朱啸虎的天花板，不应成为中国的天花板（附周鸿祎约播帖）

​

元界由《权力、资本与商帮》作者王俞现 主理。在“中国元宇宙100人”系列之外，元界推出『中国未来产业100人』系列，关注元宇宙之外属意于新时代为新质产业发展培植土壤的政产学研投协各界的创业家、思想家与实战家。

刚看到周鸿祎约朱啸虎直播，元界君哑然失笑。周鸿祎的直播引流思维一上头，他给朱啸虎隔空约直播，也是无他了。不过，两人就大家关切做更深层的互动和思考，何乐不为！

​

周鸿祎在约帖中谈了他的对朱啸虎最近有关大模型领域投资讲话的观点的同与异，展现了对朱啸虎约直播的十足善意，突然元界君也有了说几句的意思（周鸿祎约播帖附后）：

1、看到朱啸虎的专访文章那天，元界君立马想到“品玩”公众号曾经撰写的题为《谁拖了中国ChatGPT的后腿？》的文章。文章讲到中美最顶级的人工智能操盘手，在通用人工智能模型领域正式分道扬镳的一个令人唏嘘的历史性时刻，而这一时刻背后，也尴尬地站着中国投资家们的失聪。

大致意思是，2019年7月，微软首次投资OpenAI。在微软押注OpenAI的GPT模型之后4个月，微软负责Bing搜索业务、同时也是微软人工智能最高负责人、主导研发聊天机器人小冰的全球资深副总裁、中国香港籍计算机科学家沈向洋，宣布离开工作了20余年的微软。

2020年7月，小冰从微软独立出来，成为一家中国的人工智能创业公司，沈向洋出任董事长，原微软亚洲互联网工程院常务副院长李笛出任CEO。“品玩”报道称，这是昔日代表了通用自然语义人工智能模型较高水准、中国人撑起全部格局的人工智能团队。

但没了微软的护身庇佑，小冰得自己顾自己的命。虽从资本市场融资数亿元人民币，但现在看，按照ChatGPT的模型训练方法，这些钱怎么看怎么不够花。没有资本持续加持，为生存，小冰公司变成了一个能造血赚钱的生成式人工智能与决策型人工智能混合的、为具体的场景提供具体解决方案的人工智能供应商，但微软CEO纳德拉却主导了对OpenAI的继续投资和合作绑定。

我们能浅浅地说一句话，中国资本过于现实了吗？过于商业了吗？过于生意了吗？

在OpenAI的突破面前，这种现实、商业、生意，引发的是中美两国在人工智能领域的魔幻效果。

2、朱啸虎的现实主义，或有血泪教训，且这些教训是用钱买不来的，但也非常明显地再次暴露了他的局限。尽管他在投资领域已然非常成功，但错失张一鸣，至少说明他是有大局限的。

他坦然承认。这是他个人的局限。每个人都有局限。

3、朱啸虎的成功拜时代所赐，他参与了一个时代的投资，但在由AI所掀起波澜壮阔的大时代，他可能已然在零敲碎打的垂类场景投资机会上有所斩获，但在主赛道上，显然他踏空了。

国内主流大模型公司，在过去两三年甚至更长时间已经经历多轮融资，索然没有见到他的身影，而等到这一领域的投资如此扎眼之时，门槛之高又让他望尘莫及，所以他特别现实于投资的退出和没有投资下手的机会，也情有可原。

4、大模型是极少数人的游戏，用朱啸虎的一个观点，譬如那些美国大市值的公司，它们玩得起。朱啸虎已经默认了这少数人中不包括他，虽然他有不尽甘心之处，但面对大模型远远地看不到尽头的技术迭代、竞争和无底洞般的资金需求，他直接缴械了，不，应该说退却了。

他退得及时而明智。有多大的牌布多大的局。他也确实布不起这局，他赌不起。他无奈地下桌了。被动的，也是主动的。这是他的量力而行。

朱啸虎的观点很啸虎，这是他的一家之言，但也确实代表了无数人的情绪，只是他石破天惊地揭开了这层笼罩的面纱，清醒而无奈，背后渗透着深深的无力感。我们要看到，国家也要看到这层无力感。

5、大模型多大程度上关系国运，需要更长时空来看，但至少国家层面，不可能如朱啸虎这般在坐视中手足无措，无计可施。

在如朱啸虎们如此情绪的尽头，到底应该是哪股力量可以打得一拳开，目前尚不得而知。国家层面能以什么方式发挥举国体制优势，在如此势如破竹的积累效应下，也举国所望。

6、朱啸虎的天花板，不能成为中国的天花板。青山之外，一定要有更顶流的思维、资源与运筹者。中国顶流企业家、大玩家一向是干出来的，说得少，所以真理或者终局掌握在谁手里，目前不得而知，但确定的是，没有掌握在朱啸虎手中。

7、核心主赛道，在现实主义之外，关键时刻还要有理想主义和浪漫主义。万一实现了呢。

所以元界君倡导，少些生意，多些主义，多些理想主义，多些浪漫主义。虽然理想与浪漫需要面对应有的风险，但它们也是对未来主动的期许与笃定。

在这层语境下，当此节骨眼上，阿里逆势而上，以主投的身份与红杉中国等投资月之暗面，并有消息称阿里还在物色其它大模型公司作为投资标的，值得一万个点赞！从估值3亿美元到融资超10亿美元，他仅用8个月｜中国未来产业100人

8、在鸡毛蒜皮内部争食的赛道，资本横冲直闯有内耗之嫌，受到约束也属自然。这一页已经成为历史。

在改写未来商业甚至国运格局的竞赛中，中国有抱负、有能力的企业家、投资家们，该出手就出手，甚至野蛮再野蛮也不为过。站在国家的立场，想国家之所想，将个人理想、企业发展与国家命运紧密连系在一起，当下是大好时机。

附：周鸿祎约播帖

朱啸虎是大模型市场信仰派，这有错吗?

这两天网二在热炒朱说的一个采访文章。朱啸虎发表了一些非常犀利、尖锐但是很独特的观点。目绕这个采访有很多争论，有些创业者对朱球虎就有些误解。

基本上我认可朱后虎大部分的观点。作为一个投资人，朱情虎投资了很多公司，有成功的经验，有失败的教训，他的话是信言不关，关言不信，不是那么好听，但是苦口良药，逆耳忠言，都是用血淋淋的教训，应该是肺腑之言。对创业者来说，属于花钱都买不到的经验之谈，

和大家分享一下我的看法:

第一。我最同意朱哺虎的一个观点，就是一定要找场景。

我一直在讲，2024年是人工大模型的场景之年，如果找不到场景，光是在做大模型，有点像拿着锤了找钉了，如果找不到钉子，这个镇子是没有用的，AI如何应用是一个大问题。

大模型目前展现的都是一些基本功能，写个作文、作个图，适合于办公创作，属于浅层应用，这种诡层应用有些人做套売，我觉得没有意义，因为这都是做大模型的巨头公司必带的标配功能。无论在TOC还是ToB,都要找到比较深入的垂白的场景，找场景也就意味着我一直主张的产品要从用户出发，不是从技术出发，不是你有什么很牛的技术让用户来买技术,用户买的从来不是技术，而是用技术来解决问题。

我在做免费AI 科普的过程中，也收到很多用户的疑问:我们讲的都是Translorn、Sora这些看起来非常高大上的理念，但用户的问题很实际:大模型到底能为我干什么?写小作文，文生视频、文生图。如果仅仅是停留在这，那么用户会觉得大模型可能就是一个小工具，但是我们又一直在讲大模型是能够产生工业革命价值的伟大的创新和突破。如何证明这一点呢?所以我非常赞成像朱哄虎所说，创业者应该深入业务，用业务驱动、用户驱动、场景驱动的思路，去找大模型能解决什么问题。

大模型有点像一个 27000转的发动机，但用户要的不是很牛的发动机，要的是发动机驱动的汽车，要有底盘、座椅、外壳、人机交互，不仅要有强劲的发动机，造一辆漂亮的车用户才会买单。

第二，朱啸虎暗示他投的公司都在做大模型 ToB，这也验证了我的一个观点，ToC的场景不好做。

做浅层的套壳，大模型的核心功能就是写作.阅读理解，AIGC做一些简单的套先是没价值的,大模型即天一升级做两个插件，就把这些能力覆盖了。在中国，ToC的场量大部分都被互联网巨头所垄折，所以巨头不慌不忙，百度有搜索，阿里有电商，头条就更好了，有抖音和今日头条，腾讯最不着急，要做聊天机器人必然是在微信里的应用聊天场景。巨头也都会自己有大模型，会和自己的场景相结合。

所以我觉得，面向传统的ToB、ToG的市场是大机会。

对企业来说，直接用通用大模型很难。一是大模型并不懂企业，二是大模型目前提供的功能和企业的业务很难深度结合，三是企业拥有很多互联网上找不到的知识和数据，这些知识和数据是大模型没有的，企业也不可能把这些知识贡献给大模型。

美国公有云大行其道，但在中国，私有云、混合云依然占有半壁江山，中国企业对自己数据、知识、数字资产看得很重，企业在月通用大模型的过程中会有很多顾虑，真的跟业务整合的时候，数据会不会丢失，知识会不会被大模型偷走给竞争对手用?

做企业级大模型，在企业内部做私有化部署，是中国大部分企业的需要，私有化的部署让企业能控制数字资产，也可以放心的把自己独有的知识训进去，基于此我认为两点很重要:一个是要选择跟企业业务深度结合的场景。比如360跟安全业务结合，发现安全事件之后，分析攻击、判别攻击、抵御攻击，最后形成安全总结报告，这个深度场景用大模型来做根本就干不了，既没有知识，也没有能力。

在企业市场上，要做就要做重度垂直，做深度整合。通用大模型的竞争比的是算力，是核心确实比林算法，确实比较难，但做企业级不需要万亿.千亿的模型，对算力和成本的要求可能下降了100倍，不要求万能全面，只需要在专业领域做到极致，难度也降低了很多，也就避开了跟通用大模型的直接竞争。

政府工作报告里提到了人工智能+的战略，做大模型 ToB 也符合国家战略。新质生产力要拿数字化转型、智能化升级，正好是大模型技术能发光的地方。

数字化转型、新扫动能转换、数转智改。说白了都是帮助传统企业特别是制造业实现转型升级，而传统企业有很多场景急需用人工智能来赋能，关键就不再是算力，不再是算法，而是选择什么样的场景做切入点，用企业内部独特的知识来做训练，最后交付的不是聊天机器人，而是把大模型像发动机一样:跟企业的业务系统做深度的融合。

第三，朱啸虎提到了开源和闭源的关系，这里我只同意一半儿。

我同常失嘘虎所说，从终局思维来看，开源一定能超过闭源，但我认为长期来看开源也许能追上闭源，但现在开源和闭源之间有一定的差距。

当谷歌打不过 OpenAl的时候，谷歌也加入开源，就像当年 IBM的操作系统打不过微软时一样。Linux背后的成功，不光是开源世界的成功，背后有很挫像IBM 这些无数不喜欢链软的公司的贡献，IBM又往Linux开源社区里贡献了好多代码:最后Uinux一枝独秀。

我们要用发展的眼光来看开源，开源露了不起的有两点，一个是把大模型脱下了神坛，从原子弹变成了茶叶蛋。有了今天开源的支持，尽管短期内我们可能无法跟 GPT4去相抗衡，但通过开源的模型，特别通过百亿的模型、几十亿的模型，创业公司、企业能够以非常低的门槛，非常低的成本，训练专有大模型，

另一方面，我们国家如何追上美国闭源的GPT4呢?我的建议反而是要自己搞开源。如果大公司算力不够，人才不够，还都在各自搞闭源，然后都在重复发明轮了，不能把力量整合起来很难超过GPT4。实际上GPT4 的发展也借助了美国开源的论文、开源的产品，当开源一旦形成生态，大家就不再重复发明轮子，每个人都分享自己的知识，在这个别人的经验、知识的基础之上再去做新的研发。

开源是一种新型国际竞争下的"集中力量办大事”，也算是一种新型举国体制。不同公司、不同领域的程序员、技术员，大家一起来为一个开源的项目来共同努力、一起推动。

不能忽视开源的力量，如果做ToB，做垂直场景，用开源的大模型自己来做训练,是创业者一个很自然的道路。在中国有一个特点，大家不敢用巨头的API，用巨头的API好像是长在巨头的生态之上。一天巨头一高兴要搞开放平台，把你的东西一做，把你的数据一收，你就欲哭无泪了。

对于创业者来说，如果应用场景垂白，你就会发现不一定需要适用大模型作为后台。比如做机器恋人、数字女友实现聊天，用现在的通用大模型，聊天的感觉是出不来的，需要用网络文学、霸道总裁里的对话来训练模型，才能模仿二次元风格，才能吸引人。

朱啸虎的很多建议是在委婉的告诉大家，现在和以前讲一个故事就有人来投资不一样了，投资人都变得很谨慎。风险投资有时候是不顾风险的投资,投资人可能对风险的认知比我们创业者还要深刻。大公司也不像原来那么恐慌，什么都怕错过，而是觉得能自己做就不一定要收购，

因此我非常赞同朱啸虎的观点，创业公司要有自我造血的能力。创业者的模式不能再是to大公司或者to VC 的模式，创办公司的目的就是为了卖掉，这种公司没有价值，

事实上特别是做T8、做场景，必须要经过客户验证，说白了就是你有再多的想法,最终要在市场中要验证。那验证的标准是什么?验证的标准就是客户愿意付钱，耶怕付很少的钱，他愿意付钱买你的东西，所以我认为，虽然人工智能很热，但这个热要热在场景上，热在技术上、热在产品上，而未必会热在融资里，

最后一点，有人说朱啸虎好像比较实用主义，反对搞核心技术，我觉得这都是给他扣帽子。

朱啸虎说话有些地方比较直接，有些地方比较委婉。他主张从现实的讲，大多数团队肯定是选择企业级这个赛道。我觉得要把大模型看成两条战线两条战线,选择两条赛道，对团队的要求是不选择内条费道，对团从的要求足↑一样的。

超级通用大模型挑战大、难度高，一般的创业团队如果没有足够的融资，没有足够的技术实力，就不要碰了。但是如果像王小川、像月之暗面的杨植躺这些优秀的创业者，有经验有人脉，有巨头的支持，有雄厚的资金，进入到超级 LLM 这条赛道是自己的选择。这种路肯定是门槛比较高，一旦成功了回报是巨大的。

朱啸虎给大多数人建议是走循序渐进、积小胜为大胜的路。我们不要把这两条路线矛盾对立起来，好像做了1就没人去做2了，做了2就没人去传1了，要在市场经济下，让不同的团队做不同的选择，

我在两会提案里建议。发展大模型要两翼齐7飞。第一、超级大模型总得有人做。第二，我反复鼓吹，企业级大模型是我们弯道超车的机会。

有人嘲笑说，看见弯道超车的机会告我一声。我觉得，国家在推动企业转型，我们的企业门类、产业链、生态链、供应链特别长，互联网人口多，数字化生活的场景多，在全世界算是遥遥领先。反过来看，应用场景的丰富又可以带动核心技术的研发，

在大模型这条路上，也许我们能走这条路，就是通过小规模的大模型、专业化的大模型、垂直化的大模型，借助开源的力量，在企业场景上，让大模型在未来的两三年里面，开花结果，发挥作用，企业对大摸型越来越熟悉，用大模型、熟悉大模型的人越来越多，大模型深入到千家万户，大模型改变了百行千业，这才是大模型成为工业革命非常重要的一个环节。等到企业都尝到了大模型的甜头，就会给我们通用超级大模型的研发赢得时间，赢得更多的资源和支持。

如果最近有机会，我想拉上朱啸虎做一次直播，聊聊大模型、聊聊创业、大家觉得怎么样?

推荐阅读