杨植麟 vs 朱啸虎：理想和现实，大模型和应用

https://mp.weixin.qq.com/s/7v97wLaUP1tTK1TKler4lQ

这几天腾讯新闻有两篇文章值得看一看。分别是《朱啸虎讲了一个中国现实主义AIGC故事》和《月之暗面杨植麟复盘大模型创业这一年：向延绵而未知的雪山前进》。（嫌太长的，可以直接拉到文末，有我用 AI 总结的两位观点的对比表格）
文章介绍了中国科技界对大模型的态度分裂成两股阵营，一方认为应该追求更大更强的AI能力，另一方认为应该将足够的AI能力投入可以快速变现的商业场景中。
而这两篇文章的采访对象是完全有资格分别代表这两方的：1992年出生的杨植麟（技术） vs 1974年出生的朱啸虎（市场）。
两篇文章信息量很大，有价值的信息也比较多，尤其是朱啸虎的很多思路和想法可能会适合大部分公司，毕竟能搞大模型的公司可不多。用他的话就是「中国在应用层有很多机会」。
1，烧钱的大模型
做大模型的公司，首先「是一场残酷的金钱角力」，有钱买卡、引入人才，才能轮到「说是一场科学竞争」。国产大模型公司还要一边搞「研究」追 Openai，一边要有落地场景。
比如朱啸虎认为「做GPT-4科研至少砸四五千万美金。」「GPT-5要几亿美金！」
月之暗面近期已完成一轮超10亿美金融资，估值已达约25亿美金，即便这样杨植麟在采访中也说「我们今天拿到的钱还不算特别多」，并不希望这是能拿到的最后一笔钱，「因为我们未来还需要很多钱」。
AI大模型某种程度上来说就是重资产，需要大量的钱，这个钱即便是投资机构，大部分也未必出得起。
2，AGI 信仰（备注：Artificial General Intelligence，人工通用智能）
朱啸虎不投中国大模型公司的理由也很简单「要场景没场景，要数据没数据。」
朱啸虎：「我信仰AGI，但我信仰应用啊，我信仰能马上商业化的。」认为「核心最难的是AIGC的 PMF」（备注：Product/Market Fit，产品/市场契合）
杨植麟并不赞成这个观点，认为：「AI不是我在接下来一两年找到什么PMF，而是接下来十到二十年如何改变世界。」我倒是很喜欢他说的这句话「要赚钱，也要有理想。」
朱啸虎对 AGI 相对是悲观的，「至少5到10年之内是看不见的」，甚至认为「可控核聚变实现前，我不太相信地球有足够的算力能够实现真正的AGI。」
杨植麟就相对自信很多「AGI嘛，这是接下来十年唯一有意义的事」。
下面这些都来自「技术男」杨植麟的观点：
「不存在所谓的中国的Openai，真正AGI肯定是全球化的，AGI最终会是一个跟所有用户协作产生的东西。」
「GPT-4 是AGI的必经之路。核心是，不能只满足做到GPT-4的效果。」
3，to B 还是 to C
很多大模型公司会通过to B落地（毕竟to B的确定性高）。
朱啸虎的思路也是，「短期内肯定做to B，起来快。马上能提高生产力、见到效果。企业愿意花钱。」有了 AIGC 的加持，做企业服务会迎来春天（见面就签单，是一个考核指标），出路是「能不能靠AIGC迅速达到不烧钱的爆发增长」。
朱啸虎赞成中国的AIGC应用已经大爆发了，「因为都是to B应用，消费者都不知道」。
杨植麟的月之暗面并没有像对手那样做更稳妥的to B生意，只做了一款to C产品（kimi.ai），他说「我们不做（to B），我们从第一天就决定做to C」。
朱啸虎认为开始 to C 的时机是「什么时候每个手机上都有大模型，to C应用可能会爆发」。
4，大模型 vs 应用层
朱啸虎：底层是大模型能力，上面应用公司构建的壁垒是「数据」。 「砸钱做AIGC，不可能的！关键是找不找得到PMF。」 
「模型和应用的技能完全不一样，模型需要科学家，应用，你需要对场景、市场投放、销售非常了解。」
而杨植麟的观点是不能脱离AGI去思考所谓的「应用」。他将公司看作是在人类世界上空架起的一个AI实验台，通过与人类互动找到应用机会，并将应用送入消费者手中。
当然，他也不是说不做应用，而是：
「我们需要边提升模型能力，边找更多场景，需要这样的平衡。要在你能活下去的情况下，追求长期。长期一定不能没有，否则你会错过整个时代。」
「“应用”听起来好像你有一个技术，你想把它用在什么地方，有商业化闭环。但“应用”不是准确的词。它跟AGI是相辅相成的。它本身是实现AGI的手段，也是实现AGI的目的。」
因为「现在只做应用，那好，可能过一年你就被碾压了。」「超级应用肯定需要有最强的技术能力。」
「如果能被更底层的东西解释，就不应该在上层过度雕花。」
他也同意「完全没有用户、没有收入，肯定不行」。需要有长期和短期的平衡。也很关注用户，用户是他们最终的目标，但也是共创的过程。
只不过跟中国上一代创业者更看产品、用户、数据飞轮不同，作为新一代AI创业者代表的杨植麟认为「这次会更加技术驱动」：
技术是这个时代唯一新变量，其他变量没变。超级应用肯定需要有最强的技术能力；只有一个颠覆性的东西，才配得上AGI这三个字。智能永远是最核心的增量价值。
5，最大的分歧：开源与闭源
朱啸虎更看好开源，认为「现在开源比非开源落后一代，但长远来看，开源肯定会赶上来。」所以，他的担心就在于「现在还不完全是工程问题。那你万一砸下去，又等别人开源了，你不是全都白砸钱？大厂肯定要自己做。创业公司你敢吗？」
有一个理由挺有本土特色的，就是担心「用国内大模型，你做得好，肯定别人会抄你」……
所以「应用层会更偏向开源，尤其对中国开发者，用开源至少你不担心被别人抄嘛。」
而杨植麟并不这么认为，表示「开源落后于闭源，这也是个事实。」理由是：
「开源的开发方式跟以前不一样了，现在开源本身还是中心化的，开源的贡献可能很多都没有经过算力验证，闭源会有人才聚集和资本聚集。」
领先的大模型大概率不会开源，反而是落后的会这么做，这倒是蛮符合世界大模型的现状的。
6，AI科技生态：中国 vs 美国
杨植麟的观点是如果从产品和商业化角度看是不一样的，但从技术角度看技术路线上不会有什么不同，「基础通用能力肯定会差不多。」
但因为AGI空间很大，「在通用能力基础上去有差异化」，国内大模型创业公司和巨头的关系是竞争+合作。
而朱啸虎的观点就相对直接了，「美国是在底层大模型，投入越来越大」，「美国有钱敢于试错，那挺好，中国就在后面慢慢跟呗」，多次强调「先让别人试错，我们在后面跟是最好的、最稳健的策略」。
认为我们搞出 200 多个大模型是没有意义的，应该多在应用层面上搞创新（中国在销售营销当中创新太多了），因为「中国在数据和应用场景上是远远超过美国的。」
7，关于垂直模型（场景）
杨植麟更偏向于认为只有一个通用模型来处理各种任务就够了，不存在许多专门的较小模型来处理特定任务，中国也不例外。
而朱啸虎的采访中，你会看到他会强调「很多垂直领域，都要积累数据、积累优化」，并分享「很多垂直应用，我们发现Mistral 2比LLaMa 2好用。」也就是说，你用一个开源的大模型+自己的优势，就可以搞出一个很好的垂直应用了。
也并没有说让你去搞什么垂直模型，因为「中国你今天一个公司，做垂直模型的，没有商业化收入，一亿美金估值现在都没人投了。」
8，我也班门弄斧，聊两句。
显然，他们的观点是完全不同的，甚至是相左的。我估计朱啸虎这篇在舆论上会吃点亏，毕竟大家更喜欢理想主义，而不喜欢太现实的，尤其是老想着「挣钱的」，但保不齐很多人其实心里默默点赞，身体上都是像朱啸虎靠拢的，所以从这一点上来说，朱啸虎还是敢说的……
但说实话，又真的各有各的道理，这也是我过去一年很多时候兴奋又焦虑的点，当然，大模型自然跟我是没有什么关系，我也只能搞搞小应用，所以我也从朱啸虎的表达里学到了很多干货，尤其是在国内AI应用层的逻辑。
我在关于 AI，我这一年的观察和思考，也提到，辛辛苦苦做了一个应用，还没挣几天前可能就因为大模型的升级，自带的能力就把我应用能干的事儿给覆盖了，to C的难度确实远远大于to B，深耕to B获得的积累，也是一种别人不会轻而易举拿走的优势。这也是朱啸虎提到的「认为AIGC可以帮助企服公司提高销售效率和创造价值，但需要解决销售管理能力和数据积累的问题」。
同时，我又无比的渴望像月之暗面这种有理想的公司能成事儿，我们也有一个好用的大模型被全世界的人追着送钱，不至于现在这样，我好几次给主动追着给 ChatGPT 送钱买它们的 PLUS、API，它都毫不留情的给我封号，最近甚至封了号还不给我退钱！
孰是孰非，好像不重要，甚至他们都是正确的。
毕竟，AI 这赛道，必定是尸横遍野，一地鸡毛，最终也只能第一名说了算，投不中第一名，投其他的大概率打水漂了，那不如不卷大模型，搞应用嘛。
9，最后，我们用 AI 的方式来让 AI 解读下这两篇文章的观点：（以下全部来自于 AI 的总结和分析，所以你有没有想到可以做个什么小应用？）
AGI相关话题杨植麟的观点（第一人称语气）朱啸虎的观点（第一人称语气）
AGI的重要性“我坚信AGI是未来十年唯一有意义的事。我们的目标不仅仅是找到短期的PMF，而是要实现长期的AGI。”“我信仰AGI，但我信仰应用啊，我信仰能马上商业化的。”
AGI与商业模式“我们月之暗面致力于构建一个结合科学、工程和商业的系统。我们希望通过与人类互动找到应用机会，并将这些应用送入消费者手中。”“我也信仰AGI，但我更看重的是AGI的应用和商业化。我认为，只有能够快速实现商业化的AGI技术才有价值。”
AGI的实现路径“我们需要在活下去的情况下追求长期目标。长期一定不能没有，否则我们会错过整个时代。”“我认为，AGI的实现需要一个更现实版的中国故事。我们需要找到那些能够快速变现的应用场景。”
对开源与闭源的看法“开源模型在开发方式上已经发生变化，现在更中心化，且贡献可能未经算力验证。闭源模型可能更有优势。”“开源模型和闭源模型的差距只会越来越大。技术信仰派的观点是，开源模型永远追不上闭源模型。”
AGI的未来展望“我认为，AGI的发展将改写今天的商业模式。我们不能只满足于现有的技术能力，而应该不断探索和实现更强的智能。”“AGI的未来是光明的，但我们需要找到那些能够立即产生效益的应用。我对中国的AIGC应用已经大爆发了这一点非常有信心。”
对比维度美国投资人中国投资人（朱啸虎的观点）
对大模型的投资态度美国投资人对大模型的投资持开放态度，愿意投入巨资。“我得说，美国的投资人真是敢砸钱，他们对大模型的投资热情高涨，但我自己嘛，我得更现实一点，我得看到商业化的可能性。”
对开源模型的看法美国投资人可能更倾向于支持开源模型，认为这是技术进步的方向。“开源模型这事儿，我觉得在美国那边挺受欢迎的。但我在中国，我得考虑的是怎么用这些技术来赚钱，怎么在中国市场立足。”
对商业化和变现的重视美国投资人可能更注重技术的长期发展和潜在价值。“我得承认，美国的投资人他们可能更看重长远的技术发展，但我在中国，我得更看重的是这个技术能不能马上变现，能不能带来收入。”
对创业公司的支持美国投资人可能更愿意在早期阶段支持创业公司，即使它们还没有明确的商业模式。“美国的投资人，他们可能更愿意在早期就支持创业公司，哪怕这些公司还没找到赚钱的路子。我在中国，我得更谨慎，我得看到这些公司有明确的商业化路径。”
对技术迭代的预期美国投资人可能预期技术迭代会持续快速，愿意为之投入。“技术迭代这事儿，美国的投资人可能觉得这是个永无止境的过程，他们愿意为之投入。我在中国，我得更实际，我得看到技术迭代带来的实际效益。”
对市场机会的把握美国投资人可能更注重全球市场的机会。“美国的投资人，他们看的是全球市场，他们愿意在全球范围内寻找机会。我在中国，我得更聚焦，我得先确保在中国市场上站稳脚跟。”

领域To B (企业服务)To C (消费者市场)
看法“我看好to B领域，因为这些应用能马上提高生产力、见到效果。企业愿意为此付费，而且现在中国在这方面场景远远领先美国。”“至于to C领域，我觉得还有点早。to C要见到iPhone 3时刻，就像当年移动互联网to C应用爆发是Multi-Touch出来以后。大模型在to C应用的爆发，我觉得还需要时间。”
商业化速度“to B项目能快速商业化，基本不用烧钱。我们投的公司，比如AI视频面试，已经实现了显著的增长和盈利。”“to C项目需要等待市场成熟，需要找到那个‘iPhone 3时刻’。目前，大模型在to C领域的应用还不够成熟，还需要时间来验证。”
投资策略“我倾向于投资那些能够快速实现商业化、不烧钱的to B项目。这些项目能够迅速带来回报，风险相对较低。”“to C项目我持观望态度。虽然长远来看有潜力，但目前我更倾向于那些能够立即产生效益的项目。”
市场机会“to B市场的机会在于能够迅速提高效率、降低成本的应用，这些是企业迫切需要的。”“to C市场的潜力在于创新的消费体验，但需要等待技术成熟和市场接受度提高。”
风险考量“to B项目的风险相对较低，因为它们通常有明确的商业模式和收入来源。”“to C项目的风险较高，因为它们依赖于消费者行为的变化，这需要时间来观察和适应。”

开源模型相关建议朱啸虎的观点（第一人称语气）
对开源模型的态度“我得说，开源模型这事儿，在美国那边挺受欢迎的。但我在中国，我得考虑的是怎么用这些技术来赚钱，怎么在中国市场立足。”
开源模型与闭源模型的差距“技术信仰派认为开源模型永远追不上闭源的，但我看这事儿，开源模型迟早会赶上来，那时候闭源的就尴尬了。”
开源模型的应用前景“应用层会更偏向开源，尤其对中国开发者，用开源至少你不担心被别人抄嘛。国内大模型，说实话你在它们上面盖房子，还是担心别人抄你。”
开源模型的商业化“开源模型，我们现在都在试，看看哪个更好用一点。但关键是，你要做AI 100%做不了的东西，这才是中国的机会。”
开源模型与大厂的关系“大厂肯定觉得自己能干。但阿里今天愿意出的钱，和以前肯定是完全不一样的啊。如果月之暗面证明自己，大模型能追上闭源水平，收购是有价值的。”
开源模型的长期发展“现在开源比非开源落后一代，但长远来看，开源肯定会赶上来。就像安卓，今天比iOS差吗？肯定不会。”
话题杨植麟的观点
开源模型的现状开源模型的开发方式已经发生变化，现在更中心化，贡献可能没有经过算力验证。
开源与闭源的比较闭源模型因为有人才和资本的聚集，最终可能会比开源模型更好。
开源模型的贡献开源模型的贡献可能很多都没有经过算力验证，这限制了其发展。
开源模型的策略对于领先的模型，开源出来可能不合理，反而是落后者可能会选择开源。
开源模型的未来开源模型可能会通过搅局的方式，发布小模型来影响市场。

话题杨植麟的观点（第一人称语气）
中美AI发展差异“我观察到，中美在AI领域的发展路径有所不同。美国在底层大模型的研发上投入巨大，而中国则在应用层面有更多的创新。”
中国AI的潜力“我认为中国在AI领域有很大的潜力，尤其是在数据和应用场景的积累上，这为AI的发展提供了独特的优势。”
美国AI的领先“美国在AI技术上确实领先，尤其是在大模型的构建上。但我相信，随着时间的推移，中国的差距会逐渐缩小。”
中美AI生态“中美最终可能形成不同的AI科技生态，尤其是在产品和商业化方面。但从技术角度来看，基础通用能力应该会差不多。”
中国AI的挑战“中国的AI公司在追赶国际先进水平的同时，也面临着资本、人才、技术等多方面的挑战。但这些挑战也是我们成长的机会。”
美国AI的合作模式“我注意到，美国的大公司如OpenAI与微软的合作模式，这对我们来说是一个参考。我们可以从中学习如何在合作中实现共赢。”
中国AI的创新“中国在AI应用层面的创新速度非常快，这在一定程度上弥补了我们在底层技术上的不足。我相信，这种创新能力将推动中国AI产业的发展。”

商业模式相关话题杨植麟的观点（第一人称语气）
AGI与商业模式“我坚信AGI是未来十年唯一有意义的事。我们的目标不仅仅是找到短期的PMF（产品/市场契合），而是要实现长期的AGI。”
技术与商业的结合“我们月之暗面致力于构建一个结合科学、工程和商业的系统。我们希望通过与人类互动找到应用机会，并将这些应用送入消费者手中。”
长期与短期的平衡“我们需要在活下去的情况下追求长期目标。长期一定不能没有，否则我们会错过整个时代。同时，我们也需要关注短期的用户和收入，以保持公司的活力。”
用户与产品的互动“用户是我们最终的目标，但他们也是共创的过程。用户的输入反过来让模型变得更好。我们需要边提升模型能力，边找更多场景，实现user scaling和model scaling的平衡。”
技术驱动的商业模式“这次（AI发展）会更加技术驱动。我们的目标是给用户提供一辆汽车，而不是停留在马车阶段。我们希望通过技术进步来推动商业模式的创新。”
技术进步与商业模式的变革“AGI的发展将改写今天的商业模式。我们不能只满足于现有的技术能力，而应该不断探索和实现更强的智能。”
对于PMF的看法“PMF固然重要，但如果我们只专注于短期的PMF，可能会被技术的进步所淘汰。我们需要有长期的视野，以确保我们的商业模式能够适应未来的技术变革。”

https://mp.weixin.qq.com/s/7v97wLaUP1tTK1TKler4lQ