在浩瀚的科技演变史中，每一个新技术的崛起都伴随着旧技术的落幕。就如同瓦格纳的《尼伯龙根的指环》所展现的那样，旧神的黄昏预示着新神的崛起。我们正站在这样一个关键的节点上，目睹着旧SaaS的黄昏和垂直AI的黎明。
旧SaaS的诸神黄昏：旧SaaS（软件即服务）在过去的二十年里，极大地改变了企业运营的方式。它将传统的本地软件转变为基于云端的服务，为企业提供了前所未有的便捷性和灵活性。然而，随着技术的不断进步，旧SaaS的局限性也逐渐显现，比如功能的单一性和局限性：旧SaaS主要集中在提供特定的软件解决方案，无法深入到企业业务的核心流程。虽然它们在特定任务上表现出色，但面对复杂、多样的企业需求，力不从心。再比如，缺乏智能化和自动化：传统SaaS的设计更多是以工具的形式存在，缺乏智能化和自动化的能力。它们依赖于用户的手动操作，难以适应高速变化的市场环境和日益增长的数据量。最后，从发展的角度来看，市场趋于饱和和竞争加剧：经过多年的发展，SaaS市场已经趋于饱和，竞争异常激烈。创新乏力的旧SaaS公司面临着增长瓶颈，难以在激烈的市场竞争中脱颖而出。
AI SaaS的灿烂黎明：与旧SaaS相比，垂直AI如同晨曦般破晓，为企业带来了新的希望和可能。它不仅能够弥补旧SaaS的不足，更能在多个层面上实现突破：
深度嵌入和广泛应用：垂直AI能够深入企业的核心业务流程，从数据采集、分析到决策支持，全面覆盖。它不仅能在软件层面优化，还能在运营、管理等多个层面实现智能化升级。
智能化和自动化：通过深度学习和大数据技术，垂直AI可以实现高度智能化和自动化。例如，自动化审计、智能客服、精准医疗等应用，展示了AI在各个行业的广泛应用前景。
开创全新商业模式：垂直AI不仅仅是技术的进步，更是商业模式的革命。通过提供智能化、定制化的解决方案，垂直AI能够为企业创造全新的价值，开辟新的市场和业务机会。
市场潜力巨大：随着数据量的爆炸性增长和计算能力的提升，垂直AI的市场需求也在不断攀升。它不仅能够显著提升企业效率，还能降低成本，为企业带来显著的经济效益。
从黄昏到黎明的过渡
就如同《尼伯龙根的指环》所描述的那样，旧神的黄昏往往伴随着新神的崛起。在科技发展的历程中，旧SaaS的逐渐衰退，预示着垂直AI的迅速崛起。这个过渡并非一朝一夕，而是一个渐进的过程。在这个过程中，企业需要敏锐地捕捉技术发展的脉搏，积极拥抱新的技术和模式，才能在激烈的市场竞争中立于不败之地。
站在科技变革的前沿，我们即将见证旧SaaS的黄昏，我们也会迎来AI Saas的黎明。新的技术和模式，必将带来新的市场机会和商业价值。在这场充满挑战与机遇的旅程中，我们每一个人都是见证者和参与者。
罗伊·阿马拉的名言“我们倾向于高估一项技术在短期内的影响，而低估长期的影响”，揭示了技术发展的普遍规律，在当前的AI云革命中得到了鲜明的体现。
短期高估，AI云的炒作与现实。在过去的一年中，AI云技术迅猛发展，特别是语言模型（LLM）驱动的人工智能在各个行业的应用取得了显著进展。大规模的投资和快速的技术迭代让人们对AI云的潜力充满了乐观的预期。然而，这种快速的进步也引发了对短期炒作的担忧。
资金涌入与预期膨胀：2023年，基础模型公司获得了超过60%的AI风险投资，总额达到230亿美元。这种巨大的资金流入导致了市场预期的膨胀。投资者和企业对AI云的短期潜力抱有极高的期望，认为其能迅速带来革命性的变化。
技术发展的速度与不确定性：尽管AI技术在短时间内取得了令人瞩目的进展，但也伴随着技术本身的不确定性。模型的快速迭代和更新，如GPT-4o的推出，虽然展示了强大的功能，但也让投资者质疑这些技术是否能在短期内带来稳定的商业回报。
市场接受度与实际应用：尽管AI云在理论上具有广泛的应用前景，但实际的市场接受度和应用效果仍需时间验证。企业在尝试引入AI技术时，面临着技术整合、成本控制和人员培训等多方面的挑战，这些都可能延缓AI云技术的实际应用进程。
长期低估：AI云的深远影响，尽管在短期内可能存在炒作过度的现象，但从长期来看，AI云技术无疑将带来深远的变革，其影响甚至超出我们当前的想象。
技术成熟与商业模式创新：随着时间的推移，AI云技术将逐渐成熟，其应用场景和商业模式也会更加丰富和多样化。基础模型的优化、垂直AI应用的崛起和多模态模型的广泛应用，将使得AI技术深入各行各业，带来新的商业机会和经济增长点。
生产力提升与行业变革：AI云技术将从根本上改变生产力和工作方式。自动化工具和智能代理的应用，将极大提升企业的运营效率，减少人力成本，提高决策准确性。开发者、医生、律师等专业人士将从繁琐的日常工作中解放出来，专注于更具创造性和战略性的任务。
社会影响与伦理考量：从长期来看，AI云技术不仅会带来经济和技术层面的变革，还将对社会结构和伦理道德产生深远影响。AI技术的普及将重新定义人与机器的关系，带来新的社会问题和伦理挑战，如隐私保护、算法公平性和就业替代等。
罗伊·阿马拉的名言提醒我们在面对新技术时，既要保持对短期炒作的清醒认识，也要具备对长期潜力的前瞻性思考。AI云技术作为当前科技发展的前沿，虽然在短期内可能存在过度炒作的现象，但其长期的深远影响不可低估。作为投资者、企业和社会，我们需要以长远的视角看待AI云技术，积极应对挑战，充分挖掘其潜在价值，推动社会进步与发展。
近期美国著名风投机构BVP发布了最新一期的《State of the Cloud 2024》报告，对云计算行业进行了深度的分析，接下来，笔者将结合自身体会与报告的内容进行深度分析：
先分享我的五点思考：
AI云的未来：驱动力与关键节点的探索
站在2024年的年轮上，我们感受到AI云技术如潮水般的迅猛发展。五大趋势的背后，核心驱动因素与关键节点交织成一幅壮丽的技术图景。让我们跟随行业大佬的洞见，深入探讨这一波澜壮阔的科技进程。
趋势一：AI基础模型的崛起
AI基础模型的崛起如同新大陆的发现，为我们打开了无限可能的大门。计算能力的提升、海量数据的涌现以及深度学习算法的飞跃，共同推动了这一革命性进步。大型科技公司的巨额投资，更是加速了这一进程。每一个GPT版本的发布，都是一次震撼的技术飞跃，让我们看到了AI未来的无限潜力。
趋势二：AI开发人员效率的提升
开发人员的角色正在被AI重新定义。代码副驾驶和智能代理工具的出现，使开发人员从繁重的日常编码中解放出来，专注于更具创造性的任务。GitHub Copilot等工具的应用，标志着开发效率的质变提升。这个过程中，自动化工具的普及、新工具链的建立，以及对AI技能的迫切需求，成为了背后的核心驱动力。
趋势三：多模态模型和AI代理的应用
多模态模型和AI代理的崛起，让我们看到了人与技术互动的新可能。声音、图像、文字，这些原本孤立的元素，在AI的编排下，变得如此和谐自然。智能代理不仅仅是工具，更是我们的伙伴，帮助我们处理复杂的任务。新型语音助手的普及，以及智能代理在企业中的广泛应用，展示了这一趋势的广阔前景。
趋势四：垂直AI的崛起，市值达到传统SaaS10倍的公司将批量出现
垂直AI的出现，带来了新的商业模式和市场机会。专业服务领域的自动化，法律、医疗等高成本、重复性任务的优化，都是垂直AI展现其价值的舞台。大数据和AI技术的结合，使得垂直行业的效率提升和成本降低成为可能。企业对垂直AI技术的认可和投资，推动了这一领域的快速发展。
大胆预测：随着垂直人工智能进入服务经济并释放新的商业模式，垂直人工智能的市值将至少是传统垂直 SaaS 的 10 倍。这种预测并非我的主观臆断，或者说空穴来风，而是基于以下几个关键驱动因素和行业发展节点的深度分析：
1. 垂直AI的应用广泛性和深度将大幅度拓展SaaS的边界与场景
传统垂直SaaS主要集中在软件应用层，提供特定行业的解决方案。而垂直AI不仅能够在软件层面进行优化，更能深入到业务流程和运营的各个环节。例如，AI可以自动化法律文书处理、医疗影像分析、财务报表审计等高频重复性任务，大幅提升效率并降低成本。这种深度的嵌入和广泛的应用场景，是传统SaaS所无法比拟的。
2. AI驱动的新商业模式出现，以前很多无法自动化的场景都实现了automation
垂直AI不仅仅是工具，更是能够重新定义商业模式的核心驱动。例如，AI助手和自动化服务可以完全取代人工操作，提供更加智能和高效的服务。像EvenUp这样自动化法律服务的公司，通过AI实现的自动化流程，可以显著降低人工成本并提高服务质量，进而创造出全新的服务模式和市场需求。
3. 市场需求的巨大潜力，大量重复性行业的市场将被AI软件取代
根据美国劳工统计局的数据，商业和专业服务行业占美国GDP的13%，这一行业中的大量工作都是基于重复性语言任务。垂直AI有能力在这些领域中替代人工，释放出巨大的市场需求。例如，医疗行业中AI辅助诊断和治疗的应用，法律行业中AI审查和合规的应用，都展示了垂直AI在这些高价值领域的潜力。
4. 技术进步带来的效率提升
垂直AI利用大数据和深度学习技术，能够在特定领域中提供高度精准和高效的解决方案。例如，自动化审计、智能客服、精准医疗等，通过AI的介入，能够实现传统方法无法达到的效率和准确度。这种技术上的突破，使得垂直AI的市场价值大幅提升。
5. 资本市场的支持
大规模的资本投入和市场认可也是垂直AI市值增长的重要推动力。像汤森路透和Docusign等公司对垂直AI企业的收购，显示出市场对这一领域的高度关注和认可。资本的涌入不仅推动了技术的发展，也加速了市场的成熟和扩展。
综合以上几点，我认为，垂直AI的市场潜力和实际应用价值远远超出了传统垂直SaaS的范围。它不仅能够优化现有的业务流程，还能创造出全新的商业模式和市场需求。在这种背景下，预测垂直AI的市值将达到传统垂直SaaS的十倍，既有理论依据，也有实际数据的支持。随着技术的不断进步和市场的进一步成熟，垂直AI将成为服务经济中的核心驱动力，开创一个全新的时代。
趋势五：AI重振消费者云
消费者云领域的复兴，让我们看到了AI在日常生活中的无限可能。合成媒体的崛起、新的娱乐和消费方式的出现，改变了我们的生活方式。AI生成内容的能力，使得社交、娱乐、购物等活动焕发新的生机。随着技术的不断进步，消费者云将继续发展，成为我们生活中不可或缺的一部分。
在这场AI云的革命中，核心驱动因素与关键节点如同星辰大海，引领着我们不断前行。从基础模型的技术突破，到开发人员效率的提升；从多模态交互的创新，到垂直AI的深度应用；从消费者云的复兴，到每一个技术节点的探索，我们看到了一个充满希望和力量的未来。每一步都是新的开始，每一个进步都值得铭记。在这条充满挑战与机遇的道路上，我们共同见证AI云的辉煌时代。
以下是报告的深度分析：2024 年 AI 云的五大趋势
在去年的《云现状报告》中，ChatGPT 推出六个月后，我们宣称语言模型驱动的人工智能将继续存在，并将影响几乎所有的云路线图。事后看来，这是今年的轻描淡写。即使是我们乐观的看法也低估了过去 12 个月（又名 12 个“人工智能年”）随之而来的加速技术变革。
2023 年，我们承诺提供 10 亿美元的资金，凸显了我们对 AI 的热情。一年后，我们对人工智能的前景充满信心——我们支持了对人工智能初创公司的多项新投资，并在几乎所有投资组合公司的路线图中广泛采用 LLM 技术。如今，很难找到一家在某种程度上不是人工智能公司的云公司。
当然，我们并不孤单。新的技术浪潮往往会激起风险投资的胃口，但与历史先例相比，风险投资对这一浪潮的反应速度是前所未有的。虽然 BVP 纳斯达克新兴云指数（EMCLOUD）仍低于 ZIRP 高点并以历史正常水平交易，但私营部门已经反弹，可以说再次膨胀，这主要是在 AI 云的支持下。
人工智能是我们所能想到的。是的，传统云仍然有有意义的机会，嵌入式支付和工资单继续在新的垂直领域打开缝隙。这些垂直行业包括供应链和物流、卡车运输、政府科技和气候等服务不足的行业，这些行业正在看到生命的迹象。是的，在 Covid 泡沫崩溃中被高估和资金过剩的云公司脚踏实地或转向紧缩，这是戏剧性的。但是，当我们对 62 位全球投资者进行调查时，我们并不感到惊讶，因为 124 只眼睛接受了我们共同认为是我们一生中最大的技术转变的训练。
今年的《云现状》报告既是对传统云的悼词，也是对当前 AI 云时刻的庆祝。在接下来的话中，我们完全专注于我们的全球投资者团队认为与人工智能云最相关的五大趋势，以及对我们预测的激动人心的几年的影响。在《2024 年云现状》中，我们深入探讨了塑造 AI 云经济未来的五个最强大的趋势，以及我们对 2030 年的预期预测。
趋势 1：人工智能基础模型为大型科技公司的新世纪之战奠定了基础
当我们反思过去的平台转变时——从浏览器和搜索到移动和云——每一次技术变革都催化了控制基础层的竞争。人工智能时代也不例外。基础模型是新的“石油”，将为下游 AI 应用程序和工具提供动力。
2023 年，基础模型公司占据了 AI 风险投资的最大份额，占 AI 总资金的 60% 以上。OpenAI、Anthropic、Mistral、Cohere 等公司以 1240 亿美元的总市值筹集了 230 亿美元，突显了它们在全球人工智能生态系统中的关键作用。值得注意的是，这种资本的涌入主要是由企业风险投资推动的，他们在 2023 年占 GenAI 私人融资的 90%（根据摩根士丹利的数据，高于 2022 年的 40%）。Microsoft、谷歌、亚马逊、英伟达和甲骨文等大型科技公司现在在基础模型公司中拥有大量股份，因为这些投资在战略上是一致的，以增强这些科技巨头的人工智能能力，推动其核心云和计算服务的消费。除此之外，大型科技公司也在开展自己的内部基础模型计划，例如谷歌的 Gemini 和 Meta AI 的 Llama。
随着如此多的资金流入这一基础层，竞争正在以前所未有的速度加剧，推动了生态系统中令人难以置信的创新。以下是我们在 2023 年观察到的一些主要趋势：
基础模型快速改进：通用 LLM 模型每秒钟都在变得越来越好，无论是在基本性能能力（如准确性和延迟）方面，还是在包括多模态功能在内的前沿。GPT-4o 的推出让我们所有人都惊掉了下巴——新版本展示了查看和理解上传文件中的视频和音频以及生成短视频的能力。令人眼花缭乱的模型改进速度引发了关于模型投资策略的明显问题，这些模型的半衰期似乎以月为单位。
开源和闭源之间的战斗愈演愈烈：正如我们在去年的《云现状》中提到的，开源与闭源的争论仍然是 2024 年的热门话题，因为开源领导者密切关注闭源模型的性能，尤其是最近推出的 Llama 3。围绕监管影响提出了新的问题，闭源参与者是否应该将其旧模型开源作为新商业化战略的一部分，或者这是否可能是历史上第一次开源领导者可能成为这个市场的赢家。
小型模型运动变得更大：此外，2023 年还见证了小型模型运动的兴起，HuggingFace 首席执行官兼联合创始人 Clem Delangue 宣布 2024 年将是 SLM 年。与大型同类产品相比，今年推出的 Mistral 8x22b 等示例表明，就性能而言，更大并不总是更好，而且小型模型可以带来显着的成本和延迟优势。
新型架构和特殊用途基础模型的出现：2023 年，我们还看到了 Transformer 之外的新型模型架构的出现，例如状态空间模型和几何深度学习，推动了基础模型的前沿，这些模型可以降低计算密集度，能够处理更长的上下文，或表现出结构化推理。我们还看到，为代码生成、生物学、视频、图像、语音、机器人、音乐、物理、脑电波等训练特定用途模型的团队激增，为模型层增加了另一个多样性向量。
由于在基础层发生了如此多的事情，似乎每秒钟我们脚下的地面都在移动。尽管这里投入了大量资金，但目前对获胜者并不一定有明确的共识。
预测：在可预见的未来，人工智能模型之战仍将保持白热化，因为这是一场关键的“土地争夺”，决定了未来几年哪些大型科技公司在云和计算市场中占据主导地位。
在可预见的未来，我们预计会看到三种可能的现实，即谁将在这场模型层之争中获得最大价值：
现实 1：模型层变得商品化。数亿美元的资本是否会被挥霍掉，因为风险投资和大型科技公司支持人工智能领导者的德比？资本最雄厚的模型并不意味着它们会成为赢家，因为开源模型继续密切挑战领先的市场参与者。但是，人工智能模型商品化的未来并不一定意味着模型的价值会降低。作为商品的人工智能模型将类似于作为商品的计算或石油——它们有朝一日将成为全球商业运营必不可少的资产。在这种现实中，人工智能生态系统的最终价值将由计算和云服务提供商、市场和应用程序获取，而不是由模型本身获取。然而，在一个人工智能模型商品化的世界中，正如我们在石油市场上看到的那样，这仍然可能导致一两家非常有价值的公司出售这些“商品”。
现实 2：AI 模型巨头瓜分了蛋糕。与云大战类似，少数几家著名的新模式公司，在大型科技战略或企业风险投资的大力支持下，将拥有基础模式生态系统并成为巨头。这些赢家中的每一个都将找到一个差异化的楔子来匹配技术差异化，无论是通过分销、价格/成本效率、监管影响等。可能仍然有不同参与者（尤其是开源）的长尾，但价值将累积到少数顶级模型参与者身上。决定未来人工智能巨头的不仅是卓越的技术，还有他们既定的分布。
现实 3：人工智能模型变得像薯片市场一样多样化和流行。就像薯片的味道无穷无尽一样，人工智能模型经济的未来很可能看起来类似于当地杂货店的零食过道。许多模型公司可以蓬勃发展，因为有足够多的差异化用例（例如，模式、性能、延迟、成本、安全性等）供不同的模型公司生存。此外，如果地缘政治考虑进入人工智能模型领域，地理和监管可能会在这里发挥作用，监管和主权问题的混合支持这一层多样性的扩散。
预测：虽然我们远未达成共识，但我们的大多数合作伙伴预测闭源模型将推动大部分LLM计算周期，而人工智能模型巨头最终将瓜分经济蛋糕（现实#2）。我们预计云巨头将利用他们对计算、芯片和资本的访问来影响这场对他们有利的战斗。领跑者已经在竞争中——Microsoft/OpenAI、AWS/Anthropic、谷歌/Gemini，其中 Meta/Llama 是相当于 Linux 的 OSS 替代品，包括 Mistral 作为欧洲领先者。
趋势 2：AI 将我们所有人变成 10 倍的开发人员
现代工程师一直既是构建者又是学生——在完成日常工作的同时，不断努力跟上新语言、框架、基础设施等的最新信息。人工智能地震为这项工作增加了博士学位要求，因为开发人员面临着一套全新的工具链和最佳实践，以利用不断发展LLMs的工具链和最佳实践，包括用于数据管理、策展、提示、预训练和微调的新基础设施套件。在 AI 时代，每年都需要快速掌握十年来的新开发人员知识。
但人工智能也可能为这种新的复杂性提供解决方案。2023 年，代码副驾驶被广泛采用，2024 年的头几个月，代理工具取得了早期突破，这表明简单代码任务的端到端自动化以及可能更多任务的到来可能比我们预期的要早。
预测：人工智能将从根本上改变开发人员的角色，也许比任何其他职业都更重要。到本世纪末，每个拥有计算机的人都可以使用重要的开发人员功能。由此产生的软件开发速度将融化键盘，并大大降低技术初创公司创始人的平均年龄。
三个主要领域正在推动人工智能开发者经济的闪电般发展：
代码copilot行业一直是创新和竞争的温床，2023 年为 GenAI 技术和工具投资了 39 亿美元的风险投资。Github 现有的 Copilot 产品由 OpenAI 的 GPT-4 和 Codex 模型提供支持，安装量超过 1400 万次。Tabnine、Magic.dev、Augment、Poolside、Cursor AI、OpenDevin、Cognition's Devin 和 Supermaven 等资金雄厚且规模不断扩大的初创公司竞争对手正在与开发人员一起构建和迭代。一些公司，如 Magic.dev、Poolside、Augment 和 Supermaven，正在预训练他们自己的大型 AI 模型，重点是模型属性，如上下文、延迟等。其他的，如 Cursor，与模型无关，专注于开发人员体验、界面和工作流程。这种格局是模型层人工智能公司资本密集度的一个很好的例子;Magic.dev、Augment、Poolside 和 Devin 在过去几年中各自筹集了 $150M+。
嵌入代理搜索和生成功能的副驾驶的“毕业运动”将在未来几年推动巨大的价值。Devin、SWE-agent 和 OpenDevin 已经证明了端到端代理工具的潜力，这些工具可以与开发人员环境（即文件编辑器、bash shell）和互联网进行交互，以完成编码任务。这些智能体演示的基础是代码语言推理、智能体轨迹规划（提示、行为克隆/微调、强化学习的方法各不相同）和各种智能体-计算机接口 （ACI） 改进（即跨浏览器和操作系统的抽象和基础设施，可实现无缝的智能体工具查询和自我纠正）。
代码语言推理仍将是人工智能活动的中心，旨在从模型层创新（例如 GPT-4、Claude 3 Opus）和新的推理/代理范式（例如 Cognition 的 Devin、SWE-agent、OpenDevin）中受益。模型层的改进将向入代码编辑和完成质量，最终为开发人员和软件组织带来价值。除了代码推理之外，突破延迟、上下文大小和扩展语言域/预训练集的系统也将为开发人员带来巨大的价值。
人工智能正在推动创新和变革，并加快开发人员的速度、生产力和软件组织的影响力。具有前瞻性思维的软件组织正在定期调查新兴工具和供应商的前景，并迅速优先考虑和采用高价值的开发人员软件。开发人员的预算再次流动，并且愿意为具有明显影响的工具付费。
对于开发者企业家来说，这是一个激动人心的时刻;在副驾驶方面，除了基础设施、开发工具、QA、IT 配置和配置、安全运营监控、渗透测试等等，机会都比比皆是。
copilot可能是目前最明显的机会，但这使它们成为最具竞争力的竞争环境。我们还看到，在更具体的开发人员领域，从安全领域的 SecOps 到 SRE，再到 QA 和渗透测试，工具呈爆炸式增长。这些工具用于LLMs抽象出低级复杂性，并自动执行高度耗时、痛苦的工程任务，从而为更高阶的任务释放工程资源。在DevOps流程中集成AI将增强CI/CD管道、自动化测试和部署策略，从而实现更快、更可靠的软件交付。
代码重构是人工智能对开发人员工作流程和生态系统影响的另一个很好的例子。许多现代工程团队只花费了一小部分 FTE 时间来编写全新的代码。特别是在大型组织中，SWE的很大一部分时间都花在了软件工程角色中不那么“性感”的部分上：维护、保护和测试代码。其中许多任务（例如代码重构）需要对堆栈有深入的了解，并且通常是高级工程师在恐惧中执行的笨拙项目。
人工智能在应对这些挑战方面具有明显的潜力;Gitar、Grit、ModelCode 等初创公司利用代码生成模型、静态分析和 AST 解析器来解释代码结构并跨语言、包库和框架迁移代码。其中一些工作集中在现代 Web 框架上，而另一些则使用脆弱的遗留工程堆栈（即 COBALT、PEARL 等），随着时间的推移，流畅的工程师正在变得过时。许多与核心软件工程功能相关的工作流也非常耗时、重复，并且自动化的时机已经成熟。
预测：到 2030 年，大多数企业软件开发人员将变得更类似于软件审查员。开发成本将下降，随着有经验的开发人员变得更有效率，他们的薪水将增加。人工智能将影响所有就业市场所需的范围和技能，但也许没有比开发人员更重要的了。人工智能的增强不仅将极大地提高这一职业的生产力，而且还将扩大开发人员领域的边界。到本十年末，发展能力将成为全球大多数人口可以掌握的技能。
趋势 3：多模态模型和人工智能代理将改变人与软件的关系
多模态模型和 AI 代理的兴起正在引领 AI 的下一波创新浪潮，并极大地扩展了 AI 的潜在应用，使其比早期基于文本的模型更广泛地使用。对于人工智能企业家来说，这是一个跨新模式进行创新的新机会，如语音、图像和视频，以及代理工作流程。这些新模式使人工智能具有与人类的视觉、听觉和言语能力相当的能力，这为人工智能提供了机会，使其在增加依赖这些感官的人类工作方面发挥作用。
在接下来的 12 个月里，我们预计语音 AI 应用将出现突破性增长。从长远来看，我们还看到代理优先产品有望改变企业的运营方式，因为它们对人工智能可以委托处理的任务的复杂性和广度设定了新的期望。
预测：语音 AI 应用程序将在未来五年内解锁 100 亿美元的新软件 TAM。
最近的进展是不可否认的：
第一波语音人工智能公司主要利用自动语音识别 （ASR） 的进步，例如 Abridge，它提供了用于转录医患对话笔记的领先产品，以及 Rillavoice，它捕获现场销售代表与客户的对话以协助销售培训。我们现在看到一波新的语音 AI 公司正在开发能够处理繁琐和重复的工作流程的对话式语音产品，使销售、招聘、客户成功和管理用例中的人类能够专注于更高价值的工作。我们产品组合中的一个例子是 Ada，它利用最近的语音突破来扩展其基于聊天的客户支持产品，以整合对话语音。
支撑这些发展的是新的语音架构。我们看到从级联架构（ASR 将音频转录为文本，然后LLM将文本反馈到文本到语音模型）到语音原生架构的转变，正如 GPT-4o 等新模型所展示的那样，它可以处理和推理原始音频数据，而无需转录文本并以原生音频进行响应。这种转变将使对话语音产品具有更低的延迟，并能更好地理解情感、语气和情绪等非文本信息，其中大部分信息都会在级联架构中丢失。这些进步将带来真正实时的对话式语音体验，可以帮助用户更快地解决问题，并且比前几代语音自动化少得多的挫败感。
人工智能语音应用正在许多行业中兴起，包括汽车经销商、零售、餐馆和家庭服务。很大一部分（甚至大多数）入站销售电话在工作时间之外发生时被错过，在这些情况下，人工智能已经准备好接手。销售中的人工智能语音应用往往是非常高的投资回报率用例，因为人工智能本质上是在弥补这些企业的收入损失，因此可以提供真正令人信服的价值主张。
走在语音 AI 前沿的企业家比以往任何时候都更有能力提供越来越自然和对话的界面，能够提供接近人类水平的性能。我们预计语音人工智能堆栈将出现公司爆炸式增长，其中许多公司将经历真正的突破性增长。在此过程中，我们还预计消费者对与语音 AI 交互的期望将发生变化，因为现代对话式语音应用程序开始为用户提供更自然的体验，并最终让他们更快地解决问题。
计算机视觉模型已经存在多年，但新一代多模态模型令人兴奋的是它们能够结合对图像和文本数据（以及其他模态）的理解，因为这种组合对许多任务非常有用。
最初的基于企业的图像应用程序主要集中在数据提取用例上。我们已经看到像 Raft 这样的公司提取货运文档，提取关键信息以填充客户的 ERP 并自动化发票对账工作流程。随着底层模型的不断改进，我们相信我们将看到大量特定于垂直的图像和视频处理应用程序的出现，这些应用程序也将能够摄取越来越多的数据来支持其应用程序。
我们还看到了工程和设计中的应用，这些应用利用视觉模型和图像生成模型来帮助推理图形数据（如原理图）或生成建筑设计的效果图。例如，Flux.ai 提供了一个 AI 副驾驶，可帮助电气工程师根据摄取组件的 PDF 规格表，在其设计软件中生成印刷电路板组件。
人工智能中最令人兴奋的新兴主题之一是人工智能代理的开发，它能够端到端、完全自主地处理复杂的多步骤任务。虽然大多数 AI 代理的运行还不够可靠，无法在复杂的用例中自主运行，但代理工作流程的进展非常迅速，我们看到了可能性的一瞥。每个新的演示都比上一个更好，Cognition AI 的 Devin（AI 软件工程师）暗示，随着 AI 的规划和推理能力不断扩展，可能性会有所扩大。
越来越多的应用程序开始在高度受限的用例中实施 AI 代理，在这些用例中，它们可以限制跨多步骤流程的复合错误的影响。例如，企业正在利用 Bessemer 投资组合公司 Leena AI 等解决方案，提供 AI 代理来支持员工完成 IT、HR 和财务相关任务，帮助这些团队摆脱繁忙的工作并改善员工体验。
此外，新模型正在出现，具有更强的推理能力，可以进一步使代理能够执行更复杂的工作流程。也许更有趣的是，有一系列的研究集中在新的架构方法上，通过各种方法改进代理实现，包括思维链推理、自我反思、工具使用、规划和多智能体协作。
2023 年，我们看到了专注于基于文本的用例的 AI 应用程序的爆炸式增长。到 2024 年，我们预测多模态模型将在我们看到的 AI 在应用层使用的功能和用例方面开辟新的领域。这将导致新一波应用程序，为特定垂直领域的大型企业和小型企业等市场带来近乎人类的能力，甚至将为消费者应用程序释放令人兴奋的潜力。
趋势 4：垂直 AI 显示出通过新的应用程序和商业模式使传统 SaaS 相形见绌的潜力
垂直 SaaS 被证明是一个沉睡的巨人，在第一次云革命中改变了行业。今天，美国排名前 20 位的垂直 SaaS 公司的总市值为 3000 亿美元，其中一半以上的公司在过去十年中进行了首次公开募股。
现在，大型语言模型（LLMs）的兴起引发了下一波垂直 SaaS 浪潮，因为我们看到新的 LLM 原生公司针对新功能，有时甚至是传统垂直 SaaS 无法企及的行业；值得注意的是，垂直 AI 应用程序针对的是高成本、重复的基于语言的任务，这些任务主导着众多垂直行业和大型经济部门。
美国劳工统计局指出，商业和专业服务行业占美国 GDP 的 13%，仅这一行业就以重复性语言任务为主，其规模是软件行业的 10 倍。除了专业服务部门之外，在每个垂直行业中，基于重复语言的任务在活动中占有很大份额。我们相信，垂直人工智能将在这些资金中争夺有意义的份额，并将推动人类劳动力不足领域的活动。例如，Bessemer 投资组合公司 EvenUp 将第三方法律服务以及内部律师助理工作流程自动化。此外，EvenUp 开辟了以前人力成本太高或不一致而无法应用的任务领域。这种多维扩张对所有经济部门的垂直人工智能都有影响。
预测：随着垂直人工智能进入服务经济并释放新的商业模式，垂直人工智能的市值将至少是传统垂直 SaaS 的 10 倍。
Copilots、Autopilots 和 AI 服务构成了垂直 AI 经济的三种新商业模式。垂直人工智能也通过几种不同的商业模式提供，从而增加了将人工智能能力与给定行业需求相匹配的几率。
Copilots 通过利用 LLMs 自动化任务来提高工人的效率。例如，Sixfold 增强了保险承保人的能力，以更好地分析数据和了解风险。在副驾驶模型中，人工智能应用程序与人类用户并排放置，使用户更加成功。
副驾驶帮助员工完成工作，而座席则完全自动化工作流程并取代用户。座席倾向于专注于垂直公司内部的特定职能，例如呼出销售或呼入电话接收。例如，Slang AI 可以处理餐厅预订和预订的呼入电话、回答问题等。
最后，我们看到了人工智能服务的出现。这些服务通常外包给第三方提供商，如会计、法律服务、医疗计费等。由于这些业务是人力密集型的，因此传统上利润率较低，难以扩展，难以区分，并且价值低于技术企业。通过使用软件实现工作自动化，这些人工智能驱动的服务公司旨在向市场提供更便宜、更好、更快的服务，并从现有的服务型企业中夺取份额。SmarterDx 使用人工智能代表卫生系统和医院审核住院患者索赔，然后再将账单和相应的临床文件发送给付款人。这些账单前服务传统上外包给使用医生和护士来完成审计工作的供应商。
Bessemer 很幸运地在多个垂直领域支持了这位传统的 SaaS 领导者——现在我们拥有最大的垂直 AI 投资组合之一，尤其是那些已经达到中成长期的企业。因此，我们已经有了有意义的数据，可以用来比较垂直人工智能公司和传统的垂直 SaaS 公司。虽然我们和任何风险投资公司一样对语言模型的力量感到兴奋，但我们对垂直人工智能商业模式的早期数据也同样感到兴奋。对我们的垂直人工智能产品组合的三项分析暗示了这一类新应用的优势。
首先，我们会注意到，在大多数情况下，垂直 AI 参与者在不与传统 SaaS 竞争的功能方面处于领先地位。这些应用程序的效用通常是对传统 SaaS 产品的补充（如果一个退出的话），因此不会被要求复制和取代现有的产品。同样令人兴奋的是，这些垂直 AI 新贵已经占据了传统核心垂直 SaaS 系统的 80%。而这些垂直 AI 参与者才刚刚起步，具有扩展 ACV 的明显潜力。这些数据证明了垂直人工智能的能力，它取代了服务支出，从而释放了垂直终端市场的大量支出，并提供最终可能是传统 SaaS 所享受的 TAM 的显著倍数。
我们也对具有重大规模（400 万美元 ARR+）的垂直人工智能公司的效率和增长状况感到鼓舞。这是一群以 400% 的同比增长速度增长最快的公司。令人印象深刻的是，这些公司还表现出健康的效率，平均毛利率为 65%，BVP效率比为 1.1 倍（净新 CARR/净消耗）。我们相信，随着时间的推移，这些公司的利润率只会提高，正如我们在软件领域所看到的那样，因此，作为一个类别，它们处于有利地位，可以成为经久不衰的独立上市公司。
最后，我们分析了这些垂直人工智能公司在模型成本上花费的收入百分比，以解决许多这些应用程序只是薄包装器的担忧。平均而言，这些公司目前仅将其收入的 10% 用于模型成本或占其总 COGS 的 25%。因此，这些建立在基础 LLMs 模型成本之上的垂直应用程序已经产生了 6 倍的基础模型费用的利润。随着模型成本的迅速下降，以及这些初创公司刚刚开始优化他们的支出，我们相信这些有吸引力的利润率只会变得更好。
总体而言，虽然我们预计模型层将创造大量价值，但这些数据告诉我们，与过去的基础设施创新一样，大部分企业价值将再次在应用层中捕获。
垂直软件的现有企业并没有完全睡着。汤森路透（以 6.5 亿美元收购 CaseText）和 Docusign（以 1.65 亿美元收购 Lexion）等公司已经进行了一些首批备受瞩目的垂直人工智能收购。
但我们相信，我们仍然接近垂直人工智能马拉松的起跑线......尽管跑步者可能会冲刺整个比赛。随着 EvenUp、Abridge、Rilla、Axion 等早期创业领导者以令人印象深刻的速度增长，我们预计新的经久不衰的公共垂直 AI 公司将在短短几年内诞生。
根据我们已经看到的大规模增长率，我们预测在未来两到三年内，我们将看到至少五个垂直人工智能半人马（1 亿美元+ ARR）出现。
预测：首次垂直人工智能 IPO 将在未来三年内进行。
趋势 5：AI让消费者云起死回生
众所周知，消费者云经历了缓慢的十年。（我们将消费者云定义为直接向个人消费者提供基于云的存储、计算和数字应用程序的公司，有时包括并发 B2B 和“产消者”产品。
为了说明有多慢，我们分析了过去八年的 Cloud 100 数据——自 2016 年以来，Bessemer、Forbes 和 Salesforce Ventures 每年都会发布前 100 家私有云公司的最终排名。自 9 年前成立以来，只有 4% 的累计榜单代表了提供消费者产品的公司，有时还与更突出的 B2B 产品（例如，2016 年的 Zoom 和最近的 2023 年的 OpenAI）一起。可以说，自 2018 年首次公开募股（IPO）以来，我们还没有看到一家“纯粹”的消费者云公司退出。
消费者云独角兽历来是在重大的使能技术转变之后建立起来的。但是，自从 iPhone 推出以来，我们还没有看到面向消费者的技术发生广泛的相关地震，以及大约 15 年前社交媒体平台的后续发展。然而，两年前，消费者听到了一声巨响。
随着快速发展的多模态功能 LLMs 使我们能够以以前不可能的方式扩展和增强我们的文本、视觉和听觉感官，我们看到每个类别的传统消费者云都存在颠覆的可能性。
衡量人工智能消耗能力的一个标准是这些应用程序消耗了我们的时间和注意力。例如，ChatGPT 现在与 Reddit 等注意力经济的领导者并驾齐驱，其他通用 AI 助手，包括 Claude 和 Gemini，正在迅速获得牵引力。
除了上面提到的通用助手之外，我们已经看到了消费类人工智能公司的例子，这些公司正在推动各自类别的创新。其中包括用于搜索的 Perplexity、用于陪伴的 Character.ai、用于图像创意的 Midjourney、用于音乐生成的 Suno 和 Udio，以及用于视频生成的 Luma、Viggle 和 Pika。这些公司正在展示 LLM 原生应用程序在吸引和留住专门用户群方面的潜力，在某些情况下，可以有效地取代现代现有企业。
随着人工智能改变我们参与和玩弄技术的方式，这是成为消费者云构建者和投资者最激动人心的时刻之一。我们预计未来五年将出现多个消费者云 IPO。
预测：随着合成媒体、新的消费者应用程序和对话式人工智能代理的惊人崛起，我们预测，到 2030 年，主导注意力经济的前三大业务将基于人工智能生成的内容或产品。
我们还看到，在功能特定的消费者人工智能应用程序（即内容生成和编辑、教育）的长尾中，出现了重要的早期活动，每月的网络和应用程序访问量证明了这一点。好消息是，这些信号表明了消费者的需求和兴奋程度——这是消费者正在寻找人工智能来改善生活的早期迹象。坏消息是，目前还没有超过 10 款特定类别的消费者 AI 原生应用显示出明显的产品深度迹象，而不仅仅是薄薄的包装或以强大的保留形式证明能够持续客户的喜爱。我们相信，对于积极进取的企业家来说，在未来几个月和几年内，仍然有机会建立可持续的云公司，以解决许多未满足的消费者需求。
当我们提出这些问题时，我们正在重新审视消费者生活中的每一个日常需求和痛点，但也不会仅仅考虑既定的消费者需求来限制我们对可能发生的事情的想象力。我们相信，有大型企业需要建立，为消费者提供新颖的效用，例如克隆和伴侣、创造力和创造、互动娱乐和记忆增强，包括许多其他尚未发明的市场。
我们还兴奋地跟踪开始浮出水面的新型外形，以满足特定的消费者需求。由于我们无法预测未来，我们无法确切地判断人工智能在渗透到消费者生活时将采取何种形式。然而，手持设备、可穿戴设备和家居用品（玩具、镜框、镜子）已经开始出现，至少是作为原型，作为即将到来的初创公司的潜在预兆。
人工智能不仅将重塑我们最喜欢的消遣方式（例如，社交、娱乐、购物、旅行等），还将帮助我们发现和重新构想人们联系、娱乐、购买和探索世界的新方式。还有很多事情有待解决。从投资的角度来看，我们质疑通用人工智能助手（包括 iPhone 上的 Siri）与独立应用程序相比，哪些消费者需求将得到满足。更不用说与这些未来产品一起出现的道德考虑了。尽管地平线上有许多未知数，但我们相信早期信号清楚地表明，这场 LLM 革命将改变我们所有人的生活，并振兴消费者云领域。
结论：AI 云：现实与炒作
“我们倾向于高估一项技术在短期内的影响，而低估长期的影响”——罗伊·阿马拉一语道破科技行业的发展趋势，点com是肯定的。纳米技术。清洁技术。区块链。即使是无聊的旧 SaaS 在 2021 年也飞得离太阳太近了。
那么，围绕AI云的炒作是否超出了现实？我们是否注定要在未来一两年内进行清算，当我们承认人工智能将云风险投资推到我们的滑雪板上时？还是人工智能威胁要打破“阿马拉定律”？现实超越疯狂炒作的第一次科技浪潮？
对数十名在全球各个阶段和每个技术领域工作的 Bessemer 投资者的调查给出了一个明确的答案：到目前为止，炒作是当之无愧的。无论我们走到哪里，我们都能看到人工智能影响的证据，其影响达到了前所未有的水平。
我们的最终预测是，当我们在一年后回顾 2025 年的云状态时，人工智能不会放弃其当前聚光灯的光子——虽然我们肯定会有成功和失败，但平均进展将超过我们最激进的预测，我们将比现在更兴奋地再次将时钟向前转，看看这个惊人的时刻将我们带向何方。
https://www.bvp.com/atlas/state-of-the-cloud-2024文章原文链接，参见。
全文完。
