TL; DR
該模型公司可以整合API、工具、代理框架及應用入口。
智慧體體體不能只看成是提升的聊天盒。
但組織、記憶體、路由、身份等可能為創始企業留下空間。

在AI時代, OpenAi、Anthropic、Google等模擬公司會繼續吃API、工具、智能框架、企業應用程式及消费入口

這是 Fat Models 敘述的核心:如果關閉的邊界模式繼續快速進步, 但另一個判斷是,當AI從聊天到聰明人時代, 價值不一定只是沉入模擬公司手中。

"脂肪模型"

大模范公司的路線不難理解:第一,有最先进的基本模型,然后把能力包成API,开发工具及智能身體框架,最后進入消费應用程式和商业工作流程. 只要模型足夠強大,頂層經驗、數據和發展者的生态可能會向模型平台汇合。

這也是首都愿意高估頭目AI的重要原因。 路透社於5月報導, OpenAI於今年三月公布最新資金, 自2022年底起, 市場用非常高的價值來賭注模型層未來的入場能力和盈利空间。

但問題仍在于模型的利弊是否足以讓這些公司同時得到每層價值。 正面模型、算法、研究團隊、雲體基礎及企業客戶資源。

數個科技周期也發生了相似的改變。 IBM曾將大型機器製成硬件、軟體、服務的集成系統。

這些類型並非表示「大型平台將失去」。

聰明的身體不是聊天盒 而是跨系統的任務

Agent的環境變化主要在于AI不只是回答問題, 多層模型、組織、記憶體、執行、身份、支付等, 不同的企業會在自己的水平上聯合並競爭。

支持此判斷的第一個變化是模型的供應量增加. 但開源量模型、邊緣模型和商业模型也繼續出現。 不同的模型在容量、延迟和成本方面各不相同。 企業與發展商將成本、速度、穩定與任務質量结合起来。

第二个變化是AI應用程式太分散了. 模擬公司可以做通用聊天應用程式,可以進入大入口,如辦公室,代码,搜尋等,但每个業務都有自己的數據结构,遵守要求,運作習慣和系統接口,可以真正存取醫學,金融,製造,法律,乘客服務,采购,物流等特定流程. 單一公司在各种情況下都很難做出最適合的產品。

企業的生产環境也强化了这种支离破碎。 在實驗期間,企業可以接受模型演示或關閉聊天工具. 客戶需要資料存在、權限管理、稽核記錄、成本控制、供应商替代和合规憑證。 企業更喜歡組裝適當的元件。

這也是智慧和傳統聊天應用程式的關鍵區別。 醫療情報機構可能需要讀取醫療記錄,檢查藥物相互作用,呼叫醫院系統,提出建議并保留審查記錄. 企業可能需要使用存货、合同、批准流、供銷商系統和支付網路, 他們更像是「執行者」。

組織、記憶、路由與身份

智慧基礎可以分解成多個方向:組織,哈內斯,內存,瀏覽器,路由,模擬市場,身份和支付. 如何管理多個智慧體體, 如何將模型與实用工具連結, 如何保存與分享上下文, 人們如何與智慧體交換。

分級可能是智慧時代的控制對手 需要部署、監控、授權、合作, 單一模型 API 很難處理完整的流程管理問題。

機理可以理解為模式的"執行 shell". 如果大模型是大腦,哈尼斯负责存取文件、數據庫、網頁、機器人、企業軟體和物理設備。 不同情況需要不同的工具連接方式。

記憶處理上下文移動 。 上下文不能被鎖在聊天視窗中, 當一個以上的智慧體必須了解同一使用者、商業或工作時。 可以提供可轉移、授權與可審查數位記憶體的人。

路線和模型市場的价值来自于多型號部署. 如果企業同时使用多種模型,它需要決定哪類任務更適合,以及如何平衡成本,延遲和精確. 模特兒的競爭不僅是超級競爭。

身份與支付更面向未來, 網路需要分別出是誰發動要求, 是否經許可, 如果涉及电子、訂閱、微额支付或企業購買。

模特巨人仍然很強大 但不一定能吃到全部價值

這種模組化的敘述的邊界也是很清楚的. 并不是大模特公司失去所有權 計算、數據、研究團隊與分配能力仍集中在少数巨人手中。 如果建模能力繼續迅速拉大差距,上部生态學可能仍然聚集在主平台上。

真正的區別是,智慧的年齡值不會像聊天應用階段那么集中。 當AI進入真正的工作流程時, 使用者不僅關注最聰明的模型。

這給獨立的創辦公司留有空間, 組織方向、內存、身份、付款、瀏覽器及路由器等。

企業和投資者都投注在智慧生物上, 這個模型會成為吞噬整座房子的超平台, 還是會成為新一轮模組建築的起点