116. 吴明辉口述19年史：漫长的沉浮、痛苦急转、企业级Agentic Model、现实世界的数值游戏、IPO

Summary

张小珺Jùn｜商业访谈录 #116

嘉宾：吴明辉（明略科技创始人）

主题：十九年企业进化史、AI转型与Agentic Model、企业数据哲学、IPO经验

日期：2025年10月9日

---

一、节目主旨与概览

本期《商业访谈录》邀请了明略科技创始人吴明辉，对话深度回顾了其19年从创业白纸到上市前夜的完整周期，展现一家2B科技公司在中国快速迭代的行业浮沉，以及“AI转型”的真正落地脉络。吴明辉公开分享了关于公司创业合并、AI时代Agentic Model、数值游戏与多智能体、多轮融资与上市、失败与自我进化、企业组织结构、人与合作等独家见解。整场对谈气氛坦诚直白、中年创始人的反思与技术热情并存。

---

二、关键讨论与洞察

1. 创业合伙人往事与公司“多线合并”

• 吴明辉创业早期，与李峰、朱伟等人合并组建公司，经历股权调整、业务拆分与合并，为明略科技的复杂架构埋下伏笔。
• 创业起点的“推荐系统-广告-大数据”三段跳，从需求痛点和技术能力双重视角审出赛道选择机理。
• 合伙人搭配重要性：“不同领域的学霸组合互补才更有可能成事”（21:33）。

经典语录：“其实我们的团队技术真的是很厉害的。那我觉得如果是同一个领域的学霸倒是有风险，不同领域的惺惺相惜才有chemistry。”——吴明辉 [在15-16分钟段]

---

2. 上一波互联网与AI时代的创业者心态分野

• 移动互联网浪潮时曾“慢半拍”，痛述产品逻辑的“价值网络困境”（创新者的窘境），以及学霸创业者天然更倾向2B路线的认知原因。
• AI浪潮的敏锐转向，“AI真正有用的是能卷出新组织生产关系”，并以企业Agentic Model为切口，明确战略差异化。

经典语录：“上一波移动互联网时代，技术卷不过消费洞察。AI则让2B公司可以重新定义新的生产关系。”——吴明辉 [01:16:18]

---

3. 多次公司合并/拆分、B端商业模式探索

• 明略一度同时运营秒针、明略、云记三业务线，后经历合并。“做企业级AI，公司‘组织多智体’与人机协同才是壁垒。”
• 谈收购小宏及并购—强调“收数据，拼上下游，AI核心是数据壁垒的争夺！”
• 多轮融资经验与上市路：账面资金短缺时靠自己借钱填补，坚持“再困难也扛下去”，资本敬畏与创业者成熟的差别自白。

亮点时刻：“我最难的时候账上只有一个亿，但每个月就花一个亿，一个月只有一次runway。”——吴明辉 [02:00:00]

---

4. AI变革下的企业级Agentic Model演化

• 独立分析企业级Agent、多智能体（MOA）、数据驱动的生产力未来。
• 专注多智能体（multiple agents）路线，基于真实2B业务场景积攒非公开数据，用小模型做专业赛道SOTA，在BOA/COA榜单夺冠。
• 明确2B和2C的产品边界，强调入口、链接与组织演化的内在逻辑。

经典语录：“企业里真正的资源竞争，最后比的不是F（模型智能）而是X（数据、上下文、领域知识）！”——吴明辉 [02:45:00]

---

5. 人机协作&未来企业组织形态的展望

• “最后所有2B产品都要转向多智能体，团队分工与AI合作。真正的终极形态，是AI做常规决策，人类聚焦设定价值和benchmark。”
• 展开对future of work的畅想，管理人和Agent，企业主和合伙人制度的演化，以及AI如何重塑行业平台格局。

警句摘录：“未来的老板就像指挥家，agent才是Industry的绝对主力。”——吴明辉 [03:10:00]

---

6. 技术坚守与终极产品哲学

• 不卷大模型，只在细分domain建第一。全世界最“可信、老实的AI”是公司使命。
• 知识管理、社交化、外显化、组合、内化的SECI循环理论映射到agent训练与企业知识演化机制。
• 幽默自嘲：“我人生的目标已从造最聪明AI换成做最可信AI。” [03:18:00]

---

7. 关键节点时间轴

• 00:02 快问快答；创始故事；团队股权架构
• 00:20 合伙人与天使投资人回忆
• 00:40 推荐系统起步、广告数据思路
• 01:00 移动互联网没踩准，反思产品演进
• 01:17 2C vs 2B与“学霸创始人偏好”
• 01:45 合并与分拆背后的组织与商业思路
• 02:00 资金链危机与公司经营哲学
• 03:03 AI Agentic Model、BOA/COA冠军案例
• 03:15 组织转型、多智能体与未来企业形态
• 03:30 人机协作与管理伦理

---

三、精彩名句摘选·带时间戳

• “我唯一后悔的事，就是移动互联网时代没上船。但我相信AI时代的机会，我不会再错过。” [01:10:03]
• “大模型的终极壁垒并不是技术，而是你有没有能闭环行业的数据。” [02:05:49]
• “我们全公司都在学怎么用AI卷自己，目标是AI自己卷自己，人可以四休三去玩。” [03:16:30]
• “管人最难，因为每个人有自己的目标。管AI简单，现在还容易洗脑。” [03:35:41]
• “幸福的方法，就是你的长期目标和短期目标有重合，这样你每一天干起来都有意义。” [03:40:10]

---

四、结构化知识要点

1. B端科技公司生存法则

• 以技术为根本，但以数据/环境/上下游的客户资源为壁垒。
• 天赋型合伙人互补>单极聪明
• 在过热融资氛围中保持现金和股权理性。

2. AI时代战略新机理

• agent化与多智能体将重构2B行业平台与组织结构
• 未来办公场景是入口之争，也是Agent之间的打通与协作之战
• “数据+场景”决定2B企业的未来可持续竞争力

3. 组织与人机关系的未来

• 人机协作是知识创新、Benchmarks设立的核心环节
• 管理Agent比管理人更“理性高效”，但创新和情感价值仍需要人
• 超级个体和Agent合伙人并举的组织形态呼之欲出

4. 创始人视角与职业幸福观

• 直言不讳分享心理低谷与极限runway（月花1亿只剩1亿）生存策略
• “我幸福，就是每天还可以持续学习、卷自己、不断进步。”
• AI创业者要有“延迟满足”，坚信再难的题都有解。

---

五、结语与实用信息

• 本期访谈跳脱商业宣传，系统铺展中国头部2B科技企业的全周期演化，尤其是AI时代的转型抉择，极具行业参考价值。吴明辉以“数学竞赛心态”践行极限创业、坚守分享，内容值得所有关心企业AI转型、技术管理的人士深读。

本期节目由语言及世界工作室制作，更多干货与公司动态可关注公众号“语言及世界languageisworld”。

---

Transcript

[A]

我非常喜欢小宏我拉他来我们公司之后我拉他去我们家我们一块儿聊天深聊了很多次我一直希望他来做我的CEO的successor因为他情商很高就是不会直接拒绝我但是他后来就告诉我他说辉哥我不可能做一个2B的公司老板的我肯定要做2C的我们中间有那么几个月就是在一个亿左右的浮动但你知道我每个月就要花一个亿也就是一个月的runway这是最夸张的时候现在当然我们自己造血能力没有问题我觉得这三年真的是我觉得我从一个纯理想主义的一个founder变成了一个会经营的founder就是AI其实是会对整个软件行业对企业级服务甚至对整个的产业互联网都会重构它产生了一种新的链接关系甚至是一种新的生产关系hello大家好欢迎收听张小军商业访谈录我是小军这是一档由语言及世界工作室出品的深度访谈节目我们希望和你一起从这里探索新世界今天的嘉宾吴明辉是明略科技的创始人科技於205年8月29日獲得了境外發行上市的備案通知書不久後將與香港上市這是一次上市前的訪談吳明暉口述了一家2B公司漫長的19年故事其間經歷了好多次的分分合合沉浮與急轉你能在这里找到许多我们节目嘉宾的身影小红李广密杨之霖我们也聊一聊面向全新的AI时代企业服务及AI与AgenticModel的前景但是在这个故事的最开始要从他与丰瑞资本创始合伙人李峰的公司合并聊起205让我们和AI共同进步先给听众朋友们打个招呼吧好大家好我是吴明辉先开始有几个快问快答公司名字明略科技公司创立时间19年融资过往轮次我看网上写27轮实际上就特别复杂因为我在这个过程中首先最开始是创办了秒针秒针就融了很多轮後來呢我又在一三一四年初的時候又創辦了明略數據所以明略數據自己又融了好多輪然後後來秒針又併購了秒針的競爭對手所以他這個整個那個招股書裡面寫的這個就是那個融資的過程肯定還算了我們的這個原來這個併購的這個對象的融資輪數所以所以相當於是三家公司的融資輪數加到一起了而且合了以後肯定還融過嘛所以所以我估計肯定是融了好多次了總計的融資金額應該也有個十幾億美金了目前估值目前估值最近的一次估值應該是15億美金目前是盈利還是虧損已經盈利了你的年齡43你的MBTIINTJ今天的嘉賓吳明慧和我們之前的幾位嘉賓都有很多的淵源你是廣密在紅杉剛開始投資生涯裡面的前幾個項目對吧是然後另外你是肖宏瑞的他第一家創業公司你收購了他的公司是的他在節目裡分享過這段經歷我們要不先從這裡開始聊吧你和這兩個人的一些淵源我记得广密是不是学数学的呀他不是他不是学数学的吗他学财经之类的金融之类的OK对其实我是在开始做明略数据的时候才认识广密的做秒针的时候应该没有认识明略数据在做的过程中其实我们没有单独出去融资实际上就是因为那时间最开始其实相当于是我在放那个明略数据一开始我自己也添了秒针的这个最开始是CTO还不是CEO米瑞數據的最開始的CEO是我找了一個朋友他以前是Oracle的高管當時最開始還是比較低調的因為找了一輪天使我們就想土幣的公司應該一上來就差不多能養活自己就賺錢做就好了但是我覺得廣密特別厲害他在紅杉應該是研究了美國的大數據市場的一些比較著名的企業當時他看到那個深淵點其實Palantir就已經估值不低了所以他當時就在找中國哪家公司更像Palantir他自己莫名其妙的就找到我們了是他主動source來的对是找过来以后我们就聊的还挺好的其实最开始确实迷了出去没有想出去融资的所以最后红杉就投进来了所以是这么认识广密的然后小红其实是也是蛮有趣的一个过程就是她的应该是有一个好朋友是我的大学同学是AnswerAI的founder我不知道你知不知道这家公司在美国做也是一个做AIfor教育的最开始其实是帮美国的小学生刷数学题我有印象我知道我跟他打过电话对叫周力周力其实是我大学同学他介绍我认识的小红当时其实也是夜莺应该也是在融资应该可能也没有那么好用然后最开始我正好就跟小红介绍了然后就来了我家我跟她聊了一次我就特别喜欢她她一走我就跟周力说我肯定是应该要投她的后来为什么当时特别想投她事实最后就做了并购的决定大概应该是在20年的时候那个时间点其实是过了疫情已经开始了疫情开始在那个时间点上其实整个全球范围内的企业级服务市场发生了一个很大的变化最大的变化就是以前很多的在线的办公系统大家是不怎么用的比如说zoom是吧其实很早就有了其实大家用的并不多但是疫情毕了大家只能去使用这种产品国内像腾讯会议我记得在19年的时候他们内部可能制定明年的日活动目标是5万但是过了可能20年过了1月2月之后就变成了很快变成了上千万的水平了所以这个过程让大量的在线的这些办公系统就真正的活跃起来了产生了海量的数据而我当时正好在北大读博士我是19年回北大又开始读工程博士我当时读的方向其实就是我们叫ConversationalIntelligence其实是自然语言处理里面的一个更小的分类了就是研究人和人对话过程中产生的智能然后AI去理解这个对话甚至可以生成这个对话其实跟后来这个拆CPT有关系了当时其实我自己也做了2B甚至2G的业务做了很久了一直是想找一种比较好的数据来去做AI因为没有数据的AI是做不起来的正好跟小宏一聊完发现他的夜莺下面的一个产品叫微办正好是腾讯的企业微信上面的整个国内installbase最大的一个socialCRM这里面其实会产生大量的客户和销售或者客户跟客服之间的对话数据我当时一看这跟我的博士研究课题一模一样我肯定是特别希望干脆把它并购了这样的话我就有一个很好的一个installbase我在上面去做AI就好了是吧而且小宏其实在那个时间点上我觉得他可能还没有太多去了解过AI他是一个天才的产品经理然后从大学也就开始创业然后一直在做各种applicationtools我当时也跟他讲说我其实是就不投你算了我去收购你算了是你提出的收购对是的是的然后我提出收购以后当然其实也是有竞争的因为当时其他也有一些投资人有人想投他也有人想收他当然想收的肯定就不是基金了都是类似于我们这样的B2B的公司因为他那个软件真的做的太棒了然后很多很多user都还是点赞很多但我其实可能我会我收他的主要的原因不是因为他只是一个application在我看来他有大量的conversationaldata想做AI所以我觉得可能他觉得这个方向可行就是未来的天花板更高所以后来就并购了然后他也就在我们这短暂的呆了应该大概两三年吧好像是20年收的对你是19年认识还是20年认识他就是20年认识20年应该收购已经是20年年底吧差不多哦这很有意思广密应该是15年左右你们认识的对吧Red是20年认识的是这两个时间点分别你的状态是什么样子的15年应该是刚刚创立的明略数据就是第二家公司是然后20年是当时已经有明略集团了对我们是19年合并的集团是合并的是哪几家公司啊就是秒针还有秒针的经营对手叫MMaster然后后来还有明略数据就是三家公司和一起的是在19年的好像我记得是3月份吧15年和20年你分别是什么样的一个状态这两个状态蛮不一样的我15年应该是正好是我真正意义上的从CTO转型做CEO的一个时间点之前不是CEO? 不是CEO在秒针是CEO吗? 秒针最开始也不是CEO我其实一直是搞技术的但是做秒针的时候本来第一版商业计划书是做recommendationsystem也不是做什么广告系统但是后来我就发现做recommendationsystem没有data然后这个我就到处找data后来就发现互联网上面有很多data而且互联网广告也会产生很多data正好当时我们有一个安卓investor叫朱伟他是当然后来也变成了我们的这个CEO了他其实是作为天使投资人之一投进来的他当时是被另外一个大家應該也都熟悉叫李峰峰叔然後他就現在是那個FreeSVC的這個founder他其實是先認識了我他把幾個他的朋友拉著一起投了我跟李峰合併起來的一家公司哦你倆是本身就是合併的對就相當於是李峰有一家公司是本來他想做在線教育那我有一家公司是一個PureTech公司然後最開始也沒有什麼自己的產品就給很多互聯網公司做外包然后呢李峰自己又没有技术团队没有技术合伙人所以他有一个公司我有公司合并了合并完了以后他说我负责数据融资那时候我还没毕业呢06年是这个硕士二年级认识李峰然后他就拉了几个这个他的朋友其中就有助委助委是做广告出身的所以其实最开始我们第一版的这个商业计划本来是做这个在线教育但是做在线教育的时候其实很多的投资人并不看好这个方向因为在那个时间点你想零几年整个互联网没有什么真正的学习氛围其实更多都是娱乐氛围整个互联网大部分的媒体的流量他不像今天就是支付啊各方面的產業的很多的這個infra都做得很好了那個時間點上基本上大家只能在上面去什麼看看美女圖片啊什麼之類的這種事互聯網是偏娛樂的一個狀態所以投資人不看好在線教育後來李峰因為他在那個moment是新東方的副總裁嘛是吧所以他當時覺得這個方向好像跟教育沒什麼關係的所以他就離開公司了離開公司的時候我其實現在可能幹了半年的CEO然後後來我就把其中的一個這天使投資人助委他是廣告公司的高管給拉進來了就他做CEO我又回來做CTO所以整個這公司最開始是這麼出來的就是整個這公司經歷了很多的這個股權的變化中間有一度那個羅永浩還是我的股東為什麼因為李鋒那個公司裡面羅永浩是他的股東啊所以如果看我們公司的那個最早的那家公司對因為李鋒的那個教育公司羅永浩還有李孝萊都是他的股東因為他們都是新東方的對是是所以你怎麼認識的李峰投資人介紹的不是通過投資人介紹我以前連資本市場都不懂的我本來就是在校大學生帶著幾個師兄弟一塊賺錢幹活你當時那個狀態跟戴威很像有点像有点像我应该是在那个时间点上先是给新浪和搜狐做了很多的系统曾经有一个系统是给新浪的教育频道做了一个在线考试系统那个考试系统做的还挺不错的所以新浪的教育频道的主编最后就跟我关系还不错他说我有一个好朋友在找技术合伙人他说你们可以聊一聊就介绍了李峰给我认识了所以是通過了這個客戶介紹的我在那個時間點之前從來都不知道什麼叫融資什麼叫資本市場是李鋒給我做的客戶他說還有一種方法是不是做賺客戶的錢是這個去到這個VC那去融錢然後呢去做未來的東西所以你對李鋒當時的印象是什麼樣為什麼剛認識不久你們就決定可以一起乾公司當時確實只是一個純技術男对这个商业啊对比如说资本市场就是我觉得对商业都理解都是不够的嗯但是李峰呢他还是比我知道的多很多很多所以他比你大他比我大九届吧大九届都是北大的对他是九一级的我是0级的他正好是赶上了那种一年军训的那种时间点是北大蛮有意思的所以我跟他聊聊了以后我觉得他首先人也特别有趣也是極其聰明語速極快的那種邏輯思維很強以前叫GRE什麼之類的肯定就相當於是我們能聊得來第二個就是他也很喜歡技術雖然他自己不是學技術的但是他也很喜歡技術所以他也還是覺得我們這個團隊挺優秀的因為確實都是一幫還是挺厲害的一幫技術男当时给我讲了很多的资本市场互联网虽然他当时还是新东方的副总裁但是我也不知道为什么他对这个商业对资本市场对整个的互联网那么感兴趣他告诉我是那个其实李孝来对他们这帮人影响很大就是李孝来是那种对于商业对于投资极其敏感的人所以他告诉我是说新东方门口的楼好像什么海龙啊什么的好几个楼里面都被新东方的老师给买了就是因为李孝来天天告诉咱因为新东方老师赚钱很多嘛然后他就跟大家说说哎那个楼大家可以去买然后说说哎我们可以再开个什么公司然后怎么着了就是你想后来他还整比特币嘛所以实际上就是他是一个可能李孝来对这帮人有很大的一个影响新東方還有出了徐曉平王翔老師是的是的很神奇的一個地方時代的老師都是你們當時兩個公司合併當時股份怎麼辦最一開始是他是第一大股東我是第二大股東然後我記得好像是他40%我30%然後我們在第一輪融資估值好像是三百萬人民幣融了一百萬人民幣所以你們是合起來才有了第一輪融資對而且估值三百萬人民幣那個時候就是一百萬人民幣可以買我們公司三分之一的股份然後就是我剛才講的這個像助偉啊很多的天使投資人就有好幾個天使投資人到現在還沒有退掉呢就是現在還沒有退對所以我們上市他應該他們會賺很多很多倍很多很多錢了然後真的就是那個時間點就是但對我來講那從來沒有融過資的呀我覺得也很好呀也很好就是你就拿了這筆錢就開始做自己的產品了因為在這之前我其實一直都是給別人做軟件開發做外包的那為什麼後來我們的商業計劃書會去寫RecommendationSystem一個很重要的原因是因為我在給新浪和蘇胡做軟件開發的那個年代新浪和蘇胡正好或者是整個互聯網經理的是那個Web2.0是吧咱现在讲web3web2和web1最大的区别是web1是这个单向广播式的嘛web2才出现了这个有基于每个人的ID来去做这种双向交互的应用比如说博客呀email呀就是web2比web1就多了一个user的ID然后使得每个人可以看不同的内容所有人看的新聞都是一樣的是吧所以其實當時Web2比Web1也增加了巨大的技術複雜性是因為一個所有人看內容一樣的一套系統如果這個用戶量很大的時候它是可以通過一層一層的緩存来去这个承压的因为每个人看的都一样反正我中间有几个中间服务器把这个流量分开就行了但是当每个人看的是它独属于你自己的内容的时候这个时候其实我就不能随便做缓存了你只能看你的嘛所以我把你随便分到一个服务器那服务器上没有你的这个内容那实际上你就用不了了所以那个时间点其实我们的团队技术真的是很厉害的所以我带着这个团队就给新浪啊搜狐啊就提供这方面的infrastructure实际上这个infrastructure最早在哪出现就是BBS嘛BBS每個人登進去肯定要看自己的內容你發自己的內容嘛所以其實是我們有這樣的一個能力有了這樣的一個能力後來我們的融資的時候很多投資人就問說你們公司到底有啥技術做什麼在線教育的話我就開始瞎編嘛我說我們能給不同的人推薦不同的教材是吧就所谓的这个英才师教系统当然后来别人也没买单但是就是把这样的一个技术概念在那个时间点稍微归纳了一下但是我的也因为这个原因我的硕士论文写的就是recommendationsystem其实本来我的研一研二做的是CV做的是这个指纹和掌纹识别但是我的硕士三年级我就跟我导师说我说我要做公司的项目了我就不做学校的项目了我其实我学校项目的成果已经很牛了拿了一些就是比赛的奖都是拿了那种很厉害的奖然后但是最后我就硕士三年级我说我要做这个recommendationsystem因为公司要做这事但是我对导师还是这个我导师为什么很喜欢我因为我融了一百万其中拿了五十万给了实验室给了实验室对就是这投资人愿意吗投资人没问题啊因为今天也一样今天DeepSeek也好每家公司这不都是要去这些最顶尖的实验室去招人嘛那你想你把这个钱给到实验室然后我跟我导师说我说那个我能不能拉几个师弟跟我一块做我导师说行啊我说反正论文我们最后都会输北大的名字嘛然后所以其实我导师特别支持我而且那个时候其实百度上市也没多久嘛我导师说你要是将来有机会再做一个百度上市我们也挺开心所以特别好就是我就这样就在学校里面所以我的碩士畢業論文寫的應該是叫recommendationsystembasedonlanguagemodel雖然我研一研二做的是圖像那個時候其實視頻也做不了因為那個顯卡都不大行但是我的研三其實有做NLP了做recommendationsystem你為什麼是basedonlanguagemodel这个是非常有意思啊这个其实但没有那是没有大语言模型就是语言模型语言模型其实在北大是一个非常非常早就有的东西就是北大和北大计算机器跟北大的中文系中间有一个联合的研究所叫北大自然语言所这个自然语言所很早就做了一个工作叫ccd叫中文概念词典概念词典是什么呢它其实就是建立了一个我们数学上叫二步图吧就是一边是这个所有的单词word还有一边就叫wordsense其实就是每个词的词意所以比如说一词多意就是一个单词对着好几个词意那同一词近一词就是好几个单词对着同一个意思是吧那其实这个就是所谓的语言模型语言模型其实就是把所有的词建构到一个一個空間裏面一個代數空間裏面去看他們之間的關系嘛所以最早最早的這個語言模型其實就是由人來標註的詞和詞和詞義之間的關系這個就是以前的做法當然後來其實一些重要的工作像什麼wordtovector之類的就把這個東西給顛覆了今天的embedding当然这都是我毕业以后发生的事情我毕业之前其实就是读书期间的时候那时候就是北大就有这样一个概念词典那上一代的这个recommendationsystem其实都是基于人的浏览行为的相似度来去做推荐的就经常就是说我看了一个网页或者我看了一个商品最早讲recommendationsystem就是亚马逊所以他其实是说看了这个商品的人还看过什么是吧所以他就可以去推荐给类似的这样的一些但是这里面也有一个问题就是说如果一个新来的人只看了一个网页然后他也不一定能够这个信息很多能给你推荐的非常准确还有一个很大的问题就是商品和商品之间的相似度其实是不知道的那所以其实我们当时做的为什么要基于语言模型就是我会去看两个网页之间的相似度就是不是说同一个网页如果两个网页之间也有相似度那也就意味说如果一个人看了A网页然后另外一个人看了B网页但是A网页和B网页之间本身是有相似度的这样的话我也可以把这个推荐的机器拉过来所以这个就是我的硕士论文而且我的第一个user是什么呢其实是因为李峰的原因所以是牛博网我不知道你听没听说过啊就是罗永浩的网站嘛因为当年他曾经当过这个公司的股东嘛所以其实我的这个产品当时就放在了这个牛博网上做这个recommendation你为什么没有做一个像今日头条那样的产品但是它比今日头条成立还早好几年好问题我的第一版商业计划书写的就是这个就是从那个教育把它干掉了以后而且李峰离开了以后我的融资商业计划书就是推荐系统但是呢太早了後來其實做很多事我就發現我有時候做得太早了真的是會有很大問題07年出來講這個故事的時候是iPhone1還沒發布呢iPhone1好像是07年12月份發布吧所以在那個時間點如果只有PC互聯網的話RecommendationSystem只能一個公司擁有自己的海量用戶且擁有註冊用戶才行因为PC互联网bydefault是没有一个唯一标识ID的它不像移动互联网我觉得张一鸣之所以成功一方面是技术肯定是也越来越先进但更重要一点是它诞生在移动互联网上移动和推荐系统结合对因为你做一个新的APP你做一个新的网站没有人过来愿意注册的对不对除非像QQ这种沒有人願意註冊在沒有人願意註冊的情況下如果你沒有一個人的唯一ID你是沒辦法持續積累這個人的Historical的行為你如果積累不了歷史的行為數據那你就沒辦法做下一步的推薦我們在這個07年就講這個故事但實際上infra是Breaded的所以其實也是那個原因就做不起來我們其實是PC互聯網時代有一個東西叫Cookie是吧以前是在Cookie裡面設了一個ID然後去持續記錄一個人的連續行為但是那個Cookie特別不幸的是每過一兩個月都會被像360這樣的軟件清一次所以這個ID不穩定他就做不了這個事情了所以移動互聯網之後才出來但是到了移動互聯網的時候其實我們原有的業務已經做得非常好了就是就有點這個忘記初心了忘記初心了本來其實我們做廣告數據分析是因為想積累數據再去做recommendationsystem是吧但是结果等到那个业务做的很好了开始赚钱了移动互联网来了我觉得那时候我可能商业不太敏感我第一个手机其实是到iPhone4才买然后所以我觉得在这件事情上我是错过了一个时代错过了一个时代如果我12年或者说1年也开始好好去整recommendationsystem其实我们的优势是比今日头条要好的因为我有比他多的data但是再过两三年就没用了人家就太厉害了你当时想的推荐系统应用到什么样的场景最一开始其实是信息推荐然后但是我的商业计划书的第一版是先做广告数据分析这个第二阶段再去做广告的recommendation第三阶段才是推荐任何信息还是从你们当时的一个已有业务去出发对对对因为你当时已经在广告的那个数据分析上开始做起来了嘛李峰为什么07年就走了07年的秋天你不是06年開始的嗎是的是的其實就待了一年都可能都不到一年吧我覺得最核心是他覺得這個事好像跟教育沒什麼關係他還是想做教育我覺得他可能不是說一定要想做教育他更重要的是一定要把自己的最大的價值發揮出來嘛就如果不做教育的話他好像對這個公司最大價值就是就不大了就他作為一個CEO你想他如果還不是一個這一個Sales那種路主人所以他後來就去做投資了他是離開以後決定去做投資對就是他當時就覺得說他覺得他自己本人在這個公司扮演CEOcontribution不一定很大他說還不如他直接去到資本市場其實他走了以後他還是公司的股東當然他也讓出來了一些股份給到了我後來的合夥人所以他讓出來一些以後我才變成第一大股東了我的股份並沒有增厚是他拿了一些股份就現在這個公司的股權變得更散了所以核心是你們三個人對吧對是是是这个很有意思啊我很好奇啊就是因为你也是学霸他也是学霸学霸组合起来一起创业你觉得合适吗我觉得如果是同一个领域的学霸的话可能是有风险的如果是不同领域的话是没问题的其实你看乔布斯去搭一个团队他就希望有一个硬件的天才是吧有一个软件的天才也有可能有一个供应链的天才那天才和天才之间是惺相惜的呀是吧就是因为你的那个事特别牛我也不懂但是你说一句话我信是吧我的这个事你可能也不懂那我说一句话你也信那大家就可以一块很好的有一个chemistry去合作了但是如果大家比如说都是做软件很厉害那还是很容易闻人相敬的所以我觉得就是一个互补的团队还是蛮重要的你们是match的吗你们是互补的吗比较互补的因为其实我的东西他肯定是不懂的嘛只不过就是他最后觉得就是他自己特别懂的方向可能对这个公司不一定有价值了我们刚才是从15年聊到这儿的要不我们倒回去讲一讲吧也好像一路都是保送对我基本上是一路保送的我是一个相对还比较偏科的人了就是数学物理化学都很好语文英语一般吧但后来我觉得语文英语也确实是在工作过程中觉得越来越重要了但是读书的时候基本上就是数理化几乎都是满分其他的我也无所谓第一次我记得第一次参加数学竞赛培训是小学的五年级当时老师给了我一个很大的震撼老师就说同学们你们之前因为我们被选到了学校的数学代表队然后老师就说你们之前学习时间都花的比较长其实没必要他说我告诉你们其实这一学期课你们一个礼拜就能学完我当时听了也觉得挺夸张的但是一个礼拜就学完了学完了以后我们也都能考得很好所以我后来才发现原来骑士学校那个课程其实是就是他不应该那么慢的去学的所以后来我就是我初中也都把高中都学完了数理化全学完了所以我高中是不上课了我高中就是每天老师都是把学校的实验室的钥匙给我了说你爱到哪个地方自习去哪里自习但我更多就骑自行车去我们市图书馆去了每天就去看各种各样的数学书就是我是真的喜欢数学当然我那时候计算机也还不错因为数学物理化学计算机全都是每次都参加竞赛都拿很好的奖那你成长路上其实没有什么坎儿对吧就是都是很顺的读书期间肯定是没有的那就是从小都是每天都是老师喜欢的那种上大学以后也是这样是吧上大学稍微有一些变化因为本来每一课都参加竞赛我第一优先选择本来是想去清华计算机的但是特别机缘巧合就是数学竞赛先考的数学竞赛考完了以后我当时是山东省的第二名全国可能是二十一二名的样子反正就是差一点点进国家集训队不像现在我如果现在考的话就进集训队了因为现在集训队一下招60个人当时我们只招20个人我当时数学竞赛考完了以后应该全国数学竞赛前60名是可以随便挑清华或者北大的我本来确实是直接想去清华计算机了然后但是北大的招商办老师特别狡猾他就跟我们山东省队的前三名的学生因为我们省队一共五个人前三名的学生可以清华和北大去选的然后他说如果你们前三名都来北大那我就给剩下两个同学发offer因为剩下两个同学如果我们不帮他们的话其实他们两个就去不了这两个学校了所以那不能害了自己的队友所以我就去北大了去北大你不可能去计算机了这个北大肯定第一系就是数学系嘛所以我就去了数学了但去了北大呢实际上压力是不小的因为北大数学系号称是北大四大风云院之首嘛所以去到那儿虽然我从小到大都是肯定是别人家的眼里面的那个孩子就是老师不会做的题然后我来给大家讲那种但是你到了北大你就是一个很平庸的很平庸我觉得可能就是我对平庸的要求就是或者对自己要求高一些吧就是可能比如说20个人我还是能考到20名30名之类的但是就不是那个第一名了是吧因为我们那一集很夸张我们那集是有几个大数学家号称是北大数学黄金一代所以我跟他们一比我就不是那种天才型选手了所以我当时就选择了一个差异化竞争路线我说那我数学是考不过你们了那我就开始创业赚钱然后开始写代码因为写代码我在北大写代码也都是最厉害的因为有了一些压力又选择了一次差异化的这个定位你在大学开始发现自己不一定能考第一名第二名的时候对你来说是一个挫折吗还是说你很快就调整了即使挫折也很快调整了搞数学竞赛的人不会特别struggle一个事马上解决不了数学竞赛它是一个特别好的一个训练或者说所有的奥林匹克类的运动就不光是数学可能羽毛球篮球也都一样只要是你要做奥林匹克类的项目就本质上来讲你要把一个事卷到全世界最牛是吧就跟今天做AI的训练一样你要卷到最牛其实一旦卷到最牛的话它就一定是挑战极强而且天天失败的就像打比赛我前两天正好跟咱们男队的总教练王浩聊天他说运动员其实是都属于很难抑郁的因为你每天都在打比赛相当于是说你赢输赢输很多然后他不会赢输一局就怎么着了做数学竞赛也是一样有太多的难题了因为它不像日常的题日常题对我们这些人来讲就没有任何一道题你是不会做的就是你不得满分都是不对的但是奥林匹克的题就是不会做很正常就是我记得这个因为我儿子我女儿现在都在打欧赛然后那个我特别喜欢英国数学奥林匹克的卷子他的第一页上面有一个guideline他就说他说这个卷子很难他说你只要有一道题能完整的做起来就已经很好了所以其实相当于你从小接受了这样的一类的训练就是难题搞不定也很正常就不要suffer就是你已经很优秀了所以从这个角度来讲的话你考不过别人你肯定是这个是是是不好的是吧但是呢你从小的训练因为你天天做难题你也觉得很正常他们说你乐观是这个原因是吗对我是超级乐观的基本上没有什么事让我能够持续的就有可能有的时候一些事会让我有那么一两秒钟不舒服但是真的那一两秒钟之后就过去了这篇就翻过去了很快这个跟竞赛是有关系的这个没有意识到是跟竞赛我觉得跟竞赛是有巨大的关系的当时亲自意识到你毕业后会创业吗我觉得人生很多选择它都是随机性很大你看我创业也都不是我一定一上来就plan好的正常情况下我可能也会去找一个大公司去工作什么拿个高薪之类的那创业其实真的就是一个是其实数学竞赛的这个背景的学生一进去很容易就被周围这些培训机构给盯上了当时在北大盯的最多的就是那个人大附中的以前我们叫花罗庚数学学校后来现在我不知道叫什么名字了总之就是他基本上每年都会去北大找这个奥才保送生来去这个去做奥数教练所以其实一开始大家一入学就有这样一份工作可以赚钱然后后来呢我在那个地方讲的就特别好就是我讲课还真的讲的不错的对你口才很好是的是的就是我我我觉得我是能我可能我这个天赋就是说的我在中学就被练出来了因为老师经常让我讲而且我们学校的数学培训数学竞赛的培训就是大概有帮上可能就十个人吧就是我们学校里面数学最好的十个人我们当时我们校长就学数学的他请了他一个大学同学过来给我们当奥数教练但那个大学老师数学特别牛但是就是不会讲所以基本上每次他把题做完了由我来讲所以我真的是从中学就开始锻炼给别人讲复杂的题讲难题就简单题我也没那么感兴趣就复杂题怎么把它抽丝剥眼讲得特别细所有人都明白甚至是小学生都能明白这个是我的天赋或者说从小练出来的吧其实我从最开始做奥数讲课然后后来我就有一个我记得那个学生是清华父小的學生他在人大附中上課嘛結果他的家長就特別喜歡我講課小孩也挺喜歡他說吳老師你乾脆這樣我幫你在清華做個教室你也別跑人大這麼遠了其實也不這麼遠啊當時挺遠的他就在清華幫我做這個教室他把他的小朋友家學校班的所有學生都給我招過來了然后就是变成了一个我的这个自己的板了然后我相当于是我真正的第一桶金赚钱比较多是在这个板上赚的他帮我招了生然后帮我收了钱我一下一袋子钱就跟那个新东方和学二次好未来是一样的后来其实赚多少钱第一桶金那个时候你看我一个礼拜也就讲两次课一个月应该至少光讲这个课应该就能赚个两三万你知道这是201年两三万已经很值钱了那个时候如果你在四环边上买房子估计一平米就五千块钱讲一次课可以买四五平對你就類比一下今天的這個通貨的情況就行了所以當時還算比較有錢了但我最後真正開始做軟件公司也是非常機緣巧合因為我家裡實際上是沒有商人的沒有經營企業的人就是我的一個中學同學他是跟我一起搞計算機競賽的因為我計算機競賽也是做了很久了嘛我想我是从初中二三年级开始参加计算机竞赛的所以我在上大学之前我连续参加过五届信息学校赛所以当时是我的队友是我们学校另外一个同学他当时拉我入伙就是写代码然后赚钱他其實也是因為他他編程沒有我厲害所以他當時就是但挺能折騰的他就出去接這種外包項目賺錢但是發現他的合作夥伴有很多的bug搞不定然後他就過來請教我說這些bug能不能搞好然後我就到圖書館裡面找了些書研究了一下然後我說來你把代碼交給我吧我一天就給他改完改完以後他說要不咱們來合夥吧所以其實是非常非常的這個隨機的開始做企業的就不是一上來就plan好的当时第一个创业后来为什么做的是秒针系统其实就是因为做recommendationsystem没有数没有数没有数然后经历了一个很大的一个这个兜兜转转最后发现原来帮客户做广告数据分析是可以获得数据的就是客户因为我最开始的想法本来是想做一个流量数据分析的系统加推荐系统给到publish就给到媒体后来发现媒体都不喜欢我们这个系统为什么呢我一开始也不知道后来我有一个跟我关系挺好的朋友用了我的系统以后我才知道是因为大部分的媒体在那个时间点上他对外卖广告因为也没有一个特别好的一个方法去卖他们就是一个最简单的方法就是吹自己的这个流量有多大实际上真实的流量跟他自己出去讲的流量差很大所以他不希望一个thirdparty的公司知道这个真实的流量所以我當時在那個時間點上就發現了這樣一個這是個商機是吧我就到我來去找那些廣告主因為他要每天花錢買廣告他其實相信他們一直在被騙嘛然後我們如果幫他能夠知道真實的流量的話那他們會很高興這是剛需找到他們以後而且這邊廣告也有推薦系統要麼就是幫媒體做一個新聞內容或者說後來像電商可以做推薦系統要麼就是幫廣告客戶去分析站在一個廣告主端的流量和廣告的推薦系統所以後來我就選了這邊的方向後來也證明這個方向其實是在中国这个市场虽然2b这个赛道也没有做得多大但是至少还是一个能赚钱的生意如果是做publisher这边的话最后的结果就是小的publisher就都没了是吧大的publisher肯定自己做它更不让你知道真实的流量是不是所以就这边根本就不存在这个可能性好像没有这个市场对没有这个市场其实我们同一期是有人在做一个recommendationsystem的然后但是其实最后公司也都慢慢都没了你如果划分你这个创业阶段你大概会划分哪几个阶段可能从06开始到10我们这个产品秒针的产品真正在我觉得真正大卖应该是10以后了10以后首先是互联网广告涨的速度就很快第二个是我们当时也遇到了一些大的外部环境的变化比如说整个电视的广告格局发生了很多变化国家广联总局限制电视上的广告播放次数等等就很多外部的环境就逼着这个广告费一定要往这挪然后我们正好在这边也已经准备好了很多数据了所以客户就开始大量使用我们的产品所以这个10是一个很大的一个转折点但对我本人来讲一个特别重要的转折点就是前面说的那个14年15年其实14年15年是我真正从广告迈向了BigData的一个重要的一步因为像是做广告这事并不是我的专长我骨子里面还是一个学数学学AI学计算机的人广告是因为当时最开始想做recommendationsystem然后又恰好认识了我原来的合伙人是广告公司出来的所以他正好能有机会帮我把这方面的能力adopt到这个广告行业但我骨子的能力還是去搞這個數學啊數據分析啊AI啊所以其實廣告其實不光是現成是因為你看全世界大的AI公司其實它也都是跟廣告有關的是因為這個在線廣告它有個特點第一個就是它產生海量數據沒有數據是搞不了AI的第二個是它有即時反饋就是你广告投完了以后有什么效果点击啊后续的电商的这个下单啊等等所以它其实是从强化学习角度来讲的话你是有一个很清晰的reward所以早期其实是广告这条线走得很顺到145年我们就把自己的业务拓展到了更多的赛道那在比如说1年移动互联网出来的时候有没有想过比如说可以把你们现有的2B的广告的业务变成一个2C的广告的平台如果是10年如果真的想了的话那就好了所以我觉得有的时候就是你在一个事上做的当时已经挺好的风生水起了你可能就沿着这条路去了就压根就没想到自己还能做2C了然后你就一直在做2B是吧到145年虽然我其实是从广告行业出到这个Data这个行业你仍然还是在2B的这个方向去看一直没有想过要做2C是吧就至少在那段时间去没有去想的然后我觉得你像后来这个收购微办以后呢我感觉如果有小宏这样的人在我们公司Maybe你是有机会的他上一个公司也是2B啊他其实是一个首先他的偶像是张晓龙嘛那他是肯定是骨子里面是非常想做2C的他做的那个B的工具呢呃其实也是面向小B的这种呃这个我们其实把2B的市场分成了这几类了啊有这个呃我们叫SMB还有叫SME还有叫Enterprise那SMB其实是小红他们做的这个赛道其实他跟C是很像的SMB其实是他的一个特点是说decisionmaker几乎约等于userSME就已经不是了SME其实相当于是公司很小但是呢user和decisionmaker不是一个人就相当于是说我作为一个员工可能我特别喜欢这个工具要用CRM但是这个钱呢有大概可能两万块钱我自己还是做不了主我还是需要老板去sayyes所以这种情况就是SME到了Enterprise就更复杂了其实我们公司面对的大部分客户是EnterpriseEnterprise它的一个特点就是它会有一个我们叫buyinggroup或者叫procurementgroup就是它是一个公司的多种不同决策共同决策买一个产品而且一般都是一单可能几百万比如它有什么法务部确定你合不合规IT来过来看你这个产品的架构图我记得小宏刚把产品卖给我们以后在我们公司一看上来他说辉哥咱们做产品怎么样画架构图他以前從來沒有想過這個事其實我們學計算機的時候軟件工程大家都要畫但是他的創業過程是從來不需要幹這個事的但是你到了enterprise這個賽道就需要為什麼因為你賣任何一個產品去到客戶那客戶就要考慮一個問題是你怎麼跟我現有的ITsystem怎麼去對接我這邊已經分了幾層了你的這些組件放到我這拿幾層跟我其他的IT的資產怎麼對接然後這個你用的這個技術框架長期是不是一個一直會被持續的用下去的是吧而不是說我這個投資將來有可能就沒了所以IT呀採購呀業務呀什麼法務呀很多不同的部門一起組成的這個叫Enterprise所以其實就是小紅做的這個方向實際上第一個方向面向SMB的他其實是跟C是很像的很像的他其實相當於是在做一個C端的這個一個市場但是他當時入場的時候可能做一個純C的產品機會很小了我有一个不负责任的观察为什么我觉得越是学霸的人越可能创业做的方向比较2B反观那些做2C产品的产品经理式的方队好像不是这种非常典型的学霸你有觉得吗我觉得这个yesandno是吧就是还是你要去看比如说你说伊利亚是不是学霸是吧你说这个达里奥是不是学霸是吧就是就是如果是openad的话如果是这个他肯定是學霸團隊是不是但國內呢國內我覺得今天Kimi其實他也有C段的很好的應用是吧所以我覺得就是今年AI的這個賽道他可能C和B中間會有不少的overlapAI可能會有一個變化上一波好像不是因為上一波和AI有個蠻大的區別上一波就是你的產品要想做好確實是你要有consumerinsight就是你要去洞察洞察的話其實是你要跟外界有大量的互動其實學霸跟外界互動很少就是他捕捉那种真正商业层面的机会是吧对于这些客户的这种体感啊什么的我觉得都是很差的学霸都还是挺爱的人嘛大部分所以我觉得就是上一波的这种大部分产品可能学霸他会有天然的这种缺陷他不一定是一个很好的一个产品经理他是一个更好的一个技术人员是吧技术人员的话那他做一个2B的就很合适反正他去到客户那客户说我有个技术问题你要不要帮我解决一下那他说肯定可以解因为我是解题专家嘛还能讲还能讲题对是然后然后你就自然而然的就去了是吧然后这个然后你做着做着发现挺好的这个老师也好或者客户也好也会表扬你然后你就沿着这个路线去report了是因為我想我前段時間聊了余愉凱老師李一凡好像都是這種類型但我覺得今天就AI時代會有一些些區別了就是說我覺得AI時代它有一個特點就是真的是有一些成功的企業是拿著錘子找釘子成功的為什麼這說就是我覺得這句話其實在很多的場景下是會被作為一個負面的一個描述方法是吧就是大家就覺得好像拿錘子找釘子就是你有一個技術你天天出去找應用是什麼而不是一上來先去思考需求但是你看有很多的偉大的這個技術產品它確實是一上來也沒想清楚到底要幹什麼然後我就先做然後這個TouchBT肯定是這樣子的呀我也沒覺得這個梁文鋒DeepSeek最一開始就想得很明白後來大家怎麼用他可能就上来先做然后他可能有一个特别长期的对于AI的技术的一个追求然后他也就做了突然间后来大家发现还可以这么用还可以那么用是吧然后最后发现用途的角度很多了最后大家说这个是可以放话的鸟神系统当时能做比其他竞争对手更好的原因是什么最开始是因为我们的bigdata的能力比较强这bigdata其实是一个挺复杂的技术站就是你在海量的数据上能够稳定的安全的计算所以当然今天因为有开源的大量的软件其实是能解决的很好了而且云厂商把这些开源软件都部署在了云上所以对于普通的创业者来讲还是比较简单的但其实到今天为止这仍然是一个需要解决的问题啊比如说你今天你像我们做的这个智能体包括像Manus这样的智能体你今天过去问他一个问题是吧好那他就他就去呃就是到处去搞点数然后开始给你算但是这个数据量现在都是在几百条几千条这个规模上但如果我给你一亿条呢这个其实就被对他要处理的问题所以我们当时就是秒针刚上线的时候我们上线第一天就把我们的那个呃就是这个idc给拉爆了因为正常公司都是c端的企业他都是上线第一天可能我做过互联网公司第一天有十个流量是吧第二天一百个第三天一千个这慢慢涨的我们上线第一天就是在msn上幫一個客戶做廣告投放的監測那MSN當時就是每談一個新的療傷窗口我們那邊後台就要收一次數然後第一天就幾千萬上線第一天其實我們做的這個infra真的是挺強的我們就兩台服務器就扛住了但是第一天為什麼爆了是因為那個服務器的地方的帶寬不夠他们都没想到我们一个小破公司进去就租了他两个机位然后第一天居然搞到这么大的一个流量然后后来我们发现怎么系统就崩了然后弹窗数据收不回来后来才发现原来带宽已经限住了然后他把带宽一打开然后我们的负载也起来了但是我还是扛得住所以在早期的时候其实整个别说像我们这种startup就连那些大的互联网公司都没有能力做这些事所以其實我們這個實驗點在這個整個國內甚至全球在BigData的處理上面都是頂級團隊那我們這個能力不是因為我學AI因為我學AIAI不學這個東西的是我隔壁實驗室是天網的那個網絡所的天網實驗室天網實驗室在分布式計算以前我們叫網格計算這個是就是後來才有了叫這個雲計算這個概念最早其實在我們這叫分布式計算和網格計算那也是國內最牛的這個實驗室其實百度很早也要解決這類問題所以其實挖了很多天网实验室的人过去了早期秒针的成功的原因是因为当你有这么多的一天几百一条日志我们能够准确的计算这个计算量非常非常大我们以前我们的这个服务器里面的硬件都是跟其他互联网公司很不一样其他互联网公司比如说你去看优酷土豆的话它可能更多的是硬盘很大是吧然後它有一個IO能夠download就可以了就是這個帶寬肯定要足夠是吧但是我們的服務器都是滿配了CPU滿配了Memory就是內存就是你是真的有海量的數據在內存裡面大量的交叉計算你像這個Databricks其實是這個我們也是他最早的這個客戶了就是這個他以前的那個項目叫Spark是吧像今天其实我们的技术站跟这个Dataprox是非常非常像的就是它在海量的数据上能够快速的计算比如说我举个例子吧比如说你去做广告的anti-fraud广告的anti-fraud其实不是简单的counting啊就我来一个流量加1加1加1就往上加就行了不是这样子的我来任何一条日子比如说一个IP地址在一台电脑上朝我这发了一条请求告诉我说看了一个某一个客户的一个广告这个时候其实我要追溯这个IP地址历史上所有行为然后甚至去追溯有没有类似的pattern的其他的行为就相当于是我们每一条日子要做这么复杂的计算最后才能鉴别出来这条流量有没有可能是一个机器人刷出来的所以这个计算量非常非常大那一直到比如说10年当时公司的状态是什么样的2010年我觉得公司还是比较健康的因为我们201年刚刚融了A轮嘛在201年之前是很撒谎的就是融不着钱甚至还要借钱但是那时候借钱借的很少啊就借个10万就OK了像我们特别早期的这个创始人大家都知道就是早期的中国的这个资本市场是非常不成熟的没有几个基金第一个第二个是我基本上能建的基金全都建了我A轮应该是建了他们05年才开始第一轮的VC入华是是我大概建了我融A轮之前建了大概三四十个吧可能能建的真的都建了但是那个时候大部分的基金自己手头的钱就很少其实很多基金也都是刚刚开其实很多的钱他甚至都可能要到美国去批所以比如说我记得中间有几个大基金我们真的还要去到硅谷的那个3kgold就去给他总部的partners去汇报就中国的团队都没有决策权有一些是有决策权的也钱很少所以大家都极其谨慎中间还遇到了很夸张的就是08年的经济危机08年经济危机之后就是整个08、9就相当于是我07年跑出去融资然后这个首先而且我是nobody是吧就是也没有人认识我不像我现在我现在开个新公司那有无数的VC要过来去找我的当时我就一个小孩我刚毕业谁过来投你啊大家就是你过来跟他去讲这个数据处理数据分析将来可以去做推荐没人听得懂的是吧就跟张一鸣早年也是被很多人都给拒掉了吗他还算是有经验的人至少在什么這個酷訊之類的還工作過我當時是啥經歷都沒有的完全是一張白紙你數學好也證明不了你能幹這個事是不是所以其實收入非常非常困難的一直到就是09年的經濟危機徹底過了之後我們才融到了錢有089的這波對我們影響挺大的但好在那時候也不怎麼燒錢因為那個時候你去真的北大去招一個畢業生一個月也就幾千塊錢的工資就不會超過一萬所以那個時候不像現在這麼誇張但是那个时候你们做项目也是有挣钱的就是早期做外包是挣钱的但是后来开始决定自己做什么推荐系统啊什么的就不挣钱了所以中间其实我们就发现融不着钱我说不行咱再做点然后对也会给偶尔给给别人做一点项目是吧赚个几十万之类的能养一下大家但你那个时候没有到绝境过对吧没有想过我公司完了我就工作去了我觉得这件事情对我来讲几乎不可能你看就是其实过去三年我们真的是压力很大但是我确实从来没考虑过这种可能性你现在很难考虑了现在还可以对那个时候虽然可以吧但是可能就是我说的我解难题的这个心态我就是我我肯定是会非常乐观的认为这个事我肯定能搞定就不会觉得说这个事我搞不定我要把它关掉当然我前面也说了这个可能也是一个也是一个bug是吧就是如果如果真的是个可能有可能就万劫不复了公司有账上钱特别少的时候没有其实你账上的钱始终也都不是特别多就相比于你的花销我觉得什么时候你账上的钱还算觉得是充足的像我们现在账上的钱也没有那么多但是我现在就觉得OK的为什么因为你现在是盈利的现金流都是挣的所以你这个时候你就觉得是OK的你如果是账上的钱我最多的时候可能账上也有20个亿来着但是那时候我可能一个月就烧一个亿然后做很多的新的东西其实就是当时收购Manus的那个深渊点其实你不能说账上有钱还是很危险的所以到10年之后开始转暖因为移动互联网来了所以VC也多了对在市场上面对但是移动互联网这个风来的时候你当时没有什么反应在那个时间点我觉得这个就是你后悔的吧相当的后悔我觉得这里面很大的原因是因为我当时是在做这个广告行业如果我在C端的话肯定不会这样子我做广告行业它天然有个问题就是那个移动的屏太小了其实在当时的这个我们的客户心目中特别不适合做广告这是当时大家一个非常错误的一个想法我当时也就被客户影响了有本书不叫创新者的窘境吗就是每个人都有自己的一个价值网络是吧这个价值网络其实就是在会不断的给你那个短期的这个reward是吧他给你的那个value肯定是没有的是吧他就给你的是reward然后你就被这个价值网络给你反馈的都是错的信息然后你就完全忽视了这个移动互联网什么时候意识到我真的是在这个事上特别后知后觉我的第一個iPhone是iPhone4你都很難想像我作為一個科技男但我現在都是後來都是買的比較快樂的就是現在這些AI新的AI產品包括因為我們自己也做很多AI產品和AI的模型那肯定都是我就是第一個挑選去用的是的然後天天都是我們公司自己的產品我也是使用量就是top級的這個user了但是那个时间点我也为什么呀我就就就没怎么去去去买一个手机哦不过手机这个东西可能本身我天然就有点抵触就是我总觉得呃我好像每次看完手机以后我的眼的视力就没有那么好就就我我没有那么喜欢手机就是我平时比如说大家跟我聊天我我能用电脑回我一定是不用手机的包括今天也是一樣你看我們現在的這個最新的那個模型就我們沒有去做MUA我們現在已經是CUA和BOA的世界第一了就是這個BrowserUse和這個ComputerUse我總覺得包括我的電腦我的筆記本電腦是那個最大屏的那個包括我的工位上我是N個屏我總覺得我需要一個帶寬更高的這個狀態就是我有好多個大屏然後我可以快速的看到很多信息否則我就覺得手機有點娛樂性有點娛樂性我就覺得我能同時看到的信息太少了我想同时看到的信息多一点这样的话我处理起来我就比较痛快一些比如你看财报你一个手机那么小你怎么看呢是吧娱乐的话因为我的手机上是没有抖音的我好像人生累计刷过抖音不到一分钟吧我忘了我在哪一个手机上曾经装过一次然后我刷了一下我说这个抖音是这样子然后就谢了那張一鳴出來開始講推薦系統的時候你在想什麼我當時因為其實我們跟他也是上下游嘛其實他也是能見證因為我秒針的這個角色其實能見證所有的互聯網公司一個蓬勃發展的包括電商啊拼多多啊京東我們就都是眼睜的看到那個流浪嘩起來的因為很多客戶在上面投廣告嘛我們能看到他而且他們有的時候也是我們的客戶也會跟我們去做根據數分析的一些合作所以我最一開始其實對他起來的這個過程也沒有仔細地去研究但等到我真的開始研究的時候這個賽道也沒什麼好研究的人已經把這個已經dominate了是吧那到2014年你們公司是什麼狀態14年的时候我想想我其实经历过1234这三年我觉得是对我个人的一个转型我最开始是一个纯技术男然后到12年的时候我先经历的是我看到了整个PC互联网的大盘的增长速度就不快了我以前每年都能看到我们的整个秒针统计的流量的排虫之后的总池子的情况其实也是中国到底有多少这种设备然后以前那个数就一直是个直线在涨的然后到201年的时候发现开始弯了所以我每年都会看甚至以前最早的时候每个月都会看因为你一往上涨你自己心里很开心嘛就因为你相当于已经监测到的流量更大了碰到的这些这个smartdevices更多了那到这个一二年就是涨的就不快了其实后来还是继续在涨是因为移动互联网但我当时其实没有觉得移动互联网会那么牛所以我当时就先想的一个事是说我应该要把我最早的这个业务就是拓展就是因为最早是本来想的是三步走嘛第一步走是做这个做这个广告流量分析第二阶段其实是做广告的推荐所以我从12年开始我就开始下场做广告推荐将来更早之前都只是做数据分析做广告推荐的时候我当时就在公司里面成立了一个新的BU然後就給一些遊戲客戶電商客戶那段時間他們是投廣告很兇的那時候遊戲客戶主要是業友然後投的非常兇幫助他們直接去做效果轉化所以當時相當於是我在整個秒針是CTO但是是這個BU的總經理相當於是CEO了我跟我当时的合伙人说我也想尝试一下自己做个生意试试做了大概两年的时候其实我那个业务做起来了但是市场上有一些客户就会觉得说你这个业务好像秒针是一个裁判员这边又是一个运动员是吧而且这个运动员他还真的要下场包流量因为否则如果你不包断流量媒体也不会把最好的流量给你然后你一旦要下场包流量的话你马上就失去了那个中立裁判的身份了所以后来我就跟我的合伙人商量一下他说他说要不这样就是这个咱们做个拆分把公司一分而为二拆分的时候其实他就挑了那个我孵化的那个新的业务拆走了他觉得那个更有前途然后我就留守了剩下的秒针成为了CEO所以相当于是这个是145年我做的一个转型另外一个也是在发生的就是我当时是14年的时候正好去中欧上了一个创业的课程就是那个李山友教授的那个创业课程我在那个课程上学了一些真正意义上的商学院的一些重要的知识但是这些知识其实也都是偏创业类的还不是那种常规的这个管理类的比如说第二曲线啊然后还有什么精益创业啊就是这些概念其实就是偏偏这个经营方面的我就是而且都是创新类的我在那个时候学的学完以后回来接着也是想改造公司是吧这不商学院都是一般老板去商学院上班回来团队遭殃吗然后回到回到这个公司之后然后我就跟所有的团队讲说哎你们觉得咱们现在是不是挺浪费的然后这个不够精益然后我就带大家读书嘛读完以后大家说我们现在确实非常不经意我说那你们觉得是不是用很少的人就可以干现在的活说对顶多一半人就可以了我说行那我们就把这一半人拎出来拎完了以后我那时减了一部分人就是优化了一部分人然后还同时成立了两个新的公司就是一个是明略数据还有一个是云机机器人然后云西其实也是我觉得最近确实运气挺好的是刚刚拿到证监会的备案所以我觉得后面他应该也是过几天应该也要IPO了其实是你想那个时间点同时一个公司变成了三个因为经济创业相当于说我们一开始一直产业是非常冗余的就是我招了很多很牛的人其实完全不需要这么浪费这么多优秀的人干一个事我是可以同时干三个的一下变成了三个很优秀的公司所以云记我也是co-founder然后机器人我很喜欢然后同时明略就是做大数据秒针还继续在原来广告的赛道里面去做所以这是2014年2015年做的事情云记后来就自己完全独立发展了就跟我其实没关系我只是他一个非执行董事了但是这个明磊和秒针后来就整合了嘛一开始是都是没有直接股权关系的公司所以你开始做明略数据的时候相当于就是你第二次创业了它其实不是跟上一个公司有一个衍生的关系所以最开始还是蛮低调的而且我最开始做明略的时候也没觉得自己能做一个IT公司的CEO我觉得我技术肯定没问题而且秒针是在整个市场上大数据处理能力最强的企业你放到哪大家都觉得是强的就不光是在广告这个行业你去到金融去到每个赛道大家都觉得你挺强的但是我确实不懂B2B的那个Sales是吧就是面向IT市场的Sales所以当时就拉了一个Oracle的一个合伙人过来但后来特别不幸他就被挖走了去了阿里云做副总裁去了遇到广密就是已经开始是第二个创业了是的是的是的是的是的敏锐数据你开始是怎么想的呀这个阶段应该是秒针已经觉得已经是一个很稳的盘子了对吧很穩的很穩的但確實相當於是朱偉走了留下來的秒針那個盤子我當時覺得天花板也很明顯就是因為他就那個廣告投放那塊不是被他拿走了嗎然後就只剩下的是廣告數據分析這塊就是我當時沒有覺得這個後面的天花板會很高但後來證明我這個想法是錯的其實可以延伸的東西很多然後這個明磊這邊呢我當時就是我們有大數據技術我就在看這個美國整個這市場上那些landscape就是各種各樣的這些諮詢公司調研的這些公司我覺得挨個看挨個看挨個看當時最開始看到的一個比較好的方向就是這個Palantir它其實後來做了大量的土技的業務我們中間也一度做過一些但是後來就是我們這個疫情期間吧土技的業務都已經全部關掉和分拆出去了我自己還是覺得土技的業務最大的一個問題就是它沒有那麼真正意義上的AI化我做名略最開始先做的是BigData但是很快到大概16、7的時候我們就開始做AI的這個知識圖譜就Ontology其實就是這個Ontology它在不同的階段是不太一樣的它在早期的時候它其實是符號主義的AI就相當於是你真的是人肉的把這些規則呀詞兒和詞兒什麼的給它標清楚了那今天呢又很不一樣就相當於是有大量的這個規則的標註又變成AI生成的了你想這個你標這個規則本身有點像寫代碼是不是然後AI能寫代碼了其實AI也可以標規則代碼本身就是一種規則所以其實今天的這個Ontology今天的知識圖譜又跟幾年前的很不一樣了幾年前其實還是比較人肉去做各種各樣的標註的所以其實我們是從BigData開始做這個知識圖譜Ontology然後這個過程其實是我覺得做圖記的業務我觉得它好处就是说其实市场空间很大有很多钱坏处也很明显其实它的那个反馈是非常非常的慢的极其慢然后其实反馈慢的事情就不适合去做AI没有反馈你就没办法持续迭代自己了所以后来我们这个业务就自己不做了现在是原来我们一个师弟现在自己在经营这家公司就把原来那个团队给拆出去了自己在做了你们为什么经历过这么多的整合和分拆就是可能我觉得就是最开始很多事没想清楚吧我并不是一个想清楚才做事的人做得快对我可能就是行动比较快然后我想的能力其实有的但是我更期待的是说我边做边想边做边想那明日数据有了之后从14年到20年它的发展是什么样的它中间有一些小节点吗14年15年成立之后我们确实最开始做过一些图记的业务但是后来就不仅是图记了我们就开始进入到了比如制造业进入到了金融行业我们一度其实还是在大数据领域其实到今天我们在大数据领域肯定都是第一大公司了就是处理各种各样的数据这也是今天我们为什么做企业级的AI我们肯定是有巨大的优势这也是为什么今天Palantir你想都40亿美金市值了Databricks没上市180亿美金的市值所以实际上其实我在我看来AI的这个如果看大的应用的话你一级分类可能是2C和2B是吧然后这个2C的话就Chat肯定是最核心的一个方向那就是美国最牛的肯定是这个OpenAI那这个国内的话豆包是吧这还有这个咱们一些创业公司kimi啊像minimax做的也都还不错但是其实这个只是只是c端的那这个肯定另外一个打赛道是2b2b的话在美国这个今天anthropy肯定是一个最重要的一个player那实际上2b的这些老的公司就是像我们这样有20年甚至更长时间历史的公司其实他们优势更大这些公司相当于是他有很好的客户的资源又有这个最重要一点他有细分领域的data那他也对这个业务场景是有些理解如果从更重要一个维度就是从这个强化学习角度来讲的话他实际上是拥有那个领域的环境是吧他可以跟那个环境去互动可以去强化你一般的普通公司还真强化不了只能自己去外卖那个环境了是吧所以这个其实是会使得这类公司会很大优势像微软肯定是有巨大的优势的然后像Palantir像Databricks这个其实都是很大的优势的那像這個Astrobic它我覺得它就是很厲害一點它是打的是一個以代碼作為底層驅動的這種Agentic這個2B的這個邏輯是吧那那當然就是這個代碼本身跟Data也會多多少少有一些區別所以我們其實打的是以Data為驅動的這個賽道不同的赛道的方向那这个data这个赛道其实是其实老的公司是有很大的优势的因为你能接触各种各样不同的数据所以我们其实从那个时间点整个14年到20年就是接触了很多很多不同的数据那最后促使我把秒针名掠全部合到一起也是这个原因就是当我越来越拖数据越来越拖数据最后就拖到了B端的最开始先是G端的拖到B端的时候当时秒针其实服务了很多B端的客户很多世界50強什麼寶潔、可口可樂、寶馬奔馳這些公司那這個名掠最開始先做了土地但是後來就是做土幣是吧做土幣的時候就會進入到這些土幣的廣告數據當然都在秒針那了會涉及到大量土幣的線下的零售的數據那後來我就我自己就已經confuse了因為兩邊我都是CEO然後這塊業務到底放哪做所以後來我覺得這塊業務會有巨大機會就是相當於是在B端的各種各樣的就是overall把整個公司所有數據圈合到一起的那個大腦這是一個巨大的sexy的story是吧這個我放在秒針座秒針實際上會漲很多我放在明磊也會漲很多然後最後我也特別糾結後來我有一天突然想起來我說要不就簡單一點合起來把兩公司合起來所以其實這個2019年对因为这个原因我19年就决定把两个公司合起来了我当时合起来的时候我就跟两边的股东说了我说我有一个特别好的一个idea就是我希望未来给每个企业做那个合到一起的大脑把所有的数据合到一起然后在上面去做AI但是这个事我现在在两边做对我来讲首先要分心而且我那个时间点管理的压力很大我两边各有20个人向我汇报你想我估计没有马斯克那么忙但是也已经很累了我合起来就会把组织架构重新调整一下就会轻松很多所以19年就做了這樣一個合併的決策OK為什麼明略開始是從2G開始切不是從2B開始切呢這個還真是因為最一開始你看到了Palantir然後我覺得就是因為它在2T這邊做得很大很好所以相當於是你第二次創業的時候呢你就會有很多的一些就不是從零開始就亂整了你會先去做一些戰略市場分析看看哪一塊就是市場比較大機會比較大我覺得這個中國其實是數據會更複雜數據會更複雜我覺得不光是政府了我覺得每個大公司數據都很複雜所以2b和2c真的是很不一樣的2b其實就要處理這個複雜性你要做很多的兼容性這就跟我們今天做我们现在这个产品你看今天的多智能体或者说智能体的tools大家现在在C端的公司大家每天都会去强调的是像MCP、A2A这些协议这些都是基于API的但是如果你进到企业的时候你知道我们为什么这次做GUI的操作就是CUA和BUA原因就是因为我们看到的就是我进到任何一家公司它有大量的contacts都是在上一代的IT系统里而这些IT系统没有API然后年久失修,也没有人敢动它,不敢下线那个Developer早就没了谁敢在它的Database上给你封个MCP出来你在上面做个任何一个增长改查都有可能把原来的某个东西给锁住什么的所以没有人敢动,人在上面还可以敢操作所以这时候怎么办? 我们就只能去做ComputerUse或者做BrowserUse来去操作它了所以就是,就2B就是这么复杂或者說你在想用2B的場景比如說你在企業裡面辦公比如說你給財務團隊做一個系統假設幫他做一個agent那他要操作系統都不光是internal的系統他還有很多external的系統比如說國家稅務總局的系統那更不可能給你開個mcp了是吧那你如果那個系統沒有連上的話其實你的這個AI還是沒有那麼好是吧你最好是把它都連上這個時候這個AI才是一個今天我們講了一個駕駛艙把所有的tools都連起來能幫你去做大量的真正的交付斷結果的這樣一個產品我們把創業先聊完到了19年你合併了公司然後你去讀了一個人物智能博士是為什麼呀? 這有關係嗎?

這個我覺得我去讀博士有兩個原因一個原因是當時我的這個首席科學家他本身是一個也是個大學霸他其實是說明你讀完碩士就畢業了你這個學術方面還是需要進一步的往前走一下畢竟咱們是做AI的而且你不去从学校里面开刷最新的技术可能就会落后我最开始倒没有这个感觉就是因为我在你看我04到07读的硕士是上一代的AI那个时候其实是特征工程比较火的时候就是我們在那時候就是反正就是什麼小波變換呀負離葉變換呀就是做掌門先把這個紋路給通過各種變換提特徵提完特徵以後再扔到一個什麼知識向量機裡面去做各種分析就完了然後就是像我這種數學功底比較強的我還可以去優化一下那個什麼這個什麼捲機盒啊什麼之類的如果那種純計算機背景的那可能直接就是應用一下最後出個結果不錯就結束了那到了這個後來是AlexNet是吧就是這個刷榜Amazon以後呢這個深度學習就是神經網絡這條線火了然後其實在我讀碩士期間那只是我們的課本上的一課而已就是大家都不是把它作為角落是吧對不是作為一個主流技術的所以我當時也非常感興趣然後因為它確實解決了是我的專業的問題就是CV嘛所以我對它很感興趣所以當時雖然我們公司沒做這個事但我自己是買了這個深度學習的課本應該就是那個麥克卓頓的這個就是這個在多大那個課本然後我就買了自己就是把公式都推了一遍都看了一下看完以後後面先退公視對因為我一會兒說我發現我肯定是先看公視的我看完以後我看了這裡面就是比之前多在什麼地方然後哪個地方跟我上大學學的稍微有點區別反正就搞清楚搞清楚說也確實挺好的而且我覺得可能有一些東西是跟以前不一樣的有些東西可能還是一樣的是吧然後這個但是當時就還沒想到說馬上把這個東西用到自己的這個公司裡面當時我們的首席科學家他對學術是有極高追求的一個人因為他是一些頂會的創辦人頂級期刊的創辦人然後算是datamining這個領域裡面應該華人最牛的教授了吳欣東教授他就說孫生明輝你這個原來學術的底子挺好的你應該把博士讀完我後來想了想被他說動了我說行那我回去讀一下那第二個我自己看到的機會是什麼呢就是呃我們大家都知道人工智能的皇冠上的名著是自然語言處理是吧呃那既然深度學習已經把這個我的碩士的專業就是CV搞得非常好了那邏輯上下一步就應該把這個皇冠上的明珠給做了呀要去做難題對所以我當時19年去北大讀博士我當時首先想到的就是我去讀博士是不是順便把這個事給做得再好一點其实我后来就发现我这个经历确实很奇怪今天我们公司最牛的是多莫泰那我恰恰是读硕士的时候研一研二是CV这个研三因为各种原因做recommendationsystem接触了NLP我们实验室本来不做NLP的其实是我们旁边那个语言所做的NLP但是我就学了一下然后过来去用了一下然后我读博士就开始直接上场就是NLP然后这个NLP最开始我们公司有大量的自然语言的数据就是我们做sociallistening抓了很多数据是吧这是秒针的部分名论就更多了各行各业举个例子你拿回来的各种各样的比如外卖的一条条的订单我们还处理了很多的比如callcenter的数据我们中间有一度其实是要去分析很多的销售电话录音的数据所以其实这里面很多的自然语言的研究的很好的素材然后20年的话就是一个更大的素材来了就是疫情之后出现的整个线上办公里面大量的腾讯文档腾讯会议企业微信或者说今天的废书丁丁一下出来这么多数据所以一下就变成了一个特别好的对我来讲一個機會就是我當時在想怎麼把深度學習在這裡面去用好那在做這個過程中其實經歷了一個很尷尬的事情就是在讀博士期間我的那個綜述都做完了是吧然後這個我的綜述對這個自然語言處理這些數據的這個的那個SOTA當時肯定是BERT是吧然後就是但是你的那個整個的一個歷史的這個脈絡的梳理的時候肯定有GPT但是GPT肯定不是SOTA當時但是突然間GPT變成了主流了然後而且GPT一旦成為主流之後我的這些工作都不用做了就像在那個時間點所有讀自然語言處理的博士就當時說是哭暈在廁所裡說對楊盛宇說他當時開始做agent然後當時意識到最重要的兩個問題其中之一就是要用GPT不要用Brit對是的是的就這個事兒其實相當於是我都是已經開了題了才發現了這個問題然後這個所以我就重新開題了當時我心態比較好沒有哭在頭上我想我多在北大多待幾年吧就沒事重新開題重新開題的方向那我想了那自然源處理已經被別人解決了那我重新換個題目吧我當時就看我的手頭的這些在公司的各種各樣的工作哪一個是非常有未來且這個一時半會兒像GBT還打不過去的我当时最后就选了一个方向就是做广告视频的数据分析这个就进入到多莫台里面了但后来其实我第二次做开提的时候那天还被老师还问了这个问题第二天开提的那天应该就是Meta的那个当时有一个工作刚发布就明显看着Meta是在多莫台要发力了开提委员会的老师就说他说明辉你不要再搞一遍他说你要想办法规避大厂的工作所以后来我们的一个很重要的工作其实是我就跟他们非常非常不一样了我们做的是完全的另外一个模式的AI的视频理解叫主观的情绪的视频理解这个是大厂当时没卷到今天也都没卷我们今天还是这个赛道搜他我们这种创业公司选AI的方向就跟我觉得就跟这几年读博士选课题一样是非常非常的需要谨慎的你很有可能选一个方向就是半年之后发现别人已经都搞完了而且这个赛道已经结束了不需要再做了他們是開著坦克輾過來的對創業公司選題方向幹嘛這個方向是一個非常有意思的方向這個方向是去年我在那個ACM的這個MM的這個大會上做的這篇工作它是在以人類的主觀的視角來去看一個視頻來感受到它對人類的主觀的情緒的影響而且我這次這篇paper我自己覺得寫的挺得意的其实最开始因为我们也是一个team就是大家一起做的也不是我自己人一个工作可以说大部分代码都是其他同学写的但是这个topic其实是我想的就是我们以前的AI领域有大量的比赛Benchmark是吧我在我的这个paper里面其实我讲了我认为这里面的Benchmark但凡是涉及到主观的都是错的就我給了一個非常牛的一個結論我說為什麼呢我說從哲學層面上的主觀和客觀的定義是什麼就是哲學層面的主觀和客觀的區別是說當所有的人判斷一個事情答案都是一樣的他唯一正確解的時候就是這個groundtruth是吧那這個其實我們叫它是客觀的比如說我看一段視頻或者看一個picture這裡面有幾個人是男性還是女性是吧然後裡面有沒有貓有沒有狗就這些描述這些description都是客觀的描述但是什麼叫主觀呢主觀其實我們那個大會上一直都有各類的AI的這個大會學術峰會裡面都有主觀類的這種比賽的比如說情感分析是吧就我們做這個社交媒體的數據分析一上來就要做情感分析的一篇文章來了說這篇文章表達了这个作者的正面的情绪还是负面的情绪是吧然后这个读者看到这个会证明还是负面的情绪那以前呢我们这些比赛呢都非常可教就是什么就是一些做属于标注做benchmark的一些人也都是计算机系的老师和学生然后啊找了一百篇文章然后每篇文章他们就打了个标签说这是正面的这是负面的然后就发一个榜出去了然后大家开始刷榜是吧就看谁刷的牛那我就说了我从小最烦这种题你知道吗我从小因为我数理化偏科很严重语文英语我最不喜欢的這個語文題就是這篇文章代表了作者的什麼樣的這個思想感情是吧然後還有什麼你讀到這篇文章以後你有什麼什麼感想那我有的時候經常就想了說那這道題我做你就應該給我滿分啊代表了我什麼樣的想法那我的想法就是對的呀我說出來的就是對的比如說你老是要炸住我是不是所以我覺得就是很多文科的答案它是沒有標準答案的這才叫主觀没有标准答案的社交主观就是不同的人看这篇文章可能有的人看到是正面的有人看到感受到是负面的有人感受到是中性的是吧是neutral的我记得我在ACMM那个会上做过一个AURO的演讲我当时分享的时候我就说了你看现在世界上有很多战争是吧如果你这个战争结束的时候最后他们拍了一个短视频那战争的PartyA和PartyB看到这个视频肯定情感是不一样的是吧打赢的那一方看着视频就觉得很开心是吧打输的肯定是一个悲伤的感情是吧所以那不可能是一个标准答案的你这个Benchmark肯定是建错了的逻辑上来讲你应该怎么建这个Benchmark呢你应该是说这一篇文章然后我又去建立很多个Benchmark就一篇文章或者说一个视频那我可以选不同的人群那我当时的paper里面叫AudienceProfileGroup就是比如男性是一群人女性是一群人然后这个亚洲人是一群人欧洲人是一群人然后中东是一群人那你分了不同的人群来分别看这个视频他们的感受会有什么样的不同所以其实我们最后建立的那个模型是把不同人群看同一个视频的感受的不同的感受迅到模型里面去了然后当你在问这个模型问题的时候我再给他一个新的广告视频我就可以再告诉他说如果这个视频这个亚洲的男性30岁到40岁之间的男性看到这个广告会有什么感觉它就可以按照這類人來去出一個結果所以這個其實是我們去年的一個非常成功的工作而這個工作對於廣告行業是有巨大的意義的因為廣告行業從來都不是一支廣告給所有人看的是吧就是这个事就是我一个细分赛道的一个很neat的一个application而且这个对于我们比如说今天中国企业出海更重要是吧比如说华为啊荣耀啊小米啊魏小李啊他都要全世界投广告你中国的这个marketerCMO他做个产品他就认为中东的人也喜欢我觉得这是不可能的呀是不是所以这个他基于大元模型通用的模型包括GPT的这些多模态的模型他也可以给你做个解读但是他做的解读都是客观的解读它都是一个objective的description我们这个事恰恰就是可以做到subjective而且我们训就是这么训的我们的benchmark也是这么建的所以这个是去年我自己特别得意的一个工作整个人工智能领域里面历史上没有人讨论这个话题可能大家都是纯理科难民想过这个问题就是为什么我还要站在不同的视角来去看因为我最核心的问题就是因为我从小特别烦这个URT所以我的直观感受就是不应该这个样子但是我觉得现在通用代模型它是训练着让它比较讨好你的其实它也不是所有的代模型都讨好你其实是GPT的模型是讨好你的所以我刚才说的就是模型一定是要去分化的就是因为它有不同的环境来去给它做进一步的反馈强化GPT的模型它一定会强化的是它讨好你或者说它会有很多的有意思的一些表现但是如果你去看這個AnthropicCloud模型如果它有一個線章宗旨的話它首先一條是follow你的instruction就是你讓他幹啥他就幹啥這個其實是以code為底層的這種Agentic模型的一個基本的核心的思路就是不同的就是他就有點像當年谷歌和百度的這個reward也是不一樣的是吧這個百度的reward是希望一個user盡可能在網路上停留時間越長越好谷歌就是希望他點一次就走就他倆其實團隊都很優秀但是他的整個的那個value是不一樣的他優化出來的結果就完全不一樣了實際上能力都很強你說小紅的那個時候是不是公司最高點的時候如果你從這個市值啊從這個當時的這個賬上的錢啊各方面的這個角度來講是的但你從能力上來講我覺得那肯定不是了就是我覺得經歷了這個三年之後今天肯定是比那個時候要厲害多得多了你現在重新選擇你還會收看那個公司嗎會的呀為什麼呀因為他就是有我要的數據而且團隊非常優秀頂級的我非常喜歡小宏我拉他來我們公司之後我拉他去我們家我們一塊聊天深聊了很多次我一直希望他來做我的CEO的successor但是他因為他情商很高就是不會直接拒絕我但是他後來就告訴我他說輝哥我不可能做一個2B的公司老闆的我肯定要做2C的他覺得2B太boring了你那是找繼任者了嗎不是因为我就觉得他是一个比我还优秀的产品天才其实我更多的是一个技术男吧那你可以跟他说你可以在我这里做2C产品我可以孵化你我觉得可能当时我也有一些事伤了他这个不是说感情层面伤了他就是我让他管了太多人了就是因为我最开始最高峰的时候我们做的那个产品叫EIP那个EIP夸张到什么程度就是我当时是想做一个基础模型你想那个时候GPT都还没火呢那时候都开始做模型了对啊对啊就是當時在Bert這個層面上去做的這種模型對於今天來講是小模型的時候是已經是大模型了你在讀人工智能博士的時候是不是啟發了他是的是的是的所以小宏確實他的AI知識科普是從我這開始的他之前因為對AI不了解的他不像我是科班學AI的嘛我碩士博士是學AI的他其實是來我們這公司才開始了解這個賽道然後我們原來整個大的這個這個產品團隊就是這個大產品線叫EIP然後呢我最開始是野心很大這個我有一千個人做這一個產品很誇張吧因為我當時真的太上頭了一段時間很suffer這個土雞的業務所以這也是為什麼後來土雞業務就關掉了就是去到每一個公司的數據或者每個組織的數據都非常非常不標準化就像我說了去到有的地方可能是美團的數據有的地方可能是什麼電話的數據有的地方可能是甚至是這個什麼銀行的數據等等就不同的组织它的purpose是不一样的呀就是它大部分的组织它数据数据最简单的一个工作就是做一个dashboard去做各种各样的横向纵向的比较分析是吧那就是当然这些就是BI的公司做的事了那再复杂的一点呢它可能就会有一些深度的一些业务逻辑在里面了他要去利用这个数据举个例子比如投广告他分析数据就是为了把下一次广告投得更好那最后就变成了一个我们叫程序化广告投放你可以理解就是广告行业的量化交易那他就变成了每一次广告投放他要看数据就是每一次广告比如说你今天在抖音上打开一个短視頻那其實你在刷下一次的時候其實nextvideo或是nextads其實是後台就有個系統要去看歷史數據然後給你推一個出來是吧所以其實不同的業務場景它用數據的purpose是不一樣的所以我之前其實做了大量的這部分的工作的過程中你就會發現數據非常的不統一然後業務場景也不統一然後這個產品很難標準化所以就會讓我覺得這個很騷當我後來在疫情出來就是20年疫情出來之後當我看到了整個辦公場景這個太標準了是吧文檔會議然後這個聊天這些數據是一個超級的AI的數據的一個養料我從邏輯上都可以推理出來所有的這個公司如果公司的所有資訊全部都Store下來了全部去到AI裡面這個AI肯定是比這個公司裡面的大部分人厲害的呀那所以我當時就對這個事非常非常上頭我記得我剛把這個事想明白的時候我是給我的HR說我說你先幫我就是整一個一百人的團隊後來很快的一個月之後我就說我說我需要一個一千人的團隊然後我就很快招了幾百人同時把公司內部的一些可能有問題的產品現在停了兩條然後就合成了一個10人團隊所以當時我的這個團隊分了三個子團隊一個團隊是做上面的application一個團隊是做這個數據的integration就是企業就是在這個環境下所有的數據的清洗之力合到一個平台一個團隊是做AI的模型當然那時候AI模型基本上都是基於這種BERT然後來去每一個task單獨去訓這個這個taskspecific定向的比如說今天這個模型就是專門來去做客服的那個時候就是沒有GPT的這種邏輯就是說你有一個基模能夠去支撐所有工作或者说有个MOE那时候都没有所以当时就是三个团队然后最开始其实是小宏就是我说他其实就是前面的这个Application团队的一个App就因为可以做的App太多了就是CRM是其中的一个那后来我就觉得他特别好我就想让他帮我把整个Application全管了甚至有一度我让他把整个大团队的产品全管了这个对他来讲就他没有管过这么多的人然后他就觉得这个太讨厌了我就把他給傷了他是個比較酣臟的人他非常酣臟他對產品的細節追求很多但是當人很多了你就做不到就是你事很多的時候你是做不到這件事情的人很多就變成一個匯報體系對吧對而且當時我也採用了一些錯誤的管理邏輯比如說華為的IPD流程我覺得就是一個disaster就是它非常不適合我們這樣的業務的形態管理做硬件可能還可以你覺得它是人跟你這個事不納悉還是我覺得最核心的是我當時這個事不對我當時這個事的本質其實如果今天去看的話用今天的技術詞彙的話就是智能鐵就是企業級的智能鐵當時只不過是大家不這麼叫而已這個我們當時就叫小明助理然後這個然後如果你有興趣回頭我這個結束我可以把我在20年我們公司做的產品宣傳片發幾個給你看看你看完了你就會發現太神奇了就是20年我發布的就是什麼ChairGBT和這個MicrosoftCopilot就像是我20年年底的時候我做的產品概念就是這些東西然後就是但是你知道就是這些東西的beready是需要什麼呢是需要agenticmodelready才行就是今天如果你把AGI就按照3MAltman假設分成五個layer的話就是它需要L3的model但是在那個moment是L1都不ready是吧就是你連聊天式的AI其實都不ready的情況下你就要開始做各種Bot做Copilot做To-use那簡直太瞎扯了是吧就完全不可能所以我最大的問題就是在那個時間點上的技術預判出現了問題首先是預判的過於樂觀因為我讀博士本身就有帶著這樣的一個預期我是覺得這些問題在未來這兩三年能解決確實很快就解決了對但是很可惜就沒有在我手上解決就相當於是被美國這些公司給解決了甚至那個時候智普的唐靖遠老師都是我的顧問他都來我這兒講過課的對他都來我這講過課的也是我們這邊的一個就是當時因為那個我們的屬於科學家是也是行業裡面的大佬所以就是他幫我請了很多個類似像唐靖遠老師這樣的專家過來在不同領域給我們做一些指導什麼的就是做得太早了就做得太早了所以我現在跟團隊講我說今天我們做AgenticModel還特別好我說今天AgenticModel也是一個不是百分百ready的狀態尤其在B2B的環境裡面但是現在是一個早半部的狀態就相當於是你L1L2的這個AI的模型已經比較好了是吧L3其實是一個可能10分滿分是個30分是吧然後我們在細分場景裡面一優化我就可以優化到一個90分那我就可以幹活了那我那個時候相當於是我L1是30分的時候結果我在做L3的事所以就掛了我還不知道Red在擬掠的時候幹的是這個事是的完全不知道對你下次可以跟他聊一聊或者下次我們也可以一起聊我過兩天可能就會見到他就是我過兩天正好可能會去一趟新加坡他說他現在都在新加坡我過去他隨時跟我聊對我也好久沒跟他見面聊了2年是不是你們非常撒飛对这个非常非常非常夸张的一年就是是你这么多年最夸张的一年最撒废的一年吗从从小开始差不多吧差不多从小开始是哦对就我我这人生太顺利了是吧你一定也属于那种很顺的一个人生但2年就是我觉得最遗憾的就是说20年和21年我自己是雄心壮志想做一个非常非常不一样的产品而且我自己觉得能做出来但事后可能我复盘了一下我估计可能还是钱不够哪怕再融5亿美金你在融入特别特别大因为我做的事太多了你既在做model就是做这个底层的model但是那时候没有一个通用的model啊就是各种各样的7分的taskmodel同时要做application而且你還要再去做很多的infra的這個data相關的東西所以戰場太寬了而我的管理能力和我們的團隊對這個事的認知都不夠所以我覺得哪怕再融了錢可能也是死所以早死點也挺好早死點也挺好但是二年年初的時候呢即便是開始打仗了我都還覺得說我的這個夢想是能融到錢的一直到大概春节之后应该就上海封城吧春节前春春节左右上海封城然后呃中间这个呃就是很明显的就是所有的人都不会再投你了就就就他们已经什么项目都不看了那种状态然后或者看你去跟你聊聊天然后在那个moment我就一算我这公司的账上的钱肯定是不够继续烧了所以必须大裁员了而且當時封城也還沒減我們的大部分的收入都來自於上海因為我的國際客戶比較多上海封城就意味著我上海的團隊是開不了發票的然後我一下子就一半的收入沒了就是回款沒了那我這邊還在燒錢我賬上又沒有多少錢可以燒所以就只能裁員了所以整個從2年的5、6月份開始就進入到了一個非常的这个就是难受的一个状态这个最难受的状态现在是从2年上半年很多投资人就在天天diss我就觉得我把之前融了那么多钱给浪费了而且他们就说我之前就觉得你做的事不靠谱是吧其实你看我做这个conversationalintelligence我有一天突然意识到像那个Kimi那个杨志霖原来也是跟我做一个赛道的你說的是他上一公司是吧對啊循環智能循環智能原來是我們的competitor在這個賽道所以後來我想他也被2B傷到了可能是吧可能是吧他就從那家因為他是CTO嘛是吧他又出來了自己搞了一個新的公司對他就從那家公司出來了嘛是吧我肯定不能把股東拋掉他得拋掉是吧我覺得我還算是重情重義的所以我就是一定要把這個事給扛起來把這個事扛起來但是相當於是我始終心裏面是有種不服氣的就是憑什麽我不能把這事幹成所以就從20年之後呢我一方面是要扛住這個事就是你公司的這個現金流是要安全才行哪怕downrun你跪著得把這個錢融了最少的是多少現金流最少的是我們中間有那麼幾個月就是在一個億左右的浮動但你知道我每個月就要花一個億也就是一個月的runway这是最夸张的时候最夸张的时候现在大家心里都顺了所以就没问题我们自己造血能力没问题我觉得这三年真的是我觉得我从一个纯理想主义的一个founder变成了一个会经营的founder就是我现在算账其实我算账意识能力很强我们学数学的嘛只不过之前我非这个心总觉得有无数的钱可以给我用我觉得可能很多公司都是这个状态我记得很多科技公司都是这个状态其实是非常浪费的上一个十年当你们感觉在无限可以融到钱的情况下是什么感觉因为今天大家都手紧很多了上一个十年就感觉融资没有问题好像有大笔的钱可以进来就不慌因为它不是自己赚的钱我觉得如果经历了这三年之后你都会慌的因为所有投资人很多很多创创业公司就是我的朋友没有我们公司这么幸运能扭回为盈能未来去IPO啊但很多公司你想在资本市场如果一个公司的收入没有到我们这种规模就你一个软件公司两亿三亿他还上不了市的上不了市的那他就一定会遇到什么就是汇购然後各種各樣的這些投資人跟founder之間的PK所以如果是進入到這種情況下那你原來融的估值越高你融的錢越多就越慘是吧那就最后甚至可能成为老赖啊什么的所以我觉得就是没经历过这个过程大家其实是对资本敬畏程度都是不够的大家总觉得好像我尽可能把估值搞高尽可能融多点钱但是经历过这一轮我觉得中国的创始人也都现在真的是越来越成熟了之前是不知道这个事的尽可能把估值搞高你们的股份不也稀释了吗搞高不稀稀搞高你都用同样的钱你稀释是少呀是吧其实把估值变高是你用融同样的钱你就可以出让最少的股份呀是吧就是比如我10亿美金我如果就融10万美金我就才稀释一个点的呀但只要融资你也会被稀释是的是的是的我觉得就是一个公司融资它有很多的目的最核心的目的肯定就是缺钱那也有一些公司没有那么缺钱它也会在资本市场上去做交易它做交易的目的是因为有market就有price是吧就定价市场的主要价值就是定价那它就可以在那个moment给你的股价做个定价做完定价以后你可以有老股东的回购呀你可以有这个团队的基地呀你就可以拿股票去做这个基地了如果你沒有這個定價的話其實你這個基地就做不了那想的最終的目標是上市嗎? 你走到這個融資這個路線上肯定是因為中國我覺得這個併購市場不是特別好我覺得我們將來有可能會成為一個企業級服務的併購的一個base就是我們會去併別人併別人? 對就是併更多的Red過來是是就是我覺得但是之前其實中國大部分的企業級公司他都不買公司就是我覺得以後有可能不一樣你看我覺得這裡面一個很大的區別就是因為有AI有AI以後產品和產品的整合其實不難那為什麼你想以前你把兩個產品整合起來你得把底層全部打通今天不用今天如果這兩個產品都在你手上你就把它變成agent變成一個model為agent的就可以了所以就相當於是產品和產品產生Synergy比以前遠容易所以我覺得從這個角度來講的話企業級服務賽道一定會進入到一個不管是在中國還是在其他國家都會有一個併購潮就是整合容易了就產品和產品之間很容易協同你再這麼想就是以前比如說企業裡面的軟件因為我沒有打過工就是這個其實是我作為老闆我可能平時是不大需要直接用那些軟件的辦公的軟件比如說什麼報銷系統什麼CRM那你想我們的業務團隊是很討厭這些系統的比如說一個Sales他回到辦公室裡面還要提交CRM今天我跟客戶聊了啥所有人都罵說我每天我做公司銷售管理所有的人都說這個系統太爛了說我們40%的時間都在填系統然後就都是這樣子的是吧我報銷一會要在這提交個表單在那提交表單所以是非常難但是老闆都覺得軟件挺好的因為老闆可以通過軟件看到所有的dashboard對公司一目了然然後你也什麼都不需要fill是吧然後這個全部都是別人幹活你就看最後結果就行了但是其實老闆的比如說報銷單是怎麼填的老闆也要填報銷單其實不用自己填是你的助理在幫你填比如我開了些發票然後給我秘書就行了然後他就給我全搞了所以我並沒有suffer這個事但是你有沒有想過其實未來每個人都變成老闆了就相当于是说你比如说我带着个录音笔我去到客户那开会我假设把那个会议现场排除到隐私和脱明的情况下我把录音拿回来了拿完以后我就扔给AI就行了呀我说你帮我填CRM是吧然后我吃饭我这个有发票我也拍个照片就上去了总之就是说未来这些软件会极其的好用而且就是它好用就是它就跟你的助理一样它可以帮你把所有的产品都连起来是這個助理幫你連的你的軟件不需要連是不是就像我一樣公司有一堆軟件但是我不需要一個一個用我的助理幫我把Aggle的A用完了以後它的output變成了B的input是吧B的output變成了C的input就可以串起來了所以AI對就是AI其實是會對整個軟件行業對企業級服務甚至對整個的這個我們叫產業互聯網都會重構都會重構就是它產生了一種新的鏈接關係甚至是一種新的生產關係二年底你缓过来一点没有认识那个时候走了吧當時他還沒有完全走但是他已經跟我徵詢了我的意見可以做新事了就是因為我也裁員了說實在他也沒有人可以管了你想這都裁了呀然後這個他不是沒什麼管就是那個微辦他會管但是微辦這個業務對他來講管理也很輕鬆是吧就是而且微辦也經歷了一個裁員微辦最高峰應該也有三四百人了然後這個他最後裁到了一百個人所以我覺得小宏他這個經歷太難得了我覺得我像他這麼大的時候沒有那麼幸運上來就經歷過這種大的這個政府那他其實是很快就經歷了這個裁員經歷過一個公司陷入很緊張所以他創業的第一天他其實是就是一個就是一個qualifiedCEO我其實當時我創業出去顯然不是qualifiedCEO我覺得他是一個qualifiedCEO就是他將來他不是只是一個戰略和這個產品的這個owner他肯定也是一個經營的owner這個是他在我們公司經歷了把自己的手下踩了一大波走然後把葉英的自己的這個P&L變成平的你是讓他自己去踩是吧那肯定要讓他猜因為他的手下嘛我過去猜也不合適呀他招了好多人而且都很優秀而且他比我小十歲吧他也是吸引了很多就是我特別喜歡的更年輕的這些產品或者技術的同事但是沒辦法就是你們兩個有什麼深夜對話嗎挺多的挺多的我從這個我記得我剛收購他我第一次去武漢跟他聊天我就在武漢跟他路上散步一走走好幾個小時就是我覺得我跟他有很多的共同語言這個大家還是挺能聊到一塊去的離職的時候呢離職還好因為那個時間點說實在的他也不能在這做更多的貢獻了第二個他挺想做新的事且新的事已經起來了他本來的第一個新的事是想做一個基因編輯工具它為什麼叫蝴蝶效應它其實是它自己也是比利福達系統它對生命科學很感興趣所以它真正創業的第一個工具就是從我這出來其實是在我這期間同時做了一個基因編輯工具它走的時候你拖它沒? 沒有為啥? 因为这里面也有一些潜在的一些conflict然后这个但确实是他也这个他给我这个投资的机会是吧而且应该是一个比较低的一个价格的投资的机会我当时其实是中间就相当于他给我这个机会我本来很早就可以买了而且我真的有一天本来就想当场去投他了就决定跟他去签一个term然后但是中间正好先不说我自己的公司的情况我自己公司现金流很紧张我其实是没有额外的这个cash去投的因為他肯定要開始是吧然後本來我正好有另外一個公司的一個股權是可以退出的如果那個退出的話我就可以去投他了但是正好那個公司也出了各種原因又沒退出所以最後我就我說我是小紅等回頭我有天了再說吧所以後來就沒投但是他說了always就是如果這個是吧可能我上市之後我是有機會的就是他這個像minus成功之後我跟團隊就說了我說就是他那個五億美金的融資還沒融到就是他只是發布的第二天我就跟團隊說我說這個公司如果今天我要投的話我敢我個人我敢按照估值十億美金投這是我第二天說的就跟團隊說的為什麼為什麼敢按估值十億美金投因为首先我对这个产品很喜欢其实我自己也在做agent而且就是最后就是他发布manus前的这两三个月我没有跟他交流我做的事他也不知道他做的事我也不知道然后就是这个中间有一定的相似性但是他做的比我还好就是我从manus上学了很多的新的一些思想等它发布的时候我自己就很开心我看我们又有很多事想一块去了然后只不过它在2C又在2B里面第二个就是它的产品做的真是很棒的我用的过程中我都很喜欢因为它给了我一个就是网上所有人都在等所谓的邀请码它给了我一个最高的权限就是跟它一样的权限就可以无限下任务然后可以并发很多的因为其他人拿到可能用几下也用不了了這個更多的人連號都沒有所以我用了一下以後我覺得這個產品真的是挺棒的頂級的頂級的好我自己就因為我屬於腦洞比較大想像力比較大的我自己就想到了這個產品將來可以ABCDEFG有哪些可能性我當時就跟我們的IR團隊說我說哎呀咱就是現在沒錢我說有錢的話現在哪怕1美金我都敢投我說我個人就敢投所以在一個創業公司在上市之前現金流是緊的對嗎是因為我們就是我們就中間這不就差點斷糧包括騰訊救了我們一把但我自己也投了公司一千多萬美金然後就是算是這個你看我也沒什麼其他的這個開始的資產我有很多股票資產像什麼雲竟之類的但是在過去這三年我真的不捨得因為我這個人是過於樂觀的人我就覺得他們股價將來都可以翻十倍一百倍然後我不捨得賣這個公司反正像機器人公司怎麼可能今天的這個估计是高点了不可能的是吧季节时代还没来呢所以我是真的不舍得卖自己的资产的我是在疫情期间我还在想办法看有哪些公司我想投我是可以投的我是这么一个心态我觉得这是第一点我不应该卖资产所以我是去借钱去投自己的公司当然就是好在就是我的历史的这个這個reputation還可以大家覺得我是一個借錢能還的人所以有不少這個大佬願意借錢給我就是我投自己投自己的公司是吧所以所以所以就是一度的現金流是很緊張的那直到就是我們哪怕是在資揚還有我以及騰訊投了公司的這一輪的情況下公司的現金流也不是特別寬裕因為你也就融了一億美金我們光呃就是說呃就是首先是首先是這個我們的歷史的財源的補償金就超過了兩個億就相當於三分之一的錢先打出去了給離職員工然後還有一些錢是還銀行貸款因為銀行在過去幾年都不會給你放貸的就是甚至有一些銀行過來騙你說你還上吧然後我們有什麼什麼事還完以後馬上就可以續貸那你還了它就不會再給你貸了所以相當於是真正能留在公司我們融了億美金留在公司能用的可能也就兩個億所以我们账上的现金始终也不是那么的充裕所以为什么最近我们的AI的进展还挺顺利的就是我们有一个很牛的多智能体出来同时model做得也挺好前两天我也跟内部的股东做了一个汇报他们都挺感慨的他说明你看你现在资源这么紧张还能干出一些事来说明你是一个成熟的CEO了不是之前那种铺张浪费完全靠烧钱的一个CEO了就是在资源很紧张的情况下仍然能做出很优秀的产品现在就是小团队作战现在这个产品其实是跟EIP一样是我现在最重要的这个产品但是也就是几十个人在做deepmining对几十个人呢对就是我第一阶段是20个人在做现在加到40个人了为什么你之前觉得一上来就要搞一个10人到10人的团队这是什么从哪里习得的没有习得是我的一个推理怎么推理的呢我自己有這麼一個assumption或者說就是一個推理就是我覺得中國的軟件公司為什麼大部分不賺錢但是也有個別公司賺錢比如說金山那其實是因為你在一個軟件上投入的資源不夠大沒有真正意義上的護城河其實代碼量在之前其實是一種護城河的就這個產品足夠複雜投入的資源足夠多才能做出來做完了以後又收的錢不貴这种软件肯定是最值钱的我觉得之前中国大部分软件公司可能这个产品本身就不复杂然后你可能就是比如说5个人做了一个月做完了是吧或者复杂点5个人做了一年你去到任何一个客户客户第一个想法就是说我自己的人能不能做我为什么要买你的今天更是这样子因为今天大家都可以用科字写了是不是这个更是这样子了所以我当时有个想法就是说为什么硬件是在中国市场好像更好很大程度上是因为硬件前期要有一个不小的投资你要去有原型设计开模甚至是找供应链做等到客户真的看到一个ready的产品的时候他已经觉得说这个事我没必要自己干了但是软件行业不是这样子软件行业所有人看了以后都觉得我可以自己干一个所以他們本來就已經覺得軟件很heavy了你覺得我可能還是不夠重更重一點我把我的護城河建起來是我當時就想如果我有一千人連續做三年一個產品我到市場上我就收每個客戶一百萬這個產品如果能幫你客戶一年產生一千萬的價值按道理他就只能買我這個東西了所以這是我當時的一個assumption那現在的assumption是什麼呢今天其實進到AI時代就是這個代碼量肯定已經不是護城河了我覺得在這個AI時代的真正的護城河應該還是數據是垂直行業的數據或者說準確來講其實就是公開互聯網上就是做房地產模特這些公司拿不著的這些可以用來去訓練房地產模特的這些數據你們現在有什麼獨特的數據我們在幾個不同的賽道都還是有的同時呢我們在新的賽道上其實我們也會自己去獨立的去儲備這些數據老的賽道比如說像廣告行業廣告行業其實我們有整個互聯網上的每天的很多的用戶去打開廣告和點擊廣告的行為數據這個是我們肯定中國第一大的嘛遍佈了所有的互聯網平臺只要去到這些網站每天看到廣告那很多都是我監測的呀我都拿回來了嘛然后还有像我们的这个DataPartners包括我们自己的partners也会去抓去这些socialmedia的上面的这些每天发布的短视频啊帖子啊转评赞的信息啊这些数据其实这些他跟这个房地产模特也抓这些数据是吧但房地产模特跟我们抓的不太一样他们抓的是一个快照就相当于是他在某一个时间点上他其实是他们也不是自己抓他们也是DataPartners比如说像那个CommonCrawl是吧甚至我估计什么SkillAI可能也会去帮他提供一些这个数据但他们其实就是一次性的抓一个他抓完了是用来去做Pretrend但我们这些数据不是用来去做Pretrend我们其实是要去抓一个QL他每天的比如说他的粉丝的变化数这个就不是一个快照了是吧它是一个持续变化就像你看那个天眼茶的那个founder刘超也是我师兄嘛他的数据逻辑上是来自于工商总局是不是就天眼茶七叉叉就工商局本来是有这个数据的是吧但是那个工商局的数据你如果任何一个时间点上去看他也是一个快照他只能看到一个公司今天的股权架构和股东的情况是吧那但是如果你每天去抓你就可以看到这个公司的历史沿革看到这个公司跟其他公司之前有没有历史的纠纷啊什么的所以其实相当于是data这个事其实它是一个数据嘛据就是凭证存下来的意思嘛很多情况下你没存下来就不叫数据了嘛你要一直存一直存一直存这个时候你的这个互乘盒是非常非常高的举个例子我们最早其实我们的一些客户到我们这来分析是12年的奥运会他其实就想在我这去看一下08年奥运会当时的广告的情况是什么样子的你在一、二年的moment你再去抓已經沒有意義了肯定不可能有這個數據了嘛所以我剛才講的這個socialmedia其實有大量的這種數據其實是可以去做工作的然後我們其實還有很多比如說我們客戶自己的firstparty的data當然那些data不屬於我們其實是我們幫客戶去託管的有大量自己的會員的數據就是他的這個跟他的這個customer之間的互動的數據那這些數據其實首先都是bigdata第二個就是他其實是對於客戶生意結果影響的特別大的一些context所以我只是拿廣告行業來去舉例子那比如說如果到這個門店裡面那就更多了就是人貨廠是吧這個你有這個銷售的數據Salespeople就是你的銷售人員美妝行業他叫BA是吧BeautyAdvisor他跟客戶的對話聊天的數據然後他的這個Post的水單的這些數據然後每個SKU的數據還有這個門店裡面還有大量的IoT這個甚至他還記錄了庫存的數據定價的數據等等就是人貨廠有各種各樣的數據所以其實這也是為什麼我說像這個Databricks這樣的公司很值錢是因為Databricks这样的公司很值钱是因为去年我记得我去硅谷的时候硅谷就已经有一个认识就觉得从DeepSeek和O1出来以后大家就觉得人类的量化类的工作已经不需要人干了就是算数这种事儿是吧就是解数学题这种事儿已经不需要人类干了而且就在O1没发布之前我在好像是去年的5月3号就那时候O1还没发布呢当时我正好在北大数学系有一个校友会的一个演讲正好我那天演讲特别搞笑我前面的是那个柳志宇就是那個出家到龍泉寺的那個很有名的那個師弟而我後面的那個師弟呢也是本科北大數學系後來碩士博士去了MIT然後他其實一直在數學這個金融這個領域好像是他應該是參與了GBT-01的這個內測他當時在我們那個校友的分享裡面就說他內測完了以後他覺得量化的工作以後不需要人幹了這就是當時的感受但是你基於這個感受你就知道就是我經常講Y等於FX就是一個人類的決策其實是由一個好的模型和對應它的那個模型的依據來去產生的F其實你可以理解就是那個模型X其實就是那個context是吧就是那個依據那所以當F已經足夠smart了這時候企業和企業的競爭或者個人和個人的競爭甚至國家和國家的競爭其實最後競爭的不是F了競爭的是X了是吧就是誰的context厲害誰的data好所以就是矽谷其實從去年下半年尤其是O1發布之後大部分的投資人都覺得哇這個將來應該是這些有data的公司有這種私有的data的就不是這種互聯網公開的data公司它應該會將來在AI這個行業裡面產生真正的差異化的價值相當於是就是公开的数据的价值除非这个市场将来只有一个基模公司否则的话它一定会被卷成电飞的大家肯定不能赔本做嘛就最后肯定还是要就是当然就像DeepSeek这种我觉得它持续的去优化这个token的效率也是很对的就总之就是我基于了公开数据训出了这个通用基础模型然后它拥有人类的通识知识以及逻辑推理各种各样的能力这个能力它就是基于人类的公开数据训的那肯定不是只有一家公司有的只要有两家以上那他就不可能赚钱他就是要卷成那个基础建设的最便宜那个钱他不可能赚很多钱的因为大家要打价格战就像那个电价一样是吧就一开始可能会贵就是他他会处于一个哪一家模型突然间又出来一个新的比别人牛的但是这个根本就不可能只要这个公司还卖模型只卖模型自己那别人马上就可以去到这去做征流啊就像我们做模型肯定你无论如何你会到别的模型去开始你来设计一些Parameter去问他问完了以后他就会给你Answer然后这些数据就变成你的这个训练数据了很快他的能力你也就有了是吧所以但凡是基于这种公开数据去训成了基础模型且最后以卖模型卖Token来作为主要的商业模式的公司他都会它都会很卷卷到最后的价格就是电费所以我觉得我们公司AI的策略尤其是现在你肯定不可能有钱去做纯仿那些model公司做的这些事那你就还是要去选择说利用你的存量的数据以及我能看得见的一些垂直行业我进去我第一天进去我是firstmover我在那个行业重新建立数据壁垒那我把它卷得特别好然后我在这上面训练的结果最后就会使得我在这个行业里面持续是有真正的溢价空间的value怎么使用这些数据呢我们肯定是首先是给模型用来去做训练是吧但是我们不直接卖模型就是我的模型是给我自己的agent用的所以你们自己训模型对小模型对specialized的模型对我们这次其实就是在这个BOA和COA的两张榜单一个是那个man2web就是做BOA的其实BOA这个赛道要特别感谢的就是Manus其实在这之前我们就看到这个方向了但是我觉得Manus把这事变出圈了所以你看小红还没融到钱好像是Manus火了一个礼拜之后瑞士的团队叫WebBrotherYouth就是Manus自己调的BOA的agent他现在融了170万美金比Manus融得都顺利后来Manus融的钱更多一些但是那个公司只有两个人只有两个人但是他们的模型也不是自己的我觉得最早可能是OpenAI的后来可能换成Anthropic这个赛道最主要的一个榜单叫Mind2Web就是你把你的思考变成网页操作所以这个模型的榜单现在我们已经是小模型的第一名了大模型可能也都没有比过我们我们就是第一名然后还有一个榜单叫OSworld就是操作系统的世界这个其实是考的是CUA就是ComputerUse就是不光是网页了我一台电脑上面有很多个软件是吧甚至还有Office什么的你也是给他一个指令然后让他来去操作这个电脑是外星人指令我们是应该是刚刚拿了这个Specialized模型的第一名这个我是特别骄傲的因为我们在那个总榜也是第四名是吧就是总榜里面其他的人都是就是都是OpenAI、AstralPeak、字節、同一千萬沒有我們這麼小的公司沒有我們這麼小的公司Specialized的那個榜其實就相當於是小尺寸的模型我們是7B的拿了第一名第二名第三名都是Kimi的模型他們應該是我們是40分的他們是34分也是一下超了很多所以我們那天測模型的時候而且我們是passatonce就是我們只取消了一次主办方测了一天然后测的过程快到结束的时候他看到我们分数的时候他非常惊讶他说你们是从哪冒出来的公司他就没见过一个突然间nobody的公司第一次提交然后分数这么高因为我们之前没有去提交没刷那个榜我们其实是在自己的业务里面在我们自己的标注的数据上因为我们自己有自己的benchmark然后因为就是要用BOA要用COA我刚才讲了因为我们在企业内就是要操作那些存量的IT资产操作那些软件所以我们自己在上面建了自己的数据机建了自己的benchmark那个benchmark实际上是比他们还复杂模型加application一共40个人还有这里面可能做模型是二十几个人然后就十几个人做application整个团队就40人这个模型你觉得会被通用模型所覆盖吗应该还是比较难的因为他要想做跟我们一样的事首先比如说语言模型并不能进一步的benefit这个事就比如说语言模型它要卷更牛它没办法benefit这个事然后而在电脑操作和这个网页操作这件事情上其实它就不是一个公开互联网上能抓到数据是不是就是我刚刚说了我们走的这个是一个差异化的路线这个路线的所需要的数据并不是公开互联网上去获取的我们其实也是从零开始积累的这个数据从什么时候开始有这个想法年初今年年初然後就是比minus發布早一個月就在那個時間點我立項做的這個事就是非常機緣巧合我開始決定做這個事的然後就是什麼機緣巧合因為我們自己的業務其實天天處理數據然後這些數據呢有很多情況下就是特別討厭就是突然間別人就不把這個數據給我們了尤其很多情况是大厂比如说你做广告的业务然后客户就说他的那个广告投放的结果最后在字节的后台在阿里的后台在什么Amazon的后台谷歌的后台然后有的时候他有API有的时候他就没有API然后没有API的时候其实以前就变成了说广告公司的人人肉在上面看数据看完了以后再人肉看我的数据这边再去弄我就一直在想怎么去把这个事去解决掉是吧把自己变得主动对把自己变得主动另外一方面我其实是过去两年我有一个朋友他是做游戏的做SLG的游戏的原来是一个很牛的团队后来其实他从那个团队出来了作为游戏公司也能赚钱养活自己但是也是过去几年资本上不好其实他也融不着钱他那个品类是特别所以其实我最开始投的时候我在想将来我有可能在广告的AI上能帮上他是吧所以我就投了他然后投了他以后我就经常跟他聊聊游戏和AI的结合是什么就是Beyond广告因为广告肯定我们百分百能帮到他游戏本身是什么我跟他聊的过程中有一天就在聊我说你看你每天你的游戏到底给用户提供什么因为他那游戏之前我也不玩然后他就跟我讲他说这些游戏就是有个人进来然后建了个岛建了个岛以后一开始在那边各种建设这个岛建设的差不多了突然也有一天发现外面还有很多其他的岛都是别人开的然后大家开始互相打互相打了以后就互相拆然后我拆你你拆我然后大家就要开始花钱买防御系统和买更好的武器然后他们就赚钱了实际上就这么一个事最大的成本其实就是广告费因为他要花很多钱买流量就吸引人这点会让打是吧那但是他花的这个钱里面的大概可能有40%买的是那种特别有钱的人就是每天过来充值见到的人是吧然后还有60的人去过来陪玩的然后呢实际上那些陪玩的人是围绕着这些有钱的人就是它其实形成了一个虚拟世界的一个社区然后里面有国王国王的权力很大因为他花了很多钱还有很多装备他可以给你给他然后你说我的大臣你说的丞相就是这样的一个社区很有意思但是那个陪玩的人呢一天他也要花钱卖广告大概可能他如果花一万块钱的话可能有六千块钱是花在了这个陪玩的人身上有四千块钱花在了这个充值的那些大哥们是吧然后那天我们就聊了一个场景说那个陪玩的這些人其實他又不花錢我們乾脆把他變成AI算了這樣就不用花廣告去買這些流量了嘛是吧就是一個AI的NPC來去陪你玩這個大哥還覺得這個人情商特別高他就很願意幫他是吧這部分人是不花錢的嘛對這部分人幾乎不花錢他就真的可以當NPC的但NPC不夠聰明啊但是AI今天是可以這麼聰明的是不是最開始我跟這個團隊聊的時候我也很興奮我說這個事可以搞呀這個聽起來還可以幫你省廣告費了這不AI就做了更多的事了那我們很快就是我其實就跟他們一塊測試了一下AI今天在那個場景裡面就是基於聊天的能力陪著大哥聊天已經是可以聊了能聊的挺好的但是後來很快就發現了兩個問題第一個問題就是說如果你是大哥我今天陪你聊一開始聊得挺好的但是聊著聊著就很容易就露餡了露餡是什麼呢就是比如說咱倆都是真實世界肉身的人嘛你會跟我聊最近的八卦就是你知道這個自然世界外部世界有很多八卦比如說今天特朗普又幹了什麼事我不知道我不知道跟你聊啥了或者說我主動拋不出來這種課題所以邏輯上來講我這個AI更聰明我要知道外部環境的信息所以這個就是Agent的這個技術就需要把外部的信息拿過來然後跟你去聊這是第一個要解決的問題第二個問題要解決的是什麼呢?

就是說大家不能光聊呀我還要操作遊戲跟你一起配合去打仗是不是我操作遊戲的這個技術其實比聊天難很多其實這個就是今天的Agentic的Planning的工作就操縱遊戲就是很多的這種強化學習都是拿遊戲去訓練的嘛所以實際上就是他当时的一个很大的瓶颈就是说这个AI能不能像人一样那么聪明的再去玩游戏所以我以前是从来不玩这种游戏的然后我就特意的在这个就是春节期间就是花了很多时间测这个游戏到底怎么玩然后我还往里面充了好多钱然后这个玩的过程中我就慢慢的感受到了作为一个人为什么要进去玩这个游戏因为我特别喜欢数学数字面很敏感我就每天在那边算账是吧然后就一会这个什么房子少了我要再盖点就一会我要去采点矿反正就是我要花些钱我要去养兵什么各种各种操作然后后来那个春节春节这个期间我就跟这个游戏公司方导聊他说辉哥你的感受是对的他说我们这种游戏就是数值类的游戏他说了这句话彻底的启发我了我想哦对呀我今天其实就是一个人在在每天分析这个屏幕上的数字分析完数字以后做决策我一下就想到我说既然AI能干这事我为什么先去搞游戏呢我先去做我自己的业务去我自己的业务不就是每天一堆人在分析数据吗这些数据就是各种各样的软件上的数据是不是你在现实世界的游戏里对就是现实世界的数字游戏而且商场如战场对吧就是我真实的战场不就是陪着一堆企业每天在打数字游戏吗就是数字游戏而且我以前去过像什么清华金管学院它里面有一个课叫Techmark就是我当时在那个课上就是我那个团队就特别牛为什么就是因为我数学好呀我们的团队就是算术算得很明白最后就打赢别人了其实就是数字游戏假设那些context你都能拿来的情况下那就是个数字游戏你在那边去做agent做agentmodel去优化就行了我整个这个思路的闭环是我在春节期间花雪场上想明白的想明白以后我当场就在花雪的缆车上面就开始给我所有产业团队开始铺作业了然后这边我说你赶快去给我调研一下现在的最新的COA和BOA的进展是什么这边调研说你可以告诉我最新的AIplanning能做成什么样的水平然后开始我这一堆任务就下去了然后我说春节回来第一天上班咱就开始研究这个理想這個立項叫啥呀我們最開始叫DeepMiningDeepMining就是這個因為我們的英文名叫MiningLampMining就是DataMining嘛做數據挖掘DeepMining因為這個Deep這個詞兒其實春節之前就火了嘛而且這個事兒其實也是團隊覺得我挺厲害的就是我在春節之前就DeepSeek沒火之前我在整個年會上我們公司TownHallMeeting上我花了很長時間給大家講DeepSeek我說你們得趕快用趕快研究相關的工作然后果然春节节就火了不是我预言的但他自己可能就有这个可能性了反正是回来以后先叫DeepMining但后来DeepMining这个域名被注册了后来我那天跟我儿子聊天我儿子说爸爸这个DeepMiner也挺好因为他英文挺好的在国际学校后来我一试DeepMiner. ai确实是available的我就把它给注下来了所以我们最后发布的产品名叫DeepMiner最开始叫DeepMining因为就是公司名叫MiningLamp你這個角色在那個遊戲裡是什麼角色我這角色我其實肯定不是那種大哥級的因為那個大哥花太多錢了我花不起那種大哥你知道嗎在那邊花大概如果你想統治一方成為一方諸侯大概要花掉個一兩百萬吧差不多要花掉一兩百萬而且一兩百萬其實也不需要停最後還是有國家和國家之間的競爭總之就是他構建了這個平臺就是讓這些有錢人互相PK互相不斷地通貨膨脹不斷地讓你去買東西其實真實的世界也是這樣子真實世界也是這樣子它是一個無限遊戲就始終在裡面打遊戲它就是個agent它來操作這個遊戲它是一個GameUseAgent小女士它其實是一種CompareUseAgent所以其實真的把CompareUseAgent和BrotherUseAgent做好很難很難它的這個我們從強化學習角度來講它的這個ActionSpace太大了你想下圍棋的ActionSpace很簡單的是一個透明的棋盤361個格子是吧你的ActionSpace是很小的就是當然就這個其實已經把人類都已經幹掉了是吧那遊戲首先如果真正的職場裡面的人打的遊戲那這電腦還有很多軟件每個軟件都很複雜每個軟件裡面都不是只有361個Core它有很多種這個操作是吧然後那麼複雜的公司的任務就像SamuelAltman說的說我要搞一個1萬億美金的公司那你做一下AIPlanning試一下怎麼做SubwayDecomposition這個太複雜了所以其實做Agent是很難的它就意味著說今天的AgenticModel是遠不滿足客戶需求的這就留給我們這些公司機會了它就是我不會去追求一定要做一個通用的而且我認為通用的是不可能的规模效应的角度来讲就是今天我们讲scalinglaw就是scalinglaw其实到一定程度会到瓶颈的我举个例子啊比如说有一本书叫规模是吧就是scale是吧这个规模这本书当年是很有名的我以前也推荐我儿子看这本书来着规模里面就讲了说比如说人为什么会生老病死其實很重要的一點就是你到了一定規模的時候其實已經會到瓶頸了就你看你的這個血管你的血管其實你的心臟的那個血管主動脈或者主靜脈它其實是有一個寬度的是吧它在往前走的過程中它會去分叉一層一層分叉一層一層分到毛細血管分到毛細血管我記得大概能分26次叉是吧那也就意味说你到最后其实是你的原来的主动脉的这个半径假设是R的话最后到最后可能就变成了2的26次方分之R是吧就是这个就很细的最后就它但是它是有极限的是吧它其实就是纳米吧那个地方是极限吧这实际上都不是纳米是吧那点上你的这个血管的粗细也是有极限的所以其实带宽你的整个带宽你在整个这个就像那个MOE的那个模型你是可以搞很多个不同的这个专家但是你的这个专家能穷尽吗我就举一个最简单最经典的例子这就是今天很多创业公司的机会就是OCR就是光学字符识别這個是我們原來做CV的人最經典的一個任務也是當年沒有深度學習的時候就神經網絡真正有用的唯一的一個任務就以前其實我在讀碩士的時候AI就是神經網絡這支根本就不受待見的唯一能幹的就是做OCROCR其實就是個特別簡單的任務就是圖表上有一些字你把它識別出來到底是什麼字就擺一個image或者擺一個picturetranslateintoatext是吧就是把它變成文字這個數字也可以變成數字是吧因為這個是相對比較簡單你的文字如果是英文的話就是這個大小寫加起來是吧52個再加上這個數字10個62所以那個64的那個編碼其實就是這麼編的嘛你現在它就是一個62分類是吧就是我每一塊到底是哪一個字符每一塊是哪個字符這個任務是非常非常簡單的但是以前我們其實是用極小的模型都不用深度網絡就一個很淺的網絡就能把它把這個任務實現了但是今天特別不幸的是你發現全世界所有的最牛的模型公司用通用模型都幹不了就幹得不是幹不了幹得很差我前兩天特别有意思就是我那天去腾讯云做一个AI的分享然后腾讯云的分享的那个演讲嘉宾有一个有一个list那个list其实是一个图片其实就是他agenda是吧就是他的整个这个大会的一个agenda我那天是受邀嘉宾去做演讲在那上面有好几个我认识的朋友然后还有一些我不认识的人我记得好像智普的founder也在就是那个张鹏老师CEO也在我那天我看到那个以后我当时在准备演讲稿我就把那张照片就传到了一个是deepminer里面也同时传到了这个minus里面然后我分别给他们下了一个任务我说你帮我调研一下这个图片上面的这些演讲嘉宾最近半年的主要的演讲观点是什么然后帮我整理一下然后这两个包括我的deepminer也失败了minus也失败了因为第一步的GlobalPlanning其实我们都用的是同样模型Manus应该是用的Cloud是吧我记得总之第一步OCR就错了你就会发现这么简单一个任务就是一个图片我把它上面的文字提取出来为什么因为我们的大部分的基础大模型去做图片生文字的训练的时候它其实都是看图说话类的任务不是做OCR的任務就是真正把那個字寫出來他其實是對那個圖有一個感性認識說這個圖是什麼意思他做的全都是這類訓練所以就是說他的那個Attention的這個機制是訓成了感受那個全局的感覺了而不是一個字一個字的去看的那個Attention的機制其实一个字一个字看其实用一个很小的模型就可以干这个事根本不需要这么大的模型但是你想如果我把这个OCR作为一个专家模型变成MOE里面的其中一个专家的话那就意味着说連這樣的一個任務都變成一個專家模型的話那我整個MOE裡面我估計怎麼造也得有幾萬個吧連這樣的一個專家都算一個專家好了那你的專家越多其實你前面的那個路由就越複雜是吧那你的訓練也更複雜所以從這個角度來講的話就是這個通用基礎模型把全世界所有人的活都幹了這只是或者說這個SkinningLaw它只是這些基礎大模型公司的CEO出去融資的一種敘事而已這個是一個非常非常扯的一個概念我覺得它通用的不是無限的它可能是一個相對的概念就像我說人體的這個規模效應一樣它如果在26次以下再繼續分再繼續分它要麼就是我會變成一個龐然大物我如果變成龐然大物我的基礎代謝就很大基礎代謝很大其實我就不是一個非常經濟的一個生命我肯定早有一天會被幹掉的是吧就像我在那個好多年前我去過一次北歐我去了那個全世界高端電梯的一家廠商叫Goni就是KONE你平時應該經常看到這個電梯的就是很多高樓大廈越高的高樓越用他們家的電梯全世界的坐電梯的很多但是這個是一個最高端的而且他現在是芬蘭第一家第一大公司原來是諾基亞諾基亞倒閉以後他們現在是芬蘭第一大公司他们生意非常好因为电梯卖给那么多的高楼大厦每天maintenance都要他们去这是一个missioncritical的工作是吧但是我上次去他们公司参观的时候我才感受到电梯的核心技术是什么为什么高楼大厦只能用他们的你知道吗就是一个电梯的轿厢它是需要有缆绳往上拉的是不是那个缆绳本身就很重如果一个楼到了都不用多30层的时候那个缆绳已经比轿厢重很多了也就意味著是那個纜繩在自己拉自己而不是拉那個轎廂所以你會發現很多樓高到一定程度的時候它一定要分電梯因為它不能再高了再高它自己都拉不動自己了所以這就是我給你舉個例子就是scalingout是一個特別瞎扯的一個事就是它大到一定規模它的基礎代謝就受不了了就是在這個生命科學領域我覺得其實我覺得你去做訓練首先就应该看生命科学的书我自己没有学生命科学但是我特别喜欢达尔文《物种起源》是我看了很多遍的书我真的是特别喜欢我觉得我们去做训练做学习是要去多看生命科学领域的一些东西而且最后的神经网络其实跟神经学也是很相似的其实有一些东西其实我们人类的智慧演化的过程跟AI的智慧演化的过程它很多程度上很像很像那如果是做企业级的锤之类的agent你觉得它交互方式是什么样的交互方式我觉得首先呢文字的交互和这个GUI的交互都需要文字的交互它的一個特點就很像你跟你自己的助理的交互就是我跟我的秘書說我要幹嘛但是它也有一個它好處就是說比較靈活甚至我可以在移動的狀態下都可以實現我不用在電腦上但是它壞處就是說我們在企業裡面包括在2C裡面我們無論如何AI今天完成任務它都是有一定的風險實現不了最後的這個準確的結果的我们其实在做datamining相关的任务上已经肯定是全球做最好的agent了但是如果在数据源正确的情况下我们可能还是仍然会有一个1%左右的一个换取率其他那些2C的像Manasi像JSpark之类的可能甚至都20%3甚至更高的换取率就是有数据的情况下他们可能大概百分之十几然后就没有数据的情况下那就是disaster了就是纯下变了是50%之类的所以即便我们优化的这么好它也有个1%对吧它有个1%就意味着说最好是我们的执行任务的过程中是比较透明的人类是可以看到中间过程以及可干预的但一旦如果你要去精准的干预一个执行过程的时候这个时候全用文字的这个界面就非常不方便了你可能是要打开文件的细节去看文件的内容你也可能打开图片的细节去看图片的内容或者说我打开一个图片要精准的划出图片上的某一个区间比如说我做广告的Creative我现在有一张照片或者有个视频我就要把中间的这个领带给它换掉但是中间的领带你怎么描述呢你可能有三個人在這個圖片上是吧然後就是你有的時候用語言描述不清楚了這就是為什麼今天我們大量的這個軟件其實是就不是就是它的人際交互其實要去思考的是說人給機器的這個input就這個IO人給機器的這個I它能不能精確的描述人類的意圖能不能精確描述人類的意圖就有很多的人類的意圖是用文字是描述不清晰的尤其是在这种画布上面的一些传统的一些软件其实这些都是人类的简单的用语言很难精确的描述所以这种情况下我认为这两种GUI和text或者说我们叫CUI这两种肯定是并存的而且在办公场合下就像我前面也提到了我就没有那么喜欢在手机上我就觉得带宽太少了就是严重影响我的生产效率你就看从单人的ROI角度比较高的行业比如說金融行業因為我本來學數學我們很多同學都在華爾街和那個香港做這個交易員你去到他們辦公室一定是一堆屏幕的因為他要大量的信息的input這時候他在做一個比較是吧好的一個決策所以如果你就給我這麼小一個屏幕我覺得就是把我的智商給浪費了是吧你給我這麼點input我需要更多的input是吧這個所以我覺得就是企业级的人际交互它肯定不可能是只有text的只有conversational的一定是两种都有的而且一定是要把IO做到足够大所以我们现在的版本还没做到这点我们下一代的版本一定是我是希望能够做给很多个屏幕的user让它产生更大的价值它跟AI之间的交互的带宽是很高的然后把它的智商也调动起来把AI的智商也调动起来大家一起形成一个比较好的协作关系現在這個產品是剛上線對吧? 是目標客戶是哪些人? 現在還是主要是B端的用戶然後我們現在主要服務的是一些廣告零售相關的企業然後他們其實是我舉一個場景其實就是跨境電商比如說跨境電商中國的消費品現在全球出海是一個增量很大的一個市場那這個市場的這些消費品公司他們其實是要操作很多軟件的比如说它到任何一个市场都要操纵当地的广告投放平台当地的零售的平台还有很多自己的物流、供应链、客服那想這麼多的軟件去做這個操作其實他之前要hire很多的所謂的操盤手那今天其實大部分的公司可能也就是hire了我估計就是好一點的公司就是大概收入規模十億到幾十個億的這樣的規模的企業大概可能會僱用一百到兩百人做操盤手做大量的機器的經營的操作其實他也都是在電腦上操作的那他們一两百人也只能操作几个主流平台比如说TikTokAmazon谷歌在这些平台上操作其实是它能产生的GMV是有限的其实它如果真的想成为一个全球化的公司它应该可能比如说丹麦的一个电商它也应该去过去卖是不是然后德国的羊麦甚至北海道我有一次去北海道滑雪然后你在那你就发现那个地方买东西特别不方便那實際上那個地方的零售廠商他完全也可以去變成一個e-commerce或者說他被數字化然後去跟中國那些廠商去合作是吧我覺得未來世界肯定是大部分的零售都肯定是雖然它就算是offline的它也應該是數字化供給側和需求側中間是可以自動交互的是吧所以這些其實都是我看到的一個很好的機會就是這個AI它既有各地的文化的理解的可能的能力又有多語言的溝通能力同時數字計算的能力又很強那我如果有一個多智能體幫客戶把全盤全管了那你想就是客戶他就負責做生產就行了然後生產完以後這個貨我幫他賣就行了所以這個其實是我能看到的一個賽道現在比如說企業是哪個角色的人來跟這個產品交互現在短期燒他們因為我們主要是用在了是這個數據分析的場景數據分析場景其實它有不同的這個細分的這個分析的視角了大公司之間一般就會有個部門就專門做數據分析像寶潔就叫CMK叫ConsumerMarketKnowledge就是專門做市場調研的部門那小一点的公司可能就没有这种专业感他可能就是每个部门里面都有人需要做数据分析比如说产品团队他要去研究消费者的需求他design下一代的产品是什么然后供应链他要去研究市场有哪些供应商是吧然后这也是一个数据分析是吧那这个marketing团队他可能要去研究说我到底在哪个平台投广告怎么投我怎么买关键词我怎么去製作Creative然後這個轉號率是怎麼算的然後還有可能會有他的SocialMarketing題目他可能要去研究說我到底哪些QL是我應該是Sponsor是吧然後我給這個QL應該給他什麼樣的Brief我怎麼去跟他一塊去Create那個內容然後就一個企業裡面的方方面面的工作其實都是Data追問的作為一個優秀的企業所以其實我的第一階段的產品是給這些部門給他最好的Data去做這個data追蹤給他最好的data對就幫他integrate各種各樣的data是吧所以他跟C端的產品就很不一樣就是我們不是toC的但是就是我們一些關係好的一些朋友大家可以拿到我們一個公司自己內部的一個內測的賬號了然後但是其實我們的買家肯定都是B端的user他其實我剛才提到的這些部門他們其實都可以用我們這個產品然後他其實是可以連他的internaldatabase也可以連external的然後因為我們的這個特長就是連接數據的能力強你需要從它本身公司來收集數據的可以的當然這個前提是它相信我的情況下所以我們後面會有這個私有化的版本就是SaaS的版本它不敢連的因為那個數據就是對它來講非常的highlyconfidential保密性要求很高你覺得AI會改變2B的現在這些格局嗎我剛前面提到的一種可能就是它的鏈接能力會更強了是吧其實现在其实我们如果去看AI在企业里面或者说AI对整个人类的智力活动的几种分类一个其实就是它的这种创造力creativity是吧一类是它的推理能力是吧就是做逻辑啊做数学啊这些甚至写代码其实还一类是这个交互其实在我看来就是在企业级服务里面签两种能力其实原来就有当然creativity可能是以前的传统的软件没有的但是推理能力原来传统软件一直都有它本来就是写了一堆代码在那执行任务而且那种任务的可靠性更高是吧企业级那边不能允许我天天算的数有幻觉的但是其實交互這塊其實是我覺得大部分的今天的傳統的這些企業的軟件公司可能沒有特別在意AI其實是可以帶來一個很大的變革的就是它把人和機器的交互或者人跟軟件的交互甚至軟件和軟件之間的交互產生了一個新的一個新的一个状态了或者一种新的范式了其实就是我说的这个Agent这种技术其实是或者Tuyos这种技术它实际上是一种新的链接的能力它会让我们以前讲的这个产业互联网或者企业互联网真正的形成了之前这些软件之间互相链接的能力都太差了而这个一旦连起来会发生一个天翻地覆的变化对AA好像没有创造新的人与人的连接但是创造了新的Agent和Agent的连接Agent和服务的连接對然後我覺得某種程度上以後人和人的鏈結可能會被在工作場合下會被AI變少當然就是我一直有一個理想就是說將來咱們能不能幹四修三或者幹三修四就是大家在那個生活中玩的時候大家還是人與人一起是吧大家一起享受大自然但是工作場合下你看一下製造業製造業其實就是在這個電氣革命和這個蒸汽機出來之前其實大家都是手工作坊那個時候其實肯定是每個人有自己的工具幹自己的活然後等到電氣革命之後大家就會出現了工廠、流水線這個時候就變成所有人都在圍著那個機器了其實大家更多是在跟機器打交道而不是跟人打交道但是我們的智力行業智力活動的行業比如說審計師、律師然后包括甚至软件公司还有比如说审计师财务的审计师就是这些行业咨询行业其实之前是没有这样一个流水线的就是没有一个公司的固定资产能够把这个工作比较高质量的复制所以就意味着说基本上大部分的劳动还都是每个人自己干的那所以人和人之间有很多的沟通协作然后每个人干自己的活然后就是他也没有一个标准的一个好的一个这个效率的产出然后而且这种情况下他也就不会出现大公司在这个行业你看基本上广告公司大的也就是几千人很难出现更大的而且大到一定程度一定是合伙制的一定是合伙制的为什么因为人很难管就是只要人變多了人和人之間的溝通協作一定會出現大量的複雜性的問題就每個人都有自己的想法然後這個大到一定程度以後這個大老闆也管不了了而且你從這個工作的性質來講就是對我們這裡面還有大量的planning你看就是我們今天如果從智能體角度上智能體在做AI在做planning其實planning需要什麼需要context所以你有大量的上下文你才能處理這個context其實這個組織復雜當到一定程度上你的這個globalplanning根本是做不了的就是點上的人不了解細節的他不知道這個事兒應該讓哪個人去幹這個用哪個tools是吧所以他已經腦子受不了了所以這個時候其實就變成了還是底下你們每個人自己去幹吧是吧所以其實這個公司的組織架構其實跟這個AI非常非常相似就是今天我們講這個contextengineering也是這個道理就是你的這個模型的上下文窗口再長它也不可能把一個任務的所有的context全處理完或者說再換句話說如果我們有十個公司大家是一個行業的每個行業都用同樣的技術模型它的商業門槽口是一樣的那大家最後都是會在同一個水平上一樣了這個時候其實他們的競爭一定要比這個再高一層高的那層一定是技術模型hold不了的那部分嘛是吧所以那部分你還是需要去做任務分解啊就不是一個模型把所有的任務全都處理完而是要去做一個組織架構一個分解有的事交給這個模型有的事交給那個模型然後當然可能你的這個global的這個planner可能是上上下下要稍微長一點那自己的企業會想我自己做啊你說就是這個multi-agent企業級的multi-agent你說誰自己做就是企業主自己做在我的企業裡做這個技術至少今天對於大部分的公司還是沒有能力做的其實今天大部分的企業主比如說企業主了可能大部分公司的CTO對agent的理解都還是非常初級的狀態我覺得現在市場上是一個人人都在喊在做agent但是沒有幾個人真正知道agent能幹什麼不能幹什麼的一個狀態就是如果你去看軟件行業去看一個什麼SaaS的大會啊什麼的你就去看吧哪一個公司不在做agent的呢是吧但是真正又有幾個公司知道agent能幹什麼不能幹什麼它的評級在什麼地方或者說它真正的價值是什麼我覺得這個或者說可能我的理解也不一定是對的但是現在還是能幹什麼不能幹什麼就現在可能就還是一個百家爭鳴的狀態就是真正意義上的你像這個AstralPeak它其實原來有一篇文章叫BuildingEffectiveAgents是吧我記得這篇文章就是創造一個真正有用的有效率的一個Agent它就講了說其實現在它看到的市場很多的Agent都是Workflow是吧然後真正的這個Planning它還是人做的就是你找一個什麼DeFi這樣的工具去搭一個Workflow但是真正的這個Agent它認為就一定是AI做了Planning那AI做了Planning,其实Manus某种程度上是AI在帮你做Planning是吧就是你给他提一个Prompt然后AI帮你做Planning然后再去调用这些Tools他管这种其实才是这个叫AgenticSystem吧就是这个真正意义上他认为是Agent的东西但是你如果到整个市场上看到的大部分人員公司號稱的Agent可能一大半都是Workflow那為什麼是這樣呢是因為Workflow它的確定性比較強就是你給他一個任務他就真的按照這個流程走因為是人已經Predefine了一個工作流程那AgenticSystem就是這種探索類的這種Agent它其實是確定性很差就是你給它同一個任務每次可能它的答法都不一樣它發散性很強所以這個時候其實這時候我們就要去做Balance我們什麼情況下需要的是發散性的工作什麼時候需要的是確定性的工作这个在企业里面有很多的不同类型的工作的一个人也是一样的我相信一个人你如果把自己的假设是五天工作日每天工作八个小时用四十个小时这四个小时你可以自己去check一下哪些是探索类的人物哪些是特别routine的就是应该变成一个workflow的一个工作那其实我们这个就是探索类的工作的首先要做的探索类工作是什么就是我如何把我的routine的工作变成一个自动化的工作這個事本身就是一個探索的工作其實它就是一個programming的過程就是我寫代碼寫代碼那個program其實也是workflow我一旦把這個program固定下來了其實它就是一個workflow但是我在寫program這個過程實際上是一個探索的過程也就是說webcoding其實寫代碼其實我在寫代碼的過程是一個探索的過程我是可以接受這個代碼本身是可以非常發散的亂搞的但是我經過了反復的測試反復的驗證然後最後確認這個代碼是沒問題的我fix下來它這個編譯了執行了那它就是一個其实你可以认为它是个workflow是吧它是个workflow所以其实这个工程师每天本来干的就是这种工作他是在两个事情之间在平衡在平衡其实未来这个每一个企业也都是这样所以大部分的人他就应该是把日常的一些routine他特别烦特别boring的工作就逐渐的用这种类似于webcoding的逻辑去慢慢的给它固化下来就扔出去而且固化下来的那个东西你以后你都可以叫它什么叫它Tools然後你下次再去做explore的時候你再可以把它做你的tools再去做plan是吧所以這是一個持續迭代的一個很有意思的過程了所以現在我覺得大部分的企業它如果真的要去用好AI或者用好agent它首先應該要去思考的是我到底有哪些事是持續要迭代的哪些事是要固化下來的然後我的競爭格局是什麽哪些事是要這個事實迭代的上面還要再迭代就是類似於進入到那個L4的這個AGI的那個狀態了是吧就是AI自己優化自己的狀態了所以我跟我們的AI團隊講因為我們現在還都是一個96的狀態我跟他們團隊說我說我們自己也做大量的自己迭代自己的事我們自己外面有自己的benchmark自動測評、自動benchmark、自動出題我說我們的目標就是最後讓AI自己捲自己我們稍微可以休息休息否則大家確實挺苦的終極的狀態應該就是AI自己捲自己一開始肯定還是人在這捲你覺得企業級的AI它的roadmap應該是什麼樣的我覺得這個是一個挺好玩的話題就是首先對於大部分的公司還是把現有的這個工作上面增加一些AI的能力增加一些AI的能力所以這個是我看到的在過去兩三年裡面幾乎所有的企業都在幹的事有些大公司幹的會慢一點就是他們就是謹慎一些小公司可能幹的挺好的了举个例子比如说我们公司的一大工种大概可能有30个人是做数据分析师是吧他就是分析各种各样各行各业的数据之前是人做分析那今天我们能不能让他分析的时候变得更快效率更高那这个其实就是第一步你肯定要干的事是吧你干完了以后你的效率就提高了毛利率提高了所以这个其实是他更多的是把现有的事干的效率更高但是他能不能干得比现有的人更好这才是真正的AI它的意义所以以前我们很多人都觉得说好像AI在各行各业都做不到那个最高手的那个状态那实际上这个我在好多的场合下我就说了这个肯定是错的我說為什麼最簡單你就看下象棋下圍棋象棋就不用說了圍棋更難圍棋都已經把全世界人類最牛的人都下過了AI一定是可以在各行各業幹得比人還牛的但是圍棋和商場上的企業裡面的工作最大的區別就是圍棋的context是全的就是棋盤是透明的你能看到所有信息所以AI在這裡面非常容易去做強化是吧你那個reward那個函數非常容易寫啊但是在真實的這個實戰的這個環境裡面就是你去做這個強化你去做這個各種各樣的這個博弈成本都很高是吧我投一支廣告投出去這要花錢的不是那麼簡單的然後我自己去做一個這個一個策略的一個獎勵的一個策略如果它只是一個策略的話實際上它跟知識的環境是差很大的差很大的就是前段時間其實我們有一篇paper就被扣分了然後因為裡面寫的是JRPO然後JRPO也很流行嘛所以現在researcher大家經常寫paper裡面都會引用JRPO然後那個reviewer就給了一個非常中肯的評價他說我認為你的這個場景不可能用這個一個標準的report可以來去做的是吧你肯定是要去建一個在線的環境的來去從真實的環境裡面去做反饋的所以就是企業裡面的員工他首先應該用AI來去提高自己的效率但是我覺得最重要最重要的一個真正意義上的一個企業的AI轉型是我們要去探討如何結合AI的能力把這裡面最牛的人提高好多倍的能力而且在這個能力上還scalable那這個企業就徹底脫胎換骨了那当然我前面其实还讲了一个生产关系的逻辑就是如果假设一个企业它有一个agent这个agent能连接不是这个企业内部的生产资料和工具甚至可以连接企业外部的工具这个时候它就可以重塑上下游了我给你举个例子吧前段時間我跟那個支聯招聘的CEO聊然後那天我給他看了DeepMiner和我們現在的BOA和COA的能力當時他那天也非常震驚你看就是在沒有BOA和COA就是我們現在做這個Mino的能力之前其实大部分的科技公司肯定也在做agent他作为一个互联网公司他肯定做的是吧他们公司IT能力也不差但是他之前做的agent一定是在他的这个database里面去做的各种各样的工作举个例子比如说我是一个想找工作的人那我在智联招聘的agent上我就可以去search更好地去search我想要的工作机会那我如果是一个招聘的人我就可以更好地去search简历但是都是within这个database好但是有了很强的BOA和COA的能力能做什么呢其实你是可以ontop所有的招聘网站上面再做一个agent那这个agent其实是你给他下一个任务说我想找工作我想找一个多莫泰大模型算法工程师的这样的一个工作那你帮我去找一下这时候他就可以先去支联招聘再去boss支联招聘再去物标招聘他可以所有的全走一遍这个时候其实这个agent就会比原来的这个agent厉害很多很多而且他的这个角色已经不一样了他是真正的一个最后的user最信任的AIagent那入口就变了對入口就變了所以它就產生了新的生產關係了因為你有了這個能力你可以access其他的這些apps或者說這些其他的apps自己做的agent那有沒有可能我是通過比如說豆包或者元寶當然有可能去作為入口所以我就說了其實市場上大家都忽略了這個BOA和這個CUA包括這個移動互聯網上的MUAMUA還有很多人在捲啊就是很多手機廠商在捲是吧就是在手機上去比如你讓Siri幹個什麼事它在不同的App裡面走來走去是吧那其實這個是一個新的生產關係將來是入口就變了就你說的入口就變了那企業還AI化幹啥呢沒有啥事了已經還是這樣如果你只是提供生產關係的這些公司尤其是這些所謂的平臺公司都要好好的思考自己的戰略的就是你其實是不能只考慮生產關係你一定要在供給側層面上有些事是自己做得很厲害很厲害舉個例子比如說我如果是滴滴那我之前確實是一個不提供供給側能力我只是提供一個Hub一個鏈接能力的一家公司但是我確實有一個風險是滴滴被前面的蘋果或者小米給繞過去的對那這個時候如果你在無人駕駛方面做的特別牛就相當於是你在供給側上有一個自己獨有的能力這個時候其實它也繞不開你是吧但是如果你啥都沒有你原來只是一個鏈接的一個網絡而且這個網絡最後不是根結點這個是很危險的上一波互聯網不都是這個故事嗎很危險很危險所以AI會改變之前的平臺對就是Agent其實都不是說AI這個技術就是Agent它是一種交互技術Agent是一種交互技術Toyos是個交互Planning其實是Plan到底怎麼交互是吧所以就是Agent這裡面它是從產業格局上對不管是2C的互聯網還是2B的互聯網都會產生革命性的變化所以這個是我看到的大部分的這個其實是上一代的公司都還沒有搞清楚的事那以後比如說我打開手機我會看到的是很多的agent很有可能呀那還會是這麼多的agent嗎會像app一樣多的agent會有很多的agent因為這裡面社會要有分工不相信只有一個入口入口可以只有一個但是agent不應該只有一個入口不就是agent嗎如果是打開手機的這個場景現在是這樣minus你看它是一個singleagent我們發佈的這個deepminer是一個multipleagent或者我們現在管的這個模型叫MOA叫MixtureofAgentMOE是MixtureofAdWords是吧那個是混合專家模型其實我們還可以做一個混合的多智能體多智能體現在也是很多大學正在研究的一個重點的課題就為什麼要做多智能體呢其實我記得兩年前我就看到很多的就是矽谷的人在講一個概念好像是叫這個agentswall是吧就是這個智能體的這個風群就是其實它就是多智能體的一種形式就是變成自組織的agentagent和agent多智能體他們的planning也可以是有這種指揮家的模式supervisor的模式就是各種不同的模式也可以是自組織的是吧我記得當時我在網上去瀏覽很多網頁的時候有的人就在debate有人就說他就覺得智能體的風群完全是浪費社會資源就是為什麼不把一個事都在一個地方plan而且要分幾波分幾個agent自己分別去plan分別去做他說除了我印象特別深刻他英文寫的說除了給這個什麼社會增加碳足跡以外他不覺得有任何價值但是你看今天為什麼我們做DeepMiner跟Manus就很大區別Manus是一個singleagent我們現在是一上來起手就做了一個multipleagent首先的原因是因為我們公司人很多現在有180人當然被很多人鄙視說你們不是一個AI公司我其實也很糾結我們其實可以有更少的人但是我自己跟團隊講我說咱們所有的人就重新換崗他就是一個AI公司比如說我的數據分析師就不要做數據分析師了你變成產品經理了就是你这个数据分析这个活肯定不是你去干了但他可以作为一个数据产品的产品经理就他以前是给一个客户tailormade做一个数据分析的任务今天他变成了在我的deepminer上去build一个新的database的一个产品是吧这个产品是他通过各种各样的web的类似于写代码的逻辑因为他自然语言就可以写是吧他写完了以后就变成一个产品这产品可以出去卖了是吧所以大家都换岗了这个时候其实你就是一个新一代的公司了好回过头来说这个為什麼我們人多就要這個MultipleAgent是因為你會發現我作為公司的老大我是沒有這個智商可以把所有事全都Plan好了就像是我去寫的那個GlobalPlanner其實我對所有的Context的細節了解是不夠的所以我一定要分工我們這一定是要分若干個團隊每個團隊是Plan自己的事他建立自己的Benchmark他去做自己的段道段的優化然後他優化以後加入到我的team裡面所以這個是我思考的第一個邏輯就是我要分工才行因為我是一個這麼多人的一個公司所以大家要分別做自己的agent然後大家再合起來去teamwork但是teamwork組織的時候其實我們組織的這個planning其實我又可以選不同的邏輯是吧你既有可能是民主的這個組織形式你也可以是集權的組織模式這個其實就跟人類的這個組織是非常非常像的那另外一個角度我要去思考的另外一件事是什麼就是說未来的这个社会分工会是怎么样子的就是你像现在很多的人啊特别牛的人现在就逐渐成为超级个体是吧超级个体我之前看过一个危言耸听的篇文章但我觉得那篇文章可能不一定是错的危言耸听的他就说将来一个企业里面只有两类人一个叫老板或者企业主一个叫合伙人而且他特意注明了合伙人不是这个公司员工不是这个公司的员工是他parttime过来作为这个公司的某个function的专家给这个老板提供知识建议的其实有点像以前的乙方公司比如说我是一个澳美广告公司然后呢那我有一个做广告creative的一个agent然後我有這個agent我也是你的合夥人我可以加入你是吧我來幫你做但是我不被你on是吧我的能力也可以給這個不一定你的競爭對手啊大家就看這個商業協議怎麼談了但是至少不是你的競爭對手的人我可以給他做廣告服務是不是所以相當於是他就講了說未來可能很多企業都是人很少是吧有一個企業主這個企業主其實是要用這個企業自己的memory是吧用企業自己的benchmark然後他來去做自己的整個的優化那他take這個最後的responsibility那他hire了很多的partner這partner其實都是可能我覺得中期狀態那篇文章其實他沒有去講AI的事但是那篇文章我自己給他的註解就是將來一些partners其實也不是肉身加入的其實是agent加入的就應該是agent加入的他的分身的agent對我的分身的agent去加入了一個企業其實就是被你租用了嘛是吧那為什麼要叫合夥人呢就是就沒有中年來我的這些小朋友的火量相當於是說其實大家可能就是他不是簡單的這個關你什麼對不是簡單的關你什麼這些東西他最核心最核心為什麼叫合夥人呢我覺得合夥人他的一個最大的特點就是因為合夥制企業就知道合夥人最大特點是他要按照最後最後企業的經營效率分錢的不是簡單的拿死工資的是吧這是合夥人的意思合夥人但凡一個人叫合夥人他意味著說他不一定是股東吧股東也不一定等於合夥人就是他一定是要take這個公司的這個就是最後performance作為他的這個responsibility的是吧要分紅對分紅是吧比如說我是你的廣告合夥人那你公司賣得好那我就賺更多錢賣不好你給我個電費就行了是吧所以我覺得學校也是這樣我那天跟一個大學老師講了我說就應該是每個學生上一門課上完了以後最後期末考試的時候考他的agent不是考他自己每個小孩會去訓自己的agent我觉得肯定是这个样子的就是你去考那学生有什么意义呢就是特别suffer就是小朋友在学校里面学习那他学的那些东西都是AI都已经知道的那你还去教他有什么意义呢真正我们在职场里面大家用的是什么是用AI的能力啊这个才是职场里面真正需要的你为什么比如说这学期我讲生命科学然后大家都是学生讲完以后我说结束的时候说好你们回去每人给我选个agent然后过来考试看谁考得好這才是真正面向未來職場真正應該考的邏輯因為大家上班PK的不是PK我了PK是我家我的AI是不是但是像比如說你喜歡推數學公式如果你沒有推過這麼多的數學公式你能訓出很好的agent嗎這就是看你怎麼用AI就是你今天去看這些數學家現在最高產的這個陶澈軒是吧他其實就是最高產的為什麼就是他用AI用的最好的數學家我有非常多的我的同學像他首先成為了數學家對是的是的對那他成為數學家其實是他本來上課學的嘛老師去教他成為數學家但是最後我考你的不是你自己了但是如果一個小孩他沒有成為數學家他直接教AI去成為一個數學家那他就是我今天學好了我的這堂課的內容我至少有能力要把我這堂課的內容交給AI讓AI去參加考試這樣的話它既justify了我自己學習的這個能力同時還justify了我把我的能力跟AI連起來的這個能力我覺得這兩個連起來極其的重要如果只是去考我的話就是這個能力沒用啊就以後就是越來越沒用了而且現在企業的這個用人也是一個很大的問題就是確實是中年的小孩的工作機會就會越來越少就是senior的這個人才有真正的工作崗位就是他會用AI最核心的是他會做管理因為你就是要管好AI知道給他什麼樣的要求怎麼樣去這個evaluate他的這個工作的這種成果所以在企業裡面我刚才讲了如果是最后就变成企业主和合伙人那合伙人他都是parttime他就是可以给其他人提供服务那也就是说每个企业是一个multipleagent是吧那每一个人可以用自己的agent甚至我能力比较强我可以用两三个agent然后就可以交给不同人干活所以他最后一定是这样所以也就意味着说我们的deepminer最后一定不是这个裡面的agent都是我自己做的肯定是需要有我的上下游合作夥伴而且這些agent你看我覺得小宏一直有一個觀點我覺得特別好就是說你還是在把一個東西賣貴是吧當然他賣貴的方法是首先他成本先搞高他說我要消耗很多token是吧但消耗很多token不一定能賣貴那就是有可能最後你還是賣了一個很cheap的一個task這個時候其實是curve會來的他為什麼要賣貴他就覺得他的一個觀點就是這個其實在Monica年代我就跟他聊過這個話題你看那個Monica當時就是是誕生於GPT3.5到4.0之間的那個狀態其實那個時間4.0還挺貴的最早都是免費給一些用戶去用4.0的能力後來變成了一天用一次兩次是吧就跟現在Manus每天給大家用一次任務免費free給大家用一次任務一樣他其實的一個觀點是什麼就是說這個每一個最新的AI的能力出來的時候其實會讓大家眼前一亮我把這個能力introduce給到我的客戶這些客戶對我會很喜歡他就會願意用我然后其实对我来讲就是一次获客或者留客的一个很好的一个效果RY是很高的等到这个能力很cheap的时候其实就是所有的agent都有这个能力了这个时候这个客户也就没有对我这样的一个一见钟情的感觉了是吧所以这个其实他在这边享受了一个红利而另外一个一端呢他认为这个所有的这些tokens一定会变得越来越便宜所以今天很贵我的ROI可能算不明白但是如果按照所谓的摩尔定律来去算的话它最后一定是能算明白的是吧所以它是按照打一个时间差的角度来去看说我要把那个最贵的tokens然后introduce给到我那些我想吸引的客户是吧所以这是它的一个商业逻辑但这里面的核心就是站在B2B的视角上来讲尤其站在中国的视角就是你还是要去想你到底给客户创造的价值是什么那个价值大你就可以收很多的钱价值小的话你是收不着钱的那价值大的话有的时候不一定是token越多这个就是创造的价值越大所以你还是要把那个重要的context和重要的模型的能力放到真正的那个场景它才能产生最后的那个价值那我刚才我们聊到入口会改变一个手机上有很多的agent它可能都不是以前app转换过来的对吧就是它又是一个大的时代我刚才说了一个app可能不是一个agent我举个例子比如说豆包其实不是一个agent豆包里面其实它有很多个character你可以跟不同的人去聊每个人其实是一个agent其實豆包現在算是一個但是他現在這些人和人之間不能寫作是不是他寫作了才是一個真正的multipleagent他現在只是一個agent的好一二三是吧他是個agent的好一二三他沒有寫作但我相信最後一定會寫作的那什麼是一個寫作的agent呢我舉個例子比如說我前兩天跟一個做心理諮詢的一個AI團隊交流然后是我的一个前同事创办的那我跟他们就在聊多智能体他们其实是有很好的资源在做心理咨询的agent比如说对于中国的儿童来讲有大量的人可能小朋友学习困难甚至抑郁是吧好了那我就那天跟他讲了一个问题我说你这个产品最大的问题是霍克我说其实真正的有心理疾病的人有很多但是没有人愿意承认也没有人愿意主动去这个心理咨询的这些机构去支持这个行业最大的问题我说倒过头来想我说你也可以去作为一个agent你这么来design自己的产品你可以你把你的这个心理咨询我小朋友的这个心理咨询的agent做的特别特别特别的好做完了以后你干嘛呢你去找那些比如说英语教育的app合作因为现在就有很多这种app练口语练英语的也可以去找豆包去合作好了那或者找其他的这些什么talkie都可以去好那这个时候其实他有个什么样的有意思的点呢就是如果一个小朋友他想学英语这个他不会觉得说我很难这个就是不好意思是吧他他就去他他的妈妈或者他的妈妈就会去说哎你你去学英语但学英语的过程说首先他是有一个英语老师的agent在跟你聊天是吧聊的过程中其实潜移默化的可以把这个心理相关的一些问题就解决了就相当于是说我是一个团队在服务你不是一个只是一个teacher不是一个Englishteacher他其实后面有心理咨询师就像我前段时间就跟王浩不也聊这个话题吗就是那你想这有一个国家运动员是吧一个一个一个国手那他其实是个团队在服务他的我有营养师有他的体能教练有他的真正的这个大比赛的这个指导是吧有他的这个也有心理教练你想这几个人就变成了一个multipleagent作为一个team在一个场合下去服务这个运动员那同样道理那这个心理教练他很牛他其实可以加入这个团队他也可以加入其他的团队是吧所以这个社会是这样组织的然后每个人可能就是专家了这个人他就是合伙人了嘛所以我觉得将来企业级的服务肯定是MOA的结构因为从社会分工角度来讲他就不应该是一个公司把所有事都干完那其他人都被国家养着也不一定是你一家公司提供一個服務可能是跟其他公司一起做的肯定是合作的肯定是協作的而且就我剛才說的賣貴的這個邏輯賣貴的邏輯是說那個agent他是有IP的就是有IP就是很貴的覺得今天今天假設我做一個產品的這個定價的agent那市場上可能會有些特別牛的做產品定價的大師是吧那他的agent就可以很貴是吧普通的一個nobodynobody可能他的agent就很cheap是吧那所以这个时候其实这些超级个体他就有自己的IP他的IP加入到任何一个题目里面他就可以产生更高的价值而不是简单的只是那个token的那个钱因为为什么这贵呢是因为这些大的专家他脑子里面有很多的context是AI是没有的是吧他如果封在他的自己的这个agent里面其实他出去应该是值钱的应该是值钱的你會把你的agent的IP換嗎我自己的現在做的這些最後肯定會了肯定會了因為廣告行業更是這樣子你看廣告行業其實它有很多的廣告公司啊這個當然最近比較有爭議的什麼華語化說你去了機場你看這個什麼不招標不筆稿什麼的兩大腦袋對它就是一個IP這個IP很重要這個IP為什麼重要你知道嗎就是因為我以前講data的價值我其實在好多年前有一次演講當時那次演講那篇文章也是傳了應該是十萬家的就是很長的一個演講我當時就講了data的一個價值其實是不是證明一個東西因為從哲學層面上數據是證明不了東西的数据再好都证明不了东西因为过去没办法预测未来这从哲学上是可以推导出来的过去没法预测未来就是历史发生了什么不代表未来一定会发生是吧那个只能说我找了一个规律这个规律其实未来也就我们百年未有之大变局是吧你哪能预测这些东西呢是吧没有什么所谓的规律一定是天天要repeat是吧所有的所谓的那个总结都是其实认为以前发生以后就会发生嘛是吧好那数据既然没办法证明一个什么东西那他为什么很多人天天看他第一个就是他能正伪一些东西就是我看到一个我有一个假设我有个假设然后我数据往那一跑发现哎不对这个是OK的数据是可以正伪一个东西的第二个数据还有个很大很大的价值当他不正伪的时候呢其实从逻辑上从哲学上他不能证明是吧他还有个价值什么呢就是给人以信心就是说我看着他好像没正位我就认为他是对的然后数据说明他是对的很多人就这么自我洗脑他就去去这么工作了所以所以其实我们的专家的价值是什么呢是去让decisionmaker有决心去干这个事就是同样OpenAI告诉我说我的这个产品应该这么定价然后什么DeepSeek也告诉我然后这边Kimi也告诉我然后最后是一个顶级的Pricing的专家过来告诉我最后我只能信Pricing的专家就他给了我一个很强的信任感是吧就是其他的这些Agent没给我这个信任感所以将来就是现在大家讲A2A的这个协议Agent的这个协议其实未来Agent肯定应该要加身份证的应该要加的他跟人一样他加身份证的意义是什么其实就是如果加了身份证持续的在上面产生了这个这个results很多很多的这个就是他给你的recommendation他给你的建议如果持续有记录的话那agent如果建立了一些credit这样的一些system这个时候他可能慢慢的才有机会跟人一样跟人类的专家一样他有这个credit了是吧他有reputation然后你可以去采购他的服务的时候给他溢价所以我覺得現在企業做決策的時候很多情況下為什麼我去找什麼麥肯錫BCG過來做個決策然後這個比如廣告行業找秒針過去做個第三方的說明他自己的團隊沒有這個credit他找了一個外部的人第三方的人說秒針了啊這個廣告投得很好所以這個就是那個IP的價值其實同樣這個數是吧我們可能蓋了一個章我們就值很大的錢你覺得管理人和管理agent有什麼不一樣很大的區別我覺得人呢他是有自己的自我意識就是人的這個目標和這個組織的目標有巨大的區別人的目標和組織的目標有巨大的區別對就是我們這個組織舉例子我們組織一千八百人每個人都有自己的個人目標他的這個人目標組織目標應該是老闆的目標也不一定組織的目標不等於老闆的目標就是它有很大的overlap因為一個人的目標比如說我的個人的人生使命是把數學之美傳遞給身邊的人它不等於我們公司是不是我們公司的這個業務其實我們要做可信的智能體我們要做trustedagenticmodel那最後我的目標是希望在我的trustedagenticmodel裡面其實我想建立一個人機互信的這樣的一個模型背後的數學公式這是我希望我的這個人生能做到的一件事情其实在GPT出来之前我的人生的目标是希望做一个比我还聪明的AI我后来把这个目标改了我后来发现人已经搞完了我已经不需要搞了所以我现在就不卷那个最聪明的AI了我要卷最可信的AI因为data的可信很重要是吧所以我换了一个目标但是你就会发现哪怕是老板他的个人目标跟公司目标也不等是吧只是老板的交集会比较大是吧就是你的人生使命尤其是一个比较幸福的老板他的人生使命跟公司使命一定是高度相关的甚至他的家庭使命跟他的人生使命都是高度相關的所以是一個比較像的我想他的條件是一個比較幸福的老闆因為很多的不幸福的老闆就是他就是以前的哈佛商學院不是有門課特別火嗎叫幸福的方法那門課非常有名然後那門課裡面就講了說就是我們的人的幸福狀態跟什麼相關的就是你的长期目标和短期目标之间的关系如果你把长期目标和短期目标分了一下的话有的人他是长期目标是很明确的短期目标不明确或者说短期目标是他不喜欢的那这种情况下就是我说的大部分老板的状态叫忍辱负重就是我今天这个目标只要怎么怎么样了我明天就怎么怎么样了很多人是定了这么一个目标有的人他只看今天的目标他不管明天他未来没有什么远大理想这个叫醉生梦死最惨的就是既没有短期目标也没有长期目标那人就不知道每天怎么活着了但是幸福的方法那本书里面当时讲的就是说长期短期目标你都很清晰而且中间有很大的相关度其实这个人是很幸福的这个就跟那个reward和value之间的关系很像了是吧回到这个管人和管组织啊比如说你看连老板的目标都不一定跟整个组织目标是一样的那别说每个员工了每个员工他想的才不是什么公司的目标呢他想的是说我明年要结婚是吧我今天要攒够钱我先买个房子是吧这才是他真正的目标然后他来到公司说他的第一目标是说我先要赚了这个钱我才能干这个事如果賺夠錢了說等我財務自由以後我一定怎麼怎麼著所以大部分的人的個人目標是這麼一個結構是吧少數的好的組織有些公司特別牛的就像以前他們講的像NASA像SpaceX他可能員工的目標個人目標跟這個公司目標關係更大一些是吧更大一些他也只能說更大一些了英文是馬斯克他也不是只有一個目標SpaceX他有好多目標的是不是所以管人的最難的一件事情就是說每个人都有自己的目标虽然大家能力都很强而且大家在一个环境里面还要竞争我要证明我比你牛因为我有很多人的目标就是说我要证明我牛那就更惨了所以管人太难了但管AI相对比较简单AI就是说它还相对是比较容易被你洗脑的就是說你很容易跟他align至少今天吧他這個所謂的自我意識還沒有完全形成以後可能會不一樣但是今天他還沒有完全形成的情況下我覺得就是你讓他幹啥他還是幹啥的所以我覺得就是從能力上來講甚至可能在很多維度上是比人強的是吧但是我覺得管人也有意思就是每個人自己有自己的生命力了就是說有可能你的這個組織目標本身就是錯的那一個好的公司如果他bottomup的能力很強真的有可能有一些個人目標最後變成了公司的真正的未來那這種情況是有的但是你管AI的公司那可能很難所以我覺得就是如果是讓我看管人和管AI來講其實我對訓練AI和訓這個我訓員工啊我不能這麼說我訓練小朋友因為我其實是在家裡面教育花了不少時間我有非常大的心得體會就是我我是對比了我家小朋友的從小到大的學習的過程我就發現跟這個預訓練pre-trainpost-train和政治上崗以後的這個訓練高度的相關但是這裡面最大的問題就是說人每個人都是有他自己的個人的目標的長期的目標而且這個目標他也會根據他自己的context去持續的去調但是AI不是AI的所有的context都是你給他的你對他的控制太容易了組織未來會怎麼變呢組織我就是我剛才講其實就是最後應該會逐漸演變成多智能體的這個結構所以所以我剛才說的其實它和人是交互的當然是人機協同的多智能體人機協同的多智能體人會減少嗎我希望是人不减少的我自己经常说了我说我要是全国人大代表我就愿意提议就最后我们要干四休三或者干三休四就人的工作时间减少对我觉得应该是人的工作时间减少大家多去玩然后多去消费让大家企业赚钱关键就是你干时间少了那不就给AI的科技的进步也留了空间了吗否则大家都在这卷AI也没啥机会是吧人来做一些决策是是人來其實人其實也不完全是過來做決策的我覺得人第一個是來這個takeresponsibility就是你要來負責這個事這個第二個就是你要來制定這個事情的benchmark或者說它的審美是什麼就是什麼是好什麼是對然後這個決策很多程度上就是這兩個東西定了最後還是繼續做決策可能人這也是挺suffering的事人可能將來你的這個處理能力不一定能處理完那個決策的所有依據出去他的吞吐量太大了對人很難做到他這種吞吐量你會擔心今天做這個事情早嗎我覺得現在還好因為我現在其實第一個就是我也沒這個做就是一個純通用的解決方案我們現在DeepMiner發布的這個產品是一個FoundationAgent再加上一些Specialized的這個AgenticModel為什麼叫它FoundationAgent不叫GeneralAgent其實就是Manus想做的是GeneralAgent我做的是FoundationAgent意味著說我不直接把這個FoundationAgent拿出去賣其實還是會進到不同的行業就是不同的行業它就可以連不同的Tools連不同的Subagent做这个行业自己的specific的planning和tools那这种情况下或者他的整个的编排协调那这个时候其实他的幻觉也好或者他的可靠性也好会大大的增强FoundationA團第一個是我們有一個多智能體的框架這個框架其實我沒數多少行代碼現在這個數多少行代碼真的沒有意義了都AI寫的然後現在工程師一天寫好多萬行代碼這個跟我們以前完全不一樣了我們那幾個模型都很小我們那幾個模型都是7B8B然後我們可能後面也就是再往上來也就是32B70B這個級別模型因為我們現在的坦白講也是算力有限是吧但是我为什么觉得这个很重要是因为你把模型控在一个比较小的尺寸里面就意味着它可以在一台电脑上部署或者说你在多台电脑上部署多个都行它就意味着说我可以不在云上跑这个跟minus也蛮大的区别就minus其实是在云上跑的嘛但是在企业的环境里面就像前面我们聊到的数据的这个话题很多的客戶還是不敢把他真正的confidentialdata放到雲上或是放在我own的雲上去跑的所以最好是他自己這個私有化的一個狀態所以這時候其實我們盡量的就是連planning這個touse也都在這個一台電腦上這個用一個小的模型來去做那其實之所以他這麼能做就是因為每一個領域其實有他自己的專業的知識這些專業知識就會使得這個領域的planning變簡單再加上人的能力也放進來的話它就可以讓這個領域的對應的那個MultipleAgent呈現出來一個比很大的模型巨頭的公司做出來的其實反而效果好很多同時你的性價比就很高的這樣一個狀態2BAgent會和2CAgent是不同的產品嗎我覺得最後就是這裡面核心還是這個2B的就是信息安全就memory這裡面其實它是一個很複雜的問題C端的產品它是這數據到底屬於誰啊是吧這就本身是個很大的問題是吧就今天其實比如WPS我處理很多公司的文檔那這個文檔它是產源屬於我還是屬於公司現在好像屬於公司吧不好說那很多人也都是放到自己的這個電腦上然後手機上也都可以拿走了然後更可怕的是你都還傳到自己的AI的相關的一些雲上是吧將來可能都會出現這個情況所以我覺得就是這個事是一個長期可能都需要討論的問題就是這個組織的裡面的這些共同的知識產權到底是屬於誰在那個MOA的那個架構下所以就相當於是這個公司可能是有一個repo就是把所有的都存在這那每一個專家他肯定有自己的那個memory但是就像我們今天像麥肯錫BCG是諮詢公司他邏輯上來講他從一家公司做完項目以後他走的時候他要把那個網盤都隔掉了是不是但是其實我知道他們其實也做了很多工作就是把數據脫明是吧留下來一些模型然後這個他就算不脫名就全部把網絡隔掉他腦子也帶走了是不是就是這個相關的未來的這個組織可能會跟這個事關係很大這個是影響了C端的互聯網和B端的互聯網之間的這個關係就像原來企業微信也遇到了過這個情況一個銷售是吧他有自己的這個客戶關係企業微信其實是希望銷售都用公司的企業微信去加他的客戶關係但是呢呃这个这个销售一转港走了然后这关系就都没了这对销售来讲这是他的一个个人资产所以他是非常非常不想用企业微信加他的好友的他都是用个人微信加个人微信就带走了所以企业微信的这个实验就很难不是一个个人利益和公司利益组织庙和个人庙之间的一个很大的一个博弈有一些管得特別狠的公司就要求必須這麼弄但是我之前最早其實也是我們公司同事都是用個人微信的後來我就讓他們用企業微信我甚至有一段時間我們公司的就因為我是搞IT出身的我是知道怎麼去限制大家不允許他用個人微信去聯外部好友有一段時間我們公司的WiFi是不能用各位的然后最后就逼着所有的销售必须只能用企业微信加客户然后在这聊那段时间我们的企业微信上的external的contacts快速增长一下到了几十万作为一个比特币的公司联系人很多了是吧但是其实我后来就发现特别不方便为什么呢首先我跟我太太聊天就没法聊了他加你企业微信对就是最后也加了但是你想加了也觉得很怪就是你加完了以后那假设我跟我太太聊很私密的话题也被公司存档了像我是公司老板我都觉得很怪你知道吗所以我觉得就是这种被存档被谁看见吗其实IT是可以看的如果真的他想看的话是吧当然就是正常如果一个好的公司他应该是有这种double甚至triple的授权总之就是因为我那段时间真的就想把这些数据全存下变成我的AI然后去训然后糊弄所有人不就我前面讲的一个EIP吗小红也参与这个事了你问她她都知道这些事了就特别好玩后来我就发现家里联系人这么不方便而且还有个很尴尬的事情就是你突然发现很多的你的同事前同事以前在微信时代的时候前同事都还是好联系的但是自从变了企业微信时代反而前同事一离开连他在这个公司的原有的这些同事的network都没了就是我离开这个公司之后就是我顶多跟个别的人加一下这个各位是吧就是就是因为你都在起位里面呀我我正好一停相当于是我在公司里面的这个我的这个同学录都没了这个是我就觉得现在这个个人互联网和企业互联网之间是是这个这个连接关系是非常非常有问题的这个就现在其实连接的不好的哪怕是在腾讯内部这个产品我觉得还是有很大的改进空间的本来其实我们一个人在不同的公司换工作虽然我没换过但是大部分人都是换来换去你换的过程中这都是你的network是吧我原来的同事其实以后可能会有很多的有可能是我的上下游合作伙伴就为什么这个network一下就没了是吧那也有可能是并不是所有人都想把工作关系转到微信里去这其实也是一个个人选择对那我离开的时候我也可以做一些勾选什么的总之就是他也没这些能力然后反正就很麻烦剛才有講到就是2年的那個時候做了很多不忍心話的事情那個時候是有點風魔嗎嗯是跟現在狀態不一樣我覺得在那個時候其實我已經花了一些時間研究這個工作區倫理了我還是讀了像牛津劍橋的這些道德哲學這樣的一些課本我其實我下一個博士我肯定會讀跟AI倫理相關的還要讀博對我還是想多讀幾個博士的多讀幾個博士對去哪讀啊下一個那不一定也有可能到其他的国家的学校反正因为我本术博都在北大所以我觉得我说不定可能要到国外去读因为顺便拓展海外市场吧因为我现在这个产品非常标准化其实在全球都可以卖的尤其是你可以自由化部署的话客户肯定还是敢于去使用你的哪怕你是个中国的公司而且我們本來就有很多globalcompany的這些客戶我們是好多大型企業的globalvendor所以其實我覺得還是這個機會很大的但是對我來講我覺得我們肯定不止於在一個領域我覺得持續去學習還是很重要的尤其是AI因為AI比人都卷如果你的AI的researcherAI的一個techcompany不去持續學習我覺得是很可怕的我记得我今年年初的时候我跟团队说了我说我们公司大概有一千八百人工程师大概应该有八百人但是之前真正做AI的可能里面有一百人是吧然后可能有七百人是普通的工程师或者说大数据工程师现在大数据工程师还好但是普通的工程师真的去做application的说实在的真的是非常非常恐怖的就是AI可以全干所以我當時就跟他們做分享我給他們講Transformer講各種各樣的AI的算法我當時就不斷地提醒大家我說你們一定要到年底的時候能夠變成一個AI工程師然後如果你變成不了的話可能你就下崗了呀所以就這個持續學習很重要我當時跟他們講了一個故事我說我家小朋友剛上高中他在去年還是前年的時候我應該是去參加CES我在CES展會上看到了一個遊戲一個硬件那個硬件特別好玩是一個飛鏢的靶盤那個飛鏢靶盤就是它有一圈攝像頭然後這個靶盤外面一圈一個環形的攝像頭然後我可以扔飛鏢然後我扔飛鏢也很準我砰扔完以後旁邊那個計分盤就會自動的出數就是幾環然後就可以count是吧那我當時就挺因為我也喜歡玩飛鏢我就就扔出去翻那個樹就自動跳我覺得這個很好我當時回家以後我就跟我兒子講我說這個爸爸這個去CS就是看到一個挺好的一個產品我說這個可以買回來玩你知道我兒子第一反應說爸我給你做一個吧我当时都震惊了我当时想啊我说你也能做然后这时候他就给我打开他现在的作业就是他学校有个课叫FutureTech然后就教给他们怎么去做继续学习而且他们已经都学了强化学习的一些一些一些简单的知识了就当底层算法都不知道可能数学还没学到那么深但是至少训一个东西他已经会了他就給我看他的寒假作業他拍了大量的照片然後做了這個標註然後就學完了以後就能幹他說你這個事很簡單呀我幫你訓一個模型就可以搞了我當時聽了一個很震驚為什麼因為這是我碩士的工作呀我说是研究生的工作嘛现在就变成一个小朋友一个中学生就能干所以对我触动很大我就说如果一个团队一个科技公司如果你还想一直称之为科技公司不是一个传统公司你真的只能持续学习持续迭代所以你看上一代的大数据公司今天就像Palantir一样像这个Databricks一样他们是穿越周期了就我刚刚讲了AI这几大赛道做Chat2C的做这个Code的这都是新公司但是Data这个赛道全是老公司但是做Data的这个公司那老公司多了去了以前最早什么Cloudera呀Hortonworks呀就是我们以前有非常多的大数据公司但都没了怎么这两家公司现在几千亿美金实施其实就是我觉得肯定是他们这个团队是持续学习持续迭代的而且他持续学习持续迭代之后他的历史的资产就变成了财富了是吧就是他反而有一个很高的壁垒了所以我觉得持续学习很重要我们公司价值观里面有一条就叫持续学习持续创新持续创新首先要持续学习才有可能持续创新做企业界明磊的优势是什么跟飞叔丁丁齐威这些竞争你们的优势是什么呀其實像這幾家公司他們做的還是一個通用的企業級產品所以他們其實離具體的一個又一個的業務場景是比較遠的而且他也不想去交付這個為什麼因為他有了這個很大的一個規模效應之後其實他最簡單的賣法就是賣infra就是我去賣雲我去賣這個鏈接的能力他更多是在這些產品上再去賺錢那真正細分到一個場景下比如說曾經自己也想做人力资源软件最近其实都不怎么做了就是细分赛道其实它有太多的领域的这个domain的knowledge而这个domain的knowledge实际上它不是简单的说我把这个软件摆到你这个公司就直接就能用的它其实是要去做比如说咨询呀交付呀然后甚至partnership就是一些合作伙伴呀就这些事情其实都是大厂不会干的因为这里面就是它一般做前面那些事的时候其实它要hire非常多的就是怎麼講就是infra層面這部分的人然後他們每天都去想這部分的工作而且他的整個組織裡面所有資源就朝這方面去去了他就在這邊可以產生某種程度上的一些快速的迭代優化反饋然後他也會看到說我一下客戶數很多但是你看我們去做一個細分場景的一個業務的時候這個時候其實他的反饋是很慢的反馈很慢的时候其实在那种大型组织里面他们就不会去做为什么因为那个反馈很慢的那个事的那个owner他根本就不可能得到晋升的所以他就使得他这种组织里面就不会存在这种人就因为组织内部都是有竞争的我告诉你讲每个人说白了他第一个不是想到这个公司怎么才能做到一个长期主义他首先想的是我能不能明年竞争我下一季度考核怎么样是吧所以其实大公司跟小公司在竞争过程中它有很大的区别的甚至就不光是说大公司跟小公司大公司跟大公司也不一样是吧就腾讯跟阿里的竞争它也很不一样就是它一定是每个组织里面那个最优秀的人最聪明的一帮人都被卷去那个返回迭代最快的那个事上了是吧就其他的人他得不到競爭他甚至就長期也就不做了最後一公里大廠可能不想做是其實不是說那個沒價值那個其實很有價值而且那個最後一公里非常值得用AI做你看在這個美國像Palantir它其實做的非常非常多它其實是養了很多的叫好像叫FTE吧就是前端叫前端工程師前端工程師不是做網站的介面的前端他是指他要扔給客戶那放在客戶那天天陪著客戶這個工程師這在中國大廠幾乎不可能的這個在美國其實他們這塊就做得很好你覺得AI時代名掠能變成一個什麼樣的公司我其实还是希望能够成为一个真正在data这个赛道当然不仅仅是data其实我们现在的slogan叫数据驱动的可信生产力以前其实可能data更多的是做数据分析做一些决策辅助然后他没办法直接干活但是今天其实我们的这个智能体因为它的touse能力真的很强因为我们已经在这个气氛赛道很niche的一个赛道卷到世界第一了所以我还真有可能成为那个干活能力全世界最强的人那这种情况其实我们是在我就会在一个又一个的赛道就是我们的FoundationAgent上面我们可能会建构当然早期肯定是先的是我的广告和零售这几个我原来就很熟悉的战场但实际上我肯定也会去布局工业布局這個比如說金融那這幾個戰場都打開以後我覺得我們應該會恢復到當年的這個狀態了應該是一個很多個領域的這樣一個有很大影響力的這個以數據來驅動的這樣一個AI公司當然這個數據更多的是domain的這些domainspecific的這樣一些data就是通用的數據我覺得我們至少今天我還是不想捲如果通用領域我只捲一個維度的話我想捲的就還是可信本身AI其实创造了大量的不可信的东西尤其是在互联网上的内容产业就是我们今天95%的内容应该都是AI生成的而且这就是一个特别搞笑的事情就是我在春节期间我还带着小朋友测DeepSeek当时我就去问DeepSeek的那个就是我说你给我讲讲GRPO的算法然后我就分别测了我那不联网搜索还能彻底是错的因为当时他语量里面根本就没这个算法那如果我打开联网搜索的时候呢他明显是能总结GRPU的算法了但是他总结完了以后呢我就看他的引文我一篇一篇的点击去看我就发现有的引文是错的就是他引用的一篇文章我有一次记得有一篇文章就是从CSDN上的一篇引文聶先生引文明顯是AI生成的因為他的前一半和後一半講的JRPO的原理都是矛盾的所以我就在想如果我們做一個AI的模型我不會去捲那個最聰明最聰明現在房地產模型他都去捲了是吧那我看看我能不能捲一個最老實或者就是最安全或者說最可信就是我舉個最簡單的道理比如說當然這其實也有一定需要一定的智商比如說一篇文章上下都是矛盾的那我能不能我的AI去發現這件事情然后因为在企业里面有大量的决策就是我可能有多个数据比如说我今天要去做竞品分析那竞品我不可能有一手的真实数据的是吧那我肯定是有多个第三方的情报数据拿过来的到底哪个是真的可能都不一样是不是这个是我们在日常的企业里面有大量的情景的这个时候其实我的AI能不能通过基于第一性原理的推理也好基于这个人机的互动也好总之就是能不能它能够去识别出来这里面的问题能夠提醒這個決策者所以這個能力是一個在數據這個維度上通用的Agentic能力現在我沒有看到任何一家基礎模型公司在意這件事情按道理我們如果想成為數據這個領域全世界最牛的AI公司我們肯定要把這個事做到全世界最好所以我們一定會在這個領域去用我們自己的Benchmark移動時代你當時反應的比較慢AI時代反應快是為什麼是不是因為手機屏太小了我覺得我其實對技術對這個IT產品對科技產品我一直都是反應很快的但是手機我可能就是天然的有點沒有喜歡用就是一個我到現在打遊戲的話我也是打這個電腦遊戲很神奇我手機遊戲就抖音我也不刷是吧我覺得完全是我不知道是不是因為我視力的原因我也不怎麼近視眼就是我就散光一百度我聊過很多就比如說2B的創始人他就覺得他一定這輩子得做一個2C你好像還好對這方面我確實我是覺得核心是你做一個事有價值有意義而且一定要做到全世界最牛就只要做到這點就行了那是不是2C的倒不重要你看2B的公司也有這種個被大家都廣泛認知的當然他有一些2B的公司確實他後來也多少做一些2C的比如說像IBMIBM大家都知道呀都知道呀我覺得土幣的公司其實真正的問題很多企業家土幣的企業家為什麼老想做土C呢我覺得其實是大家肯定都还是想出名嘛首先这是人之常情是吧那2C的公司比如说我是做一个什么APP那我周围的人说啊这个APP我知道虽然他这个公司也不一定很赚钱但是至少做人都知道他马上就会给他一个正反馈是吧2B公司我上来说我给你介绍一下民略科技我费牛劲才能介绍明白我介绍半天你也不知道到底在干嘛是吧所以这个就会很难但是你看今天厲害的土幣的公司比如說你覺得英偉達是土幣還是土C的它肯定的大部分收入是土幣的是不是但是它其實如果你真的做到這樣的話你也可以很有名是吧我覺得你為什麼一定要偏要做一個土C的公司那為什麼企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業企業�這個我自己有一些我的觀點不一定是對的就是我自己的一個最核心的觀點就是中國的科技人才太多了所以它的這個競爭格局都不是乙方之間的競爭是乙方跟甲方之間的人才就會有競爭就是我今天要做一個軟件如果甲方自己的人也能做首先他就會去跟你有這種買賣之間的博弈你就不太可能收到很多錢在美國我們去做一家公司假設就說吧你在矽谷如果能放一個Team基本上你已經能賺到錢了就是你的故事不好动作容易为什么因为他的人才就是很缺工程师就很缺咱们这儿工程师太充足了但是我们所覆盖的行业大家是一样的甚至美国比中国还多所以我觉得中国的软件行业是受制于供需决定了最后的价格你的供给太充足了就大家就是360行可能美國也是360行中國也是360行但是中國的工程師的這個規模可能是美國的幾十倍而且都還挺聰明很特別勤奮都很多還96所以這個時候其實就使得整個這供給側太充足了就這個行業結構就很不好了這是我的一個觀點啊你覺得這個AI會改變嗎還是說應該中國2B企業應該做全球化我覺得會改變一些這裡面要改變一些的點第一個就是說AI的這個東西呢它跟普通軟件有個最大區別普通軟件的大部分的Secret在界面上就能看出來就今天我做了一個軟件比如一個CRM一個HRM甚至一個Office那你一看就知道是什麼東西啊那你就可以抄呀但是AI好像没有那么容易就是AI还真的是需要很牛的人才能做的对我觉得现在就是在中国真正的有能力做AI的公司也没有几个是不是所以我觉得就是AI相当于是它的供给其实是没有那么充足的就从真正的AI能力本身上不是说AIapplication因为我们肯定是希望是做一个真正的AI能力的公司而不是只是AIapplication所以有能力去做AI的能力的就是不管是做模型还是做AI这里面的数据的这个其实我相信不会有特别多的这个公司我相信这个供给还稍微好一点第二个还有一个很有意思的事就是我日常经常遇到的就是我們在中國的土幣的軟件行業裡面大家都知道中國的客戶結構跟美國的結構不太一樣就是美國的腰部客戶挺多的而且腰部客戶也都支付能力很強都賺錢中國呢其實是一群很大的公司很有錢支付能力強比如說銀行然後中型的公司很少那底層的那些公司特別小的公司完全沒有支付能力而且天天死所以最後就變成了土幣的話你只能去做enterprise才能賺到錢是吧如果做小幣能賺到錢說白了小紅也不會把公司賣給我了對吧所以就大幣是能在中國賺到錢的但是大幣的一個最大的問題就是在中國我也不知道從什麼時候開始所有大幣公司過來賬點先跟你說你把你的原代碼給我就是我平時天天遇到這種情形而且就是這個行業就是它就亂到因為競爭很激烈所以你不給競爭對手就會給呀是吧我覺得現在就是中國很多的大幣就會遇到這個情況然後就是明明一個軟件很好然後他說你把源代碼給我然後這個給他以後他就可以復刻甚至他離職員工他也可以拿這個東西出去再創業都行所以我覺得這部分在中國的環境是很不好的但是模型相對好很多模型最大的好處就是說反正它是個黑盒對所以就是沒有任何一個客戶他覺得說你應該把你的模型就是就是你可以開源模型給他但是我開源的是參數給你是不是我開源的我data肯定不會給你的規矩利好了所以有利於這個事的發展就是軟件行業規矩在中國徹底完蛋了就是很多人給源代碼大家覺得很cheap自己就覺得自己很cheap但是我覺得sofar到目前為止至少我很開心的是在AI行業沒有人敢跟我說明慧你把代碼要過來某種程度上我覺得可能他要過去他也認為他看不懂我覺得這個是相對我覺得比之前好一些的地方今年要上市有什麼感受回看過去19年風雨雨的我覺得就是一個新的里程碑吧就是因為尤其是過去兩三年我們太缺錢了我覺得上了以後呢首先這一個就是資金鏈肯定是會就是更加的充足一些充足一些實際上是我們肯定是要去做更多的投資的就是在這個AI領域投資就是投在研發上嘛就不是投資公司就投自己的研發你想我們真的挺不容易因為我們只能去捲這麼小的毛線我們團隊能力很強就是因為沒卡啊真的是沒卡我們是一千錢買了一千張卡而且裡面還有一些是消費級的卡我覺得肯定是我們在中國是有能力做模型的公司裡面應該是資源最少的公司了所以這也是為什麼我們去提交OSworld的時候那個評審都覺得非常驚訝怎麼突然間冒出一家公司其实就是就真的就是资源太少了就是我们真的只能去卷这么小尺寸的但但我觉得我们还是蛮争气的我们这么小尺寸而且是passat1就是第一波提交就已经搜他了这个是他们都很接近因为因为其实打这种榜你说你提交不止一次的时候其实都有作弊的嫌疑的因為你第一次在測的它是在線測嘛然後我在後台可以記數據的呀我記完了以後可以把記的數據再去做訓練的嘛我們就passatone了然後直接一把搜他所以對方確實是很震驚的我覺得這個我們還真的是挺爭氣的我這次嘗數一口氣證明了我們是一個真正牛逼的團隊然後這個但確實我覺得就是我自己肯定不會去捲那個FoundationModel但是在我腦子裡面其實已經有一個很大的Pipeline了就相当于是说在我看来一个企业里面跟Data相关的事是有很多个细分的工作的Even是OCR都是一个小的事是吧我刚才讲了那所以其实我的方法很简单我肯定是要在若干个细分的事上我要在这几个事上分别做到全世界第一然后组合起来对组合起来组合起来那我的这个MOA它就一定是全世界最强的因為你看啊這個就是一個特別好玩的事這是創新者的窘境就是基礎模型公司它的敘事是所有東西我都牛但其實它不可能每個事都牛的比如說數學有可能是DeepSeek牛是吧尤其是數學的專家模型DeepSeekMath是很棒的那可能Coding就是那個專家模型現在可能是Astrologic將來Maybe同一千萬都有可能總之就是一個企業的它那個最聰明的那幾個人它其實是有限的是吧它可能就去卷那個對應的那個細分的那個把那個卷的特別特別好每個公司都會有不一樣的地方然後包括有的時候一個企業它就是為什麼它有的這個領域好有的領域不好其實很大程度上是跟這個DataPipeline相關的就是它的那個它的就是老闆的注意力不管算力也好然後這個整數據的這些人也好就是那些注意力都往某個事上傾斜的那個事就好了是吧所以其實一個公司他的資源是有限的哪怕是國內的這幾個吉小虎吉小龍的他有個小幾百人他分成如果這個20團隊他每個團隊其實沒多少人他拿到的資源也是有限的所以他不可能所有事都好的那所以這個時候甚至有的公司號稱是它有一兩百個TASK都在做我覺得這個就是更扯的一個事了所以在我看來我就那既然有這麼多的開源的甚至也有閉源的有閉源的那我就我在一些sub-agent上面我就去調它閉源在線的那個模型也可以啊是吧那有些任務我開源的我自己做個後訓練也可以啊那同時我有一些西芬賽道我做到全世界第一那我整個這木頭裡面的每一個板都是全世界最牛的呀那你也有創新者的獎金啊嗯你也不一定能保证每一个team每一个task都能做最好这个就是我要进到那个赛道里面在我那个场景下去做多少段优化呀我至少在那个场景里面我可以去选择最好的呀就是他们要就这么说吧就是他的一个大的基模你想他的训练的这个這個優化多難啊它要平衡多少個指標這就跟一個公司的管理一樣就是你的這個scorecard就是你的這個PMF系統就是你的績效管理系統它真的就是一個既要又要還要然後我們團隊經常是這樣我有的時候我跟我的團隊設計它的績效考核這個平衡積分卡就是很難的就是一個團隊我A指標B指標C指標D指標各佔5%那我這個考核就白考核了是不是所以就是你在一個基模上你有了那麼多的不同類型的非常獨特的task之後你的那個訓練是真的是很難的就是要想滿足那個條件再結合我剛才講的前面講的這個skinload的一個潛在的天花板其實我覺得理想的狀態就應該是就是分工就像我們人類一樣就是你的這個腦子大到一定程度最後就不會再大了最後變成了teamwork就是我們現代人是吧通過團隊打敗了原來的這些上一代的這些物種所以我覺得就還是學習一下這個進化論看一下生命的發展在你腦海裡面的就是pipeline上的task分別是什麼呀接下來要做的我們現在正在做的是twouse就是因為在我看來就是一個複雜的任務它在做planning的時候會分解成一層一層紙的任務分解到最底下的時候如果你是一棵任務樹的話其實是會有很多葉子節點是吧葉子節點的它的這個質量是決定了整個這任務的這個有沒有可能出幻覺的一個最fundamental的一個地基所以這個touse其實是很關鍵的就是你比如說我做一個datamining的任務我能不能拿到準確的數據我能不能找到對的數據源本身這就是我們今天的現在的這個版本正在捲的工作是吧那可能下一个阶段就变成了说等我这些数都拿回来了我能不能识别出来它里面的问题然后这里面有没有一些数据本身就是我就算数据拿对了它里面是不是本身就有些问题这这可能是下一个阶段的问题再往后其实真正的datamining的终局的这个你可以说这个finaltask其实就是预测Datamining的finaltask就是預測你想想你如果預測能做的特別牛那這個世界都是你的是吧你去炒股預測如果都是牛這個世界都是你的預測其實是跟data相關的任務的finaltask或者說你做商業你做投資也好或者說你比如說電商他們要選品我到底選哪個品到這個平台上去賣才是更賺錢那這些不都是forecast嗎所以其實forecast其實這裡面肯定是datamining的一個finaltask但這中間其實有大量的還有一個很重要的任務是人機協同就是這個人和機器怎麼才能共同的把這個planning所需要的context都共同挖出來因為很多的context在人的腦子裡面所以這些都是我們要一個一個具體去捲的方向因为这个方向现在市场上FoundationModel都还没到这个阶段而且我自己最近有个特别有意思的一个思考我觉得可能是因为我们就是公司养了这好几百号数据分析师才才让我在这个领域有独有的优势的就像可能可能AstralPeak就是如果达里奥不要求强制要求他们的团队每天用Cloud写代码我估计他们的这个CC也不一定做的今天这么好所以其实反而一个特别小的公司不一定有这个优势因为我有一个存量的这个领域的团队我天天卷他们去用其实我就在这个领域里面可能就很有心得因为实际上但凡是vertical的领域它都不是公开互联网上能拿到的数据只要公开互联网上不能拿到的数据其实你做不出来一个真正意义上的一个环境的对不对你做不出一个真正意义上用来强化的环境那你做不出一個真正意義上的用來強化環境的時候怎麼辦其實我們講的這個數據工程也好或者datapipeline也好它需要有原來的這個領域的一些domain的專家他對這個任務本身有一些深度的理解他基於他腦海對這個事的一個理解來去做這個數據生成就是他对这个任务本身的分布他的用户意图的分布是有一个他自己脑子里面的一个分布的他就以这个分布来去做这就跟就是你会去看最后能去训数学奥林匹克的那个专家模型的那个团队他一定得是数学奥林匹克冠军否则他没法训的没法训因为他都不知道就算那個AI做出來它都不知道那個提示對的是錯的是吧所以就是它你講它得有數據啊它得建環境啊它如果在這個領域不是真正的專家的話它怎麼做這個事呢所以我覺得這個其實是我們在Data這個領域真的是有得天獨厚的條件的一個地方就我確實是就在這個環境裡面經營了這麼多我有非常多的懂這個領域的這些人而且這個領域還挺寬的因為Data可以延伸到非常多的行業这个人际交互在这个企业级服务里面比2C要重要的多得多因为C端的用户本质上来讲他并没有期待那个AI的伙伴一定要在各方面都比他牛很多我觉得这个一方面是他可能没有这个需要另一方面更重要的原因是他可能也没有这个辨識能力就像那個達里奧曾經講過的說如果是一個C端的應用你去做一個AI比如學醫學那這個醫學的博士水平還是碩士水平其實對於C端的用戶來講其實無所謂就像我一樣我雖然學習還挺好的但是你把北一的這個碩士和博士叫兩個人過來讓我鑑別一下誰是碩士誰是博士我覺得我是沒有能力鑑別的因為我問不出來能區別出來他倆的這個真正從知識層面上的問題那或者說他倆誰說的是這個如果都給我開個處方的話我也不知道我應該聽誰的所以這個C端的這種需求其實可能是有問題的但是這個B端不一樣B端的話那對於輝瑞啊、拜爾啊這些製藥的企業強生啊他們肯定是希望要更好的是吧而且更好的這個AI一個是知識還淵博另外一方面其實AI也很好管所以它也不適合人類的可能有些高市場的人不好管所以我覺得這個弊端其實肯定是希望這個AI越聰明越好因為如果他的所有競爭對手都hire了碩士level的這個AI他必須再去搞博士了否則的話他就跟別人一樣了沒有他這個競爭優勢了是吧所以大家因為在這個商場上在做競爭compete所以大家就一定要去選更聰明在那個細分領域裡邊更聰明的AI但是我们的这个细分场景下的这个业务最终的成果的交付它不仅仅取决于AI的这个聪明程度它还取决于什么呢就是我讲的Y等于FX里面的那个X就是聪明程度是那个F那个X是什么就是那个context就是我们在这个行业里面做这个业务所需要知道的上下游的知识上下文的知识比如說今天我要去做一個Marketing的一個Creative那這個客戶最新的產品的型號是什麼是吧這個必須要知道那你不知道的模型他不可能做對的知道的模型可能這個也不一定知道的是最新的就昨天可能剛發布的這個產品或者昨天還沒發布而且我作為一個人特別特別聰明的人他可能舉例我是一個Marketer我今天要去幫一個手機廠商去賣一個東西那其實手機廠商的這個產品他有非常多的Feature是吧那我如果是一個特別頂級的專家一個好的marketer我是可以去問對題從那個工程師那拿到真正的賣點的那些feature的這個context相對是必須是得我把它挖出來挖出來以後我如果再跟AI能連動起來的話我就可以把我的這個知識和這個AI的能力command到一起來去做了这个过程非常非常复杂其实是在很多企业里面我们如果是上一代的IT的话大家叫知识管理是吧KM就是很多相关的系统但是做的都是非常非常烂的因为没有人用这个大家都整一个网盘是吧一堆数据放进去然后放进去的很多都是过时的了然后也没有人用像我之前这个读过的一本书叫创造知识的企业他的这个作者是一个日本人叫野中玉次郎他就做了一個企業的這個知識真正的知識產生和管理的一個fundamental的邏輯叫SECI模型這個模型裡面其實他談到了說在一個企業裡面的這個知識第一個階段的傳承其實是由這個S來創造的叫socialization比如說一個師父還有一個徒弟他倆經常一起工作一起聊天這個就是social的一個過程他一起工作一起聊天過程中這個師父在幹徒弟在旁邊看那這個時候其實師父也沒有每一句話告訴他第一步幹嘛第二步幹嘛第三步幹嘛他其實徒弟在看的過程中其實他腦子裡面已經對這個事有感覺了那其實是師父腦子裡面的暗默知識沒有外顯化的暗默知識就通過socialization的方法傳遞給了徒弟所以這是第一個階段第二個階段才是這個師傅覺得說還是要好好的給徒弟講一講所以他就有一個叫Externalization就是外顯化這個時候其實通常比如說公司內部的一些專家的分享呀知識的交流啊就大家會寫個PPT出來講一講這個事情到底怎麼做第一步第二步第三步這個過程其實我們講外顯化就是一個意義的過程但是光有意義不行為什麼每個企業的這個知識還涉及到同一個事情可能有好幾個不同的專家那專家和專家的想法可能還不一樣所以就來了第三個環節C就是Combination就是連接這個連接其實在一個企業內部比如幹同一個事這個到底有不同的幹法到底哪個更好哪個不好哪一種情況應該是A哪一種情況是B所以需要把幾個不同的專家的外顯化的知識再去做一次連接那其實我們學術圈裡面大家把這個各種各樣的文章之間互相比較引用其實也都是在做這個事是吧就分各種各樣的情況討論說哪種情況應該用這種模型哪種情況應該用那種模型好这最后一个环节其实就是这个I的环节就是这个internalization就是内化一个知识比如说当我们的知识被外显化了写最后combination之后变成标准化了一个事情到底应该怎么干已经有比较清晰的结论的时候有这个guideline的时候这时候每个人再去学习它然后再把它变成自己的脑海里面的这个可以执行的这个任务知识所以这个就是一个SECI的模型那這個過程中其實是一個循環它的這個循環是什麼呢是人腦的這個按摩知識傳遞到另外的一個按摩知識人腦的按摩知識又變成外顯了變成顯性知識顯性知識又和顯性知識進行連接然後最後顯性知識又內化到了腦子裡面變成了一個按摩知識整個就是這樣的一個過程這裡面其實真正最難的部分就是這個按摩知識到底怎麼變成memory變成我們今天AI可以用的memory因為它在人的腦子裡面就是人如果不告訴AI就是不知道的而且它每天都在迭代每天都在迭代它有的時候跟外部互動產生的這個迭代有的时候就是他脑子里面在静坐的过程中他都可以迭代迭代他脑子里面的这个按摩知识那所以其实我觉得真正的有效的方法一定是采用类似于像DeepMiner也好像Madness也好这种人机互动的而且最好是多轮互动的这种方式使得最好是一个工作人员他的所有的活都是在这个平台上做的它在平台互動的過程中它在執行最後的完成的任務的過程中它的第一步的那個prompt有可能都沒有把所有的信息都給到但沒關係你出的結果不對我接著再追加問題一直改一直改其實這個人機協作的過程中其實AI就把你腦子裡面的任務所需要的按摩知識也就挖出來了只要最后的结果是对的那肯定你已经把所有的context都给了他了是吧所以那如果一个顶级的专家每天是用这种方式去工作的话他会不断的把好的context挖出来当然我们要保护好他的知识产权最好只给他自己一个人用是吧但是只要挖出来其实这个就进到了这个memory之后呢他就可以用它来去相对比较自动化的去执行一些他以前觉得还是要花点体力的活然後他就可以去想更多的新的事情然後接觸更多的contacts甚至打一個新的賽道都可以那這樣的話其實這個頂級的專家再加上最聰明的AI他就有機會打敗原來的一個最頂級的專家不用AI了否則的話你這個AI再聰明如果沒有這個頂級專家跟他這麼互動其實他也很難打敗那個頂級的專家因為這裡面真正的就是致勝的要素其實不是那個F是那個X是那個X這種人機協作人機互動非常非常重要而且如果一個人的最終的交付物不是在這個平台上實現的是在另外一個地方實現的那這些按摩知識又都沒了它形成不了最終的交付的成果你在產品裡面有什麼場景是設計專門是為了獲取人的contest这就是这种多轮的交互我们的这个DeepMiner如果你进去用的时候其实它一上来就是有两个模式一个叫自主模式一个叫写作模式就像那个咱们现代智能体有一篇非常著名的paper其实不是paper是个博客就是那个Lillian就是他的就是那个就最近不是跟那个谁跟Mirror一起做这个那家公司的這個Co-Founder他也是我北大的師妹嘛然後這個Lillian他其實是原來寫過一篇非常有名的博客叫LLMPoweredAutonomousAgent基於大圓模型賦能的無人智能體但是你想他強調的是今天因為AI有了Planning能力有了大圓模型就可以有Planning能力了有了planning能力他就可以自動分解任務自動執行自動閉環但是這裡面如果是完全autonomous他其實就沒有能力去挖人的context是吧所以其實如果我新寫一篇paper的話我肯定會去寫的是一個基於大語言模型的humanintheloop的一個agent甚至是一個multipleagent那他這裡面的協作AI到底怎麼問人類問題是吧怎麼能夠把人腦子裡面的問題出來所以其實這個是很關鍵的所以我自己的這個產品的設計裡面是有兩個模式一個是自主模式就autonomousagent一個是這個humaninterloophumaninterloop你如果啟動這個模式你會發現它就很煩這個就跟Manus完全不一樣Manus你過去給它一個任務它馬上就啪就幹了一波流就出來了但是我一旦是這個模式的時候它會不停的問你問題直到它覺得這個該問的都問夠了他才幹活而且幹的過程中你還發現他幹的不對你可以接著再去改以及因為在這個Data這個賽道裡面我前面講了即便是我們今天已經做了大量的優化了仍然有小量的幻覺所以我們其實是把我們整個的這個產品的這個工作流程的每一個跟數據相關的處理的細節全都更加精細化的透明出來了就Minus其實它也做了大量透明是吧你能看到它這個執行的任務的過程但是涉及到Data的它非常不透明就是你如果讓它做一個類似於DeepResearch的一個任務其實它你也都不知道它那個結果最後怎麼算出來的A到BB到C它沒有太多的如果你仔細去看它執行任務的中間過程它有很多的任務其實是在寫代碼的時候現編的書就你看一下它中間掉python爬起了一個代碼那個代碼裡面已經把那個chart的數給編出來了然後最後畫出了一個chart就是產生很多幻覺所以其實我們也發現就是這種情況可能是不可避免的所以那你怎麼辦那涉及到所有的數據全部都以各種什麼CSV或者各種各樣的形式全都透明出來然後我們的客戶在上面可以在任何一個環境裡面去做修改可以做check甚至可以做溯源所以這個其實就會使得我們的人能夠更多的干預到這個工作然後它的人際協同的這個效率也就會更高總之就是如何把人脑子里面的contacts去通过这种多轮的互动过程中抽出来这个其实是我们的这个产品的一个重要的一个理念你要从我这里获取信息的话在这个contacts下他才能跟我聊这个事换一个通用的agent来跟我聊好像就不一定能聊出来他其实本身会提问已经带着一些contacts了就像我们做访谈一样是吧如果像做AI相关的访谈你就可以提出非常高质量的问题另外一个可能假设一个非常有名的一个财经的媒体他如果不是AI这个赛道的话他可能提问题本身也都会有问题的类似于人际协作互动的一个过程就是提出好问题本身是一个非常非常难的一个任务是吧就是AI提问题也是个难的任务人提出好的问题也是难的任务AI现在好像这方面能力不强很差为什么呢就是沒有人去訓這方面它的這個能力就是種瓜瓜種豆豆豆嘛就是你給它什麼樣的數據你想訓它幹嘛它也就幹嘛是吧所以這就是我們創業公司的機會就是你在一個細分賽道如果好好做那你這個賽道你如果數據就是最強的假設這不是一個通識的就是我說人類通識知識所可以覆蓋的一個領域那你就肯定是可以長期發展的很好的好最後幾個快問快答全球範圍內一道你喜歡的食物我最喜欢的是中国的兰州拉面全球范围内一个你喜欢的地点我现在应该最喜欢的是希腊就是就是我去过的一个小岛叫萨姆斯岛是毕达哥拉斯的老家我特别喜欢那个地方基于所有读过的书推荐两本书我觉得所有做AI的同学应该好好看一下物种起源就是达尔文的这个物种起源如果再推荐一本的话我自己喜欢的这个可能其他人不一定喜欢了就是我推荐我小朋友一定要好好读的还是几何原本就是你感受一下低性原理的这样的一个或者功利体系的建设以及它在上面的严密推理过程我觉得我们做的AI一定是将来要有这个能力才行否则它很容易忽悠人骗人一個少有人知道但是必須知道的知識點必須知道我知道大量的少有人知道但不必須知道的因為我自己知道太多的比如說跟數學相關的知識點了但是大家可能不知道但是我覺得其實也有必要知道比如說質數是用来干什么的质数或者素数就primenumber其实很多人从小都学分解质因数是吧然后甚至应试分解就为什么要干这个事其实你从哲学层面来讲有一个学派就是还原论是吧我把一个事情切割到最小就是这个登木克里克但是数的最小单位其实如果用加减法在整数的这个范围里面其实你就是分到最小的单位是1是吧如果是乘除法的话分到最小单位就是质数那分解之因数本质上来讲就是一个还原的方法就是把一个大数分解成很多个原子但一旦能分解成原子的话它的很多的问题就会解决得更好因为很多问题都是化繁为简是吧那而且我们的人类不管是生命科学里面我们身体的很多结构还有我们的这个宇宙天体的运行有大量的跟质数相关的事其实都是跟这个背后有关系的就是很多其他学科其实都跟质数有关系但数学里面最难的也就是数论也是研究质数研究整数的一個你現在看到的創投機會創投機會那我肯定不好意思說投我們公司啊我認為中國的這個芯片肯定是一個很好的機會因為這個咱們中國的很多的很好的模型公司後面肯定會讓中國的這個芯片往前做事情而且我們現在這開源包括中國的硬件吧就是跟智能相關的硬件其實我們的這個模型開源了以後首先benefit中國的智能硬件企業因為他們就可以幾乎沒有成本把這些好的算法放進來咱們的製造業又很強是吧那按道理未來的各行各業包括家電在內的各種各樣的硬件的AI化我認為是一個尤其是中國是一個非常大的一個機會全世界去賣基於你現在認知當下一個最重要的bet是什麼我自己現在做的其實是跟data相關的事情就是我們就是一定要把跟data相關的AI做到全世界第一你聽過我播客沒有听过听过哪期印象比较深啊我其实最近听的是那个应该是你跟那个kimi就是杨志霖就是那次应该是带视频了是吧嗯那个我觉得蛮好的我自己感觉像这个kimi的这个founder其实我自己也蛮感慨的因为他原来跟我是在一个赛道做applicationpk的后来他去这个这个纵深一跃去做房地产model了而且也還做了2C我覺得還是一個蠻成功的轉型的我自己當然還是堅持做AI但是還是在做2B我覺得其實也還是兩種很不同的路線當然我自己還是有一個願望要爭取給北大的AI是吧現在AI賽道在中國我覺得就是都被清華系的給佔了我其實還希望在北大做點不一樣的事情所以我觉得给我的一个启发就是真正的要持续的投入到最前沿的AI的这个工作中就是这样的话我觉得我们的工作才有意思我们刚才讲的这几个人KimiRed还有广密全都纵深一跃算是2C去了吧当然广密是做投资对是我坚守2B你是一个幸福的老板吗幸福的方对吗幸福是吧Happy是吧对啊你刚才说到的是显然我非常幸福我觉得就是我人生至少到目前为止还都是挺完美的你是一直都幸福还是现在经过了思想的转变变幸福了一直都是我每天都挺开心的没有过什么suffering就刚刚哪怕刚刚提到的2年的时候我也没有特别的难受因为我始终有一个信念就是我肯定能搞定就像做数学题一样就是这道题时间可能花的长一点而已就是我的这种延迟满足能力很强而且到目前为止也确实运气好都能搞定好了今天的节目就是这样这里是商业访谈录是一档由语言及世界工作室出品的深度访谈节目你可以到公众号关注我们的工作室获取更多的信息我们的公众号是语言及世界languageisworld我们希望和你一起从这里探索新的世界