Databricks首席执行官Ali Ghodsi:多数公司不需更强模型
Databricks联合创始人兼首席执行官Ali Ghodsi表示,前沿模型若停止变强,绝大多数公司甚至不会察觉,因为模型已经足够聪明,缺的是组织内部语境,而非更高智商。
他指出,模型没有参加过每场会议,不知道每个人脑子里的东西,也不掌握全部流程。每个组织里总有少数员工掌握全局,一离职就让全员紧张;模型没有这部分语境。若把这些语境注入现有模型,全球任意组织都能获得大量生产力,为此并不需要更能解纳维-斯托克斯方程、猜想或在humanity’s last exam上拿更高分的模型。
Ghodsi把问题概括为:人工智能没有智力问题,只有语境问题。企业里代理做不成事,是因为问法与数据不完整;把专有数据、权限、流程喂进去,现有模型就能答对。多数组织还停在聊天机器人和编码助手,远未走到用代理批量自动做事,采纳曲线本身落后于模型能力。
这一判断与其产品线一致:公司用湖仓存放结构化和非结构化数据,再用genie ontology把业务术语、实体和指标连成可被模型调用的企业本体,并与openai模型在可控权限下对接。Databricks自身估值此前被报道至约1900亿美元,并强调暂不急于上市。
他同时承认公司训练开源模型dbrx时集群开支约2000万美元,真正有效训练约400万美元,其余耗在试错与空转,因此更不愿把资源押在与前沿实验室比拼智力基准。
市场机制上,这是把资本从“下一版更大模型”改道到“谁能把会议、邮件和表权限接进模型”。卖出的是纯推理token增长叙事,买入的是数据平台、治理与本体层。资金流向湖仓、权限审计和代理编排;受益方是握有企业数据入口的基础设施公司,承压方是只靠基准分数卖api、进不了客户内部系统的模型实验室。
企业采购仍受隐私、审计和竞品过滤约束,语境注入速度取决于客户是否自建本体,而不是买一套软件即完成。
来源:公开信息
ABAB AI 解读
Ghodsi把agi重新定义为“多数时候比周围人更聪明”,再用这个定义宣布agi已到,目的不是哲学争论,而是把预算从训练集群搬到湖仓。Databricks买mosaic、推dbrx后又公开承认训练浪费,等于用自己的账单证明:再烧卡堆基准,解决不了客户没有代理同事这件事。
资本被输送到三处:湖仓里的专有数据、本体图层、以及把gpt类模型关进权限和审计笼子的分发通道。客户要的不是解猜想,是把“那个知道一切的老员工”复制成可调用对象。谁掌握会议记录、邮件和表级权限,谁就能把已有模型的边际产出做高,而不必等待下一张评分榜。
类似路径是snowflake和palantir用治理层卡住模型厂商直连客户数据,以及servicenow把工单流程写成代理可执行对象。行业处于控制阶段:模型智力过剩,组织采纳不足,瓶颈从参数量转到语境所有权。
这属于技术替代里的接口转移。机制是智力已商品化,语境仍是组织私产;基准考试可公开刷分,会议纪要不能。当生产力取决于谁能合法读内部上下文,定价权就从模型实验室转到数据平台。
ABAB News · 认知定律
模型够聪明之后,缺的是在场
组织里的关键员工,是还没被写成数据的模型
基准分数涨,替代不了会议纪要