全球大模型第一股上市了，張鵬說中國 AI 沒有泡沫
美國資本市場可能有泡沫，中國不存在——中國投 AI 的錢只有美國的二十幾分之一，遠遠不夠。張鵬的邏輯是：離 AGI 還遠、錢還不夠，就更得投，不投它不會自然發生。
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
第一個吃螃蟹的人，改制談了兩年
2018 年 1 月國家出臺意見，允許科研院所在職人員用已有研究成果做科技成果轉化，並規定收益在原單位和創始團隊之間分配。但比例怎麼定、成果值多少錢，都沒有白紙黑字，全要談。張鵬說國家開的是「一盞窗戶」，不是敞開的門。作為清華計算機系第一家走這條路的人，學校也不知道怎麼辦，科研院的院長和管成果轉化的師姐一起陪著談。從 18 年到 19 年 6 月公司註冊，一年半主要耗在兩件事上：分成怎麼分，以及成果的貨幣價值怎麼評估——「以前都不拿錢來評判的」，頂多說是什麼水平。
— 張鵬感知智能只是技能，認知智能才有腦子
張鈸畫過一個二維象限來區分兩代 AI：現在人工智能解決的問題範圍非常小，往外一層是「我知道我不知道」，再往外是「我不知道我不知道」。感知智能解決的是識別圖片、理解語音這類單個技能，張鵬的說法是它「其實不是個腦子，他只是一些技能」。認知智能要的是泛化——用有限的樣本學習之後，能搬到沒見過的情況上，能舉一反三，包括學習、邏輯推理、識別錯誤和自我糾正。他拿開車舉例：會開手動擋的人去開自動擋很快就能上手，沒人教他，就是學習、反饋、試錯再泛化。但他認為這個問題到今天還沒解決完，因為認知的本質是什麼，認知科學和腦科學自己都沒有答案。
— 張鵬投資人的第一個問題是你們怎麼掙錢
2022 年 8 月智譜開源 GLM-130B，隨後張鵬去融資。他跟投資人講我們訓練了一個對標 GPT-3 的模型，對方的反應是「聽不懂，完全聽不懂」，問的全是你們怎麼掙錢、怎麼把這個東西商業化。有位投資人在線上聊，問你們能掙錢嗎，還說現在你看這個大環境這麼差，經濟這麼差，要不你們把估值降一半。張鵬沒降。這筆融資拖了小半年，直到 ChatGPT 在國內火起來——ChatGPT 活起來幫了他們一個很大的忙，大家再也不用質疑這東西到底是什麼，後來變成投資人反過來問你們什麼時候能把 ChatGPT 那個東西做出來。他承認那段時間挺艱難。
— 張鵬把訓練成本雕到十四分之一
GPT-3 的訓練成本被外界分析為 2000 多萬美元。智譜訓練 GLM-130B，按張鵬的說法算力只花了 400 萬人民幣，算上人工大約 1000 萬人民幣，約為前者的十四分之一。他把這歸為中國團隊的優勢——大家會去向細節，摳細節去要效益。降成本在智譜是一條持續的主線：在消費級卡上做千億模型的推理也是他們先做的，把成本從 100 大幾十萬降到二三十萬。GLM 4.7 參數仍然只有 300 多 B，好並不是因為參數量又加了一倍，而是訓練效率和數據利用率更高，並且模型結構和參數量設計時就考慮了推理時怎麼控制成本，單機 8 卡就夠。
— 張鵬開源不等於免費，只能靠時間證明
DeepSeek 徹底開源之後，很多客戶腦子裡把開源和免費畫了等號——你那都開源都不要錢了，你為什麼還要收我錢呢。有客戶預算本來已經批下來，結果說開源的不比你們差甚至更好，是不是可以不買了。張鵬的回答是：用開源的東西沒問題，但那和你真正想要獲得的是一個商業化的服務不是一回事，不要混到一起。不少客戶自己去部署 DeepSeek 一體機，或者找人幫忙部署，過一段時間大部分都掉頭回來，因為原廠不提供商業化服務，也沒法跟內部系統做整合。他的說法是只能用時間來證明，這件事確實 delay 了他們一些客戶。
— 張鵬互聯網泡沫破了，基礎設施留下來了
被問到有人評價大模型公司上市就是在大逃生，張鵬反問你怎麼定義 bubble。他的第一層邏輯是：假設它是泡沫，上市也救不了——那那不是救我呀，所以上不上市和泡沫破不破沒有必然關係。第二層是類比互聯網：泡沫破了，留下的是現在大家用的網絡技術設施、技術革新和很多產品。他認為真正被擔心的不是投資沒產生實際生產力，而是我能不能及時收回我的投資收益。由此他的結論是：美國在資本市場角度看可能有泡沫，中國「這事不存在，它是不夠的，它是遠遠不夠的」——中國投入是美國的二十多分之一，而且很多撒在了技術設施上，不像美國集中在幾家頭部。
— 張鵬50 人、200 人、500 人，每道坎都可能要命
張鈸跟團隊講過創業企業有幾個坎：50 人這一關一般都能過，只要掙到錢就行，虧不虧不關鍵，關鍵是團隊信心別先散了；200 人開始出現分工，有負責商業化、研發、產品、日常運轉的，分工帶來溝通對齊的管理成本，協調不好就可能各管一攤、分崩離析；到 500 人或更多，開始出現分層和中間管理者，信息傳導變長、對齊變難、合規安全越來越麻煩。張鵬當時不太理解，親身經歷之後覺得很有道理——關鍵不是具體數字，而是企業發展的階段。他給了一個畫面：原來在科建一百多人時他認識所有人，搬到這邊兩層樓之後，公司裡面就有一批人他叫不出來名字了。
— 張鵬不發大發布會，海外反而評價很高
7 月發布 GLM-4.5 時開了一場幾百人的發布會，到後面的版本就沒怎麼做宣發，現場只有幾十個人，主要靠在線上上線和開源，但線上尤其是海外評價很高。之後發生了一連串張鵬稱為魔幻的事：美國公司直接用他們的模型，Windsurf 把界面下了換上智譜的模型；還有廠家拿他們開源的模型去蒸餾裁剪，塞進自己的模型去給客戶提供服務。他的總結是，這某種程度上也是 DeepSeek 教大家的效果——你無論如何你吹得怎麼樣，或者說宣傳得怎麼樣，最終還是回歸到實際的應有效果上來。大家現在對開大發布會也有點審美疲勞了。
— 張鵬原話 · 已逐字校驗
開了一盞窗戶 就大家看到了 外面還可以有這一條路 它並不是開了一個很敞開很大的一個門 說你隨便走吧
開了一盞窗戶，大家看到了外面還可以有這一條路，它並不是開了一個很敞開很大的一個門說你隨便走吧。
張鵬15:06
我印象特別深刻 有個投資人往線上聊的 這樣東西 你們能變人錢嗎 啊 現在你看這個大環境這麼差 經濟這麼差 要不你們把估值降一半 怎麼樣
我印象特別深刻，有個投資人在線上聊，說這樣東西，你們能掙錢嗎？現在你看這個大環境這麼差、經濟這麼差，要不你們把估值降一半怎麼樣。
張鵬43:19
很多客戶的腦子裡面 他就把開源和免費 就花等號了 給我們帶來的影響 就是說你那都開源都不要錢了 你為什麼還要收我錢呢
很多客戶的腦子裡，他就把開源和免費畫等號了。給我們帶來的影響就是，你那都開源都不要錢了，你為什麼還要收我錢呢。
張鵬1:35:59
就算互聯網那個泡沫破了 它留下了什麼 現在大家用的很多的東西 享受的很多的東西 是那個泡沫的時代留下的東西
就算互聯網那個泡沫破了，它留下了什麼？現在大家用的很多東西、享受的很多東西，是那個泡沫的時代留下的東西。
張鵬1:56:12
它會自然發生嗎 它不會 那不就完了嗎 所以還得投資
它會自然發生嗎？它不會，那不就完了嗎，所以還得投資。
張鵬1:57:12
我們可以有很遠大的理想 這個理想我們一直不會放棄 但是又不是說我們空有理想 也不知道怎麼去做
我們可以有很遠大的理想，這個理想我們一直不會放棄，但又不是說我們空有理想、也不知道怎麼去做。
張鵬2:13:19
機會永遠是留給有準備的人的 就哪怕是你在海上飄著 有一塊布板從你沿前飄過 你也要撲騰兩下才能把它抓住
機會永遠是留給有準備的人的。哪怕是你在海上飄著，有一塊木板從你眼前飄過，你也要撲騰兩下才能把它抓住。
張鵬2:24:24
數字與實體
| 中國 AI 投入與美國之比 | 約二十多分之一 | 1:57:12 |
| 客戶結構 | 前十大互聯網企業有 9 個是客戶，60% 是企業客戶，政府佔 20% | 1:54:10 |
術語
- MAS模型即服務
- 智譜 2021 年前後提出的概念，當時包含雲 API、本地化部署、軟硬件結合等多種形態。
- Test Time Scaling推理側擴展
- 把算力花在推理階段而非訓練階段來提升模型表現。
- VLA視覺-語言-動作模型
- 把視覺、語言與機器人動作統一建模，用於控制機器人。
收聽指南
關注中國大模型商業化與上市路徑的投資人和創業者；想理解開源、2B/2C 取捨邏輯的從業者。
前 15 分鐘的清華實驗室沿革節奏偏慢，可從科技成果轉化談判（15:06）聽起。