MiniMax闫俊杰称全模态融合将打破美AI巨头顶尖场景垄断

MiniMax闫俊杰称全模态融合将打破美AI巨头顶尖场景垄断 中国AI靠限制性算力倒逼本土算法创新，将通过开源低成本竞争对抗技术垄断并最终实现多模态深度融合的财富普惠。 对话围绕 MiniMax 的全模态大模型布局、技术创新、组织变革及 AI 行业的未来格局展开。闫俊杰阐述了团队在算力受限下通过“第一性原理”和 Scaling 规律实现的本土创新，分享了商汤时期“单模型”路线的成功经验，并解释了旗下 C 端产品 Talki 保持核心竞争力的底层逻辑。此外，他还深入探讨了中美大模型在人才红利、基建电力、顶尖场景商业化溢价上的差距，展望了未来三年中国公司引领全球 AI 技术突破并切实推动 GDP 实际增长的宏大愿景。 MiniMax 实现了语音、视频、文本和音乐全模态布局，并计划在接下来的几个月内将所有模态真正整合进下一代模型中，践行真正的 AGI 是多模态输入和输出系统的理念。 (0:00) 中美 AI 创业在资金和收入上存在 50 到 100 倍的差距，但技术差距仅约 5%；中国凭借年轻本土人才红利，以及在算力受限下倒逼出的模块方法创新，正持续缩小差距。 (2:15) 中国模型推理成本仅为海外顶尖模型的约十分之一，极高性价比使其在海外 API 平台（如 OpenRouter）表现亮眼，百花齐放的格局将长期存在。 (14:15) 闫俊杰指出，只要能被量化评估，AI 能力在未来两三年内必将达到或超越人类顶尖水平，且多模态深度融合与打破海外垄断将是接下来的核心战役。 (27:30) MiniMax 坚持以技术普惠对抗垄断，通过低成本与开源生态让技术赋能普通人，并立志在未来三年内推动中国公司成为全球 AI 技术突破的引领力量。 (204:59)

MiniMax 创始人闫俊杰在与罗永浩的对谈中指出，尽管中美大模型在算力与资金投入上存在数十倍差距，但中国企业正通过本土人才红利、第一性原理与差异化创新持续缩窄技术代差；真正的 AGI 必将走向全模态融合与普惠化，而非被少数巨头赢家通吃。 中美大模型竞争的资源落差与本土突破 (2:15) 闫俊杰指出，美国大模型由 Google、OpenAI、Anthropic 和 Meta 四强主导，头部企业的资金投入是中国创业公司的 50 到 100 倍，估值与收入也达百倍之多，但在模型效果上目前仅领先 5% 左右，且差距在持续缩小。这一对比的根本原因在于中国拥有大量优秀的年轻本土人才。以 MiniMax 和 DeepSeek 为例，大量核心骨干的第一份工作就是所在公司，甚至没有海外履历。 在算力供给受限的客观约束下，中国企业无法简单照搬硅谷烧钱的打法，必须在具体算法模块和工程架构上展开本土创新。对于 Sam Altman 提出的万亿美元基建计划，闫俊杰认为其商业成立的前提是 OpenAI 维持绝对技术垄断，而现实中由于物理极限、能源与成本约束，商业化模型很难形成赢家通吃，市场更倾向于多元与多极化格局。 坚持全模态融合与多模态 Scaling 底座 (0:00) 面对外界对创业公司分散精力“什么都干”的质疑，闫俊杰解释称，团队从创业第一天起就认为通用人工智能（AGI）必然是多模态输入与输出的统一系统。当前全球大模型市场规模高度不均，语言模型约 200 亿美元，图文和视频约二三十亿美元，声音约 3 亿美元，音乐仅数千万美元。多数企业选择涌入最大的语言赛道，但不同模态在底层 Scaling Law 逻辑上高度一致。 MiniMax 在语言、语音、视频和音乐四大模态上均进行了前置布局，虽然其语言模型曾经历长达两年对直接业务无明显拉动、消耗最多资源并引发内部巨大分歧的艰难阶段，但在 2024 年 10 月新模型发布后已在国际上被广泛用于 Agent 构建与代码编写。团队计划在接下来的数月内，将前期走通的各个模态深度整合成下一代模型。 商业模式取舍、出海战略与普惠诉求 (124:59) 在商业路径上，MiniMax 从初期就确立了坚决不做定制化外包项目、坚持技术驱动以及坚持国际化的原则。由于国内软件直接付费习惯尚未成熟且面临巨头可能的免费竞争，出海拼杀成了倒逼技术与产品硬实力的自然选择。在 API 平台格局中，海外前列由美巨头占据，中国大模型则以接近顶尖效果但仅约十分之一的推理成本形成了极高的性价比优势。 闫俊杰认为，美国顶级 AI 订阅费从每月 20 美元飙升至 200 美元拉大了数字鸿沟，而中国市场被迫形成的开源生态与低价竞争客观上起到了对抗技术垄断、促进普惠分配的作用。当前 AI 在国漫制作（自动化生成 70%-80% 画面）、教育课件制作以及声音克隆等领域已展现出大幅降低门槛的生产力价值，但若以对社会 GDP 产生 2% 的贡献为衡量标准，AGI 竞争仍处于极早期，距离目标还需两到三年。 组织架构创新与岗位边界的彻底模糊 (159:59) 面对大模型带来的研发不确定性，MiniMax 摒弃了传统的 OKR 和 KPI 管理模式，探索算法与底层基础架构（Infra）高度一体化的组织形态。随着 DeepSeek 等行业事件带来的反思，公司打破了传统的部门职责范围（Scope），强调所有人围绕统一的优化目标协同。 在工作流与岗位定义上，AI 工具正深度重塑分工边界。产品经理不再单纯依赖开发排期，而是利用 AI 直接搭建产品 Demo；传统画 PPT 的售前工程师转变为手写代码做原型；HR 招聘已引入 AI 分析候选人并校准面试官标准。组织的重心正在从过往机械化的流程管理转向保持人才画像的多样性与高杠杆架构创新。 闫俊杰与罗永浩在讨论中均认可 AI 正在可量化领域加速逼近并超越人类顶尖水平，且人类在 5 到 10 年内仍将维持对其控制与监管。MiniMax 目前的核心考验在于度过多模态大融合前的资源消耗期，其长期愿景是在未来三年内推动 AI 真正转化为社会 GDP 增长，并助力中国本土团队实现由技术追随到引领全球突破的转变。

[64:59] 闫俊杰: 人工智能为什么是年轻人的事业，为什么不是专家的事业？本质上是说，实际上在很多时候是要抛弃掉那些传统的一些经验。 [74:59] 闫俊杰: 之前我们做的那些东西，基本上都是说……一个模型只能解决一个问题。然后 GPT-3 其实它是第一次有一个模型它可以解决很多问题……它本身就是一个像人一样的智能，可以同时来干很多事。 [2:15] 闫俊杰: 中国的人才还是非常好的 [7:50] 闫俊杰: 第一的话是足够聪明，第二的话是数学跟编程能比较好，第三个的话是也需要非常长时间的努力 [10:15] 闫俊杰: 一定不能迷信之前的经验 [174:59] 闫俊杰: 最绝望的时刻莫过于“模型研发失败” [174:59] 闫俊杰: 有些事明明可以做得更好，却因为自己的懒惰或理解不够而阻碍了发生 [214:59] 闫俊杰: 他们都还是有自己的目的算盘，他们自己可能一开始那个晚了。

[0:00] 欢迎大家收看罗永浩的十字路口最重要的是一键三连和加工关注还欢迎随时发送弹幕评论跟我互动今天我们邀请到的是一位AI领域的明星创业者他的公司在中国乃至全球范围内都属于AI大模型的第一梯队他就是minimax的创始人颜俊杰严俊杰出生在小县城一路读到了清华博士后又从商汤科技的实习商一路做到了副总裁早在2021年在ChairGPT还没有爆发前他作为一个资深的人工智能专家就意识到技术革命即将发生于是决定出来创业做一家大模型公司并很快取得了全球总共的成绩严俊杰的外表沉稳敦厚内心却异常火热放松紧地说出更多的时候也常常语出惊人今天我会引导他放松警惕探讨关于AI创业技术推动的社会面格以及一些关于人类命运的终极问题好 接下来欢迎收听龙永康的十字路口对谈minimax创始人严俊杰好 那我们开始吧你们10月份发布了一轮新的模型对 我觉得我们还是又取了一个新的进展就是说我们大概是在两年前的时候当时是我们的语音开始做到国际上比较领先大概在去年的时候就是我们的视频其实就做到国际上比较领先但是我们有一个事其实一直还没有做到国际领先这就是我们语言模型然后这次我觉得一个比较核心的事情是说我们的语言模型然后在国际上也比较受到认可然后有很多刊发者然后也用我们的语言模型来然后来做agent来写代码这个事我觉得是一个非常大的一个进展这个事之后其实是说我们就是客观来看我们应该是可能是中国几乎是唯一一家公司就是语音视频还有文本都可以做到比较领先并是国际上比较领先包括音乐现在也是第一梯队对三强之一但这个事其实是一个很难的事就是说就很奇怪为什么一个创业公司啥都干为什么一个创业公司不聚焦这是很多人问的其实这个事其实我们一开始就想的比较清楚就是说我们觉得就是真正的这种AGI它一定是一个DOM TID输出DOM TID输出只是这件事实在太难了就是三年多以前我们刚是做的时候创业的时候那个时候其实完全没有技术路线然后我们的想法就是每个模态至少先走通然后到了这个时机合适的时候就可以再起来整合实际上比如说我们看比如OpenAI那个322其实就是一个非常典型的一个几个模态来整合的一个例子取得了巨大的成功我觉得通过这次我觉得我们基本上具备了一个基础就是说至少每个模态都已经有了数据上模型上到它的使用场景上我希望在接下来几个月我能够真的把它给整合到一个下代的一个模型里面去我觉得我们应该是属于这种全球来看应该都是非常少的公司有这个机会能够做成这件事的但是好像跟国外的这些竞争对手比花的钱还是少了不知道多少倍我的意思是中国的追随者跟美国的追随者比钱还是少花了无数倍你知道我意思吧在美国那些追随的也花了比中国多的多的钱对我觉得这里面一个比较核心的原因是这样的就是说我觉得这个其实跟中国本身的一些贵有的优势是相关的是这样的就是说我觉得最核心一个点是说比如说在美国其实你可以看就是说真正能够来做大木琴的其实美国只有四家公司就只有谷歌然后OpenAzorPay还有SAI只有四家公司就比如说连微软Meta这样的曾经认为也是Mega7的这种公司比如说美国最好的公司的估值是中国可能创业公司里面大概是估值是100倍然后收入基本上也是100倍但是技术可能就领先5%然后花的钱其实可能也是一次倍可能是一个50到100倍之间的一个数然后话说回来为什么比如说中国的公司可以比如说花他们50分之一的钱就可以做出来效果可能就差的可能只差5%了甚至这个差距我觉得在过去一年其实是在不停变小的我觉得这边真实的原因是因为核心原因是因为中国的人才还是非常好的现在中国的话有非常多的优秀的年轻人并且是说包括我们在内其实还是能够有种机制是说把这些优秀的年轻人可以组合在一起然后我觉得这是比较关键的甚至我还想过是说什么时候比如说我们可以做得更好我觉得这边的一个 [4:59] 真正的一个突破点其实是说当中国的这些优秀的年轻人里面出来了几个那种旗艳型的这种技术的这种天才这个事我觉得就有可能可以实现了我觉得可能两三年吧对觉得会出这样的人因为这个人的话他一定不是说美国这样的人回来的他一定是在中国本土的这样人在中国这样一环境里面能够成长起来你们大部分人才都是本土的吗就是没有去硅谷挖人或者怎样吗海归也不少吧对我们的海归是不少的但是呢就是真正在公司里面能够起到这种非常关键作用的这样的同学其实很多人其实是基本上都是他的第一份工作这个也挺神奇的因为刚开始的时候大家都想着这事要从硅谷挖人或者是找那个海归但是无论是你们还是梁文峰那边都是梁文峰那儿甚至一个海归都没有老师的说法所以这个是怎么回事就这些年发生了什么变化以至于这方面我们明显是学习和追随者但是有的时候不依赖海归的华人也能搞定什么原因我觉得这边有最重要的原因是因为就是人工智能这件事它其实它也不是一个玄学它还是有很多这种第一性的这种客观规律的比如说这个算法该怎么来试剂比如说数据的链路该怎么来搭建比如说这个训练效率该怎么来优化就这个事呢其实每个东西都是一个有非常迷惑的优化目标然后呢这个就是可以拆解成一些非常详细的技术可以持续积累的这么一件事因为这些东西都是可以第一行原来拆解的所以说它其实不神秘它其实就是我们把一些东西做好它就自然就能得到一个比较好的结果这是第一点然后第二点的话是说中国的客观来看算力其实又比美国有差距很大在这个情况下必须得用更加创新的方式才有可能可以做到美国公司那样的效果它其实不是说把美国那些做的东西直接拿过来就可以了其实是因为这些算力的限制所以说我们需要做很多创新逼出来的对所以说其实我们可以看中国的这些大家做的东西跟美国做的东西其实是不完全一样至少方法不一样大的原则可能是一样但是方法上在每个模块上其实都有很多创新前一阵不是扎克伯格从OpenAI花了很大价钱挖了很多人然后每个人都年薪上亿之类的然后那个时候大家说好像上亿的年薪很恐怖但是实际上考虑到这些人在open AI烧过很多钱做过很多事那个经验远比这个值钱所以他们去挖这样的人性价比是很好的但是前提是那些人去到新的公司也是要烧钱做的所以是不是可以理解成我们从硅谷挖过来的人如果他的很牛的宝贵经验是靠烧钱做的对我们就没那么适用对我觉得这是一个好的视角我觉得首先烧钱的精力一定是有用的但是呢就是光这样肯定是不够的就肯定不是一个拿来主意把他们做的东西拿过来就可以了肯定是需要做这种本土的这种创新的我觉得这是比较重要的事然后还有一个趋势是我们过去在硅谷看的话大部分的公司30%的华人30%的印度人然后其他人总赚到40%这个在硅谷大公司是标配吗然后这些这两年过去看的时候就发现AI这一波怎么华人的比例远远高于印度人这个是什么原因其实是这样的就是在AI这个领域其实一直都是这样的就是大概应该在十几年前吧当时我刚开始刚在读博士的时候那个时候其实还没有这种叫吞吻人工智能那个时候就是计算机视觉然后自然源自会的那些东西那个时候其实我当时是做计算机视觉当时就参加学术会议基本上每年去一次美国然后那个时候其实在计算机视觉这个领域里面那个时候基本上可能就40%基本上就是华人其实华人在那里占比就很多然后呢然后在这个大目前这个时代呢其实华人占比就更多了我觉得这里面一个比较核心的原因是肯定是因为华人在里面做的比较好嘛所以说人数才会越来越多嘛那为什么很多时候中国人或者华人能做的比较好我觉得这面比较核心的原因是因为就是在人工智能这件事里面其实他的最重要的能力其实是就是第一的话是足够聪明第二的话是说数学跟编程能比较好然后第三个的话是说也需要非常长时间的努力具备这三种特点的人其实确实很多是中国人对 但过去印度人这三点不也还可以吗我觉得这边一个非常核心的区别是说这个事是需要非常 [9:59] 长时间的这种积累的他不是说就是可以短平快的就变得很好我们这方面积累的比他们更早是吗我说的是说就是每个人都需要自己做很长时间的积累就这个事就没法走捷径因为这个领域的这个技术变化太快了需要比如说可能一个事就得坚持做好几年然后呢对这是一个非常核心的一个区别然后你们现在在这四块就是语言啊图形图像还有这个音乐还有这个语音这几块对呃全都做到第一梯队是四个负责人吗在内部就你怎么能每一块都找到那么强的人还是你自己就是四块都很强啊这个是怎么怎么实现的呃这个其实是我们那个这家公司刚组建的时候我觉得是我们打破的第一个认知就是说我们把大部分做好这件事一定不能迷信之前的经验然后呢就是对第一梯原理拆开来看然后呢区别是什么呢大概在四五年前的时候那个时候人工智能理学大家追求的东西其实是说一般要写很多数学公式然后要把这个东西理论上搞得很好然后要搞得很花哨但是然后这代人工智能其实一个最核心的东西其实就是skilling其实就是让它能够用最简单的方法然后能把它的效果做得更好并且是说随着这个数据跟算力变多效果就能够持续往上涨这是两个非常核心的一个思路的区别虽然说我之前其实在创业之前就做了大概从读博士开始就做了有十年的人工智能的研究但是客观来说我觉得我之前的经历其实是很多东西其实是没用的真正重要的东西就是找到一种能够scaling规模化的方式来组织我们的团队来组织我们的研发的技术路线来组织我们的实验来组织我们的业务然后这里面的话其实是需要全新的这么一套认知的在这么一套认知里面其实我发现是说其实实际上不同的这种类别之间比如说预言视觉声音其实这些差距其实是没那么大的它里面很多方法基本上都是相通的核心的东西是说我们的这套底层的这套算法是能够来规模化的所以听起来是四个方向其实底层的原理很多是相通的你可以认为几乎是一样的那为什么别家做的就是跟你们同期创业的很多公司他们基本上只专精一两项你们是样样都行都是利益体对我觉得这个的核心原因是因为我们对AGI的定义是不一样的全球来看这个市场的话比如说在当前这个时间点比如说语言模型这个市场大家全球可能是200亿美金然后比如说像图片跟视频这个市场大概可能是二三十亿美金然后声音这个市场可能是大概三亿美金这么小就是在当前这个时间点我说的是基于大模型的这三个市场音乐就更小了音乐的话大概可能是几千万美金大概是这么一个量级的然后就是说有些人的做法是说我就在做的最大的市场里面来能够占据一个份额这是大部分正常的公司都会这么来考虑问题然后我们考虑问题的方式是说我认为最终随着模型能够把不同模态整合在一起然后这四个市场可能会慢慢的会合成融合会融合在一起然后这个的话是我们的思考问题的方式所以说我们一开始其实就会说看起来没那么聚焦的然后同时做了这几个模型只是说有些模型可能是比较晚才做好了有些模型是比较早就做好了我倒没觉得不聚焦是经常有人说你们不聚焦吗其实很多我理解是四个没都做的创业公司大部分是因为资源不够是这样吗我觉得其实不完全是我觉得其实可能还是我觉得这个事最终可能是取悦于大家的背后的出发点是不一样的那你们是不是也跟那个什么有关系你们变现能力还有什么融资能力相对于同期的那些创业公司更加出色所以才能想做的都做了也资源也够跟这个有没有关系吗这个的话其实我创业之后才意识到了一件事就比如说有些指标比如说你融了多少钱或者你的商业化的进展是怎么样的其实刚开始创业的时候思路是说就直接来优化这两个东西我怎么样让我能够融入了钱或者怎么样让我的业务变得进行了增长速度快但是创业了大概一两年之后我突然间发现不是这样的真正中的东西其实是说是一个更简单的一个道理就是说其实就是把技术能力做好然后发现当把技术能力做好就真的做到是说这个行业里面需要你的时候然后那个删画能力自然删画的进展 [14:59] 当然就会变好所以它是一个结果也不能那么说吧像你们这种纯科研的公司C端产品做那么好的也不多这个的话是这样的就是说其实这个东西我觉得也是两个底层的就是第一个话是说我们对理解什么是C端产品这个事其实也是一个可以被拆解成一个就是一个可以被拆解的一个就是一个有第一性原理的就这么一个领域就不是说随便撞然后随便试它其实也是一个底层的原理是第一点然后第二点的话是说我们自己的理解是说我觉得在大部分这个时代真的产品其实是模型本身因为大部分的产品本质上是给人提供一些智能的东西不管这个智能的东西是一段文字还是一个视频还是一个声音本质上是在给大家提供智能提供智能这件事给大家这个智能是那个模型算出来的所以说这面最合一的产品其实是这个模型然后我们传统意义上认为的这些产品它其实更像是一个渠道只是我们自己的产品基于我们自己的模型的我们自己的产品你可以认为是一个我们相对就是就有点像是我们自己开了一家店然后比如说还有一些我们的合作伙伴然后也用我们的模型做一些他们的一些产品可以认为它是另外一个渠道然后这是我的理解这个又涉及到一个问题就是说大家很多人都说这个模型最强的就模型本身就是产品那那个说法不应该模型最强的就通啥吗通是吗之所以问这个问题是因为我是做产品经理的我很慌就是在AI时代这个产品还重不重要以及它如果重要的话还能有那么几年重要的那么一个时期如果它后边彻底不重要了就大模型本身最强的就是最强的产品如果是这样的话我们这整个行业都在提心吊胆的在看这个事情虽然我们内部已经比如说发现某些部门没用就把整个部门裁掉了但是我们就是我是产品经理出身所以对我们来讲如果有一天产品经理也要裁掉了我就有点慌对因为你知道很多产品做的好的公司在过去的时代里它并不是技术驱动型的有很多是产品驱动型的公司但是如果现在未来全是硬科技本身就是产品的话那产品经理这个行业可能就要没了这个对这个是我的一个出发点对所以来接着说回刚才那个问题对我觉得这个的话其实这个问题我那个过去几年一直在想然后呢首先第一我觉得我觉得现在的每个职能啊我觉得都还是有自己的价值的听得像听得像爱慰不是的这个我是真心认为的就只是我觉得就是需要的技能其实会发生变化然后我先说下最底层的这个事就刚才你说的就是说然后其实就是说为什么不会有家公司来通杀所有人我觉得这门一个核心的原因是这样就是说其实现在客观来看就是现在没有哪个模型是所有领域都是最好的就是不同的模型其实是有不同的特点的比如说有的模型是对话就很流畅有的模型是写来买就比较好然后有的模型是做图片比较好有的模型是做视频比较好但这个你不是说后边都要融合吗融合完了最强的就同车了吗那比如说我们就说那种还没有融合的时候比如说就说语言模型语言模型其实是最成熟的但比如说我们可以看比如说在国内可能没有一些准确的统计比如说我们可以看海外海外里面的话比如说我们看比如像OpenRouter是个大家都在使用的API的一个平台可以上面看比如说盘在前三名的基本上是一些美国的三家模型就是谷歌的然后OpenEye的还有Answerpick的然后后面大概几名是中国的一些公司但是包括我们在内包括DeepSeek然后千问然后智谱他们也在大概是这么一个里面然后为什么这上面会有这么多公司的模型都会有人在用呢并且大家的使用量其实都是在增长的其实不是说就是一个存量大家相互觉得然后其实是大家都在增长核心的原因是因为我觉得这个最底的原因是因为这其实是一个经济行为就怎么说呢这个东西其实就跟车一样对吧那比如说车的话也是好多品牌的车为什么会存在这么多品牌的车为什么没有一家来统一所有呢原来的话是因为所有的模型都要考虑它的实际的推力成本就使用这个模型的成本为什么要考虑使用成本呢因为这个东西最终大家都是公司那公司的话本质上要考虑它的这个商业属性对而且这比过去互联网时代的成本要高得多那在这个里面的话呢就是一旦开始要考虑这个相当于一旦给他加了一个这种成本的援助之后呢那大家都要开始来做取舍比如说当我的模型比如说这个说话非常的这个自然流畅的时候可能就注定会牺牲是说比如说他的这个蛋白 [19:59] 能力或者指令作业能力可能就会下降就这个事儿呢其实就是会有些冲突然后不同的公司会基于自己的对AI的定义可能会有不同的取舍比如说我们可以看最典型的比如说OpenID模型就是推移能力跟对话能力是最好的比如说SWAP的模型就是代码跟Editing的能力比较好的比如谷歌的就是东北汉能力比较强然后中国的模型现在来说客观来说我们认为是说像是说效果还差5%但是成本可能就是他们的十分一大概就是这么一个对比所以说其实大家都会有自己的存在空间并且是说因为随着模型变得越来强那它的商业价值就越来越大所以整个市场又是越来越大的所以说就是其实是一个我觉得是一个还是在百花齐放的这么一个阶段那我在这说说这个产品经理的未来的两个可能就一个是天堂一个是地狱然后就是听听你给把把卖看我们出路在哪嗯,就第一个是,有人说因为后边大模型能力,包括写代码的能力使得会出现小型的大公司,就比如说可能几十个人或十几个人,然后做了以前要几百三千人,甚至几千人才能做的那种公司业务,那对应的是说,比如说可能几十个人或十几个人然后做了以前要几百上千人甚至几千人才能做的那种公司业务那对应的是说比如说一个公司过去有一个CTO然后养一堆技术的leader然后再找一堆所谓马农级别的这些工程师这样堆起来一个班子那未来可能就说有一个CTO或者都不叫CTO就一个架构师然后找一大堆AI来写这个代码然后它设计一个架构这个时候我们产品经理出身的创业者一直有一个痛苦就是指挥一堆工程师干活这件事的痛苦除了成本以外沟通的时候就是文科生理科生的差别所以很多时候就感觉这个始终都是一个特别疲劳的事即使你找了一个特别强的CTO它也是一个很疲劳的事所以有时候产品经理们往好了去猜想未来狂想的时候说将来可能我们一个产品经理找一个技术的CTO也好或者叫架构师也好有这么一个人剩下就不用养一个庞大的工程师团队来把问题解决这个一听就好像很梦幻就是以前产品经理痛苦的就是我想了十个工程师只能实现两个如果未来这个不是问题代码量什么这些不是问题那你好像只要有一个技术合伙人然后两个人想到十个就能把十个都做出来那就是完全拼创意和产品了这是一种美好的想象另外一种就是刚才说的就大模型本身就是产品所以产品经理也不重要了最后产品经理能做的那点事模型能做的更好那产品经理这个行业就没了你是倾向于认为是第二种还是第一种是第二种吧我猜一定会出现一种新的形式我说一下我观察到的一些行为对我这个不是在安慰我是真心这么觉得的其实我觉得有两个事我觉得是比较重要的其实这件事就是在AI没那么强的时候根本不太会发生第一点的话就是刚才您说的比如说产品经理经常会有很多想法之前的话全能依赖于排期选一个最靠谱的然后开发来排期来做基本上是这么一套流程但是现在的话我们至少在我们内部我们发现很明显的一件事就是说现在时候很多时候产品经理可以自己来做员息然后这个事其实相当于是说不是说产品经理我想了一个PRD就是一个需求文档让大家来开发而是说产品经理拿了三个弹幕出来对我觉得这是一个很大的变化对然后就是只有那种真正比比如说这个东西大家认为它向来说更靠谱了然后可能才是真正的开发同学会过来一起来做做得更专业变化更好我觉得这是第一个变化然后第二个变化的话呢是说开发比如在传统的这个定义里面认为开发就是删了于是说有了这个学习文章才能干活对吧但是现在我们发现是说在这个时代里面其实发现是说比如说一些原来的一些设计然后一些产品的需求其实技术大木权其实工程师其实也可以来做所以说其实是说开发同学其实也可以来做很多很有创意的这种想法为什么呢这块的变化是因为什么前一个能听懂对这个变化是因为比如说之前比如说阻碍开发去来做这些想象的这种东西主要是因为第一他得需要依赖于设计的人来配合他对吧然后呢对吧还得依赖产品经理来配合他就这个东西至少不是一个被阻碍的东西了所以说我觉得这边更好的一个形式其实是说我觉得就是产品经历还是不管是产品经历还是开发还是算法大家的边界其实会变得越来越模糊只是在一个不同阶段可能会有不同的同学来主导比如说在一开始在最底层的时候比如做算法的时候其实算法的话其实是 [24:59] 也不是说算法做好一个模型然后给开发或者给产品而是说做这个模型的过程中其实就有很多开发跟产品的人参与只是在这个时候是算法同学是来最主导的然后比如说在做这些一开始的这些脑爆的时候其实也是大家在意里面都可以来有想法只是产品经理是主导他的人然后当然在后面的话真正的开发过程中可能就是大家也都可以来帮忙只是开发是来主导的只是在不同的阶段大家的角度发生变化我觉得这种形式其实是一个更加和谐的然后也是这个上线更高的方式实际上我们看比如说美国其实已经出现了那种只有几十个人然后估值几百亿美金应援收入十亿美金这样的公司其实看一下他们那种组织结构其实也很类似但好像都是工程师出身的做了这样我是没有几个产品经理说现在代码也不用找工程师了就把它做成了是因为那个时间点还没到吗AI写的代码能用这件事其实是在过去几个月才发生对虽然是这样但是我们其实可以看比如说可能在软件上可能还没这样但是我们看比如可以看到一些内容领域里面比如现在的话比如说用AI做的视频可以得到一些奖项然后这种事其实很多时候其实就是一些非常有创意的人来做出来其实不是公司来做出来的这种事其实在过去几个月已经发生了很多了所以你理解将来就是说很小的一个公司能做很大的事情他可能创始人有产品经济率出身也有工程师出身都有可能对因为我觉得这边的话我觉得AI还是提升了非常大的降低着做创意跟做生产力的门槛所以说我觉得本质上这个事其实服务的东西是说我觉得这边最恒例经济率其实是想象力原理来说谁有最好的钱谁能最坚持他然后你这个东西真的对市场价值很大那就应该是这样的人出来的而不是说受限于是说我只会写辣码我只会搞算法或者我只会来做产品我觉得其实是把这些约束给去掉了对那从概率上当然也可能是我的偏见对就从概率上我觉得产品经济理想法多的要远多于工程师想法多的虽然工程师想法牛的也很常见但是就从概率上就比如说伊拉马斯克你说他的想法他是个工程师对吧我倒没想Elon Musk我是想说在互联网公司里比较常见的产品经济里面想法很多能实现的只有一小部分但是工程师我的感觉除了那种脑子特别活特别顶尖的那种多数还是基本上就是被动的去写代码对这个是偏见吗我也不知道其实这个问题其实我也思考很长时间然后我说一下我现在理解我现在理解是说我们不应该只是认为AI行业是互联网行业的一个延续那当然对如果从这个角度来看其实我们不应该太在意是说比如说在移动互联想时代大家是怎么来分工的你是这个意思要重新定义分工对明白听完了心里更打鼓了也不知道对我们产品思维的人未来是好事还是坏事其实坦白说我们有时候其实也很慌因为有的时候确实能够感受到基本上就是说比如说我们会做一些模型然后有的模型其实我们最终做的比较成功还有的时候其实做的比较失败但是我们所有做的比较成功的模型在做出来之前都会有个感觉就是说其实都会有点害怕怕什么就会发现那个模型它的能力然后是没有达到预期不是是比人是比人强的就至少比我自己强这感觉还挺吓人的有的时候其实还是会有点害怕的那说到这个问题我就提前问一下本来准备到后边的问题就很多人科技界很多人对未来是乐观的也有很多是非常悲观的包括顶尖的这个学者技术人员然后这里有一个好玩的现象就是我发现国外呢对这个乐观和悲观的都有咱们国内悲观的就是有头有脸的技术圈科技界有头有脸的人物对这个表示悲观担心他可能毁灭人类这种基本上没有你觉得这是什么原因比如说前一阵上海大会那个星腾过来说了贼吓人的然后大家都在讨论但在中国科技界从来没有人这样讲你觉得是什么原因是因为我们这个环境不方便这么讲吗其实真实的情况是这样就是大概在两年前的时候我其实也是不慌的因为那个时候我的模型根本看不到他那么聪明对根本他就不聪明但是随着我的模型开始变了越来越聪明之后其实能够非常明显的感受到是说就很明显比如说再过两年可能模型会变得非常的聪明甚至别人强也是只是一个时间问题我觉得就基本上就是说只要一个东西 [29:59] 能被定义出来就是只要一个东西是能被评估的这个评估指的是说比如说是一个可以被量化的一个东西对不是感性的那种对只要是一个东西能被量化我们认为就是模型它一定会强于人或者一定是能到最好的人的内档的水平想要聊的好咖啡不能少感谢合作伙伴瑞幸把瑞幸咖啡店开在了罗永浩的十字路口所以感觉很害怕那想过毁灭人类这种吗我觉得这个还不太会原的话是因为我觉得现在的话其实核心就是AI还是被人类控制住的我觉得其实真正考虑的问题是说首先第一就是说至少模型的智能水平的提升速度一定是非常快的就不管是害怕也好或者是欣赏也好至少再接下来三年我觉得提升速度还是会非常快这个事我觉得是不肯定的一件事然后我觉得真正应该考虑的事情是说就是我们在做产品跟做业务的时候怎么样让它尽可能的就是对生产力是一个比较好的一个促进对GPC3.5突破以来那个时间点被认为是这个AI革命吗对从那对从那天一直到现在你觉得整体上的发展速度是超出你当时的预期还是晚于你的预期其实那个时候GP35那个时候其实很神奇就那个时候记得很清楚就是发布GP35之前是世界杯就是中东的世界杯然后在GP35之前大概半个月我去中东转了一圈然后当时每到一个国家别人就问你是干啥的我当时就跟他解释是说然后我是做AGI的然后他们就很就每个人都会很正经说不是就很就觉得很奇怪什么叫AGI听着挺扯的一个对听着很扯然后并且还有这种没那么流畅的英语跟各种各样的这个人来讲是不是AGI然后那个时候就是讲完之后那个就回来然后当时还是疫情期间然后回来之后然后当时先要住一段时间酒店然后那个时候就出来了GPT3N5然后一用就感觉变天了就变天了然后那个时候就是然后那周过去之后然后基本上就没有人会再问我什么叫A家突然成了一门险学对然后那个时候是那个那年的11月份吧我记得然后其实在国内成为险学其实又是过了两个月国内的话大概应该是到了春节之后当时是那个时候其实才真正传播起来对每个春节都很可怕对Deep Seek也是一个春节就变天了对对好那我们就正式开始那个什么从企业家的童年追踪起我们人物专访一般都是这样的我之前看报道说你是在河南小县城出生长大的对所以给我们说说你的成长经历和父母家庭什么这些状况我的小时候的话感觉还是一个其实我觉得还是比较有趣的对现在想起来虽然说当时的教育环境其实你不能跟大部分人比起来其实不能算好但是我觉得他其实已经是父母能够给我提供的最好的了对然后我爸是教师就是中学老师我妈就是在公务员然后小时候的话其实他们也都很忙教育资源整体来说还是比较匮乏的所以说就慢慢变成了一个说自己来学习的一个这么一个过程几岁的时候就开始有这个了有这个意思了我觉得是上小学的时候然后自己学的意思是说其实不是说要考试要考100分其实更多的事情是说就自己会看很多书然后这些书其实它有可能不应该是那个时间里的人来看的比如说很多这种高中甚至大学的时候比如上小学的时候然后我爸是教初中然后就开始看初中的一些东西然后可能后面的话比如说上初中的时候开始看高中的东西高中的时候其实又开始学过一飞那些东西那些东西其实也没有人教更多的就是自己看也没有父母和老师引导就自己就产生兴趣了我大概上小学的时候然后我爸就是教初中当时的话就是说在我们那个地方的话初中的话我记得是说他经常会答疑比如说上晚自习可能有个晚自习就是要大家都可以问问题然后老师就给大家来答疑我基本上就上小学的时候就可以帮他的教的那些初中生来答疑了你帮老师答疑对基本上就反正就慢慢就变成这样了吧 [34:59] 这个事对你有很好的正向回馈吗我觉得是有很好的一个正向回馈的因为在一个你知道比如说在90年代初的时候那个时候比如说在河南的一个偏远的地方其实生活是很枯燥的可能甚至电视什么的可能都看不了太多有时候还会停电然后更不要说那种什么DVD那种CD那种东西其实就娱乐非常匮乏对就都是天方夜谭了其实也就只有这些东西可以来干然后所以说其实实际上也没啥事然后所以说有时候就会来引诱这些东西我觉得这个其实对我后面是比较重要的就是说相对于是说相对于是可以自己学习对然后其实很多时候其实学习成绩也没那么好但是每次老师都会给我来鼓励我一句说为了骗你干活对然后就比如说小学的时候老师就会鼓励是说可能等你上了初中的时候然后我认为你非常有潜力上了初中的时候应该会表现很好初中的老师就会说我认为你很有潜力非常适合读高中高中的老师也会说你非常适合读大学基本上就是这样但这个是先有营业还是先有果呢你知道我意思吧是因为你表现出色他们这样然后你不断得到正反馈就越来越强还是他们肯定还是你先表现出了跟你的同学不一样的一些东西然后才让他们有这个意思我觉得是至少在那个时间点确实觉得这些东西是一个乐趣我觉得这是比较重要的你小的时候调皮捣蛋吗在学校还是老实八教的其实还是比较调皮的是吧对但是没有被打击反倒是得到了这种鼓励对其实我觉得就像刚才说的虽然说整体的那个东西各种各样的教育资源比较匮乏但是那个时候的老师家长现在我想起来其实都是非常感激的就是像您说的就是相当于是没有被打击到然后一直在鼓励成长所以其实也有运气成分我觉得是我觉得是运气非常好的因为我长大了以后回头看的时候小地方的教师资源其实肯定跟大城市比不了所以很多孩子如果生在一个相对落后的小地区他长大过程中被那些不怎么样的那些老师打击的可能性远大于得到一个比较好的鼓励的这种环境我觉得客观来说可能会是这样但是可能就是比如说在那个时候他们比如说有些觉得比较有希望的小孩他们反而会可能会多给一些鼓励我小时候就这个严重匮乏我上学的时候其实我虽然是个学渣但跟别人理解的还不太一样一般的学渣是样样差我作为学渣是差的特别差零分十分考试好的话都是满分或阶级满分就偏科特别夸张就比如别的学渣都是50分我是这边10分那边90分大概是这样的一种学渣赚总分肯定还是学渣然后我因为挑逼导弹一路基本上是被打压长大的但是中间来过一个非常年轻的小伙子教物理的老师长得也帅然后他来了以后呢课奖的好长得也帅然后观念也就比较开放然后我们在那个小破地方长大来了这么个老师男女都很折服女生崇拜男生也很敬佩就拿他当大哥然后他很快就发现其实我物理学的很好然后呢虽然挑皮捣蛋但是他不讨厌我然后有一次他发现那个原来那个课代表老收不上来作业因为那些课代表老是吗大家都欺负他然后他就有一次开玩笑就是像开玩笑的语气其实真的让我做了物理课代表然后他说你当着全版面他说你肯定能把作业都收上来说谁不交作业你就收拾他然后全版哄荡大笑结果就真让我做了课代表然后我那个学期物理就学的格外好就本来也很好但就觉得格外好所以他们老说文科生其实我理科有些学的也很好但是就这种正向的激励在我长大过程中在学校里太少了所以我一听你们这种被老师那样鼓励长大的我就特别羡慕我再给你举个例子其实我觉得这个我觉得您这个问的这个问题还是让我非常那个想起来很多事比如说大概上那个我觉得应该是小学三年级的时候吧然后当时我们有个老师那个就比如说我眼睛是怎么近视的就是小学三年级的时候当时呢每天那个放学放学之后呢老师就把我留下来就过来然后就过来教我学奥数当时讲但那个时候学校条件就是不太好只有一个灯就那种白痴灯不是白痴灯反正就那种灯就很灰暗然后就是学了一个学期然后眼睛就见识了但是好处是说 [39:59] 其实那个时候相当于是说我记得当时有本数学书然后就带着我反正每天就做题我觉得是提升了很多的你小时候就喜欢数学是吗对我小时候很喜欢数学你父亲数学老师吗对这个的话其实也是一个就是教育资源匮乏的一个典型我父亲他学他学是学历史的但他教是教数学的因为初中对很常见对对对就是我们那会儿更夸张我是七二年生的我们那会更夸张动不动一个教俄语的老师突然被派去教什么英语然后他也是现学自己学一天过来给学生上一节自己回然后讲到十几节课发现前面讲错了然后他又过来去找吧那个时候很常见所以你打那你打小就对数学本身就感兴趣其实我当时对什么对很多东西都很感兴趣对数学啊文科都不感兴趣其实文科的话我还是挺感兴趣的但是文科的话没得到纵向激励对 没得到纵向激励就是像你说的所以说就没有找到感觉写作文什么的呢写作文的话我觉得其实也是没得到感觉我觉得核心的原因是因为比如说这些数学物理这种东西可以看书对吧然后一些文学啊这些东西其实是需要来看很多这种作品的但那个时候其实也没有那个时候其实连CD我都没听过对所以说其实然后电影什么可能更没看过那你们在小县城没有图书馆吗反正我们那是没有的这么小的地方对明白哎呀这还挺不容易的所以长大的时候虽然这些客观条件资源比较差但是你家庭和老师来的反馈还是比较好的对我还是非常感激的就是我到了中年以后就看了太多朋友家的孩子们那些事才意识到就是一个孩子的长大其实是非常凶险的咱们和平年代倒不是说什么夭折啊这种事医疗资源现在也还可以就不是指那些但是就他会长成一个什么样的人然后能不能得到一个应有的健康环境什么这些其实过程还是大量的随机性意外这些东西非常凶险其实现在这个单说的有点远其实现在的话就是至少在过去两年其实AI这个领域的发展也很像这件事比如说很多AI算法就过去两年的很多算法一个最核心的思路就是说假设训练模型是一个人应该怎么样把这个人变得更好然后用类似这样一些机制把它变成算法来训练AI模型这个思路在过去两年其实非常流行的对并且是取得了很大的一个进展但我们能说清楚人就不说机器就说人我们说能说清楚什么人是好的什么人是不好的吗这个事就没法一致达成一致这个问题我觉得实际上是很难定义的我觉得应该可以说大部分人都是好的对因为每个人你对人性很乐观人生中肯定会经历一些事然后那个时候你觉得世界反正我至少我觉得在有些时候会觉得世界很灰暗但是后面的话可能过了一段时间之后再重新来回想一下你发现是说虽然有些人在某些事上确实有很多问题但是有可能他也是被迫的有可能是基于那个环境他不得不这样这个借口不就成了所有人都可以干坏事的理由吗虽然说在有些地方有些人认为他有问题但是比如说我们整体来看统计上看一个人的大部分时间和这个社会上的大部分的这个人其实我觉得就是如果稍微理解一下他们我觉得都是很不容易的这个我是同意的但是比如说你看中国的互联网公司就是这个竞争环境有很多特别恶劣的东西然后大家以前是说就是创业不容易吗但后来你发现他挣了几百亿几千亿几万亿然后该做的坏事一个也没落下而且利润率都好的要死我就不点名了那么多的互联网公司利润率也好的要死但还是那些脏事一个也不拉而且他们自己凑在一块还觉得挺不容易的没事这个跑题了你那个时候对学习就是那些东西的喜欢是单纯的就是感兴趣和得到正向激励所以就一直很喜欢还是也有一些就是小地方的孩子想长大了离开这个地方然后到更大的世界去有意识的被驱动还是单纯的就是热爱和兴趣我觉得这是一个其实是一个比较有趣的一件事就是说其实小时候的理想就是当科学家对因为那个时候我才应该 [44:59] 很多时候我那代我们那代人就是八九年的那代人很多人的理想就是当爱因斯坦当然尤其苏里话好的他其实并没有说是说就比如说我一定要学习变好然后能够成为什么样的人不是就是我一定要学习变好是说比如说能够找个更好的工作还是说能够赚多少钱其实那个时候并没有这些意识因为那个时候在一个那种县城这种地就是河南一个偏有地方那个时候其实大家都没什么钱然后大家可能也没有水比水好特别多所以那个时候其实更多的还是说就是反正就是做一些反正就是反正就是就是做一些自己比较感兴趣的东西就好了但基本的资讯还是有的吧你看到那些大城市的生活这个生活包括物质生活也包括什么科研条件或者能做的事情的可能性多样性什么这些对这些没有刺激过这其实有这是机会的东西当时那个时候那个时候我舅舅当时他在那个南京然后有时候暑假就会去南京但是南京就是我建过最大的城市然后呢这个然后那个时候其实当时南京的时候那个时候那个时候记得有个特别流行的叫什么北有中关村然后南有那个什么每个地方都有这么一个说法对对对大概就是这样的对都叫什么小中关村子对对对反正就是中关村叫小硅谷其实都是都一样对对对那个时候就去就感觉这个哇这个然后那个就都有电脑了过程多样东西的其实觉得还是很崇敬的所以那个时候其实那就是那已经说那个时候小时候见过最大的市面了所以那个时候的想法就是说这个长大之后可能就是还得去大城市去大城市读过书然后可能就找过工作对就是找工作然后可以在这个大城市能够这个安家立命其实就是这其实是一些非常简单的一些想法明白对其实并没有一些特别宏大的一些追求对所以也是那个年轻的时候该迷茫迷茫该想不明白想不明白这些都有是吧因为我们后来见过一些企业家很年轻他就想的特别清楚我也不觉得是他事后成了以后在那吹牛我觉得是有一些孩子就死打小就不知道为什么他天生目标就非常明确你不是那种类型对 我觉得我肯定不是对然后你除了数学啊这些突出得到老师认可以外还有什么其他方面的能力打小就跟别的孩子不太一样吗我觉得其实还是自己学习的能力对自学的能力这个时候我觉得其实一直观察到现在对明白这还是特别特别重要的对因为你要是靠碰到好的老师那其实这个里边就有很大的概率是就是就听天由命的对有自学能力的话会强很多然后你有一次在访谈中说小县城的出身让你感觉到那些落后地区的人更需要AI的帮助这个是具体是指什么东西因为我们会想说新技术开始给大众造成一些好的什么福祉啊普惠啊这些东西都是从发达地区先开始然后慢慢下沉过去的但是你在小地方看到什么有了这样想法比如说哪类的应用或什么东西是可能小地区的人落后地区的人更需要就是客观来说就是说就比如说每次然后春节或者什么时候会回老家其实就会其实就会很多时候就会感触到很多东西比如说比如说每次回老家然后我外公就会给我讲说他想起本自传其实他已经跟我讲了好多年了可能至少又讲了五次了对但是可能是所有人都觉得他在他可能又是喝就喝多了明白对对对然后就觉得这是很不现实这个例子我好像听过对这个其实很有道理对这是非常出动我的一件事我可以这样理解吗就比如说有一些人呢自己可能文笔什么的不是很好或者忙不过来有一些成功人士然后他到了某一个阶段想写一本回忆录这样的时候他会找一个传记作者或者什么乔布斯伊朗马斯克都是这么做的找个传记作家过来一起聊然后那个人想到什么就密集的聊几百小时把这个素材拿回去写成一本很好的传记出来但是这个肯定普通人是没有这个资源的那对应的就一个人想把他的一生记录下来留下了一本东西其实这个本身肯定都是有价值的那有了AI以后你可以零七八岁的想到什么都告他最后他就整理成一本书这个现在已经可以了吧对这其实已经可以了但是他还是需要一些积累其实我然后再举些例子比如说其实就是像刚才讲的就我们小时候经历的这些教育资源的这些匮乏他确实是现在其实现在还是非常匮乏的现在有 [49:59] 教育别的资源匮乏我同意就教育资源匮乏有这个问题吗我们小时候那真叫教育资源匮乏想学什么什么都找不着现在只要有一个手机哪怕农村少年只要能上网有一个手机他想学什么都有首先呢现在的这些学生他们在学校里面是不能用手机的对回家也不能回家还是可以的吗就是在河南的很多地方其实是不能回家的其实就得住在学校里住校的那时候对明白了像什么留守家庭对就比如说在现场可能才能回家对吧那可能在镇上的可能就其实是没法回家的那我问一下那些现场的孩子不让用手机但是他们用电脑现在也不是想用就能用吗在学校里面是不行的宿舍和学校都没有这种的话其实我觉得是一些管理问题就是说相当于是说一般情况下比如说用手机其实会导致可能会比较难管就是学生就比较难管理那这个事可能是然后比如说在这样的一些地方大家可能家长会更在的是说比如说能不能考上高考能不能通过高考来改变命运或者怎么样所以说其实就会变成这样就天天学那些东西英识教育的那些对但是问题呢就是英识教育这些东西呢其实怎么说呢其实我觉得其实有很多很好的东西然后就比如说在一个大城市里面可能会有很好的鼓励然后老师可能比如说如果在北京可能很多高中老师可能都是清华的博士然后在毕业去找中学老师出来教大家但肯定不是这样的对但是我不知道如果手机手机我也确实认为没成年的孩子给他们发手机其实可能反倒是灾难性的但是电脑在路后地区如果能普遍用的话基本上已经挺梦幻的了就我们小时候在山沟里长大可做梦都没想到有一天中国农村孩子只要有一个联网的电脑就能上斯坦福的免费课这个听起来太梦幻了第一是确实现在是可以上的但是问题是可能没有人会来上你说大家都去玩去了给他一个联网的电脑其实该玩的孩子还是去玩但是那些爱学习的孩子有这个的话基本上我觉得没有教育资源的问题只要有一个能上网的电脑哪怕是一个破电脑对是但是非常少明白人生可以有很多选择咖啡我劝你就别选了喝瑞幸就对了感谢瑞幸咖啡支持好你那个我发现你的学历很不一样跟别人就是你是东南大学本科然后去了重庆邮电大学不是没有就是重庆邮电大学然后就是中科院重庆邮电大学那个是错的信息对那是错的那是错的没去完我是那个就是在东大读本科本科我其实学的是数学然后学数学的时候首先我是很喜欢学数学的但是我学数学的时候我开始意识到一件事但这个事其实可能有一些其他人也讲过类似的但是对我来说确实是真实的就是说我开始意识到就是说有些人在数学上就是比我有天分然后这个东西让我开始意识到是说我不可能变成很好的数学家然后原来也想过做数学家对就这个通常在那个时代被认为是很牛但又很穷的这么一个方向对但是其实觉得那个时候觉得很神圣就觉得当然就很神圣的一件事感觉一切的根基都是数学对然后所以说开始意识到是说好像没法变成一个一流的也不叫数学家叫数学从业者我觉得可能都是不太行的所以说当时的话然后就开始想然后那个时候大学就确实是有图书馆了就开始来天天在图书馆里看到底这个什么东西可能是自己有感兴趣然后呢又跟数学相关因为那个时候只知道自己喜欢数学然后呢那个时候其实就开始看了很多这个呃就是就是人工智能相关的那个时候人工智能在国内可能被叫做这个叫模式识别就会开始看很多这种东西所以接触人工智能是在大学期间对大学期间其实其实就是就也是自己在图书馆看那个时候在国内其实做做这个人工智能最好的其实有两个地方一个就中科院一个就是清华然后当时就读完就读文科然后保研然后就去了那个中科院对然后然后呢就反正就就开始真正来做这件事了所以那个时候已经就研究生阶段已经在学那个人工智能方向了对其实就是对严生的话就是硕士跟博士就放在一起就要读五年所以一开始想的想法就是说这个事可能就是至少先干个五年那为什么读完了又去读了个博士后呢因为一般社会平庸的看法是读博士后是因为找不着工作才去读的你是什么情况我其实是这样其实那个不是 [54:59] 全职的其实是一边工作也然后一边参与的对就主要还是要体验一下两种不同的方式因为那个时候在国内可能最好的反正除了中科院就是清华两边都经历一下但是其实在清华那边的时间其实很少我听我一些朋友就也都是什么像清华中科大出来的这种当年也都是学办的他们说他们当年读书的时候这个被认为是一个没什么出息挺完美邪道然后成果和未来遥遥无期的这么一个确实是这样的你读的时候你读书的时候应该也是这种文念比较流行其实是的我读书的时候读过的诗是2010年然后那个时候我读过的诗之前我的想法就是说当时能找个工作当时最好的工作是去IBM然后当加瓦软件开发工程师但是那是可能大家我还记得非常清楚年薪28万那时候听着很吓人了对那时候就觉得是最好的工作因为那个时候我当时那个实验生里面最好的师兄他就是去干这个然后那个所以说其实那个时候其实就是反正想法就是说那反正你就读过博士然后这个方向又是自己喜欢的然后中科院读博士其实也没什么钱但是上次说过就是一个月就只有1000多块钱基本生活费对后面可能变成了3000吧就很穷的五年然后反正那就这么来干然后干的时候其实实际上也是很少有人教的基本上就是靠自己来做研究然后写论文然后做实验基本上就是这样然后在这个里面的话所以说其实因为五年很长所以说其实是可以陈亚新来做很多东西的没忙着谈恋爱什么的这个当然有了受控其实那种环境里面压力还是挺大的因为可能很多人就反正那个时候基本上就每年都要写一些论文然后我觉得也是运气比较好的我其实大概三年基本上就那个时候被认为博士毕业是很难的然后反正就然后就写了很多论文应该可能是我们那个实验室应该有史以来可能是就质量不能说是最好的但至少数量肯定是最多的别这么客气因为很多人说你在这些创业公司CEO里也是非常特别的你是到现在发过上百篇对就是在学术上其实就如果没去商业公司的话在学术上肯定成就也是特别高的我大概当时读完博士的时候我本来应该去当老师的但是后面的话其实也是因为当时经历一些事就像回到你刚才那个问题就是说当时觉得专业好像也找不到什么特别好的工作主要是那个时候的这些技术其实没啥用带来不了什么实义价值可能只能去当老师或者怎么样然后其实变化其实发生在大概应该是2014年就是深度学习开始出来的时候然后那个时候其实正好我非常有幸当时其实中国那个时候其实是做得很快的那个时候中国最好的地方其实是百度虽然说可能很多人对百度有些质疑但至少在2014年的时候其实百度是当时中国技术最好的地方是那时候顶尖的人才扎堆对并且那个时候其实百度就有可能是当时国内最大的GPU的集群然后这个条件基本上是不敢想的对吧对然后其实就是有些非常神奇的事比如说像安卓印对吧那个时候其实是在百度的比如说那个美国那个安苏洛佩克的那个CEO但他那个时候其实也是在百度的比如说当时那个于凯其实当时是那个百度我们那个部门的负责人反正就是在那个时候其实就是一个工业的环境开始知道是说然后那个时候当时百度其实有很多的GPU我当时是个实习生但是因为整个环境非常的好我其实可能我猜我当时应该用了可能他们应该有三分之一的GPU来做实验就一个然后其实做了非常多的实验那个时候算是特别梦幻的条件了吧是非常梦幻我记得前两年我们要挖的一孩子特别优秀的然后他的带过他的那个leader也要给他弄过来他都答应了拿完offer了结果突然他们我不说哪个公司了是个大公司然后突然给他调到另一个组去说他很年轻刚毕业没多久说有机会给他们去操作那些万卡集群然后这孩子就疯了然后就过来跟我一个劲道歉他说确实来不了了他说对我们学这个来讲这就是对特别梦幻的事你们那会就更夸张了是吧对你想就是现在万卡集群还是有的吧但是在当时在2014年的时候那是国内那个时候可能没有万卡但是那是国内唯一的一个真人意义上的一个GPU集训所以那个时候我就开始意识到是说就是AI这件事它真的是说可以来带来一些实际的这个价值而不是说只是写一些论文所以你们其实提前就能看到一些东西 [59:59] 其实我们公众是其实是因为GPT3.5突破吗但之前你们在那如果有条件有资源的话已经能看到一些很不一样的东西了什么对这是一个非常关键的一件事其实我觉得这个事我讨白说我觉得其实国内稍有点遗憾就是说比如说其实你看那些境外的访谈也是比如说那个安苏佩那个CEO他当时他发现那个Skin Law就是缩胖定律就是大母亲里面最核心的东西其实它是在2014年的时候发现的就是因为当时它是在百度是做语音的那个上面其实它就已经发现了这件事了然后所以说其实就是比如说就真正这个Skinal起来其实是大概可能是2020年左右但是其实大家发现它6年前6年前其实就有了然后并且是说然后并且那件事其实发生在中国公司对然后所以说其实后面的事就有点遗憾就比如说那为啥比如说GP325不是中国公司做出来的而是美国公司做出来的这里边偶然性也挺大对其实比如说就做出来GP325其实没有花多少钱可能也就大概一亿美金但对创业公司是不敢想象的对但是中国有一亿美金的公司太多了是其实这件事高度出段还是挺大的然后我在过去景经历我其实见过两类企业家一类中国的最top的这些一类是美国的也是最top的这些然后我发现我两边的区别非常的明显就是中国的基本上会关心自己家里这件事本身就是竞争什么之类的然后美国的这些你可以发现非常明显他们关注的其实就两个东西一个就是微人就全人类一个就是战略他怎么样来变成第一对就为啥呢我觉得这个我觉得这是跟那个成长环境相关的对我60后能理解因为他们是那个年代过来的我70后我也感伤过我没感伤饿肚子但我感伤过营养不良和严重匮乏但是80后好像有追求的也没有那么多是在改善但是也没有那么多吧我的感觉对我觉得是好像90后00后如果都成长起来了这个会有很大改观像什么蔡浩宇他们你看挣了钱他也是你们股东对吧他挣了钱然后又去投那些风险很高周期很什么可供何聚变啊什么他会去投一些这个但是老一辈的真的特别少对有时候你想象如果中国有一个学人工智能的刚好他爸爸是王健林可能这事就中国先突破了是不是有这可能就比如说他学这个突然发现这个集群是管用的他就买了一万张卡就把它烧出来了我觉得是我觉得可能还有一个我觉得这个一个是钱可能还有一个东西就是自信就是说美国那些企业因为很多浪潮是他们引领的所以他们其实是有自信在他们就是要在引领这个行业我觉得中国的话其实在有些产业里面其实引战好的比如说通讯什么之类的已经领先的但是我觉得但是我觉得在这种至少人工赠的这个行业我觉得就是目前实际上至少还没有到引领的这个地步我觉得但是我觉得这个事它的客观条件其实已经越来越具备了如果再往三年之后看我觉得就即使不是我们我觉得也会有中国的其他人能够做到这件事对我现在也是对这个越来越有信心尤其是在中国再往下一两代等到某一个点到了孩子们就打算彻底躺平现在已经有着趋势了在那个彻底躺平出现前可能还有一代人左右的时间中国企业家应该是无敌的然后再往下我也不敢说了因为你看所有发达国家的例子就他发展完了富裕完了打小没受过穷的很快就没什么没什么那个大的追求了只有个别的那种就是有引领精神的另外硅谷还有一个是我看一个统计是50%以上的创业公司老板是非美国出生的这个其实很说明问题对所以说回你那个学AI吧就是你当时在学校的时候学的东西跟今天的人工智能底层的逻辑还是高度相通的吗还是完全是天翻地覆的变化就是它最基本的原理其实是一样的最基本的原理其实实际上是数学跟编程数学就是相当于是说数学相当于理解的深就是对它的底层原理也得深编程是说如果编程好就是做实验速度就很快就可以得到反馈速度就比较快其实是这两个本质上就是这两个能力然后呢但是区别还是挺大的区别就是说之前的话可能是因为可能在当时读书的时候当时的假设是说人工智能可能就没啥用可能就是一个漫长的研究所以说可能就是研究上怎么样做的更划哨一点现在的话是说人工智能一定它的价值就越来越大要怎么样什么样的模型对这个能够比如说对经济带来价值更大那应该做什么 [64:59] 然后这是两个非常不一样的出发点导致做的东西还有技术路线就完全不一样我甚至觉得是说比如说那些传统的这些人工智能里面积累的这些东西其实有很多其实是跟现在做的这些东西其实是相悖的人工智能为什么是年轻人的事业为什么不是专家的事业本质上是说实际上在很多时候是要抛弃掉那些传统的一些经验其实所有领域都这样我现在53岁了到了老当的年纪以后我越来越理解一些东西了比如说我40来岁的时候我身边很多企业家都热衷那个生物黑客想寻求长生不老或者是至少是极大的延长寿命后来到了某个年纪以后就觉得还是淘汰是对的然后我有这个想法就看到Elon Musk说长生不老不是好事老的就是要被淘汰因为很多人就从我们基因上到了一个年龄段以后其实就不太想突破学习进步就想吃老本啊这是生物本能的一些东西所以他就是应该被淘汰所以我觉得所有学科都是这样吧最后就是一定要淘汰这些老东西对我现在是老东西了所以可以讲这种话了然后我现在在公司里面有一次被叫中登中登对现在这个是挺流行的这是年轻人打击完了老登还嫌不过瘾还要中登打击一下但是我确实觉得就是就比如说在公司管理技术团队我觉得其实一个非常合情的目标就是怎么样让公司的年轻人能够有一个足够好的环境能够变得越来越好这边的话一定会犯很多错一定会有很多代价但是我觉得但是我觉得这件事其实是最核心的对所以你们现在团队整体是非常年轻的对其实是很年轻的然后你是几年我是八九年的八九年哪里中当还早啊他们有点太过分了对可能是我的行为有点太中当了对对 长得一步到位对你这个头发是什么时候开始就是全推掉的读博士的后期吧读博士的后期对 就是当时不是有个照片吗对吧那个就是本科的时候头发就很多硕士的时候头发少了一些博士就没了我是非常完美的符合这个特点你就那个状况那你第一次推突的时候感觉有什么心理负担吗有啊但总觉得比那种特别猥琐的那种地中海那种发型这什么叫什么地方资源中央那种发型那个太猥琐了对对是就想开了对那个时候其实也意识到是说反正做啥事也不可能又完美有些东西不好那就不好了那就面对它就好对聪明绝顶没事搞学术研究的人突然大家都会这么说吗那个叔叔你那个在博士后时期就在商汤实习了对吧对对然后后来去了商汤很短的时间就就做到了副总裁然后还是一个业务线的什么技术负责人还是CTO我也忘了对是是因为什么就是就是单纯就是因为技术实力吗取得那么快的发展我感觉你性格上肯定不是靠什么政治手腕什么这种实际上我觉得是两个事其实我觉得其实我觉得主要还是一方面的话确实是承担了一些比较重要的责任基本上就是说把一些之前没做那么好东西把它变到至少是行业第一的水平了这其实是也通过一些研发来实现的这是第一点这种是比较实的看着建模是找的成绩其实我觉得那段经历其实我的收获是很大的是说就是在之前我可能就是一个做学术的人然后那个时候我对很多事情的理解其实就是说我不需要团队我就一个人起来一个人做实验挺好的我为什么需要团队我在之前我是这么来看待这个事情的讨厌管人什么的对然后那个时候我开始意识到是说就是要真正做一个最好的东西然后那个时候其实做的第一个最好的东西其实是人脸识别然后当时其实对社会的帮助还是挺大的在很多地方然后那个时候其实把它做到第一了然后在那个时候但是我刚才做的时候其实不是第一大概花了一年半然后这一年半里面其实实际上是非常痛苦的原的话是因为在一开始的时候然后那个时候大家不停要做技术测试当时我们所有的技术测试其实都是排在后面的所以说其实压力是很大的因为每次考试你都是倒数第几名这是学霸生压力没有过的对然后那个时候其实也是公司里面最多的资源是然后是来支持我来做这件事 [69:59] 每次都是最后几名然后这件事其实是持续了一年多然后呢打击还挺大也正是因为这样一个东西就是让我开始意识到几件事其实第一件事就是说其实就一定要做取舍就是一定要选一些这种更加长期能够根本性发生变化的东西而不是说去做一些这种修补的东西然后第二的话是说那个时候其实就开始意识到是说比如说现在的这种skin out其实在那个时候其实我又重新意识到一次就是说那个时候就是其他人的话是要同时做好几个模型就是每个模型来干一件事然后干一个场景我当时因为资源少人少那也是我们的公司当时最多的资源了但是还是不够当时想法就是说那么就只做一个模型来用到所有的场景里面去这个路线其实跟其他人是非常不一样的然后呢但是这样的好处是说可以把所有的计算资源人才数据包括整个链路的迭代都可以进入到这一个模型里面去所以它的进步速度跟上限也是高的然后呢所以就花了大概一年多吧终于把这种东西给做出来做出来之后大概过了一年之后其实第一次测试里面就排第一了然后后面就一直都是第一了然后这段经历我觉得给我的第一的话就是要相信这种上线比较高的东西然后第二的话呢就是说其实这个过程中其实是需要靠它显然不是我一个人做出来的它其实是靠很多人跟我一起来做出来的那在这里面的话有算法的人然后有工程的人有优化的人有数据的人然后呢其实就是在这个里面的话其实开始意识到是说怎么样能够让很多非常优秀的人能够跟自己在一起来工作然后一起能够做一个推动行业变化的然后这么一个技术然后在这个里面的话开始意识到是说什么是管理然后怎么样找聪明的人然后怎么样来让大家能够在一起来工作然后怎么样能够来交付一个好的结果然后遇到挫折的时候该怎么来坚持其实我觉得其实我觉得就是这段经历其实那一年半其实是很痛苦的就是说因为老书然后并且是说经常有时候可能就有时候经常会搞到晚上三点然后可能第二天早上八点就开始弄基本上就是就很多时候是这么过来的那时候就是到离开的时候带多大的团队最多的时候大概可能有七八百人吧带了七八百人团队对那个时候是去商汤的第几年我带商汤等过搭了七年然后那个时候就是等于外界去看的时候觉得你在那个点上离开商汤然后自己去创业作烟好像还是看不着什么希望的时候去做了这么激进的事但实际上你们在圈里是已经看到了很多端倪了对吧并不是说像我们公众是看到3.5的爆发才知道的但你们其实在里边早就见过一些东西了对我们刚创业的时候其实创业之后过了一年才有的GP305那就是快一年大概十个月之后才有这跟大部分你的同行不一样是他们都是看到3.5以后所以才成立了公司对因为他学的快他学的就是这个方向所以他动手很快但你们是唯一一个好像就是一年前就已经做这个事所以其实是因为在工作中已经见到了一些东西其实不是在工作中其实是在娱乐中娱乐中为什么呢实际上就是说Opera在做出来GP35之前其实它是非常不成功的然后然后呢他们在做出来GP35之前他们当时做的最成功的项目其实是用AI来打游戏其实是用AI来打Dota2我呢其实是一个Dota2的爱好者对爱好者虽然水平不高但是人才引大对对对就人才引大然后在那个时候当时OpenAI他在DOTA2上打赢了人类的冠军当时是OG然后那个时候我就在看他们的直播那个时候其实非常的激动不光是小围棋现在打游戏也能打败人对然后那个时候其实就开始来关注OpenAI然后但那个时候更强的其实是DMine就是他们做AltraGo做围棋后面他们做了打了心计欧帕安其实打了Dota2然后那个时候其实就开始关注欧帕安这家公司到底在干啥他们那个时候欧帕安其实做了很多东西除了游戏以外之外还做了操纵一个手那种反正就做了一些还玩魔方很多demo对但是都不成功然后我就感觉这个团队很奇怪为什么要干这些事这好像也都不是特别成功然后好像这公司也没什么钱对吧Duelman的兵有Google他们好像也没什么钱对对对就为什么他到底在干啥然后我就开始看他们的论文然后其实那个时候我就看到了GP3的论文GP3的论文应该是在2019年所以GP3引爆之前你就看了他论文GP3.5他引爆了但是他刚刚刚说到GP3你说3.0那个事情那个时候就看到那个论文看那个论文的时候我其实就很快就意识到是说就是这个行业发生 [74:59] 原话是因为之前我们做的那些东西基本上都是说比如说需要一个什么预音识别模型需要一个什么人脸识别模型所以说我们就做一个模型或者需要一个推荐模型它一个模型只能解决一个问题然后GP3其实它是第一次有一个模型它可以解决很多问题然后只要一个模型可以广泛的来解决不同的问题这个事我觉得其实是我觉得是一个非常本质的变化就像是说不要来说针对一个需求来定制了而说它本身就是一个像人一样的智能可以同时来干很多事然后呢但是那个时候我自己其实不是做我自己都没有做过自然语言处理我只做过尽量性视觉跟深度学习R&B也没碰过对我都没碰过然后呢我也没做过产品啥都没有我当然也更没有创业但是那个时候我就意识到这个事它要发生变化了然后呢然后那个时候其实我就开始跟很多人讲我觉得这个东西是一个未来但是坦白说那个时候其实我跟很多人讲其实很多人也没那么理解这件事然后尤其是说对这种传统的AI就是抱有就是在传统AI实在已经取得成功的这些人因为这些人他已经有自己的这些成功的东西了他也不太说是为什么一件事对他也不太会愿意切换一个东西然后呢所以就跟很多人讲其实反正大家也大部分人其实是不太亲的包括那个时候国内其实非常顶尖的一些人然后呢所以说其实后面创业的时候基本上就只能跟最年轻的人然后一起来做了对他们是盲目信任你还是他们跟你看到了一样的未来就第一批的那帮兄弟其实那个时候坦白说其实是比较惨的就是说就那个时候其实属于一个AI的低潮起它有点像是那种就是它有点像就是处在一些这个低谷中的人然后聚在一起来做了几个下一代的事所以起步的时候还是很困难的非常困难你刚开始张罗是就张罗了多少人我们起步的时候大概只有十几个人十几个人对 是那你融资呢起步的时候我觉得这个还是比较顺利的对因为你有上汤的这个经历一般说来这个是对创业是特别值钱的至少第一步我觉得这个其实是比较感谢那个早期的这些同志的信任吧坦白说我觉得其实我们后面做的事啊我们在第一天的时候就讲给大家了我们那个PPT里面其实一开始我们现在做的事包括我们现在做的事我们其实在第一天PPT其实都能找到一模一样的对应而且另一个可以理解的是你要投资人那个时候能听懂也很难对除非他刚好是学这个的但学这个的他也未必有那么乐观因为学这个人如果乐观的话就会给我起来做了对所以说我觉得其实是非常感激的因为我猜他们显然当时不知道我要做啥没太听懂也就投了对其实有时候VC就是真的运气好的话就是这样他没太听懂但觉得这个人值得信赖然后也就投了特别是最早期的天使轮结果后来发现对的时候其实也有很大的运气成分那你那个时候出来做是有紧迫感吗就比如说别人觉得是低谷期这个方向也有无期但是你因为看到了一些东西所以你是觉得再不做就来不及了有那种吗其实我觉得坦白的说如果再重新能回到那个时间点我觉得应该更紧迫一些的原因是因为原那个时候虽然我认为这件事是对的就是做通用模型然后一定要是全模特来做通用模型是对的但是呢但是那个时候其实我并不知道这件事会这么快的发生就是我并没有意识到是说GPT4能这么快的做出来等于是你也有紧迫感但是在做做着做着突然还没反应过来就变天了对但至少你比你的绝大多数通行快了一年到一年半这还是至关重要的所以你其实要跟他们同期的话可能现在还拉不开差距我觉得如果是同期的话可能我们应该就挂掉了是吗这么悲观我觉得我们整个团队其实属于这种就比较纯粹就是大家真的是热爱这个东西因为一早开始就这么来做但是其实是说其实我们也是比较草根的团队就是我们自认为大家都很草根然后也没啥背景然后我们就是在比较踏实的然后在目前来做然后呢然后这样的背景其实是在一个比如说后面就是有点事情其实是不占优势的你说草根和不占优势是指什么有更豪华更明星的团队对对对所以就是说在投资人看来你们不是最明星的团队对 就至少在那个时候肯定是那个时候 对 明白然后你那个时候就知道这事要做成的话其实是要烧钱的对 那那个就是你对融资一轮一轮的有信心还是觉得你过程中就能用各种方式挣到钱然后滚动走下去那个时候有清晰 [79:59] 一个脑子里有画面吗那个时候其实没有画面但那个时候其实定了三个原则那三个原则我们到今天也是在坚持的第一个原则的话就是说我们一定要直接服务用户然后一定不能是说去来做项目当然一旦接项目就公司就没出现了然后第二个话是说我们一定要做国际化国际化是基于什么考虑是因为中国人软件付费这事很难搞定主要就是这个原因一个是这个原因其实还有一个原因是因为其实那个时候还没有说国内这些巨头都在做这个行业但是我们意识到是说一旦这个事变成更大众的关注就是国内它一定是一个一开始是一个纯免费的这么一种模式在这种模式里面其实创业公司是没法生存的对这个也是很要命的就是搞得寸草不成你看美国它当然可能也还是一个用户基础吧就美国的话你看最顶尖的也是收费的咱们这最顶尖的都不收费然后就创业公司太难了但是我们在刚成立的地方定了就是我们要然后一定要做国际化然后呢其实还有第三个东西就是说其实我们是纠结过但是最终我们定的东西就是说我们一定要这个技术驱动其实这个选择其实对我们来说是最难的为什么呢你们不是科研出身的自然就应该技术驱动吗对啊所以这是一个很直接的事对吧应该技术驱动但是我们为什么这个事在我们这其实我们其实是挣扎过的内部对其实核心的原因是因为就是我们认为就是说我们这家公司不应该靠纯烧钱我们应该是说能够我们认为真的实现AGI也必须得用这种可商业化的方式来实现AGI这是基于经济上的账算出来的基于可持续性因为首先第一我觉得AGI已经会实现但它需要一个足够长的时间而且它成本比传统互联网公司要稍得多对 在这个里面的话其实就是说一开始想的比如说你既然要2C要国际化之前中国最成功的古计化2C的其实就是移动互联网公司所以说一开始的想法这个事就很简单我们有一对AI的人才了做了些东西了然后再加一些互联网的人才两边大家加一起那是不是就都成了这是一开始的想法但是后面的话其实发现这件事根本就不work原来的话是因为比是这种比如说通过模型能力来让这个产品变好或者业务变好和是说比如说通过把这种一种互联网的这些经典的东西给复制过来让它变好这两个东西有可能都是对的但这两个东西其实是没法共存的我明白你意思就它的驱动力其实只能其实只能有一个而且第二种的话可能变现更容易比起纯技术驱动了对一起来那个更务实对其实我们大概有半年的时间其实是非常的迷茫的纠结这个事但是后面的话我们开始意识到是说有可能那条路也是对的但是它不是适合我们的我们能做的就只能是技术驱动这种方式特别是在这个赛道上反正肯定是至少这个阶段技术驱动肯定是明显占有的只不过风险更高感觉对吧但这个东西在两年前其实是非常那个的对 我觉得对 我 但是 但这个事我觉得可能当然有谁更好 谁不更好我觉得 我觉得可能一直是说比如说一家公司到底会怎么样这个事我觉得它实际上还是取决于虽然说有些我们主观的想法但它更多的还是取决于这家公司对这个行业的价值到底是在什么地方就是如果我们没有提供好的价值那我们就应该被淘汰掉那如果我们提供了足够的价值那我们就应该能发展的更好我觉得还是但这个东西呢就是我们没法提供所有的东西但是我们一定要能够提供我们独特的东西我觉得我们能够做到这一步其实就已经非常好了那你们在创业初期遇到的最大困难是什么除了刚才说的迷茫的阶段其实困难还是非常多的就回想起来还挺出头的或者是挺挺挺挺就还留了下不说阴影吧反正至少就想起来还是挺沉重的那些都有什么我稍微想一下你们也有过资金锻炼的时期吗就马上要不行了那种就没有过我们经历过那个硅谷银行破产你们当时钱在那里我们所有的钱都在那个银行里我的天啊然后并且我们那个时候我们其实已经没法发工资了不用所有钱都在那里面我们也有钱在那里我当时就觉得要出大事了结果还好是这样的就是有些我们自己觉得我们不擅长的东西其实反而不容易出问题然后有些呢就是我们自己觉得自己本来应该做的最好的东西或者我们最擅长的东西反而非常容易出很大的问题我举例子比如说 [84:59] 比如说那个今年春节的时候对吧比如说Deep Seek最火的时候对然后那个时候比如说那个时候那个火到家正好春节然后发现所有人都就连我姥姥都问我你知道Deep Seek吗这个太大局了是是还有些公司烧了不知道多少个亿去推广结果人家一分钱没花就全世界都装上对但这个事其实坦白说其实也并不嫉妒然后我觉得是他们应得的因为他们在那个时间里确实是做的很好的然后他们有自己的这种独特的认知然后他们有大概七八年的这种从量化开始的各种各样的这些技术积累对然后但是在那个时候其实我觉得最大的一个出动还是说我们为什么没有做那么好然后这个东西其实最终会发现是说其实是说我们有些明明我们知道应该要做出来的东西但是我们降低了要求然后呢然后我没有思考的更深然后呢嗯然后已经我们也这个呃在那个时间点在一些选择上其实没那么坚定还有那时候第一梯队的都没做开源对对吧这也是一个很大的变数就是我们经历的大部分的这样的挑战最终都还是变成了是说怎么样能够提升我们自身的能力我们整个团队做的比较好的事是说我们能够在接受在受到很多打击的时候其实能变得更好对变成这个更好其实是一个可以持续来积累的这么一个过程那士气低迷的时候你通常用什么方式呢吃饭打气搞邪教还是什么洗脑还是怎么就这个对创始人都是一个非常严峻的课题对这是非常严重其实坦白说我觉得我有时候其实做的其实是可以提升的就是比如说有的时候也会很着急然后有时候也会就是比如说开会的时候大家也会公开的这种吵架或者怎么样吵架会演变成如果是对事不对人的吵架那其实是健康的但有时候也会变成人身攻击是吗因为我是这个公司的创始人所以说那可能一般人不太会人身攻击我们你公司里边没有合伙人级别的敢人身攻击你的肯定有吧有几个人关起门了小屋里对其实我觉得有时候在一些特别那个时候其实我觉得我是人身攻击过别人的其实我是非常后悔的对你看着性格特别温和外边也都这么传说但压力大的时候也会失态我觉得在有时候会但这个次数其实越来越少了但是回到刚才那个问题比如说遇到这种非常大的打击的时候怎么样跟团队一起来克服我觉得因为我们毕竟还是一个就是说非常崇尚技术跟崇尚低性原理的团队我们大概我们大部分时候是通过是说就是把它拆解成一些我们真正可以来改变的一些东西然后拆解成一些我们的做事的一些原则然后并且这些原则基本上都是可以积累的然后大家通过充分的这种讨论最终变成了一些我们要遵守的一些原则共识的对大部分人都很理性所以说有了这种东西大家认为是说后面会变得更好然后大家也都认为基于这项东西会变得更好就是把它彻底拆解完了从理性上大家认为它是可行的不是盲目定了一个激进的目标非要这么着对 其实我觉得在有一段时间其实我是这么干过的但是我发现就不work因为这个事它不是一个个人英雄主义的事它其实是一个非常理性需要非常多聪明人在一起来合作才能做好的一件事技术驱动型的公司应该尤其是这样吧这个其实是我非常遗憾的一件事比如说我并没有在OpenAI工作过我其实很想知道他们是怎么样的找人问问不就行了OpenAI那么多华人去硅谷的时候找几个这都有聊过但是我怀疑那可能不是他们最精髓的东西明白只有最核心的人可能才了解很多人看的是表象那你们士气低迷的时候通常给大家恢复信心的方式就是拆解然后用第一性原理就让大家接受这件事是可行的然后就能又鼓舞士气然后这是一部分还有第二部分第二部分就是给大家发更多的钱所以等于你研发进展不顺利本来是一个倒霉的时候但是你们在这样的时候往往选择发更多钱对管用吗我觉得还是管用我这样的时候就很难把握就是你不知道这样的时候你给了钱大家就我遭遇过那种事情就是困难的时候你给他们多做了一些他们就觉得这老板这账能算明白吗就他有些人还会有这样的想法就这种事就是有的时候 [89:59] 我好像这种行为好像很傻那理由是什么呢发下去的时候就是说前一阵大家辛苦了接下来还要辛苦是这次这类的理由还是还是那时候你们就资金比较充裕说我们就还是有信心的所以给大家多发一下就还是就什么样的理由呢还是啥也不说就发下去肯定是要说点对肯定是要说点东西的我觉得其实核心还是说其实核心还是我觉得这个行业虽然说我们给大家提供了其实我觉得是行业里面比较高水平的薪酬但是我猜它可能不是最多的然后我觉得其实更多的还是这些东西背后的意义我觉得背后的意义还是说大家在一起是有希望能做成更好的东西的我觉得核心还是讲卖这件事让大家就不要有担心然后我们还是要虽然我们遇到了一些挫折但是还是要做更好的东西并且是说这些条件我们确实是具备的就是只要就是只要我们这个就智商是在线的那我们总有天会做出来的明白你们起步的时候相对比较容易刚才你也说了因为你过去的那些资历啊履历那些都很值钱然后但是走到比如说第二轮第三轮往下走的时候是很快就实现了很好的收入吗没有那后边的融资越来越烧钱应该是很困难的呀其实我觉得这是一个逐渐建立信任的过程吧就是说我们大部分时候跟我们股东讲的东西包括跟我公司员工讲的东西我们大部分时候其实都实现了啊承诺过的都实现了客观来说我觉得不是所有的但是我觉得大部分就是我们严肃成的东西我们确实几乎都实现了所以你前面的股东一直跟投了吗有很多股东其实是投了好多论所以虽然没很快的实现比如说很好的收入什么的但是你阶段性答应的基本的对象了一个是阶段性的答应基本上对一个的话是那比如说我们客观来看跟每个公司的对比跟国内其他人的对比那我们确实是很多时候是做的非常领先的因为有一些一测就知道嘛对那靠这个一直能融到钱是你开始实现大规模收入之前有没有到就是实现大规模收入之前的那一轮就融资特别困难因为钱越少越多然后你即使阶段性的技术上的Milestone全实现了仍然可能面临挑战就觉得这个东西是不是遥遥无期然后中途有一点大家都挣不着钱的时候还有那个说是不是泡沫太大了什么这些也都有过那个时期没有融资很困难吗其实我们是遇到过的然后我觉得这但是这里的话我觉得是有两个逻辑我觉得它一直是我们在努力达到的第一的话就是说技术的领先性第二的话就是技术的领先性能带来收入的跳变这两个事其实是我们一直在从公司的经营层面我们一直在优化两个目标这两个目标其实在我们这儿其实都实现过好几次然后并且是说每当我们实现一次我们规模和收入量级都能大很多我觉得实际上就是说首先AGI它是整体来说它的收入价值其实是越来越大的然后头部的公司的收入增长很快这是一个确定性的事第二个是说真正在浪潮里面参与的公司实际上是越来越少的至少是说从模型开始来做的公司比如说在英雅多以前还板破大战现在其实已经只有几家公司了很多背景履历包括资金都很雄厚的都放弃了对 明年可能会更少所以说这个事相当于是说是在一个越来越大的市场里面但他参与的人是越来越少的然后在这个里面的话只要是说你能够持续来得入好的东西能够证明自己的价值他就其实我觉得可能钱都不是最重要的问题最重要的问题是说能不能持续变得更好你觉得你是擅长融资的人吗我觉得这个能力我肯定不是很强的我们基本上还是会有自己的特点就是说其实会比较坚持自己认为对的东西这个东西导致的结果就是说可能会有些人会喜欢可能还有很多人会觉得然后可能会非常的不喜欢对融资的时候跟投资人是顺着说还是坚持说自己也是个学问对但是我觉得但是就这样反正也改不了那就是说那我觉得就是其实我觉得我们也不应该奢求所有人都认为你是对的或者所有人都喜欢你那我觉得我们只要有只要能跟有一部分人能够一起往前走就好你起步的时候那些人愿意追随你你觉得是什么东西打动的你刚才说你反倒比较资深的跟你做这个方向的那个说服不了你弄了一堆年轻人新人然后去他们为啥跟着就是一开始是工资高还是你原来的那个履历的光环还是你在这个领域发过的 [94:59] 文文和学术成就是什么原因吸引的第一波年轻人其实我觉得核心是说对那些同学来说我确实跟他们讲的东西他们是相信的但不是因为相信我最主要是因为先生那个东西本身对因为那个东西它确实是很有逻辑的现在来看它确实也是对的然后呢就是当比如说一个人放下自己的意构然后放下这些各种各样的东西之后就真的来想这个问题他就会认为他确实就是对的我觉得其实很多事也都是这样的可能就很多东西就是说如果抛开偏眼来想其实很容易想明白对然后并且我觉得好的东西可能大部分时候其实都是这样所以你是用逻辑说服他们的但是相对资深一点的反倒是有了一些思维定势或者冲劲没了所以就没有带出来明白那这个往下走的时候是一轮一轮的实现了技术上里程碑完成了然后新的融资又到了所以始终招人就还可以没有出现特别难的情况包括后面不是大厂都是使劲烧钱两倍三倍的挖人那个时期你们是怎么熬过来的应该你们的人也是重点重点被挖的对象了对我觉得其实核心还是这样就是说我觉得对这些最优秀的人来说首先钱肯定是要到位的但是呢其实钱我觉得可能是只是里面对最优秀的这些人来说其实钱我觉得可能是排第二位的那差不多对第一位东西还是说他们到哪都能拿第一位东西还是说他能不能做成他就是比如说我自己觉得我做成这个东西我很骄傲他能不能做成这样的事以他在里面能不能发挥非常重要的作用我觉得这才是最核心的然后还有的话是说就客观来说就是中国比如说我们虽然说有非常多优秀的人才了但中国其实还是没有那种伊利亚那种比如说当时最早把欧巴远的做出来那种最top的就天才级的这种人中国有这样的潜质的人但是还没有变成那样那他能不能在一个环境里面能够变成这样我觉得这个事其实是对他们来说其实是更重要的你这可能这个氛围更好但是大厂呢动不动就有一万张卡五万张卡的这个对他们难道对那些顶尖人才也应该是巨大无比的诱惑他们总共是有这么多但是他们那个东西也是好多人比我们好多人在分的如果你如果你要分成每个人有多少卡其实还不好说谁多呢我觉得他肯定是没有那么多的明白了所以你们这对技术人才全程还都是挺吸引人的包括初期我觉得这个其实跟我个人包括是说跟我们整个公司是很相关的事就是说我觉得我们最大的特点是说我们可以持续进步其实我们的人才其实也是在持续进步的这个我觉得是比较重要的明白所以你们整个过程里没有什么空降的那种技术大牛大部分是自己团队里长出来的对这个其实是我们也是很长时间其实被人诟病的东西就是说好像你们这个团队的这些技术的人就怎么不闪光呀但他在我们内部其实非常闪光的是因为其实是这些人在我们自己公司里面按我们这种环境然后他们变成这样可能是因为投资人没有你们那么专业那么懂所以他比较容易信的是一个有光环的技术明星发现你们都是自己养出来的就长出来的自己土壤里长出来的一群年轻人的时候他有点没底气跟这有关系吧对 是我之前对这个领域最震惊的就是我之前知道大厂很多骨干都是海龟的龟谷挖回来的就梁文峰那个出来的时候发现媒体报说他们内部就没有一个海归全是在国内找的苗子当时还是真的非常震惊的其实我们客观来想想这其实非常符合第一性原理的是对你要说第一性原理的话这是特别对对还有说实话就是咱们说消费品领域也是现在就是说工业设计我们11年12年那会儿搞垂直科技的时候工业设计在中国还是整体上特别土的只在短短的多少年了也就十来年间今天很多企业找工业设计找什么所谓国际团队什么找个欧洲的特别壮XX那种出来什么做一个形象那真的是市场公关的需求真的不用他们就比如说那种车一般都会有一个对就现在我去看那些深圳那边20多岁设计是好的就不正常的好我说怎么会这么好呢但后来一想原理也比较简单他打小是吃什么长大的这个太重要了那他们那种人是怎么来出来的你说工业设计那些就二十几岁的深圳的年轻人他是怎么出来的就像那他怎么样被放到那样有很多甚至不是牛校就是那种技术就是有那个就先偏什么中专大专技术类的那种学校理学设计 [99:59] 就是他打小见的是好东西然后审美本来好然后又见过好东西就是等于吃过见过然后一路练然后现在什么资源也不缺工具啊什么那些昂贵的过去过去用盗版的话也都硬撑着走过来了现在也都不需要订阅的话很多年轻人也买得起然后就一点一点就是我眼睁睁看着现在工业设计好到什么程度我到欧美国家到日本什么的有的时候整体上人家底蕴还是在的但是你有时候去消费品的那个市场一看哇这么土的东西我说中国企业可做不了这么土的东西就这种感觉所以我相信技术领域也是一样的就这东西到到一个阶段以后真的就不太需要非要从那边弄一个人什么的对呃其实我觉得把技术做好啊就是就是抛开这些所有的这些东西啊就是积累啊各种各样的东西我猜有可能跟消费品是一样的其实我觉得最重要的东西说到底其实是两个词一个是想象力一个是自信这点很典型就是我创业的那个过程里国内的这些大佬们基本也都见过但是老一辈的是整体上真不相信有一些事中国人能做因为他们那会是Copy to China的受益者然后后边到TMD这代企业家就基本上不相信有什么东西是中国人一定做不了的对他不敢说中国人一定能做但你要说一定做不了这个是很难相信的然后再到更后边的企业家那更是了我觉得这个是一个很自然的一个过程你当时跟投资人讲的那些承诺的那些milestone技术研发产品研发的这些除了那些比较理性务实的部分也有一些吹过牛的吗豪言壮语的那些当时自己也不是很有把握后来居然也实现了的有吗其实很多时候我们不是说比如说十月份实现就十月份就实现了然后再有很多东西其实是可能是晚了几个月实现了对但是确实它都实现了你们在招人的时候是对技术人员都是看什么背景都是要学跟这个相关的吗这个问题我觉得实际上是就对人才的定义其实是导致不同公司做的东西非常不一样的一个非常核心的一个因素我说一下我的理解就是说实际上我自己是花大量的时间去来面试的就是至今为止我们公司所有的算法同学我基本上都是最后一个面试官对然后我觉得比较核心的东西是这样的就是说我觉得是三个东西第一的话其实是足够聪明这个足够聪明其实主要是指就指的是说能够有悟性就是可以来可以来自我学习然后可以来自己来发现一些东西然后第二个的话我觉得其实是说对这个领域非常有热情然后热情这个事其实是没法被表演的他有热情的人跟没热情的其实区别是很大的然后其实还有第三个东西就是说这个领域他其实是没法就是个人英雄主义他一定是需要很多人合作就这个人有没有非常好的能够跟其他人来合作的能力那你们没碰到过那种特别有天才的那种性格特别变态特别讨厌但是就是非常天才的那种也碰到过吧第一我们肯定是碰到过那你会忍住不要吗这个其实挺考验CEO的对然后这其实是一个非常关键的问题据我所知比如说有些公司其实会有些这样的人然后我们公司的话其实是说我们还是会把能够比较好的跟前人合作当成一个非常重要的一个标准来看待它对那你如果真的碰到那种天才型的又很性格很变态的那种你怎么处理你会忍痛不要吗我就会跟他直接讲就是我们能不能那肯定很难他就本性难移对其实我们有这样的人然后他但他后面其实变成了是说他能够很好的能够融入进来我觉得这个事其实环境也有关因为足够好的人他一定是想对他来说一定是做把一个事给做成一定是大于他自己的一些一个对对对对你说什么都很云淡风轻的我很羡慕其实就是我们发现那个就是一个组织里面但这个其实不太成熟因为我们这个组织其实就只有现在只有四百多人你们整个公司现在才四百多人对你这行真不是堆人的才四百多人做了这些四个领域都是 [104:59] 第一梯队然后呢但是我们希望这四个领域都能够变成第一这不是第一梯队你们个别已经是第一了吧对然后个别已经是了鱼音那个是第一对但是那些市场更大了我们其实现在还只能说算是第一梯队还不是第一还有距离其实我发现就是一个组织跟比如说做一个好的AI模型有些是相通之处相通之处是什么呢就是说比如说对一个模型一个表重的东西是它的多样性就是它的商就是它能不能有比如说比如让这个模型做一个问题比如做十次它的结果能不能很不一样基本上就是说它的多样性越大这么这个模型的能力的上限其实就越高我现在发现其实对组织其实也是这样的一个组织的核心比如说之前的公司可能会有两种习惯一种习惯就是说我所有的人都是一个模板然后我这公司就只有一种文化所有人都是符合这个这个文化这是第一种很多公司其实是这样的还有第二种呢就是大公司大公司的话呢是说其实每个人长什么样无所谓但是他会有很多岗位可能一个公司会几百个岗位每个岗位反正会有一个自己的画像这是第二种然后呢我发现其实就是对我们来说其实可能一个更好的方式是说其实我们公司有几个画像就是我们公司其实没有岗位或者现在有但是我认为它不应该有我认为它应该是有几种不同画像的人然后这些几种不同画像的人其实可以做很多事然后呢我们需要的东西其实是能够把几种不同画像的人就是这个组织里面能够有比较好的多样性然后这些人大家能够在一个组织里面给予一些底层的原则能够在一起来工作就排列组合出更大的丰富的多样的东西我觉得这个事其实就是我认为一个就是就是AI原生的公司我觉得它的人才结构应该是这样的对这个是实践中摸索出来的坦白说我觉得现在我们还不是但是我们很明显的我现在很明显的开始发现是说如果能变成这样我觉得我们可能再上一个台阶对所以你觉得这个在公司管理上的这个这个逻辑跟那个你们技术研发的时候那些是相通的对但它其实两个问题肯定肯定是有区别但是我觉得这些底层原则好像是其实我觉得还是挺像的对你是擅长做管理或喜欢做管理的人吗还是就是创业的过程中不得不做还是找了一个靠谱的合伙人负担了这部分我其实不太喜欢做管理这个就是很闲门的事好像没有几个老板是愿意做管理的至少我没听说他有可能他不承认比如说他愿意做管理但你对公众讲说我是一个特别爱做管理的老板这谁爱听所以他肯定说我喜欢技术我喜欢产品我喜欢什么我觉得核心是说其实管理带来的杠杆太低了但是就比如说做一些东西的突破带的杆尔其实非常高对然后其实我觉得我自己不太喜欢来做管理但是我自己非常研究非常喜欢来研究组织对因为我觉得就是说比如说很多管理的问题我觉得其实是组织不顺导致组织不顺就是像刚刚最开始提到的就是说比如说一个产品经理或者一个开发的同学一个算法同学或者一个测试的同学我觉得他在不同的阶段承担的职责他不应该是按照一个互联网的一个公司的定义来的那样一个职他应该是在我们这种组织里面他应该是有自己的一个定义的变形变动阶段其实不一样然后在不同阶段之间不同的这种人大家之间是一个什么样的关系这个事我觉得其实是非常微妙的变这个事的杠杆其实非常的大对坦白的说是说如果我觉得我们如果不是说在某些时间内做了一些这样组织上的创新我觉得我们很多的模型其实做不出来的但说实话要是400来人的话管理倒不是特别核心的一个问题从产出上组织很重要但管理可能没那么重要对我觉得是组织是一个对至少现在我确实是这么热还有你们这个领域现在又是一门显学你们阶段性的成果又很好可能整个团队士气什么的还是比较理想的一个状态吧我觉得其实还是比较起伏的就是说对原的话是因为我们其实很多时候也会失败然后各个的时间点是不是能守住对这其实很关键然后第二呢是说怎么说呢就是说整个行业其实就是竞争也很激烈但是这个东西我觉得科幻说不能叫竞争吧就是说从比如说一年多以前百磨大人到现在其实剩下的人都是非常强的人对都是非常强的对是然后呢并且是说呢就是我们很多的有部分的业务是在海外海外那公司其实就更强了就这事其实还是会带来很多挑战的你们这个公司我还觉得有一点在外边看就不好理解是你们明显是一个技术驱动型的公司从老板开始都是但是为什么你们图示意的那几个产品成绩那么好就是你们过程中找了很 [109:59] 调普的合伙人或产品岗位上的人还是你们都是靠着聪明都是技术出身的把产品也给学明白了还是怎样首先我公司里面其实是有非常好的产品经历的然后我们也招过那种更资深的产品经历但坦白的说其实至少在我们的公司里面单内人都是好人但在我们这个公司里面其实是并没有那么成功我们在公司里面真正成功的产品经历其实是一些其实是一些非常年轻的产品经历也是自己土壤里长出来的可以这么理解就是就来的时候不自身对但来的时候不自身但他们已经是产品经理了对基本的专业素养是有的对对对然后他们的特点就是说第一就是说对技术的理解还是非常深的然后第二是说其实是我觉得在产品上还是有天分的所以把好几个图示的产品做得好是因为还是找对了几个非常优秀的人对但是坦白说我觉得我们的提升空间还是比较大的提升空间是说他来这的话能做的事情比较就是他不像大厂里你只能给你盯一个小块吗到这儿其实有发挥空间对我指的是说就是我自己的产品他的表现还是可以再提升很多的我知道就硬核的技术也强所以其实产品经理有想法是技术能跟上在这个领域的这个阶段至关重要要不然想了很多很牛的你技术跟不上其实也没用对这个就是在传统的那种话语体系里面叫生产力跟生产关系这个词有点土不土只是被说烂了其实道理是对的对所以你们第一个被关注的那个是GLOW对那个是做国际化了吗还是制作了国内那个没有那个产品现在其实已经不运营了我知道就很快就不做了但是前半数据非常好对那个产品那个其实是第一个类似这样的AI产品我觉得那个其实是我们第一次来其实是我们自己公司第一次来知道怎么来做一个随便产品就是在其实我们最开始做的时候我们甚至公司里面可能都没有其实我们都没有扣端的开发那怎么做的限决限干的对就基本上就这么一个状态我记得当时的那个最开始的他QPS就是是1就是就是就是现在就是一秒可以想可以想可以想一次那我们整个公司的算力的QPS是12023年的时候你们估值就超了10亿然后基本上整个发展轨迹看的话每年都在翻几倍这个增长是非常迅猛的然后这个里边就是这么迅猛的发展也是完全符合你当初的预期吗还是对这个我特别想听一个真实的说法就是你们实际发展是超出预期的还是低于预期的其实我觉得大概是这样就是说如果现在看四年前其实是三年多以前我觉得我们肯定是我觉得其实是超出三年前的我们的自我的预期一个预期的但是呢是说比如说如果我们看这个比如说比一个比较短期比如说看我们现在跟六个月之前比不是跟一年前比就比如说在一年以前到现在我们能不能做得更好我们至少我自己大部分的时候的理解都是我们可以做的显著的更好对那你如果好几次都这样的话那你觉得问题出在哪了呢我觉得其实就是我自己觉得但这个事我不知道算不算POA自己对但是这个我会这么来想就是我自己觉得这个核心还是其实核心还是呃就是很多时候的认知水平呃就是不太够这种水平不太够的指的就是指的事情是说就是嗯比如说对info的理解比如说对业务的理解比如说对技术方向的理解呃比如说对团队的理解其实就是说包括对人才的理解其实就是说我发现就是说当把某东西的理解能够更深一层往往公司就能够再上一个小台阶然后呢但这个突破速度其实有时候是很慢的因为我的很多突破这肯定是自我POA对但对CEO来讲自己POA自己是没什么毛病的因为怎么说呢因为有的时候这种东西其实很多时候得靠自己来悟虽然也会可以跟很多优秀人来沟通学习但很多时候最终还是得自己能够能够快过这个坎对我觉得主要这个我觉得其实是一个比较大的瓶颈那你觉得这创业这几年自己的进步啊进化啊学习那个这个速度没有达到你自己的期许因为行业里面有很多很强的人对啊比如说梁文峰最顶尖的都凑一块了对对其实有很多比比如说相比于三年前这些的差距我就现在差距其实影响了很多了但是呢就是你可以发现 [114:59] 类似这样的人其实还有非常多的就是值得自己学习的优点你跟联网分手吗交流多吗可能每年会交流几次他是在之前你们就早就互相知道对吧就在春节引爆那之前对他们刚开始Deepseek成立之前当时就认识应该就是他在筹备Deepseek的时候你们这几个最top的AI创业公司的老板们交流多吗因为出席各种活动可能时不时的会见面但是你们私下交流什么多吗这些其实跟其中有些人交流多吧对因为这种事我始终觉得是一个很好玩很复杂有时候也是很尴尬的事就是有的时候你可能因为某些原因对这些竞争对手们有喜欢的有尊重的但是本质又是实实在在的残酷的竞争关系所以就挺有意思你看车企的老板们很有意思他们去车展其实都是竞争的你死我活甚至互相捅刀子下黑手但在那还要表演出那种亲如兄弟的那种那个感觉特别有意思你们倒不用这样但是也有没有什么类似好玩的事情其实我觉得这个主要矛盾实际上其实根本不是说创业公司之间相互来竞争其实更大的矛盾在于是说比如说中国的这些传统的互联网巨头其实是非常强的就知道从资源的层面虽然说资源利用效率不一定高但是资源本身是足够多的那比如说中国公司根本有公司的这个技术差距其实这两个才是主要矛盾创业公司之间的唯一的竞争可能就是一些融资什么之类的但这个东西其实是小事明白所以还没到那种但本质上是因为不像车企那种你死我活的关系我觉得本质上还是还得变得更强才可以对才有资格谈更严重的更激烈的对抗明白现在动不动就什么极小龙极小火的那种说法你自己是怎么定位的一般来讲这种被并列成疾瘾瘾疾瘾瘾以后头部的都不太高兴然后尾部的都挺高兴的你们肯定在这是有优势的所以你是对这个是无所谓还是什么样我其实也不太知道为什么会这么来讲但是我认为这个里面我觉得最重要的事还是就是就刚才说了其实两个最主要的矛盾还是跟美国最top的公司之间技术水平研发能力商业水平是什么样一个对比跟中国的互联网大厂之间是一个什么对比所以说其实这两个东西来考虑其实这些创业公司之间怎么来排名其实实际上是不重要的对并且实际上比如说人才的竞争如果数量来看其实是在大厂的是然后其实我也觉得挺不聊的就媒体喜欢炒这些东西你怎么考虑你们未来寻求突破的方式就是说你要一项一项的都功课然后最后把它整合起来是一个超强的这么一个多模胎的模型但是如果朝这个方向去听起来肯定是对的但朝这个方向去跟大公司怎么在阶段性的完成差异化竞争呢你们长大了以后当然就不是问题但这个过程中的差异化怎么实现呢实际上这个问题我觉得是非常微妙的就是说我们这么来做的代价其实很大的它的代价是说比如说你做了四个那一定没有做一个资源更聚焦但是好处呢它的好处还没见到因为好处的这段核台起之后才会真正见到但这个还没发生所以说其实坑来说我觉得我们现在实际上是最虚弱的时候首先核台起这件事我觉得它一定会发生原来的话是因为就3221就是一个例子它已经发生了虽然它还没核得那么好但它这趋势其实已经出现了然后第二个的话是说我觉得是说那至少是说我们的技术积累包括我们的人员组织不会说这些人之间每个人是一个自己的利益群体之间没法合作然后这种事其实在我们这其实也没有所以说我自己觉得就是说从这个技术积累跟组织上我觉得我们的这个还是非常适合来实现这件事的但相比达上的缺点是说我们的资源比他们更少但是我没太听明白就是你怎么在阶段性的就是做差异刚才我没太听明白阶段性差异的话实际上它是一些东西的取舍它就有点像一个车那个车你的电池要搞多大然后定价怎么来定然后内饰怎么来弄其实就是一些东西之间的取舍然后定义是一辆车对模型其实也是一样但最后在这样取舍的过程中如果发展的足够壮大将来就可以把每个都做好对那比如说我们这每个东西都有那至少是说我们是有资格来取舍的对吧对过程策略对然后那个你们目前为止C端最成功的stocking [119:59] 对吧对Talki然后其实我们的海螺也挺成功的比例呢比例的话大概就是如果从用量最大的肯定是他但如果从收入的维度来说其实现在最大的是那个就是视频还有那个API对然后就是当时做那个聊天机器人的那几家后来都不太行了为什么Talki一直独秀甚至超过了character AI呢你觉得做对了哪些事情我觉得其实我觉得实际上我觉得还没有我看数据是超过那个谁character AI那个数据反正有几个版本吧反正旗鼓相当嘛我觉得实质还是那个吧就是说我们自己还是在坚持的做更智能的模型相当是说我们不是说做出来的talking我们的模型就停在那个产品里面了而是说我们一定是把模型做了原来智能然后用智能更智能的模型来升级它然后那些其他的人呢就是说他们比如说做这个产品他们整个公司将来他的智能水平就被这个产品给限制住了而这两个其实是非常不一样的因为这里面最大的红利还是说模型的智能程度在越来越好这个红利是最不能放弃的一个红利我看到的分析因为Talky我没用过Character AI初期我用过后来也不用了我看到的分析是说你们比Character AI的话那个技术上明显有优势吗其实是因为我们那个图片语言声音就是本来他就声音是肯定是其实都有他一开始其实只有文字这其实就很不一样现在他那些也都有了吗对他有了但是呢那家公司他的核心团队去谷歌之后他们其实也没有人做研发了然后我们自己的模型还在不停的进步对我看过新闻他又被弄回谷歌了对对对其实我觉得就是说比如说到底是技术驱动还是产品驱动还是业务驱动这个事他其实不太取悦是说我是就这个公司的主力人员是做啥的他其实是取悦是说在不同的阶段什么东西的进步速度最快就是在当前这个阶段一定是技术进步速度是最快的可能比如说再过两三年有可能是变成了是说技术可能会到一个平静期然后那个时候有可能是说比如说技术差不多的谁产品强谁对我觉得不同阶段是不一样的所以你认为Torkey的成功其实主要还是因为技术方面的综合优势对我觉得首先我觉得也没那么成功可能就是有一点小的一些进展吧但这个是我觉得这么谦虚吗我看那个数据还挺好的对我觉得这个怎么说呢就是核心还是要看那些更牛X公司他们的情况就是你把目标定的更高对对我看还一个就是说说你这个产品跟别人差异性比较明显的地方就是加了很多游戏元素对使得这个对话本身是一个对话游戏而不是一个单纯的对话机器对这个的话其实有中国团队的这种优势因为中国的游戏其实也做的很就很成功所以你们这个产品团队有游戏背景的过来吗有投资人我倒是知道因为我自己其实也有时候也经常玩游戏现在还有时间玩吗基本没了吧上次玩可能是半年前所以你自己就是这方面也是有sense的然后产品团队也有懂游戏的对对明白然后你们有了这些海量的用户以后这件事对训练更好的模型本身有十字性帮助吗还是有吗对这个其实是一个非常好的问题因为我听到截然不同的两种说法对就比如说在比如说在那个推荐里面对吧比如在抖音里面或者在视频号里面显示用户越多内容量越大然后看的视频就越准然后呢但是在这个里面呢其实我觉得是不太一样的原来的话是因为就是AI的产品不管它是一个生产力的产品还是一个娱乐型的产品它本质上是在提供一些某种治理对然后呢就是某种按照token来算的治理然后在这个里面的话呢是说其实它的核心是说它的质地水平是不是足够高然后呢质地水平足够足够高这些事呢其实它不太取悦是说你的用户量多大而是取悦是说这个质量有多好然后以及能不能找到那些真正有效的能够来让模型变得更聪明的这样一些分布其实核心就是其实核心是这么一件事你可以想象成这个房间里面很多很多东西都在里面但是其实需要做的事情是说不是把所有东西都用起来而是说从里面找到那些最精华的东西然后把它给用起来那你们这个C端产品有这么大的用户量以后发现对大模型本身的贡献大吗还是一些辅助的边缘的作用首先这些东西是有用的但是这不是最有用的然后最后的东西还是说我们对智能的定义到底是啥然后这个东西呢它应该是什么样的分布它应该怎么来被评测就比如举例子 [124:59] 东西其实就跟高考比如说跟人高考一样比如说大家在高中的时候学啥很多人就是高考是啥他就学啥本账是优化的是这样东西当然他不一定完全对但是他其实整体来说还是很好的我觉得大部分也是一样的他的核心是说我们要刷的题到底是啥然后这个题他的多样性是不是足够高我觉得这个事其实决定了可能70%的东西然后对这个东西的定义其实不同的公司是非常不一样的对明白还有一个理论是说那种高频使用聊天去在那里边跟那个机器人聊天的这些人有一些统计是表明他们在正常在人群里不是相对是一个特定的人群比如说性格比较自闭不愿意跟人打交道然后还有一些什么就那种倾向比如容易幻想这个群体其实是这样的其实其实里面是就是呃实际上他经常能够收到很多感谢信就是说他呃确实是帮助一些人度过了他们人生中比较难的一段时间像什么心理啊什么精神啊那样的一个周期什么的对对对对所以他这个数据我我一直就奇怪就是说其实如果它里边就算有有用的然后你们采集的又足够庞大但它是一个非常特定的群体的话就怎么实现对更多正常群体的这个东西比如说为什么在过去几个月其实有不少的中国公司包括我们在内其实有几家中国公司其实至少在语言模型上其实都做出来一些视频比较高的模型我觉得这么一个比较核心的原因是在于是说对智能的理解变高了就对什么叫智能这件事的定义变得更加精准了然后他毕竟是找到了一些方法能够来直接来优化它对这些东西其实它的核心不是用户数据我也是之前认识就是特别浅的时候就觉得如果一个做模型的公司同时又有海量的数据的话应该是特别如虎添翼的一个事但后来对包括多莫泰也是大家老想说我们弄出一个AI眼镜如果能让几千万人上一人戴上是不是就啥都解决了但这个我听搞多莫泰的人说也不是这样的我看一个挺好玩就Deep Sick火了的时候美国有一个脱口球节目在那说说这个你看中国人多厉害他说他们连名字他连英文名字起的都是对的对他说你想用AI干一点那种serious job的时候他叫deep seek你一听就知道是干啥的他说你看我们这些什么没有人知道什么是grok然后什么就反而起了一大堆那种怪名字什么GPTGPT奥特曼自己都说是错的名字历史上就是在这个互联网上就见过最糟糕的产品命名但它后面还是越来越怪就每一个那个版本也是你看着一头雾水对太奇怪了这个也是说明这个行业确实是非常技术驱动的连这么奇怪的名字这种时候在互联网公司都是事故对吧这么事故的名字也都能起出来但它起步的时候是硬核的硬核的科技那就没办法对但凡有一个技术起古相当起这名字基本就死定了对好然后就是你们国内国外同时在做这件事是一个有意思的吗还是发展的过程中自然形成了这样其实自然形成自然形成的我们认为就是用户愿意给产品真正付钱其实是一个非常核心的标准对然后这件事呢就是说就是这个事它一定是在海外是最先发生的当然然后呢并且是在海外的其实竞争是更激烈的这个的话其实也会能够帮助我们就是真的把技术能够做到最好对因为在那边其实无依无靠就只能是靠自己的技术跟产品能力其实也没有其他的可以靠的东西其他资源对你们海外团队有多少人这个分驻扎在海外的和在国内做海外工作的我们海外团队其实很小大概可能就只有二三十个人二三十个人对那那个就是研发可能是很多都是附用的但是产品也还好但是像什么运营什么那些什么商业化那些就这点人够是吗其实不够我们现在非常明显的发现是说如果我们的这个运营变得更多那他的业务就会变得更好如果我们在本地有些比如说有些市场的同学那我们在当地的B端的提升也会很快就是现在我们就正好出在一个是说非常明显就是说跟不上对非常明显的发现我们的人力是不够的配套的人力不够对那有计划就是 [129:59] 在海外多招一些吗有你现在一年有多长时间在国内有多长时间在海外就是我大部分时间其实是在国内的因为我大部分时间其实是花在做研发上对所以那些做具体业务的人可能在海外时间多一些对他们的时间很多然后有些同事其实主要就在其实主要可能大部分时间其实就都在海外然后现在我们其实也有一些在一些本来就是家就在当地的人哎呀我就不知道什么时候大家能在AI和大模型领域里想出那种非常天才的收费方式不是直接收费你懂我意思吗就以前你看大家都说中国人阅读不付费后来出了个起点中文网然后呢每次什么几分钱几毛都那么看看一个章节然后他那种都是玄幻呢什么盗墓那种特别每一个章回结束的时候都是有勾子嘛然后就吸引人一直看一直看最后在起点上看完一个长篇小说说耗费的钱是比买一个实体书还要贵两三倍大家也接受了但如果你直接按他三分之一的定价要你一次性付费这个好像就怎么都不所以我是特别希望就是说谁能在这个领域里想出一个天才的收费方式使得中国也能遍地开花这个事我正好想请教一下就是因为你带货肯定是第一那比如说在豆包里面带货你觉得会怎么样或者你觉得这是一个没个生死的事吗你说带货跟AI的结合就比如说豆包里面比如说回复的时候给你来几个推荐的商品理论上将来的AI会比今天的任何一个什么用户画像都要来的准确因为他知道了你的全部然后会使得这么说咱们现在用算法推荐的方式那些大的电商平台那个算法都优化的特别好你像我在淘宝里经常就啥也不买我就在推荐楼里看因为时间长了他推的十个东西我有三个感兴趣这就很恐怖了你要知道它是个商品我就会经常买一些没必要的东西当然都是零碎的了不少值钱但是就会一直买但我想象了一下将来AIA完全普及了之后我打开一个电商的东西可能我推十个有八九个想买这个其实是很恐怖的就很了不起的所以我觉得他我很期待尽早看到那天但就是现在还是除了效率工具这类的实实在在的大家要为这个花钱在中国还是太难了但也有可能谁想到天才的盈利模式不直接收费变相收费的在中国特别多你看游戏国外就是一个一个硬卖拷贝咱们这虚拟产品这是文化传统习惯这些是客观事实咱们就尊重事实吧就是你要他一次性的投入买硬拷贝是很难的但是很多游戏里边做了那种做购物之家那种引诱你付费的最后比直接卖硬拷贝赚的还多所以就说AI领域里是不是我尽快我不是这方面的头脑但是我希望有这种天才的聪明的生意头脑的人能尽快发明这个这样的话可能对中国产业整体上是一个特别好的就是之前有一次看过一个类比我觉得挺有意思的就是说他觉得就是说可能就是就生产力的这种产品有点像做了一个冰箱但在冰箱发明之后赚最多钱的其实是卖可口可乐的对吧然后现在的话大家做的这些效率类的反正本质上就是大家可以做冰箱了然后刚才你说的这种更加创意的这样的商业模式或者产品有可能是那些消费品我个人认为这个事其实是越来越有可能了我个人认为Sorror2其实是一个例子原话是因为Sorror2其实是第一个是说大众化的然后AI驱动的可以来做社交跟内容消费的这样的产品其实已经有了但那个东西要不是补贴赔钱的话感觉盈利遥遥无奇但是其实你可以发现是说比如说他现在里面的内容相比于在大概是在11的时候他刚做出来的时候其实也就过了一个月多一点他的内容其实已经非常的不一样我就当时试了一下在当时的内容你看其实都很无聊对吧对对对现在这种那种消费性其实已经很好了所以就有一帮有创意的头脑已经进去开做UG4对但是这个它不一定就是一个322的这个ABP我只是说这件事我觉得可能是一个标志是说就是AI的消费性跟社交属性其实是越来强了就是除了生产力之外类似这样的产品其实也可以出现了变成它的粘性也很好 [134:59] 我觉得再往半年之后来看我觉得这样的事有可能是真的会发生越来越多对但是我听到一个理论我怎么怀疑好像是你跟我说的上次就是有一个理论是说虽然Token成本会不断下降但是实际上呢如果真正的要把AI用好很多时候要超多轮的对话所以导致它Token的需求也会暴涨甚至Token需求的增长会高于Token成本下降的速度在这种体面确实是这样是所以这使得我们希望很快实现这个token随便用这件事可能遥遥无期但是好处是这样的就比如说之前比如说比如说你在一个AI助手里面给他都是相当于他的回答只是给你回答的他相当于是这个东西比如说我看可能是对我来说是没用的所以他的所有token的消耗都是服务一个人的但是在现在比如说像这种随着AI能够做出来的内容的水平越来越高不管是SR这样的做出来一些比较有趣的视频还是比如说做深度研究它出来的东西其实是可以值得被很多人看的那这样的话相当于是说虽然说它的成本变高了但是它的消费性也变高了很多这就涉及到另一个做AI产品的理论就是大家说老说AI native的软件但是有一个方向是用AI native的方式就是用AI做出一次性产出一个内容或者是用可控的成本产出一个内容然后让大家反复消费而不是每个人过来都生成一次对 我觉得其实AI我感觉虽然它的模型能力越来越强我觉得它可能会越来越到后面一个阶段就是它可以被重复的消费跟使用其实我们团队正在做一个类似这样的东西那还是挺期待的我给你举个数据比如说你知道现在比如说现在全世界每天用AI产生的视频有多少吗不知道你猜这个数大概是什么范围的千万级对其实应该每天是千万级对肯定是比千万要大的对我们自己每天也产生大概两万万以上这么大的量但这些视频不一定都被传播了但是它产量其实现在一天就这么多了真是将来只要有想法就行我看你们那个上完了以后有那个是什么动物跳水那个就是UGC的吧不是你们团队不是我们自己做的是有人用这个模型自己做的然后突然就火的到处都是然后我再举个例子其实挺过瘾的比如说小红书每天就投稿量可能也是这个量级的你说AI创造的内容在小红书里不是就是整个的包括人在内可能也就是千万这个量级的我明白你意思就小红书这么一个具欧霸的这么一个软件其实它也就不过是这个数所以全球现在用AI的已经能跟小红书的量媲美了对就是产生的内容的数量对所以说我觉得这个事其实在半年前还没有发生因为半年前没有一个视频模型能变得东西可用这个例子其实是一个非常快也就是半年之内发生的事这么想想还挺兴奋的你看以前像拍摄的设备贼贵所以使得年轻人再怎么有创意如果只有极个别的几个方式能去做影像工作者比如说去电影学院去做什么就做这种专业工种才有可能后来先是DV再后来是数码的影像然后现在民用的设备都好的要死结果突然中国这个做视频的年轻人就优秀的一塌糊涂拿到世界任何国家都是一线的所以这个AI也是解放了这个这个就是等于是他技术上解放了然后使得有创意有头脑的可能就一零后吧可能就会批量的出现那些天才的作品对因为他实际上他确实是让这个创造人群其实又变得更大了然后又大了一个量级门槛又进一步降低对行吧我希望这一天尽快来因为现在就是压在头上我们做AI压在头上最大的一个难题就是这个成本问题然后总是想了一堆东西大家坐一块开始聊成本聊完了以后说这个再等两年什么就经常有这种话题所以我特希望我们不是擅长做那种阳力模式啊那种头脑的团队所以就希望是不是有人能琢磨出一道一个不是直接应收费的在中国实现遍地开花的这种效果我是用你们的那个声音克隆的那个那个feature的时候感觉特别吓人就是先是我同事复制了我的声音他只不过在网上用了几分钟的然后复制出来以后我听完了就喊毛都竖起来了因为以前高德导航也叫我去录过音那个年代的技术是拿着几万字然后录上一个全天可能六到八个小时然后他们再去切那个语料然后要求特别高你讲的时候要在录音棚里 [139:59] 连续中间当然有些时间但是一个整天录六到八个小时要求全程情绪是平稳的要不然剪出来声音就哪哪都不对了就反而很复杂现在是用几十秒的声音就能克隆的自己本人听的都毛骨悚然然后我是自己听完了吓了一跳然后我就一口气听了好几分钟就发现那个一假乱真的情况下如果你坚持听几分钟那个语调的那个波动和那些还没有人的那么灵活丰富但是我拿着他给我老婆听了好几分钟他就问我你给我放这干啥我就找了一段文本用我的声音读我说你先听然后他又认真听了一会儿他说不是你让我听这个干啥我说你接着听然后他就很不耐烦在那皱着眉头在那听听了好几分钟然后他说行了行了你到底要干啥我说你有没有听出来这是假的这就不可思议就是真的如果你不是带着戒备或者是早茶几乎听不出来那这块是下了什么样的功夫能能实现这个以及这个的长期价值在什么地方因为很多人担心这个第一反应是用来做坏事对吧所以就第一是你们怎么做的以至于这能做到全球第一第二是这个长期的价值在哪里我们做个事其实目的不是为了克隆声音我的目的其实是为了提供很多高品质的声音实际上它的真正用法最多的时候其实是来自于是说用户生成一些新的音色它的真正的大部分的用法其实是说用户会用它创建出来一些比较好的一些音色然后用一些音色来创作内容比如说很多比如说做视频的人他的声音不一定好听对吧然后比如说举例子比如现在其实比如说很多人喜欢听有声书但大部分的有声书其实是可能得需要人来读但读的其实很慢而且有一些纯电脑合成的品质很差你听不进去对然后还有一些情况是说比如说有一些这种比如说客服之类的那就是相当于很多时候比如人也盲目过来我们其实最开始的东西其实我们只是想做一个声音模型我们其实根本不知道这个东西会不会用在什么地方只是我们用做语言模型的方式一开始我们不是每个模态分别做然后我们就是用了语言模型团的基础做了一个声音的模型就是一个纯这种Trformular的这样一个声音模型然后做出来之后发现它就这样了等于克隆本身是个副产品对它就这样了并且这个东西其实我们实际上我们公司里都没有几个人都没有几个语言专家他就很早就变成这样变成这样之后然后其实我们就我觉得我们在这个领域里面还是开创了很多使用场景的比如说最早的时候其实是这种有声书或者就是一些视频内容的就是一些内容的创作这是第一代其实现在国内有可能有我猜可能有几一半的有声书其实是用我们这个模型来做出来的然后是第一个然后第二个的话呢是说就是后面的话其实有很多这种玩具玩具里面的现在声音其实也搞了很多很多大概这面很多玩具其实也是我们的这个声音来驱动出来的然后今年呢其实就会有些就是我觉得价值更大的一些场景其实就是客服然后呢客服的话呢是说其实客服是一个压力很大的职业因为经常就会有比如说有人投诉可能就会情绪就发现了客服上其实其实那个然后并且有的时候比如出来一些实验的时候客服也忙不过来现在的话其实就是说这个东西在国内的普遇率还不高但在海外其实AI客服的普遇率非常高其实就是这里面的话就是有一个比较标志性的东西就是直到今年可以实现的东西是说其实很多时候比如说用户打完AI的科幅用户就开始会说谢谢了这是个标志性的意味着它的体验是足够好了那还真是了不起而且我说实话他们网上说这个克隆声音老想着干坏事我都我其实我们短暂的在垂直科技那会儿短暂的做过智能音箱后来就一个项目做了一半就停了我一直觉得克隆声音本身有很多价值尤其现在有一个那个时候不流行这个词现在老说这个情绪价值情绪价值对人是很重要的人是感性的嘛那我觉得克隆声音有很多应用价值比如说异地恋的情侣用对方的声音去播报新闻或者是去听那些东西然后再比如说家里有人去世就尤其是年轻就出事的那老了都不算哈就年轻出事的有时候你要走出那个心里的那个周期可能还是把他的生意复制了每天陪着你可能你知道吧我在电影里看过科幻电影里看过类似的场景然后再比如说那个用孩子的生活 [144:59] 给不住在一起的爷爷奶奶每天报新闻报天气什么的就我们当时做智能音箱的时候是考虑过的但那个时候克隆一个音色可太疲劳了就是第一你不能用户自己做必须专业的人给你做第二的话得用几个小时的材料然后还得是有高度苛刻要求的几个小时的语料才能把这个做出来而且那个真实程度跟现在你们做那个也完全比不了所以我是觉得克隆声音本身有很多价值就这个的话就是现在在国内的话基本上是这样就是说其实还是花了非常多精力并远他被滥用的一个的话就是只有企业才有才可以这么来做如果是个人的话其实需要做非常严格的验证才可以对然后这个里面的话就是说其实这个声音这个量还是非常惊人的我们做的时候我们肯定是没想到就是说现在的话基本上就是说每天我们发现就是用这个模型合成的声音大概一天可能有快进一百万小时了每天那也很惊人了以前没想有这么大需求还有对追星的也是很好的心理安慰那些明星偶像他除了上班演出平时也不能老陪着你然后你把你喜欢的偶像的声音复制了但你不商业化你只能自己听就你不能把它拿着就让别人也用就你只能自己用嘛那这些其实对那些明星偶像来讲也不损失但是对他的粉丝来讲是一个很好的就是一个情绪价值所以我觉得声音克隆有很多积极的但他们反而一听这个就像Photoshop刚流行的时候说那以后这个照片还有什么整的其实最后发现还是就是正面积极的远大于那些可能的负面而且负面的还有技术手段来规避对好 然后这就涉及到一个比较讨论的多的一个陈词难调的问题但我还觉得跟每一个搞AI的这些CEO们聊聊挺有意思的就是将来人们可以无限制的使用AI以后我们说那些审查是说量上然后AI的能力也越来越好所以我们怎么区分真的怎么是AI的这些可能不可避免的要走到用立法途径来解决对就你们有的时候不管是工作的时候还是先聊的时候会想或会考虑这些问题吗首先这个事在中国其实是有法律的就中国的话有网络安全法中国的话其实还有一些关于甚至是人工智能的一些规定然后这个里面其实我觉得中国在这一块是做的其实是比较领先的这个领先是指走在了前面管得比较细致然后安全考虑的多还是基于对技术的理解然后指定了相应动航的靠谱的相关法我觉得是后面一个就相对是中国至少是有东西可以来依据的变这个事其实是充分考虑的行业的发展技术的发展以及一些实际的这些可能的风险不是盲目管控的对不是盲目管控中国其实有这个东西的其实你可以看美国欧洲其实现在是没有这些东西的并且他们的话其实经常会被反复的推翻当一个技术一开始有的时候总有人会想用它来做坏事其实你看当时短视频时代也是这样的可能微信一开始也会用它来做坏事但是后面的话当这个事变得越来越大众之后其实发现大部分时候做的还是好事对那时候短信息突然免费了大家不就说那这是什么用来干坏事以前一条是一毛还是多少对吧手机时代对一毛就那个Facefront时代对其实我觉得多数时候这类的都是就是起人忧天配套的安全措施肯定会跟进嘛好然后你想过那个AI眼镜这东西当然现在还是我们自己搞了一年的AI就放弃了因为真的遥遥无期要做一个我们理想的一个全功能的AI眼镜要十年内都不可能但是我想说的是你想象将来如果我们人人都戴上AI眼镜或AR眼镜以后这个隐私怎么解决它又录音又录像的你想过这些方面吗这是纯闲聊的话题我大概去年对吧去年我买过一个AI眼镜当时是雷鹏跟Meta的买过戴了一段时间发现这个反正戴上之后确实拍照就一天拍的照片而且比这种手机多了很多是假设他可以全天工作我们现在聚会上经常有这种情况饭馆一个包间然后进来一个哥们戴着一个眼睛所以大家都不敢说话了大家说你把那个眼睛先拿下来你想干啥即使开玩笑也是严肃的然后他也知道什么意思然后喝一乐说行行行拿下来他说你看我当着你们面 [149:59] 关了就按那个长按然后把那个机器关了所以我一直在想就是说这东西呢现在是技术上产品上没有做到让人都想买想带但真到那点的话立法部配套跟上的话其实会造成一个人人之危的这么一个社交氛围对其实还有你看比如说那个OpenAI在做那个硬件就是那挂在脖子上的其实也是类似的对所以全天记录这谁受得了对但是其实原谅还是说比如说手机其实也可以录音但它就比较显性而且很多国家还有法律师你要打开拍照录像还要有一个明确的音效让人听到还有一些好玩的数据像Plot做了一个薄片的录音设备那个在海外卖的很好那个你有用过吗我试过我没啥用其实它就是说是怎么AI其实就是录音笔超包录音笔只不过生成的东西用软件转了什么就开会什么就做了一个什么总结什么提炼任务之类的所以对我来讲它跟AI硬件没什么太大关系就是个录音笔我自己有个想法不知道对不对我觉得将来这种录音录像如果变成是always on的是全天的可能只有立法是唯一的解决途径就是让这东西吧就跟现在那个拍照有一些国家是强制要咔嚓响对就跟那个道理一样诶 苹果手机挺有意思的他你拿着到某些国家去你关了净一案他也想对 在日本想对对中国是可以回来就没事了对 就类似这种所以我的理解是这是我们做AI软件产品的时候想的就是我们脑子的工作原理是什么我们每天看的听的说的都在脑子里但是没有原始的其实我们脑子里有的是一个项量数据库对所以等于就是将来的立法我觉得像眼镜什么这类的全天录音录像的应该是未给AI直接抹掉不留原始的这个是法律强制的所以就等于我戴着眼镜全天咱们聊的说的都有相对就是流逝的对吧对他留下来了一个项链数据库留下了RAG这类的东西但是呢原始的就是录完直接抹掉就是他对流逝的就是边录边抹的只是给他读一遍其实跟人脑的工作原理不就一样吗你一天出去经历的所有事都在你脑子里但哪个也掉不出原始资料是被你总结体内够存下来的必要数据你会关注AI眼镜这些领域吗你有兴趣吗对硬件就是比较早的时候我们其实当时我们认为AI需要跟人交互当时其实我们其实一开始我们做的不是视频其实我们一开始做的是3D但是后面我们没有做3D认为应该做视频跟图片的原因是因为当时的判断是手机还是一个更主要的交互载体可能未来十年都是如果是基于这个逻辑来看的话是说这是一方面但第二方面的话是说比如说在手机上的这些智能就即使比如说没有一个新的交互硬件比如说怎么样把这些模型变得更聪明这件事本身其实就有一个巨大的提升空间所以说基于这样的角度来考虑好像是说就是说这些智能水平的进步这件事或者就是我们做一个做大部分的公司来看其实是相当于是我们的主线肯定是其实就这个事至少它肯定不是我们的主线当然但我的意思是为什么提到关注不关注这个是因为你看移动互联网可以认为是因为乔布斯和苹果为全人类把移动互联网往前愣提了三到五年,这是不夸张的,因为前辈也有智能手机,也能上网都贼难用,后来出了一个很牛逼的硬件之后,他就为整个人类把移动互联网往前拽了三五年,所以AI领域也可能出现某种硬件,也许就是改良过的手机,不知道,但这个东西有可能尽早出现的话能让整个AI视野往前提几年就我说实话我现在你也知道我做过手机对那些失败了然后我现在看他们那些手机真的很生气就AI革命已经三年了从苹果到华米OV到三星基本上屁都没做你觉得是为啥我其实非常不理解这件事我也特别奇怪我一个可能的理解就是这个载道里已经没有创业公司了就他他仅次于汽车在工业制造上仅次于汽车这么大然后越来越复杂成本越来越高然后竞争越来越激烈导致中小企业全部出局了现在全世界就剩这么几个大的然后这几个大的呢没有那个动力如果现在还有一堆中小的手机公司 [154:59] 我觉得AI革命这波就会拼得特别凶争取斗烟的出好东西我感觉会这样但是从另一个角度我们国内尤其国内这个环境你真有中小企业做了牛的他们一看这是对的根基一抄你又完蛋所以真的中国创业环境真的挺凶险的那你看好那种比如说Open要做那个比如脖子上带的我完全不看好你是在中国不看还是在全世界都不看好全世界都不看好我本来就是因为做AR的时候赶上AI时代来了特别兴奋我觉得这两个怎么嫁接最后弄了半天一旦要这个眼镜戴着全日佩戴然后实实在在能干点事然后全天续航然后不发热佩戴不像一个科学怪人而是一个正常的眼镜这些都遥遥无期所以现在就是怎么说呢未来十年我觉得有一些边边角角的什么小玩意儿小挂件有可能卖个百万集几百万有可能但是真正的未来十年可能主要的十年有点夸张了五年吧五年内可能主要的还是手机所以这个就让我特别生气因为如果只是按原来的那个路径继续做手机维持一个什么小公司我也没啥兴趣但是如果借着AI这波做出特别使用特别解决问题的AI手机我觉得是我从产品的角度是很有信心的那这个手机它跟比如说手机上装个智能的APP觉得它的区别会是什么现在手机应用里在AI时代一个严重落伍的事情就是你没法用一个全能的AI助理接管所有的硬件所有的软件三方软件你相当于找了一个活人助理找了个秘书你给了一个手机结果这手机里只有一个应用你能用其他的都不能用就数据没有打通对数据没有打通这个事我觉得是第一步的是OS厂常做就iOS和安卓做因为硬件厂商很难做这个事OS厂商做呢那些三方应用就只能配合但是也要充分考虑利益分配啊不能搞得太太那个天翻地覆了但是这些硬件厂商自己不掌握OS的想做这个事其实也是特别困难的对他们跟软件之间是一个复杂的工程关系谁也不能让谁活不了要不然就会出现这个完全不配合和就是进行不下去的问题对所以这里边最大责任的现在就是谷歌和苹果嗯他们的从OS层面上做一些实实在在的对用户有好处对自己有好处对三方应用巨头有好处对这样的事才行但是反正你看到的结果就是都很差对因为这里边最气人的是谷歌谷歌本身就是AI巨头结果全世界的安卓手机除了中国大陆的基本都是他们说了算结果到现在还是做的很差我其实一直会用那个除了除了除了除了ms一直会用那个谷歌的那个pixel我确实也觉得做的显然是不够的我觉得这里面的可能一个比较核心的问题还是就是利益分配的问题就是说之前比如说就是手机的操作系统跟那个比如说手机上的APP之间反正就通过那个Google PlayApp Store其实反正是一个套大家利益的分配机制反正就是分多少钱分百分数分百分30但是呢就是说在AI上这个事它怎么来分配其实是一个其实其实是一个需要很少人才能定义出来的所以可能最后还是被颠覆这个所有的巨头到了这个时期它不会自己隔自己命对因为因为这就是一个非常直接的一个对一个公司非常大的一笔收入的是是反正这个事是挺难受的就是你眼睁睁看着AI日新月异然后去到手机上还是做一些特别出击的或者特别你想象一下以今天AI聪明的程度车机就做得很好现在接了AI的车机比以前聪明太多了手机反倒做得不行对所以说其实你看过去三年其实AI创新的主阵地其实不是手机其实是外部对是并且是说国际上可能这个领域可能前比如说从输入体验来说比如说前十的产品其实都是从外部上起来的没有就是除了除了中国的比如说豆包之外其他所有的产品都是先做都是外部上靠自然量来做起来的但这个是跟那个什么有关系吧其其其现在还是偏集中在效率工具上所以导致桌面端的或者说网页端的能做的事情比手机上多就效率工具类的我觉得这 [159:59] 是一个原因但是我觉得可能还有一个就是说比如说你看像422这样的东西出来之后其实可以来做娱乐了对吧或者可以来做内容消费了可能比如说明年假设有一些这种比如说用AI能驱动的比如说更加大的这种娱乐型的产品我觉得大率有可能也是我觉得就比如说可能是一个类似游戏这样的东西有可能它也是现在web上甚至这个著名的客户端上先做出来的然后可能再往后可能才会到手机这是我觉得一个比较非常合情的原因是因为就是AI产品就除非我是自己套动或者否则的话就AI产品其实是不太能靠买量就它只能是靠技术带来的产品本身的竞争力然后以及它的基于口碑的自然传播才能做起来否则的话就是一方面要花很多算力的token的钱一方面要花流量的钱这个事其实就非常的不没 sense然后比如说能够这个靠不买量来做起来的这个平台其实就只有这个外部跟这个客户端然后手机上的生态不光是中国还是在海外其实都是非常依赖这个流量分配的是好我们聊下一个就是你们官网显示已经服务了超过五万家企业这些企业客户主要集中在哪些行业然后他们用你们的API最常见的最多的场景是什么其实这些企业的话有分这么几类就是比如说最开始的时候第一类其实就是跟语音相关的这边的话就是比如说国内跟海外大部分的这种这种做声音相关内容的平台其实都会使用我们的这些服务然后除了一家公司之外这个服务相当于是从这种一开始就是做声音内容的后面的话就是做玩具的然后做AI硬件的然后后面的话又是做客服的其实这是一个非常大的一个品类就是声音的然后接下来的话就是做视频的视频的话就是说相当于有很多做各种各样的素材的不管是这种流量的素材还是做一些专业内容这边其实有很多这是我们的第二类的用户群这些大部分是中小企业吧现在其实是有非常多的大企业他们是什么部门用像市场公关那些他们的比如说市场跟增长部门市场增长他们要做大量的素材现在其实很多素材其实是用AI来做的而且效果很好如果有创意的话比这个成品率大概可能比如说80%基本上就是这么一个标准这是第二类然后呢最近呢比如说这个我们的这个Agent模型跟Colimic做出来之后呢其实会有很多企业来这个来不管是国内还是海外会用模型来做构建一些更复杂的这个智能代理就能完成一些更复杂的任务其实我们内部其实也不停在用比如我们内部其实有一个最受欢迎的一个东西其实就是这个我们内部叫实义生就是一个AI的实义生然后他可以比如内部就可以看我们内部的各种各样的代码库然后先生的一些环境有时候先生出点问题这个废书里面跟他聊几句他也可以来改一些先生代码让我们来review完就可以直接上线了不好意思虐待小孩的都虐待他了对现在就是实义生我们就有个话就是实义生也有实义生实义生也有实义生这个东西对我们的帮助非常大尤其重复性劳动烦躁的那些东西交给AI特别好对就比如说举例子比如说线上比如说晚上两点线上的服务挂了这种事正常的传统的时候要打开电脑然后线上来debug现在的话就是跟他聊几分析一下到底哪有问题如果简单问题是聊几他自己就可以改改完之后eview上就可以上线了但样子都不用打开是对这是非常但是传统认为这是非常重的生产力对对其实就很多像科幻般的就一个一个都要实现了对我其实想对尽早试试你们那些我之前只是试了海螺然后还有语音对你可以试一下我们的agint真的强烈建议就是我们agint我们当把它做到我们认为做了它之后其实就是比如在之前比如说在这个远模型上我经常还需要用到一些海外的一些产品那个东西我做完之后我现在基本上就是唯一一个我觉得海外值得用的产品其实就是GT5的那个Pro版就那个一个月200美金的那个版本对200美金一个月200美金的那个版本200美金那个20美金的那个版本我觉得其实也不太需要特意去然后去来用了明白那个Deep Seek爆火之后你们从那个春节开始到现在也快一年了就这期间你们工作上有什么调整吗有其实是有非常大的一个因为首先像我们这种公司肯定每年都在进步因为不进步肯定就挂掉了然后就DeepSick这个事我觉得其实让我们的进步的其实是导致我们 [164:59] 有了一些新的进步我觉得这个进步的话其实核心就是第一点让我们非常深刻的意识到算法跟基础设施一定要是一体的相当于是说一定是所有人要优化一个目标而不是说每个人每一堆人然后有自己的优化目标这个事实其实其实让我们的组织上发生了非常大的变化然后甚至就是有些人可能他可能就不认同这件事可能就离开了我们对这么大的挑战对但是相当于是本来是大家每个人可能会有一个自己的scope但是现在认为那我们没有scope所有人都在服务一个单一的目标所以你们那不是用OK吗对这个的话就是其实是一个我觉得是一个比较典型的例子就是我们为什么认为我们其实AI行业不是互联网行业的自然延伸它是一个新的行业一个比较典型的特点是说其实我们认为其实我们试图用OK我发现根本行不通那KPI更行不通更行不通所以我们需要全新工具所以我们没有工具现在是这么一个状况对没有工具然后我们只会那这个没有工具到了几千人规模还能work吗我觉得这是一个非常大的挑战然后为什么没有工具呢原来的话是因为我们只是说我们的下代模型要做怎么样我们会有一个非常详细的计划但是呢它到底能不能做出来其实严格上严格意义上应该是这个工具是你们这个行业自己弄出来才对对是吧肯定不是用历史工具对但这个东西其实我觉得这是不应该的因为随着要服务的人确实变得更多了我们其实还是需要能够信守我们的承诺但是我们现在其实研发又有非常大的不确定性这个我觉得是一个非常大的一个矛盾然后这是第一点就是为什么跟他不一样一个就是比如说OKR我们没法定第二话其实人才要求其实也不一样了其实就已经不是一拨人了我觉得这是两个非常典型的特点都是全新的或者至少很多是全新的很多是全新的你之前说过如果可以重新选择你就想第一天就开源了为什么会有这样的思想转变因为我们这是给大众看的节目不能聊得太技术了所以你也顺便言简意外的解释一下就是大模型开源和币源对用户的差异对企业的差异对这个不同选择的利弊什么简单三言两语也不见一下对就是开源呢其实就是说相当于把你的模型的所有权数告诉大家大家都可以看虽然说大家可能不一定会自己来还是会通过产品来用不一定会自己把这个代码下下来自己跑但是你想看都可以看到必然的话呢就是说我这个模型多大我这个模型是长什么样的其实我不告诉你但是然后你要你要想用的话就用我的产品吧或者英国的API然后现在的话美国的公司基本上都是必源的美国的头部公司然后中国的比较好的公司除了自己之外大家都开源谁核心的大模型也开源了吗阿里的话没有全部开源阿里的对大部分都开源但是他认为最好的其实没有开源我觉得第一个原因是这样就是说实际上就是模型的权重这个事开源这个事其实这个事比如在水测游系统上其实都发生过苹果是必源的安德国是开源的第二名后面的人他必须得开源才有自己的独特的定位才能发出来新的生态然后对模型其实也是一样对模型来说的话是说我们还是比美国还是落后的在这个情况下的话是说但是为了让我们能够进展其实他又需要能够比如说别人有选择我们的理由然后模型的开放性这个事其实恰好是一个非常重要的理由因为他开放性他可以对你有足够强的技术信任他知道你的研发能力在这然后他也愿意能够比如说跟他深度来合作这个事我觉得是比较重要的是第一点然后第二点是说开源这个事其实我觉得其实一个模型已经做完了对我们来说其实B圆其实也没什么用原话是因为真正给你竞争的企业都会有自己的模型那不给你就没有自己的模型的人他其实也不是我们的竞争对手所以你可以粗暴的理解成有条件必源的话还是必源更有利对商业上可能会更有利商业上更有利但是呢就是说因为我们的这个就是技术还有差距吧所以现在其实并不太具备这样一个资格那你们现在开源了多少我们的语言模型其实都是开源的语言模型是开源的然后我们视频的音频现在还没有开源那计划后边会走开源路线吗有可能我觉得这个东西核心还是取悦于是说我们到底想要啥对 我觉得开源避源其实是一个手段但它不是说我就是个开源的公司或者避源的公司对 它是为了让我们把技术做到更好的中间可以用到一个手 [169:59] 我这么来看的明白你自己跟媒体聊的时候反思过说这个去年让你学会了取舍以后就不再痛苦了那你这个就是这个舍掉的是什么为什么舍掉的时候还不痛苦然后就是你怎么判断这些取舍呢我觉得这么一个核心的东西是说就是说实际上是不能啥都想要就是把其中一小部分做好就是做成其实就是做成一些东西只要能做到最好就已经非常不容易了考虑的问题不应该是说所有东西都要是最好的应该考虑的东西是说基于我们当前的能力我们应该把什么事情能做到最好我们是不是有机会来实现它并且是说这件事是不是可以持续积累我们将来是不是可以变得越来越好我们也不需要要求是说所有事你都是第一然后只要我们应该做好东西做到最好就好了当这件事想明白之后我觉得其实就是至少会轻松一些但这也就是一个阶段性的策略吧因为你们目标是AGI要做通用人工智能那肯定不是说一部分人喜欢就行要解决全人类的问题最终对这个的话就是我们的slogan就是我们叫intelligence with everyone或者是说我们叫 everyone's AI这个确实是我们一个终极目标一个想法然后其实开源跟这个事其实是有对应关系的但是我们一开始其实实际上我觉得很多时候想的还是没那么深为什么我们觉得是我们叫intelligence with everyone原的话是因为我们觉得就是说就是这个世界上最终它一定会有两种东西就是有一种东西可能就是我是这家公司掌控了全世界最好的东西那其他人都给他来付钱可能还有那当这种形式存在的时候一定会有另外一种情况就是说这家公司做了一个对所有人都开放了东西然后并且他不需要那么高的使用成本就是这两个东西一定会同时存在的然后呢那我们觉得那就是就是不管是说从我们的个人的经历来说还是说整个处的这个社会环境来说我们认为我们应该后面那件事其实我觉得是对的那所以说我们就往这个方向来发展对你现在忙成这样还有多少时间就是留给固定的看论文看最新资讯这些东西因为这个东西很痛苦一方面你要没人没人的干活一方面你要紧盯行业动态就两个都缺一不可怎么分配这个时间因为我自己有一个感受就是我们还没有能力做大模型这么吓人的我们只是做一些应用都感觉就是这个日系月异的变化让我感觉单是吸收资讯这一件事就已经牵扯太多精力了就看不完这个就是这个风起云涌的这些这些东西对因为因为因为看论文实在太多了对你怎么取舍这个时间分配什么的实际的情况就是我看论文就跟就可能就跟看短视频是一样的但是你看论文就算你们是专业的是不是也挺烧脑子的怎么可能不烧脑子实际上的我觉得论文跟内容可能是一样的就大部分论文其实是不伤到的大部分内容就跟看短视频一样其实两分钟就可以看完就知道他核心要说什么了其实也有一些非常好的非常值得深入来看的东西那这个东西可能就需要研究很久也分对对对所以其实对大部分的资讯来说其实都还是比较简单可能就是花一个小时然后就可以把一天的东西都可以大部分的东西都可以研究所以你们科研出身的不是看到一个消息说什么什么东西挺牛拿那个软件去试用而是直接看他论文就知道这东西对不对对基本上就是就这么两种吧一种的话就是X上然后有很多新的人在分享对吧有些好的东西大家会在上面来分享还另一样的话就是论文的话比如说对人物智能领域有个网站叫archive上面会有各种各样最新的论文大概一天可能会有几十篇然后基本上就一天干的事就是把一个算大家观众的东西也看一遍然后把那天更新的所有的论文大概几十篇然后看一遍每天最好是每天但有时候会两天因为有时候会出平均一天能占用多长时间可能一个小时那还行对那还是专业看得快当然还有第三点也比较重要就是前面是个人第三点就是说得在一个环境里面就是他得是一个就是有足够多的专业的人大家可以在一起来讨论跟分享互相问你看了吗你看了吗有一些很火的一个人看过了说那没啥意思大家也就是省得浪费时间其实这个东西还是一个持续积累的过程那行 [174:59] 至少比我想的要那个什么对就轻松对然后这个无聊问题别问了他们特别喜欢问企业家有没有经历过特别黑暗特别绝望的时刻我听起来你们这儿肯定是没有的其实是有的是吗那有的话跟我们说其实就是每次模型研发这个失败的话就是最绝望那离绝望还差得远就是我们说那种绝望是指很多企业家创业的过程中甚至有过长达几个月一年极端的那些老一辈学家还有好几年就每天处在倒闭的边缘那种其实对人的心理承受能力什么压力那个是就是很要命那种你们没有吧那种的话我们可能是我觉得是我们心里就是脸皮比较厚心理调研能力比较强就有过几次要出灭顶之灾的情况吗呃有也有哈对啊对我觉得你性格特别好就你感觉就是你知道我意思吗嗯对有佛性对对对我们上次去办公室聊也感觉就是什么东西我也不觉得你不是装的就你挺云淡风轻的能面对很多东西我觉得其实是因为经历过一些事你之前说过就是这个创业是一个苦乐参办的这么一个事还是苦乐参办的教训用Lessence然后这个形容创办一个AGI的公司所以对你来讲这三年最大的苦和最大的乐能分享几个吗这是观众其实就通常会比较爱听我先说乐吧但是苦其实也比较多了但我先说的好我觉得乐的东西其实还是这样的还是比较有机会比如说假设如果不创业其实是我觉得是没有机会是能够跟很多优秀的人在一起的因为这个领域太难了他真的得需要很多好的人在一起才能做出来然后我觉得如果是说没有一个比较好的目标的话也没有说真的是在做一些非常挑战性的话其实不可能有这么多优秀的人大家在一起来工作的我觉得这个事是其实是最本质的然后第二点的话呢是说也发现是说当能做出来一些东西虽然可能有时候很多时候只是一些小的进展的时候其实就可以认识很多外面的优秀的人然后呢这个事其实也有很大的收获对就比如说有些人可能可能比如在三年前可能都不会觉得会认识他们对但是跟他们认识他们之后发现呃就是第一呢可能实际上也实际上确实也没那么神秘但是也能发现一些可能平时之前不太理解的他们那种真正优秀的地方我觉得这两个我觉得就是说呃能够认识很多优秀的人跟很多优秀人带起来合作呃我觉得这是最大的一个呃乐吧对人生的收获吗对其次的话呢是说我们发现是说每当技术提升一代之后确实是能带来一些新的东西然后这新的东西呢就是说但现在还比较虚啊比如说他可能就是一些模型变得更聪明了什么之类的但是我觉得就是说距离这个事比如说AGI比如说他我认为什么叫AGI成功了我觉得应该是AGI能够提升能够真的提升GDP了我觉得才叫AGI成功了是然后这个事我觉得可能不会那么远了对这个想想还挺兴奋的对我觉得相对于是说它已经不是一个科学研究或者技术的它相对于是一个真的能够帮助社会变得更好的这么一类技术并且是说自己在里面能够发挥一些小的作用就算了一革命我觉得这个其实是一个可能其实是一个非常幸运的事比如说那这个事这么大那他凭什么是你们这些人来做对这个最搞技术的人真的特别幸运对因为你还是那么聪明还是学了那么多东西赶上技术平台的停滞期可能就很多年就浪费青春对啊这个事凭什么是我们来做因为我们那我也不是最好的那个对吧或者我甚至那不用聪明的人多其实多了去了对吧所以我觉得这其实是非常幸运的事情这两个我觉得是这个喜吧然后苦的话我觉得我觉得大部分的苦其实是来自于还是刚才说的其实是来自于是说就是很多时候就是认知不太够我听出来了你确实对自己POA的比较厉害就已经做到行业头部还因为不是行业的头然后感到痛苦经常有这种是吧要求太高了这个太严了我觉得苦的话其实主要还是说有时候会感觉到其实会辜负很多人对相当于是说比如说有些事他民运能做得更好 [179:59] 那可能是因为自己太懒了或者自己对于没理解其实阻碍这件事的发生你自己是高度自律的人吗如果我是高度自律的人我应该会就会变得瘦一点这个事我最近有全新的认识我后边也会专门拍一个片子说这个事就是人呢就是有多残有多好色有多懒有多赖床这个值天生是不一样的知道吗所以就很不公平的说比如说有的人早上八点钟眼睛溜元就得起来你让他多躺一会儿他都难受有的人闹钟射了20个醒来还是痛不欲生这时候我们会赞美第一个说他自律其实他没自律他就是到点要醒然后要起来这个吃饭这个馋的东西也是一样你看我一辈子多数时候是个胖子我瘦的时候很少我这辈子成年以后瘦的时候加一块不超过五年所以30多年都是胖子可是最近我在打那个针对那个不是有一个更好的叫你膳膏有吗你这个岁数应该还好对还好我一直没啥事我是从前年吗我高血压是前年开始的前面血糖有点高但还不是糖尿病然后高血压也是前年后半年才开始有的然后医生就医生我有医生是很熟的朋友他就说你这个三高陆续都有了就必须减肥然后我说这太难了你要我减肥我得全职就是不上班每天在家待因为人忍受自己不耐烦或讨厌的事他每天有一个总的职这点消耗完了你就干不了了所以我从早忙到晚再去锻炼这纯扯的我说全职可以不全职很难结果身边陆续的有打针成功的然后我刚去打针我是第三周吗第四周了吧第三周第四周吧反正是所以你不是自己打的自己打一周打一针就行现在很神奇强烈推荐你试一下就是什么神奇的结果呢他们说打完针东西不好吃了这纯扯淡我现在吃什么还是好吃的但是以前呢特别惨吃货嘛就会吃很多然后一直到吃不动了饱的不行了才会停那肯定胖对现在吃什么还是很香没有出现他们说的甩然无味那个很好吃但是吃几口就可以自动停了我没有自律对所以我突然就知道那些不是吃货不是馋X的人他们对食物是什么态度了我老婆就是啊他吃什么都香但从来不吃成完了还有就是我这么多年都是饿了才不是正常人是饿了才吃我这么多年都不是饿了才吃我馋了就吃现在呢我这个食欲到了一个正常值之后我现在就是哎饿了这才发现我现在一天就吃一顿饿了才吃不饿就不吃了所以我进入这个一天一顿一天一顿对进入这个状态以后我就突然意识到其实人家说我不自律然后我们说那些身材保持到自律这纯扯淡就是天生的对这个还是比较豁达的不是豁达就是这么回事啊我老婆你看我老婆很馋从来不吃称他对我吃称这件事特别不理解完了我只能找别的我说我工作压力大我有情绪性进食我有什么找了一大堆借口最后你骗人一次两次行你两口子怎么骗呢最后我说我就是残屁我就没用其实我烟酒不沾没有任何不良嗜好就是吃了我一点但现在这个真打完了我现在吃也感觉自己变成圣人了也不是圣人就是很不公平你知道吧就好像你看我们小时候都是爱读书的但我有一些朋友真的读三行书头痛欲裂就小时候那些同学贪玩的不就那样吗那你说他们的人生注定少了太多成功的可能性吗就一个看出就头疼的人对吧就你说这些人他也未必没有好奇心也未必没有上进心但他读三行字就要脑袋疼对算了跑题了那个你在创业过程中做过几个比较大的决策在外界看来都被认为是反直觉的吗比如说做MOE然后做那个第一个就是那个时候大家还没有看到那个3.5的曙光的时候你就出来创业然后包括还有什么就是你在这些呃一般认为是比较反直觉的这种决策的时候有没有遭遇过内部的外部就不说了就内部的强烈反对这种情况在内部管理层啊核心创业团队有没有这种情况以及 [184:59] 怎么处理的对其实我们的反质疑的事还挺多的对因为我们就正常观点来看我好像不是一个很正常的这种大目前的公司因为你第一个就是说了其实首先我们做的很早就是下GP出来前一年就开始做第二个话是说我们其实一上来就做了几个模型没有只做一个模型这在任何人看来都是找死的事对应该来自投资人的压力也挺大对然后第三个事就是说那我们其实之前都没做过随便产产品我们一上来就做从随便产品开始做对这也是找死的事这也是我觉得很奇怪的事然后呢并且是说那个就是说我们还一上来就是其实我们的业务还是国际化的这个也很着死然后并且我们做国际化的时候我们人都在中国对然后就是这个也很奇怪还有国内国外同时抓的也很少见对其实我们就是你看这每个决定其实都很奇怪然后呢就是说为什么会这样呢其实我觉得我们的想的是比较清楚的但是我们大部分时候其实很难跟人解释清楚比如首先我们认为2B跟2C正常公司可能觉得是两个冲突的东西但我们最觉得其实是一件事因为他我们觉得他都是模型的渠道然后呢我们认为比如说那做不同的模态我们认为虽然它表面上看起来是不同的模态但它的技术其实我们认为是同一个东西然后比如说C端产品这个东西它很难但是我认为C端产品它的实质其实不是C端产品它的实际上是说我们要技术驱动一开始我觉得比较坚持这些更底层的东西但是它就推过来是说看起来我们做了一些很奇怪的事所以在内部没有一列的分歧内部的话其实还是有但这些事虽然看起来比如我们有个底层逻辑能推出来我们要这么来干但是问题是说不是所有事都进展很顺利的具体的意思比如说我们的语言模型可能有大概两年时间可能对我们公司的也有发展没有起到任何的职业的作用但是他其实是花了我们公司最多的因为他是最根本的对花了我们更多的最多的算力然后也是我们最多的人才是来做这件事这是一个非常痛苦的一件事可能会有公司里面至少有一半的人认为我们应该不做语言模型了还有过这些种子对我以为这个是都是观念一致的这个也有过分歧对啊这是有非常强烈的分歧的但是但是不是说这个东西没价值是可能是都会遇到是说可能公司里面有很多人对这个事其实都没有信心了对比如说虽然海外出入占比多但是我们其实还是非常签订的就是说我们一定要做国内的这些业务虽然说国内业务它的ROI相比海外业务其实要低很多如果我们只做国际化业务我们的发展有可能会更快我们为什么还要做国内呢对这个是怎么考虑的我们觉得长期来看我觉得虽然说国内做AI可能有各种各样的一些困难挑战包括商业化层面的但是我觉得我还是比较相信第一的话我相信技术还是会不停的进步的成长加载会来打第二话是说中国还是最大的单一市场就像刚才你讲的那种更好的商业的东西我觉得后面一定是找到了但是我们得坚持到那一天所以说我觉得内部的话就是说反正我们会实际上我们会遇到很多的分歧但是就是说我们最终还是把它变成是一个可以理性的来讨论的一个东西就是还是你前面说过的就是你会把它用第一行原理都拆解然后用逻辑来说服大家可能里面很多东西其实也不是我说的就是对的就互相说服吗对就是什么时候我觉得我们公司在变好我觉得一个表装的标志是说发现有越来越来越多的人有自己的一些认知并且认知在那知道在那个点上其实是比我的认知更好的就每当这件事出现的时候感觉好像我们又往前走了一步这种通常会发生在核心管理厂里还是普通员工也都有就是其实普通员工也都有其实或者我们公司里面其实好像我们没有一个定义是说谁是合影管理谁是普通就比较扁平的对还有你们就那有没有那种大家理性分析谁也说服不了谁然后最后还是需要你强硬拍板的这种情况肯定也有吧比如说我们的语言模型在做不出来之后每次做一版的时候都失败的时候那个时候就是还有过连续失败的那种对对有过然后在那个时候呢那显然这个压力是很大了那那个时候其实就只能自己来坚持这第一点但是坚持的话其实也不是说我就要坚持而是说其实还是给其实我觉得还是讲清楚就是为啥要这么来坚持对原因很简单因为那是最大的东西我看你说话的表情神态什么的感觉好像没有任何压力是化解不了的就是就就超微小 [189:59] 就挺佛系的对说到那些比如说严峻的那些东西是就性格一直这样吗你刚才说也有后天训练的我觉得就是你想的我其实经历过对吧比如说在几年前的时候当时做一个技术然后连着一年半就从来没赢过这种事都经历过但是最终把一个东西做好之后就然后就再也没输过了就是我都经历过这样的事其实经历这些之后就是我觉得最核心的还是说对自己的这些最底层的判断就是有然后就是有信心明白还有你们公司非技术人员比例有多少其实我们没统计过然后呢我想想啊可能有三分之一吧三分之一然后我说一下这个我说一下为什么刚才这个数会表那个原来话是因为我们其实现在我们公司的这个人他画像已经有点奇怪了比如举例子比如说比如说2B这件事其实它有个角色叫授钱工程师对吧叫授钱或者叫解决方案然后呢传统的解决方案呢可能是就是给客户来画PPT的然后呢但是我们的解决方案其实都是自己写代码的写代码什么意思就是相当于给客户来做弹幕以前是给客户是拿个PPT奖对现在是要给他说清一件事就是EVA编程效率高对就直接把弹幕做了对是这个意思所以等于销售岗爷的懂技术他甚至他自己都可以来做弹幕啊这个弹幕其实都是靠大码写好所以你们那个就越来越模糊了对就是岗位那个区分对比如说做产品的也自己能做出demo来然后做技术的也不需要找设计师就能弄出一个东西给人看我说错了做工程师的也不需要找设计师就能弄出一个东西给人看对但是最终的产品还是得有这种设计但是在一开始的时候其实不需要这样比如说我们有些产品经理其实一个非常大的特点比如说agent就是agent这个事其实它现在是一个非常热门的一个工程领域然后里面也涉及到很多算法其实我们的产品经历非常多对 虽然它的职位叫产品经历明白所以很难说非技术人员这个港是怎么划分的对 然后我再举住比如说我们这些模型更新的时候它传统的话其实是运营对吧 其实就是在社群里面来传播什么之类的那现在发现的是真正要播好的时候其实里面比如说社群里面会有什么开发者那真正好的运营是能够回答开发者那些问题那回答开发者问题一定是对模型本身要足够懂才可以我其实想问的是比如说你看像助理公司的助理啊秘书啊跑腿的然后行政啊还有什么HR这些这些岗位的人就是我理解的非技术岗位对那他们现在日常工作里边在你们这样的公司里也大量的使用AI工具吗这个其实是使用的越来越多我举例子比如说刚才说的那个实义生实义生的话其实就是现在我们那个比如说我们HR来但这个东西也证明我们需要提升比如说如果我们是DeepSeek那就不需要我们找简历那就每天都接收简历就好了我们现在有些时候还需要来找简历现在的话找简历比如说Boss直聘或者是各种各样的照片网站其实现在的话很多时候我们找简历其实是靠AI的实习生来找的比如找简历比如说跟后院人打招呼其实这个事其实都是AI干的然后甚至比如说我们面试完之后比如说一个人过来我们会有几个面试这边一个非常大的问题是首先第一面试要花很多时间但第二个是说面试里面比如说每个环节不同的面试官标准其实也不一样然后我们一直在优化一个问题是说我们能不能比如说比较早的时候能发现这个人比如说我们是不是应该是不是一个志同道合的人但是问题是说不同人面的标准都不一样怎么办呢我们的做法其实就是把就是让AI来分析每个人的面试然后把每个人的画像他什么样的在这个面试官这什么样的画像会通过什么样的画像会不通过最底层的东西是啥能够把它用AI来归纳出来这样的话其实就不同人的标准就很容易来对齐对方之后我们面上流程其实就可以变得更简单但这个事就是如果没有AI就很难想象它可以这么来干还有你们内部用的一些工具是跟外发的那些是差不多的还是有一些是按自己的工作流定制过的这个定制还是就需要工程师介入还是只是在这种调一下就行了其实现在的话比如在agent技术不成熟的时候其实还得需要提麻烦的现在agent比较成熟之后大部分时候都变成了一些比如说agent需要的具备的技能是啥然后需要的山下文是啥给个描述给个界定就行然后他需要的他能使用的工具是啥不用代码基础的人也能对 [194:59] 不过大脑技术人即使要线的脚本他也可以用单马工具来写对这个其实变化是一个潜移梦化的就是大家现在感觉还是有用这些还是有门槛的但可能保不齐哪天你都没反应过来突然就发现身边前后左右都在用了其实就没什么门槛了那个都发生常常是不知不觉间的我觉得我相信比如说AI这件事它是一个整体的设备比较有利的事虽然说它有可能大家觉得它会不会伤害人类什么之类的我觉得两个原因就这些两个原因一个的话是说大部分人不会写代码但如果大部分人具备代码能力他能做的事一定是可以多非常多这个事 AI快实现了第二个大部分人不会做创作现在有了AI大部分人可以来做创作创作能力跟编程能力像这些所有人都具备这两个能力我觉得这是非常本质的变化明白听起来还是挺乐观的只不过是阶段性的我对长期是悲观的对但不说这个然后你们现在下一个阶段想突破的就是下一个里程碑在什么地方可以对来讲吗其实可以就是这个其实也是我们一直以来努力的目标然后第一个目标呢就是说就是如果我们在全球的这个维度来看就是说就是来自中国的语言模型其实已经有了一些使用占比了但是在那些最难的场景其实主要就是在那些比如说必须得用最好的模型的场景那基本上其实其实都还是海外那几个模型这个东西其实也导致的是说海外那些公司的商业化其实比中国公司商业化可能是多了100倍这么一个量级然后那原因相当于是说虽然能力只差了5%但是那些最有价值的场景相当于那必须连最好的明白所以说那场景其实大了10倍可能价格又大了10倍这个其实就是100倍了然后这个事其实就是我觉得就是我们能够希望努力一样实现的事或者我觉得就是中国的公司在接下来一年我觉得如果能做到更好的话应该是说在这样一个最主流的原模型市场里面然后至少能够占一个比如说各位说的百分比其实在全球市场对在全球市场我觉得是整个行业通过大家的努力我觉得有可能是可以实现的这是第一点然后当然我们希望我们在里面是比较重要的然后一股力量然后第二个的话其实就是说这种模态之间的融合然后这个事我觉得现在基本上就是说也到了这么一个时间点了然后呢就是我觉得这两个东西其实我觉得是接下来一年我们希望在技术上能发生的事然后技术上如果能发生呢我觉得产品形态就是像你说的就是冰箱跟口可乐这样的一个变化我觉得也我觉得应该也是会出现的刚才你举的那个例子对明白之前Sam Odoman说这个OpenAI未来八年要花掉1.4万亿对这个用于做那个基础建设这些东西你觉得这个不管是在中国还是在美国这个是靠民营资本就可以实现的吗因为这个数听起来太吓人了对并且是1.4万亿美金对我觉得这个数呢其实我觉得那个就客观来讲啊就是说首先这个杠稿是非常高的但是呢其实这个事就是就是我整天来说是不认同但是可以理解为什么可以离间原来的话是因为就比如说OFN它今年的收入可能是200亿美金然后它还能保持快速增长比如说可以预期比如说它将来比如说一年比如说假设是没有中国公司的竞争的话我觉得它有可能可以比如说一年可以到1000亿美金这个量级其实是有可能可以实现的它如果假设一年到了1000亿美金那些算力的那些基建其实也不是说一年花这么多钱其实是好多年78年花这么多钱那其实也能算出来是说对吧一年可能分开下来也就1000亿美金我看收入其实是能到这个量级的所以说我觉得就是这个事就是说相当于就是这个整个行业价值肯定是能到这个水平的假设是就是能够越来越有用的话那只是说就是那欧潘肯定也知道是说他能够做到这件事的潜力是说他能够持续的技术上能够来垄断能够一家独大但这个假设我认为我认为非定成立吧但是他说的那个基础设施是单纯的只是算力那些吗就配套的什么电啊对那些都要解决就算力电机房对其实比如说在美国的话其实电其实供应是比中国是要差一些的差的对就中国的电是全世界最好的明白对所以这个对我们反倒不是问题对但是对中国来说芯片是有挑战的对美国来说芯片是无限供给的但是美国的电其实基建其实很差对然后还有一个流行的说法这也是我不懂技术的困惑就是经常听到两边都是很资深很专业的说 [199:59] 当然不同的对所以我想问一下就是有一个流行的说法说因为大模型这个大元模型的这个使用的语料就是正态分布的所以这导致模型在默认状况下生成的就是一个比较就是平庸的这么一个内容然后高质量的内容数据本来就是稀缺的所以想在内容上达到就是跟人类世界的最顶尖的这些人物的水平不用说超过就是达到或追评这个好像也不是很乐观这个理论你怎么看就比如说随便说一个例子一写作为例对就优秀的作家本来就很稀缺然后我们把全人类的文字都给他训练完了以后也就是一个中等的平庸的及格的比如说六七十分这个水平对那从这儿到最优秀的人类文字工作的水平它是怎么实现呢我觉得是个非常有意思的问题我可以从两个角度来解释一下对然后第一个角度其实就是说现在AI能解的问题是可被验证的问题可被验证的问题指的是说比如像数学比如说解个奥数题或者是写个代码或者是完成一个什么任务就是只要是可被验证的时候现在AI其实做的都是能做到可能最top的那一档人类的水平比如说奥林匹克数学竞赛这可能认为这可能这当然这可能还不是数学家的水平但是至少是这个高中生里面的最top的水平这个事其实是现在的话其实反正AI是可以拿金牌的然后呢这个时候可能在两年前不行但是在今年可以了然后并且方法是那种非常通用的这种方法然后呢那比如说编程其实也是一样的就是那我觉得就至少这些时候呢现在看起来那跟人类最好的水平所以就是这些科学理性的是可以做到跟人类最高水平一样的但那些像文学啊这种感性的或者是主观的这种对这种现在还不行对就客观上来看是这样的然后呢然后呢接下来的问题是说比如说虽然说比如说像文学写的这种东西虽然说比如说可能AI写不出来一个鲁迅写的东西但是呢其实你很明显比如说AI的写作水平其实在过去两年还是还是它变得越来越好的对那当然对吧那那就是问题是它是它是为什么能变得越来越好呢虽然说它的训练分布是在然的这种分布核心的原因的话是因为模型的训练过程不是说一步到位的模型训练过程是分了好几步的就在最开始的阶段是学所有东西然后后面的阶段呢其实是学高质量的东西然后最后的话呢是说这个就像那越往后它让它的这个训练术医的质量其实就越高然后那那这个东西导致的结果呢就是说它出来的东西其实也是越来越进行那些最精华的东西所以你最终到了第三第四步的时候给它的是最top的它就能把那个感觉还原出来对然后这个事呢就是说相当于是说就是这边的话有两个概念其实我觉得是人工智能领域里面两个非常经典的概念然后一个叫Exploration一个叫Exploration然后Exploration干的事就是说让它探索的空间进口的大然后比如说最开始的节奏就是学所有东西那个节奏你可以认为让他建的东西尽可能多不管是好坏的然后后面的东西就是说利用你的这些前面这些东西的建设然后让他能够比如说优化一些特定的一些目标特定目标市场那肯定是说他的创作的质量能够足够高这个就是他后面的那些东西明白这样听起来还挺清楚的对你觉得现在大模型的这个竞争可以算是到什么阶段了是到中场了吗还是早着呢就从AGI的角度来讲我觉得这个事先不把他看出竞争吧可以看成是说不同的公司组织用基于自己的理解跟自身的条件来探索自己的路我就可以这么来定义它我觉得就是有个阶段性的目标比如说AGI带来的生产力给社会的GDP的贡献比如说能不能到2%对这是一个很好的也很简单的一个判断标准对如果是这个标准的话我觉得可能还是特别出气对我觉得距离这个标准我觉得可能两到三年吧两到三年那离所谓的什么中场还遥遥无期呢中场指的是最终的中对吧不是中间的中就咱们以前移动互联网的时候不讲上半场下半场我觉得这个离到中间那场还差十万八千里呢我觉得中场可以把它定义成是说就是提供智能的这种组织可能是不同类型的公司当然也可能是政府也有可能是一个甚至可能是个工艺性的组织 [204:59] 我觉得可以列业程式说提升智能这件事就给社会提供智能这件事它是不是一个商业上可持续的一个行为吧或者经济上可持续的一种行为我觉得标准可能是这个吧你们也一直强调就是我看之前的访谈里强调跟这个用户共创这件事然后提到不要让技术质掌握在那个经营手里这个是怎么理解这个呢那个上下文我没有特别看就是狮子我们过去常见的PGC UGC这些还是什么然后就普通用户能在这个过程里贡献什么样的力量我觉得是两个吧第一个话呢就是说其实我觉得就是智能这件事的提升其实确实是很多东西的门槛变得更低了或者它变得更加大众化了这个事我觉得其实就是相当于像平权那些吗对我觉得这个事其实是我们那个从底层比较相信的一个东西并且是说历史上这些比较大的技术革命它的结果其实也都是这样的对然后这是第一个吧第二话呢是说其实我们一看比如说美国的比如最好的A产产品其实现在都已经非常贵了比如最开始的时候一个月可能订阅可能20美金现在可能最好的可能一个月就200美金这个事其实是很夸张的很明显是说他们希望他们明年可能这个订阅可以变得更贵可能甚至一个月可能不知道会不会2000美金然后但这个事其实是对大部分人来说其实是很挑战的比如说我们想比如东南亚大部分人的工资可能都没有两万美金一个月是对那也是因为这个原因我觉得就是说就是把这件事就是提供更好的智能并且让他的这个能够比较普惠的方式来提供我这个事本身其实就是有一个非常大的一个意义就是世界上一定需要这样的就是一定需要这样的供给来存在才可以对然后呢当然还有第三个东西就是说我觉得这个可能也是就是中国从政府到企业大家一起找到一条路吧就是说在技术有差距的时候那会先开源通过这种开源的社区开源的生态来让这个人才行业应用都能够变得更加繁荣一点所以是这几个角度吧然后还有就是互联网时代咱们经常讲很多都是赢家通吃的然后科技领域里的很多也都是然后但是你对AI的未来预测是一个多元化的不是垄断的这个是基于什么考虑呢因为我们最终这东西可能应该成为一个没水电一样的东西这个是最有可能几个巨头把持的呀我觉得这本的一个最核心因素是这样的其实就是说其实你可以看在过去一年多其实模型的就是大家在用的模型它的计算量其实是没有变得更大的核心原因是因为就是大家用的芯片是一样的然后用芯片一样决定的是说首先在芯片上比如说模型疫苗要出几十个token成本要能够比较可控几乎就决定是说能够被商业时的模型它的参与量只能这么大或者几乎量就只能这么大这个事就变成了是说只要大家用的芯片和能源是类似的相当于是说大家的模型都只能这么大否则的话就不具备经济的可视于性这个东西就是一个在一个有限的集团量情况下就不同的人来做不同的取舍就变成一个这么一个事那只要是说大家需要在一个有约束的情况下来做取舍就一定就会有些不一样的东西对然后不一样东西的话最终可能他我猜参与的人可能会比他更少但他也不会只有一家可能就会变成了是说最终可能会到一个收敛到一个可能更小的一个范围对我觉得是我是这么来看见这个事的比如说两三家我觉得你觉得会更多但这个东西可能会有对吧就是那如果我现在认为我肯定会倾向于可能会有更多家的因为这是一个来自一个这种这个基于自身的这个视角来考虑的这会影响判断对吧如果你现在是top3可能就不这么想了对对对所以我觉得我觉得这个事可能最终这个事它可能也不取于我们主观的想法而且反正就是不好的企业肯定会被进程中肯定会被淘汰好的企业可能就会变得更好然后我觉得我们只能努力变成那个更好的你觉得现在就发展到今天那个AI带来的那个技术普惠这件事在哪几个领域里成果是比较明显的我觉得在代码跟内容创作是非常明显的代码和内容创作对变成两个都是有巨大的社会价值我觉得如果在明年的话我觉得我会举例子比如说国漫就国产动画其实现在就是用AI做的国漫其实水平非常的高然后这些 [209:59] 是在半年前根本不能想象对对我听那些他们做那个的也说就是现在呢不指望AI直接给你生成但是他生成个70% 80%品质的然后他们再做一些后期和修剪就可以之前最近那个B站上每周都看个动画片叫那个反人修剑传那个动画片呢那个他每周只有一集可能只有10分钟按照现在这个拍摄速度可能要那个小说要都变成动画片可能我算了一下可能还要8年还有大家说这个AI生成视频说动不动就几秒钟没啥意义其实很多时候拍那个电影就那几秒是最贵的对对对就以前没有AI的时候就那种复杂的特效场面那种有的时候就做那个是最费钱的现在把那几个给做了其实别的实拍也没多少钱像编程也是一样编程的话这个事我觉得真的让我比较感触的事情是说就对社会大部分来说可能都会天然认为编程跟他是就这辈子可能都不会编程了但是如果会的编程很多事可能会很不一样比如说产品经理就不需要等着对我老觉得产品经理爽死了但是同时又觉得可能爽不了几年因为偷游人工智能连这个产品经理的能力也替代了然后就没啥事了并且这个可能不是产品经理的比如现在有时候发现有很多比如高中老师或初中老师他们要做课件比如做一个什么地理的这种动画什么类的现在很多事其实是靠这个就是生成一些代码来实现这些东西这些东西之前就不能想象不敢想象设计也是吗你要掌握一个像Photoshop那种很熟练掌握也得几个月现在就是要什么直接就能出来而且一生成就九章让你选一个这都很离谱的事其实就短短几年内发生准确的说其实是两年之内是是包括以前像法律什么有什么疑问的话上网时候是真不靠谱然后找个律所呢你便宜到律所也不靠谱现在这个自己用那个AI做深度调研就已经很靠谱了还有那个医疗的事就是你有一些症状你不知道应不应该看医生或者是应该怎么理解怎么处理以前收的话还竟是骗着医院呢对吧他们也人模狗样的在那做公众号啊做什么网站什么的对吧现在这个找大目行问也是问深度调研的话基本上出来那个就完全靠谱了难怪说医院里边他这个AI看的比医生看的平均值要高很多就正确率平均正确率对这个指标可能有偏他垂直的模型应该是挺靠谱的因为有一些专业的医院已经在用了对我觉得至少证明是AI是越来越有用的即使对正业场景里面明白所以有的时候我觉得人类在讨论的一些问题都是将来可能是一些这过去的人看来是属于甜蜜的烦恼比如大家说如果生产力真的大突破大革命了然后大家都不用上班都能吃饱喝足然后这个不快乐怎么办这个是一个问题但这相对于过去要吃不饱肚子来讲这就属于特扯淡的一个问题对所以就挺好玩的你觉得如果真的这个普及到人人都用然后成本也不是问题的时候我们可能最先改变的是什么呢对人类社会来讲就比如说我们的生活方式生活习惯什么这些坦白说这个事我其实没想过但是我其实想过是说我其实仔细想过另外一件事就是说首先我觉得这件事一定会实现的那个时候比如说人类怎么生活不上但是我觉得比较重要的事情是说怎么样让它产生的价值能够比较好的被分配出来就不要被掌握在非常少的人的手里面让它的分配机制是足够好的我觉得这个事实是比较重要的大家会讨论说科技进步让财富越来越集中在一群金字塔尖上的人这个好像是事实但是人类社会就是很麻烦因为它本来带来生产利益进步使得所有人都比过去过得更好了只不过有一部分人过得格外好我觉得这个事其实我觉得有可能中国的公司被迫变成了是说有可能是会更加符合这个时代因为比如说美国的这些公司还是非常被垄断的在非常少的这种里面但是中国的呢因为我们一开始的时候其实相对于就会更艰苦一点所以大家天然就变成了是说大部分东西都开源然后成本足够低然后呢这个然后点加速度很快它其实是反而可能会导致是说就这个事其实非常的不容易被垄断然后非常容易的是说比如说即使有一些公司最终做成了然后其实也不会是说在里面来赚取来超额的钱而是也是一个比较合理的这样一个东西只要能够保证这个分配是合理的我觉得就 [214:59] 其实应该就就不管那个时候会怎么样其实应该都会很好但前例是分配要做到做好听起来像是因为一些难受的客观原因导致结果可能更好至少更普惠有这可能对好然后对这就又涉及到终极问题了就是如果真正意义上AGI实现以后你之前一直强调就是说人和AI的协同进化就当然将来无数设想力也包括半人半机器那种但是你真正的理性的去想的话通用人工智能实现以后AI还需要人类协助啥呢我们人类这么多臭毛病它可以被设计的没有毛病或毛病很少我们生下来从头到脚都是bug我们穷的时候互相残杀然后我们富裕了然后互相折腾然后就你知道人类是对全是bug所以我们能帮他什么呢将来如果他跟我们一样聪明了之后那是一条线过了那条线以后我们能帮他什么呢我们以前老开玩笑说你看太空探索一个宇宙飞船造出来一亿美金的话可能有九千六百万是给人花的冷了不行热了不行饱了不行什么饱了会撑撑撑肥胖然后瘦了也不行营养不良也不行然后你懂我意思吧就是这个比如说做一个宇宙飞船其实百分之九十九的钱可能都是为了人的错毛病花的而对它来讲什么都不需要甚至它飞出去什么飞出去什么几千万公里几亿公里之后还能远程升级变得更聪明就人跟着去干什么不就纯捣乱吗所以我只是举一个极端例子就是说对这个世界而言人能对他贡献什么呢他跟人一样聪明以后所以从这些角度我就很悲观我觉得人迟早被淘汰我那个就是最开始的时候就看了一本小说然后呢其实当时有两本小说一个是比较乐观的一个是比较悲观的乐观的小说那两个东西当时对我影响挺大的有一本是一个台湾人写的书叫特德江是一个之前有个电影叫《降临》对吧《降临》美国的那个电影拍的小说就是那个人写的叫特德江是个台湾人然后在美国然后他写的另一本小说叫软件体的生命周期软件体的生命周期讲的事情就是我觉得就是一个偏乐观的事情就是说相对于是说人在游戏世界里面培养出来很多AI后面随着巨星阵能的发展这个AI有了身体然后有了身体之后相对于就开始跟人类在一起来生活然后后面的话其实还是一道是说比如说经济问题怎么来解决就是这AI需要来升级怎么来解决他们的经济问题那么小时候我觉得当时感觉还挺有趣的是一个我觉得算是一个例子然后当然还有一个比较悲观的没太听懂他那个为什么乐观最后人能在这里边贡献什么他就最终在那个里面还是一个机器跟人来就是机器来给人来服务的一个社会只是机器也争取到了自己的一部分权益对一部分类似人权这样的权利对明白然后那个就是还有另外一本就是更加黑暗的那本那个当时不是一个小说了当时看了一个动画片然后叫这个就就黑客帝国都看过对吧黑客帝国的那个原型的动画片对那个动画版日本那个对叫叫第二次文艺复兴然后那个里面其实就是很黑暗的一个故事对最终就是一个机器人统治了这个地球的这么一个故事然后呢并且还把人类当做他的燃料对然后对对坦白说其实我我不太知道最终会怎么样但是我觉得是说就是AI这件事完全被人类控制这个事我觉得至少是五到十年之内的可能都还是这样的科技行业的人十年后的事就不考虑了对吧我觉得至少在接下来几年它是一个非常正强的事然后再往后的话我觉得它应该是有更好的解决方法对有可能是社会的方案有可能是政府监管的方案但是我觉得那个时候一定会有对应的解决方案当然我们可以非常希望能够找到这样的解决方案对还有有一阵很多科技领袖们纷纷出来吆喝说这个要出台那些更好的监管和安全措施之前嗯不要盲目发展嗯你记得吧我记得就是当时GPT火的如日中天的时候然后听着也很有道理结果那几个呼吁的现在是PTRPTR干的最忙活的那几个包括 [219:59] Elon Musk什么的对这个你怎么看是为什么他因为安全呼吁了半天安全问题好像没有一个大家普遍接受和幸福的方案之前就突然不考虑这个开始自己也投身去没日没夜的开发了我觉得可能也不需要把他们看得都那么高尚他们都还是有自己的这个目的算盘他们自己可能一开始那个晚了对晚了所以要阻止一下连自己加一班加点干加阻止一下两个病行对你觉得是这个原因我觉得是这个原因我觉得像这些企业家肯定是躲不掉这个嫌疑的但同期也有很多学者就没有到商业公司里或者是这样的学者也在呼吁我觉得那些人可能相对真诚的至少他们可以避嫌这些对这种质疑当然就是资深学者其实有很多自己的这种专业的这种人生的积累但是我觉得应该但是我觉得可能不应该认为然后尤其在这样一个快速变化的行业我觉得可能一个资深的专家和一个优秀的年轻人从事这个行业的人可能他的意见有可能是一样重要的所以你始终都是强调这个这是一个对外做的姿态还是你真的相信这个是真的相信年轻人还是相信不是相信就是说在这件事上不是一群精英主导大众只是被动接受就是在AI的进化过程里是大家一起来把这个事情弄好这个我是真的这么相信就是过去几年其实我也有时候会找一些这种可能更专业的学历史的人来交流就是非常自身的学历史的人他们也会给我们讲他们的这些观点当然可能还要比如说我们看西方有一本比较经典的书叫人类群星闪耀史然后那个里面就是讲了可能某些人在某些瞬间改变了历史在那个里面可能那就不是变然性其实是偶然性我觉得就是我自己的理解是说可能对单个人来说它是偶然的但对整个社会来说我觉得可能是必然的就有点像是我们会热情的赞美乔布斯把移动互联网给我们找代了三五年但如果没有乔布斯那三五年后他还是要来的他不可能全人类都做不了移动互联网应有的那些基础设施或者是那些终端设备肯定还是会做出来的只不过有一些个人能力能把这个事对全人类比如说提前五年来那对我们就是一个巨大无比的收益对也就是这意思吧就不会出现说什么以前咱们古人说没有孔子的话万古如长叶什么的对对这个事是不太可能的但是有没有可能因为一个了不起的人的存在导致这个这个长叶早结束五年或者是怎样对这是有可能其实实际上就是这些东西其实也是那个比如说经常会遇到很多很痛苦的事然后那痛苦的事刚才你说为什么有时候看起来好像这么乐观就是反正有时候就会来想就是就会来研究一下这些历史跟哲学有时候反正就至少能够找到一种能够来这个开导自己的这么一种方式对明白对那你这种开导的过程里有没有有时候也是AI帮你的因为我们阅读涉猎的面肯定没那么广对AI比不了有过吗有过就是这样的时刻其实我觉得是在今年才有坦白说在去年其实是没有的因为还没那么聪明对在今年是有了在今年的话是这样就是说我实际上在一个模型上我你有这样的时刻其实就是GPT5最那个模型叫GPT5 Pro实际上就是有一些非常结束的问题我经常会找他来讨论然后呢就是就是有一个经典的描述就是说当跟他讨论一些东西之后他给了一个答案之后你觉得非常超出了自己的理解然后就感觉很无力然后王棋子上一摊这种感觉我其实是经历了几次同时又觉得这妖怪是你弄出来的不就更下远至少那个还不是我们弄出来的还是GPT5的我知道但是我觉得这样时刻其实我是经历过了还有我年轻的时候是百分之百的无神论者现在我不是了就我也不信那种人格化的神什么白胡子老爷爷那种但我觉得真的可能有远超我们的智能或者文明然后把我们给创造出来然后我们发展的很多东西是根本不可想象的就之前不有一个理论好像是就是马斯克说的吧就说我们人类的使命可能就是完成这个规矩生命的引导或者说是一个启动程序然后他一起动了我们就可以退出了就可以完成历史使命了就这些 [224:59] 听起来特别有道理虽然是不是这个真相我们也不知道但听起来特别有道理所以我现在就完全我也不是信神吧就是只能说是我就不知道这是最诚实的对然后我就有一次当时看过一个那个杨振宁他的那个视频他有讲述说比如说有没有一个物理上的一个上帝呢那可能是没有的但是呢你说有没有一个就是类似上帝这样一个功能就是他定义了很多这种宇宙运行的一些原理然后决定了一些东西有没有这样一股力量谁也不敢说感觉好像有可能是有的我们这是最后一个问题吧好你的就是你看这一路走过来从创业到现在短短几年你们也取得了非常就是令人瞩目的这个成就然后发展的也很厉害然后我想问到了这个阶段你想过你后边终极的愿景是什么比如说做一个非常强大的公司或商业帝国然后造福人类改变世界还有一些我不知道的就这些或者是这几个都有我就希望你对你今年是多大4089年才36哇了天好崩溃那这个问题是不是问得有点早了已经是中登了不不那差远了40岁才叫中登那我还有好几年才36啊还是可以问吧就你这个中级愿景是什么想过这些吗实际上更多的时候想的东西还不是这个更多时候想的其实是如何活下来是你更多的时候想的肯定是眼前的但是我的意思是你这几年发展的就成绩也是很瞩目的然后一路走过来现在上一轮是40亿美金股票就这些走到这个阶段的时候他肯定会多想一些以前没想过的这些东西你理解我意思吧比如说你在做博士后的时候你肯定不会想说我可能后边能弄出一个几十亿美金的公司但是你到了你弄出几十亿美金的公司的时候肯定想的又不一样了对所以就有没有想过就比较大的一个目标长期的那个东西激励自己朝那去我觉得想的东西是说就是说比如说在这个就是AI这个行业的发展那其实我觉得是两个东西一个东西的话是说比如说A加这个行业它已经有了整个社会巨压的资本投入和人才投入了它什么时候真的能够变成一个GDP上的变化不是没完没了的投入对这个是我觉得是整个行业是规避不了的然后第二就是说这个东西它其实又依赖于很多东西的技术跟山上的突破这件事那客观来说还是美国那几家公司在引领我觉得一个非常核心的问题是说什么时候这件事能变成中国公司在引领然后如果真的是到这个点上这个事应该是在中国公司先使钱还是应该是在美国公司先使钱的我觉得这个事其实是一个我觉得其实是一个非常重要的问题然后这是第一点然后第二点的话是说实现这个东西其实客观来说我觉得中国其实有这样的环境了但是我觉得缺乏的是说有些足够有自信的人才能够成长起来这个事呢什么时候会出现然后呢虽然说现在已经有很多很好的苗子了我觉得当后面一件事出现的时候前面一件事应该有可能就会实现我希望是三年吧对看着这样的变化对那个按照惯例能不能给我们这个播客节目推荐三个嘉宾什么各行各业的都可以如果是你认识能帮我们牵线搭桥那当然更好如果不是只是单纯的给介绍也行或者你很想听那个人能来一个长谈等等都可以我其实有些那个有些我没那么熟啊我觉得那个美图然后美图的CEO叫吴姓红吴姓红我认识我只是简单跟他聊过两次就是非常短的时间但是我觉得他应该是就是如果我们看这个比如说AI的产品的受众其实美图其实是一个非常大的对而且他产品特别丰富对并且他们是国际化其实也做得非常好我觉得他是很好的还有一个的话呢是说我觉得就是中国有很大的游戏产业然后呢就是游戏跟AI结合在中国肯定有些政策上的困难因为它不可控但是呢就是说我觉得就是虽然说有这种困难但这件事一定会发生的那这个事就是就是比如说游戏行业的人就是一个一年大概3000亿产值的这么一个产业他们是怎么来看AI的这个事我觉得其实是一个找一些游戏公司的那个CEO们聊聊对 [229:59] 应该会有些他们的视角对然后那个就是然后呢那个就是我觉得还有一个东西就是那个就这两个是我暂时能想到的吧如果还能想到更多的我可以再来补充一下对然后你们AI这个圈子的呢AI这个圈子的话我觉得那个不用在这停对不是那个梁峰你应该他应该不来的吧谁啊梁文芳不好说我们还在努力争取如果他来我觉得应该那应该就是他的第一次那应该很轰动没有他之前也接受过媒体采访但是他没有那种就是文字就那种常谈对是我们这个篇幅比较那个是吗可以聊的比较深入对好那我明白了好非常感谢今天特别高兴学了很多知识非常感谢非常感谢来我们合个影吧看哪儿看这里好想要聊的好咖啡不能少感谢合作伙伴瑞幸把瑞幸咖啡店开在了罗永浩的十字路口欢迎大家收看罗永浩的十字路口最重要的是一键三连和加关注还欢迎随时发送弹幕评论跟我互动刚才这句话是用minimax客龙出来的声音你听出来了吗也包括现在这句请不吝点赞 订阅 转发 打赏支持明镜与点点栏目