作者 | 张幼珺
起源 | 腾讯科技
（ID：qqtech）
就连陆奇都说他跟不上大模型时期的狂飙速度了。他让下属做“大模型日报” ，一方面便于他跟上论文和信息更新 ，另一方面给奇绩生态创业者共享。他用了三个“切实”表白这一点。“我切实不能了 ，论文切实是跟不上 ，代码切实是跟不上。Just too much（太多了）。”陆奇在近期一次分享活动上说。
这样的时刻还从没有过。奇绩创坛首创人兼CEO陆奇是中国AI布路人 ，也是中国针对大模型最有讲话权的人之一。他曾在全球巨头身居要职 ，先后任职于IBM、雅虎、微软、百度 ，曾是华人在美国科技公司最有权威的高层人士 ，位至雅虎和微软执行副总裁 ，回国加盟百度出任集团总裁兼COO。陆奇以勤勉的工作为科技圈著称——每天早晨4点起床 ，跑步5英里 ，6点定时到办公室。
同时 ，他和OpenAI有着深厚渊源。陆奇所掌管的奇绩前身是YC中国 ，是美国驰名创业孵化器YC（Y Combinator）的中国分支。他也是YC全球钻研院院长。而OpenAI首席执行官Sam Altman正是YC二代交班者、现任总裁。两人虽相差24岁 ，却是忘年交 ，相识已逾18年。当初正是Sam Altman屡次力邀陆奇加盟YC。所以 ，陆奇对YC、对Sam Altman和OpenAI都有持久的近距离观察。
2023年4月22日 ，陆奇在上海进行幼规模演讲 ，腾讯新闻有幸参加了旁听。陆奇但愿援手中国创业者认清这次汗青性的拐点时刻 ，定位今天的时期坐标、找准自己的地位。“这个时期跟淘金时期很像 ，”他说路 ，“若是你那个时辰去加州淘金 ，一大堆人会死掉。但是卖勺子、卖铲子的人始终能够赢利。”
陆奇很反感蹭热点 ，他一再警示创业者蹭热点只会浪费机遇。到此刻为止 ，你险些很难在公开渠路听到陆奇的概想。这也让本次演讲拥有稀缺性。
事实上 ，在大模型急剧达成社会共识之际 ，一部门人等待陆奇博士披甲上阵 ，做“中国的Sam Altman”——表演可能比一名投资者、布路者更关键的角色。但据奇绩内部人说：“Qi目前100%功夫花在奇绩。”
腾讯新闻作者将这场分享进行了齐全的整顿——演讲涵盖他对大模型时期的宏观思虑 ，蕴含拐点的内涵动因、技术演进、创业公司结构性机遇点以及给创业者的建议。各人能够各取所需。
好了 ，让我们来看看陆奇怎么说。为了方便阅读 ，作者做了一些字句批改和文本优化。
社会性拐点的主题
是一项大型成本从边际造成固定
我意识Sam Altman是2005年 ，他那时19岁不到 ，我已经40多岁了。
我们俩是忘年交。他是一个很善良也很奇怪的幼孩 ，今天很欣喜他能这样扭转世界。前不久 ，我春节在美国3个月 ，也到OpenAI和Sam聊了一些。
首先 ，怎么理解这个新范式 ？这张图能把ChatGPT和OpenAI所带来的所有讲明显。之后 ，基于第一性道理 ，你天然会推演出地点赛路的机遇和挑战。
这张图是“三位一体结构演化模式” ，性质是讲任何复杂系统 ，蕴含一幼我、一家公司、一个社会 ，甚至数字化自身的数字化系统 ，都是复杂系统。“三位一体”蕴含：
“信息”系统（subsystem of information） ，从环境傍边获得信息 ；
“模型”系统（subsystem of model） ，对信息做一种表白 ，进行推理和规划 ；
“行动”系统（subsystem of action） ，我们最终和环境做交互 ，达到人类想达到的主张。
任何系统 ，都是这三个别系的组合 ，数字化系统尤其如此。数字化和人分不开。人也一样 ，人要获得信息、表白信息、行动解决问题或满足需要。
基于此 ，我们能够得出一个单一结论。今天大部门数字化产品和公司 ，蕴含Google、微软、阿里、字节 ，性质是信息搬运公司。肯定要记住 ，我们所做的所有 ，所有的所有 ，蕴含在座的大部吩祗业都在搬运信息。Nothing more than that ，You just move bytes（仅此而已 ，你只是移动字节）。但它已经足够好 ，扭转了世界。
早在1995-1996年 ，通过PC互联网迎来一个拐点。那时我刚从CMU（卡内基梅隆大学）毕业。大量公司层出不穷 ，其中诞生了一家伟大公司叫Google。为什么会有这个拐点 ？为什么会有爆炸式增长 ？把这个概想讲明显 ，就能把今天的拐点讲明显。
原因是 ，获守信息的边际成本起头造成固定成本。
肯定要记住 ，任何扭转社会、扭转产业的 ，始终是结构性扭转。这个结构性扭转往往是一类大型成本 ，从边际成本造成固定成本。
举个例子 ，我在CMU想书开陈冯开匹茨堡出去 ，一张地图3美元 ，获守信息很贵。今天我腹地图 ，还是有价值 ，但都造成固定价值。Google均匀一年付10亿美元做一张地图 ，但每个用户要获得地图的信息 ，根基上价值是0。也就是说 ，获守信息成本变0的时辰 ，它肯定扭转了所有产业。这就是从前20年产生的 ，今天根基是free information everywhere（免费的信息无处不在）。
Google为什么伟大 ？它把边际成本造成固定成本。Google固定成本很高 ，但它有个单一贸易模式叫告白 ，它是世界上高盈利、扭转世界的公司 ，这是拐点关键。
今天2022-2023年的拐点是什么 ？它不成反对、势不成挡 ，原因是什么 ？如出一辙。模型的成本从边际走向固定 ，由于有件事叫大模型。
模型的成本起头从边际走向固定 ，大模型是技术主题、产业化基础。OpenAI搭好了 ，发展速度爬升会很快。为什么模型这么沉要、这个拐点这么沉要 ，由于模型和人有内涵关系。我们每幼我都是模型的组合。人有三种模型：
1.认知模型 ，我们能看、能听、能思虑、能规划 ；
2.工作模型 ，我们能爬楼梯、搬椅子剥鸡蛋 ；
3.领域模型 ，我们有些人是医生 ，有些人是律师 ，有些人是码农。
That’s all。我们对社会所有贡献都是这三种模型的组合。每幼我不是靠手和腿的力量赢利 ，而是靠脑壳活。
单一想一想 ，若是你没有多大见解 ，你的模型能力大模型都有 ，或者大模型会逐步学会你所有的模型 ，那会怎么 ？——将来 ，唯一有价值的是你有多大见解。
人类社会是技术驱动。从农业时期 ，人用工具做单一劳动 ，最大问题是人和地皮绑定 ，人短缺流通性 ，没有自由。工业发展对人最大变动是人能够动了 ，能够到城市和工厂。早期工业系统以体力劳动为主、脑力劳动为辅 ，但随着机械化、电气化、电子化 ，人的体力劳动降落。信息化时期以来 ，人以脑力劳动为主 ，经济从商品经济转向服务经济——码农、设计师、分析师成为我们时期的典型职业。
这一次大模型拐点会让所有服务经济中的人、蓝领根基都受影响 ，由于他们是模型 ，除非有独到见解 ，不然你今天所从事的服务大模型都有。下一时期典型的职业 ，我们以为是创业者和科学家。
所以 ，这次刷新影响每幼我。它影响整个社会。
我所看到的三个拐点
下个拐点是什么 ？
下个拐点将是组合：“行动”无处不在（自动驾驶、机械人、空间推算）。也就是人必要在物理空间里行动 ，它的价值也从边际走向固定。20年后 ，这个屋子里所有所有都有机械臂 ，都有自动化的器材。我必要的任何器材 ，按个按钮 ，软件能够动 ，今天还必要找人。
那么 ，哪些公司能走到下个拐点、站住下个拐点 ？我以为特斯拉有很高概率 ，它的自动驾驶、机械人此刻很严害。微软今天随着OpenAI爬坡 ，但怎么站住下个拐点 ？
接下来讲一下我们看到的三个拐点：
① 今天信息已经无处不在了 ，接下来15-20年 ，模型就是知识 ，将无处不在。以来手机上打开 ，任何联网 ，模型就过来了。它教你怎么去解答司法问题 ，怎么去做医学检验。不论什么样的模型都能够无处不在。
② 在将来 ，自动化、自主化的作为能够无处不在。
③ 人和数字化的技术共同进化。Sam最近时时讲 ，它必必要共同进化 ，能力达到通用智能（AGI）。通用智能四大身分是：涌现（emergence）+代理（agency）+职能可见性（affordence）+具象（embodiment）。
总结来说 ，我们从底子性的三位一体结构分析将来 ，从从前的汗青拐点能清澈看到今天所面对的拐点 ，性质是模型成本从边际走向固定 ，将有一家甚至多家伟大公司诞生。毫无疑难 ，OpenAI处于当先。
固然讲得有点早 ，但我幼我以为 ，OpenAI将来注定比Google大。只不外是大1倍、5倍还是10倍。
OpenAI主题就坚信两件事
发展速度连Sam自己都惊讶
下面我从技术角度讲OpenAI大事迹 ，它怎么把大模型时期带来的 ？
为什么讲OpenAI ，不讲Google、微软。讲至心话 ，由于我知路 ，微软好几千人也做这个 ，但不如OpenAI。一路头比尔·盖茨底子不相信OpenAI ，或许6个月前他还不相信。4个月前看到GPT-4的demo（产品原型） ，没头没脑。他写了文章说：It’s a shock ，this thing is amazing（这太令人震惊了 ，这器材太神奇了）。谷歌内部也没头没脑。
OpenAI一路走下来的关键技术：
1.GPT-1是第一次使用预训练步骤来实现高效说话理解的训练 ；
2.GPT-2重要选取了迁徙进建技术 ，能在多种工作中高效利用预训练信息 ，并进一步提高说话理解能力 ；
3.DALL·E是走到另表一个模态 ；
4.GPT-3重要注沉泛化能力 ，few-shot（幼样本）的泛化 ；
5.GPT-3.5 instruction following（指令遵循）和tuning（微调）是最大突破 ；
6.GPT-4 已经起头实现工程化。
7.2023年3月的Plugin是生态化。
OpenAI的融资结构为什么这么设计 ？和Sam早期指标和对将来的判断分不开。他知路要融好多钱 ，但股权设计有一个很大挑战——容易把回报和节造混在一路——所以他要设计一个结构 ，让它不受任何股东的造约。因而 ，OpenAI的投资者没有节造权 ，他们的和谈是一种债的结构。若是赚完2万亿 ，接下来是non-profit（不再盈利了） ，所有回归社会。这个时期必要新的结构。
它势不成挡。Sam Altman自己都surprise ，连他都没想到会那么快。
若是各人对技术感兴致 ，Ilya Sutskever（OpenAI结合首创人兼首席科学家）很沉要 ，他坚信两件事。
第一是模型架构。它要足够深 ，只有到了肯定深度 ，bigness is betterness（大就是好）。只有有算力 ，只有罕见据 ，越大越好。他们一路头是LSTM（long short term memory） ，后来看到Transformer就用Transformer。
第二个OpenAI相信的是 ，任何范式、扭转所有的范式始终有个引擎 ，这个引擎能不休前进、不休产生价值。
这个引擎根基是一个模型系统（model system） ，它的主题是模型架构Transformer ，就是sequence model（序列模型）：sequence in、sequence out、encode、decode后者decode only。但最终的主题是GPT ，也就是预训练之后的Transformer ，它能够把信息高度压缩。Ilya有个信想：若是你能高效压缩信息 ，你肯定已经得到知识 ，不然你没法压缩信息。所以 ，你把信息高效压缩的话 ，you got to have some knowledge（你得有一些知识）。
Ilya坚信GPT3、3. 5 ，当然GPT-4更是 ，它已经有一个世界模型在里面。固然你做的事是predict next word（预测下一个关键词） ，这只不外是优化伎俩 ，它已经表白了世界的信息 ，并且它能持续地提高模型能力 ，尤其是目前钻研比力多的在子概想空间傍边做泛化。知识图谱真的不能。若是哪个同学做知识图谱 ，我当真跟你讲 ，你不要用知识图谱。我自己也做知识图谱20多年 ，just don’t do that。Just pretty bad。It does not work at all。You should use Transformer。（不要那样做。很糟糕。它底子不起作用。你应该使用Transformer。）
更沉要的是用加强进建 ，加上人的反馈 ，与人的价值对齐。由于GPT已经做了4年多 ，知识已经封装在里面了 ，从前真的是用不起来 ，也很难用。
最大的是对齐（alignment engineering） ，尤其是instruction following和天然说话对齐。当然也能够跟代码、表格、图表对齐。
做大模型是很难的 ，很大难度是infra（基础设施）。我在微软的时辰 ，我们每个服务器都不用网卡 ，都放了FPGA。网络的IO的带宽速度都是无限带宽技术（Infiniband） ，服务器和服务器之间是直接接见内存。为什么 ？由于Transformer是密度模型 ，它不但是算力问题 ，对带宽要求极高 ，你就想GPT-4必要24000张到25000张卡训练 ，试想世界上几多人能做这种系统。所罕见据、data center网络架构都不一样。它不是一个三层的架构 ，必须是器材向的网络架构。所以这里要做大量的工作。
Token很沉要。全世界可能有40-50个确定的token ，就是说话的token和模态 ，此刻有更多的token化。当然此刻更多的模型的参数幼型化、本地化 ，工作领域的专业知识能够融入这些大模型傍边。它的可把持性重要是靠提醒和调试 ，尤其是凭据指令来调 ，或者对齐来调试 ，或者in-context learning（高低文进建） ，这个已经贯彻比力清澈了。它的可操作性是越来越强 ？赏卣剐愿弦沧愎。
加在一路 ，这个引擎并不美满。足够好、足够强的引擎 ，我没从没有过。
以上是引擎 ，拐点是怎么到的 ？ChatGPT能在汗青上第一次两个月1亿活跃用户 ，挡都挡不住 ，为什么 ？
① 它封装了世界上所有知识。
② 它有足够强的进建和推理能力 ，GPT-3能力在高中生和大学生之间 ，GPT-4不但是进斯坦福 ，并且是斯坦福排名很靠前的人。
③ 它的领域足够宽 ，知识足够深 ，又足够好用。天然说话最大的突破是好用。扩大性也足够好。当然还是很贵 ，像2万多张卡 ，训练几个月这么大的工程。不外也没贵到那么离谱——Google能够做 ，微软能够做 ，中国几个大公司能做 ，创业公司融钱也能做。
加在一路 ，范式的临界点到了。拐点已经到来。
稍微啰嗦几句。我做天然说话20多年 ，原来的天然说话处置有14种工作 ，我可能把动词找出来、名词找出来、句子分析明显。即便分析明显 ，你知路这是形容词 ，这是动词 ，这是名词——那这个名词是包香烟 ？还是你的舅舅 ？还是一个坟墓 ？还是个电影 ？No idea（不知路）。你必要的是知识。天然说话处置没有知识始终没用。
The only way to make natural language work is you have knowledge（让天然说话处置有效的唯一蹊径是你有知识）。正好Transformer把这么多知识压缩在一路了 ，这是它的最大突破。
将来是一个模型无处不在的时期
OpenAI将来2-3年要做的——模型更稀少一点 ，此刻它对带宽要求切实太高 ，要把attention window拉长一点 ，或者是recursion causality推理的职能 ，蕴含brainstorming等一些工作要做。当然有一些grounding的器材 ，蕴含亚符号、子概想的都能够做。更多的模态 ，更多的token空间 ，更多的模型不变性 ，更多的潜在空间（例如Latent Space对齐） ，更多的推算 ，更多的基础架构工具。2-3年根基排满。也就是说 ，我们或许知路必要什么去把这个引擎持续做大。
不外这个飞略祠动 ，重要是本钱大量进来。美国2023年1月到3月 ，挡也挡不住 ，钱全进去了 ，每个月都在比上个月增长。中国根基也一样 ，贸易模式、盈利模式有初步规模 ，基础设施、平台利用、生态在加快开发 ，草创公司、大型企业都在进入。
当然社会的安全、监管 ，一大堆问题——此刻这些是OpenAI最头痛的——Sam在美国花大量精力让社会认可这个技术。此刻OpenAI主题做的是 ，把推动速度变慢 ，每推动新版本 ，都有足够功夫让用户给他们足够反馈 ，找到潜在风险点 ，有足够功夫添补。但加在一路 ，增长飞轮的雏形根基上起来了。
有了飞轮 ，我以为发展蹊径主题是模型的可延长性和将来模型的生态。是一个模型无处不在的时期。
将来的模型世界会怎么发展 ？首先是将有更多大模型会出来。更多更齐全的模态和更齐全的世界知识在这里。你有大量的知识、更多的模态 ，进建能力、泛化能力和泛化机造肯定会加强。
此表 ，会有更多的对齐工作要做。OpenAI目前会关注什么呢 ？今天对齐根基上是做到 ，有一部门人能接受但你也冲撞好多人 ，好多人每天骂GPT。他们想要做到是足够宽的一个对齐 ，但愿有个像美国宪章这样一个了局 ，固然ChatGPT不是各人都可能认可 ，但它足够安稳、综合 ，大部门人能接受 ，这是对齐工程。天然说话也好 ，代码也好 ，数学公式也好 ，表单也好 ，有大量对齐工作要做。
还有更多的模态对齐。这里先讲human scale的模态 ，它重要是对人的描述 ，以人的说话为主 ，它的模态目前是说话和图形 ，以来有更多的模态会接入。这是大模型层面。
在大模型之上成立的模型更多了。我判断重要是有两类模型和他们的组合。第一是事件的模型 ，人类每一类需要都有领域/工作模型 ，其中有结构模型、流程模型、需要模型和工作模型 ，尤其是影象和先验。
第二 ，人的模型 ，蕴含认知/工作模型 ，它是个别的 ，其中有专业模型 ，有认知模型、活动模型和人的影象先验。人根基是这几类模型的组合 ，律师也好 ，医生也好 ，大量领域会有大量模型往前走。
人的模型和学的模型有性质区别 ，这是我从前1-2个月幼我收成较多的。
首先 ，人一向在成立模型。人的模型益处是泛化的时辰更深、更专业 ，根基是用符号（例如数学公式）或结构（例如画流程图）。它具体用 ，说真话都不好用。人的模型要么像物理公式解决很宏观的问题 ，要么解决很微观的问题。我们日常生涯的问题 ，物理一点用都没佑转—没法通知我这个树的叶子的状态 ，狗的猫的色彩为什么是这样子 ？没有任何模型能够解这个。很大问题是它的模型是静态的 ，不会场景变动。
今天有好多模型 ，譬喻说数字孪生 ，很难用。由于物理世界一向在变 ，这个模型僵化、不变 ，就用不起来。尤其是用知识图谱建的模型 ，我做了几十年 ，超等难算 ，函数结构差得一塌糊涂。所以人的模型有益处 ，专业性强 ，但有很大弊端。
学出来的模型 ，首先 ，它性质是场景化的 ，由于它的token是场景化的。其次 ，它适应性很强 ，环境变了 ，token也变了 ，模型天然会随着环境变 ；第三 ，它的泛化拓展性有大量理论工作要做 ，但是目前子概想空间的泛化 ，看来是很有潜在发展空间的这样一种模型的个性。它好用 ，由于它能够对齐人的使用偏差某人的天然说话、表格等等。它的推算性内涵是过程性的。这里有大的问题 ，就是人表白知识偏差使用结构 ，但真正能解决问题的是过程 ，人不适合用过程来表白。
ChatGPT代表的模型跟人的模型相辅相成 ，持久能够融在一路。我们看到的将来是更多模型的生态 ，新的领域、新的专业、新的结构、新的场景、新的适应能力 ，形成关环 ，不休加强认知和推理能力。当然 ，最终还是要所谓叫grounding ，跟感知要ground ，和接入行动的能力 ，形成真正的智能。
某种意思上20-30年后 ，这个模型世界跟生物世界有好多类似的处所。大模型我感触像基因 ，有分歧的种类 ，而后进化。我们目前能看到将来主题技术模型世界 ，它是用这个步骤来向先驱动。
我们根基对这个时期的范式有了结构性的理解。那么接下来 ，我们若何拥抱这个时期 ？
对每幼我、每个行业都有结构性影响
我幼我从前10个月 ，每天看器材是挺多的 ，但最近切实受不了。就真的是跟不上。发展速度极度非 ？。最近我们起头发杏装大模型日报” ，是我切实不能了 ，论文切实是跟不上 ，代码切实是跟不上——just too much（太多了）
世界在哗哗哗地变。我已经说1995-1996年有这种感触 ，但这个比1995-1996年还要强。为什么 ？模型的成本从边际转向固定 ，知识创造就是模型和知识的获取 ，它结构性做演变了。
出产本钱从两个档次全面提高。第一 ，所有动脑筋的工作 ，能够降低成本、提升产能。我们目前有一个根基如果 ，码农成本会降低 ，但对码农的需要会大量增长 ，码农不用不安。由于对软件的需要会大量增长 ，就是这个器材便宜了 ，都买嘛。软件始终能够解决更多问题 ，但有些行业不定。这是出产本钱的宽泛提高。
第二 ，出产本钱深层提升。有一些行业的出产本钱性质是模型驱动 ，好比医疗就是一个模型行业 ，一个好医生是一个好模型 ，一个好护士是一种好模型。医疗这种产业 ，性质是强模型驱动。此刻模型提高了 ，科学也随之提高。在游戏主题产业 ，j9网站产能将性质性、深度提高。产业的发展速度会加快 ，由于科学的发展速度加快了 ，开发的速度加快了 ，每个行业的心跳城市加快。因而 ，我们以为下个拐点会加快。用大模型做机械人、自动化、自动驾驶 ，挡也挡不住。
它对每幼我都将产生深远和系统性影响。j9网站如果是每幼我很快将有副驾驶员 ，不但是1个 ，可能5个、6个。有些副驾驶员足够强 ，造成正驾驶员 ，他自动能够去助你做事。更持久 ，我们每幼我都有一个驾驶员团队服务。将来的人类组织是真人 ，加上他的副驾驶员和真驾驶员一路协同。
毫无疑难 ，每个行业也会有结构性影响 ，会系统性沉组。这里有一个单一公式。今天动脑筋的人一天均匀工资几多幼时 ？减掉ChatGPT此刻或许均匀是15美元/幼时 ，再过3年可能不到1美元 ，再过5年可能几十美分。而后就乘一下有几多数量。降本或者增效 ，让码农能造成super码农 ，医生造成super医生。
各人能够按这个公式算一算。若是你是华尔街的对冲基金 ，你能够做空一大堆行业。
举个单一例子 ，律师在美国均匀1500美元/幼时 ，我在网上已经看到每天有这种信息——若是你想离婚 ，不要找离婚律师 ，ChatGPT离婚很便宜。。ㄈ⌒Γ
开发人员、设计师、码农、钻研人员都一样 ，有些是更多需要 ，有些是成本降落。尤其是主题产业 ，科学、教育、医疗 ，这是OpenAI持久最关注的3个行业 ，也是整个社会最底子的。
尤其是医疗。在中国 ，需要远弘远于供给。并且 ，中国是大当局驱动的市场经济 ，当局能够表演更大角色 ，由于固定成本当局能够承担。
最为沉要的是教育。若是你是大学 ，你第一不安的是 ，考试怎么考 ？没法考了。他一问ChatGPT ，什么都知路。更沉要的是 ，以来怎么界说是好的大学生呢 ？假定说有个大学生什么都不懂 ，物理也不懂、化学也不懂 ，但他懂怎么问ChatGPT ，他算不算一个好的大学生 ？机遇与挑战并存。
总结一下 ，整个这个时期在高速地进行 ，速度越来越快。它是结构上决定的。势不成挡。
大模型的淘金时期
对机遇点进行结构性拆解
此刻 ，我给各人一个结构化思想框架。某种意思上你能够对号入座 ，知路我在这里 ，我怎么思虑今天的机遇点。
这张图是整幼我类技术驱动的创业创新 ，所有事件的机遇都在这张图上。
首先 ，底层是数字化的技术 ，由于数字化是人的延长。数字化的基础里有平台 ，有发展基础 ，蕴含开源的代码、开源的设计、开源的数据 ；平台有前端、后端等。这里有大量机遇。
第二 ，波是用数字化的能力去解决人的需要。我们把数字化利用齐全放在这张表上。
1）C端 ，是把所有的人分成人群 ，每种人群24幼时 ，他花功夫干什么 ？有通讯、社交、内容、游戏消费、游览、健身……C端有一类特殊的人 ，这类人是扭转世界的 ，是码农、设计师、钻研员。他们创造将来。微软这么大的公司 ，是基于一个单一理想：微软我们就是要写更多软件、助别人写更多软件 ，由于写软件是将来。
2）B端 ，企业需要也一样 ，降本增效。它要出产 ，有供给链、销售、客服……有了这些需要之后 ，数字化看得见的履历结构有6种：给你信息的 ，二维就够 ；给你三维交互履历 ，在游戏、元宇宙 ；人和人之间抽象的关系 ，蕴含信赖关系、Web 3 ；人在物理世界环中自动驾驶、机械人等 ；人的内涵的用碳机植入到里面 ，今天是脑机接口 ，以来有更多 ，以来是能够用硅基 ；最后是给你模型。
最后 ，人类是挺奇怪的物种 ，不但要满足这些需要 ，还要扭转世界 ，我们在满足世界时 ，也要获得更多能源 ，所以必要有能源科技 ；必要转化能源 ，用性命科学的大局 ，biological process转化能源或者使用mechanical process ，资料结构来转化能源 ，或者是新的空间。这是第三波。
所以创业公司根基上有三类：数字化基础 ，用数字化去解决人的需要 ，去扭转物理世界。有了这个大的框架 ，我们能够系统性地来看对号入座：我在哪个地位 ？若是我在这个地位 ，必要关注哪些点 ？
首先讲数字化基础 ，它有一个不变结构 ，不论再怎么发展 ，结构始终是这样。从前30多年 ，大部门系统或多或少我都碰过 ，这个结构的确相当不变。
主题是前端和后端——前端是齐全可延长的履历 ，后端是齐全可延长的能力 ，有设备端 ，譬喻说电脑、手机、眼镜、汽车等等 ，设备端里面是芯片、模组加上操作系统。万亿美元的公司都在这一层。
其次是履历的容器 ，二维的容器 ，三维的容器 ，内涵嵌入的容器。
容器之上 ，写代码都知路画布 ，画布可所以文档 ，可所以谈天 ，可所以代码 ，可所以空间 ，可所以世界 ，可所以数字人 ，也可所以碳基里的蛋白质等等。这是前端。
后端也一样 ，底层式设备 ，服务器、互换机、数据中心等等 ，也是芯片、模组、操作系统。
中央这一层极度沉要 ，网络数据仓库 ，散布式系统 ，区块链等等。
最上面是云 ，是能力的供给。能力供给像天然水源 ，打开就是算力 ，有存储和通讯能力。今天的模型时期 ，打开就是模型。
下面是数字化基础。符号推算 ，或者所谓的深度进建 ，叠加向量的浮点推算 ，硅基的 ，碳基的。
若是你是这里的创业者 ，机遇点在哪里 ？
① 首先搬运信息 ，这个时期还有好多能够做。
② 若是你是做模型的 ，我此刻判断什么都要沉做一遍。大模型为先。好多设备也要沉做 ，你要支持大模型 ，容器要沉做 ，这些都有机遇。云、中央的基础设施、底层的硬件 ，蕴含数字化发展主题的基础 ，尤其是开源的系统 ，这里是真正意思上是有大量机遇。
③ 第三代系统 ，即已经起头做机械人、自动化、自主系统。孙正义今天all in。这个也能用大模型做。马斯克也看到这种机遇。都是在第三代下一个拐点 ，创业公司齐全能够把握的机遇。
④ 同时并行的 ，我把它称作“第三代++系统” ，是碳基的生物推算 ，这一类公司有大量的量子推算 ，有好多机遇。元宇宙和Web 3今天点冷 ，但从汗青长河角度来讲 ，只是功夫问题 ，由于这些技术都能真正意思上带来将来的人类价值。
所以若是是这个创业项目 ，基础层机遇就在这里。这是最好的生意。为什么 ？这个时期跟淘金时期很像。若是你那个时辰去加州淘金 ，一大堆人会死掉 ，但是卖勺子的人、卖铲子的人始终能够赢利。所谓的shove and pick business。
大模型是平台型机遇。依照我们几天的判断 ，以模型为先的平台 ，将比以信息为先的平台体量更大。平台有以下几个特点：
① 它是开箱即用 ；
② 要有一个足够单一融洽的贸易模式 ，平台是开发者能够活在上面 ，能够赚足够的钱、养活自己 ，不然不叫平台 ；
③ 他有自己杀手级利用。ChatGPT自身是个杀手利用 ，今天平台公司就是你在苹果生态上 ，你做得再好 ，只有做大苹果就把你充公了 ，由于它要用你底层的器材 ，所以你是平台。平台通常都有它的锚点 ，有很强的支持点 ，持久OpenAI设备机遇有好多——有可能这是汗青上第一个10万亿美元的公司。
这是一场强烈的竞争平台之战 ，将来一个别量很大的公司。在这个领域竞争是无比强烈。The price is too big（价值切实太大） ，错过太惋惜。再怎么也得试一试。
今天的模型鲁棒性、脆弱性 ，还是问题。用这个模型 ，你肯定要一路头稍微窄一点 ，限度要严一点 ，这样的话履历是不变的 ，比及模型能力越来越强再把它放宽 ，找到适当的场景 ，循序渐进。质量和宽度之间的平衡很沉要。另表发展蹊径上 ，你要思考今天产品要不要在这个上基础上改 ，沉启炉灶 ，还是齐头并进。把这个团队给改了、沉做 ，还到名义去买公司 ？
创新 ，尤其是创业公司落地 ，它始终是技术推动和需要拉动的组合。在落地的过程中 ，对需要理解的把控 ，把握和满足需要的步骤是所有傍边最沉要。持久肯定是技术驱动为主 ，但在落地的时辰对需要的拆解、分析、梳理 ，把控好需要 ，是所有的所有。
有一个机密各人今天都知路了——OpenAI是用GPT-4做GPT-5 ，每个码农都是放大能力的码农。它规模效应不一样 ，马太效应不一样 ，从此壁垒和竞争格局不一样 ，知识产权了局不一样 ，国际化的格局也不一样。中国显然有机遇。
我对创业者有几点建议
创业公司的内涵结构是人和事的组合。人 ，一路头是首创人/首创团队 ；他有初心 ，内涵驱动力、表在驱动力 ；他能独立思虑 ，判断将来 ；他能行动导向 ，解决问题 ；他能需要导向 ，找到价值 ；最终通过沟通获得资源。接下来是产品市场匹配 ，这部门就是研发技术、研发产品、交付产品。贸易模式是收到钱、更多增长、触达更多客户、融更多钱、一向触达到将来的价值。组织上 ，通过系统建设 ，启发面向将来的人才、组织结构和文化价值观等等。这所有就是一家公司的总和。
我们对每位同学的建议是 ，不要轻举妄动 ，首先要思虑。
① 不要浮夸 ，不能蹭热。我幼我最否决蹭热 ，你要做大模型 ，想好到底做什么 ，大模型真正是怎么回事 ，跟你的创业方向在哪个或哪几个维杜仔性质关系。蹭热是最不好的行为 ，会浪费机遇。
② 在这个阶段要勤于进建。新范式有多个维度 ，有蛮大复杂性 ，该看到的论文要看 ，尤其此刻发展切实太快 ，非确定性很大。我的判断都有肯定灰度 ，不能说看得很明显 ，但大体是看到是这样的了局。进建花功夫 ，我强烈推荐。
③ 想明显之后要行动导向 ，要果断、有规划地采取行动。若是这一次刷新对你地点的产业带来结构性影响 ，不进则退。你不往前走没退路的 ，今天的地位守不住。若是你地点的产业被直接影响到 ，你只能采取行动。
接下来我想讲几个维度——每个公司是一组能力的组合。
① 产品开发能力方面 ，若是你的公司以软件为主 ，毫无疑难肯定对你有影响 ，持久影响大得不得了。尤其是若是你是做C端 ，用户履历的设计肯定有影响 ，你今天就要当真思考将来怎么办。
② 若是你的公司是自己研发技术 ，短期有部门和间接影响 ，它能够援手你思虑技术的设计。持久主题技术的研发也会受影响。今天芯片的设计是大量的工具 ，以来大模型肯定会影响芯片研发。类似的 ，蛋白质是蛋白质结构设计。不论你做什么 ，将来的技术它都影响。短期不直接影响 ，持久可能有沉大影响。
③ 满足需要能力 ，满足需要根基就要触达用户 ，供给链或运维肯定受影响。软件的运维能够用GPT助你做 ，硬件的供给链不定。持久来看有刷新机遇 ，由于高低游结构会变。你要判断你在这个产业的结构会不会变。
④ 贸易价值的索求、触达用户、融资 ，这所有它能够助你思虑、迭代。
最后是关于人才和组织。
① 首先讲首创人。今天首创人技术能力强 ，如同很牛、很沉要 ，将来真的不沉要。技术ChatGPT以来都能助你做。你作为首创人 ，越来越沉要、越来越值钱的是愿力和心力。愿力是对于将来的独到的判断和信想 ，对峙、有强的韧劲。这是将来的首创人越来越沉要的主题素养。
② 对草创团队 ，工具能援手索求方向 ，加快设法的迭代、产品的迭代 ，甚至资源获取。
③ 对将来人才的造就 ，一方面进建工具 ，思虑和索求机遇 ，持久适其时辰造就自己的prompt engineer（提醒工程师）。
④ 最后讲到组织文化建设 ，要更深刻思虑 ，及早做筹备 ，把握时期的机遇。尤其是思考有好多职能已经有副驾驶员 ，写代码也好 ，做设计也好 ，这之间怎么协同 ？
我们面对这样一个时期的机遇。它既是机遇 ，也是挑战。我们建议你就这个机遇做全方位思虑。
