# 114: 秘塔闵可锐2：“我不是演员” 晚点聊 LateTalk · 2025-05-05 本期《晚点聊 LateTalk》中，秘塔科技创始人闵可锐向主播曼祺与王与桐解释，这家成立七年的小AI公司为何刻意保持保守：他自评新产品“今天学点啥”仅70分，称秘塔80%的产品决策靠他“拍脑袋”，2024年只新融1亿多人民币、估值低得保守，还拒绝了去年的收购，因为他“当不了演员”，讲不了自己都不信的故事；他也提到秘塔搜索已接近100万日活。他说明为何不追Agent热潮——2025年上半年的模型能力仍撑不起相对通用的Agent，Manus的很多效果得益于Claude；也解释为何秘塔没有采用DeepSeek式高密度研发组织——“因为我们没钱”。他给出一个悲观判断：任何主要依靠大模型能力、有潜力做到1000万DAU的软件应用，大模型公司和大厂都会自己做，小公司只能“摸着石头过河，大厂摸着我们过河”。技术上，他认为Grok3证明了后发团队配上顶尖资源能快速追上一线模型，Llama4再次印证“一流资源、二流团队”干不过“二流资源、一流团队”，并强调预训练对推理模型至关重要，Scaling Law不是简单线性外推。节目还谈到“今天学点啥”下一步会为辅导孩子作业的家长优化，以及闵可锐对团队分工、没找产品合伙人和过去两年“各方面更会了”的反思。 ## Questions this episode answers ### 为什么秘塔一直很少融资、估值不高？ 闵可锐说自己哪怕讲真话人家都不相信，更编不了自己都不信的故事，所以“我们干不了这活”；加上行业判断每两三个月就会发生180度调转，融资操作很难，他也就没有把多融资、高估值当成目标。 [29:44](https://latetalk.podhood.com/b9f43d7e-63e6-4a28-8bff-55beeb094f7f?t=1784000) ### 为什么秘塔没有去做 Agent 方向的产品？ 闵可锐认为，通用 Agent 到2025年上半年仍没到可用线：100 个任务里可能只有 30 个能做得不错，而用户通常期望 95 个以上成功。他确切知道 Manus 展示出的很多成果来自 Claude 的模型能力，不该全算作 Agent 的功劳。秘塔选择做大家没做的事。 [18:22](https://latetalk.podhood.com/b9f43d7e-63e6-4a28-8bff-55beeb094f7f?t=1102000) ### 闵可锐怎么评价 DeepSeek 和梁文锋？ 他说 DeepSeek 的人才策略“不本就应当这样吗”，个人品味很好；秘塔没这么组织是因为没钱。量化出身的人对硬件压榨最极致，所以 DeepSeek 的工程创新很细。他补充说，对足够有钱的组织，追求 AGI 也可以当消费，不必先算 ROI。 [36:15](https://latetalk.podhood.com/b9f43d7e-63e6-4a28-8bff-55beeb094f7f?t=2175000) ### 哪些 AI 应用会被大模型公司自己做掉？ 闵可锐判断，任何主要依靠大模型能力、有潜力达到 1,000 万 DAU 的偏纯软件应用，都会进入 foundation model 公司和大厂的狩猎范围；应用公司要么把核心价值建在销售、服务等别的环节，否则很难独立存在。 [1:06:20](https://latetalk.podhood.com/b9f43d7e-63e6-4a28-8bff-55beeb094f7f?t=3980000) ## Key moments - **[0:00] 开场** - **[3:05] 新产品** - [3:05] 黑神话冯骥自来水推荐「今天学点啥」，闵可锐自评新AI课堂产品70分：界面优化空间大，给家长讲题功能已在路上 - **[9:09] 产品判断** - [9:09] 其实秘塔 80% 的产品决策是‘我拍脑袋’的 - [11:18] 做 to C 和 to B AI 产品的决策方式不同：to B 问需求常得假回复，to C 更靠观察和自己脑补 - [13:10] 秘塔从「AI总结」倒过来做：先找原文材料，再把800页书和论文讲成人人能懂的形式 - **[18:14] Agent取舍** - [18:14] Q: 为什么大家都在做 Agent，秘塔却不做？闵可锐：不是应该做有价值但没人做的事吗？ - [20:32] Manus 的惊艳效果很大程度是 Claude 的功劳；2025 年通用 Agent 仍只做到 100 个任务里约 30 个能 work - [23:20] 闵可锐：25 年模型做通用 Agent，100 个任务约 30 个能 work，离 95% 成功率那条线还远 - [25:58] Q: 秘塔为何没有沿着法律场景做垂直 Agent？闵可锐：在中国只做辅助律师没机会，端到端替代才成立，但得自己开律所 - [27:56] 收入是秘塔做产品的重要指标；过去 7 年很多名噪一时的 AI 公司要么死了，要么大幅收缩 - **[29:45] 融资保守** - [29:45] 我融不了很多钱；我讲真话大家也不信，也做不了演员 - **[34:44] 旧日预言** - [34:44] 闵可锐在 2023 年初就判断：做不到全球 top 的 foundation model 创业公司挑战重重、会速生速死 - [36:14] 做基础模型就应该是 DeepSeek 的人才组织方式：顶尖人、所有资源压一个方向；秘塔没钱所以走应用驱动 - [37:27] AI 战场都是顶层聪明人，不要奢望同时兼顾 8 个产品、开几条模型线还能在某个方向碾压别人 - [38:11] AGI 一定要算 ROI 吗？闵可锐：足够有钱的人可以把 AGI 当消费，像买豪车一样，不一定要靠它赚钱 - [41:46] Llama4 再次证明一流资源+二流团队干不过二流资源+一流团队；字节人才密度很高，关键是发挥价值 - [42:55] 梁文锋最懂的是量化出身那批人对硬件和工程的极致压榨：0.1 毫秒就值 1000 万美元 - **[44:56] 应用边界** - [44:56] to B、to C 应用，基础模型，我都可以做，不过没人相信 - [46:50] 在美国服务律所的 to B 软件能做到 1 亿美元 ARR；中国 to B/专业市场太小，迫使秘塔转向更通用 C 端 - [49:48] 法律翻译和秘塔搜索都不适合出海，但「今天学点啥」会是秘塔出海的好形态 - [52:48] 我们的对手会是 1 万亿的公司，你得相信，最坏的事情会发生 - **[54:30] 收购抉择** - [54:30] Q: 因为保守错失了哪些机会？闵可锐：错失的都是我没能力拿到的机会，所以不算错失 - [57:36] Q: 去年为什么拒绝被收购？闵可锐：太早了；估值低永远是收购标的，最坏当废铁卖还能还完投资人钱有盈余 - [1:01:21] 读博退学、放弃大部分 vesting 的闵可锐，与做产品时极度谨慎的闵可锐是同一个人：该快速判断时绝不拖 - **[1:03:28] Jasper** - [1:03:28] Jasper 今天仍有约 1 亿美元 ARR，是 99.99% 创业公司够不到的水平，但市场从追捧变成人人都踩一脚 - [1:05:06] 闵可锐预测：任何主要靠大模型能力、有潜力到 1000 万 DAU 的纯软件应用，OpenAI/Google/字节/阿里都会自己做 - [1:07:04] 除非核心壁垒在线下销售或服务流程，否则严重依赖大模型+大基数的线上应用，大厂一定会自己吃掉 - **[1:10:19] 模型讨论** - [1:10:19] 秘塔的「大模型+小模型」是刻意简化；实际是至少四五个模型组成的系统工程，随新一代模型能力不断调整 - [1:13:24] 模型研发目标不是六边形战士，愿意偏科换 10 倍速度/成本差异，并盯紧下一代模型解锁的新能力 - [1:16:46] Q: o1/R1 真的在推理吗？闵可锐：智能的形式比本质更可验证，数学家也会忘鸡兔同笼技巧，不能证明没智能 - [1:20:20] 公众对模型智能提升大多靠听说，而非实测；用 9.8 与 9.11 找破绽证明模型笨，不是配合工具的心态 - [1:23:58] 用 RL 做推理模型时很多人低估了预训练：GRPO 要能在 128 次随机路径里至少蒙对一次，base 太差就失效 - [1:25:42] Grok3 与 Llama4 是两件事；Grok3 证明优秀工程师+顶级硬件能在很短时间追上第一梯队模型能力 - **[1:37:26] 团队组织** - [1:37:26] 我们摸着石头过河，大厂摸着我们过河，创业公司得更快找到下一个石头 - [1:38:43] 理想组织从未出现：秘塔现在的灵活性来自闵可锐一个人疯狂输出，不是一群聪明人碰撞的结果 - [1:41:03] 秘塔的团队分工：闵可锐像 Agent 里的规划模型，把产品拆成 100 份，团队分别领走执行 - [1:44:24] 招人难到极致：优秀实习生拿秘塔 offer 后，被原大厂加钱召回；小公司 PK 不过大厂薪资 - [1:45:52] Q: 为什么没找产品合伙人？闵可锐：我不得不自己做产品，懂技术又愿意做产品的顶尖人极难招，欢迎自荐 - [1:49:33] AI 热潮前秘塔按自己的节奏打磨产品；现在市场逼他直接给结论，讲解耐心明显变少 - **[1:55:25] 个人成长** - [1:55:25] 回望两年，闵可锐说自己在工程、产品、细节把握上样样都更会了；还设想开课两三个月带出能进一线大模型团队的人 - [1:56:40] 闵可锐：如果不带公司，他可能会做一门两个月出师的付费课，让有基本编程经验的人进一线大模型团队 ## Speakers - **王与桐** (host) - **闵可锐** (guest) ## Topics AI模型团队动态, 模型自进化 ## Mentioned DeepSeek (company), Jasper (company), OpenAI (company), 字节 (company), 秘塔 (company), 腾讯 (company), 阿里 (company), ChatGPT (product), Claude (product), Grok3 (product), Llama4 (product), Manus (product), 今天学点啥 (product), 秘塔写作猫 (product), 秘塔搜索 (product) ## Transcript ### 开场 **Host** [0:05] 欢迎收听 《 晚点聊 》， 我是曼祺 。 今天我们一次发了 2 期节目 ， 嘉宾都是秘塔创始人闵可锐 。113 期是我和可锐在 2023 年年初的一次访谈 。 有意思的是 ， 那次 " 大模型热潮初期 " 的漫谈中， 有不少 " 印证 " 的预言 。 本期是 2025 年 4 月底 ， 秘塔发布新产品 " 今天学点啥 " 之后， 我和 《 晚点科技 》 组的作者与桐 ， 一起对闵可锐的访谈 。 我们从 " 今天学点啥 " 这个新产品切入 ， 聊了秘塔探索新产品的思路 、 组织方式 ， 和闵可锐对 AI 应用发展的思考 。 秘塔持续推出了一些有口碑和用户的 AI 产品 ， 包括秘塔搜索等等。 不过与之形成反差的是 ，在 2023 年大模型热潮之后， 秘塔并没有加速扩张和融资 ， 仅在 2024 年新融了 1 亿多人民币 。 整个公司的估值也是低得保守 。 可锐是一个直言 、 坦诚 、 甚至有些 " 我行我素 " 的创始人。 我问他为什么不融更多钱 ，他说他 " 当不了一个演员 "。他也不知道为什么一些在他看来很拙劣的故事 ，不少投资人会 buy in， 这超出了他的 " 能力范围 "。 **闵可锐** [1:07] 就是我们干不了这活 。 **Host** [1:09] 他说最初看到 DeepSeek 的人才组织方式 ， 就觉得这 " 非常对 "。 我问他为什么秘塔不是这么组织的 ，他说 " 因为我们没钱 "。 一方面 ， 可锐的一些观点似乎有些悲观 ，他会说 " 我们摸着石头过河 ， 大厂摸着我们过河 "。 任何有潜力主要依靠大模型能力达到 1000 万 DAU 的软件应用 ， 大模型厂商和大公司一定会自己做 。 另一方面 ，他依然在持续经营秘塔这家已经成立了 7 年的小 AI 公司 ， 拒绝了去年的一些收购机会 。 下面我们正式进入本期节目 ， 听一听这家 " 小公司 " 的生存之道吧 。 今天很高兴邀请秘塔的创始人闵可锐 ， 来做客 《 晚点聊 》。 可锐是一位 AI 老人， 秘塔也是在这一轮 AI 热潮之前就已经存在的公司 ，是成立于 2018 年上半年 。 那一路秘塔也做过很多 AI 产品 ， 每个产品都扎实地获得了用户 ， 包括付费用户 。 上周秘塔刚发布了他们的一个 AI 新产品 " 今天学点啥 "，4 月 24 号也上线了 App 版 。 那简单来说 ， 这是一个帮大家去学习的产品 ， 我们之后会展开 。 我之前和可锐在沟通这期播客的时候 ，因为按习惯我会发一个提纲嘛 ， 然后当时你就问我说 " 怎么还是开卷考试 "， 对吧 ？ 所以我这次就没发 。 所以这次是一个 。 **闵可锐** [2:23] 抢 。 **Host** [2:24] 第一张考试 。 **闵可锐** [2:25] 抢 。 **Host** [2:25] 对 。 然后今天是与桐 ， 就是我们科技组的作者 ， 和我一起 。 所以今天我觉得很多问题肯定都是可锐的第一反应 。 可锐你可以先和我们听友简单打个招呼 。 **闵可锐** [2:34] 好的 。 我是一个 AI 的老人 ，在过去十多年其实都在做创业 ，也都是跟这个 AI 相关的 。 然后最近其实秘塔的话 ， 到目前成立第 7 年的时间 ， 可能有些朋友已经用过秘塔的其中的部分产品 ， 从早期的这个 " 秘塔写作猫 "， 到我们后来做的这个 " 秘塔 AI 搜索 "， 到最近我们发布的 " 今天学点啥 " 这个产品 ，其实都是希望通过这个 AI 赋能 ， 来帮助大家从 信息的获取 ， 到能帮助大家更好地去进行学习的一类的这样的一个效率工具产品 。 ### 新产品 **Host** [3:06] 对 ， 我们可以先从你们上周发布的这个新产品 " 今天学点啥 " 开始聊 。 因为发布之后有各种反馈嘛 ， 然后又有些自来水 ， 对 ， 包括我也说我周围有些自来水 。 **闵可锐** [3:15] 自来水还挺多的 。 **Host** [3:16] 对对对 ， 我也跟你交流 。 然后我看到有一个比较大的自来水 ， 就是黑神话的冯骥 ，他发了一个挺长的微博 。 **闵可锐** [3:22] 也是我们预期以外的一个自来水 。 **Host** [3:25] 你跟他是不直接认识的是吗 ？ **闵可锐** [3:26] 我完全不认识 。 所以其实他发了以后， 甚至是也没啥朋友转给我 。 我想这两个圈子其实差异还挺大的 。 **Host** [3:33] 那我是第一个转给你的吗 ？ **闵可锐** [3:35] 那天晚上， 可能你转给我之前不久 ， 我们有个运营的同事转给我 ， 好像是一个什么粉丝群里面发过来的 ， 我们才看到 。 就是还挺意外的 。 **Host** [3:45] 然后他是评价说 ， 这是他迄今为止用过的用户界面最好的 AI 工具 ，而且让他第一次清晰看到了 AI 改变教育的可行性 。 实际上你自己比如说会给目前的 " 今天学点啥 " 这个版本打多少分 ，以及你觉得哪些地方实现了你们的想法 ， 哪些地方是还有改进 ？ **闵可锐** [4:04] 对 ， 我觉得这个一定程度还是有点过誉了 。 就是我觉得对于我们而言 ， 觉得这可能目前推出这版本可能最多是一个 70 分的产品 。 尤其从界面上来讲 ， 我们觉得其实有大量可以去优化和打磨的空间 。 但是可能整体我们把这个作为一个完整产品呈现出来的这个概念 ，以及它最后呈现出来比如说去跟人讲课的这么一个内容和这个感觉 ， 可能就是我们觉得做到了一个让我们自己觉得是能听还不错的这么一个效果 。 所以可能有 ， 就是这是第一个可能能做到把这样一个端到端串出来这么一个效果的一个产品 。 所以可能会超出一般的很多大家对这个产品的感觉和这个预期 。 我觉得界面是有巨大的提升和打磨的空间 。 **Host** [4:44] 那这 30 分除了界面有提升空间 ， 还扣在哪儿 ？ **闵可锐** [4:49] 有非常多的细节其实都可以提升 。 就包括我们生成的文稿的质量可以提升 ， 我们生成的比如说这些 slides 的美观程度可以提升 ， 我们的相对整个产品应该说从功能的丰富度来讲 ，其实都有提升的空间 。 就是刚刚 release 出去收到的一个反馈是 ，有很多想给孩子辅导作业的妈妈想用我们来辅导 ， 结果发现还不太行 。 **Host** [5:13] 怎么个不行 ？ **闵可锐** [5:14] 它其实逻辑是这样的 ， 我们现在的那个产品更像是说 ， 当你找得到一个相对跟你关心的这个内容比较相关的素材以后， 我们会把它转换成一个更友好的一个形式 ， 去给你把这个内容 present 讲出来 ， 然后用你喜欢的这个风格 。 但是讲题的这个逻辑很不一样 。 比如说我给你一张试卷 ， 我真的是希望你作为一个老师一样 ， 首先告诉我这些题目它的答案是怎么样 ， 然后用一个友好的形式把这些重点 、 难点 、 知识点给它勾勒出来 ， 然后把这个孩子真的让他能掌握这些知识点 。 这其实是超出我们最早在定义这个产品的预设的这么一个范围 。 但是我们发现它非常的有用 ，因为我们收到不止一个家长的这个反馈 ， 想用来干这个事 。 **Host** [6:01] 所以你们本来最开始是设计给我觉得更多还是成年人吧 ？ **闵可锐** [6:04] 没错 。 **Host** [6:04] 就是持续学习 、 终身学习的那种感觉 。 **闵可锐** [6:07] 没错 ，是的 。 **Host** [6:08] 但很多是想给小孩子用 。 **闵可锐** [6:10] 我发觉这个其实也是个很直接的痛点 。 因为很多父母其实现在没有能力和没有时间去辅导孩子 ， 那么其实是需要一些能不能有一些软件也好 ，AI 也好 ， 辅助层面能够对这个事有所帮助 。 对 ， 挺有意思 。 而且当我们看到了这个事以后， 我们这几天正在准备这个升级 。 **Host** [6:30] 这么快就能做到 ？ **闵可锐** [6:31] 是的 。 所以当播出的时候 ， 对不起 ，以为这是一个商业机会的这个听众 ， 可能已经晚了 ， 我们已经在路上了 。 **Host** [6:39] 所以这个事的卡点 ， 它是在产品设计上， 它不是在模型能力上吗 ？ **闵可锐** [6:43] 其实很大程度上是我们当时没有太意识到这个需求 。 就是当我们放出去以后， 我们意识到有很直接的这个需求 。 **Host** [6:50] 我刚刚那个意思其实是说 ，因为如果它是在模型能力上， 可能你不能这么快去优化 ， 所以它更多是一个产品设计思路上优化 ， 就可以解决这个问题是吗 ？ **闵可锐** [6:59] 我们理解 ， 尤其是对于 K12 的这个级别而言 ， 很大程度上现在模型的能力本质上是能覆盖的 。 它其实不是说已经超出了现有模型能力的上限 ，而是你需要一个很好体验 ， 把整个流程给传统 。 **Host** [7:11] 那你们这个什么时候会上 ？ **闵可锐** [7:13] 我估计快的话下周吧 。 **Host** [7:15] 那实际上像元辅导这些教育大厂 ，他们也可能也会做这个产品是吗 ？ **闵可锐** [7:19] 我理解他们很多已经在做了 ，但是怎么收钱呢 ？ 我看到现在的一个典型的一个收钱方式是说 ， 我得做一个硬件 ， 就是什么叫学习机 、 学练机 ， 然后有一个几千块钱硬件的这个形式 ， 我可能把其中一部分功能呈现在这个里面 。 那我不单独相当于是做成一个纯软件 ， 好像可以提供这么一个服务 ， 来靠卖硬件的方式去收钱 。 但这个一定程度上我觉得会限制能够去 access 到这个东西使用的这个人。 以及恰恰这种学练机 ， 我觉得其实你要从这个机器的硬件角度来讲 ， 它其实很难匹配你现在的比如说最好的手机 、 最好的 PC 的这个运算能力 。 所以其实我觉得它能够提供的 ， 比如说你说动效啊 ， 这种画面的这种质感啊 ， 这个恰恰是要差一些的 。 所以这个一定程度上也是我们说把它做得更平权化了 、 更免费化了这么一个方式 。 对 ， 我觉得我们是有机会做出一个很好的体验 ，以至于说你随便这儿 " 我想要了解 ， 我想要学习一个试卷 "， 比如说我不太清楚这里面的知识点 ， 我拍一个照或者我直接上传 ， 然后我给你生成一个一小时课程 ， 从头讲到尾 。 而且这个老师水准是基本在线的 ， 就是他可能超过绝大多数 ， 我们不说超过 99% 的老师 ，他超过 80% 的老师很有可能是大概率实践 。 所以是一个我们觉得很实用的这么一个场景 。 **Host** [8:35] 你们觉得会比如说 " 今天学点啥 " 再往下发展 ， 会是一个怎样的形态 ？ 会变成一个比如说是教育方向的 ， 还是说是一个内容平台 ？ 还是因为咱们的课件可以分享 ？ **闵可锐** [8:45] 是 。 我觉得其实站在现在这个时间节点说 ， 它未来比如说甚至三个月到六个月以后是什么形态 ， 可能都稍微有点早 。 就像我们说的 ， 我们可以从这个 release 的可能第一天 、 第二天看到一些反馈 ， 来去做一些产品侧的调整 。 就是我觉得我们也在看整个市场对于它的接受程度 ，以及它的应用的一些场景方向 ， 来不断地去调整这个事的下一步优化的一个方向 。 ### 产品判断 **Host** [9:09] 接下来也可以讲讲你们是怎么具体去教导这个方向的 ， 包括你们一些做产品调整的策略 。 我前段时间和有一个投资人， 就是你们的投资人聊 ，他有一个总结挺有意思的 ， 就是说现在市场上最缺的是好的创业方向 ，其次是好的 AI 产品经理 ， 最不缺的可能是技术人员 。 你们是怎么想到就是去做 " 今天学点啥 " 这个方向的 ？ 包括中间有讨论些什么别的方向吗 ？ 它怎么收束到这个点上 ？ **闵可锐** [9:34] 我觉得很多人对于我做产品有一些误解 。 比如说我觉得很多人对于我们的一个预期是说 ， 我们是一个产品向的公司 ， 所以呢 ， 我们有一个强大的产品团队 。 实际上这里面的可能 80% 以上的产品策略决策 ， 就是我拍脑袋进行的 。 **Host** [9:53] 对 ， 包括你刚才说就是你们要去做一个家长的用户的这种优化嘛 。 **闵可锐** [9:57] 是 。 **Host** [9:57] 其实这个也很快 ，因为你如果下周就上线的话 ， 说明你更早就做了这个决策 。 但是你之前的比如说市场调研 ， 我不知道你们做不做这个东西 ， 包括你们怎么做 ， 就你怎么判断这是一个很大的需求 ？ 就一两个人的反馈可能它不说明什么 。 **闵可锐** [10:10] 它实际情况就是我觉得它是个大需求 。 一两个人的反馈其实不说明什么 ，但是我会听到很多哪怕是一些重复性的这个反馈 ，在我的逻辑链路里面 ， 我觉得这是一个不重要的事 ， 或者一个不太 make sense 的一事 ， 我也不会去做 。 但是会对另外一些可能哪怕零星的我们拿到一些需求 ， 比如说刚才那个需求 ， 就是我觉得我能够非常自洽地推导出来它的一个重要性的这么一个情况的时候 ， 我就会去很快做一个决策 。 但有的时候它甚至未必形成那么严格的数据也好 ， 形成那么严格的体系也好 ， 或者一个怎么样的流程 。 像在你在大厂里面 ， 你可能产品经理想要发现一些东西 ， 然后你去 justify 整个这个事 ， 然后你提供调研的这个数据 ， 然后你可能去开什么评审会 ， 然后你再拉上技术去说这个技术实现的这个可行性 ， 然后技术评审完了以后再去讨论这个事的排期 ， 到什么时间 ， 然后再去做这个开发 ， 再去做 release。 **Host** [11:06] 你还挺懂大厂的 。 **闵可锐** [11:07] 多多少少还是知道整个这个流程 。 但是我觉得有的时候我会试图把这个事压缩在我的一个十分钟的考虑的周期里面 ， 就决定这个事它就应该得上， 然后它的优先级就应该得高 。 **Host** [11:18] 你可以把之前的这种过程讲讲吗 ？ 就包括最近你们这个新的产品 ， 还有像之前做秘塔搜索 ， 还有更早之前写作猫 ， 都是这么快的决策吗 ？ 以及你的这个过程中间 ， 就是你的这些直觉的东西是来自于什么 ？ **闵可锐** [11:31] 我觉得因为这几个产品大概率都还是一些用户向的产品 。 如果它是一个专业属性或者 B 端属性非常强的这个产品 ， 你是需要很好 ， 比如说这个特定的这个群体要有很深入的了解 。 而且很多时候对于这种群体的了解 ， 往往也不能通过简单的采访来进行 。 就是很多时候当你去问一个 B 端用户某一些东西需不需要的时候 ， 往往你得到的都是一些假的回复 ， 都是需要 ， 对吧 ？ 这个时候大家沟通其实是一个非常无效的一个沟通 。 所以其实包括我们自己做这个产品 ， 我觉得当然这也许不是一个好的习惯 ， 就是我觉得我在最近这两年的真正向外求的这种沟通其实会越来越少 。 但是我会看 ， 我会看到很多反馈啊 ，但是我可能正式的去浪去一些这个说我要进行一个采访 ， 我要进行一个调研的这种时间其实是非常非常少的 。 剩下的就是自己脑补 。 **Host** [12:24] 那你可以以 " 今天学点啥 " 包括搜索为例子讲讲吧 ， 就是你大概是一个怎么样的思考和向内求的过程 。 **闵可锐** [12:31] 对 ， 我觉得 " 学点啥 " 典型的是什么呢 ？ 第一是说我们在过去的一年多的这个时间里面在做搜索的这个事 ， 然后呢 ， 确实是我们会发现搜索 ， 包括现在新一代这个 AI 对于大家去做到信息的获取这件事是变得更容易了 。 就是你通过一个简单的提问 ， 通过几个关键词的组合 ， 它可能给你形成一个相对比较完整的一个信息 ， 一个内容 。 但实际上这种信息大家现在看到的情况是说 ， 就是 AI 搜索提供的回复往往是一个在比如说 300 到 800 字之间的这么一个小作文式的一个回复内容 。 如果你的提问是一些比较精确的 ， 就是一些比如说 fact check 类的这个问题呢 ， 实际上就是这个级别的内容长度实际上是充裕的 ，是可以够你得到你想要的这个信息的 。 但其实大家在很多这个信息的寻找当中 ，其实它往往不是希望去获得这么精确的这个信息 。 那其实就是对于那种偏模糊 ， 甚至是偏一个大的一个 topic 类的这个问题 ， 就是我们在做 AI 搜索的时候 ，其实已经意识到说我可能要把这个原文 ， 把这个比如说 PDF，有一些跟你提问相关的一些很好的相关材料以原文形式推荐给你 ， 然后方便你去学习里面的这 个内容 ， 甚至它的上下文内容可能有 100 页 ， 那这 100 页很有可能是你未来很好的一个学习材料 。 所以一方面我们是认为 AI 搜索一定程度上做了一定的信息的抽取和压缩 ， 它对于一类问题特别适用 ，但不是对于所有问题适用 。 就包括是过去两年大家很常见的一类叫做比如说 AI 总结类的这个产品 ， 就是我们会觉得它应用的场景其实比较有限 。 **Host** [14:12] 你说 AI 总结类的产品指的是 ？ **闵可锐** [14:14] 有大量产品 。 我感觉在 ChatGPT 推出来的大概一年左右的这个时间 ， 市面上有可能超过 100 个利用 ChatGPT 进行总结类的产品 。 什么音频总结 、 视频总结 ， 对吧 ？Podcast 总结 ， 这个微信公众号阅读总结 。 **Host** [14:32] 或者说这是个 feature 吧 ， 那很多产品里会加这个 feature， 包括小宇宙最近也加了播客的要点总结 。 **闵可锐** [14:38] 对 ，但其实我们就觉得这个信息损失可能是非常之大的 。 就是不同的人对于同样的这个内容的关注是不一样的 。 而真正很多有价值的这个深度信息可能不是总结得来的 。 所以我们恰恰觉得就这个事可能得倒过来做 。 第一 ， 我能帮你找到有价值的这些 ， 比如说原始的这个材料 ，但消化原始材料对于绝大多数人来讲是困难的 。 我丢给你一本说这个是一本名著 ， 这是一本好书 ，800 页 ， 对吧 ？ 你自己去看 。 像很多人看这个 《 百年孤独 》 说里面这名字实在太多了 ， 每次看看到第 50 页的时候已经搞不清楚这里面出现的各种人物的名字 。 就是它其实大多数的这种材料 ， 包括是像比如说论文 ， 它对你首先有个初始的假设是说你可能已经掌握了某知识 ， 然后它的这个行文可能符合比如说学术规范 ， 那恰恰对于很多读者来讲 ， 这个事是不太友好的一件形式 。 所以有没有办法让这个事更容易 ，不光帮你找到了东西 ，而且使得你真正能够更好地去吸收这个内容 。 **Host** [15:36] 你几月份开始想这个事情 ？ **闵可锐** [15:38] 应该差不多从去年年底吧 。 **Host** [15:40] 去年年底就观察到有这个需求 ，而且觉得应该就是倒过来做 ，不是做总结 ，而是帮它链接到更多知识 ，以及一个比较好的形式去让更多人都能去了解这些比较深的知识 。 **闵可锐** [15:53] 是 ，而且一定程度上我觉得这个可能也不是说从某一天灵光一现 。 因为在做这个之前 ， 我们之所以去做比如说秘塔的这些文库也好 ， 学术也好 ，其实也是认为原始的这些内容素材本身其实有很高的价值 。 **Host** [16:07] 对 ， 我觉得你们现在的交互确实挺好的 。 因为雨桐在来之前 ， 她其实用就是我们 23 年聊的那一次 ，也是个非常长的上下文 ， 作为材料就是放到 " 今天学点啥 " 里面 ， 然后来学了那个材料 。 你可以讲讲啊 ， 就是它里面有些比较惊喜的体验 。 **王与桐** [16:22] 对 ， 一个就是我觉得确实比如说你因为你上次跟曼琪聊的时候讲了很多 Transformer 架构 ， 然后你就说到了一些比如说什么 Decoder、Encoder 啊这样这些区别 。 比如说聊到 Transformer 的时候 ， 它会自动弹出来一个 。 **闵可锐** [16:35] 架构图 。 **王与桐** [16:36] 是 ， 然后比如说 RNN 的什么结构啊 ， 它也会讲 ， 然后 Encoder 和 Decoder 是什么 ， 它也会介绍一下 ，并且这个并不是我们聊的内容 ，而是应该是你们这个是你们自己已经做好的 ， 还是它即刻生成的 。 **闵可锐** [16:48] 即刻生成的 。 因为你基本上很难是去预定好说哪些内容我是能生成 。 对 。 **Host** [16:54] 对 ， 它是一个非常好的形式 。 因为我们当时有聊到 Transformer 和 BERT 的一些区别嘛 ，但因为我们口语里其实并没有一个很完整的解释 ，也不是一个结构化的展示 。 但是在你们这个产品里 ， 它是会有一个 Transformer 和 BERT 的这种架构的 ， 它是一个图式的区别 。 **闵可锐** [17:10] 是的 ， 它有的时候会更多地把一些辅助性的这个材料给你 。 **Host** [17:14] 对 ， 就看图挺清楚的 。 **闵可锐** [17:16] 没错 ， 一个是图片我们认为是一个很好的 ， 就是有的时候辅助理解的一个形式 。 另外就是说有的时候有一些所谓的比如说专家也好 ， 这个行业最牛的这个人 ，他恰恰不适合讲课 ，因为他有的时候离一般的人太远 ，以至于他可能觉得这些知识我预设大家都理解都懂的 ，但实际上恰恰是说绝大多数人可能对他习以为常的有一些这个信息感到陌生 。 所以我们包括在调 " 学点啥 " 的一些比如说讲稿的这个时候 ， 就是会更多地比如说用到一些类似于比喻啊 、 类比啊等等。 就是它不光是说给你提到比如说这个 LSTM 和 Transformer， 它有的时候会帮你去添加对它的一些注解 。 比如说 Transformer 比 LSTM 的一个很大的优势可能是 LSTM 需要一步一步来做 ， 后一步的这个信息依赖于前一步 ， 所以它执行得很慢 ，但 Transformer 可以更好地并行 。 就是有一些这样的背景知识信息 ， 会让读者或者这个听众在听到了以后会显著地降低它的理解的门槛 。 所以其实有这样的细节的一些处理 。 ### Agent取舍 **Host** [18:15] 其实之前就是我们聊到你们快发新的产品的时候 ， 我当时第一反应就是问是不是一个 Agent。 对 ， 然后你说不算啊 。 你们为什么没有先去做其实从去年到今年都讨论了很多这个 Agent 方向的产品 ？ **闵可锐** [18:28] 我觉得这个是一个非常奇怪的事 ， 就是你难道不应该去做这个市场上有价值但是大家没做的事吗 ？ 为什么要去做一个大家都去做的事呢 ？ **Host** [18:37] 那搜索之前也有很多人做呀 ， 就是你怎么判断价值 ？ **闵可锐** [18:40] 我觉得我们的理解啊 ，AI 搜索这件事在我们做的时候真的在国内没啥人做 。 就是我们差不多立项去年 12 月底 。 **Host** [18:49] 嗯 ， 前年 12 月底 。 **闵可锐** [18:49] 对 ， 前年的 12 月底 。 那个时候其实没啥 ，不会认为搜索这个是一个主赛道 。 所以那个时候其实也不算是一个主流赛道的应用的一件事 。 **Host** [18:59] 我换一个问法 ， 我不是说你们现在为什么没有做 Agent，因为你现在推的产品肯定是你之前做的嘛 ， 包括这个其实你也说到是去年就有这个想法嘛 。 就是你们在去年的时候为什么没有想去做 Agent 的这个方向 ？ 因为其实从去年年中开始 ， 我觉得就有很多人在讨论这个方向了 。 **闵可锐** [19:14] 是 ， 就包括什么 YC 啊什么投了很多的 Agent。 就是我们判断就像刚才我说的那个 ， 我们在判断有些方向值不值得做 。 就是当我想到 Agent 的时候 ， 我没有一个直觉觉得哪个方向会特别好 。 我觉得是这样 ， 一个所谓偏通用性质的 Agent 这件事呢 ， 我仍然认为在哪怕是 25 年上半年的这个时间节点的大模型挑战仍然是非常大的 。 **Host** [19:37] 你怎么定义 Agent？ **闵可锐** [19:39] 还是一个 common sense 大家理解的这个 Agent 吧 ， 就是它自行比如说调用工具去拆解步骤 ， 处理任务并且能够交付的这么一个逻辑 。 **Host** [19:48] 明白 ， 就是它是可以做到刚才说的那些事 ， 然后它可以自己完成一个任务 ，而且这个任务有可能是一个写入类的任务 ，也有可能是对外就是去做一些事的任务 。 **闵可锐** [19:56] 对 ，是 。 **Host** [19:57] 比如说做一个网页 ，其实你们有也有功能是能做这个的 ， 秘塔搜索里有能做网页的功能 。 **闵可锐** [20:02] 是的 。其实类似的这个概念出现得非常早嘛 ， 就是 23 年的上半年， 差不多两年以前 ， 我觉得基本上可以看到大家对 Agent 这个事的想象 ， 就是这类的这个产品的这个需求肯定是很理想当中的存在的这么一个东西 ，因为帮你干任何事 ， 就类似于这么一个逻辑 。 所以就是有这样的一个想法其实并不稀奇 ，但是其实一定程度上它到什么阶段能够让绝大多数人认为它 work 了 ， 我觉得这个事是它的实际的这个难度 。 因为 23 年的那个产品 Auto-GPT 吧 ， 我自己去试用了 15 分钟 ， 我当时的一个结论就是这个现在不会 work 的 。 虽然那个时候已经很火了 ， 我觉得也是什么一周时间在 GitHub 上有几万个 star、 几万个点赞的数量 ，但是就是我自己体感来讲的话 ， 我试用 10 分钟我就会觉得这事不 work。 **Host** [20:53] Manus 你用过吗 ？ **闵可锐** [20:54] 没有直接用过 。 **Host** [20:55] 就是你看过 demo， 看过测试 ？ **闵可锐** [20:57] 看过一些 demo。其实比起比如说两年以前肯定是显著更 work 了 。 对 。 **Host** [21:02] 你没有非常迫切地说我要找到一个邀请码 ， 然后去自己试用一下吗 ？ **闵可锐** [21:07] 没有太迫切 ，是因为我多多少少会对它的这条线其实我觉得是有一个预测 ， 就是它大概哪些事能做到 。 **Host** [21:17] 能做到 。 **闵可锐** [21:17] 对 ， 哪些事擅长 ， 我其实多多少少有一个预测 。 本质上其实你看之所以为什么类似于比如说像生成一个好的 PPT、 生成一个好的网页 ， 这件事在最近的半年时间开始流行起来 ，因为是在最近的半年时间 Claude 的大模型能力能够把这件事做得比较好了 。 所以有的时候我在看很多 Agent 的这个宣传的时候 ，他们拿出一些精美的很好的一些 ， 就是说你看我能 deliver 很好的一个结果的时候 ， 我就会在想这件事到底是谁的功劳呢 ？ **Host** [21:48] 就是你的答案是很可能是 Claude 的功劳 。 **闵可锐** [21:51] 它不是很可能 。 我确切地知道这是谁的 contribution 导致了它现在这个让人看上去能够比较不错的一个结果 。 **王与桐** [21:58] 那现在就是今天学什么的功劳是谁的 ？ **闵可锐** [22:01] 今天学什么 ？ 我们又有一个新名字 。 **Host** [22:04] 今天学点啥 。 **王与桐** [22:05] 学点啥 ，不好意思啊 。 **闵可锐** [22:08] 对 ， 这里面的有相当部分其实是说我们也是借用了现在最好的模型的 ， 比如说代码能力 、HTML 的这个生成能力 ，但是就是整个其实核心这个模型我们是拿回来自己做了训练的 。 就是这个可能和一部分人理解不太一致啊 ，因为基本上现在很多 Agent 其实是在直接调第三方的一些 ， 尤其是一些海外的一些大模型 ，但我们这个其实是合规合法地在国内进行调用的 。 **Host** [22:31] 后面有一块是关于这个的啊 ， 我们之后会展开啊 。 对 ， 然后回到就你刚才说你觉得在 25 年上半年这个时间点 ， 目前的模型能力对做出好的能 work 的 Agent 产品还是有很多挑战的 。 那展开来说具体你觉得是哪些挑战 ？ **闵可锐** [22:46] 我认为跟 23 年情况其实是一样的 。其实就是 23 年的比如说很多这里面的工具调用也好 ， 规划能力可能是 20 分 30 分 ， 你可能从 100 个任务里面找到了 3 个能够 work 的任务 ， 然后拿出来给大家做了个 demo 进行了一个展示 。 可能到 25 年的这个时候呢 ， 这 100 个任务里面可能会显著地提升了 ， 这变成有 30 个任务能够 work 得还不错的这个程度 。 但其实一定程度上就看大家对这个事的预期究竟是有多高 。 如果你的预期是说我现在给你 100 个任务 ， 你就是应该有 95 个以上的任务就能够成功执行并且达到或者超出我的预期 ， 那可能现在就是还没有跨过这么一条线的这个时候 。 **Host** [23:27] 所以你觉得通用 Agent 是没有跨过这条线的 ？ 因为通用可能才会涉及到你说的就是我有很多很多发散的任务 ， 然后我预期它会完成得比较好 。 **闵可锐** [23:35] 是 ， 就一定程度上我觉得这个它很难被很好地定义的一个问题是你的预期是它有多通用 ， 这其实是个巨大的一个问号 。 就像有人之前试图拿比如说类似于这样的产品举的一个例子 ， 比如说你告诉他我现在有台电脑 ， 我想挣 1 亿美金 ， 你给我个方案 ， 你预期它真的能够 work 吗 ？ **Host** [23:53] 明白 ， 那就是当阿拉丁神灯用 。 **闵可锐** [23:55] 没错 ，是的 。 所以什么是一个合理它应该能够执行的任务和什么是一个纯粹许愿类型的任务 ， 我觉得这之间其实就是这个问题 。 **Host** [24:05] 那在你这个逻辑里面 ， 比如说一些比较垂直的或者 to 专门人群 ，他可能就是完成我 100 个任务里面我能做得比较好的那 30 个 20 个任务的方向是不是还是很有机会 ？ **闵可锐** [24:16] 这个其实我觉得一定程度上涉及到两个方面的 PK。 一个方向是说如果你做的单点的那个 ， 比如说我在这 20 个任务里面有两个任务是跟比如说什么法律类 ， 比如说我帮你审合同这些任务相关的 ， 这个任务真的它是有单点价值的 。 这个时候我觉得你会面临的就是说那就有公司专门出来优化这个方向 ， 说那我在通用上面我放弃掉所有通用的这些任务 ， 我就在单点上面我把它优化好 ， 这也是有它的相应的价值的 。 那另外一个方向就变成说通用这件事其实本质上是现在 AGI 的这些 foundation model 的公司在追求的事 。 **Host** [24:52] 对 ， 就你模型和应用之间的这个边界在哪 。 **闵可锐** [24:56] 会非常模糊 ， 会非常模糊 ，是的 。 **Host** [24:57] 因为其实秘塔最开始的第一款产品做法律翻译 ， 那个还是 to B to 专业人群的嘛 。 **闵可锐** [25:03] 是的 。 **Host** [25:03] 就是在法律这个业务上， 或者说针对律师这个人群 ， 你们有去计划一些更智能的 ， 比如说这种 Agent 工具可以帮它做更多事的尝试吗 ？ **闵可锐** [25:13] 我们考虑过 。 **Host** [25:14] 什么时候考虑的 ？ **闵可锐** [25:15] 在整个过去的几年我们不断地其实会考虑过到这个问题 。 我现在得出来一个悲观的结论叫做如果你在中国是辅助律师去做 ， 就是辅助类产品没有任何的机会 ， 就是它的投入和产出是不对等的 。 **Host** [25:31] 因为民视是你们天使的投资人对不对 ？ 他们最近投了一个公司叫 。 **闵可锐** [25:35] 我知道 。 **Host** [25:36] 你知道爱玉 ？ **闵可锐** [25:37] 我听到了 ，但我也没实际了解 。 因为他们在做那个逻辑跟我说的第二个逻辑就有点像 ， 这个就变成说我就应该 deliver result。其实就是我们看到它在尤其是中国的 B 端场景里面唯一成立的方式叫做纯粹意义上的替代 ， 就别整一些说我辅助你提升效率的事 。 **Host** [25:55] 就是我帮你拿到一个业务结果是有价值的 。 **闵可锐** [25:58] 是的 。 **Host** [25:58] 但是这件事可能对你们来说就太重了是吗 ？ 就走得太远了 。 **闵可锐** [26:01] 我们在去年年底的时候严肃地想过这件事 。在有一些偏中高频的这种法律场景下面 ， 我们能不能做到端到端把这个事给完全干完这个程度 ，并且我们当时其实找了业内一两家律所去聊这个事 。 就不知道你听过那个词叫做比如说网约所 ， 就是在互联网上接单为核心的这些律所 ， 相当于这件事就变成了一个非常像是一个流量的生意 。 我这边比如说通过不管是抖音的投放 ， 这些快手的各种的这个投放 ， 我能拿到大量的案源 ， 然后我们看到它很多这个案子 ， 我们其实相信的一点是说这些案子能够被自动化 。 就是说我们觉得投入合理的研发的这个资源应该是能把做到自动化 ， 然后最后就是 deliver 这个结果 ， 很有可能它你要说比传统的这个律师那效率可能高 100 倍 。 我们觉得这个事理论上是存在这个机会的 。 **Host** [26:53] 那你们严肃考虑 ，但是最终至少到目前吧 ， 你们还没有这样去做的原因是什么 ？ **闵可锐** [26:58] 因为我们聊的律所我觉得它有一个非常大的特长叫做它擅长干前端或客的活 ，因为这本身是一个非常销售导向的一个事 。 这件事我们目前还没有信心说我们自己能干 ， 然后一旦这个事找第三方合作 ， 我们的理解很大程度上会折在这个合作的这个配合上面 ， 就很容易就是商户其实不理解对方到底想要啥 。 对 ， 就是看上去就这件事它成立可能真的得你自己干个律所 。 **Host** [27:25] 明白 ，其实民视投的爱玉我理解它就是个律所 ，而且那个创始人因为他们接的就是银行的要账的那种诉讼 ， 那个创始人就是金融背景的 ， 所以它其实某种意义上解决了你刚才说的它前端的那个问题呢 。 **闵可锐** [27:38] 而且因为它把这个方向聚焦到这么特定的一个范围 ， 所以我甚至会认为也不必要最好的技术也有机会去能把这事做得比较好 。 然后我们当时在想可能技术层面会更通用一些 ，因为它接的案子的复杂性或者多样性可能会更多一些 。 **Host** [27:56] 那你们现在就是选择做什么应用方向 ，不做什么应用方向的完整的思考逻辑是什么 ？ **闵可锐** [28:02] 我是觉得这个问题其实有点复杂 ， 就是我们会觉得尤其在最近的两年时间整个 AI 的这个领域 ， 大家比如说去讨论能不能挣钱收入啊这些事 ， 和我在最早在做比如说 AI 的产品也好 ， 做 AI 项目有一个巨大的差异叫做你其实面临了一个显著的高度不确定性的环境 。 就是再直接一点是说但凡你做出来一个东西 ， 你就等着三个月以内可能市场上各种的同款 。 **Host** [28:28] 其实你刚才已经换算了一遍了 ，因为我问的你是什么产品方向你们做或者不做嘛 。 你刚才其实提到一个点是收入 ， 所以首先你有一个条件就是你觉得这个东西是要能获得收入的你才做 。 **闵可锐** [28:40] 对 ， 尤其在国内这个市场无非可能是你要追求要么是两个点嘛 ， 一个就是用户 ， 要么就是收入 。 你两个你总得奔着一个去 ， 那两个都能拿到当然最好 。 **Host** [28:50] 你是觉得秘塔要追求收入优先级高于用户数和增长 ？ **闵可锐** [28:55] 我觉得一定程度的收入一个基本逻辑是说你首先得有能力存活下来 ， 就是独立成为一家能够存活下来的公司 。 你可以看到过去 7 年时间有很多名噪一时的公司可能要么已经不存在了 ， 要么已经可能收缩到一个非常小的这么一个状态 。 **Host** [29:11] 你 7 年前创业时就是这么想的吗 ？ 还是中间你发生了什么事遇到你才这么想的啊 ？ **闵可锐** [29:17] 你没发现我们一直还挺保守的吗 ？ **Host** [29:19] 对 ， 你们一直很保守 ，因为我们也聊过比较多次嘛 。其实我知道你一直以来是这种想法 。 **闵可锐** [29:24] 是 。 **Host** [29:24] 你当时 18 年创业其实是在上一个 AI 热潮的尾巴上吧 ， 就那会还没有完全到那么低谷 。 就其实那个时候我觉得也有一种创业方式就是我融很多钱 ， 然后我讲一个比较大的故事 ， 我把规模做得比较大啊 ，但是你们一直都不是这条路线 ， 你一直都是很看重我有收入 、 有真实的用户 ， 然后有现金流 。 是什么原因让你有这样的想法 ？ ### 融资保守 **闵可锐** [29:46] 我觉得这个原因是因为我哪怕讲真话人家都不相信 ， 还不要说我编一个我自己都不相信的故事 。 对 ， 对吧 ， 实际情况也是这样 。 **Host** [29:54] 就是说你开始创业的时候你就已经认清了你做不到融很多钱的那种创业的路线 ， 你也不想做这件事 。 **闵可锐** [30:01] 对 ， 一定程度上我觉得首先我可能属于超出我能力边界 ， 这个事就是很难做到 。 然后另外有的时候我也不太理解有些看似很拙劣的故事为什么很多人会 buy in， 我也把握不住这个边界 ， 就是什么故事使得很多人能相信 ，但是它又有问题 ，但是呢大家还广泛能接受这件事 。 我在想我如果作为一个投资人我可能会 challenge 它哪几点 ， 那反过来就是当我讲这个故事的时候如果有人问我这几点我可能也回答不上来 。 我就会觉得这是一个很大的问题 。 就是我讲的时候我是会有心理障碍说这事可能不能这么天马行空的去编 。 **Host** [30:36] 那 23 年是新一轮的 AI 热潮吗 ？23 年的这个热潮来了之后你们的节奏好像也没改变啊 ， 你们在那之后披露的融资也就只有一次啊 。 **闵可锐** [30:45] 对 ， 我们来讲已经很快了呀 。 你看我们前比如说 6 年的时间不也就两轮融资吗 ？ 而且有一轮还是刚刚开始出来的时候 。 **Host** [30:52] 就是你不认为这是个需要改变的事情 。 **闵可锐** [30:54] 我会觉得尤其是在最近两年这个行业发展其实非常之快 ， 可能从媒体到投资人对很多事情的判断每每在两到三个月的时候都会进行 。 **Host** [31:05] 翻转 。 **闵可锐** [31:06] 对 ， 会进行 180 度的这个调转 。 然后这件事我觉得让融资其实变得很困难 ， 就是哪怕你愿意成为一个非常好的一个演员 ， 你在两个月以前你在讲一个所有人都认可的这个故事 ， 然后这个时候你尽调还没做完 ， 大家对这个心态已经发生了 180 度的转换了 。 所以我觉得事实上即便你愿意这么做 ， 操作难度也是非常高的 ， 就是我们干不了这活 。 **Host** [31:27] 那回到你们的产品做什么不做什么的一些选择上， 就有收入有现金流回来这是其中一个原则 。 那其他的呢 ？ **闵可锐** [31:35] 我觉得还是想做用户认可喜欢 ， 然后相对来讲是有长期价值的这个事 。 因为我们看到有非常多的产品很容易它火两周时间 ， 就是有一些你创意做得比较好玩 ， 然后有爆款的这个传播属性的一些这种 AI 产品 ， 往往在过去的七八年的这个时间里面每隔一个可能一年时间啥的会有这么样一个产品出来 。 但是这里面的很多产品我自己的问题就是你如果花了 3 到 6 个月时间去做投入研发 ， 就为了火那两周时间嘛 ， 哪怕是全球范围内爆款的一个传播 ， 你怎么能把它接得住 。 所以我们在做很多产品的时候更倾向于说这个事它可以不必就是那种意义上 go viral 的那种特别火 ，但是它最好是一个提供了一个比较持续价值的事 ， 就类似于我们说搜索 ， 你把搜索做得更好 ， 这件事是一个相对比较长期价值的事 。 你把类似于今天学点啥这样的能够把内容讲好 ， 能够把教学这个门槛降低的这么样一类产品 ， 我们认为它是有长期价值存在的这个可能性在里面 。 **Host** [32:37] 其实 go viral 和有长期价值也不矛盾 。 **闵可锐** [32:40] 我觉得有些是确定性的没有长期价值 。 我举个简单的例子 ， 比如说你在抖音上做一个滤镜 ， 你知道它在一周时间内可能会火遍全球 ，但是你不可能说同一个滤镜大家玩一年还天天在同样的这个滤镜下面互相传这个 video。 **Host** [32:56] 那我不停地去产生新的滤镜了 。 **闵可锐** [32:59] 挺难 。其实你会发现哪怕你不停地产生滤镜 ， 你也很难做到那样持续的一个热度 。 就像原来那个我记得什么小咖秀啊啥之类的 ， 对吧 ， 就是它有一种形式 ， 比如说我去扮演一个什么电视剧或者对口型啊等等 ， 我觉得那是一个流行 ， 就是有一部分的 AI 产品可以契合的是说它有点像是一个流行 ，但是流行你就得接受 ， 它不可能一直流行 ， 它一定是 有一个风马上快速到达这个波峰 ， 然后马上掉下来 。 **Host** [33:25] 对 ， 我以为你可能会觉得我如果要真的形成病毒式的传播 ， 我需要花一些精力去做这件事情 。 我以为你是不想花这个精力 。 **闵可锐** [33:33] 我觉得是说首先那个产品就是你要达到那个 ，其实你从产品的研发开发的这个角度你也是需要有很多投入的 。 **Host** [33:41] 对 ， 我的意思就是说你其实会有一些分心嘛 ， 就像就长期价值和这个病毒式传播之间啊 。 **闵可锐** [33:47] 对 ，是的 。 而且很多时候那种级别的传播有的时候是你无法预测的 。 **Host** [33:52] 对 ， 它有很多综合因素 。 **闵可锐** [33:53] 没错 ，其实是你掌控不了的 。 就 DeepSeek 是一个很好的模型 ， 这件事是你可以控制的 ，但是它变成了一个以目前这个级别的这个知名度 ， 这件事是你很难提前去判断的 。 对 。 **Host** [34:05] 所以其实你们每次发一些什么新功能新产品的策略 ， 你们也基本上不找什么人来造势 ， 对吧 ？ **闵可锐** [34:10] 一个是账上的钱也比起投布的这个人家也相对有限 。 我们有的时候说我们可能已经很努力了 ， 我们会投一些 ，因为我们大概也知道比如说前一段时间像元宝这样的大玩家一天能砸多少钱 ， 那可能把你一年的这个预算全部砸进去 ， 所以你是没法跟他去比的 。 **Host** [34:27] 所以他们一天能砸多少钱啊 ？ **闵可锐** [34:28] 一天几千万吧 。 而且我还不清楚比如内部渠道我给你微信里面给一个什么九宫格这种算不算钱 。 如果那个算钱 ， 那个都很难算 。 你其他公司愿意花多少钱我来在那给你占一个格子 。 **Host** [34:40] 这个可能都没法用钱算了 。 **闵可锐** [34:42] 是 ， 就这种资源你肯定本来也是不具备嘛 。 ### 旧日预言 **Host** [34:45] 你刚才也说到其实外界对你们有一个误解 ， 就是认为你们是一个产品向的公司 ， 所以可能你们有一个强大的产品团队来不停地想这个产品该怎么做 ， 对吧 ？ 然后你说其实很多产品是你自己来想的 。 就是在 2023 年 3 月的时候 ， 就我们这一轮 AI 热潮刚开始的时候 ， 我们聊了一次 ， 当时我也是问你就是秘塔的重心到底是模型还是应用 ，因为其实你们自己会自研一些模型 。 你当时确实是很明确地说会以应用来驱动的 。 你当时跟我讲是因为你觉得如果没有应用侧重 ， 就会变成我好像什么都懂 ，但什么都做到一个不太可用的状态 。 **闵可锐** [35:20] 就是现在某几家国内的大模型公司遇到的典型问题嘛 ， 对吧 ？ 你说我不断地发模型 ， 然后你会发现这个模型你永远比最头部的那几家其实显著差一截 。 就是你面临的是个非常平的世界 ， 比如说我说我发布一个写代码的模型 ， 你就是在跟 Claude 3.7 在比较 ， 没有人会说我只关心国内代码生成能力排行吧 。 对 ， 你要用你就是用的最好的这个模型 。 **Host** [35:45] 我这几天在看我们当时聊的东西的时候 ， 我觉得你当时这个描述确实还挺前瞻的啊 ， 预言了很多事 。 **闵可锐** [35:52] 我觉得有很多比这个更前瞻的事啊 。 就像我们用 Transformer 模型 18 年的时候 ， 我们刚成立的时候就在用啊 ， 那当时没有人认可这件事 ， 或者是没有人对这个事有理解 。 我们对很多事都比同时期和比那个时期可能再往后移一年也都有一个更好的理解 ，但恰恰就是因为这件事 ， 所以我觉得有的时候大家更难沟通 。 **Host** [36:13] 跟谁更难沟通 ？ 你是指投资人吗 ？ **闵可锐** [36:15] 我觉得整体大家的判断都是 ， 比如说啊 ， 我举个例子 ， 我会认为 DeepSeek 的人才策略它不就应该这样吗 ？ 但这件事是我觉得包括现在大厂很多时候在模仿在学习 ，是因为它看到了一个成功案例 ， 它看到了它的最后的这个结果 ， 到过去复盘 ， 然后去找这个原因 ， 然后去做这个学习 。 所以这就是我会认为很尴尬的这个地方 ，因为当我看到它的这个策略的时候 ， 我就知道这不本应该这样吗 ？ **Host** [36:44] 但其实秘塔也不是这么组织的 ， 你们不是一个研发密度这么高的公司啊 。 **闵可锐** [36:48] 那我就会告诉你这是为啥 ，因为我没钱 。 我有钱我也会这么干 。 这是一个非常 。 **Host** [36:55] 实际的问题 。 **闵可锐** [36:55] 对 ， 非常实际的问题 。 它可能一个人研发成本但我们 10 个人还不止 。 就是我可以看看 ， 我可以 comment，但我很难说我跳进去去做这个事 。 **Host** [37:04] 对 ，因为其实就是你们是比较明确的应用驱动的嘛 。 我本来也是想问就是你怎么看 DeepSeek 这种 ， 它其实非常侧重于研发 ， 它虽然也做了产品 ，但产品实际上它没有太多的优化 ， 它甚至没有去照顾说我一定要让你能用上， 就你还是用一用它会当机啊 。 就你怎么看这种策略 ？ **闵可锐** [37:23] 我觉得是个人品味 。 我觉得那品味挺好的 。 **Host** [37:26] 你觉得就梁文锋的品味很好 。 **闵可锐** [37:27] 对 ， 我觉得品味很好的 。 我觉得恰恰是说如果你是一个聪明人， 然后你也知道跟你在这个事情上竞争的人也是绝顶聪明的人， 你没有太多可以 leverage 说我可以一心三用 ， 我可以同时兼顾 8 个产品 ， 然后两条研发线 ， 然后把每一条都做到碾压其他竞争对手的这个存在 。 我觉得恰恰是说看到这里有一个大机会 ， 然后旁支也有一些这个机会 ，但是从自己的兴趣也好品味也好这个出发 ， 可能压住其中一个 ， 然后把所有的资源给放在上面 ， 把这个事给做到最好 。 而且牺牲产品这件事 ， 我觉得要做这个策略的话 ，其实对于绝大多数公司来讲是非常有难度的 。 就是这些人我不要 ， 这些用户我不 care。 **Host** [38:11] 那你觉得像 DeepSeek 这种公司 ， 它长期来说它怎么产生商业价值了 ？ 还是这件事不在它的考虑范围里面 ？ **闵可锐** [38:18] 它为什么要产生商业价值 ？ 如果你是一个足够有钱的人， 当然你有两个选择 ， 就是你希望这件事上你赚到更多的钱 。 我觉得另外一类的人的选择就是说这是我的 ， 我不需要让它来赚钱 ， 我能不能把它当成消费呢 ， 对吧 ？ 那我为什么要买一个豪车呢 ， 对吧 ？ 我在那边赚了钱 ， 我可以在这边做消费啊 。 **Host** [38:36] 你觉得 DeepSeek 或者说幻方的整个的钱够它一直这么消费吗 ？ 够它为了 AGI 一直买单吗 ？ **闵可锐** [38:43] 我觉得它在现在这个时间节点整个局势又发生了很大的变化 ，因为这变成了中美博弈其中的一个重要的一个角色 。 所以我觉得首先它现在要拿钱 ， 它有别的渠道拿钱 ，而且它不需要承诺任何的收益性质的钱 ， 它也一定能拿得到 ，而且一定能拿得到比其他人家多很多的这个钱 。 但我觉得实际上它在做这个事的时候 ， 我觉得它很难先去算收益 ， 就先别算了 ， 你就当买了个大玩具 。 **Host** [39:07] 其实字节 、 阿里 、 腾讯也都足够有钱 。 **闵可锐** [39:10] 是 。 **Host** [39:11] 但是他们好像没有任何人以消费来看待这件事情 。 **闵可锐** [39:15] 这就是问题啊 。 那所以为啥你的总的人才数你可能不比人家差 ， 你的总的投入的钱数一定是远超人家 ， 你的总的卡数是超人家 ， 最后不是你把相应的这个事给打通给做出来的 。 **Host** [39:29] 你觉得我们现在能非常客观的评价 ， 比如说阿里自己的模型和 DeepSeek 的模型数有数列吗 ？ 或者说他们整体的模型研发能力 ，因为像阿里和字节他们也还有很多别的模型 。 **闵可锐** [39:41] 是 。 **Host** [39:41] 因为 Qwen 是就阿里的通义系列它是挺庞大的啊 。 **闵可锐** [39:44] 是 。 我觉得阿里在这件事上其实从这种全民级的传播来讲其实是有点吃亏的 。 **Host** [39:51] 就是你说相比于它的实力 。 **闵可锐** [39:53] 没错 。 我觉得严格意义来讲你说它比起比如说像 DeepSeek 这个级别有一个巨大的鸿沟的这个差异呢 ， 我认为其实也没有 。 而且我相信他们在包括在 R1 出来之前 ，Qwen 内部也肯定已经有团队在通过一些这种 reinforcement learning 的这个方式去生产好的数据 ， 去做这个推理相关的一部分研究 。 我觉得肯定都是已经发生的事 ，不是纯粹是我看到了它 ， 我去 follow 这么一个方向 。 但有的时候就是我说你可能缺乏了契机那个点能够把这个事给引爆 。 我觉得就是如果说一个是 A level， 一个是 A minus level， 对 ，不会是一个特别大的差距 。 **Host** [40:30] 然后字节是不在这个范围里是吗 ？ **闵可锐** [40:33] 我觉得字节以它花的钱来讲这个事 ， 我觉得肯定它不是一个 A level。 **Host** [40:37] 那我如果先不考虑它花的钱 ，因为其实你们的结构也是大模型小模型的结合嘛 ， 你们其实会用到一些别人家的大模型啊 ， 就比如说豆包模型 ， 它的能力你觉得怎么样 ？ **闵可锐** [40:48] 一个是首先这个事其实也都是在非常动态的一个 ， 比如说我在 6 个月以前我就测它 ， 我觉得这个东西不太行 ， 你也很难说它在比如说 3 个月以内是不是能够有一个显著的一个提升 ， 一个是这个 。 另外是说我觉得这几家确实遇到的一个很大的一个挑战是在于你一方面在卖自己 API 模型 ， 一方面你又想吃掉所有的应用 ， 然后你又想所有的应用来接你的模型 ， 这件事逻辑上本来就是不对的 。 **Host** [41:12] 为什么 ？ **闵可锐** [41:13] 啊 ， 这个难道是对的吗 ？ 我觉得但凡是对于一个在比如说哪怕就是在应用侧的一个大玩家 ，他一定会对这个事是有顾虑的 。 就是我把我建立的很多这个能力依赖于你 ， 然后保不齐过两天你推出一个同样的一个产品来 。 就这个事是个巨大的挑战 。 **Host** [41:31] 对 ， 所以元宝是不可能接阿里的模型或者字节的模型的 。 **闵可锐** [41:34] 我觉得是不可能接字节的 。 阿里的一个显著的好处是在于它很多是开源的嘛 ， 你还是可以 claim 这个是自主可控的 ，因为我把它的开源拿来我进行学习 ， 我拿来进一步的去做调用 。 **Host** [41:46] 其实在 Llama4 发布之后， 我看你发了一个朋友圈 ， 你说 Llama4 再次证明了一流的资源 、 二流的团队干不过二流资源 、 一流团队 。 **闵可锐** [41:55] 是 。 **Host** [41:56] 你觉得在比如说国内这些公司里面 ， 我觉得字节肯定是有一流的资源的啊 。 你觉得它现在团队算是一流的吗 ？ **闵可锐** [42:03] 这个问题你还能不剪掉 ？ **Host** [42:04] 它人倒是挺强的 ， 我觉得 。 它会救一些比较强的人。 **闵可锐** [42:07] 我觉得这是另外一个问题 。 **Host** [42:09] 就怎么发挥这些人的价值 。 **闵可锐** [42:11] 对 ， 我当时觉得字节的一个很大的问题是说很多的强人能不能被很好地发挥出来 ，其实我觉得非常取决于一号位 。 就这件事一号位是会有一个非常强的带领作用 ，因为可能最核心资源上的一些调配啊等等是跟这个事相关 。 我觉得字节显然是说它的团队的整体的人才密度是 OK，是没问题的 。 但确实就我觉得对字节那个组织的另外一个问题是说你不拿这样的一个背景或者履历的人， 你也压不住这个场子 。 你很难说这个是进来字节三年的一个 PhD， 然后我觉得它就是最好的 ， 然后以它来作为核心的这个资源分配 ， 我来去说下一步字节的大模型应该怎么走 。 **Host** [42:55] 你觉得张一鸣不能变成梁文锋那种角色是为什么呀 ？ 当然梁文锋是学计算机出身的 ，但是他可能也不是说很系统地搞过 AI 研究啊 。他其实作为公司一号位 ，他直接下场去在 Lead 这个团队 。 **闵可锐** [43:08] 我不知道你对于比如说搞量化那帮人是一个什么理解 。 **Host** [43:13] 我的理解可能比较浅 ， 我主要是看了我们晚点自己写的那篇文章 ，因为我们去采了很多做量化的人。 我知道量化有很多是信息奥赛出身的 ，有很多就是计算机背景的 。 **闵可锐** [43:23] 因为我就是这样出身 ， 所以我对这个群体其实是了解的 。 我大概知道他们擅长什么 ， 然后他们对哪些技术非常看重 。其实做量化的一帮工程师是对于比如说硬件啊等等压榨最极致的一帮人 ，因为那个东西对他来讲可能 0.1 毫秒就意味着 1,000 万美金 ， 所以这对他来讲是一个直接可以换算成钱的一个事 。 绝大多数你在互联网公司的这些工程师对于很多这个事是不敏感的 。 就甚至你可以做一个面试题说我现在这里有一个磁盘文件 ， 我去读这个磁盘文件需要多少毫秒 ， 让哪怕是很好学校的这些学生去回答这个问题 ， 大多数对这个概念其实是缺乏的 。 你其实不知道要读多久时间 。 然后这个计算机在你写简单的一个 for 循环 ， 一秒钟大概能执行多少次 ， 数量级你能回答对吗 ？ 绝大多数的哪怕是计算机的毕业生 ，他回答不正确的 。 但量化的这帮人对这些事一清二楚 ， 非常清晰 。 所以你可以看到包括 DeepSeek 的很多论文的很多工程化的这个创新做得非常细 ，也是跟他们本身原有的这些人的能力素质属性其实是相关的 。 **Host** [44:30] 其实梁文锋虽然可能不是大家理解的典型意义上的有比较长时间的 AI 研究的经历 ，但实际上他在这些工程实操 、 优化实操上他还是很有经验的 。 **闵可锐** [44:40] 有可能是最极致的一帮人。 就是这并不是你待在互联网公司干 10 年你就会接触到 ， 或者你就会试图去优化的一些方向 。 **Host** [44:50] 那他们团队应该后面又补充了一些算法上很强的人， 这样可能有一个组合 。 **闵可锐** [44:54] 算法上包括像数学上很强的 。 ### 应用边界 **Host** [44:57] 对 ， 我们回到你们做应用这件事情啊 。 就因为最开始你们肯定是比较明确 ， 就是我是应用来驱动的 ， 然后具体到应用做什么 ， 我觉得秘塔这七年其实是有一个从更专用然后到更通用的这样一个转变 。 但是我不知道我的观察对不对 ，因为最开始你们做法律翻译那个其实是直接卖给律所 ， 这是一个垂直的 to B 的 。 然后到写作猫 ， 它是面向写作的人群 ，但是它已经变得更泛了 。 然后到后来搜索就可能更泛了 。 然后今天学点啥 ， 我觉得也是一个比较泛 C 的产品啊 。 **闵可锐** [45:30] 是 。 **Host** [45:30] 就为什么会有这样一个转变 ， 它是哪些原因导致的 ？ **闵可锐** [45:34] 我觉得坦白来讲一个非常大的问题是中国的专业市场很多时候还是偏 to B 或者 to Professional 向 ， 规模还是太小了 。 **Host** [45:42] 规模太小 ，而且付费意愿可能也 。 **闵可锐** [45:44] 是 。 所以这个我觉得其实可能不是我们遇到的问题 。 放眼望去全中国过去七年投 SaaS 的公司 ，有哪个算活得很好呢 ？ 就是这个是整个行业可能都遇到的一个挑战 。 **Host** [45:56] 而且你们受到了一点外部冲击 。 就是我之前跟一维师兄聊的时候 ，他有聊到你们之前其实服务了很多欧美的还挺顶尖的律所 ， 你做法律翻译嘛 。 然后他们很多需求都是跟就商业相关 ， 包括投资相关的这种 。 然后后来因为中美的一些关系 ， 总之就是律所的自己的业务也需要调整 。 **闵可锐** [46:16] 对 ，因为过去几年其实律所的业务本身面临很大的这个挑战 ， 就是下滑其实很多的 。 **Host** [46:21] 对 ， 所以你们后来就是开始做一些更泛 C 的产品 ， 就是有跟最开始的这个垂直的产品 ，其实它遇到了一定瓶颈有关系是吗 ？ **闵可锐** [46:29] 我觉得坦白来讲是 。 换句话说 ， 如果这是一个平行世界 ， 我们如果是在美国干很多这种 to Professional 的事情 ，也许我就在那个路径上就往下走了 。 因为你会发现比如说在美国的一些 to B 的这个 ， 比如说服务律师律所的这些产品 ，是有机会做到 1 亿美金的这个年收入的 。 对 ， 就包括最近出来融资的有几家这个这个海外的什么 Harvey 啊这几家公司 ， 可能都是能够融到几亿美金 ， 然后本身自己的 ARR 能做到 1 亿美金级别的一些这个公司 。 对 ， 所以其实我觉得对于我来讲是个很大的问题是说 ， 我的灵活性是我可能既能服务很专业的 to B 的这些人群 ， 去非常深入地去看他们的一些需求 ， 我也能做这个 to C 的 。 然后一定程度我其实会觉得我也可以去做 foundation model， 只不过没有人相信罢了 。 对 。 **Host** [47:24] 你自己最想做什么事情 ？ 不考虑钱条件 。 **闵可锐** [47:27] 我觉得就做长期有价值的 。 我觉得产品也算 ， 然后 foundation model 呢也算 。 **Host** [47:33] 你这是一个妥协的回答吗 ？ **闵可锐** [47:35] 不一定 。 我觉得对于有些人的选择来讲 ， 叫做我会奋不顾身地去选择其中某一个 。 我觉得就是在这些事上面 ， 很多人做这个事其实是你得有正反馈 。 **Host** [47:47] 所以就这几件事本来对你来说它并没有那么强的偏好 ， 说我一定非做哪个不可 。 就是这些都是你觉得有价值是你可以做 。 **闵可锐** [47:55] 对 ， 就是把这些做深入了 ， 我觉得都是有价值的 。 **Host** [47:58] 你在 23 年初的那个时间点 ， 你去说自己能做 foundation model 这件事情 ， 一定会没有人相信吗 ？ **闵可锐** [48:04] 那可能另外一个问题 ， 我们当时其实也没有明说这件事 。 因为我发现我不说这件事 ， 我们说我们现在比如说有几十张卡把这个模型训练出来 ， 大家已经不相信了 ， 对吧 ？ 就是还没有开始吹牛的时候 ， 大家对 fact 已经不相信了 ， 还不要说你对未来的一个 projection。 我们当时说我们用 20 张卡去训练 100 亿规模参数的这个模型 ， 很多人说这个不对 ， 这个数字跟我其他听到的那对不上 。 **Host** [48:28] 你会羡慕像杨振宁那样可以融到很多钱 ， 然后可以自己去训 foundation model？ **闵可锐** [48:34] 我觉得你会发现首先就这个事 ， 它有点尴尬的是 ， 比如说去年这个时候和今年这个时候 ， 整个市场已经又是一个掉了 180 度的一个事 。 所以哪怕就是没有包括 DeepSeek 这个事 ， 我觉得对于我对这个事的观察而言的话 ， 我也会觉得说本身你拿到了一些超出一个比较正常范围内的这个资源的时候 ， 这本身也是一个很有压力的事 。 我觉得我没有这么心大到说他妈越多越好啊 ， 对吧 ？ 你们随便投 ， 这个投进来多少我都照单收着 。 **Host** [49:06] 这可能是不同人的不同特性或者能力 。 就有的人有一种能力 ， 就比如说孙正义这种人吧 ，他就是募到很多钱 ， 然后讲很大的故事 ，他其实也扛了很大的压力啊 。 但是他要怎么能顶住这事反正 。 **闵可锐** [49:18] 对 ，而且我觉得对他来讲这个压力可能相对是小的 。 我记得非常清楚我们原来团队有一个清华的博士 ， 就是你股票跌 10 个点真的是睡不着 ， 所以真的是要把股票一定要卖掉清仓才能睡得着觉 。 就是不同人对这个压力其实跟你什么学士教育啊这些东西都没啥关系 。 我就是扛不住 ， 对吧 ？ 同样的它如果跌 10% 都扛不住 ， 那你想你拿 110 在手上， 人家对你还有各种的未来的这个期许 ， 你这个事你能不能扛得住 ？ 我觉得不是所有人都能够有这么一个心态 。 **Host** [49:48] 你刚才提到是因为最开始在中国做了一段时间 to B 的类似 SaaS 的这种服务之后， 你们发现其实我能获得比较可观的收入是很难的 。 你们没有想过出海吗 ？ **闵可锐** [49:59] 我们现在正在考虑 。 因为我们其实会觉得学点啥这个产品是一个很好的可以出海的形态 。 **Host** [50:06] 搜索不适是为什么了 ？ 是因为 Perplexity 在美国很强吗 ？ **闵可锐** [50:10] 是因为 Perplexity 即便在美国这个付费比较良好的地方 ，也没有收到太多的钱 。 当然这是反证 ，但是我的逻辑是说其实搜索还是对于绝大多数人来讲会认为这应该是一个免费性质的一个服务 ， 通用类的搜索 。 因为去年也有人在问我们出海啊这个事 ，但是我觉得是我对这事的基础判断是说这事很难可能成为一个一出海然后你马上有一个非常大收入的这么一个产品形态 。 **Host** [50:38] 那这个回到我们前面讨论 ， 就是你们做产品的一些标准和原则的时候 ， 你觉得很重要的就是我要有收入有用户啊 。 **闵可锐** [50:45] 就有的时候这两个指标可能权重是不一样的 。 比如说如果你希望它成为一个比如说有 100 万 MRR 收入的一个产品 ， 你可能不需要有那么多的用户 。 如果你粘性 ， 包括这个整个产品的 deliver 的这个能力做得还不错 ， 对吧 ？ 你像欧美的付费的这个习惯 ， 你可能有小几万的这个订阅用户 ， 你其实就能拿到这么一个水平 。 **Host** [51:09] 这两件事收入和用户哪个对你们优先级更高 ？ **闵可锐** [51:12] 我觉得对我们今年来讲的话 ， 我们其实希望说会可能把权重更调向收入一些 。 **Host** [51:20] 所以去年不是这样 。 **闵可锐** [51:22] 去年受各方影响呢 ， 我觉得我们的这个权重会更往用户侧偏 。 **Host** [51:27] 各方指的是什么影响 ？ **闵可锐** [51:29] 影响包括前面很多投资人之所以对这个事要愿意下注 ，其实一定程度上是希望你跑出来一个 C 端的有较高基数的这么一个产品 。 **Host** [51:38] 那你们算做到了吗 ？ 秘塔搜索 。 **闵可锐** [51:41] 以我们的投入来讲 ， 我觉得我们做的还算是一个合格的 。 **王与桐** [51:45] 秘塔搜索在去年三四五月的时候 ， 它的增速非常快 ， 到 500%、600% 了没有 ？ **闵可锐** [51:51] 那是刚开始 ， 所以快是其实是基数小 。其实我们现在差不多快到 100 万日活 。 **Host** [51:57] 100 万日活 ， 那挺好的 。其实很多大厂出的产品也差不多就是 100 万日活 。 你今年想把重点调到收入这块吗 ？ 那它会对应一些什么样的产品应用策略上的一些变化了 ？ **闵可锐** [52:10] 比如说也许得去做海外 。 **Host** [52:12] 这是一个刚才已经提到的 。 **闵可锐** [52:13] 而且这可能是很重要的一个 。 就是有的时候可能产品不用变 ， 环境变了 ， 这个不等是从不成立它就变成成立了 。 **Host** [52:21] 做海外的话 ， 你们会人也 base 到海外吗 ？ **闵可锐** [52:25] 这个倒暂没有这方面的打算 。 **Host** [52:27] 为什么你们当时做法律业务的时候没有想过出海 ？ **王与桐** [52:30] 做翻译吗 ？ **Host** [52:31] 翻译也可以出海啊 。 **闵可锐** [52:32] 我觉得这个还是我们当时的局限性 。 就是我们当时也没有观察到说比如海外法律市场应该切入什么样的一个方向 ，其实有机会去把这个事给快速做起来 。 **Host** [52:43] 今年你们的调整是希望更多重点放到收入上 ？ 这个和什么变化有关系吗 ？ **闵可锐** [52:48] 我觉得是这样 ， 我们到去年年底的时候 ， 我们大概清楚今年的市场会产生的一个变化 ， 叫做我们的对手可能不是那些 100 亿到几百亿市值的公司 。 **Host** [52:58] 是 1,000 亿的公司 ？ **闵可锐** [52:59] 是 1 万亿以上的公司 。 **Host** [53:01] OK。 **闵可锐** [53:01] 对 ， 就是基本上到去年年底的时候 ， 我就看得到比如说腾讯 、 元宝在 25 年大概率是会在牌桌上堆 50 亿 ， 对吧 ？ **Host** [53:11] 你当时从什么迹象看出来的 ？ **闵可锐** [53:13] 会有看到的 、 听到的各种 。 **Host** [53:14] 因为从公开层面的信息的话 ， 可能这个在春节之后会更明显啊 。 **闵可锐** [53:18] 是 ，但是我觉得这也不是在春节一拍脑袋的一个策略 。 然后你大概也知道阿里也会在牌桌上堆可能不低于 50 个亿 。 **Host** [53:26] 对 ， 阿里其实在去年下半年就是把通义调整到智能信息事业群这个调整之后， 我觉得它是比较明显要在 AI to C 上去发力的啊 。 **闵可锐** [53:37] 字节显然也是要会堆不低于 50 个亿的 。 所以我觉得这个问题就变成说如果前三家先锁定比如说千万以上的这个日活 ， 我们到底是要去解决比如说 100 万到 200 万的这个事 ， 还是要去先解决点别的事的问题 。 因为我觉得市场看你就是这么简单粗暴嘛 ， 对吧 ？ 如果你能跑到前两名 、 前三名 ， 那我可能对你是这么一个判断 。 但就是以这样的一个资源进来的这个玩家的时候 ， 你基本上已经知道前三名是谁 。 现在的意外反而是说居然还有一个 DeepSeek 冲进了这个搒单里面 。 **Host** [54:12] 而且它还是第一了 。 **闵可锐** [54:13] 是 。 **Host** [54:14] 它到目前为止还是第一 。 **闵可锐** [54:15] 所以我觉得这是一个变量 ， 所有这三家都没有考虑到的这个变量 。 所以我不会假装说也许巨头们或者这些大厂们可能不会这么做呢 。 以我们对这个事的悲观理解就是你得相信最坏的事情一定会发生的 。 ### 收购抉择 **Host** [54:30] 哇 ， 你真的是一个很谨慎的人啊 。 你会有时候觉得自己太保守了吗 ？ 而错失一些机会 ？ 有这种情况吗 ？ **闵可锐** [54:36] 我觉得我错失的可能就是我没有能力去拿到的机会 。 **Host** [54:40] 所以它也没有错失 。 **闵可锐** [54:41] 对 。 **Host** [54:42] 你真的很自洽 。 **闵可锐** [54:44] 对吧 ？ 就是我能力有限 ， 就像我说我可能不是一个好的演员 ， 所以我即便想 ， 我可能也没有办法去讲一个故事拿 50 亿人民币在账上 。 那说明这事不是你擅长干的呀 ， 你也不能这么干 。 **Host** [54:57] 其实蜜塔持续都是一个有口碑有讨论的公司 ，但是你们在 23 年之后居然就只融了 1 亿人民币啊 。 **闵可锐** [55:05] 比上不足比下有余 。 **Host** [55:06] 这是因为你不能融到更多钱 ， 还是因为你有意去控制了这个融资的节奏 ？ 就当时就没有投资人想投更多钱吗 ？ **闵可锐** [55:15] 我觉得比如说在那个节点我们拿到多一些的钱应该是没问题的 。 但是这个事对我们的判断来讲 ， 你多一些的钱难道就要去比如说和头部的这些公司去 PKfoundation model 吗 ？ 这件事是不可能的 。 如果你是要做以一个偏应用的这个形式去跑这个市场 ， 恰恰在那个阶段你也不需要那么多的钱 。 **Host** [55:34] 偏应用也可以融很多钱啊 。 比如说 Manus 今天宣布融了 7,500 万美元 ， 估值已经到 5 亿美元了 。 做应用有更多钱不好吗 ？ **王与桐** [55:43] 对 ，而且去年我记得你们特别火 ， 那会儿就有一个又不知道是谣言还是真的 ， 就说 BAT 都来堵你们家的门 ， 就是要非要给你们钱 。 然后最后你们拿了蚂蚁的钱 。 **闵可锐** [55:54] 其实是有人家来聊 ，不管是聊投资还是聊拍笔钱收掉 ， 都有这个 ， 反正是人家有兴趣 。 我觉得坦白来讲这个事就要这样的 ， 拍笔钱把你收掉也花不了那么多钱 ， 可能还不如投几家大模型的钱呢 ， 收你需要多少钱 ，不需要多少钱 。 **Host** [56:10] 对 ， 那回到刚才那个问题 ， 就是你做应用的话有更多钱不好吗 ？ **闵可锐** [56:14] 我觉得这是我的局限性 。 我会觉得比如说它是一个相对偏正向的一种 C 端产品 ， 你是有机会去 bootstrap 你的用户和包括收入这一系列的指标的 。 它恰恰可能不是一定要初始化需要一个挺大一笔钱投入作为一个杠杆你才能撬动的一个事 。 **Host** [56:32] 就因为你可能有一些不确定性嘛 ， 你也说到其实现在这个环境是很不确定的啊 。 **闵可锐** [56:36] 是 。 **Host** [56:37] 就你多些储备也许能帮你去抵挡一些不确定性了 。 **闵可锐** [56:41] 就是这可能不是我操作这个事的逻辑 。 就是比如说我账上有 5 个亿 ， 比如说我本来应该花 1 个亿 ，因为我账上有 5 个亿 ， 所以我就前 4 个亿我就可以放心大胆地花 ， 然后花到最后 1 个亿了说抵挡这个不确定性了 ， 我们得往回收 ， 战略收缩 。 可能这个不是我们在操作这个事希望的一个方式 。 **Host** [56:59] 你也可以储备着呀 ， 你也可以还是按你花钱的节奏 。 但是你是觉得代价是比如说可能公司要吸取更多股份 ， 或者说有更多投资人进来 ，他们可能对公司的发展方向有更多要求 ， 你不喜欢这样 。 **闵可锐** [57:10] 如果你拼了一个比如说各家各出这个 ， 我觉得是有这个问题 。 就是大家对你的预期可能很不一样 。 就哪怕我们现在投资人还不太多的这个情况下， 可能也会产生有些偏好 。 可能有的投资人觉得你就应该把 C 端做得更激进 ，有些投资人可能觉得你应该把 B 端做得更好一些 ，C 端那个你可以往回收一收 。 对 ， 我觉得如果你有一个庞大的投资人的这个团队 ， 一定大家很难说完全对这个事有一个统一的一个想法 。 **Host** [57:36] 你刚才也提到就是去年有人也提出想收购你们吗 ？ 你拒绝收购的原因是什么 ？ **闵可锐** [57:42] 因为我觉得太早了嘛 。 **Host** [57:43] 你们已经成立七八年了 。 **闵可锐** [57:44] 是啊 ， 都已经就是何妨 ， 对吧 ？ 我觉得这个逻辑是说恰恰是由于我们在比较长的时间 ， 包括在去年那个时间节点 ， 包括哪怕是在现在 ， 可能不是以一个特别高的估值存在的这么一家公司 。 所以但凡我们做得还不错 ， 它总归是个收购标的 ， 你不用太着急 。 **Host** [58:07] 这逻辑 。 **闵可锐** [58:08] 就你还没到人家买不起你的时候 。 我觉得这个 worst case 变成啥呢 ？ 你认不认可蜜塔现在做的从用户还是基础的 ， 包括我们搜索的一些基础的数据储备 、 架构储备 、 工程储备 ， 它存在一定的价值 。 它现在这个价值我们认为我们把它当废铁卖 。 就是这个车你别说这个车多少钱 ， 你就把车报废当废铁卖 ， 我们还完所有投资人的钱还有点盈余 ， 这件事应该是能做到的 。 这是一个非常悲观的算法吧 。 但是当你拿了 7,000 万美金以后， 这件事可能就未必这么好解决了 。 真是一个悲观的答案是吗 ？ **Host** [58:44] 我在想你的思考方式啊 ， 这算给自己留了后路吗 ？ **闵可锐** [58:47] 一方面我觉得是给自己算是留了一些基本的后路 。 另一个呢 ， 我是觉得我对于比如说未来的一些市场的判断这件事呢 ， 我没有非常直观 ， 就像刚才说的那种 sense 的那感觉 ， 说这事一定非常乐观 。 而且事实证明这事你可能也不能太乐观 。 如果去年就相当于这些吉祥龙们有一个非常 ， 对吧 ？ 就是这事可能就终局已经差不多 ， 反正就是我们这几家里面决一个胜负了 。 但这件事你会发现可能也不是这样 。 就是我找不到那个让我非常笃定和乐观的理由 。 这件事那就推回来变成那我需要保证团队也好 ， 公司也好 ， 我的这个基础价值我们是能够去加 s 反能够看得到的 ，以及我的这个收入确实是能做到这么一个规模 。 你哪怕按 10 倍 PS 算 ， 它也就值这么一个钱 。 那么这个钱是一个相对基本上是你一个价值底线的可以守得住的这么一个估值 。 **Host** [59:43] 那你对蜜塔的上限的期待是什么 ？ 你觉得蜜塔最好情况下能成为 。 **闵可锐** [59:47] 好难回答 。 **Host** [59:48] 什么样的公司 ？ **闵可锐** [59:49] 我觉得这个恰恰也是一个问题 。 就是我觉得这个答案叫做不知道 。 就换句话说 ， 小红他们知道 Manus 出来 ，他们能够把这个估值做成这样 ， 能够快速拿一笔这个钱吗 ？ 我觉得它在出来的那个时间节点它也不知道 。 **Host** [1:00:03] 我说的上限倒不是估值了 ， 我指的可能是说就是你心中希望这个公司以后它会变成一个什么样的公司 。 对你来说这可能是一个人很有成就感 ， 或者说这可以叫做创业成功啊 。 就你觉得它应该是个什么样的公司 ？ **闵可锐** [1:00:16] 我觉得它应该是一个就像我们说的 ， 要么它应该走是有非常好的 、 有非常广泛基础产品和用户的这么一个公司 ， 要么呢 ， 它确实是在市面上能够被证明说某一类的这个技术具有极强的壁垒能力的一个公司 。 比如说大家判断说大疆这个技术 ，其实你要简单说我投个几亿美金 ， 你要超 ， 你会发现这事是很难达成的 。 我觉得大家有一个 common sense 说这并不是你一个土豪冲进来说我给你 3,720 亿这个钱怼够 ， 你就能拿得出来的一个东西 。 我觉得有点像是这个逻辑 。 **Host** [1:00:50] 蜜塔的愿景是什么 ？ 就你们会去把它总结成一个愿景去吗 ？ **闵可锐** [1:00:54] 我觉得坦白来讲其实不会 。 **Host** [1:00:55] 我觉得你也是很典型的一类创业者啊 。 有另一类很典型的创业者是他会把这些事会想的比较多啊 。 就比如说这个公司的使命 、 愿景 、 价值观啊 ， 就包括我想成为谁 ， 然后我可能怎么达到它 ， 然后这应该是一个什么样的组织啊 。 **闵可锐** [1:01:10] 我觉得我们其实更想的是说在每个阶段我们能在下一个阶段能不能做得比现在更好一些 。 但是你说它的那个终点到底在哪 ， 我觉得这个事并不好简单概括 。 **王与桐** [1:01:22] 你从什么时候开始是这样的一个人 ？ 就是比较谨慎 。 **闵可锐** [1:01:26] 一定程度上 。 另一个方面来看 ， 我不一定是一个很保守的人。 **王与桐** [1:01:29] 对 ，因为你会读博的时候退学 。 **闵可锐** [1:01:32] 是 ， 这听起来好像也不是一个最保守的人干出来的事 。 **Host** [1:01:34] 对 ， 包括其实你第一次创业 ， 你们是被蚂蚁收购了嘛 。 被收购之后其实你待了很短的时间 ， 我估计你没有等到那个 vesting 结束的时候 ， 你就自己出来了 。 **闵可锐** [1:01:44] 退掉了大部分 。 **Host** [1:01:45] 对 ， 就是你本来创业这个选择我觉得 。 **闵可锐** [1:01:48] 就不应该是一个最保守的人干得出来的事 ，而且还干了这么久 。 这是一个更奇葩的一个事 ， 对吧 ？ **Host** [1:01:53] 你身上这种两面性挺好玩的啊 。 **闵可锐** [1:01:55] 而且你说对一个最保守的人 ，他在做产品的方向判断的时候 ，他是不是应该更多的去找一些人去调研 ， 找一堆让自己能够安下心来的这个数据 ， 对吧 ？ 但是我们对该快速判断的时候呢 ， 我们也不会把这个事给拖着 。 **Host** [1:02:10] 所以你怎么总结自己这种看似有些双面性的特质的共同的根源是什么 ？ **闵可锐** [1:02:17] 共同的根源 ， 我其实没有太仔细想过这件事 。 我会觉得对于比如说创业公司啊 ， 中国有巨大数量基数的这些创业公司 ，其实真正我觉得被关注到的可能是少数 。 一个最大基数的这个群体 ，其实还是以一个比我更务实的 、 比我更踏实的一家一家奶茶店 ， 算清楚每一毛钱的这个成本来进行扩张 、 进行扩店 、 进行未来的这个布局的 。 我觉得能够被媒体所容易关注到 、 容易引起传播 、 引起话题的这个群体 ，其实本身就是极小的一撮人。 **Host** [1:02:51] 对 ，他们本身就有些特性 。 **闵可锐** [1:02:52] 没错 ，而且他们可能是在这些 projection 上面最激进 、 最愿意 、 最有能力去讲大故事的 ，是愿意被人听到的 。 我觉得是这样 ， 就是你讲大故事 ， 你能实现 ，而且你屡次讲屡次被认为是大故事 ， 且屡次实现 ， 这是你牛 。 **Host** [1:03:08] 马斯克就是这样 。 **闵可锐** [1:03:09] 对 ，但如果你讲一次大故事 ， 你阶段性获得这个超额的收益 ， 然后你发现这个事你不能兑现 ， 我觉得我并不想成为这样的一个存在 。 **Host** [1:03:18] 你刚才这个话让我想到了 ， 我前段时间跟应期聊 ，他说 AI 1.0 给他带来的一个感受就是所有不能闭环的辉煌都是阶段性的 。 **闵可锐** [1:03:27] 可能他更有感触一些 。 ### Jasper **Host** [1:03:29] 那回到你们现在做模型 ， 包括做应用的具体的过程啊 。 因为现在讨论很多的一个点是大模型本身和应用的关系和边界 。其实我们刚才也稍微 cue 到了一点 ， 就大模型变得更普及之后， 它有冲击你们以前的一些产品吗 ？ 其实像 ChatGPT， 它的上下文变得更长之后， 它也可以做像写字猫的一些检查呀 ， 然后这个实时核查 、 校对的这种工作 。 然后国内还有很多免费的产品可以用 ， 所以对你们会有什么冲击吗 ？ **闵可锐** [1:03:55] 你说它要完全没有受到任何这个影响 ， 肯定也是不现实的 。 就包括写字猫之前其实 offer 两个比较大的功能 ， 一个是 AI 写作 ，其实一个是偏辅助 ， 包括检查一系列的 。其实相对比较长期 ， 现在包括很多订阅啊 ， 这个用户其实用到辅助检查这个会更多一些 。 而 AI 写作显然它现在已经成为了可能所有这些大模型免费标品存在的这么一个 feature。 所以我应该是在好像前两年的时候 ，其实我就说这个时间窗口对我们来讲呢 ，不太友好的是说它太短了 。 因为我们在做写作猫的 AI 写作的这个 feature 的 release 是在 22 年的大概 10 月份左右 。 **Host** [1:04:37] 其实我们上次有聊到过这个 。 **闵可锐** [1:04:38] 对 ， 它在两周以后 ChatGPT 发布 。 **Host** [1:04:41] 11 月底就发布了 。 **闵可锐** [1:04:42] 是 ， 就是如果我们有一个更长的时间周期呢 ， 很有可能会对包括我们的各种方面资源储备可能会更多一些 。 **Host** [1:04:50] 你们写作猫的付费率有下降吗 ？ **闵可锐** [1:04:52] 这我得回去查数据 。 相对比较平稳 ，而且它周期性其实会有点强 ，因为我们每年峰值的这个月它其实会更多 。 它其实呈现一个很不均匀的一个状态 。 **Host** [1:05:02] 像写作猫这种产品的峰值的月份是什么时候啊 ？ **闵可锐** [1:05:05] 学生用的时候 。 **Host** [1:05:06] 考试期末 。 **闵可锐** [1:05:07] 写毕业论文 。 对 ， 就差异会比较大 ， 就是大家疯狂写字的时候 。 **Host** [1:05:12] 对 ，因为其实像刚才我们说的写作猫这种例子 ， 它就是一个模型和应用的边界在变动的这么一个现象 。 你自己会怎么给模型能力的演进 ， 还有应用优化划线 ？ 就是哪些东西它可能是随着模型本身能力提升之后， 你单纯在模型上再去做一些应用的优化 ， 这个空间和机会就比较小了 。 **闵可锐** [1:05:33] 我觉得这是个非常难以一两句话概括的事 。 我觉得大家会有一些 principle， 类似于新模型发布对你来讲 ， 你到底是能够争取到更多的用户还是更少的用户 。 我觉得简单的答案类似于是这样 。 但我觉得就实际它对每一个不同的类型的产品到底是 ， 比如说它短期受什么样的影响 ， 长期受什么样的影响 ， 我觉得这是一个可能得 by case 去看的一个事 。 **Host** [1:05:56] 我想问的倒不是它对具体产品的影响 ， 我想问的是说 ， 就比如说你觉得哪些能力它可能是在那些聚焦做模型的头部公司 ， 它的主航道上， 就是它肯定是要去做这些能力的 。 **闵可锐** [1:06:08] 我觉得是说但凡是看上去较为通用的能力 ， 都是主航道的能力 。 就是它会吃掉所有的 ， 我们简单划一下线 ， 比如说它有机会成为一个 1,000 万 DAU 的一个事 。 我觉得但凡是进入到这个边界的事 ， 可能 foundation model 公司都会有兴趣 。 **Host** [1:06:25] 但是这也跟大语言模型能力本身的边界有关吧 ？ 也不是所有这样的事它都能做到 ， 对吧 ？ **闵可锐** [1:06:31] 我是说它相当于是比如说有一家 AI 公司利用它的这个模型能力能够做到 1,000 万 DAU， 那么这个事很有可能就会成为它的狩猎的范围里面 ， 对吧 ？ **Host** [1:06:40] 明白 。 那你这么说的话 ， 岂不是所有企图不自己做模型 ， 然后只做应用做 1,000 万 DAU 的公司都很难存在吗 ？ **闵可锐** [1:06:49] 你除非 build 一个 ， 就是比如说我可能不是以用户基数建厂 ，但是我后面有一个比如说厂的销售或者服务的一个链条 。 **Host** [1:06:55] 就你的壁垒得在别的地方 。 **闵可锐** [1:06:57] 对 ， 我的核心价值可能是在别的地方 ，而不是以获取最多的比如说用户 ， 或者是一个轻量级交付服务 ， 就是它都是一个比如说线上交付 。 那如果你确实符合又大基数又是线上交付 ， 严重依赖于 foundation model， 那你为什么会认为人家不做呢 ？ 对吧 ？ **Host** [1:07:13] 那你这个预测还挺悲观的 ， 对广大 AI 应用创业公司 。 **闵可锐** [1:07:17] 我觉得是一个客观的预测 ，而不是一个悲观的预测 。 我觉得它会发生 。 **Host** [1:07:21] 你觉得像 Manus 这种产品 ， 它在这个主航道上吗 ？ **闵可锐** [1:07:24] 我觉得他们团队是一个非常擅长调整的团队 。 我觉得他们其实身段非常灵活 ， 没有啥包袱 ，不是偶像派出身的 。 **王与桐** [1:07:33] 谁是比较有包袱偶像派的 ？ **闵可锐** [1:07:35] 你想去年头部的那几家其实都是以偏明星光环们出现的这个创业者 。 对 ， 所以那个时候你要做一个大调整或者一个大改变 ， 人家可能谁都可以来 comments 你几句 ， 你怎么样了 ， 你是不是又不行了 ， 就是 。 **Host** [1:07:50] 你又放弃信仰了 。 **闵可锐** [1:07:51] 对 ， 我觉得这个你想作为他们团队就没有这个包袱 ， 对吧 ？ **Host** [1:07:55] 我们 23 年的时候聊到过 Jasper， 你也提到就是 Jasper 对你们写作猫其实是有一些启发嘛 。 然后当时你觉得 Jasper 的一个很重要的贡献是找到了机器贵但人更贵的切入点 ，他们也是很快就做到了 1 美元级别的订阅 。 然后我觉得这可能是另一个例子 ， 就是它的业务会被大模型本身的能力影响 。在 24 年下半年的时候 ，其实他们是有估值下调 ， 包括也裁员 。 **闵可锐** [1:08:17] 我觉得这非常有意思 。Jasper 在 2025 年的今天没有大家想象的那么差 。 如果我记得不错的话 ， 应该也是一个 1 美金级别的 ARR 的年收入的这么一家公司 。 作为一个不是特别大规模的公司 ， 这是一个 99.99% 的创业公司都从来无法企及的这么一家公司 。 但是我们是非常清楚的看到 Jasper 在可能一年的周期里面是如何从一个被追捧的公司到一个被所有人都会来踩上两脚 。 不是 ， 它都不是遗忘 ， 它是觉得你看所有人对它的评价 ， 对 ， 就是说你看它是不是就被干掉了吧 ， 对吧 ？ 事实上是人家还没有被干掉 。 从数据来讲 ， 一家成立比如说三年的公司做到 1 亿美金 ARR， 它是不是一家好公司 ， 对吧 ？ 这是一个很有意思的现象 。 这就是我说的很多时候三个月周期市场从一个极端走到另外一个极端 ， 然后最后所有的这个极端的判断可能都是错的 。 所以我们为啥有的时候没法出来讲东西 ， 就是 。 **王与桐** [1:09:17] 太高调容易被反噬吗 ？ 你是觉得 ？ **闵可锐** [1:09:19] 而且就是即便你说正确的事也没啥意义 ， 就是我无法纠正绝大多数人对绝大多数事情的这个理解 。 **Host** [1:09:26] 你觉得现在在 AI 领域有些什么比较常见的误解啊 ？ **闵可锐** [1:09:30] 前一段时间一个非常常见的误解就是 DeepSeek 很便宜 ， 好像大家听到的信息都是 500 万美金嘛 。 **Host** [1:09:36] 对 ， 它最后一次训练的 GPU hours 的成本是 557 万美元 。 **闵可锐** [1:09:41] 是 ， 所以这不代表人家没有研发投入啊 。 就像之前有人问我说 ， 这个是不是证明了没有人没有钱也能干好大模型 。 我说 DeepSeek 就是在整个中国范围内可能算是不说唯一 ，但是最有钱的一类和最有人才储备的一类公司了 。 这没有超出这个事的基本规律啊 。 它不是真的只花了 500 万美金把这个事做成这样了 ， 它可能还要加两个 0。 有多少人真正投过 500 万美金后面加两个 0 的钱在大模型的这个训练上面呢 ？ 你全国范围内也找不出几家了 。 **Host** [1:10:16] 关于你们自己的误解有什么吗 ？ 关于 Meta 的 。 ### 模型讨论 **闵可锐** [1:10:19] 可能是觉得我们是 ， 你们是不是接了这个模型 ， 你们是不是接了那个模型 。 我觉得在很长一段时间大家的预期都是 ， 就是我们是一个纯粹接了某一个模型的一家公司 。 **Host** [1:10:30] 实际上是 。 **闵可锐** [1:10:31] 我们其实除了这次在接这个 DeepSeek 之前 ，其实我们所有的这个模型都是自己在训练的 。 **Host** [1:10:38] 对 ，因为你们之前其实发布过百亿参数的模型 ， 你们自己也训练的百亿参数的模型 。 **闵可锐** [1:10:43] 对 ， 我们其实都是自己训练 ，但是我们没有把它作为一个类比如说什么 API 啊这样的形式开放出来 。 这也是我们当时的另外一个判断 ， 就是这生意它就不 work。 **Host** [1:10:54] 当时是指 23 年的 9 月份有这个判断 。 **闵可锐** [1:10:57] 我们一直有这个判断 ， 就是卖 API 这件事它不太 work， 哪怕它对于第一名可能 work， 它对于后面的人可能也极其不友好 。 **Host** [1:11:06] 本来我们后面也是想跟你讨论一下， 就是实际上你们的技术上的架构 ， 你们模型到底是怎么用的 。 你们最近其实有描述你们模型的结构吗 ？ 是大模型加小模型 。 **闵可锐** [1:11:16] 这真的是非常描述性质的描述 。 是 。 **Host** [1:11:18] 对 ， 就是大模型的部分你们是说可能是比如调用 DeepSeek R1 来负责深度推理 ， 对吧 ？ 然后一些复杂问题的思考 ， 然后自研的模型就是你们的 Meta LLM，是专注于信息搜索 、 资料整合 ， 还有快速响应 。 对 ， 这个组合的实质是什么呀 ？ 它应该不是我们一般理解的就是说我在一个模型上， 然后我给它在做着工程优化 ，不是这样一种组合 。 **闵可锐** [1:11:40] 我觉得一旦涉及到一些工程细节 ， 这个事就比较不是那么容易说清楚 。 因为我觉得包括这段描述是我们一个刻意简化 ， 让大家可以快速形成一个概念的这么一个描述方式 ，但实际上可能它背后不是两个模型 ，也不是三个模型 ， 可能也不止四个模型 。 它可能是个系统工程系的这么一个架构 。 而且这个架构到底会不会发生变化呢 ？ 它也会根据不同时候的不同状态 ，以及比如说有没有新的模型 ，有更好的能力 ，有新的开源 ，有更好的能力 ，在不断的发生变化调整的这么一个状态 。 所以我们其实觉得这件事本质上它不是一个说我信仰这个模型应该是啥样 ， 然后我一条道走到黑 ， 把所有的这个资源说就按照这个方向去做 ，而是根据所有现在的你拿得到的最新的一手的这些资源信息去不断的去调整的这么一个状态 。 **Host** [1:12:37] 那可以讲讲你的整体思路吧 。 就是你觉得在做应用的同时做模型的话 ， 你这个做模型的思路是什么 ？ 因为我理解肯定是跟那些就是说我直接要做模型 ， 比如说跟六小龙这些思路肯定是不一样的 。 **闵可锐** [1:12:50] 其实更多的就是我们要服务自己的用户嘛 。 所以当我服务自己的用户的时候 ， 就像我们说我们可以接受它是一个更偏科的模型 。 我可能没必要追求它是一个六变形战士 ， 它在什么语文数学所有的这个方向上都刷到接近最好的这个排名。 所以当你可以愿意牺牲掉一些东西的时候 ，也许你就能换来比如说更快的速度 ， 更低的这个成本 。 然后这个事如果你能换来一个 10 倍的比如说速度成本的这个差异的话 ， 可能在一类的这些应用的大家的这个竞争当中， 可能就是一个很实质的一个变化 。 你说也许那下一代新的大模型它自己升级了优化了 ， 会不会抹平这个差异呢 ？ 我觉得这个问题叫做 ， 那你应该也是在最一线 、 最快速的找到在下一代模型的那个周期里面最值得去干的这个事 ， 你把它干到最好 。 **Host** [1:13:40] 你觉得下一代模型周期里最值得干的事是什么 ？ 你现在觉得是什么 ？ **闵可锐** [1:13:44] 就得看到下一代的模型的哪方面能力有显著的提升 。 **Host** [1:13:48] 你说的下一代你指的是什么 ？ 是指比如说 GPT-5 算是下一代吗 ？ **闵可锐** [1:13:53] 我觉得没有那么严格的定义了 。 公认的比如说在当前这代模型上面有一个几乎比较实质的提升的一个版本 。 **Host** [1:14:01] 你觉得 O1 相比于 GPT 系列 ？ **闵可锐** [1:14:04] 我觉得算 。 **Host** [1:14:04] 你觉得是 ？ **闵可锐** [1:14:05] 我觉得是 。 它虽然是一个偏科的 ，但我觉得那是一个实质性的提升和突破 。 **Host** [1:14:11] 如果看一下就是从 23 年到现在的话 ， 你觉得模型曾有哪些真的比较重要的进展啊 ？ **闵可锐** [1:14:16] 我觉得前一段时间好像是 DeepMind 有相关一线的模型的这个负责人其实在讲过这个事 。他说从他们内部来看 ， 觉得比如过去的两年整个这条线的模型能力的提升相对来讲是一个偏线性的一个提升 。 只是外界对它的感知是一个阶梯性的 ，因为它可能到一个节点我 release 一个新的版本出来 ， 然后外界看到原来做不好的有一些事在新的这个版本上能做好了 。其实就对他们而言 ， 可能不是说有某一个特定的技术或者特定的这个细节带来了一个巨大的提升 ， 它可能同时在做 100 件事的提升和优化 。 **Host** [1:14:51] 就比如说 O 带来的提升 ， 它也是在这条线上是吗 ？ 它也不是说让斜率突然变陡了一下 。 **闵可锐** [1:14:58] 我觉得它让特定的一类的这个问题的斜率变得比原来更陡了 。 然后这部分比如说像生成出来的这个数据又可以反补到它的比如说 pre-trained 的这个数据里面来进一步提升你 base model 的快思考的推理的这个能力 。 **Host** [1:15:13] 你说的特定指的就是数学逻辑 。 **闵可锐** [1:15:16] 对 ， 选程啊 ， 就是这类就是相对比较好验证的这样一类的这个问题 。 **Host** [1:15:20] Claude 3.5 其实它不是一个推理模型 ， 就这样我觉得很多人不认为它是个推理模型吧 。 **闵可锐** [1:15:26] 我觉得它没有显著的表现出传统或者是说大家认为像 O1 像这个 R1 的显示给出思维链方式的一个推理 。 但是我觉得像就是 DeepSeek V3 的这个新版升级 ，他们其实自己提到在数学在这些推理能力上的一个很大提升 ，是因为他们把推理的就是生成的这些数据又放回了训练里面 。 所以你说它吸纳了推理的结果作为它的知识储备的一个数据做预训练 。 严格来讲它也不叫推理模型 ，但它其实具备了一部分推理模型的能力 。 **Host** [1:16:01] 对 ， 我就想知道就是从技术上怎么去看这件事情 。 就是可能你不是用比如说 O 或者 R 这种 ， 我先有一个预训练模型 ， 我在这个基础上， 然后用强化学习的方法我再来做训练去提升它的数学逻辑推理的能力 ， 我也可以提升推理能力 ， 我也可以提升编程能力 。 对 ，其实 Anthropic 有讲过 ， 就它认为这两个东西不应该分开看 。 **闵可锐** [1:16:22] 是 。 **Host** [1:16:23] 然后 Claude 3.5 的效果也不错 ， 这个在技术上应该怎么去理解 ？ **闵可锐** [1:16:26] 这个就是我说的那个 ， 大家何必在技术上划分一个这么明确的信仰呢 ？ 有一个这么严格意义上的路线之争呢 ？ 最后你会发现很有可能是说最好的这个模型 ， 最好的这个效果就是集各家之所长 ， 最后得到的一个结果 。 **Host** [1:16:46] 你觉得 O1 和 R1 是真的在做推理吗 ？ 因为这个问题其实我前段时间问过你的博士生时期的导师马毅 ， 问之前我就想到马毅老师可能会说他认为这不是 ，他确实也认为这不是真的推理 。 **闵可锐** [1:17:00] 我觉得这个问题就难以直接回答是说我们对推理的定义又是什么呢 ？ 就是这个可能得回到那个定义本身 ， 然后严格来验证说它是不是符合常规大家公认的对推理的一个定义 。 **Host** [1:17:16] 对 ， 我想知道你自己的想法是什么 。 **闵可锐** [1:17:17] 就像说你说 R1 是有智能吗 ？ **Host** [1:17:20] R1 有智能吗 ？ **闵可锐** [1:17:21] 你会怎么来想这个问题呢 ？ **Host** [1:17:23] 我觉得它有智能的形式 ， 这是我比较能确定的 ， 就是它表现的有智能 。 **闵可锐** [1:17:28] 是 。 **Host** [1:17:28] 然后其他的就取决于你怎么去定义智能的本质了 ， 这个事我觉得就不太好说 。 **闵可锐** [1:17:33] 是 ， 那我会觉得这个问题是说我看到很多人也没有智能啊 ， 对吧 ？ 就是你告诉他三步做这件事 ， 你可以把三步都写下来 ，他也会做错呀 。 那你说这个人没智能吗 ？ 他学习能力可能很差 。 **Host** [1:17:46] 所以你是比较倾向于用它最后的结果和表现来去判断 ， 或者说那个事可能更重要 。 **闵可锐** [1:17:52] 或者那个事是相对还比较验证的 ， 然后如果你不靠那个事验证呢 ？ 那是不是就非常违心了 ， 说虽然他啥也不会 ，但是我认为他 。 **Host** [1:18:03] 你有智能 。 **闵可锐** [1:18:04] 对 ， 我有智能 。 **Host** [1:18:05] 比如说马毅老师就会说 ，他觉得现在至少没有证据证明他有智能 ， 然后他觉得可能会有些反证 ， 比如说让推理模型去做奥数的题 ，因为他可能训过奥数的题 ， 然后他能做得很好 。 然后你给他一些很简单的数学题 ， 小学初中的 ，他同一个模型他也能做不好 。 如果说你类比到就是一个人， 如果他真的理解了这个数学的逻辑或者原理的话 ， 你不太可能说你小学的题你不会做 ， 然后你会做奥赛的题 。 **闵可锐** [1:18:29] 我觉得这个怎么说呢 ？ 其实存在有一些 ， 当然这个可能是当年的段子 ， 就是类似于说当年哪个数学家华罗庚还是谁 ， 就考了一道小学题 ， 然后他就算出来结果 ， 就是有人就问你也知道 ， 就是它其实是一个很有技巧的一个类似于小学的一种奥数类的这个数学题 ， 说你也知道这个技巧怎么把它换一项 ， 然后把它消掉 ， 你就能快速得出答案 。他说我不知道 。 **Host** [1:18:55] 他是心算 。 **闵可锐** [1:18:56] 对 ， 我是直接求了个积分 ， 然后把那个事给算出来了 。 就是这是两种不同的路径的体现 ，而有的时候也许华罗庚真的不会那个很有技巧 ， 就是让人看着很好玩的那个解法 。 就是鸡兔同笼 ，他可能就是列这个二元一次方程来把它算出来 ，他可能不会像当年大家说什么把什么鸡有一只脚给收起来然后怎么样 。 **Host** [1:19:20] 我小学时候学过 ， 你忘了 。 **闵可锐** [1:19:22] 对 ， 所以你看这就是这个问题 。 你现在问数学家鸡兔同笼不列 x y 这个方程 ，他不一定会解 。 **Host** [1:19:29] 对对对 ，有可能忘了 。 **闵可锐** [1:19:31] 是 ，他不一定会解 。 所以我觉得就是怎么去加 sy 这个智能 ， 这个事本来是一个很复杂的一个 ， 就是我觉得本身可能都不是一个现在太 well defined 的一个问题 。 **Host** [1:19:41] 我们沿着现在这个方向往前走 ， 你觉得持续提升的这个状态还能持续多久 ？ 因为其实去年秋天的时候有一段时间整个行业是都在讨论说 Scaling Law 撞墙的这个事情 ， 然后后来因为 O1 出来之后， 我觉得是缓解了大家的这种焦虑吧 。 然后最近大家又不怎么讨论这个事了 。 **闵可锐** [1:19:58] 我甚至会更好奇的一件事是说 ， 对于绝大多数的可能非从业人员的这些用户和公众 ，是怎么感知所谓的这个模型的智能提升的 ？ 我觉得其实大量的人是比较难感知的 。 **Host** [1:20:15] 对对对 ，是的 。 **王与桐** [1:20:16] 我就有点感知不到其实 。 **Host** [1:20:18] 你从什么时候开始感知不到了 ？ 从哪一年几月份开始感知不到了 ？ **王与桐** [1:20:22] 我觉得是 4 之后我其实就有点 get 不到了 。 **Host** [1:20:25] GPT-4 之后是吧 ？ **王与桐** [1:20:26] 但是多模态的一些 。 **闵可锐** [1:20:27] 对 ， 多模态是一个很视觉啊或者听觉上， 那个是很直接的 。 **Host** [1:20:30] 对 ，4o 最近我觉得是让很多人有觉得模型好像又变厉害了 。 **王与桐** [1:20:34] 对 ，但是我觉得文字上确实包括像 DeepSeek 它加了思维的能力之后， 我觉得它确实挺花活的 ，但我自己确实没有特别觉得它的智能提升 。 就比如说它的文字生成的很好 ， 词藻很丰富 ， 我觉得这个其实比如说就像你说的在某一个方面你去专门去给它训练也是可以得出来的 。 所以其实像我普通人的感知就是大概这样 。 **闵可锐** [1:20:55] 对 ， 所以我觉得有的时候就是这个是一个非常 ， 就是大家好像也是 accept as a fact，但是你回想起来你到底是怎么来判断这个事 ，其实有的时候这个判断本身并不容易 。 你可能是听说它有提升 。 **Host** [1:21:09] 我觉得用的时候你有一些渐进性的感受吧 。 就比如说你刚才在讲最开始你们设计今天学点啥的时候 ， 你希望把一个复杂的文本 ， 然后让它是更结构化的显示 ，有图片或者有表格什么的 。 所以你现在去和 ChatGPT 聊 ， 它也会给你这种反馈 。 就有时候你会提一个很模糊的问题 ， 或者说这个问题前面是有一个语境的 ，因为我们已经交流了几个回合 。 比如说我最近在问它一些 GPU 的进展的问题 ， 然后可能我前面问了一下 Google TPU 的那个应该是叫 Paul 的 V4 吧 ， 然后后面又问那个 NVL 的一些事 。 就它会主动 get 到你的意图 ， 然后它也会给你列表格列图示 。 **闵可锐** [1:21:43] 是的 。 **Host** [1:21:43] 就是你回想它确实比几个月前需要强一些 。 **闵可锐** [1:21:46] 是 ，而且就是这个是一个还是偏直觉感知侧的一些东西 。 而且确实有一些模型它的那个提升就是会最后回归到 ， 尤其是你不是在严格测它智商和比如说这种竞赛题数学题 ， 就是有些数学题这个测相对你能比较直接的感知到它的两代之间的这个代差 ， 可能差了 30 分 ， 差了 40 分 ，有显著的一个区别 。 但对于我觉得绝大多数人的绝大多数任务而言 ， 我是会觉得大家 claim 它好和不好都很武断 。 所以所有的模型新版本一发布 ， 你去看网上大家测的 9.8 和 9.11 哪个 ， 我不知道大家测这个是想证明什么 ，是我还比它强吗 ？ 我看到很多人测试的一个反馈是 9.8 和 9.1 你比较不出来大小 ， 哈哈 ， 你真笨 ， 然后转身就走 。 就是它更像是基于说我能不能找到你的 。 **王与桐** [1:22:38] 破绽 。 **闵可锐** [1:22:38] 对 ， 一个问题上存在破绽来证明你不行 ，而不是倒过来说我把你当成一个我也许能够很好使用 、 很好配合的这么一个工具 ，而找到你擅长的那些领域 ， 擅长的方向来更好的用你的这么一个心态 。 对 。 **Host** [1:22:56] 回到刚才那个问题 ， 就是说比较快的提升能持续多久 ， 你觉得可能有一个难点是在于说我们怎么去衡量提升 ，以及提升对用户来说到底意味着什么 。 **闵可锐** [1:23:05] 而且一定程度上我觉得这件事就是对于一个比如说有监督的学习 ，但凡你能比较好的去衡量某一些任务能不能提升 ， 你其实就能设计出来一些方法 ，不管是从数据侧还是从这个算法侧去把这个提升进一步做得更好 。 **Host** [1:23:23] 就是它可能不是一个面向真实用户场景的 ，而是我就是我想把那个 benchmark 刷高 ， 我总是有方法的 。 **闵可锐** [1:23:30] 对 ， 我觉得有的时候如果它定义的这个 benchmark 恰好符合很多人对使用的这些需求 ， 那么它可能就能做在下一个版本上有一个比较显著的提升 。 **Host** [1:23:40] 但也有可能这个 benchmark 和一般人的使用之间是脱节的 。其实最近姚顺雨写了一篇文章 ， 就大概是说什么模型的下半场 ， 现在更重要的可能是你要给这个模型找到合适的评判它的标准 ， 然后让它真的去提升真实世界里做任务的能力 。 **闵可锐** [1:23:56] 对 ， 我觉得这个也是他们可能现在核心要解决的这个 。 **Host** [1:23:59] 对 ，OpenAI 可能也是在想这个事情 。 **闵可锐** [1:24:01] 是 。 **Host** [1:24:01] 那回到一些就是更技术上的一些问题 ， 我有些我自己比较好奇的 ， 我想听一下你的想法 。 因为现在大家来做强化学习去提升模型的能力 ， 做推理模型 ， 它这个前提还是我有一个比较好的预训练的模型作为基础 。 **闵可锐** [1:24:16] 是 ，而且我觉得一定程度上可能很多人低估了预训练对于这个事的重要性 。 **Host** [1:24:23] 对于做好一个推理模型的重要性 。 **闵可锐** [1:24:25] 是 ， 你会发现比如说 R1 的这个论文里面 ，他们不是用到那个什么 GRPO 算法吗 ？ 那个算法意味着什么 ？ 那个算法其实有一个很简单的一个逻辑推导 ， 它其实是在它的基础模型上面 ， 比如说通过随机 64 次 、128 次找到可能在这 128 次里面有一次能够成功把这个题给做对 ， 然后它希望通过这个方式优选出来这 128 个可能性里面好的那个路径 。 它其实更像是在优化这件事 ， 对于一个非常难的问题 ，不要说 128 次 ，在 1 万次里面你的当前的这个 base 模型是找不到任何的可用解的时候 ， 这个方法是不 work 的 。 **Host** [1:25:04] 对 ， 就这个方法要基于说你给它的 128 个选项里有好的选项 。 **闵可锐** [1:25:08] 它得不能错得太离谱 ，以至于它蒙很多次的时候还能蒙得出来正确答案 。 这个强化学习是能够帮你蒙得更快 ，是原来你要蒙 100 次 ， 你可能现在两次以内 ， 甚至第一次你就能把这个最好的答案给拿出来了 。 对 ，但这不代表说它可以凭空的去创造后面的所有的这个东西 。 **Host** [1:25:29] 对 ， 那正是因为预训练这么重要 ， 对吧 ？ 那我们看最近 Grok3， 它用 20 万张卡来做训练 ， 它带来的提升其实没有那么多 。 然后包括 Llama4， 它是 Meta 的新一代的机模 ， 那它这个问题可能就更大了 。 **闵可锐** [1:25:43] 对 ， 所以我会认为 Grok3 和 Llama4 是两件截然不同的事 。 我觉得 Grok3 算是一个成功的模型 ， 它其实成功的证明了有一群不错的顶尖的工程师 ， 再加上最好的硬件 ，在一个比较短的时间内追上了一线模型的差不多的这个能力 。 你考虑到它在这个事上实际花的这个时间 ， 你会发现它实际上是很难得的 。 换句话说 ，他们在做这个实验的这几个月期间 ，他们有没有发现说还有什么额外的一些可以优化显著的 ， 可以再提升它的模型的能力 ？ 我相信他们一定会发现 。 也就是说它的下一个版本应该怎么做 ， 它一定会有三到可能有几十个它觉得应该可以再进一步优化改进的这个地方 ， 使得它的下一代比现在更好 。 我觉得它恰恰证明了一件事叫做这个大力还是出了奇迹 。 就是在这个之前 ， 你说能不能就给你半年时间 ， 给你一年时间 ， 你快速搭一个团队 ， 能干到这个至少是比如说 GPT-4o 甚至 4o 以上的这么样一个推理能力的一个水准 。 我觉得在 Grok3 出来之前是不确定的 。 **Host** [1:26:52] 然后它证明了这件事是可以做到的 。 **闵可锐** [1:26:54] 好的人配最顶尖的资源 。 **Host** [1:26:56] 这个视角挺好的 。 就你的这个视角不是说把 Grok3 和同一个时期之前发的那些模型去比 ， 它比那些模型提升了多少 。 **闵可锐** [1:27:04] 对 ， 人家加底比你早期的比如说 5 年的时间 ， 然后你还是能在相对比较短的时间内能做到最一线 。 **Host** [1:27:11] 那从目前的这些新模型更新的情况 ， 我指的都是基座模型 。 我们能说基座模型的就是我给它训练更大的规模 ， 我用更多的算力 ， 然后带来的收益在递减吗 ？ **闵可锐** [1:27:23] 我觉得首先我可能不是最有这件事直接发言权的人 ，但是逻辑上来讲 ， 包括你看很多人在讨论的 ， 如果以原来的这个路径去往上走 ，其实现在棒着住大家的其实都不是算力 ，而是你没有数据 。 就是也许我还有 10 倍 、100 倍的人类的这个高质量的数据 ， 我仍然还可以让这条线 ， 就是相当于是以我们现在能够有的这个资源去线性外推这条线的这个 loss function 的降低和它的能力的这个提升 ， 这件事其实并没有遇到障碍 。 障碍是说我现在其实我需要的比如说算力 、 数据 ， 甚至都先可以不考虑算法 ， 就是我数据这侧 ， 我现在可能是要遇到一个瓶颈了 ， 就是我不能再 10 倍外推 100 倍这个数据这件事了 。 **Host** [1:28:08] 就是在现在 GPT 的这个结构里面 ， 就是我加更多多模态数据能缓解这个事情吗 ？ 因为多模态数据很多可能还是没有被用到或者没有被采集到 。 **闵可锐** [1:28:16] 是 ， 所以这个就首先已经是不符合原有的 Scaling Law 的数据的定义了 。 就是原来其实更多的还是以文本这个数据为 token 去建立的 ， 所谓的这个 Scaling Law， 它不是 prove 了这件事情 ，是它观察到这件事情 。 这只是一个根据数据的拟合的结果 ， 它不是说它证明地球是圆的 ， 它是说从比如说宇宙上看 ， 我采集了 800 张照片 ， 我怎么看它都是个圆的一个东西 ， 所以我猜测说它大概是个圆的一个东西 ， 它其实是这么一个东西 。 所以现在说它被撞墙也好 ， 它不能持续这件事 ，是因为它原来那个初始条件你都不满足了 ， 你可能找不出再扩展 10 倍高质量数据去解决它的持续去外推的这么一个逻辑 。 **Host** [1:29:02] 那所以听起来这个问题还是没有被解决 。 就去年秋天大家在讨论的 Scaling Law 撞墙这个问题 。 **闵可锐** [1:29:07] 但我觉得这本身是一个非常简化的一个思路 ， 就是相当于我算法啥的 ， 就是我其他 contribution 完全不变 ， 静态的这个情况下， 我纯堆算力 ， 我纯堆这个数据 。 就是这是一个最无脑外推得到的一个这个结果 。 所以你可以看在这个过程当中， 比如说在算法侧的改进 ， 数据侧可能有更聪明的用法 ， 包括把后续的这个 RL 的这些数据 。 **Host** [1:29:32] 对 ， 又未回旋 。 **闵可锐** [1:29:32] 反过去对加回来 ， 这其实都是在不断的调整这个公式 ， 它不是一个简单外推 。 就换句话说 ， 如果它是一个简单外推 ， 那么 Llama4 就应该做成 ，因为代码有了 ， 你数据有了 ，GPU 给你配齐 ， 你就好好跑呗 ， 你跑下一个版本再跑半年， 那出来不就是一个显著更好的一个东西吗 ？ 所以恰恰就是大家没有严格意义上在外推这件事 。 **Host** [1:29:55] 那你觉得在别的地方做改进 ， 它能延续这个趋势多久 ？ 就比如在高质量数据比较少的情况下， 我在算法或者说包括什么训练效率吧 ， 就是别的方向我来做改进 。 **闵可锐** [1:30:07] 我觉得这件事也是一个非常难回答的事 。 就换句话说 ， 如果倒回比如说 20 年前 、25 年前 ， 我们在看芯片这件事的发展 ， 它其实六几年、 七几年开始发展到比如说 2000 年这个时候 ，其实已经有非常多的这个迭代 ， 然后比如说像光刻机的这个改进导致它芯片的几纳米的这个在不断的这个减小 。 我觉得在 2000 年的这个时候 ， 你很难 predict 说你到底能把光刻技术做到多好 ， 你到底能把这个芯片做到几纳米 ， 这件事总是在一个好像要卡住的时候 。 **Host** [1:30:40] 又有点突破 。 **闵可锐** [1:30:41] 对 ， 又有一个新的技术突破 ， 说我把这个什么光刻机泡在水里 ，有一个什么浸润式的一个光刻 ， 然后我通过这个光学我怎么反射 ， 然后又得到了一个两倍 ， 可能比原来精度能够乘以 2 的这么一个效果 。 然后每一个提升都是比较艰难 ， 都是可能是花了比如说几年时间 ， 从实验室里面试错 ， 然后逐步找到去解锁到下一个状态 ， 没有一个是简单的线性外推去做到的这个结果 。 所以 2000 年的时候我没有严格查证过 ，但是我相信肯定也有人会说光刻这条路 ，CPU 的制程这条路要撞墙了 。 可能 1990 年可能也有人会说 CPU 制程 。 **Host** [1:31:20] 之前就大家说摩尔定律要撞墙了 。 **闵可锐** [1:31:22] 对 ， 所以我觉得这个事非常取决于一帮在这个上花了最多精力的顶尖聪明人能不能找到进一步的迂回的路径 。 **Host** [1:31:33] 你觉得这些大的技术判断现在对你创业本身重要吗 ？ **闵可锐** [1:31:37] 其实没那么重要 。 **Host** [1:31:38] 没那么重要 。 **闵可锐** [1:31:39] 所以我只是顺带判断判断 。 **Host** [1:31:41] 实际上技术上的到底哪些变化是跟你做 Meta 这件事情特别直接相关的 ？ **闵可锐** [1:31:45] 我觉得相对比较直接相关的 ， 就像说上一代的这个模型 ， 下一代的模型它有一些显示解锁了哪些 ， 就是哪些能力从原来基本不 work 到其实能够很好的 work 了 ，并且这些可能很适合比如说用户的一些这个需求是直接产生连接的 。 **Host** [1:32:03] 你觉得最近 6 个月被新解锁的是一些什么东西 ？ **闵可锐** [1:32:06] 就比如说这个代码能力的显著提升 。 **Host** [1:32:08] 编程 。 **闵可锐** [1:32:09] 对 ， 编程 ， 尤其是在比如说生成类似于 HTML， 对吧 ？ 大家其实一个很 surprise 的一个点 ， 尤其是到 3.5 到 3.7， 就是用 Claude 生成的比如说网站 ， 你可以首先一句话做一个网站 ，其次是它竟然还有不错的审美 。 就是我没有描述它是什么美学特征啊等等 ， 我就是说你给我一个这样的一个网站 ， 它竟然生成出来的这个结果还不错 。 **Host** [1:32:32] 你们 3 月上线的可以在 Meta 搜索里生成互动网页的这个功能 ， 就是基于模型的新解锁的能力来做的 。 **闵可锐** [1:32:39] 是 。 **Host** [1:32:40] 除了这个还有吗 ？ 编程之外还有吗 ？ 解锁的 。 **闵可锐** [1:32:43] 我觉得包括大家新的在讨论这个所谓 AI Agent，也是就像刚才说的 ， 可能从上一代你只有百分之几的这个成功率 ， 可能现在能够提升到有百分之几十的 ，在模型在这些更长的规划能力 ， 包括它可能自己的这个纠错的这个能力上有显著的提升 。 **Host** [1:32:59] 你过去有些什么比较重要的技术误判吗 ？ 其实你之前给我分享过一个 ，但这也许不是个误判了 。 就是说你最开始创业 ， 大概到 2020 年夏天 GPT-3 出来的时候 ，其实你有看到这个成果 ，但是因为你那会儿已经在做公司嘛 ， 就是你比较关注的其实是它的成本 ，以及关注怎么把当时已经有的 ，也是当时比较主流的就是 BERT 的模型用到一些可以用的地方 。 因为 GPT-3 它一出来就是个 1750 亿参数的模型 ， 然后你当时觉得这个太大了 ， 它可能也没有什么地方可以直接用 。 确实你们 178 年就在做 Transformer，但是你们最开始其实是做 BERT 的 Transformer， 对吧 ？ 后来可能才是 GPT。 但是我不知道这个在你看来算不算一个误判 。 **闵可锐** [1:33:39] 我觉得这个确实是一个很有意思的一个例子 。在 2020 年 OpenAI 做了一个 1750 亿的 Dense 的模型 ，在大家讨论比如说现在 2025 年， 就 5 年以后的今天 ， 包括 DeepSeek 这个大家已经认为是很庞大的一个推理模型 ， 它实际的这个激活大概是 300 亿参数 。 如果优化到极致 ， 它的实际算力的开销应该是 2020 年的 OpenAI 的 GPT-3 的 1/5 的这么一个成本 。 所以你可以想象它在当年的算力的这个消耗 ， 确实是一个非常实验室看起来没法应用的类型的一个产物 。 但是可能 Sam Altman 他有能力通过这样一个事拿到了足够多的资源 ，以至于推进到后面把这个事给逐渐去完成 。 我觉得这个是超过正常创业者的能力 。 因为我觉得你直接能力可能是拿着它能不能来做一些比如说商业的一些变现逻辑 ，但我觉得那个确实是很难的 。 **Host** [1:34:39] 所以他的逻辑是我在这个基础上我可能获得了新的资源 。 **闵可锐** [1:34:43] 我可能不给你讲当下的这个事 ， 我给你讲 3 年以后 、5 年以后， 我给你讲 Scaling Law， 我给你讲未来 AGI 会被解决 。 就是我觉得大家搬运了这么一个事 ，但是但凡他拿着这个来讲说我的成本怎么样 ， 我产出怎么样 ， 我能拿这个模型来挣多少钱 ， 哪怕我现在在那个时间节点我把它削减一个 0， 你能够做到的应用我觉得相对仍然是非常有限的 。 **Host** [1:35:06] 那你回头看 ， 你觉得当时你的那个想法它算是一个误判吗 ？ 还是说在当时那个条件下它可能就是一个比较合理的判断 ？ **闵可锐** [1:35:13] 我觉得那是一个极其合理的判断 。 就甚至是说在 25 年的今天已经迭代了几版的这个 GPU 的基础之上， 像我们现在做的这个应用仍然不可能以这个规模的算力去对外提供服务 。 这对于我们的成本来讲可能都是一个难以接受的一个事 。 **Host** [1:35:32] 就可能你没有估计到的是你刚刚说的 OpenAI 持续的动作 。 **闵可锐** [1:35:36] 就是我觉得它是设计了一个完整的故事 ， 确实就像我们说它讲了一个终局的故事 ， 叫做那是 AGI， 你们这点钱难道不值得投吗 ？ 我未来是这么一个存在 。 **Host** [1:35:48] 那如果这个不算的话 ，有些什么别的因为可能技术判断上的不准确的地方 ， 就导致你们在结构上做什么不做什么的一些选择上可能会有些偏差的吗 ？ **闵可锐** [1:35:59] 我觉得我们长期面临的一个问题是 ， 就包括我们在做搜索等等业务的时候 ， 就是我们在优化比如说 Per-curry 的这个成本结构的时候 ，是比大量的比如说大厂在这件事上可能要激进很多的 。 但这个激进很多好处是在于我们可能能把这个成本控制在一个相对比较可控的一个程度 。 坏处是说从用户侧来讲 ，他不会 care 你这个事 ， 说虽然你是 90 分 ， 人家是比如说 95 分 ，但是你用到了资源是人家的比如说 1/10 和 1%。 我觉得这件事从外部视角来讲是没那么关键的 。 **Host** [1:36:36] 对 。 **闵可锐** [1:36:36] 所以相对来讲就会在应用侧的一些模型技术这个应用上面会更保守一些 。 就是我们觉得好像不太能算得过来这样的这个事呢 ， 我们可能选择先不用了 。 **Host** [1:36:47] 我看前段时间张涛去硅谷做活动 ， 一段时间他们的同学穿了一个 T 恤 ， 然后上面说 Manus 上线的 14 天内就花掉了 144 万美元的 Claude 的 token。 **闵可锐** [1:36:59] 对 ， 我觉得这就是一个典型的 ，他还是要承受一个这个方面的压力的 。 **Host** [1:37:05] 你们现在实际上的就比如说你们的付费的用户能 cover 到你们推理的这块的成本吗 ？ 就使用的成本能 cover 到吗 ？ **闵可锐** [1:37:14] 现在比较难 ，因为我们在 AI 搜索上基本上就没做付费 。 **王与桐** [1:37:18] 对 ，因为你们没有广告嘛 ， 没法收费 。 **闵可锐** [1:37:20] 所以是有一些 B 端的合作 ，但这部分其实离直接 cover 住我们这部分成本我们觉得还是有距离 。 ### 团队组织 **Host** [1:37:26] 你同意你的高中师兄王小川的一句话吗 ？ 就是他说 AI 大模型应用创业应该远离大厂的阴影 。 **闵可锐** [1:37:33] 在国内就是巨头的业务已经如此之广泛的情况下， 你真的避得开吗 ？ **Host** [1:37:39] 对啊 ， 比如说 Meta 搜索对吧 ？ 其实你刚才也讲到了 ， 你可能在 24 年底你就预料到 25 年也许前三就会是阿里 、 腾讯 、 字节 ， 确实他们的产品也都在推搜索的功能 。 **闵可锐** [1:37:50] 对 ， 所以我觉得这个问题是说能避开且找到一个足够大的一个利基市场当然是好的 ，但这个问题是如何避开 。 **Host** [1:38:00] 那比如说 Meta 搜索虽然你们是更早做的 ，但是它也已经和大厂在一个方向上， 你们应该怎么调整 ？ 你们怎么和他们竞争 ？ **闵可锐** [1:38:07] 包括我们现在新推出的这个产品就是这个事的延伸嘛 ， 我们得摸着石头过河 ， 就大厂可以摸着我们过河 。 **Host** [1:38:15] 你说新推一个产品 ， 我就在想可能就像你说的 ， 大家其实去模仿产品是很快的 。 **闵可锐** [1:38:21] 但是我觉得如果你作为一个对这个事有预期的小的创业团队 ， 你可能更应该想的是说 ， 当他们开始模仿你上一个的时候 ， 你的下一个到底在哪 ？ **Host** [1:38:33] 有这么多下一个吗 ？ **闵可锐** [1:38:34] 就就像刚才说的光刻机一样 ，也许你很难想到 10 年以后你能怎么做 ，但是下一个也许就是你应该考虑的事 。 **Host** [1:38:43] 对 ， 那我觉得怎么做快可能就变得很关键了 。 你们现在是一个什么样的组织啊 ？ **闵可锐** [1:38:47] 一个比较简单的组织 。 **Host** [1:38:48] 比如说多少人 ？ **闵可锐** [1:38:49] 差不多 60 号人。 **Host** [1:38:50] 60 号人。 **闵可锐** [1:38:51] 其实跟去年相比接近 。 **Host** [1:38:54] 23 年初的时候你们差不多就是 40 多人， 所以其实没有扩张特别多 。 **闵可锐** [1:38:58] 是 。 **Host** [1:38:59] 然后在这个 AI 热潮来之后， 你们从市场心思到人才竞争 ， 包括有些大厂有可能来挖你们的人， 你们受到了些什么样的冲击啊 ？ **闵可锐** [1:39:08] 实际的体感是说 ，由于 AI 这件事变成一个更热门的一个领域 ，其实使得招聘这件事变得更困难了 。 因为我们想要的其实是好的人， 也会是所有最顶尖的厂商想要的人。 所以其实我觉得一定程度上是变得更困难了 。 **Host** [1:39:27] 那你们这两年招到的研发相关的人才都是怎么招到的 ？ 就他们为什么愿意来 ？ **王与桐** [1:39:33] 因为他们有一点 AGI 信仰 ，但不多是吗 ？ **Host** [1:39:37] 是招聘信息里写的 。 **闵可锐** [1:39:38] 对 ， 就是换句话说 ， 我们招的可能不是直接和比如说 DeepSeek，不是直接和字节 PK 的那类人。 我觉得就是你想要那类人实际上是非常困难 ，而且我理解不光是我们认为非常困难 ， 对于所有人可能都是非常困难 。 因为那个 pool 其实是大家现在越来越小 、 越来越精准的 ， 更小的一个 pool 了 。 **Host** [1:39:58] 那你们这个 60 多人的组织 ， 就是在你们能招到的人的这个阵容之下， 你们是怎么配合 、 怎么去做得很快的 ？ 怎么足够灵活的 ？ **闵可锐** [1:40:07] 这个其实是问题 。 就它现在相对灵活是因为我比较灵活 。 **Host** [1:40:13] 对 ， 就是你说的有很多产品的决策其实你自己就做了 。 **闵可锐** [1:40:17] 对 ， 我可能不需要太有一个形式上需要去说服很多人去推进这个事 ， 所以它才显得比较灵活 。 **王与桐** [1:40:26] 那比如说如果产品团队的同学有一个很好的 idea，他跟你说他需要说服你吗 ？ 我的意思就是说这个是一个困难的事情 ， 还是他们都不敢跟你说 ？ **闵可锐** [1:40:37] 我觉得我一定是希望听到好的 idea，但这件事很难发生 。 **王与桐** [1:40:42] 你觉得他们的 idea 不够好 ？ **闵可锐** [1:40:44] 在这个市面上绝大多数人的绝大多数 idea 都不够好 。 就换句话说 ， 如果好的 idea 出现的频率如此之密集 ， 那么就没有道理这些大厂们也不需要看我们做啥嘛 。 内部讨论就这个事 ， 对吧 ？ 有资源 ，有人， 有机器 ， 大家分别去把这个事各个方向去干了就好了 。 **Host** [1:41:03] 比如说以今天水底啥为为例啊 ， 就你们这个新的产品 ， 如果说这个最开始大的想法可能是你感觉到这是一个需求的方向 ， 那把它完善到现在这个程度 ， 团队能和你协作做什么 ？ 就他们能做什么部分 ， 然后你做什么部分 ？ **闵可锐** [1:41:18] 就是我可能会把它拆成 100 个小份 ， 告诉大家你领这两份 ， 你领这三份 。 **Host** [1:41:24] 所以你就是 Agent 里那个做规划的模型 ， 然后其他人是做执行 。 **闵可锐** [1:41:30] 目前更多的是这样的一种状态 。 **Host** [1:41:32] 那其实这种状态我觉得你会有累的一面 ，因为相当于都是你在 push 别人 ，而没有什么事情是有人来 push 你的 。 **闵可锐** [1:41:39] 它现在确实是很难做到一个理想当中一群在各方面 ， 尤其是比如说都很聪明且他的擅长领域不同的人的相互碰撞所产生的结果 。 这是一个相对理想的情况 。 **Host** [1:41:53] 因为你现在所描述的这个状态是你输出比较多 。 **闵可锐** [1:41:56] 疯狂输出 。 **Host** [1:41:57] 其实一直输出这件事是比较累的 。 **闵可锐** [1:42:00] 对 ，但其实我会觉得理想状况从未出现过 。 而且有的时候我对这个事的观察在于 ， 你的下一个好的想法是藏在上一个执行的细节里面 。 就是当你只有一个大的规划的时候 ， 你是不知道下一个事在哪的 。 你必须得去很 hands on， 你看到所有的细节 ， 你可能才意识得到说下一个应该去解决的事是什么 。 **Host** [1:42:27] 所以把一个大的想法拆成 100 份任务这件事 ， 你觉得对你来说还是必要的 。 这其实是让你去看到下一个东西的方法之一 。 **闵可锐** [1:42:35] 另外一个理想的情况是说 ， 我可能把它拆成 10 份 ， 然后有 10 个人会把它拆成 200 份 ， 然后这 200 份里面大家讨论出来 ， 它其中一部分的 idea 和中间结果会比我想象的要更好 。 **Host** [1:42:48] 那你有想过怎么改善这个状态 ， 更靠近你理想中的状态吗 ？ **闵可锐** [1:42:52] 我们也非常欢迎有好的 、 有想法 、 有能力 ，并且 Ego 不是太大的 ，不管是工程师还是这个产品也好 、 业务侧的同事的加入 。 但坦白来讲 ， 就像我刚才说的 ， 我觉得这事挺难 。 **Host** [1:43:05] Ego 是不是和能力匹配就可以了 ？ 也不需要它 Ego 一定不大吧 ？ **闵可锐** [1:43:10] 其实就是说这个匹配 ， 就是很多时候恰恰你遇到的人是不匹配的 。 **Host** [1:43:14] 对 。 **闵可锐** [1:43:14] 如果这两个不太匹配的状态 ， 你就宁可说他干脆 Ego 低一点 ，他想法少一点 ， 执行力还不错 。 **Host** [1:43:23] 所以你说的最理想那种人 ，其实你在市场上很难找到 ， 可遇不可求吧 ，也许 。 **闵可锐** [1:43:27] 是 ，而且这个事我后来思考过 ， 我倒过来想过这个事 。 就像包括我们去年在市场上有一定知名度 ， 然后也有不止一两个团队对吧 ， 愿意拍一笔足够高的钱 ， 说不管是以大比例换股或者是合并或者怎么样的这个形式来推进下面的这个业务 。 我觉得这个事其实意味着谁都不好做 。 就是你可以有意愿拿出 3 亿人民币 、5 亿人民币 ，但是你也不一定能找得到合适的人去操盘这件事 。 **Host** [1:43:58] 那你有花很多时间真正去聊一些候选人吗 ？ 就比如说你在招人上花多少时间 ？ **闵可锐** [1:44:03] 我觉得实际我们遇到的问题是啥啊 ？ 很有可能我们看中一个人还不错 ， 然后小龙问就再加一点价 ， 然后你还跟他加吗 ？ 你加得过他吗 ？ 我们甚至遇到过有一个从某小虎出来的实习生 ，以他的学历背景应该是进不去那家的 ， 然后我们发了一个运营的 offer， 然后回去加了一笔钱招回去了 。 **Host** [1:44:24] 就是他出来了他又回去了 。 **闵可锐** [1:44:25] 本来他是进不去的 ， 就是以他的背景 ， 就拿着我们的 offer， 对吧 ， 就再加一点钱 ， 那就给招回去 。 所以我觉得它必然是没那么容易的 。 **Host** [1:44:33] 所以就是你觉得这个事情也不是说你花很多时间去见候选人 、 去聊人， 能本质上去解决的 。 **闵可锐** [1:44:40] 而且我觉得一定程度上其实你从整个业内实操的这个经验来看 ，有一类相对是好的 。 你投一个比如说老师 、 教授相对是好的 ，因为他其实在比如说纯粹从市场上捞人之前 ，他有一个长期和比如说 。 **Host** [1:44:55] 对 ，他有学生 。 **闵可锐** [1:44:56] 对 ， 共处 ， 然后发现 ，并且相互有一个基本的这个信任 。 **Host** [1:45:00] 而且可能这些人才的素质也是有一个基础素质的 。 **闵可锐** [1:45:04] 对 ， 或者是你跟他相处两年， 你多多少少对他能力啊这个边界有一个比较清晰的一个认识 。 然后在市面上呢 ， 你想人家对你也不了解 ， 你跟他聊两样事 ，他跟别人也聊两样事 ， 然后说那为啥你画的这个饼是比别人那个饼是得好吃很多吗 ？ 最后就是那大家 PK 钱吧 ， 对吧 ？ **Host** [1:45:23] 你现在自己的精力怎么分配啊 ？ 你在什么事情上花最多时间 ？ **闵可锐** [1:45:27] 我觉得我们还是在产品和研发花最多时间 。 **Host** [1:45:29] 产品和研发 。 那这两个如果再拆一下的话 ， 产品和研发你花哪个时间多了 ？ **闵可锐** [1:45:35] 我觉得跟阶段有关 。 就是我们现在看到这个事 ， 比如说重点得解决这个产品问题 ， 可能我就会倾向于产品一些 。 重点得解决就是研发这个事 ， 研发的同时搞不定了 ， 那我可能会更多的去帮忙去解决 。 **Host** [1:45:48] 实际上产品和研发两个团队都是你自己在带 。 **闵可锐** [1:45:51] 那是啊 ， 那还有别的选择吗 ？ **Host** [1:45:53] 你有想过去找一个产品的负责人吗 ？ 甚至是可能到产品的合伙人级别的这种人。 **闵可锐** [1:45:58] 欢迎大家 。 **Host** [1:45:59] 推荐是吗 ？ 自荐推荐啊 。 **闵可锐** [1:46:01] 是 。 **Host** [1:46:01] 你曾经去找过吗 ？ 动过这个心思吗 ？ **闵可锐** [1:46:04] 就对这件事我觉得一个巨大的挑战是说 ， 我其实很难以我的画像去找产品 。 就这个事其实很有意思 ， 我觉得我是不得不成为一个产品 。 而这件事的优势在于 ， 我们现在尤其是在面临 AI 产品的时候 ， 这里面存在大量的技术判断 。 **Host** [1:46:22] 对 ， 所以说好的 AI 产品经理很稀缺吗 ？ 因为他其实是要懂技术的 。 **闵可锐** [1:46:27] 然后需要懂技术这件事也分层次 。 就是你能招到一个非常懂技术吗 ？ 就是他本来应该是去做 foundation model 的 ，他现在来给你干产品 ， 就这件事太难了 。 我觉得我是这样一个人， 我觉得这就是区别 。 就换句话说 ， 哪怕你在市面上说这个大模型最好的大模型在这件事上可能不 work， 我也会去想想为什么不 work， 能不能把它搞 work，而不是简单的把调研这个结果作为一个事实接受 ， 说那既然 Gemini 不 work， 对吧 ，Claude 不 work，OpenAI 不 work， 那就说明这个事现在做不了 。 **Host** [1:47:01] 你们现在自己是模型的话 ， 你还是会在一线上手参与很多什么 ？ **闵可锐** [1:47:05] 我会参与很多 。 **Host** [1:47:06] 模型训练过程 。 **闵可锐** [1:47:06] 对 。 **Host** [1:47:06] 会的 。 所以你持续的都是有实际的手感 。 **闵可锐** [1:47:09] 是 。 不知道是好还是不好 。 **Host** [1:47:11] 你觉得它可能的不好的点是什么 ？ **闵可锐** [1:47:14] 就是要求你 ， 你得真会 。 **Host** [1:47:16] 但是你不是本来真会吗 ？ 还是说这个对你来说也是要持续学习的 ？ **闵可锐** [1:47:20] 我觉得这一定持续学习 。 所以如果这个事持续学习对你来讲是个负担 ， 那这件事你千万不要用这个方式去做团队的管理 。 但这个事你本来还有些兴趣 ，maybe 这个可以 work。 **Host** [1:47:31] 就从你个人的兴趣 ， 或者说你做什么事你是最沉浸 、 最有心流的话 ，是你现在的主要工作 ， 你的哪块工作呀 ？ **闵可锐** [1:47:39] 我觉得现在本身角色其实就是比较综合的 。 所以我觉得从心态上来讲 ， 我可能不能沉浸于这 n 个事的其中一个事来花所有的时间精力 。 而这个成就感也许来自于说怎么把这个拼图按照 ， 就也许我三个月以前对于现在发的这个产品 ， 就是我已经花了半个小时在我的脑子里面构建出来一个大概它应该有的这个样子 ， 然后在未来的这三个月把它逐步真的给实现出来 。 **Host** [1:48:09] 你这半个小时是比喻还是实际上就是半个小时 ？ **闵可锐** [1:48:13] 可能是部分实际 。 **Host** [1:48:14] 就是可能不记得那么具体的时间 。 **闵可锐** [1:48:15] 就是中间可能比如说在做的这个过程中额外再有几个拼图 ， 把它进一步给丰富 。 就像我们现在看到了一个新的结果以后， 我们会有新的 ， 比如说在帮妈妈讲题这件事上把额外这个拼图给加进来 。 **Host** [1:48:28] 你在想这些过程的时候 ， 你是习惯就是在脑子里想什么 ？ 你也不做笔记什么 ？ **闵可锐** [1:48:33] 不做笔记 。 **王与桐** [1:48:34] 那你管细节会管到什么程度啊 ？ 就比如说我们现在看今天学点啥这个产品里面 ， 比如说你们课后会设计一个互动问题 ， 这个互动问题设计几个 ， 这种颗粒度的也是你会管 ？ **闵可锐** [1:48:45] 这个可能就是我花一分钟直接拍板了 ， 可能不成熟也管 。 然后我们左边翻书 ， 右边那个生成那个大纲的这个 ， 就是我把草图直接画出来 。 **Host** [1:48:55] 界面啊 ， 草图直接画啊 。 **王与桐** [1:48:57] 所以其实你管的其实还挺细的 。 **Host** [1:48:59] 对 ，因为产品我觉得确实是这样 。 就如果你比较 hands on 的去做产品 ， 那确实这些细节可能你在慢慢实现的过程中间你都是要去考虑的 。 **闵可锐** [1:49:06] 是 。 那我觉得一个相对理想的状态是说 ， 比如说跟你配合的同事在整个过程当中大家基本水准在线 ， 熟悉程度更高 ， 那其实有一部分再往下细拆的 ，他能够去更多的去承担 。 对 ，但这个其实往往也是需要时间 ， 需要大家的经验的逐步的积累和配合 。 就往往你很难预期说我们快速拍一笔钱招一个人上来 ， 一个月以内这些事他能够给我 take 掉 50%。 我觉得这个比较难 。 **Host** [1:49:34] 你这种在团队里疯狂输出的状态持续了多久 ？ **闵可锐** [1:49:37] 我觉得基本上就是这样 。 不太一样的是说 ， 就是我们说前两三年， 那个时候我们定义产品更多的是我们来定义一个产品 ， 然后我们来选择一个我们觉得打磨的比较 ready 的时间 ， 然后向市场去发布 。 **Host** [1:49:50] 那就是 18 年到 21 年左右 ， 前两三年 。 **闵可锐** [1:49:53] 对 ，是 。 **Host** [1:49:53] 2022 年 。 那会儿 AI 其实挺冷的 ， 比较冷 。 **闵可锐** [1:49:57] 没错 。 所以这个其实是给我们的一个 。 你不太可能会说我这个产品打磨到一半 ， 突然市场上杀出来一个人家把类似的这样的一个东西给做了 。 就是他不太会是这么一种状态 。 所以更多的是以我们自己为主 ， 认为到了一个差不多可以 release 的一个状态去发布 。 **Host** [1:50:16] 就那会儿在一个可能更正常或者更舒服的节奏里面 。 **闵可锐** [1:50:19] 对 ， 就是现在节奏我觉得肯定是加快了 ，是有直接体感 。 **王与桐** [1:50:24] 比如说你的工作时间会比刚开始那三年延长了多少 ？ **闵可锐** [1:50:28] 我觉得心态不太一样 。 而且一定程度上我觉得比如说在前三年加入 META 的同事 ， 可能会看到我讲解的耐心是和现在是不太一样的 。 对 。 **王与桐** [1:50:39] 耐心逐渐消失的老板 。 **闵可锐** [1:50:40] 对 ， 就是我可以跟你讲更细 ， 可以给你铺垫更多 ， 来达到最后的那个结论 。 **Host** [1:50:45] 现在可能就是直接讲结果 。 **闵可锐** [1:50:47] 这个样差不多 ， 就是细化一下， 咱们就快速去做一个这个推进 。 因为面对一个你更动态的市场 。 **Host** [1:50:53] 你觉得这种情况会持续多久啊 ？ 我就指这个市场竞争这么激烈 、 这么动态 ， 还会有几年 ？ **闵可锐** [1:50:59] 我觉得可能没有大家想象那么长时间 。 比如说以什么一个月发 20 个模型的这种周期去 ， 就全球范围内啊 ， 这些大模型的 release， 它也不像是能够持续再输出两三年的这么一个状态 。 **Host** [1:51:12] 你觉得出现什么信号的时候 ， 可能是某一个产品进入一个比较稳定的站住了的节奏 ， 比如说对 META 来说 ， 然后你可能能进入到一个自己的更稳的 ， 或者说更以你为主的这个节奏里 。 **闵可锐** [1:51:24] 我觉得相对比如说到一个领域 ， 它有一个相对比较不错且哪怕这个增幅不是特别陡峭 ，但是持续上升的比如说用户量和收入 ，并且这个收入和我们的这个支出相对是节奏能匹配的这么一个这个时候 。 而且就是这块其实你又在不断的积累新的 ， 就是你是把这个产品不断的在累高的这么一个程度 ， 可能相对就比较好一点 。 **Host** [1:51:50] 如果拆开来看的话 ， 法律翻译和 META 写作猫 ， 就只看这单个产品啊 ， 它的投入 、 支出和收益 ， 它达到你刚刚说的这个状态了 。 **闵可锐** [1:52:00] 我觉得这两个产品你可以认为它们是能够打平的一个状态 ，但它的增长性不够 。 **Host** [1:52:06] 就它增长可能比较稳了 ， 就比较停滞了 。 **闵可锐** [1:52:08] 它增长性不够 。 对 。 所以那一个相对理想的情况 ， 你肯定是希望是说它至少是一个 ， 比如说前两年还能继续翻倍 ， 对吧 ， 到第三年好歹有个百分之大几十的增长这么一个方向 ， 那其实相对可能大家会比较 comfortable 一点 。 **Host** [1:52:24] 公司整体上何时盈利会是你的一个目标吗 ？ **闵可锐** [1:52:27] 我们其实在 23 年在投入这些最 ， 对吧 ， 就是前 ChatGPT 时代其实是能做到 breakeven 的 。 **Host** [1:52:35] 整个公司 。 **闵可锐** [1:52:35] 对 。 **Host** [1:52:36] 是因为 ChatGPT 来了之后 ，其实它是搅动了整个行业 。 那现在在这个新的条件之下， 就是什么时候盈利会是你的一个目标吗 ？ **闵可锐** [1:52:44] 如果我们希望是把它立即做到往盈利的这个方向去做 ， 我觉得是可以快速达到的 。 但是随之而来的就是说无非是你牺牲掉了一些东西 。 **Host** [1:52:55] 它确实是一个你可以控制的东西啊 。 **闵可锐** [1:52:57] 对 。 我觉得就是对于 META 来讲 ， 或者对我的心态来讲 ， 它比较好的一个地方在于它还相对可控 。 可能对于有些团队来讲 ， 这事没法控 。 **Host** [1:53:06] 对 ， 对有些团队来说可能只是个暂时还无法回答的问题啊 。 **闵可锐** [1:53:10] 对 ， 就差了一个零以上 ， 支出和收入 ， 然后没法解释 。 **Host** [1:53:14] 那你现在自己对这个事的节奏你是怎么想的 ？ **闵可锐** [1:53:16] 就是做东西我觉得还是得快 ， 该快速拿出来东西就得快速拿出来 。 **Host** [1:53:21] 然后至于收入或者是盈利的话 ， 这个可能要动态的去判断 。 **闵可锐** [1:53:26] 动态判断 ，但是对于不同的产品我们会有一些预判 ，也许它符合我们的预判 。 如果它不符合的话 ， 我们就去看在我们之前对这个事的这一系列判断的地方 ， 哪个不成立 ， 那去优化哪个方向 。 **Host** [1:53:39] 你觉得过去这两年的时间 ， 就从 ChatGPT 出现到现在这个时间里面 ， 哪些事是你做的太多 ， 哪些事是你做的太少的 ？ **闵可锐** [1:53:49] 就从绝对时间来讲 ， 我觉得我们在产品和研发投入的时间肯定是多的 。 就也许我在细节上投入的时间有点过多 。 **Host** [1:53:57] 那什么事做的太少 ， 做的不够了 ？ **闵可锐** [1:53:59] 就是有一些事是客观上我觉得时间花的没有那么多 ，但我也不确定 。 哪怕我现在倒过来反思这个事 ， 我也没有信心我花更多的时间它会变得更好 。 **Host** [1:54:10] 比如 ？ **闵可锐** [1:54:11] 比如投融资的事 ， 对吧 。 **王与桐** [1:54:14] 去年你应该是拒绝了一些投资人的见面的邀请 ， 对吧 ？ **闵可锐** [1:54:18] 是很多 。 **王与桐** [1:54:19] 对 ，因为当时很多人想要加他的联系方式 ， 然后找我要 ， 然后我就给了微信 ， 说不通过 。 **闵可锐** [1:54:25] 我应该没有不通过 ， 我只是没有通过 。 **Host** [1:54:28] 他说的不通过就是这个意思 ， 就是有人来家里提了申请 ， 然后你没有通过吗 ？ **闵可锐** [1:54:32] 我觉得这个事是一个非常尴尬的 。 我觉得这是一个现在作为一级市场的公司也好 ， 包括这个投资方也好 ， 这个我觉得效率是有严重问题的 。 因为我是不可能见 100 个人。 **Host** [1:54:44] 其实你可以开发一个 agent， 帮你去跟他们聊天 。 **闵可锐** [1:54:48] 但是这个问题是说 ， 我觉得他们都不纯粹在于说你把纯粹意义上的信息告诉他们 。 **Host** [1:54:52] 对对对 。 **闵可锐** [1:54:53] 这是一个非常需要见面 ， 非常需要建立一个比如说 。 **王与桐** [1:54:56] 就是闻闻气味 。 **闵可锐** [1:54:58] 没错 ， 一个体感等等的一系列这个事 。 **Host** [1:55:01] 这还是 AI 真不好替代的一个东西 。 **闵可锐** [1:55:03] 对 ， 所以我觉得这是一个不太好 。 确实事实上我把那几个月的时间全部花出来干这个事呢 ，也许我们的融资 ，不管是融资额还是估值啊 ， 这个我能谈的再好一些 。 但是这件事真的值得吗 ？ 所以我不确定现在回望两年以前 ， 哪个策略会让我或者让公司能显著的变得比现在好很多 。 ### 个人成长 **Host** [1:55:26] 从 23 年初到现在啊 ， 你觉得你自己最大的一个成长是什么 ？ **闵可锐** [1:55:30] 我的成长也许我变得更会了 。 我觉得在过去的这几年， 就包括整个 META 过去这几年时间 ，不管是工程技术层面的还是产品层面的 ， 我比较确定的是我变得在所有方面更会了 。 **Host** [1:55:44] 更会了 ，是这个意思啊 。 **闵可锐** [1:55:45] 是 。 就是我不得不收拾的这个东西 ，以及收拾的精准程度 、 判断程度 ，以及所有的对细节的这些把握 ， 会变得比原来更会了 。 **Host** [1:55:54] 其实这可能也是一种新的创业思路哎 ，是因为 AI 来了之后 ，其实 AI 本身是可以让一个个人能力很强的人的能力 。 **闵可锐** [1:56:04] 放大一点 。 **Host** [1:56:04] 对 ， 更大的放大的啊 。其实就相当于公司里有一个比较核心的输出的驱动力 ， 或者叫 engine， 什么发动机之间的之类的也好 ， 然后你本来就可以用很多 AI 工具 ，也能放大你的能力 ， 然后团队也可以帮你做一些事情 。 你自己会用很多这种 AI 工具 ，Cursor 编程什么你应该会用吧 ？ **闵可锐** [1:56:22] 我们现在就是我自己写要 commit 的这个代码我现在很少 ，但是会做一些实验 。 对 ， 所以得兼职什么设计师 ， 兼职运营 ， 兼职从前端到后端的这个技术 。 **Host** [1:56:34] META 的 UI 你也参与设计啊 ？ **闵可锐** [1:56:36] 我们包括学点啥的很多 UI 就是我 。 **Host** [1:56:38] 你自己画的 ？ **闵可锐** [1:56:40] 我画的一个初版 ， 或者我设计的一个基本款 。 我甚至在想啊 ， 如果比如说我是一个个人， 我不带一个公司 ， 我很有可能是有机会去比如说对外 offer 一个课程 ， 这个课程就是让一个只有基本的 ， 比如说编程经验的一些小白 ，但不是纯小白 ， 就是好歹得有点编程经验 ， 带两个月到三个月时间出师 ， 能够面近一线大厂的大模型团队 ， 我觉得是有机会的 。 **Host** [1:57:05] 其实你可以做啊 ， 这不就是个产品吗 ？ **闵可锐** [1:57:07] 对 ， 就是 。 对 ， 就如果我没有现在手上这摊事 。 **王与桐** [1:57:10] 你觉得时间不够 ？ **闵可锐** [1:57:11] 那肯定 。 而且这是完全是两个方向的事 。 **Host** [1:57:14] 但是这个事就是它不能成为你们的一个新产品 ， 所以它的受众可能太窄了 。 **闵可锐** [1:57:18] 对 ， 它受众太窄了 。 **Host** [1:57:19] 目标太窄了 。 **闵可锐** [1:57:19] 对 。 就是你大概知道它应该具有啥样的技能 ，而且现在在这些技能的拥有的人在市面上竟然如此之稀缺 ，以至于也许就是这两个月的培养成果能把你送进一个年薪百万的岗位 。 **王与桐** [1:57:33] 见到我有点心动 。 **Host** [1:57:36] 人家说了要会一些编程的 。 **闵可锐** [1:57:38] 稍微会一点 。 对 ， 算是不错 。 就从基础开始 ， 就把所有的这个细节抛开了给你讲 ，也许没有那么难 。 但是你会发现很多大厂出来干过三年、 干过五年、 号称是干这个的人， 你去问这些细节一无所知 。其实 AK 现在不就在做这件事情吗 ？Capacity 它就在做这个 。 没错 。 这我觉得是一个非常奇葩的市场 ，因为往往为了要拿到一个好的待遇 、 一个薪酬 ， 理论上你是要多年的积累 ， 对吧 ， 你是要付出很大的这个持续投入的这个代价 ， 你才能勉强够到的这个门槛 。 但是我觉得现在有巨大的信息差 ，而且市面上确实很不错的人没有那么多 。 **王与桐** [1:58:12] 那你可以做成付费课程 ， 放在那个今天学点啥里面 。 **Host** [1:58:16] 对 ， 这可以是今天学点啥的一个内容 。 **王与桐** [1:58:18] 对啊 。 **闵可锐** [1:58:18] 转成李一舟这个 META 版 ， 对吧 。 对 ，但这个事其实很难大规模的做 。 我觉得一旦大规模做 ， 它其实是个对抗效应 。 就像我们其实很难接受说有个人是培训来的 。 **Host** [1:58:29] 所以你觉得它虽然能面进去 ，但并不代表它真的 。 **闵可锐** [1:58:32] 它可能真的是比很多出来三年的人会 。 我觉得这是完全能做到的 。 **Host** [1:58:37] 你今年的比较大的目标是什么 ？ 就是跟公司有关的和跟公司没关的都可以说啊 。 **闵可锐** [1:58:43] 那就把现在手上的事做好嘛 ， 做好做快一点 ， 然后尽量让不光是我自己更会了 ， 让团队里面的小朋友们也更会一些 ， 然后 hopefully 也有不错的人愿意来加入 ， 能把这个事做得更好一些 。 **王与桐** [1:58:57] 那融资呢 ？ 不在今年的 list 里 。 **闵可锐** [1:59:01] 顺其自然 。 **Host** [1:59:02] 好 ， 那谢谢可锐今天做客 《 晚点聊 》。 就是他整个分享都是非常务实和坦诚的 ， 那中间有一些问题 ， 可能他会非常坦诚的说这个暂时还没有答案 。META 也是一个非常务实和扎实的公司 ， 我觉得对所有用户来说 ， 大家最期待的一件事情就是你们继续有好的产品 ， 然后大家可以用起来 。 **闵可锐** [1:59:21] 我们努力 。 **Host** [1:59:22] 好 ， 那各位今天拜拜 。 **闵可锐** [1:59:24] 拜拜 。 **Host** [1:59:27] 本期的 《 连点呈现 》 分享两个与之前节目的呼应 ， 一是关于 agent 的机会 ，106 期与真格戴雨森的访谈 ，110 期与闵氏夏令的访谈 ， 还有 111 期与 agent 早期创业团队 Polkit.ai 朱哲青的访谈 ， 我们都在讨论 AI agent 的趋势与实践 。在 agent 的火热中，META 的新产品并不是一个 agent 方向的探索 。 闵可锐说 ，他觉得在 2025 年上半年， 模型能力要支持相对通用的 agent 依然会有些瓶颈 。 而在之前的节目里 ， 戴雨森和夏令都强调了推理 、 编码 、 工具使用能力的提升会解锁 agent 的机会 。其中夏令对通用 agent 的创业机会有一些疑虑 ，因为这可能也是大模型公司和大公司的必争之地 。 这和闵可锐的一些想法相似 。 可锐的表达是 ， 任何主要依靠大模型能力 、 有潜力达到 1,000 万 DAU 的偏纯软的应用 ， 可能都是 OpenAI、Google、 字节 、 阿里等大公司和头部模型公司会自己做的方向 。 二是关于创业公司和大公司之间的竞争 。在 93 期节目 《 大模型生存战 》 中， 我们讨论了 2024 年日益明显的大模型创业公司所面临的大厂的压力 。 而闵可锐其实在 2023 年年初就有一个判断 ， 当时热火朝天参与大模型竞赛的一批中国公司可能速生速死 。 具体可以见 113 期节目 。 本期中他也更明确的表达了一个研发大模型的跳出竞争本身的视角 ， 那就是对 DeepSeek 这样有资源 、 有品位的组织来说 ，其实也可以把追求 AGI 当做一个有高价值的消费 ，而不是投资行为 。 它的目的或者说短期目的并不是算一个投资回报 ， 一个不以商业回报为目的 ，但也不是研究院和科研机构的新型组织会持续存在吗 ？ 还是它未来可能像 OpenAI 那样发生商业化的转向 ？AI 行业仍在快速变化 ， 隔一段时间后我们可以再来回顾今天的思考 。 本期节目就到这里 ， 感谢收听 。 如果你对今天聊的话题有观察 、 好奇或疑问 ， 欢迎在评论区分享想法 ， 这也会成为我们节目的一部分 ， 让整个讨论更完整 。 你也可以把我们的节目分享给对这个话题感兴趣的朋友 ， 推荐更多你想听的主题和嘉宾 。 你可以从小宇宙 、 苹果 Podcast 等渠道关注 《 晚点聊 LateTalk》，也欢迎关注我们的公众号 《 晚点 LatePost》。 下期再见 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。