李開復似乎感到憂心。

我們的對話中，他有許多表達諸如此類：

“第一個做出AGI碾壓對手的，它必然是一個商業霸權壟斷者。而且，它會有成為一個終極壟斷者的野心。”

“OpenAI是特別強大、壟斷型的公司，Sam Altman可能會是有史以來最大的壟斷者。”

“他今天還沒成為壟斷者，但他的謀略，他的野心，他把一二三步棋都想清楚，這些我很佩服他。但從一個從業者的角度，也很擔憂他。”

“人人可用是什麼意思？就是你在美國做了OpenAI不給中國人用，那就不是人人可用啊。”

這些言論全部指向一個宏大又現實的命題：如果美國形成AGI霸權，我們應該如何抵抗？

李開復1961年出生於台灣，11歲隨兄嫂赴美，先後畢業於哥倫比亞大學和卡耐基梅隆大學。博士畢業留校做了兩年助理教授後，他隨即進入產業界，先後在美國任職於蘋果、SGI、微軟和Google，最高出任微軟全球副總裁、Google全球副總裁和中國總裁。

在中國，他於2009年創立科技投資機構創新工場，並於2023年創辦大模型公司零一萬物，後者是中國大模型初創“六小虎”之一。

此前，在我們與楊植麟、朱嘯虎、王小川、湯道生、何小鵬的多篇系列對話中，更多集中在技術趨勢、企業生存與個體抉擇。

由於李開復有40年人工智慧從業經歷，在全球科技界活躍，和中美各界聯絡廣泛；這次，我們把話題推向了更為宏觀的議題：AGI霸權與壟斷、海外科技巨頭的卡位與現狀、超級應用的隱形崛起。此外，他也聊了零一萬物的爭議和戰略轉向（2C先走海外、國內聚焦2B）。

“如果說AGI必然發生，我們假設它是7年以後發生。到了那天OpenAI‘一統天下’的時候……他想要來碾壓我們，我們至少還有抵抗的餘地。”李開復說。

他提供了一個中國可以走的第二條道路的可能視角。

以下是對話全文。（為方便閱讀，作者做了一些文字最佳化）

1 終極的霸權壟斷者

“極具野心的人都夢想自己有這麼大一個霸權”

《潛望》：你在接受外媒採訪的時候說，中國大模型公司和矽谷巨頭最大的優勢差異是，製造廉價的模型和推理引擎，為什麼中國團隊更擅長做這件事？

李開復：我可以告訴你，我們跟Google、OpenAI都搶過人——當屆博士——我們輸的比贏的多。

這些博士在學校，就幾張卡，做博士論文。Google、OpenAI說，你加入我們，我給你5000張卡，我給你1萬張卡，你可以用3個月、6個月來做你夢想的事。

他們讀博最苦的就是學校沒有GPU資源，出來誰給他GPU資源比什麼都重要。還有資料，還有場景。所以，他們去那裡理所當然。

我們這邊說，你來我們這，我們公司GPU蠻多的，有幾千張。有5000張嗎？有1萬張嗎？沒有。那我為什麼要去你這裡？——我去那邊一個人就有5000張了。

他們的做法是用資源吸引很聰明的博士加入，給他們資源做非常暢想的事。每幾個月，說：哎，誰做出了點東西？我們能不能把它縮小，放到產品裡去？

這是一種打法。如果你要打AGI，這個打法非常合理。你把最聰明的人拉進來，給他很多資源。反正你錢多，也不怕燒GPU，做出來一定是一大堆有意思的東西。但是，你讓它縮小，就很難。

就像，你找人設計一個最豪華、美麗、壯觀的廚房。你說，我家就幾平，你把它塞進來。或者你設計一個最快、最大的引擎發動機，我就一個小小的電動車，你把它塞進來——塞不進來嘛。所以，從設計就要想到。

我們從頭就想到，我們的目的，不是燒世界最貴的AGI，而是做世界第一梯隊的模型，但必須有廉價的推理。

這樣的模型，我們的應用和別人的應用才能用上。把這個當目標，招聘時如實跟這些博士說。有人說，人家給我5000張卡，你不能保證，我為什麼要加入你？但也有人說，我想做“親民”的科研和有效的創新，你更適合我。雖然我們大部分時候沒搶過OpenAI、Google，但加入的是跟我們思維、DNA一致的，能同心協力把這件事做出來。

我之前有一本書明確地說：黑科技發明的時刻，美國通常領先中國，且領先蠻多；落地執行的時刻，中國可以趕超，甚至超過美國。用的例子是，移動網際網路，美國發明的，但中國的App強過美國；AI深度學習和摺積神經網路，美國發明的，但中國的應用、落地和產生的獨角獸不輸美國。

今天也一樣。誰發明的GPT-4o？美國。誰發明的o1？美國。但它發明一個我們就能趕超一個。中國一方面有很多最佳化的方法論；另一方面，我們落地速度不僅很快且往往做得更廉價。

我們每個人都想追求AGI。可要追求第一個做到AGI且完全碾壓別人，這個夢想我們沒有，也不能有。

《潛望》：如果能第一個做到碾壓別人的AGI，能帶來什麼？這是一個科研夢想，還是一個商業夢想？

李開復：都是。如果你訓練出超級大腦，它除了有今天的思考能力、推理能力；未來還有創新能力，能獨立思考，甚至有自我意識；下一步瞭解多模態和世界模型；接下去做成具身智能走向世界——科幻成真嘛。

AGI還不需要那麼多。就把它定位純軟體好了。假設它的思考、推理能力，創造發明、獨立思考能力，以及自我學習能力，遠遠比人強，AGI可以幫你發明很多新事物。

發明之一是，幫我設計一個商業模式，把其他大模型公司打倒；幫我設計一個公關策略，讓大家信任我是最可信的公司；如果是壞人，幫我設計一個網路攻擊方法讓競爭對手癱瘓……你要做壞人會有很多其他壞事。

第一個做出AGI碾壓對手的，它當然實現了技術理想，但它必然也是一個商業霸權壟斷者。

而且，它會有成為一個終極壟斷者的野心。

《潛望》：也就是說，AGI能帶來什麼超級應用我們現在不知道，但它一定能帶來壟斷者。

李開復：假如只有一家做出來，那它就必然是壟斷者。它可以用這個工具確保它壟斷。

過去，微軟很難說Windows一統天下了：讓Windows把全部的Mac弄沒有，讓Windows壟斷手機系統——現在看來是不可思議的。AGI是一個大腦啊，做成了，它能誕生超級應用，甚至能幫你發明。

AGI圈還有一個想法是，到了GPT-6，是不是會有剛才說的一些能力？當你的AGI獨立思考、發明事物，是不是你就可以告訴它：幫我維護壟斷，得到更大商業利益，讓我得到一些東西、讓競爭對手失去一些東西？

這是一個很大的誘惑。

我想，有史以來所有極富野心的人都夢想自己有這麼大一個霸權，但這對全世界並不見得是好事。

2 我們能走的第二條路

“它想來碾壓我們，我們至少還有抵抗的餘地”

《潛望》：如果我們不追求AGI，走的是另外一條路，這條路怎麼推演？

李開復：第一個碾壓式的AGI壟斷者，夢想是做出強大的大腦，錢全部到我這，其他人都賺不到錢。這種壟斷邊界要比過去微軟、Google的壟斷大得多。

還有別的選擇嗎？

我們的一個選項是，怎樣讓生態成為護城河？

壟斷者未必急於把推理成本降下來。它未必想很多應用冒出來。但不考慮壟斷，我們作為使用者，希望有更多應用，對吧？

短期看，未來1-2年，推理成本會下降，每年降10倍——經過各種努力，也許能降20倍到50倍。這樣會點燃很多應用——突然可以做搜尋了，可以做社交了，可以做娛樂了，可以做電商了……應用會像雨後春筍冒出來。

一個生態裡，純美國AGI壟斷者推動會導致什麼？如果目標是AGI壟斷，你做的就是拿最多錢買最多GPU不斷地燒，直到燒出來為止，燒出來就贏了——這是它的遊戲。帶來什麼副作用？輝達賺超級多錢，因為錢都被丟進這裡了嘛。

而一個良性生態，應該是晶片賺最少的錢，平台賺蠻多的錢，應用賺最多的錢；平台本身比任何一個應用都賺錢；但所有應用加起來比平台賺更多的錢。

PC、網際網路、移動網際網路是這樣，雲也是這樣。AI是不是？絕對不是。

今天AI生態是晶片GPU佔750億美金＞雲廠商100億＞應用商ChatGPT這類只有50億——是一個倒三角。如果持續是倒三角，AI-first的應用不會雨後春筍冒出來。使用者不會得到福利，大家做應用不會那麼快PMF（Product Market Fit，產品市場契合度）、賺到錢、融到資，不能達到良性生態系統的正向循環。

正常健康的生態應用是：應用創造的價值＞雲廠商＞晶片GPU，只有使用者得到好處才會付錢，付了錢App才會進步，App進步對平台才有要求，對平台有要求才會對晶片有要求，晶片進步大家再一起進步，就轉起來了。

AI應用為什麼不發生？是推理成本太貴了。

我們把頂級模型推理成本降下來，這樣才會達到產生一大堆PMF的應用爆發拐點。應用爆發以後，它們靠品牌、使用者資料，快速建立護城河。今天為什麼很難打倒微信、抖音、Facebook？因為它們在很弱的時候，發展了應用、使用者群和護城河。

如果說AGI必然發生，我們假設它是7年以後發生。到了那天OpenAI“一統天下”的時候，我們已經有了一個很強的社交應用、很強的搜尋、很強的Agent、很強的硬體。他想要來碾壓我們，我們至少還有抵抗的餘地。

《潛望》：為什麼說AGI是7年以後發生？

李開復：前一陣有一篇文章《Situational Awareness: the Decade Ahead》（《態勢感知：未來十年》，OpenAI前員工撰寫），大膽說AGI三年會發生，有些假設值得商榷。

我覺得Epoch AI（一家非營利研究組織）說得更靠譜，他們在今年8月一篇文章《Can AI Scaling Continue Through 2030?》（《人工智慧的規模定律能否持續到2030年？》）中，分析了四件事：

● 資料還能多快增加？

● 世界生產GPU的能力，還有HBM（高頻寬儲存器），就是記憶體的能力，能多快增加？

● 計算的耗損能多快增加？你作為一個神經網路，它的forward backward訓練（前向傳播和反向傳播訓練），使它不是GPU問題，而是傳輸問題。如果是一張變成兩張傳輸還好，如果是100萬張變成200萬張，傳輸就會成為瓶頸。

● 還有一個，世界上有多少電？

——最後它計算的結果大概是2030年。

他的說法是說從GPT-2到4，從2019年到2023年，4年時間提升的level，和從GPT-4到AGI大概是一樣的level。也就是從幼兒園到高中生，從高中生到天才，是類似提升。如果第一個提升（幼兒園到高中生）花了4年；第二個提升（高中生到天才）需要7年，就表示有diminishing return（邊際效益遞減）。

我們可以期待Scaling Law（規模定律）繼續往下走，但它不會像以前那麼快，而且非常、非常貴。

做到AGI要花多少錢？它說了一個超級天文數字。不見得一個公司做得起。

《潛望》：所以，我們的第二條路，是用生態去抵抗，是嗎？

李開復：對。每個應用公司都可能自己也做AGI，AGI只要有了競爭，就表示壟斷會比較難。

《潛望》：應用公司需要先自己形成生態，有商業化利潤再去追求AGI，而不能從今天就去追逐AGI？

李開復：不管生態和商業化，只追求AGI，可能在追求夢想途中，你就沒有彈藥跑下去了，談何實現？

《潛望》：但我有一個疑問，如果我們現在第一目標不是追求AGI，沒有像在AGI主航道里那樣讓模型能力快速提升，應用會大爆發嗎？

李開復：OpenAI在5個月前推出GPT-4o模型，現在10美元一個million tokens，今天我們的Yi-Lightning模型反超了GPT-4o（五月版本）。我們在5個月之間，API定價幾乎降了數十倍，還有盈利空間。同時，這樣的價格普惠點有可能推動更多應用。

《潛望》：以上，你提供了一個技術價值觀：如果美國有可能實現AGI霸權，中國應該如何形成合力對抗他們。

除了推理成本的降低，還有什麼我們需要做？

李開復：我們全中國把只落後美國5個月的模型先用起來，讓應用比美國跑到更前面，後發制人。

我樂觀認為，中國App最後一定做得比美國好，雖然今天還沒有，但未來會發生。因為從移動網際網路到AI 1.0已經發生過兩次。

中國現在特別強大的，就是那批會做PMF的人。我們後發先至的力量就是這批會做PMF的人。

他們有PM（產品經理）、工程師。他們要跟模型專家在一起，最後能做出點燃火焰的超級應用。

3 OpenAI還藏了很多牌

“我們千萬不要低估它”

《潛望》：業界同仁說你對海外十分熟悉，曾經在Google、微軟、蘋果這些大公司擔任過高級管理人員，和各個大公司有密切的交流。

他們想讓我幫忙問問海外進展：一是，有什麼是未來1-2年能出來但還沒形成共識的？二是，應用端預計在什麼時候會出現一些顯著性變化？

李開復：我剛從矽谷回來，這次見了很多人。幾個比較大的認知——OpenAI還藏了很多好東西沒有放出來，我們千萬不要低估它。

它GPT-5訓練得不是很順利，但是，為了融資，就丟了一個o1出來。

它手中還有很多牌，不急著出這些牌。因為它每次出一張牌，全球技術公司包括中國的，就會看它出了什麼牌、去猜、去做。就算不能打平，也能做到八九成。所以，它並不想把牌打光。它想留到最後AGI有望的時候，再比較有信心地打出來。

所以，這是一個技術實力非常強大的公司。我覺得它跟Google的距離，不是Google在拉近，而是差得越來越遠。當一個公司有這麼多技術儲備，可以戰略性決定什麼時候放出技術。比如，需要融資、需要show muscle（顯示實力）的時候。

但是，GPT-5訓練碰到挑戰，意味著3年達到AGI的預測可能過度樂觀。本來GPT-5應該現在已經出來。現在看，即便出來，最快也是半年後了。不過，o1能遞補上來，把這次融資完成。

o1本身並沒有帶來那麼大推理和理解提升，但它把快思考、慢思考做成兩套東西，以後相輔相成。對一個做技術的人來說，1年半前把全部精力放在pretrain（預訓練），因為這個難度大，沒人做過，只有一兩家公司做過。現在，很多公司學會了。之後就發現，一個很難的硬骨頭是要把post train（後訓練），尤其強化學習做好。今天強化學習做得好的公司非常少。

這次又拋出了第三個，是推理時的Scaling Law。o1最厲害的就是推理時的Scaling-Law，推理花越多時間思考做得越好，這是之前ChatGPT沒有的。開闊了很多人的思考。

《潛望》：開啟了另一個金礦。

李開復：這個金礦對全球都有很大幫助和刺激。

我預測，推理階段的進步將會遠遠不止今天o1里的技術。我們內部討論，可能是什麼做成了o1，我們公司內部就出了3種不同方案。你再把它乘以20-30個很牛的公司，還有比我們更大的公司。幾百個方案，一定有是前所未做過或想過的。

回到創業生態，現在一個“標準矽谷共識”就是Sequoia（紅杉美國）那篇文章。你應該看了吧？

《潛望》：o1之後發的那一篇對嗎？(《Generative AI's Act o1: The Agentic Reasoning Era Begins》(生成式AI的o1行動：代理推理時代的開啟))

李開復：對。它以o1為title，但要讀到最後，投資邏輯寫得很清楚。國內創業者朋友可以看一看。這符合我跟矽谷創業者、投資人的溝通。

美國的感覺是，啊，大模型的pretrain會集中在少數幾家公司手中，再投新做的大模型，看起來有人做了很酷的東西，但投資回報未必最好。從Infra（基礎設施）來說，他們認為一些好的公司已經差不多出來了，不是最好的投資點。投App，還有投Service as a Software（服務即軟體）最重要——這個矽谷共識會帶來美國投資的一種方法，中國VC可能會跟風。

我不完全認可他說的。在我看來，大模型——如果你有推理優勢，可以做出不同打法；Infra——美國VC沒有很懂Infra價值在那，還是有機會；App——對投App我是同意的，但不能過度樂觀。

過去大家說App是PMF。大模型時代我加了兩個字是TC-PMF（技術成本x產品市場契合度），除了PMF，還需要知道TC——我需要多強的技術，比如多模態還是視訊；還有推理最佳化，以降低成本和提升性能；還要預測這個技術誰可以做出來、什麼時候做出來、以多低成本、什麼時候這個成本足夠低，並且需要對第一線市場保持敏銳，把這些要素對接起來，綜合能力門檻非常高。誰最先找到TC-PMF，誰就能成為大模型時代的Super App，類似移動網際網路時代的抖音。

一個好的App創業者，他需要對市場敏感，知道怎麼做一個產品，這個產品對模型和技術的需求，怎麼調這樣一個模型，什麼時候可以調好，調好時推理成本會不會夠低。難度比以前加倍了。

零一萬物比較有信心，因為模型在自己手中，這幾個點的對齊，相對簡單一點。

《潛望》：你對巨頭的動作也很熟悉，能不能評價一下海外Google、微軟、輝達、特斯拉等巨頭的動作，以及國內巨頭，比如火力全開的字節。

李開復：輝達肯定是現在最大獲利者。之後它可能面臨，隨著大部分GPU不再做訓練，而是做推理，優勢能不能持續？這是它面臨的一個問題。也許會持續，我不知道。

Meta是最大攪局者——它什麼事情贏不了，就開源，用開源來做卡位。

我蠻佩服他們放一大批人做廣告。他們能靠廣告賺一筆錢，然後開源來做一個卡位。他們技術比不上OpenAI，但開源卡位，很多人用它的開源模型，以後看有什麼機會再推進。雖然我覺得Mark（祖克柏）對AI不是很懂，但他就這麼一招——打不過人家就開源——已經兩次成功了。第一次是TensorFlow跟PyTorch，這次也好像蠻成功。Meta位置是OK的。

微軟是位置最好的。它一方面靠AI賺很多錢，雖然投資養著OpenAI，但佔了很多股，是可攻可守的一個位置。

它的挑戰是自己的模型一直沒做好。OpenAI跟微軟是合作，但這個蜜月期可能會結束。OpenAI肯定做了Plan B，微軟如果沒有Plan B，到時候比較麻煩。但現在它處於非常好的短中期情況。長期如果做不出模型，跟OpenAI鬧掰了，有挑戰。現在微軟和輝達是最大獲利者。

OpenAI是特別強大、壟斷型的公司，Sam Altman（OpenAI CEO）可能會是有史以來最大的壟斷者。

我講這個不是貶義，是陳述事實。他今天還沒成為壟斷者，但他的謀略，他的野心，他把一二三步棋都想清楚，這些我很佩服他。但從一個從業者的角度，也很擔憂他。

xAI執行力非常強，來自Elon Musk（馬斯克）管公司就跟中國公司一樣。他公司一些小將我都認識，非常能幹，玩命幫他幹。他今天得到的成就是，復刻了OpenAI跟Google早期的一些技術，他能這麼快復刻，在美國比較罕見。要看他以後能不能結合特斯拉的具身和自動駕駛，加上xAI。無論如何，不能低估Elon Musk，他現在是一匹黑馬。

Google是比較傷感的。

理論上它應該最強——最厲害的大模型論文是Google做的，最厲害的Reinforcement Learning（強化學習）是DeepMind（Google旗下）做的，這兩個並在一起，沒有產生很大殺傷力。

而它現在面臨的是，搜尋處於四面挑戰的局面。

一方面大模型讓一些使用者有問題不先去搜尋引擎，而先去ChatGPT，帶走了一些量。更嚴重的是，最近很多使用者買東西直接去Amazon。在中國大家覺得本來就這樣，買東西去淘寶或拼多多，其他搜尋去百度。但現在同樣的情況在美國發生。很多人要做commercial search（商品搜尋）不在Google做了，直接在Amazon做。所以，它這兩面受敵。

再加上它的兩難是，到底放不放大模型到搜尋裡去？放的話，有三種方法：

● 第一種是，取代你的搜尋，就把所有廣告業務都拆沒了，公司可以關門了；

● 第二種是，不放進去，做成兩個入口，是掩耳盜鈴嘛。明明是一件事，為什麼放兩邊？

● 第三種是，兩者並存，就是你做一個Google搜尋，看到有一個Gemini Overview，再放搜尋結果在旁邊。這樣你既會少收廣告，使用者體驗也不極致，因為你給那麼一點點overview，不解決問題。我問一個問題，我要一個答案，你給我一個overview幹什麼？於是，它就是變成“四不像”——又有搜尋結果，一大堆連結，又有廣告，還給overview，就不給我答案。這是它現在選擇的做法。

另外有很多奇怪的事，比如Google的Gemini不能問大選的事，怎麼會這樣？還有之前碰到各種問題，什麼吃膠水啊、吃石頭啊，很多問題存在，理由是什麼？我不太知道。

Google短期不看好。但Google有很強技術積澱，能不能觸底反彈？就不知道了。

《潛望》：Perplexity是一個對的產品形態嗎？它有可能顛覆、取代Google嗎？

李開復：它是很好的產品。倒不是說Google做不出Perplexity，Google分分鐘就可以做一個Perplexity，可是基於剛才的考量——它不能做。

Perplexity可以少賺錢甚至賠錢去弄一堆使用者。Google每個搜尋產生的收入是1.6美分。今天Perplexity Pro的使用者收20塊錢，但搜尋成本很高，不能cover所帶來的搜尋，它用GPT-4o嘛。但Perplexity不在乎啊，它說我就賠錢——免費使用者我當然賠錢，付費使用者我也賠一些錢——只要燒出使用者來，我就基於使用者成長得到投資。Google呢？它不太能反擊——這是Perplexity最大的優勢，它產品做得不錯，但沒什麼特別了不起的。

Perplexity做得很好的是，把可信的問題，部分讓使用者以為化解了，其實並沒有。它用citation（引用）的模式，讓你覺得這篇回答裡有這麼多citation，我可以一個個點開，看是那來的，大部分靠譜，就覺得你沒有幻覺了。其實絕對不是——我們衡量過Perplexity的幻覺，還挺高的——但使用者覺得有citation，看到了放心。這是很有意思、很值得學習的一個使用者體驗的trick（把戲）吧。

還有使用場景，你如果要做research（研究）、得到insight（洞察），Perplexity的UI是正確的——它出各種圖、視訊、點選、文章、延伸、citation，像一個圖書館。Perplexity自稱，公司願景是做一個“瑞士刀”。有一把小刀，你搬出來什麼都有。開瓶的、剪刀、小刀、開信封的，一個工具可以做比如12樣事。

但我更相信Larry Page（ Google創始人之一）曾經說的。一次，我在Google早期一個會上，Larry Page說：我們的搜尋打幾個字，出一堆連結是不對的；正確搜尋形態應該是問一個問題，得到一個正確答案。

我們現在的技術更能貼近一個問題、一個答案，反而做非常複雜的research tool（研究工具），未必是每個人需要的。但對分析師、研究員、教授、學生、記者，是好工具。

所以，Perplexity我是認可的。但說它取代Google，還是很困難。

《潛望》：它似乎慢慢變成了一個內容產品，而不是一個搜尋入口。

李開復：但它也被內容生產商告，《紐約時報》最近告它了。這在美國是很嚴重的問題，《紐約時報》會一家、一家去告的。

《潛望》：說回OpenAI，Ilya（OpenAI前首席科學家）的離開會對OpenAI造成很大影響嗎？

李開復：管理團隊的離開不但沒有影響，甚至還能讓Sam Altman執行得更快。

那幾位離職者不是他們覺得OpenAI做不成偉大公司，不是覺得產品、技術不夠好，而是他們更重視做一個安全負責的AGI，超過他們要做一個商業成功的大模型產品。Sam Altman要的是後者，他們要的是前者。

你可以想像一個CEO要的目標不匹配他的每一個-1(減一級的高管)，他做事一定有很多掣肘。他們走了，他可以放一堆他信任、跟他理念一致，或者和他追求一致的人，執行力會變強。但OpenAI產品安全性一定會下降。

《潛望》：國內巨頭呢？

李開復：就評國外吧，國內就算了。

這些人說不定都是我的融資對象。（笑）

4 AI應用會在明年上半年爆發

“今日頭條怎麼進步的，

這些Chatbot就可以怎麼進步”

《潛望》：現在有看到什麼像樣的應用、潛在的Super App嗎？

李開復：每個Super App出來的那一天都不是Super App，Super App是一步步做成的。

而且，Super App的概念在大模型時代不一定完全一樣，我們要保持這樣的心態。

每個移動網際網路的應用都會被顛覆重寫一次。你投中顛覆者，你就贏了。顛覆可能是把原來領跑者的生意搶來，但這是最低level。我們更希望它創造新模式，整合更多使用者需求，在每個使用者身上賺更多錢，拉入更多使用者，再進一步，也許它能成為Super App。

第一階段是把已有應用通通做一次，再有所延伸。Perplexity是把Google重新做了一次嘛。再往下一個階段，是前所未有的應用。

《潛望》：就像移動網際網路時的抖音？

李開復：抖音、滴滴、美團。它們相對的AI-first應用會是什麼？再下面就有一些超級Super App的機會了。

有一個合理的理論，但也不是一定會發生。從使用者介面看，應該有一個智能助手跟你對接。它不但能回答你的問題，還能幫你幹活。如果這天發生，智能助手就是有史以來最大Super App，它能銜接和滿足所有需求——你要買東西，它決定去那個電商；你要旅遊，它決定去那訂票。

剛開始一定不會那麼強大，但逐漸地，使用者會知道，我的助手比我更懂我自己。無論是為了公司還是私事，我基本委託信任它。從圖形的使用者介面，經過了語言的使用者介面，走向委託式的使用者介面。我委託我的助理。你比我聰明、能幹、博學，又比我懂自己，我為什麼不什麼事都讓你幫我幹？

《潛望》：會是今天的ChatGPT或者是豆包、Kimi這種嗎？

李開復：它們可以有野心成為這樣一個Super App，這非常合理。

這天一旦發生，所有今天很強的App都會面臨挑戰。比如你是電商，使用者不把你當入口，他通過助手接觸你。這一下，你就變成被動競價的一個倉庫了，價值會大大下降。

當然，這個助手的崛起中，各個電商會拒絕合作。這個助手不能跟電商合作，它又怎麼辦？這一切有點回到了當年今日頭條怎麼從一個搜新聞的進化成一個核心內容載體（抖音）——所以，今日頭條怎麼進步的，今天這些Chatbot就可以怎麼進步。

以後，AppStore可能不存在了，電商或App可能也不見得存在了。還要應用幹什麼？助手就幫你做了。

還有更大一個機會是，硬體也許會改變。

當然，手機可以是載體。好處是隨身攜帶，把個人資訊存在上面。壞處是，今天的手機沒辦法做到always on（始終開啟）、always listening（始終聆聽）。

當我委託助手幹活，我真的不想把手機拿出來選App。我應該一句話講出來，它給我反饋——無論是經過螢幕、眼鏡，還是耳機。這樣，我才有更大動力常和助手溝通、委託。要把40-50秒鐘流程降為1秒。

《潛望》：全球來看應用會什麼時候大爆發？

李開復：2C應用應該就是明年前半年。

《潛望》：這是預感還是有看到跡象？

李開復：從推理成本可以算出來。現在我們推理成本低到這個level，在美國、國內還有別家，雖然不如我們這麼低，但也比較低，應該可以打造出一些PMF。

另一個風向指標是，很多VC開始說可以投應用。

創業者融得到錢是第一個要務，融不到錢，應用怎麼爆發呢？

《潛望》：你還會作為投資人看和投這種項目嗎？

李開復：會。

5 我的第一次和最後一次創業

“如果不做，那會是終身莫大的後悔”

《潛望》：我們說回你自己。

過去40年，你在人工智慧領域做了很多事——前10年在學界，後30年在產業界，這讓你有了一些名號，比如“中國AI教父”、“青年偶像”。我很好奇，頂著“教父”、“偶像”這樣的帽子創業，是一種什麼樣的感受，有包袱嗎？

李開復：沒有包袱啊。這件事義無反顧，必須是我做、應該是我做。

如果20年後，當我80歲回頭有過後悔，一定是我選擇不做它帶來的後悔；而不是我試著做，即便做失敗了，也不會後悔。

我這一生職業的每條路徑都是要來做這件事。如果不做，那會是終身莫大的後悔。

《潛望》：當你去年決心以創業者、CEO的身份創立零一萬物，猶豫了幾天？就沒有第二個選項嗎？

李開復：當時有兩個選項：一個是我做董事長、找個CEO，一個是自己做CEO。

《潛望》：第一種聽上去更符合大家對你的預期。

李開復：但我認可的幾個CEO都無法加入；有興趣的，我不認為會比我自己做得更好。只有跳進去自己做。

《潛望》：當時有聊誰？

李開復：不太方便說。都是三四十歲，行業非常知名的一些人，不一定是AI的人。

《潛望》：為什麼零一是在去年5月才正式宣佈創立？像王慧文、楊植麟在2月左右，王小川、階躍星辰在4月左右，開始找錢、找人。從ChatGPT發佈到去年5月這中間有半年，你在做什麼？想什麼？

李開復：必須坦誠，慧文跟小川的創業點醒了我：這也是可以創業來做的。我之前做投資做久了，就是在想，我該投一個公司來做嗎？但他們發了英雄帖後，我覺得，可以這樣做。我有獨特的經歷跟資源，為何不試一試？

緊接著他們倆的宣佈，我開始策劃。2月到5月，大概是兩件事：

● 啟動聯創團隊，包括要不要CEO；

● 要得到創新工場投資人的理解，允許我一邊做創新工場，一邊做零一萬物。

我肯定不能離開創新工場，對基金要負責，但我要花不少時間在零一。是不是他們會同意？他們不同意，我是不能出來做的。

《潛望》：回顧2023年零一做的最重要幾個決策是什麼？

李開復：啟動起來是最重要的決策。

《潛望》：2024年呢？

李開復：今年，我們在技術上做了很多重要選擇。

我們非常早啟動了混合專家模型的探索，我們不是第一家做出來，但很早義無反顧走這個路徑。

跟著美國大廠去燒AGI，是我們或其他公司都燒不動的，這個決策非常重要。

一個相關洞察是，整個行業的引爆一定在應用端，而應用端需要非常便宜的推理。這個認知去年有，但今年堅決認為這是我們唯一要做的。

尚未驗證的是，我們對多模態的執著和認可，這個技術是重要的，會有應用出來。不是每家大模型公司都同意這個觀點。

其他就是團隊了。如果說我在零一起的最大作用，就是做有史以來時間最短、最緊迫的一個獵頭。說服他們，我們在一個上升火箭，你必須加入，加入後動態尋找每個人該坐什麼位置、怎麼合作。

《潛望》：聽起來很像你當年組建微軟亞洲研究院的過程。

李開復：對，Google中國也是，創新工場一定程度也是。

《潛望》：這是你第一次創立一家公司對不對？

李開復：對。之前孵化過一些公司，但還是不太一樣。像創新奇智是我孵化的，我做7-8個月CEO，就轉給新的CEO了。

《潛望》：這次有可能轉出去嗎？

李開復：承諾至少做到上市，也許更久。

《潛望》：你之前一直是投資別人，這次去找別人投資，有心理負擔嗎？——特別是如果他沒投。

李開復：心理負擔倒沒有。創新工場最近幾年，融資也一直很困難。不只是創新工場困難，是整個環境困難。我跟團隊常常說的一句話，也是團隊比較認可的地方：我是永不放棄的那種人。

我最喜歡的演講來自Winston Churchill（丘吉爾），他的一個演講是never、never、never、never、never、never……never give up。我覺得就是這樣。

《潛望》：雷軍說小米汽車是他最後一次創業，押上一生的所有榮譽和成就，你對零一也是這樣嗎？

李開復：雷軍還比我小8歲，他都是最後一次創業，零一萬物也會是我最後一次創業。

6 他們應有的理想和傲氣，我沒有

“Noam是這樣的人，我不是這樣的人”

《潛望》：你說，去年的一個決策是做成本更低的推理，這個具體怎麼實施？

李開復：你需要一個很強的AI infra團隊。去年剛創立，要克服訓練問題。用最便宜的價錢訓練出最好的模型，這很重要。當時大家都沒做過，第一次用這麼貴的GPU，訓練是第一要務。

訓練得到一定驗證收斂，發現我們從FP8到GPU不穩定問題，可以靠infrastructure解決。我們infrastructure團隊就提議，應該轉來看推理。

第一，推理很貴，雖然價錢會自然下降，大概1年10倍，但我們覺得1年10倍不夠。

AI應用會一個比一個有更多使用者、更多時長、更高難度。做Chatbot，你可以容忍它一個字、一個字慢慢吐出來。但你做搜尋引擎，希望它更快。搜尋引擎一天搜3-5次，但如果用它取代TikTok、抖音，一天刷3-5小時，使用強度和需要模型的難度不斷遞增。

這幾個相乘，我們面臨推理成本下降還是不夠，且每年有新模型。去年的模型今年降10倍，今年的模型明年降10倍，去年的模型後年降100倍。這個疊加必然發生，要不然應用生態起不來。

第二，如果坐等GPU、memory（記憶體）價錢降下來，只要躺平，就享受1年10倍降價，然後等適當的時候說：我跳出來做應用。我們覺得這也不行。歷史告訴我們：垂直整合是正確方法。

iPhone是垂直整合。賈伯斯沒有說，我等Multi touch（多點觸控）變成行業標準，等soft keyboard（軟鍵盤）變成行業標準，等音樂API變成行業標準。他一次全部揉起來。等的話，要等5-7年，iPhone時刻就錯過了。

要在足夠早說，我先不做橫向整合，垂直整合一個強最佳化系統。它從硬體到軟體，從模型到應用，通通把它結合在一起最佳化。這樣最快——你回頭看Tesla或Mac，偉大產品往往有魄力、膽敢去做垂直整合。

怎麼垂直整合？

第一個理念，為什麼推理這麼貴，是因為GPU貴，怎麼把它變便宜？我們是不是可以考慮“以儲存換計算”的方法？也就是，你要算的東西，能不能事先算好？或者你需要調的資料，能不能先調過來？

可以想像有三層記憶體：首先是GPU旁邊的HBM（高頻寬記憶體），它最快，最常見；其次，放在CPU的RAM（隨機存取儲存器）記憶體上；再其次存在SSD（固態硬碟）上。

如果這三層各自接近200G或2T或20T，可以存好多東西。你把這些錢加起來，還不如GPU價格1/10，非常划算。買一大堆記憶體降低GPU使用。理論上，如果你多花10%的錢買memory，能降40%或50%的GPU運算，省很多錢。

第二個理念，我們怎麼聰明調度memory，在推理過程中知道，什麼應該放在第一層、第二層、第三層？memory應該用在模型什麼地方？我們要為三層記憶體量身定做推理引擎。這個推理引擎本身是非常好的最佳化，可以處理任何模型。

再往上一層，我們能不能設計並訓練一套模型，它為這套記憶體和推理引擎量身定做？如果我們的機器能裝若干模型，怎麼把機器正好放滿？放少了參數不夠，效果不好；放多了，溢出了，記憶體不是最優調動。

我們模型的量身定做來最佳化推理。我們從AI的科研到硬體的理解到對三層的運算到推理引擎，團隊核心幾個人是坐在一起工作的。

《潛望》：如果是垂直整合，它需要在某種特定的領域使用嗎？跟應用怎麼結合？

李開復：基本什麼應用都可以跑。但我們會有些假設，比如窗口多大最合適。

我們最近在嘗試AI搜尋，這個模型設計出來，把它fine tune（微調）到搜尋就OK。也嘗試了別的應用，做過社交娛樂，也做了生產力工具，底層可以服務任何應用。

應用方面也有垂直整合。它不是說，設計硬體就要想到應用；而是說，讓模型專家成為產品負責人，這跟過往幾個技術浪潮的產品思維明顯不同。

過往，大部分技術專家不能直接做產品負責人。在AI 2.0時代，我們與時俱進地實踐“模應一體”——模型和應用一體共創。在AI-first時代，一個應用的好與否，80%看模型，20%看其他點綴或使用者體驗的東西。所以，80%要一個有一定使用者理解的模型工程專家或research專家，來drive（驅動）。現在我們設計的幾個產品，都是核心技術人做總負責人。

《潛望》：這是不是對應那句話：“模型即應用。”

李開復：是。我在Google，一個著名VP叫Marissa Mayer（曾任Google副總裁和雅虎CEO）。她定了Google的PM規矩：一定是要學電腦的，否則不可以做PM。

真的要學電腦才能做好PM嗎？讓懂電腦的人學，遠比一個MBA容易，這是Google的理念。今天我們是這個理念的延伸：懂模型的有200人，總有10個可以做產品，讓他繼續做模型有點可惜，應該把模型跟產品揉在一起——pretrain出來的模型交給他，模型該怎麼走他決定，他會post train模型，還要做整個產品對接。

《潛望》：一個模型對應一個產品經理？

李開復：一個模型就對一個產品負責人吧。

我再舉一個例子給你——Character.AI——這個公司爭議蠻多。

它由大神Noam Shazeer創的，他一心想做AGI。他覺得做AGI路程中，先搞個Character.AI的產品吧。結果模型做得不錯，產品做得也不錯，但這兩件事有衝突。

他走的是AGI模型，殺雞用牛刀，並不適合Character.AI。所以，這個公司很難找到位置。他想做的模型太大，實際需要的模型又用不上這個人的專長。最終，他跟Google達成收購——想做AGI的人回到了Google，想做App的人留在了Character.AI。

我跟Character.AI投資人聊到我們的方法，他說，你這個方法就是可以做成的。（因為模型跟App是銜接的。）

雖然Noam是超級大牛，但做世界最牛的模型和做應用，這兩個怎麼銜接？——其實是不能銜接的。

做AGI，有時你要有一種理想和傲氣。我做成了AGI，就碾壓所有對手，上面未必有生態系統。可能每個App就是薄薄一層殼，英文叫Veneer、貼皮。所有價值在AGI。你貼層皮把它叫遊戲，貼層皮叫搜尋，價值很一般，最後價值都體現在我這。

這是追求世界第一AGI的人，他應有的理想與傲氣。

Noam就是這樣的人，我不是這樣的人。

我就算想做，我們沒有錢也做不了。他當時也沒有錢也做不了，現在回Google就可以做了。

《潛望》：現在，更低成本的推理能力是零一的一個差異化嗎？

李開復：是。首先，我們用它去點燃應點燃的應用；其次，把這樣的技術用更低廉的成本，推送到2B和2C場景。如果我們能有幸持續這個優勢，可以再做一個平台支援更多應用。但需要按部就班。我們現在有API了，API離平台還很遠。

《潛望》：外界傳言零一萬物放棄了預訓練，零一沒有嗎？

李開復：沒有。

《潛望》：既然已經有很好的開源模型，為什麼大模型公司還要繼續做預訓練？

李開復：開源模型做得很不錯，帶給每個大模型公司一個靈魂拷問：為什麼還要做？

有些大模型公司評估自己預訓練的模型不比開源好，明智決定是不再預訓練。它可能不願承認，把開放原始碼的拿來，丟點資料，做CPT（Continue as Pretrain，在已經預訓練過的模型上預訓練）。這要稱為預訓練，也不能說它不是，但是基於別人訓出來的。

每個決定做預訓練的公司，要有信心做得比開源強；另一點，即便比開源做得略好一點，值不值得做？比如，我花1000萬美金做一個預訓練，4個月後下一個模型出來，前一個淘汰了。這個模型花1000萬美元只用4個月，這筆帳算不算得過來？——算不過來，也不要做。

我們的考量是，我們就這麼多GPU。GPU是一個business expense（經營費用），和員工薪水、獎金、辦公室一樣。我們在這個前提看，什麼時候該預訓練，能不能萬事俱備，做很多實驗確保預訓練提升一個、甚至兩個台階，這才值得做。

尤其現在要平衡預訓練、後訓練和推理的智能。能不能一個模型撐9個月甚至1年。我們預訓練成本是300多萬美金，如果撐9到12個月，帳算得過來。

所以，做不做預訓練？要看一是打不打得過開源模型？二是帳算不算得過來？——訓練成本能不能降低？訓練出一個模型能不能多用幾個月？我們答案是肯定的，當然要做預訓練。

《潛望》：你們開始後訓練沒有？

李開復：我們一直在做後訓練。

《潛望》：在模型和產品上，應該先構思模型，還是先構思產品？

李開復：應該先構思模型。我們是最晚創業的“小虎”，要趕上時間，第一個決定是：在海外用GPT-4做產品。

產品團隊需要磨煉。我們要在模型做好的時候，產品已經有戰鬥力跟經驗。只有把海外當戰場，把別人的模型當武器用。但也意味著未來有一個轉折，需要把自己模型替代進去。好在，對接比較順利。

《潛望》：模型和產品，現在那個更令你滿意？

李開復：因為模型早起步、早有成果。

我們模型現在是有目共睹世界第一梯隊。（在最近榜單LMSYS上，Yi-Lightning超越GPT-4o-2024-05-13，）公司排名世界第三，模型排名世界第六，也是前幾名模型最便宜的。不是說產品做得不好，而是起步晚。

《潛望》：你對產品的構思是什麼樣的？

李開復：要做AI-first的產品。必須背水一戰、孤注一擲。這個東西要成，成就成在GenAI。

《潛望》：為什麼決定最近調整戰略，在國內放棄2C，聚焦2B？

李開復：我們必須要做抉擇嘛，2C選擇了先走國外，再走一陣才回國內。

國內有兩個挑戰——我們沒有一個ChatGPT moment。雖然很多Chatbot產品做得不錯，但天時、地利、人和給了OpenAI，一出來全世界試用。這個機會在中國錯失，有很大使用者教育成本。希望大廠多做點使用者教育，我們再來尋找國內的PMF。另外，國內流量很貴。有些友商累積了不少使用者，但它燒的錢總是燒不過大廠。融資來的錢也來之不易，我們暫緩觀察一下。

我希望找到一個獨特產品，在中國帶來類似ChatGPT moment，但它形態不是ChatGPT。這個產品是什麼？我現在不知道，會繼續摸索。

國內我們看到一些2B商機，矽谷現在說Service as a Software，用軟體接入的方法提供數字員工。賣軟體給你不是按天收費，而是按一個人的workload（工作量）。我接入一個software，software能呈現一個人，你按個鈕告訴他，我是什麼商店，賣什麼，客戶是誰，話術是什麼，用什麼樣的臉、聲音去講。我們提高了企業客戶GMV和訂單量，有硬核商務指標。已經在電商直播、短影片生成等場景快速落地。

《潛望》：這聽起來是一個階段性戰略選擇。我能不能簡單一點理解，在國內要先掙錢？

李開復：國內要先掙錢，國外也要先掙錢。

《潛望》：在中國大模型的“六小虎”中，你怎麼看待零一目前位序？

李開復：很多人的認知是我每天有沒有用它的產品。我們也有中國的產品，只是現在戰略是放眼全球：2C先走海外，先進一步跑通商業化路線；2B在國內，大家可以拭目以待。

這次全球模型性能評比結果，希望能喚醒大家，零一在技術上是領先的。並且，我們把推理成本降到行業最低，對點燃整個生態系統有幫助。

7 放下自我

“穿西裝比較遮我的肚子”

《潛望》：我看你的書印象很深，你說哲學系一個老教授的一句話曾改變過你：Make a difference（讓世界因你與眾不同）。

假設有兩個平行世界，有李開復創業的這個平行世界和沒有李開復創業的這個平行世界，會有什麼不一樣？

李開復：我當時的這個夢想跟理想太自我了。我後來跟星雲大師交流，我很自豪把這個想法告訴星雲大師。沒想到，他不是很認可。

他告訴我，你把你自己personally放在衡量世界貢獻上面，是狂妄的，會引誘你做些愛慕虛榮的事。你會不斷說服自己，我需要做這個，因為我可以讓世界變得更好；我需要做這個，我可以讓世界變得更好……

但你有沒有想過，你做的每件事真的是幫助世界變得更好，還是給自己帶來更多名利？這兩件事怎麼劃分？劃分得清楚嗎？他覺得劃分不清楚。他勸我不要再用這句話衡量我做的一切。

延續他的建議，我現在的思考是：不如想我做零一萬物給世界帶來的價值，和我不做零一萬物給世界帶來的價值是什麼。

《潛望》：是什麼？

李開復：是我們vision的一句話：make AGI beneficial and accessible to everyone（讓通用人工智慧普惠各地，人人受益）。

你說這跟OpenAI不是差不多嗎？沒有，很大差別是accessible ，讓人人可用。人人可用是什麼意思？就是你在美國做了OpenAI不給中國人用，那就不是人人可用啊，所以你不敢把它寫到vision啊。我們做了模型出來，我讓全世界每個人用，中國的、美國的、非洲的都可以用。

還有，“人人可用”就需要應用。普通人不需要模型，他需要App。我們要把App生態系統點燃，就需要做非常好的模型、非常低廉的推理成本。

《潛望》：在你心中，零一的成功標誌是什麼？

李開復：基於我們的願景能清晰地邁出一大步。我們希望看到大量使用者，國內、國外都算，通過我們的技術，獲取技術和產品，受益於它。倒過來衡量就是，你的產品有多少人用？你的模型、技術、API有多少人用？

《潛望》：這次創業會覺得自己有什麼變化嗎？相對過去那麼多年。

李開復：我依然是我自己啊——清楚自己的夢想是什麼，義無反顧；做一件事要盡全力，儘量把它做成；我相信最優秀的人是成事最重要的因素；我相信技術本身重要，但不是最重要，還是要能創造價值，對使用者有用——這些理念都在零一可以看到。

《潛望》：為什麼創業堅持穿西裝？

李開復：哈哈，嗯……因為穿西裝比較遮我的肚子。

《潛望》：哦？創業是在泥地裡打滾，西裝會不會太儒雅？

李開復：每個人都希望用自己最好的一面，讓自己的形象正面，得到更高自我認可跟自信。

《潛望》：你恐懼失敗嗎？

李開復：如果說是階段性挫折，每個階段性挫折和失敗從中學習到的東西，會遠超階段性成功和欣喜。如果是最後終局的一種失敗，我寧願面對我試過了但沒有成功，也不願意去面對我沒有試。

《潛望》：如果走到生命的終點，你希望別人怎麼評價李開復這個人？

李開復：以前我說過蠻多的。但是，嗯，我覺得……其實並不重要，其實並不重要。

我希望大家用到我們的產品，想到我們的公司，覺得，這個挺好的，我喜歡，就不錯了。記不記得跟我有關無所謂了。

《潛望》：是在什麼時候發生改變的？

李開復：其實是得了癌症變的，見了星雲大師變的。

我一直是很好勝的一個人，到今天也是。但我現在，會覺得我盡我的能力，能夠做得好，那我會很開心。但是盡了力以後，我也接受一切可能的後果。

好勝的人並不一定要很自我。以前我會比現在更自我。

《潛望》：聽說你對時間異常精確，為什麼今天願意超時？

李開復：因為下面沒有會，而且你寫的兩篇文章都寫得非常好。

《潛望》：如果推薦幾本書，基於所有讀過的書，會推薦那幾本？

李開復：《時間簡史》，by Stephen Hawking；《列奧納多·達·芬奇》，by Walter Isaacson；《活出生命的意義》，by Viktor Frankl。

《潛望》：還想談談你的技術觀。美國有一派對人工智慧抱持技術樂觀主義，a16z之前發佈“技術樂觀主義宣言”，稱“唯一永恆的增長源泉只有技術”。但以Geoffrey Hinton為代表的這些人多次表達擔憂。你屬於那一派？

李開復：任何一個負責任、懂技術的人都應該，同時極端的樂觀，也極端的擔憂，這兩者是並存的。我屬於八成樂觀，兩成擔憂。

《潛望》：如果往擔憂的方向發展，應該怎麼避免？

李開復：有些是人帶來的挑戰，有些是AI帶來的挑戰。

AI帶來的挑戰，需要技術提供guardrail（護欄）。新技術都會帶來危險。當電拉到家裡，可以把人電擊死，但發明了電閘；當PC跟網際網路第一次連接，帶來了病毒，但發明了防病毒軟體——解決技術帶來的挑戰，還是靠技術。

我們應該鼓勵更多年輕AI科學家、工程師發揮各自的專長，不要每個都跳進來說我要做大模型，我要做應用，我要創業，我要加入大廠。應該有一部分人說，我是不是能加入一個安全公司或者設計一個保護隱私的公司？

我覺得應該呼籲。

《潛望》：最近，Geoffrey Hinton獲得2024年諾貝爾物理學獎，Hinton此前是你在卡耐基梅隆的老師，你和他也有過合作，在你眼中他是一個什麼樣的人？

李開復：他在我做論文那段時間，理論結果非常驚人，Boltzmann Machine（玻爾茲曼機）是那時做出來的。當時Yann LeCun在貝爾實驗室，Geoffrey Hinton在CMU，兩人都不太得意。那之後也看到他跟Yann LeCun paper不斷被拒，他們還是堅持。

Hinton是一個特立獨行，特別執著，有自己的理想，不從眾，非常深度思考，講話很有英國式幽默的一個人。他不在乎別人想什麼，有話直說。

《潛望》：最後，如果要面對一個可能會崛起的美國AGI霸權，你有什麼想對中國同仁說的嗎？——現在國內競爭烈度很高。

李開復：今天“六小虎”走的方向都不一樣，彼此不太競爭——有些做國內2B，有些做海外2C，有些做娛樂，有些做Chatbot。每家都希望彼此勉勵，發展得好。

現在已經非常明確：走OpenAI路徑是很大挑戰。

AGI超大模型我們高機率不會是第一個燒出來的。但是，打法不只一套，我們可以各自殺出一條血路。

對美國比較強的發明探索學習，但我們的商業模式跟強項一定是獨特的。App時代的到來是中國的福音，中國對App方法論的理解、洞悉和能做這件事的人數是超過美國的。

同時，通過“模型＋AI infra＋應用”多維努力，我們希望能將生成式AI當前的“三角形”生態轉正，由半導體行業分得的利潤回歸應用層，讓整個行業生態回歸到健康的良性循環。

長期來看，這必然會發生，但它需要時間。從這個角度看，中國團隊有龐大的市場、豐富的應用場景以及強大的執行力。這些因素結合在一起，為我們提供了一個獨特機遇，在AI-first新時代佔據領先地位。

所以，我們的時代來了。 (騰訊科技)