9月5日，創(chuàng)立僅五年的AI大模型公司智譜AI宣布完成新一輪融資，融資規(guī)模數(shù)十億元，由中關村科學城領投，它是北京市海淀區(qū)政府設立的投資平臺。這是智譜AI今年完成的第三輪融資。最新一輪投前估值200億元，投后估值尚未披露。自2009年成立至今，智譜共完成11輪融資，是目前中國估值最高的AI大模型獨角獸公司。

智譜AI核心成員主要來自清華大學。2022年后，智譜已經(jīng)開源了多個基礎大模型，商業(yè)模式以B端服務為主，包括定制化服務和API接口。

在微軟和OpenAI的帶動下，全球AI產(chǎn)業(yè)在過去兩年發(fā)展迅速。目前，全球生成式AI相關獨角獸公司共有37家，過去一年新增了17家。其中美國27家、中國5家。中國的5家分別是智譜AI、百川智能、月之暗面、Minimax和零一萬物。

9月5日，在第六屆外灘金融峰會上，智譜CEO（首席執(zhí)行官）張鵬接受了《財經(jīng)》雜志專訪，回答了一些廣受業(yè)內(nèi)關注的問題。

相比以OpenAI為代表的美國AI獨角獸公司，目前中國的大模型獨角獸公司規(guī)模體量較小，發(fā)展路徑也不同。最明顯的一個區(qū)別是商業(yè)模式，美國AI公司更多用軟件模式，可以快速起量；中國公司更多是定制化服務。不少人認為這是導致雙方估值體量差異的主要原因。張鵬提到，這是市場環(huán)境決定的，在中國做B端市場就是“一邊吐槽一邊做”，但這并非沒有好處。

智譜的投資方包括高瓴資本、啟明創(chuàng)投、君聯(lián)資本等投資機構(gòu)，同時還有美團、阿里巴巴、騰訊、小米等多家互聯(lián)網(wǎng)大廠。張鵬說，創(chuàng)業(yè)公司和大廠之間關系復雜，競爭與合作同時存在，但大家對技術的認知不太一樣。

智譜是目前中國發(fā)展相對比較順利的大模型創(chuàng)業(yè)公司，除了拿到持續(xù)高額融資，僅在今年上半年，就拿到了超過18個政府和企業(yè)的招標項目，位居五家獨角獸之首，甚至超過了一些大型科技公司。目前中國大模型產(chǎn)業(yè)的融資、算力、數(shù)據(jù)和應用都有強烈的政策引導因素，在張鵬看來，目前中國的AI產(chǎn)業(yè)發(fā)展依然存在不少挑戰(zhàn)，而作為創(chuàng)業(yè)公司，需要應對在復雜環(huán)境中的各種壓力。

中國和美國已經(jīng)成為全球AI發(fā)展的兩座高地，大模型也被稱為是下一代技術基礎設置，外界關注大模型技術的發(fā)展和應用。張鵬和我們重點聊了四個方面話題：

一、中國和美國的AI發(fā)展有何差異？

二、大模型已經(jīng)到了可以應用的階段了嗎？為什么已經(jīng)出現(xiàn)價格戰(zhàn)了？

三、過去一年我們的算力投資效果如何？創(chuàng)業(yè)公司和大廠究竟是怎樣的關系？

四、政策對于AI產(chǎn)業(yè)發(fā)展影響幾何？

以下為對話整理：

關于中美AI差異化發(fā)展

問：作為中國的AI獨角獸公司的代表，你怎么看美國的AI獨角獸公司？

張鵬：中國和美國AI產(chǎn)業(yè)從來都不一樣，互相的借鑒和學習一直存在。首先是基礎情況不一樣，這一波AI大模型還是發(fā)源于美國，我們扮演的是后來的追趕者角色。雖然過去兩三年國內(nèi)整體發(fā)展很快，但無論如何，在最頂尖的那一塊技術上，我們還處于追趕過程中。

從發(fā)展模式來看也不太一樣，美國收斂得更快一些，中國會更繁榮、更多樣化。

問：為什么中國更多樣化？僅從創(chuàng)業(yè)公司角度來看，美國的創(chuàng)業(yè)公司更多點開花。

張鵬：美國確實從整個生態(tài)上分工更明確，其更習慣于生態(tài)式的分工合作，所以我說其收斂得更快。中國平行的、垂直的會更多。

我說的多樣化是從更大范圍來看，不單是創(chuàng)業(yè)公司角度。在移動互聯(lián)網(wǎng)時代，中國是靠大量的應用創(chuàng)新和更普及的網(wǎng)絡基礎設施，取得了不錯的發(fā)展。在AI發(fā)展這件事情上，大家其實希望我們能靠更廣大的市場，更多的應用爆發(fā)，應用和市場的多樣性來加速我們的發(fā)展。

問：美國的AI公司是軟件模式，中國的AI公司目前還是以做項目為主，這兩者有什么具體區(qū)別？

張鵬：確實存在這兩種模式，但不是說美國只有軟件，中國只有定制項目。這是兩種不同的模式，沒有優(yōu)劣之分。

美國的科技發(fā)展叫做“技術優(yōu)先”和“知識密度優(yōu)先”，大家互相尊重基礎創(chuàng)新，對于新興的事物保持著非常強的鼓勵和促進態(tài)度。互相之間的價值分配有一套比較完整的創(chuàng)新和市場的生態(tài)鏈，來共同促進這個事情。

在國內(nèi)很多時候是另一種模式。大家對于發(fā)展過程中，安全、可控，還有持續(xù)性和自主性等要求會更高。所以在初期階段，大家可能更愿意說我需要貼身服務，我需要個性化的定制。

許多客戶的心態(tài)是希望技術和數(shù)據(jù)完全在我自己的環(huán)境里，數(shù)據(jù)要物理隔離，這和中國的文化和市場背景有關。

關于商業(yè)化和價格戰(zhàn)

問：這種市場現(xiàn)狀決定了必須把精力放在定制化上？

張鵬：這是必須考慮的問題。在中國做To B生意，大家就是一邊吐槽一邊去做，但并不一定都是壞處，也有好處。

問：好處在哪？

張鵬：你可以快速去打通技術到市場落地的一條線，可以更快走到市場，產(chǎn)生價值。雖然這可能是垂直化的，初期你需要花很多精力和資源去做這件事，很累。但好處是只要有一個人能走通，大家相對來說比較容易去跟進和復制。

我們也確實認識到其中的一些問題，我們作為一個創(chuàng)業(yè)公司，不太可能自己去做很多垂直領域，成本扛不住。你只能把握這個里面最核心的價值在哪，然后把這個經(jīng)驗賦能給整個行業(yè)和行業(yè)的生態(tài)的合作伙伴，它們?nèi)湍銖椭啤?/p>

問：我們現(xiàn)在就討論大模型落地，會不會速度太快了？技術本身還在迭代，可能明天新的技術出來，之前的應用很快就會被顛覆了？

張鵬：你說得對，這是一個很現(xiàn)實的問題。

其實我們內(nèi)部很早就在討論這個事情，對于企業(yè)或者用戶來講，它在落地這項技術的時候，一定要先想明白，你的產(chǎn)品是不是跟AI契合度很高。其次，因為模型本身的能力還沒有到達很理想的狀況，所以你在上面肯定要做一些工程化、定制的事情，這些不能是模型演進過程中本身會長出來的能力。

比如說數(shù)據(jù)、評測，還有整個體系的建設，團隊的建設和架構(gòu)的建設，模型的能力和軟件的能力要切割的比較清楚，這樣的話你能夠盡量留存一些前期投入。

沒有人會告訴你明確的這條線在哪，只能靠摸索，靠不斷磨合去找到一個合理的機會。

問：為什么這么快就開始價格戰(zhàn)了？

張鵬：大家現(xiàn)在找不到差異化的價值點了，提供的服務差異沒有那么大，就只能比價格了。

問：大模型今天依然很貴，價格戰(zhàn)對產(chǎn)業(yè)發(fā)展會有什么影響？

張鵬：兩方面的影響。一方面低價甚至免費肯定能讓更多人來用；另一方面，還是需要遵循商業(yè)邏輯，價格戰(zhàn)確實對我們來說壓力挺大的，有一個人低價其他人只能跟著一起卷，我其實是不太贊同這種做法的。

如果你的技術和產(chǎn)品競爭力足夠強，你沒有必要主動去打價格戰(zhàn)。

問：從投資人角度來說，他們會關注你有沒有大客戶，所以有些公司會先低價拿到客戶，再靠融資去推進？

張鵬：我們不做這種事，確實會有人這么做，但市場會有糾錯能力。好的客戶會更關注可持續(xù)發(fā)展，他會關注技術、產(chǎn)品和合作方的實力，他也不希望很看好的一件事做著做著就沒了。

問：但是不少行業(yè)龍頭公司都在自己做大模型？

張鵬：去年到今年上半年確實比較多，大企業(yè)都自己在做。但最近我們看到了一些掉頭的情況，它們發(fā)現(xiàn)這件事沒那么容易，不是組建一個團隊，拿一個開源模型過來就能跑通的，不如去采購。

問：對于創(chuàng)業(yè)公司來說，要持續(xù)技術投入，又要做商業(yè)化，負擔會不會太大了？

張鵬：確實是一個挑戰(zhàn)。但AI技術走到今天其實是一個交叉領域，非常講究工程實踐。你天天在實驗室研究，不理實際的市場需求，是行不通的。

所以技術到一定程度，可以去探索一些原因場景，收集反饋，促進快速向前迭代，你要知道市場到底需要什么。當然這是一個權(quán)衡和拉扯的過程，不能完全按照市場要求來，也不能完全拍腦袋想象。

問：你會怎么去平衡？

張鵬：我經(jīng)常會和一線的客戶去聊，他們到底想要干什么。但我不會他說什么就去做什么。我特別喜歡問一個問題：你為什么要做這件事？我們需要找到這件事背后的本質(zhì)。

比如，智慧城市項目，很多時候第一步是要把所有的數(shù)據(jù)匯總到一起。但你回到原點去看，做智慧城市的目的是讓城市里的人體驗變得更好，那有必要收集所有的數(shù)據(jù)嗎？成本很高，怎么去高效處理這些數(shù)據(jù)，怎么保護數(shù)據(jù)安全，好像又帶來了更多問題。

現(xiàn)在我們有了更強的AI技術，我們就可以通過新技術去規(guī)避舊問題，走出新的路徑。

問：和客戶拉扯完，回到公司還要和技術部門拉扯吧？

張鵬：這種事情非常正常，企業(yè)都會遇到這樣的問題，客戶要做這件事，技術人員說這件事沒有意義。

如果我們從技術演進角度來說，這些都不是問題，我們需要的其實只是時間。這件事有更好的解決方案，但客戶等不了，市場也等不了，怎么辦？就只能先用一些工程化的方法去解決問題。

關于和大科技公司的關系

問：目前公開信息里，智譜拿到的中標次數(shù)是創(chuàng)業(yè)公司里最多的，為什么？

張鵬：我覺得能拿下這么多標，主要還是因為客戶對于核心技術的肯定，不用擔心我們突然一下子沒了，因為很多公司其實是依賴于國外的開源技術的，如果有一天不開源了怎么辦？

會思考這種問題的客戶可能就會來找我們合作。

問：你們和百度、阿里巴巴、科大訊飛這種大廠比起來，有什么不同？

張鵬：一是我們核心技術是完全自主掌控的；二是我們并沒有把AI大模型當做掙錢的工具。大家對這個事情認知不同，投入的方向和資源以及最終取得的成果上就會有差異。

大廠的目標是什么我說不好，我感覺它們的目標就是這個技術夠用就好，能賺錢就行，并不一定要把技術推到什么樣的程度。

問：你們不想掙錢嗎？

張鵬：不是不想，我們會去平衡。掙錢是為了追求更高的目標，證明這件事能走通，所以認知邏輯上會有一些不一樣。

問：阿里是你們的投資方，也自己做大模型，你們和阿里之間的關系是怎么樣的？如果對比OpenAI和微軟的關系來看呢？

張鵬：我前面提到中國和美國之間有一些不一樣的地方，中國的大廠傾向于什么都自己做，它們有資源有人才有數(shù)據(jù)，所以（從創(chuàng)業(yè)公司的視角來看）大家合作起來就會比較費勁。

早年微軟為了支持OpenAI，把自己內(nèi)部的大模型研發(fā)團隊都撤掉了，當然現(xiàn)在又重新做起來了。微軟是生態(tài)的建設者，它不認為自己一定要把所有事都做了，生態(tài)更好了我自然就更好了，這是認知上的一個差別。

另一方面，美國一切以資本導向的市場化機制，促使其有底氣敢這樣做。微軟投資了OpenAI 100億美元，看起來好像很多，但和其在二級市場的收益比起來，分分鐘成本就覆蓋了。

問：所以對你來說，大廠們只是一個單純的投資方嗎？

張鵬：也不是，既有競爭關系，也有投資關系，還有技術合作關系。大廠也不是憑空投資我們，是因為我們有長期各種各樣的合作，它們知道我們在做什么，了解我們的能力到底在哪。是一個比較復雜的關系。

關于政策對AI產(chǎn)業(yè)的影響

問：到今天，算力還是一個瓶頸嗎？

張鵬：是很重要的影響因素，但從長遠來講，這件事是有解的。你能看到國家政策方面、資本方面，都在積極解決這件事，但效果如何可能還需要時間。

問：比如各個地方政府都在建設算力集群，這對于大模型產(chǎn)業(yè)有什么直接影響？

張鵬：宏觀上來說肯定是有好處的，我們確實也依賴大的資源來做這件事。

有一個看法是說，大家很擔心建完之后用不了，重復投入，或者很分散。其實很多時候就像放風箏一樣，先飛上天再說，只要手里的這根線不斷，過程中出現(xiàn)的問題自然有辦法可以解決。

比如有人問我，AI芯片折舊也就四五年的時間，更新速度又非?？?，為什么還要花這么多錢去買算力，為什么不等新的芯片出來再買？

雖然這些資產(chǎn)有一定的使用壽命，迭代很快，但這些資源并不會浪費。有新版的芯片出來之后，舊版的可以用來做推理或者做別的事情。技術進步帶來的是更多選擇，不能只盯著眼前，沒辦法根據(jù)當前的情況把所有事情都設計得很完美。

有人會說，建設那么多算力中心能干嘛？比如1000張卡的集群，一個大一點的模型就搞不定了。但我們未來一定需要每個模型都那么大嗎？算力中心就只能用來做模型訓練嗎？以后訓練和推理一定是分開的嗎？都不一定。當然我也不是鼓勵大家都去投資算力，畢竟能源消耗也是個問題。

問：算力之外，數(shù)據(jù)是一個問題嗎？

張鵬：數(shù)據(jù)是限制中國AI產(chǎn)業(yè)發(fā)展的一個非常重要的因素。我們大量的數(shù)據(jù)是私有化的，或者有非常明確的IP限制。

處理數(shù)據(jù)的成本確實太高了，大家對于投入還有些猶豫。但是技術發(fā)展到一定程度后，模型本身因為開源等各方面原因，大家基本已經(jīng)拉齊了，這個時候數(shù)據(jù)會成為更關鍵的競爭力。所以大家就不太愿意出來說自己的數(shù)據(jù)策略，包括數(shù)據(jù)配比、數(shù)據(jù)來源、數(shù)據(jù)加工等等，這已經(jīng)是企業(yè)競爭力的一部分了。

從政策角度來看，國家已經(jīng)在強調(diào)數(shù)據(jù)要素的作用，產(chǎn)業(yè)界也會越來越重視數(shù)據(jù)。我們能看到有不少人已經(jīng)開始做這方面的創(chuàng)業(yè)或其他相關工作，數(shù)據(jù)問題未來也會有改善。

問：國家的整體政策對于大模型產(chǎn)業(yè)帶來了哪些影響？

張鵬：在目前的大環(huán)境下，國家政策重視是非常有必要的，未來很長一段時間里，AI一定是拉動經(jīng)濟、數(shù)字化智能化轉(zhuǎn)型的核心。但是在具體的執(zhí)行過程中是有很多考驗和挑戰(zhàn)的。

我們到底是先去買卡建機房，還是支持技術創(chuàng)新企業(yè)去做研發(fā)，還是說我們不需要去追趕前沿，只專注于做應用？這里面每個人都有不同的想法，也都符合政策要求，執(zhí)行過程中就會有不同的路徑。大家所處的位置不同，對于新事物的認知不同，只能先做好自己地盤上的事。

從我們的角度來看，跟投資人聊的時候，大家明顯變得更看重AI了。另外，政策也會牽引一些客戶進來，比如金融行業(yè)受政策影響，對AI的投入明顯加大，整體來看是利好的。