- What’s new? AI Agent爆發
- Why? 算力成本下降
- So What?
9月8日，Meta推出個人AI Agent「Muse」，可以在授權下進入電郵、行事曆、購物支付，甚至自行操作瀏覽器、填寫表格、安排旅行；面對比較複雜的目標，還能規劃步驟，持續推進工作。
推出12天，Muse下載量已達280萬次，有ChatGPT的架式。
為什麼是現在？答案或許可以從資訊科技近80年發展史中尋找。
15年一次的突破，跟摩爾定律有關
電晶體在1947年被貝爾實驗室3位科學家發明後，改變了當今商業競爭面貌和經濟發展。1964年，IBM推出打敗全球的主機電腦System/360，睥睨全球，成為大型電腦的標準。
此前企業更換電腦，往往連既有軟體都必須重寫。System/360建立共同架構後，同一套軟體可以在不同等級的機器上運行，設備廠商也能依共同規格開發產品。有了標準，軟體迅速跟上，企業快速電腦化，大幅提高生產力。
17年後，1981年，IBM推出個人電腦（PC），人人可用電腦處理文件、簡單計算，造成PC爆發。
13年後，1994年，互聯網開始快速商業化，加上PC，電子商務取代了許多實體商務，徹底改變了許多產業的競爭生態。
手機也沿著類似的軌跡發展。1981年，1G行動通訊出現；1994年，GSM（全球行動通訊系統）手機的主流標準出現，手機開始在全球流行。
GSM也讓跨國漫遊成為可能。GSM連線數從1994年的100萬，到1998年突破1億。2004年的臉書，以及2007年出現的iPhone，都是互聯網和手機的殺手級應用，此後，智慧型手機和社群媒體大幅爆發。
1947、1964、1981、1994到2007年，平均間隔15年。
為何每約15年就有一次應用級的大爆發？答案極有可能是摩爾定律。摩爾定律1965年提出，起初預測積體電路上的元件數量每年增加一倍，後修正為每2年增加一倍。15年，即經過7.5次翻倍，增加約180倍。
舉例而言，1971年的中央處理器只有2000多個電晶體，到了2021年，處理器有582億個電晶體，即是約每2年增加一倍。
當產品標準化，性價比每15年增加約200倍時，有創意的企業家就會提出新的殺手級應用。大型電腦、PC、網路、手機、智慧型手機、社群媒體，大致都是按著這個技術的軌跡在走。
AI的發展也追尋類似的軌跡。1997年，IBM的Deep Blue首次打敗人類西洋棋冠軍；2012年，3位科學家用GPU在圖像辨識ImageNet比賽中大幅增加績效，使GPU訓練的深度學習成為產業標準。
14年後的今天，AI Agent成為人工智慧顯學，預期會成為AI殺手級應用。
Agent成為AI爆發的引爆點
當年這些創新出現，常有人唱衰，很少人想到，若性價比每年提高25%會怎樣？需求會不會大爆發？新的殺手級應用會不會出現？
現在也是，唱衰AI的聲音不少，有人認為AI缺乏實際應用，還沒有帶來真正的生產力提升，Token太貴，看不到投資報酬率，摩爾定律也已經過時。但AI的成本曲線在快速移動。
以GPT-3.5等級的模型而言，每百萬Token推論成本已從2022年11月約20美元，降到2024年10月約0.07美元，18個月下降280倍。
半導體業過去5、60年的發展沒有令人失望。新材料、新製程、新封裝技術，還是會推動半導體的技術進步。只要半導體在進步，雖然達不到摩爾定律預測的速度，AI的遠景可期。
2012年GPU成功訓練深度學習的模式，2022年LLM出現，剛出來時，只覺得比搜尋引擎好一點。2026年的現在，看起來，Agent成為AI爆發的引爆點。
當AI運算成本跟著摩爾定律往下走，10年至少降10倍，透過價格彈性和創新，AI的應用預期會呈現指數型成長。看到未來5年、10年的發展，現在超大型雲端服務商每年投資上兆美元擴建AI算力，也是合理。
策略就是順勢而為，提早佈局，即時轉型。AI已是生活的一部份，如何影響策略終局？如何看到別人看不到的機會？如何佈局？如何轉型？都是企業家要思考的問題。
每個產業都不一樣，也沒有正確答案。但鑑史可以知來，我們建議可以從網路的衝擊，來分析各個產業的對應策略。
