文｜適道
最近，馬斯克怒寫46頁(yè)訴狀，將OpenAI及 Sam Altman 告上法庭，并要求OpenAI恢復(fù)開(kāi)源狀態(tài)。對(duì)此，OpenAI“第一投資人”，被稱為全球科技“投資之王”的Vinod Khosla表示，馬斯克是典型吃不到葡萄就說(shuō)葡萄酸。
雖然Vinod Khosla有句名言：“一個(gè)方案有90%的機(jī)率失敗不是問(wèn)題，只要還有10%的機(jī)會(huì)獲得100倍的收益”。
然而，他本人的投資眼光卻可謂毒辣。1990年代，Khosla投資了瞻博網(wǎng)絡(luò)，并建議其開(kāi)發(fā)一種“互聯(lián)網(wǎng)路由器，而不是當(dāng)時(shí)更常見(jiàn)的普通路由器”。據(jù)《華爾街日?qǐng)?bào)》報(bào)道，Kleiner Perkins對(duì)瞻博網(wǎng)絡(luò)的300萬(wàn)美元投資為他帶來(lái)了70億美元的收益。
2019年，當(dāng)OpenAI從一家非營(yíng)利研究組織轉(zhuǎn)變?yōu)椤坝杏舷蕖惫荆琄hosla大膽地邁出了第一步，其創(chuàng)立的投資機(jī)構(gòu)Khosla Ventures在種子輪向OpenAI投出高達(dá)5000萬(wàn)美元。該金額是Khosla Ventures成立十五年來(lái)任何一筆投資規(guī)模的兩倍。
至少?gòu)?0年前開(kāi)始，Khosla就堅(jiān)信，AI將徹底改變世界。他認(rèn)為：未來(lái)20年，AI有可能在80%的人類角色中承擔(dān)80%的工作量，并創(chuàng)造巨大的經(jīng)濟(jì)價(jià)值。
上周，Khosla分享了自己對(duì)AI 交互與革命的最新洞察《How AI Will Change Our Relationship With Computers》（The Information）。這位科技“投資之王”表示：“AI硬件” （AI hardware） 和“小工具”（gadgets）等術(shù)語(yǔ)更像是一種“誤用”。不妨拋開(kāi)“設(shè)備”的局限，討論在人機(jī)交互變革的大背景下，將會(huì)發(fā)生哪些根本性變化？適道在不影響原意的情況下，對(duì)文章進(jìn)行了簡(jiǎn)譯和補(bǔ)充改寫。
01 語(yǔ)音主導(dǎo)界面，軟件將學(xué)習(xí)人類
第一個(gè)根本性變化——低延遲語(yǔ)音將成為人機(jī)交互的主導(dǎo)界面。
想象一下，比起用手指戳半天屏幕，延遲在半秒內(nèi)的語(yǔ)音顯然更加便利。與此同時(shí)，“無(wú)聲語(yǔ)音”技術(shù)也在迎面走來(lái)。當(dāng)你在公共場(chǎng)合中，無(wú)需發(fā)出聲音就能和設(shè)備進(jìn)行互動(dòng)，不干擾他人，也能保護(hù)隱私。
第二個(gè)根本性變化——軟件將適應(yīng)人類，而不是人類學(xué)習(xí)軟件。
到目前為止，我們總是在自適應(yīng)軟件——學(xué)習(xí)APP的復(fù)雜設(shè)計(jì)，記住層次化的菜單，并以此與機(jī)器交互。未來(lái)，我們不再需要像學(xué)習(xí)使用 Uber 或SAP、Oracle 這樣的復(fù)雜系統(tǒng)一樣，去學(xué)習(xí)如何使用這些APP。
綜上，新一代硬件將結(jié)合二者特征——實(shí)現(xiàn)語(yǔ)音互動(dòng)、能夠?qū)W習(xí)人類語(yǔ)言和人類本身。雖然處理某些視覺(jué)任務(wù)可能仍然需要屏幕，但核心交互將轉(zhuǎn)向語(yǔ)音——無(wú)論是無(wú)聲的還是有聲的。
Khosla指出：前蘋果首席設(shè)計(jì)官Jony Ive和Sam Altman討論過(guò)一個(gè)AI硬件項(xiàng)目，甚至在ChatGPT出現(xiàn)之前，大家就預(yù)言會(huì)出現(xiàn)這種界面。雖然早期熱度很快消退了，但他們的方向是正確的。問(wèn)題出在，他們沒(méi)有充分關(guān)注AI所帶來(lái)的全新用戶體驗(yàn)。
02 延遲不低的Rabbit何以得到Khosla青睞？
前段時(shí)間，初創(chuàng)公司Rabbit在CES 2024上發(fā)布了其手持式AI硬件產(chǎn)品——R1，售價(jià)199美元，上線5日就賣了5萬(wàn)臺(tái)，近1000萬(wàn)美元。
和此前出圈的Ai Pin類似，Rabbit R1也采用緊湊小巧的設(shè)計(jì)，并標(biāo)配了麥克風(fēng)、攝像頭，不需要連接手機(jī)，沒(méi)有內(nèi)置 App。不同的是，Ai Pin沒(méi)有屏幕，選擇“投影”顯示，看起來(lái)更酷炫；Rabbit R1則是搭載了一塊 2.88 英寸的觸摸屏，更為穩(wěn)妥。
Rabbit R1的定位為AI Agent，用戶在不需要手機(jī)的情況下能夠完成很多任務(wù)：叫車、放歌、訂餐、訂酒店，甚至在Midjourney 上生成圖片。CEO呂騁（Jesse Lyu）在實(shí)測(cè)操作中，只需說(shuō)一句“Play Feel Good Inc”，這首歌就能直接播放；對(duì)著屏幕中Discord論壇，問(wèn)一句“大家都討論什么”，Rabbit R1就可以對(duì)“看”到的內(nèi)容進(jìn)行總結(jié)。
Khosla本人正是Rabbit的早期投資人，投資金額高達(dá)千萬(wàn)美元。在文章中，Khosla給出了投資Rabbit的理由：“Rabbit是人機(jī)交互在強(qiáng)大AI世界中的早期嘗試——設(shè)備通過(guò)自然語(yǔ)言，用語(yǔ)音與計(jì)算機(jī)（或稱為“代理”）進(jìn)行交流?！?/p>
Khosla舉了個(gè)自己的例子，當(dāng)他徒步時(shí)，會(huì)使用“Picture This”APP識(shí)別自己遇到的植物，但這個(gè)過(guò)程很麻煩：停下來(lái)，暫停有聲讀物，打開(kāi)應(yīng)用，拍照，等待答案加載，關(guān)閉應(yīng)用，將手機(jī)放回口袋。有了新設(shè)備，Khosla只需將設(shè)備指向植物并問(wèn)：“這是什么植物？”就會(huì)得到答案，然后繼續(xù)聽(tīng)正在播放的有聲讀物。
不過(guò)，Khosla可能要“等上一陣”。外媒爆料，有拿到真機(jī)的網(wǎng)友發(fā)現(xiàn)，Rabbit R1會(huì)在收到問(wèn)題后說(shuō)一句“讓我看看”，接著就是20秒的無(wú)事發(fā)生，這延遲顯然不符合Khosla定義的“半秒內(nèi)”。
但根據(jù)CEO呂騁在訪談中的回應(yīng)：Rabbit OS并非像ChatGPT一樣的大語(yǔ)言模型LLM，而是基于大動(dòng)作模型（Large Action Model）開(kāi)發(fā)。LAM能夠使AI學(xué)會(huì)人類操作各種APP的方式，并通過(guò)與LLM結(jié)合，從而實(shí)現(xiàn)“用戶發(fā)指令——AI執(zhí)行”的效果。因此，Rabbit OS更像一個(gè)通用的APP控制器。
如果用戶僅使用LAM涉及的功能。例如，播放一首歌；詢問(wèn)“橙子和橘子的區(qū)別”等任何不需要搜索最新信息的任務(wù)，Rabbit響應(yīng)速度會(huì)非?？?，幾乎在0.5秒以內(nèi)。但如果涉及使用OpenAI，例如搜索最新信息，速度就會(huì)變慢，一般在7——8秒，涉及視覺(jué)則會(huì)更慢。不過(guò)，呂騁表示，這已經(jīng)是目前行業(yè)內(nèi)最快的速度。
Khosla本人似乎對(duì)Rabbit的目前的“延遲”不太在意，他更在意的是“讓AI代替人與APP交互”，并對(duì)Rabbit OS 基于LAM“跨APP工作”能力大為贊賞：這代表傳統(tǒng)范式將完全顛覆，意味著最終我們不必與軟件交互，因?yàn)锳I 將替我們這樣做。
但新的問(wèn)題來(lái)了，Rabbit為何不以一種“APP”的形式出現(xiàn)在手機(jī)中？就像智商更高的Siri？
呂騁從創(chuàng)業(yè)者的角度給出了答案：首先，雖然Rabbit可以成為一款A(yù)PP，但如果Rabbit只是個(gè)APP，就意味著蘋果公司能接觸到代碼，無(wú)異于分享了公司的知識(shí)產(chǎn)權(quán)。其次，團(tuán)隊(duì)不得不同時(shí)為iOS和Android開(kāi)發(fā)維護(hù)這款A(yù)PP，這還需要大量的持續(xù)資金投入。最重要的是，當(dāng)Rabbit會(huì)被放在和其他APP一樣的平臺(tái)上，會(huì)給自己帶來(lái)了不安：如果明天出現(xiàn)了一個(gè)更好的應(yīng)用怎么辦？用戶忠誠(chéng)度幾乎為零。
那么，如果Siri自己變成高智商呢，還需要Rabbit R1嗎？呂騁表示：?jiǎn)栴}不在于技術(shù)，而在于商業(yè)模式，因?yàn)閕Phone不可能一夜之間沒(méi)有AppStore。而Rabbit R1可沒(méi)有內(nèi)置 App。
對(duì)于Rabbit R1的定位，呂騁給出了一個(gè)靠譜的描述：AI時(shí)代的iPod。
試想，在非智能手機(jī)時(shí)代，你會(huì)一個(gè)褲兜裝手機(jī)，另一個(gè)褲兜裝iPod。未來(lái)，或許會(huì)一個(gè)褲兜裝iPhone，另一個(gè)褲兜裝AI Agent。
但正如呂騁恐懼“下一個(gè)更好的應(yīng)用”，如果下一款更快的AI Agent出現(xiàn)呢？畢竟，199美元的售價(jià)像是買了個(gè)付費(fèi)的“AI app”。用戶或許也可以花不高的價(jià)格買到下一款更好用的“AI app”，如此一來(lái)，建立在Rabbit R1上的拓展業(yè)務(wù)也將不再存在——“人們教Rabbit來(lái)做他們自己的事情，本質(zhì)上是在創(chuàng)造Rabbit，而不是使用APP，當(dāng)用戶銷售他們自己的Rabbit時(shí)，Rabbit OS將會(huì)從中抽成?！?/p>
03 AI Agent會(huì)是下一個(gè)iPhone嗎？
結(jié)合文章，適道發(fā)現(xiàn)一個(gè)新角度——AI時(shí)代的社交媒體將走向何方。
呂騁表示：還有很多事情我寧愿去手機(jī)上查看，至少目前是這樣。首先是重要的社交功能；另一部分是專業(yè)的群聊。
Khosla則指出：手機(jī)現(xiàn)在的設(shè)計(jì)是為了分散我們的注意力。如果我在徒步旅行時(shí)拿出手機(jī)，我會(huì)看到我的電子郵件、短信和其他通知；我會(huì)被拉到某個(gè)社交平臺(tái)上，看到廣告，甚至可能陷入一個(gè)兔子洞，無(wú)意冒犯。
而這些新設(shè)計(jì)，比如Rabbit旨在節(jié)省時(shí)間和減少干擾。你告訴它要做什么，它就只做那些，沒(méi)有多余的。
Gartner最新預(yù)測(cè)，到2025年，50%消費(fèi)者將“放棄或大幅限制與社交媒體的互動(dòng)”。在 Gartner去年夏天的一項(xiàng)調(diào)查中，53%的消費(fèi)者表示，社交媒體在前一年或過(guò)去五年中變得更糟。
有趣的是，根據(jù)傳播學(xué)中的“媒介即訊息”，隨著AI時(shí)代的到來(lái)，新一代AI Agent是否會(huì)摧毀iPhone所創(chuàng)造的社交媒體時(shí)代？“一個(gè)與真人分享的社交空間”是否將會(huì)終結(jié)？如果能，那么，人類當(dāng)前由“社交媒體”承載的“娛樂(lè)時(shí)間”又將投向何方？這其中又將蘊(yùn)含哪些新“錢景”？