Peter Diamandis:希望百萬人用AI解具體問題
Peter Diamandis稱,若人工智能讓創辦公司更容易,他希望看到數百萬人去解非常具體的問題:護士更好用的工具、給年邁父母的工具,以及還沒人在想的軟件。
同一周他寫過:查詢達到GPT-3.5級表現的成本從2022年11月每百萬token約20美元降到2024年10月約0.07美元,約降280倍;一杯咖啡錢就能驅動五年前需要專家團隊或上百萬美元的原型。皮尤調查顯示65%美國工人工作中很少或完全不用人工智能。他另引Salim Ismail對首席執行官的提問:公司裏有沒有一條高利潤業務能被兩個人加智能體在60至90天內複製,70%回答有。
他長期把創業成本對比寫成2005年約4萬美元、2026年約110美元。XPRIZE用獎金驅動民間團隊做被認爲不可能的目標;Fountain Life做健康延長檢測與干預。他估算全球約33億家庭,到2027年底或有約7億人需要居家護理,護士供給不夠,並討論家用護理與人形機器人補位。
“組織奇點”是他與Ismail的共同表述:公司人數可縮到現在的約20%,創業公司數量可翻數倍;一個人加智能體編排對上傳統編制。他同時把長壽逃逸速度、護理陪伴與“治癒不等於陪伴”分開:模型可診斷,在場仍是人的工作,工具應服務護士和家屬而不是取代在場。
市場機制上,買方是握有具體場景的護士、照護者和小創業者,賣方是把降本敘事寫成行動號召的指數技術佈道者。資金從演講、會員和長壽醫療流向垂直小軟件,而不是單一應用商店爆款。事件由發帖驅動。受益方是能把班次、用藥和家屬通知做成小工具的製造者;承壓方是仍靠編制和經銷商保護、90天內可被兩人複製的高利潤科室或中間軟件。
他選擇站在“用人工智能去建造”一側,而不是隻討論崗位消失。
來源:公開信息
ABAB AI 解讀
Diamandis把上一條“抱怨即需求”收成名單:護士、老齡父母、沒人立項的軟件。這不是新發現護理缺口,而是把XPRIZE式懸賞邏輯降維到個人:大獎打航天,小工具打班次和照護。Fountain Life賣的是支付得起的長壽套餐,帖文賣的是還沒產品化的家屬場景,兩條線都指向人口老化的付費意願。
資本從通用大模型推理降價中溢出。token成本跌兩個數量級後,垂直軟件的邊際開發成本接近提示詞和驗收,不再先過風投委員會。70%首席執行官承認內部利潤中心可被兩人複製,等於給外部團隊一張攻擊地圖。護理人力缺口提供真實預算方:家庭、保險和醫療機構,而不是再做一個通用助手。
對標對象是早期電子病歷巨頭把醫院流程寫成套件,以及大量未能打進護士站的健康應用。行業處在通用模型已夠用、垂直工作流尚未被佔滿的擴張期。誰先把“給藥覈對、交接班、家屬日程”做成可訂閱工具,誰就按工時定價,而不是按模型參數定價。
結構變化屬於技術替代。醫院和養老機構的軟件長週期被個人開發者的周級原型打斷,前提是責任與醫保接口仍慢。機制是:模型讓界面便宜,監管和責任讓滲透慢,所以第一批錢會落在護士自己願意裝的小工具,而不是替換核心病歷系統。
ABAB News · 認知定律
模型便宜之後,值錢的是沒人立項的具體痛苦
編制保護的利潤中心,最怕兩個人加一個智能體
護理缺口不會等軟件公司開完產品會再出現