36氪 11-13
AI在变,创业者怎么改变?
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_keji1.html

 

在 AI 行业不断变化的今天,国内的 AI 企业出海的话,应该如何改变?像我们这样的普通人,身处 AI 全球化的浪潮中,还有什么能抓住的机会?

11 月 7 日(周三)13:00 点,氪星直播间邀请到了 Beta 硅谷智库创始人云飞、Forma Cloud 创始人黄山,和我们一起聊聊:AI 在变,创业者怎么改变?

本次直播主要聚焦以下问题:

今年的诺贝尔三大奖中,有两项都赋予了与 AI 相关的科学研究。两位怎么看 AI 横扫诺贝尔奖这件事?

传闻国内大模型「六小龙」至少有两家要放弃预训练了,两位怎么看待这件事?Meta 为什么要花重金训练自己的开源模型?

手机厂商们在今年密集发布 AI 手机,两位如何看待 AI 手机未来的发展,以及苹果在 AI 行业的布局?

国内 AI 企业到海外去,有哪些普遍需求和独特优势?

从黏土相机到 Talkie 等社交类应用,AI 产品面临同质化、生命周期较短的问题。两位更看好哪一类产品,怎么看同质化现象?

对 AI 公司而言,更快实现 PMF、打造底层能力的差异化、拥有自己的用户数据,哪个更重要?

对于想要出海的中国 AI 企业,请两位给出三条锦囊妙计。

以下为两位嘉宾和 36 氪的对谈,部分内容经过整理编辑:

36 氪:今年的诺贝尔三大奖中,有两项都赋予了与 AI 相关的科学研究。两位怎么看 AI 横扫诺贝尔奖这件事?

云飞:今年的诺贝尔奖作为一个信号,进一步证实了 AI 发展的必然趋势。在硅谷,我们与 YC 的 CEO Garry Tan 进行了交流,有一个共识:未来十年,所有公司都将采用生成式技术,他们的产品都将带有生成式技术的特征,这是一个不可逆转的趋势。

我们常把 AI 比喻为一条龙,它已经从笼子中被释放,尽管依然存在着安全问题和控制权的担忧,但龙已经无法被重新关回笼子,每个人的生活都因此发生了本质的变化。具体来说,无论是华人企业出海到美国,还是当地优秀人才创业,方向大致分为三个层面:首先是芯片层,这类比于电气时代的发电厂;其次是模型层,类似于配电公司;最后是应用层,类比于电气时代的电灯泡。2024 年,创业者开始专注于创造各种电灯泡,也就是在 AI 应用层面上进行创新。尤其是在硅谷,都在探索如何开发出下一个好用的 AI 应用产品。相比之下,在模型层和芯片层的探讨较少,因为目前的格局已初步形成。

黄山:关于今年的诺贝尔奖,我认为这个做法有些不合理。如果 AI 领域从业者能够获得物理学奖,那是不是文学奖应该授予 ChatGPT,因为它无疑是今年最受关注的 " 作家 "。当然,这只是一个玩笑。在我看来,诺贝尔奖对 AI 行业的影响可能并不显著。因为获奖的两位学者 John J. Hopfield 和 Geoffrey E. Hinton,他们的贡献集中在上世纪 80 年代。

可以简单跟大家介绍下这两位,Hinton 比较有名,反向传播算法至今仍被用于神经网络训练。Hopfield 是发明了 Hopfield 神经网络,主要用于存储和回忆功能。尽管这种网络现在已经不常用,但核心思想仍然被现代 AI 技术采用,例如注意力机制和损失函数。Hopfield 的思想可以通过一个简单的例子来说明:假设我们三个人正在聊天,如果我的脸被遮住,大家仍可以根据我以前的行为模式来判断我是否在场。例如,以前云飞和婉君在场时我经常在,那么即使今天你们没有直接看到我,也可以推断我在场。这种思想可以应用于图像补全,比如通过其他像素来推断丢失像素的样子。因此,Hopfield 的思想在 AI 领域依然具有重要性,值得大家了解。

36 氪:传闻国内大模型「六小龙」至少有两家要放弃预训练了,两位怎么看待这件事?Meta 为什么还要花重金训练自己的开源模型?

云飞:首先,Meta 的做法是明确牺牲短期商业利益,换取在 AI 生态中长期的战略优势。具体来说,Meta 想通过开源推动行业标准的建立,吸引开发者和研究者围绕其平台进行创新,从而巩固其在 AI 生态中的影响力。免费是成本最高的获客手段,即使他们的模型性能只有 70 分,但通过免费提供,能从市场上 85 分的模型那里吸引更多用户,这是其主要的战略考量。第二,是为了生态系统的建设。Meta 希望以自身为中心,建立基于 Llama3 的多种应用产品和公司,以促进生态系统的建设。这不仅增强了 Meta 的影响力,还鼓励了小型企业在其平台上发展。最后,Meta 可以通过全球用户的数据和反馈,优化自身模型的性能和安全性。这三点是 Meta 推动 AI 开源模型的清晰目标。

黄山:我从三个层面探讨 Meta 为什么投入巨资训练开源模型。首先,Meta 为何要自行训练模型?因为他们的规模大,需要避免被人 " 卡脖子 "。Meta 以前在苹果平台上提供服务时遭遇限制,例如广告数据的获取受限,这让 Zuckerberg 意识到依赖竞争对手的系统是不利的。对于大型公司而言,选择合作伙伴是一个重大决策。其次,Meta 为何要免费提供模型?因为免费可以促进生态建设。而且 AI 大模型的用户粘性较低,用户可以轻易更换。所以,在 AI 大模型领域,企业想要吸引用户花钱使用,除非是行业第一,否则很难盈利。最后,Meta 为何要开放模型权重?虽然 Meta 并没有开放源代码和训练数据,但确实公开了一些信息,如论文。最初,Meta 希望用户报名后免费使用模型,但有人私下把模型公布出来,并把种子传播到了匿名社区。他们最终才决定全面开放模型,同时也意识到建立生态的重要性。大型模型不仅需要部署,还需要各种手动集成操作,这些并非 Meta 的主要任务。因此,Meta 专注于模型开发,而社区则负责将模型应用于不同场景并完善接口,这对 Meta 也是有益的。

36 氪:手机厂商们在今年密集发布 AI 手机,两位如何看待 AI 手机未来的发展,以及苹果在 AI 行业的布局?

云飞:对于苹果来说,一个硬件公司想去做软件,说实话是件很别扭的事情,他们也一直在尝试。目前我们还没看到苹果在 AI 领域有脱胎换骨的变化,它的企业文化也不允许这样的转变。但我对于苹果接下来做硬件方面的能力,还是非常看好的,人家在这方面确实是练出来的肌肉,也是行业里面的老大。反观谷歌,大模型 Transformer 这套东西最早是从他们这里出来的。但由于内部 DNA 和文化,导致 AI 这个孩子出生之后长不大,反而被其他人先抚养起来,变得无比强壮,以至于开始跟谷歌叫嚣。总的来说,软件公司想干 AI 都有这么大的挑战,苹果作为一个硬件公司,挑战是更大的。

虽然业内人士都说,软件公司搞硬件比硬件公司搞软件稍好一点。但是从谷歌的 Google Mobile Phone 来看,跟苹果的硬件比还是有差距的。所以,苹果如果想赢的话,需要参考微软在这个问题上的做法。继续挣自己的钱,然后投一个叫 OpenAI 这样的公司,你去孵化、滋养它,把你的客户、算力都给它,这样就可以培养第二增长曲线。Satya Nadella 在微软已经替苹果打样了, Tim Cook 要不要抄作业,就看他自己的选择了。

黄山:首先,云飞对苹果发展 AI 的解读,我基本同意。苹果资源丰富,完全有能力收购小型或中等规模的公司。他们在 AI 领域的布局已有相当长的时间,大家以前在手机中看到的小功能,例如智能选择照片和视频编辑等,都有 AI 功能的嵌入。苹果在 AI 行业中的一个显著优势,是 CPU 和 GPU 的硬件,尤其是 M 系列芯片。虽然这些芯片与 Nvidia 的芯片可能存在一些代差,但也就两三年的时间。而且苹果的硬件有其独特之处,如体积小、能耗低。因此,在 AI 行业中,苹果仍有可能开发出优秀的产品。

其次,手机中的人工智能肯定是个好事,但我不太会使用苹果的 AI 技术。一方面,我是出于隐私考虑,尽管我相信苹果在保护隐私方面做得相对较好,但我还是希望这项技术能更加成熟。我对新技术一般持保守态度。另一方面,我的决定还基于一个直接的计算原因。比如,iPhone 16 的总内存是 8GB,而运行 Llama3 8B 模型(具有 80 亿参数)完整精度,至少需要 16GB 的显存。在这种情况下,我们可能需要等到苹果逐步提升硬件配置,直到内存足够后再使用。

36 氪:国内 AI 企业到海外去,有哪些普遍需求和独特优势?

云飞:出海的企业种类很多,不仅有中型、大型企业,也有大型企业孵化出来的小公司出海,甚至是上市公司到海外寻找第二增长曲线。总的来说,中国企业的优势主要有三个:

首先,中国企业在全球范围内以快速的执行力著称,无论是设计、软件开发还是用户调研,都能迅速将概念落地。其次,服务方面。中国企业在提供人性化服务方面做得非常出色。与美国相比,美国的服务流程繁琐且耗时,而中国企业能迅速响应并解决问题。第三,工程师性价比高。中国企业能够以较低的成本提供高质量的工程师资源,相同投资下,中国企业的运营效率可能是美国企业的三倍。

需求方面,我们可以看到国内的出海策略,大致有四种方式,其中一种不太可行,其余三种较为有效。我们可以想象一个象限图来说明这些策略:横轴代表是否在中国或美国亲自开展业务。纵轴代表是否亲自参与或雇佣他人作为代表。右上角象限指的是那些愿意搬到美国并亲自开展业务的人,这类人通常有留学背景,英语流利,适合在美国开展业务。第二类是在中国取得成功但未在海外留学的企业家,他们可能会选择在美国安家,并寻找当地的 CEO 作为代言人。第三类是超级巨头,如 BAT,他们继续在中国发展,同时雇佣美国领导者来拓展全球市场。最后一个不成功的策略是试图在中国同时管理美国的业务,这种方式难以成功,如最近国内一家头部企业,要求管理海外业务的员工必须搬到海外,否则离职。这说明跨地域管理业务存在很大难度。

黄山:在人力资源方面,中国确实有优势,国内竞争激烈是公认的事实。此外,我想给国内泼一盆冷水。尽管中国企业在人力资源方面有优势,但在 AI 时代,AI 的成本更为关键。国内使用的大模型的成本是多少,这是一个非常关键的问题。国内企业需要在 AI 的质量和成本上建立优势,这样出海时才会有竞争力。大家都知道我们在 GPU 方面被 " 卡脖子 ",如果时间可以回到 10 年前或 20 年前,我相信一定会优先解决 GPU 问题。现在虽然在应用层面的开发总体是可行的,但还是解决这个技术制约最重要,国内应该在这方面投入更多精力。

36 氪:从黏土相机到 Talkie 等社交类应用,AI 产品面临同质化、生命周期较短的问题。两位更看好哪一类产品,怎么看同质化现象?

黄山:我觉得 AI 应用比较好的领域,还是所谓的能变现的领域。无论什么应用,你不能期望永远领先别人,但在他人超越之前,你可以进行变现。因此,我认为这是一个值得关注的方向。具体来说,哪些领域可以实现变现?

首先,是内容生成。AI 内容生成目前成本较高,因为它需要大量的 AI 资源。但有两个趋势可以判断:一是 AI 的成本肯定会越来越低;二是用户对内容错误的容忍度。大模型经常会出错,但是如果 AI 应用产品方向选择得好,用户对错误的容忍度会较高。而如果用户对错误的容忍度为零,那么这个领域就不适合。其次,是 AI 的数据方面。AI 主要是通过训练数据生成的,而这些数据可以作为企业的核心资产,你不需要将其开放给他人,就像 Llama 一样,不将数据分享给他人,别人就无法复制其产品。因此,AI 训练数据是一个具有良好知识产权保护的赛道。第三,我认为 AI 陪伴是一个好赛道,因为这是一个刚性需求。未来如果有设备可以提供更真实的陪伴,那这个领域将会有很大的发展空间。同行们暂时做得还不够好,但未来肯定会有改进,因此 AI 陪伴也是一个值得关注的赛道。

至于同质化,我认为产品被复制的问题并非由 AI 引起。在 AI 出现之前,任何热门产品都难以避免被复制的命运。如果一个产品容易被复制,那么它就应该被复制,且必然会被复制,在产品开发时就应考虑到这一点。大家可以访问 Y Combinator(YC)的网站,查看他们每一期孵化的公司,带着这个问题看看这些公司,可能会有新的感悟。至少可以了解如何保护自己的产品不被轻易复制,或者至少提高复制的难度。

云飞:我们经常内部讨论这个问题,最终得出的结论是 " 不应按赛道来关注,而应围绕创始人 "。每位创始人都有其专业领域的深厚背景,比如新闻或供应链,创业者在这些领域积累了十年的经验,知道行业内的真实场景和问题是什么,再将 AI 技术嵌入其中,就能更容易接到订单、变现。在硅谷,早期投资人和创业者都清楚,真正成功的创业者通常在第一阶段就能实现销售,而不是依赖于宏大的故事。

对大多数人来说,成功的商业模式往往是那些看似不性感甚至有点无聊的商业策略。这又回到了之前提到的,企业竞争力的关键在于了解对方的真实需求,而不是仅仅推销一个万能的 AI 工具。市场已经对这种推销已经麻木了,不再相信一个工具能解决所有问题。按照这个逻辑推下来的话,比较有潜力的 AI 赛道,还是在 SARS 领域,尤其是 ToB SARS。我通常会鼓励 AI 创业者深入实际,扎实地掌握看似无聊的商业技能,完成交易,实现订单成交。许多成功的独角兽公司也是从单一订单开始,逐渐积累,最终实现平台化和产品化。对于没有特定领域经验的创业者,建议考虑那些费时但简单的任务,这些任务非常适合 AI 处理。

最后,目前创业者面临的现实是,如果 AI 工具只解决单一场景问题,就会很容易被复制和替代。在 ToC 层面,用户可能会因为免费或 CEO 的活跃度而选择使用某个产品,但最终会转向新的、更酷的产品。因此,ToB 领域提供了更多机会,因为 ToB 不是单点链接,而是通过多个环节与客户建立联系。替换一个 ToB 产品需要巨大的成本,因此客户更倾向于保持现状。这为 ToB 领域的创业者提供了更多机会和发挥空间,他们可以通过多个钩子牢牢抓住客户。

36 氪:对 AI 公司而言,更快实现 PMF、打造底层能力的差异化、拥有自己的用户数据,哪个更重要?

云飞:首先说结论,PMF(产品市场契合度)最重要,尤其是现在一级市场投资并不十分活跃的情况下。尽管美国新政府上任可能会带来一些变化,但在这之前,PMF 仍然是关键。

我举一个 Agency Right 公司的例子,它的创始人最初是想帮广告商提高广告投资回报率(ROI),许多投资者的第一反应是很惊讶,因为这是一个竞争激烈的赛道。但是这位创始人在广告行业有多年经验,他对行业的理解足够深刻。虽然在第一年并没有获得融资,但创始人一直专注在产品开发,没有外部投资的情况下自行实现 PMF,并最终达到了 60 万美元的年度经常性收入(ARR)。到了今年 6 月,他再寻求融资的时候,种子轮已经超额认购,许多知名大厂和一线基金都争相投资。

这非常直观地展示了 PMF 的重要性,它能给创业者和团队带来实实在在的安全感。每个月的进展,新订单、新客户和真实用户反馈,都是至关重要的。在 AI 高度同质化的时代,如果说每个人都像坐在火箭上一样快速前进,那么谁能根据自己的行业经验创造出独特的价值,谁就会在 PMF 中体现出来,因为 PMF 中的 "M" 就代表对市场的深刻理解。关于模型之间的底层能力,虽然还存在差异,但没有公司会因为 Claude 而没有使用 OpenAI 失败。公司失败的原因通常是找不到客户或者 PMF 不奏效。

最后,我们把数据简单分为用户数据和非用户数据。其实在非 AI 时代,用户数据就已经非常有价值了;但在 AI 时代,用户数据的价值还会增加十倍甚至二十倍。因此,在互联网时代,如果公司在某些方面拥有优势,尤其是用户数据层面,这种优势在 AI 时代将被大幅放大。真正意义上的独家数据就是用户数据,这是构成 AI 产品核心壁垒的关键。如果你拥有的是市场上采购的数据,或者是从其他地方获取的数据,包括那些可以轻易获得的数据,这些数据的价值就相对较低。周鸿祎来硅谷时我们也讨论了这点,任何可以购买的数据都不具有真正的价值,因为这些数据已经被商品化,你的竞争对手很可能也在使用类似的数据。

黄山:我想分享一下数据的重要性,用一个比喻来说明。比如我们正在烹饪一道菜,这道菜代表我们训练出的模型;我们需要一口锅和一些原材料,其中算力可以比作锅,电力可以比作火,数据是厨房里的原材料,比如青菜。没有原材料,即使有锅也无法做出菜,正如巧妇难为无米之炊。这就强调了原材料的重要性,数据的重要性也在于此。

36 氪:对于想要出海的中国 AI 企业,请两位给出三条锦囊妙计。

云飞:首先,在企业层面,如果想要出海,要亲自去了解市场。待在北上广的办公室,或者只是跟海外同事打电话,无法替代亲自到硅谷或洛杉矶的体验。如果你打算做电商,可以花一周时间与当地朋友见面,感受真实的市场氛围。即使回去后决定不再来了,这次经历也是有价值的。建议使用旅游签证,顺便进行一些商务活动。这是我认为最重要的建议,适用于企业和个人。

其次,关于如何避免踩坑。其实中国企业出海已有一段时间,我们可以借鉴一些成功和失败的案例,虽然历史不会重复,但往往会有相似之处。比如,有些知名中国企业在欧洲设厂的时候因为违反当地规定而被关闭,或者在墨西哥建厂时遇到问题。这些前人的经验教训值得我们学习。在出海之前,了解这些案例可以帮助我们避免重复错误。

黄山:对于决心出海的企业来说,了解和尊重当地的商业文化至关重要。以美国为例,如果你的企业是面向企业客户(ToB),你需要知道美国企业相对资金充裕,更愿意为产品付费,但同时对产品稳定性的要求非常高,因为他们本质上是在用金钱换取时间。我自己曾在初创企业负责采购,我们选择产品的原则是,如果产品能够稳定运行,我们不会去打扰供应商,每年定期支付费用即可;但如果产品出现问题,我们可能就需要考虑更换供应商。

其次,对于出海企业而言,结合海外人才的智慧是必要的。你需要了解海外人士的思维方式,并尊重他们的经验。在这方面,许多国内企业可能在语言上存在不足,因此可能需要寻找既了解中国文化又熟悉海外文化的人才。

更多精彩内容,可点击观看完整直播回放:

 

宙世代

宙世代

ZAKER旗下Web3.0元宇宙平台

逗玩.AI

逗玩.AI

ZAKER旗下AI智能创作平台

相关标签

ai 创业者 科学研究 创始人 云飞
相关文章
评论
没有更多评论了
取消

登录后才可以发布评论哦

打开小程序可以发布评论哦

12 我来说两句…
打开 ZAKER 参与讨论