Databricks CEO: AGI Is Already Here, Why Companies Are Behind, and the Superintelligence Debate
发布时间 来源
Episode 设置
以下是根据访谈视频脚本生成的摘要,包含了嘉宾 Ali Ghodsi(Databricks CEO)的每一个核心观点:
* **关于 Databricks 的创立背景**:
* 2013年创业源于“绝望”,当时在 UC Berkeley 的 Amplab 实验室做数据处理与 AI 结合的研究,但当时行业完全不感兴趣(当时叫机器学习,AI 只被认为是机器人技术)。
* 为了将技术推向市场,他们不得不自己创立 Databricks。
* 早期三次 contrarian(逆势)的押注——押注云端、押注 AI 应用、押注开源,最初都被分析师认为是战略失误,但这正是他们成功的原因。
* **关于 AGI 的定义与现状**:
* 根据其在 2009-2010 年 Berkeley 实验室对 AGI 的定义,去年就已经实现了 AGI。
* 人类只是不断把目标推向后移。
* 他认为如果现在停止技术进展,现有的全部智能已经足以彻底改变地球。
* **关于超级智能(Superintelligence)与递归自我改进(RSI)**:
* 人类实验室追求的超级智能(Bostrom 在 2014 年书中所定义的“千倍人类思考速度”)是另一回事。
* 仅仅依靠 98% 的代码由 AI 编写,并不意味着实现了 RSI(递归自我改进)。如果自动化了最后 2% 的工作,也没什么大不了的。
* 要实现 RSI 的“飞轮效应”,需要满足四个条件:更短的训练时间、更少的资源消耗(不能靠无休止地把硬件放大 10 倍)、准确性跨维度线性提升、能够将前三者放入连续循环中让模型越来越快且成本趋零。目前这四个条件并未完全满足。
* 对于所谓的“10% 人类毁灭风险”,他认为接近于零;最大的现实风险是网络安全问题(Cyber)。
* **关于企业落地 AI 的现状(为什么企业还在用“美化版的谷歌搜索”)**:
* 大多数企业并没有成千上万个自主代理在运行,落地主要流于表面的聊天机器人和编码辅助。
* 原因在于四个门槛:
1. **上下文问题**:企业有大量会议和决策数据,但很多大公司因为合规和责任问题甚至不允许录音,AI 无法获取上下文。
2. **安全与网络攻击风险**:20万人的大型组织若将数据开放给所有代理,攻击面扩大了千倍,极易遭遇黑客袭击。
3. **Token 成本呈指数级上升**:企业的运营成本和 COGS(销货成本)激增,但收入并未随之呈指数级增长,最终 CFO 会叫停。
4. **锁定与 IP 所有权风险**:企业需要避免被大模型厂商锁定并保护自己的知识产权。
* **关于 Databricks 如何用 AI 运行公司(内部管理与 Moneyball)**:
* Databricks 内部使用名为 Genie 的产品,它依托一个持续构建企业“本体论”(Ontology,即图谱)的系统,包含员工关系、会议纪要、Slack 沟通、文档和 Excel。
* 这实现了“管理魔球理论”(Management Moneyball),通过数据穿透组织架构、探究员工满意度与工作生活平衡的因果关系、追踪代码提交与自动化工厂的关系、以及自动化复盘客户会议。
* 核心目标是通过 AI 减少组织内部的“人类阻碍者”(human blockers)和传话游戏带来的延迟。
* **关于 Databricks 的上市计划(IPO)**:
* 虽然外界对上市多有催促,且二级市场(Tender offers)能提供流转,但他认为在 AI 转型期,公开市场情绪的剧烈波动会分散CEO和员工的注意力,甚至因为股价下跌导致员工薪酬感知受损、士气受挫。
* 公司最终会上市,但目前更专注于长期的业务 vision(拓展安全、营销等新市场)而非短期股价。
* **关于 AI 带来的社会与经济影响的预测**:
* 虽然顶尖实验室和研究人员认为 AGI 变革会在 6 到 12 个月或两三年内发生,但他认为 GDP 的移动会非常缓慢,企业真正消化和重构这一技术需要耗时几十年。
* AI 确实在加速药物研发(如利用 Transformer 模型的 TEDdy 模型进行基因调控网络分析)和拯救生命(如危机干预、无人机递送),带来了积极改变。
以下是根据访谈视频脚本生成的摘要,包含了嘉宾 Ali Ghodsi(Databricks CEO)的每一个核心观点:
* **关于 Databricks 的创立背景**:
* 2013年创业源于“绝望”,当时在 UC Berkeley 的 Amplab 实验室做数据处理与 AI 结合的研究,但当时行业完全不感兴趣(当时叫机器学习,AI 只被认为是机器人技术)。
* 为了将技术推向市场,他们不得不自己创立 Databricks。
* 早期三次 contrarian(逆势)的押注——押注云端、押注 AI 应用、押注开源,最初都被分析师认为是战略失误,但这正是他们成功的原因。
* **关于 AGI 的定义与现状**:
* 根据其在 2009-2010 年 Berkeley 实验室对 AGI 的定义,去年就已经实现了 AGI。
* 人类只是不断把目标推向后移。
* 他认为如果现在停止技术进展,现有的全部智能已经足以彻底改变地球。
* **关于超级智能(Superintelligence)与递归自我改进(RSI)**:
* 人类实验室追求的超级智能(Bostrom 在 2014 年书中所定义的“千倍人类思考速度”)是另一回事。
* 仅仅依靠 98% 的代码由 AI 编写,并不意味着实现了 RSI(递归自我改进)。如果自动化了最后 2% 的工作,也没什么大不了的。
* 要实现 RSI 的“飞轮效应”,需要满足四个条件:更短的训练时间、更少的资源消耗(不能靠无休止地把硬件放大 10 倍)、准确性跨维度线性提升、能够将前三者放入连续循环中让模型越来越快且成本趋零。目前这四个条件并未完全满足。
* 对于所谓的“10% 人类毁灭风险”,他认为接近于零;最大的现实风险是网络安全问题(Cyber)。
* **关于企业落地 AI 的现状(为什么企业还在用“美化版的谷歌搜索”)**:
* 大多数企业并没有成千上万个自主代理在运行,落地主要流于表面的聊天机器人和编码辅助。
* 原因在于四个门槛:
1. **上下文问题**:企业有大量会议和决策数据,但很多大公司因为合规和责任问题甚至不允许录音,AI 无法获取上下文。
2. **安全与网络攻击风险**:20万人的大型组织若将数据开放给所有代理,攻击面扩大了千倍,极易遭遇黑客袭击。
3. **Token 成本呈指数级上升**:企业的运营成本和 COGS(销货成本)激增,但收入并未随之呈指数级增长,最终 CFO 会叫停。
4. **锁定与 IP 所有权风险**:企业需要避免被大模型厂商锁定并保护自己的知识产权。
* **关于 Databricks 如何用 AI 运行公司(内部管理与 Moneyball)**:
* Databricks 内部使用名为 Genie 的产品,它依托一个持续构建企业“本体论”(Ontology,即图谱)的系统,包含员工关系、会议纪要、Slack 沟通、文档和 Excel。
* 这实现了“管理魔球理论”(Management Moneyball),通过数据穿透组织架构、探究员工满意度与工作生活平衡的因果关系、追踪代码提交与自动化工厂的关系、以及自动化复盘客户会议。
* 核心目标是通过 AI 减少组织内部的“人类阻碍者”(human blockers)和传话游戏带来的延迟。
* **关于 Databricks 的上市计划(IPO)**:
* 虽然外界对上市多有催促,且二级市场(Tender offers)能提供流转,但他认为在 AI 转型期,公开市场情绪的剧烈波动会分散CEO和员工的注意力,甚至因为股价下跌导致员工薪酬感知受损、士气受挫。
* 公司最终会上市,但目前更专注于长期的业务 vision(拓展安全、营销等新市场)而非短期股价。
* **关于 AI 带来的社会与经济影响的预测**:
* 虽然顶尖实验室和研究人员认为 AGI 变革会在 6 到 12 个月或两三年内发生,但他认为 GDP 的移动会非常缓慢,企业真正消化和重构这一技术需要耗时几十年。
* AI 确实在加速药物研发(如利用 Transformer 模型的 TEDdy 模型进行基因调控网络分析)和拯救生命(如危机干预、无人机递送),带来了积极改变。
摘要
(0:00) Ali Ghodsi joins the show: Databricks’ early bets on cloud, AI, and open source
(8:50) Is AGI Already Here? Why Enterprise AI Is Falling Behind
(22:04) Live Demo: How Databricks Uses Agentic AI For Efficiency
(38:25) Databricks IPO: The Case for Staying Private
(44:02) RSI, Cyber Risk & the Doom Debate
Thanks to our partner for making this possible:
Airwallex is a leading global payments and financial platform for modern businesses,
offering trusted solutions to manage everything from business accounts, payments,
treasury, and spend management to embedded finance. Learn more at https://airwallex.com/allin
Follow Ali:
https://x.com/@alighodsi
Follow the besties:
https://x.com/chamath
https://x.com/Jason
https://x.com/DavidSacks
https://x.com/friedberg
Follow on X:
https://x.com/theallinpod
Follow on Instagram:
https://www.instagram.com/theallinpod
Follow on TikTok:
https://www.tiktok.com/@allin
Follow on LinkedIn:
https://www.linkedin.com/company/allinpod
Intro Music Credit:
https://rb.gy/tppkzl
https://x.com/yung_spielburg
Intro Video Credit:
https://x.com/TheZachEffect
#allin #tech #news
GPT-4正在为你翻译摘要中......
