B2B:a16z：生成式AI下個趨勢？從信息生成到信息合成

生成式AI在B2B場景應用的變化

過去幾年大家見證了大語言模型逐步成為主流，并研究了這項技術在B2B領域的應用情況。盡管取得了巨大的技術進步，但我們認為，我們仍處于B2B用例的生成式AI應用的早期——第一波浪潮之中。隨著各公司逐步開發自己的應用，并且開始尋求圍繞產品建立護城河，我們預計很多業務中的目標和實現方法，將會迭代到“第二波浪潮“之中。

如何理解這里的“迭代”？

到目前為止，絕大多數生成式AI應用，都集中在信息divergence之上。也就是說，目前的應用，主要是根據一組指令，來創造新的內容。

而在第二波生成式AI浪潮之中，相信市場會見證更多用于信息匯集的生成式AI應用，這些應用會通過綜合現有信息，向我們展示更精細化、篩選出來的內容為了和第一波生成式AI浪潮進行區分，我們把第二波生成式AI浪潮，稱為合成人工智能。

雖然第一波生成式AI浪潮在應用層創造了一些價值，但第二波生成式AI浪潮將帶來下一步功能變化。

兩巨鯨從Binance共提出118萬枚LDO，價值約226萬美元:金色財經報道，據Lookonchain監測，2小時前，兩巨鯨從Binance提出總計118萬枚LDO，價值226萬美元。其中地址開頭為0x8c50提取了570,998枚LDO，價值109萬美元。地址開頭為0xbaf2提取了614,978枚LDO，價值117萬美元。[2023/8/10 16:17:21]

那么，下一步，生成式人工智能在B2B的解決方案會是什么走向？

結論是：B2B解決方案之間的PK，將不會把重點放在令人眼花繚亂的AI技術能力，而更關注這些技術層面的能力，將如何幫助企業用戶具備更有價值的企業工作流程。

第一波生成式AI浪潮：跨越從C端用戶到企業的橋梁

為了分析第一波生成式AI浪潮，首先我們要對B2C和B2B應用進行區分。當我們作為消費者，應用生成式人工智能時，我們的目標是以玩耍、娛樂和分享為導向。在娛樂層面，質量和正確性并不是最重要的：而讓人工智能模型生成藝術或音樂這類功能更為重要，因為我們可以在Discord頻道中分享，當然也會很快就會忘記它。大家通常會有一種心理傾向，認為更多的內容=生產能力=好，所以，用戶通常會被吸引到生成式的、自動創造的AI工具。

Ripple正式啟動美國市場招聘，此前曾傳將重返美國市場:金色財經報道，Ripple官推發布招聘信息顯示，該公司將在美國招聘“高級政策負責人（Senior Policy Director）”一職，同時還將招聘高級軟件工程師、合規和風險工程人員。本周Ripple公司總裁Monica Long在接受CNBC采訪中稱隨著美國法院裁決XRP不被視為證券后，該公司將重新返回美國市場。Monica Long當時還補充表示，英國、歐洲、新加坡、中東迪拜等司法管轄區都提供了明確的框架和規則，Ripple 還將加大在這些地區的業務擴張，而本次重新進軍美國市場也標志著Ripple公司戰略的“輕微轉向”。[2023/8/6 21:28:08]

舉個例子：ChatGPT的興起，就是很具備說服力的案例：因為用戶真的容忍了這個聊天機器人很多質量上的缺陷，就是因為大家能用它，生成更豐富的內容，并且分享，令人印象深刻。

當涉及到B2B應用時，業務目標就不同了。這里的目標，主要是圍繞時間和質量的成本效益評估。我們要么希望能夠用同樣的時間產生更高的質量，要么希望產生同樣的質量，但是速度更快。

比特幣全網未確認交易數量為37405筆:金色財經報道，BTC.com數據顯示，目前比特幣全網未確認交易數量為37405筆，全網算力為5.29 ZH/s，24小時交易速率為8.84交易/s，目前全網難度為43.55 T，預測下次難度上調3.12%至44.91T，距離調整還剩5小時1分鐘。[2023/3/21 13:15:33]

人們使用B2B應用主要是在工作場所，在這類的場景中，質量更重要。然而，今天人工智能生成的內容，主要是為重復性和低風險的工作提供的，這種業務層面上，要求通常不高。例如，生成式AI很可以為廣告或產品描述撰寫文案，許多這個領域的B2B應用，表現出明顯的增長態勢。

但我們隨后也發現，生成式人工智能在撰寫意見或論據方面確實不可靠注意，當涉及到B2B生產環境中的創新和合作時，這一點更重要，大模型生成SEO信息也許是可用的。但是，如果讓它為開發者撰寫一篇詳細新產品的博客文章，將會需要不小的人力去完善，以確保這篇文章是準確的，與目標受眾產生共鳴。

數據：SHIB過去24小時漲超20%，近兩日交易額接近11億美元:1月18日消息，據CoinGecko的數據，SHIB在過去24小時內上漲了20%以上。Nansen報告稱，去中心化和中心化交易所的SHIB交易都出現了大幅上漲。1月17日至1月18日期間，SHIB的交易額接近11億美元。

此外數據顯示，交易員們還推動DOGE在過去24小時內上漲了近6%，過去兩周上漲了近23%。

此前1月16日消息，Shiba Inu宣布即將推出Layer2解決方案Shibarium Beta版本。[2023/1/18 11:18:52]

另一個常見例子是AI用于編寫銷售的電子郵件，生成式AI對于普通的、冷冰冰的冷啟動郵件是很有用的，但對于準確的個性化郵件來說就不太可靠了。從一個優秀銷售的角度來看，生成式AI有助于在更短的時間內寫出更多的電子郵件，但要寫出能提高回復率，并帶來訂單的電子郵件，銷售代表還是需要仔細研究，并通過自己判斷，了解潛在客戶想聽什么。

Europa Digital Assets旗下加密基金獲Galaxy Digital種子輪投資:7月29日消息，Europa Digital Assets旗下離岸基金Opportunistic Offshore Fund已獲Galaxy Digital種子輪投資，但目前該加密投資公司拒絕就Galaxy Digital的投資金額發表置評。Europa Digital Assets通過開放式基金為合格投資者提供加密現貨資產、衍生品和DeFi協議風險敞口，幫助投資者執行套利、相對價值和多頭波動策略，據該投資公司聯合創始人SarahOlsen透露，Galaxy Digital已經開始為Europa Digital Assets提供風險管理、運營和品牌建設方面的指導，該公司還將使用Galaxy Digital的交易平臺。（Blockworks）[2022/7/29 2:45:05]

從本質上講，在頭腦風暴和早期，第一波生成式人工智能對于更實質性的寫作是成功的，但最終，越是需要創造力和領域內人專業知識，就越需要人為完善。

重構工作流程，有何代價？有何好處？

即使在生成式AI對較長的博客文章有用的情況下，你的Prompt必須是精確的。也就是說作者必須已經對代表自己博客文章的實質概念，具備清晰認識。然后，為了得到良好的結果，作者必須對AI輸出的結果進行審查，迭代Prompt，不行的話，還要重寫整個章節。

這里有個例子是用ChatGPT來生成法律文件，需要熟悉法律prompt的人提供所有需要的條款，然后ChatGPT可以用這些條款來生成草案。注意，AI不能執行當事方之間的談判過程，但一旦所有關鍵條款都確定下來，生成式AI就可以出品較長的法律類文件草稿。不過，這些工作仍需要職業律師對它進行審查，編輯輸出，以使這項文件達到可以簽署的出品樣本。

這也是為什么這類成本+效益評估模式，會在B2B背景下打破。

知識工作者正在評估如何工作流程中增加一個額外的AI功能的步驟是否值得花時間？是否應該還是由我們自己做？

第二波生成式AI浪潮：

匯聚信息，從而改善決策

當我們進入第二波生成式AI浪潮的時候，焦點會從信息生成轉向信息綜合。注意，在知識工作中，決策能力具備巨大價值，而員工的報酬是根據不完善信息做出決定，而不一定是單純執行或解釋這些決定而產生的內容數量而決定的。在許多情況下，更長的時間并不意味著更好。

許多常識和公理都支持下列觀點：

1.代碼行數不是衡量工程生產力的好方法2.更長的產品內容，不一定就能起到更清楚的說明作用3.更長幻燈片，也不一定能提供更多見解

Hex公司創始人BarryMcCardel認為，人機可以共生，比如說LLM如何能夠改善我們的工作方式？

"AI在這里是為了增強和改善人類的能力，而不是取代人類。

因為當涉及到理解世界和做出決策時，人類一定要參與其中。人工智能能做的是幫助人類將更多的腦電波，應用于有價值的、創造性的工作，這樣我們不僅能在一天中花更多的時間來做重要的工作，而且還能解放自己，從事最有價值的工作。"

那么，AI如何改善人類的決策？法律專家需要專注于綜合和分析，提高決策的質量和/或速度，明顯的應用是，去總結人類自己永遠無法直接消化的大量信息。

SynthAI在未來的真正價值是，幫助人類更快地做出更好的決定。

這里的設想幾乎與ChatGPT的用戶界面相反：與其根據簡明的Prompt寫出長篇大論的回復，如果我們能從海量數據中，逆向設計出總結的簡明提示，會怎么樣？

這將有機會，讓我們重新思考用戶體驗，使其盡可能有效地傳達大量的信息。例如，像Mem這樣由AI技術驅動的知識庫，保存著某個組織中的所有會議筆記，可以主動對相關的決策、項目或人發起建議，當組織中的角色開始一個新項目時，應該參考這些決策、項目或人，從而節省了他們瀏覽先前機構沉淀知識的數個小時的時間。

回到上面一個對外發送營銷郵件的例子，一個潛在的表現是，AI可以識別目標客戶，究竟在何時會處于最高水平的購買意圖，并提醒相關銷售代表。然后，人工智能模型將根據綜合研究，建議在電子郵件中提一兩個最重要的問題，以及與想要銷售的目標客戶最相關的產品功能。

這些輸入，可以被輸入到第一波生成式AI帶來的解決方案中，但其價值來自于綜合階段，并為銷售人員，節約了對單一潛在客戶的研究時間。

確保這種綜合信息質量足夠高的根本轉變是，從大規模的通用模型轉向能夠應用多種模型的架構，包括在特定領域和特定用途的數據集上訓練的更精細模型。例如，某個構建客戶支持應用的公司，會使用以支持為中心的模型，該模型可以訪問公司的歷史支持票據，但在其他情況下又會回到GPT。在建設專有微調模型和數據集壁壘，這些組件會成為公司速度和質量的護城河。

SynthAI的部署

當我們思考，第二波生成式AI浪潮可能是什么樣的時候，我們相信從SynthAI中，受益最大的應用場景將是以下兩種情況：

1.存在大量信息的場景，人類很難手動篩選所有的信息。2.高信噪比場景，主題或抽象出來的觀點必須具備準確性

人工智能對工作流的改造，會帶我們走向一個新的生產力時代。

Tags：B2B人工智能DIGIDIGB2B價格人工智能專業DIGISdigifinex公司薪資

狗狗幣