大模型是大厂的菜，创业公司别走 Jasper 的老路
大模型不是搜索引擎的替代品而是补充，真正的机会在医疗、材料这类大模型抓不到数据的垂直领域，而通用大模型本身只属于巨头。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
让终端用户可感知，技术才会爆发
梦秋说，上一波计算机视觉的 AI 他们完全没看，因为技术再牛，如果只是 2B，终端用户没有感觉，就很难爆发。所有技术和底层平台，只有当中端用户可感知的时候才爆发。他去年九月看到 Stable Diffusion 和 Midjourney 的效果，就跟团队说「咱们得看 AI 了」，因为这是终端用户可感知的东西。ChatGPT 引爆这件事，关键不是 Chat 也不是 GPT，而是它让一个技术的变革变得好用、有趣、新鲜、愿意反复用。
— 孟秋iPhone 时刻的关键是产品定义能力
梦秋认为，iPhone 推出时几乎没有一项技术是 Apple 自己原创的，触屏、多点触控这些 building block 早就有了，诺基亚也不是没有或不能用，但 Apple 有产品定义能力，把所有组件拼成了一个移动的电脑。ChatGPT 同理，底层是 GPT，但必须有一个好的产品载体让终端用户可感知，未来的应用场景和商业想象空间才会足够大。他还提到 OpenAI 的女性 CTO Mira Murati 在推动发 ChatGPT 这件事上起了很大作用。
— 孟秋上一波 AI 起不来，是信仰和资源问题
梦秋分析，上一波 AI 核心是在有限算力和没有那么多强化学习的基础上，用深度学习和神经网络做 AI，在视频、音频识别上效果不错，但没人去想「如果我有无限算力能把它做成什么样」，这是技术路线和信仰问题。DeepMind 是世界上最奇怪的机构，每年数亿美元的 burn，三个创始人里有一个专门想方设法做商业化落地，但最后还是卖给了 Google。做 AGI 这件事，有人相信有人不相信，相信的人也要受限于资金条件，谁会有长期的钱支撑你那么大量地烧钱。
— 孟秋OpenAI 做成的两个关键节点
梦秋认为 OpenAI 一开始是一帮大神级人物组成的公益性组织，前几年烧了很多钱，很多人也撤了。第一个关键点是 Sam Altman 拉了微软投资，微软跟他们做了巨复杂的可转债 deal structure，那几年 OpenAI 不用考虑收入，微软提供了无穷算力和专门建的超算中心。第二个关键点是他们自身是一堆做 AGI 的 researcher，思路转得非常快，面向应用场景和产品，在推 GPT-4 之前先推了 ChatGPT。梦秋说这个股权设计很难复制。
— 孟秋投资人看起来狂热，出手其实很理智
梦秋观察到，这一轮 AI 浪潮跟元宇宙、数字人、区块链、VR 泡沫不一样的地方在于，大家都觉得这个东西有长期价值支撑，所以都在积极地看。但你说大家在很 active 出手吗？也没有。尤其是头部基金，策略可能是「我都投一遍，我也不知道谁能成」，大模型、应用层、middle layer、计算架构都投。大部分基金还是都在观望，因为变化很大，昨天对这件事的认知今天就会变掉。
— 孟秋中国 SaaS 落地难，是土地不平整
梦秋说，过去中国 SaaS 落地不了，不是因为大家 SaaS 做得不好，是土地不平整——很多企业还没实现最基本的流程，更没有实现数据，你用 SaaS、用 AI 给他干嘛呢，他都没数据。这跟美国企业非常不一样，美国大部分企业数据化程度都非常高，很多新创企业第一天起就非常 digitalize。所以愿意给你付费的客户就是少。
— 孟秋别走 Jasper 的老路
梦秋说，他们划掉一些觉得不应该投的东西很容易，但回答什么是应该投的现在没有答案。被划掉的是那种大模型伸伸手就能做的事：你在上面做垂直领域模型，或者基于 API fine tuning，这些都没有太大价值。他举了 Jasper.AI 的例子，Jasper 本来是 OpenAI 的早期深度合作伙伴，调用他们的 API，做营销文案生成，效果很不错，但 ChatGPT 一出来就不行了，因为大量中小客户的需求可以被 ChatGPT 直接满足。所以判断标准是：你所在的垂直领域数据是不是那么有 niche，大模型是不是抓不到，你需要的能力大模型能不能 cover。
— 孟秋这轮创业门槛高在人才密度和资金
梦秋总结这轮创业的特征：第一是人才密度要求很高，OpenAI 的人也不多，谷歌内部 AI 研究院加上 DeepMind 的人也没太多，肯定不是堆人力的，但每个人拉出来背景都特别豪华，这些人都非常贵。第二是资金门槛高，一个传言公司一年烧五千万美金到一亿美金很正常，因为算法和架构不好的时候，跑一遍模型就很贵。第三是商业化落地比较漫长。第四是至少需要算法、架构、工程化的人组团。所以为什么大家都组局抱团。
— 孟秋大模型总体是大厂的菜
梦秋说，大模型仍然是大厂的菜，他不觉得会突然又出现一个新的巨头来挑战。OpenAI 的出现首先是天然长的巨头范儿，本来就是一帮很牛的人；其次在它能做出这种效果之前，巨头是打瞌睡了，现在中国第一波觉醒的就是巨头本人。但他认为 AI 会重塑所有行业的工作流程，人才模型、效率模型全部都会重新改。他还说，如果中国未来是一个封闭市场，14 亿人够大，从商业竞争角度至少得有两家，中国没有任何一件事情少于三家人在干。
— 孟秋原话 · 已逐字校验
这就是为什么我一直觉得大模型仍然是大厂的菜，不管是哪个大厂吧，就我不会觉得有突然又出现一个新的，在中国境内啊，出现一个巨头出来挑战。
这就是为什么我一直觉得大模型仍然是大厂的菜，不管是哪个大厂吧，就我不会觉得有突然又出现一个新的，在中国境内啊，出现一个巨头出来挑战。
孟秋48:38
它不追求答案的准确，它追求的是答案的，所以他们在模型中有一个随机因子的，就它的模型就永远预测下一个词是什么。
它不追求答案的准确，它追求的是答案的多样性，所以他们在模型中有一个随机因子的，就它的模型就永远预测下一个词是什么。
孟秋53:31
数字与实体
| OpenAI 年烧钱规模 | 五千万到一亿美金 | 36:48 |
| 大模型创业起步融资门槛 | 两亿美金以上 | 57:32 |
| 移动互联网时代创业门槛 | 100 万美金 | 58:33 |
| 消费创业门槛 | 一两百万美金 | 58:33 |
| 谷歌成立时间 | 1997 到 1998 年 | 41:22 |
| 谷歌开始搞商业模式时间 | 2001 年左右 | 41:22 |
| 搜索引擎商业模式与成立间隔 | 三四年 | 41:22 |
术语
- Killing App杀手级应用
- 既有大量用户使用，又能产生新商业行为的应用。
- Prompt Engineering提示词工程
- 通过构建不同提示词引导生成式 AI 产出更想要的结果。
- COT逻辑链
- Chain of Thought，一步步引导模型推理的方法。
- Fine tuning微调
- 在已有大模型基础上用特定数据继续训练，适配垂直场景。
- Middle layer中间层
- 介于底层大模型和应用层之间的工具或平台层。
收听指南
关注大模型创业和一级市场投资的创业者、投资人，以及想理解这轮 AI 浪潮真实水温的工程师。
1:07:35 之后推荐公众号和论文的部分可跳过。