编者按：本文来自微信公众号 红杉汇（Sequoiacap），创业邦经授权发布。

未来，AI会带来怎样的改变？

当SaaS公司与AI携手共进，将擦出怎样的火花？

AI的突飞猛进将带来哪些前所未有的挑战？

对于AI企业而言，开源精神是否至关重要？

在这个AI技术日新月异的时代，虽然这些问题并无标准答案，但它们无疑是业界热议的焦点。特别是那些在领域内享有盛誉的人们，他们对未来AI发展的洞见更是备受瞩目。为此，红杉汇特别推出了“AI大家说”系列文章，旨在和读者分享行业前沿人士的智慧和预见。

在今日的篇章中，我们精心梳理了OpenAI首席执行官Sam Altman、Notion首席执行官Ivan Zhao、DeepMind首席执行官Demis Hassabis、图灵奖得主Yann LeCun以及《连线》杂志创始主编Kevin Kelly等五位业界翘楚近期的访谈和演讲精华，以期揭示他们对AI未来发展前景的深刻洞察。

未来，何去何从？

图说：Sam Altman在斯坦福进行了演讲

图源：视频截图

Sam Altman 我认为我们需要对AGI（通用人工智能）有一个更精确的定义，以更好地理解和评估其发展的问题。当人们问“AGI的时间表是什么”时，他们其实想知道的是世界什么时候会发生巨大变化，变化的速度什么时候会大幅加快，经济运作的方式什么时候会发生巨大变化，我的生活什么时候会改变。由于很多原因，这个时间点可能与我们想象的很不一样。

我完全可以想象这样的世界：我们在任何领域都能开发出具备博士水平的AI，可以大幅提升研究人员的生产力，甚至可以实现一些自主研究。从某种意义上说，这听起来似乎会对世界产生很大的影响，但也可能我们已经做到了这些后，却发现全球GDP增长在随后的几年里并没有发生变化。想想这种情况还是很奇怪的。这最初并不是我对整个过程的直觉。

所以，我无法给出一个具体的时间来说明我们何时能达到人们所关心的里程碑，但是在未来的一年以及之后的每一年，我们都会拥有比现在强大得多的系统，我认为这是关键。所以，我已经放弃了预测AGI的时间表。

每个人都想要更多更好更快。而利用AI提高科学能力，是我们到达那里的方式。AI能够做到最伟大的事情。我个人最希望它能对科学产生影响，如果我们制造一个伟大的AI工具，可以帮助人们解决他们面前的任何问题，可以帮助人们以新的方式进行推理。这对消费者，对科学家，对企业，对教育都有好处。

或许，未来人类将拥有一个“个性化AI”，它知道你读过的每一封电子邮件、每一条短信，每一条你发送或接收的信息，可以访问你生活的完整记录；知道你看过的每一个文件、每一个电视节目……总之就是你说过、听到、看到的每一件事，你可以想象这将是一件非常有帮助的事情。但这也会出现隐私问题，所以AI隐私问题需要与效用产生平衡。

就未来的进步而言，AI计算成本将急剧下降，接近能源成本，因此能源与AI的关系变得更加重要。未来几年后，OpenAI会同时解决AI带来的偏见问题，这两方面都将取得了很大进展。

Ivan Zhao 对于AGI来说，我觉得甚至不用等到下一个10年，在未来1-2年内AI就会有明显突破。这之中我认为一个被低估的领域是RAG（检索增强生成）。今天语言模型已经能够很好地理解人们输入到计算机中的内容了，这意味着我们不需要再自己去做信息的组织来方便未来对信息的检索，AI在这件事上做得比任何人类都要好。RAG会彻底改变知识管理的方式，让人们摆脱繁琐的信息组织工作。Notion最受人喜爱的功能之一是侧边栏，人们会用它整理知识库和个人文档，但以后我们可能不再需要这样的工具来组织知识库了——用户只要简单地将信息丢到Notion中，就可以通过各种方式进行检索。

另外一个我认为很值得期待的是Work Agent，它可以简化我们的工作流程，这是一个重大的突破，这个领域也已经开始有很多人关注到了。人们之所以需要会议、日程这些东西是因为我们需要完成彼此大脑之间的“比特传输”，那么我们或许可以借助一个语言模型来完成这件事。例如，人们在敲定会议时间的那一刻，日程安排上也做出了对应变化；语言模型会根据事件的发展帮我们来调整时间安排等。

最后，AI让SaaS进入新一轮bundling。《三国演义》的第一回就提到“久分必合，久合必分”，我觉得商业的运作也是如此。在这个阶段之前，SaaS行业其实已经经历过一个分拆和服务分散的阶段。PC时代早期其实有很多应用，比如各种文本编辑器、dBas数据库软件以及其他不同的数据库软件；到了90 年代，因为Microsoft提供了一个底层的操作系统，我们也随之进入了一个bundling阶段；随后，随着网络技术的发展，软件开始可以在Web上运行，这就带来了过去10到15年前的解绑和碎片化阶段，与此同时，资金成本降低带来创业门槛降低，也因此导致了信息领域的过度碎片化；到今天，随着AI、语言模型的出现和发展，我们似乎又回到了bundling阶段——因为模型本质上要求将信息集中在一个地方去实现更高效的信息处理。

Demis Hassabis 十年内我们有可能到达真正的AGI，它可以一出手就能执行几乎所有人类能够完成的认知任务。但说实话，存在很多不确定性。因为我们不确定现在的技术是否会达到瓶颈。如果真的遇到了，那我们可能就需要一些革命性的创新。

目前我们还没有看到这样的瓶颈。但曾经的一些预测，以及我的一些同行的推测，可能确实存在一些难以逾越的障碍。不过，我觉得这是一个需要实验来验证的问题。

这也是为什么我们要在这两个方面都下大力气。我们既要将现有的理念、技术和知识推向极限，又要在基础研究、创新性研究和探索性研究上加大投入，寻找对现有理论的改进，并思考可能遇到的障碍是什么。如果在系统的扩展过程中真的遇到了障碍，那我们应该如何应对。希望在遇到瓶颈的时候，我们已经想出了解决的办法。如果真的有那么一天，我们不至于手足无措。当然，也可能根本就不会遇到这样的瓶颈。

图说：Yann LeCun做客著名播客Lex Fridman

图源：视频截图

Yann LeCun AGI的到来将是一个逐步进展的过程。我们是否会拥有能够从视频中学习世界如何运作并学习良好表征的系统？是的。在我们让它们达到我们在人类身上观察到的规模和性能之前，还需要相当长的一段时间。这不会在一天内发生。我们是否会得到具有大量关联记忆的系统，以便它们能够记住东西？是的，但同样，这不会发生在明天。有一些基本技术需要开发。

我们有很多这样的东西，但要让它与完整的系统一起工作是另一回事。我们是否会拥有能够按照我之前描述的目标驱动AI架构进行推理和计划的系统？是的，但在我们让它正常工作之前，还需要一段时间。在我们让所有这些东西一起工作之前，然后在此之上，拥有可以学习分层规划、分层表示的系统，可以针对手头的许多不同情况进行配置的系统，就像人脑可以的方式一样，所有这些至少需要十年甚至更长的时间，因为有很多我们现在还没有遇到的问题，所以我们不知道在这个框架内是否有一个简单的解决方案。所以它并非指日可待。

在过去的12、15年里，我一直听到人们声称AGI即将到来，但这种说法是系统性错误的。当他们这么说的时候我就知道他们错了。

此外值得一提是，现在有各种各样的机器人公司，比如波士顿动力、宇树科技等好几家。我认为下一个十年机器人将会非常有趣——除非我们再次拥有可以自我训练以了解世界如何运作的世界模型和系统，否则我们不会在机器人技术方面取得重大进展，因此，目前许多从事机器人硬件工作的人都在押注或寄希望于AI将在这方面取得足够的进展。

图说：Kevin Kelly在中国的最新演讲

图源：中信出版社

Kevin Kelly 当技术变得隐形的时候才是最强大的。我们现在在这个房间当中有大量的技术存在，比如电灯、水管、风扇、通风管道等，我们意识不到他们的存在，这意味着这些技术已经成功了。同理，我们一直在谈AI，说明它还没有成功，如果说我们已经无法意识到AI的存在了，那么就说明AI成功了。在未来我是相信95%的AI应用我们都没有办法看到，他们就像管线系统一样在后台运行。未来我们将更熟悉它的前台界面，大多数人可能甚至不知道它背后由AI运行。

我们把AI类比成电力，你不能简单地认为把18世纪的公司通电，它就会成为完全不同的公司。但是如果这家企业在诞生之初就有电力的加持，那么这一家企业和18世纪的其他企业相比，一定有巨大的飞跃。AI也是一样，下一代AI原生企业的商业模式一定是和AI发展前的企业是完全不一样的。

有些工作是人类不想做的，有些工作是人类可以做的，还有些工作甚至是人类完全未知的。AI能够起到最大作用的地方，不仅仅是在人类不能做的，更是在于去探求完全未知的工作。

此外，未来AI可能还会产生情感属性。即使面对AI，我们在沟通时也会不自觉代入情感， AI会感受到情感的传递。所以，在未来，人类可能会跟AI有更强的羁绊，它就会像一个能够说话的小狗。虽然可能刚开始会让很多人觉得不习惯，但是随着情感嵌入技术的发展，你可能会发现这种羁绊感是超过了你的预期。

相信这些机器可以帮助人类成为更好的人类，这是我们的最终目标。

本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。