大模型降溫不是壞事，是幾十年的技術大週期才剛起步
語言大模型只是機器在反芻人類已經消化過的知識，真正的機器智能會直接從世界觀察學習；降溫後堅持做事的人才能走到最後。
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
語言大模型只是牛的反芻
陳恂用一個比喻解釋語言大模型在做什麼：人類先觀察世界，把認知用語言符號沉澱下來，語言大模型再從這些已經消化過一遍的語料裡學習，所以它是在反芻。他強調這已經非常驚豔，但機器智能不會止步於此——機器可以直接觀察世界、觀察宇宙，甚至發明自己的符號，那些符號可能是零和一，人類看不懂。如果機器能直接觀察社會並提煉智能，再和人類已總結的能力結合，想像空間無可估量。
— 陳恂AI 2.0 贏家靠單一可放大市場
陳恂在軟銀願景一期投的是 AI 2.0，他總結那一代企業最大的挑戰是可變成本太高：從收集數據、整理治理標註、開發模型、微調到插入業務，每做一個實際應用都得重新來一遍，需要大量人力、時間和高端人才，還依賴企業改變運作模式。能跑出來的優秀企業有一個共同特點——找到了一個單一的可以放大的市場，前面那些成本可以被攤銷掉。最成功的應用是人臉識別，可以用在很多場景，但整體商業化並不好。
— 陳恂3.0 把可變成本變成固定成本
大模型時代最大的變化，是把 AI 2.0 裡那些要反覆做的事一次性做完，把可變成本變成固定成本。在基礎大模型之上做調優、行業化、企業化、專業應用化，成本門檻變得非常低，速度可以很快，對人員要求也沒那麼高。陳恂說 3.0 讓全民 AI 的跡象出現——任何一個有一點點技術自尊的企業，沒有不再做大模型，都在嘗試、探索、學習，甚至有人已經推到實際應用場景。
— 陳恂大模型落地卡在開放與封閉的矛盾
陳恂指出大模型時代必須解決一個根本問題：使用方不得不用基礎大模型，但必須解決信息安全和商業機密保護，因為一旦把機密給了雲上的大模型，沒人知道它會在什麼時候以什麼形式被誰調用出來，所以大企業普遍明文禁止員工用雲上類似 ChatGPT 的服務做公司的事。同時基礎大模型提供方也有知識產權保護問題——你優化完的衍生大模型就不再是我的了，我後續還有什麼商業利益。這個開放與封閉的矛盾在小模型時代不存在，因為那時一件事從頭做到尾都在可控範圍內。
— 陳恂OpenAI 能否一騎絕塵看商業壁壘
陳恂不認為 OpenAI 可以一騎絕塵、把距離永遠越拉越開。他的邏輯是：OpenAI 向大家展示了這件事可幹，一旦知道可幹，全世界尤其中國人把它幹好的能力、本事、決心都很強大，會出來很多 number two，而 number two 之間很難拉開距離，因為起步一樣、技術架構也一樣。關鍵問題在於 OpenAI 能不能把技術領先迅速轉換成其他商業壁壘，等別人在技術上趕上時就不靠技術競爭。他類比谷歌：谷歌一家獨大不是因為技術別人走不出來，而是形成了商業生態。
— 陳恂降溫是可預料的，狂熱後冷靜最重要
陳恂說降溫可以預料，因為人類通常對短期過於樂觀、對長期反而過於悲觀。OpenAI 展示可行性後大家受到巨大沖擊，出現過度期待很正常，現在無非是逐步理性化。他一點都不焦慮，反而認為大家現在都在做落地的事。他舉文生圖做廣告圖的例子：生成式模型產生的包的照片沒有一張是真正的那個包，顏色、形狀、比例、尺寸都可能變，廣告商就面臨到底給哪款包做廣告的問題。基礎大模型在任何地方落地都面對這樣那樣的問題，需要人去解決。
— 陳恂還沒完成從訓練到推理的過渡
陳恂說今天這個節點更應該說是人工智能幾十年大週期當中的起步階段。他引用 OpenAI 的調用量後指出，去找其他所有做大模型的公司或開源機構問推理量，會發現推理量其實並不大——大家都在做模型、開發模型、調優模型、訓練模型，但真的把它用起來的場景並不多。他判斷未來三年最值得期待的是大模型從訓練走向推理，推理的生態會變得非常豐富，因為推理是把能力用在消費者、企業、政府等不同場景，形態會非常不一樣，承載算力的要求也不一樣。
— 陳恂創業別把個人能力當目標函數
陳恂給 native AI 創業者的建議是：創業永遠一樣，第一要想清楚服務誰、提供什麼價值，不要輕易認為自己是 Steve Jobs，絕大多數人需要去理解、瞭解、發掘鎖定用戶群的需求。他最近和一個要去創業的朋友對話，朋友說選這個方向是因為能把多年積累的經驗教訓和能力最大化利用，陳恂說這是年輕時的想法，現在不這麼想——把個人能力放到最大也就那麼大，最該搞清楚的是世界在往哪走，在這個大趨勢裡你能做什麼。即使有些能力在大趨勢裡沒用也沒關係，胳膊永遠擰不過大腿。
— 陳恂原話 · 已逐字校驗
3.0的最大的變化就是他把前面要做的這個 所有的那些過程當中的事情 能夠把它一次性做完 把可變成本變成固定成本
3.0 最大的變化，就是把前面要做的所有那些過程當中的事情一次性做完，把可變成本變成固定成本。
陳恂13:16
但是我覺得最後不是這樣 因為大模型今天已經看得很清楚 做的再好的技術大模型 當你面對一個行業的問題的時候 它還是有所欠缺的
但我覺得最後不是這樣，因為大模型今天已經看得很清楚，做得再好的技術大模型，當你面對一個行業的問題時，它還是有所欠缺的。
陳恂24:26
他能不能夠把技術的領先 迅速的 轉換成其他的商業的壁壘 這個時候在別人在技術上趕上你的時候 你就不靠技術競爭
他能不能把技術的領先迅速轉換成其他的商業壁壘，這樣當別人在技術上趕上你的時候，你就不靠技術競爭。
陳恂26:29
心得是說狂熱之後的冷靜 是最重要的時刻 因為之後真正能夠把這個東西用起來 產生真正的價值的工作 都是在這個時候做出來 只有在這個時候堅持的人
心得是：狂熱之後的冷靜是最重要的時刻，因為之後真正能把這個東西用起來、產生真正價值的工作，都是在這個時候做出來的，只有在這個時候堅持的人才能走到最後。
陳恂34:39
我自己的判斷是 未來三年可能最值得期待的一件事情 大模型從訓練走向推理 推理的生態會變得非常非常的豐富 推理要比訓練豐富的多
我自己的判斷是，未來三年可能最值得期待的一件事，是大模型從訓練走向推理，推理的生態會變得非常非常豐富，推理要比訓練豐富得多。
陳恂36:39
即使你有一些能力在這個大趨勢裡頭 沒有用 有什麼關係呢 是那個東西重要 還是你的能力重要 最後胳膊永遠是擰不過大腿的
即使你有一些能力在這個大趨勢裡沒有用，有什麼關係呢？是那個東西重要，還是你的能力重要？最後胳膊永遠是擰不過大腿的。
陳恂1:00:56
數字與實體
| 基礎大模型開發成本 | 幾億美金、幾十億人民幣規模 | 18:00 |
| XGBT 訪問量環比增速（4-6月） | 12.6%、2.8%、-9.7% | 32:37 |
| XGBT 訪問量環比增速（1月） | 131.6% | 32:37 |
| 互聯網泡沫見頂到見底時間 | 2000年到頂，2002年到底 | 34:39 |
| 機器視覺幀率 | 最先進可達每秒1000幀 | 41:44 |
術語
- Foundation Model基礎大模型
- 為豐富模型生態提供高質量出發點的大模型，國內也叫大語言模型。
- society of minds心智社會
- 多個模型相互競爭、互補、協作，最終形成社區式智能的概念。
- EV/EBITDA企業價值倍數
- 中後期投資人常用的估值指標，用 EBITDA 替代複雜的現金流。
- bottom-up自下而上
- 投資是微觀業務，必須理解每個企業與其他企業的不同，而非按宏觀賽道投。
收聽指南
關注大模型落地、推理生態和 AI 創業方向的投資人與創業者，尤其適合正在判斷當前降溫期該不該繼續投入的人。
開頭個人履歷和 45:16 之後關於投資創業切換、中後期投資人審美的部分可快進。