力今日一度達到46.04TH/s的歷史高點，目前為44.75TH/s。[2022/8/27 12:51:45]

但我們隨后也發現，生成式人工智能在撰寫意見或論據方面確實不可靠注意，當涉及到B2B生產環境中的創新和合作時，這一點更重要，大模型生成SEO信息也許是可用的。但是，如果讓它為開發者撰寫一篇詳細新產品的博客文章，將會需要不小的人力去完善，以確保這篇文章是準確的，與目標受眾產生共鳴。

另一個常見例子是AI用于編寫銷售的電子郵件，生成式AI對于普通的、冷冰冰的冷啟動郵件是很有用的，但對于準確的個性化郵件來說就不太可靠了。從一個優秀銷售的角度來看，生成式AI有助于在更短的時間內寫出更多的電子郵件，但要寫出能提高回復率，并帶來訂單的電子郵件，銷售代表還是需要仔細研究，并通過自己判斷，了解潛在客戶想聽什么。

從本質上講，在頭腦風暴和早期，第一波生成式人工智能對于更實質性的寫作是成功的，但最終，越是需要創造力和領域內人專業知識，就越需要人為完善。

OpenSea過去24小時交易額為3273萬美元:金色財經報道，據Dapprader最新數據顯示，NFT市場OpenSea過去24小時交易額為3273萬美元，下降31.83%。交易人數為54619。歷史數據顯示，OpenSea平臺交易額在2021年11月突破100億美元，2022年1月突破150億美元。[2022/6/6 4:04:09]

重構工作流程，有何代價？有何好處？

即使在生成式AI對較長的博客文章有用的情況下，你的Prompt必須是精確的。也就是說作者必須已經對代表自己博客文章的實質概念，具備清晰認識。然后，為了得到良好的結果，作者必須對AI輸出的結果進行審查，迭代Prompt，不行的話，還要重寫整個章節。

這里有個例子是用ChatGPT來生成法律文件，需要熟悉法律prompt的人提供所有需要的條款，然后ChatGPT可以用這些條款來生成草案。注意，AI不能執行當事方之間的談判過程，但一旦所有關鍵條款都確定下來，生成式AI就可以出品較長的法律類文件草稿。不過，這些工作仍需要職業律師對它進行審查，編輯輸出，以使這項文件達到可以簽署的出品樣本。

這也是為什么這類成本+效益評估模式，會在B2B背景下打破。

知識工作者正在評估如何工作流程中增加一個額外的AI功能的步驟是否值得花時間？是否應該還是由我們自己做？

第二波生成式AI浪潮：

匯聚信息，從而改善決策

當我們進入第二波生成式AI浪潮的時候，焦點會從信息生成轉向信息綜合。注意，在知識工作中，決策能力具備巨大價值，而員工的報酬是根據不完善信息做出決定，而不一定是單純執行或解釋這些決定而產生的內容數量而決定的。在許多情況下，更長的時間并不意味著更好。

許多常識和公理都支持下列觀點：

1.代碼行數不是衡量工程生產力的好方法2.更長的產品內容，不一定就能起到更清楚的說明作用3.更長幻燈片，也不一定能提供更多見解

Hex公司創始人BarryMcCardel認為，人機可以共生，比如說LLM如何能夠改善我們的工作方式？

"AI在這里是為了增強和改善人類的能力，而不是取代人類。

因為當涉及到理解世界和做出決策時，人類一定要參與其中。人工智能能做的是幫助人類將更多的腦電波，應用于有價值的、創造性的工作，這樣我們不僅能在一天中花更多的時間來做重要的工作，而且還能解放自己，從事最有價值的工作。"

那么，AI如何改善人類的決策？法律專家需要專注于綜合和分析，提高決策的質量和/或速度，明顯的應用是，去總結人類自己永遠無法直接消化的大量信息。

SynthAI在未來的真正價值是，幫助人類更快地做出更好的決定。

這里的設想幾乎與ChatGPT的用戶界面相反：與其根據簡明的Prompt寫出長篇大論的回復，如果我們能從海量數據中，逆向設計出總結的簡明提示，會怎么樣？

這將有機會，讓我們重新思考用戶體驗，使其盡可能有效地傳達大量的信息。例如，像Mem這樣由AI技術驅動的知識庫，保存著某個組織中的所有會議筆記，可以主動對相關的決策、項目或人發起建議，當組織中的角色開始一個新項目時，應該參考這些決策、項目或人，從而節省了他們瀏覽先前機構沉淀知識的數個小時的時間。

回到上面一個對外發送營銷郵件的例子，一個潛在的表現是，AI可以識別目標客戶，究竟在何時會處于最高水平的購買意圖，并提醒相關銷售代表。然后，人工智能模型將根據綜合研究，建議在電子郵件中提一兩個最重要的問題，以及與想要銷售的目標客戶最相關的產品功能。

這些輸入，可以被輸入到第一波生成式AI帶來的解決方案中，但其價值來自于綜合階段，并為銷售人員，節約了對單一潛在客戶的研究時間。

確保這種綜合信息質量足夠高的根本轉變是，從大規模的通用模型轉向能夠應用多種模型的架構，包括在特定領域和特定用途的數據集上訓練的更精細模型。例如，某個構建客戶支持應用的公司，會使用以支持為中心的模型，該模型可以訪問公司的歷史支持票據，但在其他情況下又會回到GPT。在建設專有微調模型和數據集壁壘，這些組件會成為公司速度和質量的護城河。

SynthAI的部署

當我們思考，第二波生成式AI浪潮可能是什么樣的時候，我們相信從SynthAI中，受益最大的應用場景將是以下兩種情況：

1.存在大量信息的場景，人類很難手動篩選所有的信息。2.高信噪比場景，主題或抽象出來的觀點必須具備準確性

人工智能對工作流的改造，會帶我們走向一個新的生產力時代。

Tags：B2B人工智能CRONONOB2B價格人工智能技術應用學什么CRON價格ZonoSwap Finance

聚幣