在他看来，AI大潮下，能上牌桌的不只有大企业，决定商业输赢的也不只是技术，更是谁能将技术和产品、应用形成闭环。
来源 |《财经》新媒体
作者 | 刘芬
编辑 | 蒋诗舟
年前，中国大模型创业大军还在切磋机会，大秀“肌肉”；年后，AGI（通用人工智能）时代已经逼近。因ChatGPT一炮而红的OpenAI，以开年“王炸”文生视频模型Sora，几乎复刻了GPT-3初登场的爆红盛况：横空出世，广为震惊，一众大佬先后发声。
怎样理解OpenAI的成功，某种程度意味着创业者们会如何对待他们的竞赛。在猎豹移动董事长兼CEO、猎户星空董事长傅盛眼中，ChatGPT是Think Different的产物，成功是因为改变了机器学习语言的技术路线，走了别人不敢走的路。Sora的技术思路也完全不一样，这归功于OpenAI的大语言模型优势，让Sora借助这个技术对图像视频有了更深入的理解和模拟两层能力。
在群雄并起的中国AI大模型江湖，傅盛是一个敢走不同路的“异类”。他曾在国内移动互联网创新最卷的2012年，让猎豹移动All in出海；在共享经济如火如荼的2016年，让猎户星空All in AI；又在众人都认为千亿参数模型是未来时，放弃“复刻OpenAI”，抢先押注百亿大模型企业应用。
参数派和应用派，可谓大模型江湖的两大分支。从热钱涌入争相卷模型参数，到如今迈入“应用为王”新阶段，后者的队伍迅速扩大。这种对应用效果的侧重也在Sora中得以展现。比如，根据相关技术专家分析，Sora的参数量可能仅30亿左右，仍能达到令人称绝的效果。
跟以前一样，在机器人、大模型赛道闯关多年的傅盛敢于亮出不同观点。从草根创业者到科技领军人的磨砺，也让其对创业风险和犯错成本保持敏感，热衷讨论中小企业的赶超路径与生存空间。
接受《财经》新媒体专访过程中，傅盛多次强调Think Different的理念、应用派的定位，以及中国企业的机会。在他看来，AI大潮下，能上牌桌的不只有大企业，决定商业输赢的也不只是技术，更是谁能将技术和产品、应用形成闭环。应用是中国企业赶超美国的机会，也是小公司打赢大公司的机会。
押注百亿大模型，“应用派创业者”缘起
如果细看ChatGPT、Sora出圈，会发现一个相似的点——它们不是纯研究，而是封装得非常好的产品应用。在ChatGPT出现之前，OpenAI并未扬名四海，公司最早做了四个项目，其他三个项目得到的资源都比ChatGPT多，因为众人不相信这条路能够走通。
“OpenAI与其说是技术积累的胜利，不如说是技术信仰的胜利，更可以说是走差异化路线的胜利。”在傅盛看来，基于人工智能的同一根基，中美的大模型差距没有那么大，中国在算法上略逊一筹，在应用上更好一点。等到OpenAI以GPT走出新分支，中国在这条路径上晚了一两年时间。但这一波如果去做类似OpenAI的大模型，速度也会非常快。
然而，算力、数据、人才等成本无不抬高大模型门槛。伴随着OpenAI大参数模型这条路是否一定能走通，就算走通了是不是唯一道路的讨论，分歧也再次出现。众多企业的大模型之路是砸钱预训练千亿参数模型，再微调，寻找应用场景。而猎户星空的差异化逻辑是在已知应用场景后，微调，再寻找合适的模型。
想的不一样，最初往往是被质疑。2023年6月，傅盛曾跟朱啸虎“激战”，探讨GPT带来的价值颠覆。2024年初，在猎户星空Orion-14B百亿参数大模型发布会后，朱啸虎以“很多垂直场景用开源小模型优化后的结果比通用大模型要好，垂直场景和数据的重要性远超大模型本身”认同傅盛，二人在朋友圈握手言和。直到现在，傅盛依然坚持Think Different的观点，并认为企业应用大模型百亿参数就足够。
像许多创业者一样，傅盛喜欢从科技史、商业史等维度打量浪潮下的不同路径，从它们的故事中研究底层规律，总结AI大模型应用派创业的内外在逻辑。在他看来，科学和技术是两个完全独立的思维，没有科学可以有技术，有了科学会出现很多技术。企业更多是跟技术在一起，大学是跟科学在一起。从企业发展史而言，绝大部分创新都是找到一个应用点后反向找技术。或是有的技术正好与应用点相符，就会产生一次科技爆发。
从应用上反向切入探寻大模型路径，傅盛看到的不是卷参数，而是能抵达目的地的另一条新路——百亿参数模型+客户私有数据+应用的打磨，在专业领域问题问答上做到千亿模型效果，将技术和产品、应用形成闭环。他以修灯泡来类比两种大模型路线的不同：你家电灯泡坏了，你是请爱因斯坦来换，还是请旁边的胡师傅。
这一幕似曾相识。最早做360杀毒软件时，他通过高速更新版本和用户需求连接；移动互联网出现时，通过快速更迭清理大师做出猎豹上市。猎户星空布局机器人业务之初，军用激光雷达的成本在1万元以上，傅盛的做法同样从用户需求角度找高效路径，找工厂订做低配版民用激光雷达，将射线范围降至满足功用的15米内，成本节省近十分之一。
创新思路，以终为始，从用户角度对技术的复杂度要求发生变化，追求商业效果和使用体验，是傅盛积累的“应用派”经验。
不把大模型做好，怎么做出好的机器人！
2月20日，根据《互联网信息服务深度合成管理规定》，国家互联网信息办公室公布最新一批深度合成服务算法备案清单，猎户星空大模型成功通过算法备案。距其推出猎户星空大模型Orion-14B仅过去一个月，距其All in AI已近8年。
过去一年多猎户星空的表现，跟傅盛提到的创新：找到不同的路，以更少的投入换取更大的产出的理念颇为契合。2023年，猎户星空战略升级，发布基于大模型技术的深度应用“聚言”，并将“聚言+机器人”作为第二增长曲线。将大模型技术，赋能自身机器人业务的同时，为行业客户提供定制化的AI大模型咨询服务，帮助企业提升运营效率，确保企业在竞争中保持领先地位。
“如果不把大模型做好，发动机就有天然缺陷，怎么能做出好的机器人！”谈及大模型和机器人在猎户星空的权重，傅盛对《财经》新媒体直言，服务机器人是个新领域，必须是硬件、软件、人工智能三者的结合，缺一不可。大模型和机器人不是对立的，前者是后者的发动机。大语言模型赋予了机器人深度“理解”的能力，使得它真正能够做到讲解、陪伴。
理解语言对于计算机而言很难，对于人类来说习以为常。攻克语义理解的ChatGPT出现后，业内普遍认为通用人工智能时代即将到来，无数创业者重新站在同一起跑线上。
傅盛曾总结，大模型创业机会存在四个层次：第一层是角逐千亿大模型，第二层是开发行业垂直大模型，第三层是开发大模型应用，第四层是应用大模型。难度向下逐层递减，机会却逐层增大。未来超越Open AI的机会将来自AI应用创业公司，“数字老板”将成为成功企业的标配，实现全流程、全数据化的AI赋能是成为“数字老板”，完成流程重构的关键所在。
他不相信哪个技术会是一家公司的核心壁垒，只有整个应用和技术之间循环，飞轮才能转得更快。谁能够真正比对手更快速迭代，谁就可能有更多的成功。“企业的本质就是拼效率，经营效率、决策效率都很关键。聚言做的就是从运营效率着手提高决策效率。”
在傅盛的观察里，其一，AI的推理能力跟人比尚有差距，但大量阅读与整合的能力比人强。基于此，演化出效率提升的几方面。比如，云资产在很多中型以上公司都是很复杂的体系，专业的人工作起来很累，聚言的云资产助手可以帮助优化云方面的工作效率与成本。
其二，员工的价值和潜力，往往容易被公司忽略。而AI能读取自然语言，将每个员工的工作情况汇总，展现个人努力的同时快速纠正工作偏差，利于员工更好地职务晋升与培养辅导。
其三，基于数据本身，公司还可以做一系列转型、提效、决策分析。比如，根据销售数据过程管理和销售日常动作，能够知道下季度销售冠军是谁，这在以前很难做到。
创业是个概率，把每次犯错成本尽可能降低
Think Different也可能失败，在做大模型应用的过程中，傅盛依旧对风险保持敏感——创业是一个概率问题，只能把每次犯错的成本尽可能降低。同时，不停地在路径中复盘总结，不断寻找那条创新之路。
“本质上，创业是在一个比较垂直狭窄的领域找到自己的空间，再慢慢去迭代。”他倾向于企业与垂直赛场赛道共同成长，哪怕企业在宽阔赛场上拿下一小块地的面积比垂直点大，但垂直领域的垄断权会生长出更大数字。
对于企业用AI，他分为成三个段位：青铜段位，基于公有数据生成宣传文档或图片。黄金段位，基于专岗私有数据形成“数字员工”。王者段位，企业全过程的经营数据由AI参与，辅助决策。企业要实现AI的王者地位，就应该是全过程的经营数据都变成私有化大模型的一部分，再加上强应用套件，实现数字员工+辅助决策。
傅盛自述，目前企业内部已成立AI生产力部门，将过去散落在各处的中台部门全部统一到这个部门，直接向他汇报，并结合企业全流程化进行AI重构。在他看来，不论是互联网还是科技发展，一直出现中心化和去中心化的博弈。企业使用私有化大模型，让经营数据内循环，除了数据安全、提能增效外，私有化百亿大模型的成本也相对更低。
Chat GPT出现后，傅盛喻为打开了AI时代的一扇大门，而创业者们能否从广阔的路径里选出自己的Idea，变成自己的基业，全凭个人的聪明才智和努力。
对于各行各业涌现的机会，他建议：其一，不要什么热就去做什么。一定要从自己熟悉的行业入手，想想AI能在自身行业做什么，一个人能力圈是生长出来的，不是跳出来的。其二，不要技术迷信论，应用更重要。对中小企业而言，不必耗资去做技术升级，可以拿业界一些开源的或把一些接口做好，和最终产品结成应用。等企业成长起来，再找钱把技术做得更好。
“能想清楚帮助用户解决哪些痛点，把市面上较好的功能组合起来给用户应用，就已经成功一大半了。”傅盛如是道。
