穿云鉴智 - HashiCorp 创始人对于 AI 大模型的思考

此翻译已获得原文作者授权
作者｜Mitchell Hashimoto
原文链接｜https://mitchellh.com/writing/ai-through-a-cloud-lens

每隔 10 年左右，就会开始一次平台迁移。17 年前，随着 AWS 旗下 S3 和 EC2 的发布，拉开了平台迁移的序幕。这个被概括为 「云原生」的迁移，从根本上改变了我们构建和交付软件的方式，从个人到最大的全球化公司，无一例外。

今天，人工智能 -- 特别是大型语言模型（LLMs）的进步 -- 开始让人觉得是另一个平台迁移的开始。这不是从云开始的迁移，而是一个不同类别的平台迁移，但它同样有可能从根本上改变我们构建和交付软件的方式。

我将通过云计算崛起的历史镜头来看待人工智能的崛起。我不会讲述完整的云计算历史（很无聊！），我将进行一些分类，并使用这些类别来对比云计算和人工智能以及对未来的预测。

即时价值

云计算的早期成功是以向早期采用者提供即时价值为标志的。对于小型项目（最初，后面会有更多的介绍），EC2 是获得服务器的最快和最便宜的方式，S3 是存储和提供静态资产和二进制文件的最简单和最可靠的方式。一切都有一个易于使用的 HTTP API，鼓励工程师进入自动化和触手可达的新时代。

最近的人工智能发展也有同样的即时价值感受。以前很难快速整合的问题，如情感分析（「这个生物有攻击性吗？」），现在变得轻而易举了。通过像 Copilot 这样的工具生成的代码不仅不糟糕，而且......还有点像样？哦，对了，所有的东西都开始有一个易于使用的 HTTP API，鼓励工程师进入一个自动化和触手可达的新时代。

即时价值是一个非常好的迹象，并建立了一个早期的发烧友部落，发出了很多的声音。同时，即时价值往往被误认为是持久价值。人工智能的初始价值是不可否认的，有待观察的是这种价值带来多大的影响。

「Crypto」（指加密货币，而不是密码学）对我来说没有通过这个测试。它没有直接的实用价值。发烧友们声称它有各种长期的未来价值。也许是，也许不是。🤷 我只知道在 2010 年有人给我寄了一个比特币，我想「好吧，现在怎么办？」 而我个人从来没有真正过了那个阶段，甚至到了 13 年后的今天，无论是否有何长期的潜力。

不切实际的开端

早期的云计算是原始的，对一大片问题来说不切实际。直到 2008 年，即 EC2 推出两年后，才有了固定 IP 地址。持久化存储使你可以可靠地保存数据，但这也是在 EC2 推出两年后才出现的。每一个 EC2 实例都在一个共享的公共网络上，直到 2009 年推出 VPC，即三年之后。还有很多类似的例子。

某件事的不切实际不能孤立地判断。一件事只有在某些场景下才是不切实际的。因此，虽然在商业软件的场景下，缺乏私有网络是不切实际的，但对于小项目和早期创业公司来说，这并没有什么影响。因而在那些具备实操性的场景下，引发了对于云的兴奋和增长。而随着 AWS 不断推出新的服务，其不切实际的场景也在不断缩小。

随着云计算的普及和炒作，在这个云计算时代，一个常见的否定论调是「真正的企业永远无法使用它」。而随着云计算能力的不断增强，标尺也随之移动，如「财富500强企业永远不会上云」，然后是「受监管的公司永远不会上云」，然后是「政府永远无法上云」等等。今天，好坏另论，美国国防的重要方面也都依赖于云。

今天，人工智能也处于类似的位置。尽管它有直接的价值，但由于缺乏额外的功能和工具，它在许多情况下是不切实际的。对于某些问题，可靠地获得正确的答案是非常困难的，甚至是不可能的。将 LLM 与外界的最新知识结合起来还处于起步阶段。很多工具缺乏企业级的支持，或者目前是一千多个种子阶段的创业公司之一，没有明显的赢家。为时尚早。

就像云计算一样，我也听到了对该技术的类似否定：「它永远不会产生大量的代码」或「它永远需要人的介入」等等。也许是，也许不是。这种否定本身不能被立即否定，但它本身也不足以忽视一个趋势。

鉴于之前所说的人工智能今天所具有的即时价值，我相信这个问题会以同云计算相同的方式自行解决。人工智能不切实际的部分并不是说它没有用，而是说它很难在规模上整合或信任它的有用性。这是一个可以解决的问题，而不是一些根本上的不可能。

在考虑未来（未证明的）价值时，有一些根本上不可能的问题。作为一个极端的例子，围绕人工通用智能（AGI）的兴奋点是非常未经证实的，今天存在的模型对 AGI 来说是不切实际的。然而，这种类型的不切实际的问题是基于完全未被证明的价值和一种不同于我所描述的「不切实际」的定义。

软件要素的演变

平台迁移的标志特征是迫使软件要素的演变。具有这些要素的软件通常被冠以一些名词，如「云原生」或 「移动优先」。早在 2016 年，我曾发表过一次演讲，概述了「云原生」的要素，即从静态到动态的思维方式的转变：

(这不是我在 2016 年使用的那张幻灯片。这是一个更新的版本，我们在后来的几年里将其整合到各种 HashiCorp 的幻灯片中）。

我的论点是，左列的软件是「传统」软件。传统软件可以在云环境中运行，但它不及具有同等功能的、拥抱动态、云原生方法的软件。对于左列的软件供应商来说，他们的产品也更有可能被构建相同软件但具有右列要素的新创业公司吃掉。举个例子，我经常认为，如果当初的在位者顺应了云原生的世界，Vault 就不会存在。

被软件要素转变而影响的一个较早的例子是移动应用程序。我在 2010 年代有机会与一家美国大型银行的 CEO 会面。他反问我：「你认为人们转换银行的首要原因是什么？」 经过一些错误的猜测，他告诉我：「移动应用中的更多功能」。他在描述为什么银行在云服务和软件工程方面投入了这么多钱，而这些钱都是用于移动功能。那些花了较长时间来适应移动设备的兴起的银行，失去了更多的客户。

一个更古老的例子是 web 应用。我认为这一点很明显：如果一项服务在网络上出现，你就更有可能使用它。而且，你更有可能使用在网上有更好表现的服务。

我预测，人工智能也会出现类似的情况。某种区分「旧」和「新」的要素将出现，拥抱「新」的产品和业务将对转变中的一代用户更具吸引力。「旧」软件不会立即被淘汰，只是与「新」相比，它将是一个不太有吸引力的选择，而且随着时间的推移，这种差距只会越来越大。

现在谈这些要素还为时过早，这些要素需要多年的成熟期才能以一种自信的方式呈现出来。鉴于 LLM 所代表的自然语言界面的商品化，一个预测是，所有的软件至少都需要某种形式的自然语言界面。例如，一个具有事件生成功能的日历应用程序，一个具有语言引导配置功能的命令行工具，一个真能帮当忙的助手 SaaS，等等。这些现在都是相对容易解决的问题，为用户提供了很好的价值，所以它可能只是成为软件的一个基本期望。

只要不同行业类别的现任者认识到这一变迁，并作出反应和适应，大多数都会好起来。大多数应用程序的核心功能仍然是用人工智能增强之前的一个重要的必要基础。然而，这种变迁也将代表着一个巨大的机会，让新兴企业能够从行动缓慢的现有企业上变现。

带上老伙计

我相信早期云计算有一个真正重要的要素，使其成功，那就是它有一个迁移路径。你可以通过「lift and shift」的方式取得胜利 -- 有限但也是相当大的程度上。其他大型平台的变迁，如容器化，也有类似的要素。

而当初更面向未来的云上转移，如 Heroku 或更普遍的平台即服务（PaaS），并不具备这种特性。早期的 PaaS 仍然非常流行，但它并不具备同样的平台转移影响力，因为它通常很难或不可能与「遗留」应用程序整合。

换句话说，相比于以某种方式带着旧技术的新技术，需要丢弃旧技术的新技术更难扩展到整个行业的影响力。

最近的人工智能发展使现有的软件变得更好。是的，它们也为某些类别的软件提供了一些革命性的新方法，但它们也继续使「遗留」软件变得更好。

忽略我对它的其他各种抱怨，这是我对 web3 生态系统从来不感冒的另一个主要原因。你要么是一个 dApp，要么不是。没有一个真正的中间地带。我知道在理论上，一些功能可以建立在「链上」，而另一些则不必，但整个生态并没有去这样宣传。

总结

人工智能可能正在达到其「平台转移」的时刻。它与我在早期云计算中认识到的许多积极品质和挑战相同。

如果这是真的话，我们正处于一个非常漫长的游戏的早期阶段。如果你把 AWS 推出 S3 和 EC2 作为云平台转变的 「0 点时刻」，那么再过十年左右，生态系统才会成熟，那些长久存在的「传统」从业者才会开始被大幅颠覆。

诚然，我觉得围绕人工智能的炒作比云计算有更广泛的社会面触达，所以我认为市场成熟的时间跨度（如果有的话）会更短。但是，我仍然预测至少有多年的「开放窗口」，这是对先行者们的机遇。

至少，我会告诫不要完全忽视它。