天天看點

甲小姐對話傅盛:搞AI真的不能再這麼燒錢了

作者:甲子光年
甲小姐對話傅盛:搞AI真的不能再這麼燒錢了
真的不隻有堆算力、堆參數這一條路,我們是有機會的,但機會不來自于簡單的複制。

作者|甲小姐 劉楊楠

晚上10點,傅盛結束和一位重要客戶的晚餐,稍有醉意。

“現在大模型的商業模式不清晰,項目怎麼收費都是問題,”他告訴「甲子光年」,“需要和客戶達成底層信任,得有些chemistry(化學反應)的交融,有些事才好談。”

晚餐之前,傅盛在客戶現場駐紮了一整天,之前做to C的時候,他從未這樣陪過客戶,而現在他正在學習如何做好一家數字化轉型服務商,如何服務甲方,“我很enjoy這件事,已經很久沒有這種感覺了。”

面對大模型浪潮,傅盛的選擇是為客戶提供私有化大模型——不是他之前熟悉的to C,也不是像8年前那樣全力all in的機器人。這和此刻的行業熱點略顯格格不入。

格格不入的還有他的觀點:

在剛剛過去的GTC大會上,英偉達機器人團隊宣稱2024年是“人形機器人之年”。對此傅盛評價道:“那更是一種賣算力的營銷。”他認為,雙足人形機器人要實作百萬級量産,“五年内别想落地”。

而對于近期某些網際網路大佬對AGI的高談闊論,傅盛很生氣:“我一直是特别堅持要踏實做技術的派别,特别見不得那種對技術了解不夠直接張口就來的人。一張嘴就斬釘截鐵地說一個定律,這就很誤導大衆了。”

傅盛身上從來不缺标簽和熱度。作為一名連續創業者,他的經曆跨越網際網路和AI兩個時代,折射出一幅中國從網際網路時代到AI時代的縮略圖。

他是中國網際網路時代第一代産品經理,跟随周鴻祎從3721到雅虎中國再到360。後來二人出現分歧,傅盛于2008年離開360,2009年創業成立可牛影像,競業期結束後,傅盛重返安全領域,在2010年将可牛與金山安全合并,成立金山網絡,後更名為獵豹移動,傅盛出任CEO。這讓他正式站在了老東家的對立面——被周鴻祎斥為“叛徒”,兩人也是以糾纏多年,僵持不下。

2016年,傅盛又創辦獵戶星空,重金布局AI賽道,以“打造‘真有用’的服務機器人”。

在2018年3月一個稀松平常的夜晚,剛過完四十歲生日的傅盛在水立方一躍而下,遊了三個來回後一口氣釋出了五款“真有用”機器人。姚勁波、潘石屹、羅永浩、張泉靈、王川、李想等人均到場支援。

“放下心中的恐懼去勇敢地面對,從一個完全溺水的人變成遊泳高手。”傅盛如此形容他當時進軍機器人領域的決心。

令人唏噓的是,還沒等傅盛成為機器人領域的“遊泳高手”,便因兩封郵件再次“溺水”。

2018年12月,Facebook(現“Meta”)通過一封郵件終止了與獵豹移動在廣告方面的合作;2020年,谷歌通過一封郵件與獵豹移動終止合作,谷歌應用商店下架了獵豹移動約45款應用程式。兩大客戶流失讓獵豹移動廣告收入被砍掉約70%。

再後來,獵戶星空所在的機器人行業也陷入燒錢、暴雷、裁員等質疑。

“用内憂外患都不足以形容。”傅盛回憶那段痛苦的曆史,“真正了解機器人和AI技術邏輯的人可能隻有千分之一,但99%的人都會來評價我的所作所為。我已經接受了這一切。”

傅盛告訴「甲子光年」,當初的縱身一躍,是自己人生的高光時刻,卻也是自我迷惑最嚴重的時期。“如果重來一次,我或許還會縱身一躍,但不會再一口氣發五個産品,”他反思,“我錯在把手段當目的,覺得自己是天之驕子,做出了很牛X的企業,那是我給自己的幻想。”

本文,甲小姐對話獵豹移動董事長兼CEO、獵戶星空董事長傅盛。

如果用三個詞來表達這篇對話,應該是:戒掉幻想、祛魅神話、做出選擇。

1.泡沫vs真相:“今年是千億大模型過半凋零的一年”

大模型可能是人類科技史上最短時間形成的共識,所有人都認為大模型是件大事——對于創業者而言,這是個危險信号。

甲小姐:上次見你還是春節前,這一個月AI發生了許多進展,最近你感受如何?

傅盛:挺開心的。尤其跟你聊完之後,我覺得我們走在正确的道路上。我現在看得很清楚,就是要從應用反向尋找技術,變成一個to B的企業服務商,我很enjoy這些事,已經很久沒有這種感覺了。

甲小姐:今天你在客戶現場駐紮了一整天,以前做to C會這麼陪客戶嗎?

傅盛:to C還陪啥客戶啊。我以前做to C從來不管銷售,把流量送上去,招個人一年就給我幹50億元收入,但現在我得自己做銷售。To B落地鍊條很長,銷售過程中和使用者的所有互動都是在彙總需求,現在我們整個銷售鍊條都離使用者需求更近,這是我們的核心競争力。

甲小姐:什麼樣的客戶會讓你陪一整天,還要喝點?

傅盛:肯定是非常重要的客戶。因為大模型剛開始,一切都很新,大模型的商業模式到底是什麼?你收多少錢合适?沒人說得清。大家得先有底層信任,得有些chemistry(化學反應)層面的交融,有些事情才好談,否則沒法談。

甲小姐:目前大模型進入二進制對立時代,一方是閉源陣營,比拼更高參數、更全面性能、更大算力,看誰能造出“愛因斯坦”;另一方是開源陣營,比拼更少資源、更專業性能、更靈活配置,看誰能造出“平民化大模型”。你選擇了後者。這個選擇糾結嗎?

傅盛:ChatGPT出來之後,我們到底是大幹快上做千億大模型,還是走不同的道路,我糾結了兩三個月。直到2023年五六月,我基本有答案了。

過去的經驗讓我傾向于不能大幹快上。大模型可能是人類科技史上最短時間形成的共識,所有人都認為大模型是件大事——對于創業者而言,這是個危險信号。

技術不是單一路徑。大模型的研發成本正以前所未有的速度下降。我去年4月就講“未來會出現平民化大模型”,Llama 2釋出那天我還發了朋友圈,說“不知道多少人要笑醒在深夜,多少人要哭暈在廁所”。

甲小姐:在外界看來,你完全有實力選擇前者,而且前者看起來更有“英雄色彩”,why not?

傅盛:很多時候“英雄色彩”是自己幻想出來的,不應該成為一個創業者的起心動念。

我在AI 1.0時代經曆過“舍我其誰”的階段,現在已經放下執念了,我更會通盤考慮。如果隻有英雄色彩,可能倒在半路,也浪費很多社會資源。

甲小姐:中國的千億大模型已經供給過剩了?

傅盛:除了獨角獸,還有文心一言、通義千問、昆侖萬維等等,手機廠、車廠都會進來,怎麼不過剩?千億大模型已經超過10家,他們不可能都走到最後,因為體驗沒有到達使用者增長點,在企業裡應用也很難。今年是千億大模型過半凋零的一年。

甲小姐:你最近見的千億大模型創業者還像當初一樣信心滿滿嗎?

傅盛:狀态改變很多。幾個月前真的是信心滿滿,但現在有些人心慌的感覺很明顯,我就不說是誰了。

甲小姐:但月之暗面和智譜AI最近在猛砸營銷,非常高調。

傅盛:因為有錢了。

甲小姐:他們比你有錢?

傅盛:他們比我有錢。月之暗面融了超10億美元,我們沒他們多。

甲小姐:你怎麼看最近大模型廠商開始卷“長文本”?

傅盛:這是一個更顯性的名額,上下文技術對模型能力有提升,但不是核心。大語言模型技術每一個token都要觸發神經網絡,一層層觸發下來到200萬token,推理成本非常高,針對200萬上下文做一次搜尋成本大約要100塊以上。

你真覺得OpenAI做不到200萬上下文長度嗎?長文本技術難度沒那麼高。很多時候不做這麼長的視窗是考慮成本,但如果變成營銷點,所有廠商都會很快跟上,但實際場景中,你有多少機會去一次性拆200萬字的文檔?

甲小姐:什麼樣的名額更能夠客觀衡量大模型能力?

傅盛:要在一個特别具體的場景下,達到很好的效果。

甲小姐:今天你做百億級私有化大模型的想法有改變嗎?

傅盛:沒有改變,還在加強。我覺得這個想法太牛X了,簡直是陽光雨露,天賜我也。

有個大廠在内部針對我們的“121”釋出會開了個會,結論是千億大模型做私有化幾乎無解,因為部署成本太高了。對企業而言,解決問題最重要,成本控制是關鍵,千億百億與我無關。

你真是我的福星啊,上次和你聊完我們蒸蒸日上。雖然還沒有在财報上展現出來,但我真的覺得我們走在正确的道路上,甚至是更勇敢和更聰明的道路。

2.共識vs反對:“雙足人形機器人五年之内别想落地”

人并不是實體世界最優的運動形态。

甲小姐:年後AI領域又湧現出一波新進展,Sora、Devin、Figure 01,哪個讓你更受觸動?

傅盛:最讓我有觸動的是Devin。以前我們認為寫程式高不可攀,但Devin能讓沒學過計算機的人會寫代碼,這非常exciting。我生日那天自己發了個視訊,釋出了我們的代碼生成大師,我都沒洗頭,100%自己拍、自己剪、自己發,但那條視訊傳播效果是最好的,足見這特别符合大家需要。

甲小姐:GTC大會上,黃仁勳的keynote把壓軸部分給了AI在實體世界的落地,也帶火了人形機器人,英偉達機器人團隊的Jim Fan認為2024是人形機器人之年,你怎麼看?

傅盛:那更是一種賣算力的營銷。

關于具身智能,每次我評論都會有很多人罵我沒有夢想。但我們作為創業者,真正要考慮的是做産品,而不隻是做些技術研究和示範視訊。不要看不起新技術,但也不要盲從,盲從會造成大量的社會資源浪費。具身智能是大方向,但離落地還有很長的距離,目前還是學術探索階段,需要一點點打磨,逐漸進化,而不是今年投入,明年就能落地。

人形機器人真正實作量産,難度比馬斯克想象的要大。我曾拜訪過一家國内的雙足人形機器人公司,問他們什麼時候能量産,他們說别提日常量産了,三五年内工業産線都很難落地。而且為什麼一定要人形?人并不是實體世界最優的運動形态。

甲小姐:一種常見的解釋是,今天所有實體設施都是給人做的,我們不希望把實體設施重做一遍,是以機器人最好長得跟人一樣。

傅盛:這個邏輯經不起推敲。既然都圍繞人做的,那為什麼有公路呢?今天我們社會上絕大多數基礎設施都不是為人做的,而是為輪子做的——在所有發達國家,輪椅可以去任何地方;公路一拉幾千公裡,那不是為輪子做的嗎?

甲小姐:黃仁勳和馬斯克對人形機器人的推崇是他們的迷信嗎?

傅盛:當年我做機器人的時候,我的公司曾經在2017年讓一個機器人給我劃過火柴、點過生日蠟燭、倒過紅酒,當時我也很激動,以為大業将成。但我後來了解到,那隻是為了老闆開心的一場技術秀,在特定場景下實作這東西是沒有意義的,離落地還有巨大的距離。這也是我現在看到網上一些專門拍攝的雙足機器人的驚豔視訊不以為意的原因。

當初我也順着馬斯克的“第一性原理”做事,覺得鋼鐵很便宜,鋼鐵變成機械臂為什麼能漲那麼多倍?覺得可以做機械臂,但後來沒做成,可能也是我能力不夠。但我認為這件事上“第一性原理”是不對的。不能說鋼鐵這個原材料不貴,做成機械臂就能節省大量成本,因為電機的改進太複雜。

黃仁勳不算迷信,他隻是做了個秀而已。他的邏輯就是人工智能無處不在,你可以用我的AI晶片——對他們來說,哪個應用能用他的晶片,他就先說呗。

甲小姐:很多人對人形機器人的認知都經曆了“肯定-否定-再次肯定”的過程,比如OpenAI、周鴻祎。

傅盛:OpenAI和Figure合作後,Figure 01機器人還沒展現其雙足能力,我的觀點不變——雙足人形機器人百萬級以上的大規模量産五年之内别想落地。但雙臂肯定是有機會的,要看具體做什麼任務,但絕對不是什麼穿針引線、做雞蛋。如果是蕃茄炒雞蛋,雙臂機器人3-5年也落不了地。

斯坦福大學發的機器人做蕃茄炒雞蛋是有人在背後操縱的,人操縱的情況下還有很多失敗,那自己做就慘不忍睹了。你看斯坦福的論文,機器人正确率有60%-70%,相當于炒三個雞蛋就有一個雞蛋掉出來,這反而增加了人的勞動量。

甲小姐:周鴻祎的視訊裡還特意提到了蕃茄炒雞蛋的例子。

傅盛:我不同意他的觀點。

他現在太容易收斂,可以很輕松地得出一個結論。比如,他說Sora懂實體世界,不然怎麼能畫出來。但你想,小狗會從最高點把飛盤接住,它就懂F=ma嗎?它一定不懂。但大語言模型能總結出F=ma。對世界認識最深刻的一定是語言,不是圖像。

他還說:“有些人和我怼,覺得Sora不是革命性技術,隻是革命性産品,那你覺得它不是革命,你為什麼不做出一個來?”這就偷換概念了。大家公認蘋果沒什麼革命性技術,就是革命性産品,那你怎麼做不出一個蘋果呢?革命性的産品也很牛X啊對不對?技術突破、産品突破是兩件事。

甲小姐:你為什麼會這麼生氣?

傅盛:我一直是特别堅持要踏實做技術的派别,特别見不得那種對技術了解不夠直接張口就來的人。一張嘴就斬釘截鐵地說一個定律,AGI就要來了,這就很誤導大衆了。

甲小姐:我在矽谷聽到一個有趣的說法,說現在聊Scaling Law(規模法則)的人,就像一幫國小三年級的人在聊量子力學。

傅盛:但我想說,真的不隻有堆算力、堆參數這一條路,我們是有機會的,但機會不來自于簡單的複制。

甲小姐:OpenAI的“人卡密度”是全球最高的。“人卡密度”是你提的詞,簡單說就是OpenAI每個人能配的GPU的密度高于其它企業。目前你們有卡的問題嗎?能買到嗎?

傅盛:一定是需要GPU的,但GPU隻是個成本問題。在市場經濟情況下,有買就有賣。雖然一定會有gap,但這個gap不是完全無法彌合。Vision Pro不在中國賣,但中國是不是也有很多Vision Pro?都是加價售賣的,不計成本什麼都能買,GPU也一樣,大概加50%就能搞。但正是因為加了50%的成本,我們才不能像OpenAI一樣那麼搞。

3.目的vs手段:“老黃知道什麼是目的,什麼是手段;而我當時錯在把手段當目的”

科幻主義有時會害人。過去幾年,由于中國在硬科技上的一些訴求,以及我們對創新的渴望,我們講了太多科幻故事,有太多企業不計成本地在一項沒想清楚的技術上投入。

甲小姐:GTC大會上老黃和Transformer的七位作者有一個圓桌論壇,我在現場,讓我印象深刻的觀點是,“Transformer不一定是最優解”,你認同嗎?

傅盛:Transformer肯定不是最優解,否則就不會需要這麼大的算力和能耗才達到和人一樣的智能湧現。僅從能耗這一點來說,Transformer一定不是最優解。比如人腦的算力很強,但消耗的能量很低。如果隻靠堆GPT,可能沒人能超過OpenAI了,唯一有機會的是谷歌,其餘公司隻能跟随。

甲小姐:一旦某項技術能夠以更少的資源實作,這個過程就不可逆了。

傅盛:整個商業史都是“低端颠覆”的曆史。低端産品出現時,是高端産品利潤最好的時候。随着低端産品技術越來越精進,就可能做到和高端産品差不多的品質,高端産品就會逐漸失去戰場。我堅定看好百億模型可能會在科技樹上長出不同分支。成本是人類社會永遠要考慮的需求,不計成本地追求技術效果就不會有經濟。

甲小姐:看其他媒體對你的采訪,你說“沒有哪個技術能做到一騎絕塵”?

傅盛:人才和資訊都在持續流動,沒有什麼技術可以真正形成足夠的壁壘。技術是要和商業、使用者、産品形成正回報效應的,一般的技術領先也就6-12個月。Claude-3已經超過GPT-4了。

甲小姐:AI的科技樹,2024年還會有什麼變化?

傅盛:我粗略猜測今年最有可能出現兩個方向,一個是真正了解神經網絡的運作,一個是用很多小模型不斷優化。我們下一版模型就要引用MoE(混合專家)架構,類似三個臭皮匠一起開會讨論一件事,進而達到和千億大模型一樣的效果。微軟最近在組織團隊研究7B的小模型,你要相信微軟做決定前,可能已經兼顧了最全面的資訊。

甲小姐:你會花時間讀論文嗎?

傅盛:你說到我軟肋了,我的确沒花太多時間讀論文,未來要多花點時間。但最近我正在讀《白話深度學習的數學》,補習基礎知識。

甲小姐:AI進展這麼快,你怎麼獲得新知?

傅盛:首先,我越來越笃定,技術一定要和實際結合。第二,要做大量基礎研究,學些深度的東西。不懂原理容易産生一些自以為是的誤判。

但我的優勢在于,過去五六年我花了1億美元搞人工智能,對這些大規律還是有基礎的。我們121釋出會上周鴻祎給我提出質疑,他說去年大語言模型才出來,我們之前7年的積累不重要,現在都在一個起跑線上。但我必須得說,我們過去的積累是很重要的——因為我們真金白銀犯了很多錯,才會有今天的選擇。

甲小姐:我依然記得2018年你在水立方的縱身一躍,你回憶起那一幕有什麼感慨?

傅盛:那是我人生的高光時刻,左手握着網際網路,右手握着人工智能,但我脫離了一個最基本的規律,就是貝索斯說的“所有事情都要從day 1開始”,我即便認清了大方向,也沒找到具體的點。

之前也有人問我,當初做機器人是不是太冒進了?按照當時的戰局,我并不冒進。其他公司燒掉十幾億美元,我花了不到1億美元把所有技術都做出來了,而且原來的業務一年有10億元的盈利,我有足夠的家底。

但沒想到我們的應用被Facebook(現Meta)、谷歌下架,我百口莫辯,後來也懶得争辯了。當時感覺内外交困,印象中我沒做錯什麼,為什麼會遇到這些事?美股上市公司出現這樣的事故,會有專門成立的獨立外部委員會來調查,最終也沒找出我們的問題,但人家就是不跟你做生意了,你能怎麼辦?一個公司70%的收入被打掉,意味着過去積累的一切都化為泡影,當時有種特别強烈的不公平感。

現在我逐漸接納了這一切。當時我做機器人和AI本身就是少數人的路。全社會真正了解技術的人可能千分之一都沒有,但99%的人都會來點評我。把時間拉長,把以前的樂觀情緒變得保守一點,反而是最好的方式。想清楚這些後,我們内部有了“涅槃計劃”,調整了很多東西。2023年大模型出來我挺高興的,終于解決了過去我做機器人“智障”的問題。

今天我依然覺得縱身一躍這件事本身挺牛X的,不後悔。如果讓我重新選,我依然可以到水立方縱身一躍,但我不會一下發五款産品,我會做一個更專注的産品,用更大的聲勢把它發出來。

甲小姐:對于人形機器人,你和老黃(黃仁勳)的差別是什麼?

傅盛:我們的不同在于,他的主業是晶片,做人形機器人隻是在搞PR;而我當時認為機器人是我的主業,那是我給我自己的幻想。老黃知道什麼是目的,什麼是手段;而我當時錯在把手段當目的。當年我覺得自己是天之驕子,能做出那麼牛X的企業,有種自我迷惑。但戰術上,我認為縱身一躍作為PR手段還是很牛的,隻是細節的完美不能代表整體上的失誤。

甲小姐:今天的獵戶星空變成了一個數字化轉型服務商。企業服務不是一個性感的賽道,沒有小川等人的姿态那麼“科幻”,是機器人創業很難讓你變保守了嗎?

傅盛:“保守”不是貶義詞,是中性詞。我更願意用“務實”來講我現在的心态。曆史總會記錄技術爆炸的高光時刻,但爆發來臨前,技術都在慢慢生長。我們在AI 1.0時代投入了很多,語音識别技術也相當領先,但技術領先和真正做好産品,甚至改變世界之間還有很大距離。

創業過程中,科幻主義有時會害人。過去幾年,由于中國在硬科技上的一些訴求,以及我們對創新的渴望,我們講了太多科幻故事,有太多企業不計成本地在一項沒想清楚的技術上投入。

真正的創新是一點點生長出來的,尤其在你沒有找到更好的範式之前,就讓創新慢慢生長。我能做好數字化服務提供商,就能把大模型的預訓練、應用技術打磨到行業最領先。機器人也一樣,我們會用大模型不斷優化,讓它的講解更好,在解決實際的問題時更領先,但不會上來就雙足雙臂。創業公司先在一個狹窄的領域足夠領先,才能在更大的領域領先,而不是最初就面向一個龐大的市場。

甲小姐:你會為AGI興奮嗎?

傅盛:當然,但從大模型到AGI中間還要走很長的路。今天AGI的科幻之處在于,我們期望用這個爆炸性技術解決所有問題。但現實社會往往是找到一個需求,再反向驅動技術疊代。我不擔心AGI出現後會出現一家公司把我們都滅了,現在我們已經和很多合作夥伴共同生長。AGI和實際場景結合的過程就是應用的機會。

甲小姐:你提出“同質化的勤奮隻會更卷,不同的道路才可能勝出”,你是先想清楚了一定不卷千億大模型,然後才找到了你的“不同道路”?

傅盛:對。我們曾經“卷”過。AlphaGo爆發前我就組建了公司曆史上最豪華的AI團隊,把技術輸出給小米、華為、喜馬拉雅等公司,但沒形成商業閉環之前,技術領先性是無法持續太久的。

當時我們大量投入研發,做出了整個技術架構,但很快就受到開源力量的沖擊,等于用自己組建的豪華團隊去和社會化大生産競争,這條路走不通。後來大廠也開始入局,有一家合作夥伴不用我們的技術了,他們組建團隊自己做,最後和我們的識别率差了2-3個點,但已經不影響使用了,他們就形成了内疊代。

技術不是這樣卷的。留着彈藥,我可以做出更高效的事情。曆史上很多颠覆式創新都不是靠資源取勝,不會形成“你做我也做”的局面,真正的創新都來自分叉路口——iPhone如果出全鍵盤手機,肯定打不過諾基亞,而我也不需要做堂吉诃德。

真正的創新不是憑空想出來的,你想到的時候,世界上可能已經有成千上萬人都想到了,甚至開始幹了。是以我們選了一條更務實的路,和更多企業一起,結合實際場景共創技術和産品。

甲小姐:你最近還去了日本,有什麼收獲?

傅盛:日本企業真的很實際,就看你能不能解決問題,成本能不能比原來更低。我給他們講了我們的理念,客戶兩眼放光。日本根本沒有大模型,他們隻能用ChatGPT。除了中美兩國,其他國家都沒有能力做大模型市場,個例除外。

我們Orion-14B的大模型釋出之後,X上反應強烈的是日本客戶,很多人說中國大模型要入侵日本。這不是因為我們能力有多強,隻是因為我們做了。

甲小姐:為什麼隻有中美是大模型的主戰場?

傅盛:大模型首先需要足夠的人才,這些人基本都是從網際網路過來的,除了中美誰還有網際網路産業?第二要資料,也是從網際網路來的;第三要場景,這要之後再看。但現在這個節點上,隻有中美能做。

4.賺錢vs燒錢:“賬算不過來不是AI的問題,是不懂to B的問題”

今天可能比四小龍時期更難。有些事情是英雄主義和科幻故事搞不定的,我為什麼一定要撞得頭破血流?

甲小姐:你提出“每一個企業都應該有自己的私有化大模型”,這是否高估了企業的需求?

傅盛:不會。我們做to B這麼多年,第一次遇到如此噴薄而出的需求。首先,AI重塑千行百業是大共識;第二,企業降本增效的訴求很強烈;第三,每家企業都對資料安全有很強的需求。

企業部署私有化大模型的成本,比以前找外包團隊搭一套傳統的語義了解服務系統更低。以前機器人進餐廳,老闆要給機器人窮舉餐廳内所有可能發生的情況,這是很繁重的工作,一旦使用者提問超綱,它就回答不了。今天有了大模型,你隻要輸入一個文檔,關于文檔的所有問題它都能回答。

當私有化部署成為共識,很多硬體廠商也會往這個方向靠,大模型私有化部署的技術成本會快速下降。去年底開始,很多PC廠商都喊出AI PC的口号。我認為今年所有新發的晶片都會配一個AI推理子產品。我們也正在從軟體方面優化推理,在一個MTK(聯發科)的手機上用2 bit量化壓縮了我們的14B模型,效果很好。

甲小姐:這麼多奔湧而來的需求裡,最高頻的場景是什麼?

傅盛:RAG(檢索增強生成)就是一個。大模型完成了資料化到智能化的進階,極大降低了大家使用資料的門檻,并且打通了資訊差。資料決策也算一個,我們正在用大模型打通很多客戶繁雜的BI系統,使得資料總結、預測都很智能、靈活。

甲小姐:企業級市場隔行如隔山,需求很碎片化,你如何決定先做什麼,後做什麼?

傅盛:我們會看企業規模和行業規模。

甲小姐:哪個行業“錢”景最好?

傅盛:簡單來講,離科技越遠,“錢”景越好。這類行業的需求很強,但對技術了解還不夠,自身業務複雜度又比較高。有了大模型,企業不需要懂技術,隻用講需求,大模型就能自己解決問題。

我們現在有十幾家簽約客戶,平均能幫他們把成本降低20-30%。我們還會給每位客戶提供一份詳細的業務報告,以前做這樣一份報告需要非常資深的運維團隊用接近一個月完成,中間還不能開小差。

甲小姐:你們還推出了應用套件“聚言”,以打造“老闆助手”。而2023年6月,聚言還是一款瞄準“數字員工”需求的企業服務産品。從“數字員工”到“老闆助手”,轉變是如何發生的?

傅盛:企業經營決策的試錯成本是企業最大的成本,而AI輔助決策是AI給數字化轉型帶來的本質變化。

AI真正強的地方在于它有無限的帶寬,全知全能。一個人幾乎不可能一天讀完5000份文檔并完全消化,但AI能夠快速拉齊資訊,幫決策者形成科學決策。

甲小姐:你之前提到拓客時會和做千億模型的大廠PK,PK過程中客戶的選擇過程和判斷标準是什麼?

傅盛:就看效果,看能解決什麼問題,能給業務場景帶來什麼價值。

甲小姐:上一波AI浪潮裡,創業公司也是融資、燒錢,但最終難以形成商業閉環,至今都在虧損,這一波大模型公司會重蹈覆轍嗎?

傅盛:那天我和朱嘯虎也在交流,我說了一個觀點他也認同,我說當年四小龍的時代是中國to G有巨大機會的時代,網際網路公司還沒有開始做to B、to G,給四小龍留了一個視窗。今天很多投資人說至少能投個四小龍,我覺得不一定。四小龍時期有政府的安防項目做兜底,但今天可能比四小龍時期更難。

AI 1.0完成商業閉環的基本都是大公司。比如百度用AI提升了廣告競價效率。在大家對技術認知高度一緻的情況下,創業公司很難幹得過大公司。大公司開始投入視覺識别後,AI四小龍也被擠壓得很厲害。有些事情是英雄主義和科幻故事搞不定的,我為什麼一定要撞得頭破血流?

我們現在做企業應用,是因為AI和企業應用的結合比的是全員效率,大公司環節多了之後很難克服全員效率問題,這就是我們賴以生存的土壤。但我并不認為隻有企業應用才能真正做好AI的商業閉環,随着大家認知疊代,未來還會生長出更多商業形态。

甲小姐:你看好大模型to C嗎?

傅盛:C端也要看模型的算力成本,真的不能再這麼燒錢了。你看Stability AI的CEO都離職了,這絕對不是小事情。

即便是C端,也應該先找場景,再去比對合理的模型,用合理的成本創造出爆款。最近有個很火爆的秘塔搜尋,就是這個思路。我有個朋友說,每用一次秘塔搜尋就能得出一份調研報告,而如此驚豔的效果背後,隻是個特制的百億參數模型。

我們現在做企業應用是最穩妥的路,最後肯定會也做C端,包括機器人。我們的夢想是讓機器人走進家庭。這件事我們一定會做,但并不代表此時此刻要全力去做。機器人從一個demo到最終量産,每一步都要付出巨大努力。在通往最終目标的過程中,我們通過服務企業應用,不斷打磨技術。等到有一天我熟練掌握全部的技術要點,我就能真正成就一項偉大的事業。

甲小姐:先做to B,再做to C,賣鍋和做飯是兩種能力,在B端積累的可以直接遷移到C端嗎?

傅盛:我實際上是to C到to B,to C向to B是很難遷移,為此我也學習了很久。但我如果我把to B做起來,我相信我的了解會更深,組織也會更健壯,再回to C會增加成功機率。

甲小姐:很多AI企業簽合同的時候覺得能賺錢,但兩年後發現傳遞不了,一算賬發現賠錢了。你入局企業應用前算過帳嗎?

傅盛:當然算過。最早做AI企業的很多人都是學者,他們不僅沒做過to B,甚至連公司都沒做過,媒體和資本喜歡這樣的故事,導緻這些企業社會地位很高,容易造成虛假繁榮。我反而見過很多比較小的AI企業做得不錯,比如用AI視覺幫一條産線提效。

賬算不過來本質不是AI的問題,是不懂to B的問題。有些企業C端做不好,隻能to B,但很多内部流程不清晰。在我們做機器人的頭兩三年,這種情況非常明顯。一些大客戶經常要求我們改外觀,近兩年我們理順思路,堅決不改外觀,如果非要改,就提前把帳算明白,不能白白陪練。

甲小姐:聽說你們140億參數的模型,客戶大概花兩三萬元工作站的費用,就可以部署在自己公司的内網;還有一個int4量化版,一塊千元級的顯示卡就能跑;加大概一萬元的電腦,就能跑你們的簡化版,具備完整版98%到99%的性能;另外根據企業的需求每年再收幾十萬、上百萬元的服務費……這麼定價你們能賺到錢嗎?

傅盛:模型授權費本身就是僞需求。現在千億大模型基本都是隻給客戶一個API,不解決問題,從本質上這種收費模式也應該被淘汰。GPT-4在專業領域落地也隻能滿足使用者70%的需求,但我們的RAG能滿足客戶95%以上的需求。合理的收費模式是要看能幫助客戶解決什麼問題——以前解決這個問題花多少錢,現在用你的産品能省多少錢?

甲小姐:企業老闆很難估算自己的決策一年花了多少錢。

傅盛:決策成本是确實是一個比較大的難題,但也可以分解。今天我就和那個大客戶說,釋出會之前我們全幫你免費,幹出來你覺得效果好我再把賬單給你,你在市場上找不到第二家。第二,如果我能和你的生态結合在一起,我可以把模型能力給你,你去給你的客戶創造價值。不管多少參數的模型,拿去用就行了。

大模型在企業的應用一定是降本增效,這是方向問題;但具體降本多少提效多少是技術問題。但絕對不能因為我有大模型,就先收你個幾百萬幾千萬元,這個模式一定走不出來。

甲小姐:如果你是投資人,你更傾向于投哪些大模型應用?

傅盛:離平台核戰争戰場遠一點的。像虛拟女友這種就沒有太多可做的空間。如果你要成為下一個騰訊,可能還需要機緣巧合;如果你想做一個還不錯的企業,隻要對IT技術有足夠的積累,對應用有足夠深的了解,2024年就是一個爆發點。

這波大模型浪潮一定會有原創公司走出來,我更看好從應用端着手的原創公司,而不是模型端。通過比較少的技術投入,摸索一個創新的方向。比如有人做了一款App,大模型都用别人的,但是他的App獲得了1億使用者。

甲小姐:這不就是“大模型套殼”嗎?

傅盛:套殼還真有可能套到1億使用者,招些人,融點錢,你有很多使用者資料,更能知道哪些方向值得優化——這就是從應用入手,反向促進技術疊代。

矽谷就完全不在乎套不套殼。我上次去矽谷看了幾十個項目,把AI和信用卡、保險結合,就做一個細分場景。當然也和矽谷的文化有關,這些應用很容易融到錢,而且你的項目有亮點,就會有大公司願意買,他們的大公司不會看到你做得挺好,自己再找兩個人來做。

5.現實vs理想:“我本質不想做網紅”

我也讨厭人家說我為了名氣,我根本不需要名氣。

甲小姐:你幾次強調視訊傳播效果,C端傳播度和你們B端的業務轉化正相關嗎?

傅盛:這是個好問題。我們的代碼生成大師還沒有對外部署,但已經接到很多私信。但我們的“121”釋出會帶來的商機還是非常牛的,超出我們公司所有人預期,甚至可能成為我們公司重新出發的起點。

甲小姐:你在公開課上鼓勵年輕創業者可以考慮做AI原生應用,但又說“我不認為目前 to C AI原生應用的時間點已到”,這似乎有點沖突?

傅盛:我認同AI原生一定會出現,但很難判斷究竟什麼時候出現,因為大模型技術還在很早期。真正的AI原生應用,依賴于大模型本身,以及各種配套的開發套件和晶片等硬體裝置。OpenAI異軍突起後,很多技術點還有斷層,我們現在在一點點彌補這些斷層。

我們這種企業每年的經營成本幾個億,肯定要考慮落地和增長。但如果我剛開始創業,我就找幾個人,天天試應用,做一點項目就能回本。一年後,如果大模型的配套技術成熟,剛好和我的應用形成組合,我就成功了。

網際網路出現的時候馬化騰也才20歲出頭——30多歲的人要養家,隻有年輕人可以以很低的成本試錯,等到網際網路爆發,他們就變成大佬。

甲小姐:為什麼會在公司成立AI生産力部門?

傅盛:真正用好AI的人,需要把過去的技能忘掉。最反對AI的群體就是程式員,他們更願意自己寫代碼而不是prompt。後來我意識到,必須對各部門進行組織改革,讓各部門的互動AI化,把中台部門全部調整,所有對外輸出必須用AI。

甲小姐:聽你同僚說,你們剛内部評選了7個bot,還評選了“第三周經典案例獎”,包含面試教育訓練、IT采購、視訊制作靈感提取器、接口查詢小能手等……你讓所有人都去做bot,你認為不會用AI相當于“文盲”嗎?

傅盛:當然。以前不會寫字的人也很難有很好的生活。AI未來是工具之母,就像網際網路一樣,不會上網就會被時代淘汰。最近我還準備寫一個課程叫做“AI思維”。

甲小姐:感覺大家都在争當AI學習課代表。

傅盛:我的公衆号已經有三四年沒有更新了,這波AI起來才開始更新,因為我本質不想當一個網紅。但這波AI浪潮确實對我的企業有幫助,我們一定要抓住這個機會。但我也讨厭人家說我為了名氣,我根本不需要名氣。

甲小姐:目前你如何配置設定在機器人業務和大模型業務上的精力?

傅盛:現在機器人業務基本可以穩定發展,我大部分精力會投在大模型和企業應用上。

甲小姐:對十年後的自己有什麼期待?

傅盛:十年後我55歲,希望自己還能保持年輕的狀态,不要因為身體年齡而停止對自己和世界的探索。

甲小姐:創業多年,你身上變化最大的地方和始終不變的地方分别是什麼?

傅盛:最大的變化是把親密關系處理得更好了。因為一直在工作,有段時間跟我女兒的關系比較緊張,團隊中也有很多重要的人離開,那時我内心是非常痛苦的,為此我還讀了不少書。

人生真正重要的人可能隻有幾個,你應該真正花精力和他們建立深度連接配接,這些人可能會成為你很重要的内生力量。現在我和同僚的關系比以前好很多,我更想和大家一起戰鬥,而不是你非要聽我的。

始終不變的是我對新事物的好奇心和夢想。我不認為夢想和實幹是沖突的,我現在更務實隻是為了更好地找到實作夢想的路徑。羅曼·羅蘭說過,世界上隻有一種英雄主義,就是認清生活真相之後依然熱愛生活。