AI 产品榜·1 周年大会李榜主邀请了360集团创始人周鸿祎来进行对话。
你可能刷到过很多红衣大叔的短视频，为了短视频的传播特性，内容在深度上做了很多妥协，你绝对没有看过像这次对话一样，8000 字的深入浅出。
AI产品榜·1 周年大会周鸿祎（左）李榜主（右）
红衣大叔开头说，他的观点大家可能在不同场合听过了，但对话过程中，我发现，有些道理常听常新，有些场景越找越明，有些逻辑越辩越清，同时红衣大叔也透露了很多 AI 应用的机会。
有的公司继续做闭源，我觉得是一种商业选择
李榜主：我先请教一个问题，原来您跟李厂长有一个开源跟闭源之争，现在依然还坚持这个开源的观点吗？
红衣大叔：我觉得，你不要老是挑起矛盾啊。
我对李厂长是一贯拥护，而且表示支持的。好像是傅盛同学老要跟他PK一下。像最近这个萝卜快跑，我还亲身到武汉去体验了一下。
我觉得百度在人工智能方面还是作出了很多卓越的贡献，包括国内人工智能团队里边很多应该都是百度培养的人，百度相当于是自动驾驶的黄埔军校。
关于闭源和开源的这个争论，一直都有，我觉得这个也很正常。最近，扎克伯格推出了 Lama3.1 从刷榜的成绩来说接近了GPT-4，有些地方甚至超过了GPT-4o，然后他讲了为什么要做开源。
我个人觉得，从现在来看，开源肯定是一个正确的方向，没有开源的 Linux 就没有互联网，开源给我们很多开发者提供了一种科技平权的可能。
所以，这个问题我觉得不用争论，有的公司继续做闭源，我觉得也是一种商业选择。有适当的争论也挺好的，不一定要堵一条路，最后有一条路走成功了，这就可以。
大模型应该消于无形，让用户意识不到大模型的存在
李榜主：最近你们俩的观点好像也发生了一些变化，李厂长也说不要卷模型了，要开始卷应用了？
红衣大叔：我看李厂长在上海2024世界人工智能大会上讲的一个观点，让我觉得蛮诧异的。
因为百度一直在做模型，然后李厂长自己来讲，说大家不要再卷模型了。
大家卷模型每次出来，秀自己的各种花里胡哨的功能，觉得没有意义，应该卷产品卷应用、卷场景。
这倒不是说验证了谁的想法对，我觉得只要人不要太笨，经过大模型 2023 年的百模大战到2024年，其实大家都会回答这个问题。你不回答这个问题，你的投资人会问你。你不回答这个问题，你的客户会问你。你做的东西这么好玩，但是怎么跟产品相结合？
所以我有一个观点就是：大模型不是操作系统，大模型更像一个组件，更像一个电动机。
有人做出来世界上转得最快的电动机，最后这个电动机一定要跟用户实际的需求相结合。电动机它只是代表了一种能力，要跟用户的场景相结合。
电动机买回去装上传动轴，装上四个轮子，它可能就变成一个汽车。装上传送带，它就变成流水线。装上扇叶，它可能就变成电风扇，取决于你怎么用它跟你的业务相结合。
我觉得未来大模型会无处不在，会像电动机一样。
今天小到一个电牙刷，一个刮胡刀，一个电吹风，可能里边都是有个电动机，但是，你用这些产品的时候，你根本感觉不到里面有个电动机。
同样，你在买一个新能源车开的时候，你也看不到电动机，但是，你能感受到它的能力。
所以，我认为大模型应该消于无形，让我们都意识不到大模型的存在。
刚才面壁智能李大海讲的，我觉得也是这个理念，无论是云端云测模型还是端测模型，最后，它在里面默默地发挥作用。
AI 应用还不能着急，确实需要一个探索的过程
李榜主：这是不是反映，在行业里面逐步形成了一些共识？
红衣大叔：你说的AI产品爆发进行时，我觉得今年，大家肯定要重新回到场景和产品上来。
但我觉得你稍微有点乐观，想一年就解决这个产品场景的问题，我觉得是不现实的，我觉得大概需要个几年的时间，这已经相当快了。
我们只要回顾一下1994、1995年互联网浏览器刚出来，1998年才有了谷歌，才有了2000年代的高速发展，大家也在探索。
所以，我是觉得大家别太着急了，确实需要一个探索的过程。
李榜主：那这个探索，在应用层面，老场景老产品机会更多，好像 AI 现在也没有创造一个新的场景，那创业者们，如何去找到一些可以弯道超车，或者说可以去杀入的契机呢？
红衣大叔：这个我特别怕回答这种问题，你这问题实际上隐含那个图省事的想法，就老想问我如何一招制敌。
我真的知道一招制敌，我就在家做了，我还跑到这来吹什么牛呢？
大模型技术它跟我们过去很多产品模式的创新不一样，它是一个技术上的创新，是一个生产力提升的工具。
首先把已有的产品重塑一遍，把已有的业务流程重塑一遍，是大家比较容易想到的做法。
好比蒸汽机刚出来的时候，大家首先想到的是，蒸汽机能不能取代磨坊把磨面给改善了，能不能带动纺织机提高纺织厂的效率。
所以你看目前微软、苹果，包括各种智能硬件和AI的结合，都是用大模型把已有的能力重塑一遍，或者给已有的流程加上这个智能的能力，我觉得这个做法是比较务实的。
而从蒸汽机到火车的构思需要时间，不光是要解决蒸汽机的问题，要解决驱动的问题，要解决火车铁轨的问题，要解决一系列的问题。
ToB 正因为比较碎，这里面才会有更多机会
李榜主：在中国呢，做 AI 有什么机会？
红衣大叔：在中国来说呢，我个人觉得 toB 的市场，实际上是比较有机会的。
因为这个也符合国家的大政方针，有一次我开一个内部的会，有一位大领导在会上内部就讲，你们做大模型，别老想着做娱乐的东西，要为国家的数转、制改作出贡献。
国家现在强调的是产业数字化，要非常重视传统行业，特别是先进制造业，现代化工业的发展。
既然说大模型是一场工业革命，那它最好就应该直接提高劳动生产力，在 toB 、toG 里面有很多场景。
有人会说这个市场特别碎，好像感觉都是苦活累活。
李榜主：本质，像一个外包？
红衣大叔：我不这么认为。
谁都梦想做一个互联网的产品，像微信一样，像抖音一样，一下子就几亿人用，然后就打造一个平台，但这种机会属于千年不遇、千载难逢，而且有时候撞上了也要有运气。
toB 的市场，正因为大家都在探索，所以这个市场比较碎。
如果今天谁能拿出一个放之四海的方案，那一定没有你什么机会，正是因为比较碎，我觉得这里面才会有更多的机会。
到底什么是场景，什么是细分垂直场景
李榜主：你说的场景到底是什么？
红衣大叔：这两天我也在思考，比如说我们经常觉得，我们的场景已经够细了，比如，我那天表扬了kimi，在所有的大模型都在卷通用的 AI 功能的时候，kimi 应该说算是第一个提出来说做文档分析的，做这个长的上下文窗口，随后大家都跟进了，但是仔细想想，长文档分析，真的是一个垂直的场景吗？
李榜主：它不是一个高频行为。
红衣大叔：它还是太笼统，还是从功能的角度，还是从技术的角度出发的，需要再细分一下。
很多企业收到大量的合同，对合同来做一个快速的分析。
雇不起自己的律师，或者花不了太多钱雇外部的律师，可以用大模型帮我看一下这个合同有什么需要注意的、警惕的，需要提醒我有哪些不完善的地方。
这实际上是文档分析的一个更细分的场景，在这个更细分的场景上，我感觉可能更容易去打动用户。
朱啸虎老爱讲他那个自动面试的公司，其实即使不讲面试，很多公司看简历，对简历进行阅读分析评估，实际上也是一个文档分析，但简历有简历的特点。
我觉得在 toB 领域，如果我们能够把场景进一步的细分，跟企业直接的业务需求，能够结合在一起，这里面我觉得会有更多的机会。
你要说它更像集成，更像外包。刚开始的时候，用户也不清楚怎么做，你也不清楚怎么做，那为了做一两个POC 当然是要辛苦点的。
今天大家都觉得华为很牛，华为做了很多产品，直接卖给大家，大家觉得了不起。
可是你看华为早期创业的时候，它也是给中国一些县市一级的通信公司做交换机的机房，那也是到现场去改软件，甚至到现场去改硬件，也是经过了这样一个必然的一个过程。
因为一旦你在一两个模式上获得突破，找到了一个真实的场景，找到一两个成功的案例，你实际上就可以迅速地去复制。
ToC 的机会在出海，出海的机会在 NGFW
李榜主：AI 在 toC 的应用，怎么看？
红衣大叔：在 toC 的场景里边，我觉得互联网这些巨头会在自己已经稳固的场景里，比如，聊天是在微信，视频会在抖音，视频工具会在剪映，加上 AI 的能力。
至于做创新的东西，我认为现在可能还真的还需要时间。
有人发明了一个词叫 NGFW，大家知道 NGFW 啥意思吗？
李榜主：有知道的可以举下手。
红衣大叔：这个叫 Not Good for Work。这种在国内就很难做。但是，我看那些国外的产品，包括中国团队在海外做的产品，如果能做得很深入，是很有机会的。
目前国外做这个 NGFW 的都是闷声发大财的状态。
C.AI 卖身了，怎么看？
李榜主：哈哈，大家都懂的。
C.AI 创始人的退出或者说放弃了，从模型角度不算成功，从创业角度算成功的，你怎么看？有没有创业者可以参考的方向？
红衣大叔：出海做 NGFW。
在国内的话，我就鼓励大家多为国家的大战略做贡献，多做 toB、toG 的应用。
如果让我总结一个，我认为 C.AI 不叫成功。他只是对他的投资人来说，避免了一定的损失。
大家说他放弃了，说明还是做的不够尖锐、不够聚焦。他似乎创造了很多数字人，但是每个数字深度不够的情况下，你刚开始聊的时候很有兴趣，跟哈利波特聊一聊，跟孙悟空斗斗嘴，但是这毕竟不是一种刚需和高频。
李榜主：但是 C.AI 从这个产品的使用时长上来说，确实是要比其他大部分的 AI 产品的时长高非常多。
红衣大叔：跟更差的比可能好一点，但是它的付费率不足以支撑它的发展。
只要你场景选的足够窄，几百亿参数就够了，便宜还好用
李榜主：你为什么要做专业的大模型呢？
红衣大叔：我在很多地方讲过。只要你场景选的足够窄，你对大模型的功能要求不那么全面，专业大模型它就不需要那么高的参数，可能不需要千亿万亿的参数，可能几十亿百亿的参数就够了。
前面面壁智能的 PPT 里肯定是在讲这个，小块头也有大能力。而且基于开源的模型，做这种能力的蒸馏，实际上，对算力的要求也没有那么高。
最近，国内的正好这十几家大模型都不约而同地把价格降低了，这反映两个原因。
一个是他们确实也意识到，他们原来希望模型即产品这个想法实际上没有那么容易做到。
他们需要别人来使用他们的API，因为没有用户的使用，没有数据的反馈，这个模型是进步不了的。
一个是，当价格调低到一定程度的时候，你会发现短期内自己弄一个大模型的运营成本，可能甚至要高于用第三方大模型的 API 的时候，那么你就会愿意接受去用它的API，就形成一个良性的生态。
他们价格的降低，也为我们很多开发者做试错提供了一个机会。
如果我们说，大模型市场是一场工业革命，等于才刚刚开始。
李榜主：给成年人做一个聊天助手，为什么 OpenAI 这么强，大家依然觉得，很多场景不能满意呢？
红衣大叔：因为成人的需求太多了，特别在工作场景里。在工作场景里有很多需求，目前大模型，如果不依赖很复杂的 Agent 框架，不依赖很复杂的 workflow，不调 API，光是一个 Co-pilot 模式，是不 work 的。
但是，如果我们把它放在一个 3 岁到 12 岁的小朋友的场景里，比如说，我手上戴的 360儿童手表上，它是没有工作场景的，我也不希望手表变成一个学习机，就是小孩的一个玩伴，就是小孩的一个AI朋友。
那他所干的主要就三件事，一个陪小孩聊天，第二个给小孩回答各种问题，十万个为什么，第三个给小孩讲故事。实际上这几个场景，用大模型满足，绝对是绰绰有余的。
所以同样的能力，你换一个场景就好解决的多。
李榜主：我给我小朋友做了一个AI爸爸。他问我英语我不会，我就说，让他跟AI爸爸去聊。
红衣大叔：那没必要，我送你个儿童手表就行了。
李榜主：多好，哈哈。
套壳的两种逻辑
李榜主：怎么看待有人说接 API 是套壳？
红衣大叔：不要去管别人说你是不是套壳，用 API 如果就定义成套壳，那以后就没人不是套壳了，最关键的还是要找到应用场景。
就像今天在新能源车里边，汽车工业的分工特别明确，这也是汽车工业干了 100 年积累的一些传统。
如果一个人造汽车的时候，比如说，小米他说什么都自己干，什么都自己造，那他不可能三年，造出一部好的车来。
事实上，今天大家除了核心的智能座舱，核心的支架系统可能要自己做之外，其他很多的技术都是用第三方的供应商。
那你说，这叫不叫套壳？
电池可能买的是宁德时代的，轮胎可能买的是米其林的。所以，我是觉得，可能大家这个这半年下来，有了很多的经验教训，这没有什么理由去嘲笑，也没有理由去放弃信心，放弃希望，我觉得这都是非常正常。
有两种套壳。
一种套壳是本身并没有加入新的场景，只是把它的能力做了一个新的界面，这种套壳比较简单，也没有啥壁垒，你愿意去做也可以，国外有个公司叫 Poe。
我们很多开发者被某些言论给害了，大家做创业的时候不能老听那些评论家的。因为评论家自己不做产品，点评别人是容易。有评论家妄自菲薄，就老认为用开源的，就好像怎么怎么样，就应该自己研发大模型，自己去买 H100 去搞算力，这就把很多开发者引入了歧途。
一种是，把场景越找越准之后，你会发现，今天要解决垂直场景的工作，光有一个大模型和 API 是不够的。
甚至说大模型都已经不是，里面最重要的问题了，最重要的问题变成了，你构造什么样的 Agent 框架。
就是智能体会比大模型更重要，通过智能体，你才能让大模型从快思考变成慢思考，你才能让大模型从一个光是喋喋不休的一个话唠，变成能够有手跟脚，能够调API，能够实际干活的人。
讲一个可能跟大家不一样的观点，Co-pilot 模式实际上不是一个好的场景模式，你真的去做过，你就会发现他就是一个问答的专家，他跟用户的业务联系非常的薄弱，而且并不能直接提高劳动生产率。
现在大家又开始关注 workflow 工作流，最近小到像 Comfy UI 这样的 workflow，大到像扣子和 dify，实际上都在往大的 workflow 在发展。
一个大型的 workflow 可以让大模型的能力，真正的跟一个企业的内部的管理业务流程，外部的产品和服务，紧密的融在一起，包括 RAG 外部的知识对齐。
过去认为大模型是核心，这些是大模型的辅助组件。现在如果大模型走垂直路线，RAG、Agent 还有 workflow 变得非常重要，这几个东西做得好坏，直接决定大模型的效果。
吴恩达也有一句话，说一个好的 Agent 框架和 workflow 加上 GPT3.5 最后在某些事情上的效果，是可以超过GPT4.0 。
总而言之，我们很多人也被 OpenAI 误导了，因为 OpenAI 在发布 ChatGPT 的时候，为了让大家容易接受，做了一个聊天机器人的界面，我们很多人就迷信死了这个聊天机器人界面。实际上，在很多场景里，你做了一个聊天机器人界面，是不能直接解决用户的很多问题。
1 个千亿模型换成 5 个百亿模型，响应速度快十倍不止，推理成本降很多
李榜主：我去了您 ISC·AI 的发布会，发布了AI助手，AI 助手是一个什么逻辑？
红衣大叔：AI助手，我们先把它集成到360浏览器和桌面上来，先让我们国内这 15 家兄弟大模型厂商，包括360智脑一共16家，有一个入口的流量。
同时，让愿意尝试使用 AI助手聊天机器人的用户，有一个可以对比的对象。当一个大模型让你不确定的时候，让其他几个大模型的结果给你做参考，这样你总能找到正确的答案。
更重要的是，我们在做一个 COE 的架构，COE 架构类似 workflow 或 Agent 框架的一个扩大版，是我们专门训练的一个意图猜测模型。Agent 讲究模型的能力增强，Workflow 讲究模型跟业务的融合，COE 架构讲多个模型的协作。
通过意图猜测模型来知道用户的意图之后，来调度其他的若干个，这方面比较擅长的同行大模型来完成工作。
我们做了一个非常复杂的测试，大概有了4000个意图分类，是依据用户在使用 AI 搜索时候真实的问题意图来分类的，这要大过任何一张大模型曾经做过的卷子。
我们给国内这 16 家大模型做了一个能力放射图，测试完我们就知道，百度擅长什么，阿里擅长什么，我们希望把他们的能力能综合起来，用户不需要，手动的去调度，用哪个模型，而是由我们的调度模型在背后调度。
相当于 16 个有点偏科的学生，每个人都只做自己最擅长的卷子，希望总分能够超过GPT-4。
现在文字能力肯定已经能达到了效果，多模态还差一点。
下一步，我们也会引入类似扣子、Dify 这样的 Agent 框架，那就不光是有一个意图猜测模型在做路由，在做任务的分工，而是通过 Agent 框架来调度多个模型。
譬如：你要做一个翻译，文心一言先做第一遍翻译，然后让阿里通义千问来做挑战跟质疑，最后 deepseek 来做一个润色和改写。
可能三个模型通过一个workflow，通过一个 Agent 框架，协同工作就来达到一个效果。
李榜主：COE 框架已经在用到，360 的某一些产品场景里面了吗？
红衣大叔：用到了我们 360安全大模型里。
也说的不对，因为没有一个叫 360安全大模型的东西存在，实际上里面做了 6 个专业小模型，这 6 个专业小模型，一个模型就干一件事儿。
实际上，在360AI浏览器背后，我们最早也是一个千亿模型。我不知道 Kimi 的同学来了没有，kimi 做这个长文本文档分析，我都替他们心疼，他们的费用肯定高得不得了。
因为大模型最难的就是成本高，所以后来我们把 1 个千亿大模型换成了 5 个百亿大模型，专门有一个大模型做翻译，专门有个大模型做分析，专门有一个大模型做阅读，专门有个大模型做改写。
整个的响应速度比原来千亿模型，可能快了十倍都不止，推理成本也降低了很多，对算力的要求也降低了很多。
所以还是那句话，一定要找对场景。
找不对场景，你今天用 GPT-4 可能都觉得做不出来，交付不了。
找对了场景，只要你不是老梦想做一个大模型，啥问题都能解决，那肯定是可以的。
这都是被 OpenAI 给带到沟里去的，OpenAI 的想法是做一个全宇宙最强，叫 AGI。
全世界什么人，不管干什么，都来用我一个东西就好了，这个想法固然很伟大，但是现在，真的做不到。
免责声明
本文内容(图片、文章)翻译/转载自国内外资讯/自媒体平台。文中内容不代表本站立场，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除。