质朴发言：对 SuperApp 的想象无限 & 大模型能力有限｜Z 沙龙第 4 期

质朴发言：对 SuperApp 的想象无限 & 大模型能力有限｜Z 沙龙第 4 期 质朴发言：对 SuperApp 的想象无限 & 大模型能力有限｜Z 沙龙第 4 期 Modified April 9, 2024 我认为会有新的产品类别诞生，甚至是我们想象不到的一些东西，比如AI与硬件的结合。我有一个观点，我认为扫地机器人可能会成为第一代进入大家生活的智能体。 因为它有几个优点，第一，它可以进入千家万户，第二，它可以移动，第三，它对空间有感知，而且已经非常成熟。 所以我一直在联系云鲸NARWAL或石头科技RoboRock，我很想看看他们现在的进展。我已经与美国的许多顶级教授进行了讨论，他们认为机器人领域正在火热发展。 今年，大家普遍认为，这个领域的技术在未来三四年内可能无法实现落地。我们知道，中国有许多相关项目正在进行，例如智元、银河通用等。 他们可能会在明年发布demo。尽管可能距离最终目标还有较长距离，我仍然坚信，这个领域的未来非常光明。 不同的模型在不同的场景中可能有各自的优势，适用于不同的场景。基于大家目前的了解，不同的模型适用于什么样的场景？ 比如这GPT 数学分析理解能力可能更强，然后Moonshot 做长文本更强，它们就是不同场景。我们需要评估每个模型的特性，这就像是出一份考卷，看看他们的表现如何。 例如，某个模型可能在智商方面表现出色，而另一个模型在情商方面更强。情商高的模型可以被用作陪伴者。或者某个模型在工具调用方面表现得更好，我认为这种对大模型与外部能力结合的理解非常关键。 顶部大模型应该是“赢家通吃”的模式，或者每个模型都有各自的优势？ 从用途来看 模型能力就像人的智商一样，大家都在谈论行业大模型的概念，但这取决于所面对的问题是什么。如果你在处理简单的任务，例如拧螺丝钉，那么你可能不需要太高的学历，只需要经过一些训练就可以了。 然而，如果你需要进行物理研究或者需要调动大脑各个区域进行整合推理的任务，那么你一定需要更高的智商。 这也是为什么OpenAI的估值如此之高，我认为其他大模型必须至少接近它才能成为大家的普遍选择。可能会存在两到三个大模型，这主要是出于数据安全的考虑。 即使一个大模型拥有各种能力，我们在实际场景中使用多个模型时，也会将其定义为不同的角色，而不是让一个角色来完成所有的任务。 来自硬件生态的启示 苹果电脑可能装的是M1芯片，而你的手机可能装的是高通芯片。这意味着你需要考虑模型部署的位置，以及部署设备或边缘计算设备的一些限制条件。 例如，你不能将一个几千B的大模型部署到手机端，因为手机端最多只能部署一个7B甚至可能只能部署一个3D模型。这是因为设备的功耗、计算能力、芯片面积和性能限制摆在那里。 然而，手机上的模型实际上也可以解决一些非常琐碎的问题，比如帮我们设定一个闹钟。最近，腾讯推出了一个小模型，可以听取指令并操作手机的界面，我认为这是一个很好的例子。 终端做语义识别，像BERT时代的模型就做得不错。在这种情况下，我可能会使用一个1.5B、2B或3B的模型来完成一些类似小助手的功能。 Pi的启示： Pi AI是一个人工智能聊天机器人，由初创公司Inflection AI于去年5月推出。该公司由Google DeepMind联合创始人Mustafa Suleyman、该项目首席科学家Karén Simonyan和LinkedIn联合创始人Reid Hoffman创立。Pi AI旨在创建一个能够就任何主题进行连贯对话的人工智能伴侣，为用户提供建议和个人帮助。为了实现这一目标，它使用大型语言模型（LLM）的技术，在大量人类对话上接受过训练。 它产生自然和有意义的对话，避免泛泛或无关紧要的回应。 它使用WhatsApp作为与用户沟通的主要平台，利用该应用程序的受欢迎程度和易用性。 它结合了游戏化元素，以激励用户继续学习和改进Pi，如积分、徽章和水平。 它把自己表现成一个中立的对话者，从一开始就表明它是一个人工智能代理。 它适应每个用户的个人资料和偏好，提出问题以了解他们的兴趣、需求和目标。 它根据从用户和外部来源收集的信息提供个性化的反馈和建议。 安卓和iOS的对比，如何借鉴到大模型的开发和应用中呢？ 在讨论这个问题之前，我们需要明确对操作系统的定义。安卓和iOS在初期都是从底层自行构建的，虽然他们在初期并未涉及太多硬件部分，但每一个从架构到对外对接的能力，包括开发者生态，或者每一代提供的新能力，都可以类比为大模型。 例如，当某家大模型厂商开发出新的多模态能力，V1发布后，新的开发者可以调用这个新的能力去开发他们的应用，无论应用需要使用到的是图形数据、视频数据还是语义数据。 苹果则提供了一个封装的系统，中间有一些厂商提供SDK，按照苹果的标准，开发者可以编写游戏或者Calendar这样的APP。 而安卓的路径则是提供开源的架构，例如在中国，小米和华为可以有自己的UI，开发者如果要在小米的硬件平台上开发游戏，就需要与小米的开发人员进行沟通，了解他们的要求和规则，然后提供代码库，进行审核。 这就像大家使用Llama2的逻辑，无论如何，有部分大模型厂商认为开源是正确的，但OpenAI则像苹果一样，提供API，收取费用。 开源的定义是什么？开源有哪些问题？ 开源可能会流行的一个原因是，大模型如果你不知道它的参数和其他信息，你无法进行压缩和量化。 而在很多边缘场景中，只能通过开源大模型进行量化、压缩，然后在无网络的情况下使用和部署。 然而，关于开源的问题，我觉得还有两个相关的问题需要考虑。 • 一是安卓的开源和大模型的开源对于开源的定义可能有所不同，比如数据集是否开源？是本地的数据集还是SFT的数据集？ • 二是开源可能只是商业模式中的一种，所以在回答这个问题之前，我们可能需要对更多的定义进行明确。 编者按：相比于Linux时代，在大型语言模型（LLM）的时代，对于开放获取和开源之间的边界日渐模糊。许多人持有这样的观点：如果一个LLM的权重被公开，那么它实际上已经是开源的。然而，一个模型仅仅公开其权重，并不意味着它是完全开源的。 例如，一个仅公开权重的模型可能仍然对其代码、训练数据和技术细节保持保密，这种做法限制了公众参与和优化模型的可能性，也并未完全贯彻开源的原则。 作为行业领军，OpenAI一直被指没有开源，不“Open”而在前些日，Sam Altman也在愿望清单的最后加上了“Open Source”，未来OpenAI的开源选择也会极大程度上影响LLM行业生态。 如果大家都像现在的Llama2一样，从数据集到参数都积极地进行开源，那将是一个故事。然而，如果大家选择了一个中间态，那可能是另外一个版本。 我们之所以在考虑这个问题，是因为这次不仅仅是中国，包括中东，欧洲等地，都在对隐私数据的泛滥进行监管。 这是我们从业以来，首次见到如此迅速的监管反应。在过去的十年里，几乎没有人管控过我们的隐私数据，甚至都没有什么国际法案去监控。 三、Super App们竞争壁垒还剩下什么？怎样构建/用好这个壁垒？ 创业公司怎样构建壁垒？ • 农村包围城市 很多人可能并不了解AI等新技术究竟是什么，也并不清楚这个交互过程的具体情况，但他们可能已经在使用第一个AI产品，并且对此产生了依赖。 以拼多多为例，开始时许多大公司无法理解它的潜力。谁能想到，一个新的电商平台能在三年内取得如此巨大的成功？ 拼多多的策略就像农村包围城市一样，避开腾讯和阿里的地盘，聚焦在他们忽视的地方。类似地，我认为AI的应用也在逐渐下沉至城市，许多人可能并不清楚它的具体功能。 它并不一定需要复杂的底层模型，有时候现有的模型就足够了。更重要的是如何让AI裂变，如何赋予它实际价值，不仅仅是情感陪伴，而是满足更多的需求，这就需要创业者的智慧和努力。 一位专注于中老年用户的 AI 创业者分享了三个他的 App 上下沉市场的成功案例： 上面三个案例都位于北京南面80公里的地方，虽然地理位置离我们如此之近，但在数字化进程上却与北京有着巨大的鸿沟。 我见到他们的第一感觉是，他们可能会通过AI实现数字化。他们的年纪普遍偏大，文字输出能力相对较弱，因此在使用各种APP，如美团、京东等，他们的操作并不熟练，APP的渗透率相对较低。 我认为他们与AI有天然的交互可能性，但他们并非像青少年那样愿意主动尝试新事物。要激活他们，可能需要采取一些运营策略，比如通过微博或者报纸进行推广，而不是像传统的互联网那样，直接将产品推送给青少年。 同时，作为一个大模型的开发者，我们在思考如何与这些大厂互补。我认为可以采取线上线下双轨驱动的方式：创业公司做好你的线下运营，然后与大厂和做大模型的线上运营技术进行结合。 我曾在腾讯工作，为什么腾讯愿意支持我的项目？因为我们帮他们完成了一些基础工作。我认为这种经验，特别是在做大模型和与大厂合作的经验，是非常重要的。 • 轻量高效运营决策，抢占窗口红利期 当前的AI福利对于创业者来说是巨大的，比如流量红利。举个例子，现在海外排行榜第一的是一个叫Fotor的APP，这是一个成都的公司，他们通过简单的网页文生图，抓住了第一波流量红利，今年净利润达到了几千万。 虽然我们无法确定这种情况是否能持续，但对于创业者来说，能够借助这种红利实现从0到1的飞跃已经是一个巨大的成功。 中国也是一样，我刚刚提到的一堆人可能都在思考AI是什么，只要他们能够创造出一点价值，就有可能轻易地打造出自己的形象。 Fotor：Fotor是一款于2009年推出的全能照片编辑工具，“轻量版Photoshop”。2022年成功转型，推出一系列AI工具，如AI图像生成器、AI背景移除器和AI照片增强器。据悉实现了数千万的年盈利。 • 做海外市场还是国内市场？如何抉择？ 一位创业者分享：这可能是许多创业者共同面临的问题。作为创业者，我们仿佛陷入了泥潭，如果不向上进步，就可能会陷得越来越深。 一方面，出海意味着面对成熟的市场，公平的竞争，以及强大的付费能力。 在中国，许多创业者可能会持悲观或中立的态度，他们可能会疑惑如何将自己的产品变现。由于中国的中小企业主付费习惯不佳，工具型产品在国内的表现并不理想。 反观大部分美国的SaaS产品或云端协作工具，它们并非主要面向500强企业，而是覆盖了大量在线从业的Freelancer和中小企业主。即使只覆盖北美和加拿大这三个区域，SaaS ARR也有可能达到一亿美金的规模。 现在创业者和投资人们常常说，从创业的第一天开始，就应该开始赚钱，找到产品市场契合点（PMF）。以Fotor为例，它也是选择出海，这给它带来了巨大的机会。 如果它选择在中国，可能会面临亏损的问题。不知道最近妙鸭的情况，因为它的算力成本可能无法被9.99的付费所覆盖，那么它越做大，就可能越亏损。这是创业者需要面临的一个重大问题。 但另一方面，出海也面临着额外的风险。 随着时间的推移，以及全球政治环境的变化，特别是对于数据敏感的项目，美国的政府和行业可能会对你进行严格的管控。 如果你的公司发展壮大，你可能需要面临将公司搬迁到国外的问题。如果你选择在国外发展，你可能会面临阻击。许多项目都遇到过这种情况，包括现在的HeyGen。 尽管它现在做得很好，但在美国，所有的风投可能会因为你接受过百度的投资而拒绝投资你，这将会让你处于十分尴尬的境地。 所以，作为中国创业者，相比于国外市场，中国市场可能会更有利于中国创业者长期的发展。 我认为会有新的产品类别诞生，甚至是我们想象不到的一些东西，比如AI与硬件的结合。我有一个观点，我认为扫地机器人可能会成为第一代进入大家生活的智能体。 因为它有几个优点，第一，它可以进入千家万户，第二，它可以移动，第三，它对空间有感知，而且已经非常成熟。 所以我一直在联系云鲸NARWAL或石头科技RoboRock，我很想看看他们现在的进展。我已经与美国的许多顶级教授进行了讨论，他们认为机器人领域正在火热发展。 今年，大家普遍认为，这个领域的技术在未来三四年内可能无法实现落地。我们知道，中国有许多相关项目正在进行，例如智元、银河通用等。 他们可能会在明年发布demo。尽管可能距离最终目标还有较长距离，我仍然坚信，这个领域的未来非常光明。 不同的模型在不同的场景中可能有各自的优势，适用于不同的场景。基于大家目前的了解，不同的模型适用于什么样的场景？ 比如这GPT 数学分析理解能力可能更强，然后Moonshot 做长文本更强，它们就是不同场景。我们需要评估每个模型的特性，这就像是出一份考卷，看看他们的表现如何。 例如，某个模型可能在智商方面表现出色，而另一个模型在情商方面更强。情商高的模型可以被用作陪伴者。或者某个模型在工具调用方面表现得更好，我认为这种对大模型与外部能力结合的理解非常关键。 顶部大模型应该是“赢家通吃”的模式，或者每个模型都有各自的优势？ 从用途来看 模型能力就像人的智商一样，大家都在谈论行业大模型的概念，但这取决于所面对的问题是什么。如果你在处理简单的任务，例如拧螺丝钉，那么你可能不需要太高的学历，只需要经过一些训练就可以了。 然而，如果你需要进行物理研究或者需要调动大脑各个区域进行整合推理的任务，那么你一定需要更高的智商。 这也是为什么OpenAI的估值如此之高，我认为其他大模型必须至少接近它才能成为大家的普遍选择。可能会存在两到三个大模型，这主要是出于数据安全的考虑。 即使一个大模型拥有各种能力，我们在实际场景中使用多个模型时，也会将其定义为不同的角色，而不是让一个角色来完成所有的任务。 来自硬件生态的启示 苹果电脑可能装的是M1芯片，而你的手机可能装的是高通芯片。这意味着你需要考虑模型部署的位置，以及部署设备或边缘计算设备的一些限制条件。 例如，你不能将一个几千B的大模型部署到手机端，因为手机端最多只能部署一个7B甚至可能只能部署一个3D模型。这是因为设备的功耗、计算能力、芯片面积和性能限制摆在那里。 然而，手机上的模型实际上也可以解决一些非常琐碎的问题，比如帮我们设定一个闹钟。最近，腾讯推出了一个小模型，可以听取指令并操作手机的界面，我认为这是一个很好的例子。 终端做语义识别，像BERT时代的模型就做得不错。在这种情况下，我可能会使用一个1.5B、2B或3B的模型来完成一些类似小助手的功能。 Pi的启示： Pi AI是一个人工智能聊天机器人，由初创公司Inflection AI于去年5月推出。该公司由Google DeepMind联合创始人Mustafa Suleyman、该项目首席科学家Karén Simonyan和LinkedIn联合创始人Reid Hoffman创立。Pi AI旨在创建一个能够就任何主题进行连贯对话的人工智能伴侣，为用户提供建议和个人帮助。为了实现这一目标，它使用大型语言模型（LLM）的技术，在大量人类对话上接受过训练。 它产生自然和有意义的对话，避免泛泛或无关紧要的回应。 它使用WhatsApp作为与用户沟通的主要平台，利用该应用程序的受欢迎程度和易用性。 它结合了游戏化元素，以激励用户继续学习和改进Pi，如积分、徽章和水平。 它把自己表现成一个中立的对话者，从一开始就表明它是一个人工智能代理。 它适应每个用户的个人资料和偏好，提出问题以了解他们的兴趣、需求和目标。 它根据从用户和外部来源收集的信息提供个性化的反馈和建议。 安卓和iOS的对比，如何借鉴到大模型的开发和应用中呢？ 在讨论这个问题之前，我们需要明确对操作系统的定义。安卓和iOS在初期都是从底层自行构建的，虽然他们在初期并未涉及太多硬件部分，但每一个从架构到对外对接的能力，包括开发者生态，或者每一代提供的新能力，都可以类比为大模型。 例如，当某家大模型厂商开发出新的多模态能力，V1发布后，新的开发者可以调用这个新的能力去开发他们的应用，无论应用需要使用到的是图形数据、视频数据还是语义数据。 苹果则提供了一个封装的系统，中间有一些厂商提供SDK，按照苹果的标准，开发者可以编写游戏或者Calendar这样的APP。 而安卓的路径则是提供开源的架构，例如在中国，小米和华为可以有自己的UI，开发者如果要在小米的硬件平台上开发游戏，就需要与小米的开发人员进行沟通，了解他们的要求和规则，然后提供代码库，进行审核。 这就像大家使用Llama2的逻辑，无论如何，有部分大模型厂商认为开源是正确的，但OpenAI则像苹果一样，提供API，收取费用。 开源的定义是什么？开源有哪些问题？ 开源可能会流行的一个原因是，大模型如果你不知道它的参数和其他信息，你无法进行压缩和量化。 而在很多边缘场景中，只能通过开源大模型进行量化、压缩，然后在无网络的情况下使用和部署。 然而，关于开源的问题，我觉得还有两个相关的问题需要考虑。 • 一是安卓的开源和大模型的开源对于开源的定义可能有所不同，比如数据集是否开源？是本地的数据集还是SFT的数据集？ • 二是开源可能只是商业模式中的一种，所以在回答这个问题之前，我们可能需要对更多的定义进行明确。 编者按：相比于Linux时代，在大型语言模型（LLM）的时代，对于开放获取和开源之间的边界日渐模糊。许多人持有这样的观点：如果一个LLM的权重被公开，那么它实际上已经是开源的。然而，一个模型仅仅公开其权重，并不意味着它是完全开源的。 例如，一个仅公开权重的模型可能仍然对其代码、训练数据和技术细节保持保密，这种做法限制了公众参与和优化模型的可能性，也并未完全贯彻开源的原则。 作为行业领军，OpenAI一直被指没有开源，不“Open”而在前些日，Sam Altman也在愿望清单的最后加上了“Open Source”，未来OpenAI的开源选择也会极大程度上影响LLM行业生态。 如果大家都像现在的Llama2一样，从数据集到参数都积极地进行开源，那将是一个故事。然而，如果大家选择了一个中间态，那可能是另外一个版本。 我们之所以在考虑这个问题，是因为这次不仅仅是中国，包括中东，欧洲等地，都在对隐私数据的泛滥进行监管。 这是我们从业以来，首次见到如此迅速的监管反应。在过去的十年里，几乎没有人管控过我们的隐私数据，甚至都没有什么国际法案去监控。 三、Super App们竞争壁垒还剩下什么？怎样构建/用好这个壁垒？ 创业公司怎样构建壁垒？ • 农村包围城市 很多人可能并不了解AI等新技术究竟是什么，也并不清楚这个交互过程的具体情况，但他们可能已经在使用第一个AI产品，并且对此产生了依赖。 以拼多多为例，开始时许多大公司无法理解它的潜力。谁能想到，一个新的电商平台能在三年内取得如此巨大的成功？ 拼多多的策略就像农村包围城市一样，避开腾讯和阿里的地盘，聚焦在他们忽视的地方。类似地，我认为AI的应用也在逐渐下沉至城市，许多人可能并不清楚它的具体功能。 它并不一定需要复杂的底层模型，有时候现有的模型就足够了。更重要的是如何让AI裂变，如何赋予它实际价值，不仅仅是情感陪伴，而是满足更多的需求，这就需要创业者的智慧和努力。 一位专注于中老年用户的 AI 创业者分享了三个他的 App 上下沉市场的成功案例： 上面三个案例都位于北京南面80公里的地方，虽然地理位置离我们如此之近，但在数字化进程上却与北京有着巨大的鸿沟。 我见到他们的第一感觉是，他们可能会通过AI实现数字化。他们的年纪普遍偏大，文字输出能力相对较弱，因此在使用各种APP，如美团、京东等，他们的操作并不熟练，APP的渗透率相对较低。 我认为他们与AI有天然的交互可能性，但他们并非像青少年那样愿意主动尝试新事物。要激活他们，可能需要采取一些运营策略，比如通过微博或者报纸进行推广，而不是像传统的互联网那样，直接将产品推送给青少年。 同时，作为一个大模型的开发者，我们在思考如何与这些大厂互补。我认为可以采取线上线下双轨驱动的方式：创业公司做好你的线下运营，然后与大厂和做大模型的线上运营技术进行结合。 我曾在腾讯工作，为什么腾讯愿意支持我的项目？因为我们帮他们完成了一些基础工作。我认为这种经验，特别是在做大模型和与大厂合作的经验，是非常重要的。 • 轻量高效运营决策，抢占窗口红利期 当前的AI福利对于创业者来说是巨大的，比如流量红利。举个例子，现在海外排行榜第一的是一个叫Fotor的APP，这是一个成都的公司，他们通过简单的网页文生图，抓住了第一波流量红利，今年净利润达到了几千万。 虽然我们无法确定这种情况是否能持续，但对于创业者来说，能够借助这种红利实现从0到1的飞跃已经是一个巨大的成功。 中国也是一样，我刚刚提到的一堆人可能都在思考AI是什么，只要他们能够创造出一点价值，就有可能轻易地打造出自己的形象。 Fotor：Fotor是一款于2009年推出的全能照片编辑工具，“轻量版Photoshop”。2022年成功转型，推出一系列AI工具，如AI图像生成器、AI背景移除器和AI照片增强器。据悉实现了数千万的年盈利。 • 做海外市场还是国内市场？如何抉择？ 一位创业者分享：这可能是许多创业者共同面临的问题。作为创业者，我们仿佛陷入了泥潭，如果不向上进步，就可能会陷得越来越深。 一方面，出海意味着面对成熟的市场，公平的竞争，以及强大的付费能力。 在中国，许多创业者可能会持悲观或中立的态度，他们可能会疑惑如何将自己的产品变现。由于中国的中小企业主付费习惯不佳，工具型产品在国内的表现并不理想。 反观大部分美国的SaaS产品或云端协作工具，它们并非主要面向500强企业，而是覆盖了大量在线从业的Freelancer和中小企业主。即使只覆盖北美和加拿大这三个区域，SaaS ARR也有可能达到一亿美金的规模。 现在创业者和投资人们常常说，从创业的第一天开始，就应该开始赚钱，找到产品市场契合点（PMF）。以Fotor为例，它也是选择出海，这给它带来了巨大的机会。 如果它选择在中国，可能会面临亏损的问题。不知道最近妙鸭的情况，因为它的算力成本可能无法被9.99的付费所覆盖，那么它越做大，就可能越亏损。这是创业者需要面临的一个重大问题。 但另一方面，出海也面临着额外的风险。 随着时间的推移，以及全球政治环境的变化，特别是对于数据敏感的项目，美国的政府和行业可能会对你进行严格的管控。 如果你的公司发展壮大，你可能需要面临将公司搬迁到国外的问题。如果你选择在国外发展，你可能会面临阻击。许多项目都遇到过这种情况，包括现在的HeyGen。 尽管它现在做得很好，但在美国，所有的风投可能会因为你接受过百度的投资而拒绝投资你，这将会让你处于十分尴尬的境地。 所以，作为中国创业者，相比于国外市场，中国市场可能会更有利于中国创业者长期的发展。 如果我们想打造一个super APP，我们的竞争力相比于大厂可能还剩下什么？或者是相比于模型厂商我们还剩下什么？ 从创业者的视角来看 对于像我们这样的AI创业者，出了API之后，会想要开发应用。在这个过程中，中间件，包括提示词推评估等工具，以及自建的RAG数据库检索，都会在特定场景中发挥作用。 因为在API基础上还需要开发很多东西。提示词工程这样的东西，我可能会先自用，而不是做成工具卖给别人，这就暂时形成了一种壁垒。 如果我们认为AI会像移动互联网一样改变细分市场，那么AI也会对所有的细分市场产生影响。比如智能客服这种场景，一定会用到自己的私域知识库，以及流程式的对话。 因此，诸如字节Coze，他们做了一些工具，以及一些辅助传统对话流的东西。我认为他们的想法是，做好中间层，降低所有人使用AI的门槛。 这其实有点像早年的抖音和快手，他们先降低了创作的门槛，然后再降低了享受的门槛，这可能会让更多的人，比如中老年群体，更容易接触和使用科技。 我认为，大模型的用户可能并不需要关心大模型是什么，只要使用得舒服就行了。我觉得所有的微信服务号都需要将AI接入，以服务自己的用户群，这是一个普遍的需求。 从“大厂人”的视角来看 作为大厂的一员，我可以提供一些大厂的视角。大家可能认为大厂在组织沟通和决策上相对较慢，但我个人的感受并非如此，至少在字节，整体的组织效率非常高。 其次，特别是对于大模型，我们刚刚也讨论过，赢家通吃的本质非常明显。因此，大厂一定会不遗余力地投入最大的人力、物力、财力去建设它。大厂会将大模型及其应用做到什么程度，这是创业公司需要考虑的，因为赢家通吃的影响太大了。 如果你想靠平台，你肯定无法与大厂竞争，包括刚刚提到的一些个人陪伴助理等，你需要清楚他是基于平台进行的二次创新，还是你要自己去建设一个平台，一定要定义好自己的边界。 另外一个点是，字节跳动一直非常强调数据驱动。在AI来了之后，它作为一种新的技术架构，也有新的数据评估方式，你怎么构建自己的数据飞轮？这是非常重要的。 抖音之所以能成长起来，除了有大量的边缘内容，其本质是它有一套全世界都无法匹敌的推荐系统，效率极高。在AI来了之后，你要怎么评估自己的业务做得好，怎么进行下一步迭代，一定要把这个路径想清楚。在这方面，字节跳动做得非常极致。 实际上，现在很多初创公司都在做的事情就是基于现有的模型进行微调，垂类的微调，包括像最简单的是prompt engineering，积累一些prompt。 但是，我觉得从创业者的视角来看，中国的互联网创业环境中，创业者与大厂之间的信任已经被严重伤害。 大厂邀请所有人进入他们的生态系统，但是当大家都走进了大厂的生态，大厂突然把门关上，让人感觉是进入了一个陷阱。大厂可能会把你的内容完全集成在他们身上，有些大厂的发布会中会透露出想要从底层到端全面掌控的想法。这样的信号发出来后，我觉得对创业者来说，可能会很难有更大的发展空间。因此，可能需要创业者与创业者一起合作，其中也会有出模型的，也会有端到端的创业者，这样才能一起去挑战大厂。 创业者在实际调用模型的时候会选择最优的模型，下一个问题实际上与模型厂商和创业公司的共生关系密切相关。 例如，已经明确要做C端产品的公司，是否有比较良性的合作机会？ 我觉得这是一件非常困难的事，因为现在那些厂商也很困惑，他们也不清楚市场需求在哪里。他们的高层并不了解用户的需求，所以他们自然不知道市场需求是什么样的。 对于一个创业公司来说，想要与大模型公司共建垂直领域大模型，它需要积累到一定的用户或者数量级，大模型厂才愿意与他们共建。也就是说，需要有足够的筹码放在台面上，然后大家一起去共建一个垂类模型。 我觉得举个例子就是BloomBerg，他们的GPT是自己从头开始做的，他们没有跟任何一家合作。但是如果在中国，比如万得，如果他们今天要做一个类似于BloomBurg这样的产品，那他是唯一一个可以选择所有的大模型厂任他挑的。 他任选任何一个一定会配合他，共建垂直领域，从数据集的规范到所有的数据库，甚至专有算力，我觉得可能模型厂都愿意配合他。这是非常特殊的一个领域，因为这是前面30年积累的。 彭博有限合伙企业（Bloomberg L.P.），简称为彭博（Bloomberg），是全球商业、金融信息和财经资讯的领先提供商，彭博的产品包括彭博终端(Bloomberg Terminal)、交易执行管理（Trade and Order Management）士提供数据、新闻和分析工具。彭博的企业解决方案借助科技手段，帮助客户进行跨机构数据和信息的获取、整合、分发及管理。2012年彭博资讯集团全球营业收入达76亿美元，成为全球最大的财经资讯服务提供商。 但是，如果是to C，我们之前考虑过有一个场景，结合刚才的讨论，可能确实有脏活累活的线下交付。 比如旅游，像携程，虽然携程现在自己那个产品并不好，因为他还在打磨，可能他们自己也有内部自己的想法。 我有个朋友在OpenAI的发布会后，作为一个爱好者，随手创作了一个类似于旅行规划工具的项目。他立即想要发布，并寻求风投的资金支持。 然而，我后来跟他说，他需要冷静思考一下。在中国，任何人都可以找到旅行规划工具，这并不是什么新鲜事，像马蜂窝和小红书早就已经提供了类似的服务。 正确的问题应该是，我需要提供什么样的服务？仅仅推送广告、设计好看的界面和日历功能并不重要。更大的问题是，我需要提供什么样的产品或服务？ 而且，对于高价位的旅游产品，从用户决策到支付，再到售后服务和中途服务，每一个环节都有可能产生问题，而且问题的可能性越来越高。 成熟公司可能更容易处理这些问题，因为它们有能力应对失败的案例。但是，许多连接双边市场的平台公司，除了美团之外，大多只是一个信息交互平台。例如，58同城只是一个信息中介，而非用户的服务提供者，它的主要职责是撮合交易。 美团和携程则比较特殊，它们都涉及到线下实体服务，无论是拥有外卖团队，还是提供打车服务。如滴滴，最后也不得不拥有自己的车队，甚至开始研发自动驾驶技术。 所以，这三个领域都是比较特殊的。而其他许多平台主要是进行信息撮合，甚至在金融领域，除了万得这个比较特殊，其他的头部平台也都是开放式的信息交互。 这些撮合性的平台掌握了一定的数据，但对于创业者来说，这并不是典型的AI时代的创业模式。新的创业者可能会有不同的想法。如果他们也做信息撮合，那么他们可能无法提供任何独特的服务或产品。 高价值场景是否会存在呢？ 大家