今晚国发院 AI 碰撞局讨论一个棘手的问题：在一个技术以不可预测的方式迭代、每一代产品研发都需要投入巨资的市场，战略应该是什么？在这样的市场，不可预测性导致研发投入还没有收回时就不得不跟进下一轮研发，如此轮番几次，地主家也被折腾得没余粮了。说的就是自动驾驶市场，大模型市场可能也具备类似特征。
案例的特征在于环境既不可预测，又快速迭代。如果仅仅是不可预测，比如在技术标准之战中，不确定哪个技术能最终胜出，可以采取两头下注的方式对冲风险。而迭代速度快意味着这种策略行不通。同样，如果仅仅迭代速度快，比如摩尔定律下的芯片性能提升，也不会是一个特别大的威胁，因为产业在芯片厂商的路线图指引下，会形成较为一致的预期。值得指出的是，迭代的不仅是模块，而可能是架构。
两个特征共存带来巨大挑战。自动驾驶的技术路线在过去几年频繁变化，激光雷达变得不一定必要了，高精地图也不需要了，而大模型起来后更是出现了完全端到端的方案，打破原有的模块化架构。每次迭代都意味着更高的算法要求、更大的训练数据以及各高昂的算力投入。路线的变化之频繁，导致上一代研发的产品尚未投产便已经过时了，但未来到底是怎样的却未必清晰。现在追捧的端到端 AI 化，能笃定transformer不会出现新的替代架构？
嘉宾A借着分享智能驾驶行业的故事，暗示AI 产业面临相似困境。嘉宾B是BAT早期高管，经历过互联网泡沫。趁着他分享这段，我补充了红杉的一个观点。红杉认为，现在投给AI行业的钱，有点类似于VC互联网泡沫之前投的钱，很多沉淀到了互联网基础设施（光纤），后来成为了web2.0兴起的前提。我不认同这一点。正如前面铺垫的，变化太快太不确定了。5年前的光纤，5年后能继续用，投资没有归零。但今天练出来的丹，大概率5年后不再能用。嘉宾A进而指出，数据可能是这条光纤。
两位嘉宾和两位老师（包括我和晓梦）有一个共识。就是在当下大模型行业的情境下，高举高打从终局出发的创业者基本上不会有结果。嘉宾A问了大家一个问题：假设你知道迷宫出口的方位，同时手上有指南针，你会选择方案1）根据指南针显示的当下方位与出口方位的偏倚角度来行动；还是2）摸着墙壁走。正确答案是2）。在局部显示与方向一致，不代表你走在正确的路上，因为这条路上可能存在死胡同；反之，沿着墙壁一定能走出迷宫。这个结论当然有前提（迷宫的复杂程度），但意思是清楚的。嘉宾B则干净利落地指出一点，现在所有互联网公司没有一家的主业是其草创时期的样子，都是后面迭代出来的，有运气的成分。
嘉宾A分享的主要是智能驾驶，而嘉宾B所在的企业主推车路云协同。前者的顶流是特斯拉，而后者应该说是我国的政策选择。围绕着这两种路线大家都发言了。我的关键词是系统，劝诫大家不仅要看到组件，更要看到组件所嵌入的系统/架构。这种系统，包括技术的（比如高精地图在新的智驾系统里不再存在），产业的（比如产业治理较成熟的系统可持续性通常好一些）和政策的（比如大家都提到的AI主权化），都会对项目的成功概率有影响。
据嘉宾 A ，meta由于大模型加持，其广告精准程度大大提升，已弥补了因为 iOS 等关闭 cookie 授权所带来的负面影响。这部分解释了是什么支持 llama 的开放。
还有好多，先分享这些。国庆假期快乐！
