文｜適道
最近，馬斯克怒寫46頁訴狀，將OpenAI及 Sam Altman 告上法庭，并要求OpenAI恢復開源狀態(tài)。對此，OpenAI“第一投資人”，被稱為全球科技“投資之王”的Vinod Khosla表示，馬斯克是典型吃不到葡萄就說葡萄酸。
雖然Vinod Khosla有句名言：“一個方案有90%的機率失敗不是問題，只要還有10%的機會獲得100倍的收益”。
然而，他本人的投資眼光卻可謂毒辣。1990年代，Khosla投資了瞻博網(wǎng)絡，并建議其開發(fā)一種“互聯(lián)網(wǎng)路由器，而不是當時更常見的普通路由器”。據(jù)《華爾街日報》報道，Kleiner Perkins對瞻博網(wǎng)絡的300萬美元投資為他帶來了70億美元的收益。
2019年，當OpenAI從一家非營利研究組織轉(zhuǎn)變?yōu)椤坝杏舷蕖惫?，Khosla大膽地邁出了第一步，其創(chuàng)立的投資機構(gòu)Khosla Ventures在種子輪向OpenAI投出高達5000萬美元。該金額是Khosla Ventures成立十五年來任何一筆投資規(guī)模的兩倍。
至少從10年前開始，Khosla就堅信，AI將徹底改變世界。他認為：未來20年，AI有可能在80%的人類角色中承擔80%的工作量，并創(chuàng)造巨大的經(jīng)濟價值。
上周，Khosla分享了自己對AI 交互與革命的最新洞察《How AI Will Change Our Relationship With Computers》（The Information）。這位科技“投資之王”表示：“AI硬件” （AI hardware） 和“小工具”（gadgets）等術(shù)語更像是一種“誤用”。不妨拋開“設備”的局限，討論在人機交互變革的大背景下，將會發(fā)生哪些根本性變化？適道在不影響原意的情況下，對文章進行了簡譯和補充改寫。
01 語音主導界面，軟件將學習人類
第一個根本性變化——低延遲語音將成為人機交互的主導界面。
想象一下，比起用手指戳半天屏幕，延遲在半秒內(nèi)的語音顯然更加便利。與此同時，“無聲語音”技術(shù)也在迎面走來。當你在公共場合中，無需發(fā)出聲音就能和設備進行互動，不干擾他人，也能保護隱私。
第二個根本性變化——軟件將適應人類，而不是人類學習軟件。
到目前為止，我們總是在自適應軟件——學習APP的復雜設計，記住層次化的菜單，并以此與機器交互。未來，我們不再需要像學習使用 Uber 或SAP、Oracle 這樣的復雜系統(tǒng)一樣，去學習如何使用這些APP。
綜上，新一代硬件將結(jié)合二者特征——實現(xiàn)語音互動、能夠?qū)W習人類語言和人類本身。雖然處理某些視覺任務可能仍然需要屏幕，但核心交互將轉(zhuǎn)向語音——無論是無聲的還是有聲的。
Khosla指出：前蘋果首席設計官Jony Ive和Sam Altman討論過一個AI硬件項目，甚至在ChatGPT出現(xiàn)之前，大家就預言會出現(xiàn)這種界面。雖然早期熱度很快消退了，但他們的方向是正確的。問題出在，他們沒有充分關注AI所帶來的全新用戶體驗。
02 延遲不低的Rabbit何以得到Khosla青睞？
前段時間，初創(chuàng)公司Rabbit在CES 2024上發(fā)布了其手持式AI硬件產(chǎn)品——R1，售價199美元，上線5日就賣了5萬臺，近1000萬美元。
和此前出圈的Ai Pin類似，Rabbit R1也采用緊湊小巧的設計，并標配了麥克風、攝像頭，不需要連接手機，沒有內(nèi)置 App。不同的是，Ai Pin沒有屏幕，選擇“投影”顯示，看起來更酷炫；Rabbit R1則是搭載了一塊 2.88 英寸的觸摸屏，更為穩(wěn)妥。
Rabbit R1的定位為AI Agent，用戶在不需要手機的情況下能夠完成很多任務：叫車、放歌、訂餐、訂酒店，甚至在Midjourney 上生成圖片。CEO呂騁（Jesse Lyu）在實測操作中，只需說一句“Play Feel Good Inc”，這首歌就能直接播放；對著屏幕中Discord論壇，問一句“大家都討論什么”，Rabbit R1就可以對“看”到的內(nèi)容進行總結(jié)。
Khosla本人正是Rabbit的早期投資人，投資金額高達千萬美元。在文章中，Khosla給出了投資Rabbit的理由：“Rabbit是人機交互在強大AI世界中的早期嘗試——設備通過自然語言，用語音與計算機（或稱為“代理”）進行交流?！?/p>
Khosla舉了個自己的例子，當他徒步時，會使用“Picture This”APP識別自己遇到的植物，但這個過程很麻煩：停下來，暫停有聲讀物，打開應用，拍照，等待答案加載，關閉應用，將手機放回口袋。有了新設備，Khosla只需將設備指向植物并問：“這是什么植物？”就會得到答案，然后繼續(xù)聽正在播放的有聲讀物。
不過，Khosla可能要“等上一陣”。外媒爆料，有拿到真機的網(wǎng)友發(fā)現(xiàn)，Rabbit R1會在收到問題后說一句“讓我看看”，接著就是20秒的無事發(fā)生，這延遲顯然不符合Khosla定義的“半秒內(nèi)”。
但根據(jù)CEO呂騁在訪談中的回應：Rabbit OS并非像ChatGPT一樣的大語言模型LLM，而是基于大動作模型（Large Action Model）開發(fā)。LAM能夠使AI學會人類操作各種APP的方式，并通過與LLM結(jié)合，從而實現(xiàn)“用戶發(fā)指令——AI執(zhí)行”的效果。因此，Rabbit OS更像一個通用的APP控制器。
如果用戶僅使用LAM涉及的功能。例如，播放一首歌；詢問“橙子和橘子的區(qū)別”等任何不需要搜索最新信息的任務，Rabbit響應速度會非?？?，幾乎在0.5秒以內(nèi)。但如果涉及使用OpenAI，例如搜索最新信息，速度就會變慢，一般在7——8秒，涉及視覺則會更慢。不過，呂騁表示，這已經(jīng)是目前行業(yè)內(nèi)最快的速度。
Khosla本人似乎對Rabbit的目前的“延遲”不太在意，他更在意的是“讓AI代替人與APP交互”，并對Rabbit OS 基于LAM“跨APP工作”能力大為贊賞：這代表傳統(tǒng)范式將完全顛覆，意味著最終我們不必與軟件交互，因為AI 將替我們這樣做。
但新的問題來了，Rabbit為何不以一種“APP”的形式出現(xiàn)在手機中？就像智商更高的Siri？
呂騁從創(chuàng)業(yè)者的角度給出了答案：首先，雖然Rabbit可以成為一款APP，但如果Rabbit只是個APP，就意味著蘋果公司能接觸到代碼，無異于分享了公司的知識產(chǎn)權(quán)。其次，團隊不得不同時為iOS和Android開發(fā)維護這款APP，這還需要大量的持續(xù)資金投入。最重要的是，當Rabbit會被放在和其他APP一樣的平臺上，會給自己帶來了不安：如果明天出現(xiàn)了一個更好的應用怎么辦？用戶忠誠度幾乎為零。
那么，如果Siri自己變成高智商呢，還需要Rabbit R1嗎？呂騁表示：問題不在于技術(shù)，而在于商業(yè)模式，因為iPhone不可能一夜之間沒有AppStore。而Rabbit R1可沒有內(nèi)置 App。
對于Rabbit R1的定位，呂騁給出了一個靠譜的描述：AI時代的iPod。
試想，在非智能手機時代，你會一個褲兜裝手機，另一個褲兜裝iPod。未來，或許會一個褲兜裝iPhone，另一個褲兜裝AI Agent。
但正如呂騁恐懼“下一個更好的應用”，如果下一款更快的AI Agent出現(xiàn)呢？畢竟，199美元的售價像是買了個付費的“AI app”。用戶或許也可以花不高的價格買到下一款更好用的“AI app”，如此一來，建立在Rabbit R1上的拓展業(yè)務也將不再存在——“人們教Rabbit來做他們自己的事情，本質(zhì)上是在創(chuàng)造Rabbit，而不是使用APP，當用戶銷售他們自己的Rabbit時，Rabbit OS將會從中抽成?！?/p>
03 AI Agent會是下一個iPhone嗎？
結(jié)合文章，適道發(fā)現(xiàn)一個新角度——AI時代的社交媒體將走向何方。
呂騁表示：還有很多事情我寧愿去手機上查看，至少目前是這樣。首先是重要的社交功能；另一部分是專業(yè)的群聊。
Khosla則指出：手機現(xiàn)在的設計是為了分散我們的注意力。如果我在徒步旅行時拿出手機，我會看到我的電子郵件、短信和其他通知；我會被拉到某個社交平臺上，看到廣告，甚至可能陷入一個兔子洞，無意冒犯。
而這些新設計，比如Rabbit旨在節(jié)省時間和減少干擾。你告訴它要做什么，它就只做那些，沒有多余的。
Gartner最新預測，到2025年，50%消費者將“放棄或大幅限制與社交媒體的互動”。在 Gartner去年夏天的一項調(diào)查中，53%的消費者表示，社交媒體在前一年或過去五年中變得更糟。
有趣的是，根據(jù)傳播學中的“媒介即訊息”，隨著AI時代的到來，新一代AI Agent是否會摧毀iPhone所創(chuàng)造的社交媒體時代？“一個與真人分享的社交空間”是否將會終結(jié)？如果能，那么，人類當前由“社交媒體”承載的“娛樂時間”又將投向何方？這其中又將蘊含哪些新“錢景”？