“過去貧窮限制了想象力，現(xiàn)在一些人的野心又太超前了?！?/p>

文丨《財經(jīng)》記者 朱麗琨

【資料圖】

編輯丨程曼祺

周明是在國內(nèi) AI 市場溫度降到谷底的時刻決定創(chuàng)業(yè)的。那是兩年前，2020 年底，他考慮辭去微軟亞洲研究院副院長的工作，很多朋友勸他別出來，但他很堅定地要開始大模型創(chuàng)業(yè)，認(rèn)為 “大模型未來會成為某種基礎(chǔ)設(shè)施”。

這之前 6 個月，OpenAI 發(fā)布了 GPT-3，在人工智能領(lǐng)域引起關(guān)注，但尚未形成去年底 ChatGPT 發(fā)布后大模型機(jī)會已至的共識。

不像一些熱潮中加入的創(chuàng)業(yè)者那樣愿意談 “終局”，周明在接受《晚點 LatePost》采訪時，一再強調(diào)的是 “公司要活下來”。他給出的商業(yè)前景沒有那么 “性感”。他認(rèn)為對國內(nèi)創(chuàng)業(yè)者而言，更靠譜的是 2B 的慢生意。

他笑著承認(rèn)，“有 2C 志向的人，大概看不上做 2B 的人”。他認(rèn)為大模型 2C 創(chuàng)業(yè)是無止境的 “軍備競賽”，不確定性很大，2B 更務(wù)實。

務(wù)實的背后是他始終受制于資源不足。

周明創(chuàng)立瀾舟科技時，國內(nèi) AI 創(chuàng)投活動正處于冰點。他慶幸自己沒有再晚一年從微軟出來。自 2019 年以來，中國 AI 領(lǐng)域的創(chuàng)投熱度一直在下降，去年到了最低谷。據(jù) IT 桔子，截至 2022 年 11 月，中國 AI 領(lǐng)域一級市場融資總額比 2021 年同期下降 61%。

一成立，周明和瀾舟就遇到了冰冷的市場環(huán)境，當(dāng)時也少有人認(rèn)可大模型的潛力。

資源受限也來自客戶習(xí)慣：中國不少大型企業(yè)，尤其是央國企有數(shù)據(jù)私有化的強需求。所以周明走訪了上百家國內(nèi)客戶后，得到的反饋往往是：“你做大模型，我們也用不起。”

它們要把大模型部署到本地，這需要自己購買大量 GPU、建算力中心，至少得投入上千萬元人民幣。因此，周明一開始選擇做 10 億參數(shù)量級的模型，研發(fā)重點是如何用輕量級模型解決問題。直到 ChatGPT 教育了客戶，瀾舟開始加速研發(fā)百億、千億級別大模型。

資源不足還有時代印記。周明從 1980 年代就開始研究自然語言處理（NLP），參與研發(fā)了中國第一個中英機(jī)器翻譯系統(tǒng) CEMT。那時算力很低，他每天想著如何節(jié)省內(nèi)存。90 年代他去清華任教，申請到的科研經(jīng)費仍然有限。1999 年加入當(dāng)時剛成立的微軟亞研院后，他和團(tuán)隊很長一段時間的重點也放在如何用小數(shù)據(jù)訓(xùn)練出與大數(shù)據(jù)相仿的結(jié)果。

周明經(jīng)常開玩笑說自己是 “貧窮限制了想象力”——他一直不敢想通用人工智能（AGI）會實現(xiàn)，直到 ChatGPT 爆發(fā)，他才把 AGI 作為愿景。在做自然語言處理研究將近四十年、創(chuàng)業(yè)兩年后，他終于有了適當(dāng)?shù)囊靶摹?/p>

不過，在如今對更大機(jī)會、更新物種的暢想氛圍中，周明并不是最吸引資本和資源的創(chuàng)業(yè)者。不止一位關(guān)注大模型的投資人對《晚點 LatePost》強調(diào)創(chuàng)業(yè)者的年齡，一些人相信，過去的 NLP 研究范式已被完全顛覆，更年輕的創(chuàng)業(yè)者才能更好地理解新技術(shù)，把握新機(jī)會。

周明在 “知天命” 的年紀(jì)開始創(chuàng)業(yè)，習(xí)慣了關(guān)于年齡的質(zhì)疑。年齡也帶來好處，就是經(jīng)歷過周期的韌性。

“利用好天時地利，才是一個人的核心競爭力?！彼f。

瀾舟科技創(chuàng)始人兼 CEO 周明

以下是周明和《晚點 LatePost》的對話：

普通人沒感覺，但 AI 界 “巨震” 早就開始了

《晚點》：你 2020 年底從微軟亞研院離職，決定做大模型創(chuàng)業(yè)，ChatGPT 引起震動是在這兩年之后。你為什么更早看到了機(jī)會？

周明：我當(dāng)時在微軟亞研院的團(tuán)隊做了不少研究，看到大模型的用處。我認(rèn)為再發(fā)展下去，它會成為某種基礎(chǔ)設(shè)施。

當(dāng)時很多國內(nèi)中小企業(yè)還沒感受到大模型是什么、有什么用。BAT 已經(jīng)開始做大模型了，但還沒有對外釋放太多技術(shù)和服務(wù)。中國企業(yè)，尤其中小企業(yè)未來一定會用大模型。誰來做？這里就存在一個創(chuàng)業(yè)機(jī)會。

《晚點》：大模型有用，你在當(dāng)時是怎么感知到的？

周明：其實 2017 年 Google 的 Transformer 出來后，NLP（自然語言處理）領(lǐng)域立刻就轉(zhuǎn)到 Transformer 上了。

我當(dāng)時在微軟領(lǐng)導(dǎo)的自然語言組也馬上開始用 Transformer 做編碼、解碼，做各種大模型，那時叫預(yù)訓(xùn)練模型，我們當(dāng)時做了一個業(yè)界挺有名的模型叫 Unified Language Model (UniLM)。我們的技術(shù)成功應(yīng)用到多個產(chǎn)品，涉及微軟圖靈大模型、必應(yīng)搜索的相關(guān)度提升、Office 的語法錯誤檢查、Azure 的機(jī)器翻譯等。

《晚點》：所以 2017 年的 Transformer 給行業(yè)帶來的震動比 ChatGPT 更大？

周明：如果未來頒圖靈獎，也許會頒給 Transformer 而不是 ChatGPT，因為圖靈獎一般鼓勵有長期廣泛影響的基礎(chǔ)技術(shù)。

普通人沒感覺，可是 AI 界當(dāng)時全都轉(zhuǎn)用 Transformer。Google 也許覺得有點虧，Transformer 是它搞的，轟動一時的 BERT 也是它搞的，但現(xiàn)在摘果子的是 GPT。

（*BERT 是 Google 2018 年基于 Transformer 推出的大模型。）

《晚點》：Transformer 具體帶來了什么變化？

周明：讓我們從頭來講。為什么自然語言處理這幾年發(fā)展很快？“自監(jiān)督學(xué)習(xí)” 是最重要的。

過去做自然語言的很多任務(wù)，比如中英翻譯，你得去互聯(lián)網(wǎng)上找中-英雙語語料，人工檢查確認(rèn)，或者補充新的語料。不同任務(wù)還要標(biāo)不同數(shù)據(jù)，標(biāo)注成本特別大。再利用標(biāo)注數(shù)據(jù)設(shè)計一個模型進(jìn)行學(xué)習(xí)。這就是 “監(jiān)督學(xué)習(xí)”。

GPT 大模型是 “自監(jiān)督學(xué)習(xí)”，不需要提前標(biāo)數(shù)據(jù)了，只需要把大規(guī)模語料準(zhǔn)備好，神經(jīng)網(wǎng)絡(luò)會自己調(diào)整參數(shù)，學(xué)到一個穩(wěn)定狀態(tài)。

做具體任務(wù)時，比如信息抽取或文本生成，需要再在模型上做一個微調(diào)，這需要標(biāo)注針對這些任務(wù)的數(shù)據(jù)，但標(biāo)注量比監(jiān)督學(xué)習(xí)小很多。因為模型更聰明了，你給它舉幾個例子，它就會了。原來可能要標(biāo) 1 萬條數(shù)據(jù)，現(xiàn)在可能 100 條就行了。

現(xiàn)在 GPT-4 連針對具體任務(wù)做標(biāo)注這步都不需要了，它可以直接通過提示（prompt）告訴模型怎么做任務(wù)，你提示得越詳細(xì)、準(zhǔn)確，它完成得就越好。

《晚點》：Transformer 是如何實現(xiàn)自監(jiān)督學(xué)習(xí)的？

周明：自監(jiān)督學(xué)習(xí)，搞自然語言的人老早就想到了，只不過沒有很好的編碼方式去實現(xiàn)。

NLP 領(lǐng)域近年的第一個大變化是在 2012 年 ImageNET 大火，大家認(rèn)識到深度學(xué)習(xí)在圖像識別領(lǐng)域的強大能力，開始把深度學(xué)習(xí)用到 NLP 上。最初深度學(xué)習(xí)只改造了原有 NLP 流程的一部分，主要是用它生成幫助機(jī)器理解語言的 feature（特征），比如在翻譯任務(wù)里，詞的個數(shù)比例、兩個詞對譯的可能性等都是特征。但當(dāng)時做不到大模型這樣，從輸入數(shù)據(jù)到輸出結(jié)果的端到端的訓(xùn)練，主要是因為編碼能力和效率不足。

Transformer 的出現(xiàn)改變了這種情況，它帶來了目前最高效的編碼和解碼器，而且它可以并行計算，速度快。關(guān)鍵在于它引入了 “多頭自注意力機(jī)制”；并且在給詞語編碼時，除了語義信息，也加了這個詞在上下文的位置信息。簡單來說，這可以做到多維度抽取句子信息，最后把多層注意力模型和位置信息拼起來，編解碼能力大幅提升。

這后面大家膽子就大了，BERT、GPT-1、2、3，再到 ChatGPT，一條線都出來了。

《晚點》：現(xiàn)在回看，這好像是一種挺自然的思路，為什么 2017 年才實現(xiàn)？

周明：第一，算力是真提高了。這種編碼形式對算力要求極高，因為要搞這么多注意力，每個詞的編碼位都很多，神經(jīng)網(wǎng)絡(luò)層數(shù)也很多，這些都要耗費很大計算量。

第二是想象力增強了，這和算力提升也有關(guān)。以前一個頭的注意力都不敢想，太費空間了。

算力、算法和數(shù)據(jù)之間是互動前進(jìn)的：算力強了，可以想得更多，算法強了，又可以把數(shù)據(jù)處理效率提得更高。

《晚點》：對做 NLP 多年的人來說，Transformer 是一個石破天驚的顛覆式創(chuàng)新還是基于已有技術(shù)的漸進(jìn)式創(chuàng)新？

周明：顛覆式創(chuàng)新。它的每一個部分過去可能都有人想到過，但把它變成一個體系，成為神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)，這肯定是顛覆式創(chuàng)新。

《晚點》：你曾經(jīng)想到了其中的什么部分嗎？

周明：編碼，還有詞跟詞之間的相關(guān)度。也不能說是我想到的，我從 1985 年就開始做 NLP，當(dāng)時就有人研究多特征編碼，研究能不能不管詞性、語種，都用統(tǒng)一的多維向量來編碼？

《晚點》：但是這么多年來，你自己和其他人都沒能實現(xiàn)這些設(shè)想。

周明：貧窮限制了想象力。

我們那時機(jī)器太小，整天想的是如何節(jié)省內(nèi)存。假設(shè)真有人往那兒想，你就會說 stupid，一下把內(nèi)存外存全吃了，怎么可能做出來？大模型是反過來的，想的是如何把算力充分調(diào)動起來，沒那么在乎算力消耗。

而且過去我們只有皮毛和初步想法。Transformer 則是一種全方位、多語言、多模態(tài)的大一統(tǒng)編碼精神，所有語種，包括程序代碼都能做，因為編碼機(jī)制是一樣的。

Ilya 有底層創(chuàng)新能力，Sam 把集成創(chuàng)新做到極致

《晚點》：在 Transformer 基礎(chǔ)上，OpenAI 做了什么？

周明：持續(xù)努力，把數(shù)據(jù)清洗、規(guī)模、參數(shù)量、訓(xùn)練速度……所有東西做到了極致。

《晚點》：Meta 的 AI 首席科學(xué)家楊樂昆（Yann LeCun）評價 ChatGPT “就底層技術(shù)而言，沒什么創(chuàng)新”。

周明：他說的有一定道理。搞學(xué)術(shù)研究的人會說 ChatGPT 沒什么了不起，它使用的技術(shù)點點滴滴散落在文獻(xiàn)中，多少在別處用過。

但搞工程、產(chǎn)品的人會覺得 ChatGPT 很了不起。它最大的功績是把各方面做到極致，是集成創(chuàng)新的典范。

中國的集成創(chuàng)新能力相對薄弱，我們在點上的、應(yīng)用上的創(chuàng)新現(xiàn)在做得不錯。

《晚點》：當(dāng)年微軟亞洲研究院孫劍指導(dǎo)下做的 ResNET 屬于哪一類創(chuàng)新？

周明：它屬于 fundamental 的底層創(chuàng)新。ResNET 的光芒至今照耀整個神經(jīng)網(wǎng)絡(luò)和 AI 領(lǐng)域，是微軟亞研院的驕傲。

（*ResNET 主要解決深度過大的神經(jīng)網(wǎng)絡(luò)難以訓(xùn)練的問題，由何愷明、張祥雨、任少卿、孫劍于 2015 年底提出，論文被引用超 12 萬次?！白顝娖迨帧盇lphaGo Zero 也用到這個技術(shù)。）

《晚點》：底層創(chuàng)新和集成創(chuàng)新，區(qū)別是什么？

周明：底層創(chuàng)新，算法從頭到尾是自己提出來的。集成創(chuàng)新則像 “吸星大法”，集成所有優(yōu)秀的算法、工程、界面、交互能力，甚至 PR 能力。

大模型領(lǐng)域，你可以理解為 Transformer 是底層創(chuàng)新，ChatGPT 是集成創(chuàng)新的集大成者。

《晚點》：上一次以計算機(jī)視覺為主的 AI 熱潮中，中國科學(xué)家提出了 ResNET 這樣的成果，現(xiàn)在看語言大模型，為什么從底層的 Transformer，到后來的 ChatGPT 都出現(xiàn)在美國？

周明：任何技術(shù)出現(xiàn)都有一定偶然性。

集成創(chuàng)新中國是比較薄弱，OpenAI 以外很多美國公司也薄弱。微軟也幫 OpenAI 做了很多事，OpenAI 聰明地把微軟的計算、資源、數(shù)據(jù)都用起來了。

《晚點》：那這個問題可以是，為什么是 OpenAI？

周明：世界上有幾類人，有人就是要研究底層創(chuàng)新。有的是在底層創(chuàng)新上做應(yīng)用，一般的應(yīng)用是解決單項任務(wù)。還有的是做集成創(chuàng)新，把所有工作、應(yīng)用、算法都在一個大平臺上體現(xiàn)，形成里程碑。OpenAI 恰好集成創(chuàng)新做得非常好。

中國應(yīng)用創(chuàng)新比較厲害，集成創(chuàng)新相對薄弱，底層創(chuàng)新有一些突破。

《晚點》：底層創(chuàng)新來自何處，比如第一個想到 Transformer 的人是怎么想到的？

周明：一是想象力，想象力又來自提問能力。

做應(yīng)用創(chuàng)新的人不會去想 “怎么對語言更好地編碼”，但能提出底層創(chuàng)新的人會想，這個問題不解決，后面的東西很難推；他看到了問題的全部，同時能找到突破點。

二是，做底層創(chuàng)新需要數(shù)學(xué)功底。

《晚點》：OpenAI 的成功給你什么啟發(fā)？

周明：它跟微軟是難得的天作之合。Sam 跟微軟 CEO 納德拉，跟馬斯克、黃仁勛都有很好的私交，有信任。加上 Sam 看了很多創(chuàng)業(yè)項目，有戰(zhàn)略定力，知道該往哪個方向走，再搭配一個首席科學(xué)家 Ilya，那個人就是很執(zhí)著。

《晚點》：Ilya 難尋，還是 Sam 更難尋？

周明：中國有 Ilya，也有 Sam，但是這倆碰到一起不容易。中國也缺乏微軟這樣的公司。

Ilya 就是堅信某些技術(shù)能出奇跡。我們這個領(lǐng)域也有。

《晚點》：你覺得自己是哪類人才？

周明：我可能更像一個 architect，架構(gòu)師。我有清晰的想法，能把不同人、資源架構(gòu)起來，知道可以往哪走。但是讓我寫特別牛的算法，我寫不出來。

瀾舟的應(yīng)用做得非常強了，模型、算法還算國內(nèi)一流水平。我也看到有些創(chuàng)業(yè)團(tuán)隊，不懂底層的技術(shù)，就直接做集成，可能欲速則不達(dá)。

《晚點》：你們是國內(nèi)最早做大模型開發(fā)和應(yīng)用實踐的公司之一，現(xiàn)在其他公司來挖人你怎么辦？

周明：他們還沒往我們這看。我們不注重個人英雄主義，我們每個人發(fā)揮自己的優(yōu)勢，不同的人互相支撐，能做出大項目。

大公司，包括新成立的公司，都在看國際人才。你在 OpenAI 干過，哪怕就是掃地的，現(xiàn)在身價都很高。OpenAI 的沒找著，在微軟、Google 干過也湊合，現(xiàn)在都這么找人。

《晚點》：他們?nèi)ッ绹谌耸敲髦侵e嗎？

周明：不論在國內(nèi)挖還是國外挖，單純挖人都不是上策。多數(shù)人在一個公司里只做某一個螺絲釘，只對問題有局部了解，本來就是個兵，你指望他到你這兒做帥，你想想你公司會往哪兒走？

2C 更有雄心，但是 2B 更務(wù)實

《晚點》：你曾評價 OpenAI “雄心令人敬佩”，國內(nèi)做 NLP 有些 “膽小”。什么是 “雄心”？什么是 “膽小”？

周明：OpenAI 從一開始就想做 AGI（通用人工智能），不鳴則已，一鳴驚人。國內(nèi)外其他公司多數(shù)沒這個雄心，更多是想著把機(jī)器翻譯、搜索引擎等任務(wù)做好，不一定非要走到 AGI。

不過現(xiàn)在一些中國公司看到 OpenAI 的成功之后，雄心又太大了，認(rèn)為我只要有錢，只要買得起機(jī)器，很快會達(dá)到或超越 ChatGPT。我覺得是不太可能的。

《晚點》：你自己也沒想過 AGI？

周明：我以前認(rèn)為做不出來，現(xiàn)在我也不敢說瀾舟能做出來了，但有了這個 Vision（愿景）。有和沒有區(qū)別很大：我們這一代也許能實現(xiàn)，也許實現(xiàn)不了，但大家每天都在逼近，要有這樣的雄心。

《晚點》：你怎么定義 AGI？有人認(rèn)為 AGI 已經(jīng)來了。

周明：AGI 是一個遞進(jìn)過程，你原來只能做一個任務(wù)，后來變成 N 個任務(wù)、1 萬個任務(wù)，都用一個平臺實現(xiàn)。

1 萬個任務(wù)是 AGI 嗎？也不是，它可能一直往上漲，越前面的任務(wù)越容易被人用到，越往后的是越長尾的。

《晚點》：你這是從通用性角度定義 AGI，你并不考慮機(jī)器的認(rèn)知或意識問題？

周明：我是站在生產(chǎn)力的角度，不是生產(chǎn)關(guān)系的角度。現(xiàn)在生產(chǎn)力都還沒做出來。

《晚點》：想法挺務(wù)實。你們具體怎么做？

周明：我講究兩條腿走路，一個是 Vision，一個是 Stage（階段）。Vision 是終極目標(biāo)，每個階段還有階段目標(biāo)，讓公司有中間成果或?qū)崿F(xiàn)收入。

所以我們既煉模型，同時也希望它能很快在某些領(lǐng)域落地，邊煉邊用，不能割裂，這二者存在互相反饋：煉模型時要考慮怎么用，這樣會更聚焦，效率更高；用時要想好怎么和 “最后一公里” 結(jié)合?，F(xiàn)在的創(chuàng)業(yè)團(tuán)隊里，同時有煉和用的能力的很少。

《晚點》：王慧文的想法也是 “大模型 + 應(yīng)用”，他管這叫雙輪驅(qū)動。

周明：這說明他真是干過大公司的。瀾舟的優(yōu)勢是已經(jīng)做了兩年，吃了很多苦，我們過去的模型已經(jīng)有落地經(jīng)驗，現(xiàn)在是做更大的模型去落地，我們多了一個 “反饋鏈”。

《晚點》：和這一批新公司不同，瀾舟 2021 年初做的是一個 10 億參數(shù)的模型，回頭看這是不是一種相對膽小的選擇？

周明：我剛出來創(chuàng)業(yè)時就想做大模型，可我調(diào)研了上百家單位，他們說你做大模型，我也用不起，你給我一個百億或千億參數(shù)的模型，我得買多少機(jī)器？中國央國企是要私有化部署的，我認(rèn)為它們是中國 2B 最主要的客戶。所以這兩年，瀾舟做輕量化是走務(wù)實的路線。

《晚點》：客戶部署大模型的成本具體是多少？

周明：如果是訓(xùn)練千億參數(shù)級大模型，追求訓(xùn)練速度，要上千塊 A100，現(xiàn)在一塊 A100 約 10 萬元人民幣，這是上億元投入。如果接受訓(xùn)練得很慢很慢，我覺得最少用 128 塊 A100，這也是上千萬投入，而且我不確認(rèn)能不能訓(xùn)練出來。

當(dāng)然如果只是本地部署推理，則不需要那么多卡。推理就是模型訓(xùn)好了來用。千億大模型要 8 到 16 塊 A100，也是一二百萬元的投入。如果這個模型支持的任務(wù)沒那么重要，客戶還是覺得不合算。所以當(dāng)時只能做輕量化模型。

《晚點》：今年 3 月瀾舟的孟子大模型發(fā)布會上，你們說接下來要做百億、千億參數(shù)的模型。

周明：2B 的需求分布是：80% 是輕量化模型能解決的任務(wù)，如機(jī)器翻譯、信息收集、閱讀理解等；還有 20% 的任務(wù)需要多輪對話、復(fù)雜語義理解或意圖識別，比如客服、合同審核等，這只能大模型來做。我們以前不碰這 20%，即使它客單價更高。

前兩年我們做的事是先拿 80% 的任務(wù)，積累能力，再逐步做更大的模型，去拿 20% 的大單。

《晚點》：ChatGPT 出來前，一定拿不到那 20% 的單？

周明：拿不到。你模型能力不夠，客戶也覺得你做不了。我要審時度勢，作為初創(chuàng)團(tuán)隊，我得先靠 80% 的任務(wù)活著。

但 ChatGPT 一來，它教育了客戶，客戶想用了。我們原本的規(guī)劃，加上技術(shù)的進(jìn)步、客戶的教育、同行的競爭，我們能力也更強了，萬事俱備，我就應(yīng)該做這個（千億參數(shù)大模型）。

《晚點》：現(xiàn)在做百億以上參數(shù)規(guī)模的大模型，企業(yè)客戶會不會還是用不起？

周明：一是更大、更重要的任務(wù)有更大的預(yù)算；二是按照摩爾定律，機(jī)器每 18 個月性能高一倍，價格低一倍。當(dāng)然現(xiàn)在中國是被美國限制了芯片。

《晚點》：你一開始就在調(diào)研企業(yè)客戶，為什么不考慮做 2C？

周明：2C 可能成就偉大公司，2B 節(jié)奏慢，但是更務(wù)實。有 2C 志向的人，大概看不上 2B 志向的人。

但大模型 2C 在中國很難，我私下以為，可能是一條不歸路。首先現(xiàn)在好多人沒明白 C 和 B 的區(qū)別，他覺得我把 ChatGPT 抄出來，將來兩條路全可以做。

實際上 2C 更需要 AGI，要把各種功能放在一個通用引擎上，不能翻譯一個 App，寫作一個 App，一堆 App。這就要把兩類能力——聽懂人話，即語言理解的基礎(chǔ)能力，和做事，即解決各種任務(wù)的能力——放在一個模型里。相應(yīng)地，模型參數(shù)規(guī)模必須大。ChatGPT 參數(shù)量已到了 1750 億，未來還會更大。做 2C ，未來就是一個不斷增加參數(shù)規(guī)模、數(shù)據(jù)量和機(jī)器的軍備競賽，可能一直被 OpenAI 壓著走。

第二，國內(nèi) 2C 很難直接找用戶收到錢，而且監(jiān)管比較嚴(yán)。

其實還有第三條路，就是 2B2C，類似 OpenAI 把 GPT 的能力嵌入微軟的標(biāo)準(zhǔn)產(chǎn)品，如 Bing 或 Office 里。這條路得有機(jī)緣，要找好合作伙伴。

《晚點》：瀾舟現(xiàn)在是重點 2B，考慮 2B2C，不碰 2C？

周明：我們也做 2C，但是是為了獲客。2B2C，我們已和一家大型通信廠商合作，去服務(wù)它的客戶。

《晚點》：未來更追求通用性的 2C 大模型會碾壓更小的模型嗎？

周明：在具體任務(wù)上，相對小的模型，加上更好的微調(diào)和特定領(lǐng)域的數(shù)據(jù)，會超越通用大模型。另外還有成本，對很多場景來說，客戶需要便宜和夠用。

《晚點》：如果把未來通用大模型做到公有云上再 2B，就可以平攤掉小任務(wù)的成本。

周明：央企國企的很多業(yè)務(wù)出于數(shù)據(jù)安全考量，一般不會用公有云，我認(rèn)為這個形勢大概未來十年不會變。

《晚點》：這給 2B 帶來一個問題，你們能用客戶數(shù)據(jù)幫助優(yōu)化模型，形成數(shù)據(jù)飛輪嗎？

周明：國內(nèi)的行業(yè)數(shù)據(jù)飛輪效應(yīng)很難建立，央國企的數(shù)據(jù)、訓(xùn)練出來的模型也不是你能帶走的。當(dāng)然這對所有公司都一樣，大家都在一個起跑線。

人左右不了局勢，只能適應(yīng)局勢。中國的 SaaS（軟件即服務(wù)）沒有美國普及。公有云和 SaaS 有一天可能會迸發(fā)，在這之前要積累和保留能力，等待未來的變化。

《晚點》：變化可能來自哪兒？

周明：在于自己先強起來，從不能做到能做，然后等待一些外部關(guān)系調(diào)整，包括看看出海可能，不停尋找新的活下來的機(jī)會。

我出生在比較窮苦的家庭，從小各種惡劣環(huán)境都經(jīng)歷過，所以不怕吃苦。我覺得事情每天都在變好。

《晚點》：相比上一次 AI 熱潮，中國和世界的差距是拉大還是縮小了？

周明：越來越好了。如果不是因為芯片的事，差距不會有看起來這么大。

《晚點》：這次創(chuàng)業(yè)之初，你曾和人說希望做世界上最好的 NLP 公司。這受很多因素左右。

周明：一個人怎么把天時地利用好，才是他的核心競爭力。

《晚點》：如果最終這個愿望沒實現(xiàn)，是一個怎樣的遺憾？

周明：這就像機(jī)器學(xué)習(xí)，它需要正反饋，也需要負(fù)反饋，最終神經(jīng)網(wǎng)絡(luò)才會越來越強。當(dāng)你抱著一顆學(xué)習(xí)之心，人生的經(jīng)歷，不管成功、失敗，所有人和所有事，都是你的學(xué)習(xí)，你的訓(xùn)練語料。

責(zé)編 | 田潔

本文為《財經(jīng)》雜志原創(chuàng)文章，未經(jīng)授權(quán)不得轉(zhuǎn)載或建立鏡像。如需轉(zhuǎn)載，請?zhí)砑游⑿牛篶aijing19980418