最近两周耳边全是关于 ChatGPT 的神话，比如 GTP-4 的参数会达到 100 万亿，比天上的星星还多；又或者 ChatGPT 只用了两个月就达到了一个亿的用户。
这些神话背后，带来的是兴奋和惶恐，以及市场的狂热。但在狂热时，追涨并非是好选择。一如上述两个惊人的新闻，但并非是事实。
和 light 及身边的诸位经历过多次浪潮的老友沟通，有个阶段性的共识 —— 如果这是一波真正的浪潮，不会只有一个潮头，也不会只有 2023 这一年。
本周分享的是一篇四年前的旧文，关于基础设施和应用程序的关系。虽然其目的是为了论述 Web3 时代尚处于基建时代，但其框架依然可以在今日的 AI 热潮中引发我们思考
- 如果现在投入 AI 大潮，那么该投入应用侧，还是投入基建侧？
- ChatGPT 是否为大语言模型的最佳应用？如果不是，那应该是什么？（同样的问题也可以给到 Midjourney）
下面是编译内容，以及一些思考，以及相关资料。强烈建议阅读下原始出处，避免被有偏见的观点影响。
▎应用程序激发基础设施，然后基础设施启动新应用
关于 Web3 的现状，许多人归结为基建不足，比如缺少更便宜的交易费用，更易用的钱包等。许多人试图构建一个又一个的基础设施，但基于此基建的开发人员却屈指可数。
究其原因，并非是构建好基础设施，开发人员自然会来开发。相反，现实中往往是先有革命性的应用程序，然后蜂拥而至的需求逼迫基础设施进行改进。而基础设施迭代后，将会有更多类似的应用程序在其上构建，把我们带到一个新的阶段。
所以我们看到的模型应该是：应用程序 → 基础架构 → 应用程序 → 基础架构的循环迭代，而非在一个真空中构建。
下面是一些例子：
- 灯泡（应用程序）vs 电网（基础设施）。灯泡不需要电网，但是如果想让更多人广泛采用灯泡，你需要建设电网。所以灯泡在 1879 年出现，而 1882 年才有真正意义上的电网。
- 飞机（应用程序）vs 机场（基础设施）。莱特兄弟不需要机场就能制造出飞机。但如果让更多人使用飞机，就需要机场。所以飞机在 1903 年问世，1919 年才有航空公司，1928 年有了第一个机场，1930 年才有空中交通管理。
- IM/Email（应用程序） vs 以太网（基础设施）。IM 诞生于 1970 年，Email 诞生于 1972 年，但以太网诞生于1973 年，而互联网服务供应商诞生于（1974 年）。
- 以 AOL 为代表的门户网站（应用程序）诞生于 1989 年，而第一款流行的浏览器 Mosiac （基础设施）则诞生于 1993 年。
- 亚马逊（应用程序）诞生于 1994 年，而新的编程语言如 PHP（1994），Java & JavaScript（1995）则随后诞生。基于上一波的语言基建的完善，更复杂的应用陆续上线，如 Gmail & Facebook（2004），促进了新的基建 AWS 的诞生。
移动互联网时代依旧可以找到这个趋势，具体如下图（国内和下图节奏略有不同，但趋势一致）
▎这意味着什么
每个主要平台都有其特征，我们依赖于其特征构建新的应用。换个角度来看，如果没有爆红的应用，很难构建远超于需求的基础设施。
而每次应用程序 → 基础设施循环重复时，随着基础设施的完备，新的应用程序往往会以新的形态诞生。
比如 youtube 诞生于 2005 年，因为距离宽带大规模部署已经过去了 5 年；反观国内，抖音诞生于 2016 年，而 4G 基础设施普及则开始于 2014 年 —— 在基础设施完备之前，许多先行者都死在了沙滩上。
所以基建和应用很难分离来看，而是要尊重「应用程序 → 基础设施」的这个事实。随着这样的循环越来越多，构建和使用应用程序的成本将会越来越低。
这套框架解释了何时该构建应用程序，何时该构建基建，但无法解释何时应该投资其中一方。因为在电网普及之前，很难有人卖出许多灯泡，但并不代表灯泡没有投资价值。
为何应用程序在这个循环中排第一位，而不是基础设施？重要的问题是，没有应用程序激发并解决海量需求，创建基础设施没有意义 —— 因为你根本不知道需求的样子。
▎观点 1：对于 AI 大潮来说，现在处于什么阶段？
根据上文描述的周期循环，AI 今年之所以爆红，主要是因为 ChatGPT、StableDiffusion 把 AI 的应用给普及化了，让普通人都可以感受到其带来的震撼。
但如果想要在这个时代构建应用，则需要能达到比肩上述应用的水平，否则根据网络效应及马太效应，最终还是会被淘汰 —— 一如当年 IM 大战时百家争鸣，而最终剩余的屈指可数。
根据上文的关掉，当应用需求暴涨时，基建的需求也逐渐兴起。根据之前 Midjourney CEO 的观点，目前的云计算服务商短期内无法提供足够的 GPU 来满足客户的计算需求，甚至还会产生某些稀缺。所以 AI 计算的边际成本未必能迅速降下来 —— Open AI 除了有钱，微软还为其提供了 Azure 算力的特殊折扣。
如果作为基础设施的算力无法降低，对应上层的 API 调用成本也无法降低，基于 ChatGPT 或者 StableDiffusion 构建新的应用成本也无法短期内下降。
下图是调用 GPT-3 接口的费用，以及一些应用的预估。
▎观点 2：ChatGPT 更像是一种新的交互方式
在建硕的文章中，指出了许多人把 ChatGTP 当做搜索引擎的误区，因为其本身大语言模型，并非是先知。
比如在 Bing + ChatGPT 的新搜索引擎的范式下，也能看到并非是让后者给出答案，而是利用后者来总结搜索结果。在基于搜索结果的对话之外，还可以通过自然语言来对上述结果进行进一步细化。
关于新的交互方式，下面是一个来自于 @swyx 分享的案例：
ChatGPT 当前的杀手级应用不是搜索、治疗、数学运算、控制浏览器、模拟虚拟机或任何其他带有大量免责声明的精选示例。这更常见，将信息从任何格式 X 重新格式化为任何格式 Y。
和飞哥讨论也有类似的观点，就像当年把 PC 的输入框放进手机里，以为移动互联网做个搜索引擎就可以了。
但其实新结构，带来了完全不一样的交互，进而是不一样的生态。谁能想到，今天会有这么多人刷小红书，看点评网，反而会对百度产生威胁。
如果这是一种新的交互方式，那么会在哪些场景带来新的价值？
推荐阅读：