日前，美国顶级VC公司A16Z基于40多位合作伙伴的观点，发布了一份名为《2024年科技大创意》的报告，涵盖了生物健康、游戏行业、TOC应用、加密市场等8大领域。 因为原文太长，为了方便大家的丝滑阅读，石岛对报告进行了翻译和筛选（去掉了“美国社会”部分），并做了一些调整和改写，请大家放心吃饭。 以下是正文：
今年 9 月，红杉资本发布了一份《生成式 AI 在医疗保健中的应用》报告，该报告显示，AI 可以很好地处理患者交互、文档、预授权、编码和收入周期管理。 例如，医生和患者之间的对话会自动转换为电子病历和编码，等等。 红杉资本认为，人工智能现在开始渗透到医疗行业的很多方面，从而大大提高了医疗领域的效率和质量，降低了成本和人力。
那么，2024年，AI将如何改变“生物+健康”行业？
维杰·潘德（Vijay Pande）认为，“戴着手铐”的医疗保健行业反而“跳得更快更好”。
一方面，与其他行业相比，医疗保健行业仍在使用旧的数据收集方式，例如手动输入，这为人工智能的转型提供了肥沃的土壤
另一方面，医疗保健行业是目前唯一一个“因使用人工智能而受到监管”的行业。 早在 2019 年 4 月，FDA 就对一些用于医疗保健的 AI 产品进行了监管，以确保这些产品在其监管范围内的有效性和安全性，这将使医疗保健行业的 AI 革命变得更加容易。
到2024年，这些跨越式发展将实现，医生和患者的生活质量将提高几个数量级。
维内塔·阿加瓦拉（Vineeta Agarwala）认为，人工智能的作用是将医生从复杂的任务中解放出来，让他们将时间和精力集中在照顾病人上，但就“护理”本身而言，人工智能尚未发挥全部作用。
豪尔赫·孔德（Jorge Conde）展望了药物开发前景。 他认为，就像传统火箭只能持续一天一样，传统药物开发具有高度定制化的属性，非常耗时、风险高、成本高。 未来，将有一批可以重复使用某些成分的药物，例如基因治疗。
其实，基因**并不是一个新事物，它是指将外源性正常基因引入靶细胞，以纠正或补偿因缺陷和异常基因引起的疾病，从而达到“一次**，终生**”。
至于豪尔赫·孔德（Jorge Conde）为何重申该基因**，石道认为，可能与近期合法推出的CRISPR Cas9基因编辑技术有关。
该技术可用于剪接多种疾病的基因，并在2024年获得了诺贝尔化学奖。 转折点出现在12月，在不到一个月的时间里，英国和美国接连批准了基因编辑**的上市，这标志着该技术被发现后约十年的一个重要里程碑。
一边是GPT-4老师，能听懂蹩脚的英语，能用中文指出语言问题;一边是Siri，它只播报天气并给你的宠物起名字。
难怪Microsoft首席执行官萨蒂亚·纳德拉（Satya Nadella）称过去十年的语音助手，包括Microsoft的Cortana，“愚蠢如石头”。
虽然语音是人类最古老、最常见的交流形式，但它从未真正在“交互”中发挥作用，而这一切都将在人工智能时代发生巨大变化。
阿尼什·阿查里亚（Anish Acharya）认为：“语音优先功能的应用将成为我们生活中不可或缺的一部分。” 一方面，今天的大型模型可以与人类流畅地交流另一方面，目前相关应用尚未开放支持语音功能，这为AI语音的转型留下了空间。 到 2024 年，语音应用程序将更深入地融入我们的生活。
是大模型吗？或者您想采用不同的方法并开发专有模型？专注于市场的初创公司奥利维亚·摩尔（Olivia Moore）说：“到2024年，将有更多专业化、针对特定任务的人工智能。”
虽然像 ChatGPT 这样的通用模型很棒，但它不太可能在每项任务中都“获胜”。 2024年，我们将看到更专业、更个性化的AI解决方案。 例如，专门为研究人员构建的人工智能平台、为记者设计的写作生成工具以及为设计师设计的渲染平台，仅举几例。
从长远来看，人们每天使用的产品将针对他们的用例进行定制，无论是专有的底层模型还是围绕它构建的特殊工作流程。 在新技术时代，一些公司将有机会“拥有”数据和工作流程;他们将首先在一个类别中表现出色，然后扩大自己的优势。
对于这个问题，Shidao在之前的文章中已经写过很多次了。 正如山姆·奥特曼所说：OpenAI的“模仿者”和“外壳”是一条死胡同。 但是您可以专注于大型模型无法到达的长尾区域。 尤其是目前国内大模型还处于比较早期的阶段，创业公司可以在短时间内训练垂直模型，构建自己的护城河，抢占细分场景和用户。
因为，对于最初的产品来说，越专业越好。
布莱恩·金（Bryan Kim）认为“无代码 AI 生成器催生新的消费者行为”：随着AIGC将艺术创作的边际成本降低到接近于零，新的消费者行为将会出现。 例如，在多平台 GLIF 上，用户可以通过简单的提示生成图稿、漫画、照片等。
对于 Bryan Kim 的观点，每个人都从 pika 开始10的受欢迎程度可以一窥。 石道认为，虽然下一个杀手级应用将交给时间的考验，但从已经“死”的AI创业公司来看，用户体验和算力成本都是生死攸关的问题。
扎克·科恩（Zach Cohen）给出了**，“人工智能工具将在 2024 年教育儿童”：2023 年，30% 的大学生使用类似 ChatGPT 的工具完成学校作业（实际数字可能更高）。 2024年，AIGC将改变早期教育的格局。
因为高等教育也要考虑“学术不端”的问题，但早教可以利用AI创造一个可以无限探索的沙盒环境。 关键是要设计出既能吸引儿童又能保护儿童的产品，即满足“内容审核+用户中心+儿童友好界面”。 到 2024 年，为儿童设计的突破性 AI 工具将出现。
根据Lightspeed Venture Partners的说法，AIGC是游戏行业的“第四次工业革命”。
当“文生温、文生**、文生影像”等技术无限降低游戏组件边际成本时，“降本增效——UGC——XR头显”的路径就更加清晰了。
首先，对于AIGC来说，在文字和图像之后，它将是3D和**，结合音频，交互性，游戏的最终开发成本将是传统开发成本的1 1000。
其次，在解决了成本问题后，用户可以创建自己的游戏——UGC游戏。 数据显示，在 2023 年第一季度，UGC 服务 Roblox 的开发人员获得了 182 亿美元，估计比 2022 年增长 17%，形成了一个“创作者飞轮”，鼓励其他人参与游戏创作。
对此，Joshua Lu认为“新一代的UGC游戏开发者正在崛起”：一方面，随着UGC平台竞争的加剧，开发者有望从更大的激励中受益。 值得注意的是，Meta 的 Horizon Worlds 将于 2023 年扩展到移动端。 另一方面，UGC 游戏开发人员还可以使用更强大的 AIGC 驱动的工具。 （Epic公开支持这样的技术，Roblox已经宣布了一些AIGC工具。 这两个因素的结合可能会在 2024 年释放数百万 UGC 游戏创作者。
同样，在提升游戏体验方面，XR产品也找到了适合市场的产品。 安德鲁·陈（Andrew Chen）认为“下一代耳机最好加倍下注”，在这个过程中，它将吸引数以百万计的消费者，而不是考虑跳上需求低的生产力工具。
道格·麦克拉肯（Doug McCracken）认为“下一个迪士尼将是一家游戏公司”：预计2024年全球游戏收入将达到1880亿美元，而全球票房预计仅达到345亿美元。 年轻一代的游戏玩家正在将游戏作为他们的首选 IP。 为什么？该游戏提供了最深刻的故事和世界观，是互动的而不是被动的，您可以在游戏中进行社交。
拳头游戏、Epic、Supercell和新一代游戏公司正准备用游戏取代电影，成为“下一个迪士尼”。 这在主流**注意到之前就已经发生了，并将在 2024 年加速。
2024年有句话：“只要有最好的模式，用户自然会来”。
到目前为止，ChatGPT、Character、Bard、Midjourney都深受用户喜爱，确实是各自领域中最好的模型。
但亚历克斯·默尔曼（Alex Immerman）认为，情况将在2024年发生变化，即“战场将从模型转向用户体验”：由于许多因素——芯片短缺可能会缓解，大多数底层模型都可以通过 API 获得，以及越来越强大的开源模型——为在其他人的模型之上构建轰动一时的 TOC 应用程序奠定了基础。
到 2024 年，AI 应用程序将围绕其独特的用例提供最佳用户体验，而不是仅仅依赖模型性能，从而脱颖而出。 我期待着由多人共享的应用程序的出现，将多个模型放在一个界面中，或者构建更多以解决方案为中心的应用程序。 届时，大模型将成为差异化的来源。 虽然今天的大型模型仍然具有先发优势，但网络效应、高转换成本、规模和品牌推广等传统障碍仍然是长期成功的关键。
对于上述观点，世道认可的是“样板≠产品”，不认可“怎么能确定现在的赢家做不出好的产品”？例如，当其他平台仍在排队时，Midjourney 可以以低延迟生成摄影师和概念艺术家级别的图像在其他平台，它使超过1400万用户在设计社交属性时自愿成为“编外员工”，在飞轮效应下，由此产生的图像质量提升到行业最佳。
换句话说，用户想要“最好的产品”。 在此前提下，一些已经占据主导地位的“闭源赢家”将成为“卷之王”，在实现大模型的全面商业化和产业化方面也更具优势。 因此，对于其他初创企业来说，确实不必“死”来封源，而是可以利用开源来打通差异化，建立自己的技术护城河。
关于人工智能应用，A16Z的另一位合伙人Sarah Wang认为“到2024年，人工智能将超越基于文本的聊天，找到一种新的讲故事的方式”：未来一年，人工智能将向多模态模式演进，通过用户微调和个性化，这将加深我们对人工智能的参与，使体验更加令人兴奋、有趣和引人入胜。 创造这些新叙事的任务落在了初创公司身上。
从以上来看，Inflection AI 的 AI Pi（Heypicom）走的是“知心朋友”的路线，不仅可以用文字回复，还可以用重音回复。我们不妨期待一下未来会出现什么富有想象力的故事。
2013 年，当比特币仍被视为“庞氏骗局”时，a16z 将目光投向了加密货币，并成为该领域的主要投资者。 目前，A16Z对区块链相关项目的投资涵盖NFT、DeFi、GameFi、稳定币、Web30、DAO等领域。 那么，A16Z老玩家如何看待2024年呢？
首先，当一个由少数科技巨头训练的大型“中心化”人工智能模型遇到“去中心化”区块链时会发生什么？
安迪·霍尔（Andy Hall）认为“人工智能和区块链的结合”：加密货币使创建多边、全球、无需许可的市场成为可能。 任何人都可以为网络中需要帮助的人做出贡献并获得报酬，无论是计算能力还是新数据集。 利用这些资源的长尾将有助于降低人工智能的成本，使其更加普遍。
此外，加密可以在人工智能中发挥作用——深度伪造。 例如，打开一个黑匣子;追踪我们的***东西**等等。 而 web3 是解密的实验室。 去中心化的开源加密网络将创新民主化（而不是集中化）的人工智能，最终使消费者更安全。
迈尔斯·詹宁斯（Miles Jennings）专注于演示“进入去中心化的新时代”：在实践中，大规模去中心化一直很困难，尤其是与中心化系统的效率和稳定性相比。 同时，大多数 Web3 治理模型都涉及 DAO，并且基于不适合去中心化治理的社会政治现实的治理模型。
然而，由于过去几年 web3 的活跃实验室，去中心化的最佳实践已经开始出现。 这些实践包括使去中心化模型适应具有更丰富功能的应用程序;它还包括采用马基雅维利原则的 DAO 来设计更有效的去中心化治理，让领导层对此负责。 随着这些模式的发展，我们很快就会看到前所未有的去中心化协调、运营能力和创新水平。
埃迪·拉扎林（Eddy Lazzarin）认为，2024年年会“重新构想未来的用户体验”：虽然自 2016 年以来，加密货币的用户体验一直受到批评，但并没有太大变化：保留自己的密钥;将您的钱包与dapp连接;将签名的事务发送到越来越多的网络端点，等等。
我们不能指望用户在几分钟内学会这些复杂的过程。
但现在，开发人员正在积极测试和部署新工具，这些工具可以在 2024 年年中重置加密前端用户体验。 这些工具之一包括简化应用程序的登录和传递密码，密码是自动生成的加密密码。
其他创新包括：智能账户，使账户本身可编程，因此更易于管理内置于应用程序中的嵌入式钱包使入门更加顺畅;多方计算，使第三方在不保留用户密钥的情况下更容易支持签名;高级 RPC（远程过程调用）端点，用于识别用户需求并填补空白等。 所有这些不仅有助于 web3 的广泛采用，而且还使用户体验比 web2 更好、更安全。
金融行业以其大规模、高质量的数据而闻名;具有多维度、多样化的应用场景，为人工智能的建模、训练和应用提供了肥沃的土壤。
西玛·安布尔（Seema Amble）认为“[人工智能]软件将大大增强金融专业服务”。这将导致会计师、税务顾问、财富经理等职业的变化。
从历史上看，软件主要用于跟踪工作流程，最多使用一些分析工具。 现在，随着生成式人工智能和大型模型的进步，更多的工作可以自动化，包括管理任务、研究过程（收集数据、搜索信息）、提炼见解和生成报告。 这使得人类除了继续提高他们的职业，甚至只审查和与客户互动之外，要做的工作非常有限。
同样，D**id Haber 和 Marc Andrusko 也认为“人工智能将是提高ROE的关键”：到 2024 年，我们将开始看到金融机构在各种运营工作流程中采用原生 AI 应用程序。 除了创收、中台和后台职能外，人工智能的采用还将侧重于工程、采购、法律、合规和风险管理等用例。
具体来说，乔·施密特（Joe Schmidt）认为“大型模型捕获了新的'基本客户单位'”：从历史上看，操作系统很难抓取某些类型的非结构化数据。 例如，在保险领域，Vertafore 或 Applied Systems 一直在努力扩展到跟踪已签发保单之外。 到 2024 年，利用大型模型的初创公司将抓取现有操作系统难以收集的数据，并自动标记和存储。 如果这些初创公司抓住了传统平台上游的底层客户群，我们可能会看到一个新时代——软件寡头垄断所服务的领域。
此外，安吉拉·斯特兰奇（Angela Strange）认为“金融业的'开发者'正在成为'买家'”：从历史上看，金融服务基础设施的采购一直由买家主导（“我的投资回报率是多少？和业务领导（“这能解决我的用例吗？决定。 但现在出现了第三个影响群体：开发 人员。
金融科技公司正在优先创建“开发人员沙盒”，允许客户“先试后买”，甚至开源**。 开发商购买者也更愿意提前了解产品。 因此，对于卖家来说，重要的是要考虑如何吸引开发人员，这可能需要改进产品架构（包括最新的文档！）。
杨泽雅认为“B2B AI产品嵌入工作流程”：到 2024 年，我乐观地认为，我们将看到原生 AI 产品更深入地嵌入到工作流程中，执行以下任务：主动发表评论、更新记录以及在简单的用户批准后完成操作项。 例如，与其等待用户查询长文档以获取相关信息，不如使用人工智能工具主动标记关键部分。
Kimberly Tan 认为“大型模型推动机器自动化 （RPA） 的进步”：到 2024 年，我期待看到由大型模型驱动的机器自动化 （RPA） 市场腾飞。 RPA——部署小型“机器人”来自动执行重复性任务，如数据输入——是目前最好的解决方案。 但是，RPA 通常仍然是手动的，并且经常失败，因此它们通常需要大量工作。
现在，有了大模型，就有机会构建更智能的RPA系统。 它了解上下文和它正在做什么，并可以动态调整以自行创建更强大的解决方案。
其中，针对特定类型的自动化任务（无论是为金融机构处理发票还是响应客户服务查询）可能有多种垂直解决方案，买家将始终购买最适合其工作流程和需求的解决方案。