文 | 李智勇

在OpenAI 開源了個Swarm演示Multi-Agent后，微軟則開源了magentic-one。雖然演示的功能不太一樣，前者關(guān)于業(yè)務(wù)邏輯處理，后者關(guān)注文件訪問這些基本操作，但這也是個Multi-Agent的例子。橫向比較，微軟的比OpenAI的略好，可以解決實(shí)際問題，真能用。但關(guān)鍵卻不在這里，而是當(dāng)你把兩個項(xiàng)目放在一起做比較的時候，你就會發(fā)現(xiàn)一種無聲的競爭已經(jīng)開始。

我們有理由相信，隨著Multi-Agent的智能原生程序變的越來越關(guān)鍵，這種競爭也會變得越來越激烈。

很多做戰(zhàn)略分析的同學(xué)未必愿意讀代碼，愿意讀代碼的同學(xué)未必愿意花心思發(fā)現(xiàn)這種競爭的導(dǎo)火索，所以我在這里挑個事，還是把這事再說說。

AI的兵家必爭之地

什么是AI產(chǎn)業(yè)的兵家必爭之地?

備受關(guān)注的大模型其實(shí)基本不是，除非只有一家一騎絕塵，別人的模型水平是1，你是10。

如果大模型是競爭最關(guān)鍵的地兒，那其實(shí)OpenAI Swarm基于GPT-4o，微軟magentic-one也是基于GPT-4o，大家沒什么沖突。你做好模型，我用好模型，你好我好，根本沒啥沖突的事。

關(guān)鍵就在于如果你預(yù)期的是超級應(yīng)用，我預(yù)期的也是超級應(yīng)用，那就隨著超級應(yīng)用的價值變大，那超級應(yīng)用全鏈條的關(guān)鍵控制點(diǎn)上就會有你死我活的競爭。

OpenAI和微軟之間暗搓搓沖突的根源倒不是在于某個應(yīng)用，而在于誰對AI的基礎(chǔ)設(shè)施有控制力。

那什么是未來各種超級應(yīng)用的關(guān)鍵控制點(diǎn)？找出這個控制點(diǎn)就找到了AI的兵家必爭之地。

OpenAI和微軟的潛在沖突和下面這個被我隨手畫的簡圖有關(guān)：

因?yàn)槲覀冊谡f微軟，所以我們拿LLM based OS和過去的Windows做類比。

比如我們常用的Windows里面也封裝有很多算法，但不管我們在Windows上寫多少程序，也不會直接使用里面封裝的算法，而是要通過Windows對外提供的接口。這些算法對你是透明的。誰知道Windows里面封裝了多少了算法呢？

為什么這樣呢，因?yàn)閃indows里面不止有算法這些功能，還有賬戶管理、消息機(jī)制等把功能鏈接起來的部分。

上面兩張圖中，核心差異就是這個：

左側(cè)的圖仍然有系統(tǒng)的概念存在，而在右側(cè)的圖里，系統(tǒng)的概念消失了，模型不單履行邏輯判斷的能力，也還取代了系統(tǒng)。

為什么這會導(dǎo)致劇烈沖突和競爭呢？

多大池子養(yǎng)多大魚

智能原生應(yīng)用因?yàn)閿?shù)據(jù)所有權(quán)不同，所以注定有多個，但LLM based OS和LLM不是的。

這種基礎(chǔ)設(shè)施是個超級大的大池子，但理論上在一個聯(lián)通的市場空間里最后可能就剩下少數(shù)幾個，并且Top1的占據(jù)50%以上的市場份額。

誰在AI時代干成這事，誰就是新時代的巨頭。

OpenAI需要這個，而微軟顯然不會放過這個。

可左側(cè)的構(gòu)圖里面有微軟的位置，右側(cè)的沒有。

如果世界最終選擇了右側(cè)的圖，那模型即系統(tǒng)，微軟公司在AI這塊地兒的基礎(chǔ)設(shè)施上就沒有位置！

上面其實(shí)是一些猜想，這個猜想有個大前提：智能原生（AI Native）的應(yīng)用會席卷各個應(yīng)用場景。這還需要點(diǎn)時間，所以上面說的深層矛盾也就在開源項(xiàng)目上漏出一點(diǎn)端倪。

但數(shù)字的事最違反人類常規(guī)感知的點(diǎn)就是速度，假如說人類進(jìn)化的速度是1，制度文化進(jìn)化的速度是100，那數(shù)字的進(jìn)化速度至少是100萬甚至更高。

一兩年前大家不知道智能原生到底是什么，但現(xiàn)在上述兩個開源項(xiàng)目，每個都是智能原生的。

所以這種潛在沖突也可能在某個瞬間一下爆發(fā)出來，關(guān)鍵節(jié)點(diǎn)應(yīng)該是智能原生應(yīng)用的收入規(guī)模。

當(dāng)前這類競爭會在無聲狀態(tài)開始，短期誰占優(yōu)由用戶的選擇決定，但模型如果不繼續(xù)迭代幾次，應(yīng)用的范圍就還是會比較窄。微軟這次開源項(xiàng)目附帶的說明很直接道出了當(dāng)前的狀態(tài)。

1、 2、3、4、5、6如果用一句話來簡單概括就是你要把它放沙盒里面，然后人類看著點(diǎn)免得造成不可預(yù)計的損失。

具體來說就是下面這個任務(wù)在跑的時候沒準(zhǔn)就執(zhí)行了別的什么，比如把系統(tǒng)搞宕機(jī)這種事是可能發(fā)生的。

在這樣一種前提下，這種新的智能原生模式不是不能用，而是范圍會被限制的比較窄，你也不敢讓它負(fù)責(zé)出錯后代價特別大的事，比如直接做診療。

好消息是這種精度問題確定可解決，眼下不知道的是在通用的大模型上到底什么時候解決。

如果有足夠的錢其實(shí)可以在比較垂直的領(lǐng)域走特斯拉 FSD12走過的路，如果沒有那就必須等待通用大模型的升級，這二者其實(shí)等價。

理論上如果通用大模型足夠強(qiáng)大，那專門訓(xùn)練一個E-To-E的模型和直接把數(shù)據(jù)扔給通用的模型其實(shí)并沒有區(qū)別。

通用模型哪有什么智能邊界！

終點(diǎn)上應(yīng)用的邊界其實(shí)是數(shù)據(jù)的邊界。

不管怎么樣，這里需要個拐點(diǎn)。否則我們上面說的就只有影子，而不會漏出真身。

這個拐點(diǎn)在技術(shù)上是通用大模型的進(jìn)步，在商業(yè)上是出現(xiàn)一個Top的智能原生應(yīng)用公司。互聯(lián)網(wǎng)為什么變得如火如荼？本質(zhì)是因?yàn)楫?dāng)年的BAT啊，BAT的那個收入量級確實(shí)足以啟動一個時代。

這個臨界點(diǎn)，我看美國人要到了。Tesla的FSD12就不說了，Glean的ARR一年翻4倍，5500萬美金也不算少了。

小結(jié)

更有趣的事情并不是老美怎么樣，而是米國和我國的AI顯然會分成兩套很難聯(lián)通的生態(tài)系，那國內(nèi)的情況如何？走到最后米國和我國的生態(tài)系最終又會如何競爭、共存？互聯(lián)網(wǎng)用了20幾年來把這類問題交出答卷。從現(xiàn)在開始算，AI可能也需要這么多時間。所以潛在的小時代可能要過去了。