作者 | 張小珺
來源 | 騰訊科技
（ID：qqtech）
就連陸奇都(dōu)說他跟不上大模型時代的狂飙速度了。他讓下屬做“大模型日報”，一方面(miàn)便于他跟上論文和信息更新，另一方面(miàn)給奇績生态創業者共享。他用了三個“實在”表達這(zhè)一點。“我實在不行了，論文實在是跟不上，代碼實在是跟不上。Just too much（太多了）。”陸奇在近期一次分享活動上說。
這(zhè)樣(yàng)的時刻還(hái)從沒(méi)有過(guò)。奇績創壇創始人兼CEO陸奇是中國(guó)AI布道(dào)人，也是中國(guó)針對(duì)大模型最有發(fā)言權的人之一。他曾在全球巨頭身居要職，先後(hòu)任職于IBM、雅虎、微軟、百度，曾是華人在美國(guó)科技公司最有權威的高層人士，位至雅虎和微軟執行副總裁，回國(guó)加盟百度出任集團總裁兼COO。陸奇以勤勉的工作爲科技圈著稱——每天清晨4點起(qǐ)床，跑步5英裡(lǐ)，6點準時到辦公室。
同時，他和OpenAI有著(zhe)深厚淵源。陸奇所掌管的奇績前身是YC中國(guó)，是美國(guó)著名創業孵化器YC（Y Combinator）的中國(guó)分支。他也是YC全球研究院院長(cháng)。而OpenAI首席執行官Sam Altman正是YC二代接班者、現任總裁。兩(liǎng)人雖相差24歲，卻是忘年交，相識已逾18年。當初正是Sam Altman屢次力邀陸奇加盟YC。所以，陸奇對(duì)YC、對(duì)Sam Altman和OpenAI都(dōu)有長(cháng)期的近距離觀察。
2023年4月22日，陸奇在上海舉行小規模演講，騰訊新聞有幸參與了旁聽。陸奇希望幫助中國(guó)創業者認清這(zhè)次曆史性的拐點時刻，定位今天的時代坐标、找準自己的位置。“這(zhè)個時代跟淘金時代很像，”他說道(dào)，“如果你那個時候去加州淘金，一大堆人會死掉。但是賣勺子、賣鏟子的人永遠可以賺錢。”
陸奇很反感蹭熱點，他一再警示創業者蹭熱點隻會浪費機會。到現在爲止，你幾乎很難在公開(kāi)渠道(dào)聽到陸奇的觀點。這(zhè)也讓本次演講具有稀缺性。
事(shì)實上，在大模型快速達成(chéng)社會共識之際，一部分人期待陸奇博士披甲上陣，做“中國(guó)的Sam Altman”——扮演可能(néng)比一名投資者、布道(dào)者更關鍵的角色。但據奇績内部人說：“Qi目前100%時間花在奇績。”
騰訊新聞作者將(jiāng)這(zhè)場分享進(jìn)行了完整的整理——演講涵蓋他對(duì)大模型時代的宏觀思考，包括拐點的内在動因、技術演進(jìn)、創業公司結構性機會點以及給創業者的建議。大家可以各取所需。
好(hǎo)了，讓我們來看看陸奇怎麼(me)說。爲了方便閱讀，作者做了一些字句修改和文本優化。
社會性拐點的核心
是一項大型成(chéng)本從邊際變成(chéng)固定
我認識Sam Altman是2005年，他那時19歲不到，我已經(jīng)40多歲了。
我們倆是忘年交。他是一個很善良也很奇怪的小孩，今天很高興他能(néng)這(zhè)樣(yàng)改變世界。前不久，我春節在美國(guó)3個月，也到OpenAI和Sam聊了一些。
首先，怎麼(me)理解這(zhè)個新範式？這(zhè)張圖能(néng)把ChatGPT和OpenAI所帶來的一切講清楚。之後(hòu)，基于第一性原理，你自然會推演出所在賽道(dào)的機會和挑戰。
這(zhè)張圖是“三位一體結構演化模式”，本質是講任何複雜體系，包括一個人、一家公司、一個社會，甚至數字化本身的數字化體系，都(dōu)是複雜體系。“三位一體”包括：
“信息”系統（subsystem of information），從環境當中獲得信息；
“模型”系統（subsystem of model），對(duì)信息做一種(zhǒng)表達，進(jìn)行推理和規劃；
“行動”系統（subsystem of action），我們最終和環境做交互，達到人類想達到的目的。
任何體系，都(dōu)是這(zhè)三個體系的組合，數字化系統尤其如此。數字化和人分不開(kāi)。人也一樣(yàng)，人要獲得信息、表達信息、行動解決問題或滿足需求。
基于此，我們可以得出一個簡單結論。今天大部分數字化産品和公司，包括Google、微軟、阿裡(lǐ)、字節，本質是信息搬運公司。一定要記住，我們所做的一切，一切的一切，包括在座的大部分企業都(dōu)在搬運信息。Nothing more than that，You just move bytes（僅此而已，你隻是移動字節）。但它已經(jīng)足夠好(hǎo)，改變了世界。
早在1995-1996年，通過(guò)PC互聯網迎來一個拐點。那時我剛從CMU（卡内基梅隆大學(xué)）畢業。大量公司層出不窮，其中誕生了一家偉大公司叫(jiào)Google。爲什麼(me)會有這(zhè)個拐點？爲什麼(me)會有爆炸式增長(cháng)？把這(zhè)個觀點講清楚，就能(néng)把今天的拐點講清楚。
原因是，獲取信息的邊際成(chéng)本開(kāi)始變成(chéng)固定成(chéng)本。
一定要記住，任何改變社會、改變産業的，永遠是結構性改變。這(zhè)個結構性改變往往是一類大型成(chéng)本，從邊際成(chéng)本變成(chéng)固定成(chéng)本。
舉個例子，我在CMU念書開(kāi)車離開(kāi)匹茨堡出去，一張地圖3美元，獲取信息很貴。今天我要地圖，還(hái)是有價錢，但都(dōu)變成(chéng)固定價格。Google平均一年付10億美元做一張地圖，但每個用戶要獲得地圖的信息，基本上代價是0。也就是說，獲取信息成(chéng)本變0的時候，它一定改變了所有産業。這(zhè)就是過(guò)去20年發(fā)生的，今天基本是free information everywhere（免費的信息無處不在）。
Google爲什麼(me)偉大？它把邊際成(chéng)本變成(chéng)固定成(chéng)本。Google固定成(chéng)本很高，但它有個簡單商業模式叫(jiào)廣告，它是世界上高盈利、改變世界的公司，這(zhè)是拐點關鍵。
今天2022-2023年的拐點是什麼(me)？它不可阻擋、勢不可擋，原因是什麼(me)？一模一樣(yàng)。模型的成(chéng)本從邊際走向(xiàng)固定，因爲有件事(shì)叫(jiào)大模型。
模型的成(chéng)本開(kāi)始從邊際走向(xiàng)固定，大模型是技術核心、産業化基礎。OpenAI搭好(hǎo)了，發(fā)展速度爬升會很快。爲什麼(me)模型這(zhè)麼(me)重要、這(zhè)個拐點這(zhè)麼(me)重要，因爲模型和人有内在關系。我們每個人都(dōu)是模型的組合。人有三種(zhǒng)模型：
1.認知模型，我們能(néng)看、能(néng)聽、能(néng)思考、能(néng)規劃；
2.任務模型，我們能(néng)爬樓梯、搬椅子剝雞蛋；
3.領域模型，我們有些人是醫生，有些人是律師，有些人是碼農。
That’s all。我們對(duì)社會所有貢獻都(dōu)是這(zhè)三種(zhǒng)模型的組合。每個人不是靠手和腿的力量賺錢，而是靠腦袋活。
簡單想一想，如果你沒(méi)有多大見解，你的模型能(néng)力大模型都(dōu)有，或者大模型會逐步學(xué)會你所有的模型，那會怎樣(yàng)？——未來，唯一有價值的是你有多大見解。
人類社會是技術驅動。從農業時代，人用工具做簡單勞動，最大問題是人和土地綁定，人缺少流通性，沒(méi)有自由。工業發(fā)展對(duì)人最大變化是人可以動了，可以到城市和工廠。早期工業體系以體力勞動爲主、腦力勞動爲輔，但随著(zhe)機械化、電氣化、電子化，人的體力勞動下降。信息化時代以後(hòu)，人以腦力勞動爲主，經(jīng)濟從商品經(jīng)濟轉向(xiàng)服務經(jīng)濟——碼農、設計師、分析師成(chéng)爲我們時代的典型職業。
這(zhè)一次大模型拐點會讓所有服務經(jīng)濟中的人、藍領基本都(dōu)受影響，因爲他們是模型，除非有獨到見解，否則你今天所從事(shì)的服務大模型都(dōu)有。下一時代典型的職業，我們認爲是創業者和科學(xué)家。
所以，這(zhè)次變革影響每個人。它影響整個社會。
我所看到的三個拐點
下個拐點是什麼(me)？
下個拐點將(jiāng)是組合：“行動”無處不在（自動駕駛、機器人、空間計算）。也就是人需要在物理空間裡(lǐ)行動，它的代價也從邊際走向(xiàng)固定。20年後(hòu)，這(zhè)個房子裡(lǐ)所有一切都(dōu)有機械臂，都(dōu)有自動化的東西。我需要的任何東西，按個按鈕，軟件可以動，今天還(hái)需要找人。
那麼(me)，哪些公司能(néng)走到下個拐點、站住下個拐點？我認爲特斯拉有很高概率，它的自動駕駛、機器人現在很厲害。微軟今天跟著(zhe)OpenAI爬坡，但怎麼(me)站住下個拐點？
接下來講一下我們看到的三個拐點：
① 今天信息已經(jīng)無處不在了，接下來15-20年，模型就是知識，將(jiāng)無處不在。以後(hòu)手機上打開(kāi)，任何聯網，模型就過(guò)來了。它教你怎麼(me)去解答法律問題，怎麼(me)去做醫學(xué)檢驗。不管什麼(me)樣(yàng)的模型都(dōu)可以無處不在。
② 在未來，自動化、自主化的動作可以無處不在。
③ 人和數字化的技術共同進(jìn)化。Sam最近經(jīng)常講，它必須要共同進(jìn)化，才能(néng)達到通用智能(néng)（AGI）。通用智能(néng)四大要素是：湧現（emergence）+代理（agency）+功能(néng)可見性（affordence）+具象（embodiment）。
總結來說，我們從根本性的三位一體結構分析未來，從過(guò)去的曆史拐點能(néng)清晰看到今天所面(miàn)臨的拐點，本質是模型成(chéng)本從邊際走向(xiàng)固定，將(jiāng)有一家甚至多家偉大公司誕生。毫無疑問，OpenAI處于領先。
雖然講得有點早，但我個人認爲，OpenAI未來肯定比Google大。隻不過(guò)是大1倍、5倍還(hái)是10倍。
OpenAI核心就堅信兩(liǎng)件事(shì)
發(fā)展速度連Sam本人都(dōu)驚訝
下面(miàn)我從技術角度講OpenAI大事(shì)迹，它怎麼(me)把大模型時代帶來的？
爲什麼(me)講OpenAI，不講Google、微軟。講真心話，因爲我知道(dào)，微軟好(hǎo)幾千人也做這(zhè)個，但不如OpenAI。一開(kāi)始比爾·蓋茨根本不相信OpenAI，大概6個月前他還(hái)不相信。4個月前看到GPT-4的demo（産品原型），目瞪口呆。他寫了文章說：It’s a shock，this thing is amazing（這(zhè)太令人震驚了，這(zhè)東西太神奇了）。谷歌内部也目瞪口呆。
OpenAI一路走下來的關鍵技術：
1.GPT-1是第一次使用預訓練方法來實現高效語言理解的訓練；
2.GPT-2主要采用了遷移學(xué)習技術，能(néng)在多種(zhǒng)任務中高效應用預訓練信息，并進(jìn)一步提高語言理解能(néng)力；
3.DALL·E是走到另外一個模态；
4.GPT-3主要注重泛化能(néng)力，few-shot（小樣(yàng)本）的泛化；
5.GPT-3.5 instruction following（指令遵循）和tuning（微調）是最大突破；
6.GPT-4 已經(jīng)開(kāi)始實現工程化。
7.2023年3月的Plugin是生态化。
OpenAI的融資結構爲什麼(me)這(zhè)麼(me)設計？和Sam早期目标和對(duì)未來的判斷分不開(kāi)。他知道(dào)要融很多錢，但股權設計有一個很大挑戰——容易把回報和控制混在一起(qǐ)——所以他要設計一個結構，讓它不受任何股東的制約。于是，OpenAI的投資者沒(méi)有控制權，他們的協議是一種(zhǒng)債的結構。如果賺完2萬億，接下來是non-profit（不再盈利了），一切回歸社會。這(zhè)個時代需要新的結構。
它勢不可擋。Sam Altman自己都(dōu)surprise，連他都(dōu)沒(méi)想到會那麼(me)快。
如果大家對(duì)技術感興趣，Ilya Sutskever（OpenAI聯合創始人兼首席科學(xué)家）很重要，他堅信兩(liǎng)件事(shì)。
第一是模型架構。它要足夠深，隻要到了一定深度，bigness is betterness（大就是好(hǎo)）。隻要有算力，隻要有數據，越大越好(hǎo)。他們一開(kāi)始是LSTM（long short term memory），後(hòu)來看到Transformer就用Transformer。
第二個OpenAI相信的是，任何範式、改變一切的範式永遠有個引擎，這(zhè)個引擎能(néng)不斷前進(jìn)、不斷産生價值。
這(zhè)個引擎基本是一個模型體系（model system），它的核心是模型架構Transformer，就是sequence model（序列模型）：sequence in、sequence out、encode、decode後(hòu)者decode only。但最終的核心是GPT，也就是預訓練之後(hòu)的Transformer，它可以把信息高度壓縮。Ilya有個信念：如果你能(néng)高效壓縮信息，你一定已經(jīng)得到知識，不然你沒(méi)法壓縮信息。所以，你把信息高效壓縮的話，you got to have some knowledge（你得有一些知識）。
Ilya堅信GPT3、3. 5，當然GPT-4更是，它已經(jīng)有一個世界模型在裡(lǐ)面(miàn)。雖然你做的事(shì)是predict next word（預測下一個關鍵詞），這(zhè)隻不過(guò)是優化手段，它已經(jīng)表達了世界的信息，而且它能(néng)持續地提高模型能(néng)力，尤其是目前研究比較多的在子概念空間當中做泛化。知識圖譜真的不行。如果哪個同學(xué)做知識圖譜，我認真跟你講，你不要用知識圖譜。我自己也做知識圖譜20多年，just don’t do that。Just pretty bad。It does not work at all。You should use Transformer。（不要那樣(yàng)做。很糟糕。它根本不起(qǐ)作用。你應該使用Transformer。）
更重要的是用增強學(xué)習，加上人的反饋，與人的價值對(duì)齊。因爲GPT已經(jīng)做了4年多，知識已經(jīng)封裝在裡(lǐ)面(miàn)了，過(guò)去真的是用不起(qǐ)來，也很難用。
最大的是對(duì)齊（alignment engineering），尤其是instruction following和自然語言對(duì)齊。當然也可以跟代碼、表格、圖表對(duì)齊。
做大模型是很難的，很大難度是infra（基礎設施）。我在微軟的時候，我們每個服務器都(dōu)不用網卡，都(dōu)放了FPGA。網絡的IO的帶寬速度都(dōu)是無限帶寬技術（Infiniband），服務器和服務器之間是直接訪問内存。爲什麼(me)？因爲Transformer是密度模型，它不光是算力問題，對(duì)帶寬要求極高，你就想GPT-4需要24000張到25000張卡訓練，試想世界上多少人能(néng)做這(zhè)種(zhǒng)系統。所有數據、data center網絡架構都(dōu)不一樣(yàng)。它不是一個三層的架構，必須是東西向(xiàng)的網絡架構。所以這(zhè)裡(lǐ)要做大量的工作。
Token很重要。全世界可能(néng)有40-50個确定的token，就是語言的token和模态，現在有更多的token化。當然現在更多的模型的參數小型化、本地化，任務領域的專業知識可以融入這(zhè)些大模型當中。它的可操縱性主要是靠提示和調試，尤其是根據指令來調，或者對(duì)齊來調試，或者in-context learning（上下文學(xué)習），這(zhè)個已經(jīng)貫徹比較清晰了。它的可操作性是越來越強。可拓展性基本上也足夠。
加在一起(qǐ)，這(zhè)個引擎并不完美。足夠好(hǎo)、足夠強的引擎，我沒(méi)從沒(méi)有過(guò)。
以上是引擎，拐點是怎麼(me)到的？ChatGPT能(néng)在曆史上第一次兩(liǎng)個月1億活躍用戶，擋都(dōu)擋不住，爲什麼(me)？
① 它封裝了世界上所有知識。
② 它有足夠強的學(xué)習和推理能(néng)力，GPT-3能(néng)力在高中生和大學(xué)生之間，GPT-4不光是進(jìn)斯坦福，而且是斯坦福排名很靠前的人。
③ 它的領域足夠寬，知識足夠深，又足夠好(hǎo)用。自然語言最大的突破是好(hǎo)用。擴展性也足夠好(hǎo)。當然還(hái)是很貴，像2萬多張卡，訓練幾個月這(zhè)麼(me)大的工程。不過(guò)也沒(méi)貴到那麼(me)離譜——Google可以做，微軟可以做，中國(guó)幾個大公司能(néng)做，創業公司融錢也能(néng)做。
加在一起(qǐ)，範式的臨界點到了。拐點已經(jīng)到來。
稍微啰嗦幾句。我做自然語言20多年，原來的自然語言處理有14種(zhǒng)任務，我能(néng)夠把動詞找出來、名詞找出來、句子分析清楚。即使分析清楚，你知道(dào)這(zhè)是形容詞，這(zhè)是動詞，這(zhè)是名詞——那這(zhè)個名詞是包香煙？還(hái)是你的舅舅？還(hái)是一個墳墓？還(hái)是個電影？No idea（不知道(dào)）。你需要的是知識。自然語言處理沒(méi)有知識永遠沒(méi)用。
The only way to make natural language work is you have knowledge（讓自然語言處理有效的唯一路徑是你有知識）。正好(hǎo)Transformer把這(zhè)麼(me)多知識壓縮在一起(qǐ)了，這(zhè)是它的最大突破。
未來是一個模型無處不在的時代
OpenAI未來2-3年要做的——模型更稀疏一點，現在它對(duì)帶寬要求實在太高，要把attention window拉長(cháng)一點，或者是recursion causality推理的功能(néng)，包括brainstorming等一些工作要做。當然有一些grounding的東西，包括亞符号、子概念的都(dōu)可以做。更多的模态，更多的token空間，更多的模型穩定性，更多的潛在空間（例如Latent Space對(duì)齊），更多的計算，更多的基礎架構工具。2-3年基本排滿。也就是說，我們大概知道(dào)需要什麼(me)去把這(zhè)個引擎繼續做大。
不過(guò)這(zhè)個飛輪啓動，主要是資本大量進(jìn)來。美國(guó)2023年1月到3月，擋也擋不住，錢全進(jìn)去了，每個月都(dōu)在比上個月增長(cháng)。中國(guó)基本也一樣(yàng)，商業模式、盈利模式有初步規模，基礎設施、平台應用、生态在加速開(kāi)發(fā)，初創公司、大型企業都(dōu)在進(jìn)入。
當然社會的安全、監管，一大堆問題——現在這(zhè)些是OpenAI最頭痛的——Sam在美國(guó)花大量精力讓社會認可這(zhè)個技術。現在OpenAI核心做的是，把推進(jìn)速度變慢，每推進(jìn)新版本，都(dōu)有足夠時間讓用戶給他們足夠反饋，找到潛在風險點，有足夠時間彌補。但加在一起(qǐ)，增長(cháng)飛輪的雛形基本上起(qǐ)來了。
有了飛輪，我認爲發(fā)展路徑核心是模型的可延伸性和未來模型的生态。是一個模型無處不在的時代。
未來的模型世界會怎麼(me)發(fā)展？首先是將(jiāng)有更多大模型會出來。更多更完整的模态和更完整的世界知識在這(zhè)裡(lǐ)。你有大量的知識、更多的模态，學(xué)習能(néng)力、泛化能(néng)力和泛化機制一定會加強。
此外，會有更多的對(duì)齊工作要做。OpenAI目前會關注什麼(me)呢？今天對(duì)齊基本上是做到，有一部分人能(néng)接受但你也得罪很多人，很多人每天罵GPT。他們想要做到是足夠寬的一個對(duì)齊，希望有個像美國(guó)憲章這(zhè)樣(yàng)一個結果，雖然ChatGPT不是大家都(dōu)能(néng)夠認可，但它足夠平穩、綜合，大部分人能(néng)接受，這(zhè)是對(duì)齊工程。自然語言也好(hǎo)，代碼也好(hǎo)，數學(xué)公式也好(hǎo)，表單也好(hǎo)，有大量對(duì)齊工作要做。
還(hái)有更多的模态對(duì)齊。這(zhè)裡(lǐ)先講human scale的模态，它主要是對(duì)人的描述，以人的語言爲主，它的模态目前是語言和圖形，以後(hòu)有更多的模态會接入。這(zhè)是大模型層面(miàn)。
在大模型之上建立的模型更多了。我判斷主要是有兩(liǎng)類模型和他們的組合。第一是事(shì)情的模型，人類每一類需求都(dōu)有領域/工作模型，其中有結構模型、流程模型、需求模型和任務模型，尤其是記憶和先驗。
第二，人的模型，包括認知/任務模型，它是個體的，其中有專業模型，有認知模型、運動模型和人的記憶先驗。人基本是這(zhè)幾類模型的組合，律師也好(hǎo)，醫生也好(hǎo)，大量領域會有大量模型往前走。
人的模型和學(xué)的模型有本質區别，這(zhè)是我過(guò)去1-2個月個人收獲較多的。
首先，人一直在建立模型。人的模型好(hǎo)處是泛化的時候更深、更專業，基本是用符号（例如數學(xué)公式）或結構（例如畫流程圖）。它具體用，說實話都(dōu)不好(hǎo)用。人的模型要麼(me)像物理公式解決很宏觀的問題，要麼(me)解決很微觀的問題。我們日常生活的問題，物理一點用都(dōu)沒(méi)有——沒(méi)法告訴我這(zhè)個樹的葉子的形狀，狗的貓的顔色爲什麼(me)是這(zhè)樣(yàng)子？沒(méi)有任何模型可以解這(zhè)個。很大問題是它的模型是靜态的，不會場景變化。
今天有很多模型，比方說數字孿生，很難用。因爲物理世界一直在變，這(zhè)個模型僵硬、不變，就用不起(qǐ)來。尤其是用知識圖譜建的模型，我做了幾十年，超級難算，函數結構差得一塌糊塗。所以人的模型有好(hǎo)處，專業性強，但有很大缺點。
學(xué)出來的模型，首先，它本質是場景化的，因爲它的token是場景化的。其次，它适應性很強，環境變了，token也變了，模型自然會随著(zhe)環境變；第三，它的泛化拓展性有大量理論工作要做，但是目前子概念空間的泛化，看來是很有潛在發(fā)展空間的這(zhè)樣(yàng)一種(zhǒng)模型的特性。它好(hǎo)用，因爲它可以對(duì)齊人的使用傾向(xiàng)或人的自然語言、表格等等。它的計算性内在是過(guò)程性的。這(zhè)裡(lǐ)有大的問題，就是人表達知識傾向(xiàng)運用結構，但真正能(néng)解決問題的是過(guò)程，人不适合用過(guò)程來表達。
ChatGPT代表的模型跟人的模型相輔相成(chéng)，長(cháng)期可以融在一起(qǐ)。我們看到的未來是更多模型的生态，新的領域、新的專業、新的結構、新的場景、新的适應能(néng)力，形成(chéng)閉環，不斷加強認知和推理能(néng)力。當然，最終還(hái)是要所謂叫(jiào)grounding，跟感知要ground，和接入行動的能(néng)力，形成(chéng)真正的智能(néng)。
某種(zhǒng)意義上20-30年後(hòu)，這(zhè)個模型世界跟生物世界有很多類似的地方。大模型我覺得像基因，有不同的種(zhǒng)類，然後(hòu)進(jìn)化。我們目前能(néng)看到未來核心技術模型世界，它是用這(zhè)個方法來向(xiàng)前驅動。
我們基本對(duì)這(zhè)個時代的範式有了結構性的理解。那麼(me)接下來，我們如何擁抱這(zhè)個時代？
對(duì)每個人、每個行業都(dōu)有結構性影響
我個人過(guò)去10個月，每天看東西是挺多的，但最近實在受不了。就真的是跟不上。發(fā)展速度非常非常快。最近我們開(kāi)始發(fā)行“大模型日報”，是我實在不行了，論文實在是跟不上，代碼實在是跟不上——just too much（太多了）
世界在嘩嘩嘩地變。我曾經(jīng)說1995-1996年有這(zhè)種(zhǒng)感覺，但這(zhè)個比1995-1996年還(hái)要強。爲什麼(me)？模型的成(chéng)本從邊際轉向(xiàng)固定，知識創造就是模型和知識的獲取，它結構性做演變了。
生産資本從兩(liǎng)個層次全面(miàn)提高。第一，所有動腦筋的工作，可以降低成(chéng)本、提升産能(néng)。我們目前有一個基本假設，碼農成(chéng)本會降低，但對(duì)碼農的需求會大量增加，碼農不用擔心。因爲對(duì)軟件的需求會大量增加，就是這(zhè)個東西便宜了，都(dōu)買嘛。軟件永遠可以解決更多問題，但有些行業未必。這(zhè)是生産資本的廣泛提高。
第二，生産資本深層提升。有一些行業的生産資本本質是模型驅動，比如醫療就是一個模型行業，一個好(hǎo)醫生是一個好(hǎo)模型，一個好(hǎo)護士是一種(zhǒng)好(hǎo)模型。醫療這(zhè)種(zhǒng)産業，本質是強模型驅動。現在模型提高了，科學(xué)也随之提高。在遊戲核心産業，我們的産能(néng)將(jiāng)本質性、深度提高。産業的發(fā)展速度會加快，因爲科學(xué)的發(fā)展速度加快了，開(kāi)發(fā)的速度加快了，每個行業的心跳都(dōu)會加快。因此，我們認爲下個拐點會加速。用大模型做機器人、自動化、自動駕駛，擋也擋不住。
它對(duì)每個人都(dōu)將(jiāng)産生深遠和系統性影響。我們的假設是每個人很快將(jiāng)有副駕駛員，不光是1個，可能(néng)5個、6個。有些副駕駛員足夠強，變成(chéng)正駕駛員，他自動可以去幫你做事(shì)。更長(cháng)期，我們每個人都(dōu)有一個駕駛員團隊服務。未來的人類組織是真人，加上他的副駕駛員和真駕駛員一起(qǐ)協同。
毫無疑問，每個行業也會有結構性影響，會系統性重組。這(zhè)裡(lǐ)有一個簡單公式。今天動腦筋的人一天平均工資多少小時？減掉ChatGPT現在大概平均是15美元/小時，再過(guò)3年可能(néng)不到1美元，再過(guò)5年可能(néng)幾十美分。然後(hòu)就乘一下有多少數量。降本或者增效，讓碼農能(néng)變成(chéng)super碼農，醫生變成(chéng)super醫生。
大家可以按這(zhè)個公式算一算。如果你是華爾街的對(duì)沖基金，你可以做空一大堆行業。
舉個簡單例子，律師在美國(guó)平均1500美元/小時，我在網上已經(jīng)看到每天有這(zhè)種(zhǒng)信息——如果你想離婚，不要找離婚律師，ChatGPT離婚很便宜啊！（全場笑）
開(kāi)發(fā)人員、設計師、碼農、研究人員都(dōu)一樣(yàng)，有些是更多需求，有些是成(chéng)本下降。尤其是核心産業，科學(xué)、教育、醫療，這(zhè)是OpenAI長(cháng)期最關注的3個行業，也是整個社會最根本的。
尤其是醫療。在中國(guó)，需求遠遠大于供給。而且，中國(guó)是大政府驅動的市場經(jīng)濟，政府可以扮演更大角色，因爲固定成(chéng)本政府可以承擔。
最爲重要的是教育。如果你是大學(xué)，你第一擔心的是，考試怎麼(me)考？沒(méi)法考了。他一問ChatGPT，什麼(me)都(dōu)知道(dào)。更重要的是，以後(hòu)怎麼(me)定義是好(hǎo)的大學(xué)生呢？假定說有個大學(xué)生什麼(me)都(dōu)不懂，物理也不懂、化學(xué)也不懂，但他懂怎麼(me)問ChatGPT，他算不算一個好(hǎo)的大學(xué)生？機會與挑戰并存。
總結一下，整個這(zhè)個時代在高速地進(jìn)行，速度越來越快。它是結構上決定的。勢不可擋。
大模型的淘金時代
對(duì)機會點進(jìn)行結構性拆解
現在，我給大家一個結構化思維框架。某種(zhǒng)意義上你可以對(duì)号入座，知道(dào)我在這(zhè)裡(lǐ)，我怎麼(me)思考今天的機會點。
這(zhè)張圖是整個人類技術驅動的創業創新，所有事(shì)情的機會都(dōu)在這(zhè)張圖上。
首先，底層是數字化的技術，因爲數字化是人的延伸。數字化的基礎裡(lǐ)有平台，有發(fā)展基礎，包括開(kāi)源的代碼、開(kāi)源的設計、開(kāi)源的數據；平台有前端、後(hòu)端等。這(zhè)裡(lǐ)有大量機會。
第二，波是用數字化的能(néng)力去解決人的需求。我們把數字化應用完整放在這(zhè)張表上。
1）C端，是把所有的人分成(chéng)人群，每種(zhǒng)人群24小時，他花時間幹什麼(me)？有通訊、社交、内容、遊戲消費、旅遊、健身……C端有一類特殊的人，這(zhè)類人是改變世界的，是碼農、設計師、研究員。他們創造未來。微軟這(zhè)麼(me)大的公司，是基于一個簡單理念：微軟我們就是要寫更多軟件、幫别人寫更多軟件，因爲寫軟件是未來。
2）B端，企業需求也一樣(yàng)，降本增效。它要生産，有供應鏈、銷售、客服……有了這(zhè)些需求之後(hòu)，數字化看得見的體驗結構有6種(zhǒng)：給你信息的，二維就夠；給你三維交互體驗，在遊戲、元宇宙；人和人之間抽象的關系，包括信任關系、Web 3；人在物理世界環中自動駕駛、機器人等；人的内在的用碳機植入到裡(lǐ)面(miàn)，今天是腦機接口，以後(hòu)有更多，以後(hòu)是可以用矽基；最後(hòu)是給你模型。
最後(hòu)，人類是挺奇怪的物種(zhǒng)，不光要滿足這(zhè)些需求，還(hái)要改變世界，我們在滿足世界時，也要獲得更多能(néng)源，所以需要有能(néng)源科技；需要轉化能(néng)源，用生命科學(xué)的形式，biological process轉化能(néng)源或者使用mechanical process，材料結構來轉化能(néng)源，或者是新的空間。這(zhè)是第三波。
所以創業公司基本上有三類：數字化基礎，用數字化去解決人的需求，去改變物理世界。有了這(zhè)個大的框架，我們可以系統性地來看對(duì)号入座：我在哪個位置？如果我在這(zhè)個位置，需要關注哪些點？
首先講數字化基礎，它有一個穩定結構，不管再怎麼(me)發(fā)展，結構永遠是這(zhè)樣(yàng)。過(guò)去30多年，大部分系統或多或少我都(dōu)碰過(guò)，這(zhè)個結構确實相當穩定。
核心是前端和後(hòu)端——前端是完整可延伸的體驗，後(hòu)端是完整可延伸的能(néng)力，有設備端，比方說電腦、手機、眼鏡、汽車等等，設備端裡(lǐ)面(miàn)是芯片、模組加上操作系統。萬億美元的公司都(dōu)在這(zhè)一層。
其次是體驗的容器，二維的容器，三維的容器，内在嵌入的容器。
容器之上，寫代碼都(dōu)知道(dào)畫布，畫布可以是文檔，可以是聊天，可以是代碼，可以是空間，可以是世界，可以是數字人，也可以是碳基裡(lǐ)的蛋白質等等。這(zhè)是前端。
後(hòu)端也一樣(yàng)，底層式設備，服務器、交換機、數據中心等等，也是芯片、模組、操作系統。
中間這(zhè)一層非常重要，網絡數據堆棧，分布式系統，區塊鏈等等。
最上面(miàn)是雲，是能(néng)力的供給。能(néng)力供給像自然水源，打開(kāi)就是算力，有存儲和通訊能(néng)力。今天的模型時代，打開(kāi)就是模型。
下面(miàn)是數字化基礎。符号計算，或者所謂的深度學(xué)習，疊加向(xiàng)量的浮點計算，矽基的，碳基的。
如果你是這(zhè)裡(lǐ)的創業者，機會點在哪裡(lǐ)？
① 首先搬運信息，這(zhè)個時代還(hái)有很多可以做。
② 如果你是做模型的，我現在判斷什麼(me)都(dōu)要重做一遍。大模型爲先。很多設備也要重做，你要支持大模型，容器要重做，這(zhè)些都(dōu)有機會。雲、中間的基礎設施、底層的硬件，包括數字化發(fā)展核心的基礎，尤其是開(kāi)源的體系，這(zhè)裡(lǐ)是真正意義上是有大量機會。
③ 第三代系統，即已經(jīng)開(kāi)始做機器人、自動化、自主系統。孫正義今天all in。這(zhè)個也能(néng)用大模型做。馬斯克也看到這(zhè)種(zhǒng)機會。都(dōu)是在第三代下一個拐點，創業公司完全可以把握的機會。
④ 同時并行的，我把它稱作“第三代++系統”，是碳基的生物計算，這(zhè)一類公司有大量的量子計算，有很多機會。元宇宙和Web 3今天點冷，但從曆史長(cháng)河角度來講，隻是時間問題，因爲這(zhè)些技術都(dōu)能(néng)真正意義上帶來未來的人類價值。
所以如果是這(zhè)個創業項目，基礎層機會就在這(zhè)裡(lǐ)。這(zhè)是最好(hǎo)的生意。爲什麼(me)？這(zhè)個時代跟淘金時代很像。如果你那個時候去加州淘金，一大堆人會死掉，但是賣勺子的人、賣鏟子的人永遠可以賺錢。所謂的shove and pick business。
大模型是平台型機會。按照我們幾天的判斷，以模型爲先的平台，將(jiāng)比以信息爲先的平台體量更大。平台有以下幾個特征：
① 它是開(kāi)箱即用；
② 要有一個足夠簡單和好(hǎo)的商業模式，平台是開(kāi)發(fā)者可以活在上面(miàn)，可以賺足夠的錢、養活自己，不然不叫(jiào)平台；
③ 他有自己殺手級應用。ChatGPT本身是個殺手應用，今天平台公司就是你在蘋果生态上，你做得再好(hǎo)，隻要做大蘋果就把你沒(méi)收了，因爲它要用你底層的東西，所以你是平台。平台一般都(dōu)有它的錨點，有很強的支撐點，長(cháng)期OpenAI設備機會有很多——有可能(néng)這(zhè)是曆史上第一個10萬億美元的公司。
這(zhè)是一場激烈的競争平台之戰，未來一個體量很大的公司。在這(zhè)個領域競争是無比激烈。The price is too big（代價實在太大），錯過(guò)太可惜。再怎麼(me)也得試一試。
今天的模型魯棒性、脆弱性，還(hái)是問題。用這(zhè)個模型，你一定要一開(kāi)始稍微窄一點，限制要嚴一點，這(zhè)樣(yàng)的話體驗是穩定的，等到模型能(néng)力越來越強再把它放寬，找到适當的場景，循序漸進(jìn)。質量和寬度之間的平衡很重要。另外發(fā)展路徑上，你要考慮今天産品要不要在這(zhè)個上基礎上改，重啓爐竈，還(hái)是齊頭并進(jìn)。把這(zhè)個團隊給改了、重做，還(hái)到外面(miàn)去買公司？
創新，尤其是創業公司落地，它永遠是技術推動和需求拉動的組合。在落地的過(guò)程中，對(duì)需求理解的把控，掌握和滿足需求的方法是一切當中最重要。長(cháng)期一定是技術驅動爲主，但在落地的時候對(duì)需求的拆解、分析、梳理，把控好(hǎo)需求，是一切的一切。
有一個機密大家今天都(dōu)知道(dào)了——OpenAI是用GPT-4做GPT-5，每個碼農都(dōu)是放大能(néng)力的碼農。它規模效應不一樣(yàng)，馬太效應不一樣(yàng)，從此壁壘和競争格局不一樣(yàng)，知識産權結果不一樣(yàng)，國(guó)際化的格局也不一樣(yàng)。中國(guó)顯然有機會。
我對(duì)創業者有幾點建議
創業公司的内在結構是人和事(shì)的組合。人，一開(kāi)始是創始人/創始團隊；他有初心，内在驅動力、外在驅動力；他能(néng)獨立思考，判斷未來；他能(néng)行動導向(xiàng)，解決問題；他能(néng)需求導向(xiàng)，找到價值；最終通過(guò)溝通獲得資源。接下來是産品市場匹配，這(zhè)部分就是研發(fā)技術、研發(fā)産品、交付産品。商業模式是收到錢、更多增長(cháng)、觸達更多客戶、融更多錢、一直觸達到未來的價值。組織上，通過(guò)系統建設，開(kāi)拓面(miàn)向(xiàng)未來的人才、組織結構和文化價值觀等等。這(zhè)一切就是一家公司的總和。
我們對(duì)每位同學(xué)的建議是，不要輕舉妄動，首先要思考。
① 不要浮誇，不能(néng)蹭熱。我個人最反對(duì)蹭熱，你要做大模型，想好(hǎo)到底做什麼(me)，大模型真正是怎麼(me)回事(shì)，跟你的創業方向(xiàng)在哪個或哪幾個維度有本質關系。蹭熱是最不好(hǎo)的行爲，會浪費機會。
② 在這(zhè)個階段要勤于學(xué)習。新範式有多個維度，有蠻大複雜性，該看到的論文要看，尤其現在發(fā)展實在太快，非确定性很大。我的判斷都(dōu)有一定灰度，不能(néng)說看得很清楚，但大緻是看到是這(zhè)樣(yàng)的結果。學(xué)習花時間，我強烈推薦。
③ 想清楚之後(hòu)要行動導向(xiàng)，要果斷、有規劃地采取行動。如果這(zhè)一次變革對(duì)你所在的産業帶來結構性影響，不進(jìn)則退。你不往前走沒(méi)退路的，今天的位置守不住。如果你所在的産業被(bèi)直接影響到，你隻能(néng)采取行動。
接下來我想講幾個維度——每個公司是一組能(néng)力的組合。
① 産品開(kāi)發(fā)能(néng)力方面(miàn)，如果你的公司以軟件爲主，毫無疑問一定對(duì)你有影響，長(cháng)期影響大得不得了。尤其是如果你是做C端，用戶體驗的設計一定有影響，你今天就要認真考慮未來怎麼(me)辦。
② 如果你的公司是自己研發(fā)技術，短期有局部和間接影響，它可以幫助你思考技術的設計。長(cháng)期核心技術的研發(fā)也會受影響。今天芯片的設計是大量的工具，以後(hòu)大模型一定會影響芯片研發(fā)。類似的，蛋白質是蛋白質結構設計。不管你做什麼(me)，未來的技術它都(dōu)影響。短期不直接影響，長(cháng)期可能(néng)有重大影響。
③ 滿足需求能(néng)力，滿足需求基本就要觸達用戶，供應鏈或運維一定受影響。軟件的運維可以用GPT幫你做，硬件的供應鏈未必。長(cháng)期來看有變革機會，因爲上下遊結構會變。你要判斷你在這(zhè)個産業的結構會不會變。
④ 商業價值的探索、觸達用戶、融資，這(zhè)一切它可以幫你思考、叠代。
最後(hòu)是關于人才和組織。
① 首先講創始人。今天創始人技術能(néng)力強，好(hǎo)像很牛、很重要，未來真的不重要。技術ChatGPT以後(hòu)都(dōu)能(néng)幫你做。你作爲創始人，越來越重要、越來越值錢的是願力和心力。願力是對(duì)于未來的獨到的判斷和信念，堅持、有強的韌勁。這(zhè)是未來的創始人越來越重要的核心素養。
② 對(duì)初創團隊，工具能(néng)幫助探索方向(xiàng)，加速想法的叠代、産品的叠代，甚至資源獲取。
③ 對(duì)未來人才的培養，一方面(miàn)學(xué)習工具，思考和探索機會，長(cháng)期适當時候培養自己的prompt engineer（提示工程師）。
④ 最後(hòu)講到組織文化建設，要更深入思考，及早做準備，把握時代的機會。尤其是考慮有很多職能(néng)已經(jīng)有副駕駛員，寫代碼也好(hǎo)，做設計也好(hǎo)，這(zhè)之間怎麼(me)協同？
我們面(miàn)臨這(zhè)樣(yàng)一個時代的機會。它既是機會，也是挑戰。我們建議你就這(zhè)個機會做全方位思考。