Deep Dive
Shownotes Transcript
Kid Voice 听见华泰未来就可能发展成我们每个人都有一个 AI 助理这个 AI 助理它首先能帮我解决很多我日常工作中流程化的事情它还能帮我管理我家里的很多智能的设备那这个时候 agent 就是这个个人助理它可能就会成为一个新的信息的节点在这个时候这个 agent 它的节点它就会产生新的网络就像我们看到以前从
互联网到移动互联网出来了我们现在能看到的这么多数字出来名字的大公司我觉得当它有新的入口有新的信息沉淀的时候有新的网络的时候它就会出现新的巨头我觉得这是长期我们可以看 AI 对于连接所构成的影响
一家中国企业怎么去找到自己的差异化在 AI 的时代下面我理解自己也对自己的定义可能就是一方面在最底层我去构建了 AI 时代的大学生教育大学生对对那个底座另一方面的话其实在 C 端的场景下面我们也会尝试利用我们的 C 端的优势去更好的给所有的人去创造更好的 AI 的交互更智能的一个 AI 助手等等
但是对于每一个中国企业来讲包括以前那些做行业软件的以前做这些视频的他都能够在 AI 的这个生态下面去找到一个全新的方向这个是真正意义上 AI 下半场对于每一个中国企业要思考要找到自己差一点的机会
下一场圆桌主题是人工智能的下半场如何与 AI 塑造的未来与真相共存有请我们的主持嘉宾华泰证券研究所全球科技战略首席分析师黄乐平总有请我们的圆桌嘉宾
中欧基金数字基金经理冯卢丹总火山引擎大模型安全解决方案负责人李一号李总资深媒体人播客深农机器联合创始人张金老师谢谢欢迎各位
各位大家好,我是华泰的黄乐平我是看科技行业看很久然后我刚从美国 CES 回来就是也有一些关于在美国看到的情况也可以跟大家分享那今天我们三位非常重量的嘉宾跟我们一起来讨论一个非常大的题目就是人工智能的下半场
我们好像觉得人工智能刚刚开始两年过去两年非常大的情况那我上一次去 CES 是 2020 年就是那次也是回来路上都会在硅谷稍微停一停感觉还是蛮不一样的我印象最深的是去英伟达的总部就一方面它的办公环境就非常好
但我觉得最令我吃惊的是英伟达现在它 3 万亿美金的市值的公司它其实只有 3 万个人它就其实就做 GPU 这个产品一个产品它能够做到那么大一个效率起来我也去了谷歌谷歌现在大概是 20 万人大概是它做到 3 万亿的业务但他们说实际上
他们主营的业务还是靠广告在产生收入虽然很多人投进去在做但其实 AI 实际上对收入贡献还是非常小但是公司持续在投入我第一个问题其实想先抛给我们火山引擎的嘉宾忽然这半年豆包这个应用起来就是用得非常快我现在中文的内容我基本上都在用豆包
英文的内容我还是在用 Chad GPT 好像觉得用户体验上的中文内容豆包上已经超过了 Chad GPT 给我个人的感受我不知道豆包的成功或者怎么过来的有什么东西可以跟我们分享一下吗好的好的这个问题的话我觉得可能分两块去聊啊
就第一个呢有点所谓的字节基因的故事啊就字节一直以来被大家认为是一个叫 APP 工厂实际上我们生产的 APP 是非常多的基于这 APP 工厂的基因呢我是认为说字节它一直对于新的这 APP 或者说面向公众的应用的开发它有自己的一套非常好的方法论当然我不太很想官方的方法论啊我是想说我站在我自己也作为一个豆包的深度用户总结来就说它真正意义上去实现了三个点就是第一个我们叫好用真正大家愿意
第二个呢叫好玩好玩其实就是更加去促进它的一个快速的裂变快速的有更多的人接触到它而且愿意用它第三个呢是公众参与互联网是人的时代就是有越来越多的人愿意参与到这个生态里面就会造成它自己就是一个可发展可迭代的一个故事第一个就是豆包出来的时候呢其实你们看到它在整个中国的互联网公司里面它出来是最晚的不管是同一签问啊还是会员啊等等
我们其实比这个都要晚的是在于说真正豆包这个 VP 出来之前我们内部其实智能体包括说大模型其实已经做了很长时间了但是我们一直需要回答一个问题说它到底是有什么用它是一个简单的对话框能够回答一些听起来很棒的问题不是它得要真正对于
普通人来说它有用所以说其实当你打开豆包之后你去问他问题或者说你去说帮我总结一个菜谱帮我找个什么东西他能找到这个点就在于说第一他有很好的理解能力第二他有一些通用的知识第三呢他可以帮助你去搜集信息和整理信息这样其实就是当
一个新的用户打开这个 APP 的时候它能够快速在这里获取它的价值所以这个我们把它称之为好用然后第二个点呢相信大家如果用过的话你会发现说豆包并不是打开之后只有一个叫豆包的那个小美女的头像在跟你交互对吧它下面有一堆不同的角色这个角色有点 requel 一下刚才那个已游的故事啊年轻人的爱好啊就是
他喜欢跟纸片上聊天就他会看到我的偶像剧里的那些我喜欢的人我喜欢的游戏角色有一些这样的背景的角色我跟他去聊天我跟林黛玉聊天对吧我跟游戏的角色聊天他会真的用这个人的知识结构用他的那种感情音色来跟你聊这个其实就会非常快速的去获取年轻人的这个爱好能够快速的去流转开来对我把它称之为好玩那第三个点的话其实叫公众参与就是你会发现说这里面这么多智能体哪来的
都是自己写的吗不是就你会发现它下面有一个小加号打开就是你可以创建一个自己的智能题最简单的逻辑是你描述一下说我想要它是做什么事的它应该有什么样的性格有什么样的音色一发布它就是一个智能题当然它可能没有那么智能但是你会看到一个你喜欢的纸片人老婆就出来了当然你可以再去做更多的智能化开发你可以去给它更多的知识比如说你把一些你自己喜欢的菜谱丢给它然后当你去做菜的时候你说哎
我上周弄那个菜谱他可以帮你再 recall 出来或者说你自己想到的一些不同的知识或者说英文对话你给他为足够的英文语料你比如说现在我有在用一个也是用户自己做出来的智能体就是我七岁的女儿每天都会跟他练英语
对就每天跟他聊天所以小朋友坐在那儿跟他可以聊大概十几分钟这些用户创造的用户自己觉得好玩而且对自己有价值的东西反而又赋予了整个豆包更多的用户体验的价值所以就说好用大家愿意用然后好玩快速发展那么多人参与进来共同创造了一个新的生态环境吧我认为是这个逻辑那就有更多的人在这里找到自己想看到的东西我觉得这个可能是豆包成功的一个因素吧就站在我自己作为消费者的视角
很有意思我才知道很多里面的和我对话的人不是自己做的是用户做的用户参与很多是用户参与对对对那第二个我们来问一下中欧数字基金的冯总这两年科技股的投资是市场最关注的一个热点就是科技股的大牛市中国包括美国都是一下人工智能带动整个市场变化很大了
不知道从您作为基金经理来看过去这两年到底什么东西发生了变化因为我们看 AI 其实也急涨急落到底是什么东西底层发生变化长期怎么看明白大家好我先给大家做一下自我介绍我是中欧数字经济的基金经理冯璐丹主要就是负责中欧数字经济这部分的基金然后还有负责中欧新南筹这部分的基金我的一般投资方法就是会去找
新兴的科技行业为什么要去找新兴科技行业新兴科技行业它是未来经济中最大的一个增长点因为我们投资其实就是投未来你必须要找到那个最大的增长点你才能得到一个最好的投资的结果那其实我们往后面看
十年甚至更久我觉得未来经济中最大的一个增长点其实就是人工智能我们在过去两年访谈了很多家可能数百家以上的企业吧就我和我的团队从新兴的人工智能的一些创业公司到行业巨头并且产业链可能就是从芯片的制造商一直到应用的开发者都让我们坚定的
对人工智能对 AI 行业的一些信心刚才黄总也有提到就是说过去两年到底发生了一个什么最重要的变化以及为什么我们这么看好人工智能产业呢我觉得其实最核心的就在于 AI 这个东西它是在重构生产力最核心的要素就是人类的一个脑力的劳动
大家可以回顾过去 300 年工业革命,大部分技术革命做到的都是提升人类的体力劳动的能力,就是让人更有效率地去完成一些跟体力劳动相关的东西。那 AI 这个东西我觉得可能是历史上第一次,它是一个可以真正自己做决策的系统,可以第一次真正地对人的脑力的劳动可以进行规模化的一个复制,甚至是提升效率的。
这个就是我们为什么这么看好 AI 一个最核心最底层的原因然后另外就是说接下来或者我们觉得现在在哪个阶段会发生什么呀这里说人工智能的下半场还没有那么快我觉得其实才刚刚开始
我自己来看这个问题其实是把人工智能的投资可能是分成四个阶段吧现在我们可能才处于第一个阶段的中后期第一个阶段就是大家只是关注在 AI 基础模型的一些训练就是还在做基础设施的一些东西就比如我们看到的 GPU 相关的投资机会未来真正当 AI 的模型它足够的成熟它商业可用之后它其实会从实验室慢慢走向商业场景
我们会看到很多 AI 新的硬件和 AI 应用的爆发这到了第二个阶段和第三个阶段到第四个阶段当 AI 真正的普及化了就是像我们现在用到的电水互联网就没有任何一家公司还会宣称我们现在用了电用了水用了互联网那个样子我觉得才真正可能到了人工智能的下半阶段就是 AI 的真正的普及化
所以从整个投资的角度来说的话比如过去两年我们看到很轰轰烈烈的以 GPU 公司为代表的这种行情才刚刚是人工智能浪潮的开始吧就在一个更长的维度来看所以我觉得未来还有很多的机会等着我们去创造等着我们去挖掘
那我接下来来问一下张总我其实也是生动机器特别是科技早知道的一个忠实的粉丝我基本上已经上班的路上会听那个科技早知道因为它的时间非常适合我在那个地铁上听就是张总你怎么看你作为资深的媒体人就看这一波 AI 对整个创业圈或者整个科技圈带来什么样的变化我先问一下
我也是跟冯总一样我简单介绍自己就是我应该是 2016 年的时候当时我还在美国作为驻外记者工作在那个期间创立了博客声东击西那个时候如果大家有印象的话是特朗普第一次当选的那一年
然后我也去了他的就职典礼当然没有被邀请啊只是作为一个报导者去了他的就职典礼差不多整整八年以前没想到岁月轮回这个再次可以在下周可能通过荧幕的方式看到这一幕的发生当时其实靠客观来讲您问的一个是不光是 AI 嘛整个大的科技圈有什么样的变化确实是 AI 一日千里对当年还有没有一点印象
就是 16 到 18 年那个阶段其实有很多无论是媒体人科技从业者包括硅谷的大厂的一些员工们都先后地回到中国无论是创业还是加入中国的大厂这背后的一个驱动力是有一个相对的共识是觉得硅谷不再创新了
那个声音当时也挺强烈的之后呢 Web3 的浪潮兴起也有一部分人进入其中但始终大家觉得那并不是真正意义上他们想要的理想主义者的创新那 GBT 两年多以前的出现可能在早期有很多人投身这一轮的 AI 浪潮之中他们会觉得您刚刚从硅谷回来了反正刚才我们会场前聊天的时候真的是我觉得那个还是非常兴奋的
只要但凡这段时间去过硅谷或者是跟硅谷保持密切交流的人他们的兴奋感两年间都是一直是难以停下来的包括很多当年从 CMU 就是卡尔基梅隆读书的这些人无论他们当初的专业是叫 motion learning 还是神经网络其实都是跟现代的 AI 密不可分的
那这一轮就彻底激发了他们上学时候的冲动很多的人也先后就加入了创业大潮当中所以从过去两三年间重要的变化我觉得是完全的颠覆了 18 年人们认为硅谷不再创新的共识那可能硅谷重新创新或者甚至这一轮我觉得是中美之间又以 AI 的共同的语言产生了更丰富的对话好像我们又重新可以去关注美国在发生什么在演进什么
包括张总他是投资这个消费品行业其实我在纽约期间我是长期关注消费行业的包括跟 Foreign IDG 有很多的交流那会儿写了很多消费相关的报道但实际上你会发现大家回来的时候会报道中国关注中国也是因为中国消费行业的蓬勃但重新开始关注美国是因为 AI 这一轮的一些切换我个人关注到无论是 AI 还是消费是我们都在关注彼此的发展
这样的对话我觉得在目前的情境之下还是很可贵的那就更不用说刚才上一轮大家没有提到这个小红书地球村的现象那就是很神奇的一种存在是的刚刚张晶讲到硅谷的创业者是非常兴奋的
我们感受也是一样的我们去用步角度我们很明显地感受到 2024 年以来中美在几个主要大模型的能力上差距在明显缩小想请几位嘉宾来谈一下这缩小背后有哪些主要的决定因素我在想我要不要引入一些专业名次
因为大模型本质上大家总觉得大模型是一个虚无缥缈的东西我不知道大家大学有没有学过线性代数或者说学过一些数学相关的东西大模型最终它训练出来的玩意儿它是一个非常非常庞大的一个数组
就是一串根本看不出逻辑的数字那这个数字从哪来呢它就是靠着你去投位了大量的信息它最终在所有这些信息整合起来之后呢会形成一个能够回答所有问题的一个判断的逻辑吧听起来有点抽象所以这个训练的过程呢会包含两个点就跟刚才我一直举的那个例子就是从小学到大学培养一个小孩一样的故事就是在这个从小学到大学的过程当中我投位了什么信息给他
他要了解的信息是越全越好这个小孩从小博览全书那他一定是更聪明的那早先大家的获取的信息是有差异的那么随着算力越来越旺盛刚才讲 80% 90%都是在算力上的投入算力越来越丰富的话呢其实大家投位给大模型的知识会越来越多那么也会越来越共性化
第二个点其实就在于说这个模型训练的方法论就是怎么能更快地从这些知识模型里面去训练出我那种参数这个其实也类比到刚才那个故事就相当于是从小学到大学给你上课的那些老师他有没有那些启发性的教学的方式
这块呢这两年同样是因为大家都在卷的是这个万魔进发的这个过程对吧这个工程师们在开源社区在各种各样的论坛里面大家也都交流形成了一些到底应该怎么教学更合适的这个故事所以相对来说呢你会看到说大家的模型发展都很快这两年基本上模型都已经具备到比较好的一个能力就早些年刚出来那会儿国内大厂发的模型其实
多少都还有一点小问题经常会回答一些很愚蠢的话题这两年基本上看不到的这两年的模型无非是基于它的语料和出入的差异可能有的这个比如说像是科大训飞对吧他可能更擅长文字解析因为他这块的积累更好
大家可能会稍微有一点侧重性但本质上来讲整体能力都会快速发展的就未来我们对于真正要应用大模型去做自己的企业内部的能力的重构或者说应用大模型技术去做创新的年轻人来说对于我们普通大众来说所有的经历过大学教育的模型他都已经具备了一个最基本的能力了他的幻听啊他的这个乱说啊这种东西基本上都会最小化的
那我只是要按照我的偏好选一个比如说我这个要 211 大学的毕业生那个要一个农业大学的毕业生那个要一个航空大学的毕业生稍微找一点点差异就可以了我可以补充一下这个问题其实模型训练的话大家可以把想成三个点吧你模型训练其实无外乎就是算力算法和数据
就刚才讲的是中美之间的模型差距,还想补充一点就是,现在我们一方面可以看见中国和美国模型之间的差距是比较缩小的,就领先优位没有那么长,因为我们还能看见就是开院模型和闭院模型之间的差距也是越来越小的。就为什么会发生这两点呢?我觉得其实在模型训练这个领域,它其实是会有后发者优势的。
就模型训练前期有很多的投入都是在我要实现什么样子的功能我要用什么路径去实现这个功能但是当前面的先发者他做出来一个模型具体的功能之后就像刚才李总说的大家也会去很多开源的台上去分解去
根据它的一些要素去看它到底怎么实现的这个功能大家要再去复现它的话所需要的投入和成本都没有你第一次实现它那么高所以这也是我觉得对中国未来 AI 产业比较有信心的一个点就是中国有非常多数量广大的优秀的算法工程师很多高学历的人才虽然算力上现在可能跟美国是有差距的但是我觉得在算法的优化上这一块通过
通过这种后发者的优势其实能弥补到一个很小的差距最后再说回数据数据的话其实现在大家是都面临着共同的瓶颈要突破在下一个阶梯的模型的时候现在是大家都没有找到一个就比如通过合成数据或者各种各样的方式其实大家都没有找到一个更好的方法
但真正要用现有的数据能不能运用起来能形成规模效应能不能形成数据飞轮呢现在大家也都没有做到所以说再回到前面的就是算力算法数据上来说这个差距可能在没有大的技术变化的情况下它可能就是会越缩越窄的所以我觉得这个对于我们这种后发的国家和公司来说都是比较有利的一个竞争环境
也非常同意就是大家现在在行业里面一直在讲的就是所谓的 skilling law 的到头的问题那就是人思考的它的主要背景还是因为互联网上的数据这样子基本上快用尽了就是现在的大模型基本上是根据互联网上的数据在训的往后要么就是垂直行业的各式各样的专业的数据怎么导进去那这个其实现在互联网大厂这条路那它要怎么去跟垂直行业结合
肯定还是要走下去但是它的速度肯定不会有那么快第二现在也有很多的除了 pre-training 的这一条路以外还有另外两条路现在在讲那这些等于是人的思考很有名的一本书就是哲学的就经济学那个快思考慢思考的慢慢的 AI 的所谓的 computer science 的东西和哲学的东西开始慢慢相融合起来
基于互联网上数据走到头之后那又怎么样再探索到第二条路那现在我们正好是处于这个第一条路往第二条路像交互的一个时候吧那这个时候一个到瓶颈了反而是对后发的国家或者后发企业还是有蛮多机会在吧
好呀那还有一个问题也是我的体会我 CES 去完以后过去几年给我感觉就是特别是硅谷这块变化还蛮大的就是说投资人来讲首先我去了硅谷我觉得科技公司这七家公司都很厉害但是呢我如果在 Vegas 的会场里面我写了报告叫就是活在这两个平行世界的 CES 什么意思就是说一个是活在黄教主的心中的对未来的 Agent AIPhysical AI 的 CES
还有一个是就大量的韩国日本的企业它的展示其实和我上次去没什么太大区别就它的做消费电子还是做电视机的还是做电视机做家电的还是做家电其实和几年前我觉得没什么太大变化实际上有创新的都是中国企业就特别是你说做电动车就四年前我看到的丰田的车和现在的车其实没太大变化
但是这次我看到的中国车企的产品和三四年前完全不一样包括我们也去了一个车圈的活动我们说那个活动吃饭的人就可以把一台车传出来就在四年前是不可想象的一个事情就中国产业链就起得非常快就是从投资人的角度来讲就是说什么样的企业或者什么样的板块您既投中国也投海外什么样板块您觉得中国的企业未来是有就是发展的潜力或者在全球有很明显的比较优势的一些行业务
我觉得你怎么看就说因为整个 AI 产业力非常长啊嗯明白就这个问题也非常好啊怎样的板块的话我觉得其实核心黄宗想问的就是比如说站在中国市场可能往后看 2025 年甚至更长就刚才讲到人工智能到底对应有哪些投资的机会在中国
可以这么看这个事情我们把 AI 整个一个市场其实可以比喻成一块蛋糕大家现在都发现它是一个非常吸引人的蛋糕然后像过去一年呢它增长了可能速十倍增长得非常非常快然后吸引了很多人的注意力那其实作为我们专业投资者来讲的话我们不仅仅要去考虑这个蛋糕的规模有多大
还很关键的一个问题就是这个蛋糕未来到底它是怎么去切分的因为怎么去切分其实就对应着我们未来的投资机会到底在哪里可以跟大家分享两个我觉得比较关键的洞察第一点就是其实我们回顾一个更长期的历史维度来看的话就每次的技术的大规模的变化它其实都会导致政治权力的一个转移
就比如说我们还是回顾过去 300 年的工业革命第一次工业革命是蒸汽机它是造就了英国的这个日不落帝国第二次工业革命是以内燃机还有电力系统的应用为代表的是美国和德国成为了一个工业制造的强国
那第三次是信息技术革命美国在这一次是彻底奠定了一个科技技术的霸权的地位那我觉得我们现在可能正在第四次这样的一个 AI 的浪潮刚刚开始的时候中国整个一个国家未来想在全球分工以及全球的市场当中能拿到更大的话其实是必须要去把握这样的一个 AI 的市场机遇的
另外一个看到的很关键的就是机会,就所以说从这个历史的维度来看呢,我觉得很重要的一个投资点其实就是国产 AI,国产 AI 真正落地的就是前面说的我们对应的很多卡脖子的地方,包括对应的 GPU 芯片的真正支撑训练,还有包括你真正能不能训练出一个核心的一些大模型,就比如说像自己现在在做的一些事情,
还有包括你整个技术底座我觉得这些卡脖子的东西都是我们未来核心真正想要长期稳健发展 AI 不可或缺的一个基石我觉得这一块是很大的一个投资的机会第二点其实就是我们可以从产业转移和发展的角度来理解这个问题
我可以给大家分享一个就我们估算的数据并不一定完全准确整个现在生成式 AI 产业链其实它可能有八到九成的收入以及利润它都是集中在底层的算力层的但这个产业真正要长期稳健成熟的发展的时候它必然还要对应着你除了算力你未来必须要
必须还要有新的硬件载体去跑这些东西,里面又会长出新的应用,所以就比如说我们对应云计算里面,它的底层的 S 包括更底层的芯片,它其实只占到整个产业链生态价值,可能 20%甚至更小的一部分,它里面真正的应用载体就是 SaaS 层,它其实能占到整个收入和利润的可能六成,并且它的利润率是非常高的,有 60%,
但在 AI 产业链就是它首先收入占比很高就权在 GPU 期面可能就有八成它的利润率还是最高的它有八十所以它的整个的毛利润的结构就非常高因为现在我们确实还处于新计算时代的早期但我觉得随着整个产业发展的话
它的整个的产业价值肯定会从上层的训练慢慢走向下层的真正的 AI 新硬件和 AI 应用所以这就对应着第二和第三个比较大的投资机会就是 AI 新硬件和 AI 应用 AI 应用我前面大概展开说过思路就觉得 AI 应用有哪些投资机会就 AI 硬件我这里可以再稍微展开一下就 AI 硬件我觉得对应着很重要的以下三个吧
第一个其实就是智能机器人或者说巨声智能这个是真正它能够把 AI 的这种能力和我们的物理世界能够交互起来的它才能真正的用 AI 去改造我们现在所在的世界所以智能机器人是我们长期最看好的革命性的机会对具体就不展开了
第二个很关键的我觉得是智能驾驶或者智能辅助驾驶,前几年可能还是一些汽车的新势力,他们在做城市的一些智能驾驶,今天我们就能看到很多传统的车企,今年就会快速的上他们城市智能驾驶的功能了,所以智能驾驶我觉得也是 AI 时代就不可或缺的一部分,并且是我们现在就能看到的一个拐点,第三个比较关键的我其实觉得就是端侧 AI,
就我们前面讲到了很多 AI 的应用它最后肯定有一个落地的载体吧端侧的 AI 呢就一方面我觉得有很多 AI 创新的新的意见就自己也在做就我们已经能看到很多的报道了他们现在在做的可能一些 AI 玩具或者未来想做的一些智能眼镜啊各种各样的东西啊就已经
一方面是 AI 新的硬件,另外一方面包括我们存量设备的 AI 化,就比如说我们现在用到的这些手机,用到的电脑,它未来其实也会加上 AI 的能力能够做,因为他们生态比较好,我们用户基数也很大,每个人每天都在用,就存量设备的 AI 化我觉得也是很重要的东西。在这方面中国企业其实有很多都是可以参与的,
总结一下其实前面说的最关键的就是国产 AIAI 硬件和 AI 新应用我觉得都是有很多的参与机会然后再回到那个 AI 这个话题上的话就是我认为它其实也是一个就是如何重新去对数据进行加工的股市原来是人访问系统系统在去处理数据现在变成了去做分层了这些弹幕型的公司它去用海量的数据
就训练了一个大学生刚才我一直讲这个故事对吧然后又有那么多的行业的解决方案供应商因为我看到中国其实有很多企业它是深耕于一个行业的就比如说我围绕汽车我去做汽车的各种各样的零部件或者智能的驾驶在这些细分的行业它会产生大量的细分的去做这个 AI 进条的去构建行业化竞争壁垒的企业他们也能够寻找到一个非常好的生态位
然后再往前讲就是刚才如兰已经讲得很成熟的就是其实就是 SaaS 软件那层就是真正去处理数据用户如何去使用你的软件去使用 AI 的 agent 获取到具体的业务价值这一层其实也可以产生很多很多非常棒的创新所以说最终就跟云计算一样前面讲 IaaS PaaS SaaS 这个也一样有做 IaaS 的我们去构建这个底层的 AI 能力有做 PaaS 的我
更熟悉一个行业能够为这个行业的创新去产生很多好的价值的也有做 C 端的然后我更理解我的用户想要什么更理解在办公场景我需要做什么这个点也非常棒就是最早大家一旦了解企业办公软件 SCP 是具备统治性地位的上一代这个云集合器之后呢像 SaaS Force 啊这些在营销场景它也具备非常好的这个用户体验那么
我们也可以想象在下一代中国也会有非常多的企业它面向我们的企业经营管理然后广告面向我们的各种分析包括甚至编程因为它也是一种语言它会产生大量的运营提效然后帮助我们去提高我们的面课效率等等这样的应用开发的场景所以就会看到说本质的价值是在于在这个大的生态位上一家中国企业怎么去找到自己的差异化在 AI 的这个时代下面
我理解自己也对自己的定义可能就是一方面在最底层我去构建了 AI 时代的那个大学生对吧另一方面的话其实在 C 端的场景下面我们也会尝试利用我们的这个 C 端的优势去更好的给所有的人去创造更好的 AI 的交互更智能的一个 AI 助手等等但是对于每一个中国企业来讲包括以前那些做行业软件的以前做这些视频的他都能够在 AI 的这个生态下面去找到一个全新的方向
所以这个是我认为真正意义上 AI 下半场对于每一个中国企业要思考和找到自己差一点的机会所以这会儿我在有点类似于刚才那个卢丹回忆这个三次工业革命的故事就是我也讲一个历史的故事就是正义纺织机的出现这一堆纺织工说天哪我失业了我将来没有机会了
那这个过程当中就会发现这个变革当中那有一批纺织工他说我快速熟悉了这个新的纺织机的应用我创造了更多的价值然后其实我的生活是改善了的那还有大量纺织工失业了怎么办呢因为以前那些纺织产量太小了它是贵族的服装但当这个纺织产量上来之后所有的普通大众都可以用得起来这些以前只有贵族才能享用的精美布料了那么产生了
新的服装设计产生了新的商人的这个行业产生了很多新的业态所以我认为这个其实现有的企业它会找到很多适合我自己的点软件公司行业服务公司最终会成为整个大模型业态下面创造价值的一整套这个综合体吧我想应该是这样我还是从一个个体和一个创作者的角度去感受一下这个行业是此前我们会谈论大厂无论是美国的大厂还是中国的大厂
但是我个人的感受是在未来基于 AI 的这种对个体的强烈的这个词我一向不太喜欢用但是我现在觉得还是适用的就是这种赋能能够让很多的个体和一些中小型组织产生更强大的力量我不久前看一个我很推荐大家关注这个公众号也是我过去一年受益良多的叫投资实习所它也是长期非常深入的写 AI 特别是在美国的一些创新公司的一些最新的动向非常的有洞见
所以他当中分享了一个硅谷的 VC 对于这一年接下来的入关变化的一篇文章那肯定有很多什么 IPO 并购啊这些东西就是很长的十几项变化但当中有一点我觉得非常值得提出来就是这个 VC 预见在 2025 年将会出现年收入就是 AR 超过 1 亿美金的不超过 30 个人的公司
那你做一个算法这就是一个人创造了 300 万美金的年收入对吧那按现在大厂降本增效很多来说的话那这个个体的效率还是非常非常高的但大的背景其实就是说基于 AI 可能会对个体对组织来说有释放潜力的巨大的一个空间我觉得这一点还是挺兴奋的就是再说美国在国内看到的我们也能看到像就是有一个人挺有意思的叫赵纯祥
他创立了一款产品叫未知书大意就是可能能够把你每天吃的这些东西通过拍照的方式开有多少卡路里然后去督促你更科学的健康的去饮食然后他可能从写代码到 UI 的设计到最后在小红书写文案推广 Marketing 全是他一个人做
所以我觉得未来这种从超级个体到中小型组织会成为整个行业的一种趋势包括不久前我看到美国有个公司也是它是一个 marketing 的公司它基于用 AI 这个工具以后当然怎么看怎么理解这个问题吧它的团队从几千人的公司最后慢慢就缩减为只有一千人的公司但前提就是它整个可能工作的产出并没有减少
而那些已经离开的人也再也没有回来过就是他再也觉得没有必要去补齐这些人的岗位了那他整个客观来讲先不讨论 AI 带来的可能性失业的问题或者说对就业市场的问题我觉得带来的一个问题就是当组织从创立的第一天开始
他怎么如何去构建自己的员工的能力项那如果已经 AI 可以替代很多方面的能力的时候那我雇这个人我更看重他的哪些方面的能力项我觉得这个从组织建立第一天就可能是要重新思考的
我觉得这些问题是可能我作为创作者和观察者对于 AI 接下来带来的一些变化的一些感受吧也许这种变化比我预判的还要快我觉得您谈得非常深刻然后我自己这次 CES 就收获最大的是我作为行业分析师非常幸运有机会和黄教主或者黄仁勋有一个午餐的机会我觉得
我觉得那个我还学到蛮多就是和这个题目相似就下半场就他在讲就应用落地的时候是怎么是落地他提了一个很新的词那时候很就叫 agent AI 或者说现在叫 agent 的东西然后在会场上他有个 demo 我自己印象很深因为我自己看视频分析行业看很久然后他是讲那个视频分析的方法那过去比方说我们做门禁吧有可能先做个人脸的模型或者做一个体态的模型
那你走过去的时候它会识别出来你是个人和你的数据过去比对基本上你是要建一个模型然后再去跟你的现有的业务流去比对它是先建模型然后再跑业务它给我们展示的一个场景是你什么事情都不用做你就把实时的视频扔到 GPU 的集群里去处理完的视频你就要提个问题说过去半小时有多少人走过去或者过去半小时戴着帽子走过去的人有几个
然后他就能够把视频就归纳出来那对我一个看视频分析行业那么多年我觉得哇他就完全颠覆掉过去视频分析行业积累下来那 30 多年的工作经验都被积累下来那这个行业会怎么样就是当然他还讲了一个就是 physical 的 AI 的事情就机器人那我觉得那对我来说冲击最大的是 agent 那个事情其实也想问问几位先从业务上来讲
我们还是从火山引擎的就是说怎么看现在 AI 过去两年投资起得很快那投资很大那现在应用落地的情况我们应该怎么去理解就是现在黄教授他讲的那个 agent AI 这个东西 OKagent AI 这个事情基本上应该算是从
24 年末到 25 年就接下来可能各大做 AI 的企业都会去重点关注的方向就前面我们讲说整个 AI 行业叫万魔进发对吧自从 Chad GPT 问世以后大家都要做大模型我们之前好像统计过中国真正要发布的大模型有 300 多个卷到现在可能只剩下一百来个了为什么呢因为最初的这个所谓大模型训练呢它类比到一个人来讲的话呢
它其实相当于是投为了大量的知识它是把一个 AI 从小学生中学生到大学毕业这一整套的知识体系的建立这是非常漫长而且需要大量的算力大量的数据的但这个过程你说它有用吗它没法解决一个具体的问题但是它去构建了一个 AI 模型去认知世界的能力
但它还不能解决问题所以过去两年卷的这个点你会感觉到说 AI 好像不能解决什么确切的实际的问题然后再说从今年以来的话其实大的公司都会去聚焦两个点我还是举火山自己的例子的话就是我们做了两个大的解决方案产品一个叫方舟它做的事情是去把通用的 AI 去基于一个特定的行业的数据去做精调精调这个词听起来太专业了简单来讲就是让 AI 再去上个研究生
拿特定行业的比如化学领域的生物领域的医药领域的这些海量的知识让他在这个领域更加专精这是很多现在大的企业或者说像电网呀大的公司都会去做的事情但到这个阶段呢 AI 工作了没有还没有工作 AI 到什么时候工作就是您刚才讲的 agent 的那个场景到 agent 这个场景才是 AI 真正工作的然后火山现在还在做另一个解决方案我们叫 hi agent 正好名字叫 hi agent
这个事情它解决什么事呢就是 AI 终于去工作了我们再类比一下假如说一个研究生毕业了他没有做过视频分析但你把一堆视频丢给他他真的看完了你说过去走过去几个人他能回答出来吗能他并没有做过视频分析因为通用的知识能支持他做这个事情
所以说呢到 AI 这个领域呢就相当于是大模型它已经构建了这些基本的认知和决策能力了当我们把要做的事情告诉它再给它相应的知识的技能和信息比如说视频给你你要做的事情是什么告诉它它就能够在这个具体的领域里面去做一个具体的工作就相当于研究生毕业了进到一个公司这个过程其实就是一个所谓 agent 开发的过程我们给 AI 提供什么呢
提供知识我具体的你要做这个事情需要的一些基本的知识比如说公司的规章制度是什么你要做视频分析你主要找的是什么呢主要找的是鬼鬼祟祟在门口晃悠的人主要找的是什么人好这是你给他的知识然后你会给他一些技能我能够拿到视频当我看到不好的人之后呢我能告警告诉你这个人可能有问题这是他的技能比如说发邮件比如说告警等等
当你把这些手和脚大脑安给他之后呢这个研究生真的就变成一个可以解决具体事情的 agent 这个 agent 是广义的人他可能是你的就类似于科幻电影 Stark 的那个叫 Javis 那个机器人就是你的 assistant 他可以基于你给他的知识你给他的那些技能去解决具体的问题的这个 agent 可以非常广义
他可以是伴随我去帮我做一些辅助决策的就你只要给一个大模型相应的这些 promote 一些这个知识技能一些信息他就能够快速地进入这个行业当然要做到多好你可能会需要不断地迭代但他可以快速地去做起这个事情来这使
《美思语》下半场这个故事我认为说从大模型的应用上来讲的确是大家真正把它聚焦到说我真正要做的是让大模型去解决一个具体的业务问题而不是所有人都卷着说这个我要解决一个问题我要先去培养一个大学生先让他读完研究生我在做事情不是的
真正意义上的 AI 下半身我认为它的价值是在于说我们把这些具备通用知识的这些 AI 去放到具体的业务问题里面去寻求它需要哪些知识和技能能帮助我们解决具体的问题再往前延伸这个 agent 刚才我讲的它最基本的它是一个你的 assistant
再往前走你甚至可以认为它就是下一代的软件因为早前的软件它无非是一个专业的公司编写的专业的软件去处理数据它是流程化的标准化的人在企业里是附属于这个流程去帮助我们处理各种各样的企业内的事情的
但是当这个 AI Agent 进来之后呢它其实是一种全新的处理数据的方式刚刚讲到把数据丢给它它来帮助我们决策然后给予我们建议所以这个可能在大的企业里面也会变成我们下一代的软件架构的一种新的生态一种新的模态这个都是 Agent 的应用也是 AI 下半场的真正的价值点我认为非常有意思啊非常 insightful 然后那从投资角度您怎么看上半场我们都知道整个 GPU 的行业跑得非常好嘛
下半场是不是软件公司会跑起来或怎么样什么样的公司会出现呢我觉得沿着刚才李总说的就是这一类新的企业我觉得也是非常有想象力这个对照我们可以回顾历史历史的话其实我们可以看到上一代的云计算的时候就特别是美国的很多企业就输来了非常多的 SaaS 公司它刚开始大家也只是讲 ICE
S 就是最底层的那些训练的那些东西它提供最底层的算力就有点像现在大模型 GPU 给它提供算力当 S 组件的足够多了之后其实很多 PaaS 特别是 SaaS 公司就跑出来了 SaaS 公司呢就是大家真正应用到的就是很多 B 端或者 C 端的个人都能接触到的各种的应用那我觉得其实 AI 时代在这个时候也是可以类比的当刚开始大家的算力已经
足够的多然后模型也已经足够的成熟的时候后面就会有各种各样的 AI 的应用那怎样的公司能够跑出来了我觉得我们现在把我们自己用的各种应用抽象一下有哪些类是有三类第一类就是效率类的应用
就是我用的这个东西它能帮我提高生产力就比如说 office 就是典型的这类的应用第二类呢其实就是娱乐类的应用它能够让我放松身心能够帮我解决很多工作之外的事情那第三类的应用呢其实就是连接类的应用就我们每个人彼此沟通协作
AI 时代它真正未来带来的应用也会是这三方面的随着就刚才李总说的 Agent 技术越来越成熟首先短期我们就能看见它在效率类的应用上就能给我们提供一个很大的提升因为 Agent 就帮我们做了很多事情所以我觉得就短期是我们可能看到效率类的应用会先走出来就比如我们现在可能已经能够慢慢看到有一些效率类的应用在 B 端已经能够慢慢跑出来了比如说很多智能的客服
还有包括一些个性化的广告推送以前可能是程序化的广告它现在个人的广告推送也已经慢慢做得比较好了那接下来一步就是 agent 可能更成熟你的整个办公流程的自动化或者还能帮你一些节点去解决问题也能慢慢出来如果说短期来说是拼效率的话我觉得大家能期待的一个中期就是拼娱乐体验娱乐体验
里面有一个很有意思的东西,就大家想我们现在的娱乐体验其实很多都还是被动式的消费,给什么我看什么,人家制造了什么我就看什么,随着 AI 这个东西引入的话,未来可能它就会走向一个个性化的消费和主动的消费,就每个人他可能会结合你的体验和你和这些游戏的交互,他可能给你创造的场景都是个性化的,
我觉得这一点其实是 AI 在娱乐领域中可以期待的一些东西而且这个加了 AI 如果未来当 AR 和 VR 这种显示技术更加成熟的时候我们更能无感地体验到 AI 这个我觉得是第二个阶段
短期拼效率中期拼体验那长期呢我觉得就是看很多连接类的运用就大家可以想象一下我们现在的连接很多连接都是基于人为节点的连接未来假设有一个 agent 他越来越成熟他未来就可能发展成我们每个人都有一个 AI 助理这个 AI 助理他首先能帮我解决很多我日常工作中流程化的事情
他还能帮我管理我家里的很多智能的设备甚至当他越来越成熟的时候就比如说我和黄总之间的一些更偏常规性的交流可能我们都会通过我们的 agent 去交流那这个时候 agent 就是个人助理他可能就会成为一个新的信息的节点在这个时候这个 agent 他的节点他就会产生新的网络就像我们看到以前从
互联网到移动互联网出来了我们现在能看到的这么多数得出来名字的大公司我觉得当它有新的入口有新的信息沉淀的时候有新的网络的时候它就会出现新的巨头我觉得这是长期我们可以看 AI 对于连接所构成的影响是非常有想象力的对我就从这三个方面说一下
未来的组织结构里面我们刚才也谈到 agent 我们又有碳基生物又有硅基生物怎么样形成一个新的组织结构包括人和人之间怎么沟通和人和机器之间怎么它的组织结构就未来的企业有可能和现在的这样的就基于大厂的企业所以说不一定完全是一样了这个还蛮有意思的
那最后一个问题就是说现在大家也在 AI 时代感觉到很焦虑或者说给线下的或者我们在听播客的朋友们有什么建议没有如果我们要学一项能力应该学什么东西就是说有什么具体的建议没有或者说用什么工具或者应该 2025 年我们要做什么事情更好的让我们适应这个 AI 的时代先从张总的
我觉得有很多的人都会表达一个很朴素的道理比如说大学其实它本上教你的不是学识教你的是学习的能力那这一点中国有很多老花什么活到老学到老这些就比较陈词烂调了但总而言之我觉得 AI 的发声其实它降低了很多人学习的一些门槛对吧你其实只要足够勤奋足够有自屈力其实你不一定总去硅谷你也可以有机会了解到硅谷在发生什么
这一点我觉得比起很多时候我可能还是想举小红书的这个例子我个人因为在美国的时候曾经采访了一个公司也挺有意思的这个公司其实它本质上有点像爱奇艺这种
做 streaming 的视频网站的但它上面主要引进的是韩剧和中国大陆剧包括什么三生三世十里桃花这种你知道当年很偶像剧但是它的主要的受众第一位的是白人是美国人它只是给这些视频家的字幕稍微有点跳开 AI 的话题现在有 AI 了故意他们加字幕就更容易了那是
七八年前八九年前的事情最后这个公司也被美国的一个我忘了是 Universal 还是 NBC 反正收购了是一个规模不是很大的公司因为我们驻外记者有点跨文化交流的色彩那我觉得很意外的是我们以前谈贸易谈全球化都是和商品有关的商品的流动
然后那会 TT 还没有出现或者没有很红那所以这样我觉得是美国人是如何理解亚洲电视剧怎么去看待这件事情而且非常这么受欢迎到后来 TT 的出现它本质上也是基于当地市场做的本地化的运营做的 local hire 那最近小红书的这个现象我觉得其实你看它是好像在文化产品和更丰富的一些信息层面就是商品之外的这些层面形成了更充分的那些交流和全球化
我想讲的是首先第一可能 AI 在当中也是扮演了非常重要的角色包括它的翻译功能对因为你想以前你要认识一个外国朋友对吧那最好你要不懂语言有人帮你做翻译包括我们其实做一些高端的商务会议的访谈的时候交互翻译这个是非常耽误时间然后也让人有时候有点躁郁的就不能直接交流对吧
但好像这一刻有了 AI 存在以后都被跨越了就技术真的本质上还是改变了很多事情但它可能就是有在某一个特定的时间点被 trigger 到了就引发了这一切的发生觉得这个还是挺奇妙的蛮有意思蛮有意思啊
我稍微补充一下就是刚才张宁老师总结的这个点就相当于说 AH 经常带给了所有人接触更多信息的机会我觉得这确实是非常有价值的一个点而且如果你愿意去拥抱这个 AH 的变化你会发现你可以更方便的更快捷的更精准的接触到你想接触到的信息那么另一个点的话我觉得因为今天在座的可能就只有我一个是偏技术口的
我就从技术视角去讲一个话题就是其实以前很多东西呢真的是很技术当我有 idea 之后呢我要去创业我要去做一个新的东西真的我需要招美工我需要招产品经理我要找研发公司你是一个庞大的团队但 AI 的出现它导致这下面很多偏执行的东西它变成了不再那么的需要一个 specific 的一个人来帮你去做
就是这些当你有一个好的想法好的模式这些程序的设置包括营销的一些这个海报啊等等的制作它可以快速地帮你去迭代所以这个会对于一些有创业的梦想的或者说有做一些很漂亮的事情一些很新的事情的人来说我觉得是一个非常好的机会
所以 2025 甚至接下来的这个 AI 的下半场我认为是一个创业人士或者说有创新意向的人的一个盛会吧所以对于每一个我们在职场里的从业者来说呢我可能要更多的去思考说我的创造性的能力我如何结构化的去思考问题的能力去解构问题的能力以及说最后 AI 帮我把事情做完之后我如何来 review 它的产出
是不是准确是不是达到我的目标我再怎么去再追问或者说再去补充一些信息让它更完美的过程所以其实这个过程呢它是一个对于我们每一个人的知识技能迭代和你的工作模式都在提出挑战的问题
这个问题很像我刚才前面提的那个整体纺织机的例子就是要么我们想一想说我如何在这个纺织行业我更好的利用 AI 来提效来让我更上一层楼以前我是一个程序员现在我是资深程序员我是资深架构师然后要么就是在整个这个 AI 的业态里面它一定会创造很多很多新的机会
以前我们讲说耳机自己好像最近发了一个耳机叫 Olaf Rund 挂在耳朵上你可以跟他交互很多事情旅游到哪这里最近有什么新的事情附近有没有好吃的东西随口一问结合你的定位推荐所以其实你会发现带来了很多之前你不能想象的一些新的创新机会包括还有一些我们跟
近期跟一些车厂去交流的话就是汽车工程师之前大家写这种车的说明是这么厚一本书就没有人看的对吧就这还是因为他们不断地要求说你们写东西要简略要凝练但 AI 出来之后现在其实很多事项我们都在做什么呢叫拆书就这本书丢给 AI 然后我们做了整合之后用户不用再看那本书了他会问车厂出来 AI 说我这个哪个指示灯亮了是怎么回事所以其实你有很多的微创新的机会只要我们去找一定是能够找到的
所以这个是告诉年轻人说新的机会和新的点永远是大于这个旧的机会和旧的点的
如果说要给有一些关于应对 AI 焦虑的话我其实就两点就我觉得不会有万能的工具只会有持续的学习能力所以我觉得最重要的就是前面大家都说的你只要愿意保持持续的学习能力这个我觉得就是最核心最核心的另外除了持续的学习能力之外就是要保持一个开放的心态 AI 时代我觉得最害怕的并不是技术的快速发展
最害怕的其实就是固化的思维只要你保持开放的心态有持续的学习能力的话大家就不会怕面对各种各样的困难如果要说具体更可行的比如我们现在那到底应该看什么了去做什么呢大家就从身边最小的场景中
你就去试去使用起来你用多了你就会知道 AI 它可能擅长什么它又会在哪些方面其实是有缺陷的你用多了你对这个东西就会慢慢熟悉你也会慢慢地再拓展到其他的空间我觉得也不用太焦虑人类还是有非常多的智慧的
我觉得如果不想让工具替代人就是先掌握工具吧还是充分地学习一些 AI 的工具我还是相信啊因为我个人感觉 AI 整个对行业其实两个面向的影响一个是生产力一个是创造力生产力其实就是本质上提升效能然后创造力本身我希望它能够是解放创造力 to unleash your creativity 还是人的创造力还是很无限的
我相信只要用好它你会发现还是有很多的空间的包括我最近跟一个在美国读大学的我一直看着他长大的一个小朋友聊天我说那你现在客观来讲这么多工具你平时写作业用不用他说完成一些课程作业的时候其实我可以自己写但是呢我会发现可能用一些 AI 工具它就比较有效率地把事情完成了那我接下来可以把这些时间用于我认为真正有价值的一些事情上
我觉得是非常合理的这种回答虽然很朴素但是它适用于很多 AI 使用的场景就是你知道从 A 到 B 是能和用一分钟去实现你就不想用一小时去实现但是这个过程中可能你也不能自欺欺人是认为自己是能够实现一分钟实现的其实你是很大程度上借由了这个工具本身那我觉得对于媒体人回到一个具体的场景来说的话他在写作的很多方面至少在中文写作的很多方面一些创造性的表达
至少我觉得现在 AI 还没能够很好的完成但是它可能写短剧或者写一些什么公文它其实已经实现度比较好了包括写一些什么授权书啊声明啊非常标准化的这些文本它能做得都很好但这就会反向的一些这个内容它会倒逼你更有创造性的去实现你的内容表达我觉得还是一个就功于善其事必先利其器吧就是还是一个很朴素传统的理论
希望我们这个播客我们这个讨论对大家会有帮助那我们今天的那个讨论那就到这里谢谢大家谢谢各位