大模型是大廠的菜，創業公司別走 Jasper 的老路
大模型不是搜索引擎的替代品而是補充，真正的機會在醫療、材料這類大模型抓不到數據的垂直領域，而通用大模型本身只屬於巨頭。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
讓終端用戶可感知，技術才會爆發
夢秋說，上一波計算機視覺的 AI 他們完全沒看，因為技術再牛，如果只是 2B，終端用戶沒有感覺，就很難爆發。所有技術和底層平臺，只有當中端用戶可感知的時候才爆發。他去年九月看到 Stable Diffusion 和 Midjourney 的效果，就跟團隊說「咱們得看 AI 了」，因為這是終端用戶可感知的東西。ChatGPT 引爆這件事，關鍵不是 Chat 也不是 GPT，而是它讓一個技術的變革變得好用、有趣、新鮮、願意反覆用。
— 孟秋iPhone 時刻的關鍵是產品定義能力
夢秋認為，iPhone 推出時幾乎沒有一項技術是 Apple 自己原創的，觸屏、多點觸控這些 building block 早就有了，諾基亞也不是沒有或不能用，但 Apple 有產品定義能力，把所有組件拼成了一個移動的電腦。ChatGPT 同理，底層是 GPT，但必須有一個好的產品載體讓終端用戶可感知，未來的應用場景和商業想像空間才會足夠大。他還提到 OpenAI 的女性 CTO Mira Murati 在推動發 ChatGPT 這件事上起了很大作用。
— 孟秋上一波 AI 起不來，是信仰和資源問題
夢秋分析，上一波 AI 核心是在有限算力和沒有那麼多強化學習的基礎上，用深度學習和神經網絡做 AI，在視頻、音頻識別上效果不錯，但沒人去想「如果我有無限算力能把它做成什麼樣」，這是技術路線和信仰問題。DeepMind 是世界上最奇怪的機構，每年數億美元的 burn，三個創始人裡有一個專門想方設法做商業化落地，但最後還是賣給了 Google。做 AGI 這件事，有人相信有人不相信，相信的人也要受限於資金條件，誰會有長期的錢支撐你那麼大量地燒錢。
— 孟秋OpenAI 做成的兩個關鍵節點
夢秋認為 OpenAI 一開始是一幫大神級人物組成的公益性組織，前幾年燒了很多錢，很多人也撤了。第一個關鍵點是 Sam Altman 拉了微軟投資，微軟跟他們做了巨複雜的可轉債 deal structure，那幾年 OpenAI 不用考慮收入，微軟提供了無窮算力和專門建的超算中心。第二個關鍵點是他們自身是一堆做 AGI 的 researcher，思路轉得非常快，面向應用場景和產品，在推 GPT-4 之前先推了 ChatGPT。夢秋說這個股權設計很難複製。
— 孟秋投資人看起來狂熱，出手其實很理智
夢秋觀察到，這一輪 AI 浪潮跟元宇宙、數字人、區塊鏈、VR 泡沫不一樣的地方在於，大家都覺得這個東西有長期價值支撐，所以都在積極地看。但你說大家在很 active 出手嗎？也沒有。尤其是頭部基金，策略可能是「我都投一遍，我也不知道誰能成」，大模型、應用層、middle layer、計算架構都投。大部分基金還是都在觀望，因為變化很大，昨天對這件事的認知今天就會變掉。
— 孟秋中國 SaaS 落地難，是土地不平整
夢秋說，過去中國 SaaS 落地不了，不是因為大家 SaaS 做得不好，是土地不平整——很多企業還沒實現最基本的流程，更沒有實現數據，你用 SaaS、用 AI 給他幹嘛呢，他都沒數據。這跟美國企業非常不一樣，美國大部分企業數據化程度都非常高，很多新創企業第一天起就非常 digitalize。所以願意給你付費的客戶就是少。
— 孟秋別走 Jasper 的老路
夢秋說，他們劃掉一些覺得不應該投的東西很容易，但回答什麼是應該投的現在沒有答案。被劃掉的是那種大模型伸伸手就能做的事：你在上面做垂直領域模型，或者基於 API fine tuning，這些都沒有太大價值。他舉了 Jasper.AI 的例子，Jasper 本來是 OpenAI 的早期深度合作伙伴，調用他們的 API，做營銷文案生成，效果很不錯，但 ChatGPT 一出來就不行了，因為大量中小客戶的需求可以被 ChatGPT 直接滿足。所以判斷標準是：你所在的垂直領域數據是不是那麼有 niche，大模型是不是抓不到，你需要的能力大模型能不能 cover。
— 孟秋這輪創業門檻高在人才密度和資金
夢秋總結這輪創業的特徵：第一是人才密度要求很高，OpenAI 的人也不多，谷歌內部 AI 研究院加上 DeepMind 的人也沒太多，肯定不是堆人力的，但每個人拉出來背景都特別豪華，這些人都非常貴。第二是資金門檻高，一個傳言公司一年燒五千萬美金到一億美金很正常，因為算法和架構不好的時候，跑一遍模型就很貴。第三是商業化落地比較漫長。第四是至少需要算法、架構、工程化的人組團。所以為什麼大家都組局抱團。
— 孟秋大模型總體是大廠的菜
夢秋說，大模型仍然是大廠的菜，他不覺得會突然又出現一個新的巨頭來挑戰。OpenAI 的出現首先是天然長的巨頭範兒，本來就是一幫很牛的人；其次在它能做出這種效果之前，巨頭是打瞌睡了，現在中國第一波覺醒的就是巨頭本人。但他認為 AI 會重塑所有行業的工作流程，人才模型、效率模型全部都會重新改。他還說，如果中國未來是一個封閉市場，14 億人夠大，從商業競爭角度至少得有兩家，中國沒有任何一件事情少於三家人在幹。
— 孟秋原話 · 已逐字校驗
這就是為什麼我一直覺得大模型仍然是大廠的菜，不管是哪個大廠吧，就我不會覺得有突然又出現一個新的，在中國境內啊，出現一個巨頭出來挑戰。
這就是為什麼我一直覺得大模型仍然是大廠的菜，不管是哪個大廠吧，就我不會覺得有突然又出現一個新的，在中國境內啊，出現一個巨頭出來挑戰。
孟秋48:38
它不追求答案的準確，它追求的是答案的，所以他們在模型中有一個隨機因子的，就它的模型就永遠預測下一個詞是什麼。
它不追求答案的準確，它追求的是答案的多樣性，所以他們在模型中有一個隨機因子的，就它的模型就永遠預測下一個詞是什麼。
孟秋53:31
數字與實體
| OpenAI 年燒錢規模 | 五千萬到一億美金 | 36:48 |
| 大模型創業起步融資門檻 | 兩億美金以上 | 57:32 |
| 移動互聯網時代創業門檻 | 100 萬美金 | 58:33 |
| 消費創業門檻 | 一兩百萬美金 | 58:33 |
| 谷歌成立時間 | 1997 到 1998 年 | 41:22 |
| 谷歌開始搞商業模式時間 | 2001 年左右 | 41:22 |
| 搜索引擎商業模式與成立間隔 | 三四年 | 41:22 |
術語
- Killing App殺手級應用
- 既有大量用戶使用，又能產生新商業行為的應用。
- Prompt Engineering提示詞工程
- 通過構建不同提示詞引導生成式 AI 產出更想要的結果。
- COT邏輯鏈
- Chain of Thought，一步步引導模型推理的方法。
- Fine tuning微調
- 在已有大模型基礎上用特定數據繼續訓練，適配垂直場景。
- Middle layer中間層
- 介於底層大模型和應用層之間的工具或平臺層。
收聽指南
關注大模型創業和一級市場投資的創業者、投資人，以及想理解這輪 AI 浪潮真實水溫的工程師。
1:07:35 之後推薦公眾號和論文的部分可跳過。