新火種
2024-11-30 
李開復：AI2.0初創不要跟大廠拼燒錢，垂直整合做深應用是最優解｜WISE2024商業之王
環境持續變化，時代總在迭變，“商業之王”們緊隨時代浪潮，堅持創造，謀求新動能。立足中國經濟大轉型的當下，WISE2024 商業之王大會，一同發現真正有韌性的“商業之王”，探尋中國商業浪潮里“正確的事”。
11月28-29日，為期兩日的36氪WISE2024 商業之王大會于北京隆重召開，作為中國商業領域的全明星盛典，WISE大會今年已經是第十二屆，在不斷變化的時代里見證著中國商業的韌性與潛力。
是有些模糊且變化多于穩定的一年。相比過去十年，大家的腳步正放緩，發展更加理性。2024，也是尋求新的經濟動力的一年，新的產業變化對每個主體的適應性提出了更高的要求。今年WISE大會以Hard But Right Thing（正確的事）為主題，在2024，什么是正確的事，成為我們更想交流的話題。
什么是“正確的事”，在如今的AI行業，拆解這樣一個問題已經變得尤為復雜。
從2023年到2024年，我們親眼見證了AI 2.0大模型賽道的滄海桑田，曾經作為共識的Scaling Law開始被挑戰，殺手級應用先出現在C端還是B端還沒有定論。昨日正確的事，在當下或許已經成了誤判。
面對這樣一個日新月異的行業，李開復，或許是對“如何做正確的事”最有發言權的一位AI從業者。
他身上有很多標簽：曾任蘋果、微軟、谷歌全球高管，投出十多家中國AI獨角獸的投資人，如今也是躬身入局的AI 大模型的創業者——AI 2.0獨角獸零一萬物的創始人。
右：零一萬物CEO、創新工場董事長李開復，左：36氪CEO馮大剛
以下是36氪CEO馮大剛和零一萬物CEO、創新工場董事長李開復的對話：
正確的事不是精心計算出來的，是用心感受出來的馮大剛：說到“正確的事情”，開復老師覺得過去兩年，自己做了什么樣的正確的事情，做正確的事情邏輯是什么？
李開復：我覺得我做的最重要的事情就是創立了零一萬物。還不敢說這家獨角獸公司已經全面成功，但是代表著做正確選擇的一種方法。
我非常相信喬布斯所說的，人生不能給未來做永遠的規劃。但是如果你回頭看過去做的每一件事情，它們是可以串成一條線的。如果你的每一個決策都在跟隨你的心去做，那么最終你會發現都是正確的，而且是為未來在做鋪墊。
我在20歲的時候選擇把我的人生投入到AI，之后，我基于AI打造了各種產品：回到國內，創立微軟亞洲研究院，之后又做了創新工場。我看到了AI 1.0的光輝時刻，也看到了它面臨的挑戰，所以我覺得我在當下所做的每一件事情，都是我必須要去做的。
面向未來做抉擇，另外一個建議是：不能等到一切都確定了才去做決策。等到那時候才開始，你看到的，別人也都會看到。
那么，怎么在事情還不確定的時候做抉擇？我認為歷史會給我們很多啟發。我們可以看到，移動互聯網時代、AI 1.0時代的一些規則，一定會在今天AI 2.0大模型時代重復。但是我們也要同時看到AI 2.0大模型時代有它的特色，不能守陳規。
我們可以看到過去的PC應用、移動互聯網應用是怎么起來的，toC和toB各自面臨什么機會和挑戰，AI公司走過了什么樣的路程，剛開始的浪潮是由什么引發，之后遇到的挑戰又是由什么造成的，最終會不會成為偉大的公司……
這些教訓、這些學習都是非常難的。我建議各位，做正確的決策其實不是保證最終一定正確，而是保證你做好了功課，知道自己心里想做的事情是什么，然后義無反顧地、永不放棄去追求。
馮大剛：您在做決定的時候內心會不會有點糾結？因為我經歷過很多人自己去創業，因為自己創業的成敗是不確定的，所以這個決定并不容易。但與此同時，當您感受到過去某個點串在一起，變成今天不得不做、一定要做的事，其實是一種巨大的興奮和快樂。
李開復：可以這么理解。當你需要確定一件事情，對你來說是不是必須去做的，你可以問自己這樣一個問題：“你在嘗試之后失敗了”和“你今天沒有去做”，哪個會更加令你遺憾？
我人生幾個重要的決策都是基于這個原則去做，這次也是。過去我的職業生涯也不全是成功的案例，但令我非常自豪的，是在每個當口都匯集了一批很優秀的人才，后來他們中有人做出了很多偉大的公司，比如快手，也有人成為了很優秀的VC、大廠高管，比如說蔣凡，他們都是在那個時代培養出來的。
所以有時候成功也不一定是你做出了千億萬億市值級別的公司，而是說可能歷史給你這樣的一個機遇，就是要培養這樣的一批人，能夠把整個大環境做得更好。當然其他的工作也有很多成功，但是我覺得是要勇于不斷地嘗試，了解自己的心，當一件事情結束了就不要去后悔，然后要看到下一個機會。
馮大剛：我個人總結一下，不代表李老師的意思：正確的事情不是精心計算出來的，正確的事情是用心感受出來的。
我知道李開復老師最近幾個月去了東南亞、中東，去了很多地方，我想知道您的感受是什么，其他國家的人他們看待AI的角度跟我們不一樣嗎？
李開復：我覺得硅谷還是我們非常重要的學習目標，他們今天也已經非常確定是全球領先、大家關注的一個公司，我這次看到的幾件事情：
一個是OpenAI還會繼續研發，但模型迭代的進度不會像以前那么快。大家都受到很大的震撼，并不是說OpenAI今天就改變了多少事情，而是說世界上不只是存在一個預訓練階段的Scaling law，還有推理階段的Scaling law。然后我也看到美國整個AI 2.0生態系統現在發展得非常快，一定程度是因為ChatGPT從美國發起并席卷了全球，而且當時只有OpenAI一家有，所以整個美國迅速將完成了將大模型集成進各式各樣應用的過程，用戶已經被教育，也建立了相關認知：聊天機器人不只是能聊天，它可以幫你做什么事情。
在AI 1.0，中國不僅積極擁抱新技術，也在落地應用上處于世界領先地位。在AI 2.0時代， ChatGPT一枝獨秀但沒有對中國開放。目前中國也有若干家大模型公司做得很不錯，但是中國還沒有迎來自己的ChatGPT時刻，很多用戶還是不了解、沒接觸到、沒有使用的習慣，這是未來一年我們一定要去改變的。
關于世界各地的情況，實際上與人們的預期大致相符。在技術認知度上，美國處于領先位置，中國緊隨其后，而中東和東南亞市場對整體市場的理解仍面臨較大挑戰。
此次大模型時代的到來，與以往的操作系統發展不同。操作系統主要是一項技術，它與語言、文化、法律、價值觀和宗教無關。然而，如今像ChatGPT這樣的大模型在許多非歐美國家遭遇了用戶的不滿，因為這些模型在訓練過程中，雖然無意加入特定的價值觀或傾向，但如果數據主要來源于某一國家，如美國，那么在其他國家看來，模型提供的答案可能顯得偏見、錯誤或帶有歧視性。例如，詢問ChatGPT關于巴勒斯坦人是否應得到公平對待的問題，其答案可能不符合大多數人的期待，因為過多的美國數據導致模型學習到了有偏差的觀點。
因此，我認為未來的趨勢將是“一國一模型”的時代，各個國家和地區擁有自己獨特的大模型，這些模型將反映當地的市場特點、用戶價值觀、人民的價值取向以及不同的法律法規和宗教信仰。這是一個必然的趨勢，與過去操作系統可以通用的情況不同，大模型難以實現全球統一。
馮大剛：李老師的見解對我有很大的啟發，我之前認為每個國家都有自己的大模型，這可能是由貿易糾紛引起的，但從基礎層面來看，很難構建一個能夠統一所有文化的模型，因為各國之間存在顯著差異。
李開復：是的，中國和美國有不同的市場領跑者，可能大家覺得中國市場大、技術強、創業者強，但實際上我覺得每一個有錢的國家，比如說沙特，和每一個用戶量特別大的國家，比如說印度、印度尼西亞，最終都會有自己的大模型。
這個模型也許是其他國家的公司開發的，也許是基于開源模型自行微調的，但是ChatGPT，尤其考慮到美國大公司的做事方式，一定是先滿足美國，再滿足歐洲，其他的以后再說。“以后再說”就帶來了市場，讓這些國家的創業者或者美國之外的創業者去把握住這樣的時間窗口，去開發自己的大模型。
繼續單純地追求“更大的模型”只會讓英偉達的股票繼續飆升馮大剛：去年Scaling law，我們叫做“大力出奇跡”，效果確實很好。今年這一點就不再是共識了，好像到盡頭了，我們還有新的共識嗎？新的共識是什么？
李開復：我覺得Scaling law還是成立的，現在花10倍的錢只能拿到一些提升，但是提升還是存在的。
Scaling law還沒有停止，但是要投錢進去，不再是一門好的生意。對于一個投資人或者一個大公司來說，比如說GPT-4是1億美金訓練出來的，GPT-5是10億美金訓練的，GPT-6可能就是100億美金，GPT-7也許是千億美金。
這些都是不可思議的數字，我覺得大部分公司不會走這條路。OpenAI會走，但我覺得這是不適合中國走的一條道路，一方面這樣花大筆錢做不確定的事情，也不是中國大廠過去的行為方式，更不是一個創業公司能走的路徑。
還有一點值得注意，繼續拼命提升模型參數做更大的模型只會繼續帶來英偉達股票的飆升。美國大廠還在瘋狂地購買GPU，但是這對整個生態來說并不是好事。
我們其實要思考的是，怎么樣讓在座的每一個創業者都可以打造AI Native應用。要做到這件事情，今天最大的瓶頸就是成本太高。我們可能都已經忘記了在一年多前，GPT-4出來的時候，它的價格是75美元/百萬token。而今天零一萬物做的Yi-Lightning“閃電”模型是0.99人民幣/百萬token。而且Yi-Lightning模型性能絕對要比當時的GPT-4強，我們甚至超過了今年5月的GPT-4o，而我們的價錢是去年GPT-4的1/500，是GPT-4o的1/30。
我們能確定整個行業的成本在下降。今天做AI的創業，如果你們覺得AI模型還是不夠好，或者還是貴，我可以確定地告訴你們，你們只要參考去年到今年的變化就可以對未來做出預判：一年半的時間內，價格差了500倍，同時模型能力還有很大程度的提升。今天如果你還覺得貴，明年99%的概率就不貴了，再過一年可能不但不貴，而且能夠支撐你做想要的應用。
所以現在的思考模式不應該再像去年一樣，包括我在內，去年大家都基于Scaling law考慮，要弄更多的GPU，做得更大的模型。現在很清楚的是，應用時代已經到來。現在應該重視的是怎么把一個非常好的模型做到非常快、非常便宜，讓每一個人都能使用，讓普惠的時代到來，讓繁榮創業的生態能夠在AI 2.0時代重復發生。
馮大剛：500倍這個數字無比有說服力，幾乎是免費的。
李開復：對。但是我們還會再做更好的模型，并且明年會比今年更便宜。你可以想象嗎，手機、PC剛出來的時候我們都很振奮。今年有更好的PC，比去年便宜30%就很開心了。手機也是一樣。但是剛才講到的是500倍的差距，一輛車、一個房子、一臺手機能夠這樣降價的話，你想是什么樣的經濟效益。
馮大剛：我們也可以看到零一萬物的戰略，一直沒有大的變化。我們堅持“三位一體”戰略，您是否認為“三位一體”戰略就是AI行業正確的事情？
李開復：是的，如果我們分開來做，做應用的是一批人，做模型的是一批人，搭建AI Infra的是一批人，那最后做出來的結果就不會是最高效的。
如果你相信我們剛才所說的，我們目的是要把成本大大降低，才能讓應用百花齊放，我們希望做的就是三位一體。
當然一個初創公司做三位一體，做一件事就夠難了，還要做三件事？怎么做呢？我們的方法就是垂直整合。垂直整合怎么做呢？當Infra和模型還沒有固化的時候，兩個同時優化，這樣才能得出最快、最便宜、最高效。
我們希望把大模型做便宜，第一個問題就是為什么貴？因為GPU貴。那GPU能不能少用點？那就用內存替代。我們就做Memory cache，把所有算過的東西里該記得的、可能會重新使用的都記下來，在必要的時候直接加載這部分的 cache，盡最大可能重復利用曾經做過的計算。同時，做模型的時候就要考慮到我們是用什么樣的架構、幾張GPU、多大的內存，什么樣的Memory cache，我們才能基于此設計一個推理友好的模型。
大部分的模型公司都是想做“訓練友好”的模型，或者是基于Scaling law的最大的模型。而我們做訓練的時候考慮到，我們要訓一個推理超快的模型。
其實人類社會里很多偉大的、改變世界的產品都是靠垂直整合，iPhone肯定是垂直整合出來的，它是一個團隊去優化所有的事情之后才做出來的。Mac是垂直整合出來的，特斯拉是垂直整合出來的，SpaceX也在做垂直整合。所以我覺得在一個行業還沒有標準化、固化的時候，垂直整合是殺出一條血路最好的方法。
這絕對不是說，零一萬物要做世界最大的 Infra 公司、世界最大的模型公司、世界最大的 APP 公司。我們是針對我們想做的那些模型，去優化垂直整合，我們會聚焦在重點產品上，比如說Yi-Lightning模型、C端應用和近期推出的B端應用等等。
不跟大廠拼燒錢，大模型初創要殺出一條血路馮大剛：下一個問題可能有點敏感，我們看到今天AI行業出現了很多燒錢的事情，錢應該花在什么地方才是最值得的？
李開復：我覺得“燒錢”是相對貶義的一個詞。我們會選擇做更聰明的增長，即使這個應用不是馬上就能收錢。
比如說今天無論是創造文字內容、視頻編輯等等基于AI的生產力工具，都會有用戶愿意付費買單，這是一種肯定成立的路線。這個時候你就不用太擔心推理成本太貴，因為用戶買單，你只需要確定用戶給你的錢超過你的推理成本，你就可以往前推動，也有希望很快看到ROI轉正。
另外一種應用的策略是“我剛開始不收錢，以此來積累用戶”。你說“燒錢”也沒有錯，但是它能夠產生大用戶量，大用戶量之后會帶來巨大的價值，這樣的方向它肯定是需要融資，它的未來回報肯定是超級巨大的。但是它死亡的概率也會大很多，因為你做到PMF后也不能夠很快變現，PMF也只能向外界證明你在“燒錢”時不會賠太多。
所以走這個方向我們有幾個建議，第一個要意識到它的風險，它不是一定能成的，失敗率很高。第二，我們不要瘋狂地燒錢，一定要驗證PMF，比如說看到用戶留存很健康、獲客成本也合理才去燒。
今年國內的Chatbot產品我覺得沒有達到合理的PMF。大廠燒得起，但是創業者是燒不起的。不要跟大廠對著干，它燒你也燒，最后一定會被干死。
每一個流量Top級別的Consumer App，都需要選擇適當的時機去做，太早做就死路一條。比如說去年4月最好的模型就是GPT-4，是75美元。假設那個時候你要做一個AI搜索應用，你決定用GPT-4去做，那么你每一條搜索可能就要花1美元，這樣的話肯定是做不下去。
但是今天如果你用Yi-Lightning模型來做AI搜索，那就只花GPT-4 1/500的錢，那么就有可能“燒”出PMF來。所以要在正確的時機去做，并且要足夠早地意識到，如果你的應用背后需要用到75美元/百萬token的模型，那根本就不要嘗試，你心中要有一個定價——你需要多好的模型，它的價錢要降到什么樣的地步，你才能夠做用戶增長。
做得太早，會把自己燒死，但是做得太晚了也不行。假如開發這個產品需要5個月，最聰明的創業者就應該提前6個月找到最好的模型，比如說預判到零一萬物的Yi-Lightning模型會在5個月以后推出，并且價格會降到9毛9/百萬token，等到應用開發完畢之后直接對接。
那可能大家會說，誰會知道零一萬物在10月會推出9毛9的Yi-Lightning模型呢？至少會有一個人知道，那就是我，所以我們會提前開發應用，等模型迭代之后直接對接，并推出我們的應用。
和大廠“囤資源”的打法不一樣，零一萬物的“模型+Infra+應用”三位一體全棧布局是我們應對大廠競爭時的利器，聚焦重點垂直整合出更優質的產品。在這個過程中，初創公司集中資源辦大事的機制也能夠讓我們更靈活地基于市場變化進行迭代提升。
初創公司不像大廠，沒有“創新者窘境”包袱，往往會成為“創新鯰魚”。這也是為什么ChatGPT出現在OpenAI而不是微軟、谷歌的根本原因。
馮大剛：剛才講到，開復老師怎么看待燒錢，是不是說零一萬物不會做燒錢、toC這樣的超級應用。零一萬物也推出了解決方案，是否您認為toB是我們今天在中國落地最好的解決方案？
李開復：我們會去做剛剛描述的用戶增長，但是我們不會去燒不該燒的錢。沒有達到PMF的時候、用戶增長太貴的時候不要去燒錢。但是達到PMF的時候就要果斷去做，當然我們在做的時候也會控制自己的成本，因為畢竟現在融資環境也有很多的挑戰。所以我們并不排斥去做一個High DAU、不著急變現的toC的應用，但是我們會非常謹慎地來做這件事情。
我也建議每個創業者也用剛才的幾個法則來去約束自己，不要認為我們能燒出100萬的DAU就會有人投資，現在VC都很聰明，不像移動互聯網初期，大家還在摸索。
回到toB，我覺得市場是有機會的，但是我們會很擔憂，如果是每一個公司要做RFP（Request for Proposal，請求提案書），大家都要用項目制的方法，又回到AI 1.0一模一樣的打法，這樣的話可能做一單賠一單，也不是可持續的商業模式。
所以我希望零一萬物會在toC、toB都做謹慎花錢、勤儉持家的公司，在toC不亂燒錢，在toB做項目要有收獲，也許能從中開發做出標準化產品，也許這個客戶能長期合作，也許這個客戶能夠成為燈塔客戶吸引更多客戶，那么這樣的項目是可以做的。
toB方向上，我們愿意去做完整的解決方案，一個公司如果你只做模型、賣模型，今天已經賣不出去了，沒有公司真的會花大錢去買模型，這個已經是一年半以前的夢想，現在這個夢想已經完全改變了。
企業客戶的需求很清楚，他們要的就是降本增效，要解決實際的業務問題，這個問題可能是客服，可能是電商用戶的獲取，或者是在公司產品的推廣。最好的應用就是客戶使用你的解決方案，馬上就成為了“印鈔機”幫客戶做增長，或者馬上就可以節省客戶的成本，這樣他就會愿意去付費。所以這是我們做toB的原則。
歐美以外的市場也能做出巨型公司，但難度也不小馮大剛：剛剛提到OpenAI的做法，可能花1億、100億、1000億，可能中國不會有任何一家公司這樣去做，是不是中國的公司有另外一條道路？這條道路是怎么樣的？
李開復：我覺得其實不止有一條道路。我們可以看到今天大家都走著不同的道路，有些走國內、有些走國外，有些走toC、toB，有些走醫療等等。
在移動互聯網初期，大家都很自豪地說我是移動互聯網公司，現在都不會這么說，比如說字節、美團，都不會說自己是移動互聯網公司了，他們都找到了他們的方向。
我覺得大模型也是一樣。就像當年的AI四小龍都是計算機視覺公司，但是他們都找到了自己的商業方向。所以一家公司最終的靈魂拷問是能不能從大模型起家，打造出一個可持續的商業模式，在這個商業賽道里，證明自己能夠接受二級市場的考驗，有收入、在增長、可盈利。這才算是找到了最終的定位。
馮大剛：是不是從中國市場起步的公司，很難進入到歐美市場。如果是的話，我們能不能進入到別的市場？
李開復：進入歐美市場是非常困難的，美國幾乎是不可能的，當然你如果做的是一個很好的應用，應用底層是你的模型，這個可能還是OK的。
但是歐美市場之外，我覺得還是有一些國家是有機會的。比如說在東南亞市場，在中東市場，在拉美市場，這些市場不會過度受美國影響，限制使用中國的模型。但是同時，我們也可以看到，在這幾個市場上要做出巨大的公司，難度也是很大的。
還有，畢竟大部分做出海的中國團隊英文還是蠻好的，中東、阿拉伯、西班牙、葡萄牙那么多的語言，語言的挑戰還是比較大的。所以也要謹慎地去確定這個方向是否可行，要了解到可能有一定的天花板存在。
馮大剛：我們今天的最后一個問題，請您幫我們展望一下2025年的AI行業會變得更好還是更不好。或者具體來說，會有很多公司倒掉嗎？會有很多公司賺錢嗎？對于創業者您有什么樣的建議？
李開復：我覺得肯定跟去年的認知是不一樣的。去年還在百模大戰，今年只剩幾家了。中國的創業者的韌性、彈性、開放性是非常高的，所以我看到好幾家放棄做預訓練的公司，他們現在的狀態也是OK的。
但是轉型是已經在發生、未來還會繼續發生的，我覺得未來一年我最看好的，從創新工場的角度來看，早期創新工場投大模型，之后投資的是Infra，現在我們最重視的是應用，因為我們認為，模型推理成本太高這個問題已經開始被解決，百花齊放的應用時代要到了，如果你在考慮創業，用模型性能很棒、推理速度很快、價格很便宜的模型去做應用，這會是正確的決定。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
