零一万物首创东谈主、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波涛的庆幸之子、领有3亿活跃用户的 AI 聊天机器东谈主应用，引爆了全球新一轮 AI 创业高潮，让天下迎来AI 2.0时期。

在AI 2.0新的时期机遇下，还是拔擢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，英敢于于打造全新的 AI 2.0 平台与AI-first坐褥力应用的全球化公司，何况在短短一年多时辰里，本领才略、公司鸿沟和贸易化脚步赶快扩大。（详见钛媒体App前文：《李开复：中好意思东谈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测验模子Yi-Lightning，近期在国际泰斗盲测榜单 LMSYS 上突出OpenAI GPT-4o-2024-05-13、Anthropic Claude 3.5 Sonnet(20241022)，名次天下第六，中国第一。（数据收尾2024年11月20日）

同期，零一万物早已踏进10亿好意思元"独角兽"，何况全面瞄向 AI 大模子的贸易化，公布了一整套"从 AI Infra 到模子，再到应用"的全行业 ToB 惩处决策：构建大模子算力平台的智算中心惩处决策；面向腹地生存、办公会议等场景的"如意"数字东谈主惩处决策、万视营销短视频惩处决策在内的零卖行业惩处决策；以及模子测验惩处决策——由数据平台、预测验平台、测验后平台、模子Playground等构周详链路模子运维平台，加速 AI 大模子本领的贸易落地。

12月6日-7日，2024 T-EDGE立异大会暨钛媒体财经年会在北京召开，以"ALL-in on Globalization ，ALL-in on AI"为主题，集聚全球科技和贸易指引者，共同探讨东谈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模式新趋势。算作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地追求。

12月7日T-EDGE大会上，钛媒体集团首创东谈主、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 AI 2.0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。

"咱们坚韧不盲目烧钱买不赢利的流量，也不作念‘失掉赚吆喝’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To C、To B的生态。

以下是钛媒体AGI摘记的李开复七个遑急不雅点：

往时一年半时辰，模子才略越来越好，价钱也越来越低廉，推理老本一年着落了10倍傍边，而零一万物但愿作念的，不是1年10倍（速率增长、老本着落），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 Training Time Compute 造成了 Inference Time Compute，两者相反相成之下能够更高效地冲破模子才略的上限。

Scaling Law如故有用的，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往时那么快；同期，用堆GPU卡的样式进行模子测验会面对算力专揽率裁汰的问题，GPU的数目和骨子测验时的收益并不是线性晋升的关系。

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"，不要一手一足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To C应用爆发，"需要用一段时辰去积聚用户再贸易变现"应用成长旅途有望会迎来契机。其中，中国AI 2.0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High DAU应用的基础，同期，中国团队也积聚了无数从挪动互联网时期传下来的打法，能够用于AI应用的奉行和增长。多种身分相通下，中国团队在To C方进取会有很大但愿。

行业的最大挑战是，算作大模子初创公司，当今进入了新阶段——要诠释我方可以有握续的收入增长。在本领竞争造成贸易化竞争的历程中，大模子初创们能否从起首的学者型创业调换为企业家创业？这个坎淌若过不去的话，最终路如故会越走越窄。

零一万物的定位是，第一、坚韧作念最快最低廉的天下第一梯队模子，点火To C、To B的生态；第二，坚韧不盲目烧钱买不赢利的流量，也不作念"失掉赚吆喝"的生意。

李开复强调，AI大模子公司要去为客户做事，与客户共同创造价值，达到双赢。至于AGI，他默示，总有一天，AI会能够作念的事情会比东谈主类更多，然则，AI未必要作念到东谈主类所能作念的每一件事情。他量度，咱们距离通用东谈主工智能（AGI）还有7年时辰，AGI出现的约莫时辰点会是在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，宽待来到咱们2024 T-EDGE全球立异大会暨钛媒体财经年会，咱们相等舒适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，诸君不雅众一又友寰球好。

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：往时一年，AI不管是在硅谷、好意思国如故中国其实都发生了好多大的事件。最近您我方合计，咱们能不雅察到的通盘硅谷和全球AI发展的大趋势里面量度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，越来越多建筑者会顽强到，今天相等好的模子还是相等低廉了，能够复古一个百花都放的AI-first应用时期到来。我合计这将是2025年最大的事件。

在此之前，这些应用很难被建筑出来。你可以假想，仅在一年半之前，实足好的模子只好GPT-4，当今回头看，GPT-3.5其实能知足的应用场景很少，因为模子才略不够强。但淌若一年半之前应用建筑者聘请接入GPT-4，每调用一次就要耗损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。

在往时一年半的时辰内，模子性能越来越好，从GPT-4、Turbo、4o到o1，模子才略还是晋升了好多。另一方面，当年的GPT-4，当今来看也还是很低廉了，即就是4o，每百万token也只好4.4好意思金(按输入输出3:1比例猜想)，比一年多以前的GPT-3.5着落了接近20倍。

从通盘行业来看，推理老本一年着落了10倍傍边。通盘行业在以1年十倍的速率杀青推理速率变快和推理老本着落。而零一万物但愿作念到的，不是1年10倍（推理速率增长、老本着落），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，零一万物就能先东谈主一步作念出好的应用。

赵何娟：老本着落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。前段时辰，咱们在硅谷办公室也组织了一次对于o1大模子平台的商榷，有邀请x.AI、OpenAI关连的team leader来，咱们商榷的时候发现，悉数大厂当今都在作念一件事情，就是o1这种推理模子。然则，o1跟往时的基础模子其确实范式或在路子上，还是有很大的一个变化了，咱们是不是可以调理为，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？零一是不是也有研讨推出新的推理模子？

李开复：寰球都在作念推理模子，这驯服是一个趋势，包含零一万物在内的少数中国大模子公司咫尺也还是作念出了可以的初步恶果。

从本领角度来说，o1既是一个大模子的蔓延，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 Training Time Compute 造成了 Inference Time Compute，两者相反相成之下陆续高效地冲破模子才略的上限。

就像东谈主类的"快想考"、"慢想考"，都是大脑的功能和蔓延，合并起来能够想考得更长远，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"慢想考"，寰球都在作念访佛"快想考"一样的探索，模子就像是在作念快问快答，脑子里面预见什么就蹦出来什么。

天然，东谈主类不经过好多想考，频频也可以七步成诗，作念出好多创意类的体裁内容等。是以，其实"快想考"，也就是o1之前的大模子也能够完成好多东谈主类的需乞降任务。

然则，东谈主类面对贫窭时，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，或者在泄漏几句话之后咱们发现想路不合，需要修正。东谈主类有一个很强的才略，就是能够自我反想、自我修正，即所谓的reflection（反想），那些能够在科学界有设立的东谈主，频频存在批判式想维，能延续访佛的逻辑推瞎想考，经验过不休迭代求证致使推翻重来的历程，智力取得一个有紧要逾越的科学恶果。

o1的发展就访佛上述的旅途，何况还是向外界自证了它的价值。好多东谈主也从巨型的预测验模子转到推理探索，举座想路演造成为了两个并行的Scaling：第一个是模子越大越来越贤慧，第二个是想得越久越贤慧。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股东。固然OpenAI莫得告诉外界如何作念出o1，然则令咱们沸腾的是，跟着想考的时辰长度增多，模子想考出正确谜底的概率也会大大晋升。两个Scaling Law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：咱们是不是可以调理为，往时基于Transformer的基础、基础大模子Scaling Law端正还是失效了？将没出奇据可算了？是以到达一个瓶颈之后，Scaling Law他不可能就是无穷大，即便有算力，提供再多的算力也莫得用？

李开复：Scaling Law如故有用的，但它的效率不像之前那么高了。

第一个意义是，天下上数据总量只好那么多，固然咱们可以用机器造数据，用视频数据、多模态数据、具身智能数据来测验，然则最浓缩的智能如故来自于笔墨，而笔墨总量就那么多，其他法子作念出来的都不是最无缺的。就像你说的，东谈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。

第二个意义是，要握续股东大模子预测验的Scaling Law，就需要把越来越多的GPU和机器串在沿路。当你只好一、两张GPU作念深度学习Transformer猜想的时候，大模子预测验时辰简直都在猜想，很少会触及传输；然则当你领有10万张、20万张GPU猜想的时候，数据传输老本就会变得很高；到100万、1000万GPU的鸿沟时，简直大部分时辰都在作念传输了。GPU越多，数据传输越慢，算力并不可跟着GPU增多而线性上升。

举个例子，淌若从一张GPU扩展到两张，你可能会赢得1.95张卡的遵守，然则淌若你从10万张造成20万张，卡的遵守可能会更接近10万张卡的遵守而不是20万张。一个遑急原因就在于所增多的传输格式，以及历程中的延迟。

是以，咱们认为Scaling Law的落地会变得越来越贵，边缘收益会裁汰，但并不是无效了，陆续坚握预测验模子如故会有逾越。

赵何娟：淌若说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这条路上参预重金去发展？为什么这两条路不可合为一条路？

李开复：这两个旅途并不互斥。我合计，作念"快想考"、"慢想考"都是永无绝顶的。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"，如故但愿它"文理双全"。

但我认为，这个历程中倒是存在着另一个悖论，这两种Scaling Law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"慢想考"，会进一步裁汰推理速率。假定将来模子推理所需要的时辰从咫尺的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、然则零一万物认为很遑急的理会，尤其在o1为代表的"慢想考"出现之后，更突显了这一理会的遑急性——咱们一定要把推理作念到超快。你可以这样假想，淌若零一万物训推优化出一个很好的"快想考"模子，回应合并个问题，别的模子需要3秒钟，咱们的模子只须0.3秒钟，假定慢想考会让模子变慢20倍，3秒钟变慢20倍会造成1分钟，然则咱们的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，当你领有一个相等快的推理引擎时，相通"慢想考"后也不会特别慢，对用户的价值就会更大。是以零一万物会坚握作念超快的推理模子，因为超快的推理速率不仅在"快想考"的阶段有所助力，在引入"慢想考"后，它还能够让模子在具备令东谈主惊艳的性能的同期，使推理速率保握在可用的范围内。

赵何娟：咱们在调理您说快想考基础模子逻辑的时候，其实很了了出奇据、算力时限制的，然则o1这个新范式的推理模子的时候，其实是有好多不了了的，比如推理的慢想考一定是相对的词，淌若咱们把慢想考的5秒晋升到3秒，这个就造成我推理模子的最关节身分，若何把推理的慢速率提快极少点，这巧合就是竞争力，那么您合计，作念推理模子能够提高这极少点的竞争力关节是什么？是算法吗？

李开复：这驯服是中枢竞争力。我认为这亦然零一万物的最大性情。咱们在"快想考"阶段的推理速率就相等快。

赵何娟：推理速率再快，想考就会相等快，那么这是如何作念到的？咱们连OpenAI 的o1若何作念的，都还不细则，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，寻找决策惩处速率减缓问题。大模子速率徐徐变慢是因为GPU在不休猜想。那么，咱们是否有可能让GPU少算点？其确实经典猜想机学里面就有提到，要作念猜想和存储的迁徙。也就是说，能被难忘的内容就无须再算一遍了。猜想机学里的Hash Table（哈希表）等等这些本领，其实就是指，别什么都算，能记下来的内容就不要算，算过一遍的内容记取然后下次径直用就行了。

第二，Memory Caching（内存缓存）。后续可能会用到的数据，我先把它调到隔壁来，要调用的时候便捷就近使用。这就访佛于，日常在网上看视频有时候会卡顿，原因就是要通过网罗传输好多数据，然则一个贤慧的作念法是，先把视频部分缓存到我的电脑或手机上，即便出现网罗卡顿，视频如故能从腹地播出，这就是一个Caching的标的。

是以通俗地说，淌若能把底层的推理模子，从一个猜想模子，造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斟酌的时候，就不会去斟酌那种超大、无法减弱、没法变快的模子。咱们从作念科研的第一天就会研讨，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，然后统筹移交模子测验。

零一万物会先定一个方针——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谈主，不管是作念AI infra的、作念模子测验的、作念推理引擎或者作念数据中心的，全部都是秉着这一个方针去作念，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，这是两个相等关节的身分，这是否也代表着 AI 模子能否在应用商场普及的关节身分。快咱们当今调理了，但低廉您是若何作念到的？咱们都知谈算力没办法低廉，数据当今越来越折桂，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智力多快好省，才有竞争力和性价比。

咱们的硬件是固定的。零一万物会在雷同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"。

一个公司计策定位要从自身骨子情况登程。当年IBM的电脑是巨型且不菲的商务机，微软和苹果则作念出了东谈主东谈主可用的PC。几家公司的计策和旅途出现了明白分野：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谈主东谈主可用的电脑。零一万物咫尺聘请的旅途是第二种。

另外，我刚才的描写也可以被调理为"垂直整合"。为什么早期的 iPhone那么惊艳、那么好用？就是因为乔布斯无缺地杀青了垂直整合的工程责任。谈到零一万物聚焦的方针，它不见得是由一个伟大的论文，或者是巨大的本领冲破，或者是靠堆更多GPU作念出的收尾。咱们当今所要杀青的，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主义，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。在这样一个共同的方针下，用"垂直整合"的想路，来把内存的问题、降本增效的问题作念好，最终缠绵出一个兼具性能与性价比的模子。

谈中好意思AI发展：来岁To C、ToB都会爆发，但开源模子仍存挑战

赵何娟：我特别能调理这背后的一个机制和旨趣。

咱们接下来看应用端，咱们平日说中国的上风是一个巨大的应用商场，中国事个大商场，这是咱们的上风。固然咱们基础科研不如好意思国，然则咱们因为应用商场巨大，而且关连的创业者也相比多，如同互联网和挪动互联网应用一样，咱们会最初于全球。然则咱们当今看到，尤其在通用大模子，除了ChatGPT这样一个C端产物外，还是很少有特别爆发性的C端应用，更多的可能在B端，包括好意思国当今B端应用"百花都放"，致使有的还是运行挣钱了，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，咱们若何看待当今应用商场上的这些契机，到底是To b（企业级）先行如故To C（消费级）先行？

李开复：在国内商场上，咱们也看到了你所说的这几点担忧，然则我依然认为，2025年会是一个更动点，AI-first的To C、ToB应用都会爆发。

从To C的角度来看，"能够很快变现但增长很慢"的To C APP不是中国团队的长项，"前期积聚无数流量随后变现"的To C APP才是中国团队的长项。但在往时的一年里，构建后者这类应用的法子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，但淌若在无法变现的前提下，依靠纯投放赢得百万DAU要耗损无数资金，这不是恒久之计。

然则我对2025年是乐不雅的，因为推理老本会实足低廉、模子也实足好。零一万物的Yi-Lightning模子，还有一些其他的优质国产模子，不仅在性能上还是对都好意思国顶尖模子，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High DAU的应用出现，"先用一段时辰积聚用户随后再探索贸易变现"，这类AI-first To C应用的成长旅途在来岁会更观念。

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，把无数从挪动互联网时期积聚下来的打法，用于AI应用的奉行和增长，催生出更多To C High DAU的AI-first APP。这几个身分相通下，中国To C会有很大但愿。这是第极少。

接下来，相关To B我也欢跃你的说法，好意思国事一种"我帮你赢利、你帮我赢利"的生态，企业用户有很老到的付费民俗，这个付费民俗是中国的To B从业者相等景仰的。在将来一年内，期待中国To B生态能从付费民俗上作念出调动，这并欺压易。

然则我认为，中国团队也存在着独特上风，就是中国大模子公司更风光长远企业作念定制。咱们可以先尝试单点冲破，然后快速迭代。淌若咱们的模子能帮企业"印财富"，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，咱们还是看到了一些"朝阳"，零一万物给客户的价值实足大，是以能够得到可以的呈文。瞻望2025年，这是我所看到To B领域的但愿。

赵何娟：刚才有讲到一个点，对于To B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：开源模子是一个相等苍劲的势力。零一万物自身在作念开源，也招供开源的作念法，开源生态下也能够出现畸形好的模子，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，开源模子也有畸形高的调试门槛。寰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，但测验历程是黑箱。另一方面，即就是好多大企业的本领团队也不是作念模子微调的大家，是以在引入开源模子后，企业如何基于自身需求陆续测验模子会是一个很大的挑战。

第三，好多开源模子并莫得研讨到推理速率和推理老本的问题，即便性能可以，但高额的推理老本良善慢的推理速率很难知足企业需求。模子的性情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大家团队到企业去做事。在性能和ToB专科做事方面，采购闭源模子会更最初一筹。

赵何娟：那么，开源模子是不是更相宜中国商场？

李开复：其实不见得。一般来说，中国大模子公司是风光到企业去提供做事的。对于企业来说，是引入开源模子自行摸索更合算，如故聘请与大模子公司邻接共建效果更好？我认为是后者。除了少数本领相比强的企业以外，聘请与大模子公司共建是更好的聘请，大模子公司可以匡助企业测验出互异化的模子。天然前提是，这家企业风光付费。

开源模子的最大上风，就是免费，但按照好意思国东谈主的话说——You get what you pay for，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开销。

赵何娟：是以，即就是一个开源模子，到企业去作念一些调优后，可能也就会造成闭源模子，同期，有可能还是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。我可以这样调理吗？

李开复：定制的模子频频不是端侧的，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。即就是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沿路作念。

将来大模子挑战：2030年AI才略有望突出东谈主类

赵何娟：我明白了。是以这个里面也有一个很有益义的问题，当今咱们看好意思国To B的通盘云生态里面，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做事商——OpenAI与微软云深度绑定，Anthropic是与亚马逊AWS深度邻接的，而且当今分流越来越明白，致使都要绑定我方的云做事。是以在零一万物看来，中国沉寂大模子公司不是与云厂商绑定，若何惩处生态问题？

李开复：云做事在国内还莫得像海外那么普及，大部分中国公司如故会聘请在企业腹地部署模子，而不聘请云部署的体式。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，对守密要求很高，这些场景下企业也会更倾向于特有化部署。

将来两年，大模子和云如何强强聚拢，可能还不会成为一个沉寂大模子公司能际遇的挑战。

赵何娟：将来两年，算作一家沉寂的大模子公司，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，大模子公司当今进入了一个新阶段，要诠释我方"可以有握续的收入增长，而且可以看到将来打平的一天"。咱们从AI 1.0时期发展历程可以看到，行业的关切点从谁团队最强、谁写了最多论文、谁打榜打了最高的分数，徐徐转化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，这些我合计如今的大模子公司都作念到了。

再下一个阶段，大模子公司就要面对灵魂拷问，就是你能不可拿更多的订单，你能否在部分业务上盈利，并考据业务是否达到了一个可彭胀的阶段，随后智力研讨上市的问题。

咱们看到，在AI 1.0时期，那些莫得通过灵魂拷问的公司，有些庆幸而先上市了，但也际遇了破发等困境；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面对的一个巨大挑战：在本领竞争造成贸易化竞争的历程中，能否从起首的学者型创业调换为企业家创业？这个坎淌若过不去的话，最终路如故会越走越窄。

当今，大模子"六小虎"在内的几家头部大模子公司其实还是简直不再互相竞争了，各家走的路各不雷同。大模子这个赛谈比AI 1.0时期的猜想机视觉要大得多，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谈路。

赵何娟：您刚才也讲到，咱们当今国内五、六家模子公司都有各自定位，你合计零一万物是属于哪个定位？

李开复：两个定位。第一、坚韧作念最快、最低廉的模子，点火To C、To B的立异生态；第二，坚韧不盲目烧钱买不赢利的流量，也不作念"失掉赚吆喝"的生意。

赵何娟：刻下咱们可以看到，李飞飞在作念空间智能，杨立昆在作念天下模子，波士顿能源首创东谈主Marc Raibert也在斟酌对于机器东谈主的新算法，他们都在惩处一个问题，就是专揽机器东谈主这种"具身智能"，但愿惩处大谈话模子限制、或局限性问题。是以，您有莫得研讨将来如何把模子跟机器东谈主进行聚拢作念模子冲破。

李开复："具身智能"驯服是（AGI）下一个特别遑急的标的和里程碑，会是生成式AI的一个遑急应用场景。咫尺具身智能只可够杀青对实验物体、环境的约莫调理，作念到准确性要求不高的基本操作，还有好多本领问题待惩处。

从宏不雅角度来看大模子的发展，笔墨仅仅第一步，多模态是第二步，再往下就应该是Action，"智能体"径直帮你把事情都作念了，而不仅仅给你谜底。它要有步履的才略，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，具身智能要产生信得过的贸易价值还需要一些时辰。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。但咱们很风光去跟具身智能公司探索邻接，大模子算作"大脑"，可以跟具身智能有好多相通的标的。

赵何娟：终末预判一下，有东谈主说o1推理模子出来后，意味着AGI还是杀青。在您看来，杀青AGI还应该怎么发展？以及AGI的杀青还需要哪些要求？

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

EPOCH AI智库斟酌把AGI作念了定量分析，分析里认为，从GPT-2到GPT-4晋升了几许，GPT-6或GPT-7就需要在GPT-4的基础上晋升同样的幅度智力够达到AGI，也就是说从GPT-4到GPT-7的逾越需要和从GPT-2到GPT-4一样多。他们用相比科学严慎的法子算出来，简略会是在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。刚才的对话相等精彩，开复憨厚都很坦诚的跟咱们交流了好多他的真知卓见，咱们也信托，在将来的一年，通盘 AI 行业还会发生相等多的变化，咱们也但愿能够成为握续的不雅察者和记载者，然后也握续跟开复憨厚保握这样的对话和换取。我也相等谢谢寰球，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应还长短常精彩，亦然很信得过的一面。

谢谢开复憨厚，也谢谢寰球参与。

（本文首发于钛媒体App）

更多嘉宾精彩分享，点击进入2024T-EDGE立异大会官网稽查（https://www.tmtpost.com/event/dzb/tedge2024）