password
Created time
Dec 17, 2023 05:34 AM
type
status
date
slug
summary
tags
category
icon
a16z网站向其超过 40 位合作伙伴征询了他们认为将在 2024 年成为创新动力的重要理念。其中有不少有有助于我们想象。
推荐级别：☆☆☆
无代码 AI 生成器引发新行为浪潮
随着尖端的生成式 AI 技术使创作成本几乎降至零，我们即将见证全新的消费者行为。像 Midjourney 和 Ideogram 这样的平台已让我们能轻松创作出原本需耗时数小时、费用数千美元的精美图像。Eleven Labs 则能在几秒钟内跨越数十种语言进行内容翻译，并加入声音克隆和音频配音功能，这在我看过的那些翻译质量较差的外国电影时代是难以想象的。现在，即便是非程序员也能通过串联一系列 AI 工具，轻松创造出惊人的作品，无需任何编程技能。比如，Glif 这个多媒体平台，用户只需一个简单的提示，就能创造艺术、漫画、自拍等。
Bryan Kim 是 Andreessen Horowitz 的合伙人，专注于消费科技和应用层 AI 投资。
人工智能与区块链的融合
去中心化的区块链成为了中心化人工智能（AI）的一种制衡力量。像 ChatGPT 这样的 AI 模型目前只能由少数科技巨头进行训练和运营，原因在于所需的计算资源和训练数据对小型参与者而言代价过高。然而，有了加密货币，我们就可以构建一个多方参与、全球范围、无需许可的市场，这里任何人都能为网络贡献计算资源或新数据集，并因此获得 报酬。利用这些丰富的资源，这些市场有望降低 AI 的成本，使其变得更加普及。
然而，AI 正在改变我们生产信息的方式，这不仅影响了社会、文化、政治和经济，还催生了充斥着 AI 生成内容的世界，包括深度伪造技术。在这方面，加密技术同样可以发挥作用，它可以帮助我们揭开网络上信息的神秘面纱，追踪内容的来源等。此外，我们还需要探索如何去中心化地管理生成式 AI，并以民主的方式进行治理，以确保没有任何一个实体能够为其他所有人做出决策；web3 正是探索这些问题的试验场。去中心化、开源的加密网络 将会使 AI 创新民主化（而非集中化），从而为消费者带来更多的安全保障。
Andrew Hall，斯坦福商学院政治经济学教授，与 a16z 加密研究实验室合作。Daren Matsuoka，a16z 加密的数据科学家（在 Farcaster 上为 @darenmatsuoka | 在 X 上）。Ali Yahya，a16z 加密的合伙人（在 Farcaster 上为 @alive.eth | 在 X 上为 @alive_eth）。
软件如何为金融专业服务注入新动力
金融服务行业的专业服务工作——例如会计师、税务顾问、财富管理师、投资银行家——正在发生变革。这些职业通常需要研究专业知识并将其运用到客户管理中。过去，软件主要用于跟踪工作流程和提供一些分析工具（比如会计中的交易分类）。但随着生成式 AI 和大语言模型（LLM）的发展，更多的工作将被自动化，包括行政任务、研究流程（收集和整理数据、信息检索）、归纳总结、报告生成等。例如，税务顾问可以更轻松地查找先例来解答问题，会计师能自动出具财务报表，财富顾问能够基于更广泛的数据集进行情景分析。
尽管软件最终可能完全接管这些任务，但目前人类的技能重点将转向专业专长、审阅机器生成的工作和客户交流。这将是一场技术创新和市场普及的竞赛：已经与金融专业人士建立合作关系的传统企业需要将 AI 融入他们的软件，而拥有现代软件能力的初创公司则需要在新客户中建立信任。
Seema Amble 是安德森·霍洛维茨（Andreessen Horowitz）的合伙人，专注于 B2B 金融科技、支付、CFO 工具和特定领域软件的 SaaS 和金融科技投资。
大语言模型捕捉全新的“基础客户单元”
操作系统因其掌握所谓的基础客户单元 (foundational customer unit) (FCU) 而极具价值。传统上，操作系统难以处理某些非结构化数据。以保险领域的 Vertafore 或 Applied Systems 为例，它们在跟踪已出具的保单方面能力有限，原因在于它们难以处理更早阶段的数据，如电子邮件、PDF 或电子表格中的信息。但到了 2024 年，使用大语言模型 (LLMs) 的初创企业将能够处理那些对现有操作系统来说难以采集的数据，并且能自动进行分类和存储。如果这些公司能在传统平台之前捕获 FCUs，那些曾经由少数大型软件公司垄断的市场可能会迎来全新的变革。
Joe Schmidt 是 Andreessen Horowitz 的合伙人，主要关注金融科技和保险科技领域。
AI 推动拉美中小企业迈向数字化
拉丁美洲的许多商家通过 WhatsApp 提供客户服务和支持。这些服务通常涉及报价、预约和物流等领域，消费者期望得到迅速的回应。目前，商家的反应时间受到客服人员的可用性和询问的复杂度的影响，有很大的不确定性。AI 助理可以大幅优化这些耗时的任务，为商家和消费者创造更多价值。
一个近期的例子是，尼桑今年在 WhatsApp 上推出了聊天机器人，帮助巴西的客户找到附近的汽车经销商。尼桑估计，现在约 30 至 40% 的巴西销售线索通过 WhatsApp 生成，公司的平均响应时间也从 30 分钟缩短到几秒钟。
然而，尽管这些初步尝试充满希望，但在拉丁美洲中小企业广泛采用这项技术之前，仍面临一些结构性挑战。以巴西为例，超过 40% 的中小企业仍依赖传统的纸笔方式运营。随着自动客服的普及和消费者对快速服务的适应，企业将不得不将其业务流程数字化。这为初创公司提供了一个在该地区促进数字化转型的机会。
Gabriel Vasquez 是 Andreessen Horowitz 的合伙人，专注于拉丁美洲的金融科技投资。
AI 数据采集将成为 CRM 发展的新动力
在推动市场的整个流程中，销售代表的数据就像是基础的构建块，但几乎每个市场进入战略的领导都会遇到数据质量不佳的问题。不管你给你的客户关系管理系统 (CRM) 加了多少辅助工具或插件，你都绕不开一个核心问题：销售代表必须输入准确的数据。否则，输入的劣质数据只会导致糟糕的结果。
虽然我们见过一些销售技术公司开始尝试边缘性地运用生成式人工智能，但下一代的销售技术将利用这种 AI 来直接解决核心的数据问题。这些以 AI 为基础的公司将不再依赖销售代表对客户会议的个人回忆或理解，而是依托 AI 自动捕捉或生成的实际客户互动数据，如会议记录、邮件和电话录音。
这些销售工具很可能因为能显著提高生产效率而被广泛采用。最终，这些新兴的 AI 本地销售技术公司有可能引领客户关系管理系统 (CRM) 全面转向 AI 驱动。
Joe Morrissey 是 Andreessen Horowitz 成长团队的合伙人，专注于企业技术公司的发展。
消费者 AI 领域的竞争焦点从模型转移到用户体验
2023 年常听到的话是：“不花时间打造模型就是在浪费时间。只要打造出最佳模型，用户自然会上门。”
目前最受欢迎的消费者 AI 公司，如 ChatGPT、Character、Bard 和 Midjourney，成功的秘诀在于它们自主开发的模型。这些公司的特色在于他们在各自领域的模型卓越之处：Midjourney 擅长图像处理，Character 在娱乐领域表现出众，而 ChatGPT 则在文本处理方面领先。到目前为止，用户体验（UX）的主要考虑是如何最快地将模型交付给用户。
然而，由于芯片供应改善、大多数基础模型可通过 API 获取以及开源模型日益强大等因素，基于他人模型的消费者级应用有望取得突破。
2024 年，消费者 AI 应用将更多依靠为独特用例提供卓越用户体验来实现突破，而不仅仅是模型性能。我特别期待那些能创造共享体验和多人模式、将多个模型整合到一个界面中或专注于流程和工作流程以创造价值的消费者 AI 应用。大语言模型（LLM）可以成为一种区别。虽然现在它们可能提供先机，但传统的竞争壁垒，如网络效应、高切换成本、规模和品牌，仍将是长期成功的关键。
Alex Immerman 是 Andreessen Horowitz 成长团队的合伙人，他的关注点在于金融科技、消费者、企业以及加密/网络 3 领域的公司。
深植于工作流程的 B2B AI 产品
生成式 AI 及其他技术有可能实现当前员工工作时间70%的自动化。
来源：McKinsey
展望 2024 年，我相信我们将看到更多原生 AI 产品深入整合到工作流程中，它们将能自主完成任务，如主动评论、更新记录和在得到用户简单批准后执行操作。我们已经看到一些以工作流为本的 AI 产品开始代表用户采取更主动的行动。例如，AI 工具可以主动突出文档中的关键部分，而不必等待用户去查询长篇文档寻找相关信息。
同时，我预计在 B2B 产品领域，我们将看到从传统聊天用户界面向新形态的转变。聊天界面虽然在展示大语言模型的用途方面效果显著，但其最终会打断用户的工作流程。到了 2024 年，我认为我们将看到更多创新性 AI 产品的出现，这些产品将更贴合用户现有的工作习惯。
Zeya Yang 是 Andreessen Horowitz 的合伙人，专注于早期阶段企业和 SaaS 类公司。
大语言模型加速机器人流程自动化的发展
到了 2024 年，我特别期待看到大语言模型（LLM）驱动的机器人流程自动化（RPA）公司市场的崛起。目前，许多企业仍在过时的软件系统上手动处理各类流程，这些系统很难被完全替换或深度整合。在这种情况下，RPA——即部署小型“机器人”自动执行重复任务，如数据录入——成为了一种理想的解决方案。然而，现有的 RPA 往往操作复杂，容易出错，且需要大量定制化的实施和服务。
借助大语言模型（LLM），我们可以打造一个更加智能的 RPA 系统。这种系统能够理解其输入和操作的上下文，并能动态调整，从而提供更加稳定强大的解决方案。预计会出现多种针对不同自动化任务的定制解决方案，无论是面向财务部门的发票处理，还是面向客服部门的咨询响应，用户都将选购最适合他们的工作流程和需求的方案。
Kimberly Tan，Andreessen Horowitz 的合伙人，专注于企业和美国动力公司。