动漫 里番

零一万物首创东说念主、CEO李开复

本年11月30日，风靡全球的ChatGPT迎来了两周年日子。

这个下一代AI波澜的庆幸之子、领有3亿活跃用户的AI聊天机器东说念主应用，引爆了全球新一轮AI创业高潮，让天下迎来AI2.0时间。

在AI2.0新的时间机遇下，曾经栽培AI四十多年的李开复决定躬身入局，创立了大模子公司零一万物，奋力于打造全新的AI2.0平台与AI-first坐蓐力应用的全球化公司，况兼在短短一年多时刻里，工夫才略、公司范围和买卖化脚步飞快扩大。（详见钛媒体App前文：《李开复：中好意思东说念主工智能竞争不是零和博弈》）

零一万物日前推出的全新旗舰预考试模子Yi-Lightning，近期在国际巨擘盲测榜单LMSYS上超越OpenAIGPT-4o-2024-05-13、AnthropicClaude3.5Sonnet(20241022)，排行天下第六，中国第一。（数据圭表2024年11月20日）

同期，零一万物早已置身10亿好意思元“独角兽”，况兼全面瞄向AI大模子的买卖化，公布了一整套“从AIInfra到模子，再到应用”的全行业ToB科罚有斟酌：构建大模子算力平台的智算中心科罚有斟酌；面向土产货生涯、办公会议等场景的“如意”数字东说念主科罚有斟酌、万视营销短视频科罚有斟酌在内的零卖行业科罚有斟酌；以及模子考试科罚有斟酌——由数据平台、预考试平台、考试后平台、模子Playground等构周详链路模子运维平台，加速AI大模子工夫的买卖落地。

12月6日-7日，2024T-EDGE立异大会暨钛媒体财经年会在北京召开，以“ALL-inonGlobalization，ALL-inonAI”为主题，集聚全球科技和买卖交流者，共同探讨东说念主工智能对全球各行业的巨大影响，以及企业全球化增长新方式新趋势。看成钛媒体集团每年年终举办的科技和财经领域的顶级嘉会，T-EDGE一直代表了钛媒体在科技与经济前瞻性，以及推动国际立异交流上的高质料追求。

12月7日T-EDGE大会上，钛媒体集团首创东说念主、董事长&CEO，T-EDGE全球委员会主席赵何娟，与零一万物CEO、立异工厂董事长李开复，围绕AI2.0驱动全球科技立异，推理、端侧、行业和基础大模子的发展，以及迈向AGI如何更好落地等热门话题进行了一场深度对话交流。

“咱们矍铄不盲目烧钱买不收获的流量，也不作念‘亏本赚吆喝’的生意。”李开复反复强调，零一万物要在性能优异的基础上，作念最快、最低廉的模子，来点火大模子在ToC、ToB的生态。

以下是钛媒体AGI节录的李开复七个进击不雅点：

昔时一年半时刻，模子才略越来越好，价钱也越来越低廉，推理老本一年下跌了10倍傍边，而零一万物但愿作念的，不是1年10倍（速率增长、老本下跌），而是但愿作念到三、四十倍，要比行业更快三、四倍，更快催生出好的应用。

o1亦然Scaling，只不外Scaling的对象从TrainingTimeCompute酿成了InferenceTimeCompute，两者相得益彰之下能够更高效地糟蹋模子才略的上限。

ScalingLaw照旧有用的，但它的效率不像之前那么高了，主要原因是有两点：数据受限，文本数据的递加不会像昔时那么快；同期，用堆GPU卡的方式进行模子考试会濒临算力期骗率裁汰的问题，GPU的数目和骨子考试时的收益并不是线性普及的关系。

模子作念得又快又低廉，一个中枢是少用内存，善用内存，少用GPU，能存的不要算，必须算的才算，这些是原则。而且，对中国大模子初创公司而言，要侧重“有用的立异”，不要一手一脚地去挑战过于宏伟的AGI实验，有可能花了巨大老本但难寻落地的场景。

来岁，全球推理算力会进一步降价，进而推动AI-first的ToC应用爆发，“需要用一段时刻去积蓄用户再买卖变现”应用成长旅途有望会迎来契机。其中，中国AI2.0将来的上风是，中国能够作念出性价比更高的模子，极低的推理老本将成为HighDAU应用的基础，同期，中国团队也积蓄了无数从移动互联网时间传下来的打法，能够用于AI应用的执行和增长。多种要素相通下，中国团队在ToC方进取会有很大但愿。

行业的最大挑战是，看成大模子初创公司，咫尺进入了新阶段——要解释我方可以有捏续的收入增长。在工夫竞争酿成买卖化竞争的经过中，大模子初创们能否从起先的学者型创业调度为企业家创业？这个坎要是过不去的话，最终路照旧会越走越窄。

零一万物的定位是，第一、矍铄作念最快最低廉的天下第一梯队模子，点火ToC、ToB的生态；第二，矍铄不盲目烧钱买不收获的流量，也不作念“亏本赚吆喝”的生意。

李开复强调，AI大模子公司要去为客户处事，与客户共同创造价值，达到双赢。至于AGI，他暗示，总有一天，AI会能够作念的事情会比东说念主类更多，然而，AI未必要作念到东说念主类所能作念的每一件事情。他推断，咱们距离通用东说念主工智能（AGI）还有7年时刻，AGI出现的梗概时刻点会是在2030年。

以下是赵何娟和李开复之间的对话全文（经整理）：

赵何娟：开复憨厚您好，宽饶来到咱们2024T-EDGE全球立异大会暨钛媒体财经年会，咱们相配雀跃能请到开复憨厚跟咱们作念这样的一个对话。

李开复：何娟你好，谢谢邀请，诸位不雅众一又友全球好。

谈推理模子发展：o1更像是理工科，需与基础模子并存发展

赵何娟：昔时一年，AI不管是在硅谷、好意思国照旧中国其实都发生了好多大的事件。最近您我方认为，咱们能不雅察到的悉数这个词硅谷和全球AI发展的大趋势里面推断可能接下来的一年可能得变化里面，您最垂青的一个可能性的变化是什么？

李开复：我最垂青的变化就是，越来越多成立者会相识到，今天相配好的模子曾经相配低廉了，能够解救一个百花王人放的AI-first应用时间到来。我认为这将是2025年最大的事件。

在此之前，这些应用很难被成立出来。你可以想象，仅在一年半之前，弥散好的模子唯独GPT-4，咫尺回头看，GPT-3.5其实能赋闲的应用场景很少，因为模子才略不够强。但要是一年半之前应用成立者摄取接入GPT-4，每调用一次就要耗费1-2好意思元，谁又能作念得起应用呢？很容易我方就会作念收歇。

在昔时一年半的时刻内，模子性能越来越好，从GPT-4、Turbo、4o到o1，模子才略曾经普及了好多。另一方面，当年的GPT-4，咫尺来看曾经经很低廉了，即等于4o，每百万token也唯独4.4好意思金(按输入输出3:1比例策划)，比一年多以前的GPT-3.5下跌了接近20倍。

从悉数这个词行业来看，推理老本一年下跌了10倍傍边。悉数这个词行业在以1年十倍的速率扫尾推理速率变快和推理老本下跌。而零一万物但愿作念到的，不是1年10倍（推理速率增长、老本下跌），而是但愿作念到三、四十倍，也就是说，咱们要比行业更快三、四倍。这样的话，零一万物就能先东说念主一步作念出好的应用。

赵何娟：老本下跌会带来无数应用爆发，就是您对2025年特别大的一个期待或者预判。刚才您也提到了，本年其实有好多模子在迭代。前段时刻，咱们在硅谷办公室也组织了一次对于o1大模子平台的参谋，有邀请x.AI、OpenAI相干的teamleader来，咱们参谋的时候发现，悉数大厂咫尺都在作念一件事情，就是o1这种推理模子。然而，o1跟昔时的基础模子其实在范式或在道路上，曾经有很大的一个变化了，咱们是不是可以交融为，接下来悉数大厂都会在推理模子上竞争，而不是基础模子上竞争？那么基础模子的竞争是不是到头了？零一是不是也有斟酌推出新的推理模子？

李开复：全球都在作念推理模子，这服气是一个趋势，包含零一万物在内的少数中国大模子公司咫尺曾经经作念出了可以的初步效率。

从工夫角度来说，o1既是一个大模子的延长，也启发了行业尝试相对不一样的作念法。o1亦然在Scaling，只不外Scaling的对象从TrainingTimeCompute酿成了InferenceTimeCompute，两者相得益彰之下链接高效地糟蹋模子才略的上限。

就像东说念主类的“快念念考”、“慢念念考”，都是大脑的功能和延长，合并起来能够念念考得更深切，是以在大模子领域内，它们（推理和基础模子）亦然互补的。但之前莫得尝试“慢念念考”，全球都在作念雷同“快念念考”一样的探索，模子就像是在作念快问快答，脑子里面料想什么就蹦出来什么。

天然，东说念主类不经过好多念念考，通常也可以七步成诗，作念出好多创意类的体裁内容等。是以，其实“快念念考”，也就是o1之前的大模子也能够完成好多东说念主类的需乞降任务。

然而，东说念主类濒临艰巨时，谜底不是一拍脑袋可以拍出来的，通过直观给的第一个谜底并不一定是对的，或者在论说几句话之后咱们发现念念路不合，需要修正。东说念主类有一个很强的才略，就是能够自我反念念、自我修正，即所谓的reflection（反念念），那些能够在科学界有树立的东说念主，通常存在批判式念念维，能连续雷同的逻辑推理念念考，资格过不停迭代求证致使推翻重来的经过，才气取得一个有要害卓著的科学效率。

o1的发展就雷同上述的旅途，况兼曾经向外界自证了它的价值。好多东说念主也从巨型的预考试模子转到推理探索，全体念念路演酿成为了两个并行的Scaling：第一个是模子越大越来越聪敏，第二个是想得越久越聪敏。两个Scaling是可以1+1至少等于2致使等于3。

我认为，这对行业而言是一个巨大的激动。固然OpenAI莫得告诉外界如何作念出o1，然而令咱们奋斗的是，跟着念念考的时刻长度加多，模子念念考出正确谜底的概率也会大大普及。两个ScalingLaw相通，给追寻AGI的咱们带来了更多可能性，让咱们不必把鸡蛋都放在一个篮子里。

赵何娟：咱们是不是可以交融为，昔时基于Transformer的基础、基础大模子ScalingLaw法例曾经失效了？将没稀有据可算了？是以到达一个瓶颈之后，ScalingLaw他不可能就是无尽大，即便有算力动漫 里番，提供再多的算力也莫得用？

李开复：ScalingLaw照旧有用的，但它的效率不像之前那么高了。

第一个根由是，天下上数据总量唯独那么多，固然咱们可以用机器造数据，用视频数据、多模态数据、具身智能数据来考试，然而最浓缩的智能照旧来自于翰墨，而翰墨总量就那么多，其他方法作念出来的都不是最竣工的。就像你说的，东说念主类的悉数文本数据都会被拿来用，但文本数据的增长不会那么快。

第二个根由是，要捏续激动大模子预考试的ScalingLaw，就需要把越来越多的GPU和机器串在一齐。当你唯惟一、两张GPU作念深度学习Transformer策划的时候，大模子预考试时刻简直都在策划，很少会触及传输；然而当你领有10万张、20万张GPU策划的时候，数据传输老本就会变得很高；到100万、1000万GPU的范围时，简直大部分时刻都在作念传输了。GPU越多，数据传输越慢，算力并不成跟着GPU增多而线性上升。

举个例子，要是从一张GPU扩展到两张，你可能会赢得1.95张卡的效力，然而要是你从10万张酿成20万张，卡的效力可能会更接近10万张卡的效力而不是20万张。一个进击原因就在于所加多的传输法子，以及经过中的延迟。

是以，咱们认为ScalingLaw的落地会变得越来越贵，边缘收益会裁汰，但并不是无效了，链接坚捏预考试模子照旧会有卓著。

赵何娟：要是说OpenAI在推理模子方进取推出o1，可能来岁还会推出o2系列的话，OpenAI为什么还要在GPT-5、6这条路上参加重金去发展？为什么这两条路不成合为一条路？

李开复：这两个旅途并不互斥。我认为，作念“快念念考”、“慢念念考”都是永无非常的。比如，一个文科生一霎在微积分里找到了新大陆，但这并不代表你不该且归再读柏拉图，这两者是莫得冲突的。

咱们以后要作念一个“超等大脑”，照旧但愿它“文理双全”。

但我认为，这个经过中倒是存在着另一个悖论，这两种ScalingLaw都会让模子变得越来越慢。第一种要求模子厂商把模子越作念越大，而模子越大推理越慢；第二种在大模子上相通“慢念念考”，会进一步裁汰推理速率。假定将来模子推理所需要的时刻从咫尺的5秒到60秒，延长至了5分钟到60分钟，那模子在绝大多数场景下就不适用了。

是以我认为，这里存在着一个非主流、然而零一万物认为很进击的主见，尤其在o1为代表的“慢念念考”出现之后，更突显了这一主见的进击性——咱们一定要把推理作念到超快。你可以这样想象，要是零一万物训推优化出一个很好的“快念念考”模子，回复消除个问题，别的模子需要3秒钟，咱们的模子只须0.3秒钟，假定慢念念考会让模子变慢20倍，3秒钟变慢20倍会酿成1分钟，然而咱们的0.3秒变慢20倍才6秒钟，在好多场景下依然是可用的。

是以，当你领有一个相配快的推理引擎时，相通“慢念念考”后也不会特别慢，对用户的价值就会更大。是以零一万物会坚捏作念超快的推理模子，因为超快的推理速率不仅在“快念念考”的阶段有所助力，在引入“慢念念考”后，它还能够让模子在具备令东说念主惊艳的性能的同期，使推理速率保捏在可用的范围内。

赵何娟：咱们在交融您说快念念考基础模子逻辑的时候，其实很了了稀有据、算力时限制的，然而o1这个新范式的推理模子的时候，其实是有好多不了了的，比如推理的慢念念考一定是相对的词，要是咱们把慢念念考的5秒普及到3秒，这个就酿成我推理模子的最要道要素，若何把推理的慢速率提快小数点，这未必就是竞争力，那么您认为，作念推理模子能够提高这小数点的竞争力要道是什么？是算法吗？

李开复：这服气是中枢竞争力。我认为这亦然零一万物的最大特质。咱们在“快念念考”阶段的推理速率就相配快。

赵何娟：推理速率再快，念念考就会相配快，那么这是如何作念到的？咱们连OpenAI的o1若何作念的，都还不祥情，他们是黑盒子。那么，零一把推理变快两三倍，o1推理也快2-3倍，那么零一万物为什么能够把推理模子作念得这样快呢？

李开复：咱们作念了底下几个责任。

第一，寻找有斟酌科罚速率减缓问题。大模子速率牢固变慢是因为GPU在不停策划。那么，咱们是否有可能让GPU少算点？其实在经典策划机学里面就有提到，要作念策划和存储的转移。也就是说，能被难忘的内容就无须再算一遍了。策划机学里的HashTable（哈希表）等等这些工夫，其实就是指，别什么都算，能记下来的内容就不要算，算过一遍的内容记着然后下次成功用就行了。

第二，MemoryCaching（内存缓存）。后续可能会用到的数据，我先把它调到隔邻来，要调用的时候浮浅就近使用。这就雷同于，日常在网上看视频有时候会卡顿，原因就是要通过收集传输好多数据，然而一个聪敏的作念法是，先把视频部分缓存到我的电脑或手机上，即便出现收集卡顿，视频照旧能从土产货播出，这就是一个Caching的场地。

是以毛糙地说，要是能把底层的推理模子，从一个策划模子，酿成一个更多是存储的模子，推理速率就会变快好多，致使变快三倍。

另外，零一万物在作念模子磋议的时候，就不会去磋议那种超大、无法减弱、没法变快的模子。咱们从作念科研的第一天就会斟酌，最终作念推理时会用多大的机器，有几许个HBM、几许RAM、几许SSD，然后统筹叮咛模子考试。

零一万物会先定一个狡计——作念又快又低廉的模子，在这个基础上作念到最佳。零一万物的每一个东说念主，不管是作念AIinfra的、作念模子考试的、作念推理引擎或者作念数据中心的，全部都是秉着这一个狡计去作念，因此作念出来的模子才会这样快。

赵何娟：您说得特别好，又快、又低廉，这是两个相配要道的要素，这是否也代表着AI模子能否在应用市集普及的要道要素。快咱们咫尺交融了，但低廉您是若何作念到的？咱们都知说念算力没办法低廉，数据咫尺越来越折桂，那咱们能够作念到加速性能和推理速率的同期，还能作念到低廉？

李开复：咱们加速模子的速率不是通过堆更多的机器让大模子变快，而是用同数目、同规格的机器让大模子变快，这样训推出来的模子才气多快好省，才有竞争力和性价比。

咱们的硬件是固定的。零一万物会在一样硬件的前提下作念到最快。模子速率变快之后，假定以同样的老本多生成了三倍的token，那公司就可以赢得三倍收益。或者换句话说，以同样的老本多生成了三倍的token，那模子对外的价钱也会降到原先的1/3致使更低。

赵何娟：是以您认为这中间最中枢的是什么？

李开复：中枢其实就是少用内存，善用内存，少用GPU，能存的不要算，必须算的才算，这些是原则。

另外，在零一万物作念AI科研的同学，被要求不要去作念那些过于宏伟的AGI实验，要作念“能落地和最有用的立异”。

一个公司战术定位要从自身骨子情况登程。当年IBM的电脑是巨型且繁荣的商务机，微软和苹果则作念出了东说念主东说念主可用的PC。几家公司的战术和旅途出现了赫然分野：有的要作念天下最大、最强的电脑，有的则要作念一个最快且东说念主东说念主可用的电脑。零一万物咫尺摄取的旅途是第二种。

另外，我刚才的形容也可以被交融为“垂直整合”。为什么早期的iPhone那么惊艳、那么好用？就是因为乔布斯竣工地扫尾了垂直整合的工程责任。谈到零一万物聚焦的狡计，它不见得是由一个伟大的论文，或者是巨大的工夫糟蹋，或者是靠堆更多GPU作念出的完毕。咱们咫尺所要扫尾的，是一个靠谱、快速、超卓的工程责任。

零一万物作念大模子的第一办法，就是要快、要低廉，在这个前提之下尽可能把模子作念到最佳。在这样一个共同的狡计下，用“垂直整合”的念念路，来把内存的问题、降本增效的问题作念好，最终想象出一个兼具性能与性价比的模子。

谈中好意思AI发展：来岁ToC、ToB都会爆发，但开源模子仍存挑战

赵何娟：我特别能交融这背后的一个机制和旨趣。

咱们接下来看应用端，咱们往常说中国的上风是一个纷乱的应用市集，中国事个大市集，这是咱们的上风。固然咱们基础科研不如好意思国，然而咱们因为应用市集巨大，而且相干的创业者也相比多，如同互联网和移动互联网应用一样，咱们会最先于全球。然而咱们咫尺看到，尤其在通用大模子，除了ChatGPT这样一个C端产物外，曾经很少有特别爆发性的C端应用，更多的可能在B端，包括好意思国咫尺B端应用“百花王人放”，致使有的曾经驱动挣钱了，这一块对于中国来说又是一个短板。我想问，这会不会加大咱们对于好意思国的差距？然后，咱们若何看待咫尺应用市集上的这些契机，到底是Tob（企业级）先行照旧ToC（消费级）先行？

李开复：在国内市集上，咱们也看到了你所说的这几点担忧，然而我依然认为，2025年会是一个改革点，AI-first的ToC、ToB应用都会爆发。

从ToC的角度来看，“能够很快变现但增长很慢”的ToCAPP不是中国团队的长项，“前期积蓄无数流量随后变现”的ToCAPP才是中国团队的长项。但在昔时的一年里，构建后者这类应用的方法论在国内其实莫得用武之地。

咫尺的Chatbot应用的用户量还莫得达到能够变现的阶段，但要是在无法变现的前提下，依靠纯投放赢得百万DAU要耗费无数资金，这不是长久之计。

然而我对2025年是乐不雅的，因为推理老本会弥散低廉、模子也弥散好。零一万物的Yi-Lightning模子，还有一些其他的优质国产模子，不仅在性能上曾经对王人好意思国顶尖模子，而且还作念到了更快、更低廉。来岁一个大趋势就是，越来越低廉的推理老本会推动HighDAU的应用出现，“先用一段时刻积蓄用户随后再探索买卖变现”，这类AI-firstToC应用的成长旅途在来岁会更通晓。

中国大模子领域将来一个很大契机也在于此。中国能够作念出性价比更高的模子，让推理变得很低廉，把无数从移动互联网时间积蓄下来的打法，用于AI应用的执行和增长，催生出更多ToCHighDAU的AI-firstAPP。这几个要素相通下，中国ToC会有很大但愿。这是第小数。

接下来，关联ToB我也应允你的说法，好意思国事一种“我帮你收获、你帮我收获”的生态，企业用户有很熟悉的付费民俗，这个付费民俗是中国的ToB从业者相配真贵的。在将来一年内，期待中国ToB生态能从付费民俗上作念出改变，这并阻挠易。

然而我认为，中国团队也存在着特等上风，就是中国大模子公司更欢娱深切企业作念定制。咱们可以先尝试单点糟蹋，然后快速迭代。要是咱们的模子能帮企业“印金钱”，咱们天然也能从企业客户的增长中受益。

咫尺，在零卖、游戏、政务等领域，咱们曾经看到了一些“晨曦”，零一万物给客户的价值弥散大，是以能够得到可以的讲述。瞻望2025年，这是我所看到ToB领域的但愿。

赵何娟：刚才有讲到一个点，对于ToB应用层面，像OpenAI可能不会给你提供模子，而是API接口，那么这是否意味着，开源模子会比闭源模子更有上风？

李开复：开源模子是一个相配刚劲的势力。零一万物自己在作念开源，也招供开源的作念法，开源生态下也能够出现非常好的模子，固然未必是最佳的。

但开源也有一些挑战。

最先，开源是无国界的。越来越多的国度不肯意把数据分享出去，鸿沟会越来越大。同期，一个国度的正当数据在另一个国度不一定正当，跨国使用存在风险。

第二，开源模子也有非常高的调试门槛。全球对开源模子有一个很大的“诬陷”，开源模子仅仅分享了模子和参数，但考试经过是黑箱。另一方面，即等于好多大企业的工夫团队也不是作念模子微调的众人，是以在引入开源模子后，企业如何基于自身需求链接考试模子会是一个很大的挑战。

第三，好多开源模子并莫得斟酌到推理速率和推理老本的问题，即便性能可以，但高额的推理老本温情慢的推理速率很难赋闲企业需求。模子的秉性和企业诉求很可能是不一样的。

闭源模子的上风就在于，顶尖的闭源模子性能会比开源模子好一些，而且模子厂商可以派众人团队到企业去处事。在性能和ToB专科处事方面，采购闭源模子会更最先一筹。

赵何娟：那么，开源模子是不是更符合中国市集？

李开复：其实不见得。一般来说，中国大模子公司是欢娱到企业去提供处事的。对于企业来说，是引入开源模子自行摸索更合算，照旧摄取与大模子公司相助共建效果更好？我认为是后者。除了少数工夫相比强的企业除外，摄取与大模子公司共建是更好的摄取，大模子公司可以匡助企业考试出各异化的模子。天然前提是，这家企业欢娱付费。

开源模子的最大上风，就是免费，但按照好意思国东说念主的话说——Yougetwhatyoupayfor，一分钱一分货。你付0元得到的，可能需要你在其他层面付出更大的老本支拨。

赵何娟：是以，即等于一个开源模子，到企业去作念一些调优后，可能也就会酿成闭源模子，同期，有可能曾经不是开源和闭源的问题，而是可能更多是需要企业定制专属模子，而这个专属模子不一定是咱们所谓的通用大模子了，更多可能是端侧模子。我可以这样交融吗？

李开复：定制的模子通常不是端侧的，它是一个部署在企业里面可控环境里运作的大模子。

我敢打赌，简直95%以上情况是，大模子企业帮企业作念，要比企业在开源模子自行摸索效果更好。即等于拿零一万物的开源模子，由企业我方作念，我可以100%的保证，作念出来的效果不如付合理的用度给咱们，咱们用闭源模子帮你一齐作念。

将来大模子挑战：2030年AI才略有望超越东说念主类

赵何娟：我剖释了。是以这个里面也有一个很有真谛的问题，咫尺咱们看好意思国ToB的悉数这个词云生态里面，除了大厂外，新的大模子独角兽一个是OpenAI、另一个是Anthropic，其实这两个都有深度绑定的云处事商——OpenAI与微软云深度绑定，Anthropic是与亚马逊AWS深度相助的，而且咫尺分流越来越赫然，致使都要绑定我方的云处事。是以在零一万物看来，中国独处大模子公司不是与云厂商绑定，若何科罚生态问题？

李开复：云处事在国内还莫得像海外那么普及，大部分中国公司照旧会摄取在企业土产货部署模子，而不摄取云部署的样子。同期，不少企业使用大模子的场景都会触及到里面业务数据、财务数据、文档邮件等，对隐匿要求很高，这些场景下企业也会更倾向于独有化部署。

将来两年，大模子和云如何强强连合，可能还不会成为一个独处大模子公司能遭逢的挑战。

赵何娟：将来两年，看成一家独处的大模子公司，与大厂的生态模子公司进行竞争，面对的最大挑战是什么？

李开复：我认为，咱们最大的挑战是，大模子公司咫尺进入了一个新阶段，要解释我方“可以有捏续的收入增长，而且可以看到将来打平的一天”。咱们从AI1.0时间发展历程可以看到，行业的热心点从谁团队最强、谁写了最多论文、谁打榜打了最高的分数，牢固飘荡到了谁作念了第一个落地的应用，谁收了第一桶金。就像当年的“AI四小龙”一样，这些我认为如今的大模子公司都作念到了。

再下一个阶段，大模子公司就要濒临灵魂拷问，就是你能不成拿更多的订单，你能否在部分业务上盈利，并考证业务是否达到了一个可彭胀的阶段，随后才气斟酌上市的问题。

咱们看到，在AI1.0时间，那些莫得通过灵魂拷问的公司，有些庆幸而先上市了，但也遭逢了破发等困境；有些庆幸不好的，就一直没能上市。

是以，这就是大模子领域共同濒临的一个巨大挑战：在工夫竞争酿成买卖化竞争的经过中，能否从起先的学者型创业调度为企业家创业？这个坎要是过不去的话，最终路照旧会越走越窄。

咫尺，大模子“六小虎”在内的几家头部大模子公司其实曾经简直不再彼此竞争了，各家走的路各不一样。大模子这个赛说念比AI1.0时间的策划机视觉要大得多，也许各家在不同的领域都会成为伟大的公司。5年以后，我想这几家大模子公司可能都不见得会被称作“大模子公司”，因为他们都找到了新的说念路。

赵何娟：您刚才也讲到，咱们咫尺国内五、六家模子公司都有各自定位，你认为零一万物是属于哪个定位？

李开复：两个定位。第一、矍铄作念最快、最低廉的模子，点火ToC、ToB的立异生态；第二，矍铄不盲目烧钱买不收获的流量，也不作念“亏本赚吆喝”的生意。

赵何娟：面前咱们可以看到，李飞飞在作念空间智能，杨立昆在作念天下模子，波士顿能源首创东说念主MarcRaibert也在磋议对于机器东说念主的新算法，他们都在科罚一个问题，就是期骗机器东说念主这种“具身智能”，但愿科罚大言语模子限制、或局限性问题。是以，您有莫得斟酌将来如何把模子跟机器东说念主进行连合作念模子糟蹋。

李开复：“具身智能”服气是（AGI）下一个特别进击的场地和里程碑，会是生成式AI的一个进击应用场景。咫尺具身智能只可够扫尾对践诺物体、环境的梗概交融，作念到准确性要求不高的基本操作，还有好多工夫问题待科罚。

从宏不雅角度来看大模子的发展，翰墨仅仅第一步，多模态是第二步，再往下就应该是Action，“智能体”成功帮你把事情都作念了，而不仅仅给你谜底。它要有行为的才略，这样才是一个完整的智能重现。

天然，咱们也看到了好多很酷的演示，但这些都是低落的果实，具身智能要产生确切的买卖价值还需要一些时刻。咫尺，零一万物还需要聚焦大模子立异，暂时莫得办法分神作念这些事情。但咱们很欢娱去跟具身智能公司探索相助，大模子看成“大脑”，可以跟具身智能有好多相通的场地。

赵何娟：临了预判一下，有东说念主说o1推理模子出来后，意味着AGI曾经扫尾。在您看来，扫尾AGI还应该若何发展？以及AGI的扫尾还需要哪些要求？

李开复：今天东说念主与AI，各自能作念好多事情，有些事情东说念主作念得更好，有些AI作念得更好。AI会比东说念主发展得更快，将来总有一个时刻AI能够作念的事情会比东说念主类更多。然而，咱们认为，它未必能作念东说念主类能作念的每一件事情。

EPOCHAI智库磋议把AGI作念了定量分析，分析里认为，从GPT-2到GPT-4普及了几许，GPT-6或GPT-7就需要在GPT-4的基础上普及同样的幅度才气够达到AGI，也就是说从GPT-4到GPT-7的卓著需要和从GPT-2到GPT-4一样多。他们用相比科学严慎的方法算出来，大略会是在2030年傍边达到AGI，这个预测我认为是相比靠谱的。

赵何娟：好的，谢谢开复憨厚动漫 里番。刚才的对话相配精彩，开复憨厚都很坦诚的跟咱们交流了好多他的灼见真知，咱们也信托，在将来的一年，悉数这个词AI行业还会发生相配多的变化，咱们也但愿能够成为捏续的不雅察者和纪录者，然后也捏续跟开复憨厚保捏这样的对话和沟通。我也相配谢谢全球，能够来参与到咱们今天的对话，咱们信托，开复憨厚给咱们的回复还历害常精彩，亦然很确切的一面。

谢谢开复憨厚，也谢谢全球参与。