文|适道

前几日，美国顶级 VC ——a16z综合了40多位合伙人观点，发布了一份题为《Big Ideas in Tech for 2024》的报告，其中涉及生物健康、游戏行业、toC应用、加密市场在内的8大领域。因原文太长，为方便大家丝滑阅读，适道对报告进行了简译和筛选（摘掉“美国社会”部分），并做了一些调整和改写，请放心食用。以下是正文：

01、生物+健康行业：戴着脚铐反而跳得更快

今年9月，红杉资本发布报告《Generative AI in Healthcare》显示：目前人工智能可以很好地处理患者互动、文档记录、预授权、编码和收入周期管理等环节。例如将医生和患者的对话，自动转化为电子病历和编码等等。红杉资本认为，现在的人工智能开始渗透到医疗行业的多个环节，从而大大提高医疗领域的效率和质量，降低成本和人力。

那么，在2024年，人工智能将如何改造“生物+健康”行业？

Vijay Pande认为“戴着脚铐”的医疗保健行业，反而“跳得更快、更好”。

一方面，比起其他行业，医疗保健行业至今还在用老旧的方式，例如手工输入进行数据采集，而这给人工智能提供了可改造的沃土；

另一方面，医疗保健行业是目前唯一被“规范使用人工智能”的行业。早在2019年4月，FDA对部分用于医疗保健的AI产品加以监管，以确保这些产品在其监管范围内的有效性与安全性，这会让医疗保健行业的AI革命更容易进行。

到了2024年，这些跨越式发展将得以实现，医患双方的生活质量会提高几个数量级。

Vineeta Agarwala 则认为，人工智能的作用是将医生从繁杂事务中解放出来，让他们将时间和精力放在护理患者上，但具体就“护理”本身而言，目前人工智能还没有发挥充分的作用。

Jorge Conde对药物研发前景进行了预测。他认为，就像传统的火箭只能上一次天，传统的药物研发具有高度定制的属性，非常耗时、高风险且成本昂贵。未来将会出现一批可重复使用某些组件的药物，例如基因疗法(gene therapy)。

其实，基因疗法不是一个新鲜事，指将外源正常基因导入靶细胞，来纠正或补偿缺陷和异常基因引起的疾病，达到 “一次治疗，终生治愈”。

至于Jorge Conde为何重申基因疗法，适道认为，可能与近期CRISPR/Cas9基因编辑技术的合法上市有关。

该技术可以通过剪接基因治疗多种疾病，还获得了2020年的诺贝尔化学奖。转折点在今年12月，不到一个月的时间内，英国和美国接连批准了基因编辑疗法上市，这也是该技术在被发现约十年后的一个重要里程碑。

02、面向普通用户的AI应用：越专业越好

一边是听得懂蹩脚英文，且能用中文指出语病的GPT-4老师；一边是只会播报天气和给宠物起名的Siri。

难怪微软CEO 萨提亚·纳德拉称，过去十年的语音助手（包括微软的Cortana）“蠢得像石头”。

尽管语音是人类最古老且最常见的交流形式，但它其实从未在“交互”上发挥真正的作用，而这一切将在人工智能时代发生翻天覆地的改变。

Anish Acharya 认为：“优先语音功能的应用将成为我们生活中不可或缺的部分”。一方面，现在的大模型已经可以和人类流畅地交流；另一方面，目前的相关应用还没有开辟出配套的语音功能，这给AI语音留下了可改造的空间。到2024年，语音应用将更深入地融入我们的生活。

是死磕大模型？还是另辟蹊径，开发专有模型？专注于市场初创公司的Olivia Moore表示：“2024年将出现更为专业、实现特定任务的人工智能”。

尽管ChatGPT这样的通用大模型很棒，但它不太可能在每个任务上都“胜出”。在2024年，我们将看到更专业、更加个性化的AI解决方案。例如，专门为研究人员打造的AI平台、针对记者的写作生成工具，以及专为设计师设计的渲染平台等等。

从长远来看，人们日常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。一些公司将有机会在新技术时代“拥有”数据和工作流程；他们会先在一个类别中表现出色，然后再扩展优势。

对于这一问题，适道在之前的文章多次探讨过。正如Sam Altman所说：OpenAI的“模仿者”、“套壳者”是死路一条。但你可以专打大模型延伸不到的长尾领域。尤其是目前国内大模型还在相对初级的阶段，创业公司可以在短暂的窗口期训练垂直模型，建立自己的护城河，抢夺细分场景和用户。

因为，对初始产品而言，越专业越好。

Bryan Kim认为“免编码AI生成器催生新消费行为”：随着AIGC将艺术创作的边际成本降低到接近于零，将会出现全新的消费者行为出现。例如，在多媒体平台Glif上，用户仅进行简单的提示就能生成艺术作品、漫画、自拍照等等。

对于Bryan Kim的观点，大家从PIKA1.0的火爆就得以窥见。适道认为，虽然下一个杀手级应用要交给时间检验，但就已经“死掉”的AI初创公司来看，用户体验、算力成本皆事关生死。

Zach Cohen对“AI+教育”给出了预测，“2024年AI工具将教育孩子”：2023年，有30%的大学生使用了类似ChatGPT的工具来完成学校作业（实际数字可能更高）。在2024年，AIGC将改变早期教育的格局。

因为高等教育还要考虑“学术不端”问题，但早期教育可以用AI创造一个可以无限探索的沙盒环境。关键在于设计出既能吸引孩子，又能保护孩子的产品，即，满足“内容审查+用户中心+适合儿童的界面”。到2024年，为儿童精心设计，具有突破性的AI工具将会出现。

03、游戏行业：下一代头显请加倍下注

Lightspeed Venture Partners表示：AIGC是游戏行业的“第四次工业革命”。

在“文生文、文生视频、文生图像”等技术无限降低游戏组成元素的边际成本时，一条“降本增效——UGC——XR头显”的路径变得更加清晰。

首先，对于AIGC来说，在文本和图像之后，将是3D和视频，再结合音频、互动性，最终游戏的开发成本将是传统开发成本的1/1000。

其次，在解决成本问题后，用户可以创造自己的游戏——UGC 游戏。数据显示，2023年第一季度，UGC 服务Roblox的开发者赚了1.82亿美元，预计比2022年增长了17%，这形成了一个“创作者飞轮”，鼓励他人参与创作游戏。

对此，Joshua Lu认为“新一代UGC游戏开发者正在崛起”：一方面，随着UGC平台竞争加剧，开发者有望从更大的激励中获益。值得注意的是，Meta的Horizon Worlds在2023年扩展到了移动端。另一方面，UGC游戏开发者还可以访问更强大、由AIGC驱动的工具。（Epic公开支持这样的技术，而Roblox已经宣布了一些AIGC工具。）这两个因素结合在一起，2024年很可能会再释放数百万UGC游戏创作者。

再次，在增强游戏体验方面，XR产品也找到了产品/市场契合点。Andrew Chen认为：“下一代头显最好加倍下注”，并在此过程中会吸引数百万消费者，而不是想着跳到需求低迷的生产力工具上。

Doug McCracken认为“下一个迪士尼将是一家游戏公司”：预计2023年全球游戏收入将达到1880亿美元，而全球票房仅预计达到345亿美元。年轻一代游戏玩家将游戏作为首选IP。原因何在？游戏提供了最深刻的故事和世界观，是互动而不是被动，而且你可以在游戏中社交。

Riot、Epic、Supercell以及新一代游戏公司，正准备以游戏取代电影，成为“下一个迪士尼”。这一切已经在主流媒体还没注意到的情况下发生，并将在2024年加速。

04、初创企业：战场将从模型转向用户体验

2023年有句话：“只要你有最好的模型，用户自然会来”。

到目前为止，ChatGPT、Character、Bard和Midjourney都深受用户喜爱，而它们也确实都是各自领域的最佳模型。

但Alex Immerman认为，情况将在2024年改变，即“战场将从模型转向用户体验”：得益于一系列因素——芯片短缺可能缓解，大多数基础模型通过API提供，以及越来越强大的开源模型——为在他人模型上构建爆款的to C应用打下基础。

到了2024年，AI应用将通过围绕其独特用例所提供的最佳用户体验脱颖而出，而不仅是依靠模型性能。我期待出现一些多人共享的，将多个模型放在一个界面，或构建更聚焦解决方案的应用。彼时，大模型会成为差异化的源泉。虽然今天的大模型还有先发优势，但像网络效应、高转换成本、规模和品牌这样的传统壁垒，仍然可能是长期获胜的关键。

对于以上观点，适道认可“模型≠产品”，不认可“你怎么确定现在的赢家就做不好产品”？以Midjourney为例，在其他平台还排队时，它就能在低延时的情况下，生成摄影师、原画师级的图像；在其他平台在设计社交属性时，它已经让1400多万用户自愿成为“编外员工”，而且在飞轮效应下，生成的图像水准提升到业内最佳。

也就是说，用户需要的是“最佳产品”。在此前提下，一些本就占据优势的“闭源赢家”会成为“卷王之王”，而它们在实现大模型的全面商业化和产业化上也更具有优势。因此，就其他初创企业而言，确实不必“死磕”闭源，倒是可以用开源打开差异化局面，建立自己的技术护城河。

在有关AI应用的预测上，a16z另一位合伙人Sarah Wang 认为“2024年AI将超越基于文本的聊天，找到全新叙事方式”：在未来一年中，AI将发展到多模态模型，而且通过用户进行微调，实现个性化，这将加深我们与AI的互动，使体验更加激动人心、娱乐性和吸引力。而创造这些新叙事方式的任务落在了初创公司身上。

就以上观点来看，Inflection AI的AI Pi（heypi.com）走的就是“知心朋友”路线，不仅能文字回复，还能回复带口音的语音。未来还会出现什么具有想象力的叙事方式，我们不妨期待一下。

05、加密市场：迈入去中心化的新时代

在2013年比特币还被视为 “庞氏骗局” 的年代，a16z就着眼于加密技术，并成为了该领域的领先投资者。目前，a16z在区块链相关项目中的投资涵盖了NFT、DeFi、GameFi、稳定币、Web3.0、DAO等领域。那么，a16z的老玩家们如何看待2024年？

首先，当由少数科技巨头培训的“中心化”AI大模型遇到“去中心化”的区块链会发生什么？

Andy Hall认为“AI 与区块链结合”：通过加密，可以创建多边化、全球化、无需许可的市场。任何人都可以贡献——并因此得到报酬——无论是计算能力还是新数据集，都可以为网络中需要的人提供。利用这些资源的长尾将有助于降低AI的成本，使其更加普及。

另外，加密技术可以在人工智能——深度伪造（Deepfake）方面发挥作用。例如，用来打开黑匣子；追踪我们在线观看东西的来源等等。而web3是解密的实验室。去中心化、开源的加密网络将创新出民主化（而不是集中）的人工智能，最终使其对消费者更安全。

Miles Jennings注重提出了“迈入去中心化的新时代”：在实践中，大规模实现去中心化一直很困难，尤其是在与中心化系统的效率和稳定性相比，更是如此。与此同时，大多数 Web3 治理模型都涉及 DAO，其基于的治理模型并不适用于去中心化治理的社会政治现实。

不过，由于过去几年 Web3 的活动实验室，去中心化的最佳实践已经开始出现。这些实践包括适应具有更丰富功能的应用程序的去中心化模型；还包括 DAO 采用马基雅维利原则，设计更有效的去中心化治理，使领导层对此负责任。随着这些模型的发展，我们应该很快会看到前所未有的去中心化协调、运营功能和创新水平。

Eddy Lazzarin认为，2024年会“重构未来的用户体验”：尽管2016 年以来，加密领域的用户体验一直备受诟病，但也一直没发生太大变化：自己保管秘钥；将钱包与去中心化应用（dApps）连接；将签名交易发送到越来越多的网络端点等等。

而我们不能期望用户几分钟就能学会以上复杂流程。

但现在，开发人员正在积极测试和部署可以在2024年中重置加密前端用户体验的新工具。其中一种工具包括简化登录应用程序和网站的传递密码，其是一种自动生成的加密密码。

其他创新包括：智能账户，使账户本身可编程且因此更容易管理；嵌入式钱包，内置应用程序中，使入门更丝滑；多方计算，第三方更容易在不保管用户密钥的情况下支持签名；识别用户需求并填补差距的高级 RPC（远程过程调用）端点等等。所有这些不仅有助于 Web3 更广泛地应用，还可以使用户体验比在 Web2 中更好且更安全。

06、金融行业：AI将成为提高净资产收益率的关键

金融行业因其积累了大规模、高质量的数据；具有多维度、多元化的应用场景，为人工智能的建模、训练和应用提供了沃土。

Seema Amble认为“（人工智能）软件会大幅增强金融专业服务”，这将导致会计师、税务顾问、财富管理师等职业的变化。

在以往，软件主要是用于跟踪工作流程，最多提供一些分析工具。现在，随着生成式人工智能和大模型的进步，更多工作可以自动化完成，包括行政任务、研究过程（收集数据，搜索信息）、提炼见解、以及报告生成。这使得人类能做的工作非常有限，除了在自己的专业上继续精进外，甚至只剩下审查、和客户互动。

同样地，David Haber和Marc Andrusko认为“AI将成为提高净资产收益率的关键”：在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人工智能应用程序。除了收入生成、中后台功能，对人工智能采用还将集中在工程、采购、法务、合规和风险管理等用例上。

具体而言，Joe Schmidt认为“大模型可捕获新的‘基础客户单元’”：以往对操作系统来说，一直难以抓取某些类型的非结构化数据。例如，在保险领域，Vertafore或Applied Systems一直难以扩展到追踪已出具的保单之外。而到2024年，利用大模型的初创公司将抓取那些对现有操作系统来说难以收集的数据，并自动进行标记和存储。如果这些初创公司在传统平台上游捕获基础客户单元，我们可能会看到一个新时代——由软件寡头垄断服务的领域。

此外，Angela Strange认为“金融行业的‘开发者’正在成为‘购买者’”：以往，对金融服务基础设施的采购主要是由买家（“我的投资回报率是多少？”），以及业务领导（“这解决了我的用例吗？”）决定。但现在出现了第三个影响力群体：开发者。

目前，金融科技公司已经开始优先考虑创建“开发者沙盒”，让客户“在购买前试用”，甚至开放源代码。开发者-购买者也更愿意提前了解产品。因此，对于卖方而言，需要考虑如何吸引开发者，这可能需要其在产品架构方面进行改进（包括最新的文档！）。

07、企业服务：大模型将驱动机器人流程自动化

Zeya Yang认为“B2B人工智能产品嵌入工作流程”：在2024年，我对我们将看到原生人工智能产品更深入地嵌入工作流程持乐观态度，它们将执行诸如：主动留评论、更新记录，以及在用户简单批准后完成行动项等任务。例如，目前已有相关AI工具不是等着用户查询一份长文档以获取相关信息，而是主动标记关键部分。

Kimberly Tan认为“大模型推动机器人流程自动化（RPA）进步”：到2024年，我期待看到由大模型驱动的机器人流程自动化（RPA）市场起飞。RPA——部署小型“机器人”自动化重复性任务，例如数据录入——目前是最佳解决方案。然而，RPA往往仍然需要手动，且经常出现故障，因此通常需要大量的定制服务。

如今，有了大模型，就有机会构建一个更智能的RPA系统。它可以在理解上下文，以及其正在执行的动作，并能通过动态调整，自己创造一个更稳妥的解决方案。

在此其中，可能会出现多种针对特定类型自动化任务的垂直化解决方案——无论是为财务机构处理发票，还是为响应客户服务查询——而买方总会购买最适合他们工作流程和需求的解决方案。