Founders Fund: AI 会是下一个 Crypto 吗？

技术的使命

Mission

自 20 世纪 90 年代以来，企业家们一直试图创造数字货币，多年来的尝试都以失败告终。直到2008年，比特币表明，加密工作证明 + 区块链是第一个令人满意的解决方案。

比特币白皮书明确了使用情况：规避传统金融机构。Crypto 的使命是无政府资本主义（anarcho-capitalist）和革命的。创始人是这个技术的最佳传教士，用中本聪的话说：

" 我们被要求必须信任中央银行不会贬值货币，但法定货币的历史充满了对这种信任的破坏。我们被要求必须信任银行持有我们的钱并以电子方式转移，但他们在一波又一波的信贷泡沫中把钱借出去，几乎没有一点储备。我们不得不把我们的隐私交给他们...... "

Crypto 的意识形态推动了早期的应用。去中心化的货币被证明是有使用场景的，无论是合法的还是非法的：匿名购买比萨，在 Silk Road 上购买毒品，逃离暴政政府的法币系统。用现金换取比特币，你就可以脱离中央银行系统的监管。

后来，这个任务变得更加模糊。加密货币的去中心化目的失去了：活动变得集中化，交易被追踪，并且增加了 KYC 和 AML 条款。也许加密货币必须与金融系统整合才能普及，但如果区块链没有去中心化，它到底在做什么呢？

随着 Crypto 发展到 Web3，任务范围也在悄然变化。Crypto 最初是关于去中心化的货币，后来变成了去中心化的一切。建设者们专注于基于区块链的社交网络，去中心化的游戏，以及 NFT 票务。Crypto 是数字货币，但人们觉得它需要更多。

即使现在 Crypto 行业已经被腐蚀了，加密货币最初的反动使命也会让你上头。这个使命在创始白皮书的标题中，在论坛讨论中，在架构中，在应用中。

如果去中心化是 Crypto 的创始使命 -- 那么人工智能使命的对应物是什么？好莱坞并没有描绘出一幅积极的画面，在每一部反乌托邦的科幻电影中都有人工智能的身影：《 太空漫游 》中的 HAL 9000，《 终结者 》中的天网，《 她 》中的萨曼莎，《 机械姬 》中的艾娃。

在电影之外，人们围绕着更深入地巩固觉醒主义，或者更糟糕的是，以 AI 会取代人类的工作，讲述可信的反乌托邦式的 AI 叙事。人工智能可以成为人类创造力和思维的共生伙伴，但乐观的故事需要被分享。

人工智能的积极使命并不像加密货币那样具体清晰，或者至少现在还没有。

未确立的创始使命：人工智能技术本身没有插入什么使命感，不像区块链是无信任的，因此是反体制的。这可能是一件好事：人工智能是一张意识形态的空白画布，可以根据人类的意愿进行塑造。

许多人还是对人工智能的使命感到兴奋。他们到底在兴奋什么？AI背后的意识形态是某种后稀缺时代或者说繁荣的未来 （post-scarcity or abundance）--从扩展繁荣为目标的资本主义到共产主义的光谱。在人工智能的早期现代时期（2010年代中期），它的使命是有效的利他主义（effective altruism）：建立AGI，然后把利润捐给全社会。

许多人工智能公司的既定使命与 1900 年代的失败的社会主义实验押韵，吓跑了保守派和自由主义者。但他们是明显不同的：通过技术产生富足，比欧洲社会主义有更好的先例，后者通过政治力量重新分配富足。

集中的控制：对人工智能基础模型（AI’s foundational models）的控制似乎可能会集中化。开放源码模型（Open source models）的人工智能会有前景，但大型私有公司的模型要表现好得多。即使是加密货币最终的集中化程度也远远超过了它的愿景。

我对人工智能集中化的最佳心理模型是参考半导体行业。有许多较落后的边缘芯片（lagging edge chips）供应商，但很少有（有价值的）领先边缘供应商。

如果我们想到政治的历史，集中化听起来很危险，但分散去中心化一项技术也不一定是好事 -- 如果人工智能变得无所不能，你不会希望每个人都有核发射密码。

使命中立性：大多数行业都有应用-基础设施的双向性（application-infrastructure duality）。例如，在软件方面，云供应商处理基础设施，而软件公司则建立应用程序。比特币是一元的：基础设施就是应用。这意味着技术使命被定义在基础设施层面。

大多数使能技术（enabling technologies）是相对无使命的：云基础设施、半导体、移动通讯，甚至互联网。也许人工智能在基础设施层面上应该是无使命倾向的，而 AI 使命会在应用层得到定义。DeepMind 声明的使命似乎指向了正确的中立方向。" 解决智能问题，然后用它来解决其他一切问题 "。

基础模型应该为广泛的应用层任务提供动力 -- 政治、社会、经济上的。就像AWS 不应该审查开发人员，除非在最极端的情况下，大型模型应该避免审查AI 应用。

与云基础设施不同，基础模型有训练偏差（training bias）。但它们也有一个微调杠杆，允许应用层面的使命的灵活性。开发人员可以生成福克斯 Fox 加权或纽约时报 NYT 加权的结果。目前大型模型中的政治偏见需要一个长期的解决修复。

人工智能的使命仍然需要细化，谁来控制它是一个是值得公开讨论的。但在一个基础设施集中化的世界里，最好的使命可能是中立性。

人

People

加密货币的先驱者是自由主义者和无政府主义者，但随着生态系统的成熟，无组织的骗子涌入，引起了监管部门的审查。
文化漂移：在2008-2016年时代，只有技术专家和崇尚加密货币的思想家购买和建造加密货币。

加密货币的最初应用需要其原罪：代币化架构。金融的腐蚀力量最终压倒了该技术的有用性。
几年后，骗子们搭上了 ICO 的顺风车。易得的钱甚至腐蚀了技术清教徒：加密货币的创始人在 1-2 年内投入了数百万的流动代币，没有用户使用或管理监督。

加密货币的回报成为一种迷信 -- 一种由文化驱动的正反馈循环。炒作驱动的民间传说推动了零售式的采用。WAGMI，比特币的彩虹图，超级周期论，站在"少数"一边。任何人都可以从技术革命中获利!

在2020年和2021年的宽松货币 ZIRP（Zero interest-rate policy） 时期，迷信的零售浪潮创造了3万亿美元的 crypto 市值。不幸的是，大多数人都被灼伤了。

监管蠕变：在混乱的短视者的统治下，加密货币未能获得监管部门的支持。一些加密货币公司努力赢得机构的信任，而其他公司则努力破坏它。最接近监管机构的加密货币公司对监管机构的信任破坏最大。

加密货币人群太过反体制，无法赢得监管机构，但又内部太不协调，无法完成anti-fiat 的任务。在2023年购买比特币，需要集中式上线提交你的 SSN （社会保障账户号码） 和护照信息。每笔交易都会被情报机构追踪到。监管机构让加密货币行业进入了自己的下怀。

当泡沫破裂时，SEC、FinCEN 和 OFAC 是不遗余力推波助澜的。鉴于中心化金融机构的根深蒂固，也许得到监管部门的支持是永远不可能的。无论哪种方式，中心化的一方现在都赢了。
人工智能有一个更纯粹的人才演化弧线，但同样有受到监管审查的风险。

文化扩展的挑战：人工智能发展的形成时期有一种研究和学术发表的精神，确保技术专家，而不是金融家，成为掌控者。

在2023年，人工智能必须吸收大量的科技游客 -- 薄薄的 GPT 包装层创业公司，关于人工智能趋势的 MBA 推特的讨论，LinkedIn 的简历从 #crypto 变为#AI。真正的技术专家将加入开发工作，但过滤掉负面的人力资本是具有挑战性的。

毋庸置疑，需要更多的建设者来应用和生产最新的技术，但过快地扩大人数会导致消化不良。大多数伟大的产品都是由极少数高素质的人打造的。

最好的文化调控机制是让技术专家负责。Crypto 的代币化元素放大了诈骗者的声音。在人工智能领域，没有交易 -- 参与者必须建立或利用核心技术。人工智能承诺的是生产力，而不是轻松赚钱。
非机器学习背景的工程师也有希望在这个领域有建树。你不需要一个学习数据库的博士来使用一个数据库 -- 我们已经登上了抽象的阶梯。随着基础模型的飞速改进，通才工程师（generalist engineers）越来越容易建立人工智能应用程序。限制性因素将是具有终端市场专业知识和分销渠道优势的创始人和核心员工。

监管风险：随着任何技术的扩展，人们不禁要给它加上政治负担。人工智能也不例外，特别是考虑到它涉及到许多终端消费者。取决于你问的人，目前的人工智能模型是太“觉醒主义” 或不够“觉醒”。

AGI 取代人类劳动的陈词滥调使监管者产生了消极的倾向。人工智能安全研究人员正在努力防止科幻电影中的二元对立论，但随着模型的改进，监管机构将建立严格的护栏。

人工智能的战略重要性意味着监管机构将划定强有力的地缘政治界限。我们很快就不会使用中国的模型来驱动我们的应用程序。即使是由人工智能驱动的TikTok 也受到了两党的巨大审查。
AI 重视科学研究的出发点和较长线的商业模式应能防止被科技游客接管。但政治争议和监管将使事情变得缓慢。

价值创造

Value creation

在加密货币中，人们对是否有一个单一的 Web3 用例创造用户价值的问题进行了严肃的辩论。让我们把创造的净价值定义为: 

Crypto 的净价值 = 世界拥有crpto可以进行的活动的价值 - 世界没有crypto也可以进行的活动价值

目前还不清楚这个总数是正数、零还是负数。等式的前半部分当然有积极的成分 -- 比如人们使用比特币来逃避暴政的法币系统等。

但也有许多负面的成分。工程师的时间花在了加密货币上，而不是其他高回报的技术工作上。人们失去了他们所持有的 FTX，BlockFi 存款，以及 altcoins下降了90%。

加密货币领导者声称我们仍处于基础设施阶段。基础设施是必要的，但不是产生价值的充分条件 -- 持续使用胜过交易量。
sustained usage trumps trading volume. 

在应用层进行创新的开发者面临着发布延迟或积极的监管阻力。

成功的加密货币基础设施初创公司为其他加密货币基础设施公司和交易者提供基础设施。加密货币生态系统内的杠杆作用膨胀，表现为交易杠杆、以加密货币计价的借贷和基于加密货币的储备政策。

Web3在价值中立的基础设施阶段徘徊，受到自我暗示的束缚。有一些令人兴奋的研究前沿，如零知识证明（zero-knowledge proofs），这可以释放新的增长。但在大多数商业层面，用户采用已经停滞。

另一方面，人们根据过往经验使用人工智能来做有价值的事情。

大科技已经利用它十年了：产品推荐、新闻推送、垃圾邮件过滤、广告个性化。在ChatGPT推出的几天内，有无数的具体使用案例。

也许 ChatGPT 和生成性人工智能不会扩展成强大、可靠的系统。记者们（具有讽刺意味的是，他们可能会首先被淘汰）认为它是肤浅的，被过度炒作了。但很难忽视它的实际应用。Copilot 加速了编程，Jasper 简化了文案写作，Midjourney 和 DALL-E 有超强的艺术性，ChatGPT 提供分析和回答问题。

AI 负面效果的情况更难确定。TikTok 算法可能是一代人浪费时间的最好例子，尽管在一个没有人工智能驱动的世界里，社交媒体的消费可能仍然非常高。

如何在AI领域获取价值？从两个方面切入。

1. 基础设施的寡头垄断。Infrastructure oligopolies
如果你相信在扩展计算、数据和参数方面的持续回报，大型模型竞赛应该以寡头垄断的方式进行：在 2020 年代扩展模型是一个需要数十亿美元门槛参与的游戏。大型模型的价值获取可能会像半导体一样，在每个地缘政治区域出现少数赢家。

2. 应用扩散。Application proliferation
与基础设施不同，应用价值的获取将是分散的。现在启动一个新的基础模型公司已经很晚了，但风险投资公司还没有关注到应用层。许多数十亿美元的应用将在大型模型之上出现。
如果基础模型发展得太快，这对较薄的 GPT 包装层公司来说意味着麻烦。但是，具有专有领域特定训练数据、独特分布和复杂集成的应用将经久不衰。

一些初创公司将自己定位为 "全栈"，横跨应用产品和基础设施，建立自定义模型来支持特定领域的应用。这将是艰难的：定制优秀的通用模型（customizing excellent generalized models）比从头开始重新创造模型要容易。用现在的科技圈来比喻，很少有软件公司应该建造自己定制的硬件。

一个超级智能的 AGI 可能会产生负面价值 -- 用我的老板 Peter Thiel 的话说，就是一个 "向人们投掷闪电的宙斯"。这种尾部风险使得人工智能的安全工作值得发展。但在其他领域的调整已经发挥作用：金融法规使资本（本质上资本是一种人工智能，某种程度上）与人类保持一致。
人工智能系统的产品化是新生事物，但从净值来看，它似乎在价值创造上碾压了加密货币创造的价值。

结论

Conclusion 

人工智能行业能否保持加密货币行业失去的信心？它需要把这些事情做对：
资本：人工智能有很长的资本反馈周期，这使泡沫得到了控制。但应用必须产品化落地，以证明持续的资本涌入是合理的。

使命：人工智能的意识形态目前更像是一张空白的画布，而且技术的内在腐败程度较低。但它需要一个积极的 -- 或至少是中立的、非政治性的 -- 使命，以推翻反乌托邦式的悲观预言。
人：这个行业将有很常见的骗子涌入，但人工智能领导者们不能让他们真正控制生态系统。
价值创造：人工智能的采用（AI adoption）似乎很有希望，但从有趣的玩具过渡到可信赖的工具并非易事。

从长远来看，价值创造应该占主导地位，而人工智能似乎正在轻松获胜。企业和消费者从该技术中受益，即使是在其初生阶段。
人们在Gartner的炒作周期框架下做事：上升的东西必须会下降。

Gartner 曲线当中早期阶段的形状是对的，但生产力的高原（Plateau of Productivity) 是误导性的：它因行业而有很大的不同。一些高原期归零 -- 比如说私有云计算 -- 而另一些则超过了膨胀的期望值的峰值。

Crypto可能会在Gartner建议的一小部分出现高原期。如果让我猜测，人工智能的高峰期将远远超过他的历史峰值。