为什么GenAI的迅速发展,但是像Robotics/Self-driving Car这些物理AI目前还差点火候?
1)GenAI经济效益更好(economics)
2)GenAI的可用性更高(capability/correctness)
图像生成
- AI生成每张图片的inference cost大概是0.001$,时间大概1s(或者更长些),人类设计师做一张同样惊艳的海报大概100$,时间数小时
- 图片/视频/音频这类产物对精确性或者正确性的要求不高,很多时候标准是主观的
复杂的法律内容
- AI的Inference cost: 0.001$/每次查询,时间大概1s,人类律师几百美元一小时,需要花费时间数小时
- 法律内容有容错空间,可以AI的内容上再做人工处理,内容的检查成本还是要比生产成本低几个数量级
对比一下,GenAI在内容生成这类任务上,成本比人类下降了好几个数量级(注意不是10倍100倍,而是好几个数量级),生成的速度上也快了好几个数量级。如果想要drive大级别的变革,实际上10x和100x也不够,要更猛才行。
再看自动驾驶/Robotaxi
- Nvidia的A100大概成本是2$/h, 人类司机成本大概是15$/h,在这一点上其实用AI在经济上面的增益并不多
- 可用性方面:1)自动驾驶目前还是不如人类司机,处理各种edga case的时候还不成熟,想要完全解决edge case其实非常tricky,后期的投入和增益实际上是边际递减的,能力到达threshold估计还要几年,2)训练数据相比GenAI这种内容生成还是更难获得一些
不过算力成本随时间推移肯定要逐渐commoditize越来越便宜,另一边data和算法都会逐渐积累优化,都是时间问题。只是从这个角度看,physical AI想要像chatGPT这样的大规模增长普及,还需要一定的时间,我们可以观察capability和economics这两方面的变化。
*
发布于 美国
