MindOS：站在AGI风口，创业两年的教训与思考
The following article is from Kisson不聊广告改煲鸡汤了 Author Kisson
Mindverse心识宇宙成立于2022年1月，自主研发了一套以大模型为底座的脑启发AI模型。心识宇宙旗下的产品MindOS在2022年11月初发布了内测版本，面向少数B端客户试点。这是一个AI角色生成引擎，通过简单的填写配置、拖拽上传，就能完成一个具备专业知识、记忆和人格的AI角色，大大提升应用交互的体验。
这篇文章，是心识宇宙联创&COO林宋琪根据其在阿里的分享整理的稿件，分享了他们创业两年来的思考。01
MindOS: 创业一年，风口来得太猛烈
https://v.qq.com/txp/iframe/player.html?width=500&height=375&auto=0&vid=g3531mt56c6
MindOS第一支演示视频 (2021年)
2021年底我们拿着这个视频出来融资的时候，我们跟投资人讲 AGI，讲AI agent，讲LUI与未来的人机交互，讲AI-native的操作系统。投资人问：AGI是什么？多久能实现？
投资人最常问的一些问题：AGI是什么？多久能实现？ 有哪些单点问题AGI能解决得比现在的AI好？ 大厂都没搞出来，凭什么你们能搞出来？ 大厂搞出来了，你们凭什么能跟它们竞争？ 一个做虚拟人的干嘛叫OS？ 护城河是什么？差异化打法是什么？ 你们商业模式是什么？今年打算赚多少钱？
当时我们想大概20年，但我们很鸡贼地给投资人画饼说5年左右吧。
事实证明我们还是格局小了。创业不到一年，ChatGPT横空出世，让几乎所有人一夜之间知道了AGI的概念，给世界，也给我们，带来了非常深远的影响。
ChatGPT推出之前，我们判断当时的AI就像自动驾驶的L1, 那么从L1到L4的过程中最重要的是什么？是技术不成熟的时候怎么落地赚钱，让现金流可以支撑到技术成熟的阶段。所以我们选择了2B, 并且切入营销场景，因为他们有钱且愿意尝鲜 -- 即使这样，还是碰了很多壁，因为当时大家关注虚拟人、元宇宙、文生图；客户对AI agent的理解就是有个形象的客服机器人。也的确，2B不能创造新赛道，也不能在技术还没成熟去强推。ChatGPT推出之后，我们最大的挑战一下子变成了如何一夜之间滚动飞轮，在千团大战中搭建壁垒。于是我们就做了两个大的转型决策：1是从2B转向2C，因为2B的决策周期会大大拖慢构建规模壁垒的速度；2是从尝试用开源fine-tune到直接接GPT的API，因为用户不在乎你是否自研，他们只在乎多快好省。当然还有另一个大转型就是从国内转向国外，但这是另一个故事了。
那时候Character.ai也很火。和每况愈下的经济对比，AI赛道显得格外如火如荼。我们也因此得到非常多关注。对于我们这帮第一次正儿八经创业的人，第一次创业就遇到互联网一样大的风口，真的是爽。但又爽又痛，因为一夜之间，竞争就变得非常激烈，尤其是OpenAI自己什么都想做且又快又好。
这个是我在ChatGPT出来的时候在即刻上写的思考。也是我们创业时就有的思考。只是，未来来得比预计的快好多。我们以为超前了好几年的认知，最后也可能只是超前了几个月。再加上公司小执行慢，到我们做出产品的时候巨头也已经准备好了。作为创业公司，在今天这个时代，要么看的更远一点，做你觉得有5年时间窗口的产品，因为实际时间窗口也许就2年；要么就做小而美，巨头肯定不想啃的骨头。我们还是坚定选择博一票，往更远更大的事出发。第一阶段 - AI去改变分发，这已经发生，并且创造出很多千亿级公司 第二阶段 - 自然语言改变UI，这就是后来很快发生的copilot。这个阶段很适用于低频刚需app, 或者场景式搜索，或者信息密集型app。 第三阶段 - Agent作为新的软件形态，这就是最近发生的GPTStore。这是聊天作为UI和生成式AI结合，实时生成服务和内容，以Agent和chat UI提供给用户。 第四阶段 - 但是聊天并不是最immersive的方式。就好比人与人在讲话时有时会想在白板上比划比划。所以真正AI-native的交互应该是你一打开电脑，界面是一张白板，你画出或描述你的工作流，AI可以自动创建这样的软件给到你。这就是Canvas。而真正的AGI，就像made-to-order于制造业一样，会重新改写供给与需求的关系。
我们之前做的是第三阶段的事，AI agent。这之后，我们应该聚焦更远的第四阶段，Canvas. 于是6月我们开发出Canvas的最雏形。7月初，整个带Agent创建后台(包括API，workflow)，Agent marketplace (当时已经有数十个agents），Canvas交互能力的MindOS，首次在ProductHunt上发布, 作为我们正式踏入国际舞台的第一步，当天就获得了最高票数。一直到现在也还是好评最多的AI产品之一。
这是我们7月初发布的版本。这几天看到字节coze.com的agent创建后台，感觉他们在有很多功能上都对我们表示了肯定（包括当时产品经理随便找的图标)，让我们这个小团队备受鼓舞。😝
当然，作为小公司，要去做一件大事，无异于以卵击石。一直到移动互联网时代，创业者还可以因为认知更超前打一定的时间差，但现在AI极大降低了创新门槛，让数据、设计都不再像以前那样可以差异化，剩下的壁垒就只有规模(客户、用户)、资本、供应链这些优势。无论在技术还是产品上，创业团队多数时候只是帮助大厂探路罢了。
果然，还没等我们把规模优势积累好，OpenAI就在两周前开放了GPTStore。有些同事一时间忧心忡忡。但这种情况我们早有预料，只是没料到OpenAI行动力这么强这么猛。Dev day的第二天我们紧急进行了数小时的战略探讨，还是坚定去走更大更长更远的路线。Be LLM agnostic，be the all-in-one interface. 这个结论我在最后一部分会展开讲。
没等我们消化掉焦虑，一周后，Sam Altman就被OpenAI辞退了。再一个周末过后，神反转来了，Sam Altman要被Microsoft收编。结果两天后，神反转又来了，Sam Altman回归OpenAI，还重组了董事会。同时也暴露了惊天大瓜，超越人类智力的通用人工智能也许真的到来了。作为一个刚在蹒跚学步的创业公司，这个风口真是一下把我们吹到高空，一下把我们狠狠拍到地上，这感觉就像一边坐过山车一边修车轮，你永远不知道下一刻会发生什么。
https://v.qq.com/txp/iframe/player.html?width=500&height=375&auto=0&vid=d3531iy0tu1
MindOS今年7月全球发布的版本
那么OpenAI到底想做什么呢？AI的终局是什么？我的猜想不一定对，但我可以分享一下，也欢迎大家多多评论，一起探讨。02
OpenAI的野心
鉴于OpenAI最近极其抓马的宫斗，要说OpenAI的野心，还是得加个前提: Sam Altman统治下的OpenAI。Again，这里不做科普，不谈技术，因为论信息量和价值许多公众号已经非常高了。本文仅论我的看法和猜想。
继年初放出Plugins失败后，OpenAI在6月发布了Agent框架的论文 (作者Lilian Weng)，开启了Agent这个篇章。
如果把大模型比作大脑前额叶，负责计算，那么Agent也许更像整个大脑，有记忆，规划，行动，和使用工具的能力，包括搜索、管理日历，等等。你可以上传知识和文档，让它更好的代表你，也可以用它的自主性训练它自动写代码和完成复杂任务的能力。所以对比大模型，Agent更像一个完整的app。想象一下你要去健身，现在你需要打开健身app，选择时长、要健身的部位、周边仪器、难易程度... 这么一套点击下来几分钟没了，更别说选择困难症或者不熟悉app的情况。在Agent时代，你的虚拟健身教练直接帮你计划一套适合你的课程，每天提醒你上课，实时演示给你看，帮你矫正错误动作，锻炼完还帮你点餐，指导你的饮食。Agent时代的人机交互就像人与人的交互一样，更自然，更沉浸，更个人化。最近Bill Gates的发言也说明了AI agent的前景: Preference + automation作为基本的闭环元素。
03
API+OS+硬件+芯片 的超级帝国
而第三阶段，agent的到来，会和现在的app生态有非常大的不同。
首先，供给会大量膨胀。科技的作用就是增加供给，就像移动互联网时代的App数量比PC时代的软件数量多，AI时代的Agent数量对比App又会暴增。但供给越多，对于中心化的分发就越是依赖。所以未来的分发权，比现在会是更大的生意。
与此同时，在AI时代会产生一个前所未有的飞轮 - Data to intelligence。商家和开发者为了制作AI员工，会上传自己的服务和数据；用户在和AI对话的过程中也会帮助AI学习提升。
综上，AI时代的OS会拥有比iOS更强的壁垒。
04
GPTStore的悖论
要达到上述的理想阶段，GPTStore还有很长的路要走。其中一个重要问题就是任何平台都避免不了的 - economic mobility。你认为Agent究竟是分散的还是集中的市场？
今天GPT的能力还是有很明显的限制：8000 token - 虽然以后会继续提升，但不会到无限量的程度。比如创建GPT时喂进去的数据越多反而表现力越差，这个问题我们在年初就发现了。这就意味着一个Agent不能做到无限多事情。需要多个agents，就像这个世界有许多理财顾问、法律顾问，不仅仅因为每个人供给有限，也是因为术业有专攻。从供给角度说，会需要许多许多agents，每个专注在一个特定领域，甚至理财顾问都可以分出许多不同投资理念的专家。
但一个人的注意力不能分散给无数agents。移动互联网时代，90%的app在下载后仅仅被打开过一次就没有再被用过。何况对比app的一目了然，用户要和agents聊才能知道他们的能力 - 验证门槛更高。所以从需求角度来说，agents必须要更中心化。
那就意味着大量agents得不到关注。除非有agents之间能自动协作。比如一个健身教练agent自动找到适合的膳食专agent，和膳食agent协作一起帮用户制定和指导健康计划。
这还是会带来两个问题：
1. 成本大幅上升，因为市场上会充斥着大量UGC低质agent，健身agent需要在GPTStore广撒网，发布同一个prompt, 才能筛选出适合的膳食agent来协作；
2. 变现很难，因为协作模式会导致按月订阅不可取（大量agents是一次性消费)，更合理的是收取服务佣金，或者按每次对话付费。佣金在短期内很难，因为目前阶段AI的服务无法闭环。按对话付费有可能，但ROI不太高，收入天花板也会有限（试想Apple不收过路费了，按流量收费)。
而且无论是哪种状况，只要供需存在这么大的失衡，就意味着有其它平台的机会，就像有Amazon还有Shopify，不同分发机制能有不同平台承载。
所以，AI的终局会长什么样？05
AI赛道的终局猜想及创业者的机会
再次申明：我只是说自己的猜想，肯定不一定对，欢迎一起探讨。
硬件形态现在还没有统一认知：下一代硬件来临时间还早。Sam Altman投资的Humane在11月推出了AI pin，很多人觉得是OpenAI对未来硬件的理解。我觉得不是。OpenAI有硬件野心是肯定的，Humane未来会和OpenAI合作推出真正下一代的硬件也是极大可能的。但现在这一代的AI pin更像是OpenAI要获取更多现实影像数据的渠道。两个原因导致我有这样的猜测：1. OpenAI过往的投资都是为了获取更多数据；2. 现在的大模型缺乏对现实的理解，需要补上这个能力（Rewind可以了解一下)。Anyways，我们离离开手机的时间还早。硬件会有更多形态，也会有不同LLM，不同OS。
硬件+OS会有一超多强的格局：移动互联网时代各大OS的差异化点还是在交互(包括硬件)、品牌、生态。AI时代，硬件、交互、大模型能力、生态、品牌、算力，会有更多的考虑因素。Apple, Google, Meta, OpenAI, 微软都会推出自己的硬件+OS，还会有一些小而美的硬件+OS，他们的差异化点可能是更好的数据隐私保护，或更开放的生态（开发者可以在所有有API或开源的模型中进行选择）。
中间层的机会：今天iOS和Android，以及多种机型并存的情况已经让开发者很头疼了。未来多种硬件和大模型、私有化和非私有化部署，只会更加复杂。这就是面向开发者的中间层的机会 -- 兼容不同大模型，统一标准，一站式开发Agent并部署到不同平台。另外还有上面提到的不同分发逻辑的垂类Agent store，可以作为面向用户的中间层机会。
OS会很像微信：这仅仅是我个人对于AI-native的操作界面的猜想。左边有各种AI agent，包括你的personal AI, 像人一样可以联系他们，与他们聊天。聊天界面可以打字、语音、voice call, 以及使用各种程序，在聊天界面直接画画。你不觉得，很像微信吗？而微信就是一个操作系统，只是把现在微信里面你的各种朋友换成AI agents，这很有可能就是未来OS和App的形态。在移动端它像微信，在工作流它像钉钉/飞书，但不变的是发信息成为最主要的command机器的方式。上面聊到Agent市场的最终形态，以及Agents的分发，我们类比微信好友列表以及搜索好友，就可以有更具象的感知了。真是这样的话，Agent给用户主动发信息就会很有意思了（AI时代的私域流量，哈哈）。
是否存在AI-native的垂类应用：今天的平台（淘宝、携程）起到的中心化排序推荐的作用，将来会被OS自身的个人AI助手替代，而各个应用的壁垒，就变成供应链和供给端的内容。比如你让AI助理帮你买新年礼物给各位朋友，它可能把适合的东西都放到淘宝购物车，然后给你展示购物车页面让你最终确认下单；或者在OS聊天框里，各种agent给你推送购买消息。无论哪种方式，重要的不再是各个app的UI和智力，而是供应链。AI会进一步缩减供应->需求的路径，供应商可以自己训agent，直接通过agent把货品和服务给到终端用户。
创业公司的机会：上面说到的都是非常非常宏观的猜想。对于创业公司，机会还有很多很多，比如Gleen.ai，做企业服务；比如给一人公司做工作台OS，一个完全AI-native的钉钉；比如可以接入所有大模型的Agent框架，可以开源，或者做成平台，让大家来创建之后发布到不同的OS和硬件；比如更好的数据存储和传输解决方案；比如给应用和个人做定制化开发。这个图可以很好地把我能看到的一些创业机会串联起来： 在不同LLM和硬件之间做用户信息/数据隔离和传输，尤其是非结构化、无标签的数据
更好用的AI-native的界面，让开发者接入自己的agents
LLM以外的其它AI能力 - 虚拟人、文生图、视频、实时翻译、语音、3D等等
能结合human in the loop的AI应用或操作台
帮助开发者更好发现和连接供应端的服务商，以及帮助供应端更好开发的开发者
托管各种模型和数据的平台 (LLM agnostic)
深度创建Agent的开发者工具，或者简易创建的模版类工具 --- 可以理解为Agent的Shopify
Agent的各个组件的'淘宝’，包括各种知识库、API、workflow模版、虚拟形象、声音、prompt
AI社交/内容赛道
等等。。。。。。
06
创业感想和给想创业的同学的建议
技术型 vs 商业型的两条路径：之前很多投资人不敢投技术型创业团队，怕这类团队拿着锤子找钉子。但我觉得关键在于技术是否能带来9x体验提升。我还记得去年初大家谈论的还是元宇宙、虚拟人，所以我们一直说我们是AI角色；于是我们拿着并不是很聪明的AI虚拟人，跟品牌们演示，教育他们虚拟人代言不能解决任何用户痛点，虚拟人能做销售和客服那才牛。我跑了50多家客户，没有一家成交。一个很大的原因就是当时的大模型连营销的场景都不够，远没有达到让人惊艳的程度。技术没有达到临界点，需求就不存在。所以很多技术的同学出来创业被人说是拿着锤子找钉子，其实因为技术还不够好。要改变用户习惯，需要比现有体验更好9倍 (9x effect)。当然这是一个比喻，但点就在于量变到达临界值，就能引起质变。大模型也是一样，模型参数到达临界值，真的能涌现出AGI。你看当character.ai和chatgpt推出的时候，管理层并不知道用户可以用它来干嘛，但因为技术太惊艳了，用户自己发掘并分享了很多玩法。所以从技术还未成熟，到技术刚成熟，到完全成熟，这个变现路径是完全不同的。而AI的时代，技术成熟的那一刻，之后的进度条就会爆发式推进。天时地利人和，天时是第一：
OpenAI的战斗力让大家都望而生畏。AI时代的竞争和创新也会变得越来越快。之前创业者很重要的优势必须是看的比巨头远，是那个Vision。但现在我们很难估计技术突破的那一刻，也难估计市场，不确定性会越来越多，变化会越来越快。时运就越发重要了，因为太早入场和太晚入场肯定都不行，但现在难以估计太早还是太晚（比如ARVR到现在都还没成熟)，最好的做法就是不停地蓄力，活下去，看更远，保持组织韧性，去等待属于你的‘天时’。