环境持续变化，时代总在迭变，“商业之王”们紧随时代浪潮，坚持创造，谋求新动能。立足中国经济大转型的当下，WISE2024 商业之王大会，一同发现真正有韧性的“商业之王”，探寻中国商业浪潮里“正确的事”。
是有些模糊且变化多于稳定的一年。相比过去十年，大家的脚步正放缓，发展更加理性。2024，也是寻求新的经济动力的一年，新的产业变化对每个主体的适应性提出了更高的要求。今年WISE大会以Hard But Right Thing（正确的事）为主题，在2024，什么是正确的事，成为大家更想交流的话题。
什么是“正确的事”，在如今的AI行业，拆解这样一个问题已经变得尤为复杂。
从2023年到2024年，大家亲眼见证了AI 2.0大模型赛道的沧海桑田，曾经作为共识的Scaling Law开始被挑战，杀手级应用先出现在C端还是B端还没有定论。昨日正确的事，在当下或许已经成了误判。
面对这样一个日新月异的行业，李开复，或许是对“如何做正确的事”最有发言权的一位AI从业者。
他身上有很多标签：曾任苹果、MicroSoft、GOOGLE全球高管，投出十多家中国AI独角兽的投资人，如今也是躬身入局的AI 大模型的创业者——AI 2.0独角兽零一万物的创始人。
右：零一万物CEO、创新工场董事长李开复，左：36氪CEO冯大刚
以下是36氪CEO冯大刚和零一万物CEO、创新工场董事长李开复的对话：
正确的事不是精心计算出来的，是用心感受出来的
冯大刚：说到“正确的事情”，开复老师觉得过去两年，自己做了什么样的正确的事情，做正确的事情逻辑是什么？
李开复：我觉得我做的最重要的事情就是创立了零一万物。还不敢说这家独角兽企业已经全面成功，但是代表着做正确选择的一种方法。
我非常相信乔布斯所说的，人生不能给未来做永远的规划。但是如果你回头看过去做的每一件事情，它们是可以串成一条线的。如果你的每一个决策都在跟随你的心去做，那么最终你会发现都是正确的，而且是为未来在做铺垫。
我在20岁的时候选择把我的人生投入到AI，之后，我基于AI打造了各种产品：回到国内，创立MicroSoft亚洲研究院，之后又做了创新工场。我看到了AI1.0的光辉时刻，也看到了它面临的挑战，所以我觉得我在当下所做的每一件事情，都是我必须要去做的。
面向未来做抉择，另外一个建议是：不能等到一切都确定了才去做决策。等到那时候才开始，你看到的，别人也都会看到。
那么，怎么在事情还不确定的时候做抉择？我认为历史会给大家很多启发。大家可以看到，移动互联网时代、AI1.0时代的一些规则，一定会在今天AI 2.0大模型时代重复。但是大家也要同时看到AI2.0大模型时代有它的特色，不能守陈规。
大家可以看到过去的PC应用、移动互联网应用是怎么起来的，toC和toB各自面临什么机会和挑战，AI企业走过了什么样的路程，刚开始的浪潮是由什么引发，之后遇到的挑战又是由什么造成的，最终会不会成为伟大的企业……
这些教训、这些学习都是非常难的。我建议各位，做正确的决策其实不是保证最终一定正确，而是保证你做好了功课，知道自己心里想做的事情是什么，然后义无反顾地、永不放弃去追求。
冯大刚：您在做决定的时候内心会不会有点纠结？因为我经历过很多人自己去创业，因为自己创业的成败是不确定的，所以这个决定并不容易。但与此同时，当您感受到过去某个点串在一起，变成今天不得不做、一定要做的事，其实是一种巨大的兴奋和快乐。
李开复：可以这么理解。当你需要确定一件事情，对你来说是不是必须去做的，你可以问自己这样一个问题：“你在尝试之后失败了”和“你今天没有去做”，哪个会更加令你遗憾？
我人生几个重要的决策都是基于这个原则去做，这次也是。过去我的职业生涯也不全是成功的案例，但令我非常自豪的，是在每个当口都汇集了一批很优秀的人才，后来他们中有人做出了很多伟大的企业，比如快手，也有人成为了很优秀的VC、大厂高管，比如说蒋凡，他们都是在那个时代培养出来的。
所以有时候成功也不一定是你做出了千亿万亿市值级别的企业，而是说可能历史给你这样的一个机遇，就是要培养这样的一批人，能够把整个大环境做得更好。当然其他的工作也有很多成功，但是我觉得是要勇于不断地尝试，了解自己的心，当一件事情结束了就不要去悔恨，然后要看到下一个机会。
冯大刚：我个人总结一下，不代表李老师的意思：正确的事情不是精心计算出来的，正确的事情是用心感受出来的。
我知道李开复老师最近几个月去了东南亚、中东，去了很多地方，我想知道您的感受是什么，其他国家的人他们看待AI的角度跟大家不一样吗？
李开复：我觉得硅谷还是大家非常重要的学习目标，他们今天也已经非常确定是全球领先、大家关注的一个企业，我这次看到的几件事情：
一个是OpenAI还会继续研发，但模型迭代的进度不会像以前那么快。大家都受到很大的震撼，并不是说OpenAI今天就改变了多少事情，而是说世界上不只是存在一个预训练阶段的Scaling law，还有推理阶段的Scaling law。然后我也看到美国整个AI 2.0生态系统现在发展得非常快，一定程度是因为ChatGPT从美国发起并席卷了全球，而且当时只有OpenAI一家有，所以整个美国迅速将完成了将大模型集成进各式各样应用的过程，用户已经被教育，也建立了相关认知：聊天机器人不只是能聊天，它可以帮你做什么事情。
在AI 1.0，中国不仅积极拥抱新技术，也在落地应用上处于世界领先地位。在AI 2.0时代，ChatGPT一枝独秀但没有对中国开放。目前中国也有若干家大模型企业做得很不错，但是中国还没有迎来自己的ChatGPT时刻，很多用户还是不了解、没接触到、没有使用的习惯，这是未来一年大家一定要去改变的。
关于世界各地的情况，实际上与人们的预期大致相符。在技术认知度上，美国处于领先位置，中国紧随其后，而中东和东南亚市场对整体市场的理解仍面临较大挑战。
此次大模型时代的到来，与以往的操作系统发展不同。操作系统主要是一项技术，它与语言、学问、法律、价值观和宗教无关。然而，如今像ChatGPT这样的大模型在许多非欧美国家遭遇了用户的不满，因为这些模型在训练过程中，虽然无意加入特定的价值观或倾向，但如果数据主要来源于某一国家，如美国，那么在其他国家看来，模型提供的答案可能显得偏见、错误或带有歧视性。例如，询问ChatGPT关于巴勒斯坦人是否应得到公平对待的问题，其答案可能不符合大多数人的期待，因为过多的美国数据导致模型学习到了有偏差的观点。
因此，我认为未来的趋势将是“一国一模型”的时代，各个国家和地区拥有自己独特的大模型，这些模型将反映当地的市场特点、用户价值观、人民的价值取向以及不同的法律法规和宗教信仰。这是一个必然的趋势，与过去操作系统可以通用的情况不同，大模型难以实现全球统一。
冯大刚：李老师的见解对我有很大的启发，我之前认为每个国家都有自己的大模型，这可能是由贸易纠纷引起的，但从基础层面来看，很难构建一个能够统一所有学问的模型，因为各国之间存在显著差异。
李开复：是的，中国和美国有不同的市场领跑者，可能大家觉得中国市场大、技术强、创业者强，但实际上我觉得每一个有钱的国家，比如说沙特，和每一个用户量特别大的国家，比如说印度、印度尼西亚，最终都会有自己的大模型。
这个模型也许是其他国家的企业开发的，也许是基于开源模型自行微调的，但是ChatGPT，尤其考虑到美国大企业的做事方式，一定是先满足美国，再满足欧洲，其他的以后再说。“以后再说”就带来了市场，让这些国家的创业者或者美国之外的创业者去把握住这样的时间窗口，去开发自己的大模型。
继续单纯地追求“更大的模型”只会让英伟达的股票继续飙升
冯大刚：去年Scaling law，大家叫做“大力出奇迹”，效果确实很好。今年这一点就不再是共识了，好像到尽头了，大家还有新的共识吗？新的共识是什么？
李开复：我觉得Scaling law还是成立的，现在花10倍的钱只能拿到一些提升，但是提升还是存在的。
Scaling law还没有停止，但是要投钱进去，不再是一门好的生意。对于一个投资人或者一个大企业来说，比如说GPT-4是1亿美金训练出来的，GPT-5是10亿美金训练的，GPT-6可能就是100亿美金，GPT-7也许是千亿美金。
这些都是不可思议的数字，我觉得大部分企业不会走这条路。OpenAI会走，但我觉得这是不适合中国走的一条道路，一方面这样花大笔钱做不确定的事情，也不是中国大厂过去的行为方式，更不是一个创业企业能走的路径。
还有一点值得注意，继续拼命提升模型参数做更大的模型只会继续带来英伟达股票的飙升。美国大厂还在疯狂地购买GPU，但是这对整个生态来说并不是好事。
大家其实要思考的是，怎么样让在座的每一个创业者都可以打造AI Native应用。要做到这件事情，今天最大的瓶颈就是成本太高。大家可能都已经忘记了在一年多前，GPT-4出来的时候，它的价格是75美金/百万token。而今天零一万物做的Yi-Lightning“闪电”模型是0.99人民币/百万token。而且Yi-Lightning模型性能绝对要比当时的GPT-4强，大家甚至超过了今年5月的GPT-4o，而大家的价钱是去年GPT-4的1/500，是GPT-4o的1/30。
大家能确定整个行业的成本在下降。今天做AI的创业，如果你们觉得AI模型还是不够好，或者还是贵，我可以确定地告诉你们，你们只要参考去年到今年的变化就可以对未来做出预判：一年半的时间内，价格差了500倍，同时模型能力还有很大程度的提升。今天如果你还觉得贵，明年99%的概率就不贵了，再过一年可能不但不贵，而且能够支撑你做想要的应用。
所以现在的思考模式不应该再像去年一样，包括我在内，去年大家都基于Scaling law考虑，要弄更多的GPU，做得更大的模型。现在很清楚的是，应用时代已经到来。现在应该重视的是怎么把一个非常好的模型做到非常快、非常便宜，让每一个人都能使用，让普惠的时代到来，让繁荣创业的生态能够在AI2.0时代重复发生。
冯大刚：500倍这个数字无比有说服力，几乎是免费的。
李开复：对。但是大家还会再做更好的模型，并且明年会比今年更便宜。你可以想象吗，手机、PC刚出来的时候大家都很振奋。今年有更好的PC，比去年便宜30%就很开心了。手机也是一样。但是刚才讲到的是500倍的差距，一辆车、一个房子、一台手机能够这样降价的话，你想是什么样的经济效益。
冯大刚：大家也可以看到零一万物的战略，一直没有大的变化。大家坚持“三位一体”战略，您是否认为“三位一体”战略就是AI行业正确的事情？
李开复：是的，如果大家分开来做，做应用的是一批人，做模型的是一批人，搭建AI Infra的是一批人，那最后做出来的结果就不会是最高效的。
如果你相信大家刚才所说的，大家目的是要把成本降低，才能让应用百花齐放，大家希翼做的就是三位一体。
当然一个初创企业做三位一体，做一件事就够难了，还要做三件事？怎么做呢？大家的方法就是垂直整合。垂直整合怎么做呢？当Infra和模型还没有固化的时候，两个同时优化，这样才能得出最快、最便宜、最高效。
大家希翼把大模型做便宜，第一个问题就是为什么贵？因为GPU贵。那GPU能不能少用点？那就用内存替代。大家就做Memory cache，把所有算过的东西里该记得的、可能会重新使用的都记下来，在必要的时候直接加载这部分的 cache，尽最大可能重复利用曾经做过的计算。同时，做模型的时候就要考虑到大家是用什么样的架构、几张GPU、多大的内存，什么样的Memory cache，大家才能基于此设计一个推理友好的模型。
大部分的模型企业都是想做“训练友好”的模型，或者是基于Scaling law的最大的模型。而大家做训练的时候考虑到，大家要训一个推理超快的模型。
其实人类社会里很多伟大的、改变世界的产品都是靠垂直整合，苹果肯定是垂直整合出来的，它是一个团队去优化所有的事情之后才做出来的。Mac是垂直整合出来的，特斯拉是垂直整合出来的，SpaceX也在做垂直整合。所以我觉得在一个行业还没有标准化、固化的时候，垂直整合是杀出一条血路最好的方法。
这绝对不是说，零一万物要做世界最大的 Infra 企业、世界最大的模型企业、世界最大的 APP 企业。大家是针对大家想做的那些模型，去优化垂直整合，大家会聚焦在重点产品上，比如说Yi-Lightning模型、C端应用和近期推出的B端应用等等。
不跟大厂拼烧钱，大模型初创要杀出一条血路
冯大刚：下一个问题可能有点敏感，大家看到今天AI行业出现了很多烧钱的事情，钱应该花在什么地方才是最值得的？
李开复：我觉得“烧钱”是相对贬义的一个词。大家会选择做更聪明的增长，即使这个应用不是马上就能收钱。
比如说今天无论是创造文字内容、视频编辑等等基于AI的生产力工具，都会有用户愿意付费买单，这是一种肯定成立的路线。这个时候你就不用太担心推理成本太贵，因为用户买单，你只需要确定用户给你的钱超过你的推理成本，你就可以往前推动，也有希翼很快看到ROI转正。
另外一种应用的策略是“我刚开始不收钱，以此来积累用户”。你说“烧钱”也没有错，但是它能够产生大用户量，大用户量之后会带来巨大的价值，这样的方向它肯定是需要融资，它的未来回报肯定是超级巨大的。但是它死亡的概率也会大很多，因为你做到PMF后也不能够很快变现，PMF也只能向外界证明你在“烧钱”时不会赔太多。
所以走这个方向大家有几个建议，第一个要意识到它的风险，它不是一定能成的，失败率很高。第二，大家不要疯狂地烧钱，一定要验证PMF，比如说看到用户留存很健康、获客成本也合理才去烧。
今年国内的Chatbot产品我觉得没有达到合理的PMF。大厂烧得起，但是创业者是烧不起的。不要跟大厂对着干，它烧你也烧，最后一定会被干死。
每一个流量Top级别的ConsumerApp，都需要选择适当的时机去做，太早做就死路一条。比如说去年4月最好的模型就是GPT-4，是75美金。假设那个时候你要做一个AI搜索应用，你决定用GPT-4去做，那么你每一条搜索可能就要花1美金，这样的话肯定是做不下去。
但是今天如果你用Yi-Lightning模型来做AI搜索，那就只花GPT-4 1/500的钱，那么就有可能“烧”出PMF来。所以要在正确的时机去做，并且要足够早地意识到，如果你的应用背后需要用到75美金/百万token的模型，那根本就不要尝试，你心中要有一个定价——你需要多好的模型，它的价钱要降到什么样的地步，你才能够做用户增长。
做得太早，会把自己烧死，但是做得太晚了也不行。假如开发这个产品需要5个月，最聪明的创业者就应该提前6个月找到最好的模型，比如说预判到零一万物的Yi-Lightning模型会在5个月以后推出，并且价格会降到9毛9/百万token，等到应用开发完毕之后直接对接。
那可能大家会说，谁会知道零一万物在10月会推出9毛9的Yi-Lightning模型呢？至少会有一个人知道，那就是我，所以大家会提前开发应用，等模型迭代之后直接对接，并推出大家的应用。
和大厂“囤资源”的打法不一样，零一万物的“模型+Infra+应用”三位一体全栈布局是大家应对大厂竞争时的利器，聚焦重点垂直整合出更优质的产品。在这个过程中，初创企业集中资源办大事的机制也能够让大家更灵活地基于市场变化进行迭代提升。
初创企业不像大厂，没有“创新者窘境”包袱，往往会成为“创新鲶鱼”。这也是为什么ChatGPT出现在OpenAI而不是MicroSoft、GOOGLE的根本原因。
冯大刚：刚才讲到，开复老师怎么看待烧钱，是不是说零一万物不会做烧钱、toC这样的超级应用。零一万物也推出了解决方案，是否您认为toB是大家今天在中国落地最好的解决方案？
李开复：大家会去做刚刚描述的用户增长，但是大家不会去烧不该烧的钱。没有达到PMF的时候、用户增长太贵的时候不要去烧钱。但是达到PMF的时候就要果断去做，当然大家在做的时候也会控制自己的成本，因为毕竟现在融资环境也有很多的挑战。所以大家并不排斥去做一个HighDAU、不着急变现的toC的应用，但是大家会非常谨慎地来做这件事情。
我也建议每个创业者也用刚才的几个法则来去约束自己，不要认为大家能烧出100万的DAU就会有人投资，现在VC都很聪明，不像移动互联网初期，大家还在摸索。
回到toB，我觉得市场是有机会的，但是大家会很担忧，如果是每一个企业要做RFP（Request for Proposal，请求提案书），大家都要用项目制的方法，又回到AI1.0一模一样的打法，这样的话可能做一单赔一单，也不是可持续的商业模式。
所以我希翼零一万物会在toC、toB都做谨慎花钱、勤俭持家的企业，在toC不乱烧钱在toB做项目要有收获，也许能从中开发做出标准化产品，也许这个客户能长期合作，也许这个客户能够成为灯塔客户吸引更多客户，那么这样的项目是可以做的。
toB方向上，大家愿意去做完整的解决方案，一个企业如果你只做模型、卖模型，今天已经卖不出去了，没有企业真的会花大钱去买模型，这个已经是一年半以前的梦想，现在这个梦想已经完全改变了。
企业客户的需求很清楚，他们要的就是降本增效，要解决实际的业务问题，这个问题可能是客服，可能是电商用户的获取，或者是在企业产品的推广。最好的应用就是客户使用你的解决方案，马上就成为了“印钞机”帮客户做增长，或者马上就可以节省客户的成本，这样他就会愿意去付费。所以这是大家做toB的原则。
欧美以外的市场也能做出巨型企业，但难度也不小
冯大刚：刚刚提到OpenAI的做法，可能花1亿、100亿、1000亿，可能中国不会有任何一家企业这样去做，是不是中国的企业有另外一条道路？这条道路是怎么样的？
李开复：我觉得其实不止有一条道路。大家可以看到今天大家都走着不同的道路，有些走国内、有些走国外，有些走toC、toB，有些走医疗等等。
在移动互联网初期，大家都很自豪地说我是移动互联网企业，现在都不会这么说，比如说字节、美团，都不会说自己是移动互联网企业了，他们都找到了他们的方向。
我觉得大模型也是一样。就像当年的AI四小龙都是计算机视觉企业，但是他们都找到了自己的商业方向。所以一家企业最终的灵魂拷问是能不能从大模型起家，打造出一个可持续的商业模式，在这个商业赛道里，证明自己能够接受二级市场的考验，有收入、在增长、可盈利。这才算是找到了最终的定位。
冯大刚：是不是从中国市场起步的企业，很难进入到欧美市场。如果是的话，大家能不能进入到别的市场？
李开复：进入欧美市场是非常困难的，美国几乎是不可能的，当然你如果做的是一个很好的应用，应用底层是你的模型，这个可能还是OK的。
但是欧美市场之外，我觉得还是有一些国家是有机会的。比如说在东南亚市场，在中东市场，在拉美市场，这些市场不会过度受美国影响，限制使用中国的模型。但是同时，大家也可以看到，在这几个市场上要做出巨大的企业，难度也是很大的。
还有，毕竟大部分做出海的中国团队英文还是蛮好的，中东、阿拉伯、西班牙、葡萄牙那么多的语言，语言的挑战还是比较大的。所以也要谨慎地去确定这个方向是否可行，要了解到可能有一定的天花板存在。
冯大刚：大家今天的最后一个问题，请您帮大家展望一下2025年的AI行业会变得更好还是更不好。或者具体来说，会有很多企业倒掉吗？会有很多企业赚钱吗？对于创业者您有什么样的建议？
李开复：我觉得肯定跟去年的认知是不一样的。去年还在百模大战，今年只剩几家了。中国的创业者的韧性、弹性、开放性是非常高的，所以我看到好几家放弃做预训练的企业，他们现在的状态也是OK的。
但是转型是已经在发生、未来还会继续发生的，我觉得未来一年我最看好的，从创新工场的角度来看，早期创新工场投大模型，之后投资的是Infra，现在大家最重视的是应用，因为大家认为，模型推理成本太高这个问题已经开始被解决，百花齐放的应用时代要到了，如果你在考虑创业，用模型性能很棒、推理速度很快、价格很便宜的模型去做应用，这会是正确的决定。
来源：36kr
| 
4
发表于 2024-11-29 16:02:24
