大模型还是小学生，别着急让它去打工｜对谈真格基金戴雨森：当下AI发展到了哪个阶段？

欢迎收听 《 十字路口 》， 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会 。 十字路口是乔布斯对苹果公司的一个比喻 ， 形容它站在科技与人文的十字路口 ， 伟大的产品往往诞生在这里 。AI 正在给各行各业带来改变 ， 我们寻找 、 访谈和凝聚 AI 时代的 " 积极行动者 "， 和他们一起探索和拥抱新变化 、 新的可能性 。

我是主播 Koji， 杨元澈 ，是新世相和躺岛的联合创始人， 也是一个正在积极行动 、 投身 AI 的人。

这是一期真格基金的播客 《 此话当真 》 与 《 十字路口 》 的串台节目 。 今天与我聊天的朋友是真格基金的管理合伙人戴雨森 。

因为在雨森的启发之下， 新世相和真格联合发起了第一届的 AI 艺术节 。 那我们在今天的播客当中呢 ， 会穿插介绍这一届艺术节的情况 ， 还有我俩参与其中的感受 。

但是这一期播客更重点想要聊的 ， 还是雨森在这一年穿梭于硅谷和中国 ，在行业一线 ， 用 AI、 看 AI、 投资 AI 的体验与认知 ，以及心情和感受 。

那在一年之前 ， 真格和雨森都是最早开始关注 AI 的基金与投资人 ，他们积极行动 、 迅速响应 ， 飞速地积累起来很多在一线的认知 。在 AI 的创投圈有一个流行的说法叫做 "AI 一年人间十年 "。

没错 ， 这一年发生了非常多奇妙的变化 ，也有很多了不起的进步 。ChatGPT 已经从 V3 到了 4o， 那 Kimi 从无人知晓到了路人皆知 ， 大量基于 AI 的创业创新在世界各地在发生 。

那今天想和雨森问的第一个问题 ，是他昨天刚在即刻发了一条这个小爆款 ， 就是讨论 AI 怎么赚钱 。

因为如果说 AI 去年的关键词是 " 大模型 "， 今年大家讨论的关键词就是 "PMF" 和 " 怎么赚钱 、 怎么商业化 "。

那在这条即刻里面 ， 雨森我看到你说要对 AI 的商业模式落地多一些耐心 ， 你可以展开讲讲吗 ？

好的 ，也非常高兴能够和 Koji 来录这个播客 。其实刚才 Koji 说这叫 "AI 一年人间十年 "，其实我想起我跟 Koji 认识已经快 20 年了 。

当年还很羞耻的是校内网时期挂在主页上的特别好友 。

对 ， 我们是互相互为特别好友 ， 然后在大学的时候我们就一起做互联网相关的研究 ， 后来都在百度实习 。

所以当时 Koji 第一次创业 ， 我记得其实 David Liu 也是我介绍 Koji 认识的 。

没错 。

是蛮早的一个经历 。 后来 Koji 也加入聚美 ， 我们一起合作了好些年， 然后真格也投了新世相 ， 所以其实跟 Koji 一直有很长时间的缘分 。

那么其实刚刚 Koji 说到这一点 ， 就是说在这个 AI 现在比较早的时候 ， 我们怎么看现在商业模式还不落地 。其实我也想起我跟 Koji 刚认识的时候 ， 那时候我们都特别喜欢互联网 ， 我们都对互联网 ， 虽然还是大学生吧 ， 对互联网产生了很强的信仰 。

但在那个时候如果去想互联网的商业模式 ，其实也并没有那么落地 ， 或者并没有那么清楚 。 所以在那个时候 ，不管从投资人的角度还是职业选择的角度 ，其实互联网都远远不像后来大家想的这么理所当然 。其实我昨天发了一个朋友圈 ，因为我正好去回忆了一下， 互联网世界现在两大超级印钞机就是 Google 和 Meta，他们在寻找商业模式的时候其实都不是一帆

风顺的 。 比如说现在大家可以看到 ChatGPT 有非常多的用户 ， 当然大家会质疑说你怎么赚钱 ， 对吧 ？

但是 Google 如果回忆一下， 它在 98 年发布的时候 ， 是一个由两位 Stanford 的顶级 CS 的 PhD 创办 ，并且招聘了大量的领先的计算机科学的 PhD， 一开始就搭建超级计算机处理海量信息的公司 。

从这个角度来看 ， 跟 ChatGPT 其实蛮像的 。他们一出来之后呢 ， 很快就成为了全世界最火的网站之一 ， 大家都很喜欢用它 。

但是大家用它有一个原因 ， 就是因为 Google 没有广告 ， 所以大家就发现这个产品很好用 ，但是要烧掉大量的带宽和算力 ， 同时又没有商业模式 。

所以这个时候华尔街一直就质疑它没有商业模式 ，但是它后来又上市了 ， 怎么办呢 ？ 所以它必须得赚钱 。在那个时候其实 Google 尝试了不同的商业模式 ， 比如说卖 SORO 引擎这个技术给别人， 或者说给别人提供 SORO 引擎服务 ， 自己抽成 ， 或者甚至当时最火的商业模式是门户网站 ， 对吧 ？

像 Yahoo 啊 ， 当时新浪那样的 。 所以 Google 说我能不能自己做一个 ，但是后来发现这其实好像都不是特别好商业化的模式 。

它是 98 年上线 ， 然后 2000 年的时候它发布了第一个商业模式 ， 比较 SORO 引擎 Native 的商业模式叫 ADWord， 就是按照这个展示 ， 当你搜一个词的时候在旁边放对应的广告 。

一开始按照展示收费的 ， 后来改成按点击收费 。 那么 2003 年又发布了一个在第三方网站上展示 SORO 引擎广告的叫 ADSense 的系统 。

那么 2004 年 Google 上市 ， 那个时候 Google 的商业模式才比较成熟 。 所以从 98 年上线到 2004 年上市 ， 差不多 Google 在上线之后花了 6 年时间来寻找这个商业模式 。

其实 6 年放到今天也是一个很长的一个时间 。

其实是挺长的时间 。 然后我昨天正好看到 2002 年 《 纽约时报 》 有一个专题文章 ， 就说 Google 最难搜索的是它自己的商业模式 。

这是那篇文章的标题 ， 就非常讽刺 。

对 。

说你 Google 啥都能搜 ，但你搜不出自己的商业模式来 。

是的是的 。 所以说现在大家都觉得 Google 是超级硬超级 ，但是在就在 20 年前 ， 对吧 ？ 大家是不知道 Google 商业模式是什么 ，并且所有人都质疑它的 。

那么 Facebook 其实也是 ， 对吧 ？Facebook 如果大家回忆一下的话 ， 它是 04 年上线 ， 然后 06 年呢 ， 上了这个 Newsfeed， 奠定了现在大家刷的这个信息流的方式 。

但一开始 Facebook 也是没有广告的 ，因为大家觉得这个在一个社交网络上放广告 ， 它一点都不酷 。 所以它在那个时候先是尝试了说让一些本地商家在上面投一些这个 Banner 广告 ，但这个没有做到太大的量 。

然后它后面做了社交游戏平台 ， 就是在 Facebook 上有一些网页端的小游戏 ，在这上面充值呢 ， 你可以跟它分 30%， 这个有一定的收入 。

但是很快这些游戏火了一两年， 然后在 08 年的时候火 ，09 年， 然后 10 年差不多就不太火了 。 所以这个时候 Facebook 需要新的商业模式 。

那么在 2011 年的 9 月 ，Facebook 做了一件巨大的改动 ， 就是把当时的 Newsfeed 从时间排序 ， 就是跟朋友圈一样的这种绝对的时间后排序 ， 改成了按照推荐相关度的排序 。

对 ， 今天抖音其实一上线就是这样的排序 。 但当年 Facebook 做这个排序 ， 我记得是掀起了一个滔天大浪 ， 就是用户极其的抵制 。

对 ，因为用户很明显啊 ， 就是我朋友新发的东西我居然看不到了 ，因为可能他没有推荐给我 ， 对吧 ？ 当时我记得我用到的时候觉得非常震惊 ， 说怎么还能这样 。

那么 11 年 9 月上线的这个对信息流的改变之后呢 ，因为大家可以想到 ， 你只有说我推荐你看这个 ， 我才能推广告给你嘛 。

所以 2012 年的 1 月 ，Facebook 就正式上线了这个 Newsfeed 的广告功能 。 那么其实也就是现在所有信息流广告的前身 ，也不叫前身吧 ， 就是说第一个 。

所以大家现在知道信息流广告 ， 那绝对是印钞机 ， 对吧 ？ 字节的印钞机 ，Facebook 的印钞机 。 但是在当时 12 年其实已经是 Facebook 发布 8 年， 然后 Newsfeed 发布 6 年之后了 。

哎 ，其实这里面也很有趣 ， 就是 Facebook 它在发布两年之后才有了 Newsfeed。 一开始是你需要去别人的主页看它在干嘛 。

所以我们才是特别好友啊 ， 那种 。

嗯 ， 一开始就是真的会忘了就是这个时间曾经没有 Newsfeed。 所以你说 ChatGPT 现在两年， 对吧 ？ 有可能它真的赚钱的那个 Feature 都还没发布呢 ， 如果用 Facebook 的节奏来看 。

对 ，因为嗯 ， 整个 ChatGPT 你想是在 22 年的 11 月 30 号发布了 ， 到现在其实也就是刚好一年半的时间 。 那一年半的时间其实我们会非常的神奇 ，因为在 ChatGPT 发布之前 ， 我们会觉得图灵测试还是个很难的东西 。

你看现在没有任何人谈起图灵测试了 ，因为显然一个 ChatGPT 或者是 Kimi Chat 或者是稍微还不错的语言模型都能够 pass 一个图灵测试 ， 对吧 ？

所以世界其实发生了巨大的改变 。 但同时呢 ， 我们现在看到不管是在这个工业界还是投资界 ，也有质疑说为什么 AI 现在还没有这个商业模式 ， 就是烧这么多钱做大模型 ， 那这个钱怎么赚回来 。

我觉得一个公司一个产品最后肯定是要赚钱的 ，但是可能在不同的阶段它会有不同的侧重 。 比如说我们之前看移动互联网 ，其实是在互联网比较成熟的时候 ， 所以我们这个时候去看产品怎么落地 ， 怎么运营 ， 怎么增长 ， 怎么赚钱 ， 这是合理的 。

但是现在 AI 还是在这个技术突飞猛进的很早期的时候 。 如果打个比方 ， 就是好像我们看一个小学生 ， 我们说小学生你怎么还没有赚钱 ？

你看人家这个 40 岁的大叔赚好多钱 ， 那你是不是就没前途 ， 对吧 ？ 当然可能也有小学生 ， 比如说这个天赋异禀 ， 读完小学就去赚钱的 。

但是我们可能还是会想 ， 那能不能再读读书 ， 对吧 ？ 读个研究生 ， 然后再去赚这个更有知识含量的钱 ， 对吧 ？

这只是个类比哈 。 我就说在一个技术成熟期时候的经验 ，不一定能够拿来直接类比到技术的早期 。

那么在这个时候 ， 可能对于新技术 ， 我们要给予一些更多的宽容和等待 。 但这里面也有一个前提 ， 就是 Google 和 Facebook 其实都是先做到了产品的风靡 ， 就是大家都想用这个产品 ， 都很多人用 ， 然后再去寻找商业模式的 。

我们这样的说商业模式可以不用那么着急 ，并不代表说这个产品可以没有用 ， 对吧 ？ 因为之前我们也经历了像 Web3 一些领域 ， 就是大家也不知道怎么赚钱 ，但产品也没人用 。

所以一个前提还是像 YC 创始人说的那句话 ："Make something people want。" 就你首先得做一个大家想用的产品 ， 然后再去找商业化 。

这个过程我觉得至少有很多 VC， 包括我们是等得起的 ，也是愿意去等的 。

嗯 ， 最近这两三周密集的发生了非常多的大事件 。 从 GPT-4o 发布开始 ，Google 做 I/O 大会 ， 微软做 Build 大会 ， 字节的豆包的大型发布会也发了一大堆东西 。

那这一系列的大事情里面 ，有没有什么让雨森你感到 shocked？

我觉得第一个就是模型的成本下降得非常快 。 我们如果看 GPT-4 发布的时候到 4o 的 API，其实它的成本是降了大概 90% 以上 ， 就是说它的成本是原来的 1/10。

然后 GPT-3.5 Turbo 的成本已经是 GPT-3.5 最开始发布时候的 1/40 还是 1/50，并且我们在硅谷交流下来呢 ， 大家普遍觉得这个成本还能够再下降一到两个数量级 。

那么当成本下降非常快的时候 ， 实际上已经有不少可以使用的场景已经可以落地了 。 因为其实我记得在一年前 ， 甚至半年前 ， 很多人讨论的焦点还是说 GPT-4 好用 ，但是很贵 ， 对吧 ？

但是历史上来看 ， 技术进步是很快的 。 摩尔定律其实是把计算机芯片的算力以非常快的速度降价 ， 对吧 ？

那么现在大模型的这个智力其实也是在以非常快的速度进行降价 。 那么现在很多场景 ，GPT-4 的能力确实已经可以用上， 比如说像一些客服 、 企业内部效率 、 跟人进行沟通这些领域 。

所以我们在硅谷其实感受到一点 ， 就是说很多企业服务应用已经可以开始从原来的一个产品原型到现在真的可以大规模部署 ，并且在未来可能就变成说 GPT-4 级别的智力近乎于免费 ， 或者说像你平时用电 ， 虽然你用了电也得花钱 ，但是你买台电脑 ， 你其实不太会去考虑它的电费是多少钱 ， 对吧 ？

没错 。

所以我觉得这个是一个让 AI 能够快速普及的很重要的事情 。

你有看到一个具体的什么产品 ，因为成本如此显著的下降 ， 它开始变得可行了吗 ？

比如说之前很多产品其实都要做 RAG， 对吧 ？ 就是做这个 VectorDB。 但是当你的 Context 变得很大 ， 然后当你的这个输入和输出的 Token 价格都变得很低的时候 ， 那可能很多东西就能放到这个 Context 里面去进行了 ， 对吧 ？

那在这种情况下， 可能有大量的文本内容 ，因为一个企业里面其实也没有那么多的文本内容 ， 对吧 ？ 那基本上是可以被以一个很低的成本去调用的 。

那这样比如像客服这样的场景 ， 可能就从原来的在实验变到落地变得很快 。 当然我们看到了很多还是在这个产品研发的过程中， 可能还没有说能够短期落地 ， 或者说短期已经产生具体的收入了 ，但我们可以看到非常多的公司都在做这样的事情 。

所以这个是让我比较激动的 ， 就第一是成本下降 ，因为这会让 AI 变得更加可得 。 第二就是大家都在讲的多模态能力 ， 对吧 ？

尤其是在这个 OpenAI 的 Demo 里面体现出来的 ， 让大家都想到说这是不是就是 Her 电影里面描述的那个 AI 跟人进行情感沟通的场景 ， 包括 Sam Altman 在发布会之后 ，他就发了一个 Her 的 Tweet。

我觉得这个我们作为一个人， 人是一个社会动物 ， 所以我们看到一个 AI 能够以一种非常社会化的方式跟我们进行沟通的时候 ， 我们确实会觉得非常的 shocked， 这是肯定的 。

比如说 Google 其实它有一个场景是它用手机在拍了一个视频 ， 然后它聊着聊着的时候突然说 ：" 哎 ， 我的眼镜放哪了 ？"

然后 Gemini 告诉它说 ：" 你的眼镜刚才放在了一个一个什么地方 。" 很多人看到这个第一反应就是说 ：" 哇 ， 那我以后掉东西找东西什么都可以去找到了 ， 对吧 ？"

我觉得这个其实是体现了模型的一个多模态的识别能力 ， 然后还有 Context 它的这个很重要的作用 。 后来我跟 Google 的人交流 ，他们说这个长下文呢 ，其实他们已经有些场景在应用了 ， 比如说在像 Uber 这样的这个共享轿车的平台 ， 乘客和司机可能会发生一些争执 ， 比如说可能乘客乱扔东西了 ，在车里吃东西弄得不干净 ，但是你可能撑车的过程有几十分钟 ，

对吧 ？ 那么车内监控视频 ， 你原来是要一个人去找到那个对应的地方 ，但是现在这几十分钟一个小时的视频 ， 通过一个长上下文长度的多模态模型 ， 就可以很快定位到说 ：" 哎 ， 这到底什么时候乘客吃东西了 ？"

所以更加天网恢恢 ， 疏而不漏了 。

我们可以说对日常生活中我们大量的这个行为动作 ，其实都可以变成 AI 进一步的这个数据 ， 对吧 ？AI 可以进一步理解我们在做什么 ， 这个也变得非常的重要 ， 对吧 ？

嗯 ， 所以刚才提到 Her 这部电影 ，在这个 GPT-4o 发布之后，Her 这部电影感觉重新又回到了大家的焦点里面来 。 之前应该很多人就看过 ， 我看雨森其实早年也看过它 ，但早年我们看的时候应该还觉得它是一个科幻片 ，但今天好像已经成了一个纪录片 。

如果我们还有没有看过 Her 这个电影的朋友们 ， 我们简单介绍 ， 就是在这个电影里面的男主 ，他和他的 AI 女友叫 Samanta，他们之间的恋爱故事 。

而且这个它不是只是单纯的天天和 AI 谈恋爱 ， 它当时非常深刻的讨论了 AI 和人在发展亲密关系的过程中所带来的一系列复杂的伦理问题 。

我比较好奇的是 ， 如果这个故事真的变成了现实 ， 人真的可以和 AI 谈恋爱了 ， 雨森你会觉得它带给人们的是价值呢 ， 还是伤害呢 ？

首先我要想表达的一个观点是 ， 当我们说到 AI 跟人的情感的时候 ， 我们想到 Her， 我们想到的往往是谈恋爱这样一个在电影里面非常的 drama， 非常好看的那个场景 。

但实际上我觉得我关注的可能更多叫情感 ，因为恋爱是情感中很强的一部分 ， 对吧 ？ 但是显然我们人与人之间的关系 ， 那没有那么多都是恋爱关系 ， 对吧 ？

可能我们叫友情 、 亲情 ， 叫做说一种信任 ，其实陪伴这其实都属于情感 。 我觉得情感其实是人类历史上一个原来只有另外一个人能给一个人的东西 ， 对吧 ？

当然也许猫和狗可以啊 ，但是基本上来讲还是只有一个人能给另外一个人情感 ， 所以它是个稀缺的东西 ， 对吧 ？

你想想看 ， 每个人生活中能给自己情感价值的这个另一方其实不多的 。

不多的 ，而且其实有另外一个很有意思的说法 ， 就是人们比起需要爱 ，其实人们更需要信任和安全 。

是 ， 那么现在当这种情感化的沟通能够被低成本的无限制的制造出来的时候 ，其实人类历史上很多变化就是在一个原来稀缺的东西变得不稀缺的时候发生的 。

比如说最开始人们都需要吃东西 ， 对吧 ？ 食物是稀缺的 ，但食物不稀缺之后， 人们就开始追求更高的精神享受 ， 当然可能也变成肥胖了 。

那比如说能源变得不稀缺的时候 ， 对吧 ？ 就是如果当一个高质量的情绪价值变得不是那么稀缺的时候 ， 那么这个人类社会可能会带来很多价值 ， 比如说原来需要陪伴的 ， 比如说原来抑郁的 ， 原来需要这个鼓励的 ， 各种正向情感需求可能从原来得不到满足变成得到满足 ， 那么世界可能会变成个更好的一个地方 。

但同时肯定也会有很多负面的影响 ， 比如说那原来电信诈骗至少还得有个抠脚大汉在后面骗你 ， 现在可能 AI 会以非常生动的形式来骗你 ， 对吧 ？

那这样可能就变成非常多的危害 。 所以我觉得这会带来很多变化 。 那么人类呢 ，其实之前它是从来没有经历过另外一个非人的存在对自己进行情感表达的 。

所以我觉得从这种角度来看的话 ， 我们是很易感的 ， 英文叫很 vulnerable， 就是我们是很容易被一个 AI 的情绪表达所打动的 ，因为我们之前从来没有遇到过这样的存在 。

也许 10 年之后我们都习惯了 AI 对我们可以很自然的说话 ， 那这个时候可能大家都习惯 。 但现在其实是谁能先把这个技术用到用出来 ， 可能就会有很大的影响 。其实有一个特别有意思的 ， 最近一个朋友告诉我的一句话 ，他说你有没有发现我们小时候都看哆啦 A 梦 ， 然后大熊在每一集基本上都会被欺负 ， 欺负了之后他第一反应就是哭着跑回家 ， 奔

向哆啦 A 梦的怀抱 ， 哆啦 A 梦无条件的爱他 、 安慰他 、 给他想办法 。 就没有任何人觉得他们俩的这个拥抱是有任何问题的 ， 觉得是巨自然的 ， 就机器猫哆啦 A 梦可以给大熊安慰 。

所以其实人的情感是比较容易被 hack 的 ， 或者说人的情绪情感 ， 它的需求也可能是可以来自一个就是哆啦 A 梦一样的角色 。在这一点上面 ， 我其实还是持比较乐观的一个态度 。

嗯 ， 哎 ， 那从投资的角度 ， 你会怎么思考和判断最近一大批与 AI 陪伴相关的类型项目的投资价值呀 ？

我觉得可以情感化交流的 AI 呢 ， 它可能更像是一个味精 ， 就是它加入到很多菜里面会让菜变得更好吃 。

但是如果你干吃味精的话 ， 那不说好不好吃 ， 可能有毒 。 比如说现在我们用的每一个应用 ，不管是硬件还是软件 ， 跟我们沟通的方式都是很工具化导向的 ， 对吧 ？

比如说你的手机 ， 你在用它的时候 ， 你觉得它很好用很快 ，但是你不觉得它跟你有什么情感的沟通 。

可能有一些尝试 ， 比如说蔚来汽车 ， 它上面有个 Nami， 它有一个带有表情的小显示屏 ，但是呢 ， 目前的人工智能水平 ， 或者说一年前的人工智能水平 ， 让这样的沟通变得很 ，其实也很人工智障 ， 对吧 ？

它能帮你完成一些简单的东西 ，但是它也只能卖萌而已 。 但试想如果你用的不管这些工具 ， 你的这些硬件 ， 都能够跟你一个人与人之间的正常的带有情感或者情绪 ， 或者是说带有温情的去沟通 ， 那你可能对于很多产品的使用方式就会发生变化 。

试想如果你的车能够不只是安全快速的载你去目的地 ， 对吧 ？ 它其实看过你看过的很多风景 ， 它其实很了解你 ， 知道你经常去什么地方 ， 它甚至听过你很多说话 。

那么假设有一次你再去长城自驾的时候 ， 它可能会跟你说 ：" 三年前我们来到这个地方的时候 ， 那个时候你的孩子还没出生 ， 现在他都已经可以打酱油了 ， 对吧 ？"

那也许你对一个车的理解就会非常不一样 。 那之后假设你要换一个车的话 ， 如果你换一个品牌的车 ， 可能这个记忆没了 ， 所以你就会更愿意买这个品牌的车 ， 对吧 ？

那这样可能就让一个产品从原来的只是有工具价值 ， 变成了说有工具加上情感价值 ，而情感价值可能是一个很高的护城河 。

就跟比如说每个公司都有一个前台 ， 对吧 ？ 这个前台可能不是最便宜的 ， 或者不是最好用的 ，但很多时候这个秘书我们不会去轻易换掉它 ，因为它承载了我们很多对这个环境的了解 ， 我们跟它是有这种熟悉的感情的 ， 对吧 ？

所以我开始就在想 ， 很多产品可能都会具备情感壁垒 ， 很多产品的交互方式可能会从纯工具性的方式变成有情感的过程 。

至于说现在有人说很多 AI 陪伴项目是不是要做一个可以跟人谈恋爱 ， 或者说虚拟谈恋爱的 AI， 我觉得也许会 ，但是目前来看呢 ， 可能这个需求相对比较小众一点 ， 比如 ChatGPT 的 AI， 或者国内的像星野 Talky 这样的应用 ， 可能在目前他们针对的还是一小部分很敏感的人， 就是他们能够很容易跟 AI 共情 ， 就是他们对很需要味精 ， 对吧 ？

但是可能普通人来说 ， 可能很多时候是在我们已有的场景中加一点味精 ， 让这个体验变得更好 ， 可能是 AI 情感化带来很重要的一点 。

我觉得今天这个 ChatGPT 的 AI 或者 Talky 星野 ， 它有一个问题是用户需要发起对话 ，而发起对话这个事情是有很高的门槛的 。

所以我觉得它应该不是 AI 陪伴的一个终极的一个形态 ， 它甚至就是一个过渡中的过渡的一个形态 。

我觉得都是很早期的尝试 ，其实我忘记谁说过那么一句话 ， 好像是 Mike and Jason，因为我是听 Ronghui 讲的 ，但应该不是他原创的 。

就是说如果你认为一件事迟早会发生 ， 你就每隔三年做一次 。 比如说一个能够跟人自如聊天的 AI，其实是从图灵开始 ， 就人们有了想法 ， 所以才有图灵测试嘛 。

那么人类过去是不停的想去做这样的东西 ， 每次都进步一点点 ， 每次都可能还没有做得特别好 ，但是我觉得到现在可能终于到了一个说机器能够跟人自然沟通交流的过程了 。

那么到底是这个形式重要 ， 还是说交流的这个场景内容重要 ？ 我觉得现在我们可能会觉得很特别 ， 哎 ，AI 可以跟我说话 ，但是很快我们就会觉得很理所当然 ， 就跟我们现在见到任何屏幕都觉得可以用手触碰一样 。

我们觉得 AI 就是可以跟我说话 ， 那在这种情况下， 我只能把我的产品进行新的设计 、 新的升级 。 我前两天听一个朋友讲的一个观点 ， 我觉得特别有意思 ，他就说移动互联网里面很多做大成的公司 ，不管是硬件软件 ，其实都是在视觉上做了对的事情 。

比如说 iPhone 显然是在这个好的屏幕 、 好的摄像头 ， 对吧 ？ 大疆也是视觉 ，TikTok、 抖音也是视觉 ， 对吧 ？

就是大量东西都是因为已经在视觉上 ，因为手机给人带来巨大的变化 ， 就是一个好的摄像头 、 一个好的屏幕 ， 对吧 ？

这是你随身带着跑的两个东西 。 那么在这个 AI 时代 ， 可能就是在语言和语音这个上面 ， 可能 AI 的大公司是把这两件事做好了 ， 一种是能够深刻的理解语言 ，并且呢 ， 这个语言包括自然语言和编程语言 ，并且能够跟人进行互动 ， 对吧 ？

比如大家现在做的这种编程的 agent 这样的应用 ，其实它就是说我能用很好的使用程序语言 ， 那么我能使用程序语言 ， 可能就不只是说写代码 ，并且我能够使用别的工具 ， 那这样可能就变成巨大的价值 。

另一个就是说语音交互 ，因为原来跟计算机进行语音交互或者自然语言交互是很多人的梦想 ，但是确实是比较繁杂的 ，是体验不好的 。

但是接下来也许像比如说最近很多人都说 Ray-Ban 的眼镜 ， 那 Ray-Ban 和 Meta 合作的眼镜很好 ，因为它就是用语言交互 。

那么当语言模型变得更好之后， 尤其当端侧的模型变得更好 ， 它的延迟变得更低之后， 可能大家就发现语言交互是非常的自然 ， 那么会接受很多原来不是那么成立的交互场景和使用场景 。

所以我觉得这里面语音的交互 ， 包括说在设备端的变革 ， 可能都是一些很有意思的机会 。

嗯 ， 最近微软的那个发布会上面 ，有一个大家都印象比较深刻的点 ， 就是它的这个 Copilot PC， 就是多数人叫 AI PC 吧 ， 就它直接有一个硬件的一个按钮 ， 按了之后你就可以开始和你的电脑说话 ，而因为电脑是完全知道你的屏幕上在看什么以及看过什么 ， 所以它那个 showcase 的 demo 就是让这个电脑来陪我一块玩游戏 ， 告诉我接下来一步我要怎么才能通关 ， 这个

是一个印象深刻的例子 。 另一个就是我最近觉得一个用户体验的 ， 就是让我感到感动的一个例子是 Arc Search，他们的 mobile app 做了一个新功能 ， 就是大家知道现在你要就是启动 Siri， 你要对它说 "Hey Siri"， 那这个事就是一直也没有成为一个大家经常用的功能 ， 就是它还是没有那么自然 ， 没有那么 intuitive。

但是 Arc Search 做的是你打开界面之后， 你把它举到你的耳朵旁边来 ， 它因为可以感应到这个轨迹的动作嘛 ， 它也能感应到屏幕贴近了你的脸 ，因为这个就是 sensor 是完全可以做到 。

这个时候它立即触发 ， 它说 "Hi，what do you want to search？" 你就可以开始和它进行一段像打了一个简单电话一样的一个搜索的一个交互体验 。

我觉得这个体验的革新会随着技术的变化非常非常迅速的在各个地方冒出来 。

这点我很同意 ， 就是你看 GPT-4o 的演示 ， 整个功能都很精彩 ，但是有一个非常看着比较奇怪的 ， 就是他们都要把手机举起来看周围 ， 对吧 ？

因为这样你就发现我们平时觉得最好用的手机在这个时候反而成了一些体验的障碍 。 当然我们在 AR VR 这个领域 ， 我们也看了还投了一些公司 ， 对吧 ？

但是始终大家都在想说这个智能眼镜什么时候能够真正的起飞 ，但我后来在想 ， 我们之前想的都是往显示端去想 ， 就是我们都在把屏幕往眼睛上放 ， 这样就导致两个情况 ， 一种是我们在 Vision Pro 这种场景 ， 我们放了一个很好的屏幕 ，但是呢 ， 它很重 。

另一种场景就是之前有一些简单的眼镜 ， 我们放了一个不是那么好的屏幕 ， 它很轻 ，但是它不是那么好 ， 所以你要不然重量上有问题 ， 要不然你在显示质量上有问题 。

所以在眼镜上放屏幕这事 ， 我觉得当技术没有本质突破的时候 ， 总是一件比较这个难搞的事情 。

但是眼镜还有个作用就是放摄像头 ， 只是说平时如果是没有这种 AI 说看到你所看到东西的场景情况下 ，在眼镜上放上摄像头 ， 如果只是为了拍照 ， 只是为了摄像 ， 倒还不是那么重要 ，因为我总可以把手机掏出来拍照 ， 拍出来摄像不会麻烦多少 。

但如果我们现在逐渐产生有一个我要始终让 AI 看到我在看到的东西 ， 那这样在眼镜上放摄像头可能就变得更有意义了 。

对 ， 像是无音凉品一首歌 ， 看你看的画面 ， 过你过的时间 。

哎 ， 对 ， 嗯 ， 然后正好我也想问你啊 ， 就是我看 Koji 你最近发了一条朋友圈 ， 你说你认为 AI 会加剧这个世界的财富和资源分配的不公 ，但是 AI 可以帮人们实现情绪平等 ， 你能展开讲讲这个吗 ？

我很好奇你的观点 。

呃 ， 我觉得其实在过去情绪是巨型不平等的 ， 我们都知道身边有很多人被 PUA， 然后也有很多朋友 ，他们现在深陷抑郁 ，是因为他们小时候父母没有掌握一个很好的和他们沟通的一个方式 。

那什么样叫情绪平等啊 ？ 我的定义里面就首先是情绪被看见 ， 第二是情绪被合理的处理 。 那我觉得在过去很多人的情绪是看不见的 ， 如果你哭 ， 家长会告诉你你要乖 ， 你不要哭 ，他看不到说你哭背后代表着某一种情绪 。

但是我自己有一个非常乐观的一个预期 ， 就是我相信 AI 在之后可以以接近零成本去帮助人类 ， 就是你的喜怒哀乐都可以被 AI 看见 、 接住 ， 用一个这个相对合理的 、 温暖的 、 安全的方式来和你互动 。

所以我觉得这个情绪平等 ， 我们先不讲这个到底它会如何去加剧财富和资源分配的不公 ，但情绪平等大概率是可以实现的 。

对 ， 这个其实也 Echo 我开始说的 ， 就是之前高质量的情绪其实是稀缺的嘛 ， 就跟大部分人其实没有粉丝 ，也没有追求者 ，他可能就是在跟自己的几个同事或者是家人互动 ， 对吧 ？

但是 AI 可以让每个人其实都多了一个很好的倾听者 ， 然后不仅是倾听 ， 还能给你很好的反馈 。 那原来这样你可能是要付很多钱去获得的 。

对对对 ，而且我觉得一方面是付很多钱 ， 比如说今天有人会做心理咨询的 AI， 那就会有一个直接的 challenge， 就是你怎么能够比人类更好 。

但我自己的观点就是我不需要比人类更好 ，因为人类他再好 ，他也只有一个小时， 每周一个小时 ，但是 AI 我可以 7×24 小时 。

对 ， 非常 available。

Yes， 对 ， 我们站在 2024 年的 5 月底的这个关口 ， 雨森在去年的这个时候 ， 你还记得 AI 是什么样子的吗 ？

那个时候你是什么样子的吗 ？

我觉得对 AI 的一些大的判断其实没有发生很大的变化 ， 比如说 scaling law， 对吧 ？ 我们会有更强的模型 ， 我们会需要更多的算力 、 更多的数据 、 更优秀的人才 ，但我觉得 AI 发展的速度其实还是比我想象的更快 ，因为你看这一年里面 ， 我们有了多模态领域有了非常多的进展 ， 这是在理解 ， 对吧 ？

然后我们在生成角度 ， 我们有了 Sora， 我们有了 Suno，在这些原来大家觉得很难的领域 ， 突然就变得好像又出现了它的 GPT-3 的时刻 ， 就是它泛化到了一定的程度 ， 然后质量也到了可接受的程度 ， 然后在成本上， 我们开始说到发生了 10 倍以上的变化 ， 对吧 ？

就是一个东西一年能降 10 倍的成本 ， 甚至几十倍的成本 ， 这个其实在任何领域都是非常难的 。

摩尔定律也没有说这个会以一年 1/10 的速度下降成本 ， 对吧 ？ 所以这个其实也是非常非常快的 。

然后我其实在去年有个判断 ， 就是说模型的军备竞赛会不断的进行 ，但应用的落地会比大家想的慢一点 。

但是现在我其实觉得我可能得适当的上调一下应用落地的预期了 ，因为确实我们看到 AI 因为它的成本下降 ，因为它的能力的泛化性的提升 ， 所以导致越来越多的人熟悉 AI， 开始尝试使用 AI。

我觉得这其实是有给我很多的启发了 。

所以在这个一年的时间里面 ， 你的投资的这个策略思路有发生过一些显著的变化吗 ？

嗯 ， 我其实觉得显著的变化倒没有 ，但我觉得更想清楚的一点就是在一个技术的早期 ， 我们应该投资那些对这个技术有深刻了解的年轻的先行者 。

比如说我们可以把历史上技术驱动的创业分成三个阶段 ， 我觉得第一个是叫做说科研驱动 ， 就是这个时候能不能做出来是最重要的 ， 就是你有我没有 ， 那就是 0 和 1 的区别 。

第二个阶段可能叫做工程与产品驱动 ， 就是你也能做出来 ， 我也能做出来 ，但是可能我做的比你好 ， 这是第二个阶段 。

第三个阶段是运营和商业驱动 ， 就是大家都能做出来一个不差的产品 ，但是谁的运营商业化做得好 ， 这个最重要 。

那么我们其实在入行做互联网的时候 ，其实都已经是在产品和技术驱动转变为商业和运营驱动的过程中了 。

所以其实你看我们那会儿创业 ， 一开始我们创业的时候觉得做一个 APP 还需要一些难度 ， 对吧 ？ 所以那时候有专门帮人做 APP 的公司 ，但是后来做 APP 就变得没有难度了 ， 对吧 ？

大家都不会觉得我做个 APP 做不出来 ， 我总能招到人把它做出来 。 当然最后就变成需要增长黑客 ， 就增长变得很难 ， 对吧 ？

没有人说要做个做 APP 黑客 ， 就增长 ， 就是增长变得很难 。 然后后来又变成说大家怎么做投放 ， 大家怎么做这个变现 ， 对吧 ？

就后来就都是这些了 。 但是呢 ， 当我们现在重新回到了说这个产品 ， 比如我要做一个 HER 或者是做一个机器人保姆 ， 我知道我要做什么 ，但我做不出来 ， 对吧 ？

现在又重新到了一个科研变得很重要的阶段 。 所以我觉得这是我们支持的创业者类型发生的变化 ， 同时我们在思考什么值得投的这个过程中也发生了变化 。

互联网到了后面其实是一个点子驱动的过程 ，因为当你工程能力 、 产品能力变得很强 ， 所以缺的是点子 ， 比如说我需要做一个拼多多 ， 或者我需要做一个什么新的社交网站 ， 这都是靠点子驱动的 。

所以点子驱动的特点是第一 ， 大家跟进的速度很快 ， 互联网到后期的时候 ， 每当有东西出来之后， 大家一下子一年时间都有几百家跟进 ，因为只要我看到了做出来不难 。

第二就是说它出现了很多叫车库创业 ， 对吧 ？ 车库创业就是这事没那么难 ， 所以我只要有个想法 ， 我在车库里边几个人搞搞就可以搞出来了 。

当然现在在 AI 领域呢 ， 实际上第一点子已经在那很长时间了 。 我刚说的机器人保姆 、HER， 包括这种帮你去编程的这个 agent， 这些其实都是人们想了很久的事情 ，他不是想不到是因为做不到 ， 所以这是第一个 。

第二个这样就导致说你投的团队必须要在这个里面 ，他有这个对新技术的了解 ，他同时也要能够积蓄资源 ，因为他确实得把一个原来很难做的事变得能够实现 。

所以我之前经常打个比方 ， 就是假设我们回到我们认识的那个时候 ， 那个大家都用黑莓或者诺基亚 Sybian， 对吧 ？

假如那个时候有人从未来穿越过来说 ， 未来有个应用叫抖音特别牛逼 ， 你们现在就要去做抖音 ， 我们说知道了 ，但是怎么做抖音 ， 对吧 ？

在一个 Windows mobile 上面 ，在个 Sybian 上面怎么做抖音 。 所以那个时候你有点子没用 ， 需要技术 。 现在我们是被技术限制的阶段 ， 所以我们现在专注的去寻找年轻的优秀的技术创业者 ， 这个是现在我们寻找的一些重点 。

嗯 ，有意思 。 你说到这个我想到上个礼拜我见到一个老朋友 ， 十几年没见 ，他当时是在帮接盘做 iPhone APP 开发的一个兼职 ，但他那会儿的本职工作是在 Apple 做开发 。他那会儿来帮我解决了一个什么问题呢 ？

就是我们最开始那个 APP 开屏的时候是会黑三秒 ，因为那会儿没有 splash screen 的概念 ， 所以我们应该是当年第一个在中国就是做了一个 splash screen， 所以你那三秒你可以看到一个彩色的画面 。

我现在想说 ， 我靠 ， 这个真的是真的历史上发生过这种事情吗 ？ 那一天就很感慨 ， 我回去搜邮件看我们的那个来回 ， 发现是在做这个事情 。

对 ， 所以我其实又想到说 ， 我们都因为最近十年经历了移动互联网这些 ， 我们自己变成所谓老炮儿的时候 ， 我们总是想去思考终局 ， 对吧 ？

我觉得思考终局是一个好事 ，但是呢 ，在你太早的时候硬要去思考或者回答一个终局其实也很难 ，因为我们创业的时候 ， 我们又知道自己做的终局是什么呢 ， 对吧 ？

所以我又在想 ，不要把成熟的标准套到年轻的行业和年轻的创始人身上 。

对 ， 就假设现在大模型还是像刚才雨森的比喻是个小学生 ， 那我们希望他能够快快乐乐 、 无忧无虑的学知识 ， 尽快的这个心理健康 、 身体健康的成长为一位 PhD，不要太早去薅他羊毛 。

哎 ，在一年前这个真格的播客里面啊 ， 我听到雨森你说过一个观点 ， 大概就是应用层的公司长期要训自己的模型 ， 那模型公司长期来看要做自己的应用 ， 这个也 Echo 到你刚才讲的三个阶段 ， 就是技术 、 产品和运营与商业化 。

那听起来这三个阶段的前两个阶段 ， 你是认为它应该是一个公司去做吗 ？ 这个观点在此时此刻你会有一些变化吗 ？

我觉得如果你要做一个比较顶级的应用层的公司 ，在现在至少从全球角度来看 ， 还是要对模型有一些控制能力吧 ，不一定是说你要从零开始训一个 foundation model，但是呢 ， 你对自己的模型的数据 、continuous training 这些还是要有很多的控制能力 。

实际上我们去看现在跑的最好的这些应用 ， 虽然也不能说很大 ， 对吧 ？ 比如 ChatGPT、Midjourney 或者 Carrot AI、Perplexity，Perplexity 可能他们有一些自己的模型 ，也有一些用 Claude 或者 ChatGPT 的 ， 就是前面几个其实都是做自己模型的 。

那么比如 Perplexity，他们其实也是在复杂的时候可能去调用 GPT-4o 做一些处理 ，但是在问题很多时候简单的时候 ，其实是有一些自己的模型去处理 。

据说其实超过半数的 query 其实是用自己的模型在处理的 ，因为一个是成本原因 ， 一个就是说你有更多的可控性 。

所以我觉得在现在可能说能把模型这件事情玩的更明白的公司在做应用的时候会有优势 ，但是确实在长期来看 ， 我觉得可能未必 。

长期来看 ， 可能当这些先进模型的 API 最后变得成本也很便宜 ， 然后也随处可得的时候 ， 可能大家就越来越在上层做上层建筑了 。

如果拿互联网这个做比方的话 ，在早期的很多软件或者互联网应用 ，其实是需要对网络通讯层或者说芯片层这几个领域去做很多自己的工作 。

我记得你是学计算机的 ， 对吧 ？

我们还要学汇编语言呢 。

对 ，因为那个时候 API infra 不 ready，但是到了现在你做一个应用 ， 比如你写的语言也变成了一些高级语言 ， 对吧 ？

然后你的 infra 也变成了云服务 ， 这种你不用考虑你的机房怎么布的 。

对 ， 我当年还跟着王兴搬过服务器去北京站的一个机房 ， 现在想一想也是恍若隔世 。

对 ， 就是当时我们都要去搭自己的机房 ， 对吧 ？ 但是现在你做一个应用 ， 你可以做了很大都不用考虑这件事情 。

所以这就跟比如现在类比的话 ， 你也许现在你要考虑模型的 oxygen， 甚至一些 continuous training 一些这样的事情 ，但是可能过十年 AI 创业者就根本不用想这个事情了 。

哎 ， 那对于 AI 创业者来说 ， 今天有另外一个大家共同面对的挑战 ， 就是我如何去选我从 0 到 1 的切入的角度 ， 尤其是我最近看到字节的这个发布会之后 ，他的火山引擎官网把他所有的 AI 产品列表拉了出来 ， 那个密密麻麻像一个当代好 123 一样 ， 就是给我一种感觉是叫什么小孩子才做选择 ， 成年人我什么都要 all in。在这样的一个大厂激进的背景

之下， 你会如何建议创业者选择他们从 0 到 1 的切入点咋选呢 ？

我觉得当然现在我们只能给一些比较简单或者 general idea，因为整个事情太早了 ， 所以我们也在研究 。 但是一般来讲 ， 创业的一个通行规律是先找一个足够小但是足够痛的切入点切入 ， 对吧 ？

其实你会发现这些大厂现在都在做 AI，但是呢 ， 会有一个问题 ， 就是因为他们对 AI 很重视 ， 很重视叫做大事情 ， 所以当一些需求显得没那么大的时候 ，他们可能反而不会去花很多时间去做 。

我之前有个总结 ， 就是在 《 三体 》 里边 ，《 三体 》 那个小说里边 ， 地球为了保护自己 ， 最后他要想的方案就是说让外星人看了地球就下头 ，因为如果他觉得地球有威胁 ， 就要把地球炸掉 ， 对吧 ？

所以他就想了很多方案 ， 让地球看上去不那么有吸引力 ， 或者就显得下头 。 那么我觉得在创业里面 ，不管是互联网还是移动互联网还是 AI 创业 ， 我觉得有一点是类似的 ， 就是你不能让大厂对你的事情一看就很喜欢 ， 那大概率他要不然 ， 当然他有可能去买你哈 ，但或者说你自己特别牛逼 ， 比如说你就是当年的 Google， 搜索引擎大家都想

做什么皇冠上的明珠 ， 你把它做成了 ， 那你确实很厉害 ，但大部分的团队其实一开始都没有那么厉害 ， 所以就叫什么藏好自己 ， 做好清理 ， 对吧 ？

所以这个时候呢 ， 往往就是你得找到一些领域 ， 这些大厂一看着就比较下头的 。 那么大厂看些什么东西会下头 ， 对吧 ？

那之前比如说有的东西大家觉得太 low 了 ， 原来说大家说什么今日头条 ， 可能一上来大家也觉得 low， 拼多多大家也觉得 low， 对吧 ？

有一些这种显得不是那么高级的事情 ， 很多时候大厂不做 。 然后有的是比如太累了 ， 比如像之前的这个滴滴 、 美团这些要很多地推的事情 ， 很多大厂不愿意做 ， 觉得太累了 。

还有的是觉得太小众了 ， 比如像得物 、 像这种 B 站这样应用 ， 很多时候也是大厂觉得太小众了 ， 我不值得做 。

然后也有之前觉得有法律风险的 ， 比如说像最开始滴滴 、Uber 其实都有很多的法律风险 ， 刚太小众了 ， 还有 Airbnb， 原来觉得怎么能在别人家睡觉呢 ， 对吧 ？

这个太小众了不做 ， 或者是太苦太不赚钱的事情 ， 就是你总得有一些大厂看了之后 ，他能够心安理得的说 ， 哎 ， 那个事我不想做 ， 那个事比较下头的原因 。

那么这些当然是互联网时代的 ， 现在大家发现大厂也开始地推了 ，也开始做这些新的事情了 。

所以我觉得有一个不变的 ， 就是当我们说大厂的时候 ， 大厂并不是一个唯一的一个第一人称 ，其实我们说的是大厂里面的老板和大厂里面无数的中层的这个 general manager， 那其实很多决策是 GM 不愿意去做的 ， 就是干事的这个负责人他不想去做的 。他们在选择做什么事情的时候 ，有一个非常重要的考量是 ，是不是对我现在的这个饭碗 ， 或者接下来三五年的

饭碗是一个安全的选择 。 所以从这个角度去想一想 ，也可以看到不少的这个裂缝吧 。

对 ， 所以我觉得很多时候在于说你寻找到一个领域 ， 第一 ， 用户有这个需求 ， 就是他有一个问题没被解决 ； 第二 ， 对于大厂来讲 ，他可能又有一些比较简单的原因他没去做的 。

就比如说之前我们做很多生成性模型 ， 为什么现在这个 Google 这种美国大厂 ，他做的这种 generative model 都还是很差 ，因为他们始终在规避版权的一个是挑战 ， 第二个就是说跟他自己的挑战 ， 比如说我们问 Google 的人 ，他们是不能用 YouTube 的数据去训练的 ， 这很好笑 ， 全世界所有的人都要拿 YouTube 的数据训练 ，但 Google 不行 ，因为 Google 他要拿 YouTube 的数据训练 ，他就得去找 YouTube 部门 ，而 YouTube 就

觉得 ， 对吧 ， 我是这个内容生产者 ， 你拿我的训练去生成视频 ， 那我就有无数的问题想问你 ， 对不对 ？

而且因为他是 Google， 所以他反而不能够跳过这个内部 。

你说到这里 ， 我想到另外一个和 Google 有关的很扯的事情 ， 就今天大家会说像 Monica 这样的浏览器插件 ， 会不会就是总有一天被 Google 给这个淹没掉 ，Google 自己就可以做呀 。

但最近就 Chrome 确实发了一系列的功能 ，其中一个就是你可以和 Gemini 对话 ，但是你和它对话 ， 你需要先在地址栏输入 Gemini， 然后你再去说你要提的那句话 ， 就这明显就是一个大厂不同部门之间政治角力的一个尴尬结果 。

那这个角力不知道会持续几个月 ， 甚至一两年， 那在这过程中，Monica 以及 Monica 们可能已经长到一个很大的一个状态了 。

我说 Google 其实并不是特指 Google 什么 ，其实因为我也曾经在 Google 工作过 ， 就是 Google 是一家很厉害的公司 ，但我想说的就是大厂里面总有很多部门强 ，以及因为它是大厂 ， 所以它有额外考虑的东西 。其实我一直在想 ， 比如 Gemini 上面有一个回答 ， 最近又在说它的 AI overview 有很多的问题嘛 ，但实际上 ChatGPT 刚出来的时候 ， 那胡说八道是非常多的 。

但是因为它是一个新产品 ，而且当然 OpenAI 当时大家以为它是个 startup， 所以一个 startup 做了一个新公司 ， 一个新产品 ， 它其实就能得到很多的宽容 ， 所以才有它发展的空间 ， 对吧 ？

所以我觉得这里面小公司其实是有很多灵活性的优势的 。 但比如说像有的领域 ， 我就觉得大家要谨慎 ， 比如说在美国我们看到做这个编程的 agent，coding agent， 当然现在有好几家创业公司 Devin、Augment 这些 ， 我觉得这个不是创业公司不能做 ， 实际上这边有几家创业公司 ，但是呢 ， 这是一个大家都很看好的明牌的方向 ， 大家都觉得这个事好 ，因为大家都知道如果你

能把编程搞定 ， 那你就可以使用工具 ， 使用工具那想象力就无限大 。 所以除非你是特别高富帅创业者 ， 对吧 ？

否则你去做这个事情就可能比较难 。 所以大家可能也是要量力而行 ，在这个选择领域上 。

就这一年你有大量的时间都待在硅谷 ，在中美两地之间穿梭 ， 那其实我也认为今天我们好像又回到了去观察硅谷 、 去学习硅谷的这么一个时间段 。

那雨森你会认为今天硅谷具体有哪些方面是值得中国的创业者学习的 ？ 当反过来也想问 ， 就你觉得中国的创业者的故事在今天有什么是可以反向输出到硅谷的 ？

我觉得整个 AI 这一波的出现呢 ，其实最开始源于像 OpenAI 的这些 researcher 们 ，他们对于一个不管是 Scaling Law 也好 ，Transformer 这样一个模型的创新也好 ， 还是说从现在的这样一个连接主义对原来符号主义 ， 就是 AI 研究范式的创新颠覆也好 ，其实还是在于说要去做那个定义下一代做什么事情的人。

那么我觉得确实由于研究氛围 、 资本环境的各方面的原因 ，在硅谷的创业者可能更加敢于去想一些我们看来觉得比较大的事 ， 或者说比较 crazy 的事情 ， 就可能大家都想去读 PhD，而不是说读完这个中学就去工作 。

我觉得这里边是有与它的环境相关的 。 我其实最近一直在想一个问题 ， 就是创业它好像是在考试 ， 对吧 ？

我们经常遇到创业者来问我们 ， 就说最近你们投什么 ， 最近什么比较火 。 那么它的潜台词就是说你投什么我就做什么 ， 或者说等你们出题 ， 对吧 ？

那我来做这个题给你看 。 但是我是觉得我们最后寻找的少部分优秀的人 ，其实是做出题的人 ，是他要去出给市场做一个什么样的题目 。他出了这个题目之后， 市面上很多人可能才去解答 。其实比如说我在想月之暗面 ，他们把这个长文本这件事情算是也是很早了 ，在国内算是头一个打响的这样一个招牌 ， 对吧 ？

当然后面很多人去跟进 ，但是我觉得在这个里面 ， 知名他们的技术的 vision 是很好的 ， 当然也没有领先市场特别久 ，但是至少是比较领先的提出来说 ， 我们要把有限的资源精力花在长文本这个事情上 ，并且做出来一个好的产品让大家去跟随 。

所以我觉得这个可能是一个很有意思的 ，不是要解题而是要出题的过程 。 当然 OpenAI 可能就出更大题的人， 对吧 ？

它出了 ChatGPT 这个题 ， 所以我觉得在这里面对于真正的创新很重要 。 第二呢 ， 我觉得就还是说对未来要乐观一点 ，因为硅谷有很多也是关于 AI 到底这是不是泡沫 ， 我觉得肯定是泡沫 ， 只是说泡沫有多大 ， 然后商业化的质疑 ， 然后是不是要训这个更大的模型 Scaling Law 的质疑 ，但我觉得整体气氛还是要乐观很多 。

当然我们可能会说 ， 哎呀 ， 我们有很多各种理性的理由要觉得谨慎 ， 觉得悲观 ，但是我觉得如果咱们选择了创业或者做 VC 的创投呢 ， 对未来还是要带着乐观的这么一个心态 ， 对吧 ？

因为有句话就是说悲观者往往正确 ，但乐观者往往成功嘛 ， 或者说成功的往往是乐观的人。 所以我们可能是有天生的这种乐观的 bias， 我们就觉得 AI 会带来很大的价值 ， 模型能力可能会越来越强 ， 然后也会越来越便宜 ， 那么这边会有很多的机会 。在这种状态下能够让人更加勇于去承担风险 ， 愿意去尝试 。

那另外一方面呢 ， 我也觉得虽然说 AI 的很多进步先发生在硅谷 ，但是呢 ， 我们投的像 Haizhen、Monica 这样的应用 ，他们是全世界都很流行 ， 比如说最近 Haizhen 也获得了 Benchmark 美国最好的 VC，5 亿美金估值的投资 ， 然后我去 Benchmark 交流的时候 ，他们说这是他们历史上投的最大的第一笔投资 。

我想这也是就是说硅谷对中国创业者 、 中国产品的一个认同 ， 对吧 ？ 所以我觉得这始终表明说 ， 虽然现在有很多地缘政治的噪音各种 ，但是真正的好的产品是没有国界的 。

中国的创业者能够做出很多很好的产品 ， 然后也能得到用户的认可和资本的认可 。其实我觉得这个也是就大家不要那么悲观吧 ， 就还是因为很多人说 ， 哎 ， 现在是不是有很多的地缘政治原因导致要分中国的 AI 和美国的 AI 或者怎么样 ，但我想说其实最后归根到底还是我们有没有给用户 、 给客户创造价值 。

因为这个世界终究还是连通的 ， 对吧 ？ 你做出了价值 ， 你创造了价值 ， 自然会有人愿意来使用你 ， 自然会有资金愿意来投资你 。

所以我觉得也不用那么悲观 。

是的 ，是的 。 所以在十字路口 ， 我们最近提炼了一句 slogan， 就是叫做 " 寻找和凝聚在 AI 时代的积极行动者 "。

因为不行动是不会有任何结果 。

对 ， 对 。

然后在硅谷和国内两边 ， 雨森你都看项目 ， 现在看上去两边对 AI 都是超级兴奋的 。 从大家关心的话题到 VC 投的项目的集中的方向 ， 你有观察到有什么明显的不同吗 ？

我觉得非常容易看到的就是在美国 ， 你想过去十几年大量的大东西其实都是企业服务领域 。

To be 的 。

然后确实 AI 呢 ， 它作为一个智能 ， 它首先能解决很多问题 ， 所以当它的价格成本又下来的时候 ， 大家都能看到它在企业服务的很多场景中发挥作用 ，不管是像编程还是像客服 ， 还是企业内部流程 ， 还是像销售的各种场景里面 。

所以硅谷确实有大量的人在做企业服务方向的 AI 创业 ，其实大家想的很简单 ， 我就是用 AI 来做一个更好的企业服务软件 。

那么他们之前担心的是 AI 的推理成本比较贵 ， 就是因为原来企业服务软件是很赚钱的 ，因为你的边际成本是 0 嘛 ， 所以你的 margin 很高 。他们原来是担心说如果我每次使用都要花推理成本 ， 那这样会改变我的 margin 结构 ， 然后这个事不是那么有吸引力 。

但是现在发现可能最后这个事就跟电一样 ， 它有成本 ，但是你可以忽略 ， 对你的边际利润不会产生很大的变化 。

所以他们现在其实是越来越看重 to be 的方面的这些应用落地的机会 。 当然 2C 的他们也投 ， 对吧 ？

只是说可能 2C 不像我们最近这些年全是 2C 的应用突飞猛进 。 当然为什么企业服务在中国落地这么难 ， 这可以单独开个播客讲 ， 这可以讲特别多的时间 ，但是整体来讲结果就是这么个结果 。

所以可能大家都在寻找 2C 的这套打法 ，因为我们过去十年最大的应用其实都还是说做一个吸引用户很强 、 流程也很好的东西 ， 然后占有用户时间之后我给它投广告 ， 对吧 ？

然后我去把它赚钱 。 所以大家都在想我怎么做下个自己 。 所以我是开玩笑说其实这也是大家不同的领域的经验 ， 造就了大家寻找不同的东西 ， 对吧 ？

如果你生活在山东 ， 你可能就只想考公务员 ， 对吧 ？ 但如果你在硅谷出生 ， 你可能天生就想创业 。 这就是不同的环境带来的影响 。

确实就是在美国这边可能对 Scaling Law 大家的信心更强一点 。 所以确实像 Sam Altman 说的 ， 就是你做一件事情可能你模型会持续升级作为一个前提 。

那么我经常问创业者一个问题 ， 就是如果 OpenAI 开一个发布会 ， 你会感到兴奋 ，因为你可以用到更好的模型去服务你的客户 ， 还是你会觉得很紧张 ，因为可能你会被一个先进的模型所颠覆 ， 对吧 ？

我们希望投资的是那个 OpenAI 或者 Gemini 越牛逼 ， 它会觉得越好的这样一个应用 ，而不是说我会担心被模型本身所颠覆的 。

但是我觉得在中国呢 ， 可能面临的很多问题确实是在于说我就拿着现有的模型 ， 我怎么样能够做收入 ， 能够让我自己活下去 ，因为资本环境可能没有那么好 。

当然我觉得这是一个目前的现状 ，但是我也感觉很多时候资本市场其实是一个叫躁郁症患者 ， 它有的时候特别乐观 ， 它有时候特别悲观 ， 对吧 ？

比如说我还记得就三年前 ， 对吧 ？ 中国很多公司的估值是比美国公司还要高的 ， 如果算 PE、PS， 现在大家会发现 10 倍 PE 都不同 ， 对吧 ？

我觉得这都是一个都不正常 ， 太乐观也不正常 ， 太悲观也不正常 。 所以我认为 。

但可能不正常就是正常 。

或者说 。

如果对于躁郁症患者来说 。

对 ， 就是巴菲特也说嘛 ， 就市场先生一直是它是个钟摆 ， 它就是在乐观和悲观之间摆动 ， 对吧 ？

我觉得现在很多时候对未来的预测很悲观 ，但是我觉得不妨也可以想想看 ， 如果新技术真的带来很多突破的话 ，也许我们情绪会重新变得乐观起来 ，其实也是有可能的 。

对 ， 我感觉美国投 to be 的这个热情或者这种势能是碾压式投 to C。 最近在十字路口看这个 Y Combinator 那一期 ， 就投 260 家 AI 公司都干嘛的 ， 里面有七八成都是 to be 的公司 。

因为美国也很久没有出 to C 的大东西了 。

上一次好像还是 Snapchat。

Snapchat 那十年前的公司了 ， 对吧 ？

对 ， 所以他们的整个资本也好 ， 人才也好都不在这 。 我也其实这是中国创业者们的机会 。

对 ，但中国你看这几年都给全世界输出了像 TikTok、Temu、Shein 这样的 to C 的公司 ， 对吧 ？ 所以其实可能双方擅长的东西就不太一样 。

回到刚才雨森你说的 ， 就今天其实中国的创业者在一级市场环境没有那么乐观的情况下， 然后同时考虑到今天大模型的能力 ， 或者这个开发工具 、 开发平台的这个不断的优化 ， 所以今天从 0 到 1 做一个东西变得更简单了 ， 它需要的启动资金 、 启动团队都更少了 。

所以今天也很流行做印地骇客 ，Indie Hacker， 或者做所谓的 Bootstrap Startup， 就是我不融资 ，但是我先赚钱一点一点滚起来 。

那在这么一个小小的趋势之下吧 ， 你会如何理解 VC， 尤其是天使投资机构 ， 它扮演的价值有没有发生变化呢 ？

就今天的真格 、 一年前的真格 、 十年前的真格 ， 会不会有一些变化已经在发生 ？

我其实觉得我首先不太认为你刚才说的那个是 ， 或者说我不认为它是一个全貌 。 确实 AI 的能力 ， 比如说让一个人写代码能写更多的代码 ， 或者能够帮助一个人完成更多的自动化 ，但同时你想如果你要做一家好的 AI 公司 ， 你可能需要有第一更多的数据去训练你的模型 ，以及更多的算力 ， 同时可能还需要有更好的人才 ， 更好的 AI 科学家 ， 对吧 ？

所以这里面需要的资源不管是从钱还是人角度 ， 可能又反而是变多的 。 所以我觉得可能是一方面你说到说拿 AI 做这种快速落地的小应用变得很简单 ，但同时我要在 AI 里面做出一些真正的有门槛的创新变得其实更难 ， 对吧 ？

所以这里面可能还是需要天使投资人或者各种资源的支持的 。 第二呢 ， 我觉得就是我反复在强调现在 AI 处在一个技术的早期 ， 技术的早期和技术的成熟期有很多事情不一样 。在技术的早期试错很重要 ，因为大家不知道接下来的方向是什么 。

那么这个时候风险宽容度比较高 ， 愿意去支持这种狂野想法的天使投资就变得很重要 。其实你发现在一个产业到了成熟期的时候 ， 第一里面很多人自己就很有钱 ， 比如说你看做这个 ， 比如中国的电车三宝 ， 对吧 ？

这三个创始人创业的时候全部已经是亿万富翁 ，他们已经很有钱了 。 然后第二呢 ， 确实这个很多都是老司机的机会 ， 都是连续创业者 ，他是连续创业者 ， 像黄峥 、 张一鸣 、 王鑫 ， 对吧 ？

他都是很有经验的人。 但是在现在我们发现 ， 第一 ， 大家很多创始人其实年轻 ， 且之前没创过业 ， 且是从学界或什么出来的 。

那这个时候其实投这些人变得更加重要 ，因为他一开始没有那么多的原始积累 。 所以我就觉得在技术早期 ， 天使投资其实反而更重要 。

技术成熟之后， 那可能产业投资变得很重要 ，因为大家越来越知道要投什么 ，他要做什么 。 所以我反而觉得真格在这个时候更有这样的机会 。

那么真格其实历史上投的项目里面 ，AI 方面的独角兽是最多的 。其实因为很多人觉得真格可能投 ， 比如说有些像小红书 ， 或者像完美日记 ， 包括知闲聚美这样消费的项目 ，但实际上我们投的 AI 项目是独角兽占比是超过我们投的独角兽的一半的 。

后来我就在想 ， 比如说做 AI 的人呢 ，他基本上肯定得是一个我们比较容易识别出来 ， 很学术上过去的成就上很优秀的人 ，因为他的入门门槛很高 ， 对吧 ？

但刚刚中午我和霸王茶姬的投资人吃饭 ， 霸王茶姬做得非常好 ， 对吧 ？ 但是创始人确实比较了这个草根 ， 就是确实我们很难从一开始去判断他能做好一家一年几百亿收入的奶茶公司 。

所以我发现其实我们投消费品这些 ， 虽然我们有一些好的例子 ，但是反而其实很难从人的角度去判断 ，因为我们不能投后期 ， 所以他已经起来之后我们投不了了 。

但是反而投 AI 这样的技术性项目 ， 我们就抓住最优秀的人， 反而是能够比较好的覆盖他们 。

因为真格从徐老师开始 ， 就包括你也是哈 ， 就一直在非常积极的鼓励投资 ， 应该把重点放在研究人上面 。

我比较好奇啊 ，因为大家都知道真格很早就投到了月之暗面杨植麟 ， 就是你当时和植麟是怎么认识的 ？

植麟他在读书的时候 ， 我们就非常密切的关注他 ，因为我们会一直做这些顶级学校里面的中国人的覆盖 ， 然后我们会问自己谁是这个学校最聪明的五个人之一 ， 对吧 ？

那么植麟非常早就进入我们的视野 ，因为他在清华的时候就被大家称为学神之神 ， 对吧 ？ 像我这种清华的学渣也意识到在清华的学神是什么概念 。

所以我们对于这样的人都非常关注 。 当植麟第一次创业做循环智能的时候 ，他的 CTO 我们其实就投了循环智能 ， 当时很重要的原因也是因为植麟是合伙人之一 。

所以当时在 ChatGPT 出来之后呢 ，其实我当时就拼命的研究 AI， 所以我在想我们投了哪些这些做 AI 的人， 然后我就跟植麟说这个你怎么看现在大模型带来的机会 。他说正好我要开始做一个新的公司 ， 所以当时我们就聊了 ， 然后也成为他第一轮的投资人。

所以这个也反映我们就是关注人而非事情的策略 。 我觉得在 AI 时代是尤其有帮助的 。 当然现在有很多人在研究 AI 这件事 ， 我也在研究 ， 我天天读 paper， 天天看这些 ，但我可以很负责任的说 AI 这个速度变化太快了 ， 没有几个人能真正的说自己懂 。

你去看现在图灵奖获得者之间都还在天天吵架 ， 对吧 ？ 昨天杨德坤刚和 Elon Musk 在吵架 ， 那同时杨德坤又觉得 Transformer 不靠谱 ， 对吧 ？

那 Transformer 到底靠不靠谱 ？ 如果图灵奖获得者之间还没达成共识 ， 我作为一个小小 VC 又如何进行判断呢 ？ 所以我认为首先就不要认为我们能真的看懂 AI，并且我会发现两年前没有人预测到 ChatGPT 的出现 。

我当时在 22 年的 6 月 ， 我去了一趟硅谷 ， 然后我跟当时 Meta list 排名第一的 AlphaLane 洪珊的合伙人聊了 ， 我跟 Founders Fund、 跟 Benchmark、 跟很多美国一线基金的投资人聊 ， 没有一个人提到对 AI 有什么这个感觉或者说判断 。

但是三个月之后， 对吧 ， 洪珊就发了那篇 AIGC 的文章 ， 然后再三个月之后 ChatGPT 出来 ， 所有人都去看 AI。

所以我觉得就是要对前沿科技保持一个平常心 ， 就是很难说我能看得懂 ， 我也很难预测到未来会发生什么 。

我经常想 ， 如果说 ChatGPT 都是一年半以前才发生的事情 ， 我们又如何去说我们能够知道两年之后的 AI 怎么发展呢 ？

所以在这个时候我们就是抓住这面不变的东西 ， 就是说这里面不管怎么发展 ，但是做它的人一定是对 AI 非常的了解 ， 对吧 ？

做了很多的研究 ，并且他们是在一线奋斗的这些人。 所以这个是我们投人的核心逻辑 。

对 ， 所以 AI 变化这么快 ， 那让自己保持始终在一线就变得非常重要 。 那在一线呢 ， 除了不断的观察和思考 ， 我觉得还有一个很重要的地方就是在一线提出好的问题 。

那雨森你会认为在今天大家普遍好奇的问题有哪些是你认为特别值得问的 ？

我觉得大家关注的问题其实有很多是类似的 ， 比如说这波大模型或者现有技术的天花板在哪里 ？

它现在要实现这个天花板 ， 它的限制在什么地方 ，以及我们以什么样的增速来做这样的预期 ， 对吧 ？

当然这些问题呢 ， 刚才我说到就是其实包括像这些最牛的 AI researcher 这些大佬之间都有很多的分歧 。

所以我觉得我们是在就是不断的根据新的输入去调整我们对未来发生的概率 。其实有点是个贝叶斯模型 ，其实在一个贝叶斯世界里边没有 ChatGPT 的时候 ，AI 它就是处在一个没被激活的状态 ， 对吧 ？

但是 ChatGPT 一出现 ， 立刻你发现未来大量事情的概率都变了 。 所以我们应该是比较灵活的去思考这件事情 。

第二个我觉得就还是在于说 AI 的所谓 Native 应用在什么场景出现 ， 对吧 ？ 我自己对这个问题是这么想的 ， 就是我们看到在互联网 、 移动互联网或者之前半导体出现的时候 ， 往往都是新技术先解决老问题 。

就比如说互联网一开始 ， 互联网发邮件叫 Email， 互联网看新闻叫门户网站 ， 互联网这个把线下的商店搬到网上叫电商 ， 对吧 ？

但是当互联网的渗透率到达一定的程度的时候 ， 比如说当我们都上网了 ， 所以有了社交网络 ， 我们在校内网上认识 ，但这个是没有互联网的时候没有的 ， 叫 Native 的模式 ， 对吧 ？

当这个信息都上网了 ， 所以需要搜索引擎 ， 这也是个 Native 的模式 ，但是呢 ，Google， 对吧 ？ 然后当比如说买家和卖家 ， 这些商家和钱都上网了 ， 产生了平台电商 ， 这也是以前没有的模式 。

然后这些模式它是这里面真正的万亿美金公司 。 所以当移动互联网开始的时候也是的 ， 就是大家一开始是找移动互联网上的搜索引擎 ， 结果发现还是百度 、Google， 大家去找移动互联网上的浏览器 ， 发现还是 Chrome， 大家去找移动互联网上的 YouTube， 发现还是 YouTube。

当然后来大家发现又随着移动互联网的普及 ， 比如说当内容的创作者和生产者都有了智能手机 、 有了 4G 之后， 诞生了抖音 、 快手 、 小红书 ， 对吧 ？

当蓝领工人都有了这个智能手机之后， 诞生了比如说滴滴 ， 诞生了美团 ， 对吧 ？ 当游戏玩家都有了手机之后， 才有了米哈游 。

所以其实你发现它又是一个新技术的渗透率到达一定的程度 ， 会诞生新的所谓 Native 的商业模式 ，并且创造巨大的价值 ，并且这些公司其实都是创业公司 ， 都是 startup。

所以我觉得第一个就是说不用那么着急 ， 现在首先应该把渗透率搞上去 ， 首先应该去投资那些怎么让人更多的人用上 AI 的公司或者是产品 ， 对吧 ？

那这里边比如说像投资算力 、 投资数据 、 投资领先的这些模型 ，其实都是为了做到这一点 ， 就是为了让 AI 的渗透率能够起来 。

然后渗透率起来之后， 然后逐渐的会有因为渗透率提高 ， 所以产生的 Native 的原来完全没有的商业模式 。

比如说那我们每个人如果都有了好几个 AI 的助理帮我们处理各种不同的事情 ， 那针对这些助理以及说这样一个事实本身 ， 对吧 ？

是不是有一些之前完全没有的商业模式 ？ 或者说如果这个世界大部分的内容是被 AI 产生 ，而不是被人类产生的时候 ， 那这样内容的产生平台 、 产生工具和消费平台是不是可能也会有很多的变化 ？

所以我觉得虽然这个是大家关注的最关注的问题 ， 就是 AI 时代的 Native 应用是什么 ，但是我觉得这个问题可以先放在这 ， 对吧 ？

大家先把这个渗透率搞上去 ， 先把使用场景给找到 ， 然后逐渐的大家自然就会发现这个 Native 的场景是什么 。

所以我有这些问题 ，但是我不一定现在就立刻期待会有个答案 ， 或者说我觉得寻找这样答案的过程本身是一个非常好的过程 ， 非常重要的过程 。

然后在这些问题当下， 就是不管是 startup 还是硅谷的巨头 ， 全部都在热火朝天的想要去尝试回答这样的问题 。

然后在硅谷的 Mega 7 的这些公司和他们的 CEO 里面 ， 你有没有看到谁让你刮目相看的呀 ？ 就是除了大家在原来的能力上加 AI，有没有谁做出了全新的东西让你感到刮目相看的 ？

如果你说 Mega 7 的 CEO 呢 ，其实我觉得很多时候在于说他们怎么能够跳出所谓大公司的这样一个组织的僵化的窘境去做很多事情 ， 对吧 ？

当然很多人都提到 Satya，其实他作为微软的 CEO 是把微软整个脱胎换骨 ， 真的是 refresh， 用他的这个书的名字来说 。

那么我其实过去一年印象最深刻的就是在 OpenAI 宫斗的时候 ，他非常快的当天还是第二天就表达支持 Sam Altman， 说我可以收购你 ， 你来做 AI。

这样的决策速度对于一个几万亿美金的公司来讲绝对是超级快的 。 可以想象他在那个过程中要说服多少人， 董事会的人 、 开了业务线的人， 对吧 ？

他们也要跟 Sam 形成多强的 conviction 去做这件事情 。 但是你想他做这个决定不是说是一个偶然的 ，他之前对吧 ， 对这个 OpenAI 的投资和支持看准了这个团队能做出来 ChatGPT， 还有在之前其实他的一系列的收购 ， 像 GitHub 这样生生把微软从最闭源的公司变成了开源支持最广的公司之一 ，其实都是非常非常厉害的这个布局吧 。

因为我这次去硅谷呢 ， 我也几乎每天都在用 FSD 12.3.6， 我确实就发现当 FSD 变得这么好之后， 我就越来越不想开车了 。

然后我就听他们讲 ，其实 FSD 的视觉端到端其实是个很小的团队在做 ， 然后 ChatGPT 出来之后 ，其实团队和伊隆都看到了 ， 就是这种端到端的模型 ， 大模型带来的能力 。

因为原来的自动驾驶都是分模块的 ，其实都是不同的模块 ， 然后不同的规则去做的 。 所以他们就直接推导出来 ，其实也可以看到当时伊隆也说过 ， 放弃了几十还是几千万行的代码 ， 只直接从头去训一个纯视觉端到端的自动驾驶模型 ，并且在一年的时间内就达到和并且超越了之前的 FSD 的水平 ， 对吧 ？

后来我就在想这个如果在 Waymo 呢 ， 那你怎么去 justify 一个决定 ， 说你要 dump 掉之前十年的工作 ， 你十年工作都白做了 ，不做了 ， 我直接从头去做 ，并且我还不知道能不能做出来 。

这个我觉得是一个就是说可能只有伊隆这样的创始人 CEO 能做出来的事情 ， 这可能不是任何就是这事情做不出来这样的决定才是常见的 ， 对吧 ？

咱们都在这个公司体验过 ， 就是你要说原来你们这么多人这么多钱 ， 十年白做了 ， 全部 dump 掉 ， 这个真的是非常非常的不容易 。

是的 ， 刚才提到 Sam Altman， 就上一次的宫斗 ， 然后在今天我们录播客的时候又出现了新的一集 ， 就之前的董事会又跳出来 ， 一个成员又跳出来这个告诉大家当时为什么我们要 fire Sam Altman。

所以在 Sam Altman 身上， 你有觉得他也有让你感受到一个像 Elon Musk 这样的特质的这种创业者吗 ？

对 Sam Altman 的评价其实我觉得我们都是基本没法去评价他的 ，因为他有太多的信息我们不知道 ， 对吧 ？

然后这里面有太多的小道消息和传闻 ，但是我其实觉得有一个事实是我们可以看到的 ， 就是之前有很多 AI 公司是一个 research lab， 比如说 OpenAI 最早期是一个 research lab，他们做了好几个研究的主题 。

那么 DeepMind 也是一个 research lab， 波士顿动力也是个 research lab，其实还有很多更小的公司都是这样 ，因为一开始 AI 往往都是这些顶级的学者去做的 ，但是大量的几乎所有的这些 research lab 型的创业公司最后都没有能够找到自己的商业化的产品和商业化的路径 。

最后可能比如说像 DeepMind 或者是波士顿动力都是被收购了 ， 所以收购变成他们的退出方式 ，因为他们的人才特别多 ， 所以大家说你这个人才太多了 ， 我得收购你 。

但是 19 年 Sam Altman 来之前的 OpenAI 是一个同时在开展好几条没有商业化场景的研究的一个 non-profit research lab， 然后 Sam Altman 来了之后， 注意我不是说他有因果关系 ， 我只是说从时间上的关系来看 ， 几年之后 OpenAI 变成了一个做出了一个非常牛的产品的 ，并且有 To B、To C 的商业化模式 。

虽然说现在还没有说盈利 ，但是至少都有很可观的收入的这样一家公司 。What happened？ 这个对于 Sam Altman 有多大的关系 ， 对吧 ？

他怎么完成这样的转型的 ？ 我觉得这个是非常非常不容易的一点 ，因为历史上可能只有比如说 Google 算是做到过这一点 ， 对吧 ？

就是从一个 research 的项目 ， 然后变成了一家产品很牛的公司 ， 最后商业化落地 。 那么 OpenAI 这样的变化 ，Sam Altman 起到了什么作用 ？

这个我觉得也许过五年十年之后我们会从一本书或者什么地方很清楚的知道 ，但是现在照我们看到的这样的变化 ， 这样一个很难的变化 ， 所以我觉得还是挺有意思 。

这一年你见的 AI 的创业者 ， 刚才我们聊的都是巨头的大 CEO 们 ， 那回到 AI 的创业者 ， 你觉得他们和移动互联网时代的创业者有哪些相同和不同呢 ？

我觉得现在好的 AI 创业者首先要对技术有很深的理解 ， 这个跟移动互联网时期可能有些不太一样 。

移动互联网时期有的创业者其实不太懂技术 ，但是他只要找了懂技术的人把它做出来就行了 ， 对吧 ？

那么我觉得在现在 AI 创业者可能还是得对 AI 的演变 ， 包括怎么样去训练和使用模型有一些真的比较深刻的认知 。

这也是我觉得比如说智霖为什么会脱颖而出的一个原因之一吧 ， 就是说真的对 AI 有深刻的理解很重要 。

还是那句话 ， 现在还是在技术限制期 ，而不是想法限制期 。 现在很多东西都是说这东西挺好 ，但是你做不出来 ， 对吧 ？

所以你怎么样知道我现在该用技术做一个什么样的事情 ， 这个叫做说找到 technology market fit 变得很重要 ，因为原来叫 product market fit，但现在可能还没有到 product， 所以是 technology market fit。

什么样的技术到了可以做产品的那个时间点 ， 要对边界非常知道 。 对 ， 这个会很重要 。 第二个呢 ， 我觉得就是可能在移动互联网的后期 ， 我们有很多的就是说很有中国特色的创新 ， 对吧 ？

那个时候其实我那个时候跑硅谷都比较少了 ， 我觉得中国有这么多的独特的创新 ，并且市场也很独特 ， 对吧 ？

导致硅谷的一套打法中国可能没有用 。 但是现在我觉得 AI 确实又到了一个技术革命的时候 ，并且北美确实硅谷是先行者 ， 对吧 ？

他们这里有最优秀的人， 最前沿的认知 ，也有最多的算力 。 所以这个时候从投资人和创业者的角度 ，其实国际化的视野都会带来一些可能认知上的优势 。

我记得那个时候我们开玩笑说新哥是把美国应用搬到中国来最快的人， 对吧 ？ 当然新哥最后做了美团呢 ， 又被美国搬回去了 ， 对吧 ？

但是就是这个时候就是有前沿认知很重要 。 但是呢 ， 我们觉得就是不管是做什么的创业者 ， 甚至是说卖奶茶的还是做 AI 的 ， 都是有很多共同点的 ， 比如说要有很强的学习能力 ， 对吧 ？

然后要有很强的 leadership 领导能力 ， 能够搭建起一个很优秀的团队 ， 然后要有创新能力 ， 想到别人没想到的事情 ， 然后要有很强的意志力 ， 能够坚持不懈往下做 ， 对吧 ？

这些共同点都是共同的 。 所以我们是尝试寻找优秀创业者的共性 ， 同时思考 AI 因为它是个技术早期的阶段带来的一些不同 。

你对 GPT-5 的预测是什么 ？

在硅谷聊了一些就是 OpenAI 的 DeepMind 的各种 researchers， 普遍大家觉得还是说在推理能力上的提升 ， 这个是最重要的 ， 就这个是结果 。

因为现在我们发现天花板提升的速度现在不太确定 ，因为 GPT-5 没有发布 ， 对吧 ？ 所以你不知道天花板被提到多高了 。

但是下面的这个落地其实很快 ， 对吧 ？ 因为成本下降 ， 这个 latency 下降 ， 所以天花板能提高多少变得很重要 。

那么天花板我觉得最重要的体现还是这个推理能力的这个提升 。 那么要解决这个推理能力呢 ， 实际上这里面就变成数据和算力 ， 对吧 ？

如果从这两个角度来看 ， 数据的瓶颈其实现在就是第一怎么样形成高质量的合成数据 ， 第二怎么样把多模态数据和文本数据结合起来 。

因为大家发现就是说到底这个多模态数据的加入对于文本是一个正向的作用还是负向的还是没有关系 ，其实现在都是非常开放性的问题 ， 对吧 ？

然后算力 ， 比如说现在大家普遍知道的 OpenAI 的最大的集群可能是 3 到 5 万张卡 ， 然后英伟达最近的财报中披露其实它在做一个 10 万卡的集群 ， 然后听说这个可能是 XAI 决定的 。

那么算力怎么样到下一个规模 ， 对吧 ？ 因为你数据和算力这两个配方 ， 那你每个怎么再涨 10 倍的空间 ， 这个其实可能是带来下一代模型的关键 ， 对吧 ？

然后再就是说这个里面可能又需要模型结构上有什么样的这个突破 ， 包括现在比如 Transformer 之后是什么 ，其实这也是前沿的研究话题 。

所以我觉得我们现在很难预测 ，但是呢 ， 我觉得可能它主要是要解决这几个问题 ， 或者说怎么去应对这几个问题 。

作为个人， 就抛开投资人或者在 AI 领域的从业者的这样的一个身份 ， 作为个人， 现在 AI 对你的生活和工作的帮助有哪些 ？

我觉得很明显的一点就是 ， 当然这与我的工作有关 ， 就是我的工作要求我每天要见很多人， 这面有很多人我原来是不认识的 ，但是他们往往又有一定的名气 ， 所以他们可以被搜索到 。

所以我会经常在中国我就问 Kimi，在美国我就问 Perplexity， 就是比如说这个人是谁 ， 跟我介绍一下这个人。 比如说我在举个随便举个例子 ， 我就是在美国见了 Google Cloud 的 CEO TK，Thomas Kurian，他显然是一个有名的人， 对吧 ？

有很多他的资料 。 那我以前我得自己去搜索 ， 比如他的维基百科 ，他的 LinkedIn 或者他的各种的之前写的文章什么的 ， 然后我自己得把它记下来 ， 或者我让我的实习生去做 ， 那我也得交给他 ，他也得去查 ， 然后他等了一两天他给我一个东西 。

那现在我确实就是用这个 Perplexity， 我就问他 ， 比如说帮我简单介绍一下 ，他给我介绍 ， 然后再追问他的教育背景 ，他原来在哪工作 ，他曾经领导过什么项目 。

这个和你直接看 VKPDI 有什么本质区别吗 ？

存我的时间 ， 我自己去看 ， 那我任何我对一个人要做一个比较全面的一个观察 ， 我总得花个十几二十分钟 ， 三十分钟吧 。

然后但是我自己用 Perplexity， 甚至我可以在比如说我把车停好 ， 然后走到那个办公室的十分钟 ， 五分钟 ， 这过程中去解决这样的很多问题 。

所以我后来其实在想 ，其实现在很明显有个对我很重要的场景 ， 就是因为硅谷我们大家天天都叫自己开车嘛 ， 对吧 ？

那总有那么三十分钟 ， 一个小时一天是花在车上的 。 那也许我在每次从一个点开到另一个点的过程中 ，其实我的这个 AI 可以主动的跟我讲 ， 你接下来要见的这个人他是谁 ，他是什么样的背景 。

就好像我这个实习生或者我的这个助理 ，他就在我旁边 ， 对吧 ？ 他不用回答什么很 fancy 的问题 ，他就是帮我去看 Vikipedia， 看他的 LinkedIn， 告诉我他做什么 。其实我觉得这是个完全 doable 的场景 ， 包括说每天早上我醒来 ， 可能我的这个日程助手就会告诉我今天你要见五个人 ，其中三个人你已经认识了 ， 对吧 ？

远程我已经认识了 ，但今天还有两个人是你第一次见 ，他们的资料大概是这样 ， 那我帮你整理出来 ， 那你有什么问题你可以问我 ， 我可以继续告诉你 。

对 ，YC 这一次投了一个公司 ，是每天给你生成一个专属于你的 podcast， 这个 podcast 听起来是非常像模像样 ，因为它也用 11Labs 的那个语音 ， 开头就说嗨 ， 雨森 ， 今天旧金山的天气是什么什么 ， 然后今天你 calendar 上有三个事件 ， 然后它会在给你的这个兴趣作为基础来去推这个新闻 。

对 ， 内容我觉得肯定是 ， 就跟今日的头条嘛 ， 就是说等于 AI 帮你做了新的今日头条 ， 对吧 ？

但是我觉得这里面就是可能作为 VC 来讲 ， 就是每天有大量的这种简单信息查询 ， 比如我要看一下公司 ， 可能我经常这家公司怎么回事我去看一下， 那个人怎么回事我去看一下， 这个 paper 讲了什么我看一下， 就是大量的这种看一下 。

所以是原来用 Google 做 ， 现在会用 Perplexity 做 。

对 ， 原来我是 Google 点搜点进去自己看 ， 然后自己可能抄到 notion 上记下来两个要点 ， 比如他在哪个学校的 ， 或者他在哪个工作 ， 然后去看另外一个他之前做了什么项目 。

可能我每琢磨一个人查一个人资料可能就得花 30 分钟 ， 或者我可以把这事交给我的助理 ， 或者我的实习生做 ，他得花半天给我一个东西 。

现在交给 Perplexity 很快啊 ， 交给 Kimi 很快啊 。

那在生活里面呢 ，有什么用到 AI 的帮到你的场景吗 ？

生活中有一个很明显的就是 FSD， 就是我是真的是在硅谷我在机场拿到车把车我开特斯拉嘛 ， 然后挂上挡打开 FSD， 然后我就到家了 ， 就是我中间是临街管的 。

那这个体验我想那其实已经是非常非常大的进步了 ， 只是说它现在策略比较严格 ， 所以我在过程中必须时刻比较关注前方 ， 我不能玩手机 ， 这个其实是我最大的苦恼 。

但是据说下个版本中这个对于注意力的要求会放松一点 ，因为它也对自己比较有信心嘛 。 但显然这个是 AI 对我带来很大的价值 ，因为我去租车嘛 ， 然后我就跟那个租车的人说我来付这个 99 美金 ， 那你来把这个 FSD 打开 ， 我要用 。

你会和 ChatGPT 或者和 Kimi 聊天吗 ？

我可能不会闲聊 ， 说实话可能我的这个也很忙 ， 第二也这个快 40 了 ， 可能没有跟他 AI 聊天的需求了 ，但我知道有很多人会 。

那你会怎么想 ， 就现在这个宝宝马上也会开始要说话了 ， 你会怎么去思考就在 AI 这个时代里面如何教育小孩子 ？

我觉得很多时候我就会想这里面什么事情 AI 做起来毫不费劲的 ， 对吧 ？ 就跟比如有了计算机之后你就不会教他特别多的比如说珠算或者说那个手算 ， 对吧 ？

而是可以说好的数学思维 ， 比如说过去有很多的内容其实叫做说是偏死记硬背型的 。 当然我觉得适当的了解背诵记忆是很有帮助的 ，但是当很多信息都能被搜索到的时候 ， 可能你对于怎么搜就会变得比较具体要记住更重要 ， 对吧 ？

那么现在 AI 呢 ， 我觉得我们大部分人大部分工作其实都是在做复制粘贴的事情 ， 比如说刚才我说的可能一个助理做的事情就是去搜索然后把内容粘贴过来 。

可能很多人他做的创作就是在模仿 ， 比如说很多设计师就是在模仿一个已有的设计 ， 或者很多程序员的代码其实他写个排序 ，他只是在把他原来写的排序贴过来改一改 。

大量的这些工作都会被 AI 替代掉 ， 所以我觉得在这里面真正的创造力 ， 真正的原创性 ， 就世界上没有的东西会变得更加重要 。

所以怎么样培养大家的这种创新性思维 ， 这种批判性的意见 ，以及说真的跟人去社交的能力 ，因为如果你跟人提供的这种交流跟 AI 提供的相比甚至还不如 AI， 那可能也没有价值 ， 对吧 ？

所以怎么样进行高质量的人际互动和交流可能也变得很重要 ， 就是 AI 不是那么容易替代的吧 。

嗯 ， 新世相和真格基金联合发起了第一届的 AI 艺术节 ， 这其实是源自雨森和我在元旦前后我们一块吃一顿饭 ，他突然半开玩笑半认真的给我建议说 ， 新世相你们的 slogan 不是叫做我们终将改变潮水的方向吗 ？

现在新世相如果你们不积极拥抱 AI， 你们可能就没法改变潮水的方向 ， 可能还会被潮水改变 。 我记得那一天就是我们回到办公室就开始立项 ， 然后第一届 AI 艺术节就因此诞生 。

所以当时你对潮水的直接的感受想象是什么呀 ？ 然后因为今天大家也会说 AI 是浪潮嘛 。

我觉得细节有很多不确定的 ，但是方向很确定 ， 就是 AI 会给我们的世界带来巨大的影响 。 这里面其实很有意思 ， 就是我们以前以为 AI 会主要替代理科生那种所谓的很固定的很死板的东西 ，但其实 AI 首先可能在替代文科生和艺术生 ， 对吧 ？

原来我们以为 AI 首先替代体力劳动者 ， 结果发现它首先可能替代脑力劳动者 。 所以本来我们觉得艺术是一个最体现人的所谓灵魂 、 所谓情感 、 所谓的人之所以为人的东西的领域 ，但是没想到 Midjourney 一出来 ， 大家发现那 99% 的所谓的画家什么设计师都变得好像跟 AI 没什么区别了 。

那么这个过程中我觉得带来的这个冲击其实挺大的 。 那么这也是为什么叫做 Generative AI， 对吧 ？ 这次有一个很明显的点就是它是生成式的 ， 那生成这里面大量的就是所谓的艺术品 ， 就是艺术作品 ，不管是这个一开始可能是视觉的很多 ， 对吧 ？

然后后来这个音频的 ， 对吧 ？ 当时用到 Suno 的时候我说啊 ， 原来大家说音乐是不是这个人面对 AI 的一个壁垒 ， 后来发现其实不是的 ， 好像它随便就可以生成一首歌 ， 你看上去还觉得像那么回事 。

所以我觉得 AI 对艺术的影响很大 ， 所以当时你聊了这个事情的时候 ，其实我觉得这个浪潮至少在艺术这一块可能会带来很大的这个冲击 。

但是我觉得这也是很多机会 ， 比如说当时的这个绘画首先是写实的 ， 对吧 ？ 结果照像术发明之后， 大家说把画画的写实没啥用了 ， 除非你是冷军 ， 对吧 ？

然后结果就发现它产生了各种印象派 ， 各种这个野兽派 ， 各种新的绘画形式 。 所以我觉得这也是不破不立的机会 。

嗯 ， 所以这次艺术节我们把它的主题定成爱恨情仇 ，因为这四个字是人类自古以来的创作母题 。

那我们请大家用 AI 来创作爱恨情仇 ， 看能创作出什么不一样的新的角度 。 那这次我们收到了 2000 多个 AI 创作的爱恨情仇的作品 ， 那雨森你作为评审在看这些作品的时候有哪些感受呀 ？

我觉得第一个就是制作的水平挺高的 ， 这里面一方面来自于本身 AI 模型的进步 ， 对吧 ？ 就是两年前你让 AI 画一个猫和现在画的猫呢 ， 完全质量不一样 ， 就是质量本身很高 ，因为模型变好了 。

同时呢 ， 大家也反映对 AI 软件的这个使用是越来越熟练了 ， 对吧 ？ 因为我看你们也有一些比较复杂的 prompt 技巧 ， 包括多种应用的叠加 ， 所以感觉就是很丰富和多样化 ， 这个我觉得是挺明显的 。

然后

什么可以改进的呢 ？ 我觉得就是这里面很多还是比较有 AI 的味道 ， 可能这也是因为现在的很多因为咱们是做视觉嘛 ， 所以视觉这些模型它的一些底层的数据集有点类似 ， 所以感觉就比较容易识别出还是有一种 ，但是我不知道怎么形容 ，但是有一种 AI 味 。

那这个我觉得也许接下来就是说怎么样把 AI 和艺术创作的技法结合起来 ，因为现在我看到不少的作品是一个 prompt 出来 ， 然后一个作品 ，但是我觉得很多时候艺术是在 remix， 对吧 ？

已有的这些技法怎么和 AI 的技法进行结合 ， 从而产生出来既不是原来能创作出来的 ，也不是纯粹 AI 只给的这种端到端的 ， 对吧 ？

而是一种综合的更加全面的艺术 。 我觉得这个可能是一个未来我们会不断看到的一个过程 。 然后我们也看到说在我们筹划这个活动的时候 ， 可能那个时候大家想的就还是说怎么样做一个图片的 ， 对吧 ？

但是现在大家发现可能下次就是视频的了 ， 下次可能就是动画的了 ， 下次可能就是音乐的了 ， 对吧 ？

因为 AI 发展速度太快了 ， 所以你发现这里面不同的媒介其实都面临着很多颠覆的可能 。 所以我觉得这是从我们讲到这一点到现在活动第一届举办完又发生了好多变化 ， 对吧 ？

又产生了很多的这个机会 ， 包括以前比如说你要在这个图片上放文字其实是比较难搞的 ， 对吧 ？

那现在其实像 DALL·E 3 啊 ， 包括像这个新的这些模型里面 ， 对于文字的处理 ， 对于图片间逻辑关系的处理 ， 刚才说了 AI 味道 ，其实很多时候 AI 味就在于说因为它可以生成一个物体 ， 所以往往很多 AI 创作作品就是单个主体的 。

但是像新的这个图片模型其实它可以处理多个物体之间的关系 ， 然后它可以比如说文字等各种平面构成的技法可以更多的使用 ， 所以我觉得我们会看到更多更有意思的作品出来 。

嗯 ， 这次艺术节我们其实阵容搞得还蛮强大的 ， 给自己打个广告 ， 就不但有 minimax，有月之暗面 ，liblib， 右脑科技 ，Tiamat 这样的科技公司 ，也有真格 、 线性这样的 VC 基金 ， 还有阿那亚 、UCCA 艺术馆 。

当然我们还邀请了非常多文化领域的顾问和评委 ， 希望这个不只是科技圈的一个小圈子的狂欢 ， 比如我们请到诗人北岛 、 摄影师肖全 、 科幻作家陈秋帆 。

那首届 AI 艺术节最近还会在阿那亚落地一场爱恨情仇所有的作品的 AI 影像展 ，在具体的时间地点确认之后我们会在这里来预告 。

好 ， 那我们到今天最后一个问题啊 ，也是我这个个人最好奇的一个小问题 ， 就雨森一直以来都是科幻小说的重度爱好者 ，但是呢 ，在多数的科幻小说 ，他们描述人类和 AI 共处的未来的时候都是悲观的视角 。

那今天在我们的播客里面雨森也说了一句话 ， 叫做 " 悲观者往往正确 ， 乐观者才有可能成功 "。 那可不可以请你在最后给 2024 年普遍低迷社会情绪的大家推荐一本能够乐观的看待 AI 对人类影响的科幻的小说 ？

这个问题还真的挺有意思的 ，因为拿到这个问题的时候啊 ， 我其实就去 Perplexity 问了一下 ，因为首先我一下想不起来哪本科幻小说里面 AI 是正面的 ， 总是什么 AI 毁灭人类或者至少跟人这个有些矛盾纠纷 ， 才有戏剧张力嘛 。

所以问 Perplexity 说给我推荐一本 AI 是正面的科幻小说 ， 它给了我一些答案 ，但是我觉得有点言不达意 。

但是刚刚播客的过程中我突然想到有一个最适合的答案 ， 就是哆啦 A 梦 。 哆啦 A 梦虽然是一本漫画 ， 对吧 ？

但是它其实反映了大家对于科技和 AI 带来的美好想象 ， 就是科技和 AI 第一它有很多的实用性 ， 它帮你解决很多问题 ； 第二它同时还有很强的情感陪伴属性 ， 它不只是一个百宝袋 ， 它还是一个机器猫 。

所以我觉得好的 AI 可能就是这样 ， 既具备很强的科技 ， 又具备很多的人文关怀 。 我觉得这也是我们希望 AI 发展最后到达一个比较好的境界 。

所以如果有人问 AI 有什么用 ， 那你可以想你问大熊机器猫有什么用 。

对 ， 这是非常扣题 ， 十字路口就是科技与人文的十字路口 。 好 ， 那我们今天聊到这里 ， 谢谢雨森的时间 。

好 ， 拜拜 。

好的 ， 拜拜 。

欢迎你加入十字路口的听友群 ， 我们和别的微信群都不一样 ， 我们在群里就干两件事 ： 第一是发布 AI 新鲜事日报 ， 帮你掌握信息 ， 掌握优势 ； 第二呢 ，是我们在群里会鼓励大家谈恋爱 、 交朋友 、 找伙伴 、 寻找未来的同路人。

请到 show notes 里面添加小助理的微信 ， 请他加你入群 。

如果你认为有朋友也会喜欢十字路口的内容 ， 请转发微信推荐给他们 。 等十字路口有了更多的会员 ， 我们就能更有底气去邀请到更大牌的嘉宾们 ， 为大家创作出更多有价值的好内容 。

谢谢你们的支持 。