/wp-content/uploads/hongkong/2014/01/毛拍手.jpg.webp)
日前，一篇《梁文鋒四小時投資人會議實錄》的文章在網上流傳，迅速席捲科技圈登上熱搜。美團聯合創始人王慧文亦罕見轉發，讚其「格局有三四層樓那麼高」。
梁文鋒在紀要中對英偉達CUDA生態的護城河提出大膽判斷，認為正「快速瓦解」，並指華為超節點在性能與價格上已可「完全平替」英偉達GB200、GB300系列產品。他同時詳述了對中美算力差距、國產芯片生態、AI公司利潤空間及AGI技術路線等問題的看法。以下為核心觀點整理。
中美差距與算力
「我們跟美國的差距主要在資源上面，然後人才上面差距不是很大。人才不是瓶頸，資源是最大的瓶頸。資源首先影響到人才培養，因為算力少，我們能做的實驗機會比較少，所以人才整體上比美國有差距。人才的差距，本質上也是因為算力的差距。我們看到的所有的區別，包括人才的區別、模型能力的區別、應用的區別，可以認為都是因為算力資源上的區別。」
「現在最大的模型，它激活大概是800B（B即10億參數）；國內的話，我們還在幾十B的這個規模，國內最大模型可能就幾十B激活，那麼差一個數量級。如果我要訓練跟它同樣大的模型，應該需要五萬張GB300，或者華為950，二十萬卡。這只是訓練，還沒有考慮做研究。」
「我們可能落後美國12到18個月，或者說6到12個月。反正簡單說，就是落後美國兩年，然後只用美國二十分之一的算力把這個事情做出來。未來我們要把這個敘事改寫，就是我們用它幾分之一的算力，但是把這個時間縮得更短，縮到6個月、3個月，我覺得這是一個目標。以及我們甚至可以在某一些方面超越他們。但是在總體算力還是有數量級差距的情況下，全面超越是不現實的；但是在某一些重點、有取捨的地方，我們有一些地方超越可能是可以的。」
「我們是信Scaling，肯定是規模越大，效果越好，能夠解鎖更多的功能。阻止我們Scaling的其實就是算力，並不是我們不想Scaling，是我們沒有那麼多的算力去做這個Scaling。我們離探索這個Scaling的上限還比較遠，就是沒有那麼多算力。矽谷在說Scaling到頭的時候，那是對矽谷來說；對中國人來講，我們離那個還很遠，我們根本就沒有Scaling到那個程度。」
「ToB業務的上限應該還是需求，在現在這一代AGI、AI技術的背景下，ToB的需求應該是有限的。它會快速增長，但並不是一個無窮大的事情，最終還是受制於需求，不是算力。隨著技術持續有突破，這個需求會越來越大。」
「在很多體驗方面，有可能我們是能比美國做得好的。在產品方面，產品能力上不一定會比美國差。成本應該也會比美國低，所以有可能中國還是會有競爭力的。成本這個很好理解，是因為他們都不用做，所以他們就不發展這個能力。他們肯定沒有我們重視這個事情。我們可以把它當作一個非常重要的事情，但對於他們來講，這個是不重要的。產品也是，國內有很多公司，產品能力還是可以的。所以我覺得這兩方面可能是有結構性優勢的。」
國產芯片與生態
「國產AI芯片替代現在是有個歷史性機會的。英偉達CUDA的護城河在快速地被瓦解，快速被瓦解的原因可能有三方面：一方面是現在有了AI之後，我要建立起這個生態比以前容易很多了，因為AI可以寫代碼。用AI來構建這個生態，就可以把跟英偉達一模一樣的生態構建出來。我們家出了一個技術，叫TileLang，是一種高級語言。用這個高級語言來寫CUDA的算子，可以很快地把英偉達的整套生態全部都寫一遍，再結合AI，這個看起來沒有什麼障礙。」
「因為CUDA，英偉達它是從遊戲卡演變出來的，所以它在很多地方，遊戲卡的設計跟其底層架構是一脈相承的。但現在的趨勢是，以後就不再耦合了。那麼專用芯片，不管是華為還是英偉達自己，以後都是專用芯片，都不是之前的這些東西了。在這個背景下，原來英偉達生態的作用就大幅度減少了。因為對於一個專用芯片來講，跟CUDA沒有什麼關係，它跟CUDA是不綁定的。」
「國產AI芯片的硬件和生態都沒有問題，唯一有問題的是產能不夠。未來一年之內，我們能夠看到有一個事情被驗證：國產芯片的生態完全沒有問題。之前認為是有問題的，認為是用不起來、不好用，但是未來我覺得一年之內，我們能夠扭轉這個認知，或者會用事實來扭轉這些。國產卡適配這一點，沒有障礙，英偉達擋不住。」
「華為950超節點，在性能和價格上可以完全平替英偉達的GB200、GB300。價格肯定要貴，但貴得有限。價格貴百分之五十、百分之一百，貴百分之一百無所謂，貴百分之兩百都無所謂。比如貴百分之一百，我覺得在價格上已經可以平替了。在任務上也是可以平替的，所有GB300能做的任務，華為超節點都能做，延遲什麼都一樣。唯一的代價是，四張華為卡頂一張英偉達的卡，同時落後兩年。」
「在AI這個事業上面，在AI這個事情上，應該國內一兩年是能夠做到跟國外差不多的，或者可能今年就能做到平替國外的模型。但它還不是AGI。國產硬件在這個時間能追上嗎？我覺得國產方面可能需要幾年的時間。國內首先得解決生態的問題，因為生態是一個信心的問題。解決生態的問題，然後再解決產能的問題，我覺得應該是能夠逐步解決的。我不太相信未來五年之後，我們還卡在產能的問題上。現在肯定是卡在產能問題上，今年、明年、後年，我覺得可能都還是卡在產能問題上，但五年之後，我覺得可能不一定，我還是比較樂觀的。」
關於AI公司的最終利潤
「AI這個事情足夠大，最終它可能得佔掉人類社會GDP的百分之十。它其實是一個非常大的數字。你不可能獨佔這個事情，一定得跟別人分享，否則你肯定活不下來。這跟之前開源做一個軟件可能是不一樣的，因為那個軟件的市場就沒那麼大。但是AI這個事情實在太大了。」
「如果說AI能做到十億美元的話，那麼基本上我公司的現金流可能就能夠回正了，能夠覆蓋我的研發費用，能夠覆蓋所有費用，在模型的優化上也還有空間，所以整體降價空間還是比較大的。」
「哪怕是模型開源，你把所有東西都告訴別人，別人要用起來，這個門檻也非常高。其次，他要用起來，還要成本做得很低，也很難很難，並沒有那麼容易。並不是我開源了，他就能夠輕易地做到跟我一樣的部署成本。」
「開源並不會影響我的收入。開源和商業付費之間沒有衝突，這個模式是不是長期可以持續的？我覺得是可以的。就在我們這個願景下，我覺得開源是長期可以持續的。」
「我們給的開源模型，跟我們自己部署的模型是不是一樣？是一樣的。我們不會說開源一個差一點的模型，然後我們自己部署的時候用一個更好的模型，是不會的，是一樣的。這也說明它其實沒有衝突。我們去年一整年，在C端我基本就是開源了，然後C端的服務沒有看到衝突，真的沒有看到衝突。」
「C端和B端，都是我們做AGI路上的副產物，跟我做AGI沒有衝突。我並不是為了做C端，或者為了做B端而去做它，而是我們做AGI是為了做AGI，剛好能產出這個東西，我就把它拿來做商業化了。」
「如果說我的目標是，我要讓AI佔全人類GDP的百分之五，理論上算這個賬還是成立的。但我有個問題，我會被另外一個願意只佔百分之一的人打敗。因為另外一個人說，我做得這麼好，但是我只要拿全球GDP的百分之一就可以了，那麼就會把我打敗。這時候如果又出來另外一個人，說我只要百分之零點一就可以了，那麼又會把前面的人給打敗。從宏觀上來講，不管這百分之幾是從哪裡拿，彼此之間沒有區別，都是一樣。拿得多的人會被拿得少的人打敗。」
「大家做大模型的那一部分，其中不要說某一家獨佔，說我要拿走全部利潤，這個肯定不行。如果說每一家都只拿合理的利潤，那麼其實不需要那麼多人去做大模型。差距只有兩個東西：一個是時間，一個是成本。所以不至於哪一家有暴利。成本控制得好的人就多賺一點，成本控制得差的人就少賺一點，僅此而已。」
「假如說我今年能夠有幾億美元的B端收入，再加上我們C端有用戶，那麼這本身就已經有一定的商業基礎。如果明年我們B端有收入，如果這個需求可以再增大的話，公司離淨利潤已經不遠了，可能就已經是淨利潤了。可能就已經不是一個純燒錢的階段了。或者說，最壞情況賣API，可能都能夠支撐一個上市公司。就如果說技術後面沒有新的進步了，我們的技術就凍結在這裡了，那麼最後我們就全力賣API，把這些服務做好，我覺得也夠的。」
「我們本質上還是一個公司，我們要考慮怎麼活著。所以B端對我們肯定是重要的，因為以後可能得靠它活著。只是說現在不重要，因為它是個成本線。我們本質上還是一個公司，只是說我們在考慮賺哪些錢、什麼時候賺錢、賺多少錢、靠什麼賺錢，只是說我們有取捨。很多公司做得很偉大，因為它有一種利潤以外的追求。那個追求最後不但沒有影響到它的商業化，反而能讓它商業化得更好。」
終局競爭
「所有大模型競爭，它終局的差距會體現在什麼地方？最終的差距應該是三方面：一是成本，二是時間，三是用戶體驗。除此以外，可能是沒有什麼差距的。成本肯定是一個差異，我覺得可能成本是排在第一位的區別。然後第二個就是時間，你什麼時候能夠做到。第三個可能是體驗，用戶體驗還是有些不一樣的。但長期商業化路徑，本質還是第一個成本，第二個時間。」
「在全球AI主導分工的時候，中國公司很有可能扮演的一個角色還是產量最大的。常理來講，我們的產能最大，包括芯片，芯片可能我們的產能最大，我們的電力最多，所以我們的AI最終很有可能是三極之一。中國人會把這產品做到最便宜，然後再在效果上追趕，畢竟現在很多商品，中國產跟美國產並沒有太大的區別。未來可能AI也是這樣，但是中國產的AI可能價格會更便宜。這個便宜可能是系統性的低。」
「AI人才的短缺也是階段性的，並且我們已經看到，大幅度被緩解了。因為AI人真的不缺，每個公司很快會把人培養出來，培養人是很快的。所以，AI這個行業整體上，不管是生態、模型公司還是什麼，人才都不缺。人才缺肯定是一個短期現象。歷史上從來沒有出現過長期缺某一類人的情況。」
「國內現在做模型的公司有點太多了。美國可能就三家，中國做基模的公司太多了，最終一定是不需要那麼多人去做基模的，一定會收斂。所以資源也是比較分散，某種程度上也比較浪費。因為現在可能大家覺得做這個事情的利潤率非常高，所以一定要自己做。但當他發現這個事情可能沒有那麼高利潤的時候，可能就不做了。中國最後有個三四家競爭，競爭就很充分了，價格絕對已經夠打價格戰了。」
「Anthropic現在超過OpenAI，這是不是長期的？我覺得這不是長期的，這肯定是階段性的。OpenAI和Google，未來大概率還是會交替上升。其實Anthropic在Code Agent上的優勢沒有那麼大，其實並沒有說它碾壓OpenAI。我們公司可能有一半的人覺得OpenAI是更好的。它是這三家裡面效率最高的，它花的成本、燒掉的錢應該是最少的。」
「在過去的一段時間，以及未來的任何一段時間，花很多時間去思考如何豐富我們的產品有什麼用嗎？半年以前討論出來的商業化是什麼？一定是我要去做廣告，然後我要去做電商，我要去在產品裡面植入電商，然後要跟本地生活融為一體。肯定沒用的，因為變化太快了。你這個產品，如果說你在前面，或者我們現在這個階段，去花很多時間做商業化考慮、商業化路徑，產品線它生命週期很短。我覺得沒有到這個時候。」
「國內我們以目前的情況來看一下，我覺得最合理的做法應該是全力做通用的Agent，其他的Agent優先級應該更低，包括金融、醫生這些Agent。要先做Coding，因為Coding Agent能夠做到很多，還有很多垂直的Agent。現階段我們覺得最重要的，應該還是Coding Agent。」
關於AGI技術路線
「如果說你能夠把一個問題描述得很清楚，給它完整的上下文和指令，它已經超過人類了。AI的發展，我們可以理解成它是一個階梯。去年走的階梯是CoT，就是思維鏈——通過思維鏈的方式，可以讓智能達到一個更高的水平。今年的階梯就是Agent，因為用Agent的方式，能力範圍會更大，智能上限會更高。」
「Agent之後，我們覺得應該要解決的問題是持續學習，就是怎麼讓模型可以持續地學習，而不是說你要給它一個很強的訓練。下一個要解決的問題，就是解決怎麼持續學習，這個是看得到的，是相對來講比較明確的。就是卡在前面的這個障礙，你必須要跨過去，而且一定是有辦法能跨過去的，但需要時間。」
「下一代模型的核心能力，我覺得它必須要有持續學習的能力，它才能叫下一代模型。在那之前，我們能做的就是成本更低，然後效果做得更好，速度做得更快。但是要有大突破，它應該具備持續學習的能力。」
「持續學習之後，可能我們就會來到一個奇點。這個奇點就是，當這個模型能夠持續學習之後，它已經能夠做人類能做的所有事情了。它就能夠自己開發自己的版本，能夠自己再研究，然後開發自己的下一個版本，開發更強的人工智能模型，所以它就會到一個奇點，能夠實現自己的迭代。但這個奇點並不是一個奇點，它也是一個漸進的過程。這個過程可能也是一個比較長的漸變，它不是個突變。」
「這一步走完之後，我覺得才是具身智能。到具身智能之後，它就走進現實世界，可以給你做家務，可以給你養老。我們先解決持續學習，再解決那個自我迭代的奇點，再解決具身智能，這個路上就很輕鬆。因為到後面之後，你可以用前面的技術來幫助開發後面的技術。奇點之後再做具身智能，那個就不用人來做，就不用我們來做了，那個模型自己就可以出來了。」
「我們現在比較相信一個敘事是，AI可以加速AI的研究。就是說，它不是線性的，因為你可以用AI來加速你自己的研究，所以它到後面可能是非線性的。語言模型的Scaling，我現在沒有看到有上限。我們現在的智力水平，或者美國的智力水平，都沒有看到上限。」
「具身肯定還是要進入，最終具身。所以對我們公司來講，自然而然，可能終點都是具身。因為對一個正常人來講，他的需求並不是電腦，他需要的是……所以他還是需要具身智能來解決具體人力的需求。如果說目標是解決人力需求的話，那麼具身我覺得就是繞不過去的。」
毛拍手
** 博客文章文責自負,不代表本公司立場 **
