AI预训练时代终结,基础模型公司只有这三家——Perplexity CEO的AI预言

新闻

作者：微信文章
在哈佛创新实验室7月4日发布的访谈中，Perplexity CEO Aravind Srinivas抛出了一个观点：我们所熟知的AI预训练（pre-training）时代即将终结，而推理(reasoning)将成为下一个十年的主旋律。

一、AI进化的新篇章：从"数据喂养"到"思考训练"

过去18个月，我们见证了ChatGPT系列带来的生成式AI革命。但在Srinivas看来，这场基于海量数据预训练的狂欢正在接近尾声。

"预训练部分确实即将结束，现在有一个叫做推理的新范式...模型需要完成真正困难的研究任务、工作流程，或者在网络上实际完成某些任务。"

这个转变意味AI不再满足于"鹦鹉学舌"式的文本生成，而是要像人类一样进行链式思考、逐步推理、最终得出可靠答案。这就像是从"背书"转向"解题"——前者依赖记忆，后者需要真正的理解和推理能力。

Srinivas特别提到，中国开源模型DeepSeek的崛起正在加速这一转变。DeepSeek Zero通过强化学习实现了无监督的推理能力涌现，无需任何标注数据。这种技术突破迫使美国实验室也加快了创新步伐，全球AI竞赛进入了新的加速期。

二、挑战Google的三重机会：成本、风险与商业模式

作为AI搜索领域的挑战者，Perplexity如何敢于挑战搜索巨头Google？Srinivas指出了Google在AI搜索转型中面临的三大困境：


1. 成本压力：Google每天处理数十亿次搜索请求，如果每次都要调用大语言模型生成答案，其计算和存储成本是极其巨大的。而Perplexity作为一个相对较小的平台，可以逐步扩展，可以更精准地配置资源，专注于核心功能，承担这种成本压力要小得多。

2.声誉风险：对于Google这样的全球性平台来说，一旦AI答案出现错误，影响会在全球范围内被放大，都可能引发巨大的品牌危机。而Perplexity可以在相对较小的用户群体中快速迭代，及时修正错误。

3.商业模式冲突：这或许是最关键的障碍。Google的核心盈利模式建立在链接点击和广告收入之上，而生成式AI答案会直接回答用户问题，减少用户点击外部链接的需求，这与Google的核心收入模式产生了根本性冲突。

这三个因素为Perplexity这样的"对话式搜索"创造了难得的竞争窗口。Perplexity创造了一个"既是搜索又是问答"的融合界面，在提供便捷答案的同时保持信息的可验证性。这种体验比传统搜索更加流畅自然，也比纯粹的AI聊天更加可信。正如Srinivas所说，"很少有人能在任何事情上与Google竞争，但这是一个有趣的商业模式构建方式的产物"。

三、Perplexity的战略演进：从"套壳"到"原创者"

很多人将早期的Perplexity视为其他AI模型的"套壳"(wrapper)，但Srinivas透露，这是一个深思熟虑的策略选择。

"我们在2023年做出的这个决定，是一个非常有意识的选择，目的是不烧光资金，建立用户基础，建立心智份额，创建数据飞轮，以便能够训练我们自己的模型。"

Perplexity押注了三个关键趋势：

1.开源模型将追平闭源模型：在推理和效率上，开源模型正在快速缩小与闭源模型的差距。

2.模型将变得更高效更小：这意味着部署成本将大幅降低。

3.用户数据将成为核心竞争力：通过用户查询日志、反馈数据、专家评估等，构建独特的数据飞轮。

现在，这些数据正在发挥关键作用。Perplexity通过分析"哪些信息源最有用"，不断优化其爬虫和索引系统，同时使用"更大的LLM来评估较小的LLM"，形成了高效的合成数据生成机制。

事实证明，这些"2023年看起来并不明显的押注"正在逐一兑现。

四、基础模型的"三国演义"：谁能笑到最后？

在基础模型竞争格局中，Srinivas认为目前只有三家公司能够称为真正的独立基础模型公司：OpenAI、Anthropic、xAI。

1.OpenAI：凭借庞大的用户基础具有独特优势——即使底层模型发生变化，用户也不太容易察觉，这为模型迭代提供了巨大的缓冲空间。

2.xAI：与社交平台的深度融合让其在应用层面具有明显优势，能够更好地理解和满足用户的实际需求。

3.Anthropic：则专注于AI安全和对话能力，在特定领域建立了技术护城河。

而那些"主要专注于API的云端公司最容易被开源模型取代"，因为开源模型在成本和定制化方面具有天然优势。

五、创业者的生存法则：

技术深度与战略眼光并重

作为拥有OpenAI、Google、DeepMind等实验室工作履历、技术背景的成功AI创业者，Srinivas对后来者提出了宝贵建议。他强调创业者"确实需要了解技术细节，因为这有助于做出价值数百万美元的决策"。

在策略选择上，他建议"押注开源...建立用户基础和数据飞轮"。当前的AI环境中，开源模型的快速发展正在降低技术壁垒。

但他也坦诚地提到，"你需要多次幸运"。提醒成功的创业不仅需要技术实力和战略眼光，还需要一定的时机和运气。

速度与准确性之间平衡

在产品发布策略上，Perplexity采用了"最小可接受质量"(MAQ)的方法。这种平衡既保证了产品的基本可用性，又允许快速迭代和改进。这种方法论对AI行业特别重要。在技术快速发展的环境中，完美往往是进步的敌人。关键是找到那个"刚好足够好"的平衡点，既能满足用户需求，又不会因为过度完善而错失市场机会。

六、AI展望

AI的双面镜：乌托邦与反乌托邦并存

谈到AI对社会的影响，Srinivas展现了平衡的视角。他认为AI将带来"知识民主化"，让更多人能够访问和使用智能工具。但同时，他也坦承"我们不应该完全忽视反乌托邦的结果"。

最让他担心的是收入分化问题。"那些知道如何使用AI的人将获得巨大利润...但知道如何使用的人将是人口中很小的一部分"。这种"数字鸿沟"可能会加剧社会不平等。

有趣的是，他提到"程序员实际上是最受AI影响的群体"，因为重复性编码工作最容易被AI工具取代。这对我们这个行业来说既是挑战也是机遇——需要从纯粹的代码编写转向更高层次的系统设计和创新思维。

教育革命：从知识传授到能力培养

对于教育的未来，Srinivas认为大学应该专注于培养"良好的品味、批判性思维和问题解决能力"，而不是单纯的知识传授。

同时，他提倡教师角色的转变——"教授应该是教练，而不仅仅是评估者"。这种转变反映了AI时代对人才的新要求：不是看你知道多少，而是看你能否用现有工具解决新问题。

AGI还有多远？

对于通用人工智能(AGI)的前景，Srinivas持相对谨慎的态度。他认为AGI的实现取决于"模型在复杂系统中的真实部署与反馈"，短期内很难实现完全自主的、可自我修复和自我部署的智能体。

但他也指出，随着推理能力的不断提升，AI在垂直领域的应用将越来越深入。我们可能不会一夜之间看到AGI的出现，但会逐步见证AI在各个专业领域达到甚至超越人类水平。

Srinivas这次访谈从技术路线的转变到商业模式的创新，从社会影响的思考到教育方式的革新，涵盖了AI发展的各个维度。预训练时代的结束或许意味着新一轮创新的开始：推理能力的提升、垂直领域的深化、产品与研究的协同...... Srinivas说，"这就是下一步的明确方向"，会思考的AI将比会背书的AI更有价值，能够推理的系统将比能够记忆的系统更有前途。

---

本文基于Perplexity CEO Aravind Srinivas在哈佛创新实验室的访谈内容整理而成，视频链接：The Future of AI with Perplexity CEO aravind Srinivas, https://www.youtube.com/watch?v=OQdsN6zyfuY。

#Perplexity #AI搜索 #Google #xAI #OpenAI #Anthropic

往期相关文章

谷歌反垄断余波：AI新贵如何改写AI搜索游戏规则？——Perplexity CEO谈AI搜索竞争格局

AI访谈 | Perplexity如何重新定义搜索？创始人谈AI时代开发者必备的核心能力