今天小編分享的互聯網經驗:AI在變,創業者怎麼改變?,歡迎閲讀。
在 AI 行業不斷變化的今天,國内的 AI 企業出海的話,應該如何改變?像我們這樣的普通人,身處 AI 全球化的浪潮中,還有什麼能抓住的機會?
11 月 7 日(周三)13:00 點,氪星直播間邀請到了 Beta 硅谷智庫創始人雲飛、Forma Cloud 創始人黃山,和我們一起聊聊:AI 在變,創業者怎麼改變?
本次直播主要聚焦以下問題:
今年的諾貝爾三大獎中,有兩項都賦予了與 AI 相關的科學研究。兩位怎麼看 AI 橫掃諾貝爾獎這件事?
傳聞國内大模型「六小龍」至少有兩家要放棄預訓練了,兩位怎麼看待這件事?Meta 為什麼要花重金訓練自己的開源模型?
手機廠商們在今年密集發布 AI 手機,兩位如何看待 AI 手機未來的發展,以及蘋果在 AI 行業的布局?
國内 AI 企業到海外去,有哪些普遍需求和獨特優勢?
從黏土相機到 Talkie 等社交類應用,AI 產品面臨同質化、生命周期較短的問題。兩位更看好哪一類產品,怎麼看同質化現象?
對 AI 公司而言,更快實現 PMF、打造底層能力的差異化、擁有自己的用户數據,哪個更重要?
對于想要出海的中國 AI 企業,請兩位給出三條錦囊妙計。
以下為兩位嘉賓和 36 氪的對談,部分内容經過整理編輯:
36 氪:今年的諾貝爾三大獎中,有兩項都賦予了與 AI 相關的科學研究。兩位怎麼看 AI 橫掃諾貝爾獎這件事?
雲飛:今年的諾貝爾獎作為一個信号,進一步證實了 AI 發展的必然趨勢。在硅谷,我們與 YC 的 CEO Garry Tan 進行了交流,有一個共識:未來十年,所有公司都将采用生成式技術,他們的產品都将帶有生成式技術的特征,這是一個不可逆轉的趨勢。
我們常把 AI 比喻為一條龍,它已經從籠子中被釋放,盡管依然存在着安全問題和控制權的擔憂,但龍已經無法被重新關回籠子,每個人的生活都因此發生了本質的變化。具體來説,無論是華人企業出海到美國,還是當地優秀人才創業,方向大致分為三個層面:首先是芯片層,這類比于電氣時代的發電廠;其次是模型層,類似于配電公司;最後是應用層,類比于電氣時代的電燈泡。2024 年,創業者開始專注于創造各種電燈泡,也就是在 AI 應用層面上進行創新。尤其是在硅谷,都在探索如何開發出下一個好用的 AI 應用產品。相比之下,在模型層和芯片層的探讨較少,因為目前的格局已初步形成。
黃山:關于今年的諾貝爾獎,我認為這個做法有些不合理。如果 AI 領網域從業者能夠獲得物理學獎,那是不是文學獎應該授予 ChatGPT,因為它無疑是今年最受關注的 " 作家 "。當然,這只是一個玩笑。在我看來,諾貝爾獎對 AI 行業的影響可能并不顯著。因為獲獎的兩位學者 John J. Hopfield 和 Geoffrey E. Hinton,他們的貢獻集中在上世紀 80 年代。
可以簡單跟大家介紹下這兩位,Hinton 比較有名,反向傳播算法至今仍被用于神經網絡訓練。Hopfield 是發明了 Hopfield 神經網絡,主要用于存儲和回憶功能。盡管這種網絡現在已經不常用,但核心思想仍然被現代 AI 技術采用,例如注意力機制和損失函數。Hopfield 的思想可以通過一個簡單的例子來説明:假設我們三個人正在聊天,如果我的臉被遮住,大家仍可以根據我以前的行為模式來判斷我是否在場。例如,以前雲飛和婉君在場時我經常在,那麼即使今天你們沒有直接看到我,也可以推斷我在場。這種思想可以應用于影像補全,比如通過其他像素來推斷丢失像素的樣子。因此,Hopfield 的思想在 AI 領網域依然具有重要性,值得大家了解。
36 氪:傳聞國内大模型「六小龍」至少有兩家要放棄預訓練了,兩位怎麼看待這件事?Meta 為什麼還要花重金訓練自己的開源模型?
雲飛:首先,Meta 的做法是明确犧牲短期商業利益,換取在 AI 生态中長期的戰略優勢。具體來説,Meta 想通過開源推動行業标準的建立,吸引開發者和研究者圍繞其平台進行創新,從而鞏固其在 AI 生态中的影響力。免費是成本最高的獲客手段,即使他們的模型性能只有 70 分,但通過免費提供,能從市場上 85 分的模型那裏吸引更多用户,這是其主要的戰略考量。第二,是為了生态系統的建設。Meta 希望以自身為中心,建立基于 Llama3 的多種應用產品和公司,以促進生态系統的建設。這不僅增強了 Meta 的影響力,還鼓勵了小型企業在其平台上發展。最後,Meta 可以通過全球用户的數據和反饋,優化自身模型的性能和安全性。這三點是 Meta 推動 AI 開源模型的清晰目标。
黃山:我從三個層面探讨 Meta 為什麼投入巨資訓練開源模型。首先,Meta 為何要自行訓練模型?因為他們的規模大,需要避免被人 " 卡脖子 "。Meta 以前在蘋果平台上提供服務時遭遇限制,例如廣告數據的獲取受限,這讓 Zuckerberg 意識到依賴競争對手的系統是不利的。對于大型公司而言,選擇合作夥伴是一個重大決策。其次,Meta 為何要免費提供模型?因為免費可以促進生态建設。而且 AI 大模型的用户粘性較低,用户可以輕易更換。所以,在 AI 大模型領網域,企業想要吸引用户花錢使用,除非是行業第一,否則很難盈利。最後,Meta 為何要開放模型權重?雖然 Meta 并沒有開放源代碼和訓練數據,但确實公開了一些信息,如論文。最初,Meta 希望用户報名後免費使用模型,但有人私下把模型公布出來,并把種子傳播到了匿名社區。他們最終才決定全面開放模型,同時也意識到建立生态的重要性。大型模型不僅需要部署,還需要各種手動集成操作,這些并非 Meta 的主要任務。因此,Meta 專注于模型開發,而社區則負責将模型應用于不同場景并完善接口,這對 Meta 也是有益的。
36 氪:手機廠商們在今年密集發布 AI 手機,兩位如何看待 AI 手機未來的發展,以及蘋果在 AI 行業的布局?
雲飛:對于蘋果來説,一個硬體公司想去做軟體,説實話是件很别扭的事情,他們也一直在嘗試。目前我們還沒看到蘋果在 AI 領網域有脱胎換骨的變化,它的企業文化也不允許這樣的轉變。但我對于蘋果接下來做硬體方面的能力,還是非常看好的,人家在這方面确實是練出來的肌肉,也是行業裏面的老大。反觀谷歌,大模型 Transformer 這套東西最早是從他們這裏出來的。但由于内部 DNA 和文化,導致 AI 這個孩子出生之後長不大,反而被其他人先撫養起來,變得無比強壯,以至于開始跟谷歌叫嚣。總的來説,軟體公司想幹 AI 都有這麼大的挑戰,蘋果作為一個硬體公司,挑戰是更大的。
雖然業内人士都説,軟體公司搞硬體比硬體公司搞軟體稍好一點。但是從谷歌的 Google Mobile Phone 來看,跟蘋果的硬體比還是有差距的。所以,蘋果如果想赢的話,需要參考微軟在這個問題上的做法。繼續掙自己的錢,然後投一個叫 OpenAI 這樣的公司,你去孵化、滋養它,把你的客户、算力都給它,這樣就可以培養第二增長曲線。Satya Nadella 在微軟已經替蘋果打樣了, Tim Cook 要不要抄作業,就看他自己的選擇了。
黃山:首先,雲飛對蘋果發展 AI 的解讀,我基本同意。蘋果資源豐富,完全有能力收購小型或中等規模的公司。他們在 AI 領網域的布局已有相當長的時間,大家以前在手機中看到的小功能,例如智能選擇照片和視頻編輯等,都有 AI 功能的嵌入。蘋果在 AI 行業中的一個顯著優勢,是 CPU 和 GPU 的硬體,尤其是 M 系列芯片。雖然這些芯片與 Nvidia 的芯片可能存在一些代差,但也就兩三年的時間。而且蘋果的硬體有其獨特之處,如體積小、能耗低。因此,在 AI 行業中,蘋果仍有可能開發出優秀的產品。
其次,手機中的人工智能肯定是個好事,但我不太會使用蘋果的 AI 技術。一方面,我是出于隐私考慮,盡管我相信蘋果在保護隐私方面做得相對較好,但我還是希望這項技術能更加成熟。我對新技術一般持保守态度。另一方面,我的決定還基于一個直接的計算原因。比如,iPhone 16 的總内存是 8GB,而運行 Llama3 8B 模型(具有 80 億參數)完整精度,至少需要 16GB 的顯存。在這種情況下,我們可能需要等到蘋果逐步提升硬體配置,直到内存足夠後再使用。
36 氪:國内 AI 企業到海外去,有哪些普遍需求和獨特優勢?
雲飛:出海的企業種類很多,不僅有中型、大型企業,也有大型企業孵化出來的小公司出海,甚至是上市公司到海外尋找第二增長曲線。總的來説,中國企業的優勢主要有三個:
首先,中國企業在全球範圍内以快速的執行力著稱,無論是設計、軟體開發還是用户調研,都能迅速将概念落地。其次,服務方面。中國企業在提供人性化服務方面做得非常出色。與美國相比,美國的服務流程繁瑣且耗時,而中國企業能迅速響應并解決問題。第三,工程師性價比高。中國企業能夠以較低的成本提供高質量的工程師資源,相同投資下,中國企業的運營效率可能是美國企業的三倍。
需求方面,我們可以看到國内的出海策略,大致有四種方式,其中一種不太可行,其餘三種較為有效。我們可以想象一個象限圖來説明這些策略:橫軸代表是否在中國或美國親自開展業務。縱軸代表是否親自參與或雇傭他人作為代表。右上角象限指的是那些願意搬到美國并親自開展業務的人,這類人通常有留學背景,英語流利,适合在美國開展業務。第二類是在中國取得成功但未在海外留學的企業家,他們可能會選擇在美國安家,并尋找當地的 CEO 作為代言人。第三類是超級巨頭,如 BAT,他們繼續在中國發展,同時雇傭美國領導者來拓展全球市場。最後一個不成功的策略是試圖在中國同時管理美國的業務,這種方式難以成功,如最近國内一家頭部企業,要求管理海外業務的員工必須搬到海外,否則離職。這説明跨地網域管理業務存在很大難度。
黃山:在人力資源方面,中國确實有優勢,國内競争激烈是公認的事實。此外,我想給國内潑一盆冷水。盡管中國企業在人力資源方面有優勢,但在 AI 時代,AI 的成本更為關鍵。國内使用的大模型的成本是多少,這是一個非常關鍵的問題。國内企業需要在 AI 的質量和成本上建立優勢,這樣出海時才會有競争力。大家都知道我們在 GPU 方面被 " 卡脖子 ",如果時間可以回到 10 年前或 20 年前,我相信一定會優先解決 GPU 問題。現在雖然在應用層面的開發總體是可行的,但還是解決這個技術制約最重要,國内應該在這方面投入更多精力。
36 氪:從黏土相機到 Talkie 等社交類應用,AI 產品面臨同質化、生命周期較短的問題。兩位更看好哪一類產品,怎麼看同質化現象?
黃山:我覺得 AI 應用比較好的領網域,還是所謂的能變現的領網域。無論什麼應用,你不能期望永遠領先别人,但在他人超越之前,你可以進行變現。因此,我認為這是一個值得關注的方向。具體來説,哪些領網域可以實現變現?
首先,是内容生成。AI 内容生成目前成本較高,因為它需要大量的 AI 資源。但有兩個趨勢可以判斷:一是 AI 的成本肯定會越來越低;二是用户對内容錯誤的容忍度。大模型經常會出錯,但是如果 AI 應用產品方向選擇得好,用户對錯誤的容忍度會較高。而如果用户對錯誤的容忍度為零,那麼這個領網域就不适合。其次,是 AI 的數據方面。AI 主要是通過訓練數據生成的,而這些數據可以作為企業的核心資產,你不需要将其開放給他人,就像 Llama 一樣,不将數據分享給他人,别人就無法復制其產品。因此,AI 訓練數據是一個具有良好知識產權保護的賽道。第三,我認為 AI 陪伴是一個好賽道,因為這是一個剛性需求。未來如果有設備可以提供更真實的陪伴,那這個領網域将會有很大的發展空間。同行們暫時做得還不夠好,但未來肯定會有改進,因此 AI 陪伴也是一個值得關注的賽道。
至于同質化,我認為產品被復制的問題并非由 AI 引起。在 AI 出現之前,任何熱門產品都難以避免被復制的命運。如果一個產品容易被復制,那麼它就應該被復制,且必然會被復制,在產品開發時就應考慮到這一點。大家可以訪問 Y Combinator(YC)的網站,查看他們每一期孵化的公司,帶着這個問題看看這些公司,可能會有新的感悟。至少可以了解如何保護自己的產品不被輕易復制,或者至少提高復制的難度。
雲飛:我們經常内部讨論這個問題,最終得出的結論是 " 不應按賽道來關注,而應圍繞創始人 "。每位創始人都有其專業領網域的深厚背景,比如新聞或供應鏈,創業者在這些領網域積累了十年的經驗,知道行業内的真實場景和問題是什麼,再将 AI 技術嵌入其中,就能更容易接到訂單、變現。在硅谷,早期投資人和創業者都清楚,真正成功的創業者通常在第一階段就能實現銷售,而不是依賴于宏大的故事。
對大多數人來説,成功的商業模式往往是那些看似不性感甚至有點無聊的商業策略。這又回到了之前提到的,企業競争力的關鍵在于了解對方的真實需求,而不是僅僅推銷一個萬能的 AI 工具。市場已經對這種推銷已經麻木了,不再相信一個工具能解決所有問題。按照這個邏輯推下來的話,比較有潛力的 AI 賽道,還是在 SARS 領網域,尤其是 ToB SARS。我通常會鼓勵 AI 創業者深入實際,扎實地掌握看似無聊的商業技能,完成交易,實現訂單成交。許多成功的獨角獸公司也是從單一訂單開始,逐漸積累,最終實現平台化和產品化。對于沒有特定領網域經驗的創業者,建議考慮那些費時但簡單的任務,這些任務非常适合 AI 處理。
最後,目前創業者面臨的現實是,如果 AI 工具只解決單一場景問題,就會很容易被復制和替代。在 ToC 層面,用户可能會因為免費或 CEO 的活躍度而選擇使用某個產品,但最終會轉向新的、更酷的產品。因此,ToB 領網域提供了更多機會,因為 ToB 不是單點鏈接,而是通過多個環節與客户建立聯系。替換一個 ToB 產品需要巨大的成本,因此客户更傾向于保持現狀。這為 ToB 領網域的創業者提供了更多機會和發揮空間,他們可以通過多個鈎子牢牢抓住客户。
36 氪:對 AI 公司而言,更快實現 PMF、打造底層能力的差異化、擁有自己的用户數據,哪個更重要?
雲飛:首先説結論,PMF(產品市場契合度)最重要,尤其是現在一級市場投資并不十分活躍的情況下。盡管美國新政府上任可能會帶來一些變化,但在這之前,PMF 仍然是關鍵。
我舉一個 Agency Right 公司的例子,它的創始人最初是想幫廣告商提高廣告投資回報率(ROI),許多投資者的第一反應是很驚訝,因為這是一個競争激烈的賽道。但是這位創始人在廣告行業有多年經驗,他對行業的理解足夠深刻。雖然在第一年并沒有獲得融資,但創始人一直專注在產品開發,沒有外部投資的情況下自行實現 PMF,并最終達到了 60 萬美元的年度經常性收入(ARR)。到了今年 6 月,他再尋求融資的時候,種子輪已經超額認購,許多知名大廠和一線基金都争相投資。
這非常直觀地展示了 PMF 的重要性,它能給創業者和團隊帶來實實在在的安全感。每個月的進展,新訂單、新客户和真實用户反饋,都是至關重要的。在 AI 高度同質化的時代,如果説每個人都像坐在火箭上一樣快速前進,那麼誰能根據自己的行業經驗創造出獨特的價值,誰就會在 PMF 中體現出來,因為 PMF 中的 "M" 就代表對市場的深刻理解。關于模型之間的底層能力,雖然還存在差異,但沒有公司會因為 Claude 而沒有使用 OpenAI 失敗。公司失敗的原因通常是找不到客户或者 PMF 不奏效。
最後,我們把數據簡單分為用户數據和非用户數據。其實在非 AI 時代,用户數據就已經非常有價值了;但在 AI 時代,用户數據的價值還會增加十倍甚至二十倍。因此,在互聯網時代,如果公司在某些方面擁有優勢,尤其是用户數據層面,這種優勢在 AI 時代将被大幅放大。真正意義上的獨家數據就是用户數據,這是構成 AI 產品核心壁壘的關鍵。如果你擁有的是市場上采購的數據,或者是從其他地方獲取的數據,包括那些可以輕易獲得的數據,這些數據的價值就相對較低。周鴻祎來硅谷時我們也讨論了這點,任何可以購買的數據都不具有真正的價值,因為這些數據已經被商品化,你的競争對手很可能也在使用類似的數據。
黃山:我想分享一下數據的重要性,用一個比喻來説明。比如我們正在烹饪一道菜,這道菜代表我們訓練出的模型;我們需要一口鍋和一些原材料,其中算力可以比作鍋,電力可以比作火,數據是廚房裏的原材料,比如青菜。沒有原材料,即使有鍋也無法做出菜,正如巧婦難為無米之炊。這就強調了原材料的重要性,數據的重要性也在于此。
36 氪:對于想要出海的中國 AI 企業,請兩位給出三條錦囊妙計。
雲飛:首先,在企業層面,如果想要出海,要親自去了解市場。待在北上廣的辦公室,或者只是跟海外同事打電話,無法替代親自到硅谷或洛杉矶的體驗。如果你打算做電商,可以花一周時間與當地朋友見面,感受真實的市場氛圍。即使回去後決定不再來了,這次經歷也是有價值的。建議使用旅遊籤證,順便進行一些商務活動。這是我認為最重要的建議,适用于企業和個人。
其次,關于如何避免踩坑。其實中國企業出海已有一段時間,我們可以借鑑一些成功和失敗的案例,雖然歷史不會重復,但往往會有相似之處。比如,有些知名中國企業在歐洲設廠的時候因為違反當地規定而被關閉,或者在墨西哥建廠時遇到問題。這些前人的經驗教訓值得我們學習。在出海之前,了解這些案例可以幫助我們避免重復錯誤。
黃山:對于決心出海的企業來説,了解和尊重當地的商業文化至關重要。以美國為例,如果你的企業是面向企業客户(ToB),你需要知道美國企業相對資金充裕,更願意為產品付費,但同時對產品穩定性的要求非常高,因為他們本質上是在用金錢換取時間。我自己曾在初創企業負責采購,我們選擇產品的原則是,如果產品能夠穩定運行,我們不會去打擾供應商,每年定期支付費用即可;但如果產品出現問題,我們可能就需要考慮更換供應商。
其次,對于出海企業而言,結合海外人才的智慧是必要的。你需要了解海外人士的思維方式,并尊重他們的經驗。在這方面,許多國内企業可能在語言上存在不足,因此可能需要尋找既了解中國文化又熟悉海外文化的人才。
更多精彩内容,可點擊觀看完整直播回放: