META：唯一一个懂得如何利用 AI 创造收益的平台

人工智能可以说是今年最热的投资话题，各大公司也开始了一波 AI 竞赛。在这个背景下，我们在 SeekingAlpha 上看到一个新观点：META 是唯一一个懂得如何利用 AI 创造收益的平台。这个角度挺有意思，一起来看看作者的逻辑是怎么样的。

最近有一个讨论：谁在正确地利用人工智能，以及投资人工智能的最佳方式。是利用人工智能创造高效业务的公司吗？还是在花费数十亿美元进行硬件和数据中心扩张的大公司，如微软，亚马逊和谷歌？还是设计和销售硬件和人工智能操作系统之类产品的公司呢？ 迄今为止，我的答案是像英伟达，Arista Networks 或者美光科技一类的公司。

但我也看到了一种可能性，即投资那些利用人工智能使业务更高效、产品更优化，并从这些人工智能投资中获得明确回报的公司。由于主要云服务提供商采取了截然不同的策略，形成了明显的分歧，我们可以看到这些公司是谁。

而这种战略上的差异归结为人工智能系统代码的姿态：封闭源或开放源。到目前为止，开放源模式似乎是获胜的策略。

(相关资料图)

透过战略看本质

大约两周前，我向 Tech Cache 会员发布了有关谷歌和 Meta Platforms 的收益分析，讨论了公司如何寻找方法在 AI 竞赛中取得优势并将应用案例或概念商业化。毕竟，投资就是为了让公司赚钱，所以这项人工智能投资需要产生回报——这是一个显而易见的观点，但也是重点。

在文章中，我告诉订阅者："... 在科技行业，迎头赶上意味着你已经落后很远，除非公司偶然发现更好的解决方案或找到了不同的应用案例，否则不太可能缩小差距。"

一旦落后，科技公司必须找到一种 " 捷径 "，从而争夺领导地位。

我发现谷歌正在落后，因为它在 ChatGPT 发布第一个版本给公众使用几个月后，展示了一个不值一提的 Bard 演示。我说，谷歌肯定一直在投资人工智能，但在这方面它还没有超越竞争对手。此外，与 Meta 表现明显转好的增长相比，谷歌在该季度的广告收入（其主要收入来源）并没有明显的人工智能增强效果。

这是我追踪不同人工智能战略的第一个线索。

谷歌在 AI 方面的工作一直非常保守，尤其在优化方面，但微软却迫使其展示了手中的筹码，将 ChatGPT 整合到了必应搜索中。当然，谷歌可能确实提出了一些至今仍在人工智能领域使用的原创概念，但它没有采取任何措施来实现商业化，如果有的话，管理层也没有进行清晰的沟通。

但这并不意味着微软的人工智能战略没有保密性。它主要通过 OpenAI 进行对人工智能的投资，OpenAI 是 ChatGPT 的所有者，采用专有的发布模型。在方法上没有什么不同。然而，它的商业化策略是通过对 OpenAI 的投资，通过按使用量计费来提供最新版本，同时通过 Azure 提供 LLMs（大型语言模型）。然而，两家公司都没有明确阐述一个清晰的财务案例，尽管微软正在显示出一条发展道路。

然后是 Meta。

Meta 表示它不会选择专有路线，而是选择开源路线。在我两周前的盈利分析中，我说它让大众来改进，比任何一家公司的一群工程师和研究人员更快地推动了人工智能的发展。

Meta 在这方面并不落后（至少没有像很多人认为的那样），但它认为通过开源其人工智能，让其他人能够构建和改进它，它拥有一个独特的用例。

第二个线索现在变得清晰了。

然后上周四，我看到了一份相当长的谷歌研究员的文件，承认了我已经知道的事实：谷歌在推进其人工智能方面走错了道路，需要转变。而根据谷歌研究员的说法，OpenAI 也是如此。

Meta 选择正确吗？

这些内部信息的补充对巩固优势至关重要。

研究员指出的关键点在于开源与 ChatGPT 之间的比较，经过公众对 Meta 的 LLaMA 开源系统进行了一个月的调试之后：

伯克利发布了 Koala，一个完全使用免费可用数据进行训练的对话模型。

他们采取了关键的步骤，衡量了真实用户对他们的模型和 ChatGPT 的偏好。尽管 ChatGPT 仍稍微领先，但超过 50% 的时间，用户要么更喜欢 Koala，要么没有偏好。培训成本：100 美元。

Meta 的开源策略导致了人工智能领域的平衡。所有那些闭源模型现在都被个人和大学用新模型赶超，在与 ChatGPT 进行试验后的 30 天内。这导致个人能够在仅需数百美元的设备上训练模型，在伯克利的研究中仅需一百美元。

更有趣的是，伯克利的研究结果与谷歌研究员看到的结果相同：开源加上高质量的数据集，而不是规模更大，才是未来的发展路径。

我们希望这些结果能进一步促进关于大型闭源模型与较小公开模型相对性能的讨论。特别是，它表明如果小型模型在精心筛选的数据上进行训练，可以捕捉到与更大模型相当的性能。例如，这可能意味着社区应该更加努力地策划高质量的数据集，因为这可能比简单地增加现有系统的规模更有助于实现更安全、更准确和更具能力的模型。

那么，Meta 是否否定了云端 AI 基础设施的必要性？

不，在很多用例中，训练大型模型比创建现实主义渲染和达斯 · 维德茶壶要复杂得多，或者需要更多的数据。就像我们手机上的 CPU 现在可以处理曾经需要占据城市建筑五层楼的任务一样，在适当的环境下，AI 模型可以在廉价设备上运行。然而，我们仍然需要更强大的资源，这是我们的智能手机无法做到的。这个概念只是将处理的 " 内容 " 转变了而已。

关键是开源概念使人们能够确定从这些 LLM 中获取准确和智能数据的最佳方式。正如伯克利的研究所指出的，许多人发现高质量胜过高数量可以获得更好的结果。

Meta 拥有一项面向业务和股东的 AI 回报计划

就 Google 而言，它依赖于通过 Google Cloud 共享模型的专有改进，并且我认为这适用于广告和内容算法等产品（如果不是这样，那我对 Google 一无所知）。微软直接投资于一家专有 AI 公司（OpenAI），该公司能够对其最新和最优秀的全功能产品和模型收费。同时，微软还在 Azure 上提供同样的功能——以 AI 为服务——以及其搜索产品。

我可以实际看到微软的回报；至今我还没有看到 Google 的回报。

但是 Meta 说，为什么要浪费时间去内部处理事情，当全世界可以在 30 天内优化它呢？当然，还会有更多的实验和优化，但 LLaMA 从发布时未调优到在一个月内与 ChatGPT 的输出相匹配。

好了，但这关系到谁呢？

Meta 关心。

Meta 可以将这些优化内部使用，通过改善广告 AI 的各个方面，从广告定位和 ROAS（广告支出回报率）结果到为营销人员创建广告创意。

让我解释一下，以防您对这个概念有所疑惑。

Meta 的 AI 系统不仅在内部使用，而且向公众提供下载、改进和调优的机会。然后，Meta 将这些改进反馈到系统中，从而产生更好的系统和更好的业务结果。

它让全世界进行研究、实验和优化，只需一个月就可以拥有具备竞争力的功能的工作模型。想象一下，开放源代码架构在三个月、六个月、一年甚至更长时间内可以做到什么。随着 Meta 整合训练和优化的最佳方法，其在 AI 方面的能力很可能呈指数级增长。

任何能够创建更准确、更智能的 AI 系统的努力都有助于公司实现创建更好的广告、更好的广告投放和更好的广告效果的使命，从而为股东带来更好的收入增长。

我们已经知道 Meta 正在广泛利用其早期的 AI 工作来实现更精准的广告定位和更准确的 ROAS（广告支出回报率）结果，同时计划进行创意制作。

我们将继续专注于通过持续的 AI 投资改进广告排名和测量，同时利用 AI 为广告主提供更多自动化功能，例如 Advantage+ 购物，该产品在获得广告主的采用和积极反馈方面持续增长。这些投资将帮助我们开发和部署增强隐私保护的技术，并构建新的创新工具，使企业不仅能够找到适合他们广告的目标受众，还能够优化并最终开发他们的广告创意。

—— Susan Li

这将为 Meta 直接带来投资回报，使其在广告领域重新获得竞争优势。由于开源使产品对每个人都变得更好，而每个人都包括 Meta 在内，Meta 从中获益，无论是在合作努力方面（包括公众利益和捐赠的经验教训），还是对其主要产品——广告的改进方面。

对股东来说，Meta 是对人工智能的投资。

人工智能是我在 2023 年第一季度中看到 Meta 的广告收入增长与谷歌之间明显差异的原因。我非常有兴趣看到这个开源人工智能实验如何为 Meta 的未来广告回报增添力量，因为它的人工智能系统已经在实践中使用。个人、团体和大学以独特而聪明的方式调整人工智能，针对多种目的以及硬件需求，Meta 让世界承担了很多重负。

开源人工智能的优势是明显的，Meta 正在利用他人的免费劳动和时间来增强其核心业务。这直接带来了人工智能投资的回报，因为它通过人工智能将核心业务提升到了超出无人工智能时的能力范围之外。在谷歌、微软和 Meta 之间，Meta 有着最出色的利用人工智能的财务愿景几乎令人惊讶。但当你意识到它选择了不太常见的道路，这就不足为奇了。

$Meta Platforms ( META ) $

标签：