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

杨乐坤出走Meta：一场关于战略、用人和未来的博弈

大家好，欢迎收听老范讲故事的YouTube频道。

这一天还是来了。前面我们已经猜测了很久，说杨立昆到底什么时候会离开，因为所有人都眼睁睁地看着Meta的AI战略转换方向。亚历山大·汪进入Meta，一个28岁的辍学生，在管理65岁的大学教授和图灵奖得主，这个事一定不能长久。而且前面还对杨立昆手下的FAIR部门进行了600人的裁员。

靴子落地：杨乐坤宣布离职

现在靴子终于落地了。2025年11月19日，当地时间13:20，杨立昆发了一个长文宣布离职了。在这个文章里边，他回顾了一下在Meta待了12年，感谢了小扎和一堆高管，然后准备要去做他的AMI。他这个AMI呢，叫做“高级机器智能”，说：“我在Meta期间就一直在干这件事，现在呢我准备出去了以后接着干。”而且新公司呢，Meta依然还有参与，具体的情况后续再公布。他呢，也终于可以不受Meta的限制，去研究自己的世界模型了。

杨立昆也要去做世界模型，跟李飞飞有些相近。最后咱们再说一下，他的世界模型跟李飞飞的世界模型到底有什么差别。

Meta呢，应该在这个里边还是给了钱的。你请这样的一位大神出去，而且大神在发文的时候还感谢了扎克伯格，那一定还是要给钱的。所以杨立昆未来的公司里头，Meta应该还是一位重要的股东。但是到底给了多少钱，占了多少股份，可能还要等未来Meta的官宣，现在应该公司还在注册过程中吧。

谁对谁错？一场责任的追问

我们普通人呢，真正关心的不是这些事。我们关心的是，这些大神们斗来斗去了以后，到底谁对谁错呢？

• 有些人讲了，扎克伯格短视了，不听老人言，找了一个年轻小伙子过来，你把这个图灵奖大学教授给放走了，这一定是要吃亏的。
• 还有人呢说，Alexander Wang抢班夺权，给扎克伯格进了谗言了。这是中国人比较喜闻乐见的一种论调，为什么呢？总是“清君侧，不能斩昏君”，皇上做出什么错误的决定，一定是下边人进谗言了。这个28岁学生整了这么一公司，进来以后就把老教授给挤跑了，一定是他的错误，扎克伯格只是被他一时蒙蔽了。
• 当然呢，也有一些人，特别是像傅盛这样的人呢，就出来说杨立昆耽误了Meta，如果没有他的话，Meta早就行了。这种呢就属于站在CEO的角度上，CEO的角度呢，通常都是不会承认自己有错的，都是下边人是坏蛋。而杨立昆呢，站在这样的一个位置上，把持了这么多的资源，又没有把这些资源真正的变成Meta能够挣钱的商业利益，那么一定是他错了。

扎克伯格的决策失误

从我个人的角度来分析，当一定要有一个人来承担责任的时候，这个人一定得是老大，也就是扎克伯格自己。扎克伯格在这件事情上到底做错了什么呢？是不是听信谗言了？是不是不听老人言了？是不是选错方向呢？还不是。扎克伯格真正做错的是决策错误。

哪样的一个决策错误？就是你去找杨立昆这样的一个人来，纽约大学的教授，图灵奖得主，算是人工智能三教父之一，这样的一个人你把他招来，这个决策没毛病。但是你招来让他干嘛？这个事就错了。你真的让他整了一个研究所，叫FAIR (Facebook AI Research)，这样的一个机构，说：“你们自己研究去吧，研究完了这些东西，你们去发论文吧，你们去开源吧，我们在后边支持你。”他去干这件事情，其实是有问题的。

如果你说你前面就下了这么一个决心，说：“你就干吧，我就不管你了，你们给我赚名声就完了。”也行。那你后边自己该去产品化的地方，该去做工程实施的时候，你要组建另外一套班组去干活去。结果呢，扎克伯格后边那一半事没办，他把前面那半截干了。最后导致什么？杨立昆他们研究出来的很多东西，在Meta里头没有办法落地，还没有办法给Meta带来实际的利益。而且呢，在各种的竞争里，他还落后了。

如何正确“使用”顶尖科学家？

这是扎克伯格犯的错误。就这种大佬请回来干嘛使？

1. 招牌效应：人工智能三巨头我请回来一个，那三个人里头，有一个是被谷歌直接把公司收购了，收谷歌去了；另外一个呢，每天在外边吵吵，说要去做人工智能监管；杨立昆呢，被Meta收下来。首先你这个招牌是有了。
2. 人才磁场：作为一个大学教授，你就应该是把他的学生都拎回来。谷歌也是这么干的，把一个哥们拎回来以后，就天天的拉着他的各种学生，拉着他的师兄师弟，上谷歌干活来。这个应该也是杨立昆真正能够给Meta带来的东西。

至于杨立昆真正研究的东西，其实这种大学教授真正研究的东西，对于公司来说通常是没用的。为什么？就是离变现太远了，离具体的实际使用太远了。

结果呢，Meta是前面不够果断，把杨立昆找回来了，但是你该继续投入的时候，就不够果断了。因为FAIR这个团队这么多年，这十几年可能总共花了十几亿、二十亿美金的样子。那你说这也不少钱了，老范你又这个拿钱不当钱了是吧？十几亿、二十亿你就一张嘴就来了。你看看微软花了多少钱，你看看谷歌花花了多少钱。想去跟大家竞争的、平起平坐的扎克伯格，他花的钱真的算少的。而且在这个过程中，主要还是去发论文、发开源，并没有真正的去工程落地这件事。因为工程落地，你还要花更多的钱。

所以呢，杨立昆到了Meta，让不合适的人去承担了错误的预期。你找了一个大学教授回来，你希望他把整个这一套事都干完：竖招牌、再招人、再到科学研究、工程实施和产品化。你希望他一个人把这事都干掉，这是不可能的。

正常的应该是什么？你把这位大神请回来养着他，他想干什么你让他干，他花不了太多钱。剩下的呢，你再让他的学生挑一摊，把后边真正的跟公司有关的研发做掉，把跟公司有关的工程化、产品化的事情做掉。这才是应该干的活。什么时候缺人，你就让徒子徒孙们继续上，继续进来填坑。这才是这种大神正确的用法。

新旧团队的冲突与杨乐坤的出局

所以这一次杨立昆的出走，就是扎克伯格前面在用人方面用错了。等到最后呢，扎克伯格发现我们落后了，没有达到他一开始的预期。他没有去检查自己犯了什么错误，而是大刀阔斧地开始是1亿美金、10亿美金去招人去了。他有这钱，你多给杨立昆点，没准还能做出点东西来。到后边“七嚓咔嚓”整了一大堆人进来，找了一个叫亚历山大·汪的人。

亚历山大·汪最后能干成什么样，现在去猜测还为时过早。但是呢，杨立昆这一摊，他就实在维持不住了。亚历山大·汪这帮人进来了以后呢，跟杨立昆他们之间的分工还有很多是重合的。那就怎么办？内部关系一定摆不平，就要开始抢夺资源。那一定还是要立起一个“正宫娘娘”来，其他的小三什么的，你们就先朝后站一站就完事了。那么杨立昆呢，就这样出局了。

所以这里头谁对谁错？杨立昆没错，亚历山大·汪也没错，这里头唯一犯错的就是扎克伯格。他犯错误了。

FAIR的遗产：对中国AI产业的巨大贡献

杨立昆在Meta期间做的这个FAIR，到底给世界，特别是给中国的AI产业，做出了什么样的贡献呢？巨大的贡献。没有杨立昆，就没有今天中国的AI产业，完完全全可以这么讲。

他们做了两个非常、非常重要的产品出来。

• 第一个叫PyTorch，现在绝大部分的AI平台都在这上面跑，这是一个开源的系统。当然了，PyTorch的负责人现在也离开了Meta，他要比杨立昆走的稍微早几天。这哥们呢，现在加入了Thinking Machine Lab，叫TML。这个公司是谁创建的呢？大家还记得OpenAI有一年闹宫变，当时有一个美女CTO，他后来离开OpenAI以后，创建的这个公司叫Thinking Machine Lab，就是这个公司。当时扎克伯格想去找人顶杨立昆的时候，在找亚历山大·汪的同时呢，也在找这个TML，说我把你收购下来吧。当时人家不同意，说我们要自己发展，不愿意被你收购。所以呢，他就把亚历山大·汪找回来填坑来了。
• 另外一个巨大的贡献就是Llama大模型，开源的Llama大模型。Llama1、Llama2，绝对是给中国早期的开源模型奠定了基础。没有Llama1、Llama2，甚至是Llama3的这些开源，就不会有中国今天百花齐放的大模型。所以这个FAIR对于整个世界，特别是对于中国的AI产业，是做出了巨大贡献的。

杨乐坤为何在Meta混不下去？

杨立昆为什么在Meta混不下去了呢？亚历山大·汪来的时候，他还说我们好好合作一下吧，当时还是很有求生欲的，但是现在还是混不下去了。

原因一：科学家与CTO的角色冲突

第一个原因很简单，他呢是要去做长期研究的。通常大学教授都是做长期研究的，他是没有明确的工程化和产品化压力的。我今天做了一研究，这东西到底最后怎么工程化，或者在我的整个内部怎么去改进，他从来没想过这事，科学家也不想这事。或者说我把这东西做成一个什么产品给大家提供出来，他们也不会思考这个问题。他们真正追求的是什么？更多的经费，研究更遥远的未来的事情，以及呢，发表更多的论文。而且科学家的本质呢，从来就没有改变过。

那你说CTO跟科学家之间到底有什么区别呢？CTO，你是为股东负责的，你是要为董事会负责，什么该说什么不该说，你心里应该有数，你每说一句话都会影响股价的。而科学家就是只为自己心中的梦想去负责：“你们那些乱七八糟东西，不要来给我捣乱。”

那你说杨立昆跟作为Meta AI里头的领衔科学家，到底说了什么不该说的话呢？作为一个CTO他肯定不合格。总喊着“大语言模型是死路一条”，这玩意咋搞？我们现在招人做产品、做工程化，老大在这天天喊：“这个这是死路一条，你们再往前走就死了。”而且他还喊：“现在的所有大模型，跟一只猫比起来都不行。”OpenAI也好，谷歌也好，都说我们的模型可以顶博士了。说：“你把它装机器人里，你看看它有猫灵活吗？”肯定没有。这就是他的一个论断。你作为科学家你可以这么喊，而且你越这么喊，越容易搞到经费。但是你作为一个企业里面的领军人物，也是Meta的AI领军的科学家，但你天天喊“大语言模型是死路一条”，这事肯定是不行的。

原因二：商业压力与战略落后

他呢，一直准备去做世界模型。世界模型这个事呢，肯定是巨大的天坑。因为大语言模型这件事，大家已经走通了，知道怎么往前走……虽然挣钱还难一点，但是怎么去骗股民，怎么去骗基金，怎么去骗华尔街，这条路其实已经通了。那对于Meta来说，人家已经验证成功的路，我们得走下去，该捡的果子我们得捡起来。你不能在这个时候再喊说，我要去做世界模型。世界模型这个东西到底怎么做，做完了以后会达到什么效果，谁也不知道。我要靠这个东西去忽悠别人给钱，是非常非常难的。

这里呢，也会体现出Meta跟谷歌他们的差异。谷歌就是我这头挣着钱呢，那头呢，我还投入了很多的钱，去研究各种各样现在大家看不出结果的东西出来。而Meta现在不行了，我必须要马上见着钱，我没有那么多钱让你们去放飞自我了。

Meta现在呢，明显在AI领域里头落后了。Meta自己的商业化模式其实是有问题的。为什么呢？大家看看现在所有做大模型的公司，或者AI这类的公司，英伟达那是做芯片卖铲子，其他几家其实现在也都是卖铲子的。微软、谷歌他们虽然也做芯片，但是他们芯片卖的量并不大，就是只是自己用而已。他们卖什么？他们卖云计算呢。谷歌云上提供了这些大模型的东西，“你来买买我谷歌云吧”。微软也是这样，“我微软云上提供了OpenAI的全套东西，你来买我微软云吧”。大家每次去看财报的时候，只管看谷歌云的收入涨了，虽然可能其他的收入有些波动，但是你只要谷歌云的收入是呈两位数上涨的，我们就认你的市值了。他是这样的一个逻辑。微软也是如此，亚马逊和Oracle走的都是这条路，他们是卖云服务的。

那你说Meta呢？Meta缺云，他自己是不卖云服务的。Meta 97%的收入全是广告收入，他就讲不了那故事了。那他怎么办呢？他只能是实打实地做出产品来，大家很喜欢这个产品，用户量很高，只能干这条路。另外一条路是什么？就是我通过AI的改造，我的广告收入上升了。广告收入这种事情呢，它是跟用户数和用户时长相关的，你最后的转换率会有优化，但是优化起来是非常难，即使加上AI以后，也很难说我就一下有这种质的飞跃。所以Meta很难证明自己真的做的这些东西是有用的。

而另外一方面呢，他做的Llama4也翻车了。Llama4全面被千问赶超。原来Llama1、Llama2、Llama3还是遥遥领先的一个位置，但是等到Llama4的时候，第一个是做各种评分的时候呢刷题，就是他做了一些学术不端的行为，想把自己想做成那种“小镇做题家”似的，我把题刷完了以后去刷成绩，这个事是不行的。在他们这个领域里头，这是非常非常丢人的，虽然中国模型都这么干，但是呢对于美国大公司来说，这个是不可接受的。另外一个是什么？就是他的Llama4只出了几个特别大的模型，底下这些小模型都没做。Llama3还是从小到大做了一遍，大家还可以在Llama3的各种层级的模型上，去做自己的微调，做自己的行业应用。而Llama4只做了个最大的。那在这块填补空白的呢，就是千问。千问是从0.6b开始做到200多b，中间所有的层级全都做了。这个就是绝对是超越Llama4的一个状态。

原因三：扎克伯格的“亲自部署”

扎克伯格呢，觉得我必须要生死一搏了，原来这种慢慢悠悠的玩法不成了。为什么扎克伯格这么聪明的人，会让AI这么重要的事情慢慢悠悠往前晃荡呢？原因很简单，他的注意力还在元宇宙上呢，注意力没在这上头。我觉得我这才是正经事，我这个一定是最终出结果的，大语言模型只是中间的小波浪而已。

跟大家讲一个当时猎豹的故事。傅盛这帮人原来在360是怎么做出来的？周鸿祎当时是跑去做搜索去了，他认为只有搜索才是对的，这是互联网里唯一的出路。所以他带着大量的人去做搜索，傅盛、徐明这帮人呢，说这留着一摊子咱看着，那算了，咱们做一个360吧，做个安全助手吧，安全管家吧。等做着做着做起来了，周鸿祎在外边做搜索碰了个一鼻子灰，说玩不下去了。那一回头一看，这块你们做起来了，那我亲自指挥、亲自部署一下吧，就把傅盛他们直接从公司里扔出来了。

所以现在就遇到了这样的一个情况，扎克伯格决定回来说，元宇宙一时半会搞不定，咱们还是要在大语言模型上见真章。那么他的处理方式是什么呢？就是招募了亚历山大·汪，组建新团队。而这个新团队马上开始跟FAIR争夺资源，这个事情是由汪涛说了算的。所以在这件事情上，汪涛要去替扎克伯格背锅，要去挡雷。比如禁止随便去开放源代码了，禁止随便去发表论文了。你现在想去发表论文，必须要在内部走一个审核流程，走完了以后你才可以去发表。如果审核的过程中，发现这个东西我们可以变现，马上就能用得上的东西，你这发表了别人就用了，我们先不发表。他现在有这样的一个审核机制。再加上呢，裁了600多人，基本上把FAIR的下面的很多直接干活的人给裁了。杨乐坤就没办法了，实在混不下去，只能离开了。

世界模型之争：杨乐坤 vs. 李飞飞

最后呢，咱们聊一下世界模型吧。杨立昆出去要去做世界模型，还有谁在做世界模型？李飞飞也在做世界模型。那杨立昆跟李飞飞的世界模型，到底有什么一样的地方，有什么不一样的地方？

杨乐坤的JEPA架构

杨立昆要做这个东西呢，叫JEPA，联合嵌入预测架构。它呢，是非生成式的。大家注意，这个非常非常重要。什么是非生成式的？咱们的大语言模型也好，李飞飞做的东西都是生成式的。生成式的就是，我要生成下边最有可能的这个词，或者下边最有可能的这个场景，这个东西叫生成式。而非生成式呢，不注重生成未来的预测，不关心未来会变成什么样，它要生成的是什么？是未来的一个动作。我们要在这个世界里做什么？他要去找到现在这个状态跟未来这个状态之间的一些规则，我们应该如何来做这个决策。

这呢，稍微有一些抽象，后边我们再去讲他到底跟李飞飞这个差在哪。杨立昆这个世界模型呢，分为感知模块、世界模型模块、成本模块、记忆模块，以及行动模块和一些配置器。它要把整个这东西配在一起，基本上像一个机器人似的东西凑在一块，才是它这个JEPA。它是一个可学习的、端到端的可微调的一个主动智能体架构，在抽象状态空间里边，预测未来可能的世界状态，而不是直接生成图片和视频。

李飞飞的空间智能

而李飞飞的呢，它不叫世界模型，它这个东西叫“空间智能”，让AI真正理解和操作物理世界，就必须要能够在3D空间中感知、想象和交互。世界模型是一个生成式的、多模态的、交互式的。

相同点与差异点

它们的相同点呢：

• 都认为光靠大语言模型这事走不通，这是死路一条。
• 而且呢，面向未来的预测器和推理引擎，不应该是单纯的生成器。
• 他们都认为呢，需要做自监督的学习，需要大规模的观测数据。
• 都相信他们现在所做的事情，是通向未来具身智能和机器人的一个正确路径。

那他们的差异点在哪呢？

1. 研究空间不同：杨立昆研究的叫“抽象表征空间”，它这个东西是抽象成一大堆的数值的，而不是一个多模态空间。李飞飞那个是一个具象化的多模态空间，他最后出来的是视频，是3D模型，而杨立昆研究的是一大堆的数字。
2. 生成方式不同：刚才咱们讲了，李飞飞玩的是生成式的，杨立昆玩的是非生成式的。
3. 核心目标不同：杨立昆研究的是通用的自主智能，而李飞飞研究的是空间智能。那你说这两个词我都听懂了，到底差异在哪儿没想明白。说白了，杨立昆研究的是怎么做“人”，而李飞飞研究的是怎么做“世界”，这就是他们两个最主要的差别。所以你看杨立昆的这个大模型里头，它是有感知模块的，有世界模型、有运动模块、有记忆模块，这个东西基本上是个人。而李飞飞那个模型，就是在一个3D空间里头，来预测下一帧的画面是什么，他最后出来的东西是世界。所以这是对于世界模型的两个不同的前进方向。杨立昆搞的是抽象的表征世界，人看到当前的世界以后怎么去做决策，这个过程不是靠看图说话来的，你是要在这个人的内部形成一大堆的这种抽象指令，然后在这个过程中去往前走的。这就是他们之间的差异。

未来展望

最后呢，让我们来展望一下Meta跟杨乐坤的未来吧。Meta呢，现在必须要完成AI的应用和商业化，如果这个故事讲不通的话，他可能在七姐妹里边掉队。投资并且继续控制杨乐坤，对于Meta来说呢，也算是名声没有塌房。而杨乐昆的话，我们还要继续等待其后续的成果，看看后续是不是有其他的投资人参与。对于大学教授创业，我一直观点是一致的，就是他们会指明方向，会带领很多人去做研究，但是最后成为CEO的那个人，通常不是他们。但是杨立昆现在想做的事情还是比较有趣的。

好，这个故事就跟大家讲到这里，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。今天来给大家讲一讲抄错了作业，也终于熬到上市的出门问问。出门问问，我看国内很多媒体把它评价为了中国AI界的活化石，2024年4月24日终于在港交所上市了。当然了，上市即破发，上去以后就直接跌破发行价了。这是真正的一个活化石。

为什么呢？2012年就创立了，咱们现在讲的AI都是AIGC或者叫AI 2.0，基本上是在2022年以后创建的这些公司。而上一代的呢，就是2012年，你像他为别人早了十年创立了，到现在也上市了。但是他自己发的文章很漂亮，叫港股的AI GC第一股，我是按照新的AI公司的方式去上市的。但其实呢，是上一代的公司。

中国的AI之路其实是非常坎坷的。虽然我们在AI这个领域里头投入了非常非常多的钱，也做出了很多的成就，但是单纯的AI公司其实走的都不好。这个里面讲的是什么？就是阿里、字节跳动、百度这样的公司呢，他们也做AI，包括腾讯，都去做AI。但是呢，他们是综合业务公司。你说我就是纯AI公司，我就是要靠AI把自己做大的，这些公司路途都很坎坷。包括今天咱们讲这个出门问问。

现在我们讲中国AI公司里头，首先是视频领域里头的AI四小龙：第一个商汤科技，这个呢算是熬到上市了，港交所上市，但是呢，盈利也很困难。旷世科技，也是做视频识别的，现在应该也还在努力争取上市。云从科技、依图科技现在都在争取上市。另外还有格林申同，在这个四小龙之外，日子都很难过。为什么在争取上市？他不挣钱呀，甭管从收入上还是从利润上，那个报表没法看。

说做智能芯片的，比如车机芯片这些东西，地平线的，也在向港交所交表，还没上去，但是也是亏损，亏的很厉害。因为前面热嘛。融了非常多的钱，估值很高，没有任何人敢切它。寒武纪啊，这个倒是在A股上市了，但是呢，依然也是亏损，亏得叮当叮当的。语音识别这一块，或者叫语音交互这一块，稍微的要好一点。为什么？因为前面有一个叫科大讯飞的排头兵，在深交所上市了，盈利啊，注意——刚才咱们讲了这么多公司里头，就他盈利。然后，云之声，这个是以前我盛大的同事出来做的公司，现在也在向港交所交表啊，一次一次的交，最近是应该又交了一次，准备去上市。然后出门问问啊，也一直是在做语音交互相关的创业，现在呢，是反复交表之后，这一次终于闯关成功。当然了，上市即破发也是它的一个结果了。那么上市呢，也算是一种续命。为什么大家一定要去上市？因为前面都拿了投资人的钱，都签了对赌协议，最后如果上不去的话，你是要回购的，你是要花钱把投资人的股份买回来的。那你说我拉倒了，公司不玩了，责任有限公司我清算掉，那没问题，大家一起认栽。但是这些公司呢，又不甘心。你说他虽然每年都亏钱，但是账面上也没有说就没钱了啊，说还能再亏一段时间。你让我现在去清算呢，我又不乐意啊，所以呢，他们必须去上市。那一上市了以后，你原来投资人投了我的钱，占了10%的股份，我现在上市了，我就给你10%可以上市流通的股份啊，你愿意卖，你卖去跟我没关系了。哎，他一定要走这条路，而且上市了以后呢，还可以再多一笔现金——IPO吧，他一般情况下会多一笔现金出来。而且上市了以后呢，有更丰富的金融工具，那我可以啊，拿去再做抵押，再去借贷，甚至说我可以用我的股票再去啊，跟别人进行一些对价的一些交易啊，就是他的金融工具变得丰富一些。这就是上市的最主要的呃目的。所以现在这么多的，刚才我们讲这些公司，除了有极个别已经上去的之外…\n绝大部分公司还在很努力的去上市，因为能够排得上号的，都是原来的当红茶字旗，原来都拿了钱了，他们现在不可能把这钱吐出来，那只能是上市去啊，甭管多难，甭管亏多少钱，甭管报表多难看，一定要去上市。

那么我们再回来讲到出门问问。出门问问呢，算是抄错作业的一个典型代表。很多人在我前面的视频里经常跟我怼，什么呢？说啊，你看抄袭就怎么怎么样。咱们现在怼的都是抄对了的，甭管小米抄的保时捷，还是遥遥领先抄的各项技术，这都属于抄对了的。还有很多抄错了的，我们举一个例子，比如小米抄的那个铁蛋机器人，那就属于抄错了的。像今天讲的出门问问，也是属于抄错了的。

你像美国人做了这么多创新，做了这么多新的东西，你在他刚做出来的时候，你不知道他对是错，那我们也得抄。抄完了以后，人家啊一路发展壮大了，那算我们抄对了；抄完了以后发现哎，人家原来那条路就错了，那我们这些啊，提前赶一步出来开始抄的人，那只能打碎了牙往肚子里咽，你不可能抱怨别人去。

那你说能不能说等人家验证成功了，我再上呢？也有这么干的，比如这次小米汽车，就属于是所有人都验证成功以后他再上的，但是这个实在是太难了啊。通常情况下都是啊，美国人做出什么东西来，甭管对错，先抄了再说。如果错了，我们就得认。

咱们讲讲出门问问他是怎么抄错的。出门问问是对标的谷歌的叫Google Now这样的一个服务，因为出门问问的创始人，就是谷歌的原来出来的一个科学家，他在谷歌就干这事，说来啊，我带着谷歌的技术，或者说至少是经验吧，我们把这事重干一遍，就是做语音识别语音交互的。其实大家知道，直到现在为止，语音交互依然不是一个人机交互之间的主流。为什么呢？你看我现在录视频，在讲话的时候…\n我一定要把门关起来，因为影响别人啊。你不可能说一屋子人坐在这，每个人呱啦呱啦在这讲。你有多大地让你去干这件事？所以语音交互这件事情，到目前为止，大家还在去思考，说这到底是不是一个可行的人际交互方式，原因就在这，互相影响。他不像是我们触控式的，我们可以挤在一个很狭小的空间里头，每个人举一只手机，每个人去交互，交互之间不影响。语音交互是不行的。但是当时大家不知道啊，出来了语音交互之后说哎，现在语音识别已经可以了，ETS这个效果也还行，我们是不是就不用再去触控了呀？不用屏幕了呀，我就可以跟计算机聊天了，他能听得懂，然后还能说的明白，这多好的一个事情。所以像Google Now，像刚当时的亚马逊出的这种ECO这个音箱啊，包括像Siri，实际上都是当时那一代出来的产品。

哎，出门问问说来，我来搞这个事啊。当时他想的是什么呢？谷歌，你这些产品到了中国就像安卓似的，你到中国以后啊，你需要魔改啊，改什么呢？你得把谷歌的传家桶去了，得把谷歌的商店去了，得把谷歌各种的底层服务都去了，然后要在国内找一个人替代你，你这个语音这套东西，我来替你替代。我原来就是谷歌的，这个事情我我熟啊。他就来想干这件事。所以呢，他当时进来以后，先干的第一个东西呢，就是出门问问替代谷歌闹的，谷歌的安卓手机在国内任何地方用的时候，你都可以有一个出门问问来替代谷歌闹啊，这个也是一个挺好的想法啊。然后呢，谷歌当时在推手表，很努力的在推啊，谷歌手表叫Android watch这个东西，你也需要一套中文的这个交互方式啊，出门问问，我给你装在表上。这不挺好的吗？

所以，当时当红的榨汁机，一堆人都冲上去给钱。而给了很多的钱。但是 Google Watch 不行，它在中国压根没推起来。它在全世界其实也推的都一般，因为 Android Watch 这种操作系统，本身就不是特别适合手表。为什么它特别费电？后来甭管是我们使用的华为手表、小米手表，包括三星手表，都是自己在重新写的操作系统。你用 Android Watch 这套操作系统就不行。而且就算是重新写操作系统，也没有任何一个厂家说，我单独做手表就可以做得很好的。或者说，他卖的都很小众的，这种产品是可以卖掉的。你想做大众的产品，你必须是手机厂商。不是手机厂商，你卖手表根本卖不掉。所以就出现了这样的一个问题。

那么你说，我这边都准备好了，你安卓 Watch 这事儿趴菜了，这个不行啊，那怎么办呢？当时啊，出门问问就已经发现他抄错作业了，可能走错路了。那不行，咱升上啊，谷歌不行，我自己上。他自己做了一个手表，出门问问，手表叫 Ticwatch，TICWATCH。做完了这个东西以后呢，那没人买呀。在中国呢，说我这个，看看能不能把这表卖出去。很痛苦啊，真根本卖不出去。

刚才我讲了，所有卖出手表的，包括像三星这种，自己都是手机厂商。对吧，怎么办？手表不行，咱上别的，上音箱。后面不还有亚马逊做的伊蔻音箱吗，谷歌也去做音箱去了，苹果也去做音箱去了。那我也做音箱，然后音箱不行，耳机，耳机我也做一个。他做了一堆的这样的硬件，各式各样的。然后发现还是卖不掉，这东西不是说你做完了就能卖掉。做所有这些硬件的，甭管是智能音箱、智能手表、智能耳机、智能的所有这些设备，你需要像互联网那样去卖。什么样的卖法？你要有流量。没人知道你，咋卖呢？没法弄，所以这帮人说，来吧，咱们啊，走这个线下体验店。苹果有苹果店，小米有小米店，华为有华为店。微软做了一堆线下体验店，出门问问说：“咱也来，咱也盖一堆线下体验店啊。”这些体验店在全国各地的各大商场里纷纷建立，但效果如何呢？只能说，在中国，这条路不通。此路不通，国外是否可行，我不太确定。可能在国外，有些智能硬件或穿戴设备可以单独销售。然而，在国内，这条路绝对是行不通的。为什么呢？因为中国式的智能硬件道路是像小米生态链那样，从上到下，制造各种产品，如洗衣机，然后在统一的小米店面里销售。这是中国能走通的路。或者，像百度那样，通过超低价策略，智能音箱卖得很好，因为百度本身就拥有极大的流量。另一个卖得不错的智能音箱是阿里推出的天猫精灵，它价格便宜，且背后有天猫这个平台的流量支持。

在中国市场如此竞争激烈的情况下，想要仅凭产品技术和好品质就能卖出产品，几乎是不可能的。此外，中国的一大特点是“各玩各的”，绝不妥协。不是说你的技术做得好，我就必须使用。因此，想依靠技术优势进行合作是行不通的。出门问问的优势应该在于技术方面，从创始人的资历和他们所做的事来看，技术应该是很出色的。虽然我没有使用过他们的产品，但可以肯定的是，他们在硬件方面也有所涉足。\n做销售，这事行不行？哼，现在事实证明，不行啊。这事是搞不定的。而且你到最后跟大家卷价格、卷流量的时候，那你真的是不行。哪怕说你的表做得真的很好，你跟小米、华为这些去卷流量，去卷线下体验店，他最后制作了几十家，你看看小米有多少线下店，华为有多少线下店。而且小米华为的店里，连手机、电视啊，各种东西人都卖。你到这个出门问问出门问问体验店，我是去过的，它里头除了表、耳机、音箱之外，没别的东西了。我以前还问过他们店里的人，我说你们在这么豪华的商场里，支这么个店，你们不觉得无聊吗？啊，一天也没人上来问，也没有人进来买东西。他们也很无奈，说没办法，老板就要干，我们只能看这个事，我们也没法跟老板说，这条路走不通。大概就是这样的一个状态了。那么，活的久，总是机会还是有的。以前很多人说是活下去，但是这条路，对于说相声是有机会的，但是对于做AI这事，是不是有机会呢？咱们留个问号啊。为什么讲到说相声呢？啊，郭德纲有一段子，别人都死了，就你活着，你就是老艺术家。原来那些骂你的人就都死光了，现在他们怎么回事，只有你能说，你可以说他们，他们没法回嘴了。所以讲活的久就是老艺术家了。但是你做AI这件事，你虽然活的久，你看你上市了，剩下人还在努，可能最后也能上去，但是呢，这个过程中你说哎，到底能不能走出一条新路来啊，这个不好说，我的感觉是很难。那么出门问问呢，前边抄错作业了，后边折腾下来以后，说有没有机会呢？又找到了一次机会，跟谁合作？跟大众汽车合作。对吧，刚才咱们讲语音交互这个事情，它互相干扰啊，那有没有一个封闭的空间，大家可以做点语音交互呢？有啊，汽车里边，比如我开车的时候可以跟他聊一点事，对吧，现在看看，甭管是小爱同学，还是未来啊，或者是华为的鸿蒙车机，都是可以进行语音交互的，因为你开车的时候，你需要跟人聊两句嘛。所以大众想明白了，说来咱们做一合资公司，叫大众问问。大众是这样，就是做合资公司的时候，还给了出门问问一笔钱，说我来投资你点，哎，出门问问又拿了一笔钱来续命啊，然后呢，在一块，跟大众汽车一块去做大众问问，做了大概一两年吧，大众发现这事也不灵啊。因为大众整个的软件体系，也是今天把它全裁了，明天再招，招完了再裁，反而不停的折腾啊。这块也没太搞明白。所以到后来大众说，哎，我也不玩了。这样啊，我投资你出门问问的那个钱啊，你回购啊，都还回来啊。以后呢，出门问问跟我就没关系了。咱们俩做的合资公司，这钱呢我都花钱买了啊，以后这合资公司叫大众问问，这公司啊完全属于大众了，你跟这公司就没关系了。他等于是做了这样的一个置换啊。置换了以后呢，出门问问跟大众问问之间就没关系了，他这个里边大众的股份也都清空了。

中间有一段时间啊，就是跟啊大众合作一段时间啊，就中间有一年是盈利了啊，或者是啊稍微挣了一点点钱吧，挣了可能一两亿美人民币的样子啊。等大众这个事结束了以后啊，再去看报表的时候，他可能盈利就剩个呃，一两千万啊，就是他还是把这事做正了。当然他怎么做正呢，就是尽量裁员，尽量收缩啊，还是可以让这个报表稍微的好看一点。所以现在说我要再去上市了啊。

那么出门问问的现在和未来，到底会是什么样呢？因为刚才我们讲经过了这么多折腾，走错了路，然后跟大众这边又你说到底谁是渣男，咱们也不管他了，反正是合作了一段时间又离了。现在我们上市也上过了，后边怎么办？

第一个呢，抄错了作业，以后路径依赖依然是很强的。前面想去做语音交互，骨骼不行了，我做手表，手表卖不掉，我去开专卖店，手表没卖掉，我再去做耳机，做去音箱，选了半天都没选多，现在呢耳机音箱都不做了，我不干了，线下实体店全关掉啊，也不玩了。但是努力的做手表这件事呢，还没放弃啊，表还得接着做啊，这个事路径依赖依然存在。既然讲叫AIGC第一股对吧，你像他原来其实不是做AIGC的，那么现在叫AIGC第一股呢，那大模型总还是要卷一下吧。但是呢，咱要讲，叫全怕少壮，对吧？你出去跟人打架去，怕年轻的呀。做AIGC这波的创业者里头，有钱的狠人是很多的啊。而且呢，在这个里边，各大厂商啊，什么阿里啊，字节呀，还都在里头折腾呢。其实，跟他在前面做音箱的时候遇到的困境是一样的啊。所以这一回啊，他的日子依然不好过。而且呢，做AIGC啊，要比原来做什么可穿戴设备啊，什么智能设备啊，智能硬件啊，比那玩意还烧钱。因为你这回就妥妥的就是烧显卡，烧蒜粒，烧电。这个真的叫财出龙潭，又入虎穴。前面做智能硬件，做手表做耳机就算是龙潭了。为什么说AIGC又是虎穴呢？这不是现在整个互联网行业里头，最后的一个光明吗？原因很简单啊，做AIGC，整个从Open AI这个老大到下边所有的这些公司里头，谁都没想明白怎么挣钱。所以说，又才出龙潭，又入虎穴。

那么啊，他现在呢，也准备选大模型AIGC，做了一东西，叫什么呢？叫魔音工坊。你想他做语音识别和语音TTS输出的吗？那魔音工坊是干嘛使呢？就是他后边也是一个大模型，可以进行配音。你给他文字了以后，他给你做配音，做这样的一个工作。大家评测了以后呢，感觉效果还是OK的，的啊，比所有的这种啊，配音软件的这个能力还是要强一些的，特别是他有这个很好的配音工作流啊。你给他一段文字以后啊，它分词分的很好，念的也非常有感觉啊。而且念的过程中呢，还给你标出来哪个地方是多音字，你可以在这个地方去选啊，说这字读错了，应该读“朝”，不应该读“朝”，可能这样的事情，它比较容易去对中文进行处理，比较贴近中文，因为咱们有一堆多音字，有一堆分词这样的问题嘛。所以在这块呢，还是做了些优化的。但是作为一个这样的公司啊，他一定手里现金不多，所以播音工坊啊，你就是要老老实实的花钱买。不花钱，我就不让你用。而且还很贵啊！这个东西不是一个小钱。在这个时候呢，他又遇到了一个狠角色啊。在这个里头，做的可能没有他那么完善，但是呢，也基本上能用，而且效果还不错的一个工具。而且那个后边，还有一个很强大的爸爸，可以跟你去卷价格战的一个工具。他就当面碰到了，这个是谁？剪映，剪映后的是字节跳动，是抖音。那你说他跟剪映比，这不是又撞在南墙上了吗？就跟他当年做音箱，迎头赶上小米、华为、阿里和百度，有啥区别？没有任何区别的。他另外做的一个业务呢，叫数字人业务。前面好像也是剪映啊，所以这也是为什么一上来就破发，因为大家真的看不到这个项目的未来在什么地方。对吧，但是呢，也终于熬上市了。这就是中国做很多AI创业的一个悲歌啊，虽然上市了，但是我们只能说这叫是一个悲歌。那么对于未来来说呢，前路漫漫，一路走好啊！也没什么别的可说的了。

好啊，这就是这一次跟大家讲的AI界活化石——出门问问，在香港港股上市、上市即破发的故事。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。