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：
