傅盛：短期，我不看好雙足機器人的商業化

今天有兩個超級端：一個是Phone，一個是PC。下一個超級端是汽車，下下一個就是機器人。

7月27日，由《中國企業家》雜誌社主辦的2024（第二十四屆）中國企業未來之星年會在上海舉行，本屆年會的主題是“向新求質，生成未來”。獵豹移動董事長兼CEO、獵戶星空董事長傅盛現身【洞見：AIGC特別分享】環節，並發表主題爲《端模合一：大模型賦能機器人的創新實踐》的演講。

以下爲演講的核心要點:

1.如果再過幾十年回頭看這一波AI浪潮，可能和現在看牛頓和愛因斯坦一樣。

2.現在創業就關注兩件事：第一，真正追求快速閉環；第二，做一些穿越週期的事。

3.今天在企業用大模型的時候，它回答得都很對，但沒有什麼用，都是常識性的回答，很難和私有的知識連接起來。如果真的要企業應用，私有數據是關鍵。

4.大模型和雲最大的不同，雲更像倉庫，是不拆包的，只要租用我的倉庫，我不關心你存了什麼。大模型不一樣，存的數據它都要看一遍，才能寫報告和整理，這些數據都經過它了。所以企業就應該有自己的私有化大模型。

5.今天人形機器人很火，但是我對雙足機器人在商業化上的成功不是很看好，作爲科研是可以，如果落地到產線上工作，沒有三五年就不可能。

6.爲什麼做機器人還要做大模型？大模型就是機器人的大腦，你做機器人，自己不做大腦去買別人的大腦，你的競爭力就有限了，體驗也不會好。我們就是要做端模一體化，根據場景應用找一款好的模型，做自己的大模型機器人。

以下爲傅盛演講實錄（有刪改）：

要做穿越週期的事

我從2010年開始創業，創立了獵豹移動，經歷了三個時段：第一個時段，把金山毒霸這款工業時代的軟件變成了互聯網時代的軟件，現在還有營收，同一期的其他軟件都沒有了； 第二個時段，我們開始去做全球出海的業務，全球6億月活用戶，4億來自海外，Musical.ly也是我們投的天使投資，後來賣給了字節跳動，也就是現在大家熟知的TikTok；第三個時段，2016年，我們看到了AI，並提出All in AI，當時我們認爲AI可以快速改變人類。

但有時候技術不是一直高歌猛進，有高潮期，也有低谷期，現在終於等來了ChatGPT。我們當時就認爲AI是底層的技術變革，要做機器人就要以AI爲核心，做好端模一體，才能把一款產品真正做出革命性的體驗。我們的Slogan是在AGI時代成爲全球領先的新質生產力工具提供商。

很多人問我賣掉Musical.ly會不會後悔，沒什麼後悔的，因爲我們沒有這個基因，字節就是做得好。如果我們自己做，肯定不如今天TikTok做得好。況且我們也收穫了很高的投資回報。每個人、每個團隊都有自己的能力圈，做工具就是因爲我們的基因，能把工具做好就非常了不起了。

如果再過幾十年回頭看這一波AI浪潮，可能和現在看牛頓和愛因斯坦一樣。前段時間我去拜訪羅振宇，聊現在如何創業，我們一起探討就兩件事：第一，真正追求快速閉環，我是個擺攤的，哪怕出現很大的變化，也有自己的小循環；第二，做一些穿越週期的事，就像愛因斯坦1905年的四篇論文，“相對論”奠定了現在的信息技術基礎。

ChatGPT不是技術的勝利，而是技術信仰的勝利

2022年底ChatGPT的出現，改變了人類社會的方方面面。最近，阿里巴巴的王堅說AI也會改變科研，爲什麼這次AI和2016年那一波不一樣呢？因爲那時候看到AI很激動，覺得計算機可以識圖、認人臉，就覺得它可以做一切。今天知道識別並不是人類獨有的技能，語言纔是人獨有的技能，尤其是邏輯推理的語言。今天看起來能夠突破語義理解，是人工智能的重大突破。

OpenAI之所以牛，是因爲它改變了學習路線，之前的大部分路線是讓計算機學規則，但是OpenAI相信只要給它足夠多的語言數據，OpenAI就會像小孩一樣突然有一天開口說話。在此之前，大家都沒有那麼相信，所以其實在GPT3.0出現之前，OpenAI在硅谷都不被看好。所以，ChatGPT不是技術的勝利，而是技術信仰的勝利。

因爲人工智能就像大樹下的根基都是一點點長出來的，一直長到Transformer，OpenAI相信只要做好下一次預測就能產生智能。這條路線非常艱難，艱難在於並不知道它的核心原理，但必須堅信，不斷地試。它最難的是每次試都要花幾千萬美元，再去試，試完之後再調整。這也解釋了，今天的“百模大戰”不是技術的難度，而是技術信仰的難度，真的敢於相信、敢於投錢，才能真的把“ChatGPT”做出來。

今天有很多文章說它產生意識，說它替代人類，都不用相信，ChatGPT就是預測下一個詞的計算器，不斷預測下一次概念的時候就產生了智能。爲什麼能出現這樣的智能，它的原理還屬於黑盒，就是沒有數學公式推導能證明會出現這樣的智能。我們這個行業有一個俗語，每次訓練大模型就像煉丹，開始煉的時候不知道效果怎麼樣，一定要最後結果出來才持續。

爲什麼OpenAI很厲害呢？2016年我們開始做語音識別、視覺識別的時候，隨着數據量的增加，以前系統的智能水平很快就上來了，但是它只能上到一定的水平，這次給了大量的數據，它一直不怎麼樣，突然某一個時刻，水平一下子就起來了，到了原來系統到不了的智能化水平。

正是因爲技術信仰，今天我們也認爲OpenAI的道路也未必是唯一正確的。因爲技術有意思就在於它會不斷地分支，不斷產生新的可能性，當OpenAI在大參數模型上一騎絕塵的時候，越來越多的小參數模型開源社區開始出現。今天也有一幫人沒有那麼有錢，技術沒有那麼強，能不能做一個平民化的模型，只要解決專門的問題就行了，今天開源陣營就是在做這件事，用更便宜的算力成本、更小的參數量在某一個領域實現更好的效果，我們都堅定走在開源陣營的道路上。

模型還是應用？

去年我和朱嘯虎有一次“吵架”，做AI到底是應用重要還是模型重要？當時由於大模型出來，太震驚了，很多人都說大模型會佔據99%的產業鏈價值，但當時我就說應用是核心。今年世界人工智能大會（WIAC），幾乎每個大佬都在談應用，大家終於意識到給一個聊天窗口，給一個用戶，就可以解決他生活中的所有問題，這件事情不可能，只有結合實際的需求，足夠多的應用，才能讓大模型爲更多用戶所用。

前兩天蘋果發佈會演示iOS 18後，股價漲了近10%，漲出了一個茅臺和騰訊，這是蘋果歷史上第一次沒有發佈任何的硬件產品，而是發佈一個概念，就是因爲把Siri的概念重新升級，它就變成了你的助理，它用GPT技術做了交互。未來Siri就是我們和手機最重要的交互窗口，蘋果的展示裡就有Siri說：明天你媽媽要來機場了，記得去接她。這是主動提供助理的方式，以前是很難想象的。

雖然以前我們有很多智能系統，但每個智能系統都要做開發、做適配，所以它並不能實現邊際成本趨近於零，這次是可以實現的。

推薦大家用一下秘塔搜索，搜一下就是一份報告，把需要一個晚上時間整理的報告變成了2分鐘，搜索一定是重要的革命。這兩天ChatGPT推出了自己的Search GPT，搜索就是一個強應用。

還有就是微軟的Copilot PC，它沒有用英特爾的芯片，而是高通的芯片，高通的芯片是有45TOPS的NPU（神經處理單元），它可以獨立處理AI的各種運算，有可能你對電腦說今天晚上把哪些文章搜一遍，整理出哪些東西，它就幫你搞定了。以前計算機也是一個生產力工具，但必須人伴隨它，以後就是把計算機一放，它就把該做的做了。

大模型落地要和企業深度打磨

現在看起來AI非常熱，但好的案例幾乎沒有，除了大模型公司自己講，真正在客戶端，沒有落實好的案例。而且今天很多人都在說，我們都在期待一個好的to C應用，好像都沒有出現。

尤其是我們在做企業應用，在做機器人，它有三大阻礙：第一，我們的訓練數據來自互聯網，但互聯網實際上是人類知識系統冰山顯露出的一部分，書本是批量教育的產物，真正好的知識是深入的詢問。很多知識來自日常的探討，來自會議，來自各種討論，但是今天大模型得不到這些數據。所以，造成的問題是今天在企業用大模型的時候，它回答得都很對，但沒有什麼用，都是常識性的回答，很難和私有的知識連接起來。如果真的要企業應用，私有數據是關鍵。

這次蘋果發佈iOS 18那麼成功，因爲它把手機裡的各種數據打通了，郵件等等都讓大模型處理。其實都不是大參數模型，它是在端上處理的2.7億參數的模型，但數據打通之後，爆發出來的能量驚人。所以我們提供的解決方案是一定要結合企業的私有知識。

第二，數據的安全性。大模型和雲最大的不同，雲更像倉庫，是不拆包的，只要租用我的倉庫，我不關心你存了什麼。大模型不一樣，存的數據它都要看一遍，才能寫報告和整理，這些數據都經過它了。

即便美國OpenAI這樣的公司都經常被爆出竊取私有數據等問題，所以企業就應該有自己的私有化大模型。個人以後要用好大模型，也應該有自己的大模型。蘋果iOS 18就是個人端的Copilot。

第三，生成式的模型，大模型的幻覺和一本正經的胡說八道，它不可避免，但它不知道自己不知道。人說錯話，馬上就知道，但大語言模型不是，它一本正經地講林黛玉拿繡花針打虎的故事，它沒有反思能力。今天我們發現和大模型打通以後，客服需要95%以上的能力，但大模型只能做到70%，這是大模型目前落地時天然的缺陷。

今天業界提出了Agent的方式，通過一套規則或者自我反思、規劃等等，和大語言模型在一起，去完成對一個具體場景的落地。很多大模型公司覺得“找人用一下”就可以把大模型做好，不是的，我們應該基於客戶的訴求，做深度評估，才能做落地部署。我認爲真正要把標杆，把很多東西抽象出來，形成標準化。

ChatGPT到今天發佈纔不到兩年，產業鏈上還有很多不成熟，它沒有很好的供應商，很多苦活只能自己幹。就跟特斯拉做第一輛車，整個電路都要自己幹一遍，才能做自己的產品，大模型處於很早的時代，真的要做企業案例就要和企業深度打磨。

如何做好機器人，通過私有化部署的方案，不需要特別強的模型，但是做好Agent應用，再加上私有知識庫在很多場景可以做到95%左右準確率，滿足客戶的需求。

我們提出一個企業應用大模型有三個段位：青銅段位是企業發動大家結合公有數據應用；黃金段位是把私有數據做好，做出數字員工；真正的王者是企業如何運營，大模型可以給出判斷。美國就有這樣的公司，專門通過大模型分析，給企業提供決策經營建議。

今天大家都問應用什麼時候會崛起？至少要到明年，會在C端看到一些應用開始出現，比如高通的那款芯片一出來，很多大廠都會在CPU上加上一個AI模塊，本地應用機會崛起。這次蘋果發佈iOS 18，專門說會給手機配上開發圖形的API，只有這樣才能出現好的AI應用，或者深度化的AI應用。最後是物理的AI，今天最火的是具身智能，就是自動駕駛、智能座艙都是這個範疇。

今年我們訓練了一個14B的模型（Orion-14B），我們訓練這個模型的核心就是讓團隊先學習。第二我們就是瞄準小參數，因爲以後我們的機器人上，要跑本地化的模型，並與雲端相結合。

機器人是下一個大模型終端

2018年我就提出機器人公式，AI、軟件、硬件和服務，爲什麼這些年一直不溫不火呢？因爲以前AI的體驗做不上去。我女兒經常諷刺我說：老爸，你做了一個人工智障機器人？我告訴她，不是老爸不行，是當時的技術不行，那時候雪不夠厚、坡度不夠長，今天大語言模型會把這個體驗一下子提升很多。美國基金說可能會出現一個新物種，GPU+大語言模型+數據+電力，我覺得機器人就是這樣的新物種。

爲什麼我們做機器人還要做大模型？大模型就是機器人的大腦，你做機器人，自己不做大腦去買別人的大腦，你的競爭力就有限了，體驗也不會好。我們就是要做端模一體化，根據場景應用找一款好的模型，做自己的大模型機器人。現在我們在1.0階段，但至少要做到3.0、4.0纔有體驗上革命般的進步。

大家都看到過餐廳的遞送、講解機器人等等，但加入了大模型就不一樣。其實，Robot來源捷克語，這個詞本沒有那麼強的人的概念，是“勞動力、奴役”的意思，在外國人眼裡自動的就是Robot，只是我們翻譯爲“機器人”。事實上在大模型出現之前，機器人絕大部分都是自動化機器，產線上的機械臂看上去那麼精密，都是寫好的規則，事實上它是沒有智能的。機器人有了大模型之後才能真正理解和決策，這是很大的改變。以前大部分都是基於規則，現在是端到端。

它會像人一樣理解世界，並作出決策，這個決策不需要人管中間的過程，這是機器人的極大提升。我們投資的一家公司做走播機器人，在直播間說話的聲音像一個小姐姐一樣，都是AI生成的，評論區說帶我去生蠔區看看，她就去生蠔區，告訴你：“我們的生蠔又大又新鮮，趕快來吧。”

之前請小姐姐直播一個月大概賣幾千塊優惠券，但用走播機器人一天賣3000塊錢，用小姐姐播3個小時就太累了，但是機器人一天可以12小時，如果你願意甚至可以24小時。

今天人形機器人很火，但是我對雙足機器人能成功商業化不是很看好，作爲科研項目是可以，如果落地到產線上工作，沒有三五年就不可能。儘管馬斯克認爲可以，但還是很難。而雙臂這件事還是有機會的，用臂做一些以前不好做的工作，所以我們在具身智能發展的是雙臂。

今天我們發現海外也是一個巨大的市場，今年上半年我跑了幾次日本，日本真的勞動力極其稀缺，所以他們對機器人的需求非常大，我們機器人能夠爲服務員省時、省力，他們非常願意買單。

今天有兩個超級端：一個是Phone，一個是PC。下一個超級端是汽車，下下一個就是機器人，我相信讓機器人插上AI翅膀就會完全不一樣。最後希望所有企業家、創業者都一起全力用好AI，插上AI的翅膀。