最近，腾讯科技分别对王小川、朱啸虎、杨植麟进行了访谈。访谈的质量很高，三人分享了深刻的见解，很值得学习。
不过赞扬的话，其他人的文章已经说了很多了。今天，咱们来挑挑他们访谈中存在的问题，每个人就说一处。
1.以下我说的都是错的，如不同意，一定是你对。
2.语言有局限性，访谈并不代表三人全部的想法，本文所指出的“问题”，可能只是“脑补”下的求全责备。
(一)王小川的问题
"Sora没有懂物理规律，没有深入到后面的分子、细胞相变。它只是模拟引擎。"
"为什么做Sora?不是有个技术我就得跟。从AGI理想说，Sora不是跟GPT一支的。AGI理想一定要以语言为中轴做模型。……Sora是阶段产物。"
"Sora，它既不代表AGI，也不代表场景，两个都不靠。"
以上王小川对Sora的看法，很让人诧异。尽管他解释了他思路的来源：“在技术里面，我们认为美国代表最高级，他们确实有人才储备和资金，但不代表在更高的哲学思考里，他们就一定是对的。”
但这依然让人诧异，毕竟视频生成模型对大语言模型的价值非常大。短期看，它能帮助语言模型消除幻觉、提升推理能力；中长期看，它是达成世界模型的重要中间环节。
而Sora呢？它是目前世界上最先进的视频生成模型。
对一家致力于AGI（通用人工智能）的大模型公司来说，跟进它是某种必须，这跟你认不认可它的路线无关，相反，挖掘Sora的本质可以启发自己的路线。
图灵奖得主杨立昆虽然也质疑Sora，但同时也忙着研究它。
他可比王小川“极端”多了，直接认为大语言模型就不是通往AGI的正确路线。不像王小川，至少在访谈中反复强语言是中轴。
所以，王小川主动表示不跟进Sora，有点奇怪。如果是一般人这么说，你可以嘲笑他不懂，但王小川不太可能是这种情况。
那可能是什么原因呢？
也许真正的答案是：不是不想跟进，而是"跟不起"。
不是每个公司都是OpenAI，在资源有限的情况下，聚焦主航道、避免内耗，对一个创业公司至关重要，这也是CEO的责任。
或许从这个角度，你才能更好地理解王小川那句话："（我们）做多模态，但不复刻Sora，它既不代表AGI，也不代表场景，两个都不靠。"
而一个结论也呼之欲出：百川的真正定位不是一般的大模型公司，而是一家有极强的端到端大模型研发能力的行业问题解决公司。
所以“不跟进”是王小川身为创业公司掌舵人所做的取舍。这无可厚非，值得尊重。
真正的“问题”也许是：王小川似乎把“主观上跟不起”，自我合理化为“客观上不值得跟进”了。
—— 这是一个值得重视的“小问题”。
(二)朱啸虎的局限
"我信仰AGI，但我(更)信仰应用啊，我信仰能马上商业化的。"
"现在OpenAI技术迭代曲线还比较陡峭，开源肯定比非开源落后一年甚至一年半。但等非开源技术迭代曲线缓慢下来，开源会上去的。"
"这些公司，要场景没场景，要数据没数据，你说它有什么价值?"
作为一个成熟且成功的投资人，朱啸虎在访谈中体现出了不可多得的真诚。在今天这个环境下，你已经很难看到这么有个性的访谈了。
他的观点体现了极高的自洽性，且往往一针见血、敢下断言。（我始终认为，有断言的访谈/文章，才是有价值的访谈/文章）。
他的局限在于：严重低估了这次AI技术曲线的陡峭程度、曲线保持上扬的时间跨度，以及曲线最终能摸顶的高度。
简而言之，他不相信Scaling Law 。
19世纪初，蒸汽火车头被发明了出来，当时很多人认为，它只适合用来运煤，那里有明确的价值场景、迫切的需求。
人们并不是没有看到更大的价值，只是普遍认为那未来的事，毕竟给一整个大陆铺上铁路，怎么看都需要太多想象力和钱。
关于想象力和钱最终是如何被解决的，这是另一个有趣的故事，我们回头再讲。
从某种意义上说，朱啸虎就是那个在蒸汽机车出现之初，断言它应该用在煤矿上的投资人。
需要提醒你的是，与其说这是朱啸虎的局限，不如说这是一个成熟投资人在遵守自己的投资纪律。
当年坚定地把火车用到煤矿上的投资人确实赚了不少钱。
朱啸虎还认为，应用公司的壁垒是数据。这显然也没错，但就像当年矿坑里的铁轨一样，其里程数在当时看，巨大无比，事后看，却微不足道。今天的“海量数据”，几年后再看，将同样如此。
AI时代里有价值的数据，绝大部分今天还没有被发现和创造出来。
作为头部机构的掌舵人，持有一些“非共识”是必须。而且，由于身处在行业信息的洪流中，他们能比大众更早感知到风向变化，然后承认打脸、理性转身。
毫无疑问，在这个过程中，他们会错失机会，但接受自己会错失“大鱼”，本身就是成熟投资人的标志。
所以，真正要小心的是你自己：你不要因为一篇访谈，就把朱啸虎的局限（纪律）变成了自己的局限。
万一哪天朱啸虎同学改变主意转身了，而你还坚定地走在他之前判定的道路上，那你就被带进沟里了。
(三)杨植麟的挑战
"AI不是要在一两年内找到什么PMF，而是要思考如何在未来十到二十年改变世界。"
"如果一件事能被更底层的原理解释，就不应该在上层过度雕琢。"
"闭源会有人才和资本的聚集，最后一定是闭源更好。"
"假设你今天找到一个场景，从0到1的增量价值巨大，但从1到N的空间又没那么大，这种场景是可以的。但最大的机会不在这里。"
斯坦福的李飞飞曾说:"AI还处于前牛顿时代，人类尚未搞懂其基本原理。"
但无论怎么看，杨植麟对AI的理解都要比王小川、朱啸虎更深刻一些许多。
同时，他也面临巨大挑战。
挑战1：他需要搞清楚是谁的大模型，又是谁的超级APP？
至少从整个访谈看，杨植麟似乎缺少从产业链角度去思考问题的意识。
注意，这里说的不是to B，而是产业链。例如，上世纪90年代的微软显然不是to B公司，但它是PC产业链的盟主。
杨植麟需要像他说的那样，从更底层去思考，只是这次不仅在计算机科学领域。
他要思考自己搭建的系统(即他的公司Moonshot)的使命，以及这个系统如何参与构建AI生态。
而这最终会决定他提出的"场景摩尔定律"是否存在，以及将以何种形式存在。
你要知道，摩尔定律不是一个天然存在的客观规律。关于这点，可以查看我的另一篇文章。
如果不考虑产业链，既做大模型又做自己的超级APP，本质上是一种独吞式的玩法，即便能做到，结果也将是把本来能做得更大的事业做小了。
Moonshot可以是很领先的AI公司，但不能是孤胆英雄。它可以不模仿OpenAI，但要理解Sam Altman的作用。
朱啸虎的那个尖锐问题:"如果别人知道你在做应用，谁还敢用你的大模型?" 是需要认真回答的。
建立联盟，带动整个社会将资源投入AI产业链，是龙头公司的责任。如果做不到，那下面第2个挑战就无解。
挑战2：钱。
众所周知，大模型费钱，尽管Moonshot完成了一大笔融资，但未来钱将依旧是问题，关于这点，从披露的投资信息里可见端倪。
更多的钱在哪里呢？也许已经不是靠融资能解决的了，鉴于国内用户的付费水平，也不是向用户收费就能解决的。
打造大模型（更不要说大模型+超级APP）所需要的钱，要靠生态建设来解决，而这就涉及到上面第1个挑战。
从这个角度看，杨植麟关于“闭源一定更好”的判断就值得商榷了，这个判断在技术上也许成立，但放到更高的维度，一个开放的系统会最终胜出，问题只会是：开放什么？以及怎么开放？
好消息是，作为跟随者，摸着OpenAI等的石头过河，可以大大降低Moonshot的试错成本。同时，作为国内大模型的领先者，Moonshot又能有更好的资本号召力。
这是杨植麟和他的团队手里的好牌。事在人为。
挑战3：PMF和AGI的拉扯。
关于PMF（产品满足市场需求）和AGI（实现通用人工智能）这两个目标的剧烈拉扯，在朱啸虎的访谈里有集中讨论。在王小川的访谈里也有涉及。
但真正在这个问题被拉扯的，也许是杨植麟。
去年3月份的一场直播里，我曾提到：鉴于长上下文有特别大的"认知穿透力"，大模型公司应该像当年手机厂商宣传自己的屏幕分辨率一样，去提升和宣传自己能支持的上下文长度。
毕竟，大众不会懂AI的各项评测，但会直观地觉得："20万字就是比2万字好"。
这是我从产品市场角度思考得出的结论。
从访谈看，杨植麟从技术角度思考，同样得出了主攻"长上下文"的结论。
我们的看法看上去殊途同归，其实本质不同。
在我这里，长上下文只是一个有突破力的短期优势，所以一旦形成突破，接下来就要迅速地把长上下文的应用场景（即PMF）找到、做深。在这个过程中，产品、销售、运营、研发需要形成合力。
但在植麟那里，长文本最大的价值在于：它是通向AGI的一个重要路径，是一种“新内存”。这是非常深刻的思考，精彩且极具启发性。
但顺着这个思路，PMF就不那么重要了。把上下文的长度继续扩展下去，直到无限，是更值得做的事。又或者，应该去发掘其他通往AGI的新路径/维度，助力AGI更早实现。
实际上，这两种观点其实并不矛盾，相反很互补。真正的问题在于，它们很难被兼顾，精力、财力、人力上会有巨大拉扯。
杨植麟说："AI不是我在接下来一两年找到什么PMF，而是接下来十到二十年如何改变世界"。
这句话与其说是一种战略笃定或理想主义，不如说是产品力尚未成熟、相关思考和实践还没有精力深入的表现。
有证据吗？有的。
杨植麟在多个访谈中都提到过一个例子："用户可以传多份简历让AI帮忙挑选"。他用这个例子来证明“场景摩尔定律”的可行。
这例子当然算一个亮点，但其实成熟度不高。你不禁要问，然后呢？接下来呢？要不要深入？能不能深入？该怎么深入？
这样一个成熟度不高的亮点，却被反复提及，本身反映了团队对于产品化的思考还在路上。
甚至连“场景摩尔定律”的提出本身也是在路上的表现。
因为你不禁要问：如果“场景摩尔定律”真的存在，是不是当AI模型能力到位了，一切就会自动发生？
以上评价算是一种苛责吗？不算。
实际上，强如OpenAI 屡屡被评价说“产品力拉垮”，也是因为这种拉扯。
Moonshot要解决它，不是简单地回答一句“要或不要深入行业应用”就够的。它的答案跟上面第1个和第2个挑战密切相关。
好消息是，创业从来不是干想出来的，是干出来的，迭代出来的。创业维艰，Moonshot最近这一仗打得漂亮，祝他们接下来能有更多好运。
——也祝每个AI创业者，以及每一个正在阅读这篇文章、正在经历这场AI变革的你有更多好运。
未来已来，但被掩在迷雾中，众说纷纭。
（完）
——————
PS. 再强调一遍：我说的都是错的。
文君是谁？
科技领域连续创业者，中美两家AI公司的GPT战略顾问，原阿里巴巴早期移动端核心产品负责人，CEO心智与战略教练。未来一段时间，也许你关注的某些重要的AI产品，或某些备受关注的项目融资，背后就有他身影。
MindCode是什么？
一个刚刚决定写点好东西的、很小众的公众号。日常发短篇，偶尔有深度长文。关注：AI、脑科学、心理学、创业等。由于在几个关联领域都有很深入思考，关注者中不乏顶级牛人，比如xxx和xx。
AI时代，读他人之未读对你很重要。关注并发送“1”可加讨论小群。
