近日，360集团创始人周鸿祎发的一条微博（如图），引发了业界的广泛争论。
周鸿祎在微博中提到， 这次在硅谷见了一些投资人，震撼非常大，他们对于没有AI概念、AI功能、AI成分的公司已经不会考虑了。他还见了一些创业者，几乎所有创业都在以AI为核心推进。“可能会有一些人看不懂AI，但是所有人都不敢看不起。可以说，美国在赌人工智能这件事，整个投资体系、创业体系、大公司体系、传统公司体系都在全面拥抱AI。”
恰逢OpenAI发布ChatGPT一周年之际，在黑马直播间里，创业黑马执行总裁罗浛予与360集团创始人周鸿祎，一起聊到了周总此次硅谷之行的见闻和最新洞察，也聊到了中国AI创业者的机会在哪里、中国的创新靠什么，以及360在大模型安全方向做的三件事。
01
大家都是all in派谁也不愿错过大机会
发的那篇微博，是因为近期去美国硅谷见了一些创业公司和VC（风险投资）投资人。很多VC告诉我，他们现在只投AI相关的项目。而创业者无论做什么，都会调用OpenAI的API，尽量将AI概念与自身业务结合。虽然国外也会争论AI的安全问题,但基本都是动动嘴皮子。基本可以得出一个结论：大家都是 all in派，都不愿错过这个大机会。
OpenAI内斗那几天，美国媒体的谣言满天飞。我当时正好在硅谷，跟同学朋友吃饭，大家也都在谈论这些话题。这种新闻相当于是做全民教育。现在美国公司都在疯狂采购英伟达的GPU（图形处理芯片）。因为过去1万块GPU可以训练出一个千亿模型，未来可能需要几十万块卡组成一个超大的集群，训练出一个超级AI。在英伟达工作的同学跟我讲，芯片还没生产出来就已经被人预定完了。
我们之前可能觉得，英伟达的芯片热卖一阵就差不多了。这种观点是不对的。除了做云服务的，像亚马逊、微软等大互联网公司和很多创业公司都在囤卡。未来要进入人工智能时代，没有卡就像没有武器，怎么进入战场？
还有一个消息说，奥特曼（Sam Altman）在被驱逐出OpenAI之前，已经在筹划融一大笔钱来做芯片。另外，微软和其他一些互联网公司也准备做芯片。为什么呢？他们都看到了，未来算力不够。不仅是训练的算力，将来推理才是消耗算力的大头。包括为什么OpenAI宣布一些新功能后，有时候要限制用户的发展，也是因为全网上亿用户同时使用，需要更大的算力集群、更多GPU来支持。
所以，大家都在研究能不能在芯片上实现突破。比如，用类似TPU这种专用芯片做推理，试图把推理成本降下来，或将推理的并发吞吐量涨上去。
我在硅谷见到一些美国朋友，他们认为，美国当下有一个很重要的机会，就是通用人工智能，这是超越电脑、互联网、手机、移动互联网的，又一次工业革命级别的产业升级创新机会。所以，他们相信通过这次通用人工智能带来的创新机会，可以解决美国现在面临的所有经济问题。
如果没有创新机会，大家都在一个存量市场分蛋糕，贫富不均、产业没落等问题就解决不了。但通过AI创造出新的市场增长，很多社会矛盾、经济问题就能迎刃而解。举个不太恰当的例子，网上都说日本当年GDP接近美国时，是被美国打压下去的。还有人说，是日本被迫签署了广场协议。但你如果仔细想想，国与国之间的竞争，不可能被一纸协议所左右。
从我的一个角度来看，其实是日本错过了个人电脑和互联网这两次重要机会。而美国则成功抓住这两次机会，实现了产业升级，从而创造出巨大的新市场增量。所以，美国每次碰到危机的时候，总是要靠新技术做突破。
02
中国的创新靠什么？
我最近在读两本书：《重新理解企业家精神》和《市场的逻辑》，整个世界正处于百年未有之大变局，美国、欧洲、中国都遇到了原来没有见过的问题。而创新是一条非常独特的路，通过产业技术创新，能让整个社会经济找到新的上行曲线。
但创新靠什么？我认为，还是要靠企业家，靠企业家敢于冒险、有社会担当的理想主义精神。
企业家和商人还不太一样。商人能敏锐捕捉到机会，很多人因此挣到了足够的钱，但他们叫商人。企业家还是要有一定的理想，不走寻常路。在大家都不看好、看不清的时候，果断投入力量进入一个新增量市场。借此机会，我想呼吁一下国内的企业家。我们不能只是感慨美国有马斯克、奥特曼，反过来，AI也给了中国企业家很多机会。润、躺平，都是与企业家精神相违背的。
在安全行业做了这么多年，现在行业越来越卷，价格战越打越厉害，利润率越来越低。很多人辛辛苦苦做了好多年，终于成功把自己的企业做的，连工资都发不出来了。这肯定不是一个正常的行业发展状态。除了天天抱怨客户不愿花钱外，整个行业都应该反思一下：我们究竟为客户创造了什么价值？怎么让客户感受到我们发挥的作用？
于是，我准备做一个创新的想法：能不能把安全行业中的软硬件都免费，让用户只为服务付费，如数据情报、人工智能、安全专家等服务。把原来卖盒子、搬箱子、卖货的商业模式，变成用户付费订阅服务的模式。之前很多客户不愿在盒子上花太多钱，现在通过数据、专家服务帮客户保护好数据、抵御好攻击，真正让客户感受到降本增效的体验。我们最后投入的成本，可能反而比原来还要低。我觉得可能做不成功。但一旦做成功了，整个产业的市场基数就能扩展10倍。
举个例子，很多人认为360杀毒软件是通过免费干掉对手的。这个话不对，对手不是我干掉的，我也没那个能力。原来杀毒产品市场很小，即使干掉他们，整个市场也就只有一两百万用户。而通过免费杀毒软件，让很多本来不愿花钱买杀毒软件的用户都用上了杀毒软件，整个市场容量、用户基数直接扩展了100倍，做出了更大的增量。
03
AI最大的机会是：如何找到应用场景
很多人也问到，国内AI创业者起步晚，还被美国各种技术限制，想问我有什么建议。
我个人是比较乐观的人，如果瓶子里还剩半瓶水，别人说只剩下半瓶了，我会说居然还有半瓶水可以喝。
第一，我们应该感谢Open AI，他们用六七年时间，给世界蹚出了一个新方向。再加上公开的算法、论文、大模型训练方法，让中国各大公司用了大概一年时间，就推出了自己的大模型，且基本达到了GPT-3.5的程度。但离GPT4，至少还差一年的发展时间，毕竟GPT4并没有把所有的牌都摊在桌面上。在我看来，中国的发展速度已经是奇迹了。GPT是全世界最聪明的一批人，用六七年才做出来。我们用一年时间就想追赶上人家，也不太现实。
第二，在目前基础上，大家需要给自己点耐心。工业革命、互联网崛起，至少都进行了10年以上，人工智能也是最近一两年才刚过拐点。现在，中国很多大型企业也在投入AI，更多AI人才即将涌现出来。据说，这两年的校招出现学数学、人工智能的整个班都被签走。
第三，芯片方面，国内企业也想了很多方法。比如，把消费级的芯片拆下来装在服务器上，发现4090显卡的算力还蛮惊人的。包括国内的摩尔线程、壁刃、寒武纪、华为、海光等，都在努力打造国产芯片。其中，我们也测试了一些国产芯片，效果还不错，基本超过了英伟达入门级的水平。如果我们能把训练芯片和推理芯片分开，并对模型做针对性的优化，使推理的成本比现在降低100倍，那么就有可能把英伟达的护城河打开。这也是国内企业的一个机会。
第四，AI最大的机会是如何找到应用场景。AI还不能算成功，它也在寻找应用场景。我觉得，AI本身不是一个杀手级应用，指望AI自己变成杀手级应用比较难。现在真正的杀手级应用还没出来，或者有可能不会出现杀手级的应用，AI只是赋能我们生活的方方面面。就像微软和Adobe从AI中赚到了钱，但他们并没有用AI做出新产品。他们只是将AI和自己的Office365、Photoshop等做了一个结合。
第五，AI创业公司真正的优势是什么？他们可以进到大公司看不起、看不清、看不懂的领域做颠覆式创新。大公司可能觉得市场刚开始比较小，产品也很粗糙，也不值得我去干。如果能在一个细分产业领域做出一些真正用大模型，解决了降本增效问题，还是很有机会的。
第六，中国一些投资人对创业者逼的太严。我认为是这些投资人自己的心态出了问题。VC（Venture Capital）叫风险投资，没有风险就已经盈利了，那叫无风险投资，世界上哪有那么多好事？做风险投资就应该有思想准备，投一些公司就是暂时不盈利，目前还是在投入期。创业者想融资，可以去找那些愿意做中长期投资的投资人。
04
OpenAI发布GPTs可能是个“阳谋”
很多人说OpenAI发布GPTs，是为了做人工智能的App Store。我有一个观点跟别人不太一样。
我觉得，GPTs离人工智能的App Store，还差得有点远。OpenAI之所有发布GPTs，是希望大家帮助他们来寻找各种各样的应用场景。现在ChatGPT只能跟人聊天，大家聊完天发现它跟真实工作的关系还是比较远的。OpenAI希望用户在生活、工作、学习等方方面面，帮他们发现能用AI来解决的实际问题。所以，我认为这也是我们中国创业者能抓住的机会。
之前创业黑马提出做“重度垂直”的口号，给了我很大启发。
现在有人问我，一个行业是不是可以做一个大模型？如金融、教育、医疗大模型等。我认为目前还不现实。
你选定一个赛道时，要看行业场景的容错率。如金融行业可以用大模型解读年报、做客服、给客户发邮件，但用大模型做风控就不太合适。医疗行业肯定不用大模型给患者开药方、做手术，但可以把医生对患者说的话，快速整理成病例蓝本。
其实，大模型可以深扎到更细分的领域、更窄的场景。如果我们能把一个行业拆解出100个、200个细分环节、链条、任务、场景等，这些或许更适合用大模型去赋能。
我们要清楚大模型的边界在哪儿。不要高估大模型的能力，它有很多事情还做不了，但也不要低估大模型的潜力。另外，大模型的能力高低，也要看企业有没有数据，以及数据质量高不高。
所以，没有必要妄自菲薄，不用非得超过GPT-4才去找应用场景，完全可以双翼齐飞。大厂有足够的算力、算法人员、数据资料，还可以借鉴国外开源生态和模型训练方法，相信一两年以后，我们会有一些明显进步。另外，中国供应产业链是全世界最完整的，结合国家提出的传统产业数字化、智能化改造，未来完全可以充发挥出我们的场景红利。
05
没有Agent架构的大模型就是一个摆设
最近还看到一个趋势，OpenAI发布的GPTs背后，实际上是一个叫Agent的架构，只是OpenAI没有故意把Agent概念打出来。我相信国内的百度、阿里、360做大模型，必然会推出自己的Agent架构。
Agent又叫智能体架构，大家可以记着这个名词，它能让大模型发挥出真正的威力。没有Agent架构的大模型，可能最多能发挥出两、三成能力，有了Agent架构的大模型就能发挥出150%能力。为什么？Agent架构可以把人的知识传递给大模型，为其设定目标和流程，让大模型有手有脚。这样就能把大模型与企业的信息系统、数字化组件，和个人的电脑、互联网、浏览器真正链接在一起。
反过来，也说明那些走在前面的公司为什么都在做Agent架构。因为大家都意识到一点，孤立的大模型就是一个摆设。
我们可以把大模型理解为汽车的发动机，Agent架构就像是底盘和车轮，界面就是车的外壳和自动座舱。所有造大模型的公司，不可能只做发动机，他们也会把底盘、四个车轮和外壳都做好。
所以，大模型的工作不只是刷榜、刷分，对外宣称自己超过了GPT-4，这样做没有意义。大模型一定要跟产业、行业、企业的数字化系统结合，而桥梁就是Agent架构。
我跟很多企业交流后有一个体会，大模型跟其他数字化系统还不太一样。云跟业务没关系，大数据跟业务多少有点关系。相对来说，你可以把业务数据存在数据库，数据库本质上起到的是存储作用，跟业务逻辑无关。而大模型是一个跟业务逻辑紧密关联的赋能化技术。这也是我为什么要鼓励自己的员工、业务专家要来玩大模型。一个大模型在内部怎么玩得转，可能不是外部专家能做好的。企业要掌控大模型，一定要理解自己的业务，知道业务怎么跟大模型结合。
最后，我强调一个观点：大模型不是操作系统，它就像当年的电脑，未来将无处不在。电脑没有杀手级应用，最早出来就是打字、做财务，后来成为学习机，现在已经融入到我们生活的方方面面。中国未来的通用大模型不会太多，但垂直大模型会无处不在。一个企业会有若干个垂直大模型，每个垂直大模型会用Agent架构支持不同的应用和数字顾问，各自协同工作。
所以，中国做AI大模型的机会还是蛮多的，也就是基础技术和场景要并行，两翼齐飞。
06
Q*只是OpenAI丢出的一个烟雾弹
我看到大家最近谈论都在Q*（音同 Q star）是导致OpenAI内斗的原因。我自己觉得，一方面OpenAI肯定有权力斗争的问题，尤其是伊利亚（Ilya Sutskever）可能跟奥特曼有一些不合。我的理解是，很多搞技术的人都容易犯伊利亚的错误。
很多技术人员和专家认为，自己手里有强大的技术就无所不能，这其实是误区。虽然技术很重要，但你的技术只是基础。用户买你的产品，是为了达到自己的目的、体验、效果，但用户不会为基础技术付费。GPT-3出来的时候，技术已经很棒了，但为什么没动静？GPT-3.5出来才一炮而红，它的技术本身没有变化，只是变成了聊天机器人，为什么？这就是产品的力量。
所以，奥特曼对OpenAI的贡献肯定不在于技术，而在于对技术进行包装。可能一些技术人员会认为奥特曼就会天天吹牛。我们很多创业项目的技术做得很好，但为什么VC不投你？因为你不会“吹牛”，不会对技术进行包装，VC听完觉得你没有价值。最后融不到钱，你的技术也没办法做大。
伊利亚对奥特曼缺乏真正的价值认知，才想把他赶走。OpenAI的第一个发展阶段的核心肯定是做技术，这个阶段只需要技术人员。但第二阶段的核心叫产品包装。想包装产品，对内就要涉及到找用户、搞流量、做推广，用户来了就要做用户运营、客户服务，员工团队就要不断扩大，与之匹配的组织框架还有财务部门、HR部门等。对外就得不断融资，想办法把微软这种庞然大物，从对手变成合作伙伴，还让他们投资100亿美金。这些，肯定不是一两个技术人员就能做到的。
那么，OpenAI内斗只是因为成伊利亚与奥特曼的矛盾吗？我觉得不太可能。
伊利亚毕竟还要说服其他董事投票，才能把奥特曼清理出董事会。他们要有冠冕堂皇的理由，就是所谓的AGI。我一直认为OpenAI在AGI有一些突破，他们很快推出GPT-4 Turbo 和GPT-4 vision两个版本。但避而不谈GPT-5，说明他们手里藏了一些牌。只是我现在还不知道藏的这些牌是什么。董事会的人可能会把其中的一些牌作为一个理由，认为奥特曼在这么搞，人工智能可能就会失控，最终干掉了奥特曼。
最后突然爆出Q*，我认为是他们意识到奥特曼走了，整个团队就要被微软0元购了，公司就完蛋了。笑到最后的是，Facebook、谷歌、马斯克。但把奥特曼请回来，必须编个说法，否则对几位董事个人品牌的杀伤力太大了。所以，我认为Q*只是OpenAI丢出的一个烟雾弹。
07
OpenAI的治理结构有点奇葩
大家可能也注意到了，OpenAI是一个非盈利组织，董事会不捍卫员工和投资人的利益，他们只对人类负责。包括CEO奥特曼由于没有股份，在董事会就没有发言权。这个治理结构比较理想主义，但他们犯了两个错误：
第一，市场经济中很多人都很“自私”，正是因为这种“自私”，反而能给人类做出有贡献的产品。我认为，OpenAI过早强调自己是个非盈利机构，完全忽视了投资人的价值。微软投资他们也是为了得到一定的利益，很少有人投资一家公司是为了给全人类做贡献，这也是违背市场经济基本规律的。
第二，OpenAI的700多个员工为什么要跟着奥特曼走呢？也不一定是员工热爱奥特曼。大家可能知道，奥特曼说自己当CEO不要钱，这是因为奥特曼很有钱。奥特曼说自己不爱钱，但你能这么去要求员工吗？不能。员工很现实，他们有妻儿老小，有房车贷款。他们还是希望公司未来能上市或卖给大公司，大家可以共享成果。OpenAI的治理观念有违于市场经济天然合理的架构，就会出现一个矛盾的结果，员工利益不受保护，员工就会集体跟着奥特曼出走。
08
关于大模型的安全问题，
360都做了什么？
关于大模型的安全问题，360主要在做三件事。
第一，安全大模型。主要思考如何让大模型成为安全网络人员的得力助手，而不是让大模型成为黑客攻击的帮凶。
第二，我们为什么要做大模型？大家虽然嘴上还争论AI安全问题，但大家行动上都在all in。我认为，不发展AI才是最大的不安全。任何技术都是双刃剑，不光人工智能有安全问题，难道语音、大数据就没有安全问题吗？今天所有数字化技术的本质都是软件，是软件就有漏洞，有漏洞就会被人攻击，都有安全问题。我们不能因为安全问题就不发展了。360就是边做大模型，边把大模型这个黑盒子打开，了解它的工作原理，发现它的问题。如果解决这些问题，我们的数字化就可以跑得更快。
现在全世界都站在一个起跑线上，大家对大模型安全问题的认知都比较空泛。一是不知道安全问题会是什么，二是没有解决方法。所以，现在讨论做不做AI，就是1和0的问题，这个解法太极端。大模型的安全问题，可以分成近期、中期、远期三个层次。近期的技术问题可能是传统的安全问题，比如网络安全、数据安全等，发现后先尽快解决；中期问题可能是大模型的内容安全问题，AI是否向善，会不会成为坏人的工具等。长期的安全问题则来自AI产生意识后带来的人类终极安全挑战。
我不太相信，科学家会训练大模型对人类友好。科幻作家已经写过了，人工智能是理性的，没有感情。当你给它一个目标的时候，它会想尽办法找资源去实现。但总有一天，他会发现人类才是它获取资源的最大阻碍，刚开始或许于心不忍，但为了目标，还是会选择毁灭人类。
正是由于AI带来了前所未有的安全风险，因此我们更要躬身入局，从零开始，把大模型的各层技术搞清楚，知道它的边界在哪里，知道它的长板和弱点。最终，360会靠技术、靠围栏、靠安全防范，把大模型的危险性降到最低，把它放在”安全的笼子”里。
匿名用户
