开场0:00
欢迎收听 《 晚点聊 》， 我是曼祺 。 本期的嘉宾是旷视创始人 、 现 A 股上市公司千里科技的董事长印奇 。
印奇今年 37 岁 ， 已经 AI 创业 14 年 。在 2011 年， 印奇和同为清华姚班的同学杨沐 、 唐文斌一起创立旷视时， 三个人都在 22 岁上下 。在上一轮 AI 热潮中， 这群年轻人打造的旷视 ， 后来和商汤 、 云从 、 依图并称为 AI 四小龙 。
四家公司曾累计融资 80 亿美元 ，不过至今无一家公司规模盈利 。 对印奇而言 ， 这是一个还未完成的商业闭环 ： 从 2020 年到 2024 年， 旷视一度在科创板上市流程里等待了 3 年多 。
去年年中， 印奇得到了一个新机会 ， 入股力帆科技担任董事长 ， 继续做与硬件终端结合的 AI。 第一阶段是做 AI+ 车 ， 即智驾和智舱的完整方案 。
力帆科技在今年初改名为千里科技 ， 千里股东吉利会成为其重要的合作伙伴 。
Da, de a Profesorilor.
再到公司被美国制裁 、 两次上市遇阻 、 苦寻商业闭环未果 ， 印奇完整经历了上一轮 AI 热潮的起落 。
本期包含了今年 3 月中旬和 5 月初我们与印奇的两次访谈 。其中 3 月我们集中聊了 " 从旷视到千里 " 的转变 、 印奇对过去 AI 创业的总结 、 和千里的新进展 。
最后一部分则是 5 月的访谈 ， 我们更多聊了 AI 大模型创业的可能机会 ， 和正在快速涌现的 Agent 应用市场 。
印奇仍在追求 AGI，但不再是以 22 岁时那种一往无前的方式 。 这是一个有关 AI 创业的非爽文故事 。 本期播客的文字报道版已发布于 《 晚点 LatePost》， 具体链接我贴在了 shownotes 的相关链接里 。
想看文字版的听友可以点击跳转 。 下面我们就正式进入本期节目吧 。
我听你的同事说 ， 你去年 11 月 11 日成为千里的董事长之后， 你第一天就组织了 400 人的干部大会 。 然后你的同事说 ， 你当时想做这件事情 ，是因为你想让大家看到你是谁 ， 当面感受到你是一个人 ，而不是公告里的一个名字 。
加入千里1:54
你那天是表达了什么 ？ 展现了一个怎样的你 ？
坦诚讲 ， 对于原来的力帆 ， 现在的千里 ，其实对我来说还是一个新的组织和一个新的体系吧 。其实我觉得资本层面的变革 ，不代表对这个企业真正的一个正式的启动吧 。
然后我觉得人还是最重要的 ， 尤其是原来的力帆这样一个体系 ， 经过当年的破产重组 ， 经过吉利这 3 年时间的 ， 相信在这个组织里面也会有很多很多大家的各种各样的想法吧 。
所以我想可能第一时间出现在现场 ，是挺重要的 ， 让大家可能对我从一个网上的这样的一个名字 ，有一个更直接的体感 。
我觉得可能表达两点吧 ： 第一点 ， 可能对我有一个更准确的预期 ； 第二点就是说 ，也表达一个决心吧 ， 就是因为我进入到千里 ，不仅仅是一个资本上的操作 ，而是真正我会把它作为我的第二次创业的这样的一个决心 。
所以第一时间出现在大家这里 ， 可能核心要能够表达这两方面的意思 。
我们可以回到这个事的最开始 ， 就是从旷视到千里的这个过程 。 我想这也是很多人最开始听到这个消息 ， 可能会感到诧异 ，但是它确实也跟你长期的一些想法 、 你想做的事是有关的 。
对 ， 这件事对我来讲 ，其实是有不变和变量的两个维度吧 。 就不变的维度 ，其实对我来讲 ， 从如果大家说创业是一个初心 ，也是一个战略思想的一个贯穿的话 ， 我觉得其实没有本质的变化 。
因为我觉得在旷视创业的初期 ， 我觉得第一 ， 我就会把 AI 作为我可能 lifelong 的一个大的事业 ； 然后第二点 ， 我们就一直在 AI 去寻找场景 、 寻找载体 ，而且旷视的一个大的思路都是软硬结合 ， 所以我们一直想找一个硬件的好的载体 。
然后第三点就是 ， 我们的中途一直是奔着机器人去的 ， 虽然这个事情当最近剧升比较热 ，但是可能十几年前我们就这么说的 。
所以从起点 、 终点和路径上， 我觉得本质是没有变的 。 那变的核心点可能是两点吧 ： 第一点可能是形式的 ， 原来相当于我从原有的旷视体系出来 ，但是其实要把千里做好 ，也一定是要跟原有的旷视的这些力量和资源整合在一起来做 。
这是第一点 。 那第二点就是 ， 我认为本质上我觉得可能变得更好的一点 ， 就是我们可能有吉利这样一个更战略的一个场景的提供者和一个好的载体的提供方 。其实原来其实做 AI 的公司一直在补短板吧 ， 就是我们可能 AI 的能力不错 ， 一直在找载体 、 找场景 。
那我觉得其实真的好的是能找到一个产业方 ， 大家能够优势互补 。 所以我想可能有变的东西 ，但是从我内心感觉 ， 变的东西比大家可能从外部看到的要少 。
你们最开始去讨论这个方向是在 23 年底 ， 对吧 ？
对 。
你可以回一下当时那个过程吗 ？
对 ， 我觉得 23 年底 ， 首先旷视自己在一个比较关键和比较艰难的状态吧 。 因为还是在整个 A 股上市的过程 ，其实时间拖得非常长 ， 且是我们不太可控的外部因素 。
那其实当时我们的焦注点在于 ， 一个是本身旷视 ，因为在上市过程中也不能做新的融资 ， 所以资金链各方面是非常紧张的 。
第二点 ，其实我们也看到外部整个 AI 的发展在如火如荼 ， 且需要更多的资金 、 更好的资源 ， 吸引更多的人才 。
所以这是两个其实很矛盾的一种状态 。 所以旷视当时我觉得在一个很艰难的状态下， 然后第二个其实这个 idea 其实还是舒服董事长提出来的 。
所以我觉得其实是一个很有战略格局 ，也是个很创造性的想法 。 坦诚讲 ，在第一次听到这个 idea 的时候 ， 我觉得是个很好的想法 ，但是我觉得我还是有很多历史性包袱的 。
因为我还是当时还是一心希望能够把旷视原有的这个资本市场路径能走通 。 所以那个时候我觉得这是个很好的创意 ，但是在第一次讲的时候 ， 我就没有真正说特别马上就认真考虑 。
但是后来随着各种因素的叠加吧 ， 我觉得最后发现这是一个可能是个唯一的选择 ，也是可能也是发现可能是个最好的选择 。
对 ，其实我理解从 23 年到 24 年， 你面前至少有三个选择吧 ， 就是我能看到的 。 一个是 23 年初大模型创业 ， 可能它有一个机会窗口 ， 你不管是以一个别的方式来说 ，在旷视去做这个事情 。
然后另一个就是你刚才说的 ， 继续推动旷视去把这个资本路径走完 。 然后第三个就是我们现在看到的这样一个计划 ， 就是你来千里做董事长 ， 然后之后可能会有一系列新的东西 。
它为什么最后是选了现在这个 ？ 你刚才说的就是 ， 你本来可能只是觉得它是个创意 ，但慢慢你觉得它是一个最好的唯一的选择 。
这个变化是怎么发生的 ？
其实我觉得顺着把从 23 年往前再走一走 ， 就是说包含旷视的资本市场的选择 。 当然我们最早因为去香港 ， 然后因为清单的原因 ， 然后回到 A 股 。其实我觉得我们没有那么多选择 。
就是说我们如果选择一条路 ，是说能够真正将这个旷视这个大的 AI 的这个团队和体系 ， 真的能走到我们想要的地方 ， 这是我觉得我唯一的选择 。
就是对我来讲说 ， 比如重新去做一摊事 ， 这个东西一直不作为我的选择 。 以及是说如果我们选择了一个资本路径 ， 这个资本路径有可能阶段性能够解决我们的一些困境 ，但是从长期来看 ， 对公司没有发展 ， 这对我来讲也不是我的选择 。
所以其实如果以这个更长期的标准来讲 ，其实我们的选择不多 。 所以最后选择千里 ， 我觉得也跟旷视的刚才讲的一贯的战略相关 。
就是说我觉得软硬结合 ， 要跟终端载体要更深入的连在一起 ， 未来要真的能走向 robotics， 就是这些路径最后牵引我们最后选了千里这样一条路 。
你是什么时候感觉现在这个方案是最好的方案的呀 ？ 就是从 23 年大概 10 月底到后面真的做决策 。
大概在 24 年的第一季度吧 。
那和你们当时就是因为那个 3 月底它会再批一次 ， 就是你上市的那个情况吗 ？ 跟这个有关吗 ？
肯定有关系 ，但是我觉得不是最重要的因素 。其实从我的做选择讲多 ， 我觉得我之前我们内部讲 ， 我们做选择不是因为 fear，而是因为 hope。
就是意思就是我不是因为害怕一个差的结果才做这个选择 ，而是因为我们看到了一个可能更好的结果 、 更好的可能性 ， 才做这个选择 。
所以我觉得是经过了一个季度的时间 ， 我们跟吉利 、 跟各方有更深度探讨 ，其实把大家未来的战略和想法能够更拉齐之后， 我觉得有可能大家如果有这个决心来做千里 ， 我觉得千里可能会是一个更好的平台 ， 能真正将 AI 推到下一个高度的 。
所以就是在这几个月中， 你们通过更深入的沟通 ， 你们的 hope 更大了 ， 希望更多了 。
对 。
其实你之前在 23 年的时候 ， 你也就是做过一个分类 ， 就 AI 的大的方向 。 你说一类是 AI in digital， 大语言模型 ， 我觉得这算是一个典型 。
方向与选择8:19
然后一类是 AI in physical， 就是你说的像机器人 、 像汽车 ， 这些软硬结合的 。 好像我感觉你一直都是更偏向于后者 。
对 ， 首先第一点 ， 我觉得所谓的大语言模型或者整个大模型体系 ， 我觉得是在非常快速的破圈的 。
就是它其实基本上打破了这个 digital 跟 physical 的这些边界 。 所以最后你做 AI， 你就得有一个超级的大模型的全量的能力 。
所以这个我觉得几乎是所有 AI 应用的必须选择 。 否则你基本就是一个 AI 的 to B 叫解决方案 ，to C 可能更多是一个偏应用的公司 。
而应用的公司在早期 ， 我甚至都觉得这个阶段没有大语言模型 ， 都非常难作为一个很纯粹的一个 killer app 的一个公司 。
那回到这个点上的话 ， 就是我觉得对于做 AI in physical， 可能来自于我本身的价值观和我认为我的擅长 。
所以从价值观角度 ，其实当年我们在选 ， 比如说是选 AR 和 VR， 当然我们后来都没有做 。 但是像这种选择 ， 我们为什么会选 AR？
就是我还是希望选择一个 AI 的技术 ， 能让人的生活其实不是更脱离我们自然的状态 ，而是让大家的生活状态变得更好 。
所以我其实我一直很反对完全 virtual 的东西 。 就是就像 VR 一样 ， 就有种人你也看终局 ， 如果把 VR 就做得特别特别好 ， 我觉得是个很沉浸式的体验 ，但我觉得这不是我想象人类更好的生活状态 。
所以我们在很多技术选择上， 可能跟我们的倾向和喜欢相关 。 所以机器人一个在物理空间能够帮我们做更多的事情 ， 同时可以作为我们的一个 ， 你可以说是伙伴的这样一个状态 。
这是我对 AI 的第一个倾向性和想象 ， 就是价值观层面的 。 第二点 ， 我也认为 AGI 必须要有物理层面的东西 。
我不认为在纯虚拟世界的数据能够去培育一个人能够想象中的 AGI。 因为这里面会发现 ，其实无论是从进化还是从我们的数据分布角度 ， 我觉得都很需要有物理空间的东西 。
而物理的数据现在很匮乏 。 所以如果是从 AGI 的目标角度 ， 我认为也需要做 AI in physical。 然后第三点 ， 我觉得也是一个 why else 的问题 ， 就是从商业角度 。
因为经过 20、20、30 年的整个互联网和移动互联网发展 ， 纯 digital 的东西其实还是有已有的很多公司有非常好的先天的优势 。
虽然坦诚讲 ， 我觉得这些优势也没有我想象的那么大 。 因为当我们认为比如说移动互联网都结束的时候 ，其实还会出现像字节和拼多多这样的公司 。
但是我自己感觉 ， 可能从我个人和团队的擅长角度 ， 我觉得也更适合去做一个更未来和更创新的东西 。
那 AI in physical 我觉得是一个更新的东西 ， 我们的优势和差异化会更大 。
其实我们上次聊的时候 ， 就我理解到你当时表达的有一个点是 ， 你们做旷视的时候 ， 你们做到大概可能 16、17 年吧 ， 你们就是比较清楚的认识到是要做软硬结合的 。
因为旷视最开始它还是比较偏算法的一些东西嘛 。 所以这个也其实大家也会把它叫 AI 1.0，AI 1.0 的创业的一些经验有关系 。
有关系 ，有关系 。 我自己觉得 AI 1.0 的很多逻辑是对的 ， 只是说没有闭环 。 就是或者说那时候的 AI 的技术程度还没有到那个临界点 。
当然我们当时在旷视讲的 AI 1.0 的那个闭环 ， 更多是面向 B 端的 。 就是我们在 B 端的时候认为不能光做软件和算法 ，而要做软硬结合 。
然后我觉得在这个 AI 2.0 的时代 ， 我觉得更多的聚焦点会更偏向 C 端 ， 或者是 2B2C 的场景 。 但是我觉得这个理念是一脉相承的嘛 。
就是最后其实做软硬结合 ， 我觉得可能更刚才讲的就是第一是更倾向于终局 。 就我认为你说 AI 大模型最大的应用肯定是机器人， 就是没有之一 ， 对吧 ？
所以这是一个是终局导向 。 第二个我觉得也是跟我们能力向导向的 。 因为软硬结合的公司跟纯软件或互联网公司的整个组织形态和经验是完全不一样 。
之前我总结我说 ， 就是说硬件的公司其实是供应链研发和市场测的这样一个三级的结构 。 所以它对于供应链 、 成本压缩 ， 然后整个的规模化 ， 这些东西整个的核心理念跟互联网的整个公司是完全完全不一样 。
所以我觉得我们的公司组织已经打造成这样一个更面向软硬结合的公司 。 组织基因我觉得应该是被强化 ，而不应该去频繁的去改变 。
所以旷视本身就是个软硬结合的组织基因 ， 我觉得这也是我们的优势 。
然后关于当时的选择 ， 就是我和杨沐聊 ，他说其实你们当时也讨论过为什么不做机器人。 因为机器人也是跟你的软硬一体的一直以来的追求是相关的 。
而且机器人其实你们已经做了很多年了 ， 就是你们的技术储备 ， 包括你们商业订单上的储备 ， 可能在那个时间点看都是一个更稳妥的选择 。
我觉得时间还没到 。
你觉得机器人的时机还没到 ？
大的爆发期没有到 。 因为第一点我觉得就是说要素基本到今年开始 ， 我觉得基本上就是说 ， 可以说机器人主要的这些要素是具备的 。
但是一个要素具备到它真正经过产业链整合 ， 做出好的产品 ， 我觉得这个周期我自己判断可能还是个 5 年左右的事情吧 。在中国的这样一个商业环境下， 我觉得需要既有长期的战略目标 ，但是一定要有三年内可闭环的一个短期的打法 ， 这两个得结合起来 。
所以机器人是你们未来更远的一个 。
对 ， 机器人从来没有变 ， 就是我们的终局 ，是我们的初心 ， 就是也是我们的终局 。 这个就是我的闭环 ， 就是第一天想做的事 ， 最后把它做成了 。
如果没有就是千里的这个选择的话 ， 旷视会怎么样 ？
我觉得历史不容假设 。 就是我觉得我们还是一定会找到一条出路 。
那你当时设想过的最差的情况是什么 ？
最差情况就是旷视撤下来重新融资嘛 。
如果没有千里这个安排 ， 你会继续等上市吗 ？
可能也不会 。 我也设置了一个时间点 ， 就跟做出千里这个决策 ， 它们都是同一个时间点 。
那就是差不多 24 年年中的时候 。
对 。
这是你什么时候想到设置的这个时间点 ？
我这个时间点其实一直在被推 ， 就是我一直在觉得一个更早的节点在做决策 ，但是很多商业决策是一个很动态的 。
就是你因为有新的变量 ， 然后可能会有些判断 ， 它一直是一个函数 ， 它在其实像是一个介约函数一样 ， 它一直在那个临界点上， 到底是一个 yes 或 no 的这样的一个临界点 。其实我觉得有的时候一些重要的商业决策 ， 我之前的理念是说应该尽可能压到最后的那个节点 。
因为如果这是一个最重要的决策 ，其实你一定首先要 try everything， 第二个就是希望能够收集到更多的信息 。 但是最后那个什么是那个最终的 deadline， 每个人心中有一个自己的 ， 包括每个人对压力的承受度 、 团队的抗压能力 ，以及很多包含乐观主义精神 ， 就是这个都不同人不一样 。
所以我们其实尝试的最多的可能性 、 最多路径 ， 最后到那个节点 ， 我们觉得是要做出最终决策的时候 。
在你就是这几个月去想这个事情 ， 从最开始的一个创意到你觉得这是最好的唯一的选择 ， 你预演的过程中， 是力帆的什么和吉利的什么让你坚定这是个好的选择 ？
我觉得应该这么讲 ， 我觉得对上市公司来说应该更多是它没有什么 。 就是没有的意思就是它没有太多的历史的包袱 。
因为在力帆的重组过程中， 这三年时间其实吉利做了大量的工作 ， 已经把它变基本上历史包袱 ， 基本上就是已经处理了很多 。
它其实就是一个相对基础业务比较清晰的一个比较好的平台 。 这个平台不能说是一张白纸吧 ，但是它是一个比较好的基础 ，是能够去发挥的 。
那这是力帆 。 然后吉利我觉得更多是有什么 ， 对吧 ？ 就吉利真正对于 AI 和车的结合 ， 这个战略到底是说说而已 ， 还是真正从殊不懂长到整个到高的管理层 ， 推荐是真的有很深的洞察和长期投入的决心 。
我觉得这个我觉得是经过较久之后我觉得是有的 。 因为本质上选择力帆就是选择了跟吉利的生态深度融合在一起嘛 。
对吉利的了解 ， 我觉得可能是我们做这个决策最重要的一个点 。
你从哪些信号和迹象确定了吉利对智驾是非常有决心的 ？
就是我觉得首先是基于对于整个车的行业的判断 。其实大家现在还是在新能源的这个大的阶段里面 ， 我觉得它真的相信 AI 是车的未来 ，而不是只是一个要素 。
包括你可以看它历史上吉利的合作 ，其实可能吉利是据我所知最早跟 Waymo 合作的 ， 最早跟 Mobileye 合作的 ， 然后也非常深度的跟特斯拉有过很多的交流 。
所以我觉得其实吉利是一个对科技前沿其实是花了特别多精力去看 、 去积累的一个体系吧 。 我能感觉到吉利也是一个很有技术信仰的公司 。其实我不说 AI 这个领域 ， 比如说像新能源 ， 我想一个公司能够坚持一条路线 20 年， 然后代表它对这个事真的有技术信仰 。
技术信仰意思就是说我觉得它是对的 ， 它代表着技术的未来的状态 ， 我就会持续投入 。其实如果看一个企业家 ，他只是短时间的选择或某一次选择 ， 可能不代表他的一个价值观 ，但如果是一个长周期的选择 ， 是一个持续的选择 ， 就代表可能他确实对科技是非常非常信仰的 。
那我觉得这点上我觉得还是很敬佩 。
当你就是真的做了这个决定的那一天 ， 你还有印象吗 ？ 你下定决心的那一天 ， 你对自己说了什么 ？
没有那么 drama。其实我认为任何一个快乐和一个比如说负向的 ， 一个挫折的一个节点 ，其实真的如果它足够大的话 ， 就不管是好的不好的 ， 我都觉得在那个节点不会有那么强的情绪的波动 。
因为这个东西一定是你已经经过了非常长时间的期待和煎熬之后， 最后只是坐那 。 我觉得你可以说有一点轻松感 ， 就是说只是说这个事真的这个决策发生了 ，但是这个决策一定是经过了前期非常非常多的考量 。
就是它是一个已经被在你脑中预演了很多遍的事情 ， 它只是最终发生了而已 。
24 年春天 ， 我们在讨论 AI 1.0 的时候 ， 你当时有说过 ， 你觉得这批大模型创业公司和字节 、 阿里等大公司之间必有一战 。
商业闭环17:20
而且关键的不是说创业公司之间的竞争 ，而是它们中有没有任何一家能从巨头的阴影中跑出来 。 这个春节 DeepSeek 掀起全民狂潮之后， 你觉得它有改变大模型创业和大公司之间的竞争形式吗 ？
首先 DeepSeek 首先是个大厂 ， 首先第一我觉得大家定义对吧 ？ 因为这是一个量化的 ， 至少前两名的公司 。
所以我觉得最后我们当谈论一种公司的时候 ，不能把它当成一个研究院 ， 或者把它当成是一个科研机构 ， 这两个性质是不一样 。
这个里面的它的组织性质决定了它的商业打法 。DeepSeek 能做出这样非常惊艳的一个科研成果 ， 变量课程又用一个相对非商业的方式给大家做了开源 ， 然后最后获得非常好的铺陈效果 。
我觉得这是一个非常好的例子 ，但是不代表它在商业上是可以闭环和可持续的 。
其实当年旷视也要打造东半球最好的研究院 。
对 ， 我觉得我们做到了 。 对 ，其实我们也拿了非常多的全球地名。 第一 ， 我觉得那个时候当时的技术的爆发力未必有现在这么强 。
第二点 ， 我觉得大家对 AI 的关注度其实还是在与日俱增的 。 就是因为 ChatGPT 对 C 端的影响力实在越来越大 。
我觉得是比较熟悉的故事 ，但是我觉得做得更好 。
就是以你的经验 ， 从一个商业公司角度去判断 ， 只做到这一步 ， 它还不是一个闭环 。
对 ， 当然 。
当年旷视确实培养了很多人。 其实 DeepSeek 有一些骨干应该以前也是旷视的 。
对 ，OpenAI 还有一些骨干也是旷视的 。 对 ，是的 。 我觉得旷视有一个自己的人才模式吧 。 我们人才模式基本上就是 ， 我觉得 DeepSeek 的模式跟我们非常像 ， 就是基本上还是基于我们叫天才少年的那套逻辑 。
就是这些做信息学竞赛 、OI， 包括数学物理竞赛的这些 ， 然后通过本科生开始做培养 ， 然后两三年时间 ， 大家在本科毕业的时候 ， 这些人就是非常强的 。
我觉得是一套很好的模式 。 因为这波的 AI 的技术人才的本质 ， 未必是那些所谓当年像比如说博士生有非常深度的某一个行业经验的 。
因为这个行业发展太快了 ， 所有的东西都是 fresh 的 ， 它要的就是最聪明的人， 然后是算法和编程调参综合能力比较强的同学 。
所以我觉得这样的人才结构其实是 ， 我觉得当时算我们也算是一个开创者吧 。 因为当时我们核心还是因为我们当时的联合创始人唐文斌 ，他当时有这个信息学竞赛的总教练的这样一个背景 。其实这个模式再往前也不是我们创的 ， 最往前的 Sogo 的早期也是类似的 ， 王小川早期 。
你说 Sogo？
对 。
我上次跟他聊 ，他也说以前他们公司招了很多 ， 比如说信息奥赛的这种同学 。
对对对 ， 这个是个圈子 。 因为这些很牛的小孩 ， 当然他也会在乎薪酬 ，也会在乎这些东西 ，但我觉得他很在乎一个圈子或者是一个社群 。
就这些人他喜欢一起工作 。 就包括如果你要再去看 ， 像反向来讲看这些人才流向的话 ， 你看量化也是 ，不光是在 DeepSeek，其实好几个量化公司都有一堆这样的同学 。
对 ， 量化也有很多做信息奥赛的出身 ， 或者说就是这个程序圈的公司 。
对 ， 就本质上就是要足够强的技术人才 ， 要足够聪明 ， 给的钱足够多 ， 然后反馈很及时 。 就这几个要素吧 。
对 。
你觉得你们现在还保留这个优势和模式吗 ？
我觉得我们还有很好的底子 。 我觉得我们经过过去这四五年时间的一个低谷期吧 ， 我觉得我们的这个基因是很强的 。
所以我觉得我们需要再拉起来这样一个组织能力 ， 人才是随着商业价值走向的 。 这个我觉得不担心 。
对 ， 如果我们能够搭建一个非常有商业前景和技术前沿探索性的一个平台 ， 我们其实现在人才也有蛮多的回流 。
所以人才也是跟你说的 ， 我最后要还是有一个商业闭环 ， 然后能持续的向上是相关的 。
我觉得一个最大的转变其实就是原来我们的核心理念叫技术信仰价值务实嘛 。 就这是我们所有做事的一个大原则 。
我现在是把价值务实放在前面 ， 叫价值务实技术信仰 。 我觉得最后核心的这些东西 ， 长期东西还是要有价值锚点 ， 做科研 、 做技术一样的 。
因为其实现在这个科研的很本质是因为它的资源投入巨大 ， 这些投入巨大 ， 包含卡 ， 包含数据 ，也包含人才 ，其实这些人才也都很贵 。
所以在这样一个大的资源的投入情况下， 它一定要有它的商业价值作为锚点 ， 才能够持续去投入 。
不光是钱的问题 ，也对于这些资源方人才 ，他心中其实做久了之后 ，他需要有 impact， 需要有反馈 ， 需要他做的东西能被市场所认可 ， 这些都是需要的 。
所以之前那个我们有另外一个这个旷视的创始人唐文斌讲 ， 叫 Business model is the best model。 我觉得这可能是 AI 1.0 能得体会吧 。
所以不能闭环的辉煌其实都是阶段性的 。
就是去年我们聊的时候 ， 那个时候我觉得你还是非常想推动旷视上市 。 你当时也是说 ，因为你一定要去寻找一个闭环 ， 你要做成一个闭环 ， 这是你的人生原则 。
而且你觉得在那之前 ， 你其实没有真的完成过一个闭环 。
是 。
那后来旷视终止上市这件事情 ， 它是放弃这个闭环了吗 ？
其实不想变成一个更大的闭环 ，但是也不得不变成一个更大的闭环 。其实那个创业的过程还是很辛苦的 ， 所以其实挺想在一个更确定性的闭环上， 闭环完之后， 就闭环之后的那个 ， 至少有一个阶段是相对比较压力会小一些的 。
就是你构建了一个商业模式 ， 构建了一个闭环 ，在那闭环下其实你后面会进入到一个相对经营的状态 ， 这状态是可以维持一段时间的 。其实这波创业大家的闭环都很长 ， 所谓的闭环其实一个比较显性角度 ， 就是大家做了很多轮的融资 ， 然后在商业化结果上其实跟他的投入其实早期是相对不成正比的 。
但是大家是相信到了另外一个临界点之后， 真的有个爆发式的商业的结果 。 这个大逻辑我认为我也是同意的 。
但是就这里面 ， 最后所谓的闭环更长 ， 就是它的投入期更长 ， 投入资源更长 ， 且最后那个可能商业化的最后变现的那一下的那个风险和竞争更激烈 。
所以就使得整个这个如果想象它是一个商业模型的话 ，其实它的风险会更高 。 就是越长的闭环 ， 这个链路越长 ， 它越容易连不回来嘛 。
你 23 岁开始创业的时候 ， 你有想象过这条路有这么长吗 ？
对 ， 那肯定没有 。
对吧 ？ 你当时怎么想的 ？
那个时代都是革命乐观主义精神 。 当时那个时候就是大家感觉一帮比较聪明的人聚集在一起 ， 然后有一个比较明确的目标或者愿景 ， 好像似乎都能做成 。
当时是很天真的这样想 。 那我觉得其实坦诚讲 ， 我认为 AI 这条路确实是一条最难的之一吧 。 我觉得一个事的难其实就难在两点 。
第一点难在不确定性 。AI 这件事是从它的技术的原始技术底座 ， 到它的产品化 ， 到它的商业化 ，其实都有很大的不确定性 。
第二个的难就难在速度快 。 就是 AI 这个行业其实如果看一个总体的节奏的话 ，其实是非常非常快的 。
第三个就看竞争嘛 。 这个竞争是可能是最激烈的 ，是全球最有钱最聪明的一帮人同时在竞争这个赛道 。
其实字节和你们成立的时间差不多 ， 然后它那种模式就是好像很快就先有一个闭环 ， 再有一个闭环 。
对 ，但我觉得可能真的不同人不同的选择 。 因为我创业的初心还是做 AI 实现 AGI， 这是我觉得我比较纯粹的初心 。其实那个时候都没有想过是以一个公司的形态 ， 还是当然觉得公司可能是个最自由的状态 。
这个我反思 ， 我认为这个初心也不完全对 。 就是我当时其实更多是以技术信仰来驱动来做的这个创业项目 ， 要实现 AI， 要让 AI 对社会有贡献有价值 。
这更像是一个更是很宏大的一个使命 ，但是它没有一个很具象的一个商业或者客户价值的落点 。
你就说这个初心可能它并不适合作为一个公司的一个商业组织的驱动力 。
不能指以它为驱动力 。
那你觉得像字节这种发展路径 ， 它最后有可能反而它能实现 AGI 吗 ？
有可能 。 对 ， 我觉得最终其实一个公司 。 很看基因论 。 这个基因论就是说排除它所有的历史的这些业务 ， 最后它经过走了这么多年， 最后变成这样一个组织 。
这个组织的灵魂是这个创始人， 加上他的核心高管 ， 加上他的这个团队 ，他的整个团队大家的企业文化基本假设 。
就这个当一个公司已经十年之后， 这个讲一个比较时髦的词 ， 就是这个商增已经做到一定程度之后， 这个组织其实你要再让它发生本质的内部变化 ，是非常非常难的 。
那最后就是要看这个组织基因适不适合这件事 。 因为如果它在上一个时代能做到很极致 ， 就代表它这个组织已经很适配上一件事 。
那这件事如果跟下一件事如果很有关联度 ， 那我觉得就会很合适 。 如果说是两个很不一样的事 ， 就蛮难的 。
就是一代版本一代神 。
是 ，是 。 对 ， 只是大家可能有时候对这个版本到底多长时间是一个大周期 ， 可能大家也许有误判 。 就有可能比如说这是一个大周期的一个小版本 ， 那有可能一家公司就可以从 1.0、2.0、3.0 一直干下去 ， 最后获得一个特别大的成果 。
但有可能发现就是 1.0、2.0 就是两件事 ， 那就可能得不同人去做 。
千里新战略25:43
那接下来就是想聊聊就是你千里的现在的一些动作和迹象吧 。 就你在担任千里董事长已经有差不多 100 天的时间 ， 你这段时间主要做的是哪几方面的事情 ？
对 ， 首先我刚才讲千里其实是一个相对比较干净的一个平台 ，但同时来讲它也是个底子比较薄的平台 。
所以我们要做的事情就是说 ，其实讲一个 CEO 要做的事就要定战略 、 搭班子 、 带队伍 。 所以我总体觉得在做的第一个阶段可能大概也是这几类事吧 。
定战略角度 ， 我们其实会认为我们叫 AI 加车是做它的核心战略嘛 。 那它其实怎么把这些落下去 ，其实是有它的更详细的拆解的 。
那我们现在定的是一个叫双轮 ， 一个轮子就是终端的轮子 。 那这个终端轮子其实有原来这个我们一个比较有意思的说法就是叫两个轮子 、 四个轮子和两条腿的 ， 就是它的终端 。
两个轮子就是它的摩托车原来的这些业务 ， 未来其实也是有新能源化和智能化的需求 。 然后四个轮子就在新能源的这样的一个车里面 。
那新能源的车里面我觉得我们未来的打法会不一样 。 就是我们还是觉得中国不再缺一家普通的车企了 ， 就只是做一个新能源车我觉得意义不大 。
所以我们可能会第一会更关注未来更本质的一些车的那些类型 。 所以我觉得就是说如果大家现在卷的这样一个乘用车是中间这个档位 ， 我觉得我们会尽量错开这个档位 。在这个档位上我觉得我们更多想的是做一个车 BU 去赋能它 。
就是我自己感觉在第二个阶段 ， 就刚才讲到就是说除了刚才讲把价值务实放在前面 ，其实我还有一个很重要的战略理念就是差异化 。
就是原来在第一阶段时候就觉得很年轻嘛 ， 就觉得大家都做 ， 好像都是很关注点就会做 。 那我觉得第二阶段可能本质上我认为会把差异化作为一个非常非常重要的点 。
就已经有很多人在 offer 的东西 ，其实有可能这个市场不需要 ，不需要一家新的玩家 。 所以在这样一个真正的这个乘用车体系下， 我觉得已经不需要终端来去做 ，而是更多需要有非常好的供应商 ， 能够把 AI 这件事让大家用一个最好的成本 ， 然后最高的性能 ， 然后最标准化的交付来把它做好 。
这是这个整个乘用车的这个主体 。 这个终端这个轮子其实是就是摩托车 ， 然后四个轮子新能源和未来我们要布局的机器人， 就是叫两条腿的 。
这是我们的三个 ，但这个其实我们现在没有特别强调机器人这块 ，是因为就是我觉得我们其实要做的事挺多的 ， 所以阶段性我觉得每一点有 focus。
所以现阶段更多是以车为载体 。 然后在那个科技这个轮子里是智驾 、 智舱 ， 所以我觉得现在最重要的其实是广义的车 BU 业务 ， 就是把智驾 、 智舱先做好 。
因为这个是行业所稀缺的 。
所以未来两年你们其实是要做就是你刚说的类似于车 BU 的这样一个事情 。 你提供的是有一个完整的智驾加上座舱的智能化的汽车的体验 。
你们现在这样去做这个 AI 加车 ，其实我觉得华为也是在做 AI 加车 。 就是你和华为肯定会有一些竞争的 ， 你怎么去和它竞争 ？
我觉得还是挺有差异化的嘛 。 就首先我觉得在做这件事情的一个大的战略 ， 我觉得其实有两个关键词 ， 一个叫开放 ， 一个叫国际化 。
开放的意思其实就是说我们是要以吉利的这样的一个支点为支撑的 。 所以我们跟吉利的战略合作肯定是最最重要的一个支点 。
但同时不管是我们还是吉利 ，其实相对都非常开放 。 所以我们希望以吉利做完之后， 一定不是只做吉利的 。
华为因为它从芯片到这整个产业链是非常闭环的 ， 所以我觉得它更是一个更闭环的一套体系 。 就是我们其实更多还是要整合产业链 。
就比如我的芯片 ， 我的激光 ， 肯定是在行业内选择最优的合作伙伴来做的 ，而不是我来做的 。 但其实非常需要行业内需要有一个 ，因为最后的方案其实某种程度上是一种标准的制定者 。
它需要大家能够把它真的标准化成一二三的高中低的方案 ， 让大家的配置能比较朴实化 ， 才能有规模效应 。
所以刚刚讲的就是本质上这个车 BU 这件事情 ， 我觉得首先是要以吉利为起点 ， 这个是很重要的 。
因为智驾领域里面我们本身原来旷视有很好的这个技术积累嘛 。 然后座舱这边其实吉利有这个像 Flyme 这样的体系 。
所以这些体系我觉得我们是有机会一起 ， 大家能够非常好的整合在一起 ， 能对外提供一个比较整体的方案 。
所以我觉得我们其实是愿意构建这样一个开放的联盟 。其实这个联盟里面有几家大的车企 ， 大家是一起来愿意来推动这个标准的落地的 。
所以这第一个是开放性 。 第二个我觉得可能国际化也很重要 。 就是我觉得其实本质上也结合吉利原有的一些国际化的积累吧 。
就是国际化的客户可能也是我们一个终点吧 。
你觉得像华为成立 ， 颖望它引入长安这些其他的投资方 ， 这不是一种开放吗 ？
我刚讲的开放是指它的它本身它的解决方案的开放度 。 就是解决方案是它自己从芯片到这里面都是自己的东西 ， 还是说我们在不同的环节去选择行业内最优的合作伙伴来构建一个联合的一套方案 。
所以我觉得更多的开放是指在解决方案层和供应链层 。 就它是不是在选择全球的这个各种产业链角度 ， 选择那个产业链里面相对最优秀的玩家的产品 ， 最后把它整合成一个大的方案 。
你觉得这两种方式 ， 我就是供应链的我全部自己来做和我更开放 ， 长期来说哪个竞争效率会更高 ？
比如说华为的这种方式 ， 包括比亚迪其实也很喜欢做垂直整合 。 它垂直整合也比较深 。 那大家其实也观察到说垂直整合可能在你的成本控制上， 它好像是有一定的优势的 。
我觉得没有优劣势 ， 更多像一个产业链的周期 。其实我觉得可能往往看一个产业链的早期 ，是垂直整合的人会更高效的 。
因为这个产业链没起来 ， 所以他最后都自己做了 ，他自己又比较可控 ， 这个其实是更好的 ， 对吧 ？
然后到一个产业链可能一个中间大部分快速发展和长期规模化发展的这个中期 ， 我觉得可能应该是个更开放体系更好 。
因为专业分工嘛 ， 对吧 ？ 就是大家每个人都做自己想讲的事情 ， 且风险角度也是把它化解在了产业链的各个环节当中 。
然后到一个产业链的末期可能又会被整合 ，因为这产业链已经高度同质化了 ， 对吧 ？ 所以大家压缩成本什么的 ， 我觉得是这个逻辑 。
这个很有意思 。 之前我采访曹旭东的时候 ，他也说了一样的想法 ， 分 9B 和合 9B 分 。 那在你们现在这个阶段 ， 就是千里一定要自己做的事情是哪些 ？
然后哪些是你开放和供应商来合作的 ？
我觉得千里首先在算法和整个大的方案上一定要自己的 。 同时我觉得它在硬件上也有支点 。 这个支点的话 ， 我觉得其实最后还是在芯片这个角度 ， 我觉得是要有一定的自主的能力的 ， 主芯片上 。
所以是算法整体的设计和芯片 。 芯片你们做的基础是什么 ？
就我们肯定先还是要在跟行业最好的这些玩家合作 。 同时就是因为芯片也是个矩阵 ， 高中低的 ， 我们会在这里面比较适合的方式上来选择有一些差异化的 ， 可能要把它变得更自主可控一些 。
你们会做这个什么别的硬件吗 ？
我觉得其他就没支点了 。 其他就是比如像预控只是个产品形态 ， 我觉得它不本质 。 预控也有几种 ， 一种就是你预控要不要自己做设计 ， 这个我觉得肯定是要做的 ，但它本质还是个软硬结合的那部分 。
那预控最最往下做就是要做一些生产制造的东西 ， 这个我觉得肯定是不做的 。
其实之前有段时间很多就是智驾的公司开始转向软硬结合的时候 ， 都确实很多人会去做预控 ， 还会有人去做传感器 。
比如说大疆车载它是做传感器 ， 然后小马有段时间是做预控 。 那你怎么看就是做传感器这种选择 ？
你看预控你说可能没必要做 。
传感器只能做非核心传感器 。 就是这里面视觉里面的核心方案的 CMOS 是都做不了 。 这边肯定 CMOS 就是 Sony 现在国内的 V2， 就 V2 是我们很战略的合作伙伴 。
就这个我觉得是一个大规模的体系 ，而且一定是把手机 、 车 、 各种大传感器都不同终端都合在一起的 。
所以这个我觉得是没有任何机会 。 就这个主流的传感器 ， 这些公司都没有机会 。 它只能做一些差异化传感器 ， 比如做激光 ， 然后做 4D 毫米波 ， 做双目这种 ， 这些我觉得可以做一些差异化的点 ，但我觉得不本质 。
你觉得本质是什么 ？
本质就刚刚讲的 ， 就本质的主链路 ， 这个方案里面可能未来成本结构主体的那个传感器就是摄像头 ， 这个东西它做不了 。
所以这是第一点 。 然后下面的这个在预控里面最重要的是那颗芯片 ， 然后以及这上面的这个最核心的算法模型 。
当然很难也许后面还甩着一个比较大的云的这样一套超算的要体系 。 就这几个要件是这里面的本质的东西 。
是最本质的 ， 然后最影响你的效果 ，也可能最占你的成本的比例的什么 。 所以如果要做的话 ， 可能是从这个角度去思考 ， 就是一步一步要去 。
对 ， 就你看这几个点有哪些是你真能做的 ， 对吧 ？ 这个如果不能做的话 ， 周边其实是做的更多是一种产品包装的差异化嘛 。
但我觉得对战局没有本质影响 。
那你怎么避免别的车企认为你们和吉利的关系非常近 、 非常深了 ？ 就他可能也会觉得这是吉利生态里的一个东西 。
我觉得最终大家是既关注这个外在的第一眼的感知 ， 更关注它的实质吧 。 所以首先在智力结构上， 首先千里就是一个更加独立和第三方的一个智力结构 。
然后第二点其实大家也会看到这里面的人才 ， 这里面所集聚的资源 ， 我觉得更多是把 AI 行业最优秀的人集聚在一起 。
最后我觉得大家还是会看实质吧 。
因为昨天其实在吉利自己的发布会上 ，他们也是官宣说吉利千里浩瀚这样一个新的就是智驾的系统 ， 它会在吉利汽车他们全系都会用 。
因为你们 3 月初的时候也宣布和吉利还有其他一些合作方 ， 你们成立了一个合资公司 。 那之后这个合资公司是会去对外输出这些东西的一个主体吗 ？
对 。
那别的车企为什么愿意用千里浩瀚 ？ 就浩瀚上面还带了吉利自己自研的这个东西的吗 ？
大家会用千里 ， 那个公司叫千里智驾 。
所以还是以你们为主体去输出 。 除了就是吉利之外， 你们有些什么别的客户的动向 ？
首先我们第一个大的策略 ， 我们基本上会比较 flexible。 我们本质上还是一个大客的创业模式 ， 就我们不会服务特别多的客户 ， 我们会希望还是服务头部的车企 。
因为本身后面的车可能虽然不会像手机那么的集中化 ， 我觉得它的头部化效应还是会比较明显 。
第二点就是说我认为本质上就是像现在的体系里面 ，其实要真的把一个客户服务好 ， 我觉得客户数量不能特别多 。
我自己认为就是说可能这个跟产业链相关 ， 我觉得车的产业链本质上就是一个大客为驱动的体系 。
所以我觉得深度服务好大客 ，其实反而是一个更好的选择 。 这是至少在整个智驾作为 T1 这个角色上 ，以及在这个历史阶段 。
如果你更早来做这件事情 ， 你会这么选吗 ？
也会 。 因为我觉得如果没有跟整车厂有深度的结合 ， 就没有基本盘 ， 没有数据闭环 ， 这里面是两个点 ， 一个是商业的基本盘 ， 一个是你技术的支点 。
因为我觉得现在大家体系是不一样的 ， 如果你跟一个车企能够构建这样一个大的数据循环 ， 这个我觉得是未来所有智驾和包括一些大模型智舱应用的一个基础 。
就这个是围绕这样一个数据来构建的 。 如果你是个交付型的组织 ， 你的核心能力就不是构建这套数据循环 ， 所以这两套能力就不一样 。
所以我认为那套能力可能未来比较难持续的去形成技术的领先性 。
对 ， 这个取决于客户有多少数据可以向你开放 ，他愿意向你开放 。
对 ， 那这个也是由你的技术的范式和你的商业模式决定 。 所以这是为什么我也认为如果不能跟客户深度的结合这个模式 ， 那客户肯定不会把数据能给到你 ， 对吧 ？
这也很难 。
你觉得长期来说你们会和几个车企集团深度的结合就够了呀 ？
我觉得三到四家吧 。
那这三四家之间它不会有竞争关系吗 ？ 就车企之间 。
就也跟你的客户选择相关 。 我觉得同类型的客户我们可能基本上每一类可能就选顶多一到两家 ，不会超过两家 。
然后这一次因为我看昨天这个发布会 ， 我觉得吉利和你们的合作的深度还有力度 ， 我觉得也是超出想象的 。
包括千里浩瀚这个名字也是千里在前面 。 这是吉利的人提的吗 ？
对 ， 我觉得是共同决策 。 因为这个是涉及到一个心智的建立 ， 就是说其实车的体系还没有真的形成一个比较良性的像手机供应链的这样一个分工 。
比如手机供应链 ， 你手机用了高通的芯片 ， 索尼的 Sensor， 大家对你的手机是加持的 。 但现在这个车厂大家都觉得我要都自研 ， 对吧 ？
就这个体系其实是很奇怪的 。 所以他会觉得好像这个东西 AI 的东西是放在体内放在体外会不一样 。
我觉得这是因为整个车的新的供应链还没有形成 。 但比如华为其实已经是一个很好的例子 ，但华为因为太特殊了 。
对 ， 华为可能有点加持作用 。
对 ， 就是你还是要有基础品牌 。 你买你的音响 ， 你可能还是想用都是品牌的 ， 对吧 ？ 所以其实每一个供应商它能不能形成它的品牌溢价和品牌加持 ， 能把这个东西做得更专业 。其实车企的我觉得核心现在是整个车的产业链其实在智能化有两个问题 。
第一 ， 产业链不成熟 。 就是你真的比如说除了华为之外， 你是不是能用其他的供应商 ， 就代表你是一个品质的保证 ， 可能现在他还做不到 。
那可能这个今天用的这个明天这个公司就挂了 ， 对吧 ？ 然后第二点呢 ， 我觉得车企还没有解决如果我的核心这些东西都是由我的核心供应商提供的 ， 我的车的差异化在哪里 。
就这两个问题没有解决情况下 ，其实车企跟供应商之间都是一个很纠结的状态 。
那回到你们这次就是千里浩瀚的这个合作 ， 你们是怎么做到这么快的 ？ 因为昨天说下个月就会做这个车位到车位的功能 ， 就会推送 。
智驾技术37:46
这里面第一 ， 我觉得大家车位到车位的定义还在过程中吧 。 我给你讲个简单例子 ， 你进出停车场这个交费你打通了吗 ？
就是你这些服务你没打通 ， 你怎么车位到车位呢 ？ 我自己感觉其实对智驾这个体系 ， 我个人的观点是其实还是需要把产品做得颗粒度更细一些 。
就是现在智驾还不是 ， 我自己认为还不是一个对泛人群叫可信赖的智驾 。 比如说我们用智驾的人， 大家对这个智驾的这个安全性的认知都很高 。
就是大家一般用接管这个词 ，其实我刚看了一个评测 ， 我觉得其实分类其实挺对的 。 就是真正的接管其实不同人是不一样的 。
就有些人的阈值比较低 ，有些人的阈值比较高 ，但是很重要的是那个接管意愿和舒适度 。 就比如说这个东西我是不是我胆子很大 ， 我就不接管 。其实在这个体系下， 我觉得特斯拉的整个的体验其实是要好于国内的这些体系的 。
就是说真正它的驾驶的类人 ，其实驾驶的类人性的一个很重要点其实给人有安全感 。 就是这个车跟人开的不一样 ， 你就不知道这个车是在失控还是在怎么样状态 。
就是在一个路况情况下， 它的决策的灵敏性和那个跟我人的自己开的车越接近 ， 会让更普适的人对这个自动驾驶的这个信赖感和托付感会更强 。
这个东西的技术我觉得很多东西还纯度上框架在那了 ，但是我觉得很多还没有打磨的那么成熟 。
包括我觉得就现在智驾体系下， 就光从评测这件事情来角度 ， 就没有那么体系化 ，因为它本身有很多难度 。
所以我觉得能把自动驾驶真的做成一个用户体验非常好 ， 觉得可信赖的 ， 安全感很强的智驾很重要 。
如果这个路段过程中能够非常有托付感 ， 我觉得也非常有价值 。
你说特斯拉这一点做的比较好 ， 它这个主要就是靠在它的那个训练框架下， 然后它的数据非常多实现的是吗 ？
因为 FSD 来中国之后 ，其实大家不是已经拍了很多视频说它表现很离谱吗 ？
它因为它特斯拉号称自己只用了互联网类的中国的数据来去训练这些事 ， 对 。 那就跟这个就像讲印度人这个直接看视频学中文一样 ， 就是这个难度还是很高 。
但特斯拉的内功还是不错的 。 就它的内功其实取决于它的整个的技术框架 ， 就是你要真正基于单独大模型 VLA 这些东西 ， 然后把它的那个白盒规孔相对压的比较低 ， 这就会使得你真正这个车的从聪明度和适配性就会比较好 。
就像它真的是脑子聪明 ，而不是说它背题背的多 ， 这件事情我觉得还是很重要的 。 然后那国内我觉得 ， 那肯定华为我觉得自己这条路线其实也是有差异化 。
就华为相当于是深度优化 ， 通过白盒黑盒结合的方式 ， 这个我觉得也是有它自己的优势的 。
你们现在是更偏向哪一种 ？
我们肯定是特斯拉路线 。
那在就是你们比如说智驾这个模型上， 或者说这个技术上的具体选择 ， 现在行业里讨论很热的一个趋势就是端到端的 VLA 大模型的上车 。
那像理想 、 元珑这些公司今年都会有 VLA 量产上车的方案 ， 千里在 VLA 这个方向上有什么布局吗 ？
对 ， 第一点其实上次我在车展讲过 ， 我认为车企大家就是对于概念是绝对超卖的 。 就是可能做的是 1.0， 讲的是 2.0 和 3.0。其实我觉得其实特斯拉给了大家一个非常好的样板 。
就我觉得其实不管早期我们讲到从有图到无图 ， 然后无图到我们现在所谓的端到端或者 VLA，其实我觉得有图到无图是一个很本质技术的跨越 。
然后无图的往后其实我觉得总体上都是叫做模型化的过程 。 这个其实我觉得特斯拉一直是以一个它非常低性原理在思考 。其实包括我认为两段是一段是 VLA， 这些东西我觉得都没有那么本质 。
不同的模型它其实是基于你本身的模型能力和你的数据积累的量级决定了你可能最优的逻辑 。 但其实这样其实你要看国内的头部的智驾体系 ， 大家真正模型化的比例都是不高的 。
模型化的比例意思是说我的一个基础模型 ，其实我是可以跨平台的 。 因为本质上智驾其实是一个不同的车型乘以不同的平台再乘以不同的区域的这样一个交集 。
那在这样一个交集的情况下的话 ，其实你的基本功 ， 你的模型基本功是不是像轮椅 ，其实我不管在什么场景下， 我其实都能够开的不错 ， 能够不犯基本错误 ， 对于可行性的限界都能做得很好 。
大家其实在一个基本功没有那么扎实的情况下， 加了很多规则的偏心的东西 ， 最后烹饪出这样一个最终的端到端的一个体验 。
就像这个食材可能未必那么新鲜 ， 最后加了很多佐料 ， 最后形成一个端到端的系统 。 我觉得其实现在需要的可能是反而是真正回到基本功的角度 ， 把基础的模型驱动的这样一套体系 。
模型驱动其实也包含后端的这些能力 ， 比如数据系统 ， 整个这套云端的这套迭代的能力 ， 把这个东西建好 ，其实我觉得智驾只能做得非常好 ， 且它能够从安全性和可靠性上能够达到像特斯拉这样的水平 ，而不是可能在不断的往前去迭代概念 。
我觉得真正去全量去使用 VLA 的公司会非常少 。 这里面可能会加一些 VLM 和 VLA 的一些概念 。 我觉得 VLM 的加入可能是必须的 ， 就是本质上就相当于智驾是一个垂类的感知系统 ，但它其实为了它的可扩展性 ，其实需要加一些更通识类的这种多模态识别的 。
这个其实是偏 VLM 的范畴 ， 我觉得这可以加进来 。VLA 我觉得是趋势 ，但是不是当前的核心的症结点 。
实际上特斯拉是不是 VLA 这件事行业里有什么看法吗 ？ 因为它其实最近几年没有怎么讲它的技术细节 。
VLA 其实还本质是一个偏具身的概念 ，在智驾场景上我觉得 VLA 不本质 。 就是我觉得如果能做出一个非常好的两段或一段式的原来的这套端到端的模型 ， 加上 VLM 很好的融合 ， 就已经能把智驾这种解得很好 。
你可以讲讲就是你为什么觉得 VLA 在智驾上不本质 ？ 我觉得也可以简单的先解释一下， 就是 VLA 模型它是一个什么模型 ， 它被提出是用来处理什么任务的 。
对 ，VLA 这三个词含叫 vision， 然后 L 是指 language， 然后 A 是指 action。其实本质上它其实是在模拟人的这样的一个行为的一套系统 ， 就是它有视觉为主的输入 ， 同时这个 language 其实本质上指的是它的逻辑和这个判断能力 ， 然后 action 是指它的输出 ， 能够做不同的操作 。在这个里面坦诚讲 ， 就是说可能更适合具身 ， 比如机器人的场景 ，因为机器人比如有手有腿 ， 它其实它的感知
系统其实是比较多样的 ， 然后它有它自己的决策逻辑 ， 它也在处理不同的任务 ， 最终它需要控制它的手和脚 ， 包括其他的一些执行器来做 。
所以这其实是一个多对多的匹配吧 ， 就是一个 N 对 N 的一个匹配 。 所以这是 VLA 模型的一个大的框架 。 智驾这件事情其实是一个对可靠性灵敏性要求非常高 ， 同时它某种程度上还是在一个相对可控的动作空间的 。
就是你的逻辑上讲 ， 你开车其实就是你的方向盘和你的刹车 ， 基本是这么发刹车和油门这个逻辑吧 。
所以它的这个 A 的这个空间是比较小的 。 所以你可以说是个所有端到端模型也是个 VLA，但是我总体认为现在我们中国智驾的核心问题还是在于我们的各个的模型的子模块做得不够到位 。其实这个模型其实本质上就是两块模型 ， 一块模型就是前面的大感知模型 。
比如你要看特斯拉的话 ， 你会发现它的检测的可靠性 ， 包括它的这个反应的是这个相当于实验 ， 当然这个反应的实验不光是模型的问题 ， 还有跟它整个的体系结构软硬件的这个逻辑相关 。
你会发现它就是一个更加可靠 、 更加灵敏的一个感知系统 。 这是第一点 。 第二点就是在它的这个整个的这个算是规划和控制的这个决策模型这边 ，其实国内其实大部分的规则的占比还是比较高的 。
那规则占比高的缺点就在于它的普适性会比较差 ， 它的推广性也比较差 。 那当然中国可能通过大量的写规则 ， 可能也可以做到一些不错的体验 ，但这个的未来技术的长期迭代就会比较难 。
所以现在我觉得可能大家内部也有几家头部企业也在慢慢回归到更本质的东西吧 ， 就是能把前面的大感知模型和后面的这套大规控模型做好 ，并且可能软件和硬件这个纵向要深度优化 ， 使得你最后这个车的从它的性能 、 实验 、 包含成本都能做到一个更好的状态 。
这个我觉得可能是未来一两年时间吧 ， 智驾的一个实际上的主旋律 。
那你觉得 VLA 它在具身智能上， 这个已经能被证明是一个主流的方向吗 ？ 还是这件事其实也是要再观察的 ？
因为我感觉机器人行业里对这件事情也是有一定的分歧的 。
我觉得会是 ，但是现在的模式我觉得还非常的没有走通 scaling law 这个条路径吧 。 就这个大方向肯定是没问题的 ，但是按照现在比如两条路线 ， 一条通过实采数据 ， 还有一条是通过仿真的数据来做 ， 真正这些逻辑能不能 ， 就刚才讲的就是连这个自动驾驶在这样一个确定性的硬件上， 硬件是标准化的 ， 然后它的整个的场景和动作空间都也是有限
情况下， 我觉得我们还需要走很长的路的话 。 所以我觉得大方向应该没问题 ，但是具体怎么迭代 ， 我觉得可能还有很多很多很多变化 。
就是我想知道在大家现在设想的这个 VLA 的结构里面 ，因为你最后输出的动作 ， 这个已经是很微观的动作了 ， 对吧 ？
就它其实是一个机器人的轨迹和行动嘛 。 那它中间一些那种任务拆解就比较宏观的东西 ， 这个智能机器人或者说在 VLA 这个系统里 ， 它是怎么被拆解和理解的呢 ？
比如说我如果有一个任务是我现在要去机场 ， 那可能正常人的思考路径是我得先坐公交去 ， 我还是打车去 ， 然后我去哪个机场 ， 我要去查航班等等。
那如果只是输出到动作的话 ， 那岂不是变成我先迈左脚还是后迈右脚这种事吗 ？ 就它能去处理复杂任务 。
所以现在你讲的问题很本质 ， 就是现在这个问题太复杂了 。 就是说 VLA 你其实可以把这三个词换成叫做输入 ， 然后决策输出 ， 对吧 ？VLA 就是 vision 是输入 ，L 是 language 代表的是逻辑 ， 然后 A 是指输出 。
那这基本是暴露万象 。 那你刚讲的关键问题就在于 ， 就是说到底整个这个思维中间的这套空间是怎么定义的 ？
从宏观 、 中观到微观 ， 我觉得都是不明确的 。 就宏观角度 ， 比如刚才讲的一个复杂任务 ， 说我要出去旅游 ， 这个东西到底大家是怎么思考 ， 最后是作为一个怎么样的一个中间的表示 ，是变成是说我最后变成是一些行程 ， 变成是一些时间空间的一些能够具体表达的一些点 ， 这些我觉得都是不确定的 。
然后到具体有了这样一个规划 ， 变成一个更加微观的这样的一系列动作 ， 这个动作应该怎么表示也是不确定的 ， 对吧 ？
所以这些我觉得都整个我觉得现在大家做的具身更多是在做一些 showcase， 就是人为定义的一些空间 ， 就这么做了 。
所以我觉得现在还是个非常我们叫做 toy 级别的一些实验和一些初步结果吧 。 所以我觉得还有很长的路要走 ， 就大脑和小脑本身它们最后这个空间定义都不明确的情况下， 很难做出一个横贯这个从高维的这些逻辑推理到底层的这个行为动作的 action 之间的这样一套框架吧 。
对 ， 我觉得这个也呼应了你之前提到的一个点 ， 就是你觉得现在机器人还不是一个爆发的时机点 。
我觉得车就是一个明确的最好机器人载体 ， 大家一直在讲服务机器人。 那你如果反观想想 ，其实车就是一个出行服务最好的机器人。
这个事都没搞明白呢 ， 就是说如果它要是还没做出来呢 ， 怎么就具身了 ？ 对 。
那回到智能驾驶技术的发展 ， 你觉得接下来中国的这些公司 ， 大家能不能让基础功变得更扎实 ，并且继续逼近更好的智驾水平 ， 主要是看什么呢 ？
对 ， 我觉得总体还是做 AI 里其实我觉得最后还是取决于第一是大的创始人的大的战略的坚定性 ，以及这个团队整体的这个技术能力吧 ， 技术上限的能力 。
战略坚定性和技术上限 ， 那战略坚定性又来自什么呢 ？
来自于创始人的认知吧 ， 就他对这个事到底觉得多重要 。 第二 ， 这个事的路径应该选哪条路 。 第三点 ， 这个路径的节奏应该以什么样节奏方式来投入 。
这个认知靠什么建立了 ？ 靠技术品位吗 ？ 还是靠什么 ？ 包括不是技术背景的人他怎么获得技术品位 ， 如果要去做这种技术判断 。
技术品位就是一个很高级的词 ， 我觉得还是跟他的背景的积累相关吧 。
但是我觉得做技术的人是会有技术的 taste， 就是你大概会有一个直觉 ， 觉得什么东西是可行的 ， 什么东西是更中期的 、 更优雅的 。
我觉得就还是对这个事情的认知的深度 ， 这个认知深度和体感 。 所以比如说你要是做推荐搜索的 ， 那你对这个大模型肯定不是最直接相关 ，但是肯定要比其他的领域的人对这个的认知要深 。
这是一个连续值 ， 就是他会跟这个事的认知 ，也跟他后天对这个事的关注度高 ， 然后学习的更多 ， 那可能对这事体感就更强 。
比如说像他其实没有一个非常长的时间自己去做研究的这种手感 ，他通过就是后天看论文 ， 包括和一些专家去聊 ，他的那种直觉性的判断 ，他能学习到什么程度 。
这个东西我觉得最后还是看到什么度 ， 就是这个东西就跟很多东西都是说下面都是勤奋可以习得的 ， 然后上面有一段是手艺 ， 最终是一个更偏天赋的东西 ， 对吧 ？
就这个到了哪个层面 ， 我觉得现在还不用到天赋那个层面 ， 可能就到手艺这个层面 ， 大家至少在现在的这个商业逻辑下可能就已经足以做一些商业判断了 。
手艺足够让你那么坚定的去相信一件事情吗 ？ 尤其是当一个方向它可能会有 ， 我指比较技术的方向 ， 一个技术方向可能它会有挫折 ， 可能会你试了一段时间它的效果并不明显 。
就肯定没有办法 。
没有办法 。
对对 ，但是有可能比如说就到这已经战斗就结束了 ， 就是也不用经历这个曲折挫折 ， 对吧 ？ 第一 ， 我觉得不要神话这个事情 。
我觉得在现在的这个技术范式下 ，其实我认为整个技术路线的东西其实总体是比较信息是比较透明 ， 就是没有那么 magic 的技术路线 。
我也不认为国内任何一家公司是自己独创了某一个技术路线 ， 更多我们现在还是在学习和 follow。 那只是这个技术路线的实现和选择 ， 全是选择 。
就是可能比如有两条 ， 比如可能在三年前或五年前说有一条是 Waymo 的路线 ，有一条是特斯拉路线 ， 那我们有些公司就选了一条 Waymo 路线 ， 那如果我们上来就说就是特斯拉路线 ， 这是对技术的一个趋势的判断 ， 这个我觉得还是有点手感或者这个逻辑的 ， 对吧 ？
然后在这情况下那就更多就是你能不能选择正确的团队 ， 从你的技术一号位往下， 这个团队选什么人把这事做成 ， 能多快做成 ， 就我觉得更多是个执行向的东西 。
那如果说我们不要去神话这个技术判断本身在这个事情里的占比 ， 那最后真的就是把汽车智能化这种技术含量比较高的事情 ，AI 含量比较高的事情给它落实 ， 还需要哪些关键的核心的东西 ？
我觉得首先第一 ， 技术路线刚才讲有好的判断 ， 对吧 ？ 然后第二 ， 我觉得要有一个非常强的工程化能力 ， 很强的落地团队 ， 就这个是很重要的 。
然后第三点 ， 我觉得需要对资源有很好的整合能力 ， 你要有钱 ， 你要有各方面的资源 。 然后最后一点 ， 我觉得要对那个商业模式的大的框架得有一个正确的判断 。
就是你的商业模式可能未必是 ，因为搞技术的人对商业模式其实不是最擅长的 ，但商业模式你得有个知道什么模式不行 ， 什么模式行 ， 我觉得得有一个大的基本判断 。
就这几个要素都 OK 了 ， 我觉得大模式上没什么问题 。 很多商业模式其实西方设计的商业模式是比我们更擅长的 ， 就比如特斯拉的模式是有订阅的 ， 那你就别把别人的模式改了 ， 你说也该订阅就订阅 ， 这是一个合适的 。
因为软件如果没有订阅 ， 软件是不可能持续提升的 ， 这跟硬件不一样 。 就硬件大家卖一辆车是可以有这个成本压缩 ， 就一次性就给你了 ，但是软件如果你想获得一个持续最好的软件 ， 软件一定要被 OTA 要被迭代 。
那如果你这模式后面没有真正的这个订阅的这套逻辑 ， 就没有供应商有动力去给你持续提供最好的体验 。
所以你不太赞同就是现在有一些这个智驾的方案 ， 它是卖车的时候一次性就卖 。
它卖车 ， 它的比如现在你的一个包 ， 比如说好友我知道现在 3 万块钱就买断 ，他买断他是算了生命周期的 。
但是我不认为就是这个智驾这个最后东西是一个免费或者就是按照成本向来做的话 ， 就这还得是用户额外付一笔钱 ，他不管是 license 费用还是一次性这个东西 ， 我觉得它最后是有一个测算模型的 。
但是这个东西是真正让这个供应商去给 C 端用户提供更好的体验 。 因为如果这个东西 C 端不付钱 ， 就这个涉及到是一个 to be 的模式 ， 还是一个 to be to say 的模式 。
我认为在车上的 AI 的核心应用都应该是 to be to say 模式 ， 用户愿意为这个买单 ， 然后买最好的产品 ， 然后以及这个最后这个产品的钱 。
因为只有在 C 端付钱情况下才有机会 C 端跟整车厂 ， 只有整车厂跟供应商之间它才能够有个分润的逻辑 ， 然后有一部分钱会给到供应商 ， 让它持续做迭代 。
就这个模式如果不能走通 ， 我觉得这个长期不可持续 。 就相当于已经有特斯拉的方案 ，也有华语方案 ， 那如果有第三家能够真正把产品体验做到这样的一个高度 ， 我觉得也应该去沿袭这样的模式 ， 最终这对 C 端消费者是好的 。
然后接下来这部分是想聊一下， 就是在你们有现在这样一个大的变化之前 ，其实从 19 年到 24 年底吧 ， 我觉得就是整个 Counter 还有你自己的状态是在一个相对低谷期的 ，也会有人说你沉寂了 5 年， 你觉得这 5 年给你带来了什么呀 ？
低谷五年54:32
对 ， 我们是有点像这个那个叫 stuck 在那里 ， 对吧 ？ 就卡在那了 ， 对吧 ？ 因为我自己其实更以成长线为我自己本质的驱动力 ， 就是这个成长包含个人， 包含组织 ， 包含整个公司吧 。
就我觉得这 5 年其实是组织团队成长特别快的 5 年 。 就是其实大家讲闭环的时候 ， 我其实觉得有一个理论 ， 就是说像一个封口 ， 你要拿一个这个板 ， 就是叫合缝 ， 就是要把这个板最后把它盖上去 ， 然后把这个东西 ， 你会发现当你合到越往最后那一刻 ， 它的那个压强会越大 ， 这个东西 。
所以往往一件事的闭环越往后， 比如从你闭环了 80%、90% 到 95% 到 99%， 越往后其实压强越大 ， 信息量越大 ， 成长的节奏越快 。
就有的时候大家感觉还我做这件事做到 80% 好像我就能闭环 ，其实不是 。 有的时候你没有做完的 100%， 你会发现其实后面可能越往后越难 ， 后面是指数性的难度 。
所以我觉得反而在这 5 年时间 ，其实整个团队经历了很多考验和这个磨练吧 ， 我觉得其实非常好 。
我还认为互联网时代是中国或者全球商业非常少见的一个历史阶段 。 就互联网时代真的一个创始团队能用他的长板就很快能获得巨大的成果 ，但是在大部分商业体验是很难的 。
所以大家都还是会更着急吧 ， 就觉得好像 ， 那我觉得其实在 AI 领域我们过去的十几年其实早期走的还是比较快的 ， 就当然整个行业都走得比较快 ，但我觉得 AI 这个产业本质上是一个比较像实际产业的这样的一个产业体系 。
所以我觉得我们的积累是不够的 。 所以可能这 5 年也算是一个说法叫什么蹲苗 ， 就是要把这个土要压一压 ， 让大家能够做得更扎实一点 。
你说之前早期比较快 ， 就是指什么阶段以前 ？
我觉得总体从创业到一开始都还算快吧 ， 就是整个在 AI 发展的第一个阶段 。 我觉得这些 AI 公司大家其实发展融资也比较顺利 ， 然后整个的规模扩张也比较快 。
第一阶段是在 1819 年左右结束的吗 ？
差不多 。
那会儿其实大家都没怎么商业化 。
我现在都没怎么商业化 。
对 。
就 AI 其实我觉得前段时间那个 Satya 那个 SolarCO2 讲的一点 ， 就是说如果 AI 真的如大家讲的这么牛 ， 它就应该是把整个全 HTTP 提个 10% at least， 对吧 ？
那现在 AI 没有这样 ， 一个纯的 AI 应用其实没有真正创造 ， 我看都没有创造 1 亿美金级别的利润 ， 我不确定有没有 ，但 10 亿美金级别的利润是肯定没有的 。
全球没有任何公司用 AI 创造 10 亿美金级的利润 。 真的就是大家讲的 ， 我就讲的 AI 为主导的 AI 加力的应用 ， 全球都没有 。
我觉得利润是代表商业模式的一个点 ， 收入不代表 。 就相当于你本身是 5 块钱东西 ， 你愿意卖 2 块钱卖出去 ， 那肯定利润就可以很高 ，但是利润代表你到底是不是创造价值 。
我觉得利润长期看是跟价值最绑定的 ， 所以就代表我们没有创造一个合适的商业价值 ， 能够产生这样的价值 。
但如果就是类比到你说其实在商业史上非常罕见的互联网 ， 互联网有很多公司也是在很长时间里没有利润的 ，但它最后获得了很多利润 ， 比如说像亚马逊这样的公司 ， 这个为什么在 AI 上可能它不会是这样去发生 ？
我觉得还是跟商业底层逻辑相关吧 。 就互联网的底层逻辑是网络 ， 就是连接 ， 连接更多用户 ， 最后用户变现 ， 这还是它的底层逻辑 。
然后并且它还是在任何一个领域 ，因为它的整个网络扩张的成本很低 ， 所以它还是非常容易形成垄断性 。
就如果互联网没有垄断性 ， 我觉得那也不一样嘛 。 就互联网本质还是实现了实质的垄断性的 。
那这个在 AI 领域这样 so far 现在看上去还没有形成这样的格局 。 就一个自动驾驶只有两家公司可以全球只有两家做 ，他们一定盈利了 。
就是说这还是垄断性的东西 ， 就是原来的互联网公司都是以网络效应形成垄断性 ，而 AI 的现在的模式还是以研发驱动的 。
就研发驱动这件事情我觉得是很难形成在短期内形成垄断性的 。
你刚说你是以成长线来看 ， 这 5 年你觉得公司是成长了很多的 。 那如果说得更具体一点是哪些方面的一些成长 ， 包括你自己的认知上的一些成长 。
我觉得第一个我觉得变得更加的务实和本分吧 ， 就是大家在做很多选择的时候 ，其实原来我认为在很多 AI 公司里 ， 大家其实对于投产出这件事情没有 ， 就这不是一个 mindset。其实我认为所谓的商业模型就叫 ROI， 就是本质上就是投入产出 。
就你大概你可能要框一框 ， 我大概这个要投多少钱 ， 我大概 potentially 它是能够有多少回报 。 就这个事情是做任何的 ， 哪怕是一个内部的研发项目 ， 它都应该有一个这个大框框 ， 如果从一个商业体系下 。
当然有些是短期的 ，有些可能是一个更长期的投入的 。 所以我觉得第一个很本质点刚讲 ， 就整个团队我觉得大家更加从商业角度更务实的考虑 。其实之前在接受这个 ， 当时我们上市聆讯的时候 ， 当时的那个委员其实有两拨人， 我当时那个场景对我非常有印象 。
就一拨人问说 ：" 哎 ， 你们怎么没有去造火箭呢 ？ 你们这 SpaceX 这一帮人就觉得 ， 哎呀 ， 就你们中国 AI 不行 。"
对 ， 然后我们讲了 ， 我们说做很难 ，但你们还是不行 。 另一帮人反映 ：" 你们这财务报表怎么觉得亏这么多钱 ？"
对吧 ？ 我觉得这两拨讲的都是对的 ，但是我自己感觉这也就反映这个现状嘛 。 就是说没有真正好的商业模式是无法支撑技术信仰 ， 长期技术信仰 ，不会有人永远给你钱去做投入 。
所以我觉得能够真正自己做好的科研的前提是你自己养活自己 ， 然后用你赚的钱比较大的比例去投入到你想做的这些科研的方向上 。
这是一个我认为是一个可持续的模式 。
这就是你说的闭环 ， 就自己赚的钱投入到技术 。
对 ， 你就说你来自有一个第一个闭环能够创造的这些价值 ， 能够去帮助你去做第二个更大的闭环 ， 就这样一步一步走上去 。
就它也不应该是一个短期 ， 虽然我有收入能赚钱 ，但实际上没有长期发展性的 ， 这也不是你想要的 。
对 ， 就有些短期收入说未来可能到一定程度它是可以变成利润的 ， 这是一种 ， 对吧 ？ 就所以我刚刚讲 ， 就是你最后还是要看它有一个大的判断 ，是当它进入到稳定态的时候 ， 它是 ROI 是个什么状态 ， 对吧 ？
它不一定是一个第一阶段的 ，但是一个稳定之后的一个预判吧 。
你刚说的聆讯那两拨人还挺有意思的 ， 就一个是嫌你们不够仰望星空 ， 一个是嫌你们不够脚踏实地 。
都是既要也要马上要的 。 我觉得也无可指摘 ， 就是这就是在这样的竞争环境下， 那这个是很难 ，但是最后谁做成了 ， 可能才能成为中国这样一个高度竞争环境下的一个行业的领军的一个企业嘛 。
这就是卷的本质 ， 为什么叫卷嘛 。
所以卷它不光是说外部环境很恶劣 ，也包括你本来要做的这件事情就是一个高难度的任务 ， 甚至很难平衡的一个任务 。
因为你看全球我刚讲 ， 全球都没有实现闭环的公司 。 我觉得在 AI 维生里面没有谁闭环了 。 我唯一知道可能体量稍微大一点 ， 我最早听过一个 Midjourney 的数据 ，Midjourney 数据大概可能 ， 我觉得它大概的利润 ， 累计利润可能能有个 1 美金的利润啊 ， 就是可能甚至再略高一点 。
我不知道现在的状态 ， 就那个时候它其实是一个相对的投入没有那么大 ， 同时又抓住了一个比较好的一个又很简单的产品形态 ， 然后又在阶段性形成的一个势能 。
就这是我听到的 ， 我自己感觉产生绝对利润比较高的一个团队 。
视频生成有些团队也快盈利了 。
快盈利 ， 可以是永远在快盈利的路上 。
就是像视频生成和图片生成这种 ， 它的变现的速度会快一些 ， 我觉得相比大语言模型 。
但它可能是个阶段性变现 ，因为图片生成和与视频生成的底层一定是强烈依赖于大语言模型的 。
大语言模型一旦发生本质变化 ， 就我自己有个预感 ， 就是我们今年内我们判断像图片生成会发生本质变化 ， 就是是因为在大语言模型的底层会发生变动 。
就那个生意是一个短期生意 ， 就那个的利润我觉得也不会是一个长期可持续的一个生意 。 就它整个的模型的性能会发生一个阶跃性的变化 ， 那原来的那个体系可能就很难持续它的商业模式 。
那如果有人开源 ，他不也可以用吗 ？ 我就说如果是其他的这些做图片生成或者视频生成的 。
对 ， 那你就看那个图片生成是它的价值 ， 就是客户价值和社区价值了 。 就大家都愿意在那用嘛 ，但我觉得没有那么多的忠诚性 。
就如果另外一个体系是一个更好的模型 。
好的很明显的话 。
对 ， 那个一点都没有壁垒 。
你刚才说你这 5 年认识到就是本质上就是商业模式是要去看 ROI， 你当时是一些什么样的事情让你去有这些思考 ？
就是当钱紧张的时候 ， 你会发现当你看每分钱要怎么花的时候 ， 你思路就会不一样 。
经营管理1:02:24
你这期间是不是也去更细致的看公司的财务情况了 ？
当然 ， 当然 。
因为我听你同事说你之前可能是管的一个比较大的 。
是 。
对 ， 你不会一笔一笔的去看 。
对 ， 我觉得这其实挺好的 。 就是因为我觉得做工程师的人的个性本质上需要一个事情很 organized， 所以我觉得一个公司你会发现其实我们都对于效率有很多要求 。
所以你会发现这个公司从运营治理结构各方面你会发现有那么多浪费 ， 然后甚至说有很多其实资源不需要花那么多人钱的地方 ，其实在历史上其实在当你在融资比较容易的时候其实花了很多钱 。
这些东西我觉得其实都是一些种学习的过程 。 就一个真正你想从管 100 人到 1,000 人到 1 万人， 创始团队可能一个 100 人以内是一个阶段 ，400 人左右是一个坎 ， 然后到大概一两千人是一个坎 。
就我们大概就卡在大概 2,000 人左右这个体系下， 我们的管理能力其实是没有跟上 。 而且我认为现在大部分的 AI 公司的管理水平还比我们还差 ， 对吧 ？
就是说那在这期间就需要去成长和学习 ， 这样才有机会可能到下个阶段 。 所以我刚讲第一个就是从价值务实商业化角度 ， 第二个就是刚在经营吧 。
就我觉得不光是钱 ， 我觉得是经营 。 经营也包含你的整个的组织流程 ， 组织效率 ， 包括从效率和管控之间的这种平衡 ， 这些我觉得都是很重要的 。
当然我觉得最重要的点 ， 我觉得最后可能是对人的一个筛选吧 。 就是最后可能其实当我们在创业的时候 ， 大家讲最重要的点是创业精神 。
创业精神这个事 ，其实很多人都有创业精神 ，但是最后这创业精神是一个阈值嘛 。 就是公司你有多挑战 ， 最后能够对这件事有充分认可 ， 会选择持续留下来的人， 可能本质上是一个更志同道合的一个状态 。
所以最后这个经过这 5 年时间 ， 我觉得也有一些同学离开 ，也有些新的同学加入 。 那最终我觉得能够汇集这样的一个团队 ， 你就感觉是一个能够很有战斗力的一个组织吧 。
我们可以把这个再展开聊一下 。 就你刚刚说的第二件事 ， 经营这个事 ， 包括你去更细致的看财务 ， 你发现之前有一些地方效率是不高 ，是有一些浪费的 。
就你特别系统的去提升这个公司的经营 ， 大概是在什么阶段 ，以及你都是做了些什么事 ？
我觉得就过去大概三年时间吧 。 就是以前其实我们在技术上其实很讲量化 ，其实在经营上其实没有很讲量化 。
量化的意思就是说 ， 比如说你看一个公司你的产品侧的毛利率的行业的水平 ， 然后到你的整个的经营 ， 就你的费用的不同的占比 ， 比如你的多少是用在你的管理层的费用 ， 多少是用在你的营销 ， 多少是你的研发 。其实我觉得我们一个特点 ， 就原来我们的研发比例都很高 。
就比如我看我的我的研发体系和我的营销体系 ，其实可能很大的比例基本上都在 3:1， 甚至 4:1 的这样的一个结构在不同行业 。
基本上最后我们基本都调到了 1:1， 就是相当于我在研发花的钱跟我把它去卖出去的这个钱 。 你会发现还挺神奇 ， 就是往往是真正把这个体系真的调到这样一比的时候 ， 这个业务开始逐渐就走向盈利 ， 或者说它就走向一个相对比较良性的状态 。
比如举个例子 ， 我们一直说要这样市场导向或者客户导向 ，其实很难 。 就因为当你后面的研发资源非常充裕的时候 ，其实很多时候你会研发了很多产品 ， 产品还没有卖出去又研发下一代 ， 然后研发的体系一定要市场体系来给它买单 。
就相当于要让研发同学觉得是市场的同学在养活你 ， 这点很重要 。 然后这样它的整个预算结构就能自然而然跟前面的客户驱动来去绑定 。
就如果你的关系是后面的研发同学 ，他不需要前面人定他的预算 ，他一定是按照自己想法去做研发的 。
你不管怎么组织拉通都不行 。 最终一定是要靠价值链 ， 靠这个东西来去绑定 。 这个机制如果不通 ， 你永远都不通 。
所以你真正的去贯彻客户导向 ， 市场导向不是靠说的 ，不是靠沟通 ，是靠你刚刚说的机制和价值链 。
公司有几个关键的价值链 ，其实就是从供应链到产品到市场这三个之间的关系 。 这个东西其实就是最后你一定要以客户侧作为本质的那个火车头的牵引 ， 然后能把这个压力传导往前 。
对 ， 那这里面其实就会跟资源 、 跟决策权 、 跟组织的配比规模都相关 。
你这些事是怎么想清楚的呀 ？
我觉得第一就是你内部遇到问题 ， 就首先你要自己先内部发现问题 ， 然后第二我觉得还是到行业就是去学习吧 。
比如说你们从研发和营销是大概 4:1、3:1 调成 1:1， 你这个比例比如说它是借鉴或者学习的 。
就是个手艺 ， 就是这个手艺点是自己得调出来 。 因为不同的公司 AI 的就是个重研发体系 ， 就是你其他很多公司可能的研发占比不占 10%， 对吧 ？
但是就是可能这个模样是一个上限 。 因为你接着再调到 1:1 的时候 ， 你的所有的研发人会跟你说 ：" 哎 ， 我们研发资源肯定不够 。"
他们想做的事确实不够 ，但是你会发现我们先讲 ToB 角度 ，ToB 角度你会发现一个产品是要周期的 。 你这个点其实是你由你的财务盈利性反推出来的 ， 所以就有可能你要去做趋势 ，有些产品你就不要做了 。
但这里其实往上反而会让你的产品更加聚焦 。 所以这其实是一种平衡 。其实我自己对管理有个观点 ， 就是我很反对管理上提出新的概念 ，因为我觉得人这件事亘古不变 。
就这个东西就人的组织其实没什么变化 。其实那我之前看那个冯唐讲这个自治通鉴 ， 就是其实还是借古然后来看今天 。
就人的这件事没有那么大本质的变化 。 所以这个东西我觉得是要学习已有惯例的 ， 人性也没有变化 。
但是呢 ， 这个为什么有了这个管理框架 ， 大家其实用到公司往往用的不好呢 ？ 是因为第一呢 ， 现在也没有那个管理框架是非常立体的一个完整体系 。
就比如说你要去学习华为 ， 你得知道华为在比如在输入在第一个阶段的时候 ， 它的整个市场竞争环境在那个状态下的时候 ， 它用了什么样的组织 ， 然后一步一步发展到这 。
然后你可能要去首先要战略匹配到一个你适合的组织的管理逻辑 ， 然后你还匹配到它对应的那个阶段 。
这件事是很难的 ，也没有这样的体系 。 所以就导致你往往学的时候 ， 你可能是今天的你学了一个华为在可能 1,000 亿之后的管理方法 ， 对吧 ？
就这个东西是不匹配的 。
你刚刚也说就是可能学的过程中间 ， 一个是你阶段要对应嘛 ， 然后跟你的情况要非常匹配 ， 这种其实是很少的 。
那你去学这些别的公司的时候 ， 你是会看它的历史是吗 ？ 以及你怎么去调整一些跟你自己相关的 。
我觉得大部分的公司其实都没有说这个管理体系是真的在不同阶段有非常好的梳理 。 就首先当时肯定没有这个空 ， 对吧 ？
没有这个公司有这个 luxury， 还没有决定活下来的时候 ， 就开始做自己的方法论沉淀 ， 对吧 ？ 但你真的到了之后也很难 ，因为那时候很多当时的人也走了 ， 就大家就很多那个没有办法还原的 。
而且它有很多东西是事后回忆的 ， 它跟当时的情况很不一样 。
已经被美化了 。 对 ， 这个是这样 。 所以这个就这首先是个 mission impossible， 首先这是第一点 。 所以本质上这都是靠大家可能拿一些很片段的信息 ， 就是最后自己去把它融合起来吧 ， 然后有一套自己的方法论 。
但是我自己感觉就是我的一个反对的观点 ， 就是当你融合完之后， 你不要觉得你自己创造了一个新东西 ， 就是它真的是重复了千百遍的东西 ， 只是原来真的没有一个全貌 。其实大模型很有意思 ， 大模型有点像把人类在互联网上知识融合起来了 。
你会发现如果我来大模型更强一点 ， 跟它讲说有多少个概念会被重复提出 ， 你会发现人类就一直在不断的重复提出同样的概念 。
所以就至少从认知角度就是说这没有什么神奇的 ， 所以就不会有那么大的 ego。 就你别觉得 ：" 哎 ， 我好像找到了一套新的方法 。"
比如说大家讲的这些什么很 fancy 的一个管理学概念 ， 你问他说在历史上有什么类似的概念 ， 我觉得应该能也许能找出来很多 ， 如果它智能化比较强 。
就是我有个很硬观点 ， 就是世界是连续的 。 如果你对这个创造的过程真的很全面和透彻的理解的话 ， 你会发现它就是一个演进和排列组合 。
我不认为有任何这种颠覆性的创新 ， 所有东西都是连续的 ， 只是你不了解它那个你没有看到那个轴的那个连续而已 。
你说的世界是连续的 ， 你指的是技术是连续的还是更广泛的 ？
所有东西都是连续的 。 就任何东西都是有迹可循 、 有因果 ， 它都是到那个阶段自然而然会发生的事情 。
你想到这个点 ， 你是在想什么的时候想到这个 ？ 是在想到很多人认为很多东西是突变的吗 ？
对 ， 这是我的一个底层世界观 。 就是所有就是所以以这个世界观来看的话 ， 就是很多大家认为的创新 ， 认为的这种颠覆式的突变或者很多意外， 我觉得都是其实都本质都不是 ， 就都或者都不够本质吧 。
这个世界观继续往下推导是什么 ？ 它会导致你的一些哪些不同的判断和行为 ？
我觉得这个世界观的判断可能会让一个人更加本分吧 ， 就是会在因上做更多的努力 ，而不会太苛求结果 。
那你这几年做了哪些因上的就是原因上的努力了 ？
其实是两个点 。 第一点我觉得是整个管理团队在学习管理 ， 就是这个东西原来我们基本在管理上是做的很少 ， 就感觉是在做 ，但其实没有做 。
感觉做和其实做的真的差别是什么 ？
我觉得其实在管理里面两个最重要的一个是目标管理 ， 一个是绩效管理 。 就这两件事大家每个公司在做 ，但是其实都 99% 的公司都没有认真在做 。
比如说目标管理 ， 目标管理看似大家定了一个目标 ， 就是其实定目标这个过程是很重要的 ， 就它的深度的去讨论这些事情 。其实你会发现有很多商业决策 ， 你会最后发现这个决策错误了 ，是不是那个时候就不能做一个正确决策 ，其实不是 。
只是说那个时候对于各种因素 ，其实它的比如说要对风险的排查 ， 对于各种竞品的这些深度的分析 ，其实没做到位 。
所以你会漏一些信息 ， 你就做了这个决策 ， 你会发现最后发现是漏掉那个信息 。 最后你复盘当然很容易找到说 ：" 哎 ， 当时我没有发现这个点 。"
但是你要有一个机制是在你的目标管理的过程中， 就要很深度的去把这些东西 ， 就是它其实需要有一些方法论和流程保障的 。
就是你的 12345 这些点你都得触及到 ， 最后你再做出这样一个目标的设定 。 这件事其实是很难的 ，因为对于公司来讲 ， 就是它能花多大的资源 ，以及在对一个很多变的一个外部环境下， 这件事能做到 ， 它是个灰度 ， 它很难做到 100%，但是你能不能做到一个足够 。
然后第二个就比如说从激励角度 ， 激励其实也是个很难的事情 。其实一个相对盈利的业务 ，其实激励相对比较好做 ，因为像创造价值 、 分享价值 。
而当一个未盈利的业务 ， 甚至说在一个早期孵化探索期的时候 ， 它的激励其实比较难做 。 因为往往在探索期的时候 ， 你需要的是很强的人 ，因为它有综合能力很强 ， 很能创新 ， 成本也很高 ， 且还需要有高激励和高反馈 。
但是反向来讲 ， 就是往往你可能早期做的很多探索是失败的 ， 或者是可能是最终没有价值 。 所以这两个之间就没法做到创造价值 、 分享价值 。
所以呢 ， 你就要有一套这种对应关系 ， 这个对应关系很有可能是不合理的 。
这是你刚刚说的宏观的第一个 ， 你说管理层在学管理 。
对 。
第二个是什么 ？
第二个我觉得是在锻造组织吧 。 就你最后你有一套管理和方法论 ， 最后你需要靠一帮核心的 leader 来实现 ， 就是没有这帮人， 你有一套理论也落不下去 。
那这些人其实是需要要经过最艰苦的阶段才能够留下来的 。 就没有经历过艰苦奋斗留下来的战斗的团队 ， 我觉得是很难真正有那个真正能让这个组织有那个战斗力的 。
因为我觉得也不是所有的企业家都经历过艰苦奋斗啊 ， 就不是所有创业者 。 你自己经历过这个体验 ， 你怎么去描述艰苦奋斗 ？
什么叫艰苦 ？
我觉得大部分成功的人都经历过 ，但是你看所有的实体产业 ， 我认为几乎都需要经历这些东西 。 没有谁是特别平顺就能够到一个比较高的高度 。
我觉得张一鸣可能现在有吧 ，但是比如说他比较早的时候 ，他当时也说他觉得关键就是认知嘛 ， 就你上线就是认知 ， 你如果你能认知到那就能做到那 。
大家讲叫知行合一吧 ， 就说互联网这件事情 ，其实互联网为什么生意很好 ， 能让很聪明的人发挥 ， 就是它的基础的所谓的平台构建的很好 。
所以大家其实在它其实它上游就是流量 ， 下游就是广告 ， 中间就是做一个好产品 。 它的整个商业模式很固定 ， 所以这样的一个很好的范式下 ，其实让大家其实比较容易能闭环 。
当然它可能在一个强点上特别强 ， 它在某个认知上很强 ， 那可能就可以 ，但是其他的产业我认为都不是这样 。
对 ， 我觉得 AI 很多事情是你判断到了 ，但是你可能做不到 ，而且有很多外部环境是你无法控制的 。 我觉得你们的很多判断都很对啊 ， 比如说你们 16、17 年开始做软硬结合 ，而且当时就做了很多布局 ，但因为后来是一些不可控的原因 ， 就导致这些布局它没有继续下去 。
不可控也还是能力问题 。
你觉得本质是能力问题 。
对 ， 就刚刚你讲的这非常对 ， 就是认知到了到做到这件事 ，在人类的历史上首先为什么讲知行合一 ？
当然不是认知到了就能做到的 ， 就跟那个事可能比较相关 。 我认为大部分的事情我都觉得不是认知问题 ， 就是或者说在肯定不会是只有一两个团队的认知到那个高度的 ， 至少是有好几个团队有那个认知高度 。
那这个认知到做到 ， 所以我觉得最后为什么大家传统企业讲执行力 ， 执行力意思就是说这认知不是说别人认知不行 ， 说认知可能大家都可以 ， 对吧 ？
但是就做到什么程度的 ，其实你包括我原来的制造业 、 服务业 ， 你都看这些所有企业 ， 为什么说什么海底捞说你永远都学不会 ， 对吧 ？
一样的 ， 就这都是说我说我要以客户为中心 ， 我要给客户这个超预期的体验怎么做到 ， 对吧 ？
所以我之前说在互联网这个时代 ， 觉得 words 很重要 ，其实在大部分的商业场合中号可能更重要 。 但是还有一个点 ， 就为什么我觉得认知这件事情 ， 就说认知是伴随着你的这个生意的阶段的 。
就你比如你在你的用户是 100 万 、1,000 万 、1 个亿和 10 亿的用户的时候 ， 你的认知是完全不一样的 。
那这里就取决于你能不能走到那 。 就是如果你走到了 1,000 万的用户 ， 只要你认知还 OK，其实你就可以有新的认知 。
但是很多时候你的一个组织你会卡在 100 万的时候 ， 你可能就不会再有后面的认知 。 所以这里面就又回到一个几何蛋蛋和基的问题 ， 就是这件事足够能够说我靠认知就能够比较快推到下个阶段的时候 ， 那这时候就能形成一个认知的一个比较好的迭代的一个节奏 。
但如果比如说我们认知到了 ，但是做不到那个阶段 ， 那你的认知和你的局限性就一直在这个第一个阶段 。
所以这就没法形成那个飞轮 。
这个过程会让人觉得很痛苦吗 ？ 尤其是很聪明的人 ，其实他是追求 ， 我觉得是追求认知的提升的 。
我已经对聪明这件事情没有那么强的执念 。 我觉得这个 。
你已经对 ， 所以你是什么时候 。
我的人才 。
什么时候不是了 ？
对 ， 我的人才审美已经发生了本质变化 。 对 。
从什么时候开始了 ？
可能就最近这五年的某一个节点 。 我自己感觉就聪明有用 ， 当然组织里面一定需要有很多聪明的人， 然后在特别在研发体系下 。
但这从一个公司角度 ， 我觉得聪明不能解决所有的问题 ， 甚至说聪明是里面只是一部分的问题 。
如果你能比较快的迭代 ， 比如说你的用户到一个水平到又到一个水平的业务 ，不停上台阶 ， 就像你说的 ，其实你的认知自然就是会往上去成长的 。
那如果说公司业务卡在一个状态 ， 就导致你的认知不能往上成长 ， 这会带来比较大的痛苦吗 ？ 因为我觉得可能像你这样的人是比较追求我一直能看到一些新的东西 。
我感觉我已经过了那个阶段 。 我觉得那个阶段还是一个 ego 驱动的一件事情 ， 就是觉得我要认知上很牛 ， 然后能够好像看到别人看到的东西 。
我觉得那个其实不是很重要 。 我觉得最后还是结果重要 ， 价值重要 ， 就是创造价值重要 。
你这个转变是怎么发生的呀 ？
这被多打之后发生的 。
那就是在就是在 19 年之后是吗 ？
对 ， 对 。 但我觉得这个过程我觉得也是 ， 比如说我其实从来没有考虑过去做金融相关的事情 ， 就是这是我本质就是可能感兴趣的 。
就那个地方可能逻辑上很多聪明的同学去带到比如金融啊 、 比特币啊这些 ， 我就没有考虑过 。 就那个事情我觉得它可能是一个游戏 ，但是它没有给我真正的价值感 。
就是你觉得你的底色里本来就是比较追求实际的价值的 ，而不是说我只是证明自己 。 因为金融其实它是可以证明自己嘛 ， 证明自己可能是最 smart 的人， 或者你的策略是最有效的 。
部分证明吧 ， 就看你在什么层面要证明自己 。 因为我觉得聪明人赚一些钱是肯定都能赚到的 ， 就不说赚很多钱 ， 就能够有一个 decent 的生活 ， 我觉得这是不难 。
所以就是最近这五年， 你觉得你是转向结果更重要 ？
我觉得就能做一些你自己真正认可的价值创造吧 。 就是这价值创造其实包含公司能经营的好 ，也包含可能能够构建一个好的组织 ，也包含可能在行业上真的是有一些更对行业的这个走到下个阶段有一些推动力 ， 这些可能都包都算价值创造 。
就是拿到结果的过程 ， 就是从你想到一个东西到你真的做到 。 就你们其实有很多很辛苦很繁琐的工作 ， 我想象中应该是这样 。
是 。
有哪些是你不喜欢的吗 ？ 你怎么去接受这些不喜欢的部分 ？
其他的我觉得都还好 。 所谓以结果为导向 ， 就是一切以结果为导向 ， 就是其他的这些都可以做些短期的牺牲吧 。
节奏与冲刺1:17:54
我觉得最近有一些表达 ， 我觉得就可能跟你这几年的一些感受和体验有关 。 比如说你在 JV 那个活动上， 你说节奏可能会比方向更重要 ， 这个是指什么 ？
这是我一直的观点 ， 就是我觉得这模样跟刚才讲的那个认知也相关 。 我觉得就是真正能看到一个大方向的人其实还是不在少数的 。
但是就是为什么节奏很重要 ， 就是也是有 LOI 的问题 ， 就像你最后要去做冲刺一样 ， 就你要在什么时间点发起冲刺 ， 最后能决定你是不是那个第一个跑到那个终点的人。
所以这个就对你的技术成熟度 ， 包括这个它的商业化普及的这个阶段 ， 可能要有一个好的判断 。 所以我甚至觉得在中国需要两种能力都有 。
第一种我觉得技术上， 我觉得还是要有一些前瞻性的布局 ，因为本质上技术的东西其实刚才讲到它是时间不可压缩的 。
就是很多在一个领域 ， 你的认知 、 你的人才团队 ， 包括你对很多技术技术的研发 ，其实它都需要一个时间 。
它有时候可能不需要有 1,000 人做一年， 但它可能需要有 100 个人做三年到五年的时间 。 所以这个东西第一技术还是有前瞻性布局 。
第二个在真正一个产业技术成熟到商业化的临界点上， 它是特别看你的爆发力的 。 就是很多时候我觉得包含大模型 ， 包含智驾 ， 可能都在反复在验证这个例子 。
就你不一定是先发 ， 你就最后一定是那个第一个到终点的 。 所以当需要因为它的技术底层在可能会发生本质迭代 ， 所以就在那个最后要冲刺的时候 ， 你要真正对什么时候开始冲刺你要有概念 ， 然后你要投入绝对保护的资源 ， 加上你团队的能力要足够强 ， 才能有机会可能后发先至 。
就去年那次我们聊的时候 ， 你说你觉得一个公司应该在没有生死存亡的前提下保持最慢的发展节奏 。
这个想法到这个我现在的逻辑 ， 就刚才讲的这个 ， 就是最后的那个冲刺理论我觉得是一致的 。
就在一个行业内 ， 前期你应该做非常好的布局 ，但是我觉得在 ROI 上要做一个比较合适的布局 ， 对技术和人才应该有核心储备 ， 然后同时对产业要有非常高度对节奏的把握 。
到了那个要决战的时候 ， 你应该有最做好最好的准备 ， 且有最多的资源集中力量打出这个单点的狙击战 。
所以决战那个时候是快的 ， 前面是一个漫长的储备和等待的过程 。
那最后就看你最后冲刺那一下能不能打得赢 。
你觉得智驾的那个冲刺的信号是什么时候响起的 ？
我觉得起码是去年理想的端到端做出来吧 。
你现在的把握是怎样 ？
赢了再说 ， 赢了再说 。 对 。
如果更完整来说 ， 你们的几个节奏点是怎么判断的 ？ 因为我知道旷视最早是 17、18 年就在看智驾的方向 ， 然后你们真的决定花比较大的力气 、 比较多的资源来做这件事情是在 21 年之后 。
那之后也是拿到了吉利等一些客户 。 所以这之前的这几个节奏是怎么去预判的 ？ 以及说在冲刺之前相对缓慢的这个阶段 ， 你们储备了什么 ？
对 ，因为这个我觉得是我们当时智驾其实我们一直非常关注 ， 我们就觉得早期的智驾的技术路线也不成熟 ， 商业模式就更不成熟了 。
所以到 21 年的时候 ， 我们当然觉得就这两个要素其实都 OK 了 。 就是智驾上那个以 BEV 端到端这个大框架 ， 我们觉得这次起码看已经走通了 。
然后在商业上的话 ，其实有特斯拉加上微消费这些新事业 ， 包括像华为也入局来商业模式上， 我觉得也基本走出了那个最早的这个探索期 ， 进入到一个大规模的量产期 。
因为有的人会觉得你们 21 年开始比较大头做这件事情比较晚嘛 ，但这个就是你想要的节奏是吗 ？
对 ， 我觉得当然最后得打赢啊 ， 就是你这个相当于这个冲刺这个后发而先至 ， 得看能不能先至 。
你当时就是 21 年拍板要去做智驾这个业务 ， 要去投入这件事 ， 这个事对上市的影响是你考虑的一个维度吗 ？
就你觉得这个事是肯定在那个时间点就是得做的 ， 为了长期发展是一定要做的 。
我对这个市场一直都不觉得是一个目的 ， 我可能会考量这个事对上市有没有一个本质的干扰 。 如果没有 ， 我觉得就会去做 。
你觉得在 Tier 1 这个层面啊 ， 就什么时候这个赢的结果会显现 ？
明年吧 。
怎样算赢了 ？ 或者说继续留在牌桌吧 ？ 因为我想这个市场肯定不是一个你死我活的状态啊 。
我觉得继续留牌桌就已经不多了 ， 我觉得现在可能都无价一年了 。
那实际上最后有多少会留在牌桌 ？
最后我觉得最多 4 家 ， 比较可能 3 家 。
所以你们目标就是成为其他的一到两个中的一个 ？ 那就是我们年底的时候是不是可以看到了 ？
对 。
也就是明年年初的时候 。
是 。
你觉得战况会比较明确了 ？
是 。
这个东西的关键是 L3 吗 ？
就是因为最后我们讲怎么叫赢 ， 我觉得是三个体系 。 就第一个体系我觉得是数据体系 ， 就是它的方法 ， 最后我还是很坚定的是要以数据驱动大模型的这套逻辑 。
所以你能不能跟车的终端体系形成一套数据的大的体系 ， 这是很重要的 。 第二个体系我觉得是这个纵向的 ， 从 Tier 1 解决方案到算法模型到芯片这个体系的一种整合和协同吧 。
这个整合协同决定了你的成本和规模化性 。 然后第三个体系是你的商业客户体系 ， 你说你要形成一个阵营 ， 那这个阵营或者联盟到底你能够怎么给你的这个最头部的客户提供相对有差异化的价值 ？
就怎么能让大家能在一个这个联盟上大家都能够互惠互利 ， 能够创造价值 ， 这三个体系都是需要设计的 。
你刚才也说到就是资源整合这些能力很重要 。其实像我觉得吉利是非常擅长资源整合的 ， 就你和吉利合作这个过程中间有心学到一些 。
对 ， 我觉得其实吉利大家讲它这样做资本整合 ，但我自己倒觉得它资本整合其实跟它的战略愿景是一脉相承的 。
因为我觉得车这个体系下其实有几点吧 ， 第一点我觉得车本身是一个重资产的东西 ， 就它就是一个 ， 它的一个车的品牌就是一个资产包 ， 包括原来在燃油车时代的很多的核心技术确实不是能够大家就是从零开始来去做的 。
所以吉利当时去做的这些资本的合作 ， 我觉得源于它的开放性和它战略上希望能获得这些优质的资产 ， 我认为是一个很理性的一个操作吧 。
而且其实你要看国外的车企 ，其实你能发现一个车的下面其实往往都有多品牌 ，因为车企当时在传统体系下它其实是多品牌运转的 。
就是看一个行业 ， 它还是得看跟它的这个行业属性是不是相关 ， 包括其实比如吉利讲到开放 ， 讲到国际化 ， 当时它如果想去做国际化的话 ， 可能资本也是一个比较好的一个通路吧 。
资源整合千万不能作为目的 ， 就资源整合是手段 。 就说最后还是你的目的是一个很实 、 很落地 、 很产业驱动的事情 ， 最后你可能通过一个方式能够形成大家的连接 ， 或者形成这个合作 ， 我觉得这个是一个手段的问题 。
就在创业初期到现在 ， 你是什么时候开始对资源整合 ， 包括资本上的一些操作 ， 你感觉你比之前要认识的更深 、 更了解 ， 甚至你会主动去用这种手段能帮你把这个事情做好 ？
我都很被动的使用这个手段 ， 都是不得不的时候 。 对 ， 总体我觉得对 ， 还是就如果能够以研发和产品市场的这个常规化手段来做的话 ， 那就尽量还是常规化手段 。
但是到一些关键节点需要去打通一些节点的时候 ， 且有这样的机会 ， 那该做就做 。 对 。
你说你都是很被动的 ， 那之前在旷视 ， 比如说像收购 Iris 啊这些尝试 。
那些基本都是我们孵化的 ， 都不是外部说的 。 对 。
就不完全是一个大家理解的那种收购 。
对 。
对 ， 我在想是不是就是技术背景出身的人， 就是你刚才说的 ， 我不到万不得已的时候 ， 我希望就是研发驱动 ， 然后去做这件事 。
就是我觉得技术背景的人都比较相对有内向的那一面 ， 所以我觉得大家能够就是按照自己的节奏做事情 ， 做出好的技术产品 ， 然后把它真的投向市场 ， 这个节奏是最舒服的 。
你觉得这会是一种局限吗 ？
会 。
对 ， 我观察到好像大家是有这样一个特性 ， 就是我就希望做一个事我做得比较 solid 的 ， 做得很扎实 ，而且我不希望去过度的宣称一些我没有做到的事情 。
这好像是大家比较喜欢的那种风格 。
但是这里面在中国的市场里面 ，其实本质上还是一个市场驱动的事情 ， 就是你的技术研发体系跟你的市场 ， 至少在过去的历史上， 市场还是一个主因素 。
就你在市场上获得成功的公司 ， 往往可以通过后面的一些努力去适当补齐一些他们在技术和产品上的一些短板 。
你什么时候开始认识到这可能是一种局限 ？ 就你像坚持的时候 ， 你一直认识到 ， 你一直认识到 ， 一直是从什么 2011 年就有 。
创业的时候就感觉是 。
早期发生一些什么事让你有这种感觉 ？
这就像这个我们只会把东西做出来 ，不会卖出去一样 ， 这个肯定显然是局限性啊 ， 就是因为商业的本质还是以真正把一些东西卖出去为核心 。
那你觉得你真的在这个事情上有一个比较大的转变 ， 你的能力 ， 就这块的能力提升了是什么阶段 ，因为什么 ？
能力可能有所进步吧 ，但这个能力我倒没觉得 ， 就是是不断的被挨打和挫折之后， 就是不得不有所进展吧 ， 为了活下去 。
就是你觉得还没有到一个理想的状态 。
对 ， 我也不想到那个理想状态 。
你不想到那个状态 。
对 ， 我觉得只要这个够用就行 ， 就是我觉得每个人还是有他的长板和短板 。 我其实最近看这些车圈的大家 ， 这些创始人能够非常这个学习雷总能够出来这个宣传 ， 我觉得都很佩服 。
你的意思就是说 ， 如果要你做这件事 ， 你会觉得还挺为难的是吗 ？
对 ， 就不太希望做这种事情 。 对 ， 这个东西可能主观意愿是一方面啊 ， 这个东西就是现在大家还是我觉得很同质化 ， 大家就会更多以营销为核心 ， 对吧 ？
就为什么中国直播产业能这么好 ， 就它就代表的是它还是一个用户驱动的 、 市场驱动的 、 渠道驱动一件事情 ， 产品是充分供给的 ， 那最后就还是谁掌握渠道 ， 谁可能其实是更确定性的商业机会吧 。
成长与初心1:26:50
最后是想聊一聊你自己的变化 ， 你的联创还有你的同事都说你比之前更狠 ， 更杀伐决断一些了 ， 你自己有观察到这个变化吗 ？
我觉得有吧 ， 我觉得这可能是更追求结果 。
还是因为更追求结果 。
对 。
你刚才其实说到就是在你更细致的去管公司的经营的时候 ， 你把这个研发和营销的比例有做一个调整 ， 费用上的比例 ， 你这个是通过加营销的资源 ， 还是说也砍掉了一些研发的资源 ？
我觉得不同业务方面不一样 ， 就是可能是一个平衡吧 ，有些是加 ， 或者说既要减也要加 。
就当你为了结果需要去砍掉一些研发的资源的时候 ， 这是一个怎样的过程啊 ？ 就是你是一开始就能去做这个决断吗 ？
还是慢慢的更能做这个决断 ？
我觉得这里面是两个层面吧 ， 从人才角度我觉得我们非常非常的爱惜 ， 就是所以这里面比如我们真的有些很优秀的同事 ， 我们也会去放到一个新的方向上， 所以对于人才上我觉得没有减的逻辑 ， 我觉得优秀人才我们希望更多 ， 特别对于我们其实内部叫 Super 级的人才 ， 真正最好的同学 ， 我们还是持续想那个 ，并且我觉得也会随着我
们从低谷期走回来 ， 我们对真正的人才 ， 我们这样一个体系就是生态对真正的人才吸引 ， 我觉得会恢复到我们可能当年相对比较好的那个状态 。
是因为你有更多资源了 。
对 ， 我觉得是有场景有资源 ， 所以在人上其实是还是非常爱惜的 ， 就因为我觉得优秀人才其实都是很齐全 。
你觉得自己就更以结果为导向还是表现在什么地方 ？
我想也是对于整个结果达成的执行力 ， 我觉得也有很长体现嘛 ， 都包括在组织上 。 就原来我们其实会发现更多是一种创意型的组织 ， 大家有很多 idea， 大家做这个事可能大家一起主管的东西来做 ， 这个事经常做得七七八八 ，但当一个事说一定要在这个节点完成这件事的时候呢 ， 大部分时间是会 miss 这个 ， 就我们很难真正就知哪打哪 ， 这个我觉得
原来是组织上是比较有点偏松散的 。 所以现在其实我们有更多的组织机制啊 ， 这些保证 ， 包括这个文化上， 我觉得大家在某一个节点冲刺拿下目标的能力 ， 我觉得比原来强很多 。
从比较难知哪打哪到冲刺一个目标的能力会强很多 ， 这个是在什么阶段你觉得发生了这个转换 ？
我觉得可能就最近这一两年时间吧 。
最近这一两年是在哪些项目上大家去历练了这种东西了 ？
我觉得基本上都是要从一场生死大战中打下来的这些人， 就能够这个相当吸得这种能力 。
你们最近两年的生死大战是什么 ？
我觉得不同维度吧 ， 就是挺多的 ，因为当你在一个上市公司体系下 ，其实它的很多协调和流程是非常复杂的 ， 所以资本市场我觉得是有好几个战斗吧 ， 然后在比如智驾这里面我们其实也有 ， 就智驾其实我们现在吉利量产的第一个智驾的平台相对是比较挑战的 ，因为算力相对比较有限 ， 这个平台能做到量产且在这上面我觉得是做到了行业最
优的这种性能 ， 虽然它的因为它本身平台的因素可能跟一些高阶的方案的体验比还是有差距 ， 这些其实我们经历了非常非常多的节点吧 ， 就是我们如果打不下来 ， 我们也没有今天的新的这个智驾的这样一套体系 。
其实你没有 21 年开始服务吉利 ， 可能也没有后来 23 年底的时候李师傅跟你说的这个创业 。
对 ， 都是因果嘛 ， 就是要在因上可能这些把这些节点守住了才能有后面的机会 。
你自己感觉更顺是在什么时候 ？ 管理你的执行 ， 你的效率 ， 你觉得比之前有提升 ， 然后更符合你的预期 ， 这个是在什么时候 ？
现在也不符合我的预期 ， 我觉得现在还不够 。
或者说开始改善吧 。
就我确实在从我角度看 ， 我确实觉得很多事情的变化是比较连续的 ， 就是是一个持续用力的过程 ， 持续进步的过程 ， 所以它只能说是一个区间吧 ， 就是在什么时候开始 ， 就这五年时间 ，因为其实我觉得这个东西一定要靠在资源挑战的时候才能练出来这种能力 ， 就如果资源比较充裕的话 ，是非常难去练出这种相对比较极致的执行力的
， 所以一定是要外部环境有压力 ，而且压强要足够大 ，但同时不能压爆了 。
你觉得旷视濒临压爆了吗 ？ 曾经 。
我觉得我们很多节点都濒临压爆了 。
比如了 ？
就你看这五年的上市过程中 ，其实我们心里都是非常非常紧的 ， 然后我们又很挑战在于我们因为在 A 股上是不能去做任何额外融资的 ， 所以实际上在一个非常受限的情况下， 我们还要去做新的技术 、 新的研发 ， 还要留住这些最核心的同学 ， 还要去应对上市 ， 反正我觉得是多方的一个压力吧 。
你本来就是一个韧性和抗压能力比较强的人， 还是你在这五年中发现了这个特点 ？
我觉得我总体是一个还韧性比较强的人， 可能是性格的一些因素吧 ， 就是我觉得对这个东西看的都比较理性 ， 我觉得我的一个很基础的价值观就是如果你想获得的一件事情 ， 它就是一件很难的事情 ， 那你所要去付出的这些东西的代价一定是很大的 ， 就所有东西都是一种等价的 ， 就付出和回报 ， 所以如果你要的这个最后希望能够去攀登的这是一个
高峰 ， 那你就需要花这么多的力气 ， 做这么多工 ， 经历这么多的困难 ， 你才有机会可能能够走上去 。
那其实就说我自己认为这世界上只要能够投入和产出能 1:1， 就已经是一个最好的情况了 ， 就不奢求说我可以用很小的力 ， 所以这样讲说这个可能就是要聪明人用笨办法 ， 就是我觉得本质上其实也说的是这个道理 ， 就是可能本质上应该用一些最更本质的方法做长期积累的事情 。
那你当时有什么聪明人用聪明方法的选择吗 ？
就我觉得我在这个早期的那个阶段 ，其实比如说去参加一些 ， 比如在学习 ， 比如在高中之前可能参加竞赛什么 ， 这些可能就有点像是走捷径 ， 可能比如说我最后还是经历了高考 ， 就基本上就是说可能该走的事情都躲不了 ， 还会要再走一遍 。
应该讲我相信在人生早期有其实挺向往那种很畅快淋漓的胜利 ， 就说用一个很巧的方式就赢了 ， 对吧 ？
但后来其实觉得是一直都没有过这样的 ， 最后都被摁到 ， 还是得老老实实把该做的事做了 ， 对吧 ？
你说的那种畅快的方式赢了 ， 你想到的人是谁啊 ？ 比如说这是来自于你小时候看电视或者看什么里面的什么角色吗 ？
有一次跟那个中文在线的那个同学聊 ， 讲到这个爽剧的这个文本结构的时候就挺有意思 ， 就说他就解释了一个那个这个为什么说这个爽剧的开头的这个人设一般都是 ， 比如说你看要不就是这个出身背景非常的神奇 ， 对吧 ？
就在中国的文化体验 ，他这个人要有个理由 ， 就为什么他能跟别人不一样 ， 然后后来就用了这个穿越剧 ， 就是为什么穿越剧就是就发现读者已经不能接受说在前面的几章这个人从弱变强的过程 ， 就是一定要上来就很强 ， 所以大家其实对于那个爽这件事情的阈值得越来越高 。
那回到这个点就说可能大家小时候都会被这样 ， 就觉得好像一上来就很厉害 ， 对吧 ？ 就做很多事情 ， 就刚讲的认知到了就能做 ， 对吧 ？
就是发现事情是不是这样的 。
你的合作伙伴宝义还有杨沐都说 ，他们觉得在最困难的时候也没有看到你慌过 ，也没有看到你展现就是比较绷不住的 、 比较崩溃的一面 。
可因为慌也没有用啊 ， 就是这个人生就是这样 ， 就是我觉得核心还是对这个目标的坚定性吧 ， 就比如我要做 AI 这个事 ， 就说我其实也很难说我如果不做 AI 了 ， 我换一个赛道 ， 比如说我去做零售 ， 我去做互联网应用 ， 先不说我擅不擅长 ， 就是我对这个事情没有那么大的感召感 ， 就没有那个 calling， 对吧 ？
所以就你没有选择 ， 你只能把这件事继续做下去 ， 至于能做到多大和做得好不好 ， 这个其实很看你的持续的努力 ，也看各种因素 ， 这个我觉得没有那么强的得失感 ， 我觉得核心是不是尽力就行 。
其实就是你一直都是想做 AI 吗 ？ 包括你当时去姚班也是因为你最开始在清华的自动化系 ， 你觉得那不是跟 AI 直接相关的 ， 就这个想法它更早的时候在你心里萌芽是因为什么呀 ？
就是你人生 ， 比如说其实我觉得人生不要做很多事 ， 比如人生就做一件事情 ， 那什么样的事值得你作为一个人生去做的一件事情 ，其实这种事是不多的 。
对 ， 我觉得很多人其实花了很长的时间和努力才能找到这个事情 ， 这已经是很幸运的了 。 有的人可能很长的时间里他都找不到这个我一定要做的事情 ， 就你是怎么找到这件事情的 ，而且是比较早的时候 。
挑了一个最难和最大的 。
那这件事发生在你十几岁之前 ， 就是你是基于什么了 ？
对 ， 当时我觉得是基于那个时候的认知吧 ， 我觉得可能是基于一些影视作品看的 ， 就对这个世界觉得当你在你小时候幼儿园开始 ， 就别人老师就会问你的理想是什么 ， 对吧 ？
所以你就在一直在考问你自己这个问题 ， 那这个问题可能我也不确定是在 ，但是肯定是在考大学之前 ， 我觉得就对 AI 这个领域 ， 我觉得它是对人类很重要的一件事情 。
那个时候就是叫人工智能是吗 ？
但那时候人工智能我觉得更具象化 ， 可能它更等同于机器人， 它不会是这么一个更抽象的算法 。
所以你的软硬一体的想法也是 ， 你本来就是希望这个东西在物理世界里去活动 ， 然后改变物理世界 。
当时我们其实聊过一些你小时候看的一些这种对你比较有启发的 ， 比如说你说那个机器管家 。
我觉得这个初心都是比较懵懂和简单的 ， 我觉得人比较幸运的是还是在做他自己想做的事 ， 所以我觉得我自己很幸运是说在所处的这个时代 ，AI 技术这么快速变革 ，而我还一直在做自己喜欢的事情 ， 我觉得这个已经是一个非常大的幸运 ， 所以这个事情的过程中所遇到的挫折 ， 我觉得这都是理所当然的 。
你之前说就是在姚班的时候给你一个很大的影响 ，是塑造了好的正确的科研价值观 ， 如果这个描述一下它是什么 ？
其实我的几位老师就是从姚先生到后来的这个孙建邦到我去美国 ， 这几个人我觉得他们都是非常 high vision 的人， 所以我觉得做科研其实有两个 ， 第一个就是科研还是要做出真正有价值 、 有 impact 的科研 ， 就不要灌水 ， 对吧 ？
就这是第一点 。 然后第二点我自己觉得科研这个东西其实他们其实还是会非常强调定义问题 ，而不光是解决问题 ， 所以往往其实一个好的科研其实你要需要选择一个领域和赛道 ，其实往往你需要通过一段时间 ， 长的两三年甚至三到五年的时间 ， 去真正把这个领域的它的原来的脉络理清楚 ， 这样你才知道在这样一个大的领域里面应该从哪去做切
口 。 而很多我们在中国做科研的时候 ，他可能上来老板给了一个课题 ，他就开始做了 ， 那后面可能他不光是他的博士期间 ， 甚至他的一生的科研都是从那个为节点 ， 然后往下去深挖来做 ， 做得越好越会沿着那个节点来做 。
但是其实我觉得起点很重要 ， 就是所以当你做一个领域 ， 比如做 AI 的时候 ， 我其实当时也花了很大的时间去了解 ， 比如说像物理学 、 光学 、 底层这些东西 ， 最后觉得你会发现就是从一个物理世界 ， 最后你想到一个 AI 能够很好的去理解 ， 中间这个链路如果你不能整个链路去优化 ， 你会发现中间有些链路一旦不 work， 这个系统是不可能建成一个
稳定的系统 ， 所以这就为什么你要对全链路你都要有了解 、 有掌控 ， 最后变成一个好的产品 。
所以这是你当时去哥大读博士 ， 你选的这个方向 ， 就 3D 视觉 ， 它其实还是跟硬件这些 。
对 ， 就是传感器 。
对 ，是 。 这是你当时就是想升的这个方向 ， 就是想未来想做机器人的 。
对 。
那你觉得那个好的正确的创业或者说商业价值观是什么 ？
很简单 ， 我们叫创造价值 、 分享价值 。
你觉得这个它和正确的好的科研价值观之间 ， 它哪些部分是重叠的 ， 哪些部分是有张力的 ， 包括有张力的时候 ，因为你后来在创业嘛 ， 你怎么去处理这件事情 ？
这个很好的问题 ， 我想一下 。 我觉得就是它在 what 层面是一样的 ，how 的层面是不一样 。在 what 的层面的话 ， 我觉得就本质上就是其实大家在科研 、 在商业 ， 甚至在组织上其实都回到一个词叫真问题 ， 就是这个我们经常内部也在讲 ， 就是你要找到那个真问题 。
那真问题就是比如说你在科研上就刚讲找到那个正确的坑 ， 从那个坑开始去做你的科研 ， 然后在商业上就是你要找到客户的真实的痛点的需求 ， 然后在组织上你要找到你的组织到底这个组织不 work， 到底是因为什么原因 ，是因为某一个人的原因 ， 还是因为某一个什么样的一个生产关系的原因 ， 就是那个定位那个问题是所有事情的本质 ， 就是否则你
会发现你做了很多工作 ， 你发现还是不解 ， 对吧 ？ 就所以在真问题的定位上是很重要的 ，而且这个真问题值得不断的深挖 。
就是之前我们有个说法 ， 就是很多东西都经不住问三个 sow what， 对吧 ？ 就是你要不断的去问 sow what， 那你对自己也是一种灵魂的考验 ， 对吧 ？
然后 how 的层面是很不一样的 ， 就是科研所有的东西更多还是对事或者对刚讲的更偏认知 ， 对一个更静态的东西的一种理解和互动 ， 就按照系统角度 ， 它是一个封闭系统 ， 就这个事就是这样的 。
然后你就把这些无论是它的知识点 、 论文还是它的前序要素 ， 你就搞清它是静态在那里 ， 你可以按照你的节奏去探索的 。
而商业是一个开放型的复杂开放聚系统 ， 就它是个复杂的 ， 它又是个开放的 ， 然后聚系统这是一个系统论里面的逻辑 ， 就是它里面有很多动态的东西 ， 它有人， 所以这个系统它如果你要从一个方法论角度的话 ， 它是非常难按照一个静态的封闭系统来去不同的去应对的 。
那你刚说的这个是区别吗 ？ 就如果在你自己的创业中， 它可能会遇到这两个事情有冲突的时候 ， 你怎么去平衡呢 ？
冲突我觉得还好 ，在创业过程中没有太大的冲突 ， 只是就是你需要组织里面有不同的人能够有这样的能力 ， 能把价值观层面和方法论层面写满一样的 ，但是你可能就需要有不同的专业能力的人来做这样的事情 。
有可能节奏上的时候会有些冲突 。
对 ， 所以我们就产出了我们的方法论 ， 就是应该前期前瞻布局 ， 然后最终终点冲刺 。
就是一个比较好的去做技术 ， 给它真的落地成闭环的一个比较好的方法 。
对 。
你当时为什么没有选择做 AI 研究 ， 继续做 AI 研究 ？ 其实你博士应该是读到中间 ， 然后你回来开始全职创业的 。
对 ， 我本来想大概待三年左右再回来嘛 ， 后来觉得这边可能需要更早回来跟大家一起战斗嘛 。
为什么你当时创业了还是去读博士了 ？
我觉得还是节奏问题 ， 我觉得就我当时还是认为软件和硬件要结合 ， 所以我其实想去学习一下硬件 ，因为创业是一个一生的事情 ， 就你得把你的这些能力体系得先建设一下 。
对 ， 那个时候也是说明一开始我们在做的时候 ，AI 是一个特别小众的体系 ，但是我们觉得可以相对于一个比较更慢的节奏先往前发展一段时间 。
然后那个时候其实也是因为他们后来有我们有了第一个产品 Face++， 就这个产品其实就是因为美国有一个叫 Face.com， 后来被那个 Facebook 收购了 ， 或者说整个的行业加速了 。
就这个时候我觉得可能要需要 ，因为本身当时其实我承担的角色是偏 AI 技术和商业综合的一些体系的 ， 文明其实比较偏人才和产品 ， 然后杨沐其实比较偏工程 ， 所以本质上我们三个合在一起可能是一个比较完整的一个组合 。
其实你说到 Face++， 它有点像现在的 DeepSeek，有一点 ，因为那会儿也是你们做出来之后就开源 ， 它其实在那个社区里是有影响的 ， 只是当时 AI 没有那么出圈 。
而且那个时候你们开源的时候也并没有想接下一步 ， 就说它这个商业上到底怎么落地 ， 对吧 ？
你们想的就是我先把这个做出来 。 哪些对 AI 的理解是你创业之后你觉得你才变得更深刻的 ？
可能不创业是不会这样去理解 AI 的 。
我觉得 AI 是至少在过去的十来年前是工业界推动的 。 我觉得本质上 AI 是一个系统科学 ， 所以系统科学它其实就需要有时间的场景 ，有真的问题 ， 同时它需要有大量的这个包括算力 、 数据 ， 就比如数据这件事情 ， 先不说算力 ， 算力可能是花钱的 ， 数据这件事情你要在一个科研机构去搞数据 ， 可能真的它从规模到质量的控制都会 ， 都基本上是个 toy 的
事情 ， 就是做另一些数据 ， 证明一些 idea 是不是 OK 就 OK 了 ， 就这是在科研里面 。 而在实际的工业界它要求以产品为导向的话 ， 它其实对这个量级 、 质量 、 品质 、 品控都不一样 。
所以我觉得我还是很庆幸选择了这个在工业和商业界去推动这个 AI 的发展 。
你刚才很早的时候就说了 ， 你觉得那个纯虚拟的东西不是你想要的未来 ， 那其实 AI 的话现在确实大家的优化方向不同 ，而且我跟一些人聊 ， 甚至我觉得有的人就不认为去优化物理世界相关的 AI 是一个那么重要的 。
那还有同学觉得多模态都不用做 ， 就能够实现 AGI 的 。 对 ， 所以这个我觉得有不同的判断吧 ， 就是我觉得因为 AGI 本身是一个比较宽泛的概念 ， 还是回到我的初心 ， 我觉得最后还是想做的这套这个机器是真的就是能够很在各种环境下都能帮人能够相对完成这个人需要它完成的这种任务 ，其实它一定需要有这种输入输出 ， 需要有这种综合环境
感知和互动的能力的 ， 所以这个其实一定是要在物理世界来做的 。
你觉得人类的集体选择最后会选择哪一种 ？ 其实很多科幻小说里也设想过嘛 ， 就是有一种方式可能是我们更多的去改造物理世界 ， 甚至我们冲出地球 ， 冲出太阳系 ， 成为一个星系的文明 ，也有一种可能的未来是大家都沉浸到虚拟世界 。
我觉得这两个其实是相辅相成的 ， 所谓相辅相成的概念就是说不得不承认 ， 就是说虚拟世界的沉浸这件事情的趋势其实是在非常快速的加速的 ，其实我是比较反对这个趋势 ，但这个是本身人性的另外一面吧 。
就回到点 ， 就当大家有更多机器人工作的时候 ， 那大家的时间怎么去 kill time， 对吧 ？ 所以它确实需要虚拟世界的更多娱乐化的手段 ， 让大家能够去生活 ， 所以它是一个匹配 。
但是我自己感觉就是人类的这新的本质是一种对生存和繁衍的需求 ， 所以我觉得它最后对物理世界这个追求 ， 它会自己有自我的校正 。
就我不认为就人类如果没有外力的话 ， 人类就会自己慢慢慢慢本质就陷入到那个虚拟的沉浸当中 。
我觉得其实在人类历史上其实也比如当年的像嬉皮士这些 ， 这些都会有一些就思想的思潮会往回走 ，因为你要看当年像电视出来的时候 ， 这些东西其实当时大家很多担心也跟现在是很像的 ， 觉得什么娱乐致死这些 ， 对吧 ？
人是很怕死的 ， 就人类整个这个种族是很怕死的 ， 它会自己会有矫正的 。 人是不能脱离自然空间的 ， 就包括不能脱离大自然 ， 所以它会在一个阶段会有一个思潮能够再回来 。
所以这个是你觉得最后集体选择的话 ， 人类也会需要这个物理世界的 AI。
它的肉身是在这里 。
大模型现在没有一个人有的东西 ， 就是人还是有意识的 ， 你觉得这些都可以学习 ？
就是人脑本质上如果它只是一个通过生物材料所构建的这样的一套体系的话 ， 那它一定是有个计算模型的 。
就如果没有在假设人脑的构建真的就是一个一个神经元 ， 然后电触发 ， 假设它真的就这个结果 ， 没有什么 magic， 就没有什么更高我们现在不知道的东西 ， 什么量子纠缠 ， 没有什么的 ， 那那个我不懂 ，但只要如果没有这个东西 ， 那它就是一个完全可被模拟的一套计算体系 ， 就是它是由它的物理结构决定的 ，是由它的硬件决定的 。
就是你说的这个 ， 就是说即使现在大语言模型不是这样 ，AI 系统也是可以的 ， 可能未来是可以做到的 。
你上次还聊了一个话题 ， 我觉得很有意思 ， 就是你分享了一下你和徐冰交流之后的一些你的一些想法 ， 就你当时的总结是确实是我从来没想过的角度 ， 就我印象很深 ， 就是你说他其实是一个工程师 ， 你大概是这么总结的 ， 就他做这些项目 ，他有一个很细致的计划 ， 甚至他还要去融资 ，而且其实他有很多项目 ， 你可以说他是在重复自己的一些艺术
语言吧 ， 一些表达 。 然后最后这个东西的核心可能是你作为一个艺术家有没有那么多你想表达的东西 ， 然后你最后大概是说像 AI 发展这么快 ， 科学的边界在扩张 ，但是艺术的边界是在缩小的 ， 这个点你是怎么进一步去思考的呀 ？
你刚才也说肉身很重要 ， 生活很重要 ， 你希望最后的技术是帮助大家更好的去生活 ，而不是完全的脱离生活 。
然后但我们现在也看到 ， 就比如说艺术也可以被创造了 ， 被 AI 创造了 。
我觉得首先人类在所有的智力活动中不应该有任何优越感 ， 我觉得这是逻辑 ， 就是艺术也是一种优越感 ， 对吧 ？
创造力是一种优越感 。 我觉得这有点像去剥一个洋葱 ， 就是我们其实在人类做的各种发现 ，其实是在探究那个我们可能更高维度的那个秘密 。
那其实比如说像科学自然其实发明了很多规律 ， 然后这些规律我们可以慢慢觉得这个东西从神秘变成一个更能被描述和规则化的东西 。
艺术我觉得现在的大部分艺术也是这样 ， 就是所有已经成型的东西都可以被结构化 ， 结构化之后它就慢慢会变成一个手艺 ， 然后变成一个工程 ， 然后当它变成手艺工程的时候 ，AI 就能来做这件事 。
比如说像音乐这件事情 ， 我觉得像比如现在 AI 对电子乐其实就很好 ， 就因为电子乐是一个比较结构化的东西 ， 它不用有那个 ， 所以我觉得人类首先第一点不应该有这个任何的认知的优越感 ， 就这些东西其实都会一点一点当年觉得神奇的事情都会变成一个很稀松平常的事 。
但反向来讲 ， 这也是人类应该有优越感 ， 就是人类在不断的去剥这个洋葱 ， 当你不知道要剥多久能够看到那个内核的东西 。
我觉得那个内核的东西是人本质在追求一种升维 。
经过这么多事情之后， 你现在怎么看运气这件事情 ？ 你觉得运气对人生对创业意味着什么 ？
我其实越来越觉得运气是一种是跟这个人的个性和他的选择的习惯比较相关的 ， 或者说运气是越来越不偶然的一件事情 。
你如果一次去上战场活下来 ， 就是运气 ， 对吧 ？ 但是你可能上了 1000 次战场你还活下来 ， 还是其中是有一些更本质的东西 ， 所以它可能不仅仅是运气 。
所以我觉得运气其实是一个人本身做选择的方式 ， 决定了他的运气 。
你会有一段时间觉得自己运气不好吗 ？
因为这样 。
你从来没有这么觉得 ？
对 。
你也没有觉得就是自己的情况其实是不够 fair 的 ， 就可能你跟一些人做的也差不多好 。
对 ， 我还觉得比一些人做的更好 ， 对吧 ？ 就是但我觉得这是一个过程吧 。
这是第一刻就能接受的吗 ？
我觉得这就是人生的一种经历 ， 所以我觉得需要在这个过程中我还是那句话找到这种个人的成长线 ， 就是你自己在这个过程中有没有真正有更多的体验 ， 能够把你想做的事能做得更好 ， 你自己能力有没有增长 ，有没有真的带领这个身边的这群人能够获得大家想要的东西 。
所以我觉得这些都是我觉得可以作为一个目标来去追寻 ， 这个我觉得比那个所谓的顺和逆更重要 ，因为那个都是很阶段性的 。
自己在这个目标中的你的乐趣和成就感是什么 ？
其实跟吉利昨天讲的有点像 ， 我觉得是把难而正确的事做对吧 ， 就是我觉得我们选的事都是挺难而正确的 ， 这个事就是很少数人能做 ， 那我们坚持做下去 ， 如果有一天能把它做成了 ， 我觉得还是很有价值 。
就你自己的价值是它只是自己的价值 ， 还是你是这个价值是基于你觉得它给外部创造了很多价值 ？
第一 ， 我觉得人的很多底层的思维逻辑上它最后一定会关联到个人， 就是你的个人的成就感等等 ， 就是你这是你的支点和锚点 。
对 ， 这其实是你很难 posture 的一部分的 ego 的部分 。
对对对 ，但是这个东西可能就是不仅仅是这个 ， 就是如果你发现一个人只是自己的那个价值 ，其实你会发现你可能有很多不同的方式 ， 你可能不会选择这样一条路 。
我之前讲过就是那个还叫什么 《 一代宗师 》 里面讲这个见自己 、 见世界和见众生 ，其实我当时觉得最终这个顺序应该是见世界 、 见众生 、 见自己 ， 就见自己是在最后的 ， 就是当你对这个事业有认知 ， 然后跟一群人做成了很多事情 ， 最后你可能才能真正知道你内心支点或者你内心所寻求的那个人生的价值和意义 ， 所以这是一个过程 。
对 ， 认识你自己 ， 这其实是个很难的哲学上的课题 。
节目还没有结束 ， 接下来的内容是 5 月我和应琪的一次远程沟通 ， 我们补充聊了更多她对 AI 大模型创业机会的看法 。
大模型与Agent1:48:49
她认为超级模型加超级应用就是应该同时做 ， 她解释了这是为什么 ，也分享了她对现在有潜力成为超级应用的一个大方向 ，也就是 Agent 方向的观察 。
你觉得这一次的 AI 变革它是一个大周期里的小版本 ， 还是一个全新的版本 ？
对 ， 我觉得是个大周期里的决赛环节吧 。
大周期里的决赛环节 ， 那这个大周期是从什么时候开始的 ？
我总体觉得这个大周期应该也差不多有 10 年了吧 。
2015 年， 那最后赢得这个比赛的人有可能是最近才登场的人吗 ？ 其实有些公司是 23 年才成立的 。
OpenAI 有多少年 ？
OpenAI 很多年了 ，是 2015 年 11 月成立的 。
我觉得可能公司也许有可能是新的 ，但是我觉得这个团队肯定是要经历过整个这个周期考验的团队吧 。
我感觉这是一个厚积薄发的行业吧 ， 就是很难真正大家就冲进来就能够获得最终的胜利 ，是蛮难的 。
所以这个大的周期是整个深度学习的周期 ， 那这个决赛信号是什么 ？
决赛信号我倒觉得确实是语言模型的突破吧 ， 就是 GPT 模型范式的突破 ， 这个我觉得是本质的决策信号 ，因为之前大家更像用深度学习在围绕大脑的一些周边做一些功能 ， 比如做视觉 、 做语音 ，但本质上在这个大脑的中枢的机制是没有解决的 。其实这个 GPT 和解锁这种模仿学习的机制 ， 且能够有这个能够海量的 scale up 的这样的方式 ， 这两个
因素吧 ， 就是本质上决定 ， 一个是学习范式 ， 一个是刚才讲的这种这种 scaling 的一种机制 ， 这两个东西我觉得是决定了本质上这个深度学习的决赛权吧 。
相当于原来深度学习更像是一些局部的差异 ， 量级不能无限往上去延伸 ， 学习范式也不能是一个更普适的学习范式 ， 那普适学习范式解决了 ， 然后往上延伸解决了 ， 那确实到了大家最后冲刺的时候 。
你觉得在这个大周期里 ， 就是过去 10 年， 现在的创业者还有投资人最忌惮的一些大公司 ，他们的积累是什么 ？
华为我觉得是有非常强的从芯片往上的软硬件的这套体系 ， 再加上整个我觉得很均衡的均衡的强大营销能力吧 ，to G to B to C， 国内国外， 这是华为吧 。
字节我觉得是从应用往下去生长 ， 从应用长到云 ， 长到可能操作系统 ， 它整个以移动互联网为牵引的整个这个大的流量的整个变现体系 ，以及非常高的人才密度 ， 然后并且它的整个这个商业变现的网络其实国内国外也都比较谦虚 。其实阿里也都掌握这些体系 ， 从底层的芯片到云计算的系统 ， 到模型的能力 。
对 ， 阿里应该是开源里面我觉得是国内最好的 ， 跟综合 。其实很多人也会认为像就是像腾讯这种公司掌握超级 App， 包括像美团这些公司 ，他们其实是有很多线下生活服务的资源的 。
刚才讲的大模型从技术角度嘛 ，但腾讯我认为应该是互联网 ， 从现在来看 ， 从生态角度 ， 无论是微信还是整个的内容生态 ， 我觉得是非常非常适配未来 AI 这个浪潮的 ， 所以腾讯才能比较有战略空间 。
所以其实大家是从不同的角度积累了一些有价值的东西 ， 它不一定都是以 AI 技术本身作为它最强的一个点 。
对 ，AI 的本质不是讲究超级模型加超级应用 ， 所以就是大家在模型的应用上可能有不同的分数 ，但都是非常好的玩家 。
你自己对 Super App 的定义是什么 ？
对 ， 我自己感觉就是说在大模型的第一个阶段 ， 大家对于 Super App 的想象其实总体就是两类吧 ， 就是一类就是类搜索的 ， 你叫它对话也好 ，但我本质上认为它叫新搜索吧 ， 就是通过对话或者多轮的形式最后实现一个信息获取的形态 。其实这个里面其实大部分国内国外都没有跳出来 ， 只是说可能真正走出来的就是 ChatGPT 这样一个场景的 Super App。
那第二个场景其实是偏陪伴类的 ，以 Cardian.ai 这样的一个场景 ，Cardian.ai 最后大家证明其实它因为它需要的模型能力上面可能更高 ， 它有情感记忆等等这些东西 ， 可能过去的这些模型可能都不 ready， 那后面又收敛到这个偏这个整个 ChatGPT 的一个各种变种 。
所以我觉得之前的 Super App 其实比较收敛 。
什么叫 Super App？ 就是它是量到一个什么程度 ？ 你是用量来给它定义的 ， 还是用什么来定义超级的 ？
Super App 我觉得可能有两个维度吧 ， 一个是它本质的上限 ， 这个上限其实包含它整个的商业化的价值 ，因为大家其实会知道一个场景最后你要能在这场景下能够持续的能去跟巨头去竞争 ， 你也并且这个场景能够支撑起你对于整个你的模型体系的迭代的 ， 那这个场景得足够大 ， 它的商业模式得能看出它的上限 ， 所以这个这种场景就不
多的 ， 这个这是上限 。 第二点所谓的 Super App 就是说也能看到它在短期内整个用户增长的的态势吧 ， 我觉得这两点可能都得有 ， 就是既得有上限 ， 同时又得有这个短期的趋势吧 。
就是有上限 ，有短期的爆发力 。
对 。
现在我们能看到 ChatGPT 这种形态的未来可行的商业模式吗 ？ 当然 OpenAI 它是有它的商业模式 ， 它是订阅 ，但是它目前的订阅应该还是远远覆盖不了它的成本 。
我自己感觉就是这种传统的偏类搜索的东西都很难覆盖 ， 就是因为坦白讲搜索已经 set up 了一个很好的 baseline， 就是大家比如一个点击广告它的成本是多少 ， 就这个其实是一个非常成熟的生态 ， 就是只是在一个因为本身 Chatbot 我觉得总体它现在的 Chatbot 的形态还是一个搜索的升级版 ， 就它能完全搜索一部分功能 ， 同时它可能能做一些更深度的一些信息的检索和
整合的一些工作 ， 那这个东西我觉得它不足以支撑它的整个模型研发和模型的 serving 的成本 。 所以总体我不太看好就是泛搜索类的应用吧 ， 这个还是像上一代应用场景的加 AI 的一个改进版 。
对 ， 你刚才说的是第一个阶段大家看到了一些 Super App， 那现在是到第二个阶段了吗 ？
对 ， 第二个阶段总体大家讲的比较多词叫 Agent，不管用什么 Agent 的这种逻辑 ，因为第一个阶段我认为更多还是一个信息的服务吧 ， 第二个阶段我觉得本质上还是要是一个闭环的服务 ， 就是说不管是工作 、 生活 、 创作 ， 就最终它要这个 AI 是要能闭环一个场景里的一个完整的服务 ，并且用户愿意为这个服务来去付费和去做溢价的这种价值的输出 ， 那这样的这
个就相当于能帮你完成任务 ， 跟你只能陪你去聊天 、 获取信息 ， 这两个还是两个很本质的价值链上， 至少是一个 10 倍以上的一个价值的一个体量吧 。
为什么在第二阶段 Agent 这个产品形态上， 好像目前之前风头比较盛的像六小龙 ， 就是他们都自己做大模型 ，也自己做应用 ， 它符合你说的双轮驱动这个模式 ，但是他们到目前好像也没推没有推出什么大家印象比较深的 Agent 产品 ， 反而是自己不做模型 ， 它主要就是做应用 ， 比如像 Monica 这个公司 ， 它推出的 Malles 是大家比较受关注的 。
我觉得第一点就是说本身这个在 Agent 这个 level 里面 ， 它需要有新一代的机模作为支撑 ， 所以就是本质上我认为要做机模的话 ， 可能得是 O1 范式往后的 ， 那当然现在大家做这个 Agent 其实用 O1 的范式 ， 包括可能用最多的范式 Anthropic 的 Claw 的这套模型体系 ， 所以它对于模型要求会更高 ，因为它的可靠性 ， 它的任务的分解能力 ， 当然大家有很多人认为说这
个任务的能力跟它底层的 coding 的能力是有相关性的等等吧 ， 就相当于这是第二代模型 ， 第二代模型其实要求还是很高的 ， 那这首先这是第一个点 。
第二个点我自己简单会把这个 Agent 就是能帮你做的事分为四类 ， 就是工作 、 创作 、 生活和情感 ， 就是我们现在看到的像 Monica 这些其实都偏工作吧 ， 就是不管是一个检索的信息的任务在做梳理 ， 还是一个编程的任务还是怎么样 ， 这个其实是基于一个国外比较一流模型去做的一个套壳 ， 这个应用场景我觉得早期大家用户会比较有获得感 ，但长期坦诚讲我
觉得这个不太是创业公司的一个赛道 ，因为这个对模型的耦合度太高了 ， 如果没有自己的模型来做这样一个纯工作类的工作类的 Agent 我觉得是很难的 。
还有一点就是工作类的 Agent 我觉得不管是海外的 office 还是国内的非书字节 ， 我觉得最终工作类的东西会跟现有的工作的一些核心的软件体系是会做深度的结合的 ， 所以这个我觉得还是比较大众的赛道的 。
我最早一直都在讲就是 coding 和工作类的东西 ， 我不觉得是创业公司的赛道 ， 那这是第一类 。 第二类就是创作类的 ， 创作类这里面包含大家讲的视频 、 音乐 ， 甚至未来有些游戏类的东西 ， 这个赛道我觉得因为是内容属性很强 ， 既是大厂很有竞争机会的 ， 同时我觉得也创业公司可能是有机会的 ， 它是有爆款闭环的可能性的 。
然后第三类就是生活类的 Agent， 生活类 Agent 是我觉得其实体量最大的 ， 那生活类 Agent 我觉得一个很重要的问题是它需要跟硬件结合 ，因为比如说简单来讲手机上那个 Siri 那个位置是一个非常好的生活的助手的一个点 ， 那这个生活助手这个点它需要跟操作系统 、 跟硬件的整个这套的生态要能够很深度的去融合 ， 那这件事情我觉得在发生当中吧 ， 可能需要一点时间 。
还有情感类的 。
对 ， 情感的东西我觉得是个比较终极的 ， 情感可能是未来也许跟软硬结合相关 ， 它可能需要一些载体 ， 比如现在不光是大的巨声 ， 现在其实卖的比较热的也有一些 AI 的一些玩具类的东西 ， 小型化的 ， 这些东西可能我觉得它可能需要有一些载体 ， 同时情感的东西我觉得一直我认为是一个最深度的东西 ，其实现在现在的 AI 可能技术成熟度还没有那么高 ，
所以我觉得这个可能时间周期会更长一点 ，但前面三个就是工作 、 创作和这个生活 ， 我觉得现在应该是未来 18 个月到 24 个月大家可能都会有不同的公司去引爆的点吧 。其实最终我觉得大模型这种能力 ， 我一直说如果说大模型一定要做个类比的话 ， 大模型还是最像搜索引擎的 ， 就这个搜索引擎这件事情其实它是一个复杂的数据的巨系统 ， 所以
本质上就是说你拿来一个开源的权重 ， 你当然可以去使用它 ，但是你几乎现在包括 DeepSeek 的模型 ， 它的那个这个持续的 continuous training 其实是很难的 ， 你去改它其实是很复杂的 。
所以本质上这个开源模型本质上就如果一个模型你是不能去做更改和个性化的话 ，其实这样一个模型坦诚讲可能只能做一个早期的一个使用 ，但是真正去做到核心的商业化场景的时候都是不适用的 。
所以真正能够去解锁核心的 Killer App 的公司 ， 它一定得具备一个完整的大模型的能力 ， 它具备这个能力 ， 它可以是说用一部分的开源模型带一部分自己的这个数据和能力 ， 所以这个其实我觉得是不矛盾 。
所以你的意思就是说即使那些不自己预训练大模型在而是在别的模型基础上来做应用的这些公司 ，其实它如果未来想真的能解锁一个 Super App， 能在商业上有闭环 ， 它还是得自己掌握模型训练的能力 ， 就它至少得有改和微调的能力 ， 对不对 ？
对 ， 我觉得微调可能都不够 ，因为真正未来从应用场景 ， 如果一个应用场景其实如果现在看我们 Super App 其实最后是两个维度 ， 一个是性能 ， 一个是成本 ， 就性能和成本 ， 如果真的这个所谓的 Super App 其实某种意义代表就是一定是一个最强的竞争对手 ， 大家一起竞争的一个场景 ， 如果在这个场景里面 ， 如果你不具备对于性能和成本的这两项的一个深度优
化和差异化 ， 这场仗是不可能打赢的 。 所以为什么我刚才讲到就是说你自己必须得能够完全深度掌握这个模型的各方面能力 ， 那光用个开源去想做一个核心场景是我觉得是很难竞争的 。
那也回到就是这个话题的开头 ， 我们是在讨论说创业公司 ， 就不管是大模型创业公司还是说可能我的重心是偏应用的这种创业公司 ， 它在其实巨头也都对 AI 有必争之野心的这个情况下怎么跑出来 ？
首先我认为就是大模型这件事就是一件很难的事 ， 就是它资源消耗高 ， 然后巨头都在 ，但是反向来讲也正因为这样 ， 我觉得更需要把模型和应用结合起来 。
我觉得其实 DeepSeek 其实某种也是展现了一个很好的例子 ， 就是其实在这样一个像 ChatGPT 类的这种应用场景下， 一个极简的这种这个 Chatbot 的场景下， 如果真正把模型和这种产品体验做得很好 ，其实它的短期爆发力还是很强的 。
所以这也是说最后这个创业公司跟大的公司来竞争 ， 肯定还是要专注且闭环的 ， 就专注代表你要在某一类大的模型侧要能做出可能代际式的差异化 ， 这个差异化不仅仅是因为底层技术的变革 ， 我觉得也有很多用户体验方面的数据上的优化 。
刚才讲到的这几个赛道里面 ，其实每个赛道工作 、 创作和生活 ， 它所需要的模型的结构是还是不一样的 ， 虽然都很需要机模能力 ，但机模往上涨 ， 比如在多模态上的需求强弱就不一样 。
所以本质上就是首先我觉得得创业公司得集中力量于一点吧 ， 那比如说像这些大的体系 ， 它可能每个点都有很好的布局 ，但是每一块的资源也相对是就每一个单点我觉得创业公司都有的打头部的创业公司 ， 所以我觉得第一资源要集中吧 ， 同时这个东西其实还是要跟一个应用的载体能够直接触打 C 端去能闭环来做 ， 那这个我觉得 DeepSeek 可能其实
做了一次很好的一个展示吧 。 就这样的场景就是巨头的封锁不是没有空隙的 。 第二点我觉得 Agent 这件事情其实还是一个非常场景和应用导向的 ， 所以我觉得一定要有应用的出口 ，不管这应用是软件的还是硬件的 ， 我觉得这两点可能是最重要的 。
就是我觉得大模型我觉得还是要回归常识吧 ， 就是大模型这件事情是有非常非常多的难点 ， 就比如说它的资源投入 、 人才密度要求 ，但最终它还是会回到常识 ， 所以我还是认为大模型这个时代还是会有新的巨头诞生吧 ， 就还是会是新公司来去获胜的 。
因为这个东西它对于组织能力和商业模式的变革实在是太大了 ， 我倒不觉得就是简单就是原有的巨头能够通吃的 ， 所以我觉得大模型还是会涌现很多新兴的优秀的公司出来 。
所以你想说的这个常识是江山代有人才出 ？
常识就是最终如果一个巨大的技术变革 ， 这个变革只要足够本质 ， 就一定是新公司赢 。
谢谢大家的收听 ， 本期 《 点点呈现 》 分享与往期节目的三个相关性 ， 一个是关于科技创业之中星辰大海与照顾脚下的平衡 ，113 期和 114 期与 Mita、Ming、Kerry 的两次访谈中， 我们也讨论了这个问题 。Mita 成立于 2018 年， 也是在这一轮 AI 热潮之前 ，他们经历过 AI 融资环境最严酷的那几年 。Mita 在做新产品拓展时， 一个很重要的考量就是这个产品要有真实的用户 、 有收入 、
结尾2:03:32
有商业价值落点 ， 当然也有人会觉得 Ming、Kerry 的这种思路会比较谨慎和保守 。 最后市场是会奖励冒险者还是稳健者 ， 更大的概率是谁能更快试错 、 更高效的调整 、 更能适者生存 。
因为整个 AI 创业现在面临模型技术和产品的双重不确定性 。 二是关于智驾等汽车智能化的讨论 ，77 期节目我们访谈了中国智驾头部供应商 Momenta 的创始人曹旭东 ， 当时是 2024 年夏天 ， 正是端到端上车竞争最激烈的时刻 。
曹旭东回顾了端到端逐步变得主流的过程 ，他本质上是数据驱动或者说模型在智驾系统里占比的提升 ， 好处是能让辅助驾驶的泛化性更好 ， 适应更多的情境和路况 。
而在 84 期节目 ， 我们与 Bot Auto 创始人侯晓迪聊特斯拉的 Robotaxi 和 96 期节目与小马智行的联创兼 CTO 娄天成聊全无人驾驶时， 两位做 L4 的创始人都对端到端提出了他们的思考 。
比如侯晓迪提到端到端有一定的不可解释性 ， 如果用来做全无人驾驶可能会引起合规问题 ， 娄天成认为不管是不是端到端 ， 当前以模仿学习为主的高级辅助驾驶的方法都做不到超越人类司机 ， 它最多只能逼近人类司机 ，而用户对全无人驾驶系统的期待又远远超越了人。
所以全无人驾驶需要新的方法 ， 小马摸索的思路简单来说就是从 learning by watching 到 learning by practicing。 三是关于 Agent， 这是最近我们多期节目里都在讨论的话题 ， 比如在 106 期访谈郑格的戴雨森 ，111 期访谈 Poke 的创始人朱哲青 ， 还有 110 期访谈明师的夏令 ， 我们都讨论了 Agent， 涉及了 Agent 的技术基础 、 垂直 Agent 通用 Agent 的机会比较 、 中美市场的差异 ，以及具体的创业实
践 ， 比如 Poke 就是在用强化学习来做 Agent 的决策核心 。111 期中， 夏令的一个观察和近期红杉闭门会的讨论异曲同工 ，其他觉得 Agent 的商业模式不应该只有订阅 ，而是应该从赚订阅费走到赚服务收益 。他也分享了一个具体的投资案例 。
如果想更多了解 Agent 的相关内容 ， 可以去听我们的往期节目 。
本期节目就到这里 ， 欢迎收听 。 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 ， 欢迎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
。