万字实录：投钱、烧钱与赚钱五位AI大咖的不同AI观

今天谈到AI，大共识已经形成：AI是未来。

但也有很多认知没有收敛：AI基础模型技术是否放缓？信仰技术还是信仰市场？Killer App（杀手级应用）如何出现？先发优势还是后发优势？算力生态如何突围？AI与人类未来的关系？

5月15日，在「甲子光年」举办的「AI创生时代——2024甲子引力X科技产业新风向」大会上，五位AI大咖在巅峰论坛坐而论道，围绕上述六大核心问题层层展开，追本溯源。

这五位嘉宾是——金沙江创业投资基金主管合伙人朱啸虎，猎豹移动董事长兼CEO、猎户星空董事长傅盛，出门问问创始人兼CEO李志飞，清华大学电子工程系教授、系主任、IEEE Fellow、无问芯穹发起人汪玉，摩尔线程创始人兼首席执行官张建中。本场巅峰论坛由甲子光年创始人、CEO张一甲主持。

五位嘉宾代表了AI生态不同的角色：投资人、软硬件AI产品创业者、学者、芯片创业者。五个鲜明而极致角色之间的排列组合，正映射了今天AI行业最受关注的话题。

以下为现场嘉宾交流实录，时长84分钟，经「甲子光年」精简整理。

1.技术是否放缓的问题

张一甲：今天，我们有意邀请了多元化的嘉宾阵容，先请各位简单地自我介绍，并分享一下你们在AI领域的最新关注点。

朱啸虎：我们一直态度很鲜明，只看AI应用，而且我坚信AI应用很快就会大爆发了。

傅盛：我与朱啸虎的看法高度一致，AI是底层的生产力革命，应用是关键点，能够引发大规模传播和用户使用。

李志飞：我的观点与前两位高度不一致，我认为AI的爆发还为时尚早，目前的模型和产品在我看来都是半成品。

汪玉：我从事AI芯片研究，最近关注的是如何将中国的大芯片作为算力提供给AI。

张建中：我来自摩尔线程，专注于AI算力芯片。无论AI今天火还是明天火，算力始终是需要的；不管是训练还是推理，算力肯定永远是成本为王。我们希望大家不光做得起，还能用得起。我们的目标是提供高性价比的算力，让更多人能够使用AI。

张一甲：各位嘉宾都没说自己的名字，展现出了一种“天下谁人不识君”的自信。我们今天的讨论也不是围绕着大家具体做的某项业务或者产品展开，而是希望能够探究一些观点和立场。

首先，我们谈一谈AI的情绪曲线。2023年，ChatGPT和GPT-4的发布让人们充满激情。今年，无论是Sora还是其他后续产品，关注度迅速下降。我们从各个搜索引擎的关键词指数可以看到，技术刺激的频率在增加，但单个刺激的影响在减小。请问各位，今年的整体感受如何？是更加兴奋还是趋于平静？请用一个关键词描述。

李志飞：平静。

2023年我可能每天只睡三四个小时，半夜醒来后，我觉得不应该浪费时间继续睡觉，而是开始思考或阅读。去年，无论是ChatGPT、GPT-4还是Gemini，以及各种新概念和知识层出不穷。例如，Agent三月份刚出来时我都不知道这是什么，但到了四五月突然成为了热门话题。去年无论是我个人的工作时间还是整个行业的活跃度都非常高涨，《飞哥说AI》公众号我们每周至少都会写一篇文章，但今年上半年的发布频率有所降低，今年的平静感明显增强。

张一甲：志飞是一位刚刚敲过钟的创始人，但今年的感受是平静。傅盛总的关键词？

傅盛：卷，特别卷。

随着时间的推移，竞争速度在加快。我们原计划在今年上半年第一个推出MoE模型，却发现已有其他公司也开始尝试。就连OpenAI这样浓眉大眼的也开始卷了。大家普遍都拿过去预测未来，本以为他们的发布至少是搞个GPT-4.5来一个模型性能的大提升，没想到他们开始卷应用了，卷工程化了，卷成本了，甚至不收费了，对吧？

GPT-4o的发布也让我感到了竞争的压力，尽管许多人受其震撼，但我认为这反映了行业的技术瓶颈——大家在已经证明的道路上不断优化成本、提高多模态交互的流畅度和用户体验，但算法更新的速度已经放缓。

张一甲：你认为OpenAI在易用性方面的努力是技术瓶颈的体现吗？

傅盛：我认为这是两条路线的选择。一条路是不断增强大模型的能力，将易用性留给开发者。另一种是在技术路线遇到困难时，先解决最重要的应用问题。所以，我认为OpenAI在GPT-5“难产”的情况下，选择先解决应用问题。

张一甲：你如何看待伊利亚的离职？

傅盛：这可能是遇到困难的原因之一。伊利亚是技术信仰派，他对团队肯定有影响。但我认为，技术信仰派在任何情况下都相信自己能够实现目标，不会因为觉得做不到而离开。

张一甲：傅盛总刚才的观点简言之是，如果我可以追求险远瑰怪的星辰大海，我不必去跟你们卷应用和商业。汪老师怎么看这个问题？

汪玉：我的关键词是“无限可能”。

我身边都是年轻人，看到了各种各样的尝试。清华大学在4月份成立了人工智能学院，分为AI core和AI plus两部分。AI core关注算法的演进，而AI plus则涉及人文、教育等领域，各行各业都开始关注AI能带来哪些提升。从学校和年轻创业者的角度来看，我觉得今年仍然是一个充满无限可能的时期。

张一甲：如果无限可能是一个可以度量的数字，今年的无限可能感与去年相比哪个更强？AI的珠穆朗玛峰在你看来是更高了还是更低了？

汪玉：我觉得去年主要是AI core的人讨论得更多，而今年各行各业，包括学校的各个学科和学院都开始关注AI。这种影响是一个逐步扩散的过程，从最初的冲击到对其他学科和行业的影响，我认为今年的无限可能感更强。我自己不做基础模型研究，但从能力上看，今年并没有让我觉得AI的能力有了显著提升的感受。

张一甲：张建中总的关键词是“想象”，请解释一下。

张建中：我认为贫穷限制了想象。大多数AI创业公司即使融到了数十亿或数亿资金，也难以建立算力中心。再加上算力资源的稀缺，使得许多企业心有余而力不足。包括OpenAI在内的整个行业面临的问题是如何解决算力资源匮乏导致的迭代难题。

我认为，大型基础设施应该具有公用性，不可能每个人都去自己建“机场”。如果有相关机构能够建立一个大型基础设施，让所有人都能随时使用所需的算力，那将非常有价值。我们正在与汪玉老师合作，搭建一些大型基础设施，以便随时满足企业的算力需求。否则，企业将不得不每天都头疼，去减少模型规模，降低训练质量，这对AI的发展是不利的。

另外，我认为AI的发展是无限逼近人类的智慧，以后肯定会超越，但是人类本身的智慧也在发展，今人跟古代的人相比一定是智慧的成长，不可能说因为某一家公司解决了一个基础模型，然后这个世界上的难题就全解决了，没有这样简单的算法。

张一甲：朱啸虎总的关键词是“商业化质量”。

朱啸虎：创业者都比较浪漫，都讲无限可能和想象，而我们投资人比较“庸俗”，只看商业化。

我一直和创业者说，千万不要追求技术的领先，不要纠结于产品中有多少是AI，有多少是人工，因为技术迭代太快了，一定要追求能不能达到商业化质量，把客户、场景、数据抢在自己手上。

实际上，部分人工参与可能更适合中国创业者。就像当年百度和谷歌的竞争一样，谷歌完全依赖机器，而百度结合了机器和人工。

刚才一甲说现在一些AI产品是“日抛型”的，是因为它达不到商业化质量，大家觉得这个很新鲜，尝试一下，第二天就不用了，所以就日抛。

再举个例子，OpenAI的GPT 4o达到了平均320毫秒的响应时间，确实很厉害，我们的创业者用LLama来垂直优化可能最多做到2秒的延时，但很多时候2秒延时反而更好地验证你有没有PMF——你的客户痛点是不是足够痛？如果客户痛点足够痛，2秒也是我可以接受的，根本不需要320毫秒这么好的性能，而当你提升到320毫秒，我也可以跟进提升我的底层技术，但之前我已经验证好这个场景了，已经抓住客户，抓住数据了，对吧？我觉得这已经足够了。

此外我认为，大模型技术已经进入了一个瓶颈期。昨天我开玩笑说，OpenAI发布GPT-4o就像一个优秀的理论物理学博士突然发表了一篇应用物理的论文。如果他真的相信“Scaling Law”，他就不会浪费时间去做优化了。因为只要能“scale up”，性能问题就不再是问题。他为什么要反过来做优化，降低成本？这表明在技术上至少已经遇到了一个瓶颈期。

2.“屁股决定脑袋”的问题

张一甲：朱啸虎是今天唯一的投资人，下一个问题从朱啸虎引发的讨论开始——技术信仰派和市场信仰派，各位是什么立场？

张建中：我是“行业+技术”派。

因为没有行业应用，技术创新是无法实现商业化的。哪个行业先行，哪个行业就可能是AI创新和加速的领域。AI在许多领域具有商业价值，因为它能做人类无法做到的事情，以医疗为例，即使是非常有名的医生，也不一定能做出准确的诊断，但AI可以做到。我始终相信，Killer App与技术是相辅相成的。

傅盛：我是“长期技术主义，短期市场务实”派。

张一甲：这是“端水大师派”。

傅盛：我其实参考了GPT的答案，但我觉得比较有道理。长期来看AI必然带来颠覆式影响，但短期内技术发展不是线性的，我们不能期望技术每年都以相同的速度发展。

大家立场不同，芯片厂商会希望你们尽管去用，你只要能租1万卡我就给你，舍不得卡而导致裁剪参数是不对的，而我觉得我们要警惕资源陷阱。我不认为资源限制了大模型的发展。资源的过度充裕有时会导致过度迷信技术本身带来的爆发力而不计成本地投入，反而会导致行业泡沫的破灭。

张一甲：这是个有意思的观点——恰恰是资源的有限性，可能保护了我们这个行业的长期发展，如果资源是无限的，可能我们会很快到达泡沫的高点而误入歧途？

傅盛：以色列是中东唯一没有石油的国家，但其科技在全球领先；OpenAI之所以能够取得成功，部分原因在于它是一家资源有限的小型公司，要论资源，谷歌肯定比他多多了。虽然Sam Altman正在筹集7万亿美元构建算力，但那更多是一种PR宣传。

我觉得所有科学和技术的创新正是在资源有限的情况下才可能更有迸发力。我们对我们自己的研发团队的要求也是，别总想着多要卡、多要人，对吧？怎么在现有情况下做出一个更好的产品？这是我们要真正去做的。实际上，在几年前我们资金充裕时，对AI1.0的投入并没有带来预期的创新成果。并不是光有资源就能真正促使创新。

因此，我认为未来两年AI领域的从业者的首要任务是思考如何从市场中获得回报。我们不能再沉浸在技术会不断自我推动的幻想中，我们作为创业者一定是跟市场紧密结合的，不要去做狂想派。事实上，整个行业在过去十几个月中，顶级模型的性能并没有显著提升。

李志飞：我认为无论技术信仰还是市场信仰，就是“屁股决定脑袋”。朱啸虎作为投资人如果过于理想化，他的LP可能会撤资；而作为刚创业一年的创始人对现实又是无能为力的，难道你要说盈利吗？只能投奔技术理想主义。我认为这种讨论更多地提供了一种情绪价值，并没有绝对的对错。

理想主义对于技术创业者来说是自然而然的，因为那是他们的基因，他们的本能反应。为什么我会创业，因为我有理想，否则我在谷歌工作，天天4点下班，多好啊。

张一甲：现在谷歌肯定不能4点下班。

李志飞：现在可能更早，甚至都不用去。

我认为，许多海归创业者，包括我自己在内，早期的问题在于过于不务实，打着理想的旗号，回避了现实中的许多问题。我们做了一些有噱头的产品，总说这是前沿科技，遇到问题就说用户不理解，巨头没节操——这些都是回避现实的借口。因此，我认为技术创业者应该更加务实，更多地关注商业和市场竞争，真正了解技术是否符合用户需求，这可能更为重要。

张一甲：对于创业者而言，正确的姿势不是去突破技术，而是等待技术的发展吗？

李志飞：所有的公司肯定都不是在等，而是要判断我们今天做的事是不是未来需要的一种能力，这个可能更重要。否则我们现在做的很多产品或者模式可能是过眼云烟，可能过两年以后就不成立了。

我觉得大家必须接受这么一个现实，我真的觉得今天所有的模型产品、商业模式可能都是过渡的，但是并不代表你应该等，你必须今天建立一些能力，比如模型的能力，接触用户的能力，渠道的能力，这是这个阶段所有企业应该的姿势。

张一甲：如果两年前我主持这个论坛，可能会得到不同的答案。志飞第一次意识到商业化的重要性——当账上只剩下3亿元，只够付一年薪水的时候，大概是2019年。志飞从2012年创办到今年公司上市经历了12年，围绕语音交互先后经历了APP、微信公众号的软形态，后来去做硬件，手表、家居、汽车，直到大概两三年前做魔音工坊这样的AIGC，今年终于上市了——这个过程可以说是一个技术理想主义者不断自我和解，最终面对现实的过程。

李志飞：千万不要把我描述成一个没有理想的人（笑）。

张一甲：志飞跟傅盛总还不太一样，傅盛在互联网时代是赚过钱的，你俩的“屁股”不太一样。

傅盛：但后来也经历了生活的毒打。

李志飞：他在互联网上赚的钱都在AI上输光了。

傅盛：我上次和一甲聊，就是说为什么这次不宣称要做一个千亿规模的大模型，那样听起来更有英雄主义色彩。但后来我想，罗曼·罗兰的那句话说得非常对：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。

朱啸虎：我反而认为，真正能够面对现实的创业者是最难的，倒是追求理想大家都很容易说。

张一甲：坚持理想对于技术创业者几乎是本能，而直面现实，或者说，知识分子自古以来最大的挑战就是难以与现实和解。汪玉老师怎么看？

汪玉：我也算是个“端水”的人。我在高校工作，从技术出发，推动过一些成功的创业项目，因此我对技术理想主义是有信念的。长足的商业增长往往发生在技术取得一定突破之后。

实际商业化过程中，的确要挨打吃苦。知识分子不是不愿意和现实和解，是还未建立起很好的反馈系统。大家经常讨论高校科研成果转化的愿景、如何推动转化，但这些转化成果在社会中是如何起到实际效果的反馈信息却很少——目前高校与商业和技术之间的闭环不够快速，不够及时，没让有能力的年轻人和教师在面对未来问题时能够迅速响应。

企业中的研究可能只能持续1-3年，但高校和长期机构可以进行五年、十年的研究。能否将这些问题带入高校，形成合作？我认为这是目前大生态环境的状态，还有待发展，我们仍在努力中。

3.寻找PMF与Killer App的问题

张一甲：今天很多创业者在思考技术和用户需求的匹配，即所谓的PMF（产品市场契合）或TPF（技术产品契合）。李志飞之前做语音交互，尝试了很多形态都没有找到契合点，直到他们尝试做了魔音工坊和配音，突然发现收入开始指数级增长。这是你们的运气，还是一种方法？

李志飞：运气加方法。

用户的需求是一直在变的，我们在2020年就开始做配音，如果那时候我们做视频生成，那就是必死无疑，因为那个时候视频技术不成熟，短视频的生态也还没发展起来，用户的需求根本就没到那里。

但如果现在我们还只做一个配音，那可能就不是一个正确的PMF了。用户自己在升级换代，当时用一个配音做一个电影解说就很好了，但现在流量已经很卷了，你就需要有更加高级的内容创作形式，比如一键成片，把一篇小说放进去，直接生成一个30秒的广告片，对吧？PMF是要具体到哪一个阶段，如果在现阶段看，我们是找到了的。

张一甲：魔音工坊这个PMF是怎么找到的？

李志飞：我当时给团队几个限定描述，首先，产品要利用我们的AI技术；其次，必须是纯软件，因为我之前做硬件受伤很深；第三，商业模式不能面向大B，必须是会员制或SaaS。以这三个条件为限制，让团队去寻找合适的方向，最后选来选去，发现只有这个方向能找到一些创作者。

我记得在2021年的二三月份，在半夜收到了用户的2万收入。我对我们团队说，你们太棒了，为什么？因为我们以前从未通过软件在半夜收到用户付款。当时我们的工程师可能都有十几个，一个月要花费几十万，但当时我非常激动，因为我终于看到了一种新的AI商业模式，可以将其做成一个小软件产品，用户愿意每月支付40元，并真正基于这个产品每天生产内容。

张一甲：为什么是你做到而不是其他人？

李志飞：科大讯飞是以TTS（文本到语音）技术起家的，但他们没有将其真正打造成一个产品。包括百度在内，他们在2020年可能提供的只是一个API。一个普通的内容创作者怎么可能调用API来生成视频呢？这是不可能的。我们反而将TTS技术包装成一个产品，即使是高中生或业余创作者也能使用。我认为这是我们当时非常重要的一步。技术并不是那么重要，我不会说我们的TTS技术就一定比他们的好。

傅盛：我现在坚定地认为是产品寻找市场，用市场来反推你需要什么样的技术。过去大家对技术的好坏有一种迷信，过去很多做AI的人出身于高校、研究所或大厂，出来的人可能会认为论文关键、架构最关键，其实市场的第一性需求最关键。

当我真正开始做AI时，我想起了当年做360的经历。我对安全技术一无所知，但老板让我去做软件。我带着几个人每天关注用户的问题，用很多看似低级的技术，做出了让用户非常满意的产品，用户量也随之增长。

我相信如果李志飞当年不是看到账上只剩3个亿感到绝望，他不会重视那2万块钱。当他意识到用户愿意付2万块钱时，他才开始放下技术宅男的框架，真正站在用户的角度思考问题。

汪玉：我完全同意。刚刚傅盛提到了一个观点，说如果出现新的需求，或者当我们计划用产品满足人们对某件事的要求时，可以用技术的组合来实现。这个观点假设了这些技术已经存在，而不是在创业过程中发现一个颠覆性的技术，这两个都不容易。

傅盛：创业不需要发现颠覆性技术，就拿几个粗糙的技术组合一下。

汪玉：绝大多数情况是这样，在商业运作时，用已经成熟的技术更容易成功。不过也存在例外，比如技术的组合方式和配比可以有不同。

朱啸虎：用通俗的话说，小米加步枪同样可以闹革命。

傅盛：我还有一个观点，创业其实更像一个厨师，你需要根据用户的口味，调整各种调料。难点在于多那么一点可能味道就过了，少那么一点又不够。但你不要总想着发明一个新的酱油原料，而是要根据食材做出一道好菜。如果你能做出一道好菜，你就已经是一个非常优秀的创业者。

李志飞：刚才傅盛讲的观点让我很有感触。我认为创业者不要把复杂性当作壁垒。这是我的亲身体会，尤其是技术创业者。比如我们当时为什么做硬件？一方面，我觉得AI没有太多应用场景，需要与硬件结合。另一方面，这种复杂性给我带来了一种安全感，我有算法，我有软件，我有硬件，三位一体，我有几十个工种，那种复杂度给我带来一种浓浓的安全感——我还以为这种复杂性可以成为我们的壁垒。

傅盛：我当时的想法和你一样。

张一甲：都是被硬件伤害过的男同学。

傅盛：创业者最容易被误导的两个词，第一个叫布局，第二个叫壁垒。

张一甲：这就是投资人喜欢问的问题，尤其是壁垒问题。

朱啸虎：在中国，聪明人太多了，我从来不相信在中国有技术壁垒，我只相信客户壁垒、数据壁垒。

李志飞：我认为创业公司一定要做到极简，简单到只有一个技能，因为只有这样，你才能在某个地方做得足够好，从而形成所谓的壁垒。而布局和复杂性，最终只会让你没有任何壁垒。因为如果你有40个岗位，每个岗位有两个人守着，别人随便一攻击，你就会被击破。这实际上是我们以前创业时的一个大问题。

傅盛：在创业时，一定要放弃对技术完美的痴迷。真正的需求是一个粗糙的技术做出的产品，只要它还在增长、有很多人使用，你就抓住了大风口。

李志飞：我们发布第一代智能手表时，列出了20个亮点。但最后你会发现，像苹果的智能手表，它的设计基本不变，每年只是小幅改进，但做得很稳定。如果你的创新点太多，最大的问题就是产品极度不稳定，因为你使用的都是不成熟的技术。所以，我认为要在技术成熟度、用户需求和自身能力之间找到平衡，然后快速迭代。

张一甲：我说一下我现在朴素的感觉，我非常理解三位刚才在说的一切，但是我心里隐隐期待会有不同的答案。

张建中：关于产品、技术与市场的契合点，我的答案是，如果市场上已经存在了太多相似的产品，而没有靠技术突破，那这个产品对社会的价值不大。如果你的产品是市场上没有的，那它就是创新型产品，可能需要一些技术的突破。今天，人工智能是一个很好的机会，因为它是一项新技术，可以帮助很多初创企业在成熟的市场中重新开战。

另外，我想表达一个可能完全不同的理念。今天，我们的软件研发已经与传统的软件研发完全不同。早期开发PC应用的时候你离不开Windows，今天很少有人在Windows上开发应用。现在很多人在手机上去开发应用，但你发现iOS跟Android只是一个载体，实际上你的应用是跑在云端，你根本不care那个操作系统是什么。到人工智能这一个新的阶段又完全不一样，可能代码不是你写的，是机器train出来的，那软件的价值也会不一样。

尤其在中国，客户买硬件感觉是划算的，买软件不一定觉得划算。但如果你是一个完整的解决方案，软件硬件在一起，云端、边端结合的很好，对于用户来讲得到的就是一个良好的服务。

今天AI领域已经有杀手级应用出现了。在民生领域非常重要的医疗与教育，AI技术完全可以帮助我们改进传统行业的不足之处，这些可能是最好的杀手级应用，有些创业公司已经在这些领域找到了很好的商业化路径。中国完全有机会在AI领域比美国做的更大，中国的应用场景非常广阔，比如自动驾驶FSD如果在中国用，可能比美国还好，中国的投资机会也不会少于美国。

张一甲：朱啸虎已经不跟美国人开会了，只投中国。

汪玉：我同意做应用，但我们底层的基础设施、操作系统好像还没有对应的公司。在信息时代海外有微软、英特尔、思科、IBM，互联网时代有谷歌、亚马逊。中国是靠阿里、华为、百度来做，还是会有新的公司出现？我觉得我们应该有。

张一甲：补充问一下，做硬件不成功是因为技术不够好吗？

李志飞：我越来越觉得一个创业者不要被所谓的价值观绑架，因为价值观是一个人设，很多时候是因为无知而导致有一个莫名其妙的信仰，无知者无畏。

比如有人采访我问我为什么做硬件，我的回答原话是“我觉得虚拟世界的东西没什么意思，我一定要在物理世界留下一点什么”——你看，这就是自我感动，因为我觉得老是搞一些摸不着看不见的算法，对这个世界没什么贡献，我一定要做一个摸得着、看得见的东西，而且能够给这个世界留下一点好的东西。这可能让我在错误的路上一直坚持。我觉得作为创业者，首先还是要活下来，能够真正创造一个好产品、好的商业模式。

傅盛：公司创业初期不要把体系做的太复杂，应该从市场找一个简单的解决方案，找到了就开始了第一轮增长，而不是说一开始自我感动。起点不是越复杂越好，这不是写论文，而是越简单越好。

技术永远争论不完。如果说美国的FSD到中国能够用得更好，那到底是人家的技术好还是我们技术好呢？抖音上很多点评我们技术这里好还是那里强，对我们的技术创业并没有任何好处。基本的道理是，饭要一口一口吃，中国几十年的发展绝大部分都是市场倒逼技术的跟进与革新。

4.先发优势还是后发优势的问题

张一甲：我刚才感受到了一个非常深层次的火药味，刚才志飞讲创业者不应该被价值而绑架，我觉得我们圆桌也不应该被身份绑架，接下来，让我们从刚才的话题中跳出来，聊一个战术问题。一方面，AI似乎有先发优势：先行者可以有数据飞轮，有数据飞轮才能有更好的技术；另一方面，AI似乎有后发优势：后来者的投入产出比更划算。各位的选择是什么？先发优势请亮Yes，后发优势请亮No。

傅盛、李志飞亮出了No，其他三位嘉宾亮出了Yes

李志飞：大公司跟小公司是完全不一样的。我觉得对于大公司来说，后发可能是优势，尤其是做大模型的。

傅盛：我是觉得好饭不怕晚。如果你不是做那种特别技术前沿的探索，做应用稍微后发一点不是问题。因为技术的水平现在越来越强，你真做创业，可能不需要在行业初期就进入，等有一定规模时候再做，可能会发展得更快。想想互联网第一波是2002年，但真正发展特别快的企业是2008、2009年出现的。

张一甲：你们一位认为大模型应该是后发优势，一位认为应用应该是后发优势。另外三位嘉宾选择了先发优势，为什么？

朱啸虎：我一直认为大模型是很明显的先发劣势，因为很多大模型是在前期试错，成本很高的。一旦跑出来以后，后面的公司可能不需要那么大的参数，可以非常小型化，成本要低很多。

但应用是很明显的先发优势。我先抢了用户场景，抢了用户数据，而且我能持续迭代自己的模型。比如说我们投资的Fancytech，去年大约是7万元包年，今年模型进步了，同样的服务水平就降低到2万元包年，这样竞对就很难进来，因为已经打到地板价了。因此，对创业者来说应用来说还是有先发优势的机会。

张一甲：补充问一下，应用层面的先发优势可能意味着流量和数据，但后期用户的黏性从何而来？

朱啸虎：有了数据我就可以持续优化这个模型，比如本来是用LLama2的，今年LLama3出来了以后，我可以继续再垂直优化这个模型。长远来看，生成式AI最有价值的还是数据，创业者千万不要把垂直场景的数据交出去，比如交去训练一些国内的闭源大模型。

张一甲：也就是先发优势意味着更高质量的数据，然后意味着你有更大的自由度去发展技术，这是一个回环。其他两位嘉宾为什么认为是先发优势？

汪玉：从研究的角度，必须先发，否则就没法发了。

从商业化的角度，算力业务是一个生态逻辑。在中国，大B一定会自建算力，只有中小B客户才会用分散的算力，如果能为其持续地提供服务，就能构建起信任关系。就像朱啸虎说的数据和应用的积累，是先发优势。

张建中：同意汪玉老师的观点。大模型领域大家争夺的是生态，OpenAI已经建立良好的生态，跟早期做算力一样，生态一旦形成，后来者很难去里面抢占其份额。互联网时代，苹果比安卓更早建立生态，微软虽然先发但没有去建生态，安卓反而建立了生态，就变成了它的优势。所以，先发优势在于谁早建生态谁就有优势，而不是谁早去发布，这跟建生态是两回事。

朱啸虎：大模型的生态我不太认可。根据创业者的实际操作经验来看，大模型几乎和云一样是可以无缝迁移的，Claude 3迁移到GPT-4基本上不用改一行代码，甚至不用改一行prompt。大模型生态我觉得是完全是个伪命题，最终就是价格战。

今天豆包宣布降价99%，昨天GPT-4免费，大模型的价格战已经来了，血淋淋的。所以对于独立创业的大模型公司，我觉得毫无生存空间，甚至以后就是免费了，为了卖云服务。

5.黄仁勋最担心的问题

张一甲：大家的回答其实跟各自的身位有关系。我们跳出自己的身位，我很好奇，中美的AI生态到底是会踏入同一条河流还是不会？各位认为此刻黄仁勋最担心的事情可能是什么？

朱啸虎：如果Scaling Law不成立，英伟达的股票至少要跌百分之六七十。

汪玉：他的生态本来有两千个算子，但大模型出现后，可能只需要两百个算子了。所以生态的卡位可能会受到影响。原先英伟达的卡位很好，所有人都要用，但慢慢的我们可以不用CUDA，只需要提供API给应用方调用就好了，中间的云计算层有人专门干了就可以，底层到底用什么芯片，其实不一定会有那么明确的需求。

李志飞：英伟达有80%的营收来自谷歌、亚马逊、Meta、微软等巨头，黄仁勋最担心的可能是这些巨头要做什么。现在因为Transformer的统一，以前支持的各种模型所建立的生态可能就没有什么意义了。因为视觉、图片、所有的应用、模型架构全部统一之后，别的大公司最后去收敛自己做一个性能差不多还更便宜的芯片，自己掌控会更容易。

张建中：黄仁勋最担心可能不是今天的业务发展的怎么样，而是下一个AI之后的应用是什么。

如果说大模型没有生态，我绝对不同意。今天的Transformer已经有很多种变种，Video Transformer、Diffusion Transformer，那下一个是什么呢？在大语言模型当中，很多的加速应用，每一个小小的算子的变化都会对GPU的架构带来新的改进，对GPU提出更多的通讯方面的要求，扩展的要求，这都是去改进GPU架构好的事情。所以GPU是不是能够适应下一个这个未来的计算场景？我的答案是ofcourse（肯定的）。

对于芯片公司来讲，如果你不懂算法、不懂应用，你的芯片是没有人用的。GPU的迭代速度不比大语言目前的迭代速度慢，在美国有很多初创公司想试图用各种不同的方法去替代GPU，但是不要忘了，英伟达的GPU也在改进，摩尔线程的GPU每天都在改变，架构每天都在进步，它有不同的应用场景去改进GPU，这个就是生态的底座。

傅盛：摩尔线程张总的观点基本上代表了黄仁勋的观点，第一就是不要裁剪参数损失性能，得不偿失，应该使劲买卡训练出全世界最好的大模型；第二就是GPU永远不会失败。

但我觉得恰恰相反，这两天我看完OpenAI与谷歌的两场发布会，最强烈的感觉是想掏出手机把英伟达卖掉，因为整个行业都在朝着裁剪参数的方向走，比如谷歌昨天发布在手机本地运行的大模型，不消耗任何云端的GPU；OpenAI都在精简GPT-4的架构，做推理优化，节省更多的GPU与价格。

所以，这场军备竞赛已经开始有一个明显的倾向，就是节省算力、更低的成本提供服务。这是我自己瞎揣摩的。当然，在很长的一段时间内，英伟达的训练架构还会持续发挥作用，但是股价会不会持续高涨？这会是个问题。

张一甲：你们认为英伟达的GPU以及跟Transformer互相成就的这个范式里，这个组合会一直是铁王座吗？还是说会分叉变化？

李志飞：我现在看不到别的东西，但铁王座可能要加个时间限制。

汪玉：我跟志飞想的一样。

张建中：大家不要把GPU当作“GPU”，它是加速计算，或者未来的加速器。

6.十年之后的问题

张一甲：如果有一个预言家可以告诉你们十年之后一个问题的正确答案，你最好奇的问题是什么？

李志飞：意识。

对于AI我没有什么太多困惑，真的，哈哈，因为我觉得很多东西都是比较确定性的。但我觉得唯一不确定的东西是，AI到底能不能产生意识？

我认为今天OpenAI对于AGI的定义是有误导性的，说什么只要AI能完成90%的工作就是实现了AGI。我觉得AGI最后的皇冠就是能不能产生意识，如果能产生意识，就是AGI，否则就不是。