在紅杉資本在最新發布的文章《Generative AI's Act O1 ：The Agentic Reasoning Era Begins》中，討論了當下生成式AI正在從以訓練時計算的快思考，向以推理時計算的慢思考發展。OpenAI 的新模型 o1便是重要的標志。慢思考的到來也將會帶來新的機會，行業認知的重要性被高度重視起來，過去對于AI應用以及背后的商業理解也將被刷新。

簡單說，過去以模型服務商作為絕對主角的時代將過去，大眾對通用基座模型抱著只要把它越訓越大，它就能無所不能的期望，這曾一度給上層應用開發者極大的不安全感焦慮，而事實上，這兩年實踐下來，這一認知正在不斷被糾正。應用服務商也不再是模型的wrapper，隨時可能被降維打擊，未來的空間大大擴展。

隨著底層模型能力突破遭遇瓶頸，加上白熱化的競爭，模型服務商已經不再那么吸引人，最近，有消息稱國內做預訓練大模型的廠商越來越多正在選擇放棄基礎大模型的投入，轉戰應用層。

下面就一起來了解紅杉在文中提到的重要觀點以及筆者解讀。

從“快思考”到“慢思考”的轉變

如果說，快思考是動物都具備的本能反應，那么快思考就是人類特有的理智活動。顯然，人類期待的AI解決的不簡單是快思考的問題，而更在意慢思考的能力。例如，以 AlphaGo 擊敗圍棋大師李世石為例，AlphaGo 通過深思熟慮的策略而非簡單依賴以往的經驗，從而走向勝利。 過去，生成式 AI 主要依賴于快速的預訓練模型進行響應，這種思維屬于系統 1（快思考），簡單的模式匹配和快速響應。然而，隨著 o1 模型的推出，AI 開始具備更復雜的推理能力，體現為系統 2思維（慢思考）。這種思維方式強調深度思考和復雜決策，能夠讓 AI 在面對新問題時進行深入分析和推理，有效應對復雜問題。

同時，o1 發布讓大家看到推理時計算（或“測試時計算”）側的價值，它的出現帶來了新的 scaling law（推理時），也給眾多模型服務商新的啟發，開始從卷訓練計算，向卷推理計算轉變，簡單堆機器堆數據的資源競爭格局將帶來緩解。

一模統管并未發生，從模型算法向領域KnowHow邁進

紅杉稱，過去猜測未來AI的巨大機會可能會被幾家基座模型提供商所壟斷，隨著模型能力的不斷提升，應用層開發也毫無價值和壁壘。但事實上，這兩個推測都沒發生，不僅模型服務商陷入了激烈的成本競爭，基礎模型做應用產品成功的案例也少之又少。

另一方面，雖然模型能力已經從“預訓練層”向“推理計算層”推進，但混亂的現實世界仍然有有大量的領域和應用特定推理，也就是行業認知，這些無法有效地編碼在通用模型中。因此，還會有“定制認知架構（Custom Cognitive Architectures）”層，即代碼和模型交互的流程，它接收用戶輸入并執行操作或生成響應，教模型如何思考。實際上就是領域應用邏輯，它是模型到落地的最后一公里。比方說，在工廠環境中，每款“機器人”產品都配備了一個定制化的認知架構，旨在模擬人類的思維方式來應對特定的任務。例如，它們能夠審查拉取請求、編寫并實施遷移計劃，將服務從舊的后端遷移到新的后端。這些機器人會分析所有依賴項，提出必要的代碼修改，添加相應的單元測試，并邀請人類進行審查。一旦獲得批準，它們將在開發環境中執行所有更改，并且在所有測試通過后，才會合并這些代碼。整個過程類似于人類處理任務的方式——通過一系列明確的步驟，而不是提供一個籠統的、不透明的解決方案。

轉變會帶來什么？

慢思考，以及領域認知將會給未來帶來什么？不難想象，沿此思路將會有比原來多得多的場景被解鎖，行業認知+模型的強大能力將使得AI應用層產品價值大大強化，進而顛覆原有的業務模式。

應用層價值被強化

伴隨著推理能力的提升，一大批新的Agent應用程序將會誕生，這里說的新，不再是簡單的模型包裝，而是可能同時結合多個基礎模型和復雜的認知架構的應用服務。

文章中提到了這些優秀的應用層產品：

• Harvey：作為 AI 律師，它能夠分析復雜的法律文本，輔助律師更高效地進行案件準備；
• Glean：一款 AI 工作助手，致力于信息處理和任務優化，提高團隊的工作效率；
• Abridge：AI 醫療記錄助手，通過自動化生成醫療記錄，減輕了醫生的負擔；
• XBOW：自動化滲透測試工具，能夠為企業提供高效的網絡安全測試服務。

不難發現，他們都是面向領域的，具有復雜業務流程和認知復雜度的場景的產品。在過去兩年的實踐來看，想要一個通用模型搞定所有事情，應用層專注做界面包裝的認識被打破了。過去開發者被OpenAI等模型服務商的降維打擊的壓迫感以及無助感在迅速緩解，AI應用的繁榮正在發生。特別是最近cursor等產品的出現，更讓大家看到了應用產品的價值。

服務即軟件（Service-as-a-Software），AI Native企業將涌現

不難想象，隨著AI應用的不斷深入到行業，能力不斷強化，個體能效不斷提升，這將極大地降低人力成本，對于人力密集型和知識密集型服務業市場將是巨大沖擊，比如律師，會計，編輯，程序員等行業。有了AI加持，同樣的事情可能會使用很少的人就能搞定，進而顯著降低了企業在開發軟件時所需的人力成本，提升企業的市場競爭優勢。這樣傳統的人力外包型業務將快速被服務型AI應用所替代，外包化將更加流行。

以軟件公司為例，傳統提供saas服務給客戶幫助解決問題，而變成了直接承包業務，從傳統的“軟件即服務”模式向“服務即軟件”轉變。這一轉變將市場重心從簡單的軟件使用轉向更復雜的工作成果，潛在市場規模可達數萬億美元，按價值付費變得不再是口號。

人機協作正在從AI輔助，到AI in loop，再到human in loop，再到AGI這一進程快速邁進。某種意義上講，或許我們苦苦尋找的AI Native產品并不存在，而Ai Native的企業將比比皆是。未來的外包市場或將是最為火爆的行業之一。

投資重點

最后，紅杉指明了受投資者喜歡的新方向，那就是應用層產品，他們表示，企業業務在云計算過渡期間，大約有 20 家應用層公司創造了 10 億美元以上的收入，而在移動過渡期間，又有大約 20 家公司創造了類似的成就。那么，企業AINative化可能也將來如此大的規模效應，甚至更大。

點此原文：https://www.sequoiacap.com/article/generative-ais-act-o1/

本文轉載自 ??AI工程化??，作者： ully