Angelababy明星造梦工厂_时尚新潮_无声处的惊雷：OpenAI和微软的竞争悄然开始Angelababy明星造梦工厂

无声处的惊雷：OpenAI和微软的竞争悄然开始Angelababy明星造梦工厂_ZAKER新闻

近日，有网友发帖称，6月22日晚，自己妹妹在吉林省长春市红旗街万达广场夜市小吃街被一块高空抛下来的砖头砸中不幸离世。

文 | 李智勇在 OpenAI 开源了个 Swarm 演示 Multi-Agent 后，微软则开源了 magentic-one。虽然演示的功能不太一样，前者关于业务逻辑处理，后者关注文件访问这些基本操作，但这也是个 Multi-Agent 的例子。横向比较，微软的比 OpenAI 的略好，可以解决实际问题，真能用。但关键却不在这里，而是当你把两个项目放在一起做比较的时候，你就会发现一种无声的竞争已经开始。我们有理由相信，随着 Multi-Agent 的智能原生程序变的越来越关键，这种竞争也会变得越来越激烈。很多做战略分析的同学未必愿意读代码，愿意读代码的同学未必愿意花心思发现这种竞争的导火索，所以我在这里挑个事，还是把这事再说说。AI 的兵家必争之地什么是 AI 产业的兵家必争之地 ?备受关注的大模型其实基本不是，除非只有一家一骑绝尘，别人的模型水平是 1，你是 10。如果大模型是竞争最关键的地儿，那其实 OpenAI Swarm 基于 GPT-4o，微软 magentic-one 也是基于 GPT-4o，大家没什么冲突。你做好模型，我用好模型，你好我好，根本没啥冲突的事。关键就在于如果你预期的是超级应用，我预期的也是超级应用，那就随着超级应用的价值变大，那超级应用全链条的关键控制点上就会有你死我活的竞争。OpenAI 和微软之间暗搓搓冲突的根源倒不是在于某个应用，而在于谁对 AI 的基础设施有控制力。那什么是未来各种超级应用的关键控制点？找出这个控制点就找到了 AI 的兵家必争之地。OpenAI 和微软的潜在冲突和下面这个被我随手画的简图有关：因为我们在说微软，所以我们拿 LLM based OS 和过去的 Windows 做类比。比如我们常用的 Windows 里面也封装有很多算法，但不管我们在 Windows 上写多少程序，也不会直接使用里面封装的算法，而是要通过 Windows 对外提供的接口。这些算法对你是透明的。谁知道 Windows 里面封装了多少了算法呢？为什么这样呢，因为 Windows 里面不止有算法这些功能，还有账户管理、消息机制等把功能链接起来的部分。上面两张图中，核心差异就是这个：左侧的图仍然有系统的概念存在，而在右侧的图里，系统的概念消失了，模型不单履行逻辑判断的能力，也还取代了系统。为什么这会导致剧烈冲突和竞争呢？多大池子养多大鱼智能原生应用因为数据所有权不同，所以注定有多个，但 LLM based OS 和 LLM 不是的。这种基础设施是个超级大的大池子，但理论上在一个联通的市场空间里最后可能就剩下少数几个，并且 Top1 的占据 50% 以上的市场份额。谁在 AI 时代干成这事，谁就是新时代的巨头。OpenAI 需要这个，而微软显然不会放过这个。可左侧的构图里面有微软的位置，右侧的没有。如果世界最终选择了右侧的图，那模型即系统，微软公司在 AI 这块地儿的基础设施上就没有位置！一切刚刚开始上面其实是一些猜想，这个猜想有个大前提：智能原生（AI Native）的应用会席卷各个应用场景。这还需要点时间，所以上面说的深层矛盾也就在开源项目上漏出一点端倪。但数字的事最违反人类常规感知的点就是速度，假如说人类进化的速度是 1，制度文化进化的速度是 100，那数字的进化速度至少是 100 万甚至更高。一两年前大家不知道智能原生到底是什么，但现在上述两个开源项目，每个都是智能原生的。所以这种潜在冲突也可能在某个瞬间一下爆发出来，关键节点应该是智能原生应用的收入规模。后续的走势当前这类竞争会在无声状态开始，短期谁占优由用户的选择决定，但模型如果不继续迭代几次，应用的范围就还是会比较窄。微软这次开源项目附带的说明很直接道出了当前的状态。1、 2、3、4、5、6 如果用一句话来简单概括就是你要把它放沙盒里面，然后人类看着点免得造成不可预计的损失。具体来说就是下面这个任务在跑的时候没准就执行了别的什么，比如把系统搞宕机这种事是可能发生的。https://github.com/microsoft/autogen/tree/main/python/packages/autogen-magentic-one在这样一种前提下，这种新的智能原生模式不是不能用，而是范围会被限制的比较窄，你也不敢让它负责出错后代价特别大的事，比如直接做诊疗。好消息是这种精度问题确定可解决，眼下不知道的是在通用的大模型上到底什么时候解决。如果有足够的钱其实可以在比较垂直的领域走特斯拉 FSD12 走过的路，如果没有那就必须等待通用大模型的升级，这二者其实等价。理论上如果通用大模型足够强大，那专门训练一个 E-To-E 的模型和直接把数据扔给通用的模型其实并没有区别。通用模型哪有什么智能边界！终点上应用的边界其实是数据的边界。不管怎么样，这里需要个拐点。否则我们上面说的就只有影子，而不会漏出真身。这个拐点在技术上是通用大模型的进步，在商业上是出现一个 Top 的智能原生应用公司。互联网为什么变得如火如荼？本质是因为当年的 BAT 啊，BAT 的那个收入量级确实足以启动一个时代。这个临界点，我看美国人要到了。Tesla 的 FSD12 就不说了，Glean 的 ARR 一年翻 4 倍，5500 万美金也不算少了。小结更有趣的事情并不是老美怎么样，而是米国和我国的 AI 显然会分成两套很难联通的生态系，那国内的情况如何？走到最后米国和我国的生态系最终又会如何竞争、共存？互联网用了 20 几年来把这类问题交出答卷。从现在开始算，AI 可能也需要这么多时间。所以潜在的小时代可能要过去了。