随着我们进入生成式人工智能革命的第三年，人工智能正在经历一场翻天覆地的变化。重点正在从快速、预先训练的反应（“快速思考”）转变为推理时深思熟虑、推理驱动的智能（“慢速思考”）。这一演变正在推动新一代代理应用的发展，重塑行业并重新定义可能性。

生成式人工智能基础层的稳定化

生成式人工智能市场已进入关键的稳定阶段。微软/OpenAI、AWS/Anthropic、Meta 和谷歌/DeepMind 等行业巨头已巩固了其在基础层的地位。在大量资本和高效经济模型的支持下，这些合作伙伴关系使下一个代币预测更快、更便宜、更容易获得。

然而，随着基础层的稳定，焦点转移到 推理层 — 深思熟虑解决问题和认知操作的领域。这种“系统 2”思维超越了模式识别，专注于能够在推理时进行推理和决策的 AI 模型。受 AlphaGo 等进步的启发，这一层正在改变 AI 解决复杂现实问题的方式。

从软件即服务 (SaaS) 到服务即软件

生成式人工智能正在打破界限，引领我们从 SaaS 模式走向革命性的范式： 服务即软件。在这里，人工智能不只是提供工具——它自己完成工作。这一转变释放了数万亿美元的市场机会，重新定义了客户支持、网络安全和软件开发等行业。

拿 塞拉，一个由人工智能驱动的客户支持代理。公司不再为软件席位付费，而是按解决问题付费。这种以结果为导向的方法体现了“服务即软件”：提供可衡量的结果。同样， GitHub Copilot 已经从协助开发人员发展到自动化整个编码工作流程，并且 铳弓 通过持续的人工智能驱动的渗透测试彻底改变网络安全。

推理时间推理：下一个前沿

从本能反应（“系统 1”）到深思熟虑的推理（“系统 2”）的飞跃标志着人工智能的下一个变革步骤。OpenAI 的模型 o1（草莓） 正在率先实现这一转变，引入“推理时间计算”——使模型能够在响应之前暂停、评估和推理。

这项创新已经彻底改变了编码、数学和科学研究等领域。受 AlphaGo 突破性决策框架的启发，这些进步释放了前所未有的认知能力，为人工智能应对日益复杂的挑战铺平了道路。

认知架构：解决现实世界的复杂性

虽然通用推理模型不断进步，但现实世界的应用需要 特定领域的认知架构.这些架构模拟人类的工作流程，将任务分解为离散的、合乎逻辑的步骤。

例如， 工厂的机器人 自动执行软件工程任务，例如审查拉取请求、运行测试和合并代码。通过将基础模型与应用程序逻辑、合规性护栏和专用数据库相结合，认知架构可以根据行业需求创建实用的智能解决方案。

Agentic 应用：重新定义市场

生成式人工智能的推理能力正在推动一波 代理应用 — 采取主动措施并产生切实效果的人工智能工具。示例包括：

• 哈维: 人工智能法律助理
• 收集：AI工作助手
• 删节: AI 医疗文书记录员
• 铳弓: AI 渗透测试员
• 塞拉: AI 客户支持代理

通过降低提供这些服务的边际成本，代理应用程序使各种规模的企业都可以使用复杂的工具。例如，XBOW 的自动渗透测试使网络安全变得民主化，使公司能够以可承受的价格进行定期评估。

扩展推理时间计算：人工智能的未来

人工智能创新的下一章取决于扩展 推理时间计算OpenAI 的 o1 模型引入了新的缩放定律：推理时分配的计算越多，推理能力就越好。这一转变将推动 推理云 — 根据任务复杂性调整计算资源的动态环境。

想象一下，模型能够推理数小时或数天。这种能力可能导致数学、生物学和其他领域的突破性发现，解决曾经被认为无法克服的问题。从大规模预训练集群到敏捷推理云的转变标志着人工智能发展的一个重要里程碑。

应用层的机会

对于初创企业和投资者来说，应用层提供了最有前景的创新机会。虽然超大规模企业主导着基础层，但应用层可以创建 特定领域的解决方案 能够精准解决现实世界的问题。

通过利用定制的认知架构和推理能力，初创公司可以设计无缝集成到工作流程中的工具，弥合通用模型和实际应用之间的差距。

最后的想法

人工智能正在以惊人的速度改变世界，同时也改变了商业格局，例如企业如何竞争和发展。原因是“生产产品或服务、提供客户体验的生产成本”只是过去的几分之一。得益于人工智能，它释放了“10 倍”因素。

根据我发展 GroundAI 和服务客户的经验，以下是我对商业和人工智能未来的三点个人看法。

1. PLG 向 ALG 的演变。鉴于客户群的扩张速度没有达到生产力增长的速度，传统的 SLG（销售主导增长）和 PLG（产品主导增长）不再那么有效。因此，增长在很大程度上倾向于分销网络。这是一种接触受众的新方法。我称之为 ALG，即受众主导增长。关键在于如何在不同的平台上有效地吸引受众。
2. 中国科技公司加速进军海外，但也存在两个城市的故事。
   B2C 或大众 B2B SaaS 公司（$20 ~ $100/月），例如 talkie.ai、runcomfy.com，正在成形并在其领域排名前三。其中许多初创公司由不到五人的开发团队组成，但采用了非常复杂的 SEO 和 ALG 方法。另一方面，大型 SaaS/软件公司（50K ~ 100 ACV）仍在努力获得市场份额，这主要是由于我称之为“创始人市场契合度”的问题——创始人无法本地化他们的思维方式来创建一致的执行计划以在中国以外登陆和扩张，但他们中的许多都在积极招聘海外人才，并提供有吸引力的报价，例如高达 35 万美元/年
3. 软件即服务向“服务即软件”的范式转变。LLM 能力的发展速度比我们预期的要快，例如 OpenAi 的 O1 和 O3 推理能力。然而，将这些能力交付给业务客户的“最后一英里”尚未实现。这就是为什么我们看到 AI 代理服务初创公司激增，但遗憾的是，它们只能解决 20 ~ 30% 的业务需求。这就是为什么大多数 AI 初创公司提供服务或通过“服务”赚钱的原因。回复：我的文章“为什么主要的 AI SaaS 每月收费 $20”。

生成式人工智能正在重新定义软件和服务的边界，开启人工智能自主工作的时代。随着我们从 软件即服务 到 服务即软件，改变行业和创造新市场的潜力是无与伦比的。重点不再是模仿人类智能，而是推理、适应和创造重塑可能性的成果。

现在的问题不是人工智能是否能够进化，而是它将如何重新定义我们工作、创新和解决世界上最复杂问题的方式。