AI基礎模型將成為未來企業軟體的作業系統：  ARK預測AI基礎模型（如OpenAI、Anthropic、XAI等）將成為企業軟體的基石，其市場價值到2030年將達到15到20兆美元。這將催生一個龐大的基於AI的企業軟體市場。

AI市場將呈現寡頭壟斷態勢： 由於AI模型訓練的資本密集型特性以及資料生成循環的良性正反饋機制，該領域最終只會出現少數幾家主要參與者。

AI將大幅提升生產力，創造巨額市場價值： AI軟體將使知識工作者的生產力提高4到5倍（ARK認為實際上可能達到10倍），從而創造一個約13兆美元的軟體市場。其中，AI基礎模型公司將佔據3到4兆美元的營收。

AI是一種具有顛覆性的創新：  AI具備成本急劇下降、跨行業應用和自身成為創新平台這三種顛覆性創新的特徵。 這與僅僅增強現有科技巨頭力量的觀點形成對比。

資料是AI競爭的關鍵：  ARK認為，擁有海量資料的公司將佔據優勢。例如，特斯拉擁有來自自動駕駛和生物資料的巨大優勢，而臉書和X（推特）也擁有大量的文字和圖像資料。

醫療健康領域是AI應用的巨大機遇：  AI在醫療健康領域的應用潛力巨大，尤其是在癌症診斷和治療方面。AI可以幫助醫生更有效地解讀基因組資料，並為患者提供更個性化和及時的醫療建議，從而提高醫療效率並改善患者體驗。 該領域因其低效率而擁有極大的改進空間，AI將成為推動力。

開放原始碼和封閉原始碼模型將並存競爭： ARK認為Meta的LLaMA3以及Elon Musk支援的開源模型與OpenAI等封閉模型將共同存在並競爭，最終市場格局如何尚未可知。

宏觀經濟層面，AI將顯著提升生產效率：  AI的廣泛應用將顯著提升生產力，這將是推動經濟增長的重要因素。

凱瑟琳·伍德（Cathie Wood），被稱為“木頭姐”，是美國著名投資家，方舟投資管理公司（Ark Invest）的創始人、首席執行官和首席投資官。

木頭姐以其對顛覆性創新領域的積極投資策略而聞名。她堅定看好基因編輯、機器人技術、人工智慧、能源儲存和區塊鏈等未來科技發展方向，並通過旗下管理的ETF基金積極佈局相關公司股票，特斯拉、Zoom、Teladoc都是其重倉股。

木頭姐的投資理念備受爭議。支持者認為她獨具慧眼，敢於押注未來；而批評者則質疑其投資風格過於激進，風險過高。無論如何，木頭姐已經成為投資界的一面旗幟，她的投資動向和觀點都備受市場關注。

Cathie Wood： 大家好，今天是就業周五。我知道本周的主題是關於OpenAI的。這是本周的大新聞。所以我們將從OpenAI和人工智慧總體情況開始，向大家介紹一下我們對目前情況及其發展速度的看法。然後，我將按照慣例，依次討論財政政策、貨幣政策、經濟指標、市場指標，最後再談談一些創新。但首先，讓我們歡迎我們的特邀嘉賓，我們的首席未來學家Brett Winton。我必須說，他一直在深入研究從辦公室裡出來的所有資訊。所以，我將從Brett開始。Brett，我們多年來一直在討論OpenAI，但最近討論得越來越頻繁，因為變化太快了。所以我們想在本周OpenAI新聞的背景下，為您闡述我們的觀點。歡迎您，Brett。

Brett： 謝謝。很高興來到這裡。

Cathie Wood： 是的，也許你可以為我們設定一下背景，Brett。我們會調出一些圖表，以便你進行講解。也許我們可以就正在發生的事情以及它的影響力進行一些討論。

Brett： 是的，我認為OpenAI和其他所謂的基礎模型公司，如Anthropic和XAI，它們的基礎模型將成為未來企業軟體的作業系統。越來越多的企業將基於AI開發自己的定製軟體。這將包括內部軟體和面向客戶的軟體。OpenAI在這方面擁有強大的競爭力，可以佔據很大一部分市場份額。我們認為，到2030年，這個AI基礎模型層面的價值將達到15兆到20兆美元。

Cathie Wood： Brett，如果我可以稍微補充一下，因為我知道我們收到了很多關於這個問題的提問。我們認為OpenAI處於非常有利的地位。但正如你所說，還有Anthropic、XAI以及開源領域的Meta Platforms。所以，看起來我們將有兩家開源領域的競爭者。一個是Meta的大型語言模型LLaMA 3。埃隆·馬斯克本周表示，He2和XAI將轉向開源模式。我認為這非常引人入勝，有兩家更偏向閉源的模型，以及兩家開源模型。我想在此設定一下背景，因為我們收到了很多問題。但我認為，僅僅通過說明這一點，我們就認為這個領域發展如此迅速，以至於不會有太多參與者。對嗎？

Brett： 是的，我認為首先，這是資本密集型的，並且它具有良性資料生成循環，吸引客戶關注將使像OpenAI這樣的公司能夠定製其服務，基本上在其基礎模型之上建構軟體來滿足客戶的需求，然後將客戶繫結到他們的平台。然後他們繼續這樣發展。這與AWS等雲提供商的IaaS（基礎設施即服務）模式類似。如果你仔細想想，他們本質上是在通過Web介面銷售開放原始碼的、商品化的電腦。這看起來並不複雜。但隨著時間的推移，隨著他們吸引的客戶數量增加，他們建立了所有這些可以插入其服務的端點。在AI領域也可能發生同樣的情況。如果你看一下我們已經估值的餅狀圖，我們認為閉源基礎模型層的價值將達到15兆到20兆美元。還會有另一大塊，包括某種意義上的開源自建AI軟體，在平台即服務層面，其價值也可能達到相同的數量級。因此，我們認為，從宏觀經濟角度來看，最重要的是將為終端企業和終端使用者帶來巨大的生產力提升。這就是為什麼我們認為這些參與者將獲得如此巨大的價值的原因。

Cathie Wood： 是的，也許我們可以跳到下一個圖表。上一個圖表是企業價值，也就是市場將為這些服務支付的價格。這個圖表則顯示了收入和毛利機會，對上一個圖表進行了補充說明。

Brett：我們可以稍微談談這個。我們的解釋是，到2030年，在中國以外，我們將花費30兆美元用於知識型員工的工資。想想那些數字行銷人員，像你我這樣的，凱西，銷售人員和分析師。我們認為，這些知識型員工使用的AI軟體將提高他們的生產力四到五倍。實際上，我們認為可能更接近十倍，但只有大約一半的知識型員工會採用這種軟體。但平均而言，我們認為所有這些知識型員工的生產力都會提高四倍半。所以你會獲得更多產出，編寫更多軟體，進行更多更好的分析，以及更高效的資源組態，因為你將更好地理解需要將資源投入到那裡。鑑於這些知識型員工的產出，企業不會為這種生產力的全部價值付費。實際上，我們認為他們只會支付大約10%。這與企業過去支付軟體的方式一致。因此，我們認為，整個AI軟體市場將達到13兆美元。這將滲透到價值鏈的不同層面。一部分會流入基礎模型層，一部分會直接流入AWS，一部分會流入基礎模型層，還有一些企業會購買自己的電腦來運行自己的模型。因此，最終我們認為，3兆到4兆美元的收入將歸屬於AI基礎模型公司。然後你可以選擇你的利潤率結構和倍數，但這大致與這些AI基礎模型公司15兆到20兆美元的企業價值相符。

Cathie Wood：  所以，僅從這張圖來看，這些柱狀圖中基礎模型的部分才剛剛開始。其他的部分已經存在，對吧？生態系統的其他部分已經存在。它們會變得更大。但我們是從幾年前的GPT-3、ChatGPT開始的。我們從零開始，發展得相當迅速。

Brett：  是的。部分原因是我們認為，基礎模型公司實際上將從原本會流向傳統軟體公司的資金中獲得相對增長。你已經可以看到這方面的證據了。Klarna宣佈他們將放棄Workday和Salesforce.com，因為他們可以用生成式AI編寫自己的軟體。你將獲得所有這些生產力提升的部分原因是，軟體將變得更加定製化，甚至可能在知識型員工需要時當場生成。這將如何實現？它將由這些AI基礎模型提供支援。因此，在某種程度上，雖然軟體數量將會大幅增長，但這對最終的軟體提供商來說可能並不像你想像的那麼有利，因為生成軟體的成本將徹底下降。

Cathie Wood：  是的，我想我們花了大量時間討論的一個話題是“秘訣”。我認為你用這張圖表為這場討論增加了更多視角。所以，也許你想解釋一下……

Brett：這裡發生了什麼？我們可以稱之為業界爭論，坦率地說，它確實是一場爭論，但我認為它實際上並非一場真正的爭論。但人們說，AI真的是顛覆性的嗎？還是僅僅會讓蘋果和Google更強大而已？我們的觀點是，顛覆性創新具有三個共同特徵：成本急劇下降、跨行業應用以及自身成為創新的平台。

關於AI領域跨行業技術的有趣之處在於，它顯然適用於特斯拉及其自動駕駛汽車項目，以及我們正在關注的所有多組學公司。我們關注的是AI如何加速並提高藥物發現效率，以及AI如何使多組學工具更強大，因為你可以實際解釋從這些工具中獲得的資訊。在這些傳統科技領域之外的其他領域，存在著更大規模的資料資源。因此，在這張圖表中，我們展示了Llama 3，它是最大的開源模型，它是在15兆個token上進行訓練的。可以將這些token想像成單詞的小片段。

如果你看看Facebook和Instagram上生成的所有資料，它們在圖像和視訊方面的資料量是Llama 3的40倍。所以語言實際上只是其中一小部分資料。但是，如果你看看特斯拉的自動駕駛車隊，他們正在收集，或者他們可以收集，他們可以選擇收集所有車輛車隊上的視訊和遙測資料。而這些資料每年生成的量是用來訓練Llama 3資料的400倍。因此，實際上正在生成數兆個token。在特斯拉的例子中，我們認為他們可以訪問的潛在token數量達數百兆，而用來訓練世界上最強大的模型的token只有15兆。我們認為，從宏觀經濟角度來看，自動駕駛計程車可能是一個更有意義的進步，就其對經濟的影響而言，甚至可能超過我們今天看到的語言模型。基因組學領域也是如此。基因組學以資料密集型著稱。如果你再次看看Llama 3，15兆個token，最大的公共基因組資料儲存庫（如果將其轉換為token），其資料量幾乎是Llama 3的40倍，但這僅僅基於50萬名患者的資料。

因此，你可以想像一下，如果我們進入一個對每個新生兒進行全基因組測序的時代，這可能是我們將要做的事情，因為你將從中學到很多健康資訊，並且知道如果嬰兒有什麼需要關注的事情，那麼這將極大地擴展資料集。因此，實際上，一些最強大的AI公司可能不會在傳統的科技巨頭生態系統中發展壯大，而是來自外部。這就是為什麼我們認為特斯拉是世界上最大、最實際的AI公司的原因之一。

Cathie Wood：  是的，正如我們在過去幾年裡一直在爭論和討論這個問題一樣，我發現埃隆·馬斯克已經積累或建立了許多公司，這些公司本身正從不同的角度產生大量資料，包括生物資料、Neuralink等等。

他和他公司可能從資料角度來看處於最佳位置。當然，想想自動駕駛里程。是的，Neuralink的生物資料。你還有X，也就是以前被稱為Twitter的資料來源，它一直在噴湧資料。因此，xAI將擁有令人難以置信的海量資料，許多人擔心這些資料對於其他一些參與者來說將會短缺。所以這將是一個非常有趣，非常有趣的機會。所以我們有自動駕駛出行，是的，地球上最大的AI項目。未來五到十年將產生8兆到10兆美元的收入，其中一半將流向這些平台公司。然後你還有，是的，生物學機遇。我們現在才剛剛解開秘密，解碼生死。而且，你知道，我們也利用這些知識和資料來治癒疾病。令人驚嘆的是，市場對這部分的估值多麼低。它完全被那些專注於早期階段、沒有太多現金流的演算法所壓制。但這可能是AI領域最大的機遇之一。當然也是最完美的，因為它能治癒疾病。

Brett：是的，我認為效率較低的行業實際上更有可能從中受益，這在某種程度上是顯而易見的。但人工智慧能夠與充斥著官僚主義和摩擦的行業相容，並在提供更強大的性能的同時減少摩擦，我認為這使得醫療保健領域尤其引人注目，因為它眾所周知效率低下。而現在，我們才看到FDA或支付方批准人工智慧演算法用於診斷疾病。你可以想像一下，從患者的角度來看，再回到Google說一下，我認為Google搜尋中只有十四分之一與健康相關。

這實際上非常低，這是一個非常有利可圖的搜尋需求領域，人們會問：“我的臉頰上有一個斑點，這是什麼？”如果你在Google上搜尋，他們總是告訴你這是癌症，所以我建議你不要這樣做。但如果你實際使用大型語言模型來處理並描述你從醫生那裡獲得的檢查結果，你就會得到一個真正連貫且有說服力的鑑別診斷，瞭解發生了什麼以及你的下一步行動是什麼。因此，使用人工智慧來瞭解自身的健康狀況比我們以往任何時候都能獲得的體驗都要好得多。

Cathie Wood：我認為這個領域有趣的是，醫療領域的傳統分析師習慣於醫療保健中的摩擦，例如，所有的試驗階段，然後你必須去FDA獲得批准，然後你必須獲得報銷。這是一個漫長的過程。但我認為將會發生的是，需求端的拉動將會產生更大的驅動力，尤其是在癌症領域。我知道我們可能都經歷過家人或朋友患癌的經歷，他們會不遺餘力地獲取儘可能多的資訊，並試圖參加試驗。我認為，他們真的會推動這種向真正基於知識的醫療保健方法的演變，並推動監管體系和報銷體系的發展，因為這至關重要，事關生死。

Brett：是的。我認為這些人工智慧能夠發揮巨大作用的分銷領域實際上可以成為公司潛在擴張的領域。你可以想像一下，一家公司從癌症領域起步，在那裡你獲得了大量的基因組資料，這些資料實際上很難解讀。因此，醫生將越來越需要人工智慧的幫助來做到這一點。因此，患者將能夠連接到該人工智慧。這可能是健康介面能夠擴展的地方，現在你可能會進行常規的，也許是每年的血液活檢，這是對潛在癌症的早期檢測。你如何解讀這些資訊？獲得能夠解答你問題的人的幫助非常重要。醫生沒有時間這樣做。因此，如果你有一個AI系統可以說，“這是可能存在癌前病變的跡象”，那麼這就是你的下一步行動，這既能減輕患者的焦慮，也能表明可能存在癌前病變。因此，這會使他們更有可能進行這項檢查，因為他們知道這不會僅僅是“這是一組令人困惑的結果，我必須等待我的醫生，他沒有時間和我談話”。他們會在結果出來的時候立即獲得資訊，並能夠詢問，“那麼我接下來該怎麼做？”因此，這真的可以改變患者探究自身健康的方式。

Cathie Wood：是的。而且，我們確實看到很多人將醫療保健掌握在自己手中，更多地掌控自己的健康。他們想瞭解更多資訊。因此，我認為透明度將在這個領域變得越來越重要和普遍。好的，Brett，非常令人興奮，機遇巨大。我們肯定還會繼續關注大型語言模型領域四大巨頭的前景，即OpenAI、Anthropic、XAI和Llama 3。以及關於開源與閉源將扮演的不同角色的爭論，或者一個會顛覆另一個。所以在思考這個問題時，我們持開放態度，並將讓證據引導我們前進。

Brett：很好，感謝邀請我。 (瓜哥AI新知)

彙整鉅亨號中所有使用「ARK觀點」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`