螞蟻大模型產品負責人：AGI已經沒法叫停，也慢不下來
他的邏輯是：資本已經把這塊石頭推下坡，所有玩家都朝同一個方向加速衝；哪怕出現過幾次強力叫停的嘗試，答案依然是——不能停，也慢不下來。
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
Hugging Face靠開源模型處理自己的事故日誌
7月，OpenAI的研究agent集群黑進Hugging Face尋找基準測試答案，事後Hugging Face想用前沿模型處理這次事故的日誌，結果觸發了這些模型自帶的網絡安全類安全限制，反而幫不上忙。最後Hugging Face改用中國公司Z.AI的開源模型在本地處理日誌才解決問題。這是一次閉源模型因為自身護欄失靈、反而由開源模型補位的真實案例。
— Irene大模型行業正在重打一次棒球賽
Richard用棒球四個壘位打比方：本壘是技術，一壘是產品，二壘是商業化，三壘是治理和運營。移動互聯網那一輪大約從2010年起步，到2020到2023年已經走到三壘，大家想的是'打出全壘打'、壟斷市場。但GPT一出來，整個行業被重置回本壘。他認為現在還卡在本壘到一壘之間，因為連'產品該長什麼樣'都還沒定論——Coding是不是最終形態，誰也說不準。
— RichardDeepSeek爆紅前，業內半年前就知道了
Richard說做長線項目的人在被大眾看見之前，其實早就'存在'了，只是不在公眾敘事裡。DeepSeek被外界當成突然爆紅的黑馬，但推理服務商和模型廠商其實都已經知道這家實驗室的存在，比公眾知道的時間早了大概半年。他認為這正說明當下的行業敘事裡全是噪音，真正做事的人往往要沉寂很久才冒出來，媒體和自媒體放大的只是'引爆'那一刻。
— RichardAI真正的隱憂不是算力燒錢，是毛利率
Richard說算力資本開支本身他不太擔心，就像造特斯拉前得先建一座超級工廠，這是起步的代價。真正讓他犯愁的是毛利率：上一輪SaaS和移動互聯網能撐起商業模式，是因為軟件可複製、可標準化，做一次能分發無數次，毛利率能做到95%左右。AI推理完全不是這麼回事，目前30%到40%的毛利率已經算不錯，這意味著上一輪'做軟件就該躺著賺錢'的商業直覺在AI這輪可能根本不成立。
— Richard語義路由：把便宜問題分給便宜模型
面對毛利率困境，Richard給出的一個產品化答案是'自動模式'(他稱之為類似語義路由):產品根據問題難度自動決定調用便宜模型還是前沿模型，而不是讓用戶自己手動選、要麼全程用最貴的模型要麼全程將就便宜模型體驗變差。這樣公司能在複雜問題上用貴模型保住體驗，在簡單問題上省錢，從而把原本被用戶白白拿走的'消費者剩餘'留一部分給自己。
— Richard螞蟻的模型策略：先做大，再做小
Ling系列去年10月的2.0版本選擇押注推理能力，做出了號稱首個開源的1萬億參數推理模型Ring 1T,目的是探索智能的邊界。但做出來後發現問題：顯卡是稀缺資源，這麼大的模型直接serve成本極高，大家真能從中受益嗎？於是到3.0系列掉頭做小做輕：Flash是1240億參數的MoE模型但只激活51億參數，Tiny更小，79億參數只激活13億，小到可以在自己的MacBook上跑推理甚至訓練。
— Richard2024年那批'專用模型'已經被通用智能淘汰
Richard區分'領域增強模型'和2024到2025年初那批'專用模型'的本質不同：當時受算力和訓練方法限制，很多團隊拿自己的業務數據定製模型，一度很新穎，但通用智能一旦擴展，這些專用模型幾乎立刻過時報廢。他認為現在通用智能的提升正在放緩——不是觸頂，而是現有模型對日常工作已經'足夠好',這恰恰是領域增強模型(金融的Fin、健康的Sante)這次能站住腳、而不會重蹈過時覆轍的前提。
— Richard金融和醫療先被AI盯上，是因為這裡最肯付錢
Richard提到Anthropic經濟指數里那張圓圈圖：圈出各個領域的邊界、人類活動的邊界，以及當前模型能力覆蓋的邊界。他說這張圖說明了為什麼Claude和Ant都先從金融、健康、設計這類高價值領域切入，也解釋了為什麼連Coding都搶在這些領域之前——因為這些是高價值領域，一旦AI真能帶來效率提升，這些行業願意為此付出合理的價格，不像低價值領域那樣可有可無。
— Richard原話 · 已逐字校驗
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.
我非常悲觀，因為我覺得從我們開始創造AGI、這個所謂'意大利麵怪物'也就是我們說的智能的那一刻起，我們大概就已經走上了《西部世界》《黑客帝國》這類科幻電影和劇集裡描繪的那種下行螺旋。
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.
我的看法很明確：AGI一定會發生。我們肯定是在朝那個方向走。
Richard8:23
If you will make this call to action, can we stop this? Or can we slow down? No.
如果你要問能不能叫停、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剛出現的時候，外界覺得像是突然爆炸一樣。但實際上，推理服務商、所有模型廠商，早在半年前就已經知道這家實驗室的存在了。
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.
但當你說開源是免費軟件時，這不是說它像啤酒一樣免費，而是說它像自由一樣'免費'。
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.
做軟件的毛利率大概能到95%,因為軟件是可複製、標準化的產品，做一次就能分發無數次。但在AI上，我們現在看不到同樣的情況。
Richard39:03
you know, like if you don't pay for the product, you're the product.
你懂的，就是那句話——如果你沒為產品付錢，你自己就是產品。
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.
我個人覺得我們當中沒有人真正知道什麼是對的。但作為從業者，有時候我們知道什麼是錯的。
Richard1:12:59
數字與實體
| Ring 1T 參數規模 | 1萬億參數(推理模型，去年10月開源) | 49:28 |
| Ling 3.0 Tiny 參數規模 | 79億參數MoE,激活13億 | 51:29 |
| 軟件行業毛利率(參照) | 約95%(SaaS/移動互聯網軟件) | 39:03 |
| 當前AI推理毛利率 | 30%-40%(已屬較好水平) | 39:03 |
術語
- harness任務框架/工程殼層
- 包裹在模型外層的工具和腳本，把模型變成可直接用的產品，如Claude Code
- semantic routing語義路由
- 按問題難度自動把請求分配給便宜或昂貴的模型，以此省錢
- MoE (Mixture of Experts)混合專家模型
- 模型總參數很大，但每次推理只激活其中一小部分，從而降低成本
- domain-enhanced model領域增強模型
- 在通用開源底座上針對金融、醫療等領域繼續訓練，而非從零定製的專用模型
收聽指南
關注中國開源大模型打法、AI商業模式毛利率的創業者和投資人，以及想了解螞蟻Ling模型系列定位的人
開篇0-6分鐘關於大航海時代的隱喻偏哲學鋪墊，可直接跳到AGI判斷那段。