Ai

一．大模型的发展追溯与中短期预判：

1/追溯：
人工智能的发展历史涵盖了超过七十年的时间，从理论构想到如今的广泛应用，经历了多个重要的阶段和变革，1940 - 1950 被共识为ai发展的概念起始阶段，其中2个重要里程碑事件被广泛讨论与提及，1）1943年，艾伦·图灵提出了计算机器的概念，即“图灵机”，并在1950年发表了《计算机器与智能》一文，提出了著名的“图灵测试”。2）1945年，冯·诺依曼设计了存储程序计算机的架构，这为现代计算机的发展奠定了基础。1950 - 1970被共识为学科的诞生，这源于达特茅斯会议：1956年，约翰·麦卡锡、马文·明斯基、克劳德·香农等人在达特茅斯学院组织了一次会议，标志着人工智能作为一个独立学科的诞生。随后于1970 - 1990年这个期间因技术发展和计算资源的限制下，人工智能的发展迎来了一个冬天，但与1986年，杰弗里·辛顿等人提出了反向传播算法，使得多层前馈神经网络（深度学习的早期形式）得以实用化。2012年，杰弗里·辛顿的团队在ImageNet图像识别竞赛中使用深度卷积神经网络（CNN）取得了显著的突破，此刻，标志着深度学习的崛起。22年末openai推出的chatgpt与23年发布的gtp-4，再至今天的gtp-4o，被广泛定义为人工智能的爆炸性发展阶段。

2/中短期预判：

随着gpt的爆炸性影响，大模型赛道吸引了诸多竞争玩家，当前主流大模型包含：gpt、claude、gemini、mistral等。具有一些特殊场景下的微调后的开源模型更是多达上百个，当前大模型发展正在经历严重的市场厮杀阶段。我们预判在大模型赛道短期内模型的数量将会继续爆发，但以十年为中期的尺度下审视，最终可能不会存活超过5家。而当前的互联网巨头，不得不倾注心血做自己的大模型，我们预判大模型的发展趋势属于在当前操作系统之上再造一个操作系统，当前互联网巨头虽然拥有优质的产品体验，与大模型的交互形式对比来看，其也是二维的，护城河与边界将荡然无存。另外大模型的产品交互会让用户逐渐成瘾于命令的快感。大模型��等同于指环王中的至尊魔戒：one ring rules all。

二．大模型 = 操作系统：

操作系统的组成部分为：

1. 内存管理 = 大模型的上下文长度
（主流内存容量从最早的KB到MB，再到GB的发展路径）对映的是大模型的上下文长度从4k、16k、32k、128k再到200k。目前的日常使用已基本不再存在上下文长度的担忧

2. 文件系统 = 大模型的知识库、用户的历史记录

（知识库是助手可以搜索以改进其响应的信息数据库。此信息存储在矢量数据库中，并为 LLMs 提供业务上下文，这使它们以上下文感知的方式做出响应，再通过辅助内存保留用户和LLM之间的消息，以此产生记忆性）

3. 驱动程序 =  Function call 函数（与现有的各种软件和在线服务连接）

4. 界面 = 语言交互

三．操作系统的过往商业路径分析与大模型商业路径预判：

当前的主要操作系统有Windows、macOS、Linux。移动端的主要操作系统有Android、ios。在上一次移动端的变革中，我们见证了微软的移动端操作系统Windows Phone的落败，这证明了在每次技术浪潮的变革中，真实存在着初创公司重新领先巨头的发展机会。

1/操作系统的盈利路径主要通过硬件销售与软件辅助：

1）微软通过直接销售Windows操作系统给个人用户，收取一次性许可费用。大多数个人计算机预装Windows，用户购买新电脑时已包含Windows许可费用。

Microsoft Office：Windows与Microsoft Office套件的紧密集成，使得Office的销量增加。企业和个人用户往往会同时购买Windows和Office。

Microsoft 365：订阅服务包含Windows、Office、OneDrive、Teams等，提供一体化的生产力解决方案，带来持续的订阅收入。

Windows Server和Azure：Windows Server与微软的云计算平台Azure集成，为企业提供从本地到云端的全方位服务，增强企业客户的锁定效应。

2） macOS仅运行在苹果自己的硬件（MacBook、iMac、iPad等）上，硬件的高利润率是苹果主要的收入来源。操作系统免费更新，但用户需购买苹果的硬件设备。

App Store：macOS的应用商店，通过分成模式从第三方应用销售中获利。开发者需要支付年费，并将应用销售收入的30%作为佣金支付给苹果。

服务与订阅：iCloud、Apple Music、Apple TV+等服务与macOS生态紧密结合，促进用户订阅，形成持续收入。

3） Linux操作系统的多数发行版（如Ubuntu、Fedora）对个人用户和开发者免费开放。通过开源社区的贡献，不断提升系统性能和安全性。Linux在服务器市场占有率高，各大云服务提供商（如AWS、Google Cloud、Azure）广泛使用Linux。通过为云平台提供优化和支持服务，Linux公司获得商业价值。

4） Google Play Store：Google通过Google Play Store为Android设备提供应用分发平台。开发者需要支付年费才能发布应用，Google从应用销售和应用内购买中抽取30%的佣金。Google在大多数Android设备上设置自家的Google搜索作为默认搜索引擎。这带来了大量的搜索流量，转化为广告收入。Google One：为用户提供扩展的云存储空间（Google Drive、Gmail、Google Photos），用户需支付订阅费用。

综上所述，我们可以发现pc端操作系统的商业价值集中体现在C端的硬件销售和B端的云计算服务、应用商店的分发中。移动端的商业价值集中体现在C端的移动设备销售和个人用户的云储存服务中与应用商店的应用分发中。我们还看到 Linux 开源社区的精神传承在此刻的大模型赛道中愈演愈烈，譬如主流的大模型llama3等相继选择开源，马斯克更是谴责openai的商业化路径。我们预判无论开源/闭源的大模型这种操作系统在未来发展的激烈竞争下，将最终会和现有的操作系统一样，会开放给大众免费使用，硬件的价值将集中在通过大模型+机器人等新的硬件销售方式下实现其商业价值。而在软件服务、计算、移动设备等其他新技术的出现而会变得不再一样。

四．传统应用商店的弊端、ai应用开发者的需求与Crypto生产关系的革新

1/ App Store与Google Play Store的分成机制一直以来被开发者所诟病，曾经2大应用商店的核心服务如：排名曝光机制、全球支付通道、开发者工具平台、等都随着新技术的诞生面临落后或被取代的尴尬局面。

如排名曝光：当前2大商店的应用量饱和程度非常激烈，平台的推荐算法偏向于已有的热门应用，使得新应用难以获得曝光。

全球支付通道：传统支付通道的不即时性，手续费高昂，一些国家的信用卡普及率较低等痛点对比当前区块链的价值转移通道已经被共识为新一代的新兴技术，其低廉的成本与即时性正在受到广泛的大规模采用。尤其在一些发展中国家的采用率更高。

开发者工具平台：当前ai应用的开发者平台已不再被谷歌和苹果所掌握。当前的主流ai应用开发者平台有LangChainAI、Huggingface、Dify、phidata，Llama.cpp，lepton.ai , fireworks.ai，Anyscale. 而ai应用的开发者平台赛道也处于萌芽阶段，当前的ai应用分散在github、推特、社区交流中。缺乏统一的发现平台。

2/中小型开发者的ai应用目前面临的统一痛点：

1）.商业化能力不足：当前大厂商主要集中在模型竞争，而中小开发者团体有能力开发优质的ai应用，但缺乏推广渠道和资源

2）.技术复杂性：很多AI应用需要用户具备一定的技术知识，使用门槛高。

3）.数据隐私和安全问题：用户对数据隐私和安全的担忧可能阻碍AI应用的广泛采用。

4）.性能和可靠性：因受限于用户设备的沉余，AI应用在实际使用中表现不稳定和性能不足，从而影响用户体验。

5）.成本问题：ai应用与模型的双重付费，导致用户的接受度上面临压力。

3/区块链改变生产关系在解决上述问题中起到的作用

当今最重要的2个技术Crypto 解决了生产关系、ai 解决了生产力。App Store与Google Play Store 当前所面临的困境本质是生产关系的问题。而Crypto可以给出以下解决方案：

1）. 通过价值共享改善开发者与传统商店平台的关系

2）. 利用Crypto的资产转移网络帮助开发者降低磨损

3）. 以token激励的形式组建开发者需求的推广渠道网络和ai特定应用的使用教育

4）. 利用全同态加密技术保护用户数据与隐私

5）. 利用token激励的形式组建分布式加速网络，为ai应用的使用提供云端加速