Rohan Paul

Chamath：人工智能的优势可能更多地来自于私人投入，而不是模型。 “当实验室可以构建类似的模型时，真正的胜利来自于一种独特的成分，以便很好地货币化。 关于机器学习，有一个值得了解的基本知识：如果你将 1000 个相同的输入提供给 Facebook、微软、谷歌和亚马逊，他们都会得出相同的机器学习模型。 但如果你有一件额外的东西，一个所有其他公司都没有的小成分，你的产出可能会明显不同。 这就像给两位伟大的厨师三种食材，但给第三位厨师额外的一种食材。这个人有能力做一些非常特别的事情。 现在，我们生活在一个每个人都在开放网络上爬行的世界。我们将进入这样一个世界，当每个人都变得足够成熟并且信息广泛可用时，有人会说：“你知道吗？这个网站，我不会允许任何其他人访问。它只适合我，只适合我的模特。”这些模型将会变得更好。 所以我们必须让它发挥一点作用。这将是一场非常有趣的军备竞赛。 例如，下一波并购可能是谷歌、微软和 Facebook 等公司在审视这些公司时说：“它们能否成为我的大型语言模型或其他机器学习和人工智能模型的可行输入？” --- 拥有独特工作流程、交易、医疗记录、工业日志、法律档案、设计文件或用户行为的公司可以将无聊的私人数据转化为复合优势。 一些初创公司可能永远无法凭借自己的力量成为伟大的上市公司，但仍然会变得有价值，因为它们拥有的数据流使更大的人工智能系统变得更清晰、更具差异化或更难复制。 ---- 来自“iConnections”YouTube 频道（评论中的链接）