(相關(guān)資料圖)

就連陸奇都說(shuō)他跟不上大模型時(shí)代的狂飆速度了。他讓下屬做“大模型日報”，一方面便于他跟上論文和信息更新，另一方面給奇績(jì)生態(tài)創(chuàng )業(yè)者共享。他用了三個(gè)“實(shí)在”表達這一點(diǎn)?！拔覍?shí)在不行了，論文實(shí)在是跟不上，代碼實(shí)在是跟不上。Just too much（太多了）?！标懫嬖诮谝淮畏窒砘顒?dòng)上說(shuō)。

這樣的時(shí)刻還從沒(méi)有過(guò)。奇績(jì)創(chuàng )壇創(chuàng )始人兼CEO陸奇是中國AI布道人，也是中國針對大模型最有發(fā)言權的人之一。他曾在全球巨頭身居要職，先后任職于IBM、雅虎、微軟、百度，曾是華人在美國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，回國加盟百度出任集團總裁兼COO。陸奇以勤勉的工作為科技圈著(zhù)稱(chēng)——每天清晨4點(diǎn)起床，跑步5英里，6點(diǎn)準時(shí)到辦公室。

同時(shí)，他和OpenAI有著(zhù)深厚淵源。陸奇所掌管的奇績(jì)前身是YC中國，是美國著(zhù)名創(chuàng )業(yè)孵化器YC（Y Combinator）的中國分支。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YC、對Sam Altman和OpenAI都有長(cháng)期的近距離觀(guān)察。

2023年4月22日，陸奇在上海舉行小規模演講，騰訊新聞?dòng)行覅⑴c了旁聽(tīng)。陸奇希望幫助中國創(chuàng )業(yè)者認清這次歷史性的拐點(diǎn)時(shí)刻，定位今天的時(shí)代坐標、找準自己的位置。“這個(gè)時(shí)代跟淘金時(shí)代很像，”他說(shuō)道，“如果你那個(gè)時(shí)候去加州淘金，一大堆人會(huì )死掉。但是賣(mài)勺子、賣(mài)鏟子的人永遠可以賺錢(qián)?！?/strong>

陸奇很反感蹭熱點(diǎn)，他一再警示創(chuàng )業(yè)者蹭熱點(diǎn)只會(huì )浪費機會(huì )。到現在為止，你幾乎很難在公開(kāi)渠道聽(tīng)到陸奇的觀(guān)點(diǎn)。這也讓本次演講具有稀缺性。

事實(shí)上，在大模型快速達成社會(huì )共識之際，一部分人期待陸奇博士披甲上陣，做“中國的Sam Altman”——扮演可能比一名投資者、布道者更關(guān)鍵的角色。但據奇績(jì)內部人說(shuō)：“Qi目前100%時(shí)間花在奇績(jì)?！?/p>

騰訊新聞作者將這場(chǎng)分享進(jìn)行了完整的整理——演講涵蓋他對大模型時(shí)代的宏觀(guān)思考，包括拐點(diǎn)的內在動(dòng)因、技術(shù)演進(jìn)、創(chuàng )業(yè)公司結構性機會(huì )點(diǎn)以及給創(chuàng )業(yè)者的建議。大家可以各取所需。

好了，讓我們來(lái)看看陸奇怎么說(shuō)。為了方便閱讀，作者做了一些字句修改和文本優(yōu)化。

01?社會(huì )性拐點(diǎn)的核心?是一項大型成本從邊際變成固定

我認識Sam Altman是2005年，他那時(shí)19歲不到，我已經(jīng)40多歲了。

我們倆是忘年交。他是一個(gè)很善良也很奇怪的小孩，今天很高興他能這樣改變世界。前不久，我春節在美國3個(gè)月，也到OpenAI和Sam聊了一些。

首先，怎么理解這個(gè)新范式？這張圖能把ChatGPT和OpenAI所帶來(lái)的一切講清楚。之后，基于第一性原理，你自然會(huì )推演出所在賽道的機會(huì )和挑戰。

這張圖是“三位一體結構演化模式”，本質(zhì)是講任何復雜體系，包括一個(gè)人、一家公司、一個(gè)社會(huì )，甚至數字化本身的數字化體系，都是復雜體系?！叭灰惑w”包括：

“信息”系統（subsystem of information），從環(huán)境當中獲得信息；

“模型”系統（subsystem of model），對信息做一種表達，進(jìn)行推理和規劃；

“行動(dòng)”系統（subsystem of action），我們最終和環(huán)境做交互，達到人類(lèi)想達到的目的。

任何體系，都是這三個(gè)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，人要獲得信息、表達信息、行動(dòng)解決問(wèn)題或滿(mǎn)足需求。

基于此，我們可以得出一個(gè)簡(jiǎn)單結論。今天大部分數字化產(chǎn)品和公司，包括Google、微軟、阿里、字節，本質(zhì)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(yè)都在搬運信息。Nothing more than that，You just move bytes（僅此而已，你只是移動(dòng)字節）。但它已經(jīng)足夠好，改變了世界。

早在1995-1996年，通過(guò)PC互聯(lián)網(wǎng)迎來(lái)一個(gè)拐點(diǎn)。那時(shí)我剛從CMU（卡內基梅隆大學(xué)）畢業(yè)。大量公司層出不窮，其中誕生了一家偉大公司叫Google。為什么會(huì )有這個(gè)拐點(diǎn)？為什么會(huì )有爆炸式增長(cháng)？把這個(gè)觀(guān)點(diǎn)講清楚，就能把今天的拐點(diǎn)講清楚。

原因是，獲取信息的邊際成本開(kāi)始變成固定成本。

一定要記住，任何改變社會(huì )、改變產(chǎn)業(yè)的，永遠是結構性改變。這個(gè)結構性改變往往是一類(lèi)大型成本，從邊際成本變成固定成本。

舉個(gè)例子，我在CMU念書(shū)開(kāi)車(chē)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，還是有價(jià)錢(qián)，但都變成固定價(jià)格。Google平均一年付10億美元做一張地圖，但每個(gè)用戶(hù)要獲得地圖的信息，基本上代價(jià)是0。也就是說(shuō)，獲取信息成本變0的時(shí)候，它一定改變了所有產(chǎn)業(yè)。這就是過(guò)去20年發(fā)生的，今天基本是free information everywhere（免費的信息無(wú)處不在）。

Google為什么偉大？它把邊際成本變成固定成本。Google固定成本很高，但它有個(gè)簡(jiǎn)單商業(yè)模式叫廣告，它是世界上高盈利、改變世界的公司，這是拐點(diǎn)關(guān)鍵。

今天2022-2023年的拐點(diǎn)是什么？它不可阻擋、勢不可擋，原因是什么？一模一樣。模型的成本從邊際走向固定，因為有件事叫大模型。

模型的成本開(kāi)始從邊際走向固定，大模型是技術(shù)核心、產(chǎn)業(yè)化基礎。OpenAI搭好了，發(fā)展速度爬升會(huì )很快。為什么模型這么重要、這個(gè)拐點(diǎn)這么重要，因為模型和人有內在關(guān)系。我們每個(gè)人都是模型的組合。人有三種模型：

認知模型，我們能看、能聽(tīng)、能思考、能規劃；

任務(wù)模型，我們能爬樓梯、搬椅子剝雞蛋；

領(lǐng)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。我們對社會(huì )所有貢獻都是這三種模型的組合。每個(gè)人不是靠手和腿的力量賺錢(qián)，而是靠腦袋活。

簡(jiǎn)單想一想，如果你沒(méi)有多大見(jiàn)解，你的模型能力大模型都有，或者大模型會(huì )逐步學(xué)會(huì )你所有的模型，那會(huì )怎樣？——未來(lái)，唯一有價(jià)值的是你有多大見(jiàn)解。

人類(lèi)社會(huì )是技術(shù)驅動(dòng)。從農業(yè)時(shí)代，人用工具做簡(jiǎn)單勞動(dòng)，最大問(wèn)題是人和土地綁定，人缺少流通性，沒(méi)有自由。工業(yè)發(fā)展對人最大變化是人可以動(dòng)了，可以到城市和工廠(chǎng)。早期工業(yè)體系以體力勞動(dòng)為主、腦力勞動(dòng)為輔，但隨著(zhù)機械化、電氣化、電子化，人的體力勞動(dòng)下降。信息化時(shí)代以后，人以腦力勞動(dòng)為主，經(jīng)濟從商品經(jīng)濟轉向服務(wù)經(jīng)濟——碼農、設計師、分析師成為我們時(shí)代的典型職業(yè)。

這一次大模型拐點(diǎn)會(huì )讓所有服務(wù)經(jīng)濟中的人、藍領(lǐng)基本都受影響，因為他們是模型，除非有獨到見(jiàn)解，否則你今天所從事的服務(wù)大模型都有。下一時(shí)代典型的職業(yè)，我們認為是創(chuàng )業(yè)者和科學(xué)家。

所以，這次變革影響每個(gè)人。它影響整個(gè)社會(huì )。

02 我所看到的三個(gè)拐點(diǎn)

下個(gè)拐點(diǎn)是什么？

下個(gè)拐點(diǎn)將是組合：“行動(dòng)”無(wú)處不在（自動(dòng)駕駛、機器人、空間計算）。也就是人需要在物理空間里行動(dòng)，它的代價(jià)也從邊際走向固定。20年后，這個(gè)房子里所有一切都有機械臂，都有自動(dòng)化的東西。我需要的任何東西，按個(gè)按鈕，軟件可以動(dòng)，今天還需要找人。

那么，哪些公司能走到下個(gè)拐點(diǎn)、站住下個(gè)拐點(diǎn)？我認為特斯拉有很高概率，它的自動(dòng)駕駛、機器人現在很厲害。微軟今天跟著(zhù)OpenAI爬坡，但怎么站住下個(gè)拐點(diǎn)？

接下來(lái)講一下我們看到的三個(gè)拐點(diǎn)：

① 今天信息已經(jīng)無(wú)處不在了，接下來(lái)15-20年，模型就是知識，將無(wú)處不在。以后手機上打開(kāi)，任何聯(lián)網(wǎng)，模型就過(guò)來(lái)了。它教你怎么去解答法律問(wèn)題，怎么去做醫學(xué)檢驗。不管什么樣的模型都可以無(wú)處不在。

② 在未來(lái)，自動(dòng)化、自主化的動(dòng)作可以無(wú)處不在。

③ 人和數字化的技術(shù)共同進(jìn)化。Sam最近經(jīng)常講，它必須要共同進(jìn)化，才能達到通用智能（AGI）。通用智能四大要素是：涌現（emergence）+代理（agency）+功能可見(jiàn)性（affordence）+具象（embodiment）。

總結來(lái)說(shuō)，我們從根本性的三位一體結構分析未來(lái)，從過(guò)去的歷史拐點(diǎn)能清晰看到今天所面臨的拐點(diǎn)，本質(zhì)是模型成本從邊際走向固定，將有一家甚至多家偉大公司誕生。毫無(wú)疑問(wèn)，OpenAI處于領(lǐng)先。

雖然講得有點(diǎn)早，但我個(gè)人認為，OpenAI未來(lái)肯定比Google大。只不過(guò)是大1倍、5倍還是10倍。

03?OpenAI核心就堅信兩件事?發(fā)展速度連Sam本人都驚訝

下面我從技術(shù)角度講OpenAI大事跡，它怎么把大模型時(shí)代帶來(lái)的？

為什么講OpenAI，不講Google、微軟。講真心話(huà)，因為我知道，微軟好幾千人也做這個(gè)，但不如OpenAI。一開(kāi)始比爾·蓋茨根本不相信OpenAI，大概6個(gè)月前他還不相信。4個(gè)月前看到GPT-4的demo（產(chǎn)品原型），目瞪口呆。他寫(xiě)了文章說(shuō)：It’s a shock，this thing is amazing（這太令人震驚了，這東西太神奇了）。谷歌內部也目瞪口呆。

OpenAI一路走下來(lái)的關(guān)鍵技術(shù)：

GPT-1是第一次使用預訓練方法來(lái)實(shí)現高效語(yǔ)言理解的訓練；

GPT-2主要采用了遷移學(xué)習技術(shù)，能在多種任務(wù)中高效應用預訓練信息，并進(jìn)一步提高語(yǔ)言理解能力；

DALL·E是走到另外一個(gè)模態(tài)；

GPT-3主要注重泛化能力，few-shot（小樣本）的泛化；

GPT-3.5 instruction following（指令遵循）和tuning（微調）是最大突破；

GPT-4 已經(jīng)開(kāi)始實(shí)現工程化。

2023年3月的Plugin是生態(tài)化。

OpenAI的融資結構為什么這么設計？和Sam早期目標和對未來(lái)的判斷分不開(kāi)。他知道要融很多錢(qián)，但股權設計有一個(gè)很大挑戰——容易把回報和控制混在一起——所以他要設計一個(gè)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(xié)議是一種債的結構。如果賺完2萬(wàn)億，接下來(lái)是non-profit（不再盈利了），一切回歸社會(huì )。這個(gè)時(shí)代需要新的結構。

它勢不可擋。Sam Altman自己都surprise，連他都沒(méi)想到會(huì )那么快。

如果大家對技術(shù)感興趣，Ilya Sutskever（OpenAI聯(lián)合創(chuàng )始人兼首席科學(xué)家）很重要，他堅信兩件事。

第一是模型架構。它要足夠深，只要到了一定深度，bigness is betterness（大就是好）。只要有算力，只要有數據，越大越好。他們一開(kāi)始是LSTN（long short term memory），后來(lái)看到Transformer就用Transformer。

第二個(gè)OpenAI相信的是，任何范式、改變一切的范式永遠有個(gè)引擎，這個(gè)引擎能不斷前進(jìn)、不斷產(chǎn)生價(jià)值。

這個(gè)引擎基本是一個(gè)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后者decode only。但最終的核心是GPT，也就是預訓練之后的Transformer，它可以把信息高度壓縮。Ilya有個(gè)信念：如果你能高效壓縮信息，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(huà)，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(gè)世界模型在里面。雖然你做的事是predict next word（預測下一個(gè)關(guān)鍵詞），這只不過(guò)是優(yōu)化手段，它已經(jīng)表達了世界的信息，而且它能持續地提高模型能力，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(gè)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。（不要那樣做。很糟糕。它根本不起作用。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(jià)值對齊。因為GPT已經(jīng)做了4年多，知識已經(jīng)封裝在里面了，過(guò)去真的是用不起來(lái)，也很難用。

最大的是對齊（alignment engineering），尤其是instruction following和自然語(yǔ)言對齊。當然也可以跟代碼、表格、圖表對齊。

做大模型是很難的，很大難度是infra（基礎設施）。我在微軟的時(shí)候，我們每個(gè)服務(wù)器都不用網(wǎng)卡，都放了FPGA。網(wǎng)絡(luò )的IO的帶寬速度都是無(wú)限帶寬技術(shù)（Infiniband），服務(wù)器和服務(wù)器之間是直接訪(fǎng)問(wèn)內存。為什么？因為T(mén)ransformer是密度模型，它不光是算力問(wèn)題，對帶寬要求極高，你就想GPT-4需要24000張到25000張卡訓練，試想世界上多少人能做這種系統。所有數據、data center網(wǎng)絡(luò )架構都不一樣。它不是一個(gè)三層的架構，必須是東西向的網(wǎng)絡(luò )架構。所以這里要做大量的工作。

Token很重要。全世界可能有40-50個(gè)確定的token，就是語(yǔ)言的token和模態(tài)，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(wù)領(lǐng)域的專(zhuān)業(yè)知識可以融入這些大模型當中。它的可操縱性主要是靠提示和調試，尤其是根據指令來(lái)調，或者對齊來(lái)調試，或者in-context learning（上下文學(xué)習），這個(gè)已經(jīng)貫徹比較清晰了。它的可操作性是越來(lái)越強?？赏卣剐曰旧弦沧銐?。

加在一起，這個(gè)引擎并不完美。足夠好、足夠強的引擎，我沒(méi)從沒(méi)有過(guò)。

以上是引擎，拐點(diǎn)是怎么到的？ChatGPT能在歷史上第一次兩個(gè)月1億活躍用戶(hù)，擋都擋不住，為什么？

① 它封裝了世界上所有知識。

② 它有足夠強的學(xué)習和推理能力，GPT-3能力在高中生和大學(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(lǐng)域足夠寬，知識足夠深，又足夠好用。自然語(yǔ)言最大的突破是好用。擴展性也足夠好。當然還是很貴，像2萬(wàn)多張卡，訓練幾個(gè)月這么大的工程。不過(guò)也沒(méi)貴到那么離譜——Google可以做，微軟可以做，中國幾個(gè)大公司能做，創(chuàng )業(yè)公司融錢(qián)也能做。

加在一起，范式的臨界點(diǎn)到了。拐點(diǎn)已經(jīng)到來(lái)。

稍微啰嗦幾句。我做自然語(yǔ)言20多年，原來(lái)的自然語(yǔ)言處理有14種任務(wù)，我能夠把動(dòng)詞找出來(lái)、名詞找出來(lái)、句子分析清楚。即使分析清楚，你知道這是形容詞，這是動(dòng)詞，這是名詞——那這個(gè)名詞是包香煙？還是你的舅舅？還是一個(gè)墳墓？還是個(gè)電影？No idea（不知道）。你需要的是知識。自然語(yǔ)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(yǔ)言處理有效的唯一路徑是你有知識）。正好Transformer把這么多知識壓縮在一起了，這是它的最大突破。

04?未來(lái)是一個(gè)模型無(wú)處不在的時(shí)代

OpenAI未來(lái)2-3年要做的——模型更稀疏一點(diǎn)，現在它對帶寬要求實(shí)在太高，要把attention window拉長(cháng)一點(diǎn)，或者是recursion causality推理的功能，包括brainstorming等一些工作要做。當然有一些grounding的東西，包括亞符號、子概念的都可以做。更多的模態(tài)，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對齊），更多的計算，更多的基礎架構工具。2-3年基本排滿(mǎn)。也就是說(shuō)，我們大概知道需要什么去把這個(gè)引擎繼續做大。

不過(guò)這個(gè)飛輪啟動(dòng)，主要是資本大量進(jìn)來(lái)。美國2023年1月到3月，擋也擋不住，錢(qián)全進(jìn)去了，每個(gè)月都在比上個(gè)月增長(cháng)。中國基本也一樣，商業(yè)模式、盈利模式有初步規模，基礎設施、平臺應用、生態(tài)在加速開(kāi)發(fā)，初創(chuàng )公司、大型企業(yè)都在進(jìn)入。

當然社會(huì )的安全、監管，一大堆問(wèn)題——現在這些是OpenAI最頭痛的——Sam在美國花大量精力讓社會(huì )認可這個(gè)技術(shù)。現在OpenAI核心做的是，把推進(jìn)速度變慢，每推進(jìn)新版本，都有足夠時(shí)間讓用戶(hù)給他們足夠反饋，找到潛在風(fēng)險點(diǎn)，有足夠時(shí)間彌補。但加在一起，增長(cháng)飛輪的雛形基本上起來(lái)了。

有了飛輪，我認為發(fā)展路徑核心是模型的可延伸性和未來(lái)模型的生態(tài)。是一個(gè)模型無(wú)處不在的時(shí)代。

未來(lái)的模型世界會(huì )怎么發(fā)展？首先是將有更多大模型會(huì )出來(lái)。更多更完整的模態(tài)和更完整的世界知識在這里。你有大量的知識、更多的模態(tài)，學(xué)習能力、泛化能力和泛化機制一定會(huì )加強。

此外，會(huì )有更多的對齊工作要做。OpenAI目前會(huì )關(guān)注什么呢？今天對齊基本上是做到，有一部分人能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(gè)對齊，希望有個(gè)像美國憲章這樣一個(gè)結果，雖然ChatGPT不是大家都能夠認可，但它足夠平穩、綜合，大部分人能接受，這是對齊工程。自然語(yǔ)言也好，代碼也好，數學(xué)公式也好，表單也好，有大量對齊工作要做。

還有更多的模態(tài)對齊。這里先講human scale的模態(tài)，它主要是對人的描述，以人的語(yǔ)言為主，它的模態(tài)目前是語(yǔ)言和圖形，以后有更多的模態(tài)會(huì )接入。這是大模型層面。

在大模型之上建立的模型更多了。我判斷主要是有兩類(lèi)模型和他們的組合。第一是事情的模型，人類(lèi)每一類(lèi)需求都有領(lǐng)域/工作模型，其中有結構模型、流程模型、需求模型和任務(wù)模型，尤其是記憶和先驗。

第二，人的模型，包括認知/任務(wù)模型，它是個(gè)體的，其中有專(zhuān)業(yè)模型，有認知模型、運動(dòng)模型和人的記憶先驗。人基本是這幾類(lèi)模型的組合，律師也好，醫生也好，大量領(lǐng)域會(huì )有大量模型往前走。

人的模型和學(xué)的模型有本質(zhì)區別，這是我過(guò)去1-2個(gè)月個(gè)人收獲較多的。

首先，人一直在建立模型。人的模型好處是泛化的時(shí)候更深、更專(zhuān)業(yè)，基本是用符號（例如數學(xué)公式）或結構（例如畫(huà)流程圖）。它具體用，說(shuō)實(shí)話(huà)都不好用。人的模型要么像物理公式解決很宏觀(guān)的問(wèn)題，要么解決很微觀(guān)的問(wèn)題。我們日常生活的問(wèn)題，物理一點(diǎn)用都沒(méi)有——沒(méi)法告訴我這個(gè)樹(shù)的葉子的形狀，狗的貓的顏色為什么是這樣子？沒(méi)有任何模型可以解這個(gè)。很大問(wèn)題是它的模型是靜態(tài)的，不會(huì )場(chǎng)景變化。

今天有很多模型，比方說(shuō)數字孿生，很難用。因為物理世界一直在變，這個(gè)模型僵硬、不變，就用不起來(lái)。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涂。所以人的模型有好處，專(zhuān)業(yè)性強，但有很大缺點(diǎn)。

學(xué)出來(lái)的模型，首先，它本質(zhì)是場(chǎng)景化的，因為它的token是場(chǎng)景化的。其次，它適應性很強，環(huán)境變了，token也變了，模型自然會(huì )隨著(zhù)環(huán)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(lái)是很有潛在發(fā)展空間的這樣一種模型的特性。它好用，因為它可以對齊人的使用傾向或人的自然語(yǔ)言、表格等等。它的計算性?xún)仍谑沁^(guò)程性的。這里有大的問(wèn)題，就是人表達知識傾向運用結構，但真正能解決問(wèn)題的是過(guò)程，人不適合用過(guò)程來(lái)表達。

ChatGPT代表的模型跟人的模型相輔相成，長(cháng)期可以融在一起。我們看到的未來(lái)是更多模型的生態(tài)，新的領(lǐng)域、新的專(zhuān)業(yè)、新的結構、新的場(chǎng)景、新的適應能力，形成閉環(huán)，不斷加強認知和推理能力。當然，最終還是要所謂叫g(shù)rounding，跟感知要ground，和接入行動(dòng)的能力，形成真正的智能。

某種意義上20-30年后，這個(gè)模型世界跟生物世界有很多類(lèi)似的地方。大模型我覺(jué)得像基因，有不同的種類(lèi)，然后進(jìn)化。我們目前能看到未來(lái)核心技術(shù)模型世界，它是用這個(gè)方法來(lái)向前驅動(dòng)。

我們基本對這個(gè)時(shí)代的范式有了結構性的理解。那么接下來(lái)，我們如何擁抱這個(gè)時(shí)代？

05?每周都有“HOLLY SHIT” moment??對每個(gè)人、每個(gè)行業(yè)都有結構性影響

我個(gè)人過(guò)去10個(gè)月，每天看東西是挺多的，但最近實(shí)在受不了。就真的是跟不上。發(fā)展速度非常非?？?。最近我們開(kāi)始發(fā)行“大模型日報”，是我實(shí)在不行了，論文實(shí)在是跟不上，代碼實(shí)在是跟不上——just too much（太多了）——基本上，每周都會(huì )有一兩個(gè)“HOLLY SHIT” moment。

Holly shit！You can do this now。

世界在嘩嘩嘩地變。我曾經(jīng)說(shuō)1995-1996年有這種感覺(jué)，但這個(gè)比1995-1996年還要強。為什么？模型的成本從邊際轉向固定，知識創(chuàng )造就是模型和知識的獲取，它結構性做演變了。

生產(chǎn)資本從兩個(gè)層次全面提高。第一，所有動(dòng)腦筋的工作，可以降低成本、提升產(chǎn)能。我們目前有一個(gè)基本假設，碼農成本會(huì )降低，但對碼農的需求會(huì )大量增加，碼農不用擔心。因為對軟件的需求會(huì )大量增加，就是這個(gè)東西便宜了，都買(mǎi)嘛。軟件永遠可以解決更多問(wèn)題，但有些行業(yè)未必。這是生產(chǎn)資本的廣泛提高。

第二，生產(chǎn)資本深層提升。有一些行業(yè)的生產(chǎn)資本本質(zhì)是模型驅動(dòng)，比如醫療就是一個(gè)模型行業(yè)，一個(gè)好醫生是一個(gè)好模型，一個(gè)好護士是一種好模型。醫療這種產(chǎn)業(yè)，本質(zhì)是強模型驅動(dòng)?，F在模型提高了，科學(xué)也隨之提高。在游戲核心產(chǎn)業(yè)，我們的產(chǎn)能將本質(zhì)性、深度提高。產(chǎn)業(yè)的發(fā)展速度會(huì )加快，因為科學(xué)的發(fā)展速度加快了，開(kāi)發(fā)的速度加快了，每個(gè)行業(yè)的心跳都會(huì )加快。因此，我們認為下個(gè)拐點(diǎn)會(huì )加速。用大模型做機器人、自動(dòng)化、自動(dòng)駕駛，擋也擋不住。

它對每個(gè)人都將產(chǎn)生深遠和系統性影響。我們的假設是每個(gè)人很快將有副駕駛員，不光是1個(gè)，可能5個(gè)、6個(gè)。有些副駕駛員足夠強，變成正駕駛員，他自動(dòng)可以去幫你做事。更長(cháng)期，我們每個(gè)人都有一個(gè)駕駛員團隊服務(wù)。未來(lái)的人類(lèi)組織是真人，加上他的副駕駛員和真駕駛員一起協(xié)同。

毫無(wú)疑問(wèn)，每個(gè)行業(yè)也會(huì )有結構性影響，會(huì )系統性重組。這里有一個(gè)簡(jiǎn)單公式。今天動(dòng)腦筋的人一天平均工資多少小時(shí)？減掉ChatGPT現在大概平均是15美元/小時(shí)，再過(guò)3年可能不到1美元，再過(guò)5年可能幾十美分。然后就乘一下有多少數量。降本或者增效，讓碼農能變成super碼農，醫生變成super醫生。

大家可以按這個(gè)公式算一算。如果你是華爾街的對沖基金，你可以做空一大堆行業(yè)。

舉個(gè)簡(jiǎn)單例子，律師在美國平均1500美元/小時(shí)，我在網(wǎng)上已經(jīng)看到每天有這種信息——如果你想離婚，不要找離婚律師，ChatGPT離婚很便宜?。。ㄈ珗?chǎng)笑）

開(kāi)發(fā)人員、設計師、碼農、研究人員都一樣，有些是更多需求，有些是成本下降。尤其是核心產(chǎn)業(yè)，科學(xué)、教育、醫療，這是OpenAI長(cháng)期最關(guān)注的3個(gè)行業(yè)，也是整個(gè)社會(huì )最根本的。

尤其是醫療。在中國，需求遠遠大于供給。而且，中國是大政府驅動(dòng)的市場(chǎng)經(jīng)濟，政府可以扮演更大角色，因為固定成本政府可以承擔。

最為重要的是教育。如果你是大學(xué)，你第一擔心的是，考試怎么考？沒(méi)法考了。他一問(wèn)ChatGPT，什么都知道。更重要的是，以后怎么定義是好的大學(xué)生呢？假定說(shuō)有個(gè)大學(xué)生什么都不懂，物理也不懂、化學(xué)也不懂，但他懂怎么問(wèn)ChatGPT，他算不算一個(gè)好的大學(xué)生？機會(huì )與挑戰并存。

總結一下，整個(gè)這個(gè)時(shí)代在高速地進(jìn)行，速度越來(lái)越快。它是結構上決定的。勢不可擋。

06?大模型的淘金時(shí)代?對機會(huì )點(diǎn)進(jìn)行結構性拆解

現在，我給大家一個(gè)結構化思維框架。某種意義上你可以對號入座，知道我在這里，我怎么思考今天的機會(huì )點(diǎn)。

這張圖是整個(gè)人類(lèi)技術(shù)驅動(dòng)的創(chuàng )業(yè)創(chuàng )新，所有事情的機會(huì )都在這張圖上。

首先，底層是數字化的技術(shù)，因為數字化是人的延伸。數字化的基礎里有平臺，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；平臺有前端、后端等。這里有大量機會(huì )。

第二，波是用數字化的能力去解決人的需求。我們把數字化應用完整放在這張表上。

1）C端，是把所有的人分成人群，每種人群24小時(shí)，他花時(shí)間干什么？有通訊、社交、內容、游戲消費、旅游、健身……C端有一類(lèi)特殊的人，這類(lèi)人是改變世界的，是碼農、設計師、研究員。他們創(chuàng )造未來(lái)。微軟這么大的公司，是基于一個(gè)簡(jiǎn)單理念：微軟我們就是要寫(xiě)更多軟件、幫別人寫(xiě)更多軟件，因為寫(xiě)軟件是未來(lái)。

2）B端，企業(yè)需求也一樣，降本增效。它要生產(chǎn)，有供應鏈、銷(xiāo)售、客服……有了這些需求之后，數字化看得見(jiàn)的體驗結構有6種：給你信息的，二維就夠；給你三維交互體驗，在游戲、元宇宙；人和人之間抽象的關(guān)系，包括信任關(guān)系、Web 3；人在物理世界環(huán)中自動(dòng)駕駛、機器人等；人的內在的用碳機植入到里面，今天是腦機接口，以后有更多，以后是可以用硅基；最后是給你模型。

最后，人類(lèi)是挺奇怪的物種，不光要滿(mǎn)足這些需求，還要改變世界，我們在滿(mǎn)足世界時(shí)，也要獲得更多能源，所以需要有能源科技；需要轉化能源，用生命科學(xué)的形式，biological process轉化能源或者使用mechanical process，材料結構來(lái)轉化能源，或者是新的空間。這是第三波。

所以創(chuàng )業(yè)公司基本上有三類(lèi)：數字化基礎，用數字化去解決人的需求，去改變物理世界。有了這個(gè)大的框架，我們可以系統性地來(lái)看對號入座：我在哪個(gè)位置？如果我在這個(gè)位置，需要關(guān)注哪些點(diǎn)？

首先講數字化基礎，它有一個(gè)穩定結構，不管再怎么發(fā)展，結構永遠是這樣。過(guò)去30多年，大部分系統或多或少我都碰過(guò)，這個(gè)結構確實(shí)相當穩定。

核心是前端和后端——前端是完整可延伸的體驗，后端是完整可延伸的能力，有設備端，比方說(shuō)電腦、手機、眼鏡、汽車(chē)等等，設備端里面是芯片、模組加上操作系統。萬(wàn)億美元的公司都在這一層。

其次是體驗的容器，二維的容器，三維的容器，內在嵌入的容器。

容器之上，寫(xiě)代碼都知道畫(huà)布，畫(huà)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，也可以是碳基里的蛋白質(zhì)等等。這是前端。

后端也一樣，底層式設備，服務(wù)器、交換機、數據中心等等，也是芯片、模組、操作系統。

中間這一層非常重要，網(wǎng)絡(luò )數據堆棧，分布式系統，區塊鏈等等。

最上面是云，是能力的供給。能力供給像自然水源，打開(kāi)就是算力，有存儲和通訊能力。今天的模型時(shí)代，打開(kāi)就是模型。

下面是數字化基礎。符號計算，或者所謂的深度學(xué)習，疊加向量的浮點(diǎn)計算，硅基的，碳基的。

如果你是這里的創(chuàng )業(yè)者，機會(huì )點(diǎn)在哪里？

① 首先搬運信息，這個(gè)時(shí)代還有很多可以做。

② 如果你是做模型的，我現在判斷什么都要重做一遍。大模型為先。很多設備也要重做，你要支持大模型，容器要重做，這些都有機會(huì )。云、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，這里是真正意義上是有大量機會(huì )。

③ 第三代系統，即已經(jīng)開(kāi)始做機器人、自動(dòng)化、自主系統。孫正義今天all in。這個(gè)也能用大模型做。馬斯克也看到這種機會(huì )。都是在第三代下一個(gè)拐點(diǎn)，創(chuàng )業(yè)公司完全可以把握的機會(huì )。

④ 同時(shí)并行的，我把它稱(chēng)作“第三代++系統”，是碳基的生物計算，這一類(lèi)公司有大量的量子計算，有很多機會(huì )。元宇宙和Web 3今天點(diǎn)冷，但從歷史長(cháng)河角度來(lái)講，只是時(shí)間問(wèn)題，因為這些技術(shù)都能真正意義上帶來(lái)未來(lái)的人類(lèi)價(jià)值。

所以如果是這個(gè)創(chuàng )業(yè)項目，基礎層機會(huì )就在這里。這是最好的生意。為什么？這個(gè)時(shí)代跟淘金時(shí)代很像。如果你那個(gè)時(shí)候去加州淘金，一大堆人會(huì )死掉，但是賣(mài)勺子的人、賣(mài)鏟子的人永遠可以賺錢(qián)。所謂的shove and pick business。

大模型是平臺型機會(huì )。按照我們幾天的判斷，以模型為先的平臺，將比以信息為先的平臺體量更大。平臺有以下幾個(gè)特征：

① 它是開(kāi)箱即用；

② 要有一個(gè)足夠簡(jiǎn)單和好的商業(yè)模式，平臺是開(kāi)發(fā)者可以活在上面，可以賺足夠的錢(qián)、養活自己，不然不叫平臺；

③ 他有自己殺手級應用。ChatGPT本身是個(gè)殺手應用，今天平臺公司就是你在蘋(píng)果生態(tài)上，你做得再好，只要做大蘋(píng)果就把你沒(méi)收了，因為它要用你底層的東西，所以你是平臺。平臺一般都有它的錨點(diǎn)，有很強的支撐點(diǎn)，長(cháng)期OpenAI設備機會(huì )有很多——有可能這是歷史上第一個(gè)10萬(wàn)億美元的公司。

這是一場(chǎng)激烈的競爭平臺之戰，未來(lái)一個(gè)體量很大的公司。在這個(gè)領(lǐng)域競爭是無(wú)比激烈。The price is too big（代價(jià)實(shí)在太大），錯過(guò)太可惜。再怎么也得試一試。

今天的模型魯棒性、脆弱性，還是問(wèn)題。用這個(gè)模型，你一定要一開(kāi)始稍微窄一點(diǎn)，限制要嚴一點(diǎn)，這樣的話(huà)體驗是穩定的，等到模型能力越來(lái)越強再把它放寬，找到適當的場(chǎng)景，循序漸進(jìn)。質(zhì)量和寬度之間的平衡很重要。另外發(fā)展路徑上，你要考慮今天產(chǎn)品要不要在這個(gè)上基礎上改，重啟爐灶，還是齊頭并進(jìn)。把這個(gè)團隊給改了、重做，還到外面去買(mǎi)公司？

創(chuàng )新，尤其是創(chuàng )業(yè)公司落地，它永遠是技術(shù)推動(dòng)和需求拉動(dòng)的組合。在落地的過(guò)程中，對需求理解的把控，掌握和滿(mǎn)足需求的方法是一切當中最重要。長(cháng)期一定是技術(shù)驅動(dòng)為主，但在落地的時(shí)候對需求的拆解、分析、梳理，把控好需求，是一切的一切。

有一個(gè)機密大家今天都知道了——OpenAI是用GPT-4做GPT-5，每個(gè)碼農都是放大能力的碼農。它規模效應不一樣，馬太效應不一樣，從此壁壘和競爭格局不一樣，知識產(chǎn)權結果不一樣，國際化的格局也不一樣。中國顯然有機會(huì )。

07?我對創(chuàng )業(yè)者有幾點(diǎn)建議

創(chuàng )業(yè)公司的內在結構是人和事的組合。人，一開(kāi)始是創(chuàng )始人/創(chuàng )始團隊；他有初心，內在驅動(dòng)力、外在驅動(dòng)力；他能獨立思考，判斷未來(lái)；他能行動(dòng)導向，解決問(wèn)題；他能需求導向，找到價(jià)值；最終通過(guò)溝通獲得資源。接下來(lái)是產(chǎn)品市場(chǎng)匹配，這部分就是研發(fā)技術(shù)、研發(fā)產(chǎn)品、交付產(chǎn)品。商業(yè)模式是收到錢(qián)、更多增長(cháng)、觸達更多客戶(hù)、融更多錢(qián)、一直觸達到未來(lái)的價(jià)值。組織上，通過(guò)系統建設，開(kāi)拓面向未來(lái)的人才、組織結構和文化價(jià)值觀(guān)等等。這一切就是一家公司的總和。

我們對每位同學(xué)的建議是，不要輕舉妄動(dòng)，首先要思考。

① 不要浮夸，不能蹭熱。我個(gè)人最反對蹭熱，你要做大模型，想好到底做什么，大模型真正是怎么回事，跟你的創(chuàng )業(yè)方向在哪個(gè)或哪幾個(gè)維度有本質(zhì)關(guān)系。蹭熱是最不好的行為，會(huì )浪費機會(huì )。

② 在這個(gè)階段要勤于學(xué)習。新范式有多個(gè)維度，有蠻大復雜性，該看到的論文要看，尤其現在發(fā)展實(shí)在太快，非確定性很大。我的判斷都有一定灰度，不能說(shuō)看得很清楚，但大致是看到是這樣的結果。學(xué)習花時(shí)間，我強烈推薦。

③ 想清楚之后要行動(dòng)導向，要果斷、有規劃地采取行動(dòng)。如果這一次變革對你所在的產(chǎn)業(yè)帶來(lái)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。如果你所在的產(chǎn)業(yè)被直接影響到，你只能采取行動(dòng)。

接下來(lái)我想講幾個(gè)維度——每個(gè)公司是一組能力的組合。

① 產(chǎn)品開(kāi)發(fā)能力方面，如果你的公司以軟件為主，毫無(wú)疑問(wèn)一定對你有影響，長(cháng)期影響大得不得了。尤其是如果你是做C端，用戶(hù)體驗的設計一定有影響，你今天就要認真考慮未來(lái)怎么辦。

② 如果你的公司是自己研發(fā)技術(shù)，短期有局部和間接影響，它可以幫助你思考技術(shù)的設計。長(cháng)期核心技術(shù)的研發(fā)也會(huì )受影響。今天芯片的設計是大量的工具，以后大模型一定會(huì )影響芯片研發(fā)。類(lèi)似的，蛋白質(zhì)是蛋白質(zhì)結構設計。不管你做什么，未來(lái)的技術(shù)它都影響。短期不直接影響，長(cháng)期可能有重大影響。

③ 滿(mǎn)足需求能力，滿(mǎn)足需求基本就要觸達用戶(hù)，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(lái)看有變革機會(huì )，因為上下游結構會(huì )變。你要判斷你在這個(gè)產(chǎn)業(yè)的結構會(huì )不會(huì )變。

④ 商業(yè)價(jià)值的探索、觸達用戶(hù)、融資，這一切它可以幫你思考、迭代。

最后是關(guān)于人才和組織。

① 首先講創(chuàng )始人。今天創(chuàng )始人技術(shù)能力強，好像很牛、很重要，未來(lái)真的不重要。技術(shù)ChatGPT以后都能幫你做。你作為創(chuàng )始人，越來(lái)越重要、越來(lái)越值錢(qián)的是愿力和心力。愿力是對于未來(lái)的獨到的判斷和信念，堅持、有強的韌勁。這是未來(lái)的創(chuàng )始人越來(lái)越重要的核心素養。

② 對初創(chuàng )團隊，工具能幫助探索方向，加速想法的迭代、產(chǎn)品的迭代，甚至資源獲取。

③ 對未來(lái)人才的培養，一方面學(xué)習工具，思考和探索機會(huì )，長(cháng)期適當時(shí)候培養自己的prompt engineer（提示工程師）。

④ 最后講到組織文化建設，要更深入思考，及早做準備，把握時(shí)代的機會(huì )。尤其是考慮有很多職能已經(jīng)有副駕駛員，寫(xiě)代碼也好，做設計也好，這之間怎么協(xié)同？

我們面臨這樣一個(gè)時(shí)代的機會(huì )。它既是機會(huì )，也是挑戰。我們建議你就這個(gè)機會(huì )做全方位思考。

本文作者：張小珺，來(lái)源：騰訊科技 (ID:qqtech)，原文標題：《陸奇最新演講實(shí)錄：我的大模型世界觀(guān)》