不同的 AI 观：理想和现实，大模型和应用
杨植麟并不赞成这个观点，认为：「AI不是我在接下来一两年找到什么PMF，而是接下来十到二十年如何改变世界。」我倒是很喜欢他说的这句话「要赚钱，也要有理想。」
朱啸虎对 AGI 相对是悲观的，「至少5到10年之内是看不见的」，甚至认为「可控核聚变实现前，我不太相信地球有足够的算力能够实现真正的AGI。」
杨植麟就相对自信很多「AGI嘛，这是接下来十年唯一有意义的事」。下面这些都来自「技术男」杨植麟的观点：「不存在所谓的中国的Openai，真正AGI肯定是全球化的，AGI最终会是一个跟所有用户协作产生的东西。」「GPT-4 是AGI的必经之路。核心是，不能只满足做到GPT-4的效果。」3，to B 还是 to C很多大模型公司会通过to B落地（毕竟to B的确定性高）。朱啸虎的思路也是，「短期内肯定做to B，起来快。马上能提高生产力、见到效果。企业愿意花钱。」有了 AIGC 的加持，做企业服务会迎来春天（见面就签单，是一个考核指标），出路是「能不能靠AIGC迅速达到不烧钱的爆发增长」。朱啸虎赞成中国的AIGC应用已经大爆发了，「因为都是to B应用，消费者都不知道」。杨植麟的月之暗面并没有像对手那样做更稳妥的to B生意，只做了一款to C产品（kimi.ai），他说「我们不做（to B），我们从第一天就决定做to C」。朱啸虎认为开始 to C 的时机是「什么时候每个手机上都有大模型，to C应用可能会爆发」。4，大模型 vs 应用层朱啸虎：底层是大模型能力，上面应用公司构建的壁垒是「数据」。 「砸钱做AIGC，不可能的！关键是找不找得到PMF。」 「模型和应用的技能完全不一样，模型需要科学家，应用，你需要对场景、市场投放、销售非常了解。」而杨植麟的观点是不能脱离AGI去思考所谓的「应用」。他将公司看作是在人类世界上空架起的一个AI实验台，通过与人类互动找到应用机会，并将应用送入消费者手中。当然，他也不是说不做应用，而是：「我们需要边提升模型能力，边找更多场景，需要这样的平衡。要在你能活下去的情况下，追求长期。长期一定不能没有，否则你会错过整个时代。」「“应用”听起来好像你有一个技术，你想把它用在什么地方，有商业化闭环。但“应用”不是准确的词。它跟AGI是相辅相成的。它本身是实现AGI的手段，也是实现AGI的目的。」因为「现在只做应用，那好，可能过一年你就被碾压了。」「超级应用肯定需要有最强的技术能力。」「如果能被更底层的东西解释，就不应该在上层过度雕花。」他也同意「完全没有用户、没有收入，肯定不行」。需要有长期和短期的平衡。也很关注用户，用户是他们最终的目标，但也是共创的过程。只不过跟中国上一代创业者更看产品、用户、数据飞轮不同，作为新一代AI创业者代表的杨植麟认为「这次会更加技术驱动」：技术是这个时代唯一新变量，其他变量没变。超级应用肯定需要有最强的技术能力；只有一个颠覆性的东西，才配得上AGI这三个字。智能永远是最核心的增量价值。5，最大的分歧：开源与闭源朱啸虎更看好开源，认为「现在开源比非开源落后一代，但长远来看，开源肯定会赶上来。」所以，他的担心就在于「现在还不完全是工程问题。那你万一砸下去，又等别人开源了，你不是全都白砸钱？大厂肯定要自己做。创业公司你敢吗？」有一个理由挺有本土特色的，就是担心「用国内大模型，你做得好，肯定别人会抄你」……所以「应用层会更偏向开源，尤其对中国开发者，用开源至少你不担心被别人抄嘛。」而杨植麟并不这么认为，表示「开源落后于闭源，这也是个事实。」理由是：「开源的开发方式跟以前不一样了，现在开源本身还是中心化的，开源的贡献可能很多都没有经过算力验证，闭源会有人才聚集和资本聚集。」领先的大模型大概率不会开源，反而是落后的会这么做，这倒是蛮符合世界大模型的现状的。6，AI科技生态：中国 vs 美国杨植麟的观点是如果从产品和商业化角度看是不一样的，但从技术角度看技术路线上不会有什么不同，「基础通用能力肯定会差不多。」但因为AGI空间很大，「在通用能力基础上去有差异化」，国内大模型创业公司和巨头的关系是竞争+合作。而朱啸虎的观点就相对直接了，「美国是在底层大模型，投入越来越大」，「美国有钱敢于试错，那挺好，中国就在后面慢慢跟呗」，多次强调「先让别人试错，我们在后面跟是最好的、最稳健的策略」。认为我们搞出 200 多个大模型是没有意义的，应该多在应用层面上搞创新（中国在销售营销当中创新太多了），因为「中国在数据和应用场景上是远远超过美国的。」7，关于垂直模型（场景）杨植麟更偏向于认为只有一个通用模型来处理各种任务就够了，不存在许多专门的较小模型来处理特定任务，中国也不例外。而朱啸虎的采访中，你会看到他会强调「很多垂直领域，都要积累数据、积累优化」，并分享「很多垂直应用，我们发现Mistral 2比LLaMa 2好用。」也就是说，你用一个开源的大模型+自己的优势，就可以搞出一个很好的垂直应用了。
也并没有说让你去搞什么垂直模型，因为「中国你今天一个公司，做垂直模型的，没有商业化收入，一亿美金估值现在都没人投了。」8，我也班门弄斧，聊两句。显然，他们的观点是完全不同的，甚至是相左的。我估计朱啸虎这篇在舆论上会吃点亏，毕竟大家更喜欢理想主义，而不喜欢太现实的，尤其是老想着「挣钱的」，但保不齐很多人其实心里默默点赞，身体上都是像朱啸虎靠拢的，所以从这一点上来说，朱啸虎还是敢说的……但说实话，又真的各有各的道理，这也是我过去一年很多时候兴奋又焦虑的点，当然，大模型自然跟我是没有什么关系，我也只能搞搞小应用，所以我也从朱啸虎的表达里学到了很多干货，尤其是在国内AI应用层的逻辑。我在关于 AI，我这一年的观察和思考，也提到，辛辛苦苦做了一个应用，还没挣几天前可能就因为大模型的升级，自带的能力就把我应用能干的事儿给覆盖了，to C的难度确实远远大于to B，深耕to B获得的积累，也是一种别人不会轻而易举拿走的优势。这也是朱啸虎提到的「认为AIGC可以帮助企服公司提高销售效率和创造价值，但需要解决销售管理能力和数据积累的问题」。同时，我又无比的渴望像月之暗面这种有理想的公司能成事儿，我们也有一个好用的大模型被全世界的人追着送钱，不至于现在这样，我好几次给主动追着给 ChatGPT 送钱买它们的 PLUS、API，它都毫不留情的给我封号，最近甚至封了号还不给我退钱！孰是孰非，好像不重要，甚至他们都是正确的。
毕竟，AI 这赛道，必定是尸横遍野，一地鸡毛，最终也只能第一名说了算，投不中第一名，投其他的大概率打水漂了，那不如不卷大模型，搞应用嘛。9，最后，我们用 AI 的方式来让 AI 解读下这两篇文章的观点：（以下全部来自于 AI 的总结和分析，所以你有没有想到可以做个什么小应用？）
| AGI相关话题 | 杨植麟的观点（第一人称语气） | 朱啸虎的观点（第一人称语气） |
|---|---|---|
| AGI的重要性 | “我坚信AGI是未来十年唯一有意义的事。我们的目标不仅仅是找到短期的PMF，而是要实现长期的AGI。” | “我信仰AGI，但我信仰应用啊，我信仰能马上商业化的。” |
| AGI与商业模式 | “我们月之暗面致力于构建一个结合科学、工程和商业的系统。我们希望通过与人类互动找到应用机会，并将这些应用送入消费者手中。” | “我也信仰AGI，但我更看重的是AGI的应用和商业化。我认为，只有能够快速实现商业化的AGI技术才有价值。” |
| AGI的实现路径 | “我们需要在活下去的情况下追求长期目标。长期一定不能没有，否则我们会错过整个时代。” | “我认为，AGI的实现需要一个更现实版的中国故事。我们需要找到那些能够快速变现的应用场景。” |
| 对开源与闭源的看法 | “开源模型在开发方式上已经发生变化，现在更中心化，且贡献可能未经算力验证。闭源模型可能更有优势。” | “开源模型和闭源模型的差距只会越来越大。技术信仰派的观点是，开源模型永远追不上闭源模型。” |
| AGI的未来展望 | “我认为，AGI的发展将改写今天的商业模式。我们不能只满足于现有的技术能力，而应该不断探索和实现更强的智能。” | “AGI的未来是光明的，但我们需要找到那些能够立即产生效益的应用。我对中国的AIGC应用已经大爆发了这一点非常有信心。” |
| 对比维度 | 美国投资人 | 中国投资人（朱啸虎的观点） |
|---|---|---|
| 对大模型的投资态度 | 美国投资人对大模型的投资持开放态度，愿意投入巨资。 | “我得说，美国的投资人真是敢砸钱，他们对大模型的投资热情高涨，但我自己嘛，我得更现实一点，我得看到商业化的可能性。” |
| 对开源模型的看法 | 美国投资人可能更倾向于支持开源模型，认为这是技术进步的方向。 | “开源模型这事儿，我觉得在美国那边挺受欢迎的。但我在中国，我得考虑的是怎么用这些技术来赚钱，怎么在中国市场立足。” |
| 对商业化和变现的重视 | 美国投资人可能更注重技术的长期发展和潜在价值。 | “我得承认，美国的投资人他们可能更看重长远的技术发展，但我在中国，我得更看重的是这个技术能不能马上变现，能不能带来收入。” |
| 对创业公司的支持 | 美国投资人可能更愿意在早期阶段支持创业公司，即使它们还没有明确的商业模式。 | “美国的投资人，他们可能更愿意在早期就支持创业公司，哪怕这些公司还没找到赚钱的路子。我在中国，我得更谨慎，我得看到这些公司有明确的商业化路径。” |
| 对技术迭代的预期 | 美国投资人可能预期技术迭代会持续快速，愿意为之投入。 | “技术迭代这事儿，美国的投资人可能觉得这是个永无止境的过程，他们愿意为之投入。我在中国，我得更实际，我得看到技术迭代带来的实际效益。” |
| 对市场机会的把握 | 美国投资人可能更注重全球市场的机会。 | “美国的投资人，他们看的是全球市场，他们愿意在全球范围内寻找机会。我在中国，我得更聚焦，我得先确保在中国市场上站稳脚跟。” |
| 领域 | To B (企业服务) | To C (消费者市场) |
|---|---|---|
| 看法 | “我看好to B领域，因为这些应用能马上提高生产力、见到效果。企业愿意为此付费，而且现在中国在这方面场景远远领先美国。” | “至于to C领域，我觉得还有点早。to C要见到iPhone 3时刻，就像当年移动互联网to C应用爆发是Multi-Touch出来以后。大模型在to C应用的爆发，我觉得还需要时间。” |
| 商业化速度 | “to B项目能快速商业化，基本不用烧钱。我们投的公司，比如AI视频面试，已经实现了显著的增长和盈利。” | “to C项目需要等待市场成熟，需要找到那个‘iPhone 3时刻’。目前，大模型在to C领域的应用还不够成熟，还需要时间来验证。” |
| 投资策略 | “我倾向于投资那些能够快速实现商业化、不烧钱的to B项目。这些项目能够迅速带来回报，风险相对较低。” | “to C项目我持观望态度。虽然长远来看有潜力，但目前我更倾向于那些能够立即产生效益的项目。” |
| 市场机会 | “to B市场的机会在于能够迅速提高效率、降低成本的应用，这些是企业迫切需要的。” | “to C市场的潜力在于创新的消费体验，但需要等待技术成熟和市场接受度提高。” |
| 风险考量 | “to B项目的风险相对较低，因为它们通常有明确的商业模式和收入来源。” | “to C项目的风险较高，因为它们依赖于消费者行为的变化，这需要时间来观察和适应。” |
| 开源模型相关建议 | 朱啸虎的观点（第一人称语气） |
|---|---|
| 对开源模型的态度 | “我得说，开源模型这事儿，在美国那边挺受欢迎的。但我在中国，我得考虑的是怎么用这些技术来赚钱，怎么在中国市场立足。” |
| 开源模型与闭源模型的差距 | “技术信仰派认为开源模型永远追不上闭源的，但我看这事儿，开源模型迟早会赶上来，那时候闭源的就尴尬了。” |
| 开源模型的应用前景 | “应用层会更偏向开源，尤其对中国开发者，用开源至少你不担心被别人抄嘛。国内大模型，说实话你在它们上面盖房子，还是担心别人抄你。” |
| 开源模型的商业化 | “开源模型，我们现在都在试，看看哪个更好用一点。但关键是，你要做AI 100%做不了的东西，这才是中国的机会。” |
| 开源模型与大厂的关系 | “大厂肯定觉得自己能干。但阿里今天愿意出的钱，和以前肯定是完全不一样的啊。如果月之暗面证明自己，大模型能追上闭源水平，收购是有价值的。” |
| 开源模型的长期发展 | “现在开源比非开源落后一代，但长远来看，开源肯定会赶上来。就像安卓，今天比iOS差吗？肯定不会。” |
| 话题 | 杨植麟的观点 |
|---|---|
| 开源模型的现状 | 开源模型的开发方式已经发生变化，现在更中心化，贡献可能没有经过算力验证。 |
| 开源与闭源的比较 | 闭源模型因为有人才和资本的聚集，最终可能会比开源模型更好。 |
| 开源模型的贡献 | 开源模型的贡献可能很多都没有经过算力验证，这限制了其发展。 |
| 开源模型的策略 | 对于领先的模型，开源出来可能不合理，反而是落后者可能会选择开源。 |
| 开源模型的未来 | 开源模型可能会通过搅局的方式，发布小模型来影响市场。 |
| 话题 | 杨植麟的观点（第一人称语气） |
|---|---|
| 中美AI发展差异 | “我观察到，中美在AI领域的发展路径有所不同。美国在底层大模型的研发上投入巨大，而中国则在应用层面有更多的创新。” |
| 中国AI的潜力 | “我认为中国在AI领域有很大的潜力，尤其是在数据和应用场景的积累上，这为AI的发展提供了独特的优势。” |
| 美国AI的领先 | “美国在AI技术上确实领先，尤其是在大模型的构建上。但我相信，随着时间的推移，中国的差距会逐渐缩小。” |
| 中美AI生态 | “中美最终可能形成不同的AI科技生态，尤其是在产品和商业化方面。但从技术角度来看，基础通用能力应该会差不多。” |
| 中国AI的挑战 | “中国的AI公司在追赶国际先进水平的同时，也面临着资本、人才、技术等多方面的挑战。但这些挑战也是我们成长的机会。” |
| 美国AI的合作模式 | “我注意到，美国的大公司如OpenAI与微软的合作模式，这对我们来说是一个参考。我们可以从中学习如何在合作中实现共赢。” |
| 中国AI的创新 | “中国在AI应用层面的创新速度非常快，这在一定程度上弥补了我们在底层技术上的不足。我相信，这种创新能力将推动中国AI产业的发展。” |
| 商业模式相关话题 | 杨植麟的观点（第一人称语气） |
|---|---|
| AGI与商业模式 | “我坚信AGI是未来十年唯一有意义的事。我们的目标不仅仅是找到短期的PMF（产品/市场契合），而是要实现长期的AGI。” |
| 技术与商业的结合 | “我们月之暗面致力于构建一个结合科学、工程和商业的系统。我们希望通过与人类互动找到应用机会，并将这些应用送入消费者手中。” |
| 长期与短期的平衡 | “我们需要在活下去的情况下追求长期目标。长期一定不能没有，否则我们会错过整个时代。同时，我们也需要关注短期的用户和收入，以保持公司的活力。” |
| 用户与产品的互动 | “用户是我们最终的目标，但他们也是共创的过程。用户的输入反过来让模型变得更好。我们需要边提升模型能力，边找更多场景，实现user scaling和model scaling的平衡。” |
| 技术驱动的商业模式 | “这次（AI发展）会更加技术驱动。我们的目标是给用户提供一辆汽车，而不是停留在马车阶段。我们希望通过技术进步来推动商业模式的创新。” |
| 技术进步与商业模式的变革 | “AGI的发展将改写今天的商业模式。我们不能只满足于现有的技术能力，而应该不断探索和实现更强的智能。” |
| 对于PMF的看法 | “PMF固然重要，但如果我们只专注于短期的PMF，可能会被技术的进步所淘汰。我们需要有长期的视野，以确保我们的商业模式能够适应未来的技术变革。” |