編輯：任佳敏

3月28日，2024黑馬AI培訓戰略發布會上，一場主題爲《每一家中小企業都有一個AI夢》的先鋒論壇，引發了萬千創業者的關注和熱議。

這場先鋒論壇邀請到了兩位AI創投圈的先鋒人物——360集團創始人周鴻祎、金沙江創投主管合夥人朱嘯虎。

本次論壇的主持人，由創業黑馬執行總裁羅浛予擔任。在近50分鍾的對話中，他們從中小企業AI智能化升級，聊到了創業者怎樣在垂直場景中殺出重圍，還聊到了AIGC創業領域的底層投資邏輯……

當天，我們先第一時間整理了兩位老師的金句《現場金句！周鴻祎x朱嘯虎：ChatGPT很快就會碰到瓶頸》

今天再次奉上現場的完整實錄。如下，Enjoy：

2023年AI大模型席卷全球，2024年“人工智能+”被寫進政府工作報告，將AI産業創業浪潮帶上了一個新高度。黑馬這麽多的創業者們，同樣不甘心被這個時代所抛棄。他們都希望從自身需求出發，找出一條實現AI智能化升級的新路徑。

今天我們先鋒對話的主題是《每一家中小企業都有一個AI夢》，正好可以圍繞中小企業實現AI智能化暢聊一場。

01

“AI在中國不是只有一條路”

羅浛予：周總之前說過：“第一，創業者不要再去碰通用大模型了，沒有意義。第二，也不要在通用大模型之上做一些簡單的套殼、很薄的應用，這樣傳統大模型只要出一個工具，你就完蛋了。”朱總最近也說過，自己不看大模型，只看能賺錢的AI項目。

特別想問兩位，在垂直場景方面，你們更看好哪些應用場景，可以具體給創業者們一些建議嗎？

周鴻祎：我先辟個謠。現在外界把我和朱嘯虎分到了不同陣營，其實不是。我們倆很多觀點都是英雄所見略同，因爲都投過很多公司，也被忽悠過，都是血淋淋的教訓。

有的話以訛傳訛，好像我們倆一副賺錢嘴臉，都是所謂的實用派。有些公司冰清玉潔，出淤泥而不染，就是用夢想改變世界，被稱爲信仰派。這完全是胡說八道。

我非常認同牛文文說的，今天所有推動人工智能發展的都是AI信仰派，你不相信AI是一場真智能革命，今天就不會來到這裏。我做AI場景應用，朱嘯虎投資AI創業公司，都是在用實際行動推動AI發展。

但AI在中國的發展不是只有一條路，所有人都看好Open AI，但美國的發展也不是只有Open AI一條路。有人把AI發展當做曼哈頓工程，消耗國家級算力和能源，最後走向AGI，這條路我們非常敬仰，也非常佩服。另外一條路，是在開源社區，通過開源的力量、開源的大模型去發展AI。

我非常堅信中國走第二條路，就是場景化道路。如果AI永遠是10萬張卡、100萬張卡才玩得起，這成本已經高到無法産生工業革命了。當年超級電腦發明出來時，並沒有帶來工業革命，最後是PC帶來了信息工業革命。因爲PC走進千家萬戶，改變了百行千業，才推動了行業發展。

政府工作報告提出了“人工智能+”，就是指朱嘯虎所說的這種道路。人工智能技術再好，也要回答一個問題：它能幫老百姓解決什麽場景的問題，能幫企業做什麽樣的事？我們不需要等AGI，AGI可能還得三年。我們也不需要等到大模型能力超過GPT-4、GPT-5，才去做企業推廣。

實際上，牛文文現在做的事情，就可以通過走企業級路線，把模型做小、做專，把模型的成本從原子彈變成茶葉蛋。不只是大中企業，即便是中小企業，也可以用得起，實現真正的數字平權，拉平智能鴻溝。

關于創業者不要碰大模型，朱嘯虎說過這句話嗎？我的原話是，建議沒有足夠的資金和技術積累的創業者，別去碰通用大模型。

比如，如果真有一個創業公司很有理想，確實又遇到了金主爸爸投了10億美金，且這10億美金不要求短期內賺錢，想怎麽花就怎麽花，這沒問題，你可以去做。否則，絕大多數創業者在資金有限的情況下，面臨巨頭領先者的競爭，再去卷通用大模型，是不可能成功的。

對于AGI的競爭，算力越來越是一個卡脖子的問題了，算力背後又是能源問題。你做模型做不過Open AI，後面還有LLama2這種開源模型。昨天Databricks又開源了一個1320億參數的大模型，能力也超強。你處于這個夾縫中，只有理想和口號是不可能成功的。

朱嘯虎：今天我爲了表示自己有信仰，特別穿了一件皮夾克致敬黃教主（黃仁勳）。前面周總講得很好，大模型變化非常快，昨天美國開源的Databricks，只花了1000萬美金，用兩個月時間就訓練出了一個相當于GPT-3.5的大模型。

我們一直在講，通用大模型是個“先行者劣勢”的方向模式。先行者在前面試錯，成本巨高無比，而後面跟進的成本卻越來越低。今年減一點，明年再降一些，你跟在後面是很舒服的。

今年能花1000萬美金、2個月時間訓練出一個GPT-3.5，明年1000萬美金就可以訓練出一個GPT-4。那我爲什麽要在前面試錯呢？今天中國融資環境沒有這麽多資金，跟在後面會是非常舒服的狀態。

從過去的PC時代到移動互聯網時代，中國人都是在後面跟進。只要美國放緩，中國在工業落地方面就能遠遠領先美國。你看英特爾X86，基本上每3-4 年就出現一個新的 X86 架構。從286、386、586推出之後，節奏就放緩了。沒過幾年時間，聯想收購了IBM。

所以，對創業者來說，現在卷通用大模型沒有意義，我們搶用戶、搶場景、搶數據，更有意義。

今天對已經有場景和用戶的創業者來說，加一個AI很容易。相反，很多通用大模型想切場景、切用戶會非常難。因爲他們不懂垂直場景，也不懂銷售。管理一個銷售團隊的難度是很大的，這反而是在座創業者們的優勢。

周鴻祎：我補充一點。在過去一年裏，我們找了100家企業，做了很多嘗試，有很多失敗案例，也有找到了成功的方法。牛文文提到企業如何破局AI，我4月8日本來要講一個免費課，專門講企業方法論，今天可以提前分享一點。

當年AMR並沒有像X86那樣，拼頻率、核數和算力。AMR最後是怎麽成功的？ARM是拼輕量級，拼低功率，多年後ARM通過迂回策略，照樣成爲了CPU王者，甚至在某些方面取代了X86。所以，大模型不只一條路，不是越往大做越好，從千億到萬億。除了Open AI的路，還有另外一條路，就是大模型是越做越專。

在企業中做場景時，誰見過有一套IT軟件，既能管員工，又能管生産，還能管財務？這樣的軟件是不存在的。

在企業的定向應用場景裏，只需要大模型解決單個場景裏的專有問題。培養一個專業大模型，不需要會寫古詩，也不需要解奧數題，它只需要做一件事。企業只需要用專有數據和知識進行訓練，和企業之前的業務系統進行緊密整合。

我們用實踐證明了，企業在這個單項能力上是可以超過GPT-4的。

所以，企業級的大模型不需要用千億、百億，甚至幾十億的大模型就可以做。今天國內外幾十億、百億的開源模型非常多。換句話說，今天大模型不是白菜價了，而是免費了。企業的焦點不在于模型的選擇，而是你有什麽樣的場景，有什麽樣的知識，如何和企業業務相結合。這已經被證明，是大模型的一個現實方向。

昨天開源的Databricks，還有馬斯克開源的Grok，看起來參數很大，但裏面都是基于混合專家（MoE）架構。說白了，就是由8個或16個小模型構成的，未來可能會有32個。每一個小模型只做自己最擅長的事情，且參數量都是百億級的，最後再用幾十個小模型拼湊成千億模型。

把一個模型參數從千億變到百億，看起來參數小了10倍，但是成本、複雜度、訓練和推理成本，可不是小了10倍，而是小了幾百倍，甚至上千倍。一個千億模型，沒有幾千張卡根本沒法訓練。但今天一個百億參數的開源模型，做單一任務，用一台電腦、一個4090的顯卡，單機單卡都能跑起來。

現在大模型還有一個趨勢，就是大模型上終端、大模型上PC。這證明了，大模型在企業應用場景中，把模型越做越小、越做越專，是有可能的。

朱嘯虎：我覺得大模型就像一所大學，比如北大文科比較牛，清華理科比較強，大模型本身只是個基礎設施。最重要的是MoE（Mixed Expert Models，混合專家模型），核心是每一個E（Experts，專家），把E微調，讓它變強大。這是垂直應用場景適合做的事情。

周總剛提到美國算力消耗越來越大。我個人感覺，可能是Open AI的效率特別低。因爲它在前面試錯，沒辦法，它不知道哪個更高效。GPT-4是30%的合成數據，GPT-5已經是90%的合成數據了。靠合成數據來提高大模型的能力，肯定很快會到上限。

任何時代都會有“永動機謬論”。AI時代的永動機謬論，就是靠計算機不斷合成數據，反複提升大模型的能力。這也是GPT-5需要幾十萬張卡的原因，因爲它合成數據的效率非常低，大部分合成數據沒有信息價值，不可能做到熵減，就需要靠很大的合成數據量來創造部分的熵減。

我個人覺得，這種方法很快會碰到瓶頸。爲什麽我對中國追趕AI大模型很樂觀呢？就是因爲這個曲線會很快到瓶頸。如果美國Open AI後面比較難，中國很快趕上還是有可能的。

周鴻祎：第一，我們看曆史，心懷夢想的小公司不是打不過大公司。前提是大公司處于懵逼狀態，對一個事看清、看不起、看不上，給了小公司機會。

谷歌的八個員工發明了Transformer，但谷歌根本不重視，後來這八個員工都離職了。Open AI撿到Transformer如獲至寶，給了Transformer差不多7年到8年的發展時間。小公司所有成功的例子，都是利用了這一點。但今天所有的人都知道Transformer很重要，所有人都知道要卷大模型，這樣留給小公司的空間就不是很多了。

如果有夢想的創業者要碰大模型，能顛覆Transformer，那你就去顛覆。你可以提出一套新架構，不像Transformer開銷這麽大，那就有成功的機會。

如果技術路線還是七年前的，工程方法也是Open AI用過的，最後拼的還是算力，那最後的結果是什麽？朱嘯虎看得比較明白。

所以，我還是講，沒有10億美金閑錢的創業者，就不要碰通用大模型了。

02

問答式的ChatGPT

肯定不是AI時代的殺手級應用

羅浛予：兩位老師都建議要在垂直場景中找機會，但，大家都湧入垂直場景厮殺的時候，創業者怎麽做深做專才能殺出重圍？如果沒投資，前期又不那麽容易盈利，該從哪些維度入手？

朱嘯虎：真正的垂直場景，其實不需要燒錢。

我們最小的一個公司用1張卡，提高了50%的效率。從我的實踐來看，+AI是門檻很低的事情，只要一跟進就是能看到效果，創造很多價值。很多創業者做應用端的創新，成本肯定不高，關鍵是懂垂直場景和用戶需求。知道什麽樣的産品形態，可以給用戶創造一個數量級的價值。

周鴻祎：目前中國互聯網場景，已經被巨頭公司占盡了，大家都免費的話，你也很難收費，這不太適合沒有融到資的創業者。

但中國市場還是有很好的機會，它的特點是很碎片，按企業、按行業、按規模分成了很多區隔市場。好處是，即便是BAT、華爲這樣的巨頭，也很難一下子壟斷，且企業願意爲降本增效掏錢。

過去企業軟件一直覺得SaaS軟件不容易掙錢，主要你給用戶創造降本增效的價值沒有那麽大。如果今天AI確實能起到提升效率、降低成本的作用，企業是願意付錢的。

但從場景選擇來說，我給三個建議：

建議一，場景選擇要非常小切口，不要做宏大敘事。

今天不要高估AI的能力，也不要低估AI的潛力。有人說，我做一個醫療大模型或教育大模型，這句話說得太籠統。必須把這個行業打開看，找50到100個的細致場景。比如，你能幫醫生在病例潤色和生成方面找到一個場景。所以，場景選擇特別重要。「創業黑馬」之前提出過“重度垂直”，一個是要足夠垂，一個是要足夠深。

建議二，要有足夠多的知識壁壘。

大模型把網上的“亮知識”都找到了，其實企業內部有很多知識是“暗知識”，只是在網上找不到，甚至老板本人都不一定有。如果你能想辦法，把有行業、企業know how的深度知識拿到，你的訓練就會有成果。否則，通用大模型一升級就能直接碾壓你。所以，重點是知識的選擇和知識的訓練。

建議三，別太迷信聊天機器人。

其實ChatGPT做了一個聊天機器人是爲了讓大家願意接受AI，本質這是一個科普行爲。但在企業內部，聊天機器人並不是最好的人機交互界面。如果你給企業交付的是聊天機器人，各位作爲企業家會知道，這很難用。

在企業內部，大模型有點像一個發動機。但用戶要的不是發動機，而是車。所以你得想辦法再給它做一個底盤和四個輪子，還得加上座椅。也就是說，你要最終通過智能體框架，把大模型跟企業之前的業務系統融在一起。這樣大模型才不是遊離在企業信息系統之外的、孤立的問答機器人。

所以，Copilot的模式在中國收不到錢，要跟企業業務深度組合才可以。很多功夫都得用在大模型之外，只訓練大模型是遠遠不夠的。

朱嘯虎：我補充一下，我特別同意周總關于ChatGPT的看法。

從PC互聯網到移動互聯網，本質是從搜索引擎轉變到推薦引擎。爲什麽推薦更好呢？因爲它更方便好用。問答式的ChatGPT，肯定不是AI時代的殺手級應用。因爲它對用戶的要求更高，需要用戶想各種辦法提問，才能得到更好的答案，這對用戶的挑戰很大。所以，最後讓用戶問起來更簡單方便、更容易得到好答案的，才是AI時代的殺手級應用。

周鴻祎：對，ChatGPT剛出來時，大家都很迷戀Prompt，甚至有大佬說 Prompt Engineer 會變成一個新職業。但是Prompt簡直是反人性，不但很難寫，而且每次我寫一樣的東西，給我的答案還不一樣。自然語言讓人和人之間都很難溝通理解，更何況你和機器之間呢？

03

做殺手級應用之前

先找到殺手級場景

羅浛予：剛才我們聊了很多AI行業To B的模式。對做To C生意的AI創業者來說，在不燒錢或少燒錢的情況下，應該如何優化現有商業模式？

周鴻祎：To C領域，在做殺手級應用之前，應該先找到殺手級場景。去年的大模型，成功的地方是趕上了ChatGPT-3.5，不成功的地方是大家在To C的時候，就像朱嘯虎說的，都只是做了一個聊天機器人。

最近kimi比較火，360浏覽器也跟著火了一把。火的背後有一個關鍵，是大家放棄了把自己作爲全功能AI産品的定位，而是選了幾個真正能打動一些小衆用戶的場景。

比如，讀書能不能讀快點，我每天需要讀各種論文，外文又不怎麽樣，能不能幫我分析論文。Kimi啓發360浏覽器換了一個思路，我們找了一個明星場景。

所以，功能打動不了用戶，只有場景能打動人。從需求場景出發，來創造應用級産品，解決場景需求。大模型基本都是藏在後面解決問題的。

我最近看到一句話，“先選擇應用場景，再來定義應用， PMF（Product Market Fit，産品市場匹配度）實驗成功了，再訓練自己的模型。”

在垂直應用方面，大模型不一定做得很好。360AI浏覽器用了5個小模型，分別做翻譯、搜索、閱讀理解、腦圖生成。五個百億級模型加起來，比千億級模型成本更低、速度更快。

在To C領域，要深刻地去找一些非常垂直的場景，我把它叫明星場景，用場景才能驅動産品設計、訓練自己的垂直大模型。

朱嘯虎：C端應用，我們太熟悉了。中國在互聯網上嘗試過太多C端應用場景了。

比如說，用5分鍾讀完一本書。以前有幾個APP做得挺好，他們的用戶場景爲什麽能引爆？因爲讓用戶可以分享打卡朋友圈，告訴朋友們我看完了這本書，我很上進。但取消打卡功能以後，月活躍度馬上下去了。

現在年輕人覺得5分鍾看完一本書都很累，最好在抖音裏用30秒鍾告訴我這本書講的什麽內容。現在的消費者既需要告訴自己朋友，我很上進，又不願意花很長時間。讓GPT幫我2分鍾看一本書，這個需求也很難做得太大。

我相信大家都知道這個場景的用戶留存很差。你丟一個PPT讓ChatGPT總結財報，可能只有分析師才會用，讓消費者去用，這太難了。

今天的ChatGPT在消費者端怎麽應用，可能要等到明年iphone裝了大模型再說。當一個手機有了幾個大模型後，才會發現在哪些C端應用可以引爆。但總體方向是，讓消費者更方便、更容易偷懶。

04

“爲什麽我不看好Midjourney？”

羅浛予：看來，朱總認爲現在的To C商業化還有點早。

周鴻祎：我也同意這個說法。最近看了奧特曼的創業分享，很贊同他的觀點。奧特曼講，他在YC當總裁時，你可以先選一個小衆人群，做出一個他們喜歡的東西。如果得到了驗證，可以再看人群能不能擴展。

現在大家都在探索To C，但To B能找到的場景遠比To C要多。現在還有一種殺手級應用——虛擬女友，但這很容易做成「not suitable for work」，不太適合中國的創業者做。

朱嘯虎：看字節跳動的發展史，從內涵段子、今日頭條到抖音，一脈相承，都關注用戶留存、用戶活躍、用戶時長，Engagement（用戶在App上的互動行爲,如浏覽、評論、點贊、分享等）。C端應用的核心就是能看到這些數據。

那今天的ChatGPT肯定做不到，它還沒有出現一個剛需高頻的場景。爲什麽我不看好Midjourney？因爲C端做文生圖，肯定不是高頻場景。Midjourney的叠代速度很快，效果也在快速提高。但等它的叠代速度放緩後，必然會被高頻用戶場景的入口取代掉。

所以，在C端應用場景上，背後的邏輯始終都一樣：你是不是一個剛需高頻的入口場景？不是這樣的場景，最終還是沒有辦法做好防守。

05

“我不太相信AGI”

羅浛予：咱們今天發布會的主題是“每個中小企業都有一個AI夢”，不僅AI創業者有AI夢，也有很多産業希望借助AI降本增效，給傳統産業升一下級。那麽，中小企業應該如何實現AI智能化升級？

周鴻祎：我覺得牛文文剛才總結得很好，我換了一種說法。

第一步，中小企業應該建立AI信仰（就是牛文文說的認知）。

AI信仰可以概括爲四句話：第一，你信不信這是真AI？第二，你信不信這是一場工業革命，未來5-10年會席卷所有行業？第三，你信不信AI會重塑産品和內部管理的每一個鏈條？第四，你信不信用AI的公司會淘汰掉輕視AI的公司？

如果一個企業都不相信AI，這就是看不上、看不起，自然就看不清、看不懂。

第二步，AI的科普教育非常重要。AI跟雲計算、大數據最大的不同，是很多企業員工可以不懂雲計算、大數據，但並不妨礙他們用好大數據。但AI對業務的結合和每個人的生活、工作方式挨得太近。所以，從企業領導到基層都需要去了解AI。

現在網上很多制造焦慮的賬號，弄得大家對AI很敵視、很恐懼、很有距離感。怎麽解決這個問題？我建議中小企業老板花點錢，無論是用GPT還是國內大模型，甚至將來牛文文也會給中小企業做私有化部署的大模型。

一定要讓員工每天都用，可能通用大模型能解決生活辦公的一些常見問題，還不能解決具體問題。但讓你的員工花幾個月去了解和熟悉AI，還是很重要的。

第三步，規劃應用AI。我發現，應用AI是需要業務來推動的。我們做AI的公司，最多給你提供很多工具，但對你的業務不了解。到底你的業務中有哪些場景適合做AI，還是要靠業務驅動。這就需要公司設置一個首席AI官的角色。

第四步，企業需要大量的知識。注意，不是數據。數據不等于信息，信息不等于知識，知識不等于智慧。實際上，做企業級大模型時，越智慧的知識，越是知識的數據，才更有價值。而這些需要在企業裏去深度挖掘和搜集。

第五步，利用現有的成熟工具，把自己的私有大模型訓練起來。現在的訓練成本，已經低到幾百萬、幾十萬級別。而且，企業私有大模型融合了企業對業務的理解和企業獨有的知識，進而成爲了企業的核心資産。確實沒錢的企業，也可以用SaaS服務商針對中小企業提供的應用。

2024年企業給自己提一個目標：至少讓自己的員工用一下大模型，至少讓他們對大模型不陌生。在企業內部管理流程、外部産品服務流程中，找一個場景用SaaS或私有大模型，解決自己的具體問題。這樣你在2024年就能超越很多同行了。

朱嘯虎：我覺得，AI是必須要去擁抱的，就像今天的企業無法想象沒有電腦和手機的生活。今天AI對效率的提升，甚至超過了之前的PC電腦。我們看到很多人在營銷端、客戶服務端，可以輕松提高30%到50%的效率。

我不太相信AGI，但是幫助企業提升30%到50%的效率，在未來幾年內很輕松就能實現。

06

未來每個企業將有多個專家模型

羅浛予：朱總還有什麽問題抛給周總的嗎？

朱嘯虎：我很好奇360在消費端的AI是什麽樣的邏輯，用戶留存和用戶時長怎麽樣？

周鴻祎：這幾年360在AI端，其實在做To B、安全和To C三個場景。當然，主攻方向還是To B。

第一，我們做了一個安全大模型，自己掌握安全能力、數據和工具，做成了一個垂直模型。這個模型既爲中國上百萬家企業提供服務，如取代無數安全專家，或在高水平安全專家配合下，給企業解決實時攻擊、實時發現、實時阻攔的問題。

第二，我們還給自己設計了一個大目標——解決AI大模型本身的安全問題。這個問題非常複雜，技術安全、數據安全、內容安全，甚至還涉及到道德文化，還有對硅基生物的控制問題。

第三，中國有這麽多中小企業客戶，能看到很多場景機會，所以我們選擇爲企業提供大模型的基礎設施。企業要做大模型，最重要的是保證知識大模型和情報大模型的供給。

在互聯網上，還是有幾個月活用戶超三四億的搜索和浏覽器。我們在努力探索To C場景下怎樣讓大模型賦能場景。目前來講，大模型在To C方向的用戶預期太高，除非你真正實現AGI，否則總有回答不好的地方。所以，我們放棄了給用戶做全面回答的能力，而是先尋找一些垂直場景，先提高用戶的滿意度。

目前來看，雖然搜索受到了推薦和問答的影響，但是搜索依然是一個很大的基礎服務。現在你不用在幾百個爛網頁裏挑你要的答案，我們可以直接給你一個比較完整的答案，且可以自動生成腦圖，讓你能一次性得到比較全面的結果。

第四，浏覽器是目前爲數不多的、能完成用戶期望值70%-80%的To C場景。像其他很多場景就更不靠譜了。這也是爲什麽很長時間以來，全世界除了虛擬女友獲得蓬勃發展以外，微軟、谷歌都沒有在個人消費場景找到適合AI 的新應用點。

朱嘯虎：周總很務實，任何新興技術一定是首先在企業端采用，比如大哥大和PC電腦。因爲一開始出來比較貴，而它又能幫企業降本增效。AI在C端的應用，確實還要等一兩年時間，這也比較符合中國目前的情況。

周鴻祎：我分享一點。你投資的公司也有這個特點。先選應用場景，再按照應用場景的用戶體驗給大模型提要求，這樣大模型的目標非常明確。最後的成本非常低，商業化速度也非常快。

反過來，通用大模型基本上沒有8000個功能，也有1萬個功能。今年寫詩，明年閱讀，後年寫小作文。改來改去，用戶總能找到你回答不了的問題，這種時間周期是非常漫長的。而且，很多能力是用不到的，但是它運行時也必須全部加載，這些千億級大模型都要放在一個集群上運營，回答一次問題要好幾毛錢，反應速度還慢。

如果你找到用戶場景之後，只需要優化用戶需要的功能，還可以把這些功能分布在不同的垂直模型裏。我們用差不多接近10個百億模型，每個百億模型的成本更低和速度更快。這個方法也更適用于企業級應用。

我猜想，未來一個企業裏會有多個專家模型，將來可能還會有專家模型的大市場。比如，我把牛文文的天啓大模型買過來，把朱嘯虎投資過的模型買過來。

去年谷歌Transformer八子之一Llion Jones成立了新公司——Sakana AI（Sakana，來源于日語さかな，意爲“魚”），專門做垂直小模型，他在研究把大模型和小模型糅合起來，把小模型的參數權重和另外一個模型合在一起。就像生物進化一樣，把有用的能力繼承下來，把沒用的能力淘汰掉。比如，把學日文和解數學題的小模型結合起來，生成一個解日文數學題的小模型，並保證了高品質和高性能。

未來大模型有兩個趨勢：一個是模型垂直化，一個是模型縮小化。比如，華爲肯定要把模型上手機，小米也會這麽做。大模型跟終端硬件做結合，也是中國創業者的機會。到時候比拼的不再只是參數，更不是一味地卷算力。

07

聯想的“貿工技”路線

依然最適合中國創業者

羅浛予：感覺周總好像還有點意猶未盡，你還想問朱總什麽問題，可以盡管問。

周鴻祎：我覺得朱嘯虎的道理講得很好，但是很狡猾，就是不把投過的好公司分享給我們，是害怕我們抄襲嗎？舉兩個例子，讓大家知道你喜歡的公司是什麽樣子。

朱嘯虎：那我具體舉兩個例子。比如，我們投的「FancyTech」就是用 AI 生成廣告視頻。我們聚焦在廣告視頻這個細分領域做得很好，這個公司已經在美國都拿到頭部客戶了。美國的Sora很厲害，它的目標是直接做電影。但到現在成本很高，還不能公開給用戶使用。

另一個例子是AI 視頻面試。我覺得，在兩三年之內，中國所有的校招全部會普遍使用 AI 視頻面試，因爲確實能降低太多成本了。

你讓一個員工去面試一個大學生，要30分鍾左右，時間成本非常高。現在用 AI 系統面試可以做得非常好，且可以體現出這家企業的技術非常領先。最高峰期，有一個客戶要求，一天面試10000人。所以，去年他們已累計面試了 100 萬人，今年第一季度就做完了去年50%的業績，預計今年整體業績至少翻 3 倍。

周鴻祎：他們不是在做一個HR大模型，而是做簡曆采集、識別和梳理，以及與面試者産生對話。把這兩個環節做好，就解決了很多企業的痛點和剛需，對模型的要求也比較低，一個4090單卡就跑起來了。

這就是我說的，一定要選對垂直場景，場景不怕小。有個說法叫小切口、大縱深。雖然切口小，但影響的企業是數以百萬計。

其次是重度垂直，跟行業結合得很深，比如做廣告視頻或視頻剪輯。在視頻內容的産生方面跟Sora比，是以卵擊石。但在做廣告視頻方面下很多功夫後，這個軟件能降低做事情的難度，提升工作效率，也一樣有價值。

很多軟件不是在跟Sora直接競爭，而是把Sora看作視頻來源。在Sora外面加一套複雜的工作流，這才是重度垂直的思路。

朱嘯虎：周總說得很好，在AI上面包一層，特別適合中國的創業企業。

周鴻祎：最後，我更正一下，我跟朱嘯虎還是很有AI夢想的人，也是很有理想的人，怎麽就被說成很現實的人呢？

羅浛予：有人說，在中國AI少談夢，多賺錢。兩位怎麽看？

周鴻祎：我覺得，不要把夢想和賺錢對立起來。

首先，人一定要有夢想，沒有夢想堅持不下去。第二，沒有夢想，也凝聚不了團隊，別人追隨不了你。第三，沒有夢想，你也沒有方向感。

但不能光談夢想，夢想都是有代價的，要麽自己掏錢，要麽騙朱嘯虎的錢花。你能形成自我造血能力，讓更多VC對你有信心，融到更多錢，才能跑得更遠。如果完全不考慮現實的操作，你就只能做夢，因爲你連拿VC的錢支撐自己做夢的資格都沒有。

嘴上有夢想的人太多了，每個人都說我要當喬布斯，我要改變世界，最後夢想還是要靠一步一個小目標，積小勝而成大勝。

朱嘯虎：可以看看聯想，過了幾十年，聯想的“貿工技”路線，依然最適合中國創業者。依然是先養活自己，腳踏實地，同時要記著遠方的夢想。

羅浛予：今天的先鋒對話結束了，感謝兩位帶來這麽多精彩觀點。

簡單總結一下：

1、今天所有推動人工智能發展的都是AI信仰派；

2、AI在中國的發展不是只有一條路；

3、中國很適合走場景化道路，選對垂直場景，小切口、大縱深；

4、想做To C場景的AI創業者，在做殺手級應用前，要先找到殺手級的場景；

5、希望通過AI實現智能化升級的企業，要建立AI信仰、做好AI科普、規劃應用AI、訓練私有大模型。

6.對創業者來說，現在卷通用大模型沒有意義，我們搶用戶、搶場景、搶數據，更有意義。

Just do it ！

［本文作者i黑馬，創業家原創。如需轉載請聯系微信公衆號（ID:iheima）授權，未經授權，轉載必究。］