本文原始内容编写自 2023 年 6 月，在 2024 年 Sora 诞生之际再翻出来这个结论 refine 发出来。
当我们在投资 AGI，实际上我们的投资逻辑可能是什么？
我们在投资 LLM 么？我们在投资文生图么？我们在投资 AIGC 么？
如此海量的投资，除了 FOMO 之外，应该是以什么逻辑呈现？
我们从一个投资反复询问了我许多次的问题开始：计算资源的需求指数级的在提升，那么从商业回报层面，继续投下去值得么？
一些在我看来比较共识性的结论：算力的确是指数级在提升，但指数级算力提升换来的是一个相对线性的智能提升水平。
我们只用了几年的时间，算力增长就从物理层面被严重的限制了（电力、故障率），目前每增加一倍有效的算力，背后所需要的资本可能需要 1.5x~2x。
以现有的 LLM、文生图 而言，已经有了一定商业价值，但单看这两个应用场景，它们大概率都无法称作一笔值得的投资为了回答这个问题，这里要提到两个有趣的观点：
这两个结论我们先不展开，但利用这两个结论继续往后推衍。
我们会发现：以强化学习 + Transformer 技术为基础，“充分利用算力达到 AGI”为目标的研发活动，就是一种“良好的系统设计”“每隔半年就会有重大的技术突破”，是我们近十几年来都从未体验过的快速科技发展速度，这套技术栈几乎在任何一个科研领域都在展现效果（AlphaGo、视觉、语言、蛋白质折叠……）。
相比 10 年前的 AI 领域，技术突破的程度 & 速度都是巨大的提升，其原因在于：我们找到了合适的手段，使得可以更多的利用算力代替人脑进行探索，从而首次让“科研产出”变成了“稳定可预期的” 甚至可随着资本投入任意 scale 的，而这又进一步让资本愿意成本的加大投入。
Gemini、Sora 的面世又又又一次证明了这一点。
通过模型替代人，也许单看个体的效率提升不高，但其最大的价值在于模型的“可靠”（随时随地、耗时稳定、供给充足），从而让整个系统的效率大幅度提升。
diffusion 等生成技术并不一定能直接产出最终需要的图，但其稳定可靠的生产效率，使得游戏、广告行业的概念验证。
拥有稳定可靠的供应能力意味着所有人没必要预留 buffer，从而大幅度的减少冗余资源（从水、电、天然气，到电子银行，再到医疗资源等等）。
试想一下，如果未来这些方面有着时间稳定 & 无需询价的供应，社会的生产效率会不会有一种质的飞跃？
……连起来来看：指数级算力投入 → 线性的智能水平提升 → 指数级的社会效率提升。
算力的投入和最终得到的社会效率提升之间可能是比较线性的。
当具体参与到社会中时，即便模型只有微小的能力差异，能力略高的模型也有可能获得垄断性的收益。
随着个人生产力的显著提升，可预期会带来社会效率进一步提升，可能催生出不曾想象到的新领域，这可能会给做为模型供给方的 AGI 公司带来爆发性的收益。
投资 AGI，投资的是一种新的生产形态（生产智能的公司），一种更好的利用能源来提高社会生产效率的生产形式。
从提升整个社会的生产力的视角来说，我们最后值得期待大模型的智能能力逐步成为像水、电、铁路一样的社会底层基础（且价格足够便宜），但这一点不一定必然带来足够的资本回报。
做为 AGI 公司的投资方，是否最终能从这份投资中获得充足的收益，一方面要看大模型落地过程中是否模型可以垄断市场（我认为可以），另一方面还取决于能否抓住社会效率提升所带来的配套机遇（类比于电力出现后，各类产品的电力化都是非常高回报的投资产品）。
综上，投资 AGI 的逻辑前提是应该对 e/acc 有着坚定的认同，欢迎志同道合的人们一起来投入。
附录
通过良好的设计，可以使得一个拥有海量非线性单元所组成的系统，对外表现出一种线性的表现。
可以类比于公司的组织设计、分布式系统的容错设计等。
单个执行单元可靠性的提升，即便极其的微小，也会在整体生产效率上带来指数级的提升，因为：允许系统规模急剧增大 or 被极其庞大的系统规模放大，这里有一些例子。
最简单的比喻，就是银行利率的微小变化，会经过反复的抵押融资过程指数级的放大其影响【被系统放大】。
由于我们用 GPU 部分替代了人脑探索，我们成功的让科研突破的效率提升了几个数量级【允许系统规模增大】。
单个 GPU 可靠性的 99%, 99.9%, 99.99% 意味着千卡集群的可靠性=0.004%, 37%, 90%【被系统放大】。
e/acc：有效加速主义，坚信不计一切代价推动技术革新是唯一在伦理上正当的行为。
本文由人人都是产品经理作者【OneMoreAI】，微信公众号：【OneMoreAI】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。