杨乐坤“暴论”：大语言模型是扯淡，连狗都不如？解读他的世界模型与新创业项目AMI

“我认为这完全是扯淡，这条路根本就不可能成功。”这是杨乐坤在最新的访谈中对大语言模型路线的评价。这是语不惊人死不休的这种暴论吗？还是说他真的有一些什么事情想做？

大家好，欢迎收听老范讲故事的YouTube频道。

12月15日，杨乐坤发布了他最新的访谈。访谈是在一个叫做“信息瓶颈”的播客中进行的，位置应该是在纽约大学。杨乐坤当时还在Meta站好最后一班岗，三周以后会正式离职。访谈接近两个小时，我尽量讲一些里边有意思的部分。

现在的大语言模型还无法跟狗的智能相比，这个也是其中比较有趣的一点。到底杨乐坤想做的世界模型，以及他的JEPA是如何工作的？对于我这个讲述者和各位听众来说，都是一个挑战。请耐心听到最后，然后告诉我，我到底讲明白了没有？你们到底听懂了没有？杨乐坤要去做的AMI，也就是创业要做的这个新公司，到底是干什么的？怎么挣钱？咱们今天就讲这几块。

第一块：杨乐坤为什么觉得大语言模型完全是扯淡？

这里头要讲到的最核心的观点叫“序列化”。大语言模型工作的方式，是把整个世界的这些语言进行序列化。所谓序列化是什么？就是把所有的语言变成TOKEN，然后把这些TOKEN离散掉，谁跟谁之间都没有关系，再通过把全世界的语言搁在一起进行统计、进行训练，重新建立起这些TOKEN与TOKEN之间的关系。它是这样来工作的。

而且要注意一点，语言这个东西本身就是一个世界映射，语言只能表达世界中的很少一部分。哪怕是同样的语言，你用不同的语气语调来说，都会表达不同的意思。而不同的语气语调，你在语言中是完全无法看到的。所以语言只是真实世界的一个稀疏映射，大量的信息被错漏了。所以在TOKEN化的这个过程中，大语言模型其实把大量世界本身相关的信息都扔掉了，特别是那种连续的信息。

因为大语言模型通常能干的事是什么？就是预测下一个词应该说什么，哪个词是最好的。但是在这个过程中，它对于让世界演变这些连续事件，它是没有办法去进行预测的，因为它在序列化的过程中就把所有这些关联全扔了。

缺乏物理世界的关联与约束

大语言模型之所以可以回答问题，是因为以前有类似的文档。但是回答的时候，大语言模型并不知道这些内容之间的关联与约束。比如说问它：“我把这个杯子扔下去会怎么样？”它会根据过往的文档训练，给你回答说：“这个杯子会自由落体掉落，掉在地上会碎掉。”但是它不知道是因为有重力加速度、万有引力，因为这个玻璃很脆弱，掉在地上以后会摔碎。这些东西它是不知道的，只是因为以前有一些文档告诉你说这个杯子扔出去会摔碎，其他的它是不知道的，里头相关的约束以及这个关联都没有。

推理成本极其浪费

而推理成本是极其浪费的。咱们现在大语言模型，从OpenAI出O系列模型以后，都可以thinking了，都有COT（Chain of Thought）就是推理过程了。这个过程在杨乐坤看来，是极其极其浪费的。为什么？就是它不直接出结果，而是出中间的推理步骤，而且这些推理步骤是一次出一大堆，再由一个专家或者几个专家模型去进行筛选，在里头再挑一个能用的。说这个过程太浪费算力了，实在是没有必要。

安全缺失与事后补救

还有就是安全缺失。说现在的所有安全手段都是非常容易被越狱的，因为什么？你在训练的时候已经把所有的约束都去掉了。你说这个玻璃杯掉在地上会碎裂，这个事儿它是通过训练训进去的，但是它并没有说有一个基础的约束在里头。所以它在一大堆的训练以后，这个模型只能够去猜测下一个TOKEN出什么最合适。

你要想让它进行安全方面的对齐或者是约束，怎么办？你只能是说做事后微调，或者是设置外部围栏：你问了这些问题我就不回答了。事后微调就是我出了什么样的结果，我就如何去处理了；或者我出结果的时候我会进行筛选。这个本身是非常非常不安全的，因为你没有底层的一个逻辑。它是底层先生成一大堆不安全的东西以后，你再去进行后训练，再去进行围栏，这个是非常麻烦的。

还有一个就是成本很高。很多安全措施也是让大模型一次生成一堆结果，然后在里边挑一些相对来说比较安全的给你展示，说这个过程也很浪费。而且大模型是缺乏对于物理世界后果预测能力的。大模型能够预测的只有一件事，就是下一个词出什么最合适。它没法预测说“我这个动作做完了以后会有什么结果”，也缺乏规则的约束。那你说怎么能够判断安全？你一定是说我先预测一下我这个动作做了以后会怎么样，然后再去根据结果预测安全。大模型是没有这个能力的。

硅谷陷入了集体幻觉

第三个是硅谷现在陷入了集体幻觉。硅谷相信，我们只需要不断的去喂数据（包括后边的合成数据），进行人工的管教（也就是后期的微调和对齐），进行技巧的堆砌（也就是强化学习），你就可以不断的让大模型学会新技能。硅谷的AI已经被单一文化所绑架了，大家都怕其他的尝试会落后，只敢低头拉车，不敢抬头看路了。明明有很多其他的方向，我们就不试了，这就是唯一方向，我们就往前走了，这个是非常非常危险的。

所以总结一下，杨乐坤认为大语言模型就是扯淡的三个原因：

• 第一个原因是序列化，就这东西从一开始它就不对，你就丢弃了大量的信息，而且是打破了所有的关联和约束以后重新训练出来的；
• 第二个就是很不安全；
• 第三个就是硅谷整个陷入集体幻觉了，对其他的所有可能性都拒绝尝试了。

第二块：杨乐坤为什么认为现在的大语言模型还无法达到狗的智能？

我们很多人已经因为大语言模型都失业了，它都已经开始替代人的工作了。现在我们一看这玩意连狗都不如，被替代工作失业的人是不是觉得很冤？其实原因也很简单：狗是没有语言的，它并不会去描述这个世界是怎么样、我要去做什么，但是狗依然可以在物理世界中很好的生存，而大语言模型是不具备这个能力的。

狗的世界模型它会记住什么？物体不会凭空的出现与消失。这里有一个杯子，扭过头去再扭回来，这个杯子应该还在。这就属于最基本的物理约束。在我们训练大语言模型的时候，再把这些语言信息进行符号化的时候，进行TOKEN化的时候，这些东西就都丢了。所以狗是有这些底层约束的，而大语言模型没有。

再加上比如说运动力和惯性这些基础的东西，这些玩意不需要牛顿出来，这个狗也知道。它不需要学习，不需要去考试它也知道。说“我跳起来不会马上掉下来，我跳起来会顺着这个惯性接着往前跑一段”，这些东西狗是天生就知道的，或者说它可能生下来经过简单的学习就可以知道。

而且狗是有视觉、听觉、嗅觉和触觉的，可以接收这些信息，可以判断这是什么的味道、这是在哪个方向上、这个东西距离我有多远。这些东西很多都是没有办法通过语言去进行描述的，但是狗可以在这些基础约束下在物理世界中进行活动，而且还活的很开心。狗是可以进行规划的，它要去规划一下我要去怎么抓住老鼠（狗拿耗子这个没关系了，反正甭管抓什么吧），它要去抓一个东西，它可以预测可能的结果，并且做出选择并得以生存。这就是狗真正强的地方。现在大语言模型还做不到这些东西。

大语言模型只能输出语言，而语言仅仅是现实世界一个很小的投影以及很疏离的映射。真实世界中的大量的信息都没有映射到语言上去，所以大语言模型到现在为止还不如狗。等哪天新的世界模型可以像狗一样聪明了以后，咱们再继续往前走。

所以杨乐坤认为，说现在大语言模型这条路是永远不可能超越人的。因为人虽然我们现在在这呱啦呱啦说话，你们也在这听我说话，但是我们离开语言是依然可以在物理世界中生存的。可能未必有狗活的舒服，但是我们也可以在物理世界中，也可以在现实世界中生存。所以在把这些物理世界的基本约束丢掉以后，大语言模型永远也不可能超越人类。

第三块：杨乐坤的抽象世界模型（JEPA）到底想干点什么？

这是对我们的考验，我尝试把它说清楚，也希望大家能把它听明白。首先，杨乐坤的抽象世界模型里头有四个要素：抽象、分层、预测、最小消耗。就是这四个要素组成的整个这个系统。

1. 抽象 (Abstraction)

所谓抽象就是不去预测每一个像素，那太浪费了。你不可能说我预测出这个视频的下一帧来，这个事是不行的。只记录基础的知识，预测大致的结果就OK了，这是他现在要去做的事情。

比如说吧，咱们打羽毛球，当对面那个球打过来的时候，我们会去判断球的轨迹，做出动作击球，但是并不会计算所有的细节，也没有办法去想象在我们击球过程中每一帧画面的所有像素，但是我们依然可以开开心心的在球场上打球。这就是抽象的一个魅力。而且这些基础知识甚至还不是说通过物理的方式我去学、通过数学的方式我去学，公式怎么做、抛物线怎么算、风阻怎么来、这个速度什么，不是这样。我们只是说通过一些习惯，他这样打过来以后，我应该怎么去接，他是这样来去训练出来的。很多的羽毛球冠军，我估计他们的数学跟物理也未必能考及格，但是人家依然是羽毛球冠军。这个是他要去做的第一件事，叫抽象。

2. 分层 (Layering)

抽象之后下一步就是分层。所谓分层，他现在使用的这套系统叫JEPA，叫“联合嵌入预测架构”。什么意思？咱们依然以打羽毛球为例。

• 高层的预测：我们首先对高层数据嵌入进行预测。高层是我想着我应该回一个什么样的球，我是要回一个后场的高球，还是前场的吊球，还是做一个假动作，这个就属于高层次的思考。
• 低层次的预测：我这个手脚应该怎么动，怎么协调，我这个手腕应该怎么去摆，怎么去发力，这就是低层次的。

所以他就是在不同的层次想不同的事情。其实我们人去做很多的这种决策或者动作的时候，也是这么去思考问题的。如果你在高层去想这些低层的问题，不是想说我要怎么去给你发一个后场的高调球，而是想着我应该怎么去发力、我应该怎么去动手腕，那一定会出问题的。

3. 预测 (Prediction)

这个预测是什么？就是在世界模型中预测做出相应动作之后的结果。杨乐坤还是会去训练一个世界模型的，里边有一些刚才我们讲的物理公式、数学公式、一些基本的约束，把这些东西训练到物理模型里、世界模型里去。

你说我根据前面的分层的这个方式，我去进行预测了。比如说吧，在我们看到球过来的时候，就会去预测我们把这球打回去以后有几种不同的可能性：我回一个后场球，对方有可能会到后场给我做一个跳杀，或者在后场再给我回一个前场球，或者在后场再给我去回一个后场球，他有几种可能性。我们要去判断，我们把这个可能的结果进行推测。甚至有可能说，我这一个球杀不死他，但是我把他调到后场去，他可能步伐会混乱，再回一个球就有可能回的质量不是那么高，可能给我回一个前场高球，我就可以在前场扣杀他了。我会要做这样的判断或者是一些预测，或者叫规划吧。有的时候我们的这种预测和规划会分成很多步，然后才能去做决策。

4. 最小消耗 (Minimum Cost)

那决策下一步是什么？叫最小消耗。这就是我们决策的过程。你看我们已经抽象了，也分层做了思考了，然后做了预测了，在世界模型下给预测的结果都给我了。下一个事我要选择，这么多的预测结果里我选哪一个？怎么选？它有一个消耗函数，叫cost的一个函数。

什么叫最小消耗？就是你这样回最容易获得胜利，消耗最小的体力，让你觉得最舒服，不适感最低。你要做这样的一个选择，实际上就是计算一个最优解出来。预测之后在不同的结果中选择消耗最小的那个去执行。

安全与结构化

所有的安全约束都可以在这去计算。如果你说我现在把球打出去以后，它有可能会出界，这就是一个安全约束了嘛。这就属于一个消耗很大的一个因素在里头，那么我们就不要选择这样的一个结果，我们要选择其他的动作去做。这就是最小消耗。

它的安全也是在刚才我们讲计算最小消耗的时候就可以直接计算进去了，所以它是一个结构化的安全方案，将安全直接写到底层的硬代码里头去，通过优化实现安全。也就是先模拟，确保满足所有的安全约束，才进行执行。我模拟了以后，你这个安全约束一旦违反了以后，你的消耗函数就会给你返回一个巨大的值，这个选项就直接过滤掉了。它是通过这样的方式来保证安全的，是很难越狱的。

工作流程总结

1. 首先我们要提出动作的序列，先要有一个计划；
2. 然后在世界模型中进行模拟（当然这个模拟是分层去模拟，高层是什么样，底层是什么样的）；
3. 然后评估成本，找到最小消耗，也就是最小化不适感，让你这个动作做完了以后舒服；
4. 根据这个评估的结果对这个动作进行优化，并且执行，作用于真实世界。

这就是这种世界模型的一个运作方式。

第四块：行业点评与未来展望

点评其他“世界模型”

杨乐坤对于现在行业中正在研究的各种号称是世界模型的项目是如何点评的？他说伊利尔的这个SSI（就是超级安全智能），现在完全搞不清在干嘛，可能已经成了一个笑话了。就是伊利尔自己也搞不明白在干嘛，他的投资人也搞不明白他在干什么，这个就没法整了。其他的有些点名了说这几个还不错，那几个不怎么样。但是李飞飞的世界实验室并没有被点名。

杨乐坤给出了评判的标准：什么样的是真世界模型，什么样的是错误道路（依然是在大语言模型的基础上继续狂奔的）。它的判断标准就是：所有生成式的、生成所有像素的，这种都跑歪了。而李飞飞的世界模型，包括OpenAI的Sora世界模型，都属于这一类。他们都属于是生成式的，要生成视频的，要生成所有像素的，这个事都是错的。只有在抽象世界中，基于基本原则去进行预测和规划，才是正确方向。

与大语言模型的关系

杨乐坤的世界模型与现在的大语言模型之间到底是什么关系？是不是要颠覆？倒也不是。他的预测是：未来世界模型负责底层逻辑，而大语言模型只负责语言的部分就可以了。

就像我们现在大脑里头，其中有一部分是只负责语言部分的，而且这一块很小，只发展了可能100万年，很短的一段时间。而大部分时间，这个动物的大脑都是在跟物理世界打交道的。我们人类也是先在物理世界里头去进行各种判断，然后再去用语言输出或者进行交流的。就像刚才我讲这个打羽毛球这个过程，如果你一边打羽毛球一边把所有的步骤和思想过程全都变成语言，你就打不着球了，这个人是反应不过来的。我们经常说“手比脑子快”，我还没想明白，我的一个习惯动作已经上去了。这个世界模型就是要去做这些事情，语言只是需要的时候我再进行描述。

第五块：AMI公司是干什么的，怎么挣钱？

最后咱们讲一下，杨乐坤准备创业的AMI公司到底是干什么的，以及怎么挣钱。他这个AMI叫“高级机器智能”，准备融资5亿欧元，估值30亿欧元。

为什么融欧元？因为他准备放在巴黎，总部在巴黎，在纽约设办公室，所以他要融欧元。那这5亿欧元里头，Meta是重要合作伙伴，但不是股东。至少在这一次他做访谈的时候说了，Meta不是股东。Meta是不是给钱这个事，还要等他这5亿欧元彻底融完了以后才能知道。目前在融资，但是没有披露融资的细节。

杨乐坤是董事长，并不是CEO，应该还是要再找一个年轻力壮的人去做CEO。杨乐坤也65了，虽然在这种顶级科学家里头不算特别老的吧，但是肯定体力也没有那么跟得上了。

逃离硅谷与开源研究

在巴黎设立总部、纽约设立办公室，原因就是要逃离硅谷，因为硅谷现在已经被单一思想给垄断了。其实欧洲人看美国人的方式，跟纽约看硅谷的方式，以及硅谷看中国的方式都是一样的。什么意思？大家都觉得我们是在做基础研究，对面那帮人是在做应用研究。欧洲人就觉得我们在做基础研究，美国人都在做应用研究。美国的像纽约、波士顿这些东海岸的人去看西海岸的硅谷，想的也是这样：东海岸我们在做基础研究（像什么哈佛这些人在做基础研究），西海岸的这些（像什么斯坦福、UC Berkeley、包括硅谷）你们都是在做应用。硅谷看中国也是这样的，说我们在做基础研究，你们中国人只管超过去做应用就完事了。大家都是这样的一个思路，所以现在杨乐坤说算咱们欧洲干去。

杨乐坤要求要做开放开源的研究。他说不公开发表就不是真正的研究，这就是他跟Meta最后闹掰的一个核心原因。他希望他的各种研究可以公开发表，而亚历山大·汪进去了以后说不行，你必须要经过我审核了以后才可以发表。所以一气之下老头跑了。

杨乐坤为什么要求必须要公开发表？

• 他说你如果不公开发表的话，就容易自欺欺人（估计讲的是Llama4）。这个事必须要通过同行评审，才可以确保研究方向的严谨性以及结果的可靠性，所以必须公开发表。
• 开源则是吸引顶尖头脑的最佳手段。很多研究成果转化成产品需要数年甚至数十年，允许研究人员发表论文并且开源他们的结果，可以提供及时的激励和成就感，所以还是要鼓励开源的。
• 开源是实现AI多样化的唯一途径。杨乐坤是反对垄断的，他在Meta做了12年，做出Llama大模型来就是为了反对谷歌和OpenAI的垄断。
• 开源也是促进文化多样性的一个手段。如果被垄断了，那就没有文化多样性了吧，只有开源了才有不同的大模型可以去玩耍。
• 开源也是商业与经济最好的一个结果，可以在商业和经济上得到最好的回报。因为开源可以很好的赋能各种垂直领域，因为只有你开源了，别人才可以去这些垂直领域，才可以更方便的去跟你合作，可以最大化经济影响。

其实开源这里有一点杨乐坤并没有提，开源最大的好处是建立事实标准。因为一旦事实标准建立了，你整个这个系统就可以躺在那吃饭。现在英伟达的CUDA就是一个事实标准，虽然它并不开源，但它依然是一个事实标准，所有人都难以逾越。

商业模式

最后，AMI怎么挣钱？又是开放又是开源，我还要发表论文，我所有的产品我一开源了，别人就能用了，到底怎么去挣钱？现在他们的设想是，做好这个世界模型以后，为自动驾驶和机器人这些需要在物理世界中、需要在连续的时间序列中去做决策的这些企业，提供基础模型以及提供各种技术的支持和服务，通过这种方式去挣钱。

结语

最后总结一下今天的话题。对于我以及听众们都是一次考验，我希望我把杨乐坤的世界模型到底怎么做给大家讲明白了，或者让大家觉得我自己明白了也行。让我们尝试去理解杨乐坤的世界模型具体想做什么。期待杨乐坤在新的方向上依然可以做出有价值的贡献，不为短期经济利益所屈服，勇于尝试不同的方向，科技才可以进步。

好，这就是今天的内容，感谢大家收听。请帮忙点赞、点小铃铛，参加DISCORD讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

背景图片

Prompt：high-contrast watercolor painting, empty New York University computer lab interior, rows of sleek monitors and keyboards on long desks, ergonomic chairs pushed in, large windows with city lights filtering through, glossy reflections on screens and tabletops, neon cyan rimlight outlining equipment edges, deep navy background, sharp subject separation with extremely legible negative space for text overlay, minimal palette of ink blue neon cyan and subtle gold accents, cinematic composition, ultra-detailed, intricate linework, –ar 16:9 –raw –s 250 –v 7.0 –p lh4so59

互联网女王每年发布的、被全行业当圣经一样解读的趋势报告，时隔6年再次发布。大家好，欢迎收听老范讲故事的YouTube频道。

互联网女王的互联网每年一度的趋势报告再次发布了。这位互联网女王呢，她叫玛丽·米克尔。1995年开始，她每年发布一份互联网趋势报告，到2019年疫情前发了最后一份。前面应该是发了20多份吧。隔了五六年以后，2025年的5月30号，她再次发出了最新的报告。

这份报告叫《人工智能趋势报告》，340页的PPT。他这个趋势报告每年都是一份，基本上都有300多页。形式呢全都是PPT，每一页都是图表，没有那么多字，大量的是各种各样的趋势图。它是通过行业数据，就是一些已经发生的数据。它很少说我去预测这个数据，也有，但是它会标的很清楚，哪部分是预测的，哪部分是已经发生的。

他收集很多已经发生的数据了以后，去判定未来几年可能发生的一些趋势。互联网行业都会认真的去解读，判定风口，并且尝试让这些预言成真。没有哪个人说你预言这个，我一定要跟你反着干。没有人找这不痛快的。有的时候不一定是预言有多准，而是大家看到预言了，就努力的冲上去，朝着预言能够实现的方向去奔赴了。实际上是个双向奔赴的过程。

那么今年的报告里都有些什么东西呢？300多页充满了数据、图表的PPT，看起来肯定是很累的啦。幸亏现在有AI可以帮忙解读。AI是读了原文，而且也读了各家的解读，并进行了总结。我稍微的去阅读了一下，阅读了Gemini Deep Research的，也阅读了OpenAI深度研究的，跟大家稍微的总结一下他讲了什么。

第一，AI以前所未有的速度获得了用户、资本和各种认可。这个确确实实是一个奇迹，一夜成名。ChatGPT上来几天上亿用户，这个从来没有过。实际上，互联网、移动互联网每一次的革命浪潮来的时候，都是以前所未见的速度席卷用户的。AI依然具备这个特性。原来互联网没有达到过这样的速度，移动互联网也没有达到过这样的速度，AI达到了。

免费加订阅的方式，商业变现上可能会有些跟不上。为什么能够获得这么大的用户量？一开始都是免费，后面我们再做增值服务。甭管是订阅还是收TOKEN费，都是用这样的方式。但是这样的方式最后到底能不能挣到钱，他也表示担忧。所以现在OpenAI的估值还是有一些风险的。实在是不太挣钱，而且估值太高了。3,000亿美金了，你一年的收入才120亿美金，你PS也没有这么算的呀。

PS就是你的收入跟你的市估值，或者市值之间的比例。这个有点太悬殊了，女王陛下对此表示了担忧。

然后讲到了中美双雄的斗争。美国他建议应该放宽签证，留下更多的留学生，这样才能够胜利。而且他讲到了AI基础设施建设的争夺战，正在如火如荼地展开。未来谁拥有更多的AI技术设施，谁有更多的算力，谁可以产生更多的TOKEN，谁可能就会在未来，就像现在掌握石油一样，掌握世界的命脉。这个是他提出的一个预测，我觉得这一点跟黄仁勋，跟很多业界的预测是相一致的。

他讲到了说范式正在改变。什么范式在改变？就是原来AI主要是进行补全的，而现在是到了整个行业开始逐步重构的时候了。很多的行业都需要用AI整个去改变。其实互联网就改变了很多的行业，没有什么行业加互联网，永远是互联网加行业。移动互联网也是如此的，AI也是这样。你说我原来的行业做得好好的，我加上AI可以干什么？别想这事，你要想AI上来以后，会怎么重塑你整个的行业。你要抱着原来那个东西必死无疑。

然后讲到了劳动力和就业。他说呢，AI不会消灭工作，但是会重塑工作模式。原来这些工作肯定就都没有了，以后的所有工作都会跟AI配合去工作。如果你没有学会跟AI一起配合工作，那可能是会被淘汰的。但是呢，他觉得这是一个过程，他并不认为这个事情马上就会发生。

AI正在打破屏幕，走向物理世界。这个实际上讲的是巨深智能正在走来。说以前的AI都是在屏幕里头，虚拟世界里头，我们通过一个对话框跟他聊天。而现在，大量的可以直接影响物理世界的AI，正在逐渐成为现实。

而且他还预测了一个很神奇的东西，就是原生AI住民即将诞生。这个所谓原生住民这件事，是很早以前我们发明的一个词。你比如说有叫互联网原生著民的，没有接触过PC软件。在原来没有互联网的时候，他压根就没有摸过电脑，进到这个PC上以后就只会用浏览器，所有PC里其他软件不会使，这个就是互联网原住民。还有移动互联网原住民，就这人连电脑都没见过，上来第一个智能设备是手机，每天举起手机来，使用各种的移动互联网服务。这个互联网到底怎么回事，PC到底是怎么回事，浏览器到底是怎么回事不知道，这个就属于叫做移动互联网原住民。

他说现在呢，还有26亿人是没有上过网的。这些人可能在非洲、在南美、在东南亚、在中东，在这些地方。他们可能一上来就直接接触AI了，前面那些东西他就直接略过了，不用接触PC，不用接触软件，不用接触浏览器，不用接触手机。

也没有APP，你上来了以后就是AI助手直接面对你。这些人就会成为叫AI原住民。他说现在大量的印度人在撑起OpenAI的用户量，OpenAI里边最大量的用户是来自于印度，因为他们确实人多。即使是DeepSeek以及其他的一些AI的平台，印度也都能排到用户的前三。未来他认为这一块还是可以产生巨大效益的。

他提到了一个时间点，你光预测不讲时间点，这会儿不是耍流氓吗？他提了个时间点，他讲到的是2030年，说AGI基本上就可以实现了。他认为在10个方向上会发生彻底的改变：

第一个是问答和知识获取，说AI将成为默认的知识接口。这个对于谷歌这些做搜索的人来说，就是晴天霹雳了。原来我们要获取各种知识是需要靠搜索的，谷歌通过搜索来挣其赚我们的广告费，以后这个就要发生改变了。

下一个就是写作内容生成，AI将撰写各类文本。我们现在还在纠结说谁的论文、谁的文档里头有多少AI率，我们还要去查AI率。说可能很快这个事情就不用再查了，大家就都需要用AI去写了。其实在很早的时候我们还去查过，说你这个画儿是不是计算机生成的，但是现在你说没有计算机，谁去给你画画去？可能很快就会发生改变了。未来就全都是这玩意儿写，特别是一些格式化的文档，一些重复性的文档就直接由AI生成了，人可能只负责检查就完了。

编码与开发，说AI能够根据自然语言要求编写应用程序和网站。到2030年可能会变得非常成熟，现在还是需要大量的人工监督，而到那个时候，可能真的是上帝说要有光，于是就有了光了，可能能实现这些东西。

然后是会议记录和事务跟进，AI将在商务和办公场景担任智能秘书的这种角色。以后我们可能几个人开会商量一个事儿，商量完了以后就由AI出所有的会议纪要。AI记着谁答应什么事了，谁要做什么，自动的去调整我们的日历安排，或者是各种的行程安排，来监督每一个事情最终的落实。这个听起来还是蛮有用处的。

然后是收发邮件和信息过滤，我们现在遇到了一个很严重的问题就是信息爆炸，大量的信息我们是看不过来的。所以未来AI会扮演助手的角色，充当邮箱管家。我们收到大量邮件以后，AI自动的去过滤这个是广告，那个可能比较有用，这是个账单，哪件事情是真的找你的。你问他说你给我做个总结，我最近收到哪些邮件，哪个重要，哪个不重要，有些什么样的事情我一定要看一眼。这个就跟以前的皇上的御书房似的，下边上来折子他先看，看完了以后说这不太重要，扔了吧。

这个我觉得还是很有用的。再往后就是复杂内容的解读，AI将扮演通俗的解释者。这个我已经用上了，当然未来可能它会做得更好一些。你像我现在还需要借助四个AI助手，去对这个文章进行了解读以后，自己再进行了思考和再总结，才能给大家讲这故事。以后可能就是：一个AI助手一次给我搞定，让我觉得很满意。我也希望这一天快一点到来。

再往后是个性化内容和服务推荐，AI将大规模自动个性化各种服务。其实我们现在的各种推荐引擎后边也都是AI。在这一块可能会由现在新的AI大模型，把整个推荐算法再一次的去革命掉。这个我觉得也还是可以期待一下的，因为这一块是可以真正挣到钱的。你一旦是对用户进行个性化推荐了，相当于是掌控了流量，也掌控了交易，就可以多出一些在订阅之外的收入出来。可能整个AI行业里头要想破局，找到真正的盈利点，还要在这里去思考。

然后是教练和习惯培养，AI将成为你的私人教练和督导。比如说我现在要低糖饮食，或者是轻断食什么，这些东西都可以由AI来去负责。有些人已经做出类似这样的半成品来了：你给他一个实物，拿手机一照相，告诉你说这是个什么东西，含多少糖、含多少能量、含多少其他东西，吃了以后应该如何去健身，或者说今天你吃了这个，晚上就可以少吃一点了。他现在已经有一些半成品，这一块彻底把它做成成品，我觉得会有很大的机会的。

然后是实施决策和导航，AI将在现实中为你提供情景化的决策支持。在这一块可能以后汽车这儿，就会有很多新的变现途径出来：我到底应该从这走还是从那走？不是简单的坐车要到达一个什么地方，而是在坐车的过程中，可能我要决定去什么地方吃饭，我还要去看什么样的风景。这些都会有新的现金流产生。

最后是模拟人类般的交流与记忆，说AI对话将更加拟人，具备长期的记忆。现在虽然OpenAI也好，Claude或者是Gemini也好，都在向这个方向走，但是离真正能够用，还是有一定距离的。这位女王陛下认为，2030年所有这些基本上都可以实现了。

那么女王到底何许人也？咱们讲了这么半天，这个人叫玛丽·米克尔，1959年9月出生于美国印第安纳州波特兰市，一个钢铁行业商人家庭，现年66岁，终身未婚。那我也通过AI去查了一下，他前面接受采访的时候说过终身未婚，因为实在是太喜欢投资、太喜欢金融、太喜欢技术了，没有时间出去社交，是一位把一生都献给事业的可敬女士。1981年，他以心理学学士学位毕业于印第安纳州迪保大学。

1986年，他获得了康奈尔大学约翰逊管理学院MBA学位，主修金融。1982年本科学位拿到以后，加入了美林证券做股票经纪人。1986年，他拿到了康奈尔大学约翰逊管理学院MBA学位以后，加入了所罗门兄弟，担任科技行业分析师，开始专注于新兴互联网领域。我们管这个领域叫TMT，它就是TMT里头的女王。

1991年，他加入了摩根士丹利，主导科技股研究，逐步成为全球最具影响力的科技分析师之一。1995年，他主导了Netscape的上市，也就是网景的上市是他主导的。后面就逐年开始去发布互联网趋势报告了。1998年12月，《巴顿周刊》以封面故事形式将米克尔称为“网络女皇”（Queen of the Net），盛赞她几乎主宰了科技股的发行和股价涨跌。“网络女皇”这个词就是这么来的。

那么，女王陛下的预言到底准不准呢？根据一些不太完全的统计，他讲的东西大概70%是准确的，但是肯定没有完全准确，也没有人知道到底是哪一部分准确，哪一部分不准确。你还是要靠时间来筛选。他通过过往的真实发生的业务数据来预测未来，这就是金融人才的一些天赋。当然了，也翻过车。在互联网泡沫破裂的时候，他努力推荐的很多股票最终都破产了。最后，女王陛下也不得不出来道歉，说：“实在对不起，我坑了大家。”这个事情也发生过。

女王陛下看趋势还是非常准确的。有些人就总结出来说，将女王的预言正负24个月，准确率会极大提升。什么意思？就是他预测2030年要发生什么事了，往前倒24个月，再往后倒24个月，基本上他讲的话就是在这四年之间会发生。有可能2028年就发生了，也有可能到2032年才发生，会有一些时间上的偏差。

2019年，女王的预测是远程医疗会在3-5年以后大爆发。这是当年他预测失败的一个案例。结果2020年疫情就爆发了，远程医疗这个事情一步到位了，直接就实现了。因为太多的人没有办法到现场去看病，很多的地方需要进行封锁，直接就远程医疗了。他原来想着还要3-5年，这个就叫人算不如天算。

大的趋势预测基本上还是可以参考的，但是如果以女王的预测为基础，进行精准的网络操作，就稍微有些危险了。有的时候，女王一些争议比较大的预测，可能要换一种方式来解读，才可以真正理解他在说什么。

举一个例子吧，比如说2014年，他曾经预测社交电视将极大的提升广告效果，而且还提出了一个什么东西——用户使用时长会极大的影响广告预算。你这个媒体能够非常长的时间占用用户的使用时长。

那么，广告预算就会极大的向你这边来进行倾斜。很多人就认为，前面社交电视提升广告效果从来就没发生过，这个算是打脸了。而且，用户使用时长影响广告预算投放这个事情也受到广泛的批评，认为其过度简化了媒体价值的评估，忽略了不同平台广告效果的差异、用户参与质量，以及媒体策划中复杂的主观因素。

但是，我要提醒大家一件事情：这是2014年提出来的。2015年年初，我投资了musically，也就是现在的TikTok。你们真的认为女王说错了吗？没有。他所讲的社交电视，其实是社交视频平台、社交视频广告，广告的效果极大提升。而TikTok作为一个用户日均使用时长超过一小时的平台，现在在碾压其他所有的平台，一点都没说错。

那么，我们应该如何来看待女王最新的预言呢？从趋势上理解，肯定又是一篇极大利好。方向指明了，咱们去干吧。一篇预言肯定是各自去解读，每一个人说我都要解读一下。有些人说我是做算力的，有些人说我是做SARS的，还有一些人说我是做电商的。

从我这儿的解读是解读到什么？开发者支持异常重要。他在很多页PPT里头都写到了，说你现在想要去赢得AI战争的未来，一定要去重视开发者知识。他讲到几个：

第一个叫复利效应。复利就是我们去存钱的这个复利。每个开发者用AI都能够让自己的产出提速，再把产出转化为新的AI应用或插件，网络效应叠加，行业进步呈指数加速。这是一个。

第二个是平台护城河。说历史上Windows、安卓、iOS是怎么赢的呢？就是因为有庞大的第三方开发者生态。AI平台也是一样，最开放、文档最全、API最友好的模型和云厂商会先站住心智，再拉大数据和算力投入的边界回报。你说我这有这么多数据，有这么多的算力，如果你没有一大堆开发者就是扯淡。这是第二个。

第三个是创新扩散。说AI是通用技术，但是创新总发生在垂直场景。把底层模型包装成易插拔的SDK、agent框架，才能让医疗、工业、游戏等行业的工程师快速落地，释放长尾需求。

他对所有这些AI平台提出来，说你们一定要去支持开发者。他对平台也提出了一些很具体的建议：

第一个是要降低门槛儿，降低TOKEN的价格。这个从DeepSeek出来以后，大家都做得很好。

第二个要有丰富的势力、文档、工具链和活跃的社区。这就是我的本行，做开发者关系的，说这个一定是非常重要的。

第三个开源，开放权重。你们还是要努力的推开源模型，像DeepSeek也好，千问也好。

就在努力做这件事情，然后给政策方面也提出了一些建议，主要是放宽顶尖人才和留学生签证，避免人才出走。我估计赶上川普这事，他就没戏了。

从我个人的角度怎么来看这些事情呢？我自己是做开发者关系社区、服务出身的，所以肯定对于像投资孵化呀，对于开源社区呀，非常非常感兴趣的。即使不能回归产业，从女王的预言中，这个方向也还是大有可为的。作为自媒体，也会有很多我熟悉的话题，可以给大家分享。当然，如果能够回归产业，我还是依然可以发光发热的。

最后总结一下，互联网女王再次发出了预告。大部分的预测放宽一些时限，通常还是可以实现的。互联网高速发展的节奏正在回归，这才是最重要的。为什么我们都这么激动的来去讲这件事情？因为前面20多年，他在每年的发预告的时候，就是互联网快速发展的时候。中间这一段时间因为疫情影响，因为其他的一些地缘政治影响，整个的互联网行业并没有得到特别高速的发展。现在它又回来了，我们希望整个的行业能够在它的预告节奏中，继续恢复高速生长，这个才是真正让人激动的东西。

好，这一期就跟大家讲到这里。感谢大家收听，请帮忙点赞，点小铃铛，参加Disco讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

OpenAI的星际之门和民主AI，到底要对抗谁呢？

大家好，欢迎收听老范讲故事的YouTube频道。山姆·奥特曼亲临德州星际之门工地，现场指导工作去了。他在德州阿比林市星际之门工地现场做了一些现场指示，这就是他们星际之门的第一期工程。项目花费呢，首期投入是1,000亿美金，未来四年共计消耗5,000亿美金。但后边的事大家就别太当真了，因为后面还有很多钱可能需要各国政府去掏，待会我们再去讲。

第一期建设呢，主要是软银掏钱。Oracle负责设计、施工和建造，所以现场拍到的照片，大家穿的小背心、安全帽上面都是写的Oracle的字样。计划部署6.4万台英伟达GB 200 GPU，首期的1.6万台英伟达GB 200 GPU应该是在今年夏天就可以完成安装，就可以投入使用了。

OpenAI负责运营，而且OpenAI使用这些星际之门设备的时候，还得老老实实付租金。那你说这咋回事呢？他不是应该跟软银一块出钱吗？跟软银、Oracle，还有一个中东的土豪MGX，四家基金一块出钱，怎么你自己用还要付租金呢？对美国人他就是这样，他这样可以算两回：一方面我是出了钱了，另外一方面我也要付租金，各算各的。

山姆·奥特曼就去做指示去了，说什么呢？说我们要开展国家AI项目了，每个国家我们帮你去建一套星际之门，我们在里头实施民主AI，去对抗专制AI。他要干这么个事儿。

我们刚刚讲到的，软银出钱、Oracle建造、OpenAI运营，这四家里头还有一没说的呢，就是中东土豪——中东基金MGX。他出的钱以后主要用在哪？星际之门在美国之外的很多建设，估计就需要MGX来去出钱了。星际之门在日本的建设，估计软银也会把钱出了。但是如果到中东去建设了，那么MGX说：“来，大头我出了吧。”应该是这么去做的。

OpenAI在5月7号宣布了全球的新计划，叫OpenAI国家计划。意思是什么呢？由OpenAI、软银和各国政府一起出钱，将星际之门的服务器部署到每个国家去。原来你不是说你的数据不能到其他国家去吗？你这个数据需要进行国家的审核和监控，要保护隐私。而且呢，OpenAI大家知道，它大量的训练语料都是英语的，你要换一个其他的非英语的语言，有的时候没有那么好使。那现在说我们干脆给每个国家，特别是盟友国家，都去建一套星际之门，你们就在这使就完了。

他呢，要去做全球性的AI基础设施建设，通过与政府合作，推动本地AI的技术发展。

并将美国主导的AI生态扩展至全球，为各国提供符合当地语言、文化和需求的定制版ChatGPT。比如说到意大利了，到西班牙了，到德国了，我帮你去训练。训练完了以后，你们就有符合当地语言和文化需求的这种定制版的ChatGPT了。相互之间也不影响，别回头我给你定制了半天，我再把美国那个版本给玩废了。咱们隔开了玩。

而且呢，他们这些分开部署的ChatGPT重点将应用于医疗、教育和公共服务这些领域。它呢强调AI模型的安全管理，包括数据中心的物理安全、模型部署流程合规性，并且探索民主AI的原则，及确保AI技术的使用不被政府滥用，维护自由市场竞争和个人选择权利。待会我们去讲讲它到底啥叫民主AI。

据说要在盟友中建设星际之门，但是呢，现在不知道谁第一个。说是已经跟十来个国家去谈好了，就准备开工了，要建了。我觉得日本可能是第一个，因为毕竟出钱的是软银吗。咱先自己建一套，这个合理。当然你说中东是不是会头一个冲上来，这个也有可能。因为现在中东土豪们也在拼命的囤GPU，在这去建立各种各样的AI基础设施。而且四个出钱方里头还有一个叫MGX的中东土豪基金呢。

还有一个可能第一个跑出来的是谁呢？就是英国。英国算是第一个跟特朗普签了双边贸易协定的，也算是做出了表率的作用。而且也说了，我们以后会对美国的这些互联网公司、科技公司网开一面。也没准他头一个会冲上来。

那么OpenAI的国家AI计划跟当年黄仁勋提出的主权AI有什么区别吗？OpenAI还是要美国控制的，各地的星际之门里头运行的大模型必须是符合美国的民主价值观的。而主权AI就是你们只管把GPU买回去，剩下的事你们各国政府自己说了算，跟我没关系。所以OpenAI现在提的国家计划跟黄仁勋提的主权AI是完全两回事。黄仁勋提的主权AI的话，其实更像是OpenAI现在想要去对抗的中国的霸权AI。

讲到这儿了，咱们讲讲OpenAI到底怎么去定义民主AI。他呢呼吁美国及其盟友领导的民主AI对抗霸权AI。那现在能够搞霸权AI的，大概也就剩咱们了。那意思是什么呢？就是民主国家有责任确保AI技术最大化其好处，最小化其风险。那什么叫民主AI呢？叫保护并融入长期以来民主原则的AI。就是我训练AI的时候，我把一大堆民主价值观和民主原则一起训练到AI里去了。只要是你跟AI说我现在要独裁了，我要霸权了，AI就拒绝回答。我们训练了这些民主AI。

人们可以自由地选择如何使用AI，但是反而觉得稍微有些别扭，有点矛盾。然后要防止政府利用AI篡取控制权，就是你政府拿到AI以后，不能靠这个东西控制民众，或者说去扩大政府权力。因为大家注意，政府手里有最多的资源，最多的数据，甚至还有AI这个服务器的后门钥匙之类的东西。按道理说，政府掌握了所有这些资源以后，就可以自己去放大自己的权利了。

OpenAI说，我们的民主AI是要监督你的，你不能干这个事，而且要保证自由竞争的市场。这块呢，我觉得OpenAI稍微有些矛盾。怎么叫矛盾呢？你使用OpenAI这个东西叫民主AI了，美国也不是只产这一个大模型，欧洲还有大模型呢。那他们那个算不算民主AI？这个不知道了。所以对于OpenAI来说呢，技术开发和使用中，要包含民主价值观的AI。所谓民主价值观，就是个人自由、权力分散、利益普惠。这个东西要真正造福全人类。

对于OpenAI来说，虽然叫民主AI，但是这里头并没有民主过程，没有投票的部分。而且呢，我们也不开源。这事是我自己关起门来说了算的一个AI。但是呢，因为我训练的时候，我告诉大家了，我使用了民主的价值观训练的，所以我这东西叫民主AI。当然，OpenAI呢也计划在未来会开源更强大的大模型出来。到底是什么时候不知道，咱们慢慢等就好了。

那么一个不开源的大模型怎么民主呢？OpenAI的解释是这样：OpenAI的公司治理结构就决定了我们是受监督的。什么意思？他说我们是一公益公司（PBC，public benefit corporation），而且呢，是受到非营利组织持股并且控制的一个公司。我可以保证我的使命是不会改变的。我们的使命是让AGI，也就是通用AI，造福全人类。这是由一个非营利机构来监督的。通过这样的方式来保证说，我这东西肯定民主，而且保证说OpenAI永远不会成为一家正常公司。因为正常公司就是我们老老实实为股东赚钱就完事了嘛。

认同美国民主价值观的盟友们，就应该使用OpenAI的民主AI嘛，而不是中国的这些霸权AI。不知道谷歌的Gemini、Xai的Grok、Anthropic的Claude，以及Meta的LLAMA和法国的Mistral够不够民主，还是说只有OpenAI是民主的，其他的就差点意思呢？这个就稍微有点难以自圆其说了。但是你如果建了星级之门，你肯定是要用OpenAI的，不能用别人的。中国的霸权AI跟它相对应的。

到底是什么样的一个玩法呢？DeepSeek和Qwen这种就是完全开放权重，你自己拿去部署。部署完了以后，你想怎么调怎么调，自己用自己的数据，你让他想干嘛干嘛，大家拿去自己玩耍。

阿里云、字节、腾讯、华为其实现在也在全球建设AI基础设施。不光是星际之门在那干这个事，阿里云说我们今年要投入3,800亿人民币，应该也有个500多亿美金。咱们确实没有人家有钱吧？反正咱们也要投入这个钱去建设AI基础设施。字节也在干这个事，大力去购买GPU。而且字节在海外去购买大量的H100、GPU200。中国你是不允许买卖，在海外是可以买的。买完了以后去建设机房。华为云和腾讯云都在全世界铺机房的，铺完了以后说来上我这使来吧，反正有自己的大模型，你们想怎么使怎么使，想怎么弄怎么弄。

中国建设这些全球范围的基础设施，第一个是自有资金。这些公司自己有钱，比如说阿里自己有钱，字节自己有钱。第二个是什么呢？就是很多美国银行和投资基金是愿意给他们出钱的。公司运营的很好，还盈利，那我现在把钱借给你，或者说我投资给你，我相信你能够把钱挣回来。另外呢，就是一带一路这些地方的政府，当地政府会给钱。比如说我们现在跑到中东去建数据中心去了，华为云去了。去了以后当地政府说挺好的，你们把这东西建立起来，让我能用上。还有一些呢就是中国政府的钱。中国政府在一带一路地区呢，是有一些国家基金在那边也会投钱。

而且现在各国政府使用中国这些开源大模型已经做出一些自己的成绩来了。比如说日本吧，日本现在跑得最好的一些日语模型是拿Qwen重新微调出来的日语版本，效果已经非常好了，完全超越了谷歌的Gemini，也就是谷歌开源的这个版本，和Meta开源的LLAMA这些版本微调出来的日语版本。因为日本公司呢，相对来说是比较谨慎和保守，他不能让自己的数据离开公司，必须在我公司里头跑。那你需要做私有部署，就只能老老实实的用这种纯开源模型。你没有办法去使用OpenAI的ChatGPT。比如说丰田我要做汽车，要把我的数据送到孙正义的机房里边去，送到软银的机房里去，这个事他们是没法接受的。所以他们就老老实实的拿中国的Qwen模型就去做微调去了，效果很好。

而且做云计算的建设，甭管是中国的像阿里云、腾讯云、华为云，还是说OpenAI做星际之门这件事，它其实都是云计算。云计算的特点是什么？它是一个需要精确进行成本核算微利的辛苦活。

走在全世界任何地方，云计算都是这样的一种生意。没有哪个说我做云计算我暴利，这不可能的，因为大家还要竞争呢。那么，必须要有应用才能够有盈利。必须要盈利，你才能够迭代推进，不断的扩张。

中国的互联网公司其实更喜欢玩一些中国的玩法。中国玩法是什么？就是画地为牢，肥水不流外人田这套东西。你想在腾讯这边发游戏吗？你就要到腾讯云来。你想到阿里这边去做电商，或者做一些其他的这种活动吗？你要到阿里云上来。你想在抖音然后去干点什么事吗？你要使用字节的东西。它的商业部署就是：你首先把云计算中心铺下去，然后会要有人来用，你整个的商业才可以运转起来。

而对于像OpenAI这样，因为民主你得用我的，切着咔嚓就把这些机房铺下去的话，他未必能盈利，未必能Run的起来，因为它不是一个纯商业行为。另外一方面呢，中国的资金甭管是谁家的，是阿里的还是各种公司的呀，还是说国家一带一路的，这些基金有一个共性，就特别喜欢投资各种各样的基础设施建设。现在AI算力中心也算是AI基础设施建设吧。

我原来在南非跟中非基金的人还聊过。中非基金就是中国派到南非去的政府基金，他们就四处去非洲投资什么矿山、港口、公路、铁路、机场、移动运营商、电视台，这可喜欢投资这些东西了。哪怕短期内挣不回钱来，但是他们相信这种东西长期一定是能挣回来的，长期一定是旱涝保收。你像美国说你们怎么可以占这么多港口，怎么可以占苏伊士运河，你怎么可以有这么大的控制权？但没有办法，咱们就是有钱就爱投这个。就像是以前的地主，有钱要干嘛？买地。

因为我们这些基金甭管是国家基金也好，还是这些公司的基金也好，他在国内他想投基础设施，他不让他投，没有这个机会。那出去了，终于没人管你了，赶快干。所以中国在全世界都喜欢投基础设施。

现在是两边在进行竞争。OpenAI的星际之门号称是国家AI计划和民主AI，到全世界美国的盟友那里建设他们的星际之门。中国呢到全世界去铺AI基础设施建设，甭管是集不集权吧，反正我们把AI大模型开源了，拿出来说你们拿去用。所以OpenAI的民主AI真正在竞争的，或者真正要去对付的，就是中国开源的霸权AI。

那你说到底哪个更民主呢？一个呢是中国这些完全开源的大模型，当然我们也提供闭源的，你要愿意使闭源的我们也给。但是呢我们都有开源的模型给你去用。大家要注意，你去建立这些数据中心、算力中心，谁出钱谁决策？肯定是各国政府来决策。

或者是各国的精英和大企业，他们要去决策。这些人呢，会代表这些国家的意愿。至于你下面的这些民众到底怎么样，跟我们没关系。谁出钱谁说了算，我们是这样的一个原则。

而美国，也就是OpenAI，玩的民主AI。它玩的什么呢？第一个，我这东西受美国政府管理；第二个，要符合美国民主价值观的AI大模型。那这个美国民主价值观是什么？就是人们自由选择如何使用AI，防止政府利用AI篡取控制权，以及自由竞争的市场。到盟友那儿，咱们道德绑架：你拿着这东西，你就得按我这方式使。你拿了我这东西以后，政府想扩大一点权力行不行？我想对什么东西做一个监控行不行？不行，这不符合民主。咱们玩的是这样的一套东西。

这个也算是以其人之道，还治其人之身吧。什么意思呢？相当于是对他的盟友进行一些道德绑架。原来最喜欢玩道德绑架的是什么人？欧盟这帮人原来是最喜欢玩道德绑架的：你这个侵犯了我的隐私权了，你这个是看门人了，我要罚你多多少钱。那现在你不是标榜你民主吗？来，我给你玩一个民主，咱们看看到底谁绑架谁。这是OpenAI的玩法。

那么最后到底谁能胜出呢？从我个人的感觉上来说，也许中国的开源霸权AI是可能能够胜出的。为啥？在全球建设AI基础设施，有权做决定的并不是民众，而是各国政府和大企业。中国的廉价商品可以行销全球，说明了各国政府和这些有决策权的人，在掏钱的时候，大家还是清醒和理智的。在这个时候，没有人会被道德绑架的。没有永远的朋友，没有永远的敌人，只有永远的利益。中国人不跟你讲那个，我们只讲利益。我给你这些东西，你愿意巩固你自己的权利，愿意玩政府权力窃取你的事，跟我没关系。反正你花钱了，我把东西给你了就完事了。

中国的大模型，目前还没有OpenAI的好用，这个还是要承认的。但是第一个便宜，OpenAI肯定是要找你收钱的。而我们这儿的话，大模型归你了，你愿意怎么用怎么用，其他的我不管了。掏钱建设的人，肯定还是希望自己说了算，想怎么用就怎么用。没有人说我花钱买回来东西以后，你还得教我怎么做。民主这个事我觉得可能符合道德，但是不符合人性。这个事情咱们可以一步一步往前看，到底是中国开源的霸权AI最后能胜出，还是由OpenAI领衔的民主AI能够胜出。这个瓜还可以吃个几年。

好，这个故事今天就讲到这里。感谢大家收听，请帮忙点赞、点小铃铛，参加DISCORD讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

大家好，欢迎收听老范讲故事YouTube频道。今天咱们来讲第一个故事。

Llama3发布了，李彦宏是不是被打脸了呢？Llama3突然发布，又是一个遥遥领先。它呢，发布了8B和70B的两个版本。8B就是80亿参数，70B呢就是700亿参数。8B的，我其实已经试过了，就在本地已经装上了。这个某些方面，接近了原来，或者超过了原来的Llama2的70B。包括一些咱们在本地跑的这种30多B的，这种就是300多亿参数的模型，它已经都超过了。而且速度还飞快。

啊，70B呢，据说已经超越了cloud 3的中量级模型。Note 3是有三个模型的：一个是特别微小的，就是可以在手机上跑；一个是中等量级的，是可以在PC本地跑的；然后还有一个是那种特别大的，特别大的，是可以对标GPT4的。70B的基本上已经超过这个中等量级了，也超越了GMINI 1.5 Pro。现在大家想去试GMINI 1.5 Pro的，可以到AI studio.google.com上去试，那个是可以免费用的。也超越了现在70B发布出来的版本。普遍他们自己讲的是超越了GPT3.5，但是呢，还达不到GPT4。这在所有测试数据上都是这样。我相信梅塔应该不会像咱们似的，专门做一些调优以后去跑分，不像咱们这么无聊。

在现在的这种开元大模型里头，同等体量的效果最好。咱们在衡量一个开元大模型的时候，如果它没有一些特别革命性的变化，我们一般是怎么衡量它？就是你的体量大小。你比如说大家都是8B的，你跟这个8B的比，你是最好的。这个都属于是同等体量的。你说我一个8B的…\n非要跟一个几百臂、几千亿参数的模型去比，这个事呢，就属于叫不公平竞争了。那么70B的模型，他们现在基本上应该是可以的。注意，GPT 3.5有多少参数是1,750亿，175B的一个。GVT 3.5 其实它已经超越那个时候了。所以呢，大家都在比，这个有点像什么呢？有点像拳击，先看重量级。我如果能够越级干掉一个老拳手，一个8B的，可以干掉几年前的175B的这个，其实已经算是这几年我们可以看到的技术进步了，这个是非常不容易的。他呢，也超越了啊，Metro的这个medium版本，就是这个中间版，但是达不到这个launch这个版本，master的这个最大的版是可以接近GPT4的。然后呢，也超越了千问，同一千问也超了，体验呢肯定是上升了。

第一个是8K上下文。咱们讲说这个大模型，做上下文增长其实挺费劲的，对吧？传统的Lama two是4K的，就是4,000字，现在呢可以上8,000字。大家注意，这个上下文不光是输出8,000字，是输入加输出加一块8,000字。所以呢，你比如说你输入写的比较长了，那么输出就会比较费劲。因为我最近在尝试用这个东西写小说嘛，我就特别喜欢像啊零一万物的200K的上下文，20万字，所以我可以写特别多的这个背景信息扔进去，说来照这个背景信息，给我输出个2,000字出来，哎，那个效果就非常好。

现在的这个新的提升呢，就是包括整个新的框架的提升，他整个训练的效率也上去了。大家要注意，妈妈，其实真正核心的是什么？就是这个框架。为什么说他这块框架厉害呢？就是其他人，包括像刚才咱们讲的名义万物啊，extra，好多都是要参考它的框架，然后在这个框架基本上再去改。如果Lama把这个整个框架的效率提升了，可能我们很快就可以看到大量的这种大模型。一个一个升级，升级完了以后，发现我们都变快了吧。这个是开元大模型做的最大的贡献！而且呢，Llama3啊，现在有更强的推进能力和代码能力。但是我还没有尝试让他写代码，我让他试了些别的——他的安全性提升了。你别看他开源的，你可以弄到本地来，你说你让他干点坏事啊，干不了。我自己亲自测了一下，因为我在尝试写小说嘛，稍微写的不太合适了，他就直接告诉你说：“对不起，后边我没法给你写了。”你让他给你写一些黑客程序啊，一些这种有害代码呀，他都会直接拒绝你。这个是现在做得非常好的一点！但是我相信，这样的这种模型，你按道理说，你对他进行微调，或者对他进行PUA，还是有可能能够让他去做一些突破底线的事情。特别是这个模型现在到我们自己手里了，对，那我就可以反复PUA他，然后找到到底哪一个提示词可以把它这个坏的一面释放出来。这个事还是OK的。我现在是让他去写小说，肯定是写到一些过分的地方，他就退掉了，还没有找到刺激他的正确的提示词啊。这个我相信应该是很多人会去找的。超大规模的预训练数据——Llama3，最后告诉大家说，大力出奇迹，这条路依然走得通。扎克伯格花钱买了35万块H100，加上他原来所有的这些H100，然后呢，拿这么多的H100去进行训练，而且他的训练数据的量，是原来Llama2的好几倍啊。现在有15T的训练数据，这些鸽子里头的训练数据质量非常高。他们强调如何利用高质量的训练数据，比如用Lamar对所有训练数据进行驱虫。虽然有些数据质量好一点，有些差一点，但他们会挑选最好的。此外，他们利用Lamar生成新的训练数据，因此拥有大量由Lamar生成的训练数据。这表明大模型正在自我迭代，Lamar生成的数据被用来训练Lamar3。

当然，也存在一些潜在问题。例如，在对话中，模型可能会自称是GPT、Gemini或文心一言，因为即使通过大模型清洗训练数据，也未必能完全清除这些信息。对于版权数据，Meta的态度较为模糊。Open AI使用大量YouTube视频进行训练，而谷歌已指出这可能违反视频协议。Meta同样使用大量版权内容训练，声称部分数据得到授权，部分来自公开网络，这在法律边缘试探。尽管模型开源且免费，但起诉Meta并不容易，因此多数人选择针对Open AI。值得注意的是，尽管该模型支持30多种语言，但非英语内容仅占5%，中文内容的比例更少。\n所有英语之外的内容，就是5%。也就是说，英语内容是95%。是这样训练出来的一个东西。我尝试让他写小说，他经常还是会在中文小说里头加大英文，或者写到第几章以后，就后边都改英文了。这个… 现在肯定还是需要再进行中文微调。Lamari 二杠有一个专门针对中文的微调版本，对中文的支持会更好一些。但是既然他把这个东西拿出来了，就是让大家去微调的。在聊天的过程中，对中文的支持也没有那么好。当然，后面还有超大杯。现在我们能够拿到的是8B和70B，已经放出来给大家用了。8B的这个部分，我在我自己的机器上已经测过了，没有任何问题，而且速度很快。70B呢，你需要128G的内存才可以跑起来，我的机器跑不起来。但是呢，我到Poe上去试了一下，试的效果极烂。因为试的人太多了，把Poe的服务器给挂崩了。Poe没有给他放那么多的资源和测试，所以经常一点完了以后他就不动了。这个70B到底效果怎么样，我并没有进行很多的测试。其实还有一种测试方式是，你可以到自己到云服务器上去租。租一台4090，就是单4090显卡的云主机，一个小时大概两块多钱，3块钱人民币。如果不是有特别集中的使用，就不建议大家去租这个玩了。后边还会有多模态的大模型放出来。现在这两个还都是文本模型。前面也跟大家录过很多视频在讲，梅塔做了这么多年的元宇宙，在多模态这块的积累，其实是蛮深厚的。后面多模态的大模型出来，我们还是要去稍微的期待一下。因为我已经用梅塔AI去画了几张画了，效果其实还可以。我最近也试了字节跳动的绘画程序，什么视频程序，我都试了。然后也试验了阿里的通一千问的绘画，梅塔AI的绘画，其实现在效果已经很好了。你就这么想吧，stable diffusion的最新的版本的效果这么好，那么国内这些用Saberity future去搭模型，搭框架的，不管是字节的，还是阿里通1,000问的那个…\n效果一般也就上去了。虽然达不到像Mijili那么好控制，但是呢，也都还可以使用。谜坦AI的这一块呢，还是可以去试试。后面呢，还会有一个400币的模型会出来。400币是多少？4,000亿啊。4,000亿呢，现在还在训练和调整之中，还没有彻底弄完。我估计训练应该训完了，但是这种模型就是训完了以后，最后的这个调整过程是非常麻烦的。那么有可能开源。为什么说有可能开源呢？就是前面这个group one开源的时候，314币，3,140亿参数的时候，其实我是录了一条视频，马斯克还骂了一顿。我说，你开一个这样的东西出来，没有100万人民币的服务器，谁也跑不起来。你说你弄他干嘛使？而且还是个MOE的模型。MOE是什么？就是这种专家模型，就是它是由8个小模型凑的，每一次动两个啊，就是每问一个问题，它有两个小模型去工作。你即使这样，还是需要上百万人民币的服务器，才可以把它带起来。巴马3的400币模型，它不是MOE，它是个单模型，实实在在的有4,000亿参数。它不是说像group one那样，每次跑的时候，比如说我整个1,000多亿的参数，剩下都休息。这样的模型，估计至少要上千万人民币的设备，才有可能让它跑起来。所以这样的模型，到底最后会不会开出来，不好说啊。

梅塔AI呢，现在也放出来给大家试，就是大家可以到AI点梅塔.com上去试啊，AI点meta.com去试尝试这东西啊，已经可以去聊天了。而且未来呢，就是梅塔AI呢，会到全线的啊，美塔相关的产品里头去用。比如说你可以到WhatsApp, Messenger, Instagram就可以用。怎么用呢？你直接给他@梅塔AI，然后你就可以告诉他说…\n我跟谁谁谁在WhatsApp上聊天儿呢。聊着聊着我就哎，突然想到一个问题，问美美塔AI：“天气怎么样啊？或者有什么事啊？给我解一个什么什么东西出来。”他就干活去了。这个真的很棒！或者你在这个里头写一个斜线”imagine”，就跟咱们在那个discount里的调料制作过程一样，直接就能画画去了。现在这个功能已经在30多个国家的WhatsApp、Message和Instagram上上线了。还会在哪里出现呢？在雷鹏的梅塔眼镜上，或者在快速3上，也即将登陆。

现在Instagram上的修图工具也是调用的梅塔AI。你可以告诉它：“把这帽子给我从绿的换成红的，或者不要戴帽子，绿的不太吉利。”它现在已经可以执行这些任务了。我测试了一下，这个只吃英文。现在的维卡AI，你上去以后可以说：“我要试一下。”据说是在30多个国家开通了。然后我特别逗，用英中文提了问题，提完问题以后，吉塔AI用中文回答了。它噼里啪啦答完以后，屏幕闪了一下，那个回答的所有内容就没了，然后用英文告诉我：“对不起，我现在无法理解这个中文，等我知识更丰富的时候再告诉你。”它这样的一个东西，实际上是可以做到的，只是效果还没那么好，所以没正式推出。

大家要知道，Llama（Lama）其实一直是整个开源AI界里的领头羊。所以现在有很多人叫什么呢？叫开源GPT4来了。有很多人写了这样的标题，很多人都在想去做开源，但只有Llama氏，在整个的开源行业里头，真正起到了扛鼎的这个位置。为什么？因为所有的其他人，都是在拉马的基础上去做的。其实，拉马一出来的时候，并没有那么多响动。因为大家都知道，给你一个开源软件或系统，你要把它刨根问底并不容易。在拉马一刚出来的时候，你想去深入研究，这事儿是很麻烦的。到拉马2出来的时候，就已经非常厉害了，它彻底打破了垄断，打破了Open AI和Cloud这样的程序的垄断，彻底推动了开源文化。特别是在拉马2出来的这段时间里，比如我用的Olama，还有Lam Studio，各种各样的开源工具包，让我们可以在本地运行这些大模型，各种开源生态都搭建起来了。

这是从拉马尔开始的，而且为整个行业指明了方向。很多开源大模型直接用了Lama 2的数据结构。像我前面还去跟零一万物的Wechat录过一期节目，有人说，你们是不是抄Lama 2了？他们说没有，我们只是用了这个数据结构，但所有数据都是我们自己的，所有的训练也都是我们自己跑的，只是最后的结构与LIME2相似。现在大量的开源模型都是用Lamar结构的，无论你是用Lamar进行微调，还是从零开始训练，最后都会塞到LIME2的结构里。

现在，这真的给很多人创造了新的机会。比如零一八五、Matro等，都号称可能与Lamar2的架构有些像，但他们每一家都会在基础上做一些创新，比如调整某些参数，添加新的算法，提升效率或在特定环境里更好用。但底层都是拉马2，它彻底推动了行业变革，大批以拉马2为基础微调出来的模型应运而生。\n现在，各行各业都在运转。我去日本时也看过，日本当地的大模型，比如NTT的或像LINE这样的，大多数都是基于拉曼2进行微调后使用的。整个大模型行业中，真正赚到钱的基本上都是利用拉曼2进行训练而获利的。像百度、阿里这样的公司，可能还没赚钱，就连Open AI也在亏损。然而，利用拉曼2赚钱的现象很普遍。

李彦宏曾说，开源大模型会越来越低级，但这句话显然已经打脸了。Llama3发布后，我相信它无需达到400币，可能70币就已经能碾压文心言3.0或3.5。现在称为3.5，它没有任何问题，甚至可以碾压需要付费的文心言四，70币足以做到这一点。

我个人一直很支持开源，因为我的朋友是天空开物基金会的负责人，而我本身是做开发者关系出身，也是该基金会的顾问，所以我自然站在开源这边。不过，我要说的是，李彦宏，你怎么又在说这种大实话了呢？我遇到过很多次他这样直言不讳的情况。比如以前在盛大网络，我们起诉百度抄袭我们的书，特别是小说。盛大文学那时有一个系统，专门在百度搜索我们的小说，结果发现排在前面的不是我们的，我们就起诉。结果发现排在最前面的是百度文库，对此，李彦宏就说…\n“了说，你们这帮人就是来蹭我热度的。”
他们是一小公司，对于当时的百度来说，盛大确实是没有他大。所以他说：“你是一个小公司，你来起诉我，你就是想蹭我热度。你希望通过起诉百度这个事情，让更多的人来去看小说。”最后，李彦宏是怎么办的呢？他是把百度文库里边的所有小说全删了。法院也是判盛大胜诉了，啊，胜诉了我们获得了多少赔偿呢？50万人民币。这个就没法讲了，因为当时盗版的赔偿上限就是50万人民币。你说这个事情他盗版了对不对？他肯定不对。但是呢，我们需要什么？我们需要流量。你别看我们得到了50万人民币的赔偿，我们还胜诉了，但是每年盛大向百度花的钱，我们上这去投放，希望百度能够把盛大的小说，能把起点排头一个，每年花好几千万。那一年他就象征性的要退了我们50万。在这个过程中，我们通过起诉百度，100又可以得到大量的流量。然后啊，你看这个书应该到起点那边去看去，对吧，大家有这样的一个印象。这是第一次啊，瞎说大实话。其实他说的话呢，就是有道理啊，但是呢，很多跟大家的认知的，或者说这些道德他是不匹配的。

第二次赶上李彦宏瞎说大实话，又是我赶上了什么事呢？我当时离开盛大了，后来去了猎豹移动。到猎豹移动以后啊，我们开始做隐私保护，怎么能够让用户啊，把隐私保护起来，做了这样的一个功能。袁弘又上去瞎说大实话去了，说中国用户根本就不在意隐私，隐私保护这个需求就是个伪需求，你只要给他们一点点方便，他们就很开心的用隐私出来给你换。当时我们觉得这怎么可能呢，这个事太违反常识了。你跟任何一个人说你要隐私吗，他都说要啊。后来我们发现李彦宏又在瞎说大实话，是什么呢？我们跟用户商量说，你给我10块钱，我帮你保护一下隐私，行吧，用户说不给。隐私啊，我要，但是要钱，没有。它是这样的，所以保护隐私是个伪需求啊，你如果是个真的需求啊，那你就应该老老实实为保护隐私付钱。对吧，没有任何人愿意为这个事付钱啊。你说我现在要拿你的数据回来，你要去给我签这个用户执行同意书，签完了以后我拿你的数据去做预算了。但同时我给你提供了搜索服务，提供了其他的各种推荐服务，你干不干呢？啊，一帮用户就开开心心去干去了。对吧，所以李彦宏又在不对了。那么这一次呢，依然如此。什么叫瞎说大实话？就是真话，这说的都是真的，但是呢，有很多事啊，他叫可以做，但不可以说呀。对吧，李彦宏瞎说的大实话，就是你都可以这么干，而且我们在圈里的人呢，也都知道这事就这么回事，但是你不能拿出来说。对吧，你也作为一个BAT，虽然现在B稍微的这个衰落了一点，也算是国内大佬，你把这种大实话拿出来说，他是有问题的。而且还有一点是什么，就是大家老说他瞎说大实话呢，就是他每次干完了这事，在百度自己身上呢，也没得到什么好处。

那么李彦宏这次说的是什么呢？开源模型会越来越落后，这个事是什么意思呢？就是训练大模型的成本实在是太高了，特别是当它的底层框架确定了以后，你想去训练它，这个成本是非常非常高的，非常费钱。所以要什么呢？比如说Llama，从Llama2升级到Llama3，给大家指明了方向，大家向这个方向去前进。那么在这个时候大家再去训练，你说我连方向都没有，然后底层都不清楚，我们要从头开始做这个事情，那这个成本实在是太高了，至少中国企业很难去承担这个成本，即使是在Lama 2的基础上，说我用这个数学模型或者用这个数据结构，我重新去训练新的模型，这些公司其实也很难盈利。这个事是太难了。所以呢，如果大家的底层就这样的不动了，比如就蓝帽2这样不动了，就在这个基础上，这个吃老本，那么李彦宏说这话就对了，就是说你就越来越落后。我们不停地去寻找有这个底层开发能力的人，我们不停地去迭代、去更新。你的那些人就老是在蓝码2的基础上去做，但是现在，蓝码3出来了，大家又可以往前走一步了。对，但是这些人的底层都不是自己的。比如说华为说我今天做芯片了，那芯片底层是什么？底层是UP或者是台积电，你底层永远不在自己手里面，那么他的天花板是有限的。所以李彦宏说的这句话本身并没有大毛病，虽然Llama三帮所有的开源模型又往前升级了一步，但是你的底层依然不是不可控的。

第二个，李彦宏讲的是开源并不便宜。这个话，其实我作为一个这么长时间去推广开源的人来说，我是极其赞同的。你去使用商业服务，其实你省去了大量的成本，因为有人给你签服务协议，你只要交钥匙就完事了。你要是想去做开源，你还要雇开源的程序员，然后这个人今天开心了，明天不开心了，后天你发现面试的时候看走眼了，这个成本是非常高的。而且，开源系统底层还有很多的不确定性。其实闭源系统也有bug，但是它处理方式是什么？我给你签一个服务协议，有bug你给我改去，我不管了。对，但是开源系统有时候有bug，里面他懒，没人理你，对吧，这个事是有可能的。所以开源，使用整个的开源系统是非常贵的，这个是我认同的。然后呢，是闭源才有商业模式，这件事其实没有那么认同。为什么呢？就是开源大模型通常在商业模式的周期上，它是比较漫长的。从拉马尔出来，一帮人开始弄，然后最后能挣到这笔钱，可能也得要个一两年的时间，你才能把这个钱挣到手，所以他是非常漫长的。而且呢，到现在为止，梅塔自己其实也没想明白，怎么用Llama去挣钱。梅塔虽然是Llama一、Llama二、Llama三都出来了，但是你说梅塔，你在这里头收着钱了没？他也没收着，对吧。而且他都没想明白，说我到底怎么把钱收回来。只是谁挣到钱了，就是我拿Lamar去再训练新的模型，比如我训练了一个医药的模型，或者我训练了一个移民中介，什么留学中介，我先练了一个这样的模型，就这个是能挣点钱的。但是你说梅塔自己怎么挣钱，不知道，对吧。所以想去靠开元大模型就直接挣着钱的，谁也搞不清怎么玩啊，包括像通1,000问，对吧，他怎么挣钱呢？他最后是说，哎，你们都用通1,000问吧，我是做云计算的，反正你都得上网来，用来你买我的云主机，我我通过卖云主机的过程再把钱挣过来，对吧，他是这么来挣这钱的。

所以你做从以前问，这到底是挣了钱没挣着钱，或者说我的这个云算多卖了多少，这个是一笔糊涂账。而且阿里在挣钱的方式是什么？就是我把所有这一圈子里头做这个大模型的全投资一遍，然后你们通通都上我这阿里云上来去干活去，我把阿里云的这个业绩做上去，任何人甭管我是用Kimi啊，是用什么mini Max呀，都上阿里云上用去，你们就用上阿里云去充值，不就完事了吗？对吧，阿里是挣这个钱的。但梅塔到底怎么挣这个钱，他自己也没想明白，所以它这个生命周期非常的长。然后大模型跟开元Linux是不一样的，跟安卓也不一样，实际上，最主要的开发者就是梅塔一家，不是一个真正大家一起协同开发的产品。这是李安红讲的，我觉得这句话呢，说的也非常正确。现在大家用的各种开元大模型，基本上都是在拉嘛2啊，或者是现在马上要出来拉嘛3啊，在这个基本上改来改去。我估计现在凌医万物的小伙伴们应该都在加班呢，对吧，拉嘛3出来以后赶快拆，拆完了以后，那么怎么能够重新去训练一个新的模型。怎么能够让这个模型的效率提升呢？我现在等着使用他们的新模型。在整个过程中，真正愿意做底层、愿意在底层上做前瞻性工作的公司，其实是没有的，或者说很少很少。听说质谱清音使用了全新的技术，但具体如何还不清楚。很多其他模型其实都是从Lamar借鉴了很多。李彦宏还说，既然不赚钱，为什么要做大模型？我觉得至少在中国，这种做法是对的。你说Open AI，像山姆奥特曼，马斯克，他们为什么要做大模型？是不是就是为了赚钱？这个我们不得而知，毕竟我们和他们不在同一个高度上，不能乱讲。

那么，构建国内最强的大模型，是李彦宏现在想要去做的事情。他第一个发布，哪怕被批评得一无是处，也是第一个尝试的。他穿着一条特别花哨的皮带，就这样上去了。甚至有人评论，他穿着白衬衫，像白衣飘飘的样子。他希望成为国内最大的，甚至在国内外都是最强的大模型。在国外，这个说法我觉得可以接受，就像众英雄围攻光明顶，光明顶就是GPT4，包括像Cloud这样的产品，它们是最强的，无可超越。即使是正在赶超的Gemini，也是必圆产品。而Gemini开源出来的那部分叫Gema，它并不是Gemini那个模型。\n国外的情况是这样，但国内的情况真不好说。为什么呢？因为国内的模型中，百度和Kimi是必远的。百度的使用体验对我来说太差了，太难操作。相比之下，Kimi我用得比较多，确实比较好用。此外，通易千问、百川智能、质朴清音、灵异万物、昆仑万维、360和猎豹都是开源的模型。我尝试过通易千问和一万物这两个开源的，以及一个闭源的。目前我觉得通易千问，尤其是千问1.5的32B版本，非常好用，运行速度非常快，给人留下深刻印象。

现在我主要在用通易千问和Kimi。不过Kimi有一个缺点，就是它经常在运行时报错，说服务器太忙，服务不过来。当你直接向Kimi提问几次后，它会告诉你它太忙了，让你稍后再问。这种情况时有发生。

百度一直自称是国内AI领域的领头羊，根据2023年第四季度的财报，其智能云业务营收为84亿人民币。但要注意，这其中包括了云计算和其他业务，比如智能汽车（自动驾驶）的收入。真正由大模型为百度云带来的收入增长，可能只有6.6亿人民币，这对百度来说可能只是杯水车薪，烧不了多久。所以这对百度来说，无疑是一个相当亏损的业务。而且…\n文心艺言嘛，为百度广告系统带来了数亿元的增收。但这个呢，就是百左手倒右手啊，哪一部分是由文心艺言带来，哪一部分是广告系统，就直接正着了。这个不好说啊。每天呢据说有5,000万次调用，这个我觉得也挺夸张的啊，真的我不知道为什么会有这么多人使这东西，因为那玩意真挺难使。预计2024年，大模型的收入贡献会成10倍，就是去年大概是挣了不到10亿美啊，人民币啊，今年大概会挣到几十亿人民币，在这样的一个水平上。

那么李彦宏为什么说这个话呢？啊，第一个，整个行业其实都不挣钱，包括他自己。就是做了半天大模型也没挣着钱，开元啊肯定是没挣到钱，甭管是刚才咱们讲的，灵异万物也好，百川啊，昆仑，360猎豹在这块估计挣到的钱都不多。360跟猎豹没准还能挣到点，因为他们就是纯纯做图币去了。他们自己那个开元模型，到底拿多少钱训的，而且他也不会推这个东西啊，推开源模型本身的成本也很高。不光是说你本东西开源出来就会有人用啊，然后通1,000问，刚才我讲的，他是通过另外一种方式。

之前呢咱们不管他，整个行业没挣着钱，开源也没挣着钱，但是呢，开源同时会极大的影响闭园挣钱。什么意思呢？比如说我这有一个公司，现在需要一个大模型来给我干活，正常你应该怎么办呢？我上百度上去买去啊，或者上open AI，上微软去买去啊。现在人说哎，我这有开源的啊，那等有很多的系统集成相关的公司，就可以把开源的这些大模型直接集成到我的系统地区了啊，我还可以给你做私有化部署，就这些人能挣着钱。现在Llama已经说了，可以免费商用，你拿去使吧，我不管了，等于把所有的这种中小规模的系统集成商，一把就全赋能了啊，他们挣钱去了。但是这些人挣钱的时候，这个单位就不会再去花钱干嘛呢？买这个open AI，买微软买百度了。所以他就一定要出来讲说，开元是没戏的啊，你们就老老实实买我的这个闭元的就好了。而且呢，开元有的时候啊，你避免不了，为什么呢？拿开元做定制是现在唯一的挣钱路径，而且这个是百度最受不了的，因为这块真的是在吃他的肉。哎，中国大模型创业呢，其实有很多困境的。第一个，成本非常高。尤其是合规成本，非常高。如果你说错了话，是要被封号的。

第二个，中国做任何创业，都必须马上挣钱。你如果说，我想先去折腾一段时间，过个10年再挣钱，想都甭想。像Open AI这样的公司，在中国是不可能成功的。为什么？因为大家在建立时是非营利组织，压根就没想明白该怎么挣钱，然后就四处融资。融完一大笔钱以后，就坐着吭哧吭哧地做。确实很多年一点收入没有，而且还烧钱烧得贼快。这个在中国是行不通的，必须马上挣钱。而且市场有限，现在在中国基本上没有C端市场。所有愿意出钱、花钱再去做工程做项目的人，大多是政府和大企业。

政府和大企业的客户争夺，不完全依靠技术。还有很多其他相关的，或者不相关的，商业的或者非商业的因素影响。最后谁中标，谁没中标，就是这样。

所以，为什么一帮中国人一听说Lama开源了，然后自主研发、自主知识产权的国产大模型就出来了。出来以后，他们去那些大的甲方那里去中标。其实李彦宏在骂的就是这帮人，就是你们不要去抄袭人家的东西，然后自己号称是自主知识产权。

在中国到现在为止，拿到牌照的大模型有多少？117个。如果有这么多大模型都拿到牌照了，中国有这么多数据，有这么多GPU让他们去训练，能出这么多模型来吗？或者花了这么多钱去训练吗？没有。大家拿的，都是Lama改的，全是这样。就是你拿数去看就行了，你不用管他到底是不是这个数。一看就知道，有很多的数据，你只要拿下来比，你就知道说，如果所有这些大模型都是自主研发，自主知识产权，从拿数据开始，一分钱一分钱的去训练出来的，那么这事是不可能的。你像我去问过零一啊，什么这些人，就是他们是从头拿数据去训练，虽然他底层的数据结构是Lamar的，但是那也是花了很多钱的。就是你不融到几亿美金，根本就不敢干这活。但是你想，中国有多少个融到几亿美金的大模型公司？刚才我们讲的是有牌照的，还有很多没有牌照的。没有牌照就是不用动外，对外服务啊，我还是可以比如说做一个什么，颁个奖然后在对内服务，这事还是有的。可能中国现在有几百个，甚至上千个大模型在跑。所以啊，这件事情呢，对于这些做大模型的人来说，是比较难受的。在这一块上，没准最后阿里能把钱挣着，就甭管你用谁的大模型，你到阿里云上来租我的服务器吧。而且呢，李彦宏的意思就是就这么点钱，就这么点甲方，你让百度张了吧。大家都是自主研发，自主知识产权，这还是看谁的资本硬吧。百度在这种竞争中呢，有一定的优势，毕竟排在这，但是呢，你有的时候真备不住谁七大姑八大姨说，哎，我这事我能搞定啊，你就不用用百度了是吧。这是李彦宏出来瞎说大实话的一个原因吧。就是大家注意啊，我每次讲李彦宏出来瞎说大实话的时候，实际上都是百度遇到了一些问题的时候，挣钱挣的不够多了啊，或者说是有一定压力的市场发生变化了啊。第一次是百度希望做内容营销，发现他遇到了版权的问题，出来瞎说了一个大实话。第二次是什么呢？百度希望做移动，结果发现移动里头有一帮人去搞这个隐私保护，又搞了一次。现在呢，是啊，去做大模型了，然后发现一帮人在喊开元对吧，他又又要出来瞎说大实话了啊。干了这么三件事，咱们最后讲一下，Lamar3到底会带来什么东西吧。Lamar3呢，会带来哪些改变啊？第一个，整个开元大模型行业会迎来爆发式升级，就所有做开源大模型的人…\n都会在未来的可能两三个月里头，就会升级自己的大模型。大家可以看看谁升级的快，哎，升级快的，这个就属于技术力比较强的。因为你想，你给你一个新的大模型，整个各种系统架构都是变化了，都是新的，效率更高，质量更好。大家就一定会去研究、分解，然后再去拿这个相应的训练方法，相应的注意结构，再去训练自己的模型。所以到未来，可能我们再使用在本机上三十几币的这种模型，就完完全全可以接近到GPT4的一个水平，超越这事还不敢乱说。然后你在服务器端可以跑到的这种70币模型，基本上是可以超越GPT4的。大概就是可以到这样的一个程度。

而且呢，各种Lama3的微调模型会快速爆发。就是我先不去训练新的，我现在这个基本上进行一定的微调，这些可能在几周之内就会疯狂上线了。然后呢，行业应用可能会快速的提升，这个可用性就提升了。比如说我原来是给建筑业用的，给银行用的，给保险公司用的，那么他们可能会发现，我这个升级了，升级了以后，这个系统一下就变得不是那么人工智障了，就变得好用了。这件事情应该可能在未来的一两个月里就会发生。

这件事情之后，从头训练自研大模型的公司呢，这个日子会稍微的再难那么一点，包括百度自己。这就是Llama3可能会带来的改变。而且我相信Llama3出来以后，在未来的半年里头，会有大量的新的公司出来，我要创业，我要再去做大模型相关的创业去了，一定会有人干这个事的。对于我们来说呢，可能还可以继续期待一下GPT5。我们不期待GPT5到底能够带来哪些能提升什么，真正需要的是GPT5可以给整个的行业再指明一次方向，大家向这个方向冲，这个是可以证明的。那么在这个过程中呢…\n这方向明确了，人跟钱都不缺啊。有很多人说我们很聪明，我们要干这个事情，还有很多钱啊，等着冲上去说：“哎，方向指明了，赶快上！”就想这个Solar大模型，现在还没有人上来用上吧，但是已经有大量的视频模型，已经冲上来，可以给大家使了。所以啊，Open AI，你指明方向就可以了啊。咱们也可以看看，到什么时候真的会出现能源短缺吧。其实现在大家在叫做芯片短缺，等芯片灯真的都充满了以后啊，咱们看看，是不是咱们会把所有电用光啊。这就是咱们今天讲的第一个故事啊，就是Llama三来了，是不是给李彦宏打脸了啊？但是我到现在还是认为，李彦宏说的话啊，就是真的是瞎说大实话啊。大概是这样的一个情况。