印奇出任階躍星辰董事長：基模公司做2B和純2C都不成立
基模一年至少燒30億人民幣、要維持三到五年，所以做2B或純C端軟件都算不過賬；階躍的賭注是基模加終端，用軟硬一體換一張上牌桌的資格。
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
基模公司做2B和純2C都不成立
印奇用排除法講商業模式：做基模意味著一年至少30億人民幣以上投入，且要維持三到五年，基礎研發投入至少100億人民幣量級。在這個前提下，同時做2B不成立，因為2B變現週期長、收入和利潤上限有限；同時做純C端軟件應用也不成立，因為那是已有互聯網大廠擅長的領域，他們有用戶、有數據、有數據飛輪。所以階躍選的是偏軟硬結合的C端場景，中間做一部分2B服務，最終落在AI加終端。
— 印奇階躍的bet是基模加終端
印奇把大模型公司的分化拆成兩層：第一層是做基模和不做基模，這是最大的bet，未來三年能堅持下來很難；第二層才是商業化路徑。階躍的路徑是用終端來牽引模型，因為模型不是越大越好，Gemini Flash也證明了這一點，效率、成本和專項能力同樣重要。所以階躍不糾結在單點benchmark上刷第一，而是關注模型架構是否適配未來終端場景。
— 印奇編程是最好的強化學習環境，但收不到錢
印奇說現在中國大模型公司基本都在卷編程。編程從提升智能角度有價值，因為編程是有結果、能判斷對錯又複雜的場景，是最好的強化學習環境。但編程本身在商業化角度價值非常有限：大廠這塊做得不錯，開源有DeepSeek把水位拉得很高，大廠競爭激進會把價格壓得很低，而且編程跟它的下游環境很相關。所以這個賽道跟Chatbot一樣，新公司都沒有任何意義。
— 印奇Chatbot不是長期產品形態
印奇認為Chatbot是一個階段性的成果，甚至可能不是搜索那個級別的東西。理由是它的交互很不自然：在一個對話框裡放AIGC能力，從事實上看都不是很成功。他判斷用AI大模型取代搜索是確定性的事情，但產品形態是什麼現在還不明朗。Chatbot在境外可能是一個階段性的產品，但護城河並不穩固，Gemini整個的日活起得非常快，現在沒有誰有特別大壁壘。
— 印奇自駕會高度頭部化，坐艙會回到車企自研
印奇判斷自駕和坐艙不一樣：坐艙高度個性化、跟人機交互體驗感相關、未來有很多增值服務空間，所以車企自研比例會很高；自駕是安全件，會像當年博士這些安全件一樣回到Tier 1手裡。因為利潤率不高、研發投入很高，單臺車能收的空間有限，就一定要有規模，最終會形成三家左右的核心供應商，華為肯定是一家，另外可能有兩家綜合供應商，再加上中小型車企需要的供應商，未必是二加一或二加二。
— 印奇聰明人不是稀缺品，長期堅持的才是
印奇說當年曠視對標的40人裡有一堆OI金牌、IPHO金牌、數學金牌，但聰明分兩類：一類能做團隊協同，一類自己很強但難協同。他更看重的是長期能堅持的聰明人，因為聰明人有很多選擇，聰明會讓你有很多捷徑，除非有使命要去完成，否則為什麼不走捷徑。第二點是用正確的笨辦法長期做一件事，聰明人往往想用快捷方式，這反而容易走錯。所以他認為聰明沒有那麼重要，還要有商業敏感和智慧。
— 印奇AI組織要融合top down和bottom up
印奇認為每一代企業都是那個階段最領先的組織形態，適配當時的技術和商業就脫穎而出了。從製造業到ICT總體是top down，互聯網公司整體是bottom up，AI體系需要兩者融合：因為任何一個大項目都是multi project，消耗資源很大，要集中力量來做，但同時組織文化和人才容納度又要有bottom up的活力。他還判斷未來AI頭部公司可能也得一兩萬人，但是一兩萬人才密度極高的人。
— 印奇勝負手是技術搖得住加應用能閉環
印奇給出一個數學題：技術研發一年30億起步，他預判是30到50億，如果看五年就是150億打底的投入；反過來，三到五年之後能不能有一個核心應用，讓你有可能每年有30到50億的利潤。這兩件事都得滿足才有機會走到那個階段。他還說中國2B市場本質上是2G市場，由政府和央國企往外覆蓋，中小B更像C，所以在中國不能是2B的。
— 印奇原話 · 已逐字校驗
如果做基模公司，然後同事做2B，我覺得就肯定不成立
如果做基模公司，同時又做2B，我覺得就肯定不成立。
印奇17:13
聰明的人其實有很多選擇，就是長期能堅持的聰明人，才是比較重要的
聰明的人其實有很多選擇，長期能堅持的聰明人，才是比較重要的。
印奇1:15:40
聰明人第一要長期堅持，第二要用正確的笨辦法來做，其實都挺難的，所以其實聰明我覺得沒有那麼重要
聰明人第一要長期堅持，第二要用正確的笨辦法來做，其實都挺難的，所以聰明我覺得沒有那麼重要。
印奇1:16:42
數字與實體
| 基模年度投入下限 | 30億人民幣以上 | 18:16 |
| 基模基礎研發投入 | 至少100億人民幣 | 18:16 |
| 技術研發年度投入預判 | 30到50億人民幣 | 1:39:59 |
| 自駕核心供應商數量預判 | 三家左右 | 49:30 |
| 具身智能時間週期 | 五年左右 | 12:11 |
| 物理空間數據收集中長期時間 | 五到七年 | 35:27 |
| AI人才薪資漲幅 | 五到十倍 | 28:22 |
術語
- VLA視覺語言動作模型
- 把視覺、語言和動作執行統一到一個模型裡的架構。
- foundation model基礎模型
- 在大規模數據上預訓練、可適配多種下游任務的通用模型。
- edge長板
- 印奇用來指技術上真正差異化的領先身位。
- MVP最小可行產品
- 用最小功能集合驗證產品假設的做法。
收聽指南
適合關注大模型商業化路徑、AI終端和智能駕駛格局的創業者與投資人，尤其想聽基模公司如何算賬的人。
1:42:27 之後關於姚班、冷板凳和個人性格的部分可快進。