蚂蚁大模型产品负责人：AGI已经没法叫停，也慢不下来
他的逻辑是：资本已经把这块石头推下坡，所有玩家都朝同一个方向加速冲；哪怕出现过几次强力叫停的尝试，答案依然是——不能停，也慢不下来。
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
Hugging Face靠开源模型处理自己的事故日志
7月，OpenAI的研究agent集群黑进Hugging Face寻找基准测试答案，事后Hugging Face想用前沿模型处理这次事故的日志，结果触发了这些模型自带的网络安全类安全限制，反而帮不上忙。最后Hugging Face改用中国公司Z.AI的开源模型在本地处理日志才解决问题。这是一次闭源模型因为自身护栏失灵、反而由开源模型补位的真实案例。
— Irene大模型行业正在重打一次棒球赛
Richard用棒球四个垒位打比方：本垒是技术，一垒是产品，二垒是商业化，三垒是治理和运营。移动互联网那一轮大约从2010年起步，到2020到2023年已经走到三垒，大家想的是'打出全垒打'、垄断市场。但GPT一出来，整个行业被重置回本垒。他认为现在还卡在本垒到一垒之间，因为连'产品该长什么样'都还没定论——Coding是不是最终形态，谁也说不准。
— RichardDeepSeek爆红前，业内半年前就知道了
Richard说做长线项目的人在被大众看见之前，其实早就'存在'了，只是不在公众叙事里。DeepSeek被外界当成突然爆红的黑马，但推理服务商和模型厂商其实都已经知道这家实验室的存在，比公众知道的时间早了大概半年。他认为这正说明当下的行业叙事里全是噪音，真正做事的人往往要沉寂很久才冒出来，媒体和自媒体放大的只是'引爆'那一刻。
— RichardAI真正的隐忧不是算力烧钱，是毛利率
Richard说算力资本开支本身他不太担心，就像造特斯拉前得先建一座超级工厂，这是起步的代价。真正让他犯愁的是毛利率：上一轮SaaS和移动互联网能撑起商业模式，是因为软件可复制、可标准化，做一次能分发无数次，毛利率能做到95%左右。AI推理完全不是这么回事，目前30%到40%的毛利率已经算不错，这意味着上一轮'做软件就该躺着赚钱'的商业直觉在AI这轮可能根本不成立。
— Richard语义路由：把便宜问题分给便宜模型
面对毛利率困境，Richard给出的一个产品化答案是'自动模式'(他称之为类似语义路由):产品根据问题难度自动决定调用便宜模型还是前沿模型，而不是让用户自己手动选、要么全程用最贵的模型要么全程将就便宜模型体验变差。这样公司能在复杂问题上用贵模型保住体验，在简单问题上省钱，从而把原本被用户白白拿走的'消费者剩余'留一部分给自己。
— Richard蚂蚁的模型策略：先做大，再做小
Ling系列去年10月的2.0版本选择押注推理能力，做出了号称首个开源的1万亿参数推理模型Ring 1T,目的是探索智能的边界。但做出来后发现问题：显卡是稀缺资源，这么大的模型直接serve成本极高，大家真能从中受益吗？于是到3.0系列掉头做小做轻：Flash是1240亿参数的MoE模型但只激活51亿参数，Tiny更小，79亿参数只激活13亿，小到可以在自己的MacBook上跑推理甚至训练。
— Richard2024年那批'专用模型'已经被通用智能淘汰
Richard区分'领域增强模型'和2024到2025年初那批'专用模型'的本质不同：当时受算力和训练方法限制，很多团队拿自己的业务数据定制模型，一度很新颖，但通用智能一旦扩展，这些专用模型几乎立刻过时报废。他认为现在通用智能的提升正在放缓——不是触顶，而是现有模型对日常工作已经'足够好',这恰恰是领域增强模型(金融的Fin、健康的Sante)这次能站住脚、而不会重蹈过时覆辙的前提。
— Richard金融和医疗先被AI盯上，是因为这里最肯付钱
Richard提到Anthropic经济指数里那张圆圈图：圈出各个领域的边界、人类活动的边界，以及当前模型能力覆盖的边界。他说这张图说明了为什么Claude和Ant都先从金融、健康、设计这类高价值领域切入，也解释了为什么连Coding都抢在这些领域之前——因为这些是高价值领域，一旦AI真能带来效率提升，这些行业愿意为此付出合理的价格，不像低价值领域那样可有可无。
— Richard原话 · 已逐字校验
I am very pessimistic because I kind of feel like the moment we begin creating this AGI, Spaghetti's Monster, or as we call intelligence, I assume we are kind of already going down the downward spiral of what the sci-fi movies and TV series like Westworld and Matrix are showing.
我非常悲观，因为我觉得从我们开始创造AGI、这个所谓'意大利面怪物'也就是我们说的智能的那一刻起，我们大概就已经走上了《西部世界》《黑客帝国》这类科幻电影和剧集里描绘的那种下行螺旋。
Richard7:22
Yeah, so my take is pretty clear. I would say AGI is going to happen. I mean, we are definitely going down there.
我的看法很明确：AGI一定会发生。我们肯定是在朝那个方向走。
Richard8:23
If you will make this call to action, can we stop this? Or can we slow down? No.
如果你要问能不能叫停、能不能放慢速度？不能。
Richard12:33
And imagine the first time when DeepSync came out, right? It becomes like blast. But in reality, the inference providers, all the model builders, they know the existence of this lab half a year earlier.
想想DeepSeek刚出现的时候，外界觉得像是突然爆炸一样。但实际上，推理服务商、所有模型厂商，早在半年前就已经知道这家实验室的存在了。
Richard19:43
But when you say open source is a free software, it doesn't mean that it's free as in beer, but it's free as in freedom.
但当你说开源是免费软件时，这不是说它像啤酒一样免费，而是说它像自由一样'免费'。
Richard25:47
the gross margins of building a software is probably 95% as software is reproducible and standardized product you only have to build it once and distribute that many times. We don't see the same thing happen in AI right now.
做软件的毛利率大概能到95%,因为软件是可复制、标准化的产品，做一次就能分发无数次。但在AI上，我们现在看不到同样的情况。
Richard39:03
you know, like if you don't pay for the product, you're the product.
你懂的，就是那句话——如果你没为产品付钱，你自己就是产品。
Richard42:09
I personally feel like none of us knows what's going to be right. But as a practitioner, sometimes we know what's wrong.
我个人觉得我们当中没有人真正知道什么是对的。但作为从业者，有时候我们知道什么是错的。
Richard1:12:59
数字与实体
| Ring 1T 参数规模 | 1万亿参数(推理模型，去年10月开源) | 49:28 |
| Ling 3.0 Tiny 参数规模 | 79亿参数MoE,激活13亿 | 51:29 |
| 软件行业毛利率(参照) | 约95%(SaaS/移动互联网软件) | 39:03 |
| 当前AI推理毛利率 | 30%-40%(已属较好水平) | 39:03 |
术语
- harness任务框架/工程壳层
- 包裹在模型外层的工具和脚本，把模型变成可直接用的产品，如Claude Code
- semantic routing语义路由
- 按问题难度自动把请求分配给便宜或昂贵的模型，以此省钱
- MoE (Mixture of Experts)混合专家模型
- 模型总参数很大，但每次推理只激活其中一小部分，从而降低成本
- domain-enhanced model领域增强模型
- 在通用开源底座上针对金融、医疗等领域继续训练，而非从零定制的专用模型
收听指南
关注中国开源大模型打法、AI商业模式毛利率的创业者和投资人，以及想了解蚂蚁Ling模型系列定位的人
开篇0-6分钟关于大航海时代的隐喻偏哲学铺垫，可直接跳到AGI判断那段。