歡迎您游客 | 登錄 | 免費注冊 | 忘記了密碼 | 社交賬號注冊或登錄

溫哥華資訊

故事 | 移民 | 留學 | 八卦 | 娛樂 | 投資 | 旅游
就業 | 健康 | 文藝 | 情感 | 科技 | 華人 | 海歸

溫西 | 西溫 | 本那比 | 列治文 | 白石 | 市中心
溫東 | 北溫 | 高貴林 | 北素裡 | 素裡 | 滿地寶

大溫 | 玩樂 | 吃喝 | 社團 | 汽車 | 貼圖
生活 | 房屋 | 親子 | 攝影 | 原創 | 投資

專欄 | 視頻
群組 | 圖庫

生活資訊專欄教育讀書

劉潤:下一個萬億機會,正在出現(圖

2025-05-25 | 來源: 劉潤商學 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

???????2025年。AI，正在以前所未有的速度，改變著世界。

打開社交軟件，AI創作的圖片視頻滿天飛；想咨詢點問題，對話框和聽筒那頭，幾乎清一色全部AI，家裡的長輩，也開始動不動DeepSeek一下……

但是，機會在哪裡？我該如何抓住？總感覺，看不清，看不懂。

前不久，全球頂尖的投資機構，紅杉資本，召集了100多位AI領域的“大牛”，進行了一場長達6小時的閉門分享。OpenAI的Sam Altman、Google的Jeff Dean、Nvidia的Jim Fan……

這些創造了AI今天局面的頂尖大腦們，到底“密謀”了些什麼？他們眼中AI的未來，又指向何方？

這些信息，對於我們這些普通人、創業者來說，無疑是寶貴的。但6小時的密集分享，信息量巨大，光是精華視頻，就有足足4個多小時，全部看完，確實不容易。

所以，我試著用一篇文章的篇幅，為你提煉這場閉門會的精華，“偷聽”頂級大腦的思考。

准備好了嗎？咱們開始。

萬億，可能只是起點

一上來，紅杉資本的合伙人Pat Grady，就給出了一個判斷。

這波AI轉型，所能撬動的市場規模，大概是萬億級別。

憑什麼這麼說？

技術浪潮的演進，往往是層層疊加、不斷放大的。

每一波新的技術，都會站在前一波技術的肩膀上，爆發出更強的能量。AI，就站在了移動互聯網、雲計算這些“巨人”的肩膀上。全球數十億的互聯網用戶，幾乎人手一部智能終端，社交媒體病毒式傳播，能讓AI應用一夜觸達數億用戶。

那麼，AI未來的市場規模，到底有多大？

看看雲計算轉型。它的產業規模有4000億美元，比它剛起步時的整個軟件市場規模還大。那麼，AI轉型的市場，規模或許比目前的雲計算市場，還要大一個數量級，達到萬億級別。

（上邊一行是雲計算轉型。下邊一行是AI轉型。）

萬億。可能，還只是起點。真是令人激動。

那麼，站在AI浪潮之巔的科技巨頭們，又是如何看待未來的呢？

OpenAI，想成為AI時代的“操作系統”

在重大技術變革的時代，總有一些公司，不是在追逐浪潮，而是在創造浪潮。

會上，OpenAI的CEO Sam Altman，就提到了自家的“野心”：

OpenAI想做的，是成為人們日常AI應用的入口，成為“核心AI訂閱”。

你可以把OpenAI的這個戰略，理解為：他們想做AI領域的“Windows”。

他們提供底層的、通用的AI能力，就像PC時代的微軟和移動時代的蘋果、谷歌一樣，構建一個強大的“AI操作系統”。但這個“操作系統”，也和過往有所不同。

比如，你對它說：“幫我安排下周去北京的出差，參加XX會議，預算控制在XX以內。” 然後，這個“AI核心訂閱”，就能自動幫你預訂機票酒店、安排會議日程、查詢當地天氣，甚至准備好報銷單據。它能記住你的偏好，理解你的意圖，在你沒有明確指令的情況下，主動為你處理事務，協調多個AI工具，共同完成目標。

所以，當用戶有了需求，誰能站出來，第一個接住這個需求，它就成為了AI時代的“入口”。

掌握了這個入口，就掌握了未來AI世界的調度權。

想做“操作系統”，這很牛。但這也要求“操作系統”，要比現在更加強大。

如何做到呢？答案之一，或許就是：強化學習。

9年後，愛因斯坦級別的AI要來了？

OpenAI的Dan Roberts說，或許：9年後，模型就能獨立發現廣義相對論級別的成果。

9年後。愛因斯坦級別的AI。這太誇張了。

憑什麼這麼說？

這要從ChatGPT發布的幾個模型說起。從4o模型，到o1，再到o3。他們的推理能力，表現得越來越好。o3，能在1分鍾的時間內，完成Dan Roberts要花3小時才能計算出來的物理問題。

為什麼會這樣？

Dan Roberts認為，答案可能是：強化學習。

如果說預訓練，是讓AI模型通過“提前預習”，學到了海量知識，那麼強化學習，就是讓AI在不斷的實踐、試錯和獲得反饋中，自己摸索出解決問題的方法。4o模型，幾乎全部是預訓練計算。o1裡，有了那麼一些強化學習計算。o3裡，強化計算的占比進一步增加了。

所以未來，Open AI，打算繼續加碼強化學習。

他們相信，強化學習，是讓AI從“博學的學生”，進化為能夠獨立思考、主動探索的“研究員”的關鍵路徑。

以前，大家覺得強化學習，只是預訓練這個大蛋糕上的一顆小櫻桃，但OpenAI，打算用“巨大的強化學習櫻桃”，壓垮整個蛋糕。

所以，如果把AI的思考能力，按照7個月翻一番的速度來計算的話，想讓模型能力到達愛因斯坦的級別，所花費的時間，差不多需要：

9年。

不過，有聰明的大腦還不夠，還得有能幹活兒的手腳才行。

於是，Nvidia的研究主管Jim Fan，提出了：物理圖靈測試。

通過“物理圖靈測試”那天，似乎不遠了

什麼是“物理圖靈測試”？

舉個例子。

你剛和狐朋狗友，在家裡聚完。好好的客廳，亂得像“戰場”一樣。

眼看老婆要發火，你趕忙對AI機器人說，收拾幹淨，順便准備一頓燭光晚餐，讓我領導開心開心。

很快，機器人三下五除二，家裡窗明幾淨，桌上牛排紅酒，浪漫得不行。最關鍵的是，你完全看不出來這活兒，是人幹的還是機器幹的。

如果真能這樣，那恭喜，這個機器人就通過了“物理圖靈測試”。

聽起來不錯，對吧？

但是，要讓機器人在現實世界裡學會各種技能，就得有大量數據來訓練。

可是，讓機器人在現實中一點點試錯，收集數據，成本太高，效率太低。你要雇傭大量人員，操控機器人，在各種環境裡完成任務。

Jim Fan把這種寶貴的真實數據，比作“人類燃料”。實在太金貴了，燒不起。

那怎麼辦？答案是：模擬。

用AI技術，在電腦裡，搭建出超級逼真的虛擬世界。一個人類實操的數據，可以疊加100種環境，100種條件，獲得1萬條數據。

由此，機器人就可以在虛擬世界裡，進行億萬次的低成本、高效率、零風險的交互，從而收集數據。機器人的“智商”，得以飛速提升。

具身智能的時代，可能真的離我們不遠了。

也許未來某天，當機器人通過“物理圖靈測試”的時候，那天也將被認為，是一個普普通通的周二。

AI發展，不僅改變上層應用，也在重塑底層的基礎設施。

比如：數據中心。

AI，正在重塑數據中心產業

Crusoe公司的CEO，Chase Lochmiller提到，AI，正在重塑數據中心產業。

為什麼這麼說？

現在，假設你是一個數據中心的負責人。你要考慮什麼？

首先，一切都要為AI模型的性能服務。

AI模型的訓練和推理，要調用十萬，甚至上百萬個GPU集群。所以，不能簡單地把服務器堆在一起，要統一規劃調度，確保網絡、存儲、計算單元之間的數據流轉。

甚至，整個數據中心本身，都可以被看作是一台為AI計算打造的超級計算機。

不過，要驅動這麼一台“超級計算機”，“動力”從哪裡來，成了關鍵。

要運行十萬、百萬規模的GPU集群，所需要的電力特別驚人。根據中國能源報報道，一個典型AI數據中心消耗的電力，相當於10萬戶家庭的用電量。所以，那些風電、水電便宜，比如大草原、大沙漠、大河旁邊的選址，就會更受青睞。

當然，強大的“動力”，也帶來了驚人的熱量。

一個AI服務器機架的功率，可能是以前普通服務器機架的十倍、百倍。再靠傳統的空調制冷，可就完全不夠用。你可能需要把整個服務器，都泡在冷卻液裡，才能達到效果。

所以，你看。

由AI驅動的基礎設施變革，正在為能源、建築、制冷、網絡、芯片制造等多個傳統行業，帶來全新的挑戰，和前所未有的機遇。

好吧。不過看來看去，這都是“大生意”，或者需要之前就在這些行業裡，有所積累。

那麼，沒有積累，想要快速入局的普通創業者，又該怎麼辦？

AI創業公司，又該怎麼辦？

別慌。

還記得嗎？Open AI這樣的巨頭，想做入口，想做操作系統。

而這，對很多創業者來說，就意味著新的機會。

史上最難就業季,迎頭撞上一個歷史性調頭

美財長:國會有機會推翻特朗普的關稅,但沒這麼做

特朗普正在推動美中第二次"脫鉤"

因為，PC時代有了Windows，才催生了Office、Photoshop等無數應用軟件；移動時代有了iOS和Android，才有了我們手機裡五花八門的App。

AI時代，很可能也會遵循類似的邏輯。機會，就藏在那些細分的垂直應用中。

看圖。這張圖，描述的就是從互聯網時代，到AI時代，大面積的巨頭公司空白。尤其是，應用層面的空白。

了解。那麼，要做應用的話，具體又該怎麼入手呢？

一個非常重要的思路轉變，就是：從“賣能力”轉向“賣結果”。

從賣能力，到賣結果

客戶，越來越不耐煩為那些“可能有用”的工具買單了。他們關心的，是結果。

你到底能幫我多簽多少訂單？降低多少成本？幫我的產品，獲得多少傳播？

Sierra的聯合創始人Bret Taylor提到：AI的價值在於解決問題、創造結果。收費模式，也應與此掛鉤。

有意思。創造結果，並且按結果收費。具體怎麼理解？

舉個例子。Sierra會幫助企業，建立AI客服，解決客戶咨詢問題。那麼，如果AI客服能夠獨立自主地解決問題，讓客戶滿意，那麼Sierra就會為這個“結果”，向企業收取一筆費用。

但如果AI客服自己搞不定，需要轉接人工客服，那就不收費。

把AI的價值，和客戶的實際收益綁在一起。客戶，不再需要為了一堆可用可不用的軟件功能付費，而是為AI幹成的結果付費。AI幹得越好，解決的問題越多，Sierra賺的錢就越多。就像銷售，拿提成一樣。

類似的例子，還有。比如，法律行業。之前的AI軟件，賣的是“合同模板庫”或者“案例檢索工具”。但現在，你賣的，可以是“完成XX份合同的初審，標記潛在風險”這個結果。

律師事務所不再為工具付費，而是為AI律師助手完成的具體工作成果付費。

巨頭們，往往追求通用性和規模效應，難以深入到細分行業的具體業務流程中，啃硬骨頭。所以，能夠深刻理解行業Know-how的初創公司，就有了大量的發展空間。

這，才是AI時代，真正百花齊放的市場份額來源。

果然。在這個日新月異的AI時代，唯一不變的，是變化。而這種變化，也不僅僅體現在產品本身的形態上，還體現在產品開發的過程中。

明年開發的產品，其實現在還沒著落

當被問到OpenAI明年的產品規劃時，Sam Altman也很實在：明年開發的產品，現在還沒開始考慮呢。

啊？OpenAI這麼牛的公司，難道都不規劃產品的嗎？這麼“草台班子”嗎？

其實，這恰恰說明了AI產品的開發特點。

它的進化速度，快的驚人，而且，高度不確定。

Sam還補充，一些人很喜歡聊目標，然後再從目標倒推，一步步規劃好現在。但說實話，我很少見到這些人取得巨大成功。

更好的做法，或許就是專注於眼前，一步、兩步，慢慢推進。

為什麼會這樣？

因為，AI的技術和應用場景日新月異，今天還是個新概念，明天可能就有了顛覆性的產品。不像我們熟悉的很多行業，可以提前把未來幾年的路，都規劃明白，然後按部就班。

正如Anthropic的CPOMike Krieger所說，你往往只能在產品開發比較靠後的階段，才能真正知道它們到底能幹些什麼。

畢竟，AI產品，不像傳統軟件，功能邊界是清晰的。很多時候，只有和用戶的持續互動中，AI的那些“隱藏技能”才能被一步步地“發現”出來。

所以，與其按部就班地規劃，不如放手讓產品自然生長。與其憋個大招，不如快速拿出你的“最小可行產品”（MVP），扔出去遛遛，接受用戶的檢驗。

即使是像OpenAI，在開發產品新功能的時候，也沒有閉門造車。

Deep Research的負責人Isa Fulford，就分享了一個有趣的細節：做DeepResearch之前，我們先做了個PPT，確認大家有興趣。

無論你的技術有多新，模型參數多嚇人，深刻理解用戶需求，永遠是做產品的“第一性原理”。

3個AI產品

在這次紅杉的AI峰會上，有好幾位一線創業者，用他們親手打造的產品，為我們展示了AI在不同領域的驚人潛力。我列舉其中3個，給你看看。

1）客戶調研

Listen Labs的CTO，Florian Juengermann，展示了一個AI客戶研究員。

它能像一個經驗豐富的訪談高手一樣，同時與成千上萬的用戶，進行對話。引導用戶說出真實的需求之後，它，還能自動分析這些海量的對話數據，為你生成一份包含核心洞察、圖表的PPT。

你看，AI應用的一個重要方向，就是以遠超人類的效率，幫你把信息，收集起來。

2）醫學助手

醫學知識，浩如煙海。最頂尖的醫生，也難以窮盡。

所以，創始人Zachary Ziegler，就分享了他們的平台，OpenEvidence。這個平台，不光能從醫學文獻中精准地找到信息，還會給出清晰總結，為臨床決策提供支持。

舉個真實的例子。

在萬米高空，有位醫生就在飛機上，通過OpenEvidence，診斷了一例特別復雜的病情。病人不光有水痘，而且還服用一些藥物治療癌症。在確定病人的情況並不嚴重之後，醫生做出了讓飛機繼續前進，不需要返航的判斷。

未來，OpenEvidence還希望，收集全球頂尖醫生的臨床經驗，形成一個動態更新的知識庫。

3）自主行動的郵箱助手

LangChain的創始人Harrison Chase，介紹了產品：智能體收件箱。

它不需要被動地等待指令，而是主動作出反應。

一封新郵件的到達，一個日歷提醒的觸發，一個項目進度的更新，一旦感知到這些事件，它就能自主地采取相應的行動，可能是起草郵件、調整會議安排，提醒截止日期，甚至能夠協調多個AI工具或其他的智能體來共同完成一個更復雜的任務。

最終，等待你批准。

你不再需要一個一個地去指揮AI工具，而是有了一個能幫你“統籌全局”的AI大腦。

這就是Harrison Chase認為的，一種更高級的AI形態——環境智能體。

3個思維轉變

紅杉資本的合伙人Konstantine Buhler，分享了AI時代，個體需要完成的3個重要思維轉變。

1）擁抱隨機性

之前的電腦，特別靠譜。你給它下個指令，比如讓它記住數字73，那它明天、下個月，還記得是73。

但AI來了，情況就有點不一樣了。

如果你讓AI記住73，那它下次告訴你的時候，可能是73，但也可能變成了37、72、74，或者幹脆忘得一幹二淨。這不是AI笨，而是由它基於概率和大規模數據學習的運行機制，所決定的。

我們，正在進入一個計算結果本身就帶有“隨機性”的時代。

所以，要學會和不確定性相處，從它的輸出中去篩選那些真正有價值的東西。

2）培養管理思維

未來的工作中，我們很可能會發現，身邊多了一群“同事”：各種各樣的AI智能體。

這時候，我們就不能再簡單地，把AI僅僅看作一個執行指令的“工具”了，而是要學會像管理一個有特定能力、有自己“個性”的團隊成員一樣，與它協作。

這意味著，你需要清晰地了解，你的AI們，到底“擅長幹什麼”。比如，它擅長讀報告；它擅長搜索資料，做深度研究；這個呢？又擅長即時查詢，速度和反應最快。

未來，我們大部分人都需要學會，對AI做管理決策。

比如，判斷什麼時候該讓AI自主推進，什麼時候需要人工介入，如何給AI提供有效的反饋讓它進步，甚至是阻止AI跑偏。

3）運用杠杆思維

以前一個人可能需要一周才能完成的工作，有了AI的輔助，現在幾個小時就能搞定。但與此同時，AI帶來的確定性，相比傳統工具可能會有所下降。

所以，我們必須在這種“高杠杆、低確定性”的情況下，管理風險，把握機會。

未來，能夠擁抱變化、善於學習、勇於試錯的人，最有可能茁壯成長。

因為，AI正在把我們從重復性的勞動中解放出來，讓我們有更多機會去思考、發揮創造力。

好了。

一場閉門會，十多位嘉賓的分享，信息量極大。

看完之後，我不禁陷入了思考。

是的，AI，正以驚人的速度重塑著這個世界。它讓萬億級的商業機會，觸手可及；讓愛因斯坦級別的智慧，近在眼前；讓具身智能，變為現實。

這一切，都讓人感到既興奮又忐忑。

但當我們，透過紛繁復雜的技術變革，回到商業的本質，你會發現：機會，其實就在那裡。

它在細分垂直領域，等待被發現。在具體應用場景中，等待發揮價值。而能否抓住這些機會，關鍵不在於你是否已經站在風口，在於你：

是否願意，擁抱這個充滿不確定性的未來。

這個時代，不需要你成為Sam Altman，不需要你創造下一個OpenAI。你只需要找到自己的賽道，深耕你的領域，用AI幫助你的用戶解決實實在在的問題，就能創造，屬於自己的價值。

這次，未來真的要來了。

讓我們在這個無限可能的新時代，一起擁抱變化，肆意生長。