月之暗面发布K3对标顶尖SOTA 美团龙珠揭秘早期重注内幕

月之暗面发布K3对标顶尖SOTA 美团龙珠揭秘早期重注内幕 中国新一代大模型打破单纯拼性价比的瓶颈，得益于上一代AI四小龙的人才沉淀与美团龙珠对极客团队技术信仰的早期重注。 节目回顾了美团龙珠在月之暗面尚无产品时毅然领投 A1 轮的决策始末，并剖析了从 DeepSeek-R1 到 Kimi K3 时代，中国开源大模型如何从拼“性价比”走向逼近全球顶尖 SOTA 的技术审美重塑。同时，嘉宾结合自身在依图科技和创新工场 AI 工程院的亲历经验，梳理了上一代 CV 时代 ToB 商业化的困境与教训，揭示了中国 AI 顶尖人才在过去十年间的不灭信仰与薪火相传。此外，对话还探讨了未来大模型生态演变、SOTA 窗口期以及如何通过更好的交互环境将 AGI 真正普惠给普通人。 月之暗面发布的 Kimi K3 逼近全球顶尖 SOTA，标志着中国开源模型从早期的拼性价比转向硬核技术前沿突破，两代中国 AI 人才与技术积累在大模型时代重新汇聚。 (0:00) 在月之暗面早期无产品、胜算不明朗时，美团龙珠毅然领投 A1 轮，看重的是杨植麟团队追求 AGI 的纯粹信仰及其提出的“LTV”（长上下文、真实性与多模态）演进路线。 (15:00) DeepSeek-R1 与 O1 推理范式的爆发，推动大模型竞争从堆叠算力和预训练数据，转向测试时 Scaling（Test Time Scaling）与对创作者“技术审美（Taste）”的深度考验。 (20:00) 回顾 AI 1.0 时代因模型缺乏泛化能力陷入 ToB 定制外包的教训，单纯售卖模型能力终将被大宗商品化，创业公司需利用技术领先的窗口期构建能产生新智能的人机交互环境。 (55:00)

投资人兼创业者叶奇意通过回顾中国两代人工智能团队的十年迁徙指出，以Kimi K3和DeepSeek-R1为代表的开源大模型已使中国技术团队逼近全球顶尖SOTA水平，但单纯售卖模型能力终将被大宗商品化，未来竞争关键在于构建人机交互的数据飞轮与应用环境。 范式跃迁：逼近SOTA与测试时技术审美 2026年初月之暗面发布的Kimi K3在基准测试中逼近甚至超越硅谷顶尖闭源模型（如Opus 4.8），标志着中国开源大模型从以往主打推理成本优化、做“性价比平替”的阶段，演进到在最高技术水平线上竞争。这一突破承接了2025年初DeepSeek-R1开源思维链所引发的行业转折。 叶奇意分析，伴随OpenAI o1等推理模型的兴起，Scaling Law的重心已从单纯堆叠海量存量预训练数据，转向测试时（Test Time）基于奖励机制与问题设定的推理扩展。这种范式转移促使大模型行业从粗放的算力拼杀，收敛至对研发团队“技术审美”（Taste）的考验——即如何定义好问题、好任务与科学的评估基准。 1.0代际教训与MaaS大宗商品化困境 以“CV四小龙”为代表的AI 1.0时代曾深陷商业化泥潭。由于早期视觉模型极度缺乏泛化能力，安防等场景遭遇微小的光照、角度或天气变化便需重新采标数据与训练，迫使企业雇佣高薪毕业生提供密集的外包定制交付，退化为重度ToB服务，无法实现边际成本递减的软件商业模式。在2019至2020年创新工场早期中文GPT-2及澜舟科技的探索中，团队也因忽视底层数据工程清洗且未认清Scaling Law，再次受困于垂直场景卖模型的旧路径。 叶奇意直言，单纯售卖模型能力（无论是SDK还是API的MaaS模式）类似于云计算等基础设施，缺乏定价权，终将被彻底大宗商品化（Commoditized）。掌握SOTA仅能带来短暂的时间窗口，若不能像代码工具Cursor那样为用户提供带脚手架与即时反馈的环境（Environment），技术优势很快就会被行业拉平。 美团龙珠重注月之暗面与AGI信仰考量 2023年年中，美团龙珠在月之暗面产品尚未上线、商业前景不明时领投其A1轮。在当时大模型研发高昂的资本支出（Capex）让传统VC逻辑承受重压的背景下，美团王兴留下一句“我知道创业公司做成超级模型概率很低，但我愿意支持一把”，促成了投资决断。资本押注的核心在于杨植麟团队对Decode-Only架构与模型扩展律的纯粹追求，而非分散精力做短期商业变现。 杨植麟在早期提出了AGI的“LTV”发展框架，即长上下文（Long Context）、真实性（Truthfulness）与视频多模态（Video）。针对2024年Kimi因大规模投流拉升DAU而招致的争议，叶奇意解释，面对国内极度缺乏单集群万卡GPU的残酷现实，初创公司必须向资源方证明增长潜力以换取算力支持，同时高频真实调用产生的长文本数据也反哺了模型的强化学习训练。 人才谱系演进、组织土壤与大厂生态位 中国AI人才谱系存在清晰的代际传承：早期微软亚洲研究院（MSRA）与百度美研孕育了1.0时代的创业者，而从1.0公司走出的骨干构成了月之暗面、MiniMax等大模型公司的核心团队；智源研究院则在ChatGPT问世前，为学者研发CPM、GLM提供了关键的早期算力支持。相比之下，DeepSeek依托幻方量化，直接从NOI/ACM竞赛圈吸纳无历史包袱的应届生与年轻天才，走出了差异化路线。 在巨头生态布局上，字节跳动依托AI短剧与内容分发体系打通了“生产-消费-分发”商业闭环；阿里巴巴扮演了算力大基建与大模型创业公司的投资底座；腾讯则手握微信这一具备极强人机交互黏性的“环境”。叶奇意指出，两代成功团队均倾向于打造极度宽松、鼓励好奇心与类似强化学习试错的组织文化，避免因微观管理导致激励机制漂移。 叶奇意认为，技术领先性仅能提供短暂的时间窗口，无法沉淀为人机交互环境的模型最终都将失去超额利润；针对当前AI工具对非技术用户门槛过高、易使其产生“二等公民”挫败感的现状，大模型产品演化的下一阶段应着眼于降低使用门槛，转向聚焦人际交流与意图理解的轻量化普惠应用。

[0:00] 叶奇意Kiwi: 中国模型第一次不是在拼性价比，而是说我们可以去摸那个 SOTA 模型，而且还是开源的。 [0:00] 叶奇意Kiwi: 你要相信 AGI，然后你要相信这件事情他能做出来的这些人，他一定会聚集在一起。 [15:00] 王兴: 我确实知道创业公司能够去做超级模型和超级应用的概率很低，但我愿意支持一把。 [20:00] 叶奇意Kiwi: 2025 年是一个挺 exciting 的阶段，大家重新又回到了 research 这件事情上面。Taste 的价值会更加显现。 [30:00] 叶奇意Kiwi: 只要你把一群优秀的年轻人放在好的环境里面，他们就能碰撞出东西。 [30:00] 叶奇意Kiwi: 模型的泛化能力不够，就导致我们整一个 AI 的渗透过程，其实会需要投入大量的生产侧的服务……生意模式上它会变得不太性感。 [40:00] 叶奇意Kiwi: 一代人去培养一代人……传承的核心叫做对技术的信仰、对于好奇心，然后不计结果地去探索，而不是功利主义地去探索。 [45:00] 叶奇意Kiwi: 创新工场 AI 工程院确实一直在探索，AI 到底怎么样去渗透到人类的真实生活和生产当中去。 [55:00] 叶奇意Kiwi: 卖模型能力真不是一个好生意 [60:00] 叶奇意Kiwi: 技术领先性只能给你这个公司带来一个时间窗口……如果你这个 Environment 没有被造出来的话，时间窗口过了你就是 Commoditized，所有的模型能力会被拉平。 [65:00] 叶奇意Kiwi: 能写非常强的 Prompt、能构建 Agent Loop、能用好 AI/小龙虾的人是一等公民。而我在开放式输入框面前就觉得我不够聪明……就算让 AI 帮我 Vibe 出来一个产品，它也是‘屎山代码’，不可维护。

[0:00] 月之岸面KIMI的K3可以说是自去年春节Deep Seek时刻之后呢再次震惊硅谷的中国开源大模型在一些基准测试上K3接近甚至超越了一些硅谷最领先的SOTA碧源模型这被称为KIMI Moment今年的KIMI Moment跟去年的Deep Seek Moment正还是不一样的我觉得中国模型第一次不是在拼性价比而是说我们可以去摸那个SOTA模型而且还是开源的是而且还是开源的那今天我们想聊的不只是月之岸面上一代是以计算机视觉为代表的商汤矿式 依图和云从而这一代则是质朴 月之安面Inimax和DeepSeek有意思的是这两代公司是有传承的从人才到资本 从实验室 工程经验甚至上一轮创业留下的创伤都是在影响今天的大模型竞争我们经历过一波理想主义的破灭最激情澎湃的职业生涯的时间已经奉献给AI过一次了流到了这一轮的AI里面有10%吗其实二三年没有流露可能也逐渐流露进来了为我们中东的LP就过来这个问开夫老师说我们现在发现我们有几百台V100没人用你们要不要用19年我们就尝试做了一件事情叫做中文版的GP2为什么星哥还有你们要压住杨志玲星哥他在赶去开下一个会之前他丢下了一句话叫做我确实能够创业公司能够去做超级模型和超级应用你的概率很低但我愿意支持100对我们今天的嘉宾Kiwi是经历了过去十年中国两代AI浪潮根屁的见证者和投资人月之安面的A一轮领头那今天呢我们请他带我们重新走一遍中国大模型的创业史那以下就是我和QE的采访Hello Kiwi你好欢迎做客硅谷101谢谢Hello Hello要不要跟我们的观众介绍一下你自己好的大家好我叫Kiwi我是在AI行业打砸了十年的一个打砸工如果一句话来概括我自己的话我就觉得我应该是一个持续的保持着偏见然后持续的犯错持续的打脸但仍然要坚持保持偏见的一个AI行业的一个普通的探索人吧哇太谦虚了跟你的采访我非常期待是因为我觉得你是从上一轮的AI四小龙对然后到这一轮AI的四小龙或者是刘小龙吧大家有很多的名字哈你是完整的见证了整个周期的一个人有大概十年的时间是不是所以呢今天也非常期待你可以跟我们多聊一聊中间发生的事情背后的人还有资本的一个走向好的好的但我得强调一下就是其实我并不是一个真正的一个非常非常懂AI懂模型的人我只是运气特别好就是永远都夹在这一堆学霸当中对然后在旁边可能看看着这些优秀的这些人如何在探索和创造未来我觉得你的名字跟Kimi很配因为我昨天刚刚意识到我在写这个采访提纲的时候Kiwi嘛这个W反过来就是Kimi嘛就是可能缘分吧巧合因为你知道硅谷很多的模型公司他们都喜欢用水果的名字去命名一些模型产品嘛然后或者是一些他们在前侧的时候会有一些就是假名字会跑出来下一次他们说不定可以考虑用Kiwi这个名字了解了解其实我是因为中文名叫奇异啦然后以前我在海外的时候经常会被问是不是新西兰来的,对,是不是新西兰来的,我说这个我是中国来的,那我们先从你投资Monshot的故事开始好不好,因为确实是我觉得K3最近是吸引了非常多大家的关注,你当时是在美团,我在美团龙珠,然后应该是你是在A1轮,Monshot预置案面A1轮的时候投进去了,能不能跟我们讲一下当时的故事,我觉得可能这个故事要从二二年开始讲起,我们自己体验了XGPT了大概一周之后我们发现这件事情不一样就我们原来以为GPT这个Decode Only的路线只是一个NLP生成式论务的细分分支但是我们在跟XGP交流了很久之后我们发现原来这个东西好像似乎是一个能够pass图灵测试的这么一个所谓AGI的一个萌芽的东西当时就开始努力的跟身边的小伙伴在交流说你怎么看这件事情所以我们后来在接下来的两三个月的时间就聊了所有我们上一代不管是我的researcher和engineer的好朋友还是后来又出现了很多在NLP领域和在其他的IoI这些AI领域非常优秀的这些researcher在交流之后我们觉得这东西很是个大事情它有泛化性跟我们上一代的AI不一样所以那个时候我们就在追踪那到底中国要来去做这件事情应该是什么样的团队去做说实话我们会觉得我们需要一个新的盘面出来就是上一代的一些公司它很难放开手脚去做一件你当下似乎都不知道预期回报是什么的一件事情但是唯一一个锚点是什么就是人才永远都是锚点就是你要相信AGI然后你要相信这件事情他能做出来的这些人他一定会聚集在一起所以当时我们做法就是我们去追到底是什么 [5:00] 谁相信AGI并且我们认为它的对技术的信仰对于AGI的这个exciting的程度是足够的然后在这个点上面我们再逐渐的去排到底国内有哪些人是对这事情感兴趣的当时在list上面呢其实rank特别特别前面的就是有Kimi就杨之林当时为什么会追到之林其实我跟之林原本不认识因为我是上一代Commute Vision的那个行业的那些朋友会比较多但是可能之林他们在NLP这边我跟他们认识的会比较少但是呢你去看过去在TrackP发布之前在中国有哪些在追求Transformer这个架构下的Skill的这个模型你会发现在这里面比如他19年当时在Google实习的时候就在发了这个Transformer XL和XLNet就从这个取名上就可以看到他很想skill然后后来我们看了就是比如说在国内致源的时候就致源研究院当时有CPMGLM的模型里面其实你会发现清华的唐杰老师啊直林啊然后包括刘志远老师啊他们都有在尝试的去做Decode Only路线的这个skill同时又在隔了一年之后发现啊华为发的那个盘古1.0怎么直林他们的团队还在里面你会发现这个人好像一直都在追求这件事情即使在XGP发布之前所以当时我们就非常非常想去跟他交流但实话说我们追了大概四个月的时间一直都没有聊上他那到后来的时候呢是已经到了A一轮期他第一轮已经close了之后我们才成功的加上直林的微信最后在交流之后决定了这个投资这个事情对我听说加上微信也不是一件容易的事我觉得这个一部分的原因是因为能力不够因为我说实话我真的是一个行业的nobody因为那时候是刚刚从AI的产业界跳到了这个投资界所以我没有出手过任何项目所以我觉得在这个场景下面加微信它不通过是一件非常合理的事情对但是呢当时我应该是去他之前的AI公司去拜访了三次我去见了他的其他几位联创包括后来我其实还跟Tim因为Tim是老旷市的人可能四小龙的人我们会交流会多一点Tim就跟我说创业了也去交流了很多所以我们知道我身边有好多的优秀的非常相信这一波LM和AGI的小伙伴他们自然而然的汇集到了一起所以当时我有一些好朋友已经加入了当时Mushot当时就说你们现在需要一些什么东西他们跟我说我们现在非常需要的人因为原本这个团的最早的那个架子其实算法researcher偏多一些但是其实大模型这件事情其实你会知道下面的系统工程infra这些都很重要那我就从上一代的四条龙里面去找我那个之前我特别优秀的那些前同事小伙伴们然后因为说实话展开就上一代四小龙经历过一个非常长的周期大家有激情澎湃的时候然后又下来就是行业到冰点的时候所以这些小伙伴其实散落在各个地方有的还留在四小龙有的去了一些大厂然后有的去了量化公司那我们就一个个去帮他们去找说你们对这一波大模型感不感兴趣我说实话80%的小伙伴其实会拒绝为什么是因为你经历过一波周期我们经历过一波理想主义的破灭所以这个时候他把自己人生比如20多岁刚毕业到30岁这个时候最宝贵的这个我也不能说最宝贵吧就是说最激情澎湃的这个职业生涯的时间已经奉献给AI过一次了但是从1.0的时代来说他们没有得到一个从世俗意义上特别好的一个回报比如说成就出了像互联网公司一样特别伟大的公司所以这个时候很多人已经会有失败的路径以来就是说哎我可能暂时就先不探索了或者说暂时我就先观望一下但是会有那么一小撮比如说10%到20%的那些人他完全不计我会获得什么他只是在思考的是OK这个事情足够让我兴奋这个事情足够的有影响力我很想去参与到这个事情的探索当中来然后他们就会被说动我就把这么就是一波小伙伴其实有劝到就是Mushal的就是因为即使是AI行业我觉得大家之前探索的方向不一样也不一定互相认识这个时候其实又介绍了一些我觉得非常优秀的engineer过去然后在这些engineer在模型训练的过程中这个价值和能力吧之后呢他们就跟这个Kimi去就是帮我说了一说话说哎呀这个我们加入的时候跟Kiwi也聊Kiwi对这个团队非常感兴趣所以最后是有一天我在高铁站我当时从上海要去这个杭州高铁站突然这个于涛也好然后他们有另外几位朋友也好说哎那个Kimi同意要见你们了然后帮我们拉了群加了微信我们下一周就飞到了北京去见Kimi对就有一段波折对嗯嗯对就是跟大家说一下Kimi是杨志玲的英文名字对对对然后跟他那个模型是崇明的是的是的所以见Kimi不是见模型是见杨志玲对见志玲对对对但是他后来把名字改了是不是对因为你内部的话不希望语音 [10:00] 有奇异嘛可能就把叫直立下叫KK好呀所以你见到杨志玲的第一面是什么时候应该是五月份了吧四月底五月初的时候应该是二三年的二三年的五月份第一面印象怎么样第一面印象就是一个很朴实的researcher就是我觉得好多很优秀的researcher就是很朴实很简单他就是单纯的对于一件事情解决一个问题非常的嗯非常的纯粹我认识的很多不管是在Mushout也好然后在DeepSick或其他的大模型包括智朴啊这类的大模型公司就是有一波真正的非常热爱这个行业的人他就是很纯粹我觉得也没有很神话这件事情就是因为我印象特别深是二三年十月份他们第一播 Kimi Chad 和他第一个模型发出来的时候我觉得就是国内当时其实我觉得是因为他浪康也做特别好Aliment也做特别好其实我觉得是当时效果特别好的模型我自己用了之后我觉得很 exciting嘛我就问 Kimi 的小伙伴我说你们为什么能做这么好他说我们也没有做什么呀我们就只是踏踏实实的把所有该做的事情给踏踏实实给做了所以我觉得我当时见到嗯直林的第一面的时候我就是觉得就是很纯粹的在谈论技术我们就向他请教就是他理解的大模型AGI是怎么回事然后直林当时就跟我们讲他当时的就在二三年的时候他定的目标其实总结起来是LTV他当时说LTV是什么呢L就是Long ContestT就是Truthfulness就是这个可靠性然后V呢是多么太就Video这个他觉得这几个方向其实很有可能是接下来要去做AGI比较重要比如说Long Contest重要性我就不赘述了truthfulness也不赘述当时有幻觉问题对吧V的那个点呢是认为他觉得文本模太如果最后也被重进了之后其实他需要更多的data去补充这个智能的skill对data skill去补充智能所以其实我觉得当时就是很纯粹的在向他去学习他对于AGI和大模型的看法对你刚才说的LTV我觉得这个特别有意思因为你知道在广告行业LTV是什么意思吗是什么意思lifetime value就是你衡量一个顾客的所以它是一个特别商业化的词但是在直林的口中LTV是一个特别AGI的词我觉得这两个词是一个缩写我觉得蛮有意思的是 可能是一个很有意思的巧合对 对非常有意思但是那个时候你觉得直林终于家你们见你们的时候是因为他open了要跟你们谈谈融资的事吗我觉得他其实之前也不是不open单纯的是因为整个资本市场其实是个性造比特别特别低的市场我觉得所以只是说可能像我的这个作为我这个人他的这个标签相对来说可能一开始看标签的时候确实看起来也不知道是noise还是signal对所以呢就是我们可能就是付出一点真诚付出一点努力然后他看到了真诚然后所以来跟我们聊只是一个我觉得触达的过程他们应该也没有说在那个时间点才开放了说要去谈融资对所以他就听到了说有这样的一个投资人QB一直在气而不舍的想跟他聊聊同时呢他又推了很多的同事到公司里面然后大家对他的评价都还不错对我觉得可能是那些小伙伴一个信任建立的关系我觉得是人与人之间建立的这个事情因为本身我的标签不足以说明任何的事情这个人是个很普通的人但是可能小伙伴们之间因为他们建立了信任关系然后他们的一些背书可能让当时我们得到了这么一个小小的机会所以将了三次归行我不记得我加几次微信可能每周我都试图加一次微信对可能是众多微信申请好友当中的这么一个来聊聊你们投进去的这件事情当时是A一轮A一轮对对对 当时从哪个角度聊你们当时美团是领头了A轮我觉得有几个角度吧首先呢就是为什么是你们领头对我觉得这个事情可以说一说就我实话说在我们领头的那个阶段已经是在23年的5 6月份了其实市场上同期的一些大模型公司其实已经把钱一到三轮可能都已经融得差不多了其实Mushot当时的估值应该是同市场比较低的比如说像零一万物啊然后像百川啊我记得当时都已经估值过基本上投钱就接近10亿美金了有一些更早的比如说更早成立的并且更早的已经劝过model的一些厂商比如说minimax 质朴其实当时的估值也应该要过15亿美金了可能这个团队是相对比较年轻或者说之前并没有去做出过特别特别大的一些公司所以当时可能市场上给他们的关注度相较其他的一些公司来说就会相对低一些所以我觉得也是我们运气比较好在这个相对来说关注度不太那么高的情况下得到了一些领头的一些 [15:00] 其实我知道说他们AE的时候其实是他们之前的那一轮有一个VC drop了然后你们其实是嗯就是后来顶上了这样的一个领头什么这件事情可以说吗我其实不太知道细节对对对但是确实可能在他们二三年的上百年的时候因为团队很年轻非常fresh所以他们的融资大概率没有一些更加成功的成熟的企业家就是已经证明过自己的企业家那么顺利对对所以我觉得就是我们的运气挺好的那在内部在投影会上面去推这个deal的时候顺利吗嗯从某一些角度来说很顺利就是我们其实内部的决策其实一轮的IC讨论之后其实拍板的是很快的但是从某一些角度我们的讨论非常非常激烈就这个事情我觉得不只是美团龙珠内部的讨论我觉得是当时整个市场的大家都会对AI这件事情会有很强的一个问号我这边相信一个有泛化能力的AI模型这边一定会有一个超级应用但我也不知道这个超级应用长什么样但我相信这里会有超级应用那再接下来回来的点这个超级模型加超级应用当时我觉得这个是讨论到最后一个阶段我觉得争议最大的一个点但我记得讨论到最后一个阶段的时候当时星哥他丢下一句话当然我不知道现在可能是大家要叫王星了不就一叫星哥就王星他丢下一句话是说因为确实这个事情大家知道开派斯投入太大如果你相信的是scaling law的话这件事情都不知道投入是个无底洞那么对于创业公司来说这完全是一个脱离了传统一级市场可以去承载的游戏当时其实我们内部在想这就变成了大厂的机会了是不是自己也会把所有的这个可能性给吃掉这个事情说实话我们没有形成共识也没有形成答案但我印象中星哥他在赶去开下一个会之前他丢下了一句话叫做我确实能为创业公司能够去做超级模型和超级应用的概率很低但我愿意支持一把可能是辛哥这句话然后把我们后面又敲就是往后翘了就是要推对所以你要说我们那个时候说就是某一家公司是不是一定会成我们也不知道我们真的不知道但是我们愿意相信理想主义这件事情它很有可能能探索有可能性对嗯嗯那你们觉得在这么多的模型里面其实当时也不只是Muncher对吧当时Minimax 智朴这些公司其实都在起来对为什么辛格还有你们要压住杨志玲所以回过来就是在当时可能我们会去找一些他真的可能比较纯粹的想去追求AGI纯粹的想去做scaling的公司一些公司如果说他的目标里面可能会包括我要去做收入我要去做图笔做DAO在这些的目标干扰下 3号有一些阶段他会跟做模型的绝对能力或做AGI这件事情是align的 但是有一些情况下有可能他的目标会微妙的就是他不一致 那么其实当时我们去但我觉得这也没有判断只是刚好我认识的那些比较纯粹的小伙伴在Kimi对对那其实我们看到美团领头之后Kimi其实在24年是经过了不那么顺的一年对不对啊24年其实我们看到就是他开始有些投流对吧我们看得到啊就是说对他的那个舆论也是挺两极化的然后包括就是他他投流我为什么有体感呢就是因为我们那个上传视频在B站嘛然后很多时候因为我们做是AI内容就被看到很多的时候是banner或者广告位其实都是Kimi的广告对那段时间他是很在意收入这件事情的或者是他们团队内部有一股力量要是要去主攻收入这件事情的那在投资人的一个视角你会觉得这跟他最开始承诺你们的AGI是有点背道而驰的那段时间我觉得这其实是一个探索的过程就是嗯我觉得首先就是Kimi他在20年年初的时候我印象中其实当时应该是有一位KOC他去二级市场录演的时候给二级市场的研究员展现了Kimi的Long Contest去读研报这个能力然后一下子把一些非AI界的人可以意识到Kimi的模型做得非常不错然后他DAO有一波非常大的增长那你在DAO增长过程当中你会发现涌进来了更多不一样的用户不一样的用户会带来什么不一样的Task那这些不一样的Task在整个模型的RL的训练当中会进一步的给模型补充更多的data更多的任务让模型的进步去发展另外我觉得有一件事情是呃我得我得提示一下我觉得Kimi是一个挺不容易的团伙对于每一个没有任何的呃大厂级的供选能力的创业公司来说做AGI追求AGI都不是件容易的事情因为AGI就是很烧钱这是个客观事实而你要烧钱你得说服那些有资源的人把钱给你那怎么去说服一些行业外的人要把资源给你 [20:00] 而且还有一个点是24年其实我说实话中国的大量的初创公司都是缺算力的非常非常缺算力所以这也是我觉得中国的AZI公司特别或者大模型公司特别不容易的一个点就是我们的资源非常非常匮乏但是你也会看出来就是因为资源匮乏不管是Deepstick也好Kimi也好然后甚至质朴也好他们都会做非常非常多的各种的优化然后反倒是有的时候会拿出一些可能北美那些资源非常重于厂商性能上面可能不一定能够就是当时他们会去重点去优化的一些点嗯对没错啊我觉得中国的模型公司可能更不容易的一点就是因为2C端啊大模型的产品竞争太激烈了非常非常激烈而且大家是没有收费的啊特别是比如说豆包啊还有千万这些出来了因为后面是大厂在支撑嘛对那Kimi如果他要走2C这条路线的话他直接竞争的就是字节字节阿里而且还有一直悬在上面虽然它没有动作的微信微信应该会今年会有动作了微信时间应该压力很大吧对压力很大而且因为它甚至甚至都不能像那个TriGPT一样去收20美金对吧因为你不是SOTA模型确实中国当时还没有做到SOTA模型所以你推理也是成本训练也是成本然后所有的成本压力下来其实从当时23年所有的模型厂商的融资来说去做AGI是远远不够的所以事实上就是它当时必须需要去balance的一个trade off的东西是我只是单纯的去追求AGI和我要去向这些资源册去证明我有获得我有去追求AGI的能力要去做的努力有时候它就是不玩烂的对所以在这个点上我觉得其实大家都很不容易每一家公司都很不容易就是投流的那股趋势吧在KIMI什么时候是一个转折点呢25年的年初就R1出来了之后我觉得确实是一个对Deep Seek R1出来之后确实是一个比较大的转折点就是本上你看KIMI的第一波DAO的暴涨不是来自于投流其实是来自于他当时的第一版模型加产品他的Long Contest也好他的Alignment做得好所以用户感受到了所以他就过来了就是产品本身勾引对 模型本身勾引产品本身勾引当时是当时所有的这个思维链其实像那个open AI并没有把它开放出来那么阿旺第一次像整个技术界和这个普通的优势去展现了模型是怎么思考的过程对吧所以把大家给吸引过来这个开源精神我觉得非常不容易对所以我觉得渐渐的就是其实这是一个市场教育的过程它不是在教育大模型公司而是在教育可能资源的持有方他们离AI会更远一些就是说其实这个事情在这个阶段它的本质就是把产品踏踏实给做好所以在阿旺之后他教育的我觉得其实不是模型厂商而是教育的是资源方就是不要再给模型厂商这么多当前你要回答怎么赚钱怎么拿DAO的这个压力了就是你就相信AGI这件事情就是我觉得这是阿旺给整个我觉得资本市场带来的一个教育所以我觉得那个时候其实模型厂商想去追求AGI的公司的厂商他的目标会更加收敛了对美团在24年原因是什么呀那个时候24年没有跟对那时候我们也在观察吧因为整体24年的时候其实大家的GPU资源都非常匮乏我实话说就我们的算力资源是非常非常匮乏的在国内你想在北美的Frontier Model厂商在二三年年底二四年的时候都已经有几万卡的单一集群了对吧但是在国内其实万卡的单一集群其实当时DeepSeek是有的签问是有的然后可能字节是有的其实有万卡集群的公司就不多就是你再有梦想你还是需要资源的在24年整体我们的算力还是没有完全给基础设施给建好这个事情可能是当时我们也在犹豫的点吧现在是不是Kimi对于算力还是有一点缺的你看最近他们不是限制了新的客户吗只要是AGI公司都缺算力我看来也是缺的对 都是缺的对 就这件事情也是有一次我们问另外一家就是特别头部的这个模型厂商说你们缺算力吗他们说就是就不展开说就是算了永远都可以被用满就是你给他多少他永远都能用多少对对对嗯嗯嗯对那到了25年的时候啊啊你觉得25年跟24年来说公司有什么特别大的一些进展吗我觉得澳年整体上来说因为我觉得O1之后大家开始因为24年整体上来说整个模型行业大家都在scale的是一些存量的已经被记录下来的data会比较多比如说你在pre-chain阶段SFT的这些data然后到25年就是O1出来之后大家开始在强化这个路向也就是说 [25:00] 你先预定一好问题然后预定一好reward然后在某一些这个reward的奖励之下去scaling这个test time对吧然后得到了下一波智能这个进步所以我觉得25年的这个scaling让我一个特别兴奋的一个点是在于其实存量的这个被记录的这个data的这个范式已经开始迁移到了你可以去通过你自己的审美去拉动这个模型往前走的这个阶段了所以这个时候其实不管是模型厂商也好如果是纯存量data的话它变成了一个资源之争因为你存在Bosscaling的这个效率和这个你的这个质量那么O1之后其实当你发现你可以去通过你自己对于任务的审美去拉动这个模型往前走了之后这时候Taste的这个价值会更加显现所以我觉得那个时候对于很多相对资源可能不一定这么充足的厂商和一些应用层公司来说一波新的机会所以我觉得二五年是一个挺exciting的一个阶段大家重新又回到了research这件事情上面对 是的是的我们在定义什么是好的任务什么是好的问题那这个问题应该怎么样去被评价就是怎么样去就是taste变得更加就是因为taste这件事情就是很多元化的它今天是一个在每一个当下去提出问题的时候你并不知道它并没有标准绝对的标准答案的事情然后这个时候其实它会相对来说更加的多元化我觉得这是一个非常有意思的阶段对但是KR出来的时候我看市场也就还好没有到今天的这么就是给市场带来这种wow moment的时候对那个时候团队是一个什么样的气氛啊我觉得KR已经很兴奋了对因为KR当时已经到了一个我觉得模型又跨过了一个非常就是中国模型吧又进入到了一个新阶段对他那个时候应该说是第一个强调Gentic Model的时候对吧对其实我觉得Cloud的3.7开始就已经是比较强调Agentic的了只是KR让我们的中国模型尤其是当然性价比也很高对吧跟Frontier Model只相差这个可能这个小半代或几个月的这么一个差距其实就已经让大家觉得非常的兴奋了对就是不如到2026年今年年初的时候然后我们看那个OpenClaw出来了就是整个小龙虾这个龙虾热嘛在国内其实也是比较看越模型有一波的这个热肠包括KIMI它其实在OpenRouter上面它的API的调游量也是有一波小的增益对我觉得这事情是原本其实整个就是我觉得在过去的从23年到24年的时候大家其实只关注在Frontier Model上面因为说实话就是Frontier Model的那个水平也还在逐步提升的这个过程当中然后你会发现越好的模型越能帮我去更好去解决问题但是龙虾出来之后呢他有个很现实的问题是龙虾很烧token他很贵而且大部分那个我们的这个养虾的这个同学们就有时候他不需要那么就是好像说你要解决什么最难的科学问题那在这样情况下面大家确实会关注性价比那我觉得在K2.5的这个情况下它确实是在当时一个特别特别好的一个选择对当时其实不只是K2.5我觉得国内的好多的一些模型其实都是性价比特别高的但是质朴也有一波对质朴也有对但我觉得其实最近已经不再是性价比了就是我觉得一直到我觉得K3其实让我挺兴奋的一个点在之前开源的那一波中国的开源模型被外界会一直会认为是平TXX平T因为它的性价比确实高它的推理的优化做得特别好对但是其实K3的发布是你想K3的训练过程就因为其实你想K3它已经超过了Opus系列的基本上当然今天已经发了Opus 5但是至少在它发布的时候它已经超越了4.8系列的所有模型其实真正的我觉得跟K3比或者说我们自己体感在效果好电的模型其实都是像Fibro之类的其实都是最近才发布的所以其实在K3的训练过程当中等于说它超越了当时的所有的SOTA模型了对所以这个点就是我觉得中国模型第一次是在我们不是在拼性价比而是说我们可以去摸那个SOTA模型这件事情我觉得对我自己的鼓舞是挺大的而且还是开源的所以今年的Kimi moment跟去年的Deep Seek moment我感觉对硅谷的来说震撼同样是震撼的震撼是不一样的今年的震撼我感觉更有紧迫感我觉得月之安眠很有意思的一个点过来他们的办公室嘛就觉得 [30:00] 这个公司很酷因为一进去就是一个白色的钢琴然后上面放着一个Pink Floyd的一个唱片然后每个会议室都是摇滚乐队一个rock band的名字几个主创他们在新华的时候都自己就是创立过一个rock band吗这件事情跟AI有任何的联系吗我觉得Sungho在底层有一件事情叫做如果这是一家真的追求AGI的公司他一定是因为真的对这件事情他觉得这个事情很兴奋感兴趣或者说我觉得可能追求不一定有用这件事情可能是追求AGI的一个可以去映射的点让我想一下怎么去解释这件事情不一定有用就是当下不一定他能做出来一个产品甚至都不是产品就是我举例来说其实当时我们在孵化就是因为GP2而GP3而孵化公司的时候我们先想的事情是它能解决什么问题然后我们才想去做模型但是你的scaling本身你不知道它会涌现出什么能力所以我觉得好奇心探索探索欲和这个强化学习式的这个环境但我觉得这其实不只是Kimi的我觉得我从因为我自己是上一代AIC小龙过来的思想了没有因为我们因为当时的那个技术的本身的那个制约的问题我们没有去发展出一些可能像一些现在的我们对它期待这么大就是空间这么大的一些公司但是实际上它的氛围是非常相似的就是其实一直以来我觉得非常优秀的这几代的中国的AI公司他们一直给就是中国的最聪明的最有好奇心的最有理想的这些年轻人们塑造了一个非常宽松的环境然后呢可能有一些创始人们并不一定是在给的是我们要做A要做B要做C而是他给的是一个非常fine的generalized的一个指导是说这个事情也许我们值得去探索一下然后一群极度优秀极度有探索精神的人在一个好的环境里面他一定会去碰撞出东西的我觉得这个事情可能在我看来其实在上一代的比如说像我们E2然后像当时的矿石商汤然后在这一波的deep sickKimi然后质朴我都能感受到就是只要你把一群优秀的年轻人放在好的环境里面他们就能碰撞出东西所以这波AI公司核心的是为他们去创造好的环境和相对我觉得不断的调整这个reward吧就让大家有一些好的reward反馈的体系对我刚才已经聊了蛮多就是上一代的中国AI四小龙了我们来系统的讲一讲好不好那上一代我们其实是指以计算机视觉为代表的商汤抗室 意图 还有云从对啊 当时你是我是16年加入的其中的一家公司叫E2对 做Communivation其实AI1.0时代也不只是Communivation当时也有一些做Machine Learning比如第四范式然后有做自动驾驶然后有做NLP的公司也会出现但整体上来说我觉得上一代的AI的1.0的公司我们遇到的一个集体性的困境就是模型的泛化程度是不够的我举例来说我们当时在我们思想中一个非常核心的场景就是人脸识别我们一开始比如说我们17年开始去迈到各个不同的这个省市的这个公安机关的时候我们就会发现可能东北的这个省市它的风雨雪雾天气会比较多我们就要从data测开始重新的标注然后重新的训练模型然后过了一个省它可能它的那个地域比较宽所以它的一个摄像头要覆盖的这个空间要更广了之后它的高度就会不一样那你的那个摄像头架的高度和角度不一样了之后我们又得重新train model我们一个非常大的一个困境在于说,这个AI本身是对这个社会是有很强的impact的,我们也就我觉得其实很多的治安环境会提升非常多,但问题是因为模型的泛化能力不够,就导致了我们整一个scale,我们的这个AI的渗透的这个过程,其实会需要投入大量的这个生产车的这个服务,就是而这群服务呢,是有一群全中国最聪明的这个理科的这个理科毕业生,他们很贵来去提供的,其实它看起来像一个很2B的一个服务型的生意这个商业模式的本质非常像一个2B的生意就或者很像一个高级外包但是呢其实我们又找了一群非常非常贵的或者说非常非常优秀的人去做那么从这个生意模式上来说它会变得不太性感对 就是这个市场最后不够大 不够像今天AGM那么有想象力对 因为还是那个点就是当时我们的模型不够足有泛化力所以我们每次去scale我们的下游应用都必须去增加相应的研发投入它不像互联网公司 它其实在研发一个标准性的或者是它统一的系统所以你越scale你的用户量了之后 你的编辑成本是逐渐下降升趋 [35:00] 当时我们并没有去形成这样商用我们非常像个服务型的公司就是我们的业务体量越大我们的成本侧就会越高并且管理的复杂度会越来越大所以这件事情跟当下的这个大模型的这些公司的它的business model上底层其实有些区别你当时在伊图做什么呀我当时做产品经理这也很有意思我是16年的年底加入伊图的嘛然后我加入了伊图之后第二天就是我们的晨曦就co-founder伙伴叫到一个小黑屋里面说从今天开始意图的产品团就成立了然后就给了我们一人一条产品线告诉我们对接的researcher和工程是谁就不管我们了这么放养的吗对就是成RL的方式对就是我们当时我印象特别深是我当时头一年的时候我觉得确实我觉得很痛苦很难受为什么就是因为没有人告诉你标准答案是什么没有人告诉你正确的做法是什么但是你会踩坑你会发现你会不停的犯错两年之后我再去回顾我那一段经历真的我觉得特别感谢的就是这一波AI公司他真的非常相信年轻人就是你说上一波还是这一波我觉得两波都是就是这些优秀的AI公司他一个底层的一个点是在于我不用鲜艳教你怎么做事情但是我会给你空间去探索然后你会得到反馈你会自我迭代虽然这个迭代的过程可能不比比如说当时我就特别羡慕大厂的这个应届毕业生他进去之后就知道流程是什么规范是什么他把所有可以去规避的风险先用流程和这个方法论给规避掉了而我们进去了之后没有人告诉我应该做什么我们就是当时我们的产品经理是做什么呢就是所有researcher和安全性不做的事情都是产品经理做的然后对然后我们也不知道正确做法是什么就是我们踩一个坑然后我们知道也许这个地方我们要looting类的以后都要去做一个checkpoint我们要去增加这里的reveal我们要去对齐这件事情但是每一件事情都是通过踩坑来学习的但事实上你就会发现等到我到离开了意图之后我会发现这个烙印对我特别特别深就是你通过强化而得到的这种能力它是有泛化性的因为你并不是因为别人教你做了这件事情你才去做因为当你被告知你要这么做有时候你并不一定会思考为什么要这么做但是我们每一步去增加的流程也好我们去形成的这个组织形式也好其实都是因为我们发现这个问题的解决和探索需要这样的流程所以这是我们自己讨论和琢磨出来的对我觉得这件事情是挺有意思的对所以而且还有一个点是在于可能我们上一波AI的时候我觉得你想我们是16年的时候E2有了第一波的所谓的产品经理但其实它是12年就成立了的当时12年成立的就从11年开始到14年就商堂矿石E2这些陆续成立吧大家都是看到了比如说像ImageNet AI XNet这些在有一些非常大的一些突破了之后我们觉得也许这件事情可以从就AI就计算机数学这件事情学术界去影响就是我们真实的生活了就进入工业界了但说实话没有人有正确答案他就是一个research 问题就是我们都不知道有没有答案然后对,所以那个时候其实确实也给我们的探索空间会,甚至我觉得有可能比这个时间点还要更高。对,因为……。老板们也不就创始人们也不知道真正的答案是什么就是我们就努力的去寻找对所以那个时间点是一个特别好玩的一个过程对这个还挺有意思的也就是说在上一代中国恋爱的时候大家就已经开始非常勇敢的开始用新人了包括就是刚毕业不久的大学生甚至没有毕业当时我记得好多的我们有好多的辍学生我们当时有一点鼓励辍学对然后各种drop out然后还有一些可能高中当时也有一些高中就过来实习的人然后有一些大学就来实习的人对就是就是聪明的孩子进来了之后你就探索就好了对就是之前你说上一代的AI四小龙其实很多人是传承到了或者是迁徙到了现在的AI四小龙或者是刘晓胡的公司当中然后你看到这样的一个人才流动是吗对对但是你又说中间其实很多人他们可能就是上一波他们被伤心了然后踩坑了可能不愿意继续进入这个AI的这个创新艰难的路径上面来了啊这两股人流是他们是怎么去选择的呀呃我觉得其实一直以来传承的不只是这一代赛商就是你如果从上一波的AI思想来看的话他的再往上的传承者可能像有呃百度的美元页呀MSI这些更早一波的这些在中国的这些AI机构对对对lab我觉得他传承的一个核心叫做呃对技术的信仰对于好奇心然后不计结果的去探索而不是功利主义的去探索我觉得这些事情是他们传承下来的东西对 然后人才图谱因为就是一代人去培养一代人比如说我印象特别深深 [40:00] 我在读本科的时候当时我们就我不是我们学就是这个GPA最好或学习最好的人但是我们身边就是一些CSC的一些学习就是或者说能力最强的人打ACM的人他们就很喜欢去MSIA实习然后包括我们当时我印象一图的连创像陈希他当年也是很短暂在MSIA实习过后来被王坚老师带去做阿里云对吧其实MSIA和百度当时的AI研究院其实都培养了非常非常多的中国的上一代的一些一些founders们然后这波founders们又培养了这个AI2.0时代的非常多的一些founders们包括像比如说像Kimi那边为什么当时我说我跟直林这边可以去通过朋友去介绍是因为我跟旷市的一些包括意图的这个小伙伴们可能我们本来就是有认识那么其实像它的连创里面也有旷市这边过来的然后像minimax它有商汤有意图的非常多的一些founding member里面有上一代的这些人就是这一代的模型厂商的一些founders们的思想龙实习过包括其实后来就当时我们可能不认识在后来比如说我再去跟智朴的很多的一些researcher呀或deep-seek的一些researcher的或engineer的小伙伴交流的时候发现我们曾经原来在有一段共同回忆虽然我们没有碰到但是我们在那个时代我们也去探索过类似的事情有共同的记忆对对有共同的记忆时代记忆对这个圈子大家的关系是什么样子的因为我感觉大家可能都是比如说清华系呀然后或者是复旦然后或者是折大师兄啊或者是老师学生这样的一个关系过来感觉大家关系都还挺紧的就包括我们看到那个月之安面他成立的时候杨志玲他选择co-founder联合奏审的时候也是选了他很多金华的时候的一些同盟对吧其实我觉得他其实可能也不是有意为之的design出来的圈子而是刚好本质上一群理想主义的人你要想碰在一起去做一个可能不一定有一个非常明确的预期目标的一件事情在交流的过程当中你们刚好就是chemistry和了然后你们就是觉得可以一起探索这个事情那他一定是受到你环境的影响的那么刚好可能一群优秀小伙伴比如在交大ACM班啊然后在清华或CSC或摇班啊然后包括今天你像其实这一波其实尤其这一波大模型有很多其实在海外的一些这个同学其实大家三号就是嗯对技术有理想的这拨人他们可能会在一些环境是比较相似的对可能会有一些这样的同学对或一起打ACM的也有可能对其实你刚才也讲了说传承嘛就最近我看到一个特别有意思的一个片段我来的时候还在看那个视频质朴的唐杰老师他在一个视频里面他应该是介绍杨芷琳出来做一个presentationOKOK唐老师是那个芷琳本科的导师对应该是但是现在比如说质朴跟院制安眠他们其实慢慢的会长成精神对手他们肯定会长成竞争对手因为比如说Kimi K3出来的时候质补的股价就大跌你觉得汤老师他们会建议这些事情吗他们在圈内的关系是什么样子首先我觉得不是竞争对手我觉得是一起去探索那些未知世界的齐头并定的小伙伴首先这个市场非常大本地上这波大模型工在这个阶段就即使我们还没有说产品的这件事情但即使我们只说模型本身这件事情上它就是个未来人类社会的智力能力的基建这个大基建不可能是一家独吃的对所以我觉得本质上大家共同面对的事情是整个非AI圈或者对AI不那么接近的这些人他对于AI这件事情的质疑所以事实上就是我们要去探索AGI其实大家都是肩并肩的小伙伴那时候TREZB还没有成立的时候唐老师其实就和包括直林其实他们他们那个当时GLM然后包括像清华的还有像这个刘志源老师他们那边其实他们也会有CPM的团队就是大模型是一件非常值得做的事情但大模型确实需要非常多的资源当时他们做了这个智源研究院去支持一波实验室给够了资源上去自由的做探索所以像智源研究院其实就创出了国内我觉得第一波的这个前一某种参数的模型当时有GIM啊CPM啊有非常多的一些模型包括其他还有其他方向了所以我觉得在那个时间点其实就在拆机比之前给了非常多的一波年轻的小伙伴去能够去在自由就当时还算比较充裕的资源上去自由探索的一个机会为TriZBT发布了之后大家赶紧的去开始去做真正比较工业化的这个大模型的skill其实我觉得是奠定了非常好的一些基础的那还有一个问题就是当年上一代的AI 1.0的思想龙里面当时的年轻人他现在可能也是中灯了中灯了 [45:00] 他们在这轮里面扮演着一个什么样的角色因为他们肯定是更有经验的我觉得都是非常骨干的角色其实很多人他可能并不一定在公开场域里面有很多的姓名或者有很多的这个路面但事实上其实他们在推动的这个在坚持的推动事情发生而且因为其实他们很多人他们经历过周期他们反而很容易去屏息掉一些可能短期reward反馈的一些噪音他们没有被看见被公开视频看见但其实他们在推动非常重要的这个这个因素吧是嗯那一批人里面有多少人如果有一个非常粗略的百分比的话流到了这一轮的AI里面有10%吗嗯我觉得看什么样的范围吧就是嗯我身边的朋友里面有10%以上可能在现在已经流露进来就即使二三年没有流露可能也逐渐流露进来了对那很好但是他们都不是leader他们其实是leader他们可能不一定是founder但是他可能也在leader很多事情对就是下面执行的leader但是可能不是说像指令或者是唐老师就站出来站出来的这个face对嗯嗯嗯我们再说一下Deep Seek它确实是一个黑马就是看脑都不能为人突然出了一个就我们当时在二三年上半年的时候我说实话我其实没有cover到Deep Seek对我都不知道这个团队也在做这个事情我就没有人能预测到对因为它可能它当时招的因为我的大部分的认知来源其实都来自于我上一代AI的1.0的那些朋友们我们在交流他们去哪然后Deep Seek可能到二三年下半年的时候我才逐渐意识到是因为他们招的人更加年轻我发现就是可能我们上一代思想龙其实有很多的中间力量就去了这些像Mushalt智谱这样的公司嘛但是其实Deepseek那边的那些小伙伴们可能会更加的年轻一些所以我是在更多的去深入的在新认识了很多这一批新一代的researcher和engineer之后我才逐步的才接触到了这个Deepseek的小伙伴对所以其实当时我们跟梁总交流的时候他也就是梁总招人策略就是就是当年搞竞赛搞ACM的最聪明的人就是只要招最聪明的人就可以了对所以他可能就是当时更没有这个历史的 burden就没有要一些经验吧就直接拿一些非常优秀的年轻人就招进去了对所以其实我接触deep sick要更晚一些招最聪明的人大家都喜欢招最聪明的人那他这个比如说跟杨志玲他想要招的人什么区别呢我觉得其实区别不大只是刚好就是我觉得这个事情是大家的标准是差不多的只是因为你的原始的几个Founder他的背景不一样就会导致他触达那些人的效率不一样就不同人群的效率不一样那刚好呢原本比如说DeepSeek他原本是之前换方是一家量化公司嘛他可能本身量化公司在招的人就是每一年这个就是因为量化确实是一个我觉得其实很多搞ACM搞NOI的人特别爱去的地方就是性价比特别高对吧所以他本身刚好他去接触的这帮最年轻的应届的这帮NOI和ACM的人他是有他的惯性在的所以他DeepSig在招伦的时候其实在这一拨人的这个distribution上面他确实会比较偏多那么可能确实在有一些比如说上一代思想龙背景的人里面比如像MiniMax也好像Kimi也好他们事实上就是因为他们有上一代思想龙的背景那么这些co-founders他们触达到的那些人群上面一些人才供给上distribution就会偏多那比如说像唐老师他是脱胎于就是像智朴是脱胎于清华的这个实验室的团队那么他们在清华当就是那几届的这些应届生当中他们的触角也会比较多所以我觉得其实有时候不一定是他审美上真的有很大的人才的差异但是刚好是因为那几位最早的这些co-founder们他们本身的这个身份和本身所属的环境不一样他触达人才的这个方式和效率会不一样所以导致distribution上面不同的一些分布好那我们再聊一下你从一图出来了之后是去了开封老师那是吗对我去了创新工厂的AI工程院就是可能大家不一定知道就是创新工厂虽然是家VC但是我们有一个当时鼎盛时期达到200多人的AI工程院对那个时候是20我去的时候是18年的时候然后对然后但AI工程院成立的更早其实差不多也就是我加入一图的前后吧大概1617年的时候就成立了的对这个成立的点其实我后来也去因为当时AI工程的院长叫永刚老师叫王永刚然后他也是我当时的leader然后也上过我们的是吗对对然后当时我就问永刚老师就是为什么创新工厂会去成立AI工程院其实我想说就是开福老师汪华他们其实也是中国VC里面最早一波去真的非常高的 [50:00] 投入去bet AI的基金当时在AI1.0时代包括思想龙像矿市像这个第四范市然后像这个自动驾驶然后像地平线机器人其实AI1.0时代的大部分戏分赛道几乎工厂全都下注了所以其实整个工厂本身对于AI这件事情是最早的一批我觉得非常高投入的一个基金但是其实在整个过程当中我们也确实发现了AI1.0范市的一些问题就是至少我在思想龙看到问题当时他们投资的时候看到问题是一样的就是大家都是科学家创业都没有经历过这种商业社会的一些我觉得我们的一些训练我们也没有在商业社会里面探索过那么最后呢其实我们就服务了一些特别传统的老灯企业也不能说老灯企业吧就是一些传统的企业所以我们最后还是做service就跟那些做software的很像SaaS的对做SaaS很像然后关键是SaaS这件事情在中国它还有很大的阻力对因为我们中国其实我们的现代化的企业也就这么二三十年它并没有完全形成一套非常我觉得职业经理就是或者说我们特别相信行业在管理学这些上有最佳实践其实我们企业家们也在探索我们没有标准化的一个最佳实践所以anyway就是我觉得AI1.0时代其实我们在各种不同的细分赛道在服务不同类型的下游的客户的时候我们遇到的问题都是我们的商业化这件事情的scaling上面非常像传统软件服务的这些商业模式当时从到我们这个AI1.0发展到了这个中后期的时候,确实这件事情是非常painful的,就非常痛的,就我们没有找到一个很像互联网一样的,这个好的一些商业模式的这个路径,所以当时我们成立AI工程院的一个背景就是说,既然都是做2B,我们既然都做AI能不能用一种更加高效率的方式去帮他去做产品和商业化和项目的skill所以我们其实在这个背景之下成立了AI工程院所以当时我进入AI工程院呢我其实也没有一个明确的工种我发现我每个阶段其实这个工种都不是很明确因为你的职位都是最新的对就是我当时的好像给我的定义叫做前沿领域探索负责人就是我们也那我核心做一些什么事情呢就是AI的细分的这些领域它会不会有一些在学术界的一些新的突破比如说当时我们经历过像Gang然后我们还经历过什么联邦学习包括GPT然后有了突破之后我们去看这件事情如果我们对于真实的这些人的生产和生活场景当中有没有一些场景可以把这些学术领域的这些算法的突破给应用进来所以我们要做0到1的一些产品化的demo的探索然后这个探索如果被证明成立的话我们去思考说这个市场大概规模会多大一些新的这些AI公司所以创新工厂AI工程员当时孵化出来的第一家公司叫创新旗帜然后它后来其实也在A股上市了然后我离开工厂的之后就是孵化的最后一家公司呢其实就是兰州科技然后当时就是因为我们看到了GP2和GP3相继发布了之后孵化的那个公司但我们一直都在AI工程师确实一直在探索AI到底怎么样去渗透到就是人类的真实生活和生产当中去什么时候意识到scaling law这件事情在硅谷开始发生了我很惭愧的说我是在TriZBT之后,但是事实上我们尝试19年我们就尝试做了一件事情叫做中文版的GPT2对 在超级工厂AI工程院里面然后当时我们就先去看了GPT2的那个paper然后发现需要data 需要卡 需要人嘛需要懂NLP的人然后呢 当时也很有意思就是开福老师是一个广结善缘的一个一位我觉得大家的这个好老师吧对 所以当时有很多的开福老师的朋友们他们有时候比如说职业生涯或有些这个在领域的探索里面都会停歇在我们创新工厂AI工程院然后当时呢就是腾讯AI lab的张童老师和他的几位刚好做NLP的这个领域的研究员researcher们他们从腾讯AI lab离职了之后呢就先短暂的在我们创新工厂AI工程院去探索了我们就有很多刚好做NLP领域的这些researcher们然后同时呢也是一个到了大概夏天的时候我们得到一个特别兴奋的一个有意思的消息是好像是有一位因为我不记得了就是具体是谁就有一位我们中东的LP他们在盘点他们的机房还是仓库的时候发现有几百台V100然后没有人用好像已经尘封了可能半年还是几个月的时间然后刚好创新工厂这件事情在今天是不可能出现的对然后我也不知道他们是为什么当时为什么买在三号他们就告诉我们了因为我们创新工厂可能一直以来当时有一个非常强的对外的一个标签就是AI然后呢我估计他可能看了他们投的这么多放在里面觉得创新工厂确实是可能AI跟这个GPU是有关系的然后就过来这个问 [55:00] 问开夫老师说我们现在发现我们有几百台V100没人用你们要不要用我们说我们要用我们要用对然后我们就有卡了然后有卡了有能了之后data其实中国不缺嘛我们就开始券然后我们券了两个月之后然后我们就尝试就是我当时把那个我们model券出来之后就开始试我就发现非常糟糕就是我让他回一份很简单的一份邮件他给我连续出三个逗号然后这个时间点我们就就就就说实话是有点失落的然后我们当时的复盘呢中文的数据质量本身就没有英文语量那么高但是其实我们到20年因为我们后来又尝试去孵化了其实我们20年的复盘其实当时我们也没有我觉得我至少我自己没有把那个问题给归引到是因为当时我们核心的一些主力其实是一些researcher 们但说实话把当时其实你的算法本身的探索其实已经论文上已经有了它一个非常重要的一个点就是data我觉得这个事情我知道今天其实我们已经不用说在当时我觉得我自己没有意识到就是它的本质是你要把data非常非常踏踏实实的给清洗和处理干净但是我们确实没有那么多的能力去很好的去把这个数据工程好好的去做就导致了呢其实我们的那个数据确实清洗的不太好然后劝出来的这个model呢其实它效果就会比较一般就是我们归因也没有好好做然后一开始立项的时候其实也没有把这个scaling law这个事情给学明白就我们都没有看到那篇文章对 然后呢所以其实到20年的时候我们尝试了再去孵化兰州科技的时候其实当时我们就有意识的在搭配很多的从工业界过来的有非常多的一些做dirty world做工程经验的人再去配合周明老师周老师是在MSI特别就是respectful就是特别受人尊敬的一个副院长然后他一直30年都在做NLP的研究然后去孵化就20年那一次我们就带了更多的一些工程能量我们更加注重数据了但那个时候其实我们遇到的一个问题就还是我刚才复盘过的一个问题就是我自己对于scaling law这件事情的认知是没有到位的然后就导致了我们还是把它往一个上一代AI系小工的一个标准范式去找我们找一个2B的垂直场景然后去卖模型能力但anyway AI 1.0我觉得回过来就是当时我自己在1.0的后期阶段就是我有一个非常强的一个路径依赖就是卖模型能力真不是一个好生意对但是现在是一个必须要做的生意模型机服务但我可能这一点我不确定这可能是个非共识因为我说我是一个充满偏见的人就是我还是有一个暴论叫做我觉得卖模型能力不是一个好生意就即使今天我觉得像Cloud Code也好它其实证明了它的收入可以涨得非常快但我觉得Cloud Code是个好产品因为它在coding场景领域是模型能 Calcode其实是模型能力上面的一层封装就是他给在coding的这个生产这个环境里面其实是给程序员及时的反馈的一个环境的就是他配了很多 他有harness的脚手架是有很多的工具 同时程序员他每一个任务他当下去给的AI的一些指令他当下其实会给出反馈的我到底要不要用这个方案我这个往后走了之后 我需不需要debug这里面其实是一个特别特别好的一个有reward的一个环境 它的信号其实是非常优质的最终最终其实模型能力本身不管叫API也好还是当年什么SDK也好它都是会Commodidize的这是我相信的一件事情那我不是说Commodidize的不是一个好生意你像今天云计算其实大家几家云厂上也是一个不错的生意但我觉得整体上来说这不是一个可以得到非常高的超额利润的一个生意我觉得但是它确实是一个在下一个阶段我们人类的智能开始发生人类社会智能的大基建这是个圈地运动所以你得先把这个地给基建给做了圈地运动给圈了你才有可能在上面去再封装一些更好的环境更好的一些有反馈有contexture有reward的这些environment去探索更进一步的task就在我看来可能大模型的这也是我的暴论接下来全都是暴论这是我个人的天天对就是在我看来其实今天市场上有一个非常强烈的观点叫model is all我是相信model会逐渐把一些共识型的indistribution的东西逐步的吃进去包括harness的这一层都会吃进去但是我也相信人类的智能是不可能被穷尽的就是人类社会对这个世界的智能探索它永远是原文不断会产生的但是所以回过来就是我觉得这一波AGI接下来当然我不知道它长什么样但它真正会去长出的那个所谓的super应用superAPP也好或者super应用也好在AGI的互动当中源源不断持续的产生新的智能的环境这才是AGI的未来而不是单纯的 [60:00] 卖模型能力本身我觉得如果我们的AGI的整个产品形态就是停在了卖模型能力本身这件事情上的话那我觉得这件事情就不是我们当时22年年底23年年初那么exciting的事情了对因为我相信人类智能本身是不可以被重敬的我觉得前几年在VC界有一个公识也不叫公识吧就是一个assumption就是winner takes all就是只要你做出来了最强的模型你永远都保持在第一的话其实你是能收到最多的钱最多的利润了但现在看起来这件事情不是这样的因为谁也不能保证说你永远都是第一的模型而且感觉第一的模型跟第二名第三名感觉差距也没有那么大是这样 我觉得这个是分阶段来看我觉得这一波的大模型如果单纯从卖API或者卖模型能力这个生意上来说其实跟上一代的四小龙本质上没有太大的区别就是在一个模型的高速发展期的时候你还没有形成模型能力相对稳态的时候就是说它模型掌握定价权你就会有超额利润而你的所有的追赶者是得不到超额利润的你只能贴近成本甚至亏着成本去卖这个事情是个facts我们上一代的我觉得AI当时我们的AI思考龙的一个经验上来说技术领先就永远保持技术领先在我看来是不可能的对 技术领先性只能给你这个公司带来一个时间窗口这个时间窗口是说人无你有就但是这个时间点一个非常重要的事情是能不能去利用人无你有的这个时间窗口去建立一个业务或者产品本身的壁垒就比如说我自己对于这一代的这个AGI的产品的一个期待就是说在人无你有的时候就确实人家没有这个模型能力今天只有你有你能不能构建出一个能够持续去生产出新的智慧数据能够持续在人和这个产品的交互当中去生产出新的智能让模型进一步去迭代的Environment如果这个Environment建立成功了未经许可,不得翻唱或使用一开始就是人物你有 所以更多的智能它发生在你的环境里面那这个环境就会不停的飞轮往上走 大家是赶不上你的但是如果说这个invalent没有被造出来的话 其实时间窗口过了你就是Kommodidize的所有的模型能力会被拉平所以那回过来就是说我们在聊SOTA模型是不是有定价权有超额利润在模型发展的高速发展期的时候确实是这样子的我要问一个不太友善的问题在超新工厂你们很早就接触到了非常多前沿的信息然后也有砍了然后开福老师后来做零一万物的时候你觉得为什么没有做起来对不起开福老师我只是单纯很好奇我觉得首先零一万物今天还在非常的这个是非常优秀的发展比如说其实01万最近在做非常多的FDE项目我知道对对对对我觉得他们最近想要做中国的Palantiryeah 我觉得这件事情其实FDE不是一件很好做的事情因为FDE不是一个纯靠技术去解决的事情FDE非常核心的点是你要让一些非AI领域的人愿意接受AI的介入然后你要在这个里面的具体的不同岗位的人因为说实话我们刚才其实讨论到AI是一个非常中心化的一个技术它意味着所有的人他天然对他的直觉反应其实是恐惧knowledge worker对他的直觉反应是恐惧他会担心我跟AI协作过程当中AI就把我蒸馏了然后我今天教会了未来我就我的工作就不保了所以其实FDE的这个落地它是一个把商务把你的组织的这个理解对于人的交互的理解再上对技术的理解对产品的理解统一在一起去做的事情所以我觉得其实领异今天其实还是在我觉得凯夫老师非常适合去做FDE这件事情的就是他一直在步道我说实话他已经在AI步道阵上坚持了很久很久了对所以我觉得其实领异一直在做非常非常有价值并且现在也还在很努力的在耕耘当中 对那之前就是做大模型的时候啊 就大家比拼大模型能力这件事情的时候 你觉得林一他缺的是什么首先我想说就是还是那个点就是开夫老师也好汪华老师也好然后包括林一也好他们真的在他们真的是非常非常早的下注AI并且一直在努力的践行这个时间点但是确实呢就是我觉得可能新事情要找一些没有负担的人去做因为说实话就是我觉得就是人才他在环境当中就人才在不同的环境当中即使同一个人他的表现形式是不一样的就是一个人比如我当下在现在的状态播客的访谈当中和我如果今天在一个非常私人的一个一个晚餐当中我的表现就会不一样所以其实我们把同样一群人才放在不同的环境当中不一样那其实在我看来适合做大模型的环境是什么样的就是大家不会认为做AGI这件事情和这个我要去证明自己可以去做AGI这件事情 [65:00] 他的它的地幅会很大对那么它就会需要其实可能它的它的整体的管理层相对会比较一线只要管理层不太一线的话这件事情我会就我个人的观点上面它有可能会导致它的整个reward它可能会有一些飘移我最后还有两个问题就是中国的大厂门其实在这一轮AI当中也是扮演着非常重要的一个角色一个是自己一个是阿里我就下个还有微信还有通讯对然后你觉得这三个公司他们其实扮演的作用跟比如说像月质安面然后智谱他们这种就是从零开始生长出来全新的NNC的模型公司有什么区别呢我觉得还挺不一样的我举例来说其实自己字节非常surprising就是我觉得今年Cdance2.0再加上AI短剧再加上原本的抖音的这个或者说他们AI短剧的整个平台吧内容分发平台它其实打出了一个非常非常漂亮的一个范式叫做模型的生产消费分发这件事情如何在AGI的这个迭代当中去闭环就这件事情甚至我觉得它比它甚至比Cloud Code的有些闭环做的还要还要更更往前一步就是更加advance一步对所以我觉得像字节是一个我觉得在上一代移动互联网里面积累出了非常强的生态型打法的一个公司所以他们把自己的这个生态型的认知战略认知和结合这一波他们对AGI的这个我觉得也是不计成本的投入在一起其实也是有很多有意思的玩法出现对呃然后呢就是千万也是个非常非常优秀的团队同时阿里本身是我觉得这一波呃所有的这些呃国内的大漠型公司吧其实都几乎都被阿里投了大家都得到了阿里的非常多的一些卡的资源的这个所以阿里其实现在我觉得很像是一个就是全地运动的支持者他真的在给大家大基建我觉得这一点也是对中国的整个大模型实在都非常非常重要对然后腾讯最近可能大家看到他的模型的上的那个进展就最近可能他们有一些新发布的一些东西就是好像暂时没有进入第一梯队但是一直以来我觉得还是我强调那个点我觉得其实对于一个好的大模型产品来说环境非常非常重要微信真的拥有了我觉得目前我看到的整个人类社会里面非常非常就可能是最好的环境之一就是对就是我觉得腾讯永远都是一个在接下来大母性产品当中不可小觑的一个力量对我看今年美团又领头了最新的一轮Mushot的融资对看起来新歌对 Kimi还是满意的上一轮没有投但是这一轮又零投了这个我就不知道细节了因为我已经在专心的在build我们的套壳产品了对对你自己是什么时候从美团出来的然后你是开始要自己创业了是吗对我去年年底从美团出来的我自己是觉得就是这一代的rapper们就是我们的套壳产品们其实有个很重要的事情就是怎么把这个智能普惠给普通人因为这件事情我还有一个很深的感受是我在这过去的从二十年年底一直到今天我都觉得我是AI世界的二等公民因为我觉得我不像怎么定义二等公民一等公民我觉得我身边那些特别强的写prompt的人能去构建agent loop的人能去用好AI的人用好小龙虾的人用好小龙虾就是一等公民但是我就觉得我在那个开放式的输入框里面我就觉得我不够聪明我我就是我们用问同样的问题也许一个有工程经验的人他就可以把一个开发任务做的更加solid的而我就算让AI帮我vibe出来了一个产品他也是使善代码对他是不可维护的所以我觉得我持续的觉得我是AI产品二等公民到今天为止我都是这么觉得那我觉得一个产品如果让人觉得一直让有一波用户觉得他是二等公民它大概率不是一个好产品或者说它不是一个对于consumer来说特别好的产品所以我一直是觉得其实下一个阶段怎么样把智能这件事情更加普惠的让所有人可更加平等的享受到这件事情是很重要的所以我们觉得其实今天下一波就我自己觉得其实很多的一些下一波的这些套客产品吧我们其实有非常多可以去做的事情对特别好现在方便披露你们要做什么东西吗还是我们再讲一讲我们在做一款For Human Interaction的一个小工具目前是怎么样让服务好人与人之间交流这件事情可能是我们当下其实我们想去给每一个人去用的因为其实每一个人他接触的生活他对于人的认知就是不一样的所以我们觉得人与人交流它不是一个单纯的我编码然后我把编码后的信号发给你然后你解码的过程而是一个我们共同的制造了一个场域然后我们怎么样去重建意图的一个过程所以其实我们可能接下来在这个事情上去做一个小小套客工具给大家去用非常期待谢谢好的那谢谢Kiwi [70:00] 谢谢那以上就是我们与TV的视频播客内容了希望大家喜欢我们这期节目我们也会进一步关注全球最显严的AI进展你们的留言点赞和转发是支持我们贵贵要010做好深度科技和少爷内容和最佳动力我是陈建那我们就下期视频再见了Bye