#17 从通用走向个人，一个不同的大模型叙事——对话Me.bot创始人陶芳波
01:48:47 Share

我們全世界可能有 10 家到 20 家真正做大模型的公司然後他都會說你來用我這件模型就可以了我給你提供公共服務很像 IDM 當時 CEO 說的話我覺得世界上已經夠多有意思的人了不要再多一堆跟我們人無關的 AI 了我是希望每一個 AI 都基於一個真實的人

我們是怎麼訓練它的?它的本質其實叫做預測人的下一個想法其實最早最早的時候我們的個人模型其實是最早是用 RAG 做然後後來又升級成 Lang Context

然后最后才走到了参数化这一步我们其实是有学和类的教训在背后的我觉得有两件事情是错的第一个就是纯对话第二个事情是 AI 一直站着你其实这两件事本身是一个事当你进入到一段对话你就觉得你的注意力都得跟他在一起这就是我觉得今天 AI 交互最大的问题

是因为你在探索一片全世界没有人探索过的零跌这多有趣的一件事情失败了又能怎么样呢难道你会被推到沙头台上就是你生命有没有危险对不对人生本身是一个游乐场首先你要确定好你想玩的游戏第二呢是怀着爱意去玩这个游戏

欢迎来到全新对话类出海中文播客出海相对论大家好我是 J 大家好大家好我是嘉瑞本期呢我们迎来了出海相对论的第一位返场嘉宾 Mindverse 新石宇宙的创始人陶芳波博士陶博呢上次参与录制的是第十期当时我们主要聊的是 MindOS 这款面对 Presumer Early Adopter 即小 B 大 C 包括独立开发者这些用户的一款

agent 构建产品以及 AI agent 相关话题没听过且感兴趣的听友可以去找到第十期去收听今天我们要聊的是 Mindverse 近期发布的面向大众消费者的个人 AI 产品 MeBot 以及 AI 时代关于产品技术商业数据交互等方面的思考和经验欢迎陶伯再次回到初海相对论让我们先把时钟拨回到 47 年前

1977 年苹果发布的 Apple II 被认为是全球首款真正意义上的个人电脑揭开了个人计算机时代的序幕 1983 年在第一届苹果 WWDC 全球开发者大会上苹果发布了全球首台图形界面计算机 Apple Lisa 事实上这也是第一台使用鼠标的个人电脑

时间来到 2007 年乔布斯把初代 iPhone 带到世人眼前引入全新的用户界面和交互设计彻底颠覆了手机物理按键的范式智能手机时代来临同时也吹响了移动互联网进军的号角

2010 年乔布斯在苹果 WWDC 上带来了 iPhone4 这款直到现在仍然被分为乔布斯经典杰作的产品移动互联网大浪潮正式滚滚而来很多如今耳熟能详的移动互联网巨头都从那一刻起整装待发

时间拉回到最近北京时间 2024 年的 6 月 11 日晚凌晨一点苹果召开了新一届的 WWDC 全球开发者大会包括 iOS18、iPadOS18 和 MacOS15 等常规升级的悉数亮相万众期待的 AI 功能也终于露出真容

不过此 AI 非比 AI 用流行的说法是苹果重新定义了 AI 并将其命名为 Apple Intelligence 苹果智能在全球年 PC 出货量超 2.5 亿台的当下你很难想象当初 IBM 董事长 Thomas Watson 会说我看全世界对计算机的需求总共可能只有 5 台

科技时代的发展总是一层叠着一层来的却又都显示出共同的趋势那就是从专业走向大众从公共走向个体在今年的 WWDC 上库克表示生成式 AI 和大语言模型的发展带来了更多新的强大的 AI 功能苹果在落地这些功能的过程中会遵循五大关键原则强大、直观易用、深度整合、个人化和隐私

库克还特别强调苹果想要打造的是超越人工智能的个人智能即 Personal Intelligence 无独有偶陶伯所创办的公司 Mindverse 最近发布的新产品 MiBot 就是一款可以存储学习和记忆用户个人数据的 AI 产品陶伯称之为个人模型 Personal Model 以防有听众没听过我们第十期的节目或者说之前对陶伯以及 Mindverse 了解不多我们还是先回到惯例

请陶伯简单介绍一下自己还有 Mindverse 这家公司也顺便介绍一下你们的新产品 MeBot

非常高興感謝 Jay 和 Jerry 再次邀請非常高興可以再次跟《出來相對論》的聽眾來分享一下我的想法然後我先簡單介紹一下我自己吧我的名字叫陶芳波我個人其實是一個做了十多年 AI 研究的從我們當時的人工智障那個時代開始我當時可能做過全世界最大的人工智障的模型因為我最早的第一份工作是在 Facebook 做它的推薦系統

模型也很大当然比现在的大模型要小一点但可能是当时最大的一个模型但它的能力非常非常有限然后后来从这个模型慢慢到后来在阿里做可能在大模型发布之前很早就开始做所谓的 agent 的系统上一期我们也聊了很多跟 agent 有关了

然后到后来成为一家公司我觉得确实一路走来我自己也很感慨就世界变化很大然后我也有很多很多我想表达的东西那么这次其实我觉得我想表达的点和大家来探讨的点其实跟我们这家公司的初心

会更加接近因为我们的公司叫做 Mindverse 我个人其实背景包括各方面的经历还比较简单但我觉得我们这家公司本身想要完成的一个事情还是很有意思而且我觉得也是一件至少是一个很伟大的目标我们把它叫做

一個多樣性的人工智能的一個世界它強調的其實是一個多樣性而不是非常強大為什麼呢你看我們名字在取的時候就是 Mindverse 前半部分叫 Mind 後半部分叫 verse 前半部分的點我們在 22 年成立的時候就覺得 AI 可能不再只是工具了然後 AI 不再只是像我們以前那樣做一個模型來做一些信息的處理而它可能會越來越像是一個人

所以我觉得我们做 AI 的人第一是要把 AI 当人来看你才可以设计出好的产品可以做出真正 AI Native 的一些新的创新这是前半部分后半部分可能很少有人提 verse 其实在英文里面是宇宙的意思

他想表達的就是當 AI 已經像人一樣存在在這個世界上我們其實進入到的是一個全新的社會結構在這個新的社會結構裡面我們人類是作為一種社會參與 AI 也是作為另外一種社會參與而且它是結合在一起的它是混合的它是共生的為了這個目標

我们当时取名字的时候的这个目标就是创造像人一样的 AI 同时构造一个对人类有益的一个这样的世界 AI 是融入我们这个社会的那这是一个很远很远的目标那今天回过头来讲为什么刚刚提到个人智能它跟我们在做的这件事情或者我们

这个宏大的目标很有关呢是因为我们发现如果说 AI 这一波的革命是一个计算革命因为它其实是创造了一种新的叫做神经计算的方式它其实非常像当时的最早的计算机出现的时候那个革命所以你提到了乔布斯

幫人類創造了個人計算機其實那時候更有名的一句話是比奧蓋茨說的他說我要幫助每一個家庭的桌上都放上一台計算機而那時候有的人覺得你沒有必要這樣做因為可能就五台就夠了那我們回過頭來看今天這個世界好像也是一樣

我们全世界可能有 10 家到 20 家真正做大模型的公司然后他都会说你来用我这些模型就可以了我给你提供公共服务很像 IDM 当时 CEO 说的话对不对但事实上我相信也会有新时代的乔布斯和新时代的比尔盖茨你想那个时候他们也才 20 来岁现在 30 多岁了我已经年纪比较大了也会有人出来说我要帮助全世界每一个人来创造他自己的 AI

创造它自己的模型我觉得这个是一个历史发展的趋势我觉得这个发展的趋势也是符合人对于未来世界的一个构想当这些大公司花了几百亿美金去创造这些所谓的公共大模型的时候其实世界上各个角度都有人提出了一些质疑说那是不是以后就是一个超级智能通关我的生活我每天需要做的就是跟这个云端的超级智能去连接

然后听他告诉我该怎么做就可以了所以其实大家很担心的就是如果这样的 AI 出来我的个人权利个人边界是不是被巨大的压缩了那我想这里其实是也许有一种跟现在的大模型叙事不一样的一种新的叙事也是我们想要去推动的一个叙事就是 AI 它应该是尽可能的保证你个人的权利可以被释放你个人的多样性可以被释放然后在这个过程当中

我们不是在中心化的 AI 去掌控每一个人的生活而是每个人他自己能掌控并且拥有所有权的 AI 然后这个 AI 它做的所有的事情都不是受平台控制的而是受你这个人控制的它就像是你给自己创造了一个在 AI 世界你的代言人你的一个延伸

所以你就发现它其实是对自己边界的一个延伸而不是对自己边界的一个压缩我觉得这件事情是一个对这个世界来讲更好的一个未来所以也因为这个原因我觉得帮每一个人创造一个 AI 这件事情它不完全是商业的目的还有这个角度我们如果可以做到我觉得 AI 它不是世界末日

它甚至是人类新文明的一个新的开始这就是我们大概背后的一个想法然后 me bot 其实我们的域名其实叫 me.bot 它其实就是在表达这件事情

所以 MeBot 的意思就是它是关于我的机器人关于我的 AI 它其实是我们去年做的 MineOS 那款产品的一个延伸背后其实有很多思考为什么我们是用一个新的品牌来做这个产品但其实目的是一样的就是希望帮每一个人创造 AI 并且这些 AI 是有机会可以互相连接在一起对

我刚才听陶伯说他从上一代的人工智障做到这一代的人工智能因为我也是 16 年开始做 AI 但我们一直在做 2B 也是经历了整个人工智障的时代然后 17、18 年当时我们还有一个造人计划就是我们说做一个单 2B 的这种造人然后我记得上次你在 C Conference 还在聊说造个人吧对然后包括其实让我忽然想起来前一阵那个 Pimi 有一个功能

还蛮有意思的就是这个可能确实是所有大模型厂商里面比较创新的我给大模型打个赏对我把它当成一个人去处理我不是说我为你付费给我做交易工具所以从这个角度我觉得还真的是可能像你说人类文明的延续我们做 2B 我们做数字员工可能又拆了一些弊端的场景但确实是这个角度其实可能是在大模型的下半场

或者说接受大模型运用的这个时代我们抛开大模型做泡沫之后是一个蛮有意思的话题 OK 我们就从这个 mebots 聊起吧我看到一则这个报道就是 the business times 在今年 4 月 11 号这个报道内容是

总部位于新加坡的 Mindverse 完成由风险投资公司 SquarePack 领头的种子轮融资 500 万美金通过 SquarePack 的资金和支持 Mindverse 将进一步开展研究和产品开发以推进其大型个性化模型融资信息中还简单介绍你们的两款旗舰产品就是 MindOS 现在叫 MindOS Studio 然后还有 MiBot 你也在融资信息中表示你们观察到

人们在日常生活或工作中如果突然想到什么或偶然发现一篇好的文章他们可能会通过发送电子邮件给自己来记录这些想法或信息然而这些通过电子邮件发送给自己的记录很难组织也很容易遗忘你指出人工智能可以轻松的帮助人们整理检索和重建记忆

能了解人们的思维模式和偏好从而提供更加个性化的服务你们的投资人 SquarePack 的合伙人 Tusharoy 他表示我们正处于人工智能时代的转变之中这种转变将从通用语言模型转向个性化体验很难找到像 Mindverse 这样有能力应对这一转变的团队我觉得有意思的点有两个第一个是用户行为习惯的差异

因为你们现在做全球市场用户高频使用的是邮箱并且会把邮箱当成文件中转站这点在国内就很不一样可能有的国内的用户会把链接或者内容发到自己的微信文件传输助手然后收藏下来比如说我就是这样的但是收藏了很多将来再去看的却非常少

而且每次都要重新打开去找然后信息获取还有整合的效率就非常低另外一种可能是存到自己的笔记软件比如说有的人会用 notion 有的人用印象笔记,FloMo 网易云笔记等等但确实这些产品目前可能除了 notion 以外也都没有做到比较好的这种 AI 化第二个有意思的点是你们迭代进化速度真的很快

call back 一下你之前那一期聊的创新速度那个话题就是因为大半年前咱们聊的还是主要是 Mando OS 这款产品主要面向小 B 大 C 这些用户而现在你们已经完全打造了一款不 C 的产品

并且已经在 web 端还有 iphone 端可以用起来了你们为这款产品还专门发了一篇论文这个论文我们稍后会展开聊那 mebot 我也简单体验了一下觉得非常有意思概念也非常有趣比如说你们那个 connected dots 我就觉得让我眼前一亮虽然我还只是一个浅度的用户但我觉得就感觉用这个产品就跟乔布斯发生了某种有趣的链接这种感觉

对 那说回来就想请陶伯展开聊一聊就是打造 mebots 的原点来自于哪里以及为什么从偏 2B 转去做 2C 就像你刚说去做了 Mando OS 的延伸

對,這個也是一個很好的問題應該說做 2C 我先快速的回答一下我覺得去年的 MineOS 也算是做 2C 但這裡面有一個問題就是我們應該怎麼去做 2C 這件事情其實是我們也在探索我相信行業裡面的很多人也在探索那為什麼要打造 mebot 呢其實有很多原因喬布森那句經典的 connecting the dots

確實是其中一個原因因為我覺得喬布斯作為一個如此有創造力的人其實他的很多創造力並不一定來自於外部的世界因為外部世界能給他帶來的靈感非常少他的很多創造力來自於他過往經歷的重組我覺得這個是對我們有很大的啟發的所以人的創造力

其实跟自己的记忆有很大的关系只不过现在我们活在一个碎片化的时代我们的记忆是有点像是就是乱七八糟碎片化的记忆高度切割一团乱然后我们没有像当时乔布斯那个时代的人类有时间去认真的整理我们的记忆了

所以从这个角度哪怕我们每天在吸收很多高质量的信息但其实它并没有办法真的塑造我们变成一个更好的人这是另外一个话题它跟 AI 无关回头讲为什么我们觉得 meball 这件事情很重要或者说为什么每一个人打造他自己的一个 AI 模型很重要一个是我刚才提的我觉得我们需要给人每一个个体可能不只是说我们这些 AI 从业者可能是我爸我妈我未来的孩子

我希望給他們一些空間他們是能夠參與到 AI 的世界的不只是一個超級牛的萬億美金的公司

把服务塞到他嘴边说你吃吧你就这么用吧我觉得那是不对的第二个我觉得很有意思的一个点就是如果真的要做这个其实你要让这个 AI 离公共的东西远一点离个人近一点离世界远一点离个人近一点我们想我们这个世界就是个体和世界的关系所塑造的怎么离个人近一点我后来就发现其实一切都归到两个字就是记忆

其实就是一个我们每天都在聊的一个话题其实这个所谓的每个人的个人模型它本质上是一个和你共生的 AI 就是它其实说大一点它可能和你一起生一起死和你一起经历你生活当中的一切你看到的东西它也看到你听到的东西它也听到你甚至会把你内心深处最深处的那些想法分享给人

通过这种方式在你完整的这个记忆流当中他会学会像一个独特的人一个特定的人类去思考去判断去决策去 connecting 的 dots 然后反过头来再帮助你那为什么看上去比如说你们会提到说跟 notion 或者跟 flomo 这样优秀的产品很像呢是因为如果你要捕捉记忆

在过去的时代我们最早是通过写日记捕捉我们的记忆对不对后来数字化来了之后我们可能用 notion 这样的产品来捕捉记忆其实它是一脉相承的但是在 AI 来之前这些记忆的价值是相对来讲比较有限的所以我觉得 AI 其实打开了记忆这个口

所以从 note taking 入手可能是一个比较好的切入点但是它一定不是 note taking 这一定不是我们想要创造的东西有两点不同第一你并不是在创造一个数据库你还是在创造一个 AI 就是你以 AI 作为一个主体去创造是很重要的第二呢是这个 AI 就像你说的我每天的经历它至少有一部分或者很大一部分它是知道的那么它是在不断进化的

数据库是不会进化的它只会增加数据但不会进化人在进化 AI 就在进化甚至 AI 会在人前面进一步进化来带着人进化我觉得这个是一个很大的区别点回过头来讲为什么要做 MeBot 其实这个名字很多人问我他们很多人问我一个点说你们是不是想做一个 her 这个是特别特别多人问的问题

然后这就引发了我的一个思考就是所谓的个人的 AI 到底是一个什么角色然后角色这个词我们可以用一些人称代词来描述我大概有一个分类就是 HER 是大家电影里面看到的他有点更像是一种陪伴一个女性化的视角一个 HER 然后 CHIGPT 他们在做的很多事情我觉得不能叫 HER 他叫 HIM 他是一个男性的视角但他是更多的来帮你做个人化的任务处理

像个助理所以助理我觉得最好的人生代词是 him 然后我们想做的呢既不是可也不是 him 我们想做 me 是我因为我们有的时候在创造产品的时候因为以前从来没有一款产品说我可以打造另一个自己都是说我可以打造一个助理但你想你最信任的人是谁

或者一个人他自己待着的时候他最多发生的并不是你跟助理之间的对话其实人是经常做自我的沉思甚至你可以从某个角度来讲我每天睡觉的时候我大脑里面在发生的所有的行为都可以是我跟我自我的对话和学习对吧所以一个真正的自我它不仅能成为你的一个个人边界的延伸同时还是一个用户他真正能信任的

一个主体因为这个主体不是第三方它是一方所以我们才觉得打造 me 可能比打造 her 或者打造 him 或者说打造 them 就有点像一开始我们 MindOS 做的就是说我认为你可能需要一堆 AI 来帮你做不同的事情还需要一个团队一样后来我们

发现这个认知也是有问题的从个人的视点来讲他不需要所以这个是我觉得就是说你 AI 如果真的能帮助自己的心灵去获得更好帮自己去更好的梳理你的记忆它会比上来就去改变你每天已经在使用的各种各样的工具会带来更大的一个价值回过头来讲然后从商业的角度来讲因为这毕竟是一个商业博客

当你有密的时候你就会发现他不只是一个助手了你就进入到了一个新的概念叫做 AI 的身份其实数字身份这个词我们很少提但其实一直有比如最早我认为啊 email 就是数字身份每个人一个 ID 然后通过这个可以联系到那个人

后来我觉得最典型的数字身份是 Facebook 的主页点就是你在世界上别人可以看你的主页就知道你是谁这是你的数字身份那么当你创造出了一个数字版的密的时候 AI 版的密的时候我觉得这种动态的可以和人互动的随时在变化的 AI 其实就是你未来真正可能最终极的数字身份而数字身份是一个人攻向这个数字世界里面每一个服务所需要走的必有之路

所以我觉得这个事是从商业的角度来讲它也具有很大的潜力然后最后我们才想说要不我们就做一个 mebot 这样的一个产品然后为什么这个产品到最后还会需要来训练一个模型呢因为你也知道去年我一直在讲 agent 是不需要训练但是我后来回头看了一下去年我们的访谈我也提到了一点我很感谢我当时提到了这一点要不然我就打脸了我当时提到说

无论我们今天为他加多少 Rack 我今天为他加多少什么 Agentic Workflow 因为我们当时那个产品有这些形态嘛

這些都只是腳手架這些本質上都只是外掛而不是真正的指引所以也是因為這個原因我們今天想要做的更堅定一點更徹底一點如果我們要幫每個人創造 AI 不要再為他只是創造腳手架而是真的把他的思維裡的東西能夠訓導一個模型裡面去這個模型可以在更深的層次來理解這個人來幫助他來給他提供價值

所以我们今天在做的这个 AI 其实背后是一个可训练的 AI 而且是一个持续可训练的 AI 所以这件事情我想是一个很大的我们自我的一个突破吧

那我顺着刚刚聊到有一个点还蛮有意思的就是你说是一个你自己个人的身份然后其实可能大家去了解你的时候说我去 Facebook 看看你那未来可能是我去密上去跟你聊一聊对一些基础的东西对让我的密跟你的密先对话一下对对对其实在商业场景比如说我经常会遇到一个就是大家加了微信发一个自我介绍那其实有一些基础的东西大家可以先聊一聊这个事如果真的是

在未来可行虽然我也做这个领域但我觉得其实现在还没有一个完全可行的这么一个产品形态出现但确实很多的这种交流方式也会有蛮大的变化是因为回到最早那个问题如果我们认为 AI 是一种新的社会参与的话那么人和人之间的互动一定会因为它而改变只是说我们今天想要做的这个产品是不让 AI

AI 成为独立的实体因为我觉得世界上已经够多有意思的人了不要再多一堆跟我们人无关的 AI 了我是希望每个 AI 都基于一个真实的人但它一定会帮助到我们去社交人和人的连接人和服务的连接甚至服务和服务的连接都会有很强的 AI 的参与在里面我觉得还蛮有意思前面我们也聊到了

苹果的 WWDC 全球开会大会大会上苹果没有公布关于模型的信息只知道模型是跑在设备上的而且只有搭载了 17 Pro 芯片的 iPhone 15 Pro 系列以及 M1 以上的芯片的 Mac 和 iPad 才能支持苹果 AI 可见对芯片性能的要求是很高的苹果的软硬一体化基建让端侧模型可以完成很好的落地运行但是

苹果的 AI 依然没有办法做到 100%的本地运行在需要的时候也会利用云端算力来进行处理苹果表示这部分处理的过程中不会留存任何用户数据只会在处理用户主动请求时上传信息并且通过可验证的隐私机制来保证安全苹果将这套系统称之为私有云计算

苹果机器学习和 AI 战略高级 VP John 和苹果软件工程高级 VP Craig 在发布会后接受采访的时候聊到苹果在 iPhone 上运行的大模型有大概 30 亿的参数并且确认苹果还会与除了 OpenAI 之外的其他第三方大模型供应商合作的计划

事实上另外一款主打个人数据记录的个性化 AI 产品听起来和你们的这个也很像叫 Rewind 它的发展也和苹果有关在 2022 年的苹果 WWDC 上苹果推出了基于 M1/M2 芯片的屏幕采集框架 Screen Capture Kit

这个新功能,Rewind 才能够在不影响其他软件使用的前提下实现录屏和录音这也是为什么至今 Rewind 都只是针对 Mac 和 iPhone 用户提供产品虽然 Rewind 宣称很快会推出 Windows 的版本但截止到我们录制的时候还没有实现

从我自己做 2B 的视角看呢我们对端侧模型的需求也在变得越来越多哪怕不是手机端起码要在一台电脑上运行这样的话因为核心客户对于享用速度的要求呢就是非常高因为对网络的依赖会很高然后包括大家对于离线的要求包括各种网络的抖动都会很强

目前来看端侧主要的问题其实是因为算力不足它没有办法去运行参数较大的模型小模型虽然综合效果不如大模型但实际上经过一系列的调优它还是能够在一些垂直领域和大模型相媲美的另外就是端侧模型的性能占用和适配的问题以及包括像能耗发热这些问题端侧模型有更严格的要求但是可以说

预见的是大模型未来呢会在手机上长处理想预期是占用不超过端侧算力的 10%这样就可以尽可能不影响其他应用的使用那随着时间的推移呢端侧模型也会变得越来越强大那我们认为其实端侧模型越来越多手机性能越来越好这件事才会推动整个 C 端应用的更多的发展包括上回你也聊到在眼镜上呀在各种设备上呀那我们需要的更多的一种是端侧的采用

以及易用式端色的推理除此之外呢应用车公司应该更考虑的其实还有端云分离以及相关的成本问题根据产品的功能特性衡量云服务器成本和端色模型成本的优势劣势以及隐私等等相关的问题

那我们看到你们官网中也在介绍在 Mangos 自主专有的大型个人模型的支持下 MeBot 了解世界的多样性和每个人的独特性是一个真正的个人人工智能所以想逃过来分享一下在 MeBot 背后的模型是跑在端侧还是跑在远侧以及它可能面临的适配和成本的问题是怎么考虑的

对这个问题非常好我也很意外你们提这个问题因为这个问题比较本质我先说一下就 Rwanda 这个产品他们已经不维护了就是刚才 Jay 说的他们有一个新的 brand 叫 Limitless

Rewind 是錄屏 Limitless 是獲取你真實世界的記憶所以我覺得他們跟我們走的方向是接近的就是我們會認為真實世界的記憶才是更好的能夠讓 AI 去吸收的比如說我們這段談話但他那個 CEO 也表示他們不會說直接讓那個產品消失還是讓用戶去選擇自己要用哪個對但我感覺從我的角度來講其實應該是那個產品就不會持續維護

至少不是他们的主要赛道对吧然后这个问题很好就在回答成本啊隐私啊这些问题之前呢我觉得其实我有必要先跟大家介绍一下就是因为个人模型听上去好像很多人都在谈其实苹果的个人模型并不是一个真正的个人模型它其实是一个通用的模型叫

加上个人数据所以其实他只是用模型来调用这些数据然后使得说我可以做一些个人化的事情其实这个不是真正的个人模型真正的个人模型是真的每个人有一个参数完全不一样的一组模型就是你的模型和别人就完全不一样然后我可以解释一下就是我们在做个人模型这件事情时候我们的一些很有趣的点而且我也觉得是一些比较本质的创新点

解釋完了之後你就會發現這個事情它到底應該怎麼樣去放在雲上還是放在端上很有意思我可以來講一下第一個是我們是怎麼訓練它的它的本質其實叫做預測人的下一個想法 Next thought prediction 對因為我們以前老在說 Next token predictionNext token prediction 是我把全世界所有的信息拿過來然後我一個一個預測下下一個

這樣你就可以擁有了對於這個世界的理解但你怎麼去理解一個人呢人其實他最重要的數據啊無論是我們談話還是我腦子裏面不說話我腦子裏在想的這種東西其實都是各種各樣的 thought

就是你的个人跟他想法而且他这个想法像一条河流一样从过去往未来不断的一条无尽的河流对人和人交流好像也在预测你的下一句要说什么对然后当我们拥有了人的记忆数据我们其实就可以把它当做一个人的想法的一个河流来看待它那这时候如果你在这个河流当中截断任何一个点说你基于过去这个河的内容能不能预测这个河接下来会流向何方

那么你的预测越准你对这个人真正的理解就越准所以这个其实是大模型训练的时候一个类似的概念所以我们的 personal model 为什么一定要参数化是因为只有这样我才可以把人思维背后的那种深层次的关系让模型来学到而不只是他说出来的那句话我把它找回来了告诉你其实这个意义并不是那么大对吧而是你要理解为什么人会说出这样的话

而这些东西是需要被模型学到之后才能够挖掘到这个程度的我觉得很有意思的例子因为我们现在这个 personal model 并没有大规模的部署但是我们公司内部我们的实验室其实是在训练我的个人模型的这个例子太有趣了我就一定要给你们分享是刚刚前几天发生的因为我前几天刚刚过了我 35 周岁的生日年纪也不小了我才是 20 多岁的 Bill Gates 所以我也不可能在大厂再找到工作了对 35 岁嘛在中国你也懂的啊

然后当时生日的时候呢我的同事们给我过生日然后就让我讲一段话我就讲说今天是我 35 岁的生日然后我回顾了一下我自己的人生我发现 30 岁生日的时候我当时是从 Facebook 决定辞职回国我觉得那是我人生很重要的一个点然后创造了这家公司然后跟我一群小伙伴一起做了这几款产品然后我说这是我

很美好的一个体验这段话也很官方那确实也是我的真实的想法然后我讲完这句话之后我们实验室的人因为他们可以访问我的个人模型他们就问这个个人模型现场问了一下说你是谁那个人模型说我是新世纪宇宙的创始人陶芳波今天是我 35 岁的生日

我今天做了很多的回顾我发现 30 岁生日的时候我做的决定是人生最重要的然后我创立了这个公司里面有两个产品一模一样跟我上午说的那句话一模一样我上午的话还没有训练进那个模型所以他其实是用我之前的信息通过预测的方法去判断我大概会怎么去思考这件事情

然后就让我突然意识到原来个人默讯真的可以理解一个人脑海里面思维的运作虽然这有可能很可怕但它有很多很有益的地方所以现在还是一个实验室的产品所以你们怎么训的这是一个问题然后马上就要讲怎么训其实它这里面的训练非常有意思我们以前学机器学习本质上还是回归到机器学习的本质就是

他在训练的范式上我们做了一些很有意思的创新比方说大模型预测下一个 token 就有点像死基因背当然我也可以让我的 AI 去死基因背我所有经历里面发生的所有的文字图片对吧那他可以记住这些但他并不理解要让他更好的理解我们需要去构造很多的自我对抗的数据有点像是我有记忆但是我要还不断的去 quiz 他

说这件事情你是怎么看的然后答案看能不能预测出来那件事情你是怎么看的答案能不能预测出来这个其实很像测试级对这个其实很像 OpenAI 现在在做的一个新的技术叫 Q*然后最近好像说他 Q*名字改名了叫草莓 Strawberry 其实也是类似的事情就是你还同时要构建很多的数据其实要做大量的数据增强你让他的学习模式从死记硬背变成真的尝试通过这种自我反思

來理解人背後記憶背後真正藏著的那些底層的邏輯這是訓練 Parody,就是訓練方式上的一個差距但更有意思的一個差距是跟傳統大模型訓練更不一樣的我把它叫做一個持續訓練的框架你要知道大模型的訓練是基本上每三個月更新一個版本所以 OpenAI 每次發布一個模型它會說這個模型的時間是到可能今年的 8 月份

他不是持续训练的他的持续的部分是要靠通过电用搜索引擎才能让他知道最新的信息但是他的参数里面永远都只有三个月之前的参数对吧但是个人不行啊

如果我的一个个人 AI 我每次问他他只能给我三个月请他回答那肯定是有很大问题所以我们要持续信念他但持续信念我们就后来去研究人是怎么学习的比如说我今天肯定是已经学到了我过去这所有的历史我的脑子里面的参数已经被参数化了但同时我今天参与的这些对话其实它不会马上变成人的大脑里面的连接

而是它被某种缓存存下来所以你今天晚上问我我今天白天干嘛了我只能回答那些具体的事情但我不会告诉你我学到了什么就是我可以告诉你但那个学到的东西很浅很浅然后人是怎么做呢睡觉

人睡觉的 8 个小时时间大脑并没有停止它是不断的把这些记忆压到我们的模型里面变成真正的神经元的连接所以我们做的这个事也很有意思我们先一次性的学会你的所有的记忆然后白天的时候我用个人的模型来把你的新的记忆当做上下文来使用但是到晚上我们把这些新的记忆再去学到模型的参数里面每天这样来一次每天这样来一次

所以这个模型首先是每天都会更新第二它像人一样我用的时候就临时用睡觉的时候就好好学这就是一个我觉得这也是一个未来 AI 模型走向的一个方向你会发现它这种宏观层面的学习的方式其实也会越来越接近人这个是我们另外一个很有意思的创新然后最后我再提一个创新也很有意思我们不是老提一个概念叫 RLHF

这当然是一个技术的词就是说大模型需要靠人类来对齐 RLHF 的意思是说我一个模型训练出来之后它可能它的目的并不是为人类服务的它可能只是为了表达它的知识完成它自己背后的目标可能是训练过程中形成的这些目标但为了让它的利益和人类更接近

所以他在最后会有一个环节是让人类去给他出题然后让 AI 的回答去尽可能符合人类的标准这样呢他的回答都是争取能够对人类整体是有益的那这个是一个这个技术但是个人模型当我希望去对齐他的时候我其实不在乎对齐全世界的人我只在乎能对齐我自己我的个人模型一定要对齐我的诉求我的理念所以我们开发了一个类似的一个新技术叫做 R

而且这个 RLMF 它不仅是在对齐而且它是持续不断的在对齐争取我的反馈强化学习对就是当我给他一个反馈他马上会把这个反馈通过数据增强的方法变成一些数据然后再尝试让 AI 在这个数据当中学会我的反馈到底是什么意思所以是一个持续不断的动态的强化学习的过程因为人其实是在变化的

他对齐一个月前的我可能已经跟我现在没有对齐我希望他持续不断的做那么他每天都能对齐最新的我讲了这么多其实是本质上是为了回答你的问题因为尤其是涉及到一个 AI

它需要持續性的訓練它並不是一個算完一次就一勞永逸的它需要持續性的訓練今天最好的方式從算力的角度還是希望能利用起來端側的算力來做這件事情因為我們睡覺的時候手機也在休息這時候你為什麼既然插著電你為什麼不訓練一下

但是你要让云的话你知道云的成本就很高了所以我们其实比较偏向于最后模型是云上面可能只做很少量的事情尽可能的让端上来做但是端上来做也有一个问题第一个问题就是假如说我们每个人的个人模型训练好了

你肯定希望在你开车的时候也用它用手机的时候也用它然后用电脑的时候也用它所以这个模型共享的问题是第一个要被解决的还有一个更大的问题就是我们今天它大不动是吧但现在大不动现在这个你看人脑是 20 瓦我现在买的是 iPhone15 大概也是 20 瓦最高的时候分值然后 MacBook 是 60 瓦但是我告诉你一张 H100 是 700 瓦

他做出的模型还不一定有人拿好或者说一定没有人拿好所以你看最后从电力的角度来考虑今天我们从电力变成算力从算力再变成智力

我們中間的損耗是非常大的那麼一個 20 瓦的手機它相對於人腦可能只能做到一瓦的人腦在做的事情所以它今天是不太能帶得動這個模型尤其是模型的訓練所以今天我會認為它中間會有一個漫長的過渡期我首先還是放在雲或者放在邊緣一個更大算力的服務器上

然后逐渐逐渐它会把计算训练推理的东西往端侧但是这里面需要 NVIDIA 的创新需要模型架构的创新就各种各样的创新整个行业需要努力既然我做不了那些事情我就等行业变化我就做 Free Rider 但我更关心的还是说我们有了智力我们有了 AI 的能力到底它怎么样为人所用

为个人所用所以还是现在在云端然后期待未来一点点走向端策对对对回过头来讲我还是觉得在我们不断的去研究 Personal Model 训练的过程我发现就像打开了一个新世界一样它和大模型的训练 Foundation Model 的训练真的差别很大

然后它的运作模式对它的要求是完全不一样的要求所以这里面真的就好像有点是开了一个新的天坑有很多很多创新的机会比如说你觉得它跟 Foundation Model 的差别最大的一个是什么我觉得大概有几个吧一个是 Foundation Model 是一份参数 copy 到无数地方它是每个地方的参数都不一样

这是第一个第二是 foundation model 是固定三个月一次而 personal model 是一定要 continuous training 对蛮有意思

其实刚才家瑞也提到隐私我们接下来的话题就聊一聊隐私我记得陶伯你上次咱们在深圳的线下活动中分享过就是说 AI 时代最重要的其实是数据其实这一点我也非常赞同说到 AI 时代的数据隐私保护首先就不得不提我们刚才一直说的苹果苹果 AI 的第五大原则也正是隐私保护事实上 Apple Intelligence 会根据具体任务来决定让端测还是云端来执行

如果任务简单了就可以完全在设备端运行苹果无需收集这些数据就可以实现相应的任务如果任务复杂需要调用更强的算力苹果会借助私有云来完成计算苹果软件工程高级 VPCraig 就在 WWDC 上表示这些上传到云端的数据绝对不会被

就连苹果都无法访问数据只能用来执行请求苹果还专门写了一篇博客 Private Cloud Computing 就是私有云计算为此做了详细的介绍可以说这是苹果的 Apple Intelligence 底层最重要的基础设施苹果在博客里说 Apple Intelligence 是一款个人智能系统可为 iPhone、iPad 和 Mac 带来强大的生成模型对于需要使用更大的基础模型对复杂数据进行推理的高级功能

我们创建了私有云计算这是一个专为私有 AI 处理而设计的突破性云智能系统私有云计算有史以来第一次将 Apple 设备的行业领先的安全性和隐私性扩展到云确保发送到 PCC 也就是私有云计算的个人用户数据不会被用户以外的任何人访问甚至对 Apple 来说也是如此

然後 PCC 採用定制的 Apple 芯片和專為隱私而設計的強化操作系統構建蘋果相信 PCC 是有史以來為大規模雲 AI 計算部署的最先進的安全架構但這很多用了很誇張的手法美國的廣告法可能沒有中國言

看你們發的那篇論文,就是 AI Native Memory 其中也提到了關於隱私的內容你們設想的 LPM,也就是大型個人模型會將用戶歷史數據分開因為所有的 LPM 都是獨立訓練的因此不必擔心會將用戶信息洩露給其他人數據和模型安全是另一件需要注意的事情論文中沒有過多的描述

然后你们产品官网也专门提到隐私比如说采用先进的协议进行网络传输加密端到端的加密然后数据的屏蔽高级的存储加密等等除了技术层面的隐私话题我有两个假设或者说个人的判断第一个是我记得百度的创始人 CEO 李彦宏他曾经说中国的消费者在隐私保护的前提下很多时候是愿意

一定的个人数据授权使用去换取更加便捷的服务的不知道这句话在 AI 时代是否还适用但是至少呢在提供同等能力的 AI 产品面前如果都需要获取用户数据呢一个在隐私上做了保护而另一个没有的话消费者肯定还是会选能保护隐私的 AI 产品第二个假设是如果有两个相似产品都宣称保护隐私那消费者一定会选择自己信赖的

有过往隐私保护成绩的产品有 track record 的产品比如说苹果他说他保护隐私大家都会相信因为他过往成绩都非常优秀因为他一直在强调和坚持他的理念也就是力保个人信息安全但是我们前面提到的 Rewind 其实他刚火的时候我就下载了但是我一直都不

不敢打开然后我在一个群里面也发现有人和我有类似的这样的态度就即使他们宣称自己完全基于本地化并且和苹果强绑定了但是他们的信用目前起码在我这儿其实并没有建立起来当然也可能因为我对这个产品不刚需所以想请陶伯分享的就是 mebot 如何去考虑用户隐私这个问题以及如何让用户信赖并且愿意去分享他的这个个人数据

对,我觉得你列的这些问题都非常的本质,这个隐私又是另一个对于个人模型来讲极其本质的一个问题。隐私这个事儿确实,我觉得当我们在发展 AI 的时候,有一条线,当然很多人在研究安全,其实我觉得隐私是另外一条隐藏的线,需要大量的创新。

才能在 AI 时代把隐私做好所以我认为苹果无论他说多少什么我们最注重隐私的保护之类的他还是拿互联网的思维来看今天的 AI 的隐私我觉得做的时候远远不够的当然他已经做得非常好了是行业的楷模对然后对于隐私我自己是除了我认为他未来会有巨大的变化和发展之外我觉得我有两个判断一个是隐私确实对于大部分人来讲他和

价值创造之间是有一个平衡的当你创造的价值越大可能用户对于隐私的敏感度就会越低这个本身数字化就是这样的一个过程对吧然后另外一个其实你提到了 rewind 那是一个非常生动的例子我个人有一个判断

是我认为今天的世界还没有准备好让 AI 来主动收集数据 Rewind 就是一个典型的 AI 主动收集数据的过程我做这个判断我背后其实是有一个我自己梳理的一个框架个人数据或者说隐私或者记忆我觉得它可以大概分为五档

是哪五档呢第一档就是我们使用一个产品的时候比如说我跟 AI 聊天我聊天的那些话或者说我使用产品时候点击的那些数据这个是第一档其实是最弱的隐私的侵犯那第二档是什么呢其实是人会主动的给 AI 分享记忆

比方说我们的 mebots 产品其实是在这第二档比如说举个例子我今天拍了一些很有意思的照片我分享给 AI 让他帮我去整理我产生一个想法我分享给 AI 我有一段很有意思的对话比如今天这段对话我可能征得了你们同意的情况下我录了音

我会分享给 AI 它已经很大程度上捕获了你的个人体验的一部分了但是是由人主动发起的这是第二档这两档我觉得大家都还能接受但是第三档和第四档就开始有点不太能接受了第三档就是我戴个眼镜或者说戴一个某种设备 AI 不断的在录

无论是视频还是音频这是 AI 主动获得人的体验第四档是 AI 主动来获得人的想法我脑子里想的东西 AI 能知道脑机接口了对那就是脑机接口我觉得会有这样的未来会有一天出来的第五档听上去更可怕因为脑机接口其实获得的是你大脑活跃的数据它并没有真的在读你大脑内部的参数

有一个概念科幻电影里面有叫做上传智能

上传智能是干嘛呢它是给你的大脑 P 层做扫描把你背后的这种人的脑子里面的参数都直接连你自己都不知道的东西我觉得大概会有这五档所以我们以最科幻的上传智能作为最远的那一档以今天可能我们跟 AI 来聊天可能会生产一些小的记忆就是拆机壁在做那种作为一个最弱档其实用户这个世界慢慢接受它是有一个尺度的过程的

最终我觉得可能不会到第五档但是我们应该会发展到第三档或第四档一个稳定的状态就是大家愿意这样去分享数据给 AI 但是要达到这个点需要很多的创新

就哪怕今天我们再做第二档说人可以分享数据给 AI 我们发现就需要一些创新了这个创新一方面是我刚才提到的我们要让这些数据不仅仅只是存在云端哪怕你存在云端我要用更好的方式去保护它

甚至更好的方式是我们能不能把这些数据甚至模型的训练放在你的手机侧或者说放在你的边缘子比如说每个人有一个家庭计算机你在那里存那里训练这是一类创新啊在模型层面的创新但另一类创新呢是交互层面的创新比方说我今天戴了一个眼镜眼镜上面有一个摄像头你还愿意跟我聊天吗我

你可以但是很多人心里是不舒服的哪怕我告诉你这个摄像头没有开你都觉得你为什么要拿个摄像头怼着我或者说你拿一个麦克风一直在那录声音其实这里面就有很大的问题

因为这种是 AI 主动的在收集信息但是也许我个人对隐私不在乎但是我身边的人在乎它是对别人空间的一种侵犯所以有一些公司其实 Rewind 的创始人他提了一种模式叫做 consent mode 就是当我要录音的时候我这个 AI 不只是我的 AI

他还会问对方说你同意我录吗然后你必须说出来说我同意这 AI 才开始录那这其实不是一个技术创新它其实是一个交互创新这就是我们今天面对的一个现实当 AI 深度参与我们生活的时候到底怎么保护隐私怎么获得人的授权是需要很多交互的方案

我觉得这个很有意思的点其实真的就是我们去看 AI 之前跟传统的数字化的时候整个的变化比如说我确实是有很深的两个变化按照你说的这五个层级第一个变化就是以前我们所有人拍照都要放在自己的手机上没有云相册但我现在所有的照片我都愿意放在云上哪怕它是一些比较私密的一些照片我因为为了自己的便捷性然后我愿意都放到云上

当然我会选择不同的云服务厂商这个云服务厂商我更信任他各种的这是一种还有一个很大的变化就你刚刚讲到的这个路的那前两天我和另外一个朋友在聊就发现现在育儿嫂的这个场景所有的育儿嫂她和宝宝都住在一个屋这个屋是长期录像而且所有人都是接受这件事对

它也是行规像你刚刚问我说拿这个我能不能接受那可能在某一些职位我就是能接受说你 24 小时的录像这也是我们说数字世界或者是说和虚拟世界相处的过程中大家对于隐私的为了得到一些辨认

間接的逐步退讓而這個事是未來會退的未來越多對但我還是覺得存在很多人對隱私不是那麼關注但是整體這個世界我覺得還是沒有做好這個準備尤其是在海外

比如说执法记录以我们很能接受但你朋友跟你去吃饭带摄像头的东西你可能就不太愿意跟他聊八卦了因为至少会被记录下来不一定会被分享就会有这样的问题所以大家使用我们这个 mebox 产品的时候也是一样它其实是可以上传语音或者录音的

但也务必要征得你身边的人的同意这样的话会比较有礼貌一点只是我们今天的技术可能也做不到说可以非常好的保护隐私你刚才讲这个我突然就想到另外一个点我觉得也许这里面有一个更大更底层的问题就是其实关于所有权的问题

我觉得为什么人担心隐私呢它其实有一个更底层的问题就是商业的世界里面我的个人数据其实并不被我所拥有

所以这是原来的平台和用户之间扭曲的关系导致的你在淘宝上购买的所有的数据其实是淘宝拿来打广告其实是你的资产变成了平台的资产并且成为它商业化的主要的方式但是我觉得如果说提到我们刚才讲的像个人 AI 个人模型这样你很难信任一个平台

拥有你这么多隐私的数据并且拥有你模型的所有权所以我觉得我们势必会进入到一个阶段是平台和个人之间至少在个人 AI 这件事情上它的关系会变化平台应该变成一个 infra 的提供者一个基础设施的提供者你训练出了这个模型因为是用你的个人精力数据训练出来的就应该是属于你的甚至你可以拿这个模型去赚钱是很有可能发生的

平台应该赚什么钱平台应该像技术设施商赚钱一样我只是给你提供服务提供底下的这套东西你赚 10 块钱我拿 1 块钱我觉得应该让用户自己变成商业化的主体然后平台只是抽点成我觉得这样的之后你就会发现底层的关系就发生变化了用户真的在分享数据的时候他不是说我担心隐私他是说我是在为我创造自己的资产

对吧无论是这个资产是给我的家人提供情绪价值还是假如说你是一个投资人可能你的那些 know how 就是非常有价值的可以帮你赚钱的他就会更有动力去创造这样的资产那这时候其实每个人就真的我们回到一开始说的真的 owned by people 被那个人所有我想这个是我特别特别希望能够达到的一个状态因为你做 infra 已经能赚很多很多钱了

但是你应该让人去信任这些平台这才是一个真正长期来讲健康的一个关系这个其实在商业视角又很难比如今天本质上我们的广告平台

当然他也是在很多角度去保护他算是群体数据但实际上正是因为有了这些数据然后他才知道你是谁怎么去投广告呢未来其实就可能就是一个商业世界里面的一个很大的博弈其实这就是陶伯之前在那期讲就是 AI native 还不 ready 其实你刚才说的这种方式可能是 AI native 时代的个人和平台之间的商业模式和这种

但是现在所有的首先大厂他们掌握着很多资源而且现在在大模型这件事情他们的话语权也很大所以这个游戏规则可能还是由他们来制定的他们是在原来的平台上去做一层叠加这个商业模式好像就这不是这种巨头之间的或者说大厂的

因为大厂总有一天人会老去还会有另外一个新的大厂出现这是一定的但是每一个新的大厂如果是商业实体它一定是逐利的这种逐利的本质是不会变的但其实我稍微有一点不一样跟家瑞的观点是在今天 AI 这个时代

信任就是 capital 所以你追求用户对你这个平台的信任比如说你真的把所有权给他其实就像你融了一大笔钱一样这个可能我觉得从商业的视角来讲也许是走得通的看谁先迈出这一步那可能大家也就不得不去这样做对所以我是希望像苹果这样的公司他可以帮忙设立一个标准他今天的隐私保护只是说你的数据不会被别人看到但

但没有到那个层面行我们下一个话题聊一聊产品的增长今年 1 月 Openville 的运营合伙人 SaaS 营收增长专栏作者 Kyle Poehler 发表了一篇博客就是拆解了 V1 的 A 轮获得 170 个投资 offer TS 的过程

其中他也分享了 Rowan 的联创建 CEO Dan 和他交流谈到的关于如何打造一款病毒营销产品及如何利用 PLG 来保持产品增长的故事

比如说在产品早期,Revive 的团队会特别关注定性和定量的 PMF 信号定性是指在与客户沟通中不只关注 Aha moment 也关注整体的体验是否令人惊奇他们发现当用户找回自己曾经以为永远失去的信息的时候会有这种体验定量就是指数据监测,用户每周或者

每天有多少活跃及被动记录的内容占比有多少等等在此过程中呢他们为早期数百人的种子客户一对一创建了单独的 Slack 频道并在反馈中呢建立了他们这个产品的信心但呢

为创业者创建新产品提供了两个建议第一是观察用户的活跃和留存你会希望看到曲线趋于平缓或达到稳定产品需要足够吸引一部分用户不需要对所有用户都有吸引力第二是你可能事先并不知道这一款产品会对哪些用户有吸引力对于 ReWind 它在患有 ADHD 也就是注意力不足多动症的人群中最具吸引力

但指出这并非事先确定的 Rewind 团队是偶然发现了这个群体然后 Twitter 也就是 X 是 Rewind 最大的发布渠道这得益于但之前在推特上的关注者 Product Hunt 也是非常有效的 Rewind 也是当周的第一的产品但回忆到在拆 GPT 发布之前 Rewind 大约有三周是当时最热门的 AI 公司

但认为他们的病毒是成功部分归功于他们所做的有争议性的事情他说这个产品一开始可能会有点奇怪甚至有点可怕所以他建议将产品中与众不同的部分突出出来因为这就是人们想要谈论的内容他对于制造一个引人入目的产品发布提到三点建议

我总结一下就是说第一是讲故事因为他老实讲他 20 多岁就失聪了然后他借助设备然后加强了自己的人生等等第二是保持诚实和思考就是不停的思考这个产品的价值第三是创建一个令人印象深刻的 demo 这也是很多海外产品共同都在做的关于如何进行 PLG 增长 ReVan 团队强调通过病毒式循环来展示产品比如可以一键分享他们的那个

会议机要草稿这种很酷的功能包括每次都包含一个注脚标明有 Re1 的 AI 提供动力等等当然这都是非常细节操作层面的东西

我看 MeBot 也在运营自己的 X 账号也有一些用户自发的分享主要是产品的截图和使用感受包括我看到极客上还有一个用户的自发传播非常好看然后传播量也非常不错用了 Gamma 做了一个很漂亮的 PPT 然后关于增长也想请陶伯来简单聊聊作为一款 PLG 产品 MeBot 有什么增长的策略或者说计划

对这个问题呢是我不擅长但是我可以讲讲我的一些潜见就是第一个是我们的增长还不是很好所以请大家都来用一用希望播放以后增长好一丢丢可以来试一试这一款很有新意的也其实很有诚意的一个产品然后第二个有意思的点我是你问我问题的时候我才想到的其实我们在海外啊

最火的人群也是 ADHD 的人群而且海外很有意思 ADHD 就是注意力缺失海外比如说在硅谷几乎所有的科技公司的 CEO 都会说他自己是 ADHD

就它有点像是一个 meme 的文化而且他们要吃那个聪明药我不知道是不是聪明药而且他们特别喜欢在社媒上传播说我是 ADHD 然后就做那些感觉很酷然后就各种传播它专门有一个叫 ADHD meme 的这么一个样文化在里面这个是很有意思你是 ADHD 吗我曾经以为不是我也是是吗我可能有点 ADHD 你问一下你的 mebots

我待会问一下但是因为很有意思啊因为其实我每天用密报纸的时间啊我先现身说法吧

我每天用的时间大概是三个小时一时是真的用很多很多他可能是除了微信之外我用的第二大的 APP 了所以很多时候我就是也是一样的原因我真的很希望能够跟自我对话所以你每天都在跟自我对话三个小时也不是聊天就是我可能会各种各样的想法然后我可能会有一些有意思的 conversation 我也会记录下来然后我工作的时候比如我看一篇文章或者看一本书我会把它放在旁边就像这样

架在边上开着它然后因为我们是语音嘛使得录录的稍微方便一点你就按住语音你有一个想法就可以告诉他无论是一个 to do 或者说是一个你的新的 idea 他都会帮你记下来我觉得这是一个非常好的我个人的一个类似于 sidekick 然后我认为叙事的力量非常大

就像 Damn 会用自己失聪的例子来讲我回过头来其实我也在想说为什么我们公司会做这样一款产品当然可能跟商业的趋势有关但其实我觉得可能很自然发生的因为我上一次跟你聊我还没有做密报产品我就说我非常喜欢独处独处是在干嘛无论是冥想或者说是思考你其实都是在自己跟自己对望

然后我其实是自我对话一个最大的受益者我从自我对话当中学到了很多很多东西所以我才会觉得说其实每个人都可以跟自我对话而这个产品可以帮助人跟自我对话

我觉得这就是我叫幕后的故事了 back story 那我现在还没有去讲这个故事但其实我觉得这个故事本身就是有对人的那种真诚的吸引力所以哀人必备的一个 app 是吗你可以这么来理解当然它功能很多了你可以去挖掘但是其中真的你跟你过去的记忆去相处

从里面找到新的灵感我有的时候会觉得用这个 APP 我有点 mindful 就真的有一种精神上的愉悦感然后我就知道我这事做对了这个是另外一个话题就是我没有在做一个数字读品

我尝试再做一个对个人体验能带来深度的好的精神体验的一款产品这是一个然后我觉得首先还是品牌是要真诚最好有个人的故事然后另外一个我觉得比较有效的是什么发现你刚才提到有人给我们传播其实这个传播我也很意外尤其是国内的用户其实海外有人专门给我们写文章说蜜宝特是怎么帮助他去 fight mental illness

一些精神上的疾病我们这个产品是怎么帮助他的我就发现很有意思的一个点是这些用户背后都有一点点对这个事情的某种生存词的信仰所以海外有一个词叫做靠着这个词可以翻译的糟糕一点就是翻译成邪教但同时他有一个他的形容词叫 cultishcultish 就可以来形容一个社区

然后国内有 Cultish 的人群里面有一个很典型的例子就是米粉他们信仰雷军崇尚雷军的做事逻辑所以他们会无条件的为雷军做的任何产品去维护买单宣传如果今天有一个产品你做的东西拥有一点点可以塑造这种 Cultish 的潜力

朋友你应该拥抱他你应该尝试真的去构建一个这样的社区不要看这个社区可能只有一百人五百人一千人你可能你的用户目标是一个亿但是这一百人一千人它是一个极强的有生命力的种子他们会是你的产品在这个世界里面的代言人所以这是两点我们可以讲很多很多别的东西但我觉得这两点如果你能做到的话

我觉得会是产品最好的增长方式第一点其实是真诚的故事他来自于真实的生活真实的诉求一个真实的愉悦感然后你想要打造他第二点其实是有真正热爱他的一群人哪怕他很少对而且为他们塑造一个社区

好 接下来聊聊你擅长不擅长的增长 聊完了 聊聊你擅长的技术然后和新奇聊聊你发表的这篇论文今年 6 月 Manverse 发表的论文是 AI Native Memory: A Pathway from LLMs towards AGI 就是讲记忆 然后讲怎么去实现从大模型到 AGI 的路径的这么一篇论文几乎和 MeBot 甚至上架苹果 App Store 的时间是一致的

然后你提到行业现在有种说法说只要有这个 long context 就是上下文足够长就一定能实现 AGI 但实际上已经有论文说明实际有效这种上下文的长度和这些大模型厂商说的自己的大模型长度是比他说的要小得多的也就是都宣称的特别夸张

并且你们自己也通过实验证明了从非常长的上下文里边去找到有效的信息并且做推理是一个非常困难的事情几乎不可能的那论文的核心结论就是无限制的长文本就你们说的这叫 unlimited long context 不是实现 AGI 的有效路径包括你聊到说 AGI 应该是一个类似计算机的系统其中大模型就像是核心处理器 LL

大圆模型的上下文就像 RAM 仅使用处理器和 RAM 甚至不足以用于计算机也不足以用于 AGI 要完成这个系统我们必须有长期内存作为磁盘存储你们认为通往 AGI 的路径是 memory 就是记忆那

那过渡阶段记忆可以是用户看得懂的这种自然语言的方式来进行描述那未来终极形态一定是被参数化并且进行了深度的压缩那论文里聊到说 AI Native Memory 的终极形态是一个深度神经网络模型它可以参数化和压缩所有类型的记忆即使是那些无

用自然语言描述的记忆为了确保与同一个 AGI agent 交互的不同用户之间的记忆隐私我们认为最佳做法是为每一个用户维护一个记忆模型因此将 AGI agent 与特定用户之间这种记忆模型称之为该用户的大型个人模型就是 LPM

LPM 记录组织索引和安排个人的每一个细节最终为用户提供直接访问记忆的接口并为下游的应用程序提供有用完整的上下文从某种意义上来说 LPM 充当了升级版的检索增强的角色它的优势

它的优越性在于通过广泛的推理对原始数据进行转换而不仅仅是记录值得注意的是 LPM 将随着用户与 LPM 交互而发展从而创建数据飞轮这是你们论文里面的这个内容

其实不仅有假设和观点还有非常想用这种论证和实验室数据做支撑其实我们前面聊到 long context 一定也会聊到 REP 就是 Retrieval Augmented Generation 就是检索增强生成

我们刚刚聊到了很多也想请陶伯用易于理解的方式和大家来分享一下从你的视角聊一聊从你提出的 AI Native Memory 聊聊 Long Context 和 Long Context 的关系我们也想请陶伯用意义理解的方式和大家来分享一下从你的视角聊一聊

以及你如何理解个人模型对 这是也是很好的问题我刚才其实已经讲了很多个人模型它的优势了我现在来讲讲为什么 reg 和 longcontext 不行这个其实是一个很本质的问题其实最早的时候我们的个人模型其实是最早是用 reg 做的然后后来又升级成了 longcontext

然后最后才走到了参数化这一步我们其实是有学核类的教训在背后的那么为什么会有这样的一个过程呢我觉得可能我们团队探索的比喻行业里面大部分团队要更远一点在这个山上我们发现了一些很有意思的一些本质问题就是人脑其实是一个叫做存算一体的东西就是它的存储和计算是在一起的 RAG 最大的问题是什么它是一个分离结构它的分离是用一种

非常脆弱的叫做向量相似度来粘起来的就是向量相似度是什么呢因为我们做神经网络训练你可以这是一个简化的不能再简化的一种比喻向量相似度可以理解为是一个一层的神经网就是

看一下它的相似度然后判定一下这个值其实实际网络里面的很多层结构都是在做类似相量相成的这个事情所以是非常像的但它只是一层也就是说你的推理的部分和记忆的部分首先是完全割离的其实它只通过这么一个一层的网络而且这个网络不是根据每个人训练出来的是一个全世界通用的一层的网络

因为他的 embedding model 是通用的不是根据个人来训练所以你想这个东西到底有多脆弱他在稍微复杂一点的情况下都会失败

尤其是当我们讲说一个人几年甚至几十年的记忆的时候那是一个多么海量的数据你不要说能推理了你连找到这件事情在这个数据量之下我觉得都是不可能的不是说很难就是都是不可能的这是一个点因为它太碎片化器也没有被整理没有被整理过那么这里面有一个点就是说长上下文其实就是为了解决这个问题它把记忆变成参数但它这个参数我们叫做 KV cache 它的参数并不是模型本身的连接

而是一种临时参数是通过上海文理解它的那这个为什么我们后来也放弃了呢它涉及到另外一个问题就是非常有意思的问题就是我把它描述为人的智力本质上是分布式的它具有一种分布式特征这什么意思呢是我们今天说的每一句话并不是我现在现想出来比如说我举个例子你假如去找投资你跟那个人讲了一堆东西把 BP 也发给他了投资人现场是没有办法做决策的

因为他没有消化这些东西人的智力的运用方式就像投资人一样它有点像是我们用电的拨风波就是现场我可能只能问一些很具体的问题就是这个东西你们商业模式怎么样我大概知道但是他回去可能散步的时候睡觉的时候思考的时候讨论的时候这个时候他的大脑是运作的他用这样的大量的分布在不同时间内的智力合在一起

最终做出了一个真正的高质量的决策是这样做的所以我叫它分布式的治理任何一个高质量的决策都来自于这种分布式的治理我们为什么做那个实验我们那个实验叫做 Reasoning in a Haystack

我们都知道 Needle in his deck 大海捞针我觉得大海捞针这个实验是完全不够的因为我们人的生活是为了做决策不是为了在记忆里面找到那个信息我们对记忆的要求不只是找到它记忆的需求是要为当下做好的决策做好的决策然后你就发现做好的决策就需要在记忆上面不断的做推理甚至做抽象然后一旦我们

把长沙海文做这件事情的时候就他的表现非常非常非常差哪怕是全世界最好的长沙海文公司非常非常差后来我们团队就意识到一个问题这不是因为长沙海文技术不够好而是他天然跟人的思考方式是违背的因为你临时在 10 秒内给他一堆新信息要让他完成很多很多层的抽象并且做出一个非常高效的决策而且用户又告诉他你必须马上给我我不会再等你三个小时在那算了

这是很反人类的很反人性的你无论把这个智力叠到什么程度我觉得这件事情都不可能除非你可能背后有一个 100 万台计算机的超级 AI 在那疯狂的算然后你把人可能几天可以做的一个角色至少几个小时可以做的一个角色压缩到 10 秒内但是谁会为一个个人的角色去付出这样的算命更何况今天我们并没有这样的集群对吧也没有这样的模型所以我觉得这件事情很不合理然后

我後來也從另外一本書裡面學到了一個很好的東西就是可能很多聽眾也聽過叫《刻意練習》《刻意練習》這整本書我看的是它的英文版它的整本書裡面就在提一個概念就是說人的所有的體驗本身沒有價值

真的没有价值你下一万盘棋十万盘棋都没有价值真正厉害的下棋的人是对你的这些记忆进行了一个抽象他抽象的那个东西叫做 mental representation 其实我们可以叫心智表征用中文来翻译而且这个心智表征你抽象的越深你的决策能力就越厉害你就是越厉害的一个棋手或者越厉害的一个主持人或者说是一个创业者或者投资家都是这样的而这个过程

是在日积月累的智力调整当中完成的所以回过头来讲长上下文它有一个预设就是它不希望改变模型的参数只通过临时的构建 KVCache 哪怕现在说长上下文很慢很费钱我觉得这都是次要问题

它的核心问题是你临时构建出来的 cache 不可能进行足够深度的推理使得这些 cache 里面构建出来的信息可以帮助你做一个很好的决策那你没有办法做很好的决策这个 AI 就是无用的 needle in his head 我不可能我给你 100 篇文章我的所有的详情都是问里面的某个数据是什么

对吧那就 AI 就很傻了稍微更复杂一点就不行了我们才有一个策略就是说为什么我不把这种需要大量算力的东西平摊在一个模型的训练过程这就是我们的点所以刚才说睡觉的时候去训练因为我有 8 个小时的时间去充分的理解消化你这一天的记忆里面的底层的东西并且和你过去的记忆去融合这时候你第二天早上起来 8:01

问他说我昨天学到了什么他一定不是说我把你的知识给列一下而是他真的利用好了这 8 个小时的时间做了很多的主动式推理主动式抽象然后当人再问他的时候他只是把这些学好的东西布给他而已这就 make sense 了对不对所以我就说

RAG 很适合 2B 我觉得不太适合 2C 对我刚刚就想说这个就是 2C 和 2B 的场景非常不一样就是 C 端是大量的碎片化对然后切没有人有意愿去整理没有人会说给自己整理这些东西而且因为它不可复用它只是

明明之中我问到又回到上面说 connecting the dots 明明之中可能是哪一些点但是没有人会为它花这个时间因为它的附用价值极低所以回过头来讲存算一体这个词我们可以稍微解释一下存算一体本质上是一个芯片的概念就是说人的大脑和现在的机器芯片不一样现在机器芯片只做计算或者说存储的计算是分开的但人的大脑其实存储的计算是一体的

我们这个 case 也是一样的你今天要的 AI 是基于他的记忆做出一种推理你看你既希望他存又希望他算然后你如果把它存和算分开你用一种非常脆弱的结构去连接它这件事情就没法做了因为我们之前有一期跟 ZS 那一期也聊了分工一般架构这个事情

但因为现在其实 Transformer 也好像你说 RAG 也好大家都还是基于架构在做的所以我觉得问题不在架构上问题是你到底怎么处理数据和计算的关系因为齐之前有一次内部的分享聊到的是一样逢都一曼过时了未来的 AI 的时代是不一样的那上期 Zedis 聊因为他也是从 2B2B 的角度去大家的视角不同有一些经典他可能在某些维度永远是经典对所以我觉得

对 2B 这件事情当然这个是我的行外的人的见解了我觉得 2B 最后也会走到存算一体的模型你想如果我可以为每一个人训练一个模型我怎么就不可以为每一个企业训练一个模型

其实现在 2B 可能正在努力在做的就是先让每一个企业有自己专属领域的知识 知识库或者说 NORAG 先做起来未来的事儿所有的企业 leader 都说能不能复刻一个我然后我就可以解脱或者说它其实复刻的是一个企业作为一个整体的生命体里面每一个销售在用的策略

每一个 HR 在用的策略 CEO 在做的决策其实可能都在这个大脑里面被学到

这可能说的比较远了 2B 可能大家需要的还真的就是我去抽象那些最佳饭食我不希望你太不可控但其实 C 端是因为不可控才有价值因为不可控才能有很多新的东西出现但对于企业组织来说大家希望的还是说我希望它稳中有序的往前走明白但回过头来讲我觉得 Aerognitive Memory 很简单第一是你尝试参数化它并且连续的持续的参数化它

就是一个动态的训练的过程第二其实就是拿时间换智力你用大量的时间在消化信息然后用了那一下其实已经积累了你在消化过程当中所有的学习到的东西

這也是我們說今天 2C 除了在陪伴上還能做出更大價值的事情其實大家相對不那麼樂觀也是因為它確實有很多很大的難題需要解決所以下一個問題我們聊一聊交互我們最近看到有一篇 JAS 的個人博客他是馬生理工計算機科學與人工智能實驗室的研究組的一個博士生他研究的方向是特定領域的視覺語言和人機交互

博客里边指出人们通常是这样看待 AI 的输入模型输出也就是 input model output 那这种模型思维的核心局限性在于它忽略了输入的来源和输出的去向是什么实际上这个过程更应该是人类

输入模型输出人类就是 Human input 第一步然后 model output 然后第二步第三步是 Human 即使我们假设一个完美的模型可以优化输入和输出之间的相关性但这个模型仍然在根本上受输入信息所包含内容的限制而输出的有用性也在根本上受到人类解释和使用它的能力的限制

也就是说不仅仅是塞进去更多的信息还要用一种让人类能够创造和理解这些信息的方式进行所以就是好多时候

跟沟通又很类似就是不是我们光说的足够多而且还得让他理解才是有效的沟通那文章还指出呢即使在不完美的模型下人际交互依然有着深远的作用甚至可以发挥更重要的作用我们可以把一个不完美的模型视为一个完美模型上加一些额外的噪音因此不完美模型下的人际交互问题与完美模型下的人际交互问题可能是一样的只是增加了让人类理解和处理模型中输出噪音的难度

他的观点呢不仅觉得有趣而且觉得有一定道理那其实人机交互人至少应该占据一半的因素不应该只是去以为追求所谓模型的强大即使模型什么都能做也需要人去做交互甚至在更加智能的时代人的主体性更应该被加强毕竟技术始终还是为人服务的那关于交互呢我们上次播客你也聊到你说这个纯 chatbot 实在是太无聊了

那另一方面呢人与人的交互好像也主要是依赖语言当然文字图像声音味道感受等等也很重要人际交互的方式其实也一直在发生着变化那最开始我们交互的方式是以这个鼠标键盘为主到逐渐变化成以触摸为主的移动交互到后来可能是以自然语言为主的人际交互这是我们之前就上一代人工智障时代经常聊到的 CUIConversational UI 对话式交互

新的大模型时代可能也不只是 CUI 但它一定是那种一旦用上就无法容忍过去的交互形式的一种交互就像乔布斯当年在施勒只看一眼就认定不幸界面交互是下一代的人交互方式 GUI 也一统江湖了很多年相信在打造 MeBot 的过程中你们也肯定花费了大量的精力在交互的问题上

所以也请陶伯站在今天的时间点来分享一下自己的经验和思考 AI 时代会出现 GUI 这种一统江湖的交互界面吗理想状态下的交互方式应该是怎么样的对

我觉得这个问题我来回答一下我的一个看法吧我觉得有两件事情是错的第一个就是纯对话第二个事情呢是 AI 一直站着你其实这两件事情本身是一个事当你进入到一段对话你就觉得你的注意力都得跟他在一起这就是我觉得今天 AI 交互最大的问题怎么解决它呢我觉得一个是我非常欣赏张小龙的产品观他说我们做微信啊应该是用完就走的今天我们跟 AI 聊天其实是有压力的

就是你发一个小小会他发一个小小你总觉得他像个人我得回答他所以我们在设计 mebot 的时候这个交互原则里面很重要的一个点就是它是一步对话是同步的嘛一步你做完你给完需求你就走你需要真的想回答了你再回头来看一下他帮你做了怎么样或者给你做了怎么样的连接你分享完记忆就走这个是一个很重要的点第二呢是 AI 因为具有一定的主动嘛我们在训练这个个人模型的时候就发现其实它有一定的预测能力

比如说我告诉他我今天下午要去北京我应该做什么他可能就会说你应该跟初海相对论去聊一聊或者你应该跟哪个投资人聊聊或者跟你一个哪个好朋友再聚一下

其实它具有一定的预测能力如果它具有一定的预测能力的时候其实它就可以变得很主动了你应该让人就过自己的生活不要老想着我要用这个产品它来给你一些提示说 OK 做这个事做那个事你可以选择不听但是我觉得它的主动是会让我们可以更大的从使用 AI 的这个过程当中释放出来然后第三

第三个点就是如果不是对话那是什么对吧就是一个是除了说我们现在是用一个叫记忆流的方式来塑造你跟这个他的见面他其实就是你的记忆了他就像一个水一样水流一样但是记忆流它只是一种一步的碎片的方法

当你真的有一个需求的时候你觉得是应该进入一个对话还是说他应该给你塑造一个场景他可能现场帮你把 UI 都设计好了其实很多行为你就不需要完全通过对话去发起

去说因为说还挺费劲的读也挺费劲的他应该结合很多传统 UI 里面的因素然后变成一个世界的一个生成就是 Sora 一直在说世界生成我觉得其实就是这样你 UI 也是可以被 AI 生成出来的他现场设计一个最合适的 UI 他要考虑看这个 UI 的人的用户的感受

对吧这时候你用户说有一个需求我还得打一大段字那多累啊对提出了非常的强大的要求他不仅要做对

还得做的让人用起来好所以这里面我觉得有一个新的模型我们内部曾经想做这个模型我们叫 Large Interface Model 就是来产生 interface 的但是我们后来你也知道 LIM 其实我认为有三个 LPM 是我们刚才讲的还有 LIM 其实还有一个 LAM 就是 Action

但是我觉得这些其实都是可能有不同的公司可以来探索的我们就先不做了但我相信这个会有人做出来 OK 那其实顺着交互的问题包括我们前面也聊过就是有关硬件的话题 AI 明星创业公司 Cohair 的 CEO 他也是这个时代周刊评的首届全球百大 AI 人物之一 Transformer 八子之一的这个 Adam Gomez

他曾经表示目前 AI 系统的能力终究是有限的因为并非所有的内容都是文本的形式它的原话是我们现在的模型确实是字面意义上的盲人这需要改变当然多么太交互如今不仅是共识 GPT-4 已经让我们看到了雏形和初步的想象空间 AI 时代离不开硬件的参与手机可能在很长一段时间内依然会占据主要地位

但在某些场景下手机可能是冗余甚至笨重的我听过之前那个魅族的营销 VP 然后怒喵的创始人李南他的一个说法就是说要从口袋里面掏出来的可能都干不过手机因此下一代的 AI 硬件应该是可穿戴设备比如说耳机眼镜项链等等其中耳机和眼镜是现在大热单品比如说咱们上次聊那个 Meta 和 Ribbon 联合推出的那个眼镜现在出货量已经超过 100 万台了

可传达设备的最大功能是多模态的交互这需要很多的传感器配合如果把人看成 AI 的话传感器主要在脸上因此离脸越近硬件的成功几率越高我们前面提到 Rewind 也在去年宣布品牌升级成 Limitless 并且推出了会议 AI 软件和可传达设备

一款智能吊坠以加强数据的隐私保护和跨平台的功能旨在发挥全面的 AI 助理功能虽然现在还是在预定状态但是也不失为一种尝试包括在早之前的 AI PIN 以及 RabbitOne 虽然在某种程度上已经被证伪但未来也不好说因为我看最近包括之前造假的 Magic Leap 今年初都融了一轮 5.9 亿美元的新融资

上次咱们其实也聊过就是 mebot 可能也在考虑和硬件厂商合作打造软硬体的个人模型产品想请陶伯在这分享一下你怎么看 AI 加硬件以及最适合 AI 硬件结合的产品形态可能长什么样子对我们是在探索

但还没有落地现在我们的应用更多的还是在手机和电脑端使用但我很看好智能硬件有几个原因我觉得一个最大的原因是手机它本质上是一个被动设备我们大部分人平时手机是放在口袋里的虽然它上面有那么多传感器有那么强的芯片但它像是一个随身服务器并不是一个我们说的真正的主动设备

我刚才提到 AI 要跟人共生它必须是一个主动设备才更好的来承载 AI 但是手机有非常好的点它的显示网络计算它的集成度极好就全世界我觉得人类几千万文明最好的设备就是手机这样的一台东西上面可以把最强的东西都集成进去所以人还是会带手机

所有尝试去做一种新形态的 AI phone 的人我认为都会死掉但是新的 AI 的主动设备我觉得会有很大的空间我现在看到的是几种形式眼镜耳机然后指环但是它就没有摄像头了然后可能还有 Pendant 两链大概就这几种看

刚好哪个我不知道我觉得这个是一个很有意思的问题我觉得哪个东西会成功最大的问题是 timing 什么时候隐私和价值的平衡做好了那么最好的平衡的东西它就会成功最终我觉得会是一个戴摄像头的眼镜或者说是某种贴在脸上的东西但现在很明显我觉得戴摄像头的东西

不可能成为大的 C 端产品日本虽然卖了一两百万台但是它是墨镜它在室外的是为了直播所以大家对这个场景是可以接受的但是真正每天跟你一起生活的 AI 我觉得现在很多人还无法接受它上面带一个摄像头还有一个点就是回过头来就是硬件这个大行业我不是做硬件的专家但我能感觉到在发生一个很底层的变化就是原来我们的所有的

产品应用都是云和手机云和端两个现在你相当于要把分析做得更精细一点云肯定是其中一部分对吧个人计算背后的最大的大靠山然后有一些模型和数据你可能希望有一个类似于边缘的设备这个边缘可能是你的一个家庭服务器可能是一个 NAS 然后这个边缘服务器上的东西 NAS 上的东西它会控制你的很多端

但是端向手机电脑它其实不是一直开着的它是一个刚才提到是一个被动设备那么可能你还会有一系列主动设备开车的时候车其实本身就是一个主动设备对吧它的杆子都是打开的然后你可能有一个眼镜或者一个最轻量的一个戒指它作为你更快的访问 AI 更好的去捕捉信息的一个工具所以你从原来的两极可能会变成四极

那你看就有创业的机会了而且是非常多的机会它不是说一个东西解决所有问题你刚才讲的时候我想到两个点一个是你说硬件因为硬件它需要你做硬件的人有 vision 因为硬件的周期可能 8~12 个月所以这个 timing 很重要是在于你能不能判断到

未来 8~12 个月 AI 技术会到什么阶段以及用户的行为变好如果错了那就完了第二个就是终极的设备可能是类似像你说脑机黑镜长这了然后它可以采集一些但这些其实都有点远了有点远但有很多在做眼镜耳机手环键链的公司

对对这个探秘是很重要的我们下一个话题其实聊聊组织啊因为我最近在看那个吉姆克林斯的卓越基因他还有两本书非常有名就是从优秀到卓越和基业长青他在这本书正式内容开始的时候就提到这个人才优于愿景相信创业者都对这个观点会有一些共鸣那关于组织和人才还有一段广为流传的张一鸣的话

他说市值高的公司是因为有好的利润好的利润是因为有好的收入好的收入对 2C 的公司来说是因为有很多的用户并且用户满意度高有很多用户且用户满意度高是因为有好的产品有好的产品的前提是因为有好的团队

有好的团队是因为你有好的文化和制度能够不断吸引好的人最有效的当然是从源头发力了我记得咱们上次播客聊到你在公开信中聊到新池宇宙存在的意义第一个就是做一家让员工有自由感创造感和美感的公司而且不卷当然你也在那期播客承认了自己做的并没有那么好尤其是在国内的创业环境事实上这个话题其实是听众反映比较热烈的话

有一个硅谷的朋友回国还跟我说过他听过你那期播客还专门和我探讨了这个话题所以我觉得这可能是一个大家共性关心的一个话题就如今你们在新加坡有总部然后海外市场然后有本地化团队包括在中国也有公司和团队想请陶伯聊聊就是去海外市场可以做到不卷了吗以及怎么看 AI 时代的组织变化的

我曾经以为 AI 时代的组织会很不一样但是我后来因为

又看了乔布斯的一些采访我发现其实他对组织思考和今天的人是一样的比如你刚才提到的,扎伊明这句话我觉得他可能受乔布斯的影响乔布斯在很早年的时候有一个采访说"If you get the top line right, the bottom line will follow"就是同样的意思就是把公司的文化搞对了把人招对了,把愿景给确立对了其实这是三大件:文化、人和愿景

那么你的产品一定会好你的销售一定会上去你的 go to market 已经做得很成功你的公司一定会赚钱这叫 bottom line 他们会自动的 follow 其实就是在说这个意思所以我觉得乔布斯真的是一个人人但我想要分享的是另外一个点我们曾经以为说今天的 AI 时代就像上次我们提到的让每个人有空间去创新然后我们总觉得好像几十年前的公司大家都是工具人资本主义

都是自上而下决定做什么的也许大部分公司是这样的但至少从乔布斯的演讲里面我觉得他有一个另外一段视频他说创新是在过程当中的这是在说什么呢就是很多人以为

我有一个超级牛逼的 idea 然后有超级强的执行这事一定能成这个是很多人认为的东西他说你一个 idea 的出现比方说我说我要做个人 AI 然后可能有一个执行力超强的团队和这件事情能成功去了十万八千里你必须有一句非常强的团队并且团队里面的每一个人都是创新者但他能接受你这个愿景然后他的创新发生在什么过程当中呢发生在你做的事

你做出来感受一下就发现这东西不对然后再调他说 process is the magic 而且这个东西你永远不可能提前规划好对这个事就很有意思说明苹果当时也是这么运作的对他一定要里面的人有创新的精神他在过程当中创新那今天 AI 不也是一样吗我们提一个新的概念要技术没技术要数据没数据要产品形态没产品形态要商业化没商业化就是

就是四五万那所有的 AI 公司今天都是这样有一些公司运气好一点有融资有一个四个都没那肯定是你把目标确定好了给每个人足够大的潜力他才能去做所以我就说其实我们还是在向那些伟大的灵魂伟大的思想学习就是他们几十年前想的东西我们今天再尝试再想一遍

然后用到我们今天的这个公司里面来我觉得可能就是最有效的然后我最近悟到了另外一个点就是关于卷不卷的话题这个话题我现在在公司里面都不敢提因为我一说人家就觉得你很虚伪但其实我们公司是卷的然后对外说不卷来了以后发音被骗了我写的是希望不卷对

我觉得卷在这个时代下没有办法除非你就是不想做一个很优秀的企业了但我后来发现其实员工或者说是每一个参与我们创业的人他想要的并不是说我想要一个不卷的地方那他第一天他就不会选择一家创业就别上班了对吧我就选择成长就得卷对我觉得是其实他想要一种快乐

然后呢我最近就发现我在企业内就我们公司内部就会经常提我也是受到我们新加入的一个合伙人的影响他比我年长很多他每次跟我聊天说我们要捍卫

他比我成功很多很多他就说大家做事情一定要有快乐然后我就学着他跟大家说也许我们的压力很大我们这个是挑战很大但最重要的是要 have fun 因为你只有 have fun 了你这过程你才是享受了你才能创新过程创新了你看事情就能做出来所以我觉得卷其实可能不是最本质的卷是一个企业发展阶段的一个问题早在阶段你可能就必须卷

長期之後你的業務穩定的可能也沒有必要亂捲我是很反對這種沒必要的捲但是從第一天開始到最後一天要關注大家是不是把做的這個事情當做一個遊樂場是不是在過程當中能夠享受到快樂

然后我就发现其实真的只是需要你说一下说我做这件事情其实是为了 Half-Fun 至少 Half-Fun 是很重要的一个目的很多人他的压力就会被释放出来真的可以以一个更好的心态去面对工作包括我自己我也提醒我自己 Half-Fun 这么大压力干嘛融资融不到商业化没方向是 是的难道这就可以说明你是一个失败的人吗是因为你在探索一片全世界没有人探索过的零跌这多有趣的一件事情

失败了又能怎么样呢难道你会被推到沙头台上就是你生命有没有危险对不对所以看范这是我现在最新的组织思考它应该是一个游乐场我觉得这个其实也是看你怎么去定义这个范比如说从刚才你的表达你的定义是或你们的价值观的定义可能是说探索对我们对于未知的探索对于未来的探索去一个新的领域的探索这叫范对啊

那有些犯的可能说我天天躺着刷剧是一种犯那这可能又回到说我们对于价值观的定义是但既然他参与创业他肯定已经不是躺在沙发上了只是说很多人参与了创业他又受不了这个过程当中带来的这种无论是工作强度还是压力或者其实更大的是什么呢

是对于不确定性的恐惧我觉得你刚刚说的那个是大家的一些原因但我自己觉得还有一个就是他们其实卷不卷是想要有一个自我的掌控感然后有一种自由感接下来这个话题有点飞了我们就聊聊 AGI 就你跟陆永仁其实也说 AGI 就无论是伊利亚他关于人鱼和马鱼的

比喻还是 Sam Altman 说的 AGI 能够自主研发出人类无法研发出的科学知识比世界上所有人加起来都聪明又或者是 OpenAI 描述的 AGI 是一个高度自制的系统在最具经济价值的工作中的能力胜过人类通常是比人类更聪明的人工智能系统这些描述代表了某种技术理想但也都在放大 AI 和人类的距离就让我不禁想到那个经典的科幻电影中的一些角色比如说《终结者》中的天网

2001 太空漫游中的 HAL900 黑客帝国中的矩阵等等但是这些真的是不是有可能发生呢或者说 AGI 这个问题真的那么重要吗我其实印象很深的是和韦青老师那期播客韦青老师他在我旁边他问说人到底要什么我觉得这个对我来说是非常震龙发聩的

而且我觉得这个问题可能是比 AGI 是什么更加重要的一个问题我发现在这个问题上你似乎和那些我觉得有点激进的技术理想主义者思考的角度有一些不一样有一次采访中我看你说 AGI 首先要是安全的很多人对 AI 安全的担忧特指 AI 决策会不会伤害到人类但这里面他们其实做了一个假设就是认为有一天 AI 会独立存在

而你认为就是你刚才其实也说 AI 最好不要完全独立每一个 AI 必须隶属于某一个真实的人或者真实的组织不能凭空存在不能有独立的利益那很危险在权责方面一定要有一个所有权链路可以追踪到每个 AI 然后你还说到呢

对你来说 AI 剥夺工作并不是最让你感到害怕的事情你也不是很担心 AI 会杀了你你担心的是它的出现会让你变成一个只需要听他话的人这个事情在推荐的算法出现之后就已经很严重了而且你担心 AGI 会让这个情况进一步恶化

然后你们希望它作为一种技术能够把人解放出来让人有更多的精神自由但也许会适得其反这种风险甚至都不需要 AI 觉醒自我意识只要 AI 足够强大就已经能让人类去依赖它服从它了虽然我觉得 AGI 话题可能没那么重要但如果我们要聊的话也想请陶伯站在一个兼具技术和哲学思维的思考者的这个角度分享一下就是我们到底需要怎么样的 AGI

对这个问题其实对我来讲我是不多的真的想要去回答自己的那些人虽然他可能离我们现在还很遥远我们在 AI 领域有一个很有名的叫阿希莫夫三定律我倒也没有像他那样去思考因为他考虑的还是安全问题其实由我自己认为我觉得 AGI 应该具有的三种特质

我觉得这三种特质其实比那个更广义一点你也可以简单来讲就是不害臊的说这是我的三定律也可以你逃过三定律逃的三定律因为我确实想这个东西比较多其实三个关键词第一个叫做超级爱对齐因为去年刚好

我也写了一篇文章叫做十万家的这篇文章对有效加速主义和超级爱对齐其实我是第一个提超级爱对齐这个概念的人就是说我认为超级对齐的目的应该是从根子上去让 AI 具有对人类的爱这个我觉得是在模型训练的时候就要解决掉的这是第一个点我觉得很重要当然我们也会去做我相信很多公司也会在做第二个点很重要的其实你已经帮我讲了

就是我认为 AI 应该跟人有关一方面是为了让他更受控第二方面其实是我提的一个词叫做多样性的人工智能

它不应该是一个超极智能它应该是反映每个人不同的意志这就是为什么我们要去做个人模型背后的一个很深层次的原因只有多样性我们才是群体层面我可以控制它不会被某个单一的实体给利用了甚至去滥用它来威胁到整个人类的利益这是第二个第三个其实我当时那篇文章里面我也提到了我当时说的更直接

我说科技创造了一堆鸦片虽然短视频也好推荐系统也好因为我以前就是做推荐系统他创造了一些人去获得的新的信息但最终我觉得他对人的精神是附大于正的所以我为什么很关心我们那个产品他给人的感受是什么当他给我的感受是 mindful 的时候我就觉得非常非常的开心因为我觉得我没有背叛我自己什么东西能让你感到

身心很舒畅 Elon Musk 有一个说法说你用完一个 app 花两个小时你用完是觉得你后悔我花了这两个小时还是我用完觉得我好值我花了这两个小时这就是判断它到底是鸦片还是一个好东西的差别什么是好东西干净的水清新的空气

所以我说我们不要做鸦片我们能不能做的一个东西是像森林一样你沉浸其中的时候是那种很愉悦很愉悦的感觉它不是为了占据你的注意力它是给你增加了你的注意力你觉得你的注意力变得更 sharp 你觉得你的思维更清晰了你觉得你有更多的脑力来思考问题来感受你的生活了我觉得那就是我想要的东西这就是这三点好

我觉得你的第二点我特别认同就我们大概大半年之前我在美国时候另外一个就微软的大会上和另外一个人在聊的就是类似这个观点我觉得就也是多样性人工它应该是一个生态系统大家必须有制衡如果没有制衡如果有唯一的一种声音那在很多时候就包括这种制度啊各种事一定是要有这两种声音的各种辩驳最少两种声音多种那太多也不太好

多种声音这样的互相的去变就真理越变越轻然后才能让它以更健康的方向去发展最后一个话题啊就我觉得就更飞了 12 年前的音剧《黑镜》它的第一季第三集就是最后一集你的全部历史中曾经描绘过这样一个场景借助一种全光谱记忆技术呢人们可以通过一款被称为记忆力的产品对眼睛所见的一切进行录像并且随时能够回放

备份呢最长可存储 30 年如今我们看这个产品似乎觉得并不是那么遥不可及的而且假如每个人的记忆可以存储 30 年的话那理论上就可以存储一个人一生的记忆我突然想起来微软出了一个抄袭 reward 的一个产品叫 recall 下架了然后 Elon Musk 就发了一个 X 就说他

它就是推进的这个东西非常的可怕非常的糟糕对不应该有那样的东西但是呢就是如今啊类似 mebot 包括刚才提到的像 re1 这类产品其实

有一些相似的地方通过尽可能全面的记录和存储人的记忆打造出一个和人拥有相同记忆甚至加强版的一个智能体或者说打造出你提的这个概念叫 Second Me 我觉得这个很酷而我们知道在不断电的情况下 AI 是没有人类寿命的限制的

包括现在有越来越多类似 AI 复活亲人的案例出现以及脑机接口等技术也在不断的发展所以虽然非能但我们最后还是回到这个 me 报这个产品先逃脖了自己观点就是 AI Native Memory 打造出的 Second Me 有可能让人实现数字永生吗然后这意味着什么这个问题确实很非

我的观点是这样的很简单因为我是一个人类中心主义者就是我认为一切以人为中心而且以个体的人为中心可是你说的具体的人对应该以具体的人为中心所以从这个点上来讲一个是他太独立我觉得是有问题的你所谓创造 Second Me 一定不是你就不用活了让 Second Me 去活

他一定是你的一个 shadow 他是跟着你的他给你必要的时候帮一下你他不能替你做很多重要的选择和决策这个是第一点第二你都已经挂了你人类中心主义那你拥有的所有东西就应该挂掉对吧因为他都是你的一部分了我就觉得他应该挂掉所以我就觉得千万不要数字勇士因为我觉得大自然最

最伟大的发明就是死亡没有死亡人类真的不会有文明现在其实我觉得很多亲人复生这个时候当然短期内我觉得有的人确实有这种情感需求但长期他可能如果他再往前走一点我觉得可能会让这个社会的伦理道德发生一些错位然后我们这个社会可能没有准备好这种东西人其实是不会死的或者说体感上是不会死的

这就已经是一个很大的冲击了我希望这个事不要发生我们不要去对抗死亡我觉得《十目环境》里边就有一个段就是人的死亡分为几段真的肉体的死亡

到現在被遺忘的死亡才是真的死亡實際上可能其實也要接受這種持續的被遺忘因為這個世界不管是募望嘛就不停的募望一定要往前而且也太擁擠了也放不下那麼多的東西不管是數字化的還是非數字化的行啊那最後就請陶伯總結一下然後也表達一下看有沒有什麼想補充的

没有什么想补充的因为你给我留了一句结语我就写了一句话我想了一会儿了这句话就是现在对我来讲最大的感触是下面这句话人生本身是一个游乐场首先你要确定好你想玩的游戏第二呢是怀着爱意去玩这个游戏

我觉得这是最好的状态好啊那今天感谢陶伯非常有意思的分享然后有的是非常 sharp 但是都是非常真实然后有洞察力的一些观点然后如果大家觉得有意思欢迎分享给自己的一到两位朋友欢迎大家在苹果 podcast 小宇宙 Spotify 喜马拉雅订阅和收听富尔相对论也欢迎大家把自己想法评论在这个小宇宙的评论区感谢大家的收听我们这期就到这边大家拜拜

拜拜

如果你还没找到,就继续看,不要结束。因为心里的一切,你会知道当你找到。就像任何一个很好的关系,就越来越好,就像过去一辈子。所以继续看,不要结束。第三个故事是关于死亡。我十七岁的时候,我写了一个词,像是这样的:"如果你每天都生活得像是最后一天,有一天你肯定会对的。"

它給我印象很深刻, 而自那時候, 過去 33 年,我每一天都在鏡子上問自己:如果今天是我生命最後一天, 我會做我正在做的事嗎?當答案是"不", 太多天了, 我知道我必須改變一些事。記憶我將要死的一天, 是我遇到最重要的方法, 幫助我做出我生命最大的選擇。因為幾乎所有事情,

所有外界的期望所有的自信所有的害怕 害怕 失望這些東西都會在死亡面前消失只會留下最重要的東西記住你會死去的事情是我最清楚的方法去避免你會失去的事情沒有人想要死去甚至有些人想要去天上但他們不想死去而死亡是我們所有人共同的目的

No one has ever escaped itAnd that is as it should beBecause death is very likely the single best invention of lifeIt's life's change agentIt clears out the old to make way for the newRight now the new is youYour time is limitedSo don't waste it living someone else's lifeDon't be trapped by dogmaWhich is living with the results of other people's thinkingDon't let the noise of others' opinionsdrown out your own inner voice

而且最重要的是,他們有勇氣跟隨你的心和意識他們已經知道你真正想成為的人了所有其他東西都是第二種的