作者: admin

  • 杨植麟月之暗面一年复盘:向未知的雪山前进

    杨植麟月之暗面一年复盘:向未知的雪山前进

    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

    月之暗面(Moonshot AI)

    在中国大模型创始人中,杨植麟年纪最轻,于1992年出生。业界评价他是坚定的AGI信徒和有技术号召力的创始人。他的学习与工作履历很多与通用AI相关,论文引用超22000次。
    对于大模型,中国科技界于2023年中从狂热骤然转冷,进入加速落地的实用主义主旋律。这不免让大模型CEO们处于理想与现实的剧烈拉扯之间。在人人喊PMF(Product/Market Fit,产品/市场契合)、人人喊商业化的中国AI生态里,这位AI研究员出身的创始人倒不那么着急。
     
    月之暗面是头部国产大模型公司中,人数最少的一家,为80人。他没有像他的对手那样,做更稳妥的to B生意,或是在医疗、游戏等细分场景中找落地,而是做且只做了一款to C产品——智能助手Kimi,支持20万汉字输入。Kimi也是杨植麟的英文名。
    杨植麟倾向于将他的公司看作是,构建一个结合科学、工程和商业的系统。你可以想象成,他要在人类世界上空,架起一张AI实验台,一手做实验,一手将尖端技术落进真实世界,通过与人类互动找到应用机会,再将应用送入消费者手中。理想状况是,前者烧掉数以十亿、百亿计资本;后者再把这些钱数成百上千倍地挣回来——怎么听,都像“走钢丝”一样惊险。
    “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。”他说。
    这种抽象和理想主义的思考,令人不免替他捏一把冷汗:一位年轻的AI科学家,在现实主义的中国能否找到生存空间?
    2024年2月,月之暗面逆势完成一笔大额融资。据了解,它以15亿美金投前估值完成超10亿美元B轮,阿里领投,砺思资本、小红书等跟投,该笔交易完成后,月之暗面投后估值约25亿美元——由此,它成为中国大模型赛场上现阶段估值最高的一家独角兽。(他们拒绝回应和评论此事。)
    腾讯新闻《潜望》:我刚进来看到你们公司门口放了一架纯白色钢琴。
    杨植麟:上面还有一张Pink Floyd专辑。我都不知道谁放的,前两天突然看到,没来得及问。(Pink Floyd是发布专辑《月之暗面》的英国摇滚乐队)

     参考资料

    1.【AI|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】https://mp.weixin.qq.com/s?__biz=Mjc1NjM3MjY2MA==&mid=2691539716&idx=1&sn=d0630dc55f1569f866b9cf485bd283e3&chksm=a9ec1cdf9e9b95c9411b168a2277b1367ccd65156b2a2128232e45ad1d115070e24a27cc7e65&scene=21#wechat_redirect

  • 朱啸虎的中国 AIGC 现实主义

    朱啸虎的中国 AIGC 现实主义

    朱啸虎讲了一个中国现实主义AIGC故事 by 腾讯科技 张小珺

    \n

    \n

    中国科技界针对大模型的态度已分裂成两股阵营。一股是技术信仰派,他们大多技术出身,认为应该像OpenAI一样信仰AGI、信仰scaling law(规模定律),思维更偏硅谷。在他们眼中,随着模型能力跃升、模型成本降低,过程中会解锁丰富的应用。倘若不追求“更大更强的AI能力”,一旦其他人的模型飞跃,很快会降维碾碎现有根据地与护城河。
    另一股是市场信仰派,他们信奉陡峭的技术曲线终有放缓的一天,只需将“足够的AI能力”投入可以快速变现的商业场景中,用中国市场庞大而独特的数据构筑壁垒。这类人往往在中国丛林式的商场中浸泡更久,思维更偏本土。
    我们试图呈现这两种态度。就在几天前,我们发布《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》,杨植麟是技术信仰派代表,而朱啸虎的观点正好处在与他相反的另一端。
    事实上,市场信仰派在中国人数更众,特别是在当下资本泡沫破裂的无奈氛围下。只是,他们有时会羞于展露自己的真实想法——会被鄙视为“不信仰AGI”,或不为人类理想而战斗——所以他们大多数时候选择性沉默。
    朱啸虎毫不怯懦于公开表达。他近期似乎迷上了这样一句话:“AIGC PMF(Product/Market Fit,产品/市场匹配),你十个人找不到,投一百个人同样找不到。”某种程度上,他的观点是展现了一个更现实版的中国AIGC故事。
    “AI四小龙”(云从科技、商汤科技、依图科技和旷视科技)投资人赚钱的没几个,对吧?回到大模型,结果可能还不如“四小龙”。“四小龙”早年还是有些黄金时代的,一开始收入上去算挺快。大模型你有啥收入啊?
    腾讯新闻《潜望》:你过去一年投了哪些AIGC公司?
     
    朱啸虎:很多不一定是过去这一年投的,但它转型做AIGC反而很好,我们再追加投资。
    有个做AI视频面试的,2023年做得非常好。这让我很吃惊!去年招聘市场很冷,但它AI视频面试比2022年翻了一倍以上。哈哈。招多少人我不知道,但面试还是要面的。校招面试成本很贵啊,现在用AI可以降低成本。
    这种场景很多。本来做微信私域营销,现在可以用AI取代人——用LLaMA训练两三个月,至少做到人类top 30水平,马上去掉50%人工销售。中国在这方面场景远远领先美国。
    FancyTech,你知道吗?——我给你看看——AIGC视频广告,这个很酷的。他们产品做得特别效果好,而且马上能变现。2022年我们投的时候才1000多万收入,去年5000多万了,涨了五六倍,都是盈利的。你说这个在美国能做吗?美国根本做不出来!Pika(一家全球炙手可热的AI视频生成公司)今天根本做不出来的!
    腾讯新闻《潜望》:如果底层是大模型能力,上面应用公司构建的壁垒是什么?
     
    朱啸虎:数据啊,美国没有产品短视频数据。在美国看亚马逊、Shopify,还是基于照片。所有的电商,美国基于照片。中国过去三年全部转成短视频了。
    腾讯新闻《潜望》:你没有投to C项目?
     
    朱啸虎:to C有的,还有点早。to B马上能商业化,基本不用烧钱。
    昨天我们投的一个公司说:AIGC PMF,你十个人找不到,投一百个人同样找不到。和人数、成本没关系的。
    你不要去砸钱。砸钱做AIGC,不可能的!关键是找不找得到PMF。你如果找到PMF,不用砸几千万美金去砸个大模型,成本不高,拿LLaMA训练两三个月足够了。
    像我们(投)的公司都不需要多少张卡,最差的就一张卡。Fancy可能十几张卡,现在收入高了,所以到一百多张卡。
    腾讯新闻《潜望》:Sora横空出世,会对这些项目形成降维打击吗?
     
    朱啸虎:还是会帮助。我们生成的视频,是大模型不可能100%做的,有部分人工、部分AI。今天大模型,尤其用Transformer这种结构一出来有幻觉和偏差,必然要整合到工作流,需要人工修改,去fine-tuning。你一定要做成AI 100%做不了的东西,这才是中国的机会,100%大模型能做的很快就被颠覆掉,你现在做的都是浪费。
    腾讯新闻《潜望》:所以在中国的AIGC机会第一波爆发在企业服务,可以这么理解?
     
    朱啸虎:短期内肯定做to B,起来快。iPhone、大哥大、电脑出来的时候,都是to B先用啊。马上能提高生产力、见到效果。企业愿意花钱。
    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(多点触控),想不到的,对吧?愤怒的小鸟和切西瓜是Multi-Touch出来以后,才成为全球爆款。
    大模型到底在什么点让to C应用爆发,不知道。今天说“个人助理”都是技术人员的想象。我就问你,有几个人需要个人助理?都是典型的伪需求!
    腾讯新闻《潜望》:这些to B公司在AI上训练达到什么效果,会实现指数级提高?
     
    朱啸虎:很简单,见到客户第一面就能签单。
    见面签单,是一个考核指标,就是PMF。以前企服为什么难?销售周期长,半年,所以销售增长难。现在你给客户创造数量级价值提升。定制化那就没戏了,就是标准化服务、第一面POC(Proof of Concept,概念验证)、第二面正式合同。
    腾讯新闻《潜望》:to C大爆发需要iPhone3时刻,现在是什么时刻?
     
    朱啸虎:刚刚iPhone1、iPhone2吧。大模型进化速度比移动互联网快了十倍。什么时候每个手机上都有大模型,to C应用可能会爆发。
    腾讯新闻《潜望》:如果回顾2023年大模型,不管是全球来看还是中国来看,你会把哪些时刻作为关键节点?
    朱啸虎:(此处思考了2秒……)LLaMA上线是非常重要的。
    开源是完全不一样的局面,至少让中国在应用层面创新有基础了。LLaMA之前,很多套壳用OpenAI,是有点问题的。但LLaMA以后,至少没啥问题了。
    我们那些CTO都很年轻,拿LLaMA训练个两三个月。最差的就一张卡,训练两三个月就马上能商业化了。大家想想看——这个商业化门槛真的很低很低。马上能变现!马上能变现!
    腾讯新闻《潜望》:Google刚推出开源模型Gemma,相对之前的LLaMa、Mistral表现怎么样?OpenAI之后开源的可能性有多大?
    朱啸虎:总体反馈比LLaMa 2好一点,行业里有些人觉得它要抢在LLaMa 3之前发,LLaMa 3也快了。OpenAI目前没必要,现在LLaMa、Mistral和Google,这三个在竞争。离OpenAI差距还远,如果他们表现追上GPT-4,OpenAI开源一个小模型也有机会。很多垂直应用,我们发现Mistral 2比LLaMa 2好用。
    反正开源一个模型,我们都试试,看看哪个更好用一点。
    腾讯新闻《潜望》:怎么看一些基金在这波大模型公司中的布局?
     
    朱啸虎:有些是典型的FOMO嘛,就是Fear of Missing Out,怕错过。
    腾讯新闻《潜望》:如果一亿美金不一定非要投这几家基础大模型公司,而是用来布局整个AI赛道,你会怎么用这笔钱?
     
    朱啸虎:应用啊。现在我们都是两三千万人民币先进去,好的话持续追加。
    你十个人找不到PMF,一百个人同样找不到PMF。花钱是无效的。找到PMF以后速度上去很快,也不用烧很多钱。第二,管理销售能力是稀缺的。
    腾讯新闻《潜望》:2024年会涌现中国大模型公司的并购或收购潮吗?——就像之前你见证过的美团与点评合并,或者阿里收购饿了么。
     
    朱啸虎:技术的人,都是不相信我比别人差的。你说这个怎么合并?(笑)
    第二,现在谁愿意并购啊?而且今天并购,如果大家都用LLaMA开源改一改,有啥东西是我没有的?我有数据,有场景,你有啥?你就有几个人。
    现在可能并购就是为并购一个团队。这个团队值多少钱?你能花多少钱?和以前那个时代是完全不一样的。
    腾讯新闻《潜望》:但就在今年2月,月之暗面刚融了10亿美金,投资方是阿里、砺思资本、小红书等。据说其他大模型公司也在做这样大笔的交易。这意味着市场上仍然有人愿意投,而且不少。
     
    朱啸虎:主要是大厂,大厂还是FOMO,怕自己错失。月之暗面大部分钱是阿里出的。
    腾讯新闻《潜望》:阿里和月之暗面会形成微软和OpenAI这样的模式吗?
     
    朱啸虎:需要看阿里的投资部和内部的调节了。这个还不一定,阿里内部也有好几个团队在做,这到底是要看谁好用,业务部门才会用。
    腾讯新闻《潜望》:其他巨头接下来会也这么大笔地投资或者干脆并购一家大模型公司吗?
     
    朱啸虎:关键是对内部团队的信心了。现在看来,大厂就阿里展现出并购意愿。不像以前,大厂都有并购意愿。但阿里今天愿意出的钱,和以前肯定是完全不一样的啊。
    字节应该是没有并购意愿的,觉得自己能做。百度肯定觉得自己能干。腾讯现在不好说,腾讯内部好几个团队在做,但至少目前没有看到强烈的并购意愿。而且腾讯一贯思路是不急的,在后面慢慢跟,它有场景、有数据,你看腾讯从游戏到视频到音乐到文学,都是在后面跟着跟着第一了。
    腾讯新闻《潜望》:你怎么看美团收购光年之外?虽然这个很特殊。
     
    朱啸虎:完全是给老王(王慧文)一个解脱了,而且基本是投资人把本金拿回来。这也是一个警示——以后的并购,如果不是那么成功的并购,可能就是让投资人拿点本金加利息回去。大厂都不是那么财大气粗,并购和以前没法比的。如果就是让投资人拿点本金加利息回去,那投资有啥意思啊?
    当然月之暗面如果证明自己,大模型能追上闭源水平、能做到GPT-4.5或GPT-5,收购是有价值的。但如果只做到开源水平,就收个团队,你能给多少钱?中国大模型的进展,如果追上开源,至少你还有存在价值;如果追不上开源,就没有意义了;如果追上闭源,你才能有独到的额外的价值。
    腾讯新闻《潜望》:中美在这波大模型浪潮中,差异有多大?
     
    朱啸虎:说实话在AIGC这波,中美差距还是非常大。美国是在底层大模型,投入越来越大,像OpenAI说十万张GPU卡连在一起。在中国是不可能的。
    美国你看AI的应用创新,说实话只有两条路,一条要么非常、非常薄,因为底层大模型太强大了,所以上面叫套壳应用。另一层是看上去很伟大,但肯定走不通的,像Pika。这种目标很伟大,AIGC生成视频、电影。但这条路可能在几年之内都看不到走通的可能性。
    中国反而相反,中国在“当中”的多一点——底层大模型不够强大,我在上面加的东西可以比较多。我在上面做增值服务,为客户马上能变现。这种在中国有机会。美国这种几乎没有,因为底层大模型太强大了,上面创业公司能做的很少。中国套壳,现在肯定没人看的。在中国也套不了壳,因为大模型本身功能也就那样,必须在上面有value add。
    (中国)整出200多个大模型有啥意义呢?没啥意义。但在应用层有很多创新。中国在数据和应用场景上是远远超过美国的。
    腾讯新闻《潜望》:你为什么不去美国投AI?
     
    朱啸虎:我们美国有团队的。2023年我们上半年每个周打一个电话,中美之间交流AIGC有哪些信息——美国看哪些项目,中国看哪些项目。打了半年我不打了,没有意义。
    美国四大模型确实很牛逼,中国投资投不进去,今天的估值投进去也没有意义了。中国有场景,中国电子商务比美国远远发达,后来美国公司就:卧槽你们怎么做出来的?感觉很惊讶,在美国做不出来你知道吧。
    我再给你看一个,普通的2G电话,接起来变成虚拟直播,帮你做推销,今年马上直接点击购物了。你如果签代言人,可以让王一博给你打,转化率至少比2G电话翻一翻。我给中东投资人看,中东投资人惊呆了:卧槽,这是什么东西?他都没看到过!这都是中国的创新啊。中国在销售营销当中创新太多了。
    腾讯新闻《潜望》:在你看来,中国的AIGC应用已经大爆发了?——外界没有人这么说。
     
    朱啸虎:已经大爆发了。大家都不知道!因为都是to B应用,消费者都不知道,你知道吗?
    腾讯新闻《潜望》:中美两边的融资环境呢?
     
    朱啸虎:美国确实,像Pika,大把钱可以砸进去。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。
    一亿美金估值现在没有人投!可以告诉你。
    腾讯新闻《潜望》:这个变化是2023年中开始?
     
    朱啸虎:对,6月份以后。所以你前面最多几千万美金估值融个两轮,后面的出路在哪里?必须靠自己造血,自己找商业化场景。
    腾讯新闻《潜望》:怎么看中美大模型公司和巨头的关系?
     
    朱啸虎:在美国,大部分会被巨头并购。中国是很难,即使被并购,也很难出好价格,就是买个团队。说实话,今天(中国)大模型有什么差别?
    腾讯新闻《潜望》:所以不该拿着锤子找钉子。
     
    朱啸虎:现在200多个大模型拿着锤子找钉子,找不到啊!
    现在我找到了钉子,找一个锤子是容易的。为了这个钉子,可能我找一个很小的锤子就行了。不需要那么高、那么大的锤子。
    腾讯新闻《潜望》:现在大模型牌桌上的明牌是什么?
     
    朱啸虎: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。
    腾讯新闻《潜望》:拾象创始人李广密的判断是,开源模型追不上闭源模型,而且差距肯定会越来越大,大模型很像芯片或者Space X。从人才密度看,LLaMa也还不够,他认为硅谷大模型的核心secret在OpenAI、Anthropic和Google这三家公司。
     
    朱啸虎:现在OpenAI技术迭代曲线还比较陡峭,开源肯定比非开源落后一年甚至一年半。但等非开源技术迭代曲线缓慢下来,开源会上去的。OpenAI就一两百个工程师,开源的全世界几百万、几千万工程师在用,怎么可能一直比非开源的落后?就像安卓,今天比iOS差吗?肯定不会。
    就在于十万张卡到底能不能出来?到底“大力出奇迹”会不会一直下去?如果十万张卡还能“大力出奇迹”,那确实牛逼的;如果十万张卡不能再显著提高性能,就放缓了。技术迭代曲线只要放缓,开源立马就追上去了——谁能永远保证保持秘密,没有秘密可言的。
    腾讯新闻《潜望》:月之暗面创始人杨植麟的观点是,开发方式跟以前不一样,以前所有人都可以贡献到开源,现在开源本身还是中心化的,开源的贡献可能很多没有经过算力验证——你怎么看他这个偏技术推论式的判断?
     
    朱啸虎: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。模型和应用的技能完全不一样,模型需要科学家,这些人对技术懂得很深,而且不需要很多人,只需要精干的人。应用,你需要对场景、市场投放、销售非常了解,和科学家是完全不一样的技能。
    腾讯新闻《潜望》:大模型公司理想化的想法是,我一手做最牛的模型,一手做最牛的应用。
     
    朱啸虎:这就是我不建议国内创业者用国内大模型的原因。你用国内大模型,你做得好,肯定别人会抄你。他们都是做大模型,确实不懂应用啊,但你如果基于它上面做得好,它抄你是容易的。美国有清晰分工,国内大模型公司知道自己大模型比美国落后,然后都想做,那创业者肯定更不敢用它。我一直和国内创业者说,千万不要在别人地基上盖房子。
    腾讯新闻《潜望》:OpenAI是不会做应用的?
     
    朱啸虎:它是被逼做一个GPT出来。它确实没发现应用者在上面做很多场景,做了GPT出来展示一下。美国前端场景都有人做,微软为什么和OpenAI合作?微软有一堆场景,OpenAI自己去做也没优势,必须和别人合作。现在美国很明显,大模型以后就是云服务的组成部分。
    腾讯新闻《潜望》:你的观点比很多人都更激烈,在线下被同行或者创业者怼过吗?
     
    朱啸虎:没有啊,我问的问题都回答不了啊。谁能回答出来?
    我希望被怼,关键是谁能回答出来。你商业化场景在哪?你的数据在哪?都不知道的。你自己去和他聊就知道了。
    这个真的比“AI四小龙”还差。“四小龙”进入的时候竞争对手还没那么多,市场就五六家、七八家,竞争没那么激烈。还有两三年的黄金时期,收入做起来了,到后面才是杀价格。
    现在200多大模型。大模型2023年年初,一千万私有化部署一个,到6月份五百万部署一个,到年底一百万都不要。给央企部署一个私有化大模型,不要一百万人民币。一年时间就价格杀到地板价去了。怎么搞?创业公司怎么搞?这么早就陷入价格战,大模型公司就会很难单独生存。
    今年就可以看出大模型本身是不是好的商业模式,多少OpenAI的用户会因为价格差异迁移到Google的Gemini——OpenAI 20美金一个月,Gemini 10美金一个月。我们美国团队已经有一半人切换到Gemini,一部分是因为价格,另外一部分是因为Google的ecosystem。
    三星的AI手机已经绑定Google Gemini。下面就看苹果的新iPhone会绑定哪个大模型,会向大模型公司收多少钱。
    腾讯新闻《潜望》:OpenAI后面会怎么样?
     
    朱啸虎:如果有1/3以上客户迁移,那估计只能卖给大厂了。
    腾讯新闻《潜望》:你说这些有压力吗?
     
    朱啸虎:我也没啥压力。哎呀,现在大家都比较明确的一点,企业都至少别烧钱——今年投资人的共识是这个——所有企业别给我烧钱,都自己造血。
    腾讯新闻《潜望》:从第一天起不烧钱是今天的创业新趋势。
     
    朱啸虎:对啊,后面有没有人投资不知道的,所以每一轮都要当成最后一轮!千万别烧钱。
    腾讯新闻《潜望》:怎么退出?
     
    朱啸虎:退出再说啊。你不烧钱,这个至少就有机会,现在就要活下去!
    像《繁花》讲的一样,要活下去!
    真的,一步一个脚印,活下去再说!活下去就有机会。
    腾讯新闻《潜望》:《繁花》好看吗?
     
    朱啸虎:好看,很好看。
    腾讯新闻《潜望》:好看在哪?
     
    朱啸虎:确实那个时代大家真的可以搏一下。
    今天就别搏了,就是要活下去!
    腾讯新闻《潜望》:你说你现在的状态和2005年左右刚入行的时候很像?你是怎么进入投资行业的?
     
    朱啸虎:2005年、2006年,就是VC刚开始的时候,中国没几个VC,看项目看三到六个月才出手。我和有一个合伙人比较熟悉,我之前创业是卖to B的。妈的,销售周期,我们卖保险公司应用至少半年到一年,实施周期还有半年到一年,太累了。
    腾讯新闻《潜望》:教你投资的老师是谁?从他身上学到最多的是什么?
     
    朱啸虎:美国那个合伙人,他投的小红书和去哪儿。Number-driven(数字驱动),我们都是看数字的,我们不听故事。
    当然也看人。所以,哎呀,一鸣(字节跳动创始人、原CEO)当年真的是,看人也看不出来,看数字看不出来,哈哈哈真的是。
    腾讯新闻《潜望》:你错过最后悔的项目是字节,从这里面学到了什么?
     
    朱啸虎:字节的case确实,哎……就是……说实话一鸣确实很难判断。你和他聊天,他也不太怎么说怎么说。今天你和他去聊天,他也是一样的。他也不会很sharp地告诉你很多事情。所以,真的很难判断。
    第二,当时只有今日头条,个性化新闻这件事情确实不大,我判断没错。但后来出来个抖音谁知道?
    腾讯新闻《潜望》:你感觉,现在这个时代和上一个时代有哪些共性和不同?
    朱啸虎:我觉得Midjourney是守不住的。为什么Midjourney现在还很火?因为技术迭代周期还陡峭。Midjourney 5、Midjourney 6,版本速度快。但是,一旦技术曲线放缓就守不住了,因为to C应用太低频,给里面附加一个东西太容易了。为什么大厂给你机会?美国公司可能还是并购,中国就不一定好做了。
    [danger]所以,和移动互联网一样,to C应用必须刚需、高频,长远才有机会守得住。我对Midjourney是有很多顾虑的。[/danger]
    腾讯新闻《潜望》:你2023年的工作状态和之前几年有什么不一样?
    朱啸虎:更悠闲,我刚刚休假回来哈哈。今天投资人的状态就是休假时间会比较多一点,大家都不急的。看到一个项目,都要观察三到六个月的时间。比如像大模型有变化,今天技术迭代的曲线还比较陡峭,大家都看下一款大模型会不会对你有颠覆性的影响。
    腾讯新闻《潜望》:中国VC的好时代过去了吗?
    朱啸虎:这个很正常,市场不需要那么多钱。全行业一年投一两千亿,平均下来全行业是亏损的,没有那么多退出机会。洗牌是正常的、需要的。美国现在一年投的金额也下去很多。
    腾讯新闻《潜望》:你为什么不看新能源车赛道?
    朱啸虎:我们不太喜欢太重的。我们就喜欢软件驱动的,不需要砸很多钱、一张GPU就能跑起来的。这种是比较适合我们的。马上能验证行不行。
    腾讯新闻《潜望》:你有喜欢的创业者画像吗?
    朱啸虎:思路很清晰的,十几分钟能讲明白一件事情,而且表达比较直接。
    (我问题的问题)基本上都一样,你的市场机会在哪里?市场机会多大?为什么是你?就是这几个问题。能讲明白的不多的。
    腾讯新闻《潜望》:错过的项目有总结过共性的原因吗?
    朱啸虎:共性还是对人看不懂。有些人我们确实看不懂。
    内敛的看不懂。我就喜欢E人,I人就看不懂。
    腾讯新闻《潜望》:你是哪个MBTI?
    朱啸虎:我是E。
    腾讯新闻《潜望》:你也不准备弥补这一边?
    朱啸虎:不需要弥补。
    腾讯新闻《潜望》:你这个性格有在投资生涯里吃过亏吗?
    朱啸虎:妈的,错过了字节这样的,贡献了过去二十年投资圈一半的利润。再多的项目可能都弥补不了一个字节。
    腾讯新闻《潜望》:现在很多人说杨植麟是AI时代的一鸣,你会不会再错过一次?
    朱啸虎:[success]一鸣始终在用户端,真正能做大的最终还是用户端的。[/success]
    腾讯新闻《潜望》:现在业余时间干嘛?
     
    朱啸虎:更悠闲一点,看看书,看看电视剧不挺好的嘛。
    《繁花》真的拍得挺好。别加杠杆,别加杠杆,千万别加杠杆。这些都是很朴素的,但是真的在关键时刻能救命的。与人为善,那个强总,别把别人逼向死路,与人为善挺好的。
    腾讯新闻《潜望》:你2022年在国外比较多,有没有一些海外观察?
     
    朱啸虎:国外真的还不如中国。中国供应链体系是无与伦比的,其他国家没法和中国比。中国创业者的拼搏精神,也是创新精神,其他地方没法比的。所以AI就是中国跟美国两个地方,其他地方没机会的。韩国,也是有人才的,到中国来cold call找上来的,你想想看。
    我和创业者说,2023年就聚焦中国,先把中国的地圈起来,2024年再考虑出海。
    腾讯新闻《潜望》:很多投资人经过慎重考虑后最终选择离开这个行业,你为什么没有决定退休?
     
    朱啸虎:宏观上很多不确定性,微观上还是有很多机会的。很多创业者真的能在不烧钱的情况下一年涨两三倍、三五倍。为什么(我)讲Next China is still China?中国创业者真的很厉害——你去找宏观的人聊,找二级投资人聊,都很悲观;但是你和创业者聊天,很幸福、很兴奋的。很多时候是让我们大吃一惊的。
    否则,你干嘛呢?哈哈哈。
    腾讯新闻《潜望》:今年给被投企业说的最多的话是什么?
     
    朱啸虎:就是不烧钱,不烧钱。
    昨天晚上还有个公司说,今年的baseline假设(基准假设)是:假设收入降20%,你还能打平。你千万别假设收入增长,收入部分达不到,你的成本就先花出去了。
    腾讯新闻《潜望》:会不会有时候觉得自己太过于现实?
     
    朱啸虎:现在根本没有资本泡沫时期的容错能力,你必须现实。所有公司都得不烧钱。
    腾讯新闻《潜望》:如果你今天讲的关于大模型的判断都是错的,你怎么想?
    朱啸虎:那很正常,也是有可能性的。但我个人看来,核心问题还是到底能不能产生AGI,能不能产生人工智能懂世界模型。目前给我感觉,至少5到10年之内是看不见的。
    从哲学角度看,智力级别的提升首先需要能量级别的提升。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。[info]帮人类降低90%的工作可能未来3到5年可以实现,但最后的10%可能需要天量的算力和能耗,这也是为什么Sam Altman想融天量的资金!行百里者半九十。[/info]
    Sora证明了一个新路数,美国有钱敢于试错,那挺好,中国就在后面慢慢跟呗。技术迭代曲线肯定会放缓,PC刚出来也一样,(电脑的CPU型号)286、386、486,大家都觉得美国牛,但586以后,联想都收购IBM了。技术迭代曲线不可能一直这么陡峭。英伟达昨天又涨20%,说明它离顶部越来越近。
    腾讯新闻《潜望》:你预计技术曲线什么时候会放缓?
    朱啸虎:GPT-5以后就基本会放缓——GPT-4.5今年应该很快发布,GPT-5不一定,可能明年。GPT-5是把视频生成做到今天图像生成的水平,再往前走不太容易。现在看,语言模型进步差不多见顶,突破在多模态,Sora再发布三四个版本也能见顶。后面突破按他们自己说7万亿美金,至少几十万张卡拿出来训练,成本太高太贵了。就像当年建大型高能对撞机,先让别人试错,我们在后面跟是最好的、最稳健的策略。
    腾讯新闻《潜望》:回到AGI信仰的话题,如果大模型公司注定看不到商业化的可能,退一步讲,你能不能用你手上的钱支持一下人类梦想与科学研究?
    朱啸虎:那个是需要大厂和政府去支持。为什么美国人敢投?微软3万亿美金市值,苹果2万亿美金市值,他们敢砸钱。中国不需要砸,美国有钱在前面试错,它一旦证明路通了,后面要花的钱少一个数量级。
    我们跟在后面,花的钱少一个数量级,风险小很多,干嘛不跟在后面?

    \n

    \n

     参考资料

    \n

    1.【AI|朱啸虎讲了一个中国现实主义AIGC故事】https://mp.weixin.qq.com/s/4111julSNH4XPXsUc8XEXA

    \n

    \n2.中国大模型公司:

    王小川
    月之暗面
    MiniMax
  • 大模型应用开发入门(宝玉推荐序)

    大模型应用开发入门(宝玉推荐序)

    《大模型应用开发极简入门:基于 GPT-4 和 ChatGPT》推荐序
    2023 年是 AI 爆发的一年,各种 AI 技术和产品如井喷一样爆发。尤其是以 ChatGPT 为代表的大语言模型 (large language model,LLM),能写文章、写总结、写代码,还能调用外部智能体 (agent),真切地让普通人感受到了 AI 的强大。同时,AI 的爆发也引发了很多人的焦虑,以至于一句话广为流传:“替代你的不是 AI,而是善用 AI 的人。”大家都想快速学习和掌握 AI 技术,不想落伍,但同时又担心 AI 门槛过高,很难掌握。
    我在今年完整地经历了:
    惊讶于 AI 的强大 –>
    焦虑被 AI 或者善用 AI 的人替代 –>
    学习 AI –>
    使用 AI –>
    成为善用 AI 的人
    在这个过程中,我最大的感触就是,如果从应用层面去学习 AI,其实没有想象中的那么难;但是如果没有好的图书或者视频类教程,还是会走不少弯路。
    要学习 AI 技术,我个人认为比较好的方法如下。
    What: 系统了解什么是生成式 AI 和大语言模型,大语言模型能做什么,有什么应用场景,局限是什么。
    How: 该如何写提示词,如何调用 API。
    Do: 把 AI 带入自己的工作和生活,切实去使用 AI。从使用提示词开始,写文案、写总结、翻译、写代码,等等。然后,有能力和想法的朋友,还可以尝试调用 API 去开发 AI 应用程序。
    这其实也是我推荐这本书的原因。这本书虽然比较“薄”,但是可以帮助你系统地了解什么是大语言模型,大语言模型都有哪些应用场景,以及如何写提示词和调用 API。另外,整本书的翻译质量相当不错,绝对不是“机翻”的版本,并且由于书中用到的一些平台或者 API 已经发生了更改,译者针对这类情况都贴心地加上了译者注。
    当然,请不要指望通过这本书就成为一个专家,它更像一个入门指南,告诉你 What 和 How。如果你想深入学习某些知识点,还需要自己动手去实践(Do),并配合在线资料进一步学习。
    祝你通过这本书,掌握 AI 的知识,早日成为善用 AI 的人。

  • ChatGPT API 实战课程翻译

    ChatGPT API 实战课程翻译

    最近翻译的系列课程:

    《Building Systems with the ChatGPT API》
    由OpenAI官方和DeepLearningAI共同推出的关于如何用ChatGPT的API构建常见应用,以及如何用好Prompt完成复杂的任务,并且保证其安全性和生成质量。

    课程地址:http://t.cn/A6pGx8c4
    微博播放列表:http://t.cn/A6p4j1Uo
    B站播放列表:http://t.cn/A6pbrDWK
    YouTube播放列表:
    www.youtube.com/watch?v=1SZOGp1D17E&list=PLiuLMb-dLdWKjX8ib9PhlCIx1jKMNxMpy?

    Google 的《Generative AI learning path》
    Google出品的生成式AI的原理,浅显易懂。

    课程地址:http://t.cn/A6ptcsvw
    微博播放列表:http://t.cn/A6p9pgAL
    B站播放列表:http://t.cn/A6pm2HYx
    YouTube播放列表:
    www.youtube.com/watch?v=tbLOQ533Up8&list=PLiuLMb-dLdWJPpybrCYNhi6D9Vd4vz16i?

    《基于LangChain的LLM开发》
    有LangChain创始人主讲,详细介绍了LangChain的原理和设计系统,并且讲了如何用LangChain操作大语言模型完成常见任务。

    课程地址:http://t.cn/A6pqFTDo
    微博播放列表:http://t.cn/A6pfw839
    B站播放列表:http://t.cn/A6pmbefN
    YouTube播放列表:
    www.youtube.com/watch?v=gUcYC0Iuw2g&list=PLiuLMb-dLdWIYYBF3k5JI_6Od593EIuEG?

    《扩散模型是如何工作的》
    现在很火的AI生成图片的技术,你所熟知的MIdJourney、Stable Diffusion都是基于扩散模型,这个系列教程详细介绍了扩散模型的工作原理。

    课程地址:http://t.cn/A6pqFTDo
    微博播放列表:http://t.cn/A6ptoMEe
    B站播放列表:http://t.cn/A6pmbefp
    YouTube播放列表:
    www.youtube.com/watch?v=oSmlciqXOaU&list=PLiuLMb-dLdWKh6Oq46LZ3pLwlmYuMYl_g?

    《LangChain:构建与数据对话的聊天机器人》
    由LangChain创始人主讲的如何利用LangChain实现一个基于自己数据的问答机器人,同时详细介绍了嵌入、数据检索等基本原理。

    课程地址:http://t.cn/A60OBUEG
    微博播放列表:http://t.cn/A6pkgIHE
    YouTube播放列表:youtube.com/watch?v=JMScDV251ho&list=PLiuLMb-dLdWJX_EWk4RtQAjjrPLWaswTV
    B站播放列表:http://t.cn/A60OBUEb

    《大语言模型微调之道》
    这是由Sharon Zhou主讲的,教你如何在自己的数据上进一步微调自己的LLM,以完成特定的任务。

    课程地址:http://t.cn/A6OwZ6qc
    微博播放列表:http://t.cn/A6OwtXsE
    YouTube:www.youtube.com/watch?v=3apAPNXogAQ&list=PLiuLMb-dLdWKtPM1YahmDHOjKN_a2Uiev
    B站:http://t.cn/A6OwtaTp

    《大型语言模型与生成式AI》
    这是一门亚马逊的人工智能科学家开的课程,对于大语言模型和生成式AI介绍的非常清楚,很适合入门。

    课程地址:www.coursera.org/learn/generative-ai-with-llms/lecture/sAKto/rlhf-fine-tuning-with-reinforcement-learning
    微博播放列表:http://t.cn/A6puSD2x
    油管:www.youtube.com/watch?v=X7r4rL2T2lg&list=PLiuLMb-dLdWL4KBaU3FTM5f_oMcSvXcZw
    B站:http://t.cn/A602slTT

    《从商业思维到AI实施:利用Semantic Kernel构建插件之路》

    由微软公司开设,旨在教授你如何通过“Semantic Kernel”SDK快速地在你的应用程序中使用LLMs。课程讲师John Maeda不仅有丰富的技术背景,还有商业和风险投资方面的经验。他分享了他的成长故事和对技术的热爱,以及如何将技术应用到各种行业,包括小型企业。

    课程地址:http://t.cn/A6OipC98
    微博播放列表:http://t.cn/A6Oip9T6
    YouTube播放列表:www.youtube.com/watch?v=b2zku-QJjBA&list=PLiuLMb-dLdWK1kwqybtilfI3BWesmhAEU
    B站:http://t.cn/A6OipC9R

    《使用Gradio构建生成式AI应用》
    此课程由DeepLearningAI与Hugging Face联合开设,在这课程里,将教你使用Gradio,这是一个在Python中非常高效和方便的工具,帮助你轻松展示自己的机器学习模型。
    Gradio让你无需编写任何前端、网络或JavaScript代码,就可以快速搭建演示界面,展示你的生成式AI应用。

    课程地址:http://t.cn/A6O12EiQ
    微博播放列表:http://t.cn/A6O12Ex4
    YouTube播放列表:www.youtube.com/playlist?list=PLiuLMb-dLdWL5Z246WwvA0d5ezXn4Q6BS
    B站播放列表:http://t.cn/A6O12EiH

  • 投资人为什么会错失一个时代

    投资人为什么会错失一个时代

    为什么绝大多数投资人会错失一个时代?
    ——东方港湾 观点

    在中国欢度农历新年的二月份,国内股市迎来了激烈的反弹,纳指也迎来了历史的新高。短短一个月,人工智能的军备竞赛继续愈演愈烈,AI时代的舞台精彩纷呈。
    月初,谷歌发布了最新的大模型——Gemini 1.5,并将自己的聊天应用Bard彻底改名为Gemini。利用其算法优势以及自研TPU的算力优势,Gemini将上下文窗口长度(每次问答处理的数据量)从20万提升到了100万Token,测试中信息损失率极低。距离GPT4 Turbo发布仅不到两个月,谷歌大模型的信息读取量相对GPT提升近八倍。同时,Gemini 1.5基于谷歌强大的搜索引擎能力,还展现出了比Gpt4更强大的实时信息搜索整合能力(RAG检索增强生成)。为了应对谷歌的挑战,Openai几乎于同时,发布了目前尚在研究的重量级应用——Sora文生视频AI应用,在舆论上完全盖过了谷歌的风头。加上谷歌因“黑人事件”而撤回已经发布的“文生图”应用,这导致本月的AI军备竞赛中,谷歌“痛失一城”,股价也出现了较大的调整。
    而本月发布的文生视频应用Sora,虽只是内部测试阶段,却让世界听见了“通用人工智能”不断靠近的脚步声。在其《视频生成模型作为“世界模拟器”》一文中,Openai向我们展示了非常重要的两点信息:其一,Sora找到了规模化训练视频的方法,将原本不同规格、像素、长度或尺寸的视频图像,通过提取要素片段“Patch”,实现了大规模的视频数据训练。可训练数据与算力一提升,视频生成效果得到了质的飞跃;其二,Sora所生成视频,除了有更高的品质和一致性,还展现了对物理世界相互作用的“理解力”。这并不意味着Sora能通过视频数据领悟出牛顿定律,但通过观察视频所展示的世界,Sora开始能够“准确再现”现实世界里的相互作用(例如球撞篮板会反弹,杯子落地会碎,雨打水面溅起水花等),尽管仍有待改进,但样本向我们展示了这种可能性。人类从小习得的经验,许许多多是不能用文字描述的,虽然我们并不一定清楚现象背后的原理,但我们知道其因果关系。GPT4到Sora的进化,正是从理解概念之间的关系,进化到能够正确不同现象之间相互作用关联性,对物理世界的认知又往前迈开了一步。
    Openai之所以依旧能引领着全球大模型的进化方向,从去年的GPT4到今年的Sora,都给世界带来了眼前一亮的成果,这背后都得益于公司深信的一条经验总结——“缩放定律(Scaling Law)”:该定律认为随着参数和数据量的指数级提升,大模型的能力必定会随之出现质的飞跃。这逐渐引导了包括Openai、微软、谷歌、特斯拉、Meta以及本月的苹果,加入了军备竞赛,开始向大模型的训练和应用,每年投入成百上千亿美元进行研发,并深信自己的投入可以获得不错的回报。
    “缩放定律”之所以行得通,有一个非常重要的前提条件——加速算力的爆发式增长。黄仁勋称在过去十年,GPU的性能大约增长了一百万倍,而未来十年GPU的性能将至少增长1000倍。这使得大模型不断提升参数和训练数据量成为现实:以GPT4为例,相对于GPT3其参数提升了10倍,而算力需求提升了近70倍;GPT5的参数量又将提高近10倍。这也是英伟达的业绩不断超预期的根本原因。
    因此确实可以说,英伟达是本轮人工智能进化的原因,而不是人工智能应用的落地成就了英伟达。在“缩放定律”还没碰到了天花板之前,各家巨头都会被卷进这场军备竞赛中,直到证明模型能力没有提升空间为止。停下脚步的公司都可能被时代抛离,就像微软曾经被移动互联所抛弃一样。按照山姆奥特曼的说法,当下GPT4只能完成人类10%的任务,更不可能完成一项独立的工作,或是替代某个职业,模型能力还需不断提升。所以从一定角度上讲,盯着AI应用落地的效果,来推理英伟达的算力需求,多少有点缘木求鱼。
    本月的英伟达财报证明了这一点,除了Q4季度业绩大超预期,英伟达对于24年Q1的指引也超出了市场的预期(从200亿美元提升到240亿美元),同时改变了市场对于公司25年零增长的猜测,市场预期提升到了30%左右的增速。数据中心业务中,除了GPU供不应求,网络配套业务收入也开始成为了重要的增速驱动力。公司还在会上透露,即便在当下AI应用落地的早期,出售的芯片中也有至少40%被用于推理计算,这与我们的判断一致:未来一两年,英伟达的需求依然会以训练卡为主,但AI的潜在推理需求将是训练需求的上百倍。与过去的数据中心只针对IT企业不同,人工智能革命所带动的数据中心需求,会触及社会的各个角落,是整个世界每个行业的共同需求,推理需求的空间广阔无比。根据上调后的业绩测算,800美元的价格相当于24年业绩的27倍,仍低于历史平均估值的30倍PE,更远低于以往行情高点的60-70倍(2倍标准差外)。
    人工智能另一受益领域是能源。本月市场逐渐意识到随着AI的发展,对算力的饥渴需求,最终会促使社会经济对于电力的需求出现爆炸式的增长。按照奥特曼的说法,未来可能会因电力不足反过来制约人工智能的发展,需要像可控核聚变等技术的发展,以解决人工智能的电力需求。这也促使了市场本月对我们所投资的煤炭资源股票进一步做了价值重估。
    投资不是件容易的事情,我曾经说过投资比的是“谁看得远,看得准,敢重仓,能坚持,缺一不可!”。看得远,看错了,就成了失败的人生;看得远,看得准,不敢重仓,人生也会平淡无奇;看得远,看得准,敢重仓,没有坚持,会懊悔终身,因为尽管抓住了一个赛点,但错失了整个赛程和人生。
    东方港湾成立在2004年3月,再过一个月就整整20年了。2004年又是移动互联网时代开启的年代,当年的2月4日Facebook成立、6月16日腾讯上市、谷歌8月19日上市。20年过去了,这些公司长成了“参天大树”。而继电子硬件时代、互联网时代、移动互联网之后,第四个人工智能时代将开启资本市场的伟大征程。电子硬件时代,大概16年涨了6.5倍,互联网时代大概10年涨了13倍,移动互联网13年涨了10倍,人工智能比前三个时代更没有上限的技术革命,不知道在未来10年,会给投资人带来怎样的回报。20年前我37岁创业时,对有些机遇的出现,特别是“改变世界商业模式出现时”的感知还有些“懵懵懂懂”,还会纠结一些“细节”,患得患失。到了我今天这个年龄,当又一个时代来临时,作为投资人的我们能做什么?应该做什么?!应该是非常清晰、坚定,全力以赴不负时代给予的机遇。以10年、20年的维度,以硅基生命取代碳基生命的角度,人工智能的时代一切才刚刚开始!