王慧文无心与李彦宏「斗法」

钛媒体 • 2年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

王慧文无心与李彦宏「斗法」

新眸

· 2023.02.24 09:55

微信扫码

765

做OpenAl和做ChatGPT，其实是完全不同的两件事。

王慧文无心与李彦宏「斗法」

图片来源@视觉中国

文｜新眸，作者｜鹿尧，编辑｜桑明强

去年4月，王慧文在即刻上的签名还是“All in Crypto”，过了半年，兴趣又从 Crypto、web3转向了人工智能，他想打造中国版的OpenAI。

实际上，比起去争辩5000万美金AI创业“到底能不能成”，大家更好奇的是：王慧文究竟打算怎么做，以及建立何种商业模式。

事情的起因，还得从王慧文那条朋友圈开始聊起：5000万美元，带资入组，不在意岗位、薪资和Tittle，求顶尖人才组队。而在动态发布的十多天前，ChatGPT已经红遍了大江南北，根据瑞银集团的一份报告指出，应用推出仅两个月，MAU就突破了1个亿。

这是个什么概念呢？从数据来看，同样是用户达到1亿，TikTok用了9个月，Ins花了2年半的时间，1月份ChatGPT每天都有近1300万用户访问，成了史上用户增长速度最快的消费级应用。

更让人意外的，是市场的热情。今年开年以来，美股上市公司只要与AI沾边的企业，几乎都有翻倍涨幅，微软更直接向ChatGPT幕后公司OpenAI接连加磅，把它的身价推向290亿美元。

国内也是一样，百度、阿里、字节，以及大批初创公司接连跑步进场，多家ChatGPT概念股持续拉升。即便有像Stack Overflow、ICML，以及一些教育机构对ChatGPT大肆声讨，但并没有影响到它的火爆态势。

至于王慧文，经历过千团大战、外卖、网约车的市场鏖战，这位和美团王兴并肩作战十年的副手也不甘落寞。发布AI英雄榜之前，他和几个老朋友喝着酒，不论是酒桌上的意气决断，还是被好友视为搭乘AI末班车的最后一张船票，44岁的王慧文的确兑现了在退休邮件里说的话，“我一直担心人生被惯性主导，怠于熟悉的环境而错过了不同的精彩。”

以至于不少人感慨：ChatGPT魔力实在是太大了，即使像老王这样早早财富自由的大佬也躬身入局。但无论如何，ChatGPT放到中文互联网语境下，多少还是有点道阻且长的意味，“能做CEO的太多，但未必对大模型有专业中肯的认知”，连王慧文本人也还在学习的路上。

王慧文其人

王慧文是东北人，员工评价他性格豪爽，作风硬朗，有大开大合的经历，同时也行事谨慎低调。加入美团之前，他已经有了校内网和淘房网的两段创业经历，懂产品，也懂市场。如果你看过王慧文的《清华产品课》，会发现他在产品、各种市场战略，对业务、产品、人性都有着极为深刻的理解。

在王慧文临近退休的时候，王兴写了封信，把他的十年功绩简要托出：

2010年加入美团，帮助公司从千团大战中脱颖而出；三年后，从0到1打造美团外卖，之后深入餐饮产业链上下游，构建到店、到家、出行等本地服务业务场景；卸任前一年，老王仍在推动用户平台、基础研发、大数据和 Al 等平台能力的建设。

五年前美团上市的时候，招股书上对联创有这样的描述：我们未来的成功，很大程度上取决于我们的管理层。即使站在当下，也很容易发现，美团的发展路径并没有跳出王慧文的商业框架。

前期的美团，发展并不快，更多的精力投入在对外沟通和用户调查上。

比如很长一段时间，同期竞品已经三十多个，外观功能变化多端，但美团还是黑蓝色调，即使当时被用户吐槽，不过王慧文比较轴，他认为：“对任何一个创业团队而言，无论有多少资源，都是有限的，要把资源集中到当时最重要的事情上去。”

举个例子，相比之前都是做线上网站，美团的业务强调线下场景，但王兴和王慧文很少做路边广告，反而注重SEM优化。道理很简单，他们认为，用户只有在搜索的时候，才会有真的团购需求。这种做事风格一直延续，比如刚开始开拓外卖业务时，老王先花大量的时间在一线调查，和餐饮、零售、物流等供应链上的每一环的专员交流。

时间来到2020，王慧文到清华大学做了个演讲，他仍然认为创始团队应该重视规律：花大量时间研究行业、用户，并应用到企业经营上面。

如果单从这点来看，联系到OpenAI，其实两者优势不谋而合。据业内人士指出，其实ChatGPT本身全都是成熟的公开算法，不过这种超大规模训练，并不依赖算法本身。硬件和数据才是王道，纯自然语言数据都是网上公开，没有什么门槛。

ChatGPT的先发优势在于，通过抢先公测，收集了大量的用户数据。

“这是更加宝贵的数据，只有他们家有。只要ChatGPT仍然是最好用的语言AI，雪球就会越滚越大，越来越难追上。”该人士还指出，为了防止ChatGPT输出有害信息，OpenAI花了大价钱去训练模型，这些都是OpenAI积淀了几年筑起的数据壁垒。

王慧文的入局，说明市场看到了大模型、通用人工智能的价值和潜力。

一般来说，软件开发和做半导体芯片不同，开源的趋势下卡脖子问题越来越少，国内喜欢实用主义，需要找到合适的应用场景。实际上，ChatGPT在技术上称不上是颠覆式创新，却被无数人追捧，更像是用一种大力出奇迹的方式，提供了一种能够灵活解决问题的应用方案。

这样一来，有一种情况就很容易出现。首先，以王慧文为代表的互联网玩家、创业者或资本涌入同一条赛道，就像早期的草莽时代，很多大厂依靠Copy to China站住风口，将已经被验证过的商业模式，进行本土化改造引入国内，寻找国外对标也成了玩家们心照不宣的法则。

王慧文要做OpenAI，会不会避免过去的路径依赖，这并不好说。即使是亲自打造的美团，一开始也在对标Groupon。为了吸引投资者，把故事讲得更好，人人网上市的时候连套了Facebook、Zynga、Groupon、Linkedin四个国外标的。

有钱、有闲、有履历，又对标OpenAI，王慧文给了投资者们一定的安全感。据相关媒体报道，王慧文出资5千万美元，下一轮融资中已经确认的融资金额为2.3亿美元。而这2.3亿美元的顶级VC认购中，真格资本和源码资本一起为王慧文站台，源码资本创始人曹毅甚至在朋友圈表示，“祝贺老王等到了，行业也等到了老王出山。”

中国的OpenAI，是什么样的？

有AI领域的资深研究人士认为：“王慧文向中文互联网扔了一枚烟雾弹，起码在ChatGPT这件事是这样。”

资本市场的火热，蔓延到用户市场，但后者对这样一个攒局者，并不够看好。原因可能在于，一方面，他过往的经验优势体现在O2O和互联网产品的打造上，所以人们认为，“AI英雄榜”，仍躲不开过去的那套营销和投机的手段。

有IDC分析师指出，短期内ChatGPT对市场影响有限，“掌握了垂直领域的数据、面向场景的模型优化，以及形成工程化的解决方案，才可能实现真的落地。”这些模型甚至在3年以后会退出市场，虽然基于ChatGPT可能会诞生一批新创企，但单纯依赖大模型，无法为创企提供持续的竞争力。

另一边，“我自己总结，国内互联网公司花钱多少不一样，聚集人工智能的人才团队大小不一样，但是思路一样：人工智能应该找场景，要解决自己业务中遇到的问题。”360创始人周鸿祎接受采访时表示。

就像前面说的，从应用软件开源的角度来看，ChatGPT如果作为产品上的成功，门槛确实没那么高，但事实真的是这样吗？

未必。如果单从成本端以及数据积累来看，国内刚入局的小公司机会渺茫。训练AI需要庞大的算力，有业内人士透露，使用国产算力卡倒不是不行，只是芯片制程跟不上。

ChatGPT硬件方面要3万张顶级GPU，加上CPU、内存、硬盘、网络和数据中心的电源与建筑，接近100亿人民币，训练一次要几个月，巨大的物料、电力成本之外，还有软件开发的费用。

“国内也只有BAT这样拥有自主云计算平台、且掌握大量用户的互联网公司，而且最好是和 ChatGPT 错位竞争，比如做中国可以正常联网使用的中文模型，但其中最困难的部分，其实是敏感词和有害信息的屏蔽过滤。”

有媒体统计，国内实验中做过的最大的模型是10亿个参数，GPT-3的参数数量是国内的175倍。

这几年BAT三家在做大模型上，都投入了不低于OpenAI 5-10亿美元的资金量，语音识别、TTS、人脸识别都单独做一套，但好的AI大模型很少，比如阿里巴巴的M6大模型，百度的文心大模型，腾讯的混元AI大模型。不过效果并不明显，普通消费者接触到的AI产品，主要还是类似于天猫精灵、小爱同学，侧面说明可能还是努力方向搞错了。

这种情况下，如果王慧文的团队是要复刻像ChatGPT一样的消费级应用，或者去重新做个搜索，以当前的局面来看并不困难，但做出来和活下去是两码事，关键是能不能持续，其实风险并不小。像谷歌、微软、百度这类巨头，现在也没有寻找到技术与商业落地上的平衡点。

比如最近微软把ChatGPT和Bing结合起来，由于所有网页都需要清洗数据和定期来进行训练。当摩尔定律发挥作用，训练成本降低的同时，算力又提高好几倍，当ChatGPT能索引全世界网页之后，场面很容易发生失控。

“现在最大的问题，并不是去多么追求技术上的革新，而是想清楚，这项技术本身，能不能带来生产关系的改造和生产力的提升。”有行业资深人士表示，“如果不能的话，其实没有太大的改变，因为他没有创造新的需求，或者说让这种关系足够改善。”

那么这样一来，如果不考虑技术难度，还有另外一种可能性。用周鸿祎的话说，他把ChatGPT的能力进化分为三层，从最基本的信息学习，语料训练，人工智能在传递信息的过程中，具备了逻辑能力，进而从编码文本知识，发展到同样能够处理音视频图片。

“它今天还没有手跟脚，没有行动力，ChatGPT今天需要的手跟脚是什么？API。”周鸿祎说。

简单来讲，从ChatGPT上做延伸，可以分为两方面。一种是像周鸿祎的构想，我们现在使用Web服务在美团订餐、打车、买电影票，那么能不能让ChatGPT也具备输出指令的能力？这个思路和国外一家叫Adept AI的公司相像，后者类似协作智能，建立AI工具，来帮用户完成任务。

Adept AI创始人Luan来自谷歌，他也认为：“真正的通用智能需要能够行动的变形金刚，而不仅仅是读写。我们正在训练一个模型来使用人们今天使用的所有软件工具和 API。”

另一种延伸的方式则没有那么直接。

举个例子，ChatGPT仍作为一个接口，比如充当一个数据源，把这些东西打包，做B端的生意，来提高生产和服务效率，或者有调用大模型API的公司，基于大模型重点开发具体场景的AI应用公司，如Jasper。那么实际上，这条链路上的ChatGPT，就不是直接to C的应用，而是B2B2C，做中间件。

事实上，仅将ChatGPT当作一个to C的应用，一方面体现了人们有一定的技术崇拜：AI确实很酷；另一方面，似乎的确能也够解决一些实际问题，相比一般聊天机器人，ChatGPT回答更靠谱。

但这并不足以说明产品的成功，OpenAI CEO都直言这是一款“糟糕的产品”，金钱在燃烧，服务器在冒烟。部分地区没法光明正大访问，频繁出错的信息，他的原话是说：“人们访问的是一个有时能用，有时不能用的网站。”

“符合预期的需求，是需要多轮交互才能产生的。”即使作为生产力工具，运用到文章转写、创作等场景，实际的应用深度并没有设想乐观。这导致ChatGPT暂时不能直接进入工作流，意味着这样的生产力工具都是“糟糕”的。

微软是一家to B的公司，和老对手谷歌正面较量的领域，除了Bing，还有Edge，如今微软的价值大头落在云服务上，Azure被推向前台，也是OpenAI的独家供应商，生成式AI的大量资金最终又都流向了基础设施层。

这种用法类似上述的第二种延伸，ChatGPT以及所有大模型，算力消耗巨大但不是好产品，甚至不是独立软件产品，而应该作为基建，随着数据越来越大，参数越来越多，训练需要的算力和成本越来越高，放到智算中心、云平台上面，和SaaS一样：容易部署，使用门槛低，通过卖服务和数据，靠规模效应产生高维价值。

ChatGPT目前看似是利用大模型解决生成领域的任务，但实际上，也展现出了通用型人工智能的潜力。“ChatGPT一个账号收费也就几十美金，所以它要扶植的一定是垂直应用。做生态，如果没有App Store，苹果不可能成为一个平台。”周鸿祎认为“在通用的人工智能上搭建垂类，是非常聪明，也是非常省力的方法。”