别跟马斯克扯头花了，“叛徒”Anthropic解决了困扰OpenAI的难题(3)

Dwarkesh Patel ：你认为目前的 AI 产品是否有足够时间在市场上获得长期稳定收入？还是随时可能遭更先进的模型取代？或者到时候整个行业格局会变得完全不同？

Dario Amodei ：这取决于对“大规模”的定义。目前已经有几家公司的年收入1 亿—10 亿美元，但能否达到每年数百亿，甚至万亿级别，则难以预测。因为这还取决于很多不落实的因素。现在有些公司正在“大规模”应用创新型 AI，但这不能代表刚开始用就一步到位，达到最佳效果。而且，即使有收入也并不完全等于创造了经济价值，整个产业链的协同发展是一个长期过程。

Dwarkesh Patel ：从Anthropic角度来看，如果LLM的进步如此迅速，那么理论上公司的估值应该增长得很快？

Dario Amodei ：即使我们注重模型安全性研究而非直接商业化，在实践中也能明显感受到技术水平在以几何级数上升。对那些将商业化视为首要目标的公司来说，进步肯定比我们更快。（xswl在内涵OpenAI ）。

虽然我们承认LLM进步神速，但对比整个经济体系的深度应用过程，技术积累依然处于较低的起点阶段。决定未来走向是这二者间的竞速——技术本身进步速度、遭有效整合和应用，并进入实体经济体系的速度。这二者都很可能高速发展，但结合顺序和微小差异都可能导致相当不同的结果。

Dwarkesh Patel ：科技巨头可能会在未来 2-3 年投入高达 100 亿美元进行模型训练，这会对 Anthropic 带来什么样的影响？

Dario Amodei ：情况1——如果因为成本问题无法保持前沿地位，那么我们将不会继续坚持开发最先进的模型。相反，我们会研究如何从前几代的模型中获取价值。

情况2——接受遭制衡。我认为这些情况的正面影响可能比它们看起来的要更大。

情况3——当模型训练到达这种量级后，可能开始会出现新的风险，比如AI 滥用。

总结一下，虽然Dario坚信LLM的能力会得到快速且显著的提升，但可能受制于社会因素、创新采纳效率，最终减缓其遭“大规模”应用的速度，无法发挥LLM的真正潜力。

据此，Anthropic的to B之路看起来也更加稳妥。一方面，利用自己的“安全性”长处，切入金融、法律、医学等领域；另一方面，寻找偏重“技术应用”，可以长期合作的企业客户，尽可能消除C端消费者采用的不落实性。

说到这里，我们可以大胆预测一下，如果真如Dario预测的“社会采纳速度低于模型发展速度”，那么，未来会否出现一批大模型公司亲自下场做应用？尤其在国内。