猎豹移动傅盛：这一波AI是百年不遇的生产力革命，高层必须亲自挂帅

自诞生以来，就点燃了全球新一轮的创业热情。近日，猎豹移动董事长兼CEO、猎户星空董事长傅盛参加公司发起的AGI产业先锋营，以“企业如何进行AI创新？”为主题，分享了自己对AI的理解。

傅盛早在2016年就开始布局人工智能产业，在AI赛道耕耘七年。他认为，这一波AI不仅是交互革命——未来人和机器的交互会发生巨大改变，软件、设备、内部很多界面都值得重新做，更是百年一遇的生产力革命，是一把手必须亲自挂帅的战略工程。同时，他也对大模型的行业趋势给出了自己的看法。

以下是我们总结的一些内容，希望能够对您有所启发。

创业十五年，仍在路上

2023年是我状态最好的一年。从外表看，它来了；从内心看，经过不断的调整，我又回到了创业者“在路上”的感觉。当你真的能从底层做起，你才会真正有创意、有创新。当你浮在表面的时候，多半是全吞了，所谓的创新可能就是空中楼阁。

我是第一代互联网产品经理，我带过一个团队开发过360的杀毒软件，一开始我们只有5个人，当时瑞星有800人，金山杀毒有三四百人。2008年底我离开的时候，团队还没超过100人，但PC覆盖率超过了50%。360的经历给了我很大的信心，也让我积累了很多技能和知识，特别是在产品的易用性和安全性方面，我确实思考过，比如在小空间里如何让交互足够好，安全形势发生变化时如何让响应足够快。

离开360之后，我创办了猎豹移动，当时发现中国的应用比美国的应用好，于是把重点放在了海外发展上。2012年我们开始海外发展，两年后，我们的海外月活跃用户突破2亿。2014年我们上市，速度非常快。但今天回头看，动作太快并不是好事，因为无论个人还是团队，都会有膨胀的心态。当时我们觉得，我们要做伟大的事情，不要做别人做过的事情。看了一圈之后，我们爱上了AI。当时我意识到人工智能是一个范式转变，于是2016年我们果断投入AI，融资金、扩充团队、做产品……当时小米的小爱同学，语音识别很大一部分是我们做的。

今天回想起来，这是一件大事。这种在摸清路之前就投入，很容易导致时间的浪费。如果我从头开始，我一定会先从一个小团队开始，然后参与进来，等到我真正理解了，再一点一点成长起来。

所以今年我们出来的时候，动作明显比以前更加稳健、更加谨慎。

将带来交互革命和生产力革命

作为一项开创性的应用，我们该如何看待它带来的变化？

第一是交互革命。人与机器的交互会更简单、更便捷。现在看似复杂的软件和机器的使用门槛，未来会大大降低。这将是一个巨大的改变。我们整个交互范式都会改变。上一次交互革命——从全键盘到触摸屏造就了苹果。现在所有的软件、设备、以及很多内部界面，都值得用AI来重做。

比如说，现在人是围绕着机器来工作的，比如甲方提一个需求，需要由一个善于沟通、会用电脑的人把客户和老板的要求写成一个PPT。未来是机器围绕着人来工作，甲方只需要告诉机器它想要什么，机器直接就明白了，如果需要写一个PPT，就直接生成，人只需要稍微改一下，甚至根本不需要改。

第二，是生产力革命。数字化员工会成为企业标配，数字化员工占比更大的企业会胜出。马化腾在财报会上说，他原以为AI是十年一遇的机会，但后来仔细看，发现应该是百年一遇。我觉得历史上只有蒸汽机的出现能和这一波AI革命相提并论。蒸汽机最早把热能转化为动能，这次是电转化为通用智能。

大模特的趋势

在核战争领域，什么都不能生长

平台核战已经打响，今天你如果没有一个千亿级参数的大型模型，你就不好意思称自己是平台公司了。

在核战领域，什么都长不起来，小公司在所谓的AIGC APP里也不会有什么大的机会。今天不管谁做一个价值千亿的模型去跟大公司竞争，都会遭遇巨大的竞争压力，难以承受。因为就算你是效率更高的创业团队，但大公司能堆出人来，最后的效果不相上下。所以一两点的差别，对于终端用户来说几乎是察觉不到的。

当模式效果基本一致之后，竞争就是商业化。创业公司竞争就更少了，因为大公司可以直接闭环，你只能开辟新战场。开辟新战场也有问题。如果你是市长，你会签约腾讯、百度、华为，还是签约创业公司？所以大公司离开之后，创业公司就很难了。

应用生态决定大模型公司的商业价值

在 11 月的开发者大会上，我们刚开始内部讨论的时候，就觉得它不像是一个平台公司，而是为生态做了很多工作。理论上它应该尽快推出 GPT-5，进一步增强推理能力，把多模态做得足够好。结果它做到了一堆创业者想做的一切，比如零代码构建 AI Agent。不是说它做不到这些事情，但如果它这样做，就像很多硅谷公司说的，“它给了我 200 美元的优惠券，毁了我 200 万美元的公司。”但这也说明，在大模型上做很多应用是关键。

但我并不认为大规模的模型应用和创业公司没有价值，因为平台和应用是互相促进共同成长的。

比如，正是应用的相互促进，才让它成长为一个平台。虽然现在它已经是一个非常强大的平台：13系列的销量已经达到2亿台；2022年App Store应用数量突破178万；处理器仅次于A6系列，是所有处理器中最好的。

但它并不是一下子就成长起来的：2007 年 1 月第一代发布，一共卖了 130 万台，我买第一台是因为降价了 100 美元，本质上是滞销。2008 年 3 月支持 SDK，允许第三方 APP 开发，上线 APP Store。一开始没有一个组件是苹果自己开发的，直到 2010 年 A4 处理器推出，苹果才走上自研之路。

再比如，智能手机在中国的普及，这与一些应用的成功息息相关。滴滴的程维告诉我，滴滴成立前，北京出租车司机中只有20%的人使用智能手机，滴滴上线一年后，这一比例上升到95%以上，因为司机没有智能手机就接不到单。包括微信在内的智能手机的普及，对“红包”做出了非常重要的贡献，红包功能一经推出，过年的时候大家都会买一部智能手机去抢红包。

如果一部手机只有一个大屏幕，除了拍照打电话什么都做不了，那它就不是智能手机。装了滴滴可以叫出租车，装了美团可以叫外卖，装了微信可以发信息发红包，才叫智能手机。

大模型平台和应用也是一样。GPT刚出来的时候我们也担心，但今天看来，GPT只是一个技术而已。所以在今天的大模型时代，你不用看得太可怕。如果你做出真正符合用户需求的大模型应用，你的公司还是有价值的。

私有化大模型很便宜，行业、企业大模型越来越受欢迎

我认为未来会出现很多百亿级参数的模型。我们自己测试过发现，百亿级参数的模型如果只在这个专业领域做一些简单的推理，可以接近GPT这种千亿级参数的模型的效果。百亿级参数意味着部署成本和使用成本会大大降低。

今年年底，高通发布了一款用于电脑的桌面芯片，明年上市，它有专门的AI推理模块，大概是英特尔的8-10倍。这意味着当你使用搭载这款芯片的电脑时，你可以在本地运行一个有70亿到100亿个参数的模型，以GPT每秒几个token的速度，甚至不需要连接到互联网就能达到一定的推理水平。

另外我觉得面向行业、企业的大模型肯定会越来越普及，尤其在中国，大家对数据安全缺乏信任，所以在中国私有模型是有很大需求的。普及，刚才我说了当一台笔记本电脑可以跑70亿到100亿个参数的大模型的时候，肯定很容易普及。还有一个原因是现在的平台都在努力造一个爱因斯坦——Open AI的最终目标肯定是造一个爱因斯坦或者比他更伟大的AI，但是很多岗位不需要爱因斯坦，太贵了，很多任务可能只需要一个中专生或者大学生水平的AI就可以完成。

大模型时代，企业私有数据是核心竞争力

未来企业的私有数据是核心竞争力，读取的是网络上的信息，比如冰上的信息，这些数据和知识如果不在网络上，就是暗知识，比如冰下的知识。

每次公司推出新产品或服务时，都会经过大量的研究和规划、大量的流程和大量的讨论。这些都是隐私数据，无法被捕获。如果你问它相关的问题，它的答案大多是正确的，但却是无用的废话，因为它没有你的隐私数据。

大家要意识到，企业内部的流程、数据是核心竞争力，如果你能把它们串起来，用一个大的模型去调用，你的效率会大大提高。

人工智能是战略项目，最高领导必须亲自挂帅

任何公司都要做好AI，这是一个战略项目，必须由一把手亲自挂帅，一把手要做两件事：第一，了解技术的基本原理，第二，进行组织变革。

为什么我们需要知道这一波AI的技术原理？因为它会是未来的基础设施。基础设施必须了解基本的技术原理才能用好它。就像你不需要建发电厂，但你需要知道电从哪里来，容量极限在哪里，怎么用。

我想强调的是，一把手要像小学生一样，动手去学AI。我知道张一鸣当时看了很多AI的论文，包括像GPT这样的模型的论文，他都动手了。所以学AI的时候，一定不要幻想雇一个人，他就能帮你搞定，这是不可能的。就像互联网兴起的时候，传统大公司总是从电商平台招人，希望他能把电商搞定。其实搞不定的，因为一把手不懂电商。一把手要深刻理解最重要的原理。马斯克要造火箭的时候，有记者问他怎么做，他说要先学火箭发动机的技术原理，不然跟工程师没法沟通。

人工智能技术之冠：语义理解

我想分享的一个非常重要的AI技术是“语义理解”，也就是如何让机器理解语言，这可以称为AI技术的皇冠。如果人工智能能够攻克语义理解，那基本就意味着AGI（通用人工智能）即将出现。

语义理解有两种技术路线：第一种是学一门外语，它教你什么是主语、谓语、宾语、定语、状语、从属，然后输入到知识图谱中。知识图谱就是我们把整个世界的认知整理成各种细节，告诉计算机。第二种是学母语，对于一个小孩来说，你不需要教他语法规则，只要跟他讲，他就会说话。这几年在硅谷是个笑话，他们想机器怎么能像人学习母语一样学习呢？我也以为是个笑话，但现在事实证明我们就是笑话。

那么他为什么一个人做到了呢？不是因为他有秘方，而是因为他是唯一一个相信第二种模式的人。就像哥伦布的远航，不是因为他的船队有多强大，而是因为他做了一件别人不相信的事情。但他做了之后，别人也能做到。他自己也不完全明白是怎么做到的，只知道给它数据之后，它的逻辑能力一下子就提升了，所以叫“涌现”。

我把它想象成一个大型的计算器，它的原理很简单，就是预测下一个单词，你输入一些单词，它就跳出一些单词，这些单词组成的句子，看起来跟我们对世界的认知和理解是一致的，所以我们就认为它产生了逻辑能力。

我觉得因为它是大型计算器，所以我们不用担心它有意识，但是要担心它用得不好。因为我觉得意识肯定是有情感的，计算器没有情感。但是不代表它没有意识就不会对社会造成危害。人类设计的规则总会有漏洞，因为我们的思维是有限的。如果规则制定的不好，它就有可能利用规则的漏洞。

如果只学习大模型的一个技术点，

应该

自然语言的天然压缩性以及各个行业的专业属性所导致的天然歧义性，让它成为了连接大模型的逻辑能力与应用需求不可或缺的重要桥梁。更重要的是，大模型的应用一点都不是肤浅的，我们觉得它肤浅，是因为我们仍然停留在过去的思维范式上。

我们刚才讲了大模型的原理，它根据你上面问的问题，确定下一个词的概率，它吐完这个词之后，再把它连起来，然后吐出下一个词，以此类推。所以你上面问的问题很重要，你怎么问它，也很重要。你总是期望问，为什么我说了一句话之后，它没有满足我的需求？因为它不知道你的需求是什么。

理论上来说，语言是一种高度压缩的信息传递方式，一个人每分钟最多能说100-200个字，这一200个字代表了你对世界的理解。但有一个词叫沟通误区，我们为什么要开那么多会议？不就是为了沟通需求吗？我们可能为了把一件事讲清楚，就讲两三个小时。

人与人之间沟通这么困难，你怎么能认为AI这么美好呢？你给它一个东西，它就给你一个特别好的报告？你与人沟通都很难，你也没有耐心，你怎么能认为一个大模型真的能用一句话就让你的公司变得更好呢？那是不可能的。

它是连接大模型逻辑能力和应用需求的桥梁，需要你自己去用，去理解。

吴恩达作为业界的领军人物，提出了端到端的语言模型，大家花了好几个小时去讨论，它重要吗？它是不是一个新的范式？程序员们还觉得 C++ 里的括号、接口很重要，我觉得那些都不重要了。重要的是你要理解自然语言在大模型里被压缩后，自然产生的歧义，以及各个行业的专业属性。什么叫专业属性？最简单的例子，你说苹果，在我脑子里是手机，但是在陕西一个农民的脑子里，他肯定有自己的苹果，他不会想到那个手机。

推动AI实践的最大障碍是跨部门协作障碍。

这是部门经理和员工的旧思维

我们全体员工推行AI之后，我的重要经验和建议是：推行AI最大的障碍是跨部门协作壁垒，是部门经理和员工的旧思维，所以一把手一定要亲自挂帅！

我举个例子，我们CFO的助理写了一个小工具，让所有程序员都震惊了。

作为助理，她每天要做的很多工作都很碎片化，比如老板今天发给我一个文件，让我把它转成PDF；给这个文件加个水印发给别人；下载并分析某公司最新的财报等等。在我们内部开始探索AI之后，这个心理学毕业、做了近十年助理的人重新受到启发，她在公司内部成立了一个Open Tools平台，为各个同事做工具，比如她有一个PDF转Word的工具，是财务和法务部都在用的。

成为AI大师的四个条件

未来2-3年人工智能的发展，将决定未来20-30年的世界格局。创业者的价值在于创造价值，未来的价值来自于现在的努力。在这样的转折点，不要犹豫，先下手为强。

面对这场百年不遇的生产力革命，每个企业都应该参与其中，最高领导人要行动起来，带领企业创造未来。

人工智能很棒，但还不够

“智能化”最难的是“最后一公里”，要完成它，需要通过大模型技术与传统技术的结合，提供真正可以落地、提升效率的解决方案。我的建议是大模型、小工具，从具体应用中找到切入点，做好“最后一公里”，实现AI化。

今天讲人工智能，我觉得是时候介入了，没必要犹豫，创业者的价值在于创造价值，未来的价值来自于你现在的努力。在这样的转折点，不要犹豫，先下手为强。比如英伟达内部已经大规模尝试AI，一个不是高管的普通员工，绝对可以提高80%-90%的效率。

但这不是随便接上什么软件就可以的，我觉得最大的难点是把机器跟你的流程接起来，你的需求是什么？你的满意率是多少？你的SOP是什么？这里面还有很多工作要做，所以需要根据公司的流程去定制优化，根据公司的特点去落地AI。

猎豹移动也在今年年初开始探索AI，包括主流的模型，积极评估效果。我们对很多模型做了微调，做了预训练，开发了一系列的AI工具。我们发现很多企业对AI感兴趣，但是不知道怎么用，所以我们推出了聚言，一个全链条的大模型应用和咨询服务，可以帮助企业提高效率、做营销，甚至出海的创业公司也可以合作。未来我们会基于这些多样化的能力推出更多的产品。