文｜硅谷101
在世界人工智能大會(huì)WAIC期間，我們硅谷101從硅谷飛到了上海，采訪了百度創(chuàng)始人、董事長(zhǎng)兼CEO，李彥宏（Robin Li）先生，就目前市場(chǎng)非常關(guān)心的AI議題進(jìn)行了深度討論。
很有趣的是，這一輪生成式AI，中國(guó)市場(chǎng)的打法和海外截然不同，在硅谷大家開始卷多模態(tài)模型和交互，創(chuàng)業(yè)企業(yè)還側(cè)重infra基礎(chǔ)設(shè)施，同時(shí)市場(chǎng)在等GPT-5來(lái)驗(yàn)證Scaling Law的時(shí)候，中國(guó)市場(chǎng)的“百模大戰(zhàn)”已經(jīng)發(fā)展到打響價(jià)格戰(zhàn)的階段了，速度比很多人想象中都要早很多。
接下來(lái)中國(guó)市場(chǎng)要開始卷AI應(yīng)用了，所以在采訪中，李彥宏對(duì)中國(guó)市場(chǎng)大模型的價(jià)格戰(zhàn)、AI的To B企業(yè)級(jí)機(jī)會(huì)、開源/閉源路線選擇、AI超級(jí)應(yīng)用、AI Agent智能體的看法、以及AGI和Scaling Law的思考，都和我們做出了分享。
這是李彥宏2024年首次接受媒體采訪，非常難得，以下是我們的對(duì)話實(shí)錄，希望能為大家?guī)?lái)一些新的思考和角度。
01 不可避免的價(jià)格戰(zhàn)：燒錢不是事情的本質(zhì)
楊宇東：
我們看到這個(gè)很多閉源大模型的API調(diào)用的費(fèi)用越來(lái)越低了，而且很多又有開源大模型可以選，所以在這么一個(gè)市場(chǎng)的這么一個(gè)商業(yè)環(huán)境之下，那我們很關(guān)注，就百度肯定是身在其中，那大模型靠推理這樣收費(fèi)的這種商業(yè)模式，它未來(lái)成立不成立？以后我們市場(chǎng)再去比拼大模型的話，會(huì)比拼哪些點(diǎn)？就是你剛才提到的可能是速度、成本等等的，你怎么看？
李彥宏：
說(shuō)實(shí)話，我們內(nèi)部不斷在思考、討論這個(gè)問(wèn)題，我覺(jué)得價(jià)格戰(zhàn)幾乎是不可避免的，在中國(guó)互聯(lián)網(wǎng)干了這么長(zhǎng)時(shí)間，其實(shí)已經(jīng)對(duì)價(jià)格戰(zhàn)非常熟悉了，確實(shí)他來(lái)的比我想象還要更早一點(diǎn)，這么早就開始把這個(gè)價(jià)格打到了幾乎不可思議這種低的地步。
但我覺(jué)得某種意義上講，也不是壞事兒，當(dāng)你價(jià)格足夠低、甚至免費(fèi)的時(shí)候，就會(huì)讓更多人有積極性，來(lái)嘗試在大模型基礎(chǔ)上，去開發(fā)各種各樣的應(yīng)用，也就是說(shuō)大模型對(duì)于各行各業(yè)的這個(gè)滲透速度會(huì)更快。
那你都免費(fèi)了，或者說(shuō)價(jià)格足夠低的話，你大模型公司靠什么賺錢呢？我是這樣想的，大模型技術(shù)的天花板還是很高的，今天我們還是對(duì)于大模型的能力，有很多不滿意的地方，那我們?nèi)匀恍枰芏喾浅?yōu)秀的技術(shù)人員、需要很多的算力、需要很多很多的數(shù)據(jù)，才能夠訓(xùn)練出來(lái)下一代的大模型，我們還可能需要下下代，甚至下下下代這種大模型。
所以最終我覺(jué)得，大家是要去拼誰(shuí)的技術(shù)更好，你的技術(shù)好，你為客戶產(chǎn)生了更好的價(jià)值，將來(lái)你還是能夠收到費(fèi)的。
今天之所以把價(jià)格打到足夠低，是因?yàn)楝F(xiàn)在模型的能力，其實(shí)技術(shù)還沒(méi)有到最好，大家能力都差不多的時(shí)候，那行就拼價(jià)格唄，誰(shuí)的價(jià)格低就用誰(shuí)的。
時(shí)間長(zhǎng)了之后，市場(chǎng)本身會(huì)回歸理性，那同樣的效果，就是當(dāng)我的成本比你低的時(shí)候，你打價(jià)格戰(zhàn)你肯定打不過(guò)我，時(shí)間久了之后你就退出了。
這個(gè)過(guò)程我們?cè)诎俣染W(wǎng)盤上是經(jīng)歷過(guò)的，那些年大家在卷網(wǎng)盤的時(shí)候，我今天給你10G的免費(fèi)空間，明天100G，后天給1T，再后天說(shuō)無(wú)限空間永久免費(fèi)，當(dāng)你說(shuō)無(wú)限空間永久免費(fèi)的時(shí)候，大家也會(huì)說(shuō)這怎么能夠持續(xù)呢？這一定是不可持續(xù)的。
但是某一段時(shí)期，可能有個(gè)一兩年左右，大家這樣不理性的去打價(jià)格戰(zhàn)，慢慢就一個(gè)一個(gè)退出，那為什么百度沒(méi)有退出呢？因?yàn)槲腋掖蜓剑业募夹g(shù)、存儲(chǔ)成本低，所以最終還是說(shuō)誰(shuí)的技術(shù)好，誰(shuí)的效率高，誰(shuí)會(huì)勝出。
陳茜：
剛才說(shuō)這個(gè)價(jià)格來(lái)的時(shí)間比你想象中的早很多，也比我想象中的早很多，這個(gè)才一年半的時(shí)間，已經(jīng)開始打價(jià)格戰(zhàn)了，但你覺(jué)得價(jià)格戰(zhàn)會(huì)持續(xù)多久呢？可能大家有一些人就覺(jué)得說(shuō)技術(shù)不行，沒(méi)油水我要退出了，可能就最后的市場(chǎng)贏家會(huì)浮現(xiàn)出來(lái)。
李彥宏：
這個(gè)很難講，現(xiàn)在有些創(chuàng)業(yè)公司是玩家，但是也有很大型的這種互網(wǎng)平臺(tái)公司是玩家，那么燒錢的話，其實(shí)理論上講是可以燒很長(zhǎng)時(shí)間的，但我覺(jué)得，燒錢不是這個(gè)事情的本質(zhì)，本質(zhì)仍然是誰(shuí)的技術(shù)更好、誰(shuí)的效率更高，當(dāng)你的技術(shù)好、效率高的時(shí)候，你就不怕去打價(jià)格戰(zhàn)，所以多長(zhǎng)時(shí)間都OK，最終它會(huì)是優(yōu)勝劣汰的這樣一個(gè)過(guò)程。
陳茜：
你覺(jué)得在中國(guó)市場(chǎng)會(huì)是一個(gè)贏家通吃的局面嗎？還是說(shuō)等價(jià)格戰(zhàn)之后會(huì)剩下幾個(gè)主要的？可能還有一些更小模型這樣的生態(tài)？
李彥宏：
我是這樣想的，這次生成式AI，它是對(duì)于整個(gè)IT技術(shù)棧的一個(gè)大的變革，我們一般認(rèn)為，過(guò)去的IT技術(shù)棧，就是芯片層、操作系統(tǒng)層、應(yīng)用層或軟件層，就這三層。到生成式AI之后，我們認(rèn)為IT的技術(shù)棧變成了四層，芯片層、框架層（深度學(xué)習(xí)框架）、模型層、然后是應(yīng)用層，我認(rèn)為在每一層可能都會(huì)誕生至少2~3個(gè)大玩家。
那到應(yīng)用層的話，可能數(shù)以百萬(wàn)計(jì)，甚至千萬(wàn)的各種各樣的應(yīng)用都會(huì)出來(lái)，也會(huì)逐步的出現(xiàn)超級(jí)應(yīng)用。當(dāng)然根據(jù)“超級(jí)”的定義來(lái)看，它是不會(huì)很多，可能是三五個(gè)之類的。
模型層我覺(jué)得也許兩三個(gè)就足夠了，因?yàn)樽詈筮€是大家比拼的是效率嘛，你的效率如果不夠高的話，慢慢就覺(jué)得，還不如用別人的，去在這之上，再去開發(fā)更多的應(yīng)用，是更劃算的。
所以在每一層其實(shí)都有機(jī)會(huì)，但是不同的層發(fā)展規(guī)律，需要的專業(yè)知識(shí)什么的都不太一樣。
陳茜：
非常同意您的說(shuō)法，之前我問(wèn)Dario Amodei from Anthropic（百度前高管）他也說(shuō)過(guò)，他當(dāng)時(shí)在做語(yǔ)言還有翻譯方面的工作，剛剛從斯坦福畢業(yè)之后在百度，他說(shuō)在國(guó)際市場(chǎng)，可能最后也就剩四個(gè)左右的大模型，因?yàn)槠渌赡芏寂懿怀鰜?lái)，就是跟您的想法非常一致。
02 商業(yè)落地：AI企業(yè)需求比互聯(lián)網(wǎng)時(shí)期大得多
楊宇東：
你說(shuō)過(guò)，大模型對(duì)于B端的影響會(huì)超過(guò)互聯(lián)網(wǎng)，你為什么認(rèn)為，大模型對(duì)B端的改造，比互聯(lián)網(wǎng)對(duì)B端的影響更大？
李彥宏：
其實(shí)你想一想，互聯(lián)網(wǎng)對(duì)C端的改造，我們都是感同身受的，是非常徹底的，是顛覆性的。
但是互聯(lián)網(wǎng)對(duì)B端的改造，其實(shí)我覺(jué)得一般般吧，雖然不能說(shuō)沒(méi)有，但是“互聯(lián)網(wǎng)+”其實(shí)最后，可能只是一個(gè)信息化、或者數(shù)據(jù)化的過(guò)程，用的技術(shù)比較簡(jiǎn)單，產(chǎn)生的增益也沒(méi)有那么明顯。
但是大模型確實(shí)不一樣，各種AI應(yīng)用，比如說(shuō)小說(shuō)創(chuàng)作，讀小說(shuō)叫做C端，小說(shuō)創(chuàng)作就可以當(dāng)做是B端，法律援助其實(shí)在幫助律師在提升效率。
我們接觸到的一些能源電力行業(yè)，生產(chǎn)制造業(yè)等等，都有類似的需求，比如說(shuō)像現(xiàn)在國(guó)內(nèi)電動(dòng)車卷的也很厲害，車?yán)镱^對(duì)話系統(tǒng)，很多也在用文心大模型，使用量也不小，但是對(duì)于百度來(lái)說(shuō)，這就是一個(gè)To B的應(yīng)用，我們不直接提供給用戶，它是經(jīng)過(guò)了OEM，經(jīng)過(guò)了車廠，他們的集成之后，把這個(gè)應(yīng)用提供給了終端消費(fèi)者。
這種事情其實(shí)非常多，而且我們就看調(diào)用量，如果調(diào)用量上的很快，這就說(shuō)明我們的客戶需要這些東西，B端靠著這個(gè)大模型，靠著AI原生應(yīng)用產(chǎn)生了價(jià)值。
楊宇東：
最近我跑制造業(yè)比較多，你前面說(shuō)的有些像車企它直接調(diào)用了，直接把文心一言或者大模型調(diào)用了，在制造業(yè)里面，很多企業(yè)家說(shuō)，我們覺(jué)得未來(lái)AI對(duì)于我們高端制造業(yè)，智能制造顯然是重要的價(jià)值，是一種革命性的突破，但是一直就搞不明白，比如說(shuō)通用大模型，和我自己的行業(yè)垂直領(lǐng)域，垂直大模型，它將來(lái)到底是什么樣的關(guān)系，你說(shuō)的OEM，他們也希望，到底是什么樣的供應(yīng)商，和你們這樣平臺(tái)型的大廠商之間，形成什么樣的業(yè)務(wù)鏈條，這個(gè)問(wèn)題是制造業(yè)，尤其是先進(jìn)制造業(yè)特別關(guān)注的。
李彥宏：
這個(gè)問(wèn)題確實(shí)很重要，實(shí)際上大模型在各個(gè)垂直的場(chǎng)景里怎么用，我們也經(jīng)過(guò)了探索過(guò)程，最初我們的想法是，我把基礎(chǔ)模型做得越來(lái)越強(qiáng)大，大家叫通用人工智能（AGI），在什么場(chǎng)景我都能做得很好。
后來(lái)發(fā)現(xiàn)這件事情沒(méi)有那么容易，每個(gè)場(chǎng)景都有它自己的道，而且要求也不太一樣，有些地方，大模型思考兩分鐘再給結(jié)果也OK，只要給出來(lái)的結(jié)果是準(zhǔn)確的、是全面的就可以了。但是有些場(chǎng)景，如果你一秒鐘不出結(jié)果，用戶就放棄了，所以這兩個(gè)場(chǎng)景對(duì)大模型要求是不一樣的。
今天即使是最強(qiáng)大的模型，還不能做到反應(yīng)又快又準(zhǔn)，所以當(dāng)應(yīng)用場(chǎng)景需要反應(yīng)快的時(shí)候，我們需要更小的模型，它由于沒(méi)有大模型通用的能力，所以在垂直場(chǎng)景當(dāng)中，還要對(duì)它做精調(diào)，就是做SFT（監(jiān)督微調(diào)），把你行業(yè)的數(shù)據(jù)灌進(jìn)去，再經(jīng)過(guò)各種各樣的調(diào)教，在這個(gè)場(chǎng)景里的效果，能夠跟大模型相比差不多。
類似這種場(chǎng)景，我們也見了很多，去年10月份，我們發(fā)了文心4.0之后，主要精力在做什么呢？根據(jù)最強(qiáng)大的模型，去裁剪各種體量的小模型，比如說(shuō)十億量級(jí)的模型，百億量級(jí)的模型，千億量級(jí)的模型。
這個(gè)模型也許擅長(zhǎng)角色扮演，那個(gè)模型也許擅長(zhǎng)邏輯推理等等，根據(jù)客戶的不同使用場(chǎng)景不同的要求，出來(lái)各種各樣的模型。
這些模型的大多數(shù)速度都比文心EB4要快，推理成本比它要低，所以這種應(yīng)用是大家更愛用的。
即使到今天，我剛才講的5億的調(diào)用量，調(diào)用量最大的，一定不是最強(qiáng)大的模型，大家都覺(jué)得，反應(yīng)太慢了，成本太高了。
但是隨著時(shí)間推移，成本會(huì)下降，反應(yīng)速度也會(huì)提升，比如說(shuō)前幾天剛剛發(fā)布EB4的Turbo，Turbo就是在EB4的基礎(chǔ)上，效果有提升，但更重要的是，響應(yīng)速度比以前快了很多，成本下降了很多，因?yàn)槭裁茨兀?/p>
我們發(fā)現(xiàn)真正的市場(chǎng)需求，是要求你響應(yīng)速度一定要足夠的快，成本一定要足夠的低，這樣我才能用起來(lái)，至于說(shuō)下一代的大模型，到底有多強(qiáng)大，在哪些場(chǎng)景能夠用到，那是我們會(huì)繼續(xù)去探索的過(guò)程，但是今天你要看市場(chǎng)需求的話，規(guī)模更小一點(diǎn)的模型，市場(chǎng)需求量是更大的。
楊宇東：
幫我們介紹一下，大模型在B端的應(yīng)用比較成功的商業(yè)案例，或者是商業(yè)模式、產(chǎn)品形態(tài)。
李彥宏：
除了我剛才舉了小說(shuō)創(chuàng)作，還有比如電商的數(shù)字人直播，通過(guò)大模型來(lái)生成直播的話術(shù)，很多數(shù)據(jù)人不容易記得特別清楚，比如說(shuō)我要賣一個(gè)營(yíng)養(yǎng)品，這個(gè)營(yíng)養(yǎng)品在哪一年，哪一個(gè)大學(xué)，哪一個(gè)教授做了多少實(shí)驗(yàn)，實(shí)驗(yàn)出來(lái)之后結(jié)果是什么樣子，讓自然人去記這些東西，他記不住的，但是這些數(shù)據(jù)恰恰能夠很好的說(shuō)明，這個(gè)產(chǎn)品到底有什么作用，這些東西靠數(shù)字人把它表達(dá)出來(lái)，靠大模型把它生成出來(lái)，很多時(shí)候比真人的直播效果反而要更好，幾乎任何一個(gè)行業(yè)，我們都可以取出來(lái)類似的東西。
陳茜：
現(xiàn)在企業(yè)們，他們對(duì)AI調(diào)用成本怎么去看？我們幫企業(yè)去算一下賬，我花100塊錢，買各種各樣的AI服務(wù)，我可能要乘以五，我要賺500塊錢，我的商業(yè)才能跑得通。現(xiàn)在企業(yè)們是否會(huì)愿意去為AI去付費(fèi)，你在跟一些企業(yè)客戶交流的時(shí)候，他們的態(tài)度是什么樣子的？
李彥宏：
這個(gè)問(wèn)題特別好，當(dāng)你處在市場(chǎng)經(jīng)濟(jì)環(huán)境當(dāng)中的時(shí)候，這些企業(yè)其實(shí)是非常理性的，尤其是中小企業(yè)，它賬是算得非常精的，如果這件事情能夠讓我降本增效，能夠讓我賺到更多的錢，那我就會(huì)用它，如果不能，你再吹破天，我也不會(huì)用。
其實(shí)市場(chǎng)會(huì)告訴你，大模型到底有沒(méi)有用，我們看到調(diào)用量的迅速提升，確實(shí)是因?yàn)樵谟脩魝?cè)，在客戶側(cè)，它為這個(gè)企業(yè)確實(shí)產(chǎn)生了降本增效的作用。
我再舉個(gè)例子，比如招聘場(chǎng)景，雇主要找一個(gè)具備什么技能的人，對(duì)于技能的描述，它可以是千差萬(wàn)別的，在這種情況下，用大模型去理解這是一個(gè)什么人，理解老板要招什么樣的人，去進(jìn)行匹配的話，大模型的效率就會(huì)高很多。
過(guò)去是HR坐在那，一份一份簡(jiǎn)歷篩查，然后一個(gè)一個(gè)人去面試，面試100個(gè)人，最后篩出來(lái)10個(gè)人來(lái)，這個(gè)效率是非常非常低的，但是大模型進(jìn)來(lái)之后，它可以非常明顯的去提升這方面的效率，有了這樣的場(chǎng)景之后，你去算一算模型的推理成本，其實(shí)幾乎是可以忽略不計(jì)的。
尤其在國(guó)內(nèi)，現(xiàn)在大模型價(jià)格戰(zhàn)是非常厲害的，所以像一些比較輕量級(jí)的模型，百度的輕量級(jí)模型都是免費(fèi)的，這個(gè)免費(fèi)不僅僅指的是模型免費(fèi)，實(shí)際上算力也送你了，你本來(lái)要有電腦，我得要有帶寬等等，這些都沒(méi)有了，你只要來(lái)用就好。
陳茜：
后面的推理也很便宜是嗎？
李彥宏：
推理是免費(fèi)的。
陳茜：
有一個(gè)比較好奇的問(wèn)題，在SaaS時(shí)期，在互聯(lián)網(wǎng)時(shí)期，SaaS在中國(guó)To B沒(méi)有做出來(lái)，為什么您會(huì)覺(jué)得在AI時(shí)期，AI as a service可以在中國(guó)做起來(lái)呢？To B方面的話。
李彥宏：
我覺(jué)得在SaaS時(shí)期，之所以沒(méi)有做起來(lái)，更多的是因?yàn)?，比如像互?lián)網(wǎng)大的平臺(tái)，它既做了To C的事，也做了To B的事。
像在美國(guó)的話，每一個(gè)商家都有一個(gè)自己的電商網(wǎng)站，用戶也可以到它網(wǎng)站上去購(gòu)物，在中國(guó)的話，大家都到電商平臺(tái)去購(gòu)物，商家所需要的To B能力，電商平臺(tái)都替他做了，所以他不需要這種東西了，但是在美國(guó)的話，你自己比如說(shuō)你要建立一個(gè)自己的網(wǎng)站，上面要能夠賣東西，要有各種各樣的這種功能，要對(duì)自己的用戶進(jìn)行了解，那是需要做很多投入的。
所以在某種意義上講，其實(shí)中國(guó)并不是沒(méi)有這樣的需求，而是說(shuō)這些需求，被更大的平臺(tái)所滿足掉了。
但是在AI時(shí)代，我覺(jué)得情況又發(fā)生了變化。剛才也講了，它不是從0到1的、大家過(guò)去從來(lái)沒(méi)有見過(guò)的這個(gè)業(yè)態(tài)，它先誕生的恰恰是對(duì)于現(xiàn)有業(yè)態(tài)的一個(gè)增強(qiáng)，所以當(dāng)現(xiàn)有業(yè)態(tài)被增強(qiáng)效率越來(lái)越高的時(shí)候，他可能就更能夠抵御，類似于互聯(lián)網(wǎng)平臺(tái)這樣的公司，對(duì)他的這種業(yè)務(wù)的侵蝕，所以這方面我是我倒是覺(jué)得，AI的這種ToB的需求，在中國(guó)會(huì)比互聯(lián)網(wǎng)To B的需求要要大很多。
03 開源vs閉源：大模型商業(yè)化路徑的選擇
陳茜：
在國(guó)際上對(duì)開源閉源大家也爭(zhēng)論的很厲害，比如說(shuō)馬斯克他噴OpenAI， 說(shuō)你這么閉源，你要不然就叫CloseAI好了，我們看到馬斯克的xAI也開源了，Meta的Llama也是開源的，為什么你對(duì)閉源這么堅(jiān)持呢？
李彥宏：
我覺(jué)得開源其實(shí)是一種智商稅，你仔細(xì)想一想，我們?yōu)槭裁匆龃竽Ｐ?？它能夠有?yīng)用，這些應(yīng)用在各種場(chǎng)景下，能夠?yàn)榭蛻魹橛脩籼嵘?，降低成本，產(chǎn)生過(guò)去產(chǎn)生不了的作用。
所以當(dāng)你理性的去想，大模型能夠以什么樣的成本，給我?guī)?lái)什么價(jià)值的時(shí)候，你就會(huì)發(fā)現(xiàn)你永遠(yuǎn)應(yīng)該選擇閉源模型。
今天閉源的無(wú)論是ChatGPT也好，文心一言也好，以及各種各樣的模型，你看一下它的平均水平，一定是比開源模型要更強(qiáng)大的，它的推理成本它一定是比這個(gè)開源模型更低的。
尤其在國(guó)內(nèi)的話，我們連算力都送你了，所以當(dāng)你想要一個(gè)開源模型的時(shí)候，你得把這個(gè)模型拿過(guò)來(lái)，根據(jù)你的場(chǎng)景去做這個(gè)SFT（監(jiān)督微調(diào)），很有可能還要做這種安全上的對(duì)齊，就是哪些風(fēng)險(xiǎn)要去進(jìn)行規(guī)避，你還要根據(jù)自己的場(chǎng)景，去準(zhǔn)備各種各樣的數(shù)據(jù)，去一輪一輪的去迭代，最后剛才說(shuō)的買算力，你要把它放上去，由于是你自己獨(dú)有的一個(gè)模型，你還沒(méi)有辦法，跟別的應(yīng)用去共享這個(gè)算力，最高峰的時(shí)候用多少，那就要準(zhǔn)備多少算力，這個(gè)是非常非常不經(jīng)濟(jì)的。
反過(guò)來(lái)你用閉源的模型，算力可以和大家共享，這些個(gè)能力在同等的參數(shù)下，閉源模型一定比開源模型的量更強(qiáng)，那同等能力下，由于閉源模型可能參數(shù)規(guī)模會(huì)更小一點(diǎn)，它的推理成本就會(huì)更低。所以長(zhǎng)久來(lái)看，我覺(jué)得閉源模型，它使用一定是非常大的比例，會(huì)超過(guò)開源模型。
當(dāng)然，我也不能說(shuō)開源模型沒(méi)有存在的價(jià)值，從學(xué)術(shù)研究的角度，你是一個(gè)科學(xué)家，你想研究大模型的原理是啥，因?yàn)闃I(yè)界其實(shí)也一直在抱怨就是說(shuō)，大模型的不可解釋對(duì)吧，你怎么解釋大模型為什么會(huì)具有這種能力，或者說(shuō)你是一個(gè)高校學(xué)生，你想學(xué)這些東西，你想拿來(lái)練練手，那開源大模型我覺(jué)得有它的價(jià)值。
但如果你是一個(gè)企業(yè)，要的就是大模型能夠帶來(lái)價(jià)值上的增益，你只要一算賬，就會(huì)發(fā)現(xiàn)開源模型是沒(méi)有機(jī)會(huì)的。
陳茜：
我看百度是用的公有云的方式對(duì)吧，就是閉源大模型，但再加一個(gè)公有云，上面有集合了不同的閉源和開源的模型，供客戶去調(diào)用，那我看比如說(shuō)亞馬遜云科技，還有微軟他們其實(shí)也是采取這樣的一個(gè)方式。所以百度本身大模型閉源加公有云，你對(duì)這樣的一套的打法，對(duì)企業(yè)的客戶來(lái)說(shuō)有什么考量嗎？
李彥宏：
我覺(jué)得ToB的客戶要選擇一個(gè)模型，對(duì)他來(lái)說(shuō)性價(jià)比最好的，一方面模型要對(duì)他的這個(gè)應(yīng)用能夠產(chǎn)生價(jià)值，另外一方面就是成本要足夠的低。
很多時(shí)候就是你看著有用，一算成本不劃算，那么客戶就放棄了，這是為什么我剛才講，開源模型打不過(guò)閉源模型，你只要理性的去看待，你的收益是啥、成本是啥，你就會(huì)發(fā)現(xiàn)，最好還是去選擇閉源模型。
當(dāng)然，閉源模型不是一個(gè)模型，它是一系列的模型，根據(jù)你的使用場(chǎng)景，你去平衡一下，到底要多好的效果，要多快的推理速度，要多低的成本，所以我的模型非常多的變種，可以根據(jù)用戶的需求，讓他來(lái)選擇。
而這些相對(duì)來(lái)說(shuō)規(guī)模更小的模型，都是從最大最強(qiáng)的模型裁剪出來(lái)的，這也是我覺(jué)得開源模型不具備的一個(gè)優(yōu)勢(shì)，當(dāng)最先進(jìn)的模型是閉源的時(shí)候，我根據(jù)閉源往下去裁剪，裁剪出來(lái)一些規(guī)模更小的模型，仍然比那些同樣規(guī)模的開源模型效果更好。
我們也看到一些參數(shù)規(guī)模比較大的這種開源模型，其實(shí)這個(gè)就更沒(méi)有道理了，當(dāng)規(guī)模越大的時(shí)候，你會(huì)發(fā)現(xiàn)他的推理速度變得更慢了，如果不在乎推理速度的話，你就用最強(qiáng)大的閉源模型，那它效果一定是更好的。
而且參數(shù)規(guī)模越大意味著什么？意味著對(duì)算力的消耗也越大，也就是說(shuō)你得準(zhǔn)備更多服務(wù)器，來(lái)伺候這個(gè)大模型，其實(shí)這東西是根本不劃算的，越往上走，越應(yīng)該去共享這個(gè)算力，這樣才能算過(guò)來(lái)賬。
所以我覺(jué)得大家只要是不是在那兒坐而論道，而是真的說(shuō)，我對(duì)模型有需求的時(shí)候，你就會(huì)發(fā)現(xiàn)幾乎是無(wú)需思考，不可能去選擇開源模型。
04 AI超級(jí)應(yīng)用：AI時(shí)代不再卷日活10億？
楊宇東：
由ChatGPT掀起的熱潮已經(jīng)一年多了，你也曾經(jīng)表達(dá)過(guò)，接下來(lái)超級(jí)應(yīng)用什么時(shí)候出現(xiàn)。我們看到國(guó)內(nèi)面向C端的大模型產(chǎn)品形態(tài)，看起來(lái)差不多都是搜索框問(wèn)答這種模式，你怎么看？有沒(méi)有可能產(chǎn)生一種差異化的競(jìng)爭(zhēng)？什么樣好的產(chǎn)品會(huì)出現(xiàn)？
李彥宏：
準(zhǔn)確的講，我倒不是一定在等待一個(gè)超級(jí)應(yīng)用的出現(xiàn)，我更覺(jué)得在基礎(chǔ)模型之上，在大模型之上，應(yīng)該能夠誕生數(shù)以百萬(wàn)計(jì)的、各種各樣的應(yīng)用。
這些應(yīng)用有些是很小的領(lǐng)域，大家可能不太容易想到的應(yīng)用，但是它對(duì)于那個(gè)領(lǐng)域的問(wèn)題，解決得就比以前好很多。也有可能是用戶量龐大，用戶使用時(shí)長(zhǎng)非常長(zhǎng)的，類似于移動(dòng)互聯(lián)網(wǎng)的超級(jí)應(yīng)用。
確切的講，我覺(jué)得現(xiàn)在還沒(méi)有看到，能夠比肩移動(dòng)互聯(lián)網(wǎng)時(shí)期超級(jí)應(yīng)用的AI原生應(yīng)用，但是已經(jīng)看到，越來(lái)越多、各種各樣場(chǎng)景，尤其是ToB（對(duì)企業(yè)）場(chǎng)景，利用大模型提升效果，提升效率，產(chǎn)生更多的收入，或者說(shuō)能夠節(jié)省更多的成本的情況出現(xiàn)。
尤其是今年以來(lái)，我們看到在各個(gè)領(lǐng)域，各行各業(yè)都有AI的應(yīng)用場(chǎng)景出現(xiàn)了，它的出現(xiàn)使得我們大規(guī)模節(jié)省了人力成本，或者是效率大規(guī)模的提升，也許對(duì)于投資者、創(chuàng)業(yè)者，他們沒(méi)有覺(jué)得這個(gè)東西很令人興奮。
因?yàn)榇蠹叶荚谙?，我能不能有一天，?到1做出一個(gè)人們想也沒(méi)想到過(guò)的東西，變成一個(gè)DAU（日活用戶）10億的超級(jí)應(yīng)用，這個(gè)當(dāng)然很重要，假以時(shí)日也一定會(huì)出現(xiàn)，但是目前已經(jīng)看到的，甚至是更重要的是，大模型在各個(gè)領(lǐng)域、各個(gè)場(chǎng)景的應(yīng)用。
這方面從百度文心一言的日調(diào)用量來(lái)看，已經(jīng)是非常明顯了。我們?cè)?月份的時(shí)候，曾經(jīng)公布過(guò)一個(gè)數(shù)據(jù)，文心一言的調(diào)用量，每天有兩億次，到最近一次，前幾天我們?cè)诠嫉臅r(shí)候，文心一言調(diào)用量已經(jīng)到了5億次，也就是說(shuō)兩個(gè)月的時(shí)間，調(diào)用量翻倍。
調(diào)用增長(zhǎng)背后意味著什么？意味著它在給應(yīng)用產(chǎn)生價(jià)值，因?yàn)闆](méi)有價(jià)值的話，人家也不會(huì)花錢去做這種調(diào)用。所以這種增長(zhǎng)速度，還是非常令人興奮的。大模型對(duì)于實(shí)體產(chǎn)業(yè)，對(duì)于各行各業(yè)的提效降本這些作用現(xiàn)在已經(jīng)非常明顯了。
楊宇東：
你更多是談到了在垂直的行業(yè)，我們想百度還是有很強(qiáng)C端基因的公司，作為一個(gè)普通的消費(fèi)者和使用者，我們也想請(qǐng)您聊一聊，C端用戶會(huì)有什么樣很好的場(chǎng)景？包括我們說(shuō)端側(cè)，甚至最后手機(jī)上的APP，可以被手機(jī)硬件去調(diào)用，而不是經(jīng)過(guò)一個(gè)APP，這個(gè)你怎么看？
李彥宏：
我覺(jué)得分兩類，一類是大家比較關(guān)注的，過(guò)去從來(lái)沒(méi)有的應(yīng)用，現(xiàn)在比較流行的，類似于ChatGPT這樣的，我們把它叫做ChatBot（聊天機(jī)器人）。
國(guó)內(nèi)每一個(gè)大模型公司，都會(huì)推出一個(gè)相應(yīng)的APP，或者是網(wǎng)站來(lái)做ChatBot，它的作用也比較明顯，如果你有一個(gè)很具體的問(wèn)題，丟給它的話，它就會(huì)給你一個(gè)還不錯(cuò)的答案，而且準(zhǔn)確率也越來(lái)越高了，很多人逐步的對(duì)這種ChatBot產(chǎn)生了依賴。
對(duì)于現(xiàn)有的這些ToC（對(duì)消費(fèi)者）的應(yīng)用，其實(shí)它信息增益作用也是非常大的。我們?cè)?月份的時(shí)候，公布過(guò)一個(gè)數(shù)據(jù)，就是百度搜索，今天有11%的搜索結(jié)果會(huì)由AI來(lái)生成的，這個(gè)比例還在不斷的提升。
也就是說(shuō)，現(xiàn)有大家比較常見的應(yīng)用，其實(shí)也越來(lái)越多的，在被大模型、生成式AI所改造。
另外一個(gè)例子，比如說(shuō)百度文庫(kù)，過(guò)去是一個(gè)大家在上面找現(xiàn)成的文檔，比如中學(xué)老師要備課了，初中的物理課，他要找一找人大附中的老師，最優(yōu)秀的老師，他的教案是什么樣子，去找現(xiàn)成的文檔。
今天百度文庫(kù)經(jīng)過(guò)大模型改造之后，已經(jīng)更多的變成了，生成式AI這種應(yīng)用，也就是說(shuō)，不管你想要產(chǎn)生什么樣的文檔，是PowerPoint，是論文的格式，還是什么各種各樣的，甚至是漫畫這樣的，它都可以根據(jù)你的要求來(lái)生成。
而且不僅它的用戶量比較廣，這個(gè)產(chǎn)品它是收費(fèi)的，今年以來(lái)已經(jīng)有大約2600萬(wàn)付費(fèi)用戶，你如果說(shuō)用超級(jí)應(yīng)用的標(biāo)準(zhǔn)來(lái)看的話，它也沒(méi)有到超級(jí)應(yīng)用的水準(zhǔn)，但是你要是看它實(shí)際產(chǎn)生價(jià)值的話，有那么多人愿意為這個(gè)產(chǎn)品付費(fèi)，那還是很厲害的。
這些產(chǎn)品都是過(guò)去已經(jīng)存在的，只是說(shuō)你經(jīng)過(guò)了大模型的改造之后，它的能力跟以前完全不一樣了，人們對(duì)它的認(rèn)知也在不斷的迭代，不斷的在加深。
楊宇東：
因?yàn)樗芰Φ奶嵘?，大家更愿意付費(fèi)了，而原來(lái)只是免費(fèi)搜索。
李彥宏：
是的。
陳茜：
我特別同意您最近在多個(gè)場(chǎng)合強(qiáng)調(diào)的，去卷AI的原生應(yīng)用，這樣的話，大模型才有意義。同時(shí)我也有一點(diǎn)小困惑，比如說(shuō)OpenAI它的GPT-4，在8個(gè)月之前就推出來(lái)了，當(dāng)時(shí)大家都會(huì)覺(jué)得，AI應(yīng)用時(shí)刻要爆發(fā)了，但是8個(gè)月之后的今天，我們看到還沒(méi)有爆發(fā)，可能很多應(yīng)用出來(lái)也不太盡人意。
最近最火的Perplexity，這個(gè)AI搜索現(xiàn)在是2000萬(wàn)美元的ARR（年度經(jīng)常性收入），2000萬(wàn)用戶的量級(jí)，其實(shí)也還沒(méi)有到所謂的Super app（超級(jí)應(yīng)用），或者是killer app（殺手級(jí)應(yīng)用），所以我的問(wèn)題或者疑惑在于說(shuō)，如果基于GPT-4的模型能力，是不是我們現(xiàn)在還沒(méi)有到去卷應(yīng)用的時(shí)候，這個(gè)時(shí)刻還沒(méi)到？
李彥宏：
剛才你提到了GPT，以及perplexity，還是我剛才說(shuō)的第一類，過(guò)去從來(lái)沒(méi)有過(guò)的東西，它是從0到1去做的。
超級(jí)應(yīng)用確實(shí)現(xiàn)在還沒(méi)有出現(xiàn)，即使是ChatGPT的話，它的DAU也沒(méi)有過(guò)億，還算不上一個(gè)真正的超級(jí)應(yīng)用，但是對(duì)于現(xiàn)有產(chǎn)品的改造，無(wú)論是中國(guó)也好，美國(guó)也好，我們都看到了實(shí)實(shí)在在的增益。
比如美國(guó)的話，微軟的Copilot，它已經(jīng)收到了很多付費(fèi)，美國(guó)更多的是ToB（對(duì)企業(yè)）的行業(yè)，Palantir、Snowflake這些，都是通過(guò)軟件被大模型、被生成式AI加持了之后，他們的業(yè)績(jī)得到實(shí)實(shí)在在的增長(zhǎng)。
所以從這個(gè)意義上講，大模型應(yīng)用其實(shí)已經(jīng)逐步在浮現(xiàn)出來(lái)，它對(duì)于現(xiàn)有業(yè)態(tài)的改造作用，比從0到1顛覆，作用更早到來(lái)、更明顯，甚至我覺(jué)得也能夠創(chuàng)造更多價(jià)值。
以前Satya（微軟CEO）說(shuō)過(guò)，他說(shuō)過(guò)去互聯(lián)網(wǎng)叫做AutoPilot，意思就是，你自己就都把這個(gè)結(jié)果給弄出來(lái)了，現(xiàn)在的生成式AI叫Copilot，它實(shí)際上是人和機(jī)器共創(chuàng)的過(guò)程。
這個(gè)過(guò)程一開始大家覺(jué)得沒(méi)有那么性感，但是它對(duì)于人的工作效率的提升，對(duì)于成本的下降，對(duì)于打開新的可能性，產(chǎn)生的促進(jìn)作用，其實(shí)是比那些從0到1的應(yīng)用，反而要更大。
如果僅僅是從0到1，你可能會(huì)希望出現(xiàn)某幾個(gè)Super app，那它也就是公司從中受益，但是今天幾乎各行各業(yè)所有的公司，被大模型加持之后，它都能受益，這種影響力，對(duì)于整個(gè)社會(huì)，對(duì)于人類來(lái)說(shuō)，無(wú)疑是更大的。
只是大家好像覺(jué)得，這個(gè)東西我以前見過(guò)嘛？所以沒(méi)有那種新鮮感，或者他更多誕生在生產(chǎn)力場(chǎng)景，他的受眾群體，或者單一應(yīng)用受眾群體，不會(huì)過(guò)億、過(guò)十億那樣，尤其在C端，在公眾層面體感沒(méi)有那么集中，這是大家現(xiàn)在一直想找一個(gè)Super app的原因。
楊宇東：
你的問(wèn)題是挑戰(zhàn)Robin，Robin說(shuō)要卷起來(lái)，你說(shuō)怎么沒(méi)看到卷，我總結(jié)下來(lái)，我的感覺(jué)，聽完Robin講完之后，我就知道了，我們理解的超級(jí)這兩個(gè)字，在Robin概念里面，一個(gè)是數(shù)以百萬(wàn)計(jì)的應(yīng)用已經(jīng)開始起來(lái)了，第二個(gè)，所謂的超級(jí)反而是在垂直的，在一些局部的領(lǐng)域，它有非常顯著的加速度或者是增益。
陳茜：
或者是“超級(jí)”這個(gè)定義在互聯(lián)網(wǎng)時(shí)代跟在AI時(shí)代是不一樣的。
李彥宏：
是不一樣的。在互聯(lián)網(wǎng)時(shí)代可能是某一個(gè)單一的從0到1，或者是到100這樣的應(yīng)用，今天所謂的超級(jí)應(yīng)用，它是對(duì)現(xiàn)有場(chǎng)景的一種加持，這種加持還在早期，我必須得承認(rèn)，它逐步會(huì)改變現(xiàn)有產(chǎn)品的形態(tài)。
我再舉一個(gè)例子，小說(shuō)創(chuàng)作、網(wǎng)文，這個(gè)在國(guó)內(nèi)是特別火的行業(yè)，過(guò)去就是人肉，靠自己的能力、想象，不斷的去更新一篇文章，或者是一個(gè)小說(shuō)，這個(gè)效率是很低的。現(xiàn)在有了大模型的加持，基本上有一個(gè)構(gòu)思，它就會(huì)給你相應(yīng)的文檔，你給的再豐富一點(diǎn)，它就生成的再豐富一點(diǎn)，你說(shuō)文風(fēng)太溫柔了，要不要強(qiáng)悍一點(diǎn)，根據(jù)你的想法，它可以不斷的去調(diào)整。
這樣的東西，在用戶看來(lái)，我仍然在讀一篇網(wǎng)文，在讀一篇小說(shuō)，但是這個(gè)小說(shuō)的生產(chǎn)成本生產(chǎn)效率，它的內(nèi)容豐富度，可讀性，優(yōu)良率等等，都是跟以前不一樣的。所以這樣的例子，其實(shí)我們?cè)趲缀跞魏涡袠I(yè)都能夠看到。
05 AI Agent智能體：門檻一定要夠低
楊宇東：
我們前面聊的總結(jié)一下叫卷應(yīng)用，接下來(lái)還有一個(gè)關(guān)鍵詞叫智能體，你說(shuō)過(guò)好多次，AI時(shí)代最看好的是智能體，但是目前來(lái)看好像也沒(méi)有特別強(qiáng)大的爆發(fā)。你為什么認(rèn)為智能體是AI時(shí)代未來(lái)的趨勢(shì)呢？
李彥宏：
我覺(jué)得智能體正在爆發(fā)，只是說(shuō)它現(xiàn)在基數(shù)還比較小的時(shí)候，大家的體感沒(méi)有那么強(qiáng)烈，但是你要看業(yè)界大模型公司，都在做智能體，業(yè)界這些意見領(lǐng)袖，基本上算是共識(shí)，一般大家都會(huì)說(shuō)，我看好智能體。
智能體為什么代表未來(lái)？基礎(chǔ)模型它本身是需要靠應(yīng)用才能顯現(xiàn)出來(lái)的價(jià)值，智能體就是，一個(gè)幾乎可以放之四海而皆準(zhǔn)的、基于大模型的應(yīng)用。
什么意思呢？根據(jù)我自己的場(chǎng)景，我設(shè)定一個(gè)角色人設(shè)，我連編程都不用，我只要把我想要做的事情跟它講清楚，當(dāng)然有時(shí)候要把自己的私有知識(shí)庫(kù)對(duì)接進(jìn)來(lái)，或者把自己做事情的套路給它說(shuō)清楚，這個(gè)專業(yè)術(shù)語(yǔ)叫做工作流，把工作流套進(jìn)去，它就是一個(gè)非常有用的、跟基礎(chǔ)模型不一樣的東西。
今天不能說(shuō)所有，但是大多數(shù)AI的原生應(yīng)用，你用智能體的方式都可以做出來(lái)，做出來(lái)之后效果也不錯(cuò)。
由于它的門檻足夠低了，可能你連編程都不用編，就可以做出來(lái)一個(gè)效果不錯(cuò)的智能體，就意味著越來(lái)越多的人可以做出他想要的智能體。
這個(gè)有點(diǎn)像什么呢？有點(diǎn)像90年代中期的時(shí)候，互聯(lián)網(wǎng)的網(wǎng)站，這個(gè)網(wǎng)站你可以把它做得非常復(fù)雜，當(dāng)時(shí)比如說(shuō)雅虎也是很厲害的網(wǎng)站，但是仍然在學(xué)校里讀書的大學(xué)生，他也可以做一個(gè)自己的HomePage，他把他常用的幾個(gè)網(wǎng)站鏈接鏈在那，比如說(shuō)Java學(xué)習(xí)攻略這些東西，做幾個(gè)鏈接，就是他自己的網(wǎng)站，其實(shí)很簡(jiǎn)單。
由于做網(wǎng)站很簡(jiǎn)單，所以在90年代的時(shí)候，從中期到末期，就是誕生了數(shù)以百萬(wàn)計(jì)的網(wǎng)站，這種大浪淘沙，最終會(huì)出來(lái)一些非常優(yōu)秀的網(wǎng)站，像Google、Facebook，這當(dāng)然是若干年之后才出現(xiàn)，但是早期看的話，你可能看到的都是，這些網(wǎng)站怎么都是亂糟糟的，一個(gè)大學(xué)生就能做一個(gè)網(wǎng)站出來(lái)，這有啥價(jià)值呀？
但是你必須得門檻足夠低的時(shí)候，讓更多人進(jìn)來(lái)，他們發(fā)揮聰明才智，指不定哪條路跑通了，它就是一個(gè)Super app，這就是為什么，我覺(jué)得智能體代表未來(lái)，我特別看好的一個(gè)新興的業(yè)態(tài)。
陳茜：
智能體AI Agent它是特別重要的概念，包括在美國(guó)硅谷也是這樣的，在業(yè)界大家對(duì)AI Agent，它的定義還是有一點(diǎn)不同的探討，我看到有些人說(shuō)，比如說(shuō)GPTs，也都是一些智能體，有些人會(huì)說(shuō)，可能更加高級(jí)一點(diǎn)的Agent才算智能體，我的Agent要調(diào)取不同的工具，要成為一個(gè)虛擬世界的機(jī)器人，它可能才叫Agent，你對(duì)Agent的定義是什么樣子的？
李彥宏：
我首先要考慮這個(gè)門檻要足夠的低，就一個(gè)小白，比如說(shuō)大一的學(xué)生，他也可以很方便的能夠制作一個(gè)智能體出來(lái)。
當(dāng)然在此之上，可以有各種各樣比較有趣的玩法，剛才你講的調(diào)用工具、反思呀、長(zhǎng)期的記憶等等，這些能力會(huì)逐步的加進(jìn)去。
這個(gè)跟90年代時(shí)候的網(wǎng)站誕生過(guò)程，也有類似之處，我們一開始的網(wǎng)站，都是很簡(jiǎn)單的，后來(lái)我可以用Java把一些動(dòng)態(tài)的東西放在一個(gè)網(wǎng)站里，再后來(lái)我可以加上cookie，這樣從一個(gè)網(wǎng)頁(yè)轉(zhuǎn)到下一個(gè)網(wǎng)頁(yè)的時(shí)候，我還記得上一個(gè)網(wǎng)頁(yè)你干了什么，這些東西在早期的時(shí)候，網(wǎng)站生態(tài)里頭是沒(méi)有的，但是一旦有越來(lái)越多的人在生產(chǎn)網(wǎng)站，技術(shù)就會(huì)跟進(jìn)說(shuō)，你有什么需求，我去解決你的問(wèn)題。
Agent是一樣的，不是說(shuō)用了最先進(jìn)的，剛才講的這些能力之后，它才叫一個(gè)AI Agent，我反而覺(jué)得我們要把這個(gè)門檻降的足夠低，讓大家覺(jué)得說(shuō)，我也可以搞一個(gè)AI Agent，進(jìn)來(lái)之后隨著時(shí)間的推移，隨著你遇到新問(wèn)題，解決問(wèn)題的過(guò)程，會(huì)把各種各樣最先進(jìn)的技術(shù)用進(jìn)來(lái)。
說(shuō)實(shí)話，我認(rèn)為現(xiàn)在AI Agent用到的這些能力，仍然是非常初級(jí)的，未來(lái)還會(huì)產(chǎn)生我們今天想也想不到的Agent能力。
但是這些能力的誕生，反而要依賴數(shù)以百萬(wàn)計(jì)的開發(fā)者，去開發(fā)各種各樣的應(yīng)用，在他們使用的過(guò)程當(dāng)中，產(chǎn)生新的需求，這些需求被解決的過(guò)程，就是一個(gè)創(chuàng)新的過(guò)程，就是AI Agent進(jìn)化的過(guò)程，這個(gè)我還是非常期待的。
陳茜：
百度有什么比較有意思的AI Agent的案例可以給我們分享一下嗎？
李彥宏：
有很多，國(guó)內(nèi)高考是一個(gè)非常大的事件，不僅是學(xué)生，還有家長(zhǎng)都非常重視。過(guò)去大模型在干什么事呢？高考有個(gè)作文題，我們用大模型來(lái)寫一個(gè)作文，看它能得多少分。
其實(shí)你想一想，這個(gè)東西在哪用呢？不可能讓考生帶著大模型去參加高考嘛，但是高考完了之后，你要估分，你要報(bào)志愿，你要選擇學(xué)校，你要選擇專業(yè)，可能有人在乎說(shuō)，這個(gè)宿舍里頭，一個(gè)宿舍要住幾個(gè)人，那個(gè)人在乎這個(gè)學(xué)校有沒(méi)有游泳池，或者說(shuō)哪個(gè)專業(yè)更適合我未來(lái)發(fā)展，每個(gè)人的情況都是不一樣的，每個(gè)人的問(wèn)題也都是不一樣的。這種情況下，哪有一個(gè)全能的輔導(dǎo)老師可以告訴你說(shuō)，你最適合的是哪個(gè)學(xué)校哪個(gè)專業(yè)，但是AI Agent就可以干這個(gè)事情。
所以過(guò)去大家來(lái)百度或者到其他地方去搜索，都是找世界上已經(jīng)存在的內(nèi)容，他沒(méi)有專門為這個(gè)人、這個(gè)時(shí)刻、這個(gè)地點(diǎn)、這樣的環(huán)境生產(chǎn)內(nèi)容。
而今天的AI，尤其是智能體，它就可以做到，你告訴我你是什么情況，你的情況可以不用一句話就說(shuō)清楚，你用十句話也可以，我都記得，這樣的例子非常非常多。
陳茜：
而且它會(huì)非常個(gè)人化的給你很多的規(guī)劃，包括我看到你們跟新加坡旅游局也是有合作的。
李彥宏：
是的。你自己消費(fèi)水平是多少、有多長(zhǎng)時(shí)間、有什么喜好、愛吃什么、不愛吃什么，每個(gè)人都是不一樣的，它可以完全根據(jù)你的情況來(lái)生成你要的答案。
06 AGI與Scaling Law：值得長(zhǎng)期奮斗的信仰
楊宇東：
我們說(shuō)Scaling Law，以前大家都覺(jué)得沒(méi)問(wèn)題，但是最近開始不同的聲音出來(lái)了，那確實(shí)我看很多行業(yè)，做一些速度更快，效率更高的小模型，那Scaling Law會(huì)不會(huì)這么快又被顛覆掉了？
李彥宏：
Scaling Law本身可能還會(huì)有若干年的生命周期，但與此同時(shí)的話，就是在此之上會(huì)疊加出來(lái)各種各樣的創(chuàng)新。
剛才講的智能體、它的反思能力、它的進(jìn)化的能力等等，其實(shí)跟Scaling Law已經(jīng)有點(diǎn)分離了，它是兩個(gè)路線在發(fā)展，但是它仍然是基于Transformer這類大模型在往上在做。
那未來(lái)再過(guò)一兩年，還會(huì)出現(xiàn)什么新的技術(shù)創(chuàng)新，在此基礎(chǔ)上再去疊加，我們也不知道，大家都在探索。
換句話說(shuō)，我覺(jué)得Scaling Law短期之內(nèi)倒不會(huì)被顛覆，但是在Scaling Law之上會(huì)疊加出來(lái)很多很多、現(xiàn)在還無(wú)法想象的創(chuàng)新。
楊宇東：
你個(gè)人認(rèn)為AGI實(shí)現(xiàn)的標(biāo)準(zhǔn)是什么？還有哪些路徑可以讓我們更快的去通向AGI？
李彥宏：
我覺(jué)得這個(gè)問(wèn)題確實(shí)業(yè)界沒(méi)有一個(gè)標(biāo)準(zhǔn)答案，以前大家覺(jué)得，通過(guò)圖靈測(cè)試就實(shí)現(xiàn)AGI了，實(shí)際上現(xiàn)在大模型已經(jīng)通過(guò)了圖靈測(cè)試，但是人們所說(shuō)的AGI，其實(shí)大多數(shù)時(shí)候已經(jīng)不是只通過(guò)圖靈測(cè)試。
那什么叫AGI？在我的心目當(dāng)中，AGI就是說(shuō)是機(jī)器、或者AI，它能夠具備人在任何場(chǎng)景下所具備的能力，就是general intelligence（普遍能力）是通用的，我不管在什么場(chǎng)景，我的能力都是跟人是一樣的，這是一個(gè)很高的要求。
其實(shí)今天你看像我們做這個(gè)無(wú)人駕駛，做了有11年的時(shí)間了，仍然不能說(shuō)這個(gè)技術(shù)成熟，它還是只一個(gè)專用場(chǎng)景，AI都做不到非常成熟，你不能容錯(cuò)的話這個(gè)就不行了。
所以，真正要實(shí)現(xiàn)AGI，我認(rèn)為確實(shí)是還需要很多很多年。但是業(yè)界有人說(shuō)AGI可能再過(guò)2年，或者5年就能實(shí)現(xiàn)，但是我自己的判斷是10年以上，也許10年，也許20年，也許更長(zhǎng)的時(shí)間。
我們聽到很多人在講，AGI是一種信仰，當(dāng)你把它當(dāng)做信仰的時(shí)候，誰(shuí)的信仰會(huì)明年就實(shí)現(xiàn)？這是自相矛盾的。如果是一個(gè)信仰，它就是值得為之長(zhǎng)期奮斗的目標(biāo)，啥叫長(zhǎng)期呢？但是如果連10年都沒(méi)有的話，不能把它叫做信仰。
陳茜：
太容易了就不能叫信仰。
李彥宏：
對(duì)呀。
陳茜：
現(xiàn)在大家其實(shí)都在等GPT-5，但是GPT-5一直在延后，所以我在周圍聽到的擔(dān)憂的聲音也是越來(lái)越高，就怕說(shuō)比如說(shuō)5~10萬(wàn)億這樣的參數(shù)加上去，但是最后大家發(fā)現(xiàn)它的效果并沒(méi)有躍升這么多，是不是會(huì)打擊一些人們對(duì)Scaling Law的信仰，可能我們的AGI沒(méi)有辦法用Scaling Law的這個(gè)方式去帶我們?nèi)?shí)現(xiàn)了，你對(duì)這個(gè)有擔(dān)憂嗎？
李彥宏：
我不是很擔(dān)心這件事情，我覺(jué)得大家應(yīng)該更關(guān)注應(yīng)用，而不是關(guān)注基礎(chǔ)模型，某種意義上講，基礎(chǔ)模型迭代速度稍微放緩一點(diǎn)不是壞事，就是今天的這些應(yīng)用的開發(fā)者，他有一個(gè)相對(duì)穩(wěn)定的base（基礎(chǔ)），來(lái)開發(fā)應(yīng)用的話，其實(shí)是效率更高一些的，如果模型天天在那兒練，他每天都要重寫一遍過(guò)去的這個(gè)代碼，那是很累的。
但是在現(xiàn)有基礎(chǔ)模型基礎(chǔ)上不斷的去做微調(diào)，去做一些漸進(jìn)式的迭代和和創(chuàng)新，其實(shí)你看到它是一直在發(fā)生的，無(wú)論是OpenAI不斷在推的東西，還是我們百度的turbo模型、更小量級(jí)的模型等等，都是在根據(jù)市場(chǎng)需求做迭代。
但是長(zhǎng)遠(yuǎn)來(lái)講，我確實(shí)認(rèn)為下一代的大模型，一定會(huì)比現(xiàn)在這一代模型強(qiáng)大的多。什么時(shí)候推出來(lái)我不是很著急，我覺(jué)得應(yīng)該多看一下真實(shí)的市場(chǎng)需求是啥，然后我們下一代模型迭代的時(shí)候，根據(jù)市場(chǎng)需求來(lái)迭代。
如果我們認(rèn)為AGI 10年都達(dá)不到，下一代模型離AGI其實(shí)還有很遠(yuǎn)的距離，也就是說(shuō)他有他擅長(zhǎng)的、也有不擅長(zhǎng)的地方，如果擅長(zhǎng)的恰好不是市場(chǎng)需求的，那這個(gè)意義是不大的，如果他不擅長(zhǎng)的恰好是市場(chǎng)需求的，那我們浪費(fèi)了很多資源，去做一些不該做的事情。
這是為什么我更關(guān)注應(yīng)用，我想知道市場(chǎng)上（的需求）。比如說(shuō)我是一個(gè)賣車的銷售，我用什么樣的話術(shù)，能夠說(shuō)服進(jìn)店的這個(gè)人來(lái)買我的車，而不是說(shuō)我怎么能夠考過(guò)高考數(shù)學(xué)。這就是市場(chǎng)需求，當(dāng)不是很清楚的時(shí)候拼命往前跑，去做一個(gè)名義上更強(qiáng)大的模型，其實(shí)很有可能是會(huì)走彎路，是浪費(fèi)資源的。
陳茜：
我非常同意，那你覺(jué)得接下來(lái)大家在卷應(yīng)用之余，會(huì)不會(huì)開始卷一些中小模型，比如說(shuō)國(guó)際上Mistral這樣的中小模型，也是受很多開發(fā)者歡迎的。那接下來(lái)你覺(jué)得百度在對(duì)于中小模型上，還有一些模型蒸餾上有什么樣的這個(gè)策劃？
李彥宏：
我覺(jué)得我們看到的真實(shí)需求，確實(shí)在絕大多數(shù)情況下都不是最大的模型，它都要求這個(gè)模型變小，變小意味著什么？速度快，成本低。比如說(shuō)我干這個(gè)事兒，總共能夠給我?guī)?lái)每年100萬(wàn)的增益，我一算，最大的模型要120萬(wàn)的成本，那我肯定不干了嘛。
那我給你這個(gè)大模型公司提的要求，就是說(shuō)你能把成本給我降到80萬(wàn)，甚至降到8萬(wàn)，那我們就得想，怎么最強(qiáng)大的模型蒸餾到足夠小，也就是成本足夠足夠低的時(shí)候，仍然能夠滿足你這個(gè)場(chǎng)景的需求。
我覺(jué)得這一方面，閉源模型仍然有優(yōu)勢(shì)，因?yàn)殚]源有最強(qiáng)大的基礎(chǔ)模型，那他根據(jù)這個(gè)模型蒸餾或者裁剪出來(lái)的小模型，會(huì)比那些開源模型蒸餾的會(huì)更好。畢竟你的基礎(chǔ)沒(méi)有人家好，做出來(lái)的東西在競(jìng)爭(zhēng)力上也會(huì)顯得劣勢(shì)。
所以這方面我們看到真實(shí)的需求確實(shí)是非常非常多的，我們也覺(jué)得這方面的機(jī)會(huì)，仍然在閉源不在開源。
以上就是我們與李彥宏的采訪內(nèi)容，這次采訪其實(shí)對(duì)我個(gè)人理解市場(chǎng)很有幫助，因?yàn)檫@讓我理解到，企業(yè)家是如何去思考大模型商業(yè)化落地這件事情，特別是在大廠們?nèi)菀赘鞣N卷的中國(guó)市場(chǎng)。
當(dāng)全球的生成式AI公司們，無(wú)論是科技巨頭還是創(chuàng)業(yè)公司，都耗費(fèi)大量資源、算力、金錢和人力去押注“Scaling Law是人類未來(lái)發(fā)展的正確途徑”的時(shí)候，總是有種聲音在提醒我們，我們需要算賬，這件事情如何以更經(jīng)濟(jì)、更合理的方式去發(fā)展。
飛往上海采訪李彥宏的前一個(gè)周末，在硅谷的一個(gè)聚會(huì)上，一位資深人士給我算了一筆賬：
全球芯片用于AI上的支出是4000億美元，這相當(dāng)于1.1萬(wàn)億美元的數(shù)據(jù)中心支出，如果我們要求 25%的ROIC（投資資本回報(bào)率），這相當(dāng)于企業(yè)們需要產(chǎn)生1.4萬(wàn)億美元的成本節(jié)省。
1.4萬(wàn)億美元是全球技術(shù)工人工資的5%，全球總工資的3%，也是全球EBIT（息稅前利潤(rùn)）的5%?；蛘?，如果我們假設(shè)利潤(rùn)率為50%，則需要企業(yè)們用AI去創(chuàng)造2.8萬(wàn)億美元的收入，即全球上市公司收入的3%，或全球GDP的2%。
這樣算起來(lái)的話，是不是可以說(shuō)，以現(xiàn)在的投入量，只要AI能讓全球企業(yè)們創(chuàng)造2.8萬(wàn)億美元的收入，那么發(fā)展AI這筆賬就是能算得過(guò)來(lái)的，到底什么時(shí)候能打平這筆帳呢？
反正我看高盛是預(yù)測(cè)，生成式AI可能會(huì)在10年內(nèi)推動(dòng)全球 GDP 增長(zhǎng)7%，也就是接近7萬(wàn)億美元，并將生產(chǎn)率增長(zhǎng)提高1.5個(gè)百分點(diǎn)。
所以，你會(huì)怎么去算AI發(fā)展的這筆帳呢？