一、关于 GPT-5，Sam Altman 都说了什么？
达沃斯上Sam Altman参加了4~5场访谈（我竟然全部听完了……），大家低估了其中的信息量，可能远比小扎说的60万张卡更重要。下面摘出了Sam对GPT-5的评论，其实拼图已经很清晰：
二、控制短期预期，上调长期预期
我自己听完的感受是，适当控制短期预期，但要上调长期预期。但一个最核心的假设是，“指数增长”的范式是否成立，sam他们对于未来继续处于“指数增长”的信念来自于哪儿？
因为往大了说，人类社会以前不存在可以一直指数增长的玩意儿，更没见过一个行业才刚开始领军企业已经凭着90%份额干到1.4万亿美金。回溯互联网、智能机、电动化等等，界定我们现在处于什么阶段就显得非常重要。因为初期的线性外推导致踏空，尾巴的线性外推导致亏钱。
这让我想到真格yusen的这张图：
本质上是想说，AI和互联网最大的区别是，互联网越过0分就具有了实用价值，而AI不到60分价值就是0。
因为互联网替代的对象之前几乎不存在，或者成本极其高昂（海底光缆之前跨大洲的数据通信），很容易就落地。但AI的替代对象就是人，或者现有软件，而这些的成本和效率之间的平衡，已经被当今世界优化到了极致。因此AI的价值拐点，本质上是AI越过社会智力成本的拐点，一旦越过，AI价值的确是非线性上升。
因为存在这么一种可能性，也是AI与智能机互联网时代最大的区别：iPhone到了iPhone4之后的形态基本固定，此后都是量变，再也没有大的质变（摄像头、触控交互、各类传感器等关键结构固定）。目前的AI显然还没到iPhone4时刻，但关键是，AI一旦越过iPhone4时刻（比如是GPT5或6），质变有可能不会停止，指数曲线不会停止，这将是区别于互联网时代的最大不同。
就相当于，当年的手机在iPhone4之后还在质变，每一代都是大版本迭代，如果历史是这样的，互联网巨头们的格局会如今天这般稳定吗？Apple甚至说芯片厂的价值量占比会不会更高？那么对于AI来说，“计算”价值会否在很长一段时间大于“应用”？
回到社会智力成本拐点的问题，这件事的份量会有多大？互联网只是将物理世界数字化，并将信息传播的边际成本降到0，就产生了每年数万亿美金的商业价值。如果AI将社会智力成本降到0，会是多大价值？全世界最大的商业价值可能就是社会智力，一旦智力可以0成本批量复制，会将巨大的人力资本价值部分转化为AI资本价值。Elon Musk说过“经济是生产实体乘以生产力——也就是劳动人口乘以人均生产率，假如人口数可以无限扩张，经济的上限会在哪儿？”
其次，大多数商品的成本结构都可以最终向上拆解为人力成本（脑力和体力），当被大幅降低，参考“T型车”，成本高昂的商品服务会迅速大众化，例如量身定制的个人财务法律业务顾问、人人定制的软件、人人定制化的内容娱乐形态，催生众多新兴产业的诞生。
再其次，桥水论文提到，成本降低会产生社会财富剩余，可支配的消费潜力增加，会有新的消费类别出现。
最后，放飞下想象力，假如有一天实现了AGI甚至超越人的智能，“高等级思维”或“天才”不再稀缺，比如马斯克、乔布斯、jeff hinton/ilya、贝索斯这样的大脑可以批量复制（量产爱因斯坦……），就是sam在达沃斯上说的“每个人都可以拥有1万个聪明大脑服务你”，这又会产生什么样的社会和商业形态？
我想表达的是：从动机和潜在收益出发，AGI的分量，会让任何一个理性且有实力的商业组织或国家，拼了命地坚持下去，因为没人会放弃“building god”这张巨大彩票或期权。1847年英国的铁路投资在达到顶峰时占到了GDP的7%；1996年《电信法案》生效后的五年里电信公司对光缆、交换机、无线网络的投资超过5000 多亿美元（按今天的价值计算超过万亿美元）。为什么？面对充满未知和无限可能性的生产力革命，一整代人类都会集体FOMO。而目前英伟达的收入/全球GDP是多少？0.1%？（不代表可以线性外推NVDA收入，只作为AI总投资是否泡沫的参考指标之一。）
三、距离 AGI 还很远，但数据语料可能不是问题了
但回到今天，在到达拐点之前，现实情况是，一个个行业先越过及格线再说：
目前的GPT-4的水平，只是到了“解决某一项任务”的水平，还不能“替代某一项工作”。因为任何一项人类工作都是非常多“任务项”组成的，一项任务的解决无法撑起一个工种。但正如上图所示，人类工作种类是分层的，随着AI能力一步步爬升，是对一项项任务、最终是一个个工作类别的持续替代。AI进步慢，替代就慢，AI进步快出现跃升（如到了AGI），替代会猛然加速。这可能就是未来5年的叙事。短期看不到商业价值也不代表一直是0和1，人类任务越过及格线的科目从量变到质变，直到AGI那一天捅破象限……
因此比尔·盖茨说的很清楚，18个月后（2025年6月）会看到AI对各领域实质性的广泛渗透。UBS和Morgan Stanley都对北美500强企业的CIO（首席信息官或技术官）做了调研，结果也显示AI对企业流程的改造都在POC验证阶段，2024年H2会看到更多原型验证跑通、进入实际生产流程，2025年才可能大规模进入实际生产。
为什么都是2025年？因为在等两件事情，1）GPT-5（或者不知道叫什么）的发布，模型能力上一个台阶，解决幻觉问题、鲁棒性一致性问题、复杂推理能力问题；2）算力成本降低到之前的1/10，目前算力成本按照每12~18个月除以10的速度降低，18个月后很多被成本制约的应用场景才可以落地。
这里引申出关键的问题还是，1）下一代模型的能力会如何；2）再之后AI会否遇到瓶颈“撞墙”。
1） GPT-5（或者其他名字）的能力提升幅度其实大概已经确定，首先肯定距离AGI还很远，这一点sam altman在圣诞节明确表示了，且看完上面你就知道AGI意味着什么分量，你就会更加敬畏，甚至希望这玩意最好是个科幻，晚点来。
其次，GPT-5的能力下限，应该至少会比Gemini ultra强，如果只是看纸面结果，大概能推断：多模态且增加视频生成能力（3D未知）、Long sequence更长的输入窗口进而显著提高通用性、复杂推理能力相比GPT-4明显提升、可能开始具备较强的planning能力。再量化一点，就是Sam在达沃斯上的比喻“假如GPT4完成了人类工作10%，那GPT5应该是15%或20%”。此外按照常理，解决相同问题的算力成本，可能会比GPT-4降低一个数量级。
2） GPT-5之后会不会撞墙。GPT-4用了MoE因此引发了对OpenAI单模型能力撞墙的质疑，但MoE的更大价值在于降低推理成本，更像是“优化”而不是“登月”。
模型的瓶颈 1 是transformer架构的争论，的确有微创新的可能，Ilya在“事变”之前的采访中，提到了现有注意力机制算力消耗过大问题，但他也提到有了解决方向。但你说新架构如RWKV、Mamba替代transformer？引用一个哥们的观点，领军企业用脚投票了，这是个生态、资源、人才自我加强的过程，新的架构崛起有点难，至少按照ilya、Anthropic Dario等领军人物的看法，transformer潜力还有很大挖掘空间。此外，从LSTM到transformer出现是20多年，架构的创新节奏即便加速也是以10年为单位；
模型的瓶颈2：对世界知识高质量压缩的数据是不是穷尽了。按照scaling law那条曲线，达到一个“能写论文独立做科研水平的”的AI需要的数据是目前的5个数量级，去哪儿找？视频等多模态数据的价值更多在于文本数据提供的知识对现实世界的grounding，但视频图片等本身对世界知识的压缩率远低于文本，正如一本几百KB的书包含的知识转化为视频可能是几个T。怎么办？
按照sam达沃斯上的说法，未来不需要那么多数据，质量更重要，数据训练效率也在提高（更少数据提取更多认知），以及可以设更多epoch反复“咀嚼”。且之前关于Q-star的猜测和Jim Fan、Musk等人的评论表明，OpenAI很可能已经实现了合成数据的有效利用。甚至Anthropic的Dario在播客中也提过“数据很可能不是制约因素，出于多种原因我不应该细说，但世界上有很多数据来源，也有很多方法可以生成数据”。这种合成数据引导法可以类比人类进化，我们灵长类祖先在掌握语言之前，是无法总结、提炼、应用、累积认知和经验的，但一旦人类发展出语言，就会出现基因/文化的共同进化，这与 LLM 的合成数据/self-play循环非常相似。
此外，做个轻松点的比喻，我们读了万卷书，行了万里路，看了万千世界，就好比电影《这个男人来自地球》，一个人活了百万年，几乎是个行走的世界知识库。此时的他再学习一门新知识，是否需要那么多输入？我们说“悟性”高的人是一点即通，为什么？因为过去的高质量训练让他建立了世界运行原理的底层“相关性”。这可能也就是目前模型训练正在做的事（难怪OpenAI内部说他们在building god）。
因此，不妨对scaling law的延续乐观一点，这一次我们真的可能在一条指数线的早期。与摩尔定律一样，这是个经验性规律，一定需要严密的理论解释吗？Maybe not。直到蒸汽机发明一个世纪后，人类才对热力学有了全面的了解。技术发展历史经常出现发明先于理论，或许这一次AI也是如此。就好比，并没有什么物理定律规定摩尔定律一定持续下去，总会出现一些瓶颈让人高呼摩尔定律已死，但台积电、英特尔、AMD、苹果这些伟大企业和领军人物，凭着产业、商业、甚至人性最深层的驱动力，让这一经验定律延续了几十年。
四、Agent能力持续增长，但算力层利润会长期保持高位
因此回到今年的GPT-5，预期其能力可能也没那么重要，更重要的是，要持续观察我们是否保持在这条trajectory指数曲线上。
就比如手机端Agent，假如2024年是雏形，或称之为手机agent元年，对其能力期望可能就不要太高。但随着前沿模型能力爬升，agent会逐渐接管个人生活、工作、应用任务，并反映为agent的订阅ASP逐年提高。
它也不像硬件终端打包价，也不像会员费，和saas订阅也不完全一样，更像你雇了一个管家，其能力从实习生逐渐成长为CEO，他能为你做的事越来越复杂，从辅助你完成工作到给你创造增量价值，且越来越了解你，粘性越来越强，你付给他的薪水只会越来越高（当然这只是从需求角度，定价上限取决于供给、稀缺性等等）。
引用下前几天sicong发我的一篇海外博主文章，这个博主对比了互联网和AI的付费用户所处阶段，可能更有说服力。互联网的付费用户渗透是这样的：
AI用户的付费渗透率，博主也大概也拍了下：
因此从付费用户渗透率的角度（更接近真实商业价值），现在AI仅仅相当于互联网时代的1996年：
这个作者也算了算目前AI CAPEX的投资回报率，大概可以参考下：
以及AI各层的利润率和投资回报，compute& Network的价值含量和利润率最高：
这就有意思了。结合前文对比AI和智能机互联网时代的不同，个人认为，随着这条指数曲线向上，底层计算会一直处于剧烈变化，也就是“iPhone4”时刻即便到来了，也只是个起点，而不是终点，质变会继续推进。假如底层计算范式在剧烈变动、创新、无法稳定，上层的应用又怎么能构建稳定生态呢？
因此，个人认为，computing&Networking在整个AI的价值量占比，会在相当长一段时间保持高位，这会和互联网时代截然不同。当然，故事的结尾，永远是“离C端更近的攫取最大价值”，但走到结尾稳定态的时间，可以完全不同。从这个角度，又该如何看待英伟达呢？
这又让我想起最近讨论的小话题，你说能把英伟达从鱼头吃到鱼尾的，是对冲基金，Long Only，自有资金，还是产业资本？说小点，是半导体分析师，软件分析师，互联网分析师，还是早期VC投资人？（开放话题，没有答案。）
最后，送上今天看的段子，我也转到了朋友圈：
