# 英伟达、Sora 与 AI 的三种核心叙事逻辑 | 对谈莫傑麟 42章经 · 2024-03-02 曲凯与莫傑麟探讨英伟达、Sora及AI的三大叙事逻辑：1.0阶段的Scaling law、1.5阶段的Scale in/out，以及期待的2.0应用爆发。嘉宾分析英伟达股价支撑逻辑、Sora对文生视频行业的冲击，并比较国内外大模型差距，指出OpenAI通过Sora拉大领先优势，而Elon Musk作为“破壁人”可能改变格局。最后以“贪吃蛇”与“俄罗斯方块”比喻大公司与创业公司的博弈，强调速度与规模的反比关系。 ## Key moments - **[0:00] 开场** - [1:42] 莫傑麟将AI 1.0阶段总结为围绕Scaling Law的叙事：投入越多算力和数据，模型能力越强，且需要超级领路人说服市场。 - [2:26] 曲凯将Scaling Law比喻为蒸汽机添柴：大家相信只要持续投入，火车就能最终跑起来，每一次新技术都是燃了一把火。 - [3:21] 莫傑麟指出，这个世界上可能只有五十个人真正知道大语言模型的终极方向，他们是超级领路人。 - [4:03] 曲凯断言：“如果英伟达不涨就说明Scaling Law失效了”。 - **[4:42] 1.5代叙事** - [5:26] 莫傑麟预测，今年最重要的看点是Scaling Law的溢出效应：谁Scale in、谁Scale out将决定各公司的命运。 - **[9:19] 玩法试探** - [9:28] 曲凯定义当前AI应用阶段为“试探玩法”，只有积累了足够多的玩法并由优秀产品经理组合，才能进入2.0时代。 - **[12:00] 投资逻辑** - [12:47] 曲凯将AI投资分为三种类型：因为相信所以看见（美国市场）、因为看见所以相信（国内一级市场）、因为觉得别人相信所以相信（国内二级市场）。 - **[14:33] 移动类比** - [15:24] 曲凯用一个“大象踩球，蚂蚁驮球”的比喻描述AI市场格局：巨大期待踩在英伟达上面，底部是微小的实际需求蚂蚁。 - [19:15] 曲凯认为评估英伟达股价需要同时拥有宏观、中观、微观视角，只看财务模型的人容易中途下车。 - **[21:15] 竞争游戏** - [21:20] 曲凯用游戏类比大公司与初创公司的竞争：大公司像贪吃蛇抢占入口，初创公司像俄罗斯方块填补缝隙，“球球大作战”则解释了组织解构与速度的反比关系。 - [24:00] 莫傑麟指出字节跳动正是同时玩贪吃蛇和俄罗斯方块两种游戏的公司，通过组织拆分保持灵活性，值得高度关注。 - **[26:54] 芯片限制** - [27:25] Q: 芯片限制下国内大模型公司如何存活？莫傑麟：只要在技术、数据、工程等维度都有规模，就能继续享受Scaling Law，游戏尚未结束。 - **[29:57] 差距拉大** - [29:57] Q: 国内大模型与OpenAI的差距是在缩进还是拉远？莫傑麟：差距在拉远，因为OpenAI已经形成商业上的正循环。 - **[31:30] Sora冲击** - [31:30] 曲凯评价Sora的最大冲击：文生视频的成熟度远超所有人预期，OpenAI可能手握大量未公开的技术突破。 - **[33:48] 巨头博弈** - [33:48] 曲凯形容：“Sam Altman是面壁者，Elon Musk是破壁人，Jensen Huang是真正的受益人”。 - **[35:24] 出局** - [35:24] 莫傑麟指出Sora导致Adobe股价大跌，所有玩家都在防止自己被Scale out，行业洗牌已经开始。 - [37:22] 曲凯总结：在Scaling Law时代，公司的一线领先与被淘汰只有一线之隔，创始人的战略和节奏选择面临巨大考验。 - **[38:17] 结语** ## Speakers - **曲凯** (host) - **莫傑麟** (guest) ## Topics 人工智能 ## Mentioned Adobe (company), Google (company), Moonshot (company), OpenAI (company), Pika (company), XAI (company), 字节跳动 (company), 微软 (company), 特斯拉 (company), 百度 (company), 英伟达 (company), ChatGPT (product), GPT (product), Sora (product), 剪映 (product), 番茄小说 (product) ## Transcript ### 开场 **莫傑麟** [0:03] There's something there. **曲凯** [0:19] Hello 大家好 ， 我们今天很高兴地又请到了我们去年最受欢迎一期节目的嘉宾 ， 莫杰林 。 我们上一期播客其实是在讨论很多宏观 、 乐观 、 悲观的问题 ， 然后那一期的播客非常受欢迎 。 我不知道录完以后你感受如何 ？ **莫傑麟** [0:37] 感受就是唤醒了很多很久不联系的朋友 。 你们平台的影响力确实比较大 ，因为很多朋友关注 42 章经都是跟我一样 ， 应该都是从 14、15 年开始的 ， 就从当时移动互联网那个时代到现在 。 很多朋友后来联系的频率没有特别高了 ，但录完之后， 包括新的朋友 、 老的朋友又都聚集起来 ， 然后对这个话题也都很感兴趣 。 **曲凯** [1:00] 对 ，但这次为什么又把莫杰林请回来 ？ 因为上次我们讲的 AI 相关的话题其实没有那么多 ，但莫杰林他其实日常非常地关注二级市场上的那些公司 ， 然后这里面就不可避免地有非常多 AI 主题的那些大的公司 ， 所以他们对这块的研究也很深 。 我们今天就回头来讲一下过去一年的 AI 以及新的一些 AI 的趋势 ， 这里面可能就包括最近几个比较热点的 ， 像英伟达 、 像 OpenAI 新出的 Sora， 包括其他的很多东西 。 然后我想先问一下莫杰林 ， 过去一年整个的 AI 市场 ， 包括到现在 ， 你觉得最主要的一个逻辑是什么 ？ **莫傑麟** [1:42] 我觉得过去一年的趋势还是很明显集中在模型和算力上面 ， 就交付更好的模型 ， 然后去用到越来越多的算力 。 然后在这条线上面其实它是有三个假设 。 第一个假设就是说它确实需要有一些超级的 leader 去说服市场说为什么要去投入这个资源 。 第二个点就是模型 ， 它需要一代一代的模型的 demo 做出来 ， 全世界这个算力在不断地堆积 ， 更强的算力去让更好的模型能够去训练出来 ， 然后反馈到资本市场上面回来 。 整个所有说的这个整套叙事 ， 我们认为还是围绕在所谓的 Scaling law 的前提之下， 就是说越来越多的资源投入进去 ， 还是有效 ， 还是在往前进展这么一个叙事过程当中 。 **曲凯** [2:26] 对 ， 我觉得总结一下就是所谓的 Scaling law 本质上来讲就是说现在是一个还没有应用的东西 ， 对吧 ？ 就大家没有看到那么多应用 ，但是大家又相信说我只要不断地怼算力 、 怼卡 、 怼数据 ， 然后底层的技术会变得越来越好 。 你说的 1.0 时代 ， 包括现在整体的这个趋势 ， 它其实有一点像蒸汽机 ， 我做一下类比 ， 就是大家发现说原来我烧柴或者烧煤 ， 我只要力量足够大 ， 我可以让一个火车跑起来 ， 这个事是大家现在发现而且相信的 。 但是目前的火还不够旺 ， 所以还没有跑起来 ，但大家就觉得说我只要持续往里添柴就好了 。 然后每一次新的技术 ， 每一个 GDP 3.5、4.0 或者 Sora，其实都是燃了一把火 。 然后大家发现说那边火更大了 ， 觉得火能烧起来 ， 那我也要做这件事 ， 那怎么办呢 ？ 我要先去买柴 。其实我觉得大概是这么一个情况 。 **莫傑麟** [3:21] 是的 ， 对的 。 你刚提到一个点是说大家愿意相信 Scaling law 去产生更好的产品的 PMF，其实我们自己分析下来 ， 可能这个叙事还是相对复杂了一点 。 如果站在纯资本上去看 ， 还是稍微复杂一点 。其实简单来看就是有很多领路者相信 Scaling law， 这个领路者其实是比较重要的 。 我们经常会打一个比喻是说是不是这个世界上有 50 个人 ，他们是知道整个大语言模型它到最终的终点是什么的 。 这个事情听起来比较玄乎 ，但其实我们站在叙事的角度可以这么去理解 ， 就是说超级个体或者叫领路人 ，他们愿意相信 Scaling law，并且基于 Scaling law 他们能走向一个未来 。 **曲凯** [4:03] 对 ， 所以按照这个原理来讲的话 ， 英伟达应该是能继续涨的 。 它如果不涨就说明 Scaling law 失效了 。 **莫傑麟** [4:09] 是的 ， 你说的没有错 。 举一个例子就是说其实我们有看到很多投资人， 我们其实做过一个调研 ， 就是说大家为什么中途会下车 ， 里面最大的一群人其实是因为看不到这个东西的空间和应用 。 但是到目前为止 ，其实不管是市场还是商业还是创业者 ， 大家相信的所有事情里面其实都是基于一个原因 ， 就是 Scaling law 没有失效 ， 且有超级领路者在不断地告诉你 ， 我能依靠这个 Scaling law 做出一个惊喜出来 ， 比如说最近的 Sora， 我能够不断地做出一些新的东西出来 ， 直至我达到我的最终的梦想 。 但是其实大家真正在等的叙事是什么呢 ？ 如果依靠之前的像 Gamma 曲线也好 ， 像移动互联网阶段 ，其实我们出现的非常辉煌的那几年， 去看到的非常多百花齐放的东西 ， 那种叙事的范围其实它是需要一些信号的 。 ### 1.5代叙事 **莫傑麟** [4:56] 这个信号目前来看我们觉得是不够强烈的 。 虽然我们看到非常多的创业者或者工程师跃跃欲试 ，但目前它没有信号 。 不管这个信号是一个个体还是一个产品还是是一个 demo， 目前为止其实我们还没有看到这种信号 。 但已经看到的信号是什么呢 ？ 是溢出的信号 。 譬如说今年到年中， 我们相信会有很多模型 ， 包括一部分的中国的模型就能达到 GPT-4 的水平 ， 然后我们相信今年会看到比去年多很多的小狗 。 我们就会看到 Scaling law 其实是会溢出的 ， 这个溢出它会有一个 1.5 代的表现 。 整体来说 ， 我们觉得今年最重要的一个看点就是 Scaling law 的往下去走的过程当中， 谁在这个曲线之上， 谁在曲线之外， 就谁 Scale in 了 ， 谁 Scale out 了 。 如果把 Scaling law 当第一代叙事的话 ， 我们今年会更相信这第一代叙事的衍生 ， 我们可以把它叫 1.5 代叙事 。 **曲凯** [5:50] 就是谁能跟着这几家继续在第一梯队往前走 ， 对吧 ？ 然后谁慢慢地就落后掉了 。 **莫傑麟** [5:57] 没错 ，但是大部分人更关注的 ， 尤其是创业者 ，他们更关注的其实是阿景英的叙事 。 阿景英的这个叙事里面到底信号是什么 ， 没有人知道 ， 可能是来自于某一个产品 ， 譬如苹果出了下一代手机 ， 会不会又是这种东西 。 **曲凯** [6:10] 对 ， 从我们实际的视角来看 ，23 年至少从一级市场来看 ， 肯定是属于大模型的 。 虽然也是有很多其他的中间层跟应用层的公司能够融资 ，但实际上过去一年大家回头看最大的新闻 ， 包括最近 Moonshot 的融资等等 ， 就肯定是属于那几家大模型的 。 然后 24 年其实很多人开始说我要投应用 ， 我觉得就是说 1.0 的时代不能说它过去了 ， 只能说已经比较稳定了 。 大家已经能看到说 OK，1.0 时代里面反正这些公司最后不外乎是谁跑出来 ， 或者说大家可能已经都拿了足够分量的钱 ， 大家一起再往前跑 ，是属于这么一个情况 。 所以总结一下其实就是一开始的时候大家发现了一个新的技术 ， 可能对于国内来讲这个引爆点就是 ChatGPT， 这个出来以后大家脑海中每个人都脑补了 ， 想象了很多可以做的事情 。 这些事情其实都是属于 2.0 时代的 ， 现在还没有落地 ，但因为大家都相信 ， 所以要做这件事情就得先买卡 ， 就得先去怼算力 ， 先把 1.0 这些东西都做起来 。 结果就是虽然大家还没有看到什么应用 ，但是英伟达的数据首先先起来 ， 这个就是当下在发生的这个叙事 。 **莫傑麟** [7:22] 是的 ，其实讲到这儿有一个问题我们可以讨论一下， 就是关于这个 infra 和应用的争论 ， 我们一直没有搞明白的 ， 就是说其实有两种观点 。 第一种观点是说模型 ， 包括相关的 infra， 它的进化和规模化了之后， 它能够去降低做产品找到 PMF 的难度 ， 这其实是一个主流的叙事 。 另一种叙事就是说找到原生应用的范式去探索 ， 去找到一些突破口 ， 就自下而上的这个东西会更重要 。 这个其实是来自于我们的体感也好 ， 或者之前周期的经验也好 。 你怎么看这件事情 ？ **曲凯** [7:55] 我觉得它倒不一定是一个这么相关的事情 。 我觉得不会因为说模型好了 ， 就一定说创业更容易 ， 或者 PMF 更好找 。 这个事我觉得它是有一个恒定的稳定态的 ， 就是还是从用户需求出发 。 当这个事更简单的时候 ， 我觉得是泡沫可能会更大 ， 就更多的人会进来做这件事情 ， 就像当年的 Auto 那些时代是一样的 ， 可能会有一万家公司都进来做 ，但它不会让最后这个事更容易 。 我在很多场合都在讲说之前市场好的时候 ， 可能是能出来一万家公司 ，而且都能拿到钱 ， 最后可能就是剩了十家公司 。 比如说最后 Auto 这么火 ， 真正国内剩下来可能就是美团 、 滴滴之类的几家公司 。 市场不好的时候 ，不外乎就是原来是一万家公司里面出来十家 ， 现在可能是一千家 ， 甚至一百家里面出来十家 。 我觉得最后的绝对值是不会有一个明显的变化的 。 **莫傑麟** [8:48] 明白 。 徐老师像因为你工作里面你会见很多创业者 ， 尤其是国内这边原来很有经验的互联网的创业者 。 刚刚其实我们有一个判断是说 2.0 的叙事 ， 如果是以应用为主流的这个叙事还没有拉开序幕 ， 我们还没有看到一些信号的话 ， 你同意这个观点吗 ？ 或者说你有没有觉得你在你工作中接触这些创业者 ， 就觉得大家忽略掉的一些信号 ，但你觉得是一些不能说叫很重要 ，但是比较有意思的一些信号 ， 就关于应用 ， 包括关于创业本身的 。 ### 玩法试探 **曲凯** [9:19] 我觉得现在肯定是没有一个范式或者一些很好的案例说 AI 就是应该这么做 ， 只要这么做就可以 ， 对吧 ？ 应用就能起来 ， 这个事情现在是没有的 。 我的定义是现在是处于一个大家在试探玩法的阶段 。 然后怎么定义玩法呢 ？ 就是之前的产品其实你可以知道说我一个应用 APP 出来我要怎么做 ， 对吧 ？ 比如左下角是什么东西 ， 可能右下角就是个我的那个 tab， 对吧 ？ 现在其实都是没有这些东西的 。 现在偶尔比如出来一个妙压 ， 或者出来一个红红模拟器 ， 我的理解是这些东西都是一个玩法 。 **莫傑麟** [9:51] 明白 。 **曲凯** [9:51] 就是一个好的应用里面可能有数十个玩法 ， 然后一个好的产品经理把它们有机地结合起来 。 但现在可能现存的玩法就是那么两三个 ， 对吧 ？ 大家知道 OK， 我能文生图 ， 或者我可以用它做一个对话 ， 包括所有的类似 CI 的产品 ， 我理解它其实就是一个玩法 ，但你可以把这玩法加到各种地方去 ， 或者你把好几个玩法结合到一起 ， 你可以聊着聊着聊天 ， 我把所有的聊天信息我去生成一张图 ， 然后给你留一个纪念 ， 说这个是你过去一个月聊天产生的一个结果 。 比如说你可以从火车站认识一个人， 聊了聊 ， 聊到一个电影院 ， 然后我就给你生成一张你们两个人在电影院的一张图 ， 这个就把两个玩法结合起来了 ，但仍然肯定是不够的 。 但什么时候有人首先是要能把玩法试出来 ， 对吧 ？ 可能我们要手头有十种玩法 ， 这个就是一个产品经理的很好的工具箱 ， 然后有个特别好的产品经理把这个十个玩法说 OK， 我要这八个 ， 我把这八个用什么顺序 ， 怎么排列组合 ， 然后成为一个很好的产品 。 我觉得到那个时候其实才是一个能进入到 2.0 的阶段 。 所以现在还是一个在测试玩法的阶段 ， 我是这么定义的 。 **莫傑麟** [10:58] 明白 ， 我觉得很 make sense。 但其实我在想另外一个问题 ， 就是说如果回到人上面 ， 你觉得比如说现在整个创业者这个行业 ， 你有觉得过去这三到六个月有发生什么变化吗 ？ **曲凯** [11:11] 我始终觉得国内的这波创始人其实质量是非常高的 。 我们如果横向去对比的话 ， 比如说跟海外的很多创始人， 我觉得国内创始人肯定是不输的 ， 从背景上来讲 ， 包括对商业的理解 ， 可以动用资源等等 ， 然后纵向去比五年前 、 十年前 ， 仍然是非常显著的高于当时的创业者的质量的 。 但最近几个月我觉得倒是没有特别多的变化 。 我觉得很多人他也在等 ， 就有一批人是更相信的 ，他在 1.0 时代可能就想入场 ， 想要去做 2.0， 还有一些人他可能想要等到说明确地进入到 2.0 时代 ， 已经有些产品出来了 ，他再出来 ， 这个也很合理 。 **莫傑麟** [11:50] 明白 ，因为你对现在这一批已经上市的这些互联网公司 ， 很多其实你都非常熟 ，因为很多都是跟 42 章经一起成长起来的 。 ### 投资逻辑 **莫傑麟** [12:00] 然后其实我觉得有一个被大家忽略的话题 ， 我们可以讨论一下， 就是说大家在提到大语言模型的这个事情的时候 ， 比如说会提到百度 ， 会提到字节 ， 又会提到一些这种公司 ，但我觉得整个讨论还是偏少的 ， 这个感觉其实还是比较强烈 。 比如说我们来假设一个问题 ， 就国内这些上市的这些公司 ， 如果我们硬要去假设一个问题 ，因为 AI 你会去投资哪个公司 ， 你会选哪几个公司 ？ 我的假设是说因为今年还是 Scaling law 的一个延续 ，因为这件事情它一定需要一定的规模 ， 这些公司应该大概率是 TMT 的公司 ， 可能很多都已经上市了 。 然后那天我为什么会讲到这个事情 ， 那天我在用微信的编辑器的时候 ，其实我发现大厂是在不断地在做事情的 。 我们现在用的很多会议的这些软件 ， 大家都在找一些这种应用的场景 。 所以如果说我们是一个命题作文 ，因为 AI 的新的增量 ， 如果你去选择一些国内的公司做投资的话 ， 你会选哪个 ？ **曲凯** [12:59] 我觉得可能挺难直接地回答某个公司 ，但我给你讲了几个分类 。 我们理解现在整个市场其实有三个分类 ，以你刚才讲的 1.0 时代的 Scaling law 的逻辑 ， 我觉得整个美国市场现在是因为相信所以看见 ， 就是我相信这些东西 ， 所以我愿意去下注 ， 愿意去买 ， 愿意去投资 ， 这个是整个美国市场 。 但国内市场因为各种原因 ， 现在其实挺少有因为相信所以看见的 ， 大多数的一级市场其实是因为看见所以相信 ， 这个就是当下国内市场大家遇到的问题 。 我一定要等你先做出来 ， 我才会愿意投 ， 这是很多机构的一个想法 。 所以现在国内市场其实第二类很明确的就是因为看见所以相信 。 我觉得还有第三类可能偏向于国内的二级市场 ， 就是因为觉得别人相信 ， 所以我可以相信 。 比如说 Sora 出来 ， 这是最典型的 ， 可能是国内的好几家上市公司连续的四五个版 ， 甚至更多 ， 我觉得这个也是一个特点 。 但这些人他其实真的在里面的人， 没有人真的相信这件事情 ， 或者很少人真的相信这件事情 。他只是觉得说因为这个事出来了 ， 所以别人可能会信 ，他觉得这里面可以赚一笔 。 对 ， 我觉得主要是这三种公司 。 然后落到实际上， 我觉得以国内市场为主的话 ， 就是沿着刚才那两条逻辑 ， 如果是因为看见所以相信 ， 一定就是说这个公司它本身的业务是今年就能和 AI 结合 ，并且能产生业绩的 。 **莫傑麟** [14:24] 明白 。 **曲凯** [14:24] 如果是另外一种是因为觉得别人相信所以相信的 ， 那就是说它足够有热点 ， 它足够有话题性 ， 我觉得是这两类 。 **莫傑麟** [14:33] 很清楚 ， 很清楚 。 如果就聊创业这件事情的话 ，因为你是完整地经历了移动互联网从最开始到现在很成熟的一个阶段 ， 你觉得跟上一个周期比 ， 这个周期你觉得最大的不同和最大的相似之处是什么 ？ ### 移动类比 **曲凯** [14:48] 我觉得在上一个周期里面其实技术相对都是 ready 的 ， 大家也很明确地知道说我要怎么做 ， 怎么落地 ， 然后能做出来什么东西 ， 这个其实都是现存的 ，而且很多其实是需求带动的后面的各种技术 、 人才等等的发展 。 但现在这个其实是反过来的 。 我记得前几天有一张图挺好玩的 ， 就是上面是一个大象 ， 然后它踩个球 ， 底下是两个蚂蚁在驮着这个球 ， 最上面的大象就是大家对于 AI 的整体的期待 ， 然后中间那个就是英伟达 ， 最底下的两只蚂蚁就是它那个图里面叫 AI demand， 就是实际上的 AI 的落地跟需求 。 现在就是很有意思 ， 确实是这种情况 ， 实际的落地需求可能就是大家像找蚂蚁一样在用复杂性去找 ， 然后中间实际上在承受所有的力的就是一些偏算力的这些公司 ， 然后在上面是大家强烈地对这个事情的期待 。 现在确实是这个情况 ，但上一波其实是反过来的 ， 就是上面很明确地有大量的需求 ，有这种千万甚至过亿级的一些工具产品出现 ， 然后再下面其实是后台的那些技术等等。 我们其实很难想象说在上个五年到十年里面 ， 大家会花大量的精力去讨论说算法 ， 会讨论说这个东西内存 、 什么云等等这些东西 ，其实大家那个时候没有人讨论这些事情的 ， 大家讲的就是产品 、 产品 、 产品 。 我觉得这个是一个特别大的不同 ，而且因为这个不同 ， 我觉得大家现在也在讨论说未来到底什么样的创业者是合格的创业者 ， 到底是不是应该懂技术的 ， 然后创业公司到底要不要自己做模型 ， 我觉得这个是一个很大的不同 。 另外还有一个小的不同 ， 我觉得在当年的时候 ， 虽然大家也会问说你做这个事 ， 腾讯做怎么办 ， 百度做怎么办 ，但那个时候我觉得大家不会觉得说腾讯是一家创业公司 ，也不会觉得百度是一家创业公司 ， 只会觉得它是一个很大的公司 ， 然后它可能会用钱砸 ， 或者用什么方法去把创业公司砸倒 。 但现在大家在想这件事的时候 ， 会觉得说字节好像确实是最适合做这件事的 ，而且大家在想到字节的时候 ，不会觉得它是一个非常大的臃肿的传统的公司 ， 大家还是在把它当做一个创业公司来对待 ，而且事实上也是 ， 对吧 ？ 你很难想象说当年是比如说马化腾亲自挂帅 ， 然后来做移动互联网 ， 所以最终你会发现真正移动互联网起来 ， 大家经常提到腾讯 ， 提的是张小龙 ，而不是说马化腾怎么怎么样 。 但 AI 这个时代 ， 我们大家都听过说张一鸣自己非常的 all in，在一线 ， 然后包括他从上到下的管理层都非常的 buy in 这件事情都在发力 ， 我觉得这个也是一个很明显的区别 。 那在这个时候 ， 创业公司到底怎么跟字节这样的公司竞争 ， 那可能就是一个更大的问题 。 包括我们现在看到说 ， 比如番茄小说做了类似 CI 的事情 ， 然后字节也出了很多 AI 相关的产品 ， 这个反应速度其实都是远快于当年的那些传统的互联网公司 。 **莫傑麟** [17:48] 是的 ，其实你说这个我特别有感触 。 我从去年开始看这个事情 ， 我会有很直观的一些感受 ， 就是说现在确实主题变少了很多 。 我的体感 13、14 年移动互联网刚开始那段时间 ，其实大家有很多增长点 ， 比如当时地产城镇化也在增长 ， 然后很多行业也在增长 ， 技术只是作为其中一个分支 。 但今天你会发现增长的东西变得越来越少了 ， 所以整个技术的稀缺性其实变大了 ， 所以就会出现你刚刚说那个情况 。 以前我记得我们那个年代就看创投的时候 ，其实会有一个词叫颠覆式创新 ，但现在我发现其实颠覆式其实已经很难去概括这个创新了 ， 需要这个人的颠覆性很重要 ，但需要他具有的一些资源能力 、 禀赋 ， 还有对这个东西的认知 ，其实也是需要很在线 、 很在线 。 以前叫 technology disruption， 现在可能是叫 technology consolidation， 它可能是变成这种状态 。 那这种状态里面 ，其实我自己个人会很期待说 ， 那会不会还是一些偏中大型的公司在应用为主的这个叙事逻辑里面 ， 还是会成为那个亮点 。 但这个就是确实是有一点点 ， 就是跟直接的反应会有一点误差 。 就像你刚刚说的 ， 大家提到说其实很多创新还是来自于创业公司 ，其实我们自己会很期待这个信号来自于什么地方 ， 就会不会有一个 2.0 时代的领路者出来了 ， 然后他把这条路给领了之后， 又会出现很多创业公司 ， 我们又会回到百花齐放的那个年代 。 **曲凯** [19:15] 明白 ， 我觉得有两个点 。 第一个点就是你刚才说大家去看英伟达的这个问题 ， 我觉得一个特别有意思的事情就是大家看问题的角度怎么样能够动态地调整 ， 就是你至少存在宏观 、 中观 、 微观三个角度 。其实你最早提的几类说在英伟达在多少价格下车的那些人， 我觉得真正算数的还是偏微观的 ，但专业的很多时候是去算数的 。 微观层面是正确的 ，但你把它放在中观跟宏观就不一定了 。 就一个人你怎么样能够比较灵活地快速地去调整视角 ， 我觉得这个是挺重要的 。 就像我们刚才讲的一整套逻辑 ， 当然我不敢说英伟达后面还会继续涨 ，但是我们也不构成投资建议 。 但以我们刚才讲那个逻辑来讲 ， 只要 Scaling law 是成立的 ， 那你在英伟达四五版的时候 ， 应该还是能大胆地继续持有一段时间才对 。 举一个可能不太恰当的例子 ，但有点像说大家在上学的时候 ， 我身边的朋友你跟他很熟的时候 ， 你可能不太能看出来说他喜欢某个女生或者喜欢某个男生 ，但反而是一个不太熟的人 ，他可能就跟这几个人待了两个小时 ，他就能得出一个结论说这个某个男生一定很喜欢那个女生 。他得到的这些东西 ，他是处于一个宏观的角度 ，而且他往往是很正确的 ，但 反而你在一个微观的角度 ， 你天天去分析那些东西 ，不一定能得出来类似的结论 。 对 ， 我觉得这个是一个点 。 另外你讲的那个到底是谁能突破找到这个答案 ， 就 AI 2.0 的一个引路人的这个点 ， 我还是觉得会是小公司 。 大公司比较擅长的是说我可以抄的 ， 我可以去用钱砸 ， 我可以做各种各样的事情 ，但你会发现最后真正的创新仍然是在小公司手上 。 就创新这个事情 ， 我觉得不是说能用钱能靠堆人来做出来的 。 所以就好像大家无法预测下一个爆款一样 ， 你也不知道说明天到底微博热搜会是什么 ， 它很可能就是从一个非常不起眼的地方起来 ，而这个是小公司的生命力 。 ### 竞争游戏 **莫傑麟** [21:15] 明白 ， 我们自己其实研究初创公司比较多一点 ， 那大公司你们这边应该研究比较多一点 ， 可不可以给我们再讲一下说你们看到的其他各家巨头在做的事情 ， 然后包括怎么理解大公司跟小公司之间的这种不同的竞争等等。 **曲凯** [21:32] 这是一个还挺好的问题 。 我们如果去仔细做一个 mapping 的话 ，其实每家大公司都在布局一些超级入口或者场景 ， 像 Google、 像微软 ， 每家都在布局至少有两个以上的超级入口和场景 。 中国公司也是一样 ， 做一个比喻的话 ， 我们感觉像大公司在做的事情 ， 它会很像贪吃蛇 ， 它除了在模型算力上它要去享受到 Scaling law 之外 ，其实它会看哪些场景入口是它能提前去做一些事情去占据的 。 那小公司其实我们觉得会很像另外一个游戏 ， 就很像俄罗斯方块 ， 就是在大公司做贪吃蛇的过程当中， 总会有一些场景 ， 譬如说跟客户需求更近 ， 然后更需要百花齐放的东西 ， 或者说更需要灵感的东西 ， 可能会给创业公司有一些机会 。 所以我们感觉是两个游戏在并存的这么一个状态 。 你在讲这个时候我又想到另外一个游戏 ， 我觉得也挺有意思的 ，而且还挺有代表性的 ， 就是这个游戏叫球球大作战 ， 它就是说每个人是一个球 ， 然后你靠吃比你小的球不断变大 ， 你变得越大 ， 你越能吃更大的球 。 但它其实很有意思的一个点是在于说你的移动速度跟你的体型是成反比的 ， 就当你的体型特别大的时候 ， 你是一个特别大的球的时候 ， 你的移动速度是特别慢的 ， 所以你是追不上你的小的球的 。 这个就有点像大公司和创业公司之间的关系 。 然后它里面还有一个设计是什么 ， 就是你可以用一个选项说你把你的球分成 n 个球 ， 就比如说你可以把一个大球分成 10 个小球 ， 然后同时去走 ， 然后这样的话你的速度就是赶上那些小球了 。 但这个时候就会发生什么情况 ， 就是比如说你从一个大球你分成 10 个小球 ， 那你的每个球的体积都是原来的十分之一 ， 你虽然走得更快了 ，但是你就可能遇到一个比你这个十分之一稍微大一点的一个球 ， 这个球可能是一个有一定体量的创业公司 ， 它要把你这个球吃掉了 ， 它可以一个一个地把你这些球全都吃掉 。 这个也是一个商业逻辑上的解构跟重构的问题 ， 就是一个大公司你会发现它要跑得足够快 ， 它要解构的 ， 它可能说我要分拆出来一个公司 ， 或者我要有一个很独立的部门来做某件事情 ， 它才能跑得足够快 。 但这个时候这个部门就会变成一个小球 ， 你就可能被外面的一个更大的一个创业公司的大球吃掉 ， 它就可以慢慢地去蚕食一家老的公司 ， 然后老的公司就没有增长性 ， 然后它就会变成一个传统公司 。 这个就是我们不断看到的 。 所以我觉得球球大作战这个其实还蛮能说明大公司跟创业公司的一个关系 。 **莫傑麟** [24:00] 你这个比喻特别好 ， 就是你说这个游戏其实我想到一家公司是字节 ， 字节其实它不能完整地归属于贪吃蛇的这个巨头 ， 你也不是这个创业公司或者说中性的公司 ，但字节 Somehow 就在玩你这个游戏 。 你看它最近改了组织结构 ， 我觉得这个年代的创业故事或者说科技故事里面最精彩的一个部分是什么 ，是玩家升级了好多代 。 美国的创业者像 Sam Altman 自己这种 ， 还有其他大公司的这些领导者 ，其实都经过了很多很多的经历了 ，不管是创业还是大公司的管理 ， 还是对科技的周期 ，其实都已经他们自己被翻训过好多次了 。 然后我们中国这个创业家的群体也是一样的 ， 就是你刚刚那个其实给了一个非常强的补足 ， 我想写到我们内部的材料里面去 ， 就是其实像字节这类的公司在 1.5 的这个时代会变得非常有看点 ，因为他们玩的是两个游戏的结合 。 比如说我不知道大家还记不记得就是 800 亿美金的这个拼多多 ， 它其实就玩的就是主要是你刚刚说的那个游戏 ， 就是它既不是小公司也不是大公司 ， 它其实找了一个它自己的模式 ， 又在另外一边去做出来的题目 ，在全世界复制了 。 字节这家公司其实也是类似的 ， 所以说他们在做的事情我会非常有兴趣 ， 我们不知道他们具体在做什么 ，但我们会很好奇说他怎么解决这个人才密度还有算力这个东西 。 我们相信他还是会用贪吃蛇的方式去解决 ， 比如说我们单纯不负责任地想他是不是会做很多的收并购 ，他会不会用很高的薪水去做一些事情 ， 这个其实是贪吃蛇这个游戏的本质 ， 就是我吃掉更多的个体 ， 让他来丰满自己的绝对能力 。 然后另外一边你可以看到他在剪映 ， 包括你刚刚提到国内的产品线上， 你会发现过几天就有一个产品出来 ， 过几天就有一个产品出来 。其实我们需要更密集地去追踪说在中型的这些公司身上 ，他们在做什么 ， 这个会不会是这个一二代叙事一个很重要的衔接 ，其实这个地方还挺有意思的 ， 就是你这个游戏补充了给了我很大的灵感 。 **曲凯** [26:02] 对 ，而且你可以再补充一个点 ， 就是你会发现不管是球球大作战还是你说的贪吃蛇和俄罗斯方块 ， 最终都是自己把自己玩死的 。 贪吃蛇大家肯定都玩过 ， 最后你死在什么时候 ， 死在你越来越长的时候 ， 然后你就撞在自己身上了 。 俄罗斯方块其实也是一样的 ， 就你马的越多 ， 你怎么就越容易死 。 所以我觉得从这个角度创业公司是不怕打东西的 ， 就是你的速度跟你的体量一定是成反比的 ，不管怎么说一定成反比 ， 除非像我们刚才讲的你足够切割 ，但你只要足够切割了 ， 那你每一块都跟一个创业公司一样 ， 那创业公司就也不怕你 。 所以你看最早 Facebook 扎克伯格他们墙上挂的其中的一句话叫 "Move Faster and Break Things"， 就是要足够快 。 所以我觉得这个也是给创业公司提一个醒 ， 就很重要的一点就是要动得足够快 。 ### 芯片限制 **曲凯** [26:54] 如果一个创业公司跟大公司一样 ，有大公司病 ，也是速度很慢 ， 然后不会调整 ， 这可能是最大的问题 。 对 ， 然后我这边还有一个问题 ， 我在想说如果我们把大模型当做 Scaling law， 那其实有点像说他是在盖房子 ， 就你的每一张卡可能都是一块砖 。 那现在有个问题就是因为地缘政治的问题 ， 可能直接别人把砖卡住了 ，不卖给你砖了 ， 那国内的公司在 Scaling law 下到底要怎么存活 ， 后面会怎么发展呢 ？ **莫傑麟** [27:25] 我个人肯定是绝对的外行了 ， 我可以从技术上讲一下这个事情我是怎么理解的 。 什么叫 Scaling law， 它其实主要来自于几件事情 ， 第一个它可能来自于一个技术的结构 ， 比如说像 2023 年的时候 ，其实有一部分学界的争论就是说我们是不是会出现一些新的一些除了 Transformer 以外的结构 ， 会有些传言说像 OpenAI， 包括 Google 内部也在试一些新的结构 ， 用新的结构去做一些新的模 型 。 那第二个东西我们大家都很容易理解的这个东西数据 ，也就是说数据是不是够用 ， 包括这个衍生的合成数据上面是不是有一些突破的方式 。 然后一个简单粗暴的结论就是说数据目前来讲全网有这么多文本 、 视频 、 图片的数据 ， 理论上应该是够用的 ，但这些数据越往后走 ， 我们会发现一个问题就是它的使用成本其实是变高的 。 所以说大家现在会花很多的精力在学界上去探讨这个怎么去合成数据去做这些事情 。 那算力世界里面其实我们自己觉得是最容易的 ， 就为什么是最容易呢 ， 我的理解就只要去堆积就好了 ， 只要去堆积就可以去获得这个东西 。 然后还有一些东西是什么 ， 就是多模态 ， 原来看文本我们总是会缺一个所谓的这个对于这个物理世界的这么一个模拟版 。 那最后一个就是来自于一些就工程能力了 ， 比如说其实我们有看过为什么有一段时间除了美国头部公司以外的模型进展相对比大家想的要慢一点 ，其实你会发现在一些很基础的东西上面都有存在差距的 ， 比如说像代码生成 ， 我们理论上可能会觉得生成代码已经是一件很标准化的东西了 ，但其实我们会发现在生成代码的这个效率和这个有效性上 面 ， 头部公司和非头部公司也是存在差距的 。 那我们把这个东西讲完了之后， 我们就可以去做一个分类 ， 哪些是能够卡住的 ， 哪些是不能够卡住的 。 我们有一个结论就是每一个象限里面其实它都不是绝对的 ， 它确实会有代际差 ， 就跟奥运会一样 ， 你确实会有第一名 ，有第二名 ， 就可能是说像 OpenAI 这种选手 ， 它是五个维度都拿了第一名 ， 所以它加起来它是当之无愧的 No.1，但可能会有很多模型公司 ， 它可能有两个三个它拿了第一名 ，有两个拿了第二名或第三名。 那今天像 GPU 这种东西上面 ， 我们相信可能在最先进的芯片上面或速度最快的芯片上面 ， 可能还是会有卡脖子的事情发生 。 至于它会受多大影响我们不知道 ，但是我们只去回答一个常识的问题 ， 就是说其实只要理论上在这几个维度都有规模的公司 ， 它应该都是能享受到 Scaling law 的 。 那只要能享受到 Scaling law， 这个游戏就是没有结束的 。 ### 差距拉大 **曲凯** [29:57] 对 ， 我问你一个最简单的问题 ， 你觉得国内这几家大模型和 OpenAI 之间的差距到底是在缩进还是在拉远 ？ **莫傑麟** [30:05] 我觉得是在拉远的 。 **曲凯** [30:07] 对 ， 最近我跟很多比较业内的人聊 ， 包括那些搞算力的 ， 做卡的什么的 ， 那很多人的观点都是觉得说反而是越拉越远了 。 对 ， 最近这件事其实是让我蛮担心的 。 **莫傑麟** [30:21] 是拉远的 ，因为商业上有一个强化 ， 就 OpenAI 的商业模式确实它的 AI 也进展速度很快 ， 然后它也能从资本市场拿到足够多的这个融资 ， 我这个正循环反馈 ， 就这件事情是存在的 。 所以我会觉得说除了技术上的 knowhow 确实有代际差之外， 只是这个代际差是在商业上得到反馈的 。 那从这个角度上去讲的话应该是在拉远 ，不只是跟其他国家的模型 ，是跟它自己国家的像开源模型这些比 ， 我觉得都是在拉大的差距 。 **曲凯** [30:53] 对 ，因为如果整个的基础是 Scaling law， 那它就一定有规模效应 。 那只要有规模效应 ， 那其实就像你其实你讲 Scale in Scale out 其实本质也是这个问题 。 就是我们站在美国市场来讲 ， 可以讲说那比如 Google 会不会被 Scale out，Apple 会不会被 Scale out，但其实最终你是要站在全球市场讲 ， 那就会有一个很大的问题说中国的模型会不会被 Scale out。 **莫傑麟** [31:16] 你说得很对 ， 你刚刚把我要讲的讲了 ，其实大家为什么对 Google 不肯给估值或者比较别扭给的 ， 就是因为这个原因 。 大家没有想明白一个问题 ， 就是说奥运会就跟中国乒乓球一样 ， 就是拿银牌到底有没有意义 。 ### Sora冲击 **曲凯** [31:30] 是 ， 然后对 ， 我觉得最近最大的热点肯定是 Sora， 然后已经有非常多人进行过非常多讨论了 。 然后我可以先讲一下我自己的感受 ， 我觉得 Sora 这个事给我最大的一个震撼 ， 就是这么多人在盯着 OpenAI， 很多人到美国去想要找各种各样的 AI 从业者去聊 ， 然后包括国内这么多人在做 AI， 我觉得所有人对于文生视频这件事情的预期应该都是在一两年以后才会真正成 熟 ， 达到 Sora 的这个程度 。 但 OpenAI 它这个东西突然发出来 ， 那第一是大大增加了大家对于 AI 这件事的预期 ， 第二是会让大家觉得说 OpenAI 手里面到底有多少货 ， 这么厉害就随便发出来一个就这么炸裂 ， 那国内到底能不能赶上， 我会有这些感受 。 因为发完 Sora 以后我们也稍微聊了两句 ， 你也提了一些你们在研究的事情 ， 然后包括特斯拉等等 ， 想听听看你们现在的一个阶段性的结论吧 。 **莫傑麟** [32:33] 刚刚曲老师讲述得很准确 ， 就你感觉其实 OpenAI 在用它自己的方式一直让这个市场去相信说它还是有东西的 ， 它还是在引领这个事情的 。 那另外一个事情就是你刚刚提到 Tesla， 刚好在我们录这个之前的两天 ，其实我们有看到像 Elon Musk 其实去起诉了以 Sam Altman 为主的这些 OpenAI 的核心团队 ， 为什么会有这个事情出来 。 我觉得有两个点 ， 第一个点是今年的以模型为主的这个公司 ， 我觉得会做收敛 。 那这里面有一个很大的变数就是 Tesla 的这个 XAI， 首先它整个这个多模态的技术其实特斯拉是有非常强的储备的 ， 这是一个事实 。 另一个事情就是说其实 Elon Musk 作为领路者的这个角色 ，他可能是不会很逊色于或者说不会逊色于 Sam Altman 的 。 所以这件事情出来之后， 特斯拉是不是会入局 ， 特斯拉会在这个事情里面做什么 ，其实也是一个很值得关注的点 。 那还有讲一个比较相关的事情 ， 就刚刚曲老师说到就很多公司看到这个 Sora 之后有很多感觉 ， 我们得到一个很重要的反馈是非常多的公司把复刻 Sora 变成了今年上半年或者说前三季度一个非常重要的目标 ， 这个事情也是有一点超过我们的这个预期的 。 **曲凯** [33:48] 对 ，其实在我看到那个 Elon Musk 他告 Sam Altman 的时候 ， 我就想到了一个点 ， 你看现在美国最核心的几个人， 就是我们还是从刚才领路人的逻辑来讲 ，Sam Altman 肯定是领路人之一 ， 过去这么长时间我们已经看了非常多他的动作 ， 然后可以得出一个结论说他是非常擅长做引路人的 ，不管是从整体格局的把控还是从各种 PR 的节奏等等来讲 ，他非常擅长做这件事情 。 ### 巨头博弈 **曲凯** [34:19] 但 Elon Musk 应该是在硅谷的另外一个巨头 ， 就是绝对巨头 ， 那就有点像说 Sam Altman 是那个类似三体里面的那个面壁者 ， 然后我觉得 Elon Musk 有点像是破壁人这个概念 ， 那这场戏就也会比较好看 ， 就不知道后面会往哪个方向去走了 。 但最后实际的获益者还是 Jensen Huang， 还是老黄 ， 你去看一些这个老黄在外面讲座的视频 ，其实很明显能感觉出来他也是一个 ， 就他不是那种很低调很被动的那样的一个创始人， 包括在上一波 Web3 挖矿的时候 ，其实英伟达也抓到了那波红利 。 **莫傑麟** [35:05] 我特别同意 ， 我们最期待的就是 XAI 在这里面会 take 一个什么样的角色 ，因为如果说这里面最关键的要素是领路者的话 ，其实 Elon Musk 是非常非常特别和强大的 ， 包括他的技术储备 ， 包括对人才的这个吸引力 ， 各方面加起来其实都是一个这个阶段非常重要的看点 。 ### 出局 **莫傑麟** [35:24] 但我想提到另外一件事情 ， 另外一个公司就是 Adobe，其实 Sora 出来之后 Adobe 的股价是大跌的 ， 然后这个事情就又提醒我们就现在这个阶段去分析 Sora 的技术 ， 去看它的工程难度 ，以此来去看长期的一个终局或者走势 ， 这个是比较重要 。 但从短期的一个大家的反应来看是什么呢 ，其实有两个字就是战略 。 那 Adobe 的反馈是什么呢 ， 我们听说 Adobe 也在很快的在准备它自己的 Sora 来证明给市场看 ，其实这个事情对我不会有影响 。 那回到字节 ， 字节也是一样的 ， 像最近蒋璐也加入了字节 ， 张楠也去更加的 all in 在这个剪映这条线上面 ，他反馈到今天这个 1.5 代的叙事里面最重要的信息是什么呢 ， 就是我们不要被 scale out 了 。 **曲凯** [36:10] 对 ， 所以我总结一下就是 Sora 的出现 ， 第一它仍然是把整个叙事在往 Scaling law 上面继续去拉 ，而且视频一定是比文字更能拉爆 Scaling law 这件事情的 。 **莫傑麟** [36:25] 是的 。 **曲凯** [36:25] 所以在当下这个时代 ，在 AI 的影响之下， 对于大公司的决策者来讲 ， 可能都是一个相当大的考验 。 我觉得 Adobe 其实之前有一段时间 ， 去年吧 ，AI 刚出来的时候很多人都在吹 Adobe， 觉得 Adobe 其实是有红利的 。 像你讲的 Sora 一出来 ， 对它来讲可能是个打击 ， 我觉得对于很多公司来讲都是一样 ， 它最后还是我们刚才提的 scale in 和 scale out 的问题 ， 就在某一刻你可能觉得自己是第一梯队 ， 比如说在 Sora 出来之前做文生视频的 ， 像 Pika 什么这种公司 ， 它可能享受最大的荣誉 ， 最大的热点 ， 它是绝对的第一梯队的公司 ，但是转业之间只要 Sora 出来了 ， 一下子可能它就会被质疑 ， 包括 Adobe 这样的公司 。 所以它在最一线跟被淘汰之间 ， 它就是一线之隔 ， 可能就是大模型又怎么样去更新了 ， 或者 OpenAI 又做了一个什么样的新产品出来 。 所以在当下我觉得对于创始人， 不管大公司小公司吧 ， 的战略选择 ， 节奏选择 ， 都是一个非常大的考验 。 **莫傑麟** [37:31] 对 ， 去年大家会关注 Scaling law 本身 ， 就是因为所有人都能受益 ， 这就是一个金矿 ， 大家都能来掘金 。 今年非常重要的看点是谁被 scale out 了 ， 就是你刚刚整个表达 ，其实我觉得非常形象的诠释了这个 1.0 的叙事怎么往 1.5 去过渡 ，1.5 的叙事就谁 scale in 谁 scale out 了 ， 这件事情可能会比去年还要更精彩一点 。 **曲凯** [37:54] 对 ， 我觉得有点像量子纠缠 ， 这些公司它最后可能就是今天好 ， 明天大家又质疑 ， 后天又好 ， 然后又质疑 ， 然后最终量子纠缠出来一个结果 。 **莫傑麟** [38:08] 是 ， 包括他们自己可能都不是特别确定 。 **曲凯** [38:11] 对 ，但这对于旁观者来讲 ， 我们还是很期待的 ， 就是会是非常精彩的一个大戏 。 ### 结语 **莫傑麟** [38:17] 是的 ， 好呀 ， 那就感谢莫迟您的时间 ， 然后我们今天其实还是把 AI 再用完整的捋了一遍 ， 然后里面也讲了一些其他的有的没的吧 ， 然后我们后面反正争取每个季度来一次 ， 来一次这个复盘 ， 可以谈一谈国内外 AI 的情况 ， 包括一二级市场相关的 AI 的情况吧 。 然后希望我们下次聊的时候可以有一个更乐观的结论 ， 说 AI 可能比如更接近 2.0 时代 ， 或者说国内的大模型有没有发现已经到 4.0， 或者能跟 OpenAI 等等的距离更近一点吧 。 **曲凯** [38:53] 好的 ， 谢谢 。 **莫傑麟** [38:54] 好 ， 谢谢 。 **曲凯** [38:55] 感谢 ， 拜拜 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。