Shownotes Transcript
我觉得从脑机接口因为我们对大脑的了解非常非常的少
就是说 AI 其实在这里边扮演一个很重要的角色可以通过大量的训练来去解决整个的脑部的信息和它所带来的动作和意念的解码但是问题来了原来的数据在哪里说其实本身来讲的话这就是先有鸡还有先有蛋的问题我们比美国差什么我们其实现在不比它差什么除了我们买不到英伟达的卡
这是一个时间差的问题在算法上我们和美国甚至全球现在用的都是差不多的一套架构在算力上其实就是去堆制裁中心去建更多的加速卡这一点上的话中国也不比美国差大家也知道在整个运维过程中间实际上对人的依赖有很大程度是依赖于中国的低成本的工程师他是有人口红利的但这种红利在国内乃至国外其实都在不断的消失蜕变
那么这个时候的这种 AI 的引入实际上恰恰是补缺了工程师的这种训练路径它会使得一个很复杂的事物可能所依赖的人员的素养可以降低到一个很低的水平人数可以降低到可能十倍以上的这种缩小我们现在都在谈第四次革命第四革命无庸置疑就是人工智能的这个革命对这项技术的潜力呢其实无论是国内还国外大家都是充满期待的
今天其实我们也很荣幸能够邀请到在座的四位企业家来分享一下他们对 AI 这件事情是怎么看的首先就能不能请各位分别介绍一下自己的企业那我们从杨总开始我是勤创科技的创始人我叫杨成勤创科技呢是 16 年成立的我们是专注于利用企业在业务运行中间的运维数据利用 AI 去处理这些数据达到一个什么效果呢就是
大家都知道企业的业务很多都依赖于信息技术的这些基础设施那一旦业务因为信息技术的设备或者软硬件的问题造成影响的话其实它的损失非常大的那么如何更好的利用这些数据用智能化的方式帮助它分析这个故障发生的成因能够尽快的消灭故障与萌芽之间这个就是我们产品的价值
所以这个细分的领域我们把它叫做智能用为 AI Ops 我们现在是应该国内最大的在这个细分领域的头部企业谢谢大家
我是异形智能的生态负责人田松我们公司是负责解决通用的 AI 计算的问题现在其实市面上很多互联网厂商或者大模型的厂商很难买到英伟达的训练卡我们国内其实好多企业从几年前开始做迅退一体的卡
现在基本上推理的卡已经能够使用并且能够集群化但是训练还没有能够达到一个能够替代英伟达的程度所以我们公司主要是去解决训推议题以及大集群在 MFU 表现上能够达到英伟达替代的高度的一个产品大家好我是福利业的曾翔福利业是一家以智能康复起家目前是以人性机器人作为战略方向的人工智能企业
福利亚是在 2019 年开始做人机机器人在去年的时候是率先推出人机机器人 GA1 并且率先实现量产当时在整个的一个技术跟制造的能力上面达到一个全球领先所以引起行业轰动福利亚的整个人机机器人技术还在持续进化应该在今天福利亚就会发布第二代人机机器人 GA2 也敬请大家期待大家好我是来自杭州佳良医疗科技项公司的李欧曹鹏
江洋医疗是一家专注于神经外科和脑科学的一家医疗器械的公司我们其实主要是解决一些功能神经疾病像癫痫呀帕金森呀包括像抑郁症等等这类这种脑功能障碍的这种疾病的治疗我们主要用一些这种比较先进的技术像通过这种脑机接口的技术来去去应用在我们的神经调控这种设备上
让大家进行脑部信息的交互去更加智能化的去治疗这个性化的治疗我们脑功能障碍的一些患者家园医疗做的第一个基于脑机接口技术的闭环神经刺激器用于治疗难知性癫痫的产品应该是我们全亚洲的第一个产品现在也是国内进展最快的一个产品
我们也希望把这些新的技术能尽快应用到跟传统的这种医疗器械的结合让更多的患者来受益谢谢四位嘉宾其实 AI 其实是一个很泛化的一个话题其实如果我们这个主题叫做原子与数字论坛那其实从原子层面我们会讲到一些硬件以及一些底层的一些技术比如说刚刚像田总提到的他们所从事的晶片铃
那也像曾博和曹博提到的现在比较火的两个大的硬件方面的话题一个就是通用的人形机器人另外就是脑机接口今天其实也想听听各位做 AI 这件事情或者是说把 AI 融入各自的业务中的这件事情真的在当下是赚钱的吗
杨总这是运维这件事情把 AI 引入但咱们一开始其实就是智能运维的这个概念那从智能再到 AI 这中间是不是有一些什么变化对我们的业务有没有一些什么影响呢先回答我怎么理解 AI 和赚钱的关系首先我觉得所有的 AI 领域都遵循这样的一个规律它肯定因为先在技术门槛上它是相对高的所以它一定是有一个相对长的高投入的阶段的
但是本质我觉得在任何一个场景上的 AI 它其实源自于说它是颠覆这个行业的传统大家认知的一个效率水平的比如说以我所供职的运维管理的这个行业以前其实大量依赖于人类经验那人类经验在整个的运维的排账分析过程中间它必然是碎片化的
而且这种碎片化的经验的依赖肯定效率是比较低的但是可能在过往的 30 年甚至于 50 年当中在这个领域一直是这样做传统的工具也主要是解决发现问题的问题对于分析判断主要还是依赖于经验判断
那么 AI 的引入它最大的得益之处是在于说它不仅是去替代一种传统的工具更多的是说它使得这个行业的对效率的平均水平可以大幅度的提升那大家也知道在整个运维过程中间实际上对人的依赖有很大程度是依赖于中国的低成本的工程师它是有人口红利的但这种红利在国内乃至国外其实都在不断的消失蜕变
那么这个时候的这种 AI 的引入实际上恰恰是补缺了工程师的这种训练路径它会使得一个很复杂的事物可能所依赖的人员的素养可以降低到一个很低的水平人数可以降低到可能十倍以上的这种缩小所以它对于整个行业的这种颠覆性的创新的力度是我觉得推动还是非常大的我认为任何一个事情谈赚钱首先要看它贡献的价值到底有多大
所以如果就这个细分领域在这个场景价值上我认为它必然是盈利可观的这是我的一个认知明白 谢谢杨总
想请问一下田总,其实第一波 AI 最赚钱的应该就是目前的整体的基建基础设施,那从服务器,从大的从服务器端数据中心再到小的从芯片端,其实从全球来看其实是属于当下非常热的这样的一个领域了,那也想听听田总国内的 AI 的一些相关的一些芯片这件事情什么时候会赚钱,以及跟国外的这些公司比,大概的优势是在哪里?
我们回答不了什么时候能赚钱但是我们能回答这个事情能赚钱那为什么这个事情能赚钱是因为像刚刚杨总提到的它其实基于需求如果有人需要使用 AI 的这个功能这个服务那他一定就是赚钱的那至于它的付费逻辑以及未来需要的整个使用量现在其实还是一个比较模糊的状态因为需求和产品还在对接
还在打磨所以最近昨天云气大会请到的两位中网嘉宾杰瑞星成的蒋总还有这个月之暗面的这个对杨总他们其实讨论的更多的是当 AGI 在未来 18 个月里面能够达到一个颠覆性的升级的时候那市场上对于 AI 的需求可能和我们现在的认知会有很大的不同
所以会高好几个数量级对 这是其一其二是我们能看到这个 AI 它其实有三个要素最重要的就是算力 算法和数据那么能够同时兼具这三者的全世界现在其实只有中国和美国那么它就不是一个简单的市场竞争它其实会涉及到国家安全
那也就是为什么中国现在要花那么大的力气去做国家基建去在各个地方布计算中心所以它不是一个简单的产品的问题明白 谢谢田总也想请教一下曾博因为通用人形机器人目前的应用领域很多在一些领域比如说在一些垂内的一些领域比如说在汽车的工厂啊
在一些特定的专用知识库的层面他可能能够取代人那还有在一些比如说在家庭的康复啊或者一些其他的一些陪伴啊这些领域可能目前离商业化是不是还会有一些距离那其实这里有很多的这个疑问也想请教一下你谢谢叶总首先给一个肯定答案就是肯定赚钱的
其实一个技术或一个产品它是不是赚钱并且长期赚钱主要还取决于两个因素第一个就是这个技术跟产品的用还有市场需求是不足够广那么人型机器人它的典型的特点是它通过模仿人的治理跟模仿人的行为就包括大脑小脑跟本体能够实现高度的去代替人的工作所以从整个市场来说就对这块应用需求是非常大的那人机器人其实看
它看起来很乐但其实时间并不长因为去年才有第一代的全球的产品那其实仅仅在这大半年的时间里呢能源机器人已经在民兵接待这种商用场景还有在工业场景还有在相关的医疗康复场景已经开始比较好应用甚至已经开始有收入了所以其实假以时日的话它的整个的需求的场景是非常大的我们也是坚定的相信这一点
第二个技术或者产品是不是赚钱很重要一个点是它的成本是不是能够持续降低这个也非常重要因为高科技开始肯定都是贵的其实从人型机器人的整个发展来说它的科研成本还有制造成本都是会持续降低的从科研成本来讲因为人型机器人它的技术路线是通过人的数据去补育这个大模型然后使得这个人型机器人可以学会
人的这个动作这跟以往的机械不一样以往机械更多是预编程或者说我改变一下我就要重新再设计那这个呈现了什么科研成本逐渐在降低你随着数据库的增加你随着整个的一个学习的增加它不用再重复学的就很像人小时候可能学习用筷子要学好久但后来你去调用这个用筷子这个动作呢
很快就会这个能量很小而且跟人不一样人形机器人它的这个动作库它从这个机器人转移到另外一个机器人它就像考一个程序一样的是很便宜的所以大家看到科研成本随着数据库的增加还有它的训练增加会逐渐降低这是第一个点第二个点呢就是制造业的成本的降低这个会非常像电动车还有其他相关的手机这样的一个过程那随着一个应用场景的程度打开它成为一个标准商品的话嗯
随着这个市场的一个扩大产线的上限它的成本也可以降低得非常快所以科研跟制造业成本的一个规律使得它就是一个逐渐降低的成本降低的一个产业当然不可否认作为一个高科技企业产业和产品使的话整个科研投入是高的所以其实这一点呢作为人资金监产业是非常需要资本的耐心跟持续的投入那也想请教一下曹博
我们可能聊得更细一些就是脑机接口现在的商业化进展到什么阶段了其实我觉得脑机接口原来其实本身是一个非常小的一个赛道我觉得感谢 Elon MuskElon Musk 把我们所有的今天讲的主题全部连在一起什么心电 AI 包括脑机接口脑机接口的定义其实它是把脑的通路的信号通过脑机接口的设备把它传递出来
把我们的脑电信号传递出来有两个方向一个是通过这些脑电的分析解码来去进行一些对外界的一些控制另外一种是呢它呢可以通过信息的解码呢再去反向去进行自己大脑的控制我们叫做脑控所以说这个东西我们脑机接口就分为叫脑控和控脑首先来讲的话为什么其实脑机接口本身它其实是来最早的时候它是一个高科技的东西它不属于医疗器械为什么
因为他可以做很多比如说 Elon Musk 现在植入的第一个病人的话都是玩游戏谈见人玩游戏他其实严格意义上不属于医疗器械
但是它最大的一个特征在于我要把这个产品要植到大脑里边只要是跟人的身体接触和打交道的时候把它自然就归到了这一类型里边了所以它进展就会比较慢它受到了医疗器械的监管所以说最近的几年的发展来讲的话我觉得从脑机接口的最早的原型来讲的话它其实是想去通过对大脑的信号的解码做一些分析是初步的因为我们对大脑的了解非常非常的少
所以他的整个的脑部的信息和他所带来的动作和意念的解码其实都是一个非常模糊的状态所以说 AI 其实在这里边扮演一个很重要的角色过去我们通过的范式比如说 BCI2000 等等我们有限的一些曾经的一些研究完了解到了一些固定的靶区它的一些信号的一些特征 AI 过来以后的话其实可以通过大量的训练来去解决的这个相当于它的一个解码的问题但是问题来了原来的数据在哪里
说其实本身来讲的话这就是先有鸡还有先有蛋的问题其实现在来讲的话对我们最大的挑战我们现在没有大量的脑部的数据和它对应的我们的训练机所以说第一步呢是我们先装一个能把大脑导出来的芯片先把它装进去再去获得大量的信号再去跟它去做训练所以我们现在才做了第一步 Aeromark 做第一步把这个芯片装进去
做了初步的选择所以说它现在你比如说玩一些游戏它一些运动的一些解码或者是一些我们的这个它还是个运动控制运动想象控制的一些初步的解码但它离后边的科技的未来大规模应用还离得比较远这是第一步第二步其实是往医疗去走就是治病那这个时候呢是相当于把脑机接口的技术的应用在传统的医疗器械上面去它就是归到了医疗器械的范畴
像我们做的就是我们其实开发了一款叫脑起勃起
像癫痫亚帕金森我们是让它去通过控脑来去治疗我们的疾病就在特定的靶区脑部的这个靶区通过电刺激来去进行干预如果说癫痫发作了我们就可以给它去把它终止掉包括帕金森不是说手在抖吗我们可以让它终止到这种震颤但过去的这些产品都是单向性的因为我不知道大脑发生了什么我固定告诉它每三分钟刺激一次每三分钟刺激类似这样的状态
但是把脑机接口的技术应用在里面去说我们实时可以了解到他脑部的变化这个时候我们通过这些学习包括去了解他的特征通过这种乃至我觉得人工智能的方式进行解码以后我们去寻找到他发生的这些疾病的一些特征我们给他采取个性化的精准的这种治疗
这是相当于是在传统的医疗器械方面做的一个迭代这又变成了一个脑机接口的技术应用在传统医疗器械上的一个特征所以说呢整个脑机接口的发展呢在医疗器械方面的进展呢是稍微超相当于速度是快一些的它把技术运用在产品上这是近几年最快的一个特征
但是如果它是往科技比如说意念控制很多东西的时候它其实是包括对情感的理解等等这些东西的话它其实还是一个比较初步的阶段所以这个阶段其实还是一个基础设施阶段所以你看到在市面上很多的公司去做创业的公司多数人是包括做一些柔性的电机高密度电机
它的这些高通道高通量的芯片还有它这些可采集的一些设备这变成了这是第一步了它其实跟着人工智能在走它其实是很早期的一个状态大概是这样谢谢曹博刚刚其实曹博也讲到了技术设施和在某个方面的一些应用我也想这个
听一听森博的一些建议您刚也提到了福利业我们最早是做医疗康复机器人后来我们开始做巨神智能这件事情目前国内您觉得您的竞争对手情况是怎么样我们的竞争优势是什么当然我先下一个大的结论因为国内无论有很多做巨神智能的这些创业公司有新四小龙但我知道福利业是唯一一家被习大大开过光的公司
谢谢叶总特别今年以来其实非常多的人性机器人企业涌现整个市场的竞争可以说是个拙乐的状态其实富力对这个情况我们反而是非常冷静也感到有些兴奋因为这将更加坚定我们战略的选择因为其实我们做人性机器人已经非常久了做人工智能更久那其实之前这是一个难得的有大量的资本包括大咖包括更多的技术人才进入到这个领域的阶段
不管来说对行业来说还是对企业来说都是一个非常好的一个机会啊
那么弗利叶当时选择人形机器人是 19 年就选择了那其实是来自于一个来自于一个理想跟相信的初心同时也基于对产业的一个理性的未来的一个相信我们知道人机器人之所以火它不是一个一朝一夕的事情而是这个技术跟产业后继勃发到了这个 timing 最基本的一个点就是大模型技术跟人形机器人的硬件技术同时成熟因为如果这个技术单独一个成熟的话它是不会
会有很大作用的大模型成熟使得机器人有可能聪明人形机器人成熟时它有很好的一个执行能力所以这些就是一个产业跟行业水到渠成一个发展的结果人形机器人的产品跟企业之所以强它不是说会出一个功能或者一个单独的创新点去成立的因为人形机器人它是一个商业化的产品
它是需要第一个非常强的一个智能的人工智能技术同时还有非常好的一个行动能力同时还说能够持续让用户满意已经有很好的应用场景当然还包括其他的全身的访人设计机器人和人机能企业要强
它其实是在全站的技术能力还有在一个量产的能力就是有没有制造业跟供应链管理能力第三个你是不是有很好的一个应用跟消费者让用户持续满意的能力这三个能力要持续要强所以我们是坚定相信在一点
但坦白来讲如果做到在技术在制造还有在应用上面都强的企业其实放眼全球也没有几家其实我们目前是掌握了一个全站的技术能力同时持续在应用上面在量产能力上做突破所以这一点我们是非常坚定地往这方向在走没有信心一直在这个领域保持领先谢谢曾博也想请教一下田总因为芯片行业其实挺卷的其实我其实就想很好奇就想请教您
我们跟国内的我们的友商和竞争对手比我们的优势是在哪里目前国内的竞争态势大概是怎么样子国内做 AI 芯片现在其实刚刚也提到基本还在一个只能去实现推理的
其实是因为架构的原因因为我们国内很多做 GPU 或者做 NPU 的公司包括华为他们的架构其实都在 16 17 年的时候去定的但我们知道 Transformer 这个大模型其实是 23 年才火起来的所以它本身在这个架构上并不是直接适用 Transformer 那它就需要做很多的资源的置换才能够去实现相应的功能
我们公司在相对来说三年现在是第三年时间我们招了很多友商也好或者是从互联网厂上做过大芯片有很多采坑经验的前辈我们去设计了一个很接近 Transformer 它的使用效率的一个框架由此去实现训练和推理
英伟达其实在这个行业里面啊他做 GPU 已经 20 多年了那他本身去使用啊他的加速器用他的这个架构去实现 transformer 其实很多会有能源损耗啊英伟达其实他也在迭代自己的架构啊他明年就会发布一个我们可能很多人知道 Kuda 啊但是 Kuda 他现在自己也想要把它迭代掉啊
所以我们能看到未来当国产的芯片厂能够去做推理的,做训练的时候,做训推议题的时候,那就是我们国产芯片值得期待的时候。明白,谢谢田总。杨总刚刚提到,勤创其实是国内目前规模最大的智能运维软件公司企业了,那也想听听杨总跟我们的友商比,或者是跟我们同业比,我们最大的优势是在哪?
我们是 16 年创办的,实际上早于 Gadai 宣布这个赛道出现,已先大概将近一年时间。那我觉得我们和所有在这个领域中间的运维软件的厂商最不一样的是在于说,一开始的初心和解题思路是有根本性区别的。
从 17 年这个赛道被宣布到 2020 年之间其实从国外到国内涌出了很多的做智能游围的团队应该从背景上来讲有两类一类就是以算法背景出称的主要是有高效背景的
包括清华北大包括复旦交大都有相应的一些团队但也有一些国际性的一些企业出身的包括像我自己就是在全球最大的原油管理软件公司 BMC 共持的那这也有一波那我觉得我们团队最后胜出的最终根本的原因是因为我们是一个算法和行业 know how 行业知识背景比较融合性的这样的一个团队我们意识到其实刚才我发现曹博士讲的和我们这个行业其实是异曲同工
因为大家去想我们服务的一定是企业而且一定是属于在运维工作领域投入比较大的一些中大规模企业
这些企业就相当于一个一个的人他其实也缺乏这样的一个脑机接口他需要一个数字的一个基础设施先能够把你是要把脑波信号收拢到一个部件上我们是需要把企业的这些杂乱无章的运维数据首先要让他建立这样的一个习惯说我能够融合的把它放在一个平台上
所以我们的解题思路是先要让他有这样一个数字基础设施然后才考虑根据不同的场景引入什么算法而大多数算法偏好型的团队一开始就想力图用算法解决一切这当中的复杂问题运维的排占分析跟医疗方面的治病是有予取同工的他在数据中间最需要的一个东西是故障的样本
也就是病人你只有生病的时候才能诊断对不对没有病的时候你其实没有病照无法去判断而故障的样本本身在任何一个企业它不可能是一个很大量的数据它是一个稀缺样本
所以如果你没有这样的一个数据基础设施能够及时准确的捕捉到这些数据样本存留这些样本分析这些样本你是没有办法真正在上面建立 AI 的力量的所以这是秦创在战略上在产品的解题思路上和友商最大的不同
那当然经过了可能一时短期的时候这个竞争是很卷的就甚少情成上的一种因为热度推动大家去相信一些可能实际是不可能企及的一些目标但是这个时间是大家的朋友的是你真金不怕火炼你经过时间推移大概两三年之后这些能够做成的事情就会效果越来越好
而遥不可及的一些看上去过度理想主义的一些解决思路就会在实际的生产过程中间败给时间所以这是我觉得从 22 年以后逐渐这个领域就更加清晰到今天其实我们可以说是在这个细分领域中间绝对头部的起而且因为通过将近八年时间的积累在算法的模型测包括故障样本测包括平台的一些数据处理技术测都积累了比较好的一些优势
那么这些优势又可以防止说因为今天我们的竞争对手已经不再是这些算法领域或者说是奔着智能方向来的而是传统的一些运维管理公司感觉到这块产品的这个可行性和未来的盈利空间比较大所以大家也往这个方向去靠但这个时候你就会发现前期的积累包括在数据层面和算法层面的积累就形成了比较深的一个互衬盒
基本上是这么一个逻辑今天我们面临的是国内的软件行业普遍性的一种低迷情况但是我认为时间是非常重要的一个东西如果在一个细分领域中间它能够持续创造价值无论资本市场的低迷还是蓬勃其实不会影响这件事情的本质
而且它有个好处就是在预冷的时候呢没有太多过度理想主义的公司会获得不断的投资所以存量博弈中间能够出现一种叫胜者为王的迹象所以这个是我觉得往往危险中酝酿着一些重大机会的原因我大概这样理解竞争态势谢谢
生意的本质还是要能够保持一颗初心一直坚持话筒我们回到曹博这边刚刚您也提到市面上有很多做脑机接口的公司有的是做基础的有的还是往医疗领域的那我的问题是哪方面的公司会更多呢国内另外的话跟其他的公司相比咱们的优势是在哪里我刚才其实接着刚才的话题来讲的话其实脑机接口在科技部分来讲的话它是属于初步的阶段
就是说这些公司多数处于这种在做一些基础设施建设我们包括电气等等
但这个里边最大的问题来自于就是说当这个行业还未成熟的时候这些公司的这种实际的变现啊会有点困难有导致其实你知道国内最大的困难来自于在资本市场比较热的时候都能拿到融资还活着就烧钱但是主务后边烧完以后的话发现客户还没建立起来也没有找到一个可行的一个变现渠道的时候就比较困难说这类企业呢我觉得可能是先驱啊
多数都是一些知名高校党化出来 spin off 的一些公司但是更加稳妥的一个逻辑是原来传统医疗器械的一个更新相当于通过 AI 和脑机接口的一个迭代把这个产品弄得更高级它原来是单效可以把它交互
你已经有一个传统的模式这样我去出去融资的时候我去给大家讲我的这个逻辑就是我们做一个脑机搏器完了传统的方式就是单向刺激我把脑机一口惊起来的话我就可以个性化的智能化的来去操控它有什么优势一二三四五这种方式不用给所有的投资人解释因为他进到医院让医生去植入他其实就是拿到医疗期作业证把他植入进去能治病天闲
发作的下降帕金森的治疗的治愈率等等这些那其实这个模式其实很清楚的就是医疗器械所以我觉得在这个行业里边来讲的话这是一个非常我觉得清晰的一条道路我们相当于叫脑控但这里边就有一个问题是你知道医疗器械里边最复杂的就是三类有源植物它立刻划到医疗器械里边等级最高的里边这一类里边
要求一个团队有极强的医疗器械的从业的经验和这些高科技的这些技术的整合因为医疗器械越复杂它其实是精密度要求越高越容易出错那这个时候呢我觉得进到这个行业里边来讲的话企业就立刻就会很少那这个时候呢
它的护城河高了以后的话你竞争的而且它是一个长周期高投入的一个行业的时候立刻大家就圈了一块地现在中国来讲的话因为这个行业的整体的发展是比美国稍微慢了这几年所以它整个的玩家其实是不多的但你仔细看的话这近几年也没形成出来太多的因为这个门槛稍微比较高一些
所以说你会看到大量的脑机接口那种非侵入式脑机接口的公司很多带一个这种脑电帽的但真正的去往进植入的这种侵入式脑机接口的公司做医疗器械的少之又少那对回过头来加量医疗在里面到底有什么样的一个先发优势和第一我觉得整个来讲的话就是说我们的选品我们要做的产品是不是符合我们当下的临床需求刚才张总写了一个 2030 年的老龄化的状态
所以说我们脑功能疾病来讲的话就跟年龄有关我想在座的各位就我们年纪大了以后的话其实是原来很多这种脑功能状态的这种包括像大量的老年痴呆像我们的哈金森等等都是这种退行性病变那这个时候 2030 年你可以想象大量这样的病人
它的需求是在这里的这首先来讲的话我觉得市场是不用担心的第二呢我们做的几个产品的明确的需求和其他因为其他的厂商目前做的都是第一代的我刚才讲的就是这种单向的非脑机接口技术支撑的产品那我们又把新的技术加进来以后有更多的优势如果说我们可以做到更加的这种低功耗的这种芯片的设计的话让它的在大脑里边的时间更长
大家知道你做一次手术的话这个风险很高你要是电池没有的话取出来会浪费大量的时间包括更精准的治疗因为其实我们对大脑的这种这种电刺激也它有副作用的如果它不是一个精准的治疗也会有大量的影响第三等量做的它就更微创化所以我们基本上是在技术上面做了很多的迭代和更新保证我们现在目前的讲法相比其他的竞品其实是有一定的优势这第一块
第二块来讲其实整个团队来讲的话我觉得佳亮有一个大的特点是这个团队其实是有国际化能力的一个团队其实做高端医疗器械有一个大的前提是我觉得过去我们老是讲国产替代进口但刚才看了一下你也不能卖太贵的东西给老百姓所以说真正的我觉得这种高附加值和原创的这种创新医疗器械就应该走出海外这个时候对整个团队的要求特别高
整个他去跟老外怎么做生意怎么去让国外一流的医院去使用你的产品这其实是对你自己产品有信心第二整个团队的这种商业运营能力包括像刚才提到我们的整个的供应链
这其实很大他的一个量产了以后的整个的一个状态这保证了其实前头的这两点保证了加上我觉得在这个行业里边我们还是有一定胜出的把握和打算谢谢曹博刚刚提到了几点就一个是人才另外一个是整个公司的一个综合的一个市场化的能力包括出海能力刚刚其实田总也提到这件事情其实两个最大的市场或者是尤其仅有的两个大市场那就是中国跟美国那无论是从数据算法
还是从模型层面所以最后一个话题是一个偏开放的一个话题也想听听各位对行业的一些看法跟美国相比我们国内的这个优势是在哪里要不从杨总开始我们这个行业因为管理软件领域是非常典型的在中国的这批公司出现以前就是完全被美国控制的一个市场在 16 年我们创业的时候其实就已经大概在 40 个 billion 以上的市场那今天大概在 100 个 billion 左右
那这样大的一个市场中间呢我觉得中美双方的优势其实刚才几位都也讲到我觉得数据优势是一个非常重要的优势我们其实自身也感觉到说因为我们是服务于企业的中国企业的复杂度它存量数据的这种价值其实在逐渐地被这一批创业公司激发出来我们相对来说在获取数据上实际上效率要比美国和欧洲都要快
原因是因为其实美国欧洲在数据获取这一块它会有更多的尤其是欧洲它有更多的一些法律法规方面的一些限制那中国企业更愿意在这上面去做投入和创新所以它会更拥抱这些一些新兴的技术手段
那从另外一个角度呢这又是一个重要的国家安全话题因为比如说像我们做运维其实本质上还是去维护业务的安全保障嘛那么这个方面呢其实又会有很可能会列变为我是觉得说可能会是两个国家两套市场我们仍然会有出海的机会但是很可能出海的机会会跟随国家的一带一路战略为什么呢
未来可能以中国为核心会有一个大的市场以美国为核心会有另一个大的市场当然其中有一些结合部比如说像东南亚可能大家都会有一些角逐和竞争但是我们自身在数据这一块的优势获取的便利性会使得说我们自身在工程师方面的优势我们有非常大量优质的行业的学术研究人员和工程师其实从成本上来讲是要远低于美国的
我更相信中国在 AI 领域的垂内领域会走出比美国更蓬勃发展的一个通道原因就是因为垂内领域的工程师的成本行业研究的相对来说的深入度
以及中国企业在经营管理中间的这种因为我认为在一个相当长的时间里在这个领域中间是要有行业 know how 对于数据的分析结果做标注以后的进一步推理的它不是说完全靠通用的 AIGC 就能够解决所有的垂类行业的一些问题在运维领域也是这样其实这也是我们现在的做法
这种其实是需要人机结合的这种产业发展路线更适合中国企业的这种做法美国企业往往因为它寄望于更 general 对更通用的解决问题所以可能在行业锤类领域中间用 AI 解决问题提升效率获得盈利的这种多元化可能中国会做的比美国更胜一筹这是我自身的感觉
那当然在通用领域我们仍然需要去不断地去赶上去对因为现在看上去还是有比较远的距离但是这个里面呢应该说它对垂类的影响没有像想象的那么大
就比如说并不是说你 CHAT GPT 今天走到这个程度通一千万可能比它要差一个当量级就意味着说通一千万上升的支撑的这些锤类应用就无法使客户获得价值不是这样所以这个是我对这个领域在锤类方面有更多的盈利机会或者多元化的一个我自己比较积极的对未来预期的一些判断
谢谢杨总刚提到了一个就是数据优势另外一个就是工程师的这个红利还有一点就是垂类的一些竞争优势中国企业独特的经营方法我们可能会更草根一些但是更讲究场景价值和实际的效果这个事情会在通用人行机器人行业有一些附用吗就是会有类似吗也想听听曾博的一些想法
谢谢叶总我觉得三个方面就是中国的优势第一个叫制造业和供应链能力就能力机器人为例能力机器人其实它的供应链还有制造业的基础在前面两个产业是工业机器人跟新能源汽车很多供应链是重合的所以这个产业能够马上发展起来很重要一个原因就是长期有这样的一个产业还有制造还有供应链的积累所以这个是中国突出的优势而且是中国的一个竞争力的壁垒这是一个很重要的一个点
第二个点我认为是对于高科技来说中国的应用场景足够多而且进入的足够快而且足够开放对于人机技能来说你要快速地应用真正变成一个商品它是需要跟例如说迎宾接待包括家用这都需要跟很多应用场景相结合去持续做研发的
那相对来说国内包括在政府跟社会的整个的一个统筹跟推进之下很多应用场景都是很开放的我们从去年开始到现在我们进入很多场景甚至很多是在政府统筹之内进入的所以这个是一个很大的优势对于产品能快速地应用研发并且变成一个商品是非常重要的一个点
第三个点也非常重要的是中国的国内市场足够大因为我们理解任何一个新技术跟产品它要马上产生商业价值因为你任何一个技术突破你其中一个产品卖得足够多才能够 cover 这个成本才能进入下一轮的研发
所以其实中国市场本身就足够大我们只要把一个应用场景做成熟打开很快就会获得回报跟收益再去卷下一个下一个课研所以这一点也是世界上少有的大市场这个也是我们的优势所以这三个点也决定我们其实也是在这个竞争当中中国还是非常有自己的优势跟机会的
谢谢曾博,也想请教一下田总,刚刚您也提到,像这个可能大家其实都知道目前的英伟达其实是当之无愧的 GPU 之王了,但是我们国内其实也有像一行这样的代表公司也在做 GPU 这件事情,那我们的优势是在哪里?我们首先做的不是 GPU,我们做的是 NPU 啊。
但是在做大模型这件事情上面没有说 GPU 和 NPU 谁强谁弱大家看的是训练效率我花同样的钱买的卡我能够训练出的数据量能够让它的机座能力提升有多高首先我觉得还是先要回答一下我们中美之间的差别
那么美国还是从算力算法和数据三个要素入手其实刚刚杨总还有曾总其实都已经回答了大部分的我们国家在数据在应用领域在垂直的产品化上以及在工程师的数量上是有很大优势的我们比美国差什么我们其实现在不比他差什么除了我们买不到英伟达的卡
那这是一个时间差的问题在算法上我们和美国甚至全球现在用的都是差不多的一套架构在算力上其实就是去堆计算中心去建更多的加速卡那这一点上的话中国也不比美国差那我们现在从数据的角度上是比美国有很多优势的举个很简单的例子现在接约星辰跟这个国家有很多的政府企业有合作
里面包括像金融类的啊跟上海报业集团下面的财联社有类似于财乐星城的一家合资公司去做这种垂直的打通啊那么他获取到的数据一定是高质量的这方面其实会比美国有很多的优势因为它属于一个政府和企业的一个深度的合作啊
所以我们在应用层面一定会比美国这个产品落地会更快回到异形智能在这个行业里的一些优势首先我们能够使用一个新的架构使得实际做训练的企业它能够真真实实地替代英伟达因为
我们的训练卡其实它也有说明周期我们知道最新发布的 O1 这个模型它基本上用了接近 1 万张 H100 的卡训练了大几个月的时间训练出来我们的训练卡当然去跟 H100 对标现在还达不到它的程度但是我们可以在性价比上
整体规模上比 H100 这个整体花费要小但是能够达到它的训练实力这个其实就需要从刚刚提到的架构从我们的库文件从我们的电力消耗以及整体的集群的建设去实现我们会和中国非常强的相关资源的企业合作去实现这件事情而且现在这件事情马上就会落地我们也已经获得了订单而且
谢谢最后请曹博帮我们做个总结您刚刚讲到刚刚其实各位包括曾博杨总还有田总其实都讲到了无论是数据还是算法还是工程师福利或者亦或是这个锤类领域的一些竞争优势还是跟正气之间的合作那如果从一个大的一个方面来讲的话您觉得这是与美国相比我们国家的优势是在哪里在 AI 这件事情上
其实我们不得不承认我们虽然在追赶我们不得不承认我们和美国有在高科技领域还是有很大差距可以看到今天我们所有人在讲的 PPT 里边第一个都是有个对标公司这个代表了谁在引领这个行业我们所有人都在讲我们跟美国如何如何但其实不管怎么样强调都有一个引路人当什么时候说我们强调不再有这个我们在定义一些事情的时候
那我觉得我们可以讲我们很厉害当我们没法去定义这个时候我们还跟着人家的时候我觉得我们更多的时候呢在怎么样考虑说逐步学习因为本身来讲很多我们一般来去你不说那些书法大家的时候刚开始零模嘛其实说白了我们刚开始是多数现在还在零模做一些创新逐步在改我们现在的最大的刚才大家讲我们其实应用创新多一些
但是原始创新少一些所以说我觉得我们应该是就我们这代人肩负的职责是我觉得尽量的快速的缩短与美国的技术差距第二为我们的下一代的小孩我觉得提供更多的一种原始创新能力的一些本身素质的创造我们这代人其实也有一些问题在很多时候不敢因为你会发现像美国人的思考模式他们敢于去想一些你觉得不可思议的事情
但我们往往是发现他们可以做一些身体的东西但我们一般就所有人都去寻找一个确定性的东西当你寻找个确定性的东西的时候你很难去跨越思维的一个我们叫做鸿沟啊所以这是思维方式的模式那我们如果就我们这代人肩负的任务就是通过我们的勤奋努力和我们其实我们是聪明的
我们怎么样去快速缩短代差让我们不停地去开发新的芯片不停开发新的算法等等尽量跟美国足不及的就是为了下一棒我们的接力棒给到下一代人的时候他们能冲上去其实今天我稍微多讲点不一定对这个都是个人的一个思考但是我一直在思考就是我想对我包括对我自己未来的小孩的定义是我觉得首先第一他有国际的竞争能力的时候他语言要通他英文要好
第二的话我觉得它有创造力我别的我不管我觉得它必须要有创造力所以说我特别希望在未来三十年内我们能看到说我们中国在定义很多东西不要再对标上面这个公司有前头的公司我们比它好如何如何
我们是独一无二的存在我觉得这是我特别希望我们在产业资本和整个的社会形成一种新的这种体制所以我们不能盲目地去说我们跨越了他们很多但是我们还是脚踏实地今天的主题也是脚踏实地垂带成精就我们一步一步地逐步地靠近再找一个机会能逐步地跨越做一些创新的产品
当然了我们现在有一个大量优势我们已经是就剩美国了基本上其他国家我们也都超过因为我们 GDP 的体量相当我们的这个市场人口多市场大我们相当于最主要的是中国人民勤劳完了大家的我觉得通过这些努力的话我们第一代缩短第二代可能就会超越所以我觉得还是有信心我觉得我们不是是把它 PK 下而是相当于我们能去创造一些独一无二的我们自己老是跟人家去比
我觉得很难受我们还是做一些独一无二的自己就是我个人那些浅见讲得很深刻我觉得换一种说法就是没有必要去去定义一个事情而是当下的机会很多但当下也有很多困难如果跳开 AI 这个话题的话其实各个产业其实当我们寻找确定性的东西也许我们会迷茫
那何不我们去寻找一些不确定性也许只要脚踏实地我觉得那些不确定性的东西未来肯定也会有一些不一样的一些点也会为我们的企业家实现自己的价值也会为我们在座的 LP 带来价值今天也感谢四位参加我们的政坛那我们今天就先这样谢谢谢谢大家谢谢