在國內科技創(chuàng)新的歷史上，從來沒有像大模型技術那樣，短短幾個月就建立起“科技界共識”。

我 1998 2008年進入科技圈，見證了 PC 時代、互聯(lián)網(wǎng)時代和移動互聯(lián)網(wǎng)時代的變化，從未見過如此迅速的“共識達成率”。以極客公園的企業(yè)家社區(qū)為例。 Founder Park 因為大模型領域的技術變化比較早，所以在短時間內就受到了重視。 4 一個月的時間增加了 15 萬關注者，社區(qū)成員已擴大到七八千人。

就在昨天，第一批國產(chǎn)大模型通過備案點燃了大家的熱情。備案管理代表了大模型發(fā)展的寬松政策，這也意味著國內大模型的商業(yè)化和產(chǎn)業(yè)化將真正開放。

但是，如果“共識”達成得太快，就會有一些令人擔憂的地方，因為這項技術還處于發(fā)展初期，不可能像“水銀瀉地”一樣落地到普遍領域。

客觀地說，如果你認為大模型技術已經(jīng)帶來了 AGI 黎明，那么我們應該坦誠地看到它真正的實用性，并成為生產(chǎn)力，現(xiàn)在我們開始探索。那些在一線創(chuàng)業(yè)公司經(jīng)歷過的人。 KnowHow 而且問題，正是最值得聚集的星火燎原。

基于這一理念，阿里云聯(lián)合 Founder Park 邀請了 20 在杭州西溪濕地，多位中國大模型領域的模型層、工具層、網(wǎng)絡層等優(yōu)秀企業(yè)家進行了面對面的閉門交流。

阿里云董事長張勇也給這次閉門會取了個好名字——“西溪論道”。在這次近五個小時的閉門會上，張勇坐在我旁邊，參與了企業(yè)家的群聊。我看到他的筆記里全是幾頁。

8 月 23 號碼，西溪論道參與者合影

可見，阿里巴巴云作為計算率基礎設施層，應該如何與這些方面連接和共同創(chuàng)造，如何支持各方面的企業(yè)家使用大模型，這是張勇最關心的話題。這說明阿里巴巴云和國內其他企業(yè)的態(tài)度完全不同，如何促進大模型生態(tài)繁榮是阿里巴巴云最關心的事情。

這些是中國大型模型領域最積極、最活躍的力量。從下午2點到晚上9點，他們從行業(yè)的很多方面進行了立體的交流和沖擊，也從各自的最新實踐中談到了很多有洞察力的觀點。根據(jù)他們的說法，我們在這里一起討論，聽到了很多真相和“真誠”。

在這篇文章中，我整理了一些令人印象深刻的要點，并與大家分享。

注重大模型，更要注意大模型。 infra

現(xiàn)在世界上任何地方，做大型模型，除了人才，最稀缺的資源就是 GPU。

百川智能創(chuàng)始人&CEO 王小川和朋友們分享了他去硅谷的事情，英偉達一年了。 GPU 出貨量在 100 萬顆，但 OpenAI 說要設計 1000 萬顆 GPU 連接在一起的超算。

因此 GPU 到底有多少算夠了，有限的算率有解嗎？

創(chuàng)新工場董事長、零一萬物創(chuàng)始人李開復表示，盡管數(shù)千萬張張 GPU 天方夜談，但“大力創(chuàng)造奇跡”的暴力美學是有背景的。加強鼻祖的學習 Richard Sutton 在《The Bitter Lesson》(《痛苦的教訓》)提到：在過去的70年里， AI 在里面放一點知識，想要增加一點能力，想要調整模型架構，最后發(fā)現(xiàn)幾乎沒有價值。在過去的70年里，唯一的推動 AI 前進的力量，是一種通用且可擴展的計算能力。增強了計算能力，相應地促進了算法，促進了數(shù)據(jù)的進步，這是大力創(chuàng)造奇跡的背景。

所以，在這波大模型浪潮中跑出來的企業(yè)，首先要有算率，選擇幾個人、幾十張卡的“稟賦”，或者調用集中的大模型，可能更務實。

“當計算率相對足夠的時候，在這個前提下，我們可以充分利用計算率，做出很多今天只使用開源，只調整。 Llama2（Meta 大語言模型)做不到的東西。前有 OpenAI 不惜任何代價開設模型新標桿，之后有 Meta 開源為大家鋪平了道路，這是李開復對大模型公司新目標和新實踐的探索，在動蕩不安、高度不確定的大模型創(chuàng)業(yè)環(huán)境中。

什么是這款游戲？如何讓一塊 GPU 發(fā)揮兩塊，甚至三塊的能力？這一問題可能需要更多地關注團隊的構成。李開復認為，Infra(硬件底層)團隊必須比較 Modelling(模型)團隊也更加強大。他說大家很快就會發(fā)現(xiàn)，做過大模型。 Infra 人比做大模型的人更貴，更稀缺；而且可以做到 Scaling Law(擴展規(guī)律，模型能力隨著訓練計算量的增加而提高)的人會比較大模型。 Infra 人們更加稀缺。

由于出色的 Scaling 團隊可以避免徒勞的練習。作為一種訓練，他們很有可能會成功。一旦失敗，他們也有能力立即停下來，并且有足夠的數(shù)學能力去做。此外，還有很多微妙的細節(jié)和經(jīng)驗。比如讀完論文，你會少走很多彎路，因為有些論文是故意寫出無效的東西，不會讀很容易偏頗。

事實上，客觀地看，GPU 這個問題的短缺不僅是中國企業(yè)家的問題，也是全世界企業(yè)家的問題。因此，如何做好有限的計算率將成為大型公司競爭的關鍵。

對此，李開復提出了一個明確的看法：大型團隊的每個位置都需要人才，Pre Train（預訓練）、Post Train（訓練后）、Multi-Modal(多模態(tài))，Scaling Up(可擴展性)，Inference(推理)等都有其重要性。其中，Infra 這個團隊的人才比較稀缺，需要更多的關注。

事實上，除了企業(yè)家自己對大模型有更深入的了解之外，他們還需要更多維度的技術創(chuàng)新，比如一個現(xiàn)場。 infra 層層企業(yè)家，墨芯創(chuàng)始人&CEO 在計算中，王維分享了一個解決方案——稀疏計算。使我看到了云端和終端 AI 通過優(yōu)化計算模式，芯片加速方案可以全面稀疏神經(jīng)網(wǎng)絡開發(fā)，提供超高計算能力和超低功耗的通用性。 AI 計算平臺的概率。

ChatGPT 點燃熱情，Llama2 讓人腳踏實地

假如說 ChatGPT 點燃了許多企業(yè)家的熱情，那么Meta 開源的 LLaMA和 LIama2讓絕大多數(shù)企業(yè)家在基礎模型的起跑線上“眾生平等”。然而，根據(jù)自身的資源優(yōu)勢和能力結構，企業(yè)家在未來的發(fā)展方向上顯然有不同的使命和愿景。

對仍然選擇做底座大模型的企業(yè)家來說，開源的底座只是起點。盡管在和和和，李開復指出 GPT-3、GPT-3.5 等 SOTA（state of the art，在各種模型評價中，Llama2 差別不大?？梢詫嶋H使用，今天， Llama2 的能力跟 GPT-4，以及 Bard下一個版本(谷歌的大語言模型)，差別很大。

這似乎也給了大模型公司騰出了一些空間。未來，“真有錢”、“真有能力”的大模型企業(yè)家將有機會轉化為一個 New Bard 或是 New GPT-4 的打法。

另外一方面，許多企業(yè)家表示，Meta “今天，開源給業(yè)界帶來了極大的印象，” xxx 也許是中國最好的模式，但是明天它可能會被超越。甚至有一天，你會發(fā)現(xiàn)你原來練習的模型幾乎沒有用。當技術替代或更強的開源模型出現(xiàn)時，過去的投資可能會完全“浪費水”。比如開源模型在預訓練中看到了1萬億英語。 Token，您自己的模型必須再看一遍，也許毫無價值。"出去問創(chuàng)始人&CEO 李志飛認為，要充分看清開源帶來的深刻影響。

他說：“雖然每個人都有偉大的理想和抱負，但這取決于他們是否有足夠的資金來支持那一天。所以要腳踏實地，活著也許比什么都重要?！睘懼劭萍?CEO 周明也認為，很多原本想做“最好的大模型”的公司，其實需要重新思考創(chuàng)業(yè)的生態(tài)位置，選擇擁抱開源，在開源的底座上做“為自己所用”的事情。舉例來說，英語開源模型在中文能力方面較弱，并未在行業(yè)場景、信息等方面進行打磨，這恰好是創(chuàng)業(yè)團隊的機會。

此時，瀾舟科技將開源模型當作開源模型。 L0 底座，在這上面，做 L1 語言模型，L2 產(chǎn)業(yè)模型，L3 場景模型。周明覺得，這樣一層一層做好，通過客戶跟客戶走。 AI Agents(代理)通過互動獲得反饋，模型一點一點的迭代，會慢慢建立堡壘。即使未來出現(xiàn)更好的開源模型，也有辦法在此基礎上重新訓練或繼續(xù)迭代。"開源模型"節(jié)節(jié)攀升"，你會隨著比你優(yōu)秀的人的發(fā)展而成長?！?/span>

使用好的開源模型，也是一個堡壘和門檻。這可能和很多人想象的不一樣。甚至有人可能會問，基于開源模型還是大模型嗎？另一方面，很多企業(yè)也避免談論使用開源模型的話題。

事實上，基于開源模型，后續(xù)投資門檻并不低，能力要求也不低。使用開源只能有效降低冷啟動成本，對企業(yè)家來說并不可恥。舉例來說，李志飛分析說，一個開源模型可能已經(jīng)看到了。 1 萬億 Token 數(shù)據(jù)，幫助您節(jié)省數(shù)百萬美元，模型制造商需要再次向下訓練模型。最終要做到模型 State of the art（SOTA，指的是領先的大模型)的水平。每一步都不能少于數(shù)據(jù)清洗、預訓練、微調和學習。每年的計算率可能是1000萬美元，不一定一下子就沒有門檻，更不用說使用開源模型了。

從這個角度來看，開源模型是更務實的選擇，但也是提升和訓練實用模型的真本事?；陂_源，我們有機會做出一個好的大模型。核心是擁有相對領先的認知和持續(xù)迭代模型的能力。

大模型 ToB 現(xiàn)狀與實踐

模型化能力的提升是一方面，落入客戶場景，另一方面。

從顧客的角度來看，大模型、“大”并不是唯一的追求，甚至完全不一定是顧客想要的。

一些企業(yè)家分享了一個特別現(xiàn)實的用戶場景：真正跟隨 B 客戶談話，客戶只需要語言邏輯，多輪對話，一定的推理能力，其他的 AGI(通用人工智能)不需要任何能力。

顧客告訴他，其他功能反而帶來了麻煩，“幻覺”（Hallucination）這個問題無法解決，而且顧客本來就有很多 AI 1.0 模型，原本用得很好，為什么要丟掉不用，AI2.0 無需覆蓋 1.0 能力，能夠合理調用就好。這也解釋了為什么在國內外？ RPA 大模型的引入是領域最積極的。來也科技創(chuàng)始人&CEO 汪冠春今年在國內市場也證實了客戶在這方面有明確的需求。

在這種情況下，只要你清楚地理解自然語言，并調用參數(shù)。 AI 1.0 模型和外部數(shù)據(jù)庫，結果是可靠的，成本也比較低，最后用大模型將結果組裝起來，形成一份報告。這里的模型起到了任務分配的作用：分為子任務，每個子任務調用什么。在子任務中，有些大模型支持，有些是原來的統(tǒng)計模型，有些甚至不是自己的，而是第三方模型。客戶最終想要的只要能達到目標。

試著找到這個 PMF（Product Market Fit，在產(chǎn)品市場匹配之后，如果只是這樣做的話 To B，它的模型能力包括語言邏輯、多輪對話和少量推理。這個模型不需要太多，100。 億到 1000 十億的模型，相對來說就夠了。相應地，要在數(shù)百張卡片的基礎上，做好語言邏輯、多輪對話，并具備一定的推理能力，再加上 AI Agents，基本上可以滿足用戶在很多場景中的需求。

一種通用的大模式，并不意味著所有的問題都能得到解決。B 客戶的很多場景，一般的大模型都沒有效果。這意味著需要越來越多的模型和越來越多可收斂的場景，也意味著需要更多的力量來幫助技術和場景的對齊，而不是適應所有場景的萬能技術。

瀾舟科技 CEO 周明認為，在模型中繼續(xù)訓練用戶信息、行業(yè)數(shù)據(jù)，甚至地圖或規(guī)則是行業(yè)大模型存在的重要性。在通用大模型無法覆蓋的部分行業(yè)，加入這樣的數(shù)據(jù)可以很好的解決行業(yè)問題，克服很多幻想問題。

記得李志飛也補充了這個角度，他認為，通用大模型和豎直大模型，各盡其用，魚和熊掌不可兼得。這個模型很大，意味著推理成本很高。而且，一個做ic設計的大模型，去回答電影、明星等娛樂內容，也是毫無意義的。他認為，To B更多的是垂直和可靠，而通用在于智力，具有很強的推理能力，邏輯能力，知識豐富。這不一定是 To B 現(xiàn)階段需要的。

同時，國內各行各業(yè)對于在業(yè)務中加入大型模型的需求也十分強烈。藍湖創(chuàng)始人&CEO 任洋輝，和 Moka 創(chuàng)始人&CEO 這兩個家庭，李國興 SaaS 企業(yè)商品接入大模型后，已得到客戶的認可，真正收到了錢。

通過從這兩個企業(yè)家身上走出來 2、3 月份到 7、8 對月份狀態(tài)變化的分析，我發(fā)現(xiàn)了SaaS 在這個領域，我們越早看到大模型帶來的技術變化是“重新定義軟件”的水平，我們就越敢用“死而生”的思維去實踐這個“重新定義”的過程?；旧蠋讉€月就會擺脫焦慮，讓人看到希望。

因此，手握客戶和場景的企業(yè)家，可能會成為那些大型企業(yè)家，成為更早獲得技術紅利的受益者。

因為落入了特定的場景，大模型實際上會有不同的追求。比如華深智藥創(chuàng)始人&CEO 彭健說，大模型帶來的幻像（Hallucination）這樣的藥物設計 AI for Science 這個領域可能是有益的，在某種程度上，所謂的幻覺在某些領域就是智力的意義所在，因為它可以幫助設計出意想不到的蛋白質組合方案。

如同智譜 AI 它是我國大型落地案例中跑得最快的一個， CSO 在實踐中，張闊認為，對于未來大模型的價值，“20% 也許是中心化，80% 這將是非中心化的”，換句話說，用更豐富、更多類型的大模型在客戶場景中產(chǎn)生價值，而不僅僅是解決所有問題的大模型的無限泛化能力，這是必然趨勢。這也得到了很多一起交流的企業(yè)家的認可。

AGI 值得犧牲，但也不要“玩命”

大模型是 AI 這是一個分界點。過去，人工智能在一個封閉的系統(tǒng)中追求確定的目標。例如，人臉識別系統(tǒng)追求100%的準確性，但現(xiàn)在，大模型帶來的“出現(xiàn)”是一種開放的智能，產(chǎn)生了各種概率。這是智能的真正特征，也是60年或70年來人工智能最大的變化。

在這樣一個新的智能系統(tǒng)出現(xiàn)之后，未來每個人都可以像電力革命一樣方便、低成本地獲得智商。

智源人工智能研究院院長黃鐵軍認為，從大廠到創(chuàng)業(yè)公司，這種技術變化迅速傳遞下去，這是新時代的開始。在這個時代什么都不做，好像對不起這個時代和技術的發(fā)展。

而 4 月底的百川智能被認為是目前我國最“卷”的大模型之一，維持平均水平。 28 天發(fā)模型節(jié)奏，百川智能創(chuàng)始人&CEO 雖然王小川不承認自己在“卷”，但他分享了快速落地的方法:比如搜索技術積累的團隊，對數(shù)據(jù)處理有很大幫助。并引入搜索增強，增強學習，以及其他配套的全棧技術，的確能幫助模型做得更好?！叭绻憧纯船F(xiàn)在技術公司的高層背景，你會發(fā)現(xiàn)很多技術做得好的人都有搜索背景，這反映了一些技術思路正在逐漸被看到?！?/span>

然而，黃鐵軍認為，從科學研究的角度來看，我們仍然只是進入一個偉大時代的早期階段。如果我們比較電力時代，今天這樣的智商時代實際上是法拉第發(fā)電機的時候。一旦轉動，電流就產(chǎn)生了。現(xiàn)在是用大數(shù)據(jù)訓練智力的階段。我們還需要一個人——麥克斯韋。由于電磁學的建立，電力開始在人類社會可靠可用，促進工業(yè)革命的前提是電力。

今日的大模型還有許多東西是黑匣子，另一方面，大模型的“上限”也有很大的提升空間，AIGC 許多時候可以帶來巨大的驚喜，另一方面，大模型的“下限”仍然不能保持足夠穩(wěn)定。，在這個時候，有必要了解技術的邊界，合理地設定目標，解決問題。有些人要處理上限的探索，有些人要處理下限的穩(wěn)定。

對于企業(yè)家來說，AGI(通用人工智能)曙光已經(jīng)出現(xiàn)，這是一個值得投身的職業(yè)，但也不要“玩命”。

另外，除了等待大模型技術進一步發(fā)展之外，很多中間層的企業(yè)家都在改善讓大模型落地到應用的環(huán)境。

BentoML 亞太區(qū)負責人劉聰表示，與之前的傳統(tǒng)機器學習相比，海外客戶基本上可以獲得一些預算來制造與大模型相關的產(chǎn)品原型或產(chǎn)品。 Demo。但是現(xiàn)在還沒有進入工作環(huán)境，為公司創(chuàng)造商業(yè)價值，而且很多做中層的企業(yè)家都看到了這個機會。

Dify.ai 創(chuàng)始人&CEO 張路宇對創(chuàng)業(yè)的洞察也源于此，他表示，從開發(fā)者的角度來看，獲得模型是不夠的。他分享了一個數(shù)據(jù)。在分析了6萬多個使用的樣本后，他發(fā)現(xiàn)現(xiàn)在生產(chǎn)或接近生產(chǎn)。這個比例幾乎是 5%。有些人對模型技術不太滿意，有些人還沒有適應團隊工作流程。 AI 應用開發(fā)。相應地，張路宇團隊針對當今投產(chǎn)概率較高的應用，做了一些關鍵能力。舉例來說，他們有一個指標，就是改善客戶的摩擦程度。 AI 這個問題能提供多少價值，提供相應的能力。

Zilliz 創(chuàng)始人&CEO 從這個角度來看，星爵認為一個極其簡單的開發(fā)棧是AI民主的前提?；谶@個判斷，他提出了 CVP（大模型 向量數(shù)據(jù)庫 提示工程)這種開發(fā)棧。

怎樣通往 AI native？

什么叫 AI 時代的 Killer App(殺手級應用)，今年 3 月微軟發(fā)布 Copilot 那時，很多人的好奇心被瞬間點燃。但是在這次閉門會上，李開復提出了不同的觀點，Copilot 不算是 all in 大型商品。

在他看來，放棄移動互聯(lián)網(wǎng)最成功的產(chǎn)品之一微信 compatibility(兼容性)非常重要。最早的工作是 MSN、QQ，不過勝出的是微信，因為張小龍做了決定，既然是移動互聯(lián)網(wǎng)時代，就不要了， PC 當初微信專注于移動互聯(lián)網(wǎng)的特點，100%下注于新技術平臺。

從這個角度來看，AI native（AI 原生應用程序可能有這樣一個特點:如果大型模型被移除，應用程序將會崩潰。這是一個完全依賴大型模型能力的應用程序。但是去掉 Copilot，Office 軟件還是 Office，AI 只是錦上添花。

這種觀點得到了現(xiàn)場企業(yè)家最多的認可，也引發(fā)了大家對此的定義， AI native 應用的討論。

前不久流行的商品妙鴨，其產(chǎn)品負責人張月光認為，沒有大模型，就沒有妙鴨，這與李開復對。 AI first，AI native 探索是一致的。

他認為，妙鴨作為第一個應用，最重要的是解決可控性。妙鴨團隊一開始并不想做底層模型，而是更注重如何利用現(xiàn)有生態(tài)開源愛好者開發(fā)的各種插件和小模型進行可控制。最重要的是可控性。妙鴨將照片質量平均分配 90 分數(shù)以上，也迎來了快速的成功。

他說：“我們特別關注網(wǎng)絡層如何使模型更加可控，發(fā)現(xiàn)在圖像跑道上，已經(jīng)有了一些相對可控的技術。也許在語言跑道上，如果出現(xiàn)這種情況，對于上層應用創(chuàng)業(yè)者來說，將是一個質變的時刻。張月光的實踐給使用大模型的企業(yè)帶來了一些啟發(fā)，可控性可能是 AI native 應用誕生條件。Stability. AI China Lead 在開源社區(qū)推動者處理可控性之后，鄭屹州也觀察到了這一趨勢，并出現(xiàn)了大量的應用。

元石科技創(chuàng)始人李巖在實踐新一代應用方面指出，大型模型所帶來的推理能力，是新一代商品的本質差異。

而社交 Agent 這是一個被看好的機會，而且肯定會是第一批。 AI native 商品，但是這很可能要求創(chuàng)業(yè)者具備從大模型到產(chǎn)品“端到端”的構建能力。舉例來說，李志飛分享和分享。 Character.ai 當討論后者為什么要做自己的大模型時，對方說他們不會回答“調情”的問題，因為他們不會回答像OpenAI或谷歌這樣的集中大模型。這是 Character.ai 尋找獨特的空間，也是可以逐步積累的堡壘。

在社交模式的應用中，同一領域的傾心智能發(fā)現(xiàn)了獨特的場景。傾心智能 CEO 張逸嘉分享了他們看到的和預期的區(qū)別。如今，大模型可以落地的社交場景不是陪伴。每個人都需要時間來接受虛擬形象的陪伴。現(xiàn)在落地的社交場景是角色扮演，用戶畫像是網(wǎng)絡小說的粉絲，角色扮演是網(wǎng)絡小說的新方式。

對今天最新的一個 AI Agent 大模式是否“全村希望”，甚至最終帶來交互革命、終端革命、商業(yè)模式革命，很可能取決于多模式能力的發(fā)展。

思想宇宙創(chuàng)始人&CEO 陶芳波解釋說，起初，每個人都對 Agent 期望值很高，但是在現(xiàn)有的技術環(huán)境中發(fā)現(xiàn)，Agent 如何比 ChatGPT 解決了更多的問題，難以解釋。他認為，如果真的要的話 Agent 發(fā)揮作用，不要把那么多軟件放在軟件上 API 給予，因為連接軟件， API 本質上是做兼容，是新瓶裝的舊酒。

Agent 有沒有更多的東西？ Native 以形式完成最后一英里。有很多事情要做，數(shù)字栩生創(chuàng)始人&CEO 宋震所說的空間感知能力和多模態(tài)能力。當這些條件成熟后，可能會出現(xiàn) Killer Case。

李志飛堅定地認為，現(xiàn)在看來，多模態(tài)是 C 位置，不是花瓶。因為Agent 輸入和輸出都取決于多模態(tài)的能力，沒有多模態(tài)就沒有多模態(tài)。 Agent，只是今天的 Agent 更多的是通過語言模型，通過文本原始反饋，但最終還是 Agent 這將是一個多模式的分析、感知和行動。他預測，跨模式知識的遷移，再過兩三年，將是大語言模型最大的貢獻。

大型時代，服務大 B 還是小 B

幾個月前，我正好趕上舊金山的數(shù)據(jù)公司。 Databricks 開發(fā)者大會。這是一家專門從事“數(shù)據(jù)湖”的數(shù)據(jù)平臺公司，可以算是一家在云計算平臺上成長起來的“中間層”企業(yè)。就是這樣一家企業(yè)，估值幾年就達到了幾百億美元，而且還在持續(xù)增長。Databricks 既有大型企業(yè)，也有小型創(chuàng)業(yè)公司，大小通吃。

今年，該公司迅速訪問了大型模型，并收購了大型模型公司。 Mosaic ML，開始幫助客戶落地大模型進入業(yè)務，這個風口讓它看到了一路狂奔千億美元的價值。

當時我很好奇，為什么這樣一個基于云計算的“中間層”企業(yè)在中國似乎沒有成長起來，而這波浪潮 AI 技術進步的變量能否在中國催生出這樣一批將云計算率轉化為商業(yè)競爭力，為更多行業(yè)帶來數(shù)字化進步的“中層”知名企業(yè)？

阿里巴巴云董事長張勇認為，“中層”企業(yè)的出現(xiàn)肯定是可能的，云計算企業(yè)樂于看到。但這些公司需要解決的仍然是一個關鍵問題?！?strong>定義清楚要解決誰的問題，定義越清晰，能力越到位，所做的事情就能真正“收斂”，真正具有商業(yè)“穿透力”。

同時也引起了企業(yè)家的討論，比如大型技術剛剛開始進入行業(yè)，但是企業(yè)服務“不收斂”、項目化問題開始出現(xiàn)。例如給 B 終端用戶進行大模型培訓，但由于信息是對方的，他們的團隊很難“閉環(huán)”——數(shù)據(jù)沒有飛輪，收入和毛利都很低。他們不小心成了“高科技施工隊”，技術公司面對面。 B 端一個通病。一些企業(yè)家甚至開始懷疑大模型。 To B 土壤可能天生缺乏。

但是加入企業(yè)家群聊一直在做筆記的張勇，正是在這里非常系統(tǒng)地表達了不同的觀點：“To B 事實上，還有一種可能，那就是“小” B"，即那些中小企業(yè)，他們看起來不起眼，但數(shù)量眾多，僅僅為他們服務，就能造就現(xiàn)在的互聯(lián)網(wǎng)大佬。"

比如阿里早期的“黃頁”，讓中小賣家被外國客戶看到，帶來了跨境貿易的繁榮；淘寶解決了信息和物流的流通問題，創(chuàng)造了電子商務的大類。

并且，與大企業(yè)相比，這些小企業(yè) B 公司不關心技術和愿景，誰能幫助他們解決成長問題，就會為此付出代價。

目前大公司數(shù)據(jù)化的主要目的之一是“降低成本”，歸根結底是“節(jié)流”。然而，效率提升的空間總是有盡頭的，但增長和發(fā)展的“開源”空間相對無限。張勇認為，公司服務中的“開源”遠比“節(jié)流”重要，每個人都愿意為發(fā)展買單。

他甚至認為，過去數(shù)字企業(yè)服務過于重視“降低成本”可能是一種誤解，因為通常是大企業(yè)愿意為提高百分之幾的效率付費，而且體積大，符合投入產(chǎn)出率。然后讓大家圍繞大企業(yè)做項目。另一方面，小企業(yè)很難通過“降低成本”來啟動自己的需求，他們想要的是成長和發(fā)展的能力。

其實，小 B 顧客也有一個雙重的特點，那就是如果使用“訂閱”的方法，那么它實際上可以被視為“C 端用戶”。

此時張勇的觀點也得到了與會企業(yè)家的認可，比如出去問問題的李志飛曾經(jīng)在語音識別領域做過。 To B 生意，被同行卷得很痛苦。后來他做了什么。 AI 配音工具“魔音工作坊”，服務內容創(chuàng)作者，收斂到真正解決小問題。 B 一般問題商品，這些“小” B相反，讓他真正把它放在一邊 AI 技術已經(jīng)成為健康成長的業(yè)務。

張勇還建議創(chuàng)業(yè)公司需要從一開始就明確自己想要服務的用戶， C 還是 B，是小 B 還是大 B，一定要定義好。張勇甚至認為， AI 如果既做了企業(yè) To 大 B 又做 To 小 B 甚至 To C 這是行不通的。

盡管 AI 技術的發(fā)展帶來了許多變化，將會越來越具有通用性，但在技術層面之外，還有組織“DNA “問題”，“在你的公司做大客戶和互聯(lián)網(wǎng)用戶的團隊，工作的著裝和說話方式可能會有所不同。”張勇認為他應該定義他服務誰，處理什么問題，而不是去任何地方。

大型模型對云意味著什么？

幾年前的最后一波 AI 在浪潮中，很多創(chuàng)業(yè)公司也獲得了大量的融資，出現(xiàn)了很多知名公司和企業(yè)家，但幾年后，他們仍然努力工作。我一直和很多企業(yè)家保持溝通，很多次約好聊天，看到他們看起來很累，嗓子嘶啞。當我問的時候，我通常會在前一天和一個大客戶一起喝酒，但是我沒有恢復。

這一次，很多企業(yè)家也目睹了“高級人力外包”和“高科技施工隊”，因為技術無法形成標準化產(chǎn)品，只能接手項目。他們都認為我們不能再犯錯了。

同時，大家也很關心阿里云這樣的云計算平臺在模型時代會面臨什么變化。大家也問張勇，在模型時代，他覺得云本身是技術還是商品？

“云本身應該是一種商品，而不是一種商品，而是一系列的商品，”張勇的回應非常直接。”在模型和 AI 在潮流的推動下，有一件事是肯定的，那就是行業(yè)和客戶對算率提出了全新的要求。如何滿足用戶對計算能力的進一步需求，成為阿里云的基本出發(fā)點。張勇認為這里一定有技術要解決的問題，但阿里云也應該思考如何“收斂”到真正解決工業(yè)生態(tài)問題的產(chǎn)品，而不僅僅是導出計算率本身。

有趣的是，盡管這次交流活動是有趣的。 FounderPark 社區(qū)和阿里巴巴云聯(lián)合邀請，但沒有安排任何關于“通義千問”的分享。當然，企業(yè)家也非常關心云平臺本身的大模型目的。張勇的觀點是:這很容易發(fā)生 Hyper Scaler跨技術時代(超大型玩家)，肯定沒人敢掉隊，不可能不去觸摸技術本身。但是他覺得，在這樣一個巨變的時代，阿里云要把握還是更核心的角色，就是Cloud。 Service Provider(云計算服務提供商)。

“要做好這個角色，不了解大模型肯定是不可能的?！睆堄抡f:“如果我們不問通義，我們可能不知道如何幫助今天參加會議的企業(yè)家?！?/span>

事實上，讓張勇更加興奮的是，他十分確定，未來人類社會對計算能力的需求是無限的，對其效率的要求也會越來越高。所以張勇說，阿里云絕對希望“模型越多越好，場景越多越好”。兩者越多，對計算能力的需求和技術標準就越高，這意味著云有了新的問題需要面對和解決。而且只有不斷地解決“難題”，才能帶動云的價值有更大的發(fā)展空間。

“云計算平臺需要前所未有的生態(tài)，而不是自己做任何事情。目前還沒有一家公司能夠使用自己的芯片、云計算、數(shù)據(jù)平臺、機器學習框架和大模型，產(chǎn)生所謂的“閉環(huán)”，這在物理上幾乎是不可能的。”

張勇覺得，AI 隨著技術的發(fā)展，生態(tài)學有了新的可能性。在過去的十年里，他有一個缺點，那就是中國云計算的快速發(fā)展，但是中國 SaaS 由于基礎設施的快速發(fā)展，行業(yè)并沒有得到實質性的改善。而且美國的 SaaS 公司，目前正在探索的公司 AI 嵌入平臺升級，走一條與國內公司不同的道路。

他認為，在 AI 在時代，中國有可能出現(xiàn)新一代。 SaaS，這將是一項全新的智能服務，以及以前。 SaaS 不同的流程驅動程序，這種新的服務將由數(shù)據(jù)和智能驅動，也可能不叫 SaaS。

面壁智能董事&CEO 在國內，李大海指出 To B 這個市場很碎片化， SaaS 服務起不來的原因。但是現(xiàn)在有了大模型這樣的技術變量，能不能有一些變化是值得期待的。同時，他也期待著像阿里巴巴云這樣的云廠商在這里有一些好的解決方案和基礎，帶大家一起走得更平。

對張勇來說，過去中國有很多。 SaaS 到目前為止，公司還不能安全。 Cloud Native(云原生)，而對于一個自然生長在云上的人來說， Intelligent Native新的服務(智能原生)，有機會“平替”以前的非原生商品。

許多時候我們感慨，去年十年的中國 SaaS 行業(yè)增長并不令人滿意，但現(xiàn)在大模型為創(chuàng)業(yè)公司在全新的數(shù)字生態(tài)中塑造新格局提供了新的機遇。張勇的結論是:這樣的機遇和挑戰(zhàn)對所有的企業(yè)家來說都是一樣的，他們必須在未來找到自己的位置，共同創(chuàng)造生態(tài)伙伴關系和財富。

好了，上面是我的長達。 7 一些在小時交流中選擇的筆記。今天大模型技術帶來的時代變化，我最強烈的感覺就是剛剛拉開帷幕。經(jīng)過上半年的極度興奮和“過度想象”，一個可能接近 10 今年的技術革命，才真正開啟了“萬里長征”。真正的共識是在瘋狂期過后真正進入拓荒期，在這里經(jīng)過足夠的時間磨練和付出堅實的代價才能得到的。
 

希望企業(yè)家和產(chǎn)業(yè)生態(tài)之間有更多坦誠的交流和帶有“開源精神”的思考沖擊。事實上，張勇給這次交流起來的“西溪論道”這個名字相當不錯。坐著說話，你應該采取行動。

我認為，這個“道”應該是 AGI 時代從技術到產(chǎn)品， vision 讓我們來看看價值的“創(chuàng)新之道”。

本文來自微信微信官方賬號:極客公園（ID：geekpark），作者：張鵬

本文僅代表作者觀點，版權歸原創(chuàng)者所有，如需轉載請在文中注明來源及作者名字。

免責聲明：本文系轉載編輯文章，僅作分享之用。如分享內容、圖片侵犯到您的版權或非授權發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com