编辑:任佳敏

3月28日,2024黑马AI培训战略发布会上,一场主题为《每一家中小企业都有一个AI梦》的先锋论坛,引发了万千创业者的关注和热议。

这场先锋论坛邀请到了两位AI创投圈的先锋人物——360集团创始人周鸿祎、金沙江创投主管合伙人朱啸虎。

本次论坛的主持人,由创业黑马执行总裁罗浛予担任。在近50分钟的对话中,他们从中小企业AI智能化升级,聊到了创业者怎样在垂直场景中杀出重围,还聊到了AIGC创业领域的底层投资逻辑……

当天,我们先第一时间整理了两位老师的金句《现场金句!周鸿祎x朱啸虎:ChatGPT很快就会碰到瓶颈》

今天再次奉上现场的完整实录。如下,Enjoy:

2023年AI大模型席卷全球,2024年“人工智能+”被写进政府工作报告,将AI产业创业浪潮带上了一个新高度。黑马这么多的创业者们,同样不甘心被这个时代所抛弃。他们都希望从自身需求出发,找出一条实现AI智能化升级的新路径。

今天我们先锋对话的主题是《每一家中小企业都有一个AI梦》,正好可以围绕中小企业实现AI智能化畅聊一场。

01

AI在中国不是只有一条路

罗浛予:周总之前说过:“第一,创业者不要再去碰通用大模型了,没有意义。第二,也不要在通用大模型之上做一些简单的套壳、很薄的应用,这样传统大模型只要出一个工具,你就完蛋了。”朱总最近也说过,自己不看大模型,只看能赚钱的AI项目。

特别想问两位,在垂直场景方面,你们更看好哪些应用场景,可以具体给创业者们一些建议吗?

周鸿祎:我先辟个谣。现在外界把我和朱啸虎分到了不同阵营,其实不是。我们俩很多观点都是英雄所见略同,因为都投过很多公司,也被忽悠过,都是血淋淋的教训。

有的话以讹传讹,好像我们俩一副赚钱嘴脸,都是所谓的实用派。有些公司冰清玉洁,出淤泥而不染,就是用梦想改变世界,被称为信仰派。这完全是胡说八道。

我非常认同牛文文说的,今天所有推动人工智能发展的都是AI信仰派,你不相信AI是一场真智能革命,今天就不会来到这里。我做AI场景应用,朱啸虎投资AI创业公司,都是在用实际行动推动AI发展。

但AI在中国的发展不是只有一条路,所有人都看好Open AI,但美国的发展也不是只有Open AI一条路。有人把AI发展当做曼哈顿工程,消耗国家级算力和能源,最后走向AGI,这条路我们非常敬仰,也非常佩服。另外一条路,是在开源社区,通过开源的力量、开源的大模型去发展AI。

我非常坚信中国走第二条路,就是场景化道路。如果AI永远是10万张卡、100万张卡才玩得起,这成本已经高到无法产生工业革命了。当年超级电脑发明出来时,并没有带来工业革命,最后是PC带来了信息工业革命。因为PC走进千家万户,改变了百行千业,才推动了行业发展。

政府工作报告提出了“人工智能+”,就是指朱啸虎所说的这种道路。人工智能技术再好,也要回答一个问题:它能帮老百姓解决什么场景的问题,能帮企业做什么样的事?我们不需要等AGI,AGI可能还得三年。我们也不需要等到大模型能力超过GPT-4、GPT-5,才去做企业推广。

实际上,牛文文现在做的事情,就可以通过走企业级路线,把模型做小、做专,把模型的成本从原子弹变成茶叶蛋。不只是大中企业,即便是中小企业,也可以用得起,实现真正的数字平权,拉平智能鸿沟。

关于创业者不要碰大模型,朱啸虎说过这句话吗?我的原话是,建议没有足够的资金和技术积累的创业者,别去碰通用大模型。

比如,如果真有一个创业公司很有理想,确实又遇到了金主爸爸投了10亿美金,且这10亿美金不要求短期内赚钱,想怎么花就怎么花,这没问题,你可以去做。否则,绝大多数创业者在资金有限的情况下,面临巨头领先者的竞争,再去卷通用大模型,是不可能成功的。

对于AGI的竞争,算力越来越是一个卡脖子的问题了,算力背后又是能源问题。你做模型做不过Open AI,后面还有LLama2这种开源模型。昨天Databricks又开源了一个1320亿参数的大模型,能力也超强。你处于这个夹缝中,只有理想和口号是不可能成功的。

朱啸虎:今天我为了表示自己有信仰,特别穿了一件皮夹克致敬黄教主(黄仁勋)。前面周总讲得很好,大模型变化非常快,昨天美国开源的Databricks,只花了1000万美金,用两个月时间就训练出了一个相当于GPT-3.5的大模型。

我们一直在讲,通用大模型是个“先行者劣势”的方向模式。先行者在前面试错,成本巨高无比,而后面跟进的成本却越来越低。今年减一点,明年再降一些,你跟在后面是很舒服的。

今年能花1000万美金、2个月时间训练出一个GPT-3.5,明年1000万美金就可以训练出一个GPT-4。那我为什么要在前面试错呢?今天中国融资环境没有这么多资金,跟在后面会是非常舒服的状态。

从过去的PC时代到移动互联网时代,中国人都是在后面跟进。只要美国放缓,中国在工业落地方面就能远远领先美国。你看英特尔X86,基本上每3-4 年就出现一个新的 X86 架构。从286、386、586推出之后,节奏就放缓了。没过几年时间,联想收购了IBM。

所以,对创业者来说,现在卷通用大模型没有意义,我们抢用户、抢场景、抢数据,更有意义。

今天对已经有场景和用户的创业者来说,加一个AI很容易。相反,很多通用大模型想切场景、切用户会非常难。因为他们不懂垂直场景,也不懂销售。管理一个销售团队的难度是很大的,这反而是在座创业者们的优势。

周鸿祎:我补充一点。在过去一年里,我们找了100家企业,做了很多尝试,有很多失败案例,也有找到了成功的方法。牛文文提到企业如何破局AI,我4月8日本来要讲一个免费课,专门讲企业方法论,今天可以提前分享一点。

当年AMR并没有像X86那样,拼频率、核数和算力。AMR最后是怎么成功的?ARM是拼轻量级,拼低功率,多年后ARM通过迂回策略,照样成为了CPU王者,甚至在某些方面取代了X86。所以,模型不只一条路,不是越往大做越好,从千亿到万亿。除了Open AI的路,还有另外一条路,就是大模型是越做越专。

在企业中做场景时,谁见过有一套IT软件,既能管员工,又能管生产,还能管财务?这样的软件是不存在的。

在企业的定向应用场景里,只需要大模型解决单个场景里的专有问题。培养一个专业大模型,不需要会写古诗,也不需要解奥数题,它只需要做一件事。企业只需要用专有数据和知识进行训练,和企业之前的业务系统进行紧密整合。

我们用实践证明了,企业在这个单项能力上是可以超过GPT-4的。

所以,企业级的大模型不需要用千亿、百亿,甚至几十亿的大模型就可以做。今天国内外几十亿、百亿的开源模型非常多。换句话说,今天大模型不是白菜价了,而是免费了。企业的焦点不在于模型的选择,而是你有什么样的场景,有什么样的知识,如何和企业业务相结合。这已经被证明,是大模型的一个现实方向。

昨天开源的Databricks,还有马斯克开源的Grok,看起来参数很大,但里面都是基于混合专家(MoE)架构。说白了,就是由8个或16个小模型构成的,未来可能会有32个。每一个小模型只做自己最擅长的事情,且参数量都是百亿级的,最后再用几十个小模型拼凑成千亿模型。

把一个模型参数从千亿变到百亿,看起来参数小了10倍,但是成本、复杂度、训练和推理成本,可不是小了10倍,而是小了几百倍,甚至上千倍。一个千亿模型,没有几千张卡根本没法训练。但今天一个百亿参数的开源模型,做单一任务,用一台电脑、一个4090的显卡,单机单卡都能跑起来。

现在大模型还有一个趋势,就是大模型上终端、大模型上PC。这证明了,大模型在企业应用场景中,把模型越做越小、越做越专,是有可能的。

朱啸虎:我觉得大模型就像一所大学,比如北大文科比较牛,清华理科比较强,大模型本身只是个基础设施。最重要的是MoE(Mixed Expert Models,混合专家模型),核心是每一个E(Experts,专家),把E微调,让它变强大。这是垂直应用场景适合做的事情。

周总刚提到美国算力消耗越来越大。我个人感觉,可能是Open AI的效率特别低。因为它在前面试错,没办法,它不知道哪个更高效。GPT-4是30%的合成数据,GPT-5已经是90%的合成数据了。靠合成数据来提高大模型的能力,肯定很快会到上限。

任何时代都会有“永动机谬论”。AI时代的永动机谬论,就是靠计算机不断合成数据,反复提升大模型的能力。这也是GPT-5需要几十万张卡的原因,因为它合成数据的效率非常低,大部分合成数据没有信息价值,不可能做到熵减,就需要靠很大的合成数据量来创造部分的熵减。

我个人觉得,这种方法很快会碰到瓶颈。为什么我对中国追赶AI大模型很乐观呢?就是因为这个曲线会很快到瓶颈。如果美国Open AI后面比较难,中国很快赶上还是有可能的。

周鸿祎:第一,我们看历史,心怀梦想的小公司不是打不过大公司。前提是大公司处于懵逼状态,对一个事看清、看不起、看不上,给了小公司机会。

谷歌的八个员工发明了Transformer,但谷歌根本不重视,后来这八个员工都离职了。Open AI捡到Transformer如获至宝,给了Transformer差不多7年到8年的发展时间。小公司所有成功的例子,都是利用了这一点。但今天所有的人都知道Transformer很重要,所有人都知道要卷大模型,这样留给小公司的空间就不是很多了。

如果有梦想的创业者要碰大模型,能颠覆Transformer,那你就去颠覆。你可以提出一套新架构,不像Transformer开销这么大,那就有成功的机会。

如果技术路线还是七年前的,工程方法也是Open AI用过的,最后拼的还是算力,那最后的结果是什么?朱啸虎看得比较明白。

所以,我还是讲,没有10亿美金闲钱的创业者,就不要碰通用大模型了。

02

问答式的ChatGPT

肯定不是AI时代的杀手级应用

罗浛予:两位老师都建议要在垂直场景中找机会,但,大家都涌入垂直场景厮杀的时候,创业者怎么做深做专才能杀出重围?如果没投资,前期又不那么容易盈利,该从哪些维度入手?

朱啸虎:真正的垂直场景,其实不需要烧钱。

我们最小的一个公司用1张卡,提高了50%的效率。从我的实践来看,+AI是门槛很低的事情,只要一跟进就是能看到效果,创造很多价值。很多创业者做应用端的创新,成本肯定不高,关键是懂垂直场景和用户需求。知道什么样的产品形态,可以给用户创造一个数量级的价值。

周鸿祎:目前中国互联网场景,已经被巨头公司占尽了,大家都免费的话,你也很难收费,这不太适合没有融到资的创业者。

但中国市场还是有很好的机会,它的特点是很碎片,按企业、按行业、按规模分成了很多区隔市场。好处是,即便是BAT、华为这样的巨头,也很难一下子垄断,且企业愿意为降本增效掏钱。

过去企业软件一直觉得SaaS软件不容易挣钱,主要你给用户创造降本增效的价值没有那么大。如果今天AI确实能起到提升效率、降低成本的作用,企业是愿意付钱的。

但从场景选择来说,我给三个建议:

建议一,场景选择要非常小切口,不要做宏大叙事。

今天不要高估AI的能力,也不要低估AI的潜力。有人说,我做一个医疗大模型或教育大模型,这句话说得太笼统。必须把这个行业打开看,找50到100个的细致场景。比如,你能帮医生在病例润色和生成方面找到一个场景。所以,场景选择特别重要。「创业黑马」之前提出过“重度垂直”,一个是要足够垂,一个是要足够深。

建议二,要有足够多的知识壁垒。

大模型把网上的“亮知识”都找到了,其实企业内部有很多知识是“暗知识”,只是在网上找不到,甚至老板本人都不一定有。如果你能想办法,把有行业、企业know how的深度知识拿到,你的训练就会有成果。否则,通用大模型一升级就能直接碾压你。所以,重点是知识的选择和知识的训练。

建议三,别太迷信聊天机器人。

其实ChatGPT做了一个聊天机器人是为了让大家愿意接受AI,本质这是一个科普行为。但在企业内部,聊天机器人并不是最好的人机交互界面。如果你给企业交付的是聊天机器人,各位作为企业家会知道,这很难用。

在企业内部,大模型有点像一个发动机。但用户要的不是发动机,而是车。所以你得想办法再给它做一个底盘和四个轮子,还得加上座椅。也就是说,你要最终通过智能体框架,把大模型跟企业之前的业务系统融在一起。这样大模型才不是游离在企业信息系统之外的、孤立的问答机器人。

所以,Copilot的模式在中国收不到钱,要跟企业业务深度组合才可以。很多功夫都得用在大模型之外,只训练大模型是远远不够的。

朱啸虎:我补充一下,我特别同意周总关于ChatGPT的看法。

从PC互联网到移动互联网,本质是从搜索引擎转变到推荐引擎。为什么推荐更好呢?因为它更方便好用。问答式的ChatGPT,肯定不是AI时代的杀手级应用。因为它对用户的要求更高,需要用户想各种办法提问,才能得到更好的答案,这对用户的挑战很大。所以,最后让用户问起来更简单方便、更容易得到好答案的,才是AI时代的杀手级应用。

周鸿祎:对,ChatGPT刚出来时,大家都很迷恋Prompt,甚至有大佬说 Prompt Engineer 会变成一个新职业。但是Prompt简直是反人性,不但很难写,而且每次我写一样的东西,给我的答案还不一样。自然语言让人和人之间都很难沟通理解,更何况你和机器之间呢?

03

做杀手级应用之前

先找到杀手级场景

罗浛予:刚才我们聊了很多AI行业To B的模式。对做To C生意的AI创业者来说,在不烧钱或少烧钱的情况下,应该如何优化现有商业模式?

周鸿祎:To C领域,在做杀手级应用之前,应该先找到杀手级场景。去年的大模型,成功的地方是赶上了ChatGPT-3.5,不成功的地方是大家在To C的时候,就像朱啸虎说的,都只是做了一个聊天机器人。

最近kimi比较火,360浏览器也跟着火了一把。火的背后有一个关键,是大家放弃了把自己作为全功能AI产品的定位,而是选了几个真正能打动一些小众用户的场景。

比如,读书能不能读快点,我每天需要读各种论文,外文又不怎么样,能不能帮我分析论文。Kimi启发360浏览器换了一个思路,我们找了一个明星场景。

所以,功能打动不了用户,只有场景能打动人。从需求场景出发,来创造应用级产品,解决场景需求。大模型基本都是藏在后面解决问题的。

我最近看到一句话,“先选择应用场景,再来定义应用, PMF(Product Market Fit,产品市场匹配度)实验成功了,再训练自己的模型。”

在垂直应用方面,大模型不一定做得很好。360AI浏览器用了5个小模型,分别做翻译、搜索、阅读理解、脑图生成。五个百亿级模型加起来,比千亿级模型成本更低、速度更快。

在To C领域,要深刻地去找一些非常垂直的场景,我把它叫明星场景,用场景才能驱动产品设计、训练自己的垂直大模型。

朱啸虎:C端应用,我们太熟悉了。中国在互联网上尝试过太多C端应用场景了。

比如说,用5分钟读完一本书。以前有几个APP做得挺好,他们的用户场景为什么能引爆?因为让用户可以分享打卡朋友圈,告诉朋友们我看完了这本书,我很上进。但取消打卡功能以后,月活跃度马上下去了。

现在年轻人觉得5分钟看完一本书都很累,最好在抖音里用30秒钟告诉我这本书讲的什么内容。现在的消费者既需要告诉自己朋友,我很上进,又不愿意花很长时间。让GPT帮我2分钟看一本书,这个需求也很难做得太大。

我相信大家都知道这个场景的用户留存很差。你丢一个PPT让ChatGPT总结财报,可能只有分析师才会用,让消费者去用,这太难了。

今天的ChatGPT在消费者端怎么应用,可能要等到明年iphone装了大模型再说。当一个手机有了几个大模型后,才会发现在哪些C端应用可以引爆。但总体方向是,让消费者更方便、更容易偷懒。

04

“为什么我不看好Midjourney?”

罗浛予:看来,朱总认为现在的To C商业化还有点早。

周鸿祎:我也同意这个说法。最近看了奥特曼的创业分享,很赞同他的观点。奥特曼讲,他在YC当总裁时,你可以先选一个小众人群,做出一个他们喜欢的东西。如果得到了验证,可以再看人群能不能扩展。

现在大家都在探索To C,但To B能找到的场景远比To C要多。现在还有一种杀手级应用——虚拟女友,但这很容易做成「not suitable for work」,不太适合中国的创业者做。

朱啸虎:看字节跳动的发展史,从内涵段子、今日头条到抖音,一脉相承,都关注用户留存、用户活跃、用户时长,Engagement(用户在App上的互动行为,如浏览、评论、点赞、分享等)。C端应用的核心就是能看到这些数据。

那今天的ChatGPT肯定做不到,它还没有出现一个刚需高频的场景。为什么我不看好Midjourney?因为C端做文生图,肯定不是高频场景。Midjourney的迭代速度很快,效果也在快速提高。但等它的迭代速度放缓后,必然会被高频用户场景的入口取代掉。

所以,在C端应用场景上,背后的逻辑始终都一样:你是不是一个刚需高频的入口场景?不是这样的场景,最终还是没有办法做好防守。

05

“我不太相信AGI”

罗浛予:咱们今天发布会的主题是“每个中小企业都有一个AI梦”,不仅AI创业者有AI梦,也有很多产业希望借助AI降本增效,给传统产业升一下级。那么,中小企业应该如何实现AI智能化升级?

周鸿祎:我觉得牛文文刚才总结得很好,我换了一种说法。

第一步,中小企业应该建立AI信仰(就是牛文文说的认知)。

AI信仰可以概括为四句话:第一,你信不信这是真AI?第二,你信不信这是一场工业革命,未来5-10年会席卷所有行业?第三,你信不信AI会重塑产品和内部管理的每一个链条?第四,你信不信用AI的公司会淘汰掉轻视AI的公司?

如果一个企业都不相信AI,这就是看不上、看不起,自然就看不清、看不懂。

第二步,AI的科普教育非常重要。AI跟云计算、大数据最大的不同,是很多企业员工可以不懂云计算、大数据,但并不妨碍他们用好大数据。但AI对业务的结合和每个人的生活、工作方式挨得太近。所以,从企业领导到基层都需要去了解AI。

现在网上很多制造焦虑的账号,弄得大家对AI很敌视、很恐惧、很有距离感。怎么解决这个问题?我建议中小企业老板花点钱,无论是用GPT还是国内大模型,甚至将来牛文文也会给中小企业做私有化部署的大模型。

一定要让员工每天都用,可能通用大模型能解决生活办公的一些常见问题,还不能解决具体问题。但让你的员工花几个月去了解和熟悉AI,还是很重要的。

第三步,规划应用AI。我发现,应用AI是需要业务来推动的。我们做AI的公司,最多给你提供很多工具,但对你的业务不了解。到底你的业务中有哪些场景适合做AI,还是要靠业务驱动。这就需要公司设置一个首席AI官的角色。

第四步,企业需要大量的知识。注意,不是数据。数据不等于信息,信息不等于知识,知识不等于智慧。实际上,做企业级大模型时,越智慧的知识,越是知识的数据,才更有价值。而这些需要在企业里去深度挖掘和搜集。

第五步,利用现有的成熟工具,把自己的私有大模型训练起来。现在的训练成本,已经低到几百万、几十万级别。而且,企业私有大模型融合了企业对业务的理解和企业独有的知识,进而成为了企业的核心资产。确实没钱的企业,也可以用SaaS服务商针对中小企业提供的应用。

2024年企业给自己提一个目标:至少让自己的员工用一下大模型,至少让他们对大模型不陌生。在企业内部管理流程、外部产品服务流程中,找一个场景用SaaS或私有大模型,解决自己的具体问题。这样你在2024年就能超越很多同行了。

朱啸虎:我觉得,AI是必须要去拥抱的,就像今天的企业无法想象没有电脑和手机的生活。今天AI对效率的提升,甚至超过了之前的PC电脑。我们看到很多人在营销端、客户服务端,可以轻松提高30%到50%的效率。

我不太相信AGI,但是帮助企业提升30%到50%的效率,在未来几年内很轻松就能实现。

06

未来每个企业将有多个专家模型

罗浛予:朱总还有什么问题抛给周总的吗?

朱啸虎:我很好奇360在消费端的AI是什么样的逻辑,用户留存和用户时长怎么样?

周鸿祎:这几年360在AI端,其实在做To B、安全和To C三个场景。当然,主攻方向还是To B。

第一,我们做了一个安全大模型,自己掌握安全能力、数据和工具,做成了一个垂直模型。这个模型既为中国上百万家企业提供服务,如取代无数安全专家,或在高水平安全专家配合下,给企业解决实时攻击、实时发现、实时阻拦的问题。

第二,我们还给自己设计了一个大目标——解决AI大模型本身的安全问题。这个问题非常复杂,技术安全、数据安全、内容安全,甚至还涉及到道德文化,还有对硅基生物的控制问题。

第三,中国有这么多中小企业客户,能看到很多场景机会,所以我们选择为企业提供大模型的基础设施。企业要做大模型,最重要的是保证知识大模型和情报大模型的供给。

在互联网上,还是有几个月活用户超三四亿的搜索和浏览器。我们在努力探索To C场景下怎样让大模型赋能场景。目前来讲,大模型在To C方向的用户预期太高,除非你真正实现AGI,否则总有回答不好的地方。所以,我们放弃了给用户做全面回答的能力,而是先寻找一些垂直场景,先提高用户的满意度。

目前来看,虽然搜索受到了推荐和问答的影响,但是搜索依然是一个很大的基础服务。现在你不用在几百个烂网页里挑你要的答案,我们可以直接给你一个比较完整的答案,且可以自动生成脑图,让你能一次性得到比较全面的结果。

第四,浏览器是目前为数不多的、能完成用户期望值70%-80%的To C场景。像其他很多场景就更不靠谱了。这也是为什么很长时间以来,全世界除了虚拟女友获得蓬勃发展以外,微软、谷歌都没有在个人消费场景找到适合AI 的新应用点。

朱啸虎:周总很务实,任何新兴技术一定是首先在企业端采用,比如大哥大和PC电脑。因为一开始出来比较贵,而它又能帮企业降本增效。AI在C端的应用,确实还要等一两年时间,这也比较符合中国目前的情况。

周鸿祎:我分享一点。你投资的公司也有这个特点。先选应用场景,再按照应用场景的用户体验给大模型提要求,这样大模型的目标非常明确。最后的成本非常低,商业化速度也非常快。

反过来,通用大模型基本上没有8000个功能,也有1万个功能。今年写诗,明年阅读,后年写小作文。改来改去,用户总能找到你回答不了的问题,这种时间周期是非常漫长的。而且,很多能力是用不到的,但是它运行时也必须全部加载,这些千亿级大模型都要放在一个集群上运营,回答一次问题要好几毛钱,反应速度还慢。

如果你找到用户场景之后,只需要优化用户需要的功能,还可以把这些功能分布在不同的垂直模型里。我们用差不多接近10个百亿模型,每个百亿模型的成本更低和速度更快。这个方法也更适用于企业级应用。

我猜想,未来一个企业里会有多个专家模型,将来可能还会有专家模型的大市场。比如,我把牛文文的天启大模型买过来,把朱啸虎投资过的模型买过来。

去年谷歌Transformer八子之一Llion Jones成立了新公司——Sakana AI(Sakana,来源于日语さかな,意为“鱼”),专门做垂直小模型,他在研究把大模型和小模型糅合起来,把小模型的参数权重和另外一个模型合在一起。就像生物进化一样,把有用的能力继承下来,把没用的能力淘汰掉。比如,把学日文和解数学题的小模型结合起来,生成一个解日文数学题的小模型,并保证了高品质和高性能。

未来大模型有两个趋势:一个是模型垂直化,一个是模型缩小化。比如,华为肯定要把模型上手机,小米也会这么做。大模型跟终端硬件做结合,也是中国创业者的机会。到时候比拼的不再只是参数,更不是一味地卷算力。

07

联想的“贸工技”路线

依然最适合中国创业者

罗浛予:感觉周总好像还有点意犹未尽,你还想问朱总什么问题,可以尽管问。

周鸿祎:我觉得朱啸虎的道理讲得很好,但是很狡猾,就是不把投过的好公司分享给我们,是害怕我们抄袭吗?举两个例子,让大家知道你喜欢的公司是什么样子。

朱啸虎:那我具体举两个例子。比如,我们投的「FancyTech」就是用 AI 生成广告视频。我们聚焦在广告视频这个细分领域做得很好,这个公司已经在美国都拿到头部客户了。美国的Sora很厉害,它的目标是直接做电影。但到现在成本很高,还不能公开给用户使用。

另一个例子是AI 视频面试。我觉得,在两三年之内,中国所有的校招全部会普遍使用 AI 视频面试,因为确实能降低太多成本了。

你让一个员工去面试一个大学生,要30分钟左右,时间成本非常高。现在用 AI 系统面试可以做得非常好,且可以体现出这家企业的技术非常领先。最高峰期,有一个客户要求,一天面试10000人。所以,去年他们已累计面试了 100 万人,今年第一季度就做完了去年50%的业绩,预计今年整体业绩至少翻 3 倍。

周鸿祎:他们不是在做一个HR大模型,而是做简历采集、识别和梳理,以及与面试者产生对话。把这两个环节做好,就解决了很多企业的痛点和刚需,对模型的要求也比较低,一个4090单卡就跑起来了。

这就是我说的,一定要选对垂直场景,场景不怕小。有个说法叫小切口、大纵深。虽然切口小,但影响的企业是数以百万计。

其次是重度垂直,跟行业结合得很深,比如做广告视频或视频剪辑。在视频内容的产生方面跟Sora比,是以卵击石。但在做广告视频方面下很多功夫后,这个软件能降低做事情的难度,提升工作效率,也一样有价值。

很多软件不是在跟Sora直接竞争,而是把Sora看作视频来源。在Sora外面加一套复杂的工作流,这才是重度垂直的思路。

朱啸虎:周总说得很好,在AI上面包一层,特别适合中国的创业企业。

周鸿祎:最后,我更正一下,我跟朱啸虎还是很有AI梦想的人,也是很有理想的人,怎么就被说成很现实的人呢?

罗浛予:有人说,在中国AI少谈梦,多赚钱。两位怎么看?

周鸿祎:我觉得,不要把梦想和赚钱对立起来。

首先,人一定要有梦想,没有梦想坚持不下去。第二,没有梦想,也凝聚不了团队,别人追随不了你。第三,没有梦想,你也没有方向感。

但不能光谈梦想,梦想都是有代价的,要么自己掏钱,要么骗朱啸虎的钱花。你能形成自我造血能力,让更多VC对你有信心,融到更多钱,才能跑得更远。如果完全不考虑现实的操作,你就只能做梦,因为你连拿VC的钱支撑自己做梦的资格都没有。

嘴上有梦想的人太多了,每个人都说我要当乔布斯,我要改变世界,最后梦想还是要靠一步一个小目标,积小胜而成大胜。

朱啸虎:可以看看联想,过了几十年,联想的“贸工技”路线,依然最适合中国创业者。依然是先养活自己,脚踏实地,同时要记着远方的梦想。

罗浛予:今天的先锋对话结束了,感谢两位带来这么多精彩观点。

简单总结一下:

1、今天所有推动人工智能发展的都是AI信仰派;

2、AI在中国的发展不是只有一条路;

3、中国很适合走场景化道路,选对垂直场景,小切口、大纵深;

4、想做To C场景的AI创业者,在做杀手级应用前,要先找到杀手级的场景;

5、希望通过AI实现智能化升级的企业,要建立AI信仰、做好AI科普、规划应用AI、训练私有大模型。

6.对创业者来说,现在卷通用大模型没有意义,我们抢用户、抢场景、抢数据,更有意义。

Just do it !

[本文作者i黑马,创业家原创。如需转载请联系微信公众号(ID:iheima)授权,未经授权,转载必究。]
举报/反馈

创业家

143万获赞 16.8万粉丝
财经领域创作者
财经领域创作者
关注
0
0
收藏
分享