1.泡沫vs真相：“今年是千亿大模型过半凋零的一年”

大模型可能是人类科技史上最短时间形成的共识，所有人都认为大模型是件大事——对于创业者而言，这是个危险信号。

甲小姐：上次见你还是春节前，这一个月AI发生了许多进展，最近你感受如何？

傅盛：挺开心的。尤其跟你聊完之后，我觉得我们走在正确的道路上。我现在看得很清楚，就是要从应用反向寻找技术，变成一个to B的企业服务商，我很enjoy这些事，已经很久没有这种感觉了。

甲小姐：今天你在客户现场驻扎了一整天，以前做to C会这么陪客户吗？

傅盛：to C还陪啥客户啊。我以前做to C从来不管销售，把流量送上去，招个人一年就给我干50亿元收入，但现在我得自己做销售。To B落地链条很长，销售过程中和用户的所有互动都是在汇总需求，现在我们整个销售链条都离用户需求更近，这是我们的核心竞争力。

甲小姐：什么样的客户会让你陪一整天，还要喝点？

傅盛：肯定是非常重要的客户。因为大模型刚开始，一切都很新，大模型的商业模式到底是什么？你收多少钱合适？没人说得清。大家得先有底层信任，得有些chemistry（化学反应）层面的交融，有些事情才好谈，否则没法谈。

甲小姐：目前大模型进入二元对立时代，一方是闭源阵营，比拼更高参数、更全面性能、更大算力，看谁能造出“爱因斯坦”；另一方是开源阵营，比拼更少资源、更专业性能、更灵活配置，看谁能造出“平民化大模型”。你选择了后者。这个选择纠结吗？

傅盛：ChatGPT出来之后，我们到底是大干快上做千亿大模型，还是走不同的道路，我纠结了两三个月。直到2023年五六月，我基本有答案了。

过去的经验让我倾向于不能大干快上。大模型可能是人类科技史上最短时间形成的共识，所有人都认为大模型是件大事——对于创业者而言，这是个危险信号。

技术不是单一路径。大模型的研发成本正以前所未有的速度下降。我去年4月就讲“未来会出现平民化大模型”，Llama 2发布那天我还发了朋友圈，说“不知道多少人要笑醒在深夜，多少人要哭晕在厕所”。

甲小姐：在外界看来，你完全有实力选择前者，而且前者看起来更有“英雄色彩”，why not？

傅盛：很多时候“英雄色彩”是自己幻想出来的，不应该成为一个创业者的起心动念。

我在AI 1.0时代经历过“舍我其谁”的阶段，现在已经放下执念了，我更会通盘考虑。如果只有英雄色彩，可能倒在半路，也浪费很多社会资源。

甲小姐：中国的千亿大模型已经供给过剩了？

傅盛：除了独角兽，还有文心一言、通义千问、昆仑万维等等，手机厂、车厂都会进来，怎么不过剩？千亿大模型已经超过10家，他们不可能都走到最后，因为体验没有到达用户增长点，在企业里应用也很难。今年是千亿大模型过半凋零的一年。

甲小姐：你最近见的千亿大模型创业者还像当初一样信心满满吗？

傅盛：状态改变很多。几个月前真的是信心满满，但现在有些人心慌的感觉很明显，我就不说是谁了。

甲小姐：但月之暗面和智谱AI最近在猛砸营销，非常高调。

傅盛：因为有钱了。

甲小姐：他们比你有钱？

傅盛：他们比我有钱。月之暗面融了超10亿美元，我们没他们多。

甲小姐：你怎么看最近大模型厂商开始卷“长文本”？

傅盛：这是一个更显性的指标，上下文技术对模型能力有提升，但不是核心。大语言模型技术每一个token都要触发神经网络，一层层触发下来到200万token，推理成本非常高，针对200万上下文做一次搜索成本大约要100块以上。

你真觉得OpenAI做不到200万上下文长度吗？长文本技术难度没那么高。很多时候不做这么长的窗口是考虑成本，但如果变成营销点，所有厂商都会很快跟上，但实际场景中，你有多少机会去一次性拆200万字的文档？

甲小姐：什么样的指标更能够客观衡量大模型能力？

傅盛：要在一个特别具体的场景下，达到很好的效果。

甲小姐：今天你做百亿级私有化大模型的想法有改变吗？

傅盛：没有改变，还在加强。我觉得这个想法太牛X了，简直是阳光雨露，天赐我也。

有个大厂在内部针对我们的“121”发布会开了个会，结论是千亿大模型做私有化几乎无解，因为部署成本太高了。对企业而言，解决问题最重要，成本控制是关键，千亿百亿与我无关。

你真是我的福星啊，上次和你聊完我们蒸蒸日上。虽然还没有在财报上体现出来，但我真的觉得我们走在正确的道路上，甚至是更勇敢和更聪明的道路。

2.共识vs反对：“双足人形机器人五年之内别想落地”

人并不是物理世界最优的运动形态。

甲小姐：年后AI领域又涌现出一波新进展，Sora、Devin、Figure 01，哪个让你更受触动？

傅盛：最让我有触动的是Devin。以前我们认为写程序高不可攀，但Devin能让没学过计算机的人会写代码，这非常exciting。我生日那天自己发了个视频，发布了我们的代码生成大师，我都没洗头，100%自己拍、自己剪、自己发，但那条视频传播效果是最好的，足见这特别符合大家需要。

甲小姐：GTC大会上，黄仁勋的keynote把压轴部分给了AI在物理世界的落地，也带火了人形机器人，英伟达机器人团队的Jim Fan认为2024是人形机器人之年，你怎么看？

傅盛：那更是一种卖算力的营销。

关于具身智能，每次我评论都会有很多人骂我没有梦想。但我们作为创业者，真正要考虑的是做产品，而不只是做些技术研究和演示视频。不要看不起新技术，但也不要盲从，盲从会造成大量的社会资源浪费。具身智能是大方向，但离落地还有很长的距离，目前还是学术探索阶段，需要一点点打磨，逐步进化，而不是今年投入，明年就能落地。

人形机器人真正实现量产，难度比马斯克想象的要大。我曾拜访过一家国内的双足人形机器人公司，问他们什么时候能量产，他们说别提日常量产了，三五年内工业产线都很难落地。而且为什么一定要人形？人并不是物理世界最优的运动形态。

甲小姐：一种常见的解释是，今天所有物理设施都是给人做的，我们不希望把物理设施重做一遍，所以机器人最好长得跟人一样。

傅盛：这个逻辑经不起推敲。既然都围绕人做的，那为什么有公路呢？今天我们社会上绝大多数基础设施都不是为人做的，而是为轮子做的——在所有发达国家，轮椅可以去任何地方；公路一拉几千公里，那不是为轮子做的吗？

甲小姐：黄仁勋和马斯克对人形机器人的推崇是他们的迷信吗？

傅盛：当年我做机器人的时候，我的公司曾经在2017年让一个机器人给我划过火柴、点过生日蜡烛、倒过红酒，当时我也很激动，以为大业将成。但我后来理解到，那只是为了老板开心的一场技术秀，在特定场景下实现这东西是没有意义的，离落地还有巨大的距离。这也是我现在看到网上一些专门拍摄的双足机器人的惊艳视频不以为意的原因。

当初我也顺着马斯克的“第一性原理”做事，觉得钢铁很便宜，钢铁变成机械臂为什么能涨那么多倍？觉得可以做机械臂，但后来没做成，可能也是我能力不够。但我认为这件事上“第一性原理”是不对的。不能说钢铁这个原材料不贵，做成机械臂就能节省大量成本，因为电机的改进太复杂。

黄仁勋不算迷信，他只是做了个秀而已。他的逻辑就是人工智能无处不在，你可以用我的AI芯片——对他们来说，哪个应用能用他的芯片，他就先说呗。

甲小姐：很多人对人形机器人的认知都经历了“肯定-否定-再次肯定”的过程，比如OpenAI、周鸿祎。

傅盛：OpenAI和Figure合作后，Figure 01机器人还没展现其双足能力，我的观点不变——双足人形机器人百万级以上的大规模量产五年之内别想落地。但双臂肯定是有机会的，要看具体做什么任务，但绝对不是什么穿针引线、做鸡蛋。如果是西红柿炒鸡蛋，双臂机器人3-5年也落不了地。

斯坦福大学发的机器人做西红柿炒鸡蛋是有人在背后操纵的，人操纵的情况下还有很多失败，那自己做就惨不忍睹了。你看斯坦福的论文，机器人正确率有60%-70%，相当于炒三个鸡蛋就有一个鸡蛋掉出来，这反而增加了人的劳动量。

甲小姐：周鸿祎的视频里还特意提到了西红柿炒鸡蛋的例子。

傅盛：我不同意他的观点。

他现在太容易收敛，可以很轻松地得出一个结论。比如，他说Sora懂物理世界，不然怎么能画出来。但你想，小狗会从最高点把飞盘接住，它就懂F=ma吗？它一定不懂。但大语言模型能总结出F=ma。对世界认识最深刻的一定是语言，不是图像。

他还说：“有些人和我怼，觉得Sora不是革命性技术，只是革命性产品，那你觉得它不是革命，你为什么不做出一个来？”这就偷换概念了。大家公认苹果没什么革命性技术，就是革命性产品，那你怎么做不出一个苹果呢？革命性的产品也很牛X啊对不对？技术突破、产品突破是两件事。

甲小姐：你为什么会这么生气？

傅盛：我一直是特别坚持要踏实做技术的派别，特别见不得那种对技术了解不够直接张口就来的人。一张嘴就斩钉截铁地说一个定律，AGI就要来了，这就很误导大众了。

甲小姐：我在硅谷听到一个有趣的说法，说现在聊Scaling Law（规模法则）的人，就像一帮小学三年级的人在聊量子力学。

傅盛：但我想说，真的不只有堆算力、堆参数这一条路，我们是有机会的，但机会不来自于简单的复制。

甲小姐：OpenAI的“人卡密度”是全球最高的。“人卡密度”是你提的词，简单说就是OpenAI每个人能配的GPU的密度高于其它企业。目前你们有卡的问题吗？能买到吗？

傅盛：一定是需要GPU的，但GPU只是个成本问题。在市场经济情况下，有买就有卖。虽然一定会有gap，但这个gap不是完全无法弥合。Vision Pro不在中国卖，但中国是不是也有很多Vision Pro？都是加价售卖的，不计成本什么都能买，GPU也一样，大概加50%就能搞。但正是因为加了50%的成本，我们才不能像OpenAI一样那么搞。

3.目的vs手段：“老黄知道什么是目的，什么是手段；而我当时错在把手段当目的”

科幻主义有时会害人。过去几年，由于中国在硬科技上的一些诉求，以及我们对创新的渴望，我们讲了太多科幻故事，有太多企业不计成本地在一项没想清楚的技术上投入。

甲小姐：GTC大会上老黄和Transformer的七位作者有一个圆桌论坛，我在现场，让我印象深刻的观点是，“Transformer不一定是最优解”，你认同吗？

傅盛：Transformer肯定不是最优解，否则就不会需要这么大的算力和能耗才达到和人一样的智能涌现。仅从能耗这一点来说，Transformer一定不是最优解。比如人脑的算力很强，但消耗的能量很低。如果只靠堆GPT，可能没人能超过OpenAI了，唯一有机会的是谷歌，其余公司只能跟随。

甲小姐：一旦某项技术能够以更少的资源实现，这个过程就不可逆了。

傅盛：整个商业史都是“低端颠覆”的历史。低端产品出现时，是高端产品利润最好的时候。随着低端产品技术越来越精进，就可能做到和高端产品差不多的品质，高端产品就会逐渐失去战场。我坚定看好百亿模型可能会在科技树上长出不同分支。成本是人类社会永远要考虑的需求，不计成本地追求技术效果就不会有经济。

甲小姐：看其他媒体对你的采访，你说“没有哪个技术能做到一骑绝尘”？

傅盛：人才和信息都在持续流动，没有什么技术可以真正形成足够的壁垒。技术是要和商业、用户、产品形成正反馈效应的，一般的技术领先也就6-12个月。Claude-3已经超过GPT-4了。

甲小姐：AI的科技树，2024年还会有什么变化？

傅盛：我粗略猜测今年最有可能出现两个方向，一个是真正理解神经网络的运作，一个是用很多小模型不断优化。我们下一版模型就要引用MoE（混合专家）架构，类似三个臭皮匠一起开会讨论一件事，从而达到和千亿大模型一样的效果。微软最近在组织团队研究7B的小模型，你要相信微软做决定前，可能已经兼顾了最全面的信息。

甲小姐：你会花时间读论文吗？

傅盛：你说到我软肋了，我的确没花太多时间读论文，未来要多花点时间。但最近我正在读《白话深度学习的数学》，补习基础知识。

甲小姐：AI进展这么快，你怎么获得新知？

傅盛：首先，我越来越笃定，技术一定要和实际结合。第二，要做大量基础研究，学些深度的东西。不懂原理容易产生一些自以为是的误判。

但我的优势在于，过去五六年我花了1亿美元搞人工智能，对这些大规律还是有基础的。我们121发布会上周鸿祎给我提出质疑，他说去年大语言模型才出来，我们之前7年的积累不重要，现在都在一个起跑线上。但我必须得说，我们过去的积累是很重要的——因为我们真金白银犯了很多错，才会有今天的选择。

甲小姐：我依然记得2018年你在水立方的纵身一跃，你回忆起那一幕有什么感慨？

傅盛：那是我人生的高光时刻，左手握着互联网，右手握着人工智能，但我脱离了一个最基本的规律，就是贝索斯说的“所有事情都要从day 1开始”，我即便认清了大方向，也没找到具体的点。

之前也有人问我，当初做机器人是不是太冒进了？按照当时的战局，我并不冒进。其他公司烧掉十几亿美元，我花了不到1亿美元把所有技术都做出来了，而且原来的业务一年有10亿元的盈利，我有足够的家底。

但没想到我们的应用被Facebook（现Meta）、谷歌下架，我百口莫辩，后来也懒得争辩了。当时感觉内外交困，印象中我没做错什么，为什么会遇到这些事？美股上市公司出现这样的事故，会有专门成立的独立外部委员会来调查，最终也没找出我们的问题，但人家就是不跟你做生意了，你能怎么办？一个公司70%的收入被打掉，意味着过去积累的一切都化为泡影，当时有种特别强烈的不公平感。

现在我逐渐接纳了这一切。当时我做机器人和AI本身就是少数人的路。全社会真正理解技术的人可能千分之一都没有，但99%的人都会来点评我。把时间拉长，把以前的乐观情绪变得保守一点，反而是最好的方式。想清楚这些后，我们内部有了“涅槃计划”，调整了很多东西。2023年大模型出来我挺高兴的，终于解决了过去我做机器人“智障”的问题。

今天我依然觉得纵身一跃这件事本身挺牛X的，不后悔。如果让我重新选，我依然可以到水立方纵身一跃，但我不会一下发五款产品，我会做一个更专注的产品，用更大的声势把它发出来。

甲小姐：对于人形机器人，你和老黄（黄仁勋）的区别是什么？

傅盛：我们的不同在于，他的主业是芯片，做人形机器人只是在搞PR；而我当时认为机器人是我的主业，那是我给我自己的幻想。老黄知道什么是目的，什么是手段；而我当时错在把手段当目的。当年我觉得自己是天之骄子，能做出那么牛X的企业，有种自我迷惑。但战术上，我认为纵身一跃作为PR手段还是很牛的，只是细节的完美不能代表整体上的失误。

甲小姐：今天的猎户星空变成了一个数字化转型服务商。企业服务不是一个性感的赛道，没有小川等人的姿态那么“科幻”，是机器人创业很难让你变保守了吗？

傅盛：“保守”不是贬义词，是中性词。我更愿意用“务实”来讲我现在的心态。历史总会记录技术爆炸的高光时刻，但爆发来临前，技术都在慢慢生长。我们在AI 1.0时代投入了很多，语音识别技术也相当领先，但技术领先和真正做好产品，甚至改变世界之间还有很大距离。

创业过程中，科幻主义有时会害人。过去几年，由于中国在硬科技上的一些诉求，以及我们对创新的渴望，我们讲了太多科幻故事，有太多企业不计成本地在一项没想清楚的技术上投入。

真正的创新是一点点生长出来的，尤其在你没有找到更好的范式之前，就让创新慢慢生长。我能做好数字化服务提供商，就能把大模型的预训练、应用技术打磨到行业最领先。机器人也一样，我们会用大模型不断优化，让它的讲解更好，在解决实际的问题时更领先，但不会上来就双足双臂。创业公司先在一个狭窄的领域足够领先，才能在更大的领域领先，而不是最初就面向一个庞大的市场。

甲小姐：你会为AGI兴奋吗？

傅盛：当然，但从大模型到AGI中间还要走很长的路。今天AGI的科幻之处在于，我们期望用这个爆炸性技术解决所有问题。但现实社会往往是找到一个需求，再反向驱动技术迭代。我不担心AGI出现后会出现一家公司把我们都灭了，现在我们已经和很多合作伙伴共同生长。AGI和实际场景结合的过程就是应用的机会。

甲小姐：你提出“同质化的勤奋只会更卷，不同的道路才可能胜出”，你是先想清楚了一定不卷千亿大模型，然后才找到了你的“不同道路”？

傅盛：对。我们曾经“卷”过。AlphaGo爆发前我就组建了公司历史上最豪华的AI团队，把技术输出给小米、华为、喜马拉雅等公司，但没形成商业闭环之前，技术领先性是无法持续太久的。

当时我们大量投入研发，做出了整个技术框架，但很快就受到开源力量的冲击，等于用自己组建的豪华团队去和社会化大生产竞争，这条路走不通。后来大厂也开始入局，有一家合作伙伴不用我们的技术了，他们组建团队自己做，最后和我们的识别率差了2-3个点，但已经不影响使用了，他们就形成了内迭代。

技术不是这样卷的。留着弹药，我可以做出更高效的事情。历史上很多颠覆式创新都不是靠资源取胜，不会形成“你做我也做”的局面，真正的创新都来自分叉路口——iPhone如果出全键盘手机，肯定打不过诺基亚，而我也不需要做堂吉诃德。

真正的创新不是凭空想出来的，你想到的时候，世界上可能已经有成千上万人都想到了，甚至开始干了。所以我们选了一条更务实的路，和更多企业一起，结合实际场景共创技术和产品。

甲小姐：你最近还去了日本，有什么收获？

傅盛：日本企业真的很实际，就看你能不能解决问题，成本能不能比原来更低。我给他们讲了我们的理念，客户两眼放光。日本根本没有大模型，他们只能用ChatGPT。除了中美两国，其他国家都没有能力做大模型市场，个例除外。

我们Orion-14B的大模型发布之后，X上反应强烈的是日本客户，很多人说中国大模型要入侵日本。这不是因为我们能力有多强，只是因为我们做了。

甲小姐：为什么只有中美是大模型的主战场？

傅盛：大模型首先需要足够的人才，这些人基本都是从互联网过来的，除了中美谁还有互联网产业？第二要数据，也是从互联网来的；第三要场景，这要之后再看。但现在这个节点上，只有中美能做。

4.赚钱vs烧钱：“账算不过来不是AI的问题，是不懂to B的问题”

今天可能比四小龙时期更难。有些事情是英雄主义和科幻故事搞不定的，我为什么一定要撞得头破血流？

甲小姐：你提出“每一个企业都应该有自己的私有化大模型”，这是否高估了企业的需求？

傅盛：不会。我们做to B这么多年，第一次遇到如此喷薄而出的需求。首先，AI重塑千行百业是大共识；第二，企业降本增效的诉求很强烈；第三，每家企业都对数据安全有很强的需求。

企业部署私有化大模型的成本，比以前找外包团队搭一套传统的语义理解服务系统更低。以前机器人进餐厅，老板要给机器人穷举餐厅内所有可能发生的情况，这是很繁重的工作，一旦用户提问超纲，它就回答不了。今天有了大模型，你只要输入一个文档，关于文档的所有问题它都能回答。

当私有化部署成为共识，很多硬件厂商也会往这个方向靠，大模型私有化部署的技术成本会快速下降。去年底开始，很多PC厂商都喊出AI PC的口号。我认为今年所有新发的芯片都会配一个AI推理模块。我们也正在从软件方面优化推理，在一个MTK（联发科）的手机上用2 bit量化压缩了我们的14B模型，效果很好。

甲小姐：这么多奔涌而来的需求里，最高频的场景是什么？

傅盛：RAG（检索增强生成）就是一个。大模型完成了数据化到智能化的进阶，极大降低了大家使用数据的门槛，并且打通了信息差。数据决策也算一个，我们正在用大模型打通很多客户繁杂的BI系统，使得数据总结、预测都很智能、灵活。

甲小姐：企业级市场隔行如隔山，需求很碎片化，你如何决定先做什么，后做什么？

傅盛：我们会看企业规模和行业规模。

甲小姐：哪个行业“钱”景最好？

傅盛：简单来讲，离科技越远，“钱”景越好。这类行业的需求很强，但对技术理解还不够，自身业务复杂度又比较高。有了大模型，企业不需要懂技术，只用讲需求，大模型就能自己解决问题。

我们现在有十几家签约客户，平均能帮他们把成本降低20-30%。我们还会给每位客户提供一份详细的业务报告，以前做这样一份报告需要非常资深的运维团队用接近一个月完成，中间还不能开小差。

甲小姐：你们还推出了应用套件“聚言”，以打造“老板助手”。而2023年6月，聚言还是一款瞄准“数字员工”需求的企业服务产品。从“数字员工”到“老板助手”，转变是如何发生的？

傅盛：企业经营决策的试错成本是企业最大的成本，而AI辅助决策是AI给数字化转型带来的本质变化。

AI真正强的地方在于它有无限的带宽，全知全能。一个人几乎不可能一天读完5000份文档并完全消化，但AI能够快速拉齐信息，帮决策者形成科学决策。

甲小姐：你之前提到拓客时会和做千亿模型的大厂PK，PK过程中客户的选择过程和判断标准是什么？

傅盛：就看效果，看能解决什么问题，能给业务场景带来什么价值。

甲小姐：上一波AI浪潮里，创业公司也是融资、烧钱，但最终难以形成商业闭环，至今都在亏损，这一波大模型公司会重蹈覆辙吗？

傅盛：那天我和朱啸虎也在交流，我说了一个观点他也认同，我说当年四小龙的时代是中国to G有巨大机会的时代，互联网公司还没有开始做to B、to G，给四小龙留了一个窗口。今天很多投资人说至少能投个四小龙，我觉得不一定。四小龙时期有政府的安防项目做兜底，但今天可能比四小龙时期更难。

AI 1.0完成商业闭环的基本都是大公司。比如百度用AI提升了广告竞价效率。在大家对技术认知高度一致的情况下，创业公司很难干得过大公司。大公司开始投入视觉识别后，AI四小龙也被挤压得很厉害。有些事情是英雄主义和科幻故事搞不定的，我为什么一定要撞得头破血流？

我们现在做企业应用，是因为AI和企业应用的结合比的是全员效率，大公司环节多了之后很难克服全员效率问题，这就是我们赖以生存的土壤。但我并不认为只有企业应用才能真正做好AI的商业闭环，随着大家认知迭代，未来还会生长出更多商业形态。

甲小姐：你看好大模型to C吗？

傅盛：C端也要看模型的算力成本，真的不能再这么烧钱了。你看Stability AI的CEO都离职了，这绝对不是小事情。

即便是C端，也应该先找场景，再去匹配合理的模型，用合理的成本创造出爆款。最近有个很火爆的秘塔搜索，就是这个思路。我有个朋友说，每用一次秘塔搜索就能得出一份调研报告，而如此惊艳的效果背后，只是个特制的百亿参数模型。

我们现在做企业应用是最稳妥的路，最后肯定会也做C端，包括机器人。我们的梦想是让机器人走进家庭。这件事我们一定会做，但并不代表此时此刻要全力去做。机器人从一个demo到最终量产，每一步都要付出巨大努力。在通往最终目标的过程中，我们通过服务企业应用，不断打磨技术。等到有一天我熟练掌握全部的技术要点，我就能真正成就一项伟大的事业。

甲小姐：先做to B，再做to C，卖锅和做饭是两种能力，在B端积累的可以直接迁移到C端吗？

傅盛：我实际上是to C到to B，to C向to B是很难迁移，为此我也学习了很久。但我如果我把to B做起来，我相信我的理解会更深，组织也会更健壮，再回to C会增加成功概率。

甲小姐：很多AI企业签合同的时候觉得能赚钱，但两年后发现交付不了，一算账发现赔钱了。你入局企业应用前算过帐吗？

傅盛：当然算过。最早做AI企业的很多人都是学者，他们不仅没做过to B，甚至连公司都没做过，媒体和资本喜欢这样的故事，导致这些企业社会地位很高，容易造成虚假繁荣。我反而见过很多比较小的AI企业做得不错，比如用AI视觉帮一条产线提效。

账算不过来本质不是AI的问题，是不懂to B的问题。有些企业C端做不好，只能to B，但很多内部流程不清晰。在我们做机器人的头两三年，这种情况非常明显。一些大客户经常要求我们改外观，近两年我们理顺思路，坚决不改外观，如果非要改，就提前把帐算明白，不能白白陪练。

甲小姐：听说你们140亿参数的模型，客户大概花两三万元工作站的费用，就可以部署在自己公司的内网；还有一个int4量化版，一块千元级的显卡就能跑；加大概一万元的电脑，就能跑你们的简化版，具备完整版98%到99%的性能；另外根据企业的需求每年再收几十万、上百万元的服务费……这么定价你们能赚到钱吗？

傅盛：模型授权费本身就是伪需求。现在千亿大模型基本都是只给客户一个API，不解决问题，从本质上这种收费模式也应该被淘汰。GPT-4在专业领域落地也只能满足用户70%的需求，但我们的RAG能满足客户95%以上的需求。合理的收费模式是要看能帮助客户解决什么问题——以前解决这个问题花多少钱，现在用你的产品能省多少钱？

甲小姐：企业老板很难估算自己的决策一年花了多少钱。

傅盛：决策成本是确实是一个比较大的难题，但也可以分解。今天我就和那个大客户说，发布会之前我们全帮你免费，干出来你觉得效果好我再把账单给你，你在市场上找不到第二家。第二，如果我能和你的生态结合在一起，我可以把模型能力给你，你去给你的客户创造价值。不管多少参数的模型，拿去用就行了。

大模型在企业的应用一定是降本增效，这是方向问题；但具体降本多少提效多少是技术问题。但绝对不能因为我有大模型，就先收你个几百万几千万元，这个模式一定走不出来。

甲小姐：如果你是投资人，你更倾向于投哪些大模型应用？

傅盛：离平台核战争战场远一点的。像虚拟女友这种就没有太多可做的空间。如果你要成为下一个腾讯，可能还需要机缘巧合；如果你想做一个还不错的企业，只要对IT技术有足够的积累，对应用有足够深的理解，2024年就是一个爆发点。

这波大模型浪潮一定会有原创公司走出来，我更看好从应用端着手的原创公司，而不是模型端。通过比较少的技术投入，摸索一个创新的方向。比如有人做了一款App，大模型都用别人的，但是他的App获得了1亿用户。

甲小姐：这不就是“大模型套壳”吗？

傅盛：套壳还真有可能套到1亿用户，招些人，融点钱，你有很多用户数据，更能知道哪些方向值得优化——这就是从应用入手，反向促进技术迭代。

硅谷就完全不在乎套不套壳。我上次去硅谷看了几十个项目，把AI和信用卡、保险结合，就做一个细分场景。当然也和硅谷的文化有关，这些应用很容易融到钱，而且你的项目有亮点，就会有大公司愿意买，他们的大公司不会看到你做得挺好，自己再找两个人来做。

5.现实vs理想：“我本质不想做网红”

我也讨厌人家说我为了名气，我根本不需要名气。

甲小姐：你几次强调视频传播效果，C端传播度和你们B端的业务转化正相关吗？

傅盛：这是个好问题。我们的代码生成大师还没有对外部署，但已经接到很多私信。但我们的“121”发布会带来的商机还是非常牛的，超出我们公司所有人预期，甚至可能成为我们公司重新出发的起点。

甲小姐：你在公开课上鼓励年轻创业者可以考虑做AI原生应用，但又说“我不认为目前 to C AI原生应用的时间点已到”，这似乎有点矛盾？

傅盛：我认同AI原生一定会出现，但很难判断究竟什么时候出现，因为大模型技术还在很早期。真正的AI原生应用，依赖于大模型本身，以及各种配套的开发套件和芯片等硬件设备。OpenAI异军突起后，很多技术点还有断层，我们现在在一点点弥补这些断层。

我们这种企业每年的经营成本几个亿，肯定要考虑落地和增长。但如果我刚开始创业，我就找几个人，天天试应用，做一点项目就能回本。一年后，如果大模型的配套技术成熟，刚好和我的应用形成组合，我就成功了。

互联网出现的时候马化腾也才20岁出头——30多岁的人要养家，只有年轻人可以以很低的成本试错，等到互联网爆发，他们就变成大佬。

甲小姐：为什么会在公司成立AI生产力部门？

傅盛：真正用好AI的人，需要把过去的技能忘掉。最反对AI的群体就是程序员，他们更愿意自己写代码而不是prompt。后来我意识到，必须对各部门进行组织改革，让各部门的互动AI化，把中台部门全部调整，所有对外输出必须用AI。

甲小姐：听你同事说，你们刚内部评选了7个bot，还评选了“第三周经典案例奖”，包含面试培训、IT采购、视频制作灵感提取器、接口查询小能手等……你让所有人都去做bot，你认为不会用AI相当于“文盲”吗？

傅盛：当然。以前不会写字的人也很难有很好的生活。AI未来是工具之母，就像互联网一样，不会上网就会被时代淘汰。最近我还准备写一个课程叫做“AI思维”。

甲小姐：感觉大家都在争当AI学习课代表。

傅盛：我的公众号已经有三四年没有更新了，这波AI起来才开始更新，因为我本质不想当一个网红。但这波AI浪潮确实对我的企业有帮助，我们一定要抓住这个机会。但我也讨厌人家说我为了名气，我根本不需要名气。

甲小姐：目前你如何分配在机器人业务和大模型业务上的精力？

傅盛：现在机器人业务基本可以稳定发展，我大部分精力会投在大模型和企业应用上。

甲小姐：对十年后的自己有什么期待？

傅盛：十年后我55岁，希望自己还能保持年轻的状态，不要因为身体年龄而停止对自己和世界的探索。

甲小姐：创业多年，你身上变化最大的地方和始终不变的地方分别是什么？

傅盛：最大的变化是把亲密关系处理得更好了。因为一直在工作，有段时间跟我女儿的关系比较紧张，团队中也有很多重要的人离开，那时我内心是非常痛苦的，为此我还读了不少书。

人生真正重要的人可能只有几个，你应该真正花精力和他们建立深度连接，这些人可能会成为你很重要的内生力量。现在我和同事的关系比以前好很多，我更想和大家一起战斗，而不是你非要听我的。

始终不变的是我对新事物的好奇心和梦想。我不认为梦想和实干是冲突的，我现在更务实只是为了更好地找到实现梦想的路径。罗曼·罗兰说过，世界上只有一种英雄主义，就是认清生活真相之后依然热爱生活。

3295
0
0
0

0/140 提交