# 完整经历 AI 四小龙与 RPA 浪潮后，他觉得 24 年会迎来 2B AI 应用的爆发 | 对谈澜码创始人周健 42章经 · 2024-03-23 澜码创始人周健与曲凯对谈，回顾了AI四小龙时代的经验教训，对比大模型浪潮，认为2024年将迎来2B AI应用爆发。他直言不看好RPA+AI组合，认为企业算力管理是刚需，并分享了澜码在知识问答、数据分析和任务自动化等场景的落地实践，以及AI Agent当前面临的感知和世界模型挑战。 ## Key moments - **[0:00] 嘉宾介绍** - **[2:25] AI时代对比** - [2:25] 周健认为，与AI四小龙时代的计算机视觉不同，大模型是一项通用技术，文字适配各行各业，有望带来商业模式改变。 - [6:05] Q: 哪些大模型应用已经有市场契合？ A: 周健认为代码生成模型如GitHub Copilot已经算得过账，其他场景还在探索。 - [7:03] 曲凯提出当前市场是面向资本而非用户，公司先抢最大融资额再发展；周健认同这一现状并指出行业内确有这种风气。 - **[7:32] RPA与AI** - [10:09] 周健笑言：“从Sora看起来，这件事情应该并没有那么难。” - [12:16] 周健直言RPA与AI的结合并不正确，RPA过去主要解决任务自动化，缺乏对数据的理解。 - [13:30] 周健预测RPA将逐渐淡出讨论，其天花板已被封住，未来应由AI Agent来自主决定执行方式。 - **[14:59] 经验教训** - [15:13] Q: 从依图和弘玑经历中学到哪些可复用的教训？ A: 周健分享两点：一是竞争对手会用非技术手段打击；二是组织扩张中如何平衡老员工与职业经理人。 - [16:00] 周健回忆2018年依图在人脸识别达到PMF时，突然发现海康威视已制定国家标准，意识到竞争不只在技术维度。 - [17:24] 周健总结组织管理难点：创业初期CEO与一线很近，但引入职业经理人后需平衡雇佣军和子弟兵，下行时老兄弟是压舱石。 - [19:51] 周健反思虽然已是第三次创业，但每波浪潮的变量节奏不同，这次他花大力气做品牌，结果证明赌对了趋势。 - **[20:49] 市场现状** - [22:45] 周健发现央国企客户已经投入大量算力，这反过来驱动他们必须寻找应用来交代，为澜码这样的厂商创造了机会。 - **[23:55] 2B选择** - [24:24] Q: 为什么坚持做国内toB？ A: 周健认为国内toB存在结构性机会，管理软件与国外差距巨大，且地缘政治倒逼企业提升管理效率。 - **[27:31] 落地场景** - [27:31] Q: 澜码已经落地的AI应用有哪些？ A: 周健介绍主要落地在知识问答、数据分析、任务自动化三类场景，服务于企业内部后台和职能岗位。 - [28:21] 周健强调企业算力管理是刚需：随着GPU投入增加，如何管理多模型、多应用、调度资源是甲方痛点。 - [31:20] Q: 澜码做得最好的地方是什么？ A: 周健归因于时机早，2月即与金山办公合作，快速摸清模型边界，领先市场。 - **[34:13] Agent难点** - [34:35] 周健认为实现业务流程自主化的核心是Agent具备环境感知能力，能自主获取上下文而非被动接受指令。 - [36:10] 周健指出当前AI Agent难以落地的根本原因：仅通过预训练文本学不会像游泳这样的交互式技能，缺乏精确世界模型。 - [37:11] 周健比喻：“今天大语言模型是文科生”，企业内部大量数值型经验是现有模型解决不了的。 - **[38:55] 爆发预测** - [38:55] 周健预测2024年toB AI应用将爆发，技术已经够用，市场、资本、需求都已就绪，只缺好产品打通。 - [40:02] 周健对AI创业者的建议：当前最缺好的AI原生产品经理，需要懂得定义数据集以提升端到端准确率。 - **[41:24] AGI未来** - [41:24] 关于AGI路径，曲凯问周健是否相信Transformer，周健表示可能不是，他更倾向人机协同和共生。 ## Speakers - **曲凯** (host) - **周健** (guest) ## Topics 人工智能 ## Mentioned OpenAI (company), 依图 (company), 弘玑 (company), 智谱 (company), 澜码 (company), 金山办公 (company), AutoGPT (product), ChatGPT (product), GPT-3.5 (product), GPT-4 (product), GitHub Copilot (product), Sora (product) ## Transcript ### 嘉宾介绍 **周健** [0:03] There's something there. **曲凯** [0:19] 我们今天很高兴请到了澜码的创始人周健 。 然后澜码呢 ，其实是去年很多人提到的第一个项目 ， 对吧 ？ 就是 AI 加 2B 这个领域里面算是很知名 、 很有代表性的一个项目 。 然后周健呢 ，他是 02 年你是首次在这个 ACM 获得冠军的亚洲团队 。 **周健** [0:39] 是 ，是的 。 **曲凯** [0:39] 对 。 然后后来我觉得比较有代表性的 ，但是你后面做了很多事情 ， 包括加入了美国 Google 啊等等 ， 对吧 ？ 我看比较有代表性的两段经历 ，其实第一是你当时是那个四小龙的 AI 公司依图的十号的员工 。 **周健** [0:52] 对 ，是 。 **曲凯** [0:52] 对吧 ？ 然后另外呢 ， 就是说你的上一份工作应该是在那个弘玑 RPA 做 CTO。 **周健** [0:56] 是 。 **曲凯** [0:57] 啊 ， 然后去年开始是做了 —— **周健** [0:59] 自己出来做了澜码 ，是的 。 **曲凯** [1:00] 是 。 对 。 然后你可以先给大家简单介绍一下吧 ， 你的核心的一些经历 。 **周健** [1:05] 好 。 呃 ， 一个是刚才提到的学生时代的那个拿冠军的经历嘛 ， 所以也算是一个光环吧 。 所以其实一毕业的时候 ，TAF 老师就把我招到了那个谷歌中国 ，但我很快就去了美国 ， 去负责整个中文网页的搜索质量的调优 。 然后在美国做了两三年之后呢 ， 当时正好是那个王坚博士从微软去了阿里巴巴 ， 所以我是阿里云的创始团队之一 ， 就是负责整个阿里云底层的存储的这个第一个团队负责人吧 。 啊 ， 然后再后面就是刚才提到的 ， 就一个是说在 AI 1.0 时代做那个 AI 产品和 AI 工程 ， 然后在那个做企业服务里边这个业务流程自动化的这样一个公司做 CTO。 **曲凯** [1:47] 然后你当时怎么想着就出来做澜码的 ？ 所以你其实是正好去年年初的时候出来 。 **周健** [1:53] 对 。 下决心其实就是 ChatGPT 出来的没几天 。 **曲凯** [1:57] OK。 **周健** [1:57] 啊 ， 然后那因为本身其实也觉得说业务流程自动化其实是一个人类需要被解决的一个问题 。 那么今天其实有了一个大语言模型之后， 就是觉得说有一个通用性的一个技术 ，而且十分便宜可获得 ， 那么整个这个技术可实现性高了很多 ， 所以觉得说可以值得去重新做一遍 。 **曲凯** [2:15] 是 ，是 。 你在依图待的时间是比较长的 。 **周健** [2:18] 时间是最长的 。 对 ， 应该是有六七年的时间了 。 **曲凯** [2:21] 基本上就经历了它早期最快发展的一几年吧 ， 对吧 ？ **周健** [2:25] 是 ，是的 ，是的 。 ### AI时代对比 **曲凯** [2:25] 当时我们叫 AI 四小龙 。 **周健** [2:27] 是 。 **曲凯** [2:27] 对吧 ？ 你看现在正好大模型 ， 大家讲的也剩四家 ， 对吧 ？MiniMax， 然后白川 ， 然后 Moonshot， 还有知谱 ， 还有一个那个借月星辰 。 今年可能后面也会有些人听到这个名字 ，是吧 ？ 但不知道他们后面会怎么样 。 但现在水面上呢 ， 基本上大家也觉得就这四家 AI。 **周健** [2:44] 对 。 **曲凯** [2:44] 对 。 然后也有人不看好大模型的这一波 ， 会拿它去怎么讲 ？ 就是它会讲到当年的四小龙的故事 ， 对吧 ？ 说融这么多钱 ， 最后从商业结果或者回报上来讲 ，也不一定最后一定有一个多好的回报 。 因为你正好经历过当年那一波 。 **周健** [3:00] 是 ，是 。 是这样 ， 就是说我觉得 AI 1.0 的时候 ， 实际上它主要还是在所谓的计算机视觉 。 那么计算机视觉里边 ， 实际上是第一个开始证明说我们可以用一些不像过去那种传统的这种很重的这种方式去做解题 ， 解一些人脸识别也好 ，OCR 也好 ， 或者说各种工厂里边的生产线上质量检测也好 。 但是呢 ， 我自己觉得呢 ，其实 CVM 不是一个通用性的技术 ， 就它在企业内部基本上都是点状的 ， 你很难去拿到一个面状的东西 。 那依图我觉得已经是属于就是找到了一个所谓的 PMF， 它其实在安防里边找到了一个地方 ， 就是随着技术不断的演进 ， 可以有新的场景不断的解锁 。 因为新场景的解锁 ， 你是作为技术领先方的话 ， 实际上就能够要求高毛利 。 啊 ，但是当时可能只在安防行业里边有这么一个机会 ， 那么这时候实际上商业模式上就没有给你一个带来变化的这个可能性 。 那随着技术到达那个天花板之后， 后继乏力嘛 。 那这是我觉得当年 AI 1.0 时候的一个最大的问题 。 那现在呢 ， 实际上会有一个很大的区别 。 首先第一个是说 ， 它突破的是一个自然语言理解 ，而且在 ChatGPT 的角度上来讲 ， 它其实是个通用性的技术 。 因为文字在各行各业 、 各个职能 、 各个功能上面其实都会用 ， 当然有先的跟后的 ，但是各行各业其实都能用上这个变化 。 那么我们自己像澜码现在在试图去做的 ， 就是把这个所谓的智力 ， 我们认为大模型其实把它变成了一种智力 ， 我们能把它变成一种生产力 ， 或者说能把它变成一种专家时间 。 那么这时候实际上它的这个适用面 ，以及说它有可能带来商业模式的改变 ，因为技术还在不断的演进 ， 就是这两者其实是兼有的 。 那么这时候实际上我觉得会打开一个新的 、 跟过去 1.0 时代很不一样的一个地方 。 当然对于大模型公司来讲 ， 我觉得今天其实跟 CV 四小龙时候又会不一样的地方在于说 ， 当年 CV 四小龙还是直接自己需要端到端场景打通的 ，但是大模型今天实际上已经蛮明显在价值链上面 ， 它其实仍然是一个还偏底层的技术 ，但是在横向的这个整合 ， 那它上面实际上 还是需要有应用方也好 ， 或者中间层也好 ， 帮助它去接到各行各业去 。 就像现在其实 2B 里边做的最深的像智谱 ， 那它其实我知道的是 ， 它已经有好多行业的头部企业都找到它 ， 那它基本上完全不可能有能力能够把所有的客户都服务好 。 那这时候实际上是有一个生态位的 。 那么竞争会变得更复杂 ， 很有可能大模型的公司的竞争是要以生态链为核心来去竞争的 。 **曲凯** [5:36] 对 。 我也同意你刚才讲的 ， 就是 AI 1.0 的时候是只有 CV 这个落地场景 ， 就很垂直 ， 然后肯定不如现在的这个整个的 AI 大家想象当中的大 。 但至少 AI 四小龙还是有很多实际化的商业订单跟收入的 ， 对吧 ？ 但现在的这些大模型其实还是基本上很少的 。 就智谱不管怎么讲还是有些收入的 ，其他几家应该就更少了 。 **周健** [5:58] 对 。 现在其实两种嘛 ， 一种就是 2B 嘛 。2B 现在其实我觉得比较 valid 的有 PMF 的 ，是代码相关的模型 。 我觉得这是有 PMF 的 ， 就是 —— **曲凯** [6:07] 代码肯定是成立的 。 对 。 **周健** [6:08] GitHub Copilot， 包括说现在智谱也有代码生成模型 ， 包括你可能跟 CRD 什么之类的 ， 我觉得这个价值是算得过来的 。 啊 ， 然后其他的话 ， 现在所谓的知识问答 、 指标查询 、 任务完成 、 流程提醒 ， 这是给我们的客户总结的四大类场景 。 我觉得有价值 ，但是它跟现在需要付出的代价比起来还是账算不平 。 啊 ， 所以更多的现在还是政策在引导大家需要积极去拥抱这个东西 ，而并不是说我真的是已经到了说能够提供商业价值超出我的成本的这个时候 。 **曲凯** [6:42] 对 。 然后我听说当年商汤其实他们有个策略 ， 就是说我要把所有的钱都拿了 ， 然后把所有好的人都招过来 ， 对吧 ？ 然后再慢慢的去发展 。 **周健** [6:51] 对 。 **曲凯** [6:51] 是吧 ？ 对 。 就我前几天看了一篇文章 ， 我觉得他讲的挺有意思 。他说现在包括过去好多年， 整个市场它其实不是面向用户 ， 还是面向资本 ， 就是有点那个垄断资本的一个发展路径 。 因为如果这些公司这么缺钱的话 ， 那然后市场上其实能给到大钱的机构可能也没那么多 。 **周健** [7:09] 对 。 **曲凯** [7:10] 对吧 ？ 然后机构很多时候也会站队 ， 对吧 ？ 你给完 A 就不会再给 B 了 。 **周健** [7:13] 对 。 **曲凯** [7:14] 啊 ， 当年四小龙也有这个情况 ， 对吧 ？ **周健** [7:16] 对 。 **曲凯** [7:16] 现在其实这几家大模型我觉得也是这样的 ， 就最后还是说大家反正我先把最多的钱拿了 ， 然后我再去慢慢发展 。 **周健** [7:24] 现状有这个风气在 。 **曲凯** [7:26] 嗯哼 。 嗯哼 。 对 。 所以你从依图出来就去了那个弘玑 。 **周健** [7:32] 对 ，是 。 ### RPA与AI **曲凯** [7:32] 对 。 弘玑其实那两年 RPA 也蛮热的 ， 对吧 ？ 有好多家 。 **周健** [7:36] 是 。 **曲凯** [7:36] 你能不能用简单几句话给大家解释下 RPA？ **周健** [7:39] RPA 其实就是相当于用一些技术能够模拟人对系统的一个操作 。 那它最核心的一个技术能力就是原来用户鼠标点击了这个屏幕上面某个应用的 ， 比如说一个 button， 那么 RPA 其实就是有一系列的技术 ， 使得说下一次不管屏幕上只要有这个应用 ， 我还能选择对 ，并且去点击进去 。 相当于是个爬虫的高级版 。 **曲凯** [8:04] 嗯哼 。 **周健** [8:04] 啊 ， 就是过去爬虫可能是如果是网站的话 ， 你是需要去写很多复杂的程序才有可能做到这个事情 。 那它现在只需要你去点一下， 它就可以模仿你的点击的那个操作 。 那因为有了这个能力之后呢 ， 所以它其实能够解决的是很多员工原来是需要数字化转型 ， 它需要填写数据 ， 那需要在不同系统里边去作为数据的搬运工 。 那么现在实际上就不用了 ， 它可以有靠这样一个机器人重复性的帮你去做这些搬运工的事情 。 它用了一个所谓的叫操作系统内部本身有的一个叫 accessibility 的技术 ， 就是让残疾人就是 。 **曲凯** [8:40] 啊 。 **周健** [8:41] 就是盲人可能是能够去点击的这样一个技术 。 **曲凯** [8:44] 嗯 。 那这个东西听起来也没有什么壁垒啊 ， 好像也不是多 AI 或者多技术突破的事情 。 **周健** [8:49] 呃 ， 对 。 我觉得它更多的是一个经验性 ，因为不同的行业实际上它用的 IT 系统的程序框架有一点不一样 ， 那所以你是必须都克过去的 。 就每一个每一个行业的特殊性 ， 你需要靠这个技术一个个的去解决掉 。 所以当你做过很多行业的时候 ， 你的效率就会比别人高 。 **曲凯** [9:07] OK。 所以它是个大量的需要工程落地的一个 。 **周健** [9:10] 对 ， 对 ， 对 。 是一个经验性的一个一个技术 ，而不是一个深度的一个技术 。 **曲凯** [9:14] 嗯 。 我前两天看新闻说 OpenAI 在做一个就是手机端 ， 那直接用 Agent 去 ，但其实它是模拟人的操作 ， 说我点开那个 APP 做什么选择 ， 这个和桌面端也还是挺不一样的 ， 对吧 ？ 这个好像难度更高一点吧 。 **周健** [9:28] 我们尝试过在移动端去做这些 ， 那因为呃移动端的操作系统 ， 特别是像 iOS， 就会有很强的这个封闭性 。 **曲凯** [9:35] 嗯 。 **周健** [9:36] 那于是去做这样的一个操作模仿可能是会比较困难的 。 但是我也知道有一些技术 ， 它其实是会用一些像用服务器去虚机去模拟出来手机端 。 所以那那个时候因为它本来是虚拟出来的 ， 所以很多的权限的问题其实可以被解决掉 。 类似的实际上 OpenAI 包括像国内的像腾讯 、 像阿里 ， 包括有一家创业公司专门叫 Adapt.ai，其实都在试图解决这个问题 。 **曲凯** [10:01] 嗯哼 。 那那你觉得这个今年能解决掉吗 ？ 这个问题 。 **周健** [10:04] 不确定 。 从 Sora 来看起来 ， 这件事情应该并没有那么难 。 **曲凯** [10:09] 哈哈哈 。 **周健** [10:09] 因为 Sora 的用的手段其实也是所谓的用一个真引擎去生成数据 ， 然后去学会后的那个模型嘛 。 那因为我觉得本身 D 代码去最后建各种 APP 其实已经是有这样的工具了 。 所以 OpenAI 用这样的技术路线 ， 用暴力把这个问题解决掉 ， 我觉得我不意外 。 但是因为 Adapt.ai 本身其实已经拿了三四亿美金了 ， 它有先发有使嘛 。在这个问题上 Adapt.ai 是先做的 。 那么为什么 Adapt.ai 一直没有放出一个 production 的东西 ？ 因为它本身的科研实力也不弱 ， 它也是 OpenAI 的工程副总裁出去做的嘛 。 所以我觉得我不确定 。 **曲凯** [10:44] 对 。 因为这个事如果能做 ， 相当于说 OpenAI 不需要跟各个商家去谈合作了 ， 对吧 ？ 我也不需要接你的 API，不需要干嘛的 ， 对吧 ？ 你今天你在 OpenAI 里面说我要点个外卖 ， 它就直接跳出来帮你打开一个外卖 APP， 帮你点了就好了 。 **周健** [10:58] 是 。 我其实很意外说过去一年国内的那些大厂并没有互相竞争 ，因为在我看起来其实不同的应用 ， 比如说携程 ， 比如说滴滴 ， 比如说美团 ，其实是有很多连接在一起的 。 比如说我要出差 ， 那能不能帮我把机票 、 酒店 、 出租车 、 餐厅都能订好 ， 包括地图 ， 对吧 ？ 然后我不需要在不同的应用之间去换来换去的 。 **曲凯** [11:22] 是 。 **周健** [11:22] 啊 ，但是 Sofa 并没有出现 。 **曲凯** [11:25] 这个主要是资源和利益上的问题吧 ？ 就是你真的要打通这么多资源方 ， 要做这件事 。 **周健** [11:31] 对 。 但是这件事明显是有它的价值嘛 ， 就是工程量肯定不小 ， 或者说其实会需要商业上的连接 ， 确实需要做很多事情 。 但是价值上把别人推到你背后去的一个工作嘛 。 大家对于路口其实是应该要去竞争的 。 也有可能大家觉得说这场仗一定要打 ，但是呃他也不想先挑起来 。 就像当年移动互联网出现之后， 滴滴跟那个快递其实背后是阿里跟腾讯嘛 ， 那大家其实也是等了 。 你想 07 年 iPhone 出来的 ， 然后一直到 13 年、14 年才开始打架 。 对 。 所以可能确实是需要一些时间吧 。 **曲凯** [12:08] 嗯嗯 。 是 。 讲回在 RPA 这一块 ， 过去一年里面也有蛮多人在讲说 RPA 和 AI 是一个特别好的结合 。 **周健** [12:14] 嗯嗯 。 **曲凯** [12:15] 我不知道你怎么看这个 。 **周健** [12:16] 呃 ， 我觉得其实并不对 。 因为 RPA 是什么呢 ？RPA 其实更偏跟系统之间的连接 。 那它最大的问题可能也一直在讲说它对其实整个处理的数据并没有理解 。 那大语言模型今天实际上它最擅长的是对文本进行处理 ， 就是现在的 low hanging fruit 更多的是在文档处理 ， 就所谓的知识问答以及指标查询上面 。 所以 RPA 本身实际上跟 AI 的结合 ， 当前为止我看到的厂商基本上都只是在做 RPA 实施流程当中的提升 。 那这个其实就只是它内部的事情 ， 跟外部的人其实关系并不大 。 **曲凯** [12:50] 嗯 。 **周健** [12:50] 就怎么讲 ， 就 RPA 其实我觉得过去主要解决的还是所谓的叫任务自动化的问题 。 **曲凯** [12:55] 嗯 。 **周健** [12:56] 就是这个人知道应该怎么做 ， 那他今天只是偷懒 ，不想这么 tedious 的一步步的去干 。 那这是 RPA 解决的问题 。其实原来 RPA 也讲过说我们要做增强自动化 ， 我们相当于要能够有专家的知识去赋能这层业务员工 。 **曲凯** [13:10] 嗯 。 **周健** [13:10] 但是这个过去是很复杂的 ， 然后不好做 。 那现在因为有大语言模型之后， 专家可以很容易的把他的知识灌输给这个 AI。 流程自动化也是一样的 ， 所谓的流程其实比任务多的就是人与人之间的协作 。 那么人与人之间协作 ， 如果你不能理解语言 ， 你根本就没有办法去代表人去协调 、 去对话 。 所以这里我自己觉得说 RPA 就应该大家就慢慢不谈了 ， 就是已经不重要了 。 **曲凯** [13:36] OK。 啊 ， 就你我也听人讲过 ， 就是 AI 出来其实 D 代码这一类的好像就都都不太行了 。 **周健** [13:41] 是是是 。 **曲凯** [13:42] 嗯哼 。 **周健** [13:43] 其实不是说它会消失 ，而是说它的天花板会被封住了 。 因为蛮明显的一件事情是说其实 Java、Python、JavaScript 这些代码其实不应该有大量人在去写了 。 那么我们实际上应该是慢慢慢就有点像当年数据库会出来一个 SQL， 那么我们其实就应该出来一个类似的声明式的语言 ， 去把这个问题以及我相信怎么解决的步骤可以去描述 。 至于它是怎么实现的 ， 它用 RPA 还是 D 代码还是 BI， 还是用其他的大语言模型的 prompt，其实都应该由机器来去决定 。 **曲凯** [14:13] 嗯哼 。 **周健** [14:14] 就人应该是更多的去说的是问题以及它的解决的思路 ，而不是怎么去执行这个事情 。 **曲凯** [14:20] 嗯 。 但我觉得核心问题是现在 AI 还没到那一步 ， 对吧 ？ 所以大家发现说我用一些原来已有的技术 ， 然后加一点点 AI，AI 其实在里面可能占比都不高 ， 然后套成 AI 的壳 ， 反而是 。 **周健** [14:33] 我觉得在 C 端的应用可能这个逻辑是正确的 ，但是在 B 端的应用来讲其实不是 。在 toB 里面实际上现有的技术已经达到了 ， 只是说现有的这些开发厂商它的思路的转化 ， 然后包括说去探索 、 去摸索需要时间 ，并不是技术没到 ，是探索没到 。 **曲凯** [14:53] OK。 所以你们更多的还是站在说下一代的 toB 产品 。 **周健** [14:57] 对 。 **曲凯** [14:57] 应该会是什么样子来做这件事 。 ### 经验教训 **周健** [14:59] 对 。 **曲凯** [14:59] 哎 ， 然后你从依图跟弘玑这么多年的这些经历来讲 ，有哪几件事是你觉得当年总结的一些经验教训 ， 然后现在又可以用到这个创业里面 ， 可以分享某几个比较典型的吗 ？ 不管是融资啊 、 商业啊 、 招聘啊 、 管理啊等等都行 。 **周健** [15:18] 我觉得其实几个事情啊 ， 一个是在依图里边吧 ， 当时实际上因为是一个技术驱动的公司 ， 所以我们当时是在自己公司内部 ，其实有点不能叫做自嗨 ， 就是自己很 enjoy 自己的这种成长 。 **曲凯** [15:34] 有点那种科研的感觉 ， 对吧 ？ **周健** [15:36] 对 。 我印象很深刻的一件事情是那个在 2018 年的时候 ， 我们的人脸识别 ， 就是所谓的就那个演唱会的那种场景 ，在很多的城市 ， 我觉得就达到了 PMF 吧 。 **曲凯** [15:48] 嗯 。 **周健** [15:48] 所以那年是整个是十分兴兴奋的那个状态 ， 包括年终奖其实大家也发展很好 。 **曲凯** [15:53] 嗯 。 **周健** [15:53] 但我印象很深刻就是那年快要春节之前 ， 然后突然老板拿来了几个国家标准 ， 发现海康威视在这个领域里边已经制定了国家标准 。 本来依图是准备后面要去做很多东西的 ，其实海康威视用它的办法把它给设定住了 。 那件事情对我的印象是十分深刻 ， 就是人家根本不跟你在你的战场上面去玩 ，而人家就挑了一个自己擅长的 。 因为它就是作为大公司嘛 ， 它其实可以动用的手段 、 社会资源其实比你大很多嘛 。 所以从这个角度上来讲 ， 它其实是可以去解决掉这个问题的 。 **曲凯** [16:30] 就是说当你到达某个体量以后 ，其实就不只是拼技术了 ， 对吧 ？ 它是一个综合上商业的竞争 。 **周健** [16:35] 对 。 **曲凯** [16:35] 最终发现可能最大的竞争者不是四小龙之间 ，而是海康或者其他的一些这种公司 。 **周健** [16:42] 对 。 那时候应该是没有商业模式的认知 ，但是就是开始去知道说哦 ， 原来是是这样子的 。 **曲凯** [16:48] 就像我在想现在做 AI 这一波 ， 最后可能发现最大竞争者可能是浪潮或者其他的这些 。 **周健** [16:53] 有可能 。 **曲凯** [16:54] 对 。 我也发现尤其是 EG 市场比较中早期的投资人和不太有经验的创业者 ，其实是相对比较单纯的 ， 或者比较理想主义 ， 觉得说哎 ， 某个东西我们有个很好的技术 ， 然后能解决这个需求就可以了 。 对 。 但实际上越往后走 ， 越发现这个世界是比想象当中要复杂很多的 。 **周健** [17:11] 这是一个嘛 。 然后第二个教训其实还是关于组织的那个规模或者组织的这个状态 。 **曲凯** [17:17] 哎 ， 对 ， 你是第十个人啊 ， 对吧 ？ 然后依图最后是多少人 ？ **周健** [17:20] 嗯 ， 最多的时候到过 2,000 人。 **曲凯** [17:22] OK。 **周健** [17:22] 我走的时候应该是 1,000 多人。 **曲凯** [17:24] OK。 **周健** [17:24] 其实能够看得到就是说从组织实际上一开始是十分有活力 ，而且 CEO 跟一线员工是十分近的 ， 包括其实在过程当中能够看到 CEO 采取了很多的手段来试图去解决组织的增长带来的伤针嘛 。 但是等到它到一定的时候之后， 就你会发现因为一个创业其实要成功的时间一般不会少于 7 年、10 年 。 然后最一开始所谓的老兄弟也好 ， 那他肯定有他的弱点 ，他会跟不上这个公司的发展 ， 那就会引入其他的人才 。 那你引入其他人才 ， 那些职业经理人实际上第一 ，他其实没有 0 到 1 的经验 ，他都是拿陈述体系里边的那个经验 ， 就像一直开玩笑讲的电梯往上走了 ， 可能会有人认为做俯卧撑适时的电梯往上走了 。 那这些人进来了之后， 你怎么样去用好它 ？ 然后第二 ，其实对于职业经理人来讲 ， 它某种程度上就叫做一个是雇佣军 ， 一个是子弟兵 。 雇佣军就是来赚钱的 ， 那你怎么平衡好雇佣军跟子弟兵之间的这个关系 ？ 因为 upside 的时候都没有问题 ，downside 的时候职业经理人是很容易能够走掉的 。 那么这时候其实是靠老兄弟作为压舱石的 。 如果有些没有处理好的话 ， 实际上就会老兄弟会走 ， 走完之后其实整个组织它的这个基石其实就会受到影响 。 那怎么样 ？ 因为所有的企业一开始的时候都是高速增长 ， 然后实际上在高速增长进入就是一定会稍微平缓的时候 ， 那这个踩刹车的时候其实就是十分难的一个关 。 这里实际上那今天我也又重新在做一些新的创业公司 ， 当然现在我仍然在头疼的是说我怎么样能够让我飞起来 。 但是很快其实如果戴上这个饰之后， 实际上你的问题就是怎么样能够平缓的能够去蓝点 ， 对吧 ？ 或者说怎么样能够做到现金流为止 ， 这个是公司必经的一个路径 。 **曲凯** [19:11] 这个有一点像这个整体的对节奏的把控吧 。 **周健** [19:15] 是 。 **曲凯** [19:15] 我觉得包括融资节奏其实也是很重要的 。 **周健** [19:18] 是 。 **曲凯** [19:18] 然后招人的节奏啊 ， 各种 。 **周健** [19:20] 是 。 我觉得创业实际上还是特别有意思的一件事情 ， 就是说看似有类似性 ，但是它实际上难的确实就在于说判断新的这个变化 。 因为所谓的创业其实就是在高速不确定情况下面要高速增长嘛 ， 那你肯定是赌对了一些事情 。 你有一些是社会非共识的事情 ， 你认为是这个样子 ，但是这个东西它本身是一个什么尺度的事情 ， 然后它会因此给这个客户 、 社会 ， 包括技术产品会带来一些什么样的变化 ，其实这是难的 。 **曲凯** [19:51] 嗯 。 **周健** [19:51] 啊 ， 就像这回虽然我已经经历过 AI， 对吧 ？ 深度学习的那一波 ， 包括 RPA 的那一波 ， 那现在已经第三回了 。 **曲凯** [19:58] 嗯 。 **周健** [19:59] 但是第三回的感受跟前两回的感受是不一样的 。 比如说像我的品牌 ， 实际上我在去年的时候是花了比较大的力气 ， 至少有 20 到 30 的我的时间 。 那在过去的经历里边 ， 这个其实是不对的 ， 就是说你这么花下去效果不会那么好 。 **曲凯** [20:13] 嗯 。 **周健** [20:14] 啊 ，但现状是我们确实是很多的央国企其实已经是通过邮件找到我们了 ， 就说明我赌对了 ， 就这个趋势是大到这个地步 ， 全社会可能都会对这件事情感兴趣 。 所以这里确实是有意思的地方 ， 就是其实有那么多慢变量 ， 对吧 ？ 社会本身的反应 ， 技术的成长的速度 ， 行业的 merge 的水平 ， 然后甲方自己本身的这个变化的速度 ， 每一次其实都会有不同的速率嘛 。 那么这个就是你怎么样能够就感知到这个温度 ， 然后并且能够提前预判能够做出那个准备 ， 这个是我觉得是挑战的地方 ，也是有意思的地方 。 **曲凯** [20:49] 从市场上呢 ， 你感觉就我觉得你第一段依图其实是市场还是挺好的时候 ， 对吧 ？ 而且是有很大的热点 ，但你做的事情我觉得还是拿榔头找钉子的 ， 对吧 ？ ### 市场现状 **曲凯** [20:59] 就至少在开始阶段的时候 。 然后弘玑呢 ，其实也是市场很好 ，但是更偏工程落地 ， 然后是肯定能落地的 ， 对吧 ？ 可能里面就是 。 **周健** [21:08] 做商业化拓展的问题 ， 然后怎么去去扩收入 ， 怎么去做毛利率的事情 。 **曲凯** [21:13] 对 。 然后现在的这个 AI 市场热点虽然很高 ，也有点点拿榔头找钉子 ， 然后这个榔头好像还不太好用 。 **周健** [21:21] 对 。 **曲凯** [21:22] 是 。 对 。 所以我不知道你整体对于现在市场环境啊 ， 什么感知 ？ **周健** [21:26] 这次的区别在于说大家都特别热情啊 ， 就大家都特别想要去参与这件事情 。 **曲凯** [21:33] 嗯 。 **周健** [21:33] 过去其实 RPA 没有 ， 比如说像我刚创业的去年的上半年， 我其实通过各种关系很容易就见到了十几个上市公司的 CEO。 **曲凯** [21:45] 嗯 。 **周健** [21:45] 啊 ， 那他们就特别关心 ， 对吧 ？ **曲凯** [21:47] 对 ， 我也有感受 。 去年是我认识上市公司 CEO 最多的一年 。 **周健** [21:51] 对 。 **曲凯** [21:51] 对 。 **周健** [21:52] 就整个感觉是所有人都动起来 ， 所以它的变化速度很快 。 然后呢 ， 本身呢 ， 外部的新闻实际上也会引起他们巨大的一个变化 ， 就像 Sora 实际上是有很大的变化的 。 **曲凯** [22:04] 嗯 。 **周健** [22:04] 这些事情上实际上是跟过去很不一样的一个情况 。 **曲凯** [22:08] 对 ，但我感觉大家动起来以后呢 ， 就像你讲的 ， 大家虽然是热情 。 **周健** [22:11] 对 。 **曲凯** [22:12] 但大家热情的是说大家都动起来 ， 然后坐在这说 OK， 我们开始聊吧 ， 到底能做啥 ？ 然后聊半天呢 ，不一定聊出来能做啥 ， 就是热情很难转化成实际的落地 。 **周健** [22:21] 对 ， 所以这里其实就是要去分辨嘛 ， 就是到底什么实际上可能只是我在给他做培训 。 **曲凯** [22:27] 嗯 。 **周健** [22:27] 我在提高他的认知 ， 然后免费培训 ， 哪些实际上是真的可能他们已经动心思想要去试了 ， 已经下决心了 。 **曲凯** [22:36] 但我这么多年看起来 ， 我觉得 toB 里面 ， 尤其是在一个行业早期的时候 ， 你很容易就做成咨询加项目这个东西了 ， 甚至于有些时候这个是不可避免的 。 **周健** [22:45] 对 ，但今天其实不一样的地方还是说他们会先就投算力的 。 **曲凯** [22:51] 嗯 。 **周健** [22:51] 啊 ， 然后投完算力之后 ，其实反而责任或者说压力来到了他们这边 ，因为对他来讲 ，他给领导去汇报说我花了 3,000 万 ， 然后领导问你做了啥 ， 做了个企业知识问答 。 **曲凯** [23:04] 嗯 。 **周健** [23:04] 他就没法交代 。 **曲凯** [23:05] 嗯 。 **周健** [23:05] 所以这时候实际上对于我们这样的厂商 ， 相当于是说算力本身其实应该是作为我们价值的其中的一部分 。 那么今天反而是它会作为一个驱动的因素 。 就本来比如我们做一个应用要用 10 张卡 ， 那么其实我就要向客户证明说我这个应用确实是能够把 10 张卡包进来 ， 价值能够更大的 。 那现状呢 ，是反过来 ， 现状是说哎 ， 客户已经有 10 张卡 ， 如果我能把它现有的利用的效率提高 10%， 那 10 张卡的 10% 的价值里边我就能去分 。 **曲凯** [23:36] 嗯 。 **周健** [23:36] 那这个逻辑是很怪异的逻辑 ， 可能只有在现在这个段的市场上才会有这样的需求吧 ， 可能等到一年我估计就没有这个事情了 。 **曲凯** [23:45] OK。 嗯 。 蓝码现在做的应用还是 toB toG？ **周健** [23:49] 主要是在 toB， 对 ，G 很少 。 **曲凯** [23:52] OK。 **周健** [23:52] 主要就是 toB。 对 ， 就主要是对的是央国企 。 ### 2B选择 **曲凯** [23:55] 嗯 。 哎 ， 我有认识一些人啊 ， 我觉得挺有意思 ， 就是他如果之前做了很长时间 toB 以后 ，他就不想做 toB 了 。 **周健** [24:02] 呵呵 。 **曲凯** [24:02] 对吧 ？ 他觉得 toB 太累太麻烦了 。 那你做了这么长时间的 toB， 尤其是我觉得国内的偏 SaaS 和 toB 的在过去几年里面其实经历了好几波的波风波谷 ， 波风波谷 ， 现在绝对是在波谷了 。 我记得 21 年最夸张的时候 ， 可能大家给 SaaS 项目的估值能到五六十倍的 PS 啊 ， 现在我觉得五六倍的 PS 都是很合理的 。 **周健** [24:24] 是 。 **曲凯** [24:24] 所以你经历过这么多年， 为什么仍然会坚定的选择做国内的 toB 这件事情 ？ **周健** [24:30] 第一个是说呃 ， 还是有巨大的一个不平衡嘛 ， 就是在 C 端的话 ， 虽然现在阿里腾讯他们其实又降下来了 ，但是至少是跟国外的这个大企业谷歌啊 ，Facebook 是 comparable 的 ， 大概可能差个三倍五倍 。 那在 toB 这头其实不是 ，toB 这头 Salesforce、ServiceNow， 包括像 UiPath 这种 ，其实他们比较容易的能够去做到一个十分大的规模 ，100 亿美金 、1,000 亿美金收入 ， 可能 100 亿人民币以上 。 **曲凯** [25:01] 嗯 。 **周健** [25:01] 但是国内今天其实这里是有一个巨大的 gap 的 。 那么这时候其实就会觉得说这里反而是有机会的 。 我不觉得说中国的管理水平不需要这样好的软件去赋能 。 过去其实我觉得最大的原因还是说就是 honey float 太多了 ， 所以经济的发展很多时候并不需要问管理去要效应 。 那么现在实际上越来越 ， 包括现在这个地缘政治的这个压力是越来越倒逼 ， 我们去更好的去提高管理 。 那提高管理很多时候其实要靠数字化的这个软件来去解决这个问题 。 所以我还是觉得在国内这边应该是有一个结构性的机会的 。 已经在做 toB 的人其实都会觉得这里有一个趋势在那边 。 这是第一个对行业本身的一个判断 。 第二个其实是说 toB 就是慢了 ，但是 toB 的好处是你做进去了 ，其实也不容易死 。 **曲凯** [25:52] 嗯 。 **周健** [25:53] 你还是这个客户 ， 你就维持着 ， 你就可以一直在那边解决他的问题 。 **曲凯** [25:57] 嗯 。 然后 toB 里面 to 大 B 跟中小 B 这个问题你怎么看 ？ 现在基本上国内的机构直接一听 to 中小 B 就否定掉了 。 **周健** [26:06] 是 。 **曲凯** [26:07] 嗯 。 **周健** [26:07] 我觉得还是国内的这个 IT 预算的分布的问题嘛 ， 基本上都还是来自央国企嘛 。 假如是说今天 AI 这一波还不成熟的时候 ， 它的生产力不是通用性的 ， 比如说我们像现在做一些招聘的话 ， 我们只能是针对招 3 到 5 年的工程师 。 那么这时候的话 ， 哪些公司有单个岗位 ， 就是有重复性的要去招这个的 ， 那就只有大公司 。 做中小 B 它其实虽然可能都是财务岗 、 会计岗 ，但是每个公司有它自己的特殊性 ， 那这个的个性化定制的成本太高 ， 今天其实还是做不到 。 就今天已有的技术没有办法先从中小 B 开始做起来 。 **曲凯** [26:44] 嗯 。 嗯 。 那你如果是大 B 的话 ， 就一些私有化 、 定制啊等等这些也还是绕不过去的 。 **周健** [26:49] 对 ， 对 ， 这这没办法 。 但是这里其实有一个好处 ， 像我们这样的创业公司来讲 ， 我是没有资本去买 1,000 张显卡的 。 **曲凯** [26:58] 嗯哼 。 **周健** [26:58] 啊 ， 大家在大 B 里边 ，他们可能已经买了 1,000 张显卡 。 **曲凯** [27:01] 嗯 。 **周健** [27:02] 那我的产品在 1,000 张显卡的平台上面锤炼过了 ， 那我就比我的友商会有领先优势 。 **曲凯** [27:07] 嗯哼 。 **周健** [27:08] 所以是有它需要个性化服务的部分 ，但是它也能换来我产品的更多的 enterprise 的 quality。 **曲凯** [27:16] 嗯 。 **周健** [27:16] 所以至少现在来看起来 ， 我觉得不亏 。 **曲凯** [27:19] 嗯 。 **周健** [27:20] 那在未来肯定从生意的角度要变成一个毛利高的生意的角度来讲 ， 可能是需要去探讨这件事 。 但现状其实是更多的还是在怎么样去占领我的根据地的时候 。 **曲凯** [27:31] 嗯 。 所以蓝码过去年里面其实我听好多人讲 ， 就从收入体量上来讲 ，其实已经还不错了 。 所以你现在主要到底落地的是什么 ？ ### 落地场景 **曲凯** [27:40] 我觉得大家可能最关心的是这个 ， 对吧 ？ 到底啥是能落地的 ，是是能打进客户里面去 。 **周健** [27:45] 是 。其实大家可能已经看到的应用的场景 ， 我觉得是类似的 ， 无非是说知识问答 、 数据分析 ， 然后自动的完成一些任务 。 这是三大类 。 当然我们因为主要还是在做控制合成类的 ， 我们没有在做一些生成类的 ， 比如营销啊这种我们没有在做 。 我们主要还是在解决企业内部的后台的一些办公场景 ， 或者说一些职能类的 ， 像财务 HR 类的场景 。 那么这个今天其实是蛮普遍的 。 但是这里做这些东西呢 ， 它就变成了大模型应用 ， 然后个性化定制的开发的成本就会比较多 。 那对企业来讲 ， 或者说对于央国企来讲 ， 实际上今天有一个刚需是企业级的管理 。 因为今天其实有个大的趋势是说以 CPU 为核心的价值链 ，其实会迁移到以 GPU 为核心 。 就你看拿银行举例子 ， 它一年 250 亿的 IT 的预算 ， 那现在基本上都是在买 CPU， 对吧 ？GPU 肯定很少 。 那现在为了这个大模型 ， 它一定会开始投入 。 那我相信在五年时间之内 ， 它整体预算当中的 30% 应该会切换到在 GPU 上面的 ， 就从算力到模型到应用到中间点 。 那么这时候其实是有一个企业级 ， 就是怎么把过去 CPU 的那一套东西能够迁过来 。 因为你比如说最简单的那么多模型 ， 对吧 ？ 那么多开源的模型 ， 那么多付费的模型 ， 那么多显卡 。 首先是应用跟模型的匹配 ， 单应用单模型 ， 单应用多模型 ， 多应用单模型 ， 多应用多模型 。 然后其次是说应用本身 ， 它的这个 QPS， 它的被使用财务的应用可能在月底用的多一些 ，HR 的应用可能在春招 、 校招的时候用的多一些 。 那这里的调度本身 ， 包括 load、orchestration 编排 ，其实都是困难的地方 。 那这些东西甲方肯定要 ， 它自己不可能做 ， 然后这个又不是大模型公司能做的 。 因为它如果大模型公司做 ， 它一定有它自己的模型绑定 。 所以这种功能实际上是今天甲方特别看重 ，因为对它来讲 ， 呃 ， 那么热火朝天 ， 对吧 ？ 各个业务部门 、 各个分行 、 各个总部的厨师都会想要 ， 可能也自己接触了各种各样的厂商 。 然后这时候如果我们有个统一的管控 ， 后面我怎么办 ？ 现在因为讲了很多嘛 ， 新质生产力嘛 ， 然后那甲方肯定会在讲 ， 那这个是一个新质生产力 ， 对吧 ？ 新的劳动生产对象 ， 那它的治理 、 它的运营 、 它的培训 ， 怎么样去建设 ， 这些其实都是典型性的问题 。 然后我觉得就如果只是玩个 30 万 、100 万 ， 我觉得可以不用考虑 。 那如果已经投了一个亿 、 两个亿的单位 ，他一定会去想这件事情 。 至少在我知道的 ， 可能很多的大行 ， 像四大行啊 、 股份制银行 ， 可能投在亿这个级别买算力是蛮多的 。 包括今天其实大模型采购的这个标其实放出来 ， 基本上都是千万以上吧 。 **曲凯** [30:31] 嗯 。 **周健** [30:31] 那对他们这样的投资规模来讲 ，他们要考虑这样一些问题 ， 我觉得很正常 。 **曲凯** [30:35] 嗯嗯 ，是 。 那现在先做它内部的各种知识库等等 ，是不是主要还是因为幻觉的问题 ， 就是内部可以更好的先落地 ？ **周健** [30:45] 其实是这样的 ，因为事实上在企业 ， 特别是大的像这种银行啊 、 保险啊 ， 那实际上有很多 ， 比如说最简单出差 ， 我有一个差旅政策变了 ， 那我去攀枝花 ， 攀枝花算几级城市 ？ **曲凯** [30:57] 嗯嗯 。 **周健** [30:58] 它的那个政策到底是多少钱 ？ 就这些其实都是比较浪费大家时间的 。 **曲凯** [31:02] 嗯 。 **周健** [31:02] 包括你像有些专业性的保险产品的推荐啊 、 保险条款的回答 。 **曲凯** [31:07] 嗯 。 **周健** [31:07] 那这些其实都是现在的大模型能够发挥作用的 。 **曲凯** [31:10] 嗯嗯 ， 明白 。 然后去年应该也有很多公司想做这条路径 ， 对吧 ？ 但最后实际的结果跟收入应该跟你们还是有很大差距的 。 **周健** [31:19] 嗯 。 **曲凯** [31:20] 所以你觉得你们做的最好的一些地方是什么 ？ **周健** [31:22] 我觉得还是一个是时机问题吧 。 我们两月份就出来了 ， 然后两月份出来我们就跟金江办公达成合作了 。 我们在只有三个人的时候 ， 就已经跟金江办公的 Excel 一起合作 ， 就他们有几十个人， 我们有三四个人， 跟他们一起去做这个落地 。 **曲凯** [31:40] 嗯 。 **周健** [31:40] 怎么样用 GPT-3.5 再做一个 Excel Copilot。 那么实际上这是一个真实的场景 ，而且他们确实是带着上线的目的去做的 。 **曲凯** [31:48] 嗯 。 **周健** [31:48] 所以这里其实我比较快 ， 一方面能够迅速的拿到 IDG 的投资 ， 另外一方面实际上， 呃 ， 对于产品或者说对于这个模型的边界 ， 什么能做 、 什么不能做 ，其实就比市场上其他团队领先了 。 **曲凯** [32:02] 嗯 。 **周健** [32:02] 啊 ， 然后呢 ，在五月份 、 六月份的时候 ， 实际上那时候我们大概已经心里清楚说现在的模型能做什么事情 。 只是当时唯一的一个 Delta 是说不知道开源模型 ，因为蓝码 2 那时候还没出来 。 **曲凯** [32:13] 嗯 。 **周健** [32:14] 并不知道说开源模型什么时候能出来 ， 什么时候能用 。 所以后面的三季度 、 四季度其实也就是在应用不同的开源模型到企业内部的场景当中 。 所以我们在七 、 八 、 九月份呢 ， 包括后面四季度其实已经做了很多的 POC， 就是那时候其实商业化是散着在做嘛 ， 就是先摸情况嘛 ， 各行各业的 、 零售的 、 电网的 、 政府的 ， 包括像银行的 、 保险的 、 券商的 ， 可能都在做 。 **曲凯** [32:37] 嗯 。 **周健** [32:37] 那其实就是想摸一下， 就是各行各业对这件事情的感知是什么样子 。 **曲凯** [32:41] 嗯 。 **周健** [32:41] 那么现在其实就又可以收回来说 ， 哎 ， 我们在银行里边应该要去认真去做 ， 然后我们可能央国企里边应该要再去做一些可能跟财务业务相关的一些事情 。 那就这些其实都是一步快 、 一步不快吧 ， 就是某种程度上 。 **曲凯** [32:55] 嗯 。 你们在面对一些客户的时候 ， 会遇到质谱啊 ， 或者一些其他云厂商啊 ， 或者各种的竞争吗 ？ **周健** [33:00] 大模型几乎不竞争 ，但是跟大厂会有 。 **曲凯** [33:03] 对 ， 你看之前有人提说 ， 就是你做大 B 的问题呢 ， 就是它里面还是有各种 BD 啊 、 资源啊 ， 这些因素在的嘛 ， 对吧 ？ 就你们实际做起来会发现是怎么样 ？ **周健** [33:14] 一定还是 ， 就是大 B 它的价值链条特别长嘛 。 **曲凯** [33:17] 嗯 。 **周健** [33:17] 然后 。 **曲凯** [33:17] 但但我觉得这些你像你说的 ， 你之前接触那些什么上市公司老板啊 ， 或者一些银行体系的 ， 可能你之前你们应该也不太有这么多的一些积累吧 ，是吧 ？ **周健** [33:27] 但是本身是这样的嘛 ， 就是说我现在的商业化团队过去其实是也是一直在做的 。 **曲凯** [33:33] 嗯 。 **周健** [33:34] 所以当我们知道说某一个甲方有这个需求的时候 ， 我们就能反过来去找到人。 **曲凯** [33:39] 嗯 。 **周健** [33:39] 你本质上是在现在假设说没有这个主动英镑的线索的时候 ， 我们并不知道哪个客户今天在什么状态 ，但是等到他英镑的进来的时候 ， 我们就知道了 ，他已经到了这个状态 。 **曲凯** [33:50] 嗯 。 **周健** [33:51] 这时候再发动我们的资源 ，其实他就会效率会更高一些 。 **曲凯** [33:55] 明白 。 **周健** [33:55] 这其实是一个配合的过程 。 **曲凯** [33:56] 是 ， 所以其实还是利用到了非常多你之前依图宏基等等那些经验跟资源 。 **周健** [34:01] 是啊 ，是啊 。 **曲凯** [34:01] 是 。 那那也很合理 ， 对吧 ？ 因为过去几年里面可能最有资源的 ， 就四小龙毕竟还是有非常多的这种认知跟资源和人才 ， 对吧 ？ **周健** [34:12] 对 ，是 。 **曲凯** [34:13] 明白 。 对 ， 然后你们现在其实核心对外讲的一个技术就是 Agent 的这一块嘛 ，是吧 ？ ### Agent难点 **周健** [34:18] 对 ， 我们其实现在就是在用 AI Agent 的技术在做到业务流程自主化 。 过去其实是用 RPA 技术 ， 那么现在相当于用 AI Agent 的技术来解决这个问题 。 **曲凯** [34:28] 对 ，但我们刚才提到 ， 你不觉得 RPA 加 AI 是个好的解法 ？ 所以其实你现在在做是有点是迭代你之前做的那个 。 **周健** [34:35] 现在其实最主要的 ， 我认为说能够到达业务流程自主化的话 ， 很重要的是要有 Agent， 要有一个环境感知的能力 。 **曲凯** [34:44] 嗯 。 **周健** [34:44] 还有能够对企业内部的类似于像各种数据的变更 ， 然后文档的替换 、 新增 ， 包括应用流程的变化能够有感知 ， 能够把它作为它解决任务的一个上下文 。 **曲凯** [34:57] 嗯 。 **周健** [34:58] 而不是说要人主动的告诉他说 ， 哎 ， 你去丽香看看我下周有些什么行程 ， 应该是他自己就会去做 。 **曲凯** [35:06] 嗯 。 **周健** [35:06] 那么这样的话 ， 它其实就会个性化 、 千人千面 。 就比如说像我们也有客户跟我们谈说能不能通过客户的拜访记录生成一个客户画像 ， 然后根据客户画像 、 根据标准的销售话术生成一个特定的销售话术 。 就类似这些其实是自主化的这些能力 ， 比如 planning 能力 、tool use 的能力 ， 包括说怎么样有长短时的记忆 ， 对吧 ？ 因为有些信息是需要被遗忘掉的 ， 政策更新了 。 **曲凯** [35:32] 嗯 。 **周健** [35:32] 那么这其实是现在的技术的突破点 。 **曲凯** [35:35] 嗯嗯 ，是 。 哎 ，但我我刚突然想到 ， 如果政策矛盾怎么办呢 ？ **周健** [35:40] 那这个就需要列出来嘛 。 **曲凯** [35:41] OK。 **周健** [35:41] 就是列出来 ， 然后给他跟他说是 AB 是这个样子 ， 然后你自己看着办 。 **曲凯** [35:46] OK，OK。 好啊 ， 对 ， 反正他最终因为你不是对外部客户的直接交付就还好一点 ， 对吧 ？ **周健** [35:53] 是 。 **曲凯** [35:53] 嗯 ， 然后 Agent 这个事其实从去年那个 AutoGPT 啊什么那个出来就变得特别火 ， 对吧 ？ 然后一堆人讲要做 ， 然后投资人也都去看 ， 最后好像实际能落地的非常之少 ， 对吧 ？ 你操作起来你觉得这个到底里面的问题是什么 ？ 然后现在发展到什么阶段了 ？ **周健** [36:10] 啊 ， 就现在已有的模型它其实都是预训练 。 那预训练的问题就在于说它基本上只能学习这个原始准备的语料当中的这些经验知识 。 比如说举个简单的例子 ， 你只通过文本跟视频是学不会游泳的 。 那这里实际上是很大的问题 ，因为 AI Agent 其实十分强调说它对世界模型的理解 ， 你要自主的感知这个环境 ， 你自己能够去决定怎么样去处理各种各样的事情 。 那么这件事情上今天其实是在已有的架构下它就缺失的 。 所以那自动化 ， 包括说像我们现在在做的业务流程自动化 ， 我们就觉得说需要赋予它一个能力 ， 它能够去做一些实验 ， 它能够去主动去观测 ， 比如说销售 ， 比如说客户 ， 可能问一个问题 ， 然后看你什么反馈 ， 从而能够去将自己对这个世界的理解能够适配到当前更精确的一个状态 。 就像我最近发了一篇文章 ， 我就觉得说 AI Agent 或者说业务流程自主化其实还缺一个世界模型 ， 精确的世界模型 。 那包括其实今天大语言模型它是文科生 ， 对吧 ？ 企业内部有大量的数据 ， 就比如说最简单我一直拿来举例子的武汉地区甲方工程师的薪酬空间是多少 ？ **曲凯** [37:21] 嗯 。 **周健** [37:22] 那你怎么 propose 一个薪资 ？ 那这个事情都不是现有的大语言模型能解决掉的 。 **曲凯** [37:27] 嗯 。 **周健** [37:27] 所以这里实际上是我们在做 AI Agent 的时候 ， 一个是感知环境 ， 怎么能够知道上下文变了 ； 第二个是说怎么跟传统的大数据 ， 就是更偏数值类的一些经验知识结合在一起 。 **曲凯** [37:41] 嗯嗯 。 **周健** [37:42] 那这个是至少在我所说的这个领域里面 ， 要做好这个 AI Agent 所必须的两个环节 。 **曲凯** [37:47] 嗯 。 **周健** [37:48] 那么我们其实也是在这两个方向上不断的在努力 ，在去构建这样的模块 ， 包括跟已有的模型 ，因为本身模型其实也是一直在变 。 **曲凯** [37:55] 嗯 。 **周健** [37:56] 变得太快了 ， 就不像过去可能出个数据库 ， 出个 MongoDB， 那就用 MongoDB 就好了 。 现在不断的在出新的模型 ， 你不断的要去适应 。 **曲凯** [38:04] 嗯 。 **周健** [38:05] 啊 ， 这个是今天对我们在中间层的挑战吧 。 **曲凯** [38:09] 嗯嗯 ，是 。Agent 这一块的那个算力跟成本的问题呢 ？ **周健** [38:14] 嗯 ， 现在这个其实我觉得还比较早期吧 。 一方面是说大模型自己其实也在优化 ， 优化它的成本 。 那另外一方面 ， 现在实际上对于最大的模型 ， 比如像 GPT-4， 那我们在 SaaS 端一块钱人民币大概只能处理一万个汉字 ，但是在私有云部署这一端 ， 如果我们用一个 6B 或者 13B 的模型 ， 一块钱大概能处理 200 万的汉字 。 **曲凯** [38:37] OK。 **周健** [38:37] 所以这个成本差距很大 。 那么这里现在本质上还是应用这端 ， 现在还没有完全打通 。 就我们在单应用情况下面 ， 我们是有一个优化的算法的 ，但是在多应用怎么样去调度不同的算力 ， 这里其实还没有实践的经验 。 **曲凯** [38:52] 嗯 。 **周健** [38:52] 我觉得还是需要再有三到六个月时间吧 。 ### 爆发预测 **曲凯** [38:55] 明白明白 。 整体你觉得今年会是一个 ？ **周健** [38:59] 我觉得应该会爆发 ， 就是应用 ， 特别是 toB， 我觉得今天不缺什么 ， 就是技术 ， 呃 ，不需要新的更大的模型出现 ， 然后我觉得应该是已经能够做到很多的百花齐放的应用了 。 **曲凯** [39:11] 嗯 ， 就是你们试了一年多发现用户需求其实都是在的 ， 对吧 ？ 而且是越来越多的 ， 应该我们看到 。 **周健** [39:17] 对对对 。 **曲凯** [39:17] 就是今年很多人都是想要 ，其实他手里有预算 ， 想要去做这个事 。 **周健** [39:21] 对 ， 国家在投算力 ，VC 在投大模型 ， 然后甲方还有很多开发者 ， 还有很多业务的需求 。 **曲凯** [39:28] 嗯 。 **周健** [39:28] 那中间现在没有产品能够把这些应用做出来 。 **曲凯** [39:31] 嗯 。 **周健** [39:31] 能够把这个打通 。 **曲凯** [39:32] 嗯 。 **周健** [39:33] 打通了这个水就呜呜呜就灌过去了嘛 。 **曲凯** [39:35] 嗯 ，但你你觉得就是大模型啊 ， 什么底层的各种技术其实现在也是够用的 。 **周健** [39:40] 够用 。 **曲凯** [39:40] 至至少对于 toB 这一块是够用的 。 **周健** [39:41] 现在已经够用了 。 **曲凯** [39:42] OK， 所以今年应该就是能有一个爆发 。 **周健** [39:45] 应该是可以的 。 **曲凯** [39:45] OK， 希望是这样 。 **周健** [39:46] 是 。 **曲凯** [39:47] 所以作为一个这么多年都在 AI 领域或者 toB 领域的人， 经历过基基本完整经历的 。 **周健** [39:54] 是 。 **曲凯** [39:54] AI 1.0 的四小龙的时代 ， 对吧 ？ 你你你对这一波的 AI 创业者 ，不管是做大模型的 、 做应用的 ，有什么建议吗 ？ **周健** [40:02] 呃 ， 我能感觉到实际上今天最缺的还是好的 AI 原生的产品经理 。 呃 ， 或者说区别点就在于说过去做产品其实更像是两维的 ， 现在其实多了一个维度 ， 就是所谓的数据集 。 因为任何一个模型当能力不够的时候 ， 实际上怎么能够把这个端到端的这个应用准确率做到说能够上生产啊 ， 实际上难点就在于怎么样去定义这个数据集 。其实我也有不少我的师兄师弟在 AI 公司 ， 然后呃 ， 我也跟他们在交流 ， 我发现说他们实际上最后还是带着一些怎么讲 ， 一些可能错误的一些假设认知 。 那这里整个新的革命其实是完全不一样的一个范式 。在我看起来 ， 今天我的友商不是太多了 ，而是太少了 。 就我反而是希望大家一起把这个市场做大 ，因为仅凭我一家的力量 ， 我就变成不断的需要培训客户 。 **曲凯** [40:55] 是 。 **周健** [40:55] 我是希望有更多的人能够用对的方式把它做出来 。 **曲凯** [40:58] 嗯 。 **周健** [40:58] 那这样的话整个市场不明了 ，其实对大家都好 。 **曲凯** [41:01] 嗯 。 **周健** [41:02] 啊 ， 就像当年其实一开始的时候 ， 四小龙并不觉得是在竞争 ， 大家互相帮衬 ， 把这个资本市场 ， 把这个客户给带起来 。 **曲凯** [41:10] 嗯 。 **周健** [41:10] 这是重要的 。 **曲凯** [41:11] 嗯 。 哦 ， 原因最后这个格局打开了 ， 就是现在反正钱也有 ， 客户也有 ， 市场也有 ， 然后技术也 ready 了 。 **周健** [41:18] 对 。 **曲凯** [41:18] 让大家一起来搞 。 **周健** [41:20] 对对对对 ，因为他用对的方式更好的能够把这个应用能够给落地嘛 。 **曲凯** [41:24] OK， 对 ，因为你在当时在上交学的就是 CS， 对吧 ？ 然后又是第一届 ACM 的冠军团队 。 ### AGI未来 **周健** [41:30] 嗯 。 **曲凯** [41:31] 所以从技术的背景的这个视角来讲 ， 你你自己信 AGI 吗 ？ 包括你觉得 Transformer 是走向 AGI 那个路径吗 ？ **周健** [41:39] 比较快速的一个观点是 Transformer 我觉得可能不是 。 **曲凯** [41:43] 啊哈 ， 那你就是同意那个杨乐 ， 对 ， 杨乐哥的那个 。 **周健** [41:47] 世界模型需要世界模型 。 **曲凯** [41:48] 嗯 。 **周健** [41:49] AGI 这个事情我觉得我更多的报的是不可知论 。 就本质上 AGI 代表了说人类能不能 ， 就是计算机里面有个术语叫做递归嘛 。 **曲凯** [41:59] 嗯 。 **周健** [41:59] 就是人类能不能创造出来比人类更聪明的东西嘛 。 **曲凯** [42:02] 嗯嗯 。 **周健** [42:02] 如果可以 ， 那理论上这件事情不就是没有底了嘛 。 就这是为什么其实西方有很多所谓的叫基点嘛 ， 技术基点 ， 就是 ularity。 **曲凯** [42:10] 是 。 **周健** [42:10] 就像宇宙大爆炸一样 ，其实也一直在思考这个事情 。 那会发现说人类的方式跟机器的方式还是有巨大的区别 。 **曲凯** [42:19] 嗯 。 **周健** [42:19] 或者说过去从无生命到有生命 ， 然后到人类有自我意识 ， 它还是有一个达尔文进化论的这些东西在里面 。 但今天相应的都有 ， 比如说像强化学习啊 ，其实是解决所谓的进化的问题 ， 包括遗传学习算法 。 但是今天 so far 来讲并没有把它整合在一块 。 然后另外呢 ，其实人类是有能力在小样本上面去学习的 ，但是现在机器基本上都是大样本 。 实际上我们自己会讲叫做人机协同 ， 人机融合跟人机共生 。 我更倾向于大家可能会有不同的特点 ， 大家会有不同的优点跟缺点 。 最后很有可能人类就比如说大脑 offloading 到某个 agent 上面去 ， 然后从而能够放大人类的智能 。 我觉得这个是我基本上觉得一定会发生的 。 **曲凯** [43:07] 嗯 。 **周健** [43:07] 那当至于说最终它会不会有自我的意识 ， 然后能够接管整个人类社会或者整个地球上的这样的一个事情 ， 那这个我更偏觉得不太可能 。 **曲凯** [43:19] 嗯 ， 好呀 ， 那差不多 。 **周健** [43:21] 好 。 **曲凯** [43:21] 啊 ， 好好好 ， 感谢感谢 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。