131. 印奇出任阶跃星辰董事长的访谈：聪明人的诱惑、取舍、超长链路残酷淘汰赛、阶跃函数和超多元方程

我觉得这可能是有史以来最激烈的一次科技竞争，有史以来最激烈。年轻的时候就是把把都会上，就像打牌一样，把把都上，其实有些牌可以不上。

当时大家的目标还是很想去上市，形成一个本垒打。大家总觉得资本市场是一个目标，但其实回头看，资本市场是一个很关键的、帮助企业活下去的中间节点，但上市真的不会改变任何本质的东西。

印奇，先给观众朋友们打个招呼。

嗨，大家好，我是印奇。

听说你的身份马上会有一些新的变化，要不你先自己做一个自我介绍，也聊聊接下来可能会有的一些调整。

1. 阶跃星辰进入新阶段

我现在的身份是千里科技的董事长。千里科技是一家A股上市公司，主要专注于AI和车，以及未来可能的机器人之间的结合。

接下来可能会有一个新的身份，就是阶跃星辰的董事长。阶跃星辰是一家专注于技术大模型的公司，所以这可能也是对我来说一个比较大的变化。

为什么是在这个时间点有这个变化？这个时间点有考虑吗？

我自己算是一个AI创业的老兵了，今年可能接近15年的AI行业经历。总体上，我觉得自己一直是沿着技术、技术和模型这条线在走。大家现在可能会讲AI 1.0、AI 2.0，阶跃星辰也是我一直有深度参与的一家企业。到今天正式出任它的董事长，可能也是进入了一个新的阶段，希望能够投入更大的精力，支持阶跃的发展。

同时我觉得，所有AI产业都是以模型为中心的，所以也希望阶跃和现有的，包括千里在内的相关产业，都能有更好的结合。对我来说，这也是一个新的挑战，因为大模型这个战场还是很残酷的，所以自己也需要加倍努力。

是谁邀请你参与阶跃工作的？这件事情是怎么开始的？

阶跃其实从最早的策划阶段，我就有参与进来。早期应该是2023年，阶跃是2023年4月成立的，所以从最早期我就有深度参与。

从当时的身份和角度来看，大模型第一是符合我自己对AI一个很终极的追求，也就是对所谓技术终极形态、AGI这样一个使命的想法。同时，这个技术变革也需要一个好的平台来承接，所以最早我就深度参与到这个平台里。现在正式加入，对我来说也是一个很高兴的节点。

你们当时的故事能不能给我们讲讲？

2. 大模型成为必答题

最早期，我觉得还是OpenAI的ChatGPT引爆了大家对于大语言模型技术变革的认识。2022年底，其实我们行业内一直都很关注。从GPT-1开始，甚至从OpenAI创立开始，我们就一直很关注。

像旷视科技，本质上大家叫它计算机视觉领域的公司，所以我们当时做的模型，第一天就是深度学习。从技术上看，它其实是非常延续的，只是那个时候模型的尺寸和参数量都比较小。

语言模型在我们传统意义上来讲，是另外一个赛道。因为当我在学习AI的时候，AI分得非常细：CV，也就是Computer Vision，是一个领域；Data Mining是一个领域；自然语言处理是一个领域。每个领域都有各自的赛道。

我自己对和物理世界结合是最感兴趣的，所以选择了CV这个赛道。在OpenAI真正推出ChatGPT之后，我一开始对这个技术的判断，认为它可能还是一个局部的变革，更多是和语言相关。

但后来深度体验完ChatGPT，包括我们内部和很多技术核心骨干做了很多讨论之后，觉得这还是对整个AI底层技术的一次变革。所以，作为一个AI创业者，你不得不入局这场战斗。

你用了多长时间发现这件事情？

可能用了半年时间。

坦诚讲，当我们看这个机会的时候，都会从两个角度来评估。第一，技术上是不是最本质的技术变革；第二，从商业上看，是不是我们自己的赛道。

如果第一个判断非常确定，第二个判断坦诚讲并不那么确定。我们当时看大语言模型的时候，因为它的数据、模型参数量和所需要的算力，原则上可能更适合已有的互联网公司这样的科技巨头来做。

但后来会发现，它其实是各个领域，包括语言、现在我们已经很熟悉的多模态，甚至是现在比较热的物理智能、具身智能等领域最底层的技术。所以我们可能就不得不参与到这样一场大的变革当中。

当时有想过在旷视的体系里做吗？而且，为什么叫阶跃星辰？

第一个，我自己感觉旷视自身的路径是非常清晰的。当时我们认为要用AI和IoT硬件结合，所以那个时候不管是技术路线，还是整个组织的构建，都是偏软硬结合的组织形态。我们的商业模式是面向B端的，这些经过十多年的时间，已经非常清晰，某种程度上甚至可以说固化了。

所以，这样一套组织并不适合去做一个可能还处于非常早期、需要非常大投入的全新创业。这是一个研究驱动的创业。

Research驱动的创业。

对，Research驱动我们很熟悉。旷视早期的时候就是这样，当时人才密度非常高，也非常Research驱动。

但后来一个组织成长起来，从婴儿到少年，它可能已经选定了自己的专业和方向。我觉得，大模型会是一个新的组织和平台。最早期我们的想法，是希望旷视能和阶跃有非常好的合作。后来一步一步发展到今天，我也很高兴能够正式加入阶跃，推动它下一步的发展。

阶跃本身这个名字的由来，其实它的英文叫StepFun，就是Step Function，也就是阶跃函数。阶跃函数代表从量变到质变，同时也代表非线性。

在深度学习的网络里，一个很重要的技术特性就是非线性，是很多非线性的叠加。从某种意义上说，非线性的叠加也是智能的本质，所以我觉得“阶跃”这个词非常好。

“星辰”可能代表，做AI的人都还是要有一点星辰大海的追求，所以我们也很喜欢这个名字。

从Day One做阶跃的时候，你们对于这家公司的预期是什么样的？

我觉得可能有两个预期，到今天也比较一致。

第一，还是要成为中国基础模型领域最优秀的公司之一。做Foundation Model、做基模，是阶跃从第一天起的使命，这一点一直没有变。为了这个使命，它也需要从人才、商业模式和资本等角度去匹配。基模最重要的使命，是探索整个智能的上限。

其次，希望它是一个商业上闭环的公司。从阶跃最早期来看，它选择的商业化模式其实也比较清晰，一直是AI或大模型和终端的结合。不管是To B还是To C，都是围绕终端这样一个大的应用场景。

你现在给人的感觉身份比较多。除了是阶跃的董事长，你在去年10月25日也出任了千里科技的董事长。能不能梳理一下你这些多重身份，以及这些身份之间的关联？

早期大家可能比较熟知的是旷视的创始人、联合创始人。现在我已经不在旷视任职了，所以目前核心的两个身份就是千里科技的董事长和阶跃星辰的董事长。

我觉得这两个身份也是相辅相成的角色。千里本质上关注AI和车的结合，而所有的车其实是AI里面最大的一个终端和赛道。

在千里相关的智驾、智舱以及未来Robotaxi这些领域里，都需要一个强大的大脑和模型来支撑，而这样一个大脑其实就是阶跃。所以，千里可能构建的是一个更加核心的、以车为核心的AI智能化应用场景和赛道；阶跃则更像是后面支撑它的基础模型、大脑和AI底层能力。大概是这么一个关系。

我的技术大部分底层信念，来源于《On Intelligence》这本书。这本书本质上是以脑科学和哺乳动物进化科学为核心基础的。

总体上，我觉得在AI领域，人类还是要比较谦卑。本质上，对大脑更多的理解可能是最重要的牵引。你看大脑皮层的演进，从早期大脑的发育到新大脑皮层，从物理空间的生存，再到高阶的语言和推理，这些过程都不能跳过。

所以，我们一直认为，AI和物理空间的结合，是走向最终AI、走向AGI的必经之路。

那你想做的具象化形态是什么样的东西？是一个机器人？

最终肯定是一个机器人，但机器人其实太复杂了。机器人就像是在重构一个新的物种，它需要大脑的神经结构、脑的结构，以及未来和各种硬件的结合，包括传感器和硬件设备，这里面需要非常多的核心技术。

所以这个过程需要拆解成不同的步骤。第一，我们认为阶跃需要完成大脑的构建；同时，大脑构建可能需要从车，甚至未来的手机这样的终端开始做起，最终一步一步构建到下一个全新的计算平台。我们姑且叫它具身智能，但我觉得需要一步一步来。

我看到你们好像还在孵化一个终端公司。这件事情是怎么规划的？

3. AI终端成为商业主线

终端公司，就像我们刚刚讲的，我们的大战略其实很显性，就是AI和终端的结合。

终端过去大家讲“人、车、家”。“人”还是以手机和穿戴式设备为核心；“车”就是以车为中心；“家”原来可能是家用IoT，未来我认为，“家”可能会成为最核心的场景。

如果看人、车、家，我们总体认为车是第一个切口。同时，我们希望和更多手持式、穿戴式消费电子产品结合，作为第二个和大模型结合的方向。这也是我们在千里和阶跃希望做商业化的两个大方向。

上面说的是你的身份问题。接下来我们聊聊你要做的事情。在你看来，新的征程最困难的是什么？

4. 最长的科技竞赛

最困难的是，这其实是一条链条很长的创业和创新路径。它的竞争可能是有史以来最激烈的一次科技竞争。

有史以来最激烈。

对。这里面有不同的维度。

第一是人才密度，基本上全球最聪明的人，都在参与这样一场科技比拼。

第二是它所需要的资源，包括资金。整个研发投入的规模和强度，可能都是历史上最高的。同时还包括商业化。你可以说，在AI商业化的路径中，每个行业、每个场景都会被变革，但哪些先变革、哪些后变革，节奏其实高度不确定。

所以，这是一个高度竞争、资源需求极大，同时商业化又极度不确定的竞争。不管是对我们，还是对所有公司，不管多大的科技巨头，我认为这场战斗都非常有挑战。

链条有多长？

首先，它涉及原点上的技术创新。技术本身在快速演进，就像建一栋房子，底层一直在变革。你在上面搭产品，甚至做商业化，却可能发现技术一变化，上面很多东西都要推倒重来。

所以它的链条长，源于从原始技术到技术产品化，再到商业化，再到整个商业模式闭环，而且这一切还在快速变化当中。

第二，我觉得它的速度非常快。

在链条这么长的竞争中，如果要抓原点，最重要的事情应该抓什么？

我觉得要抓两个点。

第一个，在一个链条很长、变化很快的领域里，还是要抓本质的技术竞争力。技术是这波变革唯一的变量。如果不能找到自己的核心领先位置，当然这个领先位置既可以是全面领先，也可以是局部领先，但技术上如果没有这个东西，用英文叫edge，没有真正属于自己的长板和差异化，后面所有构建都没有基础。

第二个要抓的是商业模式。商业模式其实不用特别复杂，本质上是做排除法。你的商业模式不应该去做那些投入产出肯定不成立的事情。

比如，如果做基模公司，同时做To B，我觉得就肯定不成立。因为基模投入非常大，而To B商业化变现的周期，以及一家新公司真正能够达到的收入和利润上限，都比较有限，账算不过来。

投入产出会比较难。还有别的吗？

还有一个模式。如果做基模，前提还是做基模。我认为一年至少需要30亿元人民币以上的投入，这已经是非常高效的一个点，而且这个投入至少会维持3到5年。所以，基础研发投入至少是100亿元人民币，这已经是非常高效的投入了。

看看各大厂，大厂的投入其实远高于这个。

对，但这已经是天文数字了。在这样的投入规模下，我认为同时做C端纯软件应用也是不成立的。

因为这是已有互联网大厂非常擅长的领域，他们有用户、有数据，同时已经构建出了很好的数据飞轮。有场景的话，最终很多模型性能的决胜因素还是数据，而数据由用户场景决定。

这样的飞轮创业公司不是完全没有机会，但也非常难。

而且今天基础模型做应用，似乎既找不到数据飞轮，也找不到网络效应。

对。所以你排除了一家基础模型公司做To C软件产品和To B两种商业模式，那它可以做什么？

我刚才讲了几个大的前提。已有的、已经有自己非常扎实应用场景的大厂，可能会在自己的场景上做得非常好。

对新公司来说，如果做基模，单纯做To B是不成立的；如果做基模，单纯做C端软件型应用也不成立。

所以我认为，可能也是我们选择的路径，还是要围绕偏软硬结合的场景，以C端来做商业化。在这个过程中，中间可能也会做比较好的To B服务，但最终场景应该都是AI加终端，也就是一定要软硬一体。

为什么软硬一体是更好的商业模式？

软硬一体本质上算是一个交叉学科。

第一，我认为在大模型时代，硬件的角色会变得越来越重要。大家一直在讲Agent，其实未来很多Agent都会有硬件的、具象化的载体。未来的硬件更像是Agent实体化的存在，同时它也会形成AI服务的闭环。

所以硬件、模型、软件本身就是三位一体的东西。

第二，硬件很难赢者通吃。不管看手机领域还是汽车领域，都会有多家厂商。如果有多家厂商，对于创新公司就有机会上牌桌，有机会成为一个具备一定规模化效应的商业化结果。

硬件我能理解，一个是车，也就是千里做的事情；另一个是机器人。你觉得可以规划的硬件还有哪些？

我自己感觉，未来硬件的创新品类会很多。听行业内一位前辈讲，我觉得也比较认可：未来可能会有很多千万级销量的创新硬件。

原来我们认为，手机或者PC可能是一年10亿级、甚至过亿级销量的硬件，其他硬件可能更多是百万级。但未来AI会重新定义交互。

原来如果你真的需要一块屏，那大概逃不过小一点的手机、中等的Pad、再大一点的PC，硬件体系可能就是按照屏幕尺寸来定义的。

未来如果AI通过语音、多模态交互提供更自然的交互方式，把屏幕相对释放出来，很多创新硬件都可能有机会。所以我觉得还会有很多大家现在没有想到的AI硬件，会有很多新的机会。

会是一个AI手机吗？

上来可能不完全会是AI手机，我觉得还是要有新的东西。

你怎么看豆包的AI手机？

我觉得肯定是一个很好的尝试，也可能是字节在硬件上的第一步，后面可能还会有组合拳。

在AI时代做硬件，和之前做硬件会有什么本质不同？比如AI来了以后，有几家硬件公司受到比较多的关注，比如PLAUD。你觉得它和上一代硬件公司有什么不一样？

最早雷军其实讲过，他当年做小米手机的时候讲到“铁人三项”的概念，就是硬件、软件和互联网服务。后来这铁人三项也做了一些新的革新。

我觉得这波做AI，有点像这个概念，就是硬件、软件和模型三件事情形成一个完整的服务。像PLAUD就是一个非常好的例子。PLAUD从解决录音和办公效率这样一个具象化场景切入，最终会发现，它的软件和硬件都是为了把这项AI服务的用户体验做得更好。

未来很多硬件都会是这样：切入一个核心领域，在这个领域里模型要足够好，模型的占比会非常高。用户使用的是模型及产品，模型首先要效果好，同时有配套的软件；如果需要，还会有一个专属硬件来配合使用。

这种定义理念可能会更AI-native一些，是真正从AI视角来定义硬件。我觉得这样的硬件会越来越多。

阶跃在训练模型的时候，是以什么为目标？是以你们要定义的产品为目标，还是以做更大的模型为目标？什么在牵引阶跃做模型？

5. 终端牵引模型进化

我们之前讲大模型的时候，Sam Altman也接受过访谈。他说什么叫基础模型？比如GPT-3.5比GPT-3好在哪里，GPT-4比GPT-3.5好在哪里？你会发现，基础模型可能会在100个领域里，每个领域都好10%。这就是基模的推进方式。

所以在模型侧，我觉得有两股力量，一个叫“推”，一个叫“拉”。

“推”的角度，是从技术和科学的角度出发，每一代技术从模仿学习到强化学习都会有技术变革。未来3年，这可能仍然是主因，因为技术还在快速变化，底层还有很多创新。

但另外一个因素，也就是“拉”的力量，会变得越来越重要，一定需要有场景牵引。最终，场景定义了你的模型。

举个例子，模型尺寸不是越大越好。Gemini Flash也证明了，参数量当然不是越大越好。从应用角度看，效率、成本、性能，以及针对某些核心领域的专项优化都很重要，本质上是一个平衡体。

基于我的主场景，比如终端场景，我们要做到两点。第一，基础模型水平一定要是世界一流的；同时，我们可能不会特别纠结于在某个单点benchmark上一定要刷到第一，而是更关注模型从架构设计上是不是适配未来的端侧场景，包括成本和效率。

所以我们的理念会很不一样。

现在大模型公司都在讲分化，每个公司都有不一样的Bet。那阶跃的Bet是终端。可以这么简单地说吗？

我觉得应该这么讲。

首先，最大的分化是做基模和不做基模。谁不做，别人不知道，反正我们做。

这是第一个大的Bet。这个Bet在未来3年能不能坚持下来，其实很难。

所以未来3年你们一定会做基模？

对，会做更大的基模，会探索技术边界，这个是一定的。而且我们很有信心，未来3年一定还能保持在世界一流基模的行列当中。

这是第一个Bet。第二个Bet就是商业化。我们认为，如果基模往上做场景牵引，我们就是用终端来牵引。这是我们两个清晰的战略路径。

所以你觉得阶跃和其他人不一样，是讲了一条非常独特的商业化路径。大模型公司都说自己要做基座大模型，对吧？现在看起来不同的是，商业化路径是终端。

我觉得这有点像一个淘汰赛。最早大家讲“大模型六小虎”，现在可能已经没有六家了。最早大家都抱着通往AGI的美好想象，后来发现这条路径很残酷，需要很多钱，也需要足够的人才支撑。所以，这是一个逐渐进入决赛圈的过程。

现在到哪个圈了？

我感觉现在可能赛程过半。

你觉得大模型竞赛发展到今天，它的残酷程度比你想象的多还是少？

比2023年刚开始准备做阶跃的时候更残酷。

第一，速度确实比想象中更快。

第二，因为速度快，不管是因为相信这件事，还是因为对这件事的焦虑，大家在其中的竞争强度都更大。竞争强度更大，也会带来很多泡沫，所以泡沫比例比想象中更高。

第三，整体上，大模型对资源的消耗也比想象中更大。总体来说就是更快、更大。

所以速度更快。

对。这些“更大”其实是一件事，不可能强度更大、泡沫更小。

在你看来，泡沫的体现是什么？

泡沫可能体现在很多方面，一个是一些公司的股价，另一个是核心研发人员的薪酬。这两个市场可以算是两个指标。

你经历过AI 1.0。到现在，AI人才的薪酬翻了多少倍？

AI 1.0的时候，最贵的应届毕业生，可能就在我们这儿，或者去当时的金融、量化行业。本质上，这是最热的两个方向。

现在总体感觉也还是这两类方向：一类是AI大模型，另一类是量化，甚至和金融创新相关的领域。

具体薪资我就不说了，大家在网上也能看到很多。总体感觉是，在人才方面，一个优秀的华人同学在中国和美国，基本就是人民币换美金、同等package的水平。我觉得很多薪资总体上涨5到10倍是有的。

ChatGPT刚出来的时候，你的第一反应是什么？你是觉得“一定要All in”，还是第一感觉“跟我没什么关系”？

第一感觉确实是跟我没什么关系。

为什么跟你没什么关系？你做AI这么久。

因为我们当时还是想做Vision，想做视觉相关，沿着机器人硬件走。当时我认为会有基模，而这些基模未来涉及人机交互的部分，最终可能会成为我们的一个组件。这个组件谁做得好，我们未来就用谁。

但后来会发现，最近也验证了这一点，其实很少有垂类模型。最后，AI里的很多垂类能力可能都会被大的基座模型吸收，不会再分出一个独立的视觉模型和语言模型。

多模态也是基模的核心优势，所以最后会走向大一统，没有边界。你不可能单独只做视觉，或者只做物理AI，这些模型最后都要和最核心的模型合在一起。大脑只有一个，你只能选择做还是不做。

当时你会想，大语言模型来了，把你们上一代AI，也就是CV，给颠覆了吗？

我倒觉得没有。旷视在AI 1.0阶段，本身就是一家非常Deep Learning-native的公司，第一天就在做深度学习。包括早期国内一些大语言模型项目，我们也有深度参与。

所以我觉得我们一直是这个技术的推动者，并没有觉得这项技术对我们来说是颠覆性的。我一直相信一个观点，就是连续性，没有什么真正颠覆性的东西。如果觉得颠覆，只是因为缺少了一些前序信息。

但它确实会从量变到质变，就像阶跃函数一样。你在一个领域持续积累之后，很多时候确实会和原来的认知不一样。

你来了以后，会主导哪些新的、不一样的地方？刚刚我们可能说了终端。

第一个可能还是研发本身。研发需要更强、更快的组织战斗力，这很重要。

组织战斗力怎么提高？

组织战斗力和组织形式比较相关。比如算法工程，原来既有平台化的工程体系，每个小组也有一些小的算法工程体系。

但后来会发现，这两者都不足以支撑大模型这样的工程体系。研究小组里的工程体系，可能只能打打杂，实现算法需要的一些小工程点；而大的工程平台，因为还要承载对外To B的软件产品等功能，也很难很好地支撑模型研发。

所以我们上来就整合成了一个算法工程组。它要更贴近算法体系，同时把系统工程和算法同学融合在一起，这是工程角度。

第二是数据。原来数据是一个独立体系，现在数据的直接汇报线交给了算法相关负责人。因为未来数据可能决定模型最本质的部分，甚至占到70%到80%。需要什么数据、如何收集数据、怎么清洗数据，算法同学一定要深度参与。

第三，如果我们最终相信One Model，也就是一个模型覆盖所有场景和领域，那就要拆解成很多应用场景，比如文本创作、动态生成、陪伴等。这个“一加N”里的N和“一”之间如何形成好的协同，也需要组织来协调。

最关键的是，需要更多优秀人才。我也希望阶跃能够吸纳更多更好的人才。因为我觉得，阶跃不管是对AGI的坚定程度，还是对商业化的清晰程度，在大模型公司里都很出众。我相信它能够吸引更多顶级人才。

如果硬件开始牵引模型，那硬件的范围就很广了。你们第一款硬件会选什么？

前几款硬件，现在肯定还是用车来牵引。我们在智驾里，不管是VLA模型、多模态模型还是世界模型，这些基模都源于千里和阶跃的合作，这是第一个场景。

车的第二个场景是座舱。座舱是一个非常好的、人机交互的空间。大家可能也看到，特斯拉的Grok已经上车了。大模型在车里作为一个超级助手，甚至比手机更顺畅。

车的这两个场景现在已经在落地，是比较近的场景。后面我们希望在手持式和穿戴式设备上做创新。这个品类一定不会直接是手机，而是一些创新品类。

我听说你们有一个联合项目，会把很多不同的数据都训练到一个大脑里，包括智驾数据、机器人数据，以及互联网软件上的数据，一起训练到一个大脑里。这是你们最终对大脑的构想吗？你对这个大脑是怎么想的？

6. 物理世界进入大脑

我们认为，数字空间的数据和物理空间的数据，一定要融合在一个模型里。

Google相关的研究者也都讲过这一点，我们对此有共同的信念。你会发现，一个语言模型看似能够解决数学国际竞赛题，但在一些基础物理逻辑上仍然会出错。这代表它在真正感知和理解物理世界的逻辑上，缺少很多内容，所以物理数据非常重要。

但坦诚讲，物理数据是缺乏的，不像互联网已经发展了30年。

我自己的一个大感觉是，如果把物理空间数据看作人眼的数据，那么它可以理解为一个连续的视频流。智驾这个大场景，其实已经解决了很多大尺度、室外空间的物理数据。

现在缺的可能是更室内、更精细化的人机交互数据。原则上，这些数据可能来自两个部分：一是未来真正能够规模化上量的一些具身智能平台所收集的数据；二是来自人的穿戴式设备，比如眼睛和穿戴式设备。如果它们能够感知你周围的数据，这些也是连续的、多传感器网络的数据。

这些数据最终会和产品本身形成迭代：产品体验越来越好，量越来越大，收集的数据也会越来越多。

所以，物理空间数据的收集和注入，仍然需要一个中长期周期，我觉得需要5到7年时间。

这里面最难的应该就是机器人数据。

最难的点是，机器人的构型定义、传感器定义都还非常开放，包括它的模型也还没有发展到ChatGPT的水平。

如果把GPT-3.5作为一个临界点，现在具身智能可能还处在GPT-1、GPT-2的水平。所以我觉得具身智能现在有点“early”，就是过早地热起来了。当然，这也会推动它更快发展。

同时拥有这几类数据的公司非常少。

对。

但小米肯定是一家。你怎么看小米这个竞争对手？为什么你们作为一家创业公司能够做这件事情？

我觉得小米这些都不是我们的竞争对手，大家体量完全不在一个量级。

我刚才讲，做C端硬件的核心，是因为它是一个比较分散的市场，不能被垄断，有很多品类。不管是小米、字节还是华为，都是中国最优秀的科技公司，但我们现在完全谈不上竞争。我们更多是希望在一些领域把自己的技术做好，让商业闭环。

小米当然是AI和终端领域最重要的核心玩家之一。从软件背景出发，最强的我觉得是字节；从硬件出发，最强的可能是小米和华为。

所以你们是模型级硬件产品。

可以这么说。

有没有可能硬件产品不需要那么大的模型？

不会。当你和一个聪明人打交道多了，就不想和一个笨的模型打交道。所以我觉得模型一定是Winner Takes All。模型智能性提高之后，几乎所有应用都会使用最强的模型。

你现在投入到阶跃一周有多少时间？投入到千里一周有多少时间？

很多事情是融合的，不用特别强调两边怎么划分。整个大战略是AI和终端的结合，模型应用到车这个场景，就是阶跃和千里两边最重要的结合点。

你和大新是怎么分工的？大新是阶跃星辰的CEO。董事长和CEO怎么分工？

我可能更多会抓一些专项。大新还是综合管理阶跃，日常运营归大新来管。

但比如基模相关的组织变革和技术攻坚，我可能会和大新一起管；终端商业化角度，我可能会管得更多一点。

你2026年核心要攻坚的专项是什么？

第一，接下来大家会看到我们一系列从3.5到4的模型。首先，我们还是要把基模做好。

原来我们做多模态比较多，但我们希望从语言模型角度，也能做到世界一流水平。为什么现在要强调语言模型水平？因为我们有几个判断。

模型侧有三个关键词。

第一个，从基模角度，基模基本上Means Everything。不管是什么模态的模型，都需要基模核心智力的水平。基模最重要，所以展示基模能力，也是展示技术能力的一个点。

第二个叫全模态。多模态一直是我们的差异化。全模态包含文字、语音、图像这三个模态。未来基本上所有模型都一定是全模态的，因为人机交互需要综合感知，不管数字空间还是物理空间，都需要全模态。

第三个关键词是VLA。刚才也讲到，我们想把车、机器人的数据，甚至未来手机等终端的数据放进来。终端里会有很多运动部件和执行器件，这就是VLA里的A，也就是Action。

所以VLA也会成为我们基座模型非常重要的差异化。这三个关键词，可能就是我们对未来模型的核心定位。

你觉得这个方向和现在的大模型公司或大厂做模型的不同是什么？现在大家是不是都趋同了？

现在大家在模型上没什么差别。中国的大模型基本都在大厂，各自有自己的判断。字节有一些自己的判断，其他公司基本都在卷编程。

编程从两个角度看。首先，从提升智能角度，它有价值。我们刚才讲学习范式，现在是从模仿学习到强化学习，而编程环境是最好的强化学习环境。编程是有结果的，能够判断对错，而且场景很复杂。

所以，如果把编程作为最好的强化学习垂类，我觉得很好。但编程本身从商业化角度价值非常有限。不是说它本身价值不高，而是它和这些新公司没什么关系。

为什么？你觉得谁能收钱？

我觉得中国可能都收不了钱。大厂首先做得不错；开源方面有DeepSeek，相当于水位很高的开源体系；大厂之间的竞争又非常激烈，会把价格压得很低。

同时，编程和上下游环境很相关。所以编程这个赛道和Chatbot赛道一样，新公司碰都没有意义。

Chatbot也很绝望，是吗？在你看来，最后是豆包的天下，或者豆包、元宝之类的？

坦诚讲，我觉得Chatbot可能不是一个特别本质的、长期的AI产品形态。

因为它的交互很不自然。它是一个Chatbot，是一个阶段性成果，我甚至觉得它可能都不是搜索那样级别的东西，只是模型的一个展示。如果问OpenAI的人，他们当年做ChatGPT，可能更多觉得它是一个很好的Demo。

用AI大模型取代搜索，这是一个确定性的事情，但产品形态是什么，我觉得现在还不明朗。

你觉得不是ChatGPT？

我觉得不是。我们说的是往后看，比如看5年，它是不是还会是最主线的形态？我觉得不是。但是什么我也不知道，只是觉得它不是最自然的产品体系。

你觉得ChatGPT今天有足够稳固的护城河了吗？

ChatGPT本质上是C端的超级应用，从日活到月活都非常大。

它是阶段性产品还是长期产品？

在境外可能是，但并不稳固。最近Gemini的日活增长非常快，所以都还在过程中，现在没有谁有特别大的壁垒。

但你觉得Chatbot不是终极产品形态，而是过渡性的？

这里面有两类问题。一个是人机交互的方式，它还不够自然。

语音可能更自然。

对。或者说，当你打开一个应用，出现的是一个对话框，这种交互并不一定自然。

比如在AIGC里，包括豆包，其实都尝试把很多AIGC能力放到聊天对话框里。从数据看都不是很成功，因为你会觉得，在一个对话框里放入AIGC能力，交互上不自然。所以产品还在演进。

但你们不会沿着To C软件这条线走，对吧？你们尝试过To C产品，像猫猫鸭，未来还会做吗？

我们不会独立做一个纯软件的C端应用。如果做软件，一定是和硬件配套的。

所以你们做了战略取舍，现在以硬件为主。

我觉得是软硬结合。

这个决定是什么时候做的？

从第一天就这么想。最终做商业化，还是要看差异化在哪里。我们过去十多年一直在做软硬结合的产品，软硬结合也是我们的兴趣所在。

最终核心还是做我们想做、也能做的东西。所以创业，特别是在大模型这个时代，需要有自己的独立判断。

这说的是阶跃这条线。你还有千里这条线。我第一次看到你入主千里的新闻时就在想：这场战争你打了很久，好像都快结束了，你怎么才来？

7. 后发入局智能驾驶

千里这场仗，可能是我们第一次打后发。原来我们真的都是先发。

你们以前都做得很快。

对，都是先发。先发的理念，是从技术出发，技术往上走，是一个“推”的模式，从原始技术创新再去找场景，也就是拿着锤子找钉子。

这个模式还是要持续做基础技术引领。但智驾这个场景经历了十多年，快20年的时间，原来的商业模式和技术路径其实都不明晰。

现在技术路径已经比较清晰了，还是模型驱动的路径，也就是大家所谓的特斯拉路径。上面当然会叠加新的传感器和产品设计，但这条路径已经比较清晰。

以前有很多不同的路线，包括最早的Mobileye和特斯拉两条路线。现在很多底层都融合到以模型为驱动，而且这个模型也和大模型的语言模型融合了。AI最后的大脑部分，正在走向统一。

技术上已经经历了很多轮迭代，原来的技术不能说完全没有积累，但很多东西会被颠覆，因为原来的技术栈和数据，很多已经不可用。

第二点是商业模式。智驾、智舱和Robotaxi，本质上都在新能源车行业里。新能源车行业在OEM和商业模式上经历了很多演进。

所以我觉得这个时候下场，是一个很好的机会，也可能是最后的窗口期。

最后的窗口期。这场战争还会持续多久？

我觉得3年。

第一次打后发，感觉怎么样？

挺好的。

为什么？

后发打先发，很多时候更多是在宏观和战略层面。很多边界条件不明朗，所以更多是摸着石头过河，可能基于技术判断力、商业取舍，或者运气，得到一些好结果，但可控性没有那么强。

先发需要快，也需要大方向正确。沿着错误的方向快也没用。

后发可能更比拼综合能力，包括组织力，这也很重要。

入主千里对你来说是一个困难的选择吗？你思考了多长时间？

我原来会觉得旷视是我一生的事业，所以这可能是一个重要选择。但整个想法、目标和团队，我觉得仍然是一个大生态，有很多延续性。

到千里对我来讲并不是很难的选择。我们在AI 1.0时代一直在找场景，相当于拿着锤子找钉子。现在发现有一个最好的钉子，而且又有最好的合作伙伴，我觉得这不是一个很难的选择。

坦诚讲，进入这个领域我们也有很大压力。打后发比的是执行力，因为宣传空间很短。后发怎么说服客户，原来已经有很多玩家，为什么最后一个入场的你可以赢？这需要很强的组织能力，并且很快拿出结果。

但到目前为止，我觉得进展还不错。

你怎么看现在智驾的行业格局，包括地平线、Momenta？你觉得最后会有多少家存在？

肯定会高度头部化。

第一，这个行业会受到新能源车过度竞争的影响，并向供应商和零部件传递。供应商的利润率不会很高。

同时，智驾包括未来的座舱，都是大模型驱动的体系，研发成本很高。如果单台车能够收取的空间有限，就一定要有规模。

所以最终一定会形成大约3家核心供应商。它们总体上可能不说有肉吃，至少有汤喝。

这3家都会长期存在吗？当车企开始更多地把智驾掌握在自己手里，你怎么看？

我的判断是，智驾和座舱不一样。

座舱最后车企自研的比例可能会很高，因为座舱高度个性化，和人机交互、体验感相关，未来也有很多增值服务空间。

智驾是安全件，所以我反而觉得智驾会到Tier 1手里，就像博世这样的安全件供应商。

我为什么觉得会有3家？首先华为肯定是一家，它已经是老大哥。

这也和未来车企的OEM格局相关。未来一定会有几家头部车企，而这些头部车企需要综合能力很强的供应商。我觉得这样的供应商应该有两家。

同时，中型或中小型车企也需要供应商，所以可能是二加一，或者二加二的组合。总体来说，我觉得可能是3到4家供应商。

除了华为，还会有谁？地平线和Momenta少了谁？

我们是有机会的。

那就是二加二。

我感觉中国商业有两座大山，一座是自己，一座是华为。你们好像都会碰到，准备怎么打、怎么竞争？

所有科技公司都会碰到。

字节和华为都非常优秀。字节希望从互联网、移动互联网应用往下延伸；华为则是从底层通信和半导体技术往上生长。我觉得这两家公司都很伟大。

本质上，所有创业公司都要找到自己的长板和切口。你竞争的不是整个公司，不是和整个字节、华为竞争，而是和它们局部的那支队伍竞争。

创业公司第一要专注，第二还是要有自己的核心竞争力。

比如我觉得我们很有信心的一点是，不管千里还是阶跃，本质上这帮人都是非常AI-native的一群人，在AI技术判断和研发能力上很强。只要找到一个有壁垒的商业化赛道，把赛道耕耘好、把客户服务好，我觉得就可以活下来。

这两个公司的文化，直觉上应该非常不一样。做大脑和做躯干的公司，应该是不一样的。你怎么同时管理这两家公司？

第一，我认为不同文化的组织应该相对独立。否则你会发现，不同文化被吸在一起，最后可能变成从任何角度看都不够优秀的组织。

第二，因为大家之间有很多连接，所以两家公司之间的配合，一定比两家完全没有生态关系的公司更顺畅。

我自己比较喜欢“二元”这件事情。我比较喜欢“二”，因为我总体觉得，就像太极和阴阳一样，很多事情本身就是正反两面。两种体系如果能够很好地构建，反而能形成不一样的竞争力。

和你聊天，我会觉得现在的印奇很稳重，也很现实。你觉得10年前的你是这样吗？

10年前的我还没有经过现实社会的拷打，但本质上没有太大变化。

坦诚讲，如果一些事情没有经历过，对事情难度的预判可能会有错误。当你经历过一些事情之后，对全貌有了更多感觉，就会更加审慎。

很多事情不到真正闭环之前，都不会下太多判断，所以更多是谨慎乐观。

你2011年抱着什么样的心态开始创业？

首先，对我来讲是先选赛道，再选方式。赛道是AI，我这辈子就是想做AI相关的事情。

AI吸引你到底是什么？

我觉得自己很幸运。如果没有这十几年的AI变化和发展，做AI其实也是一件很绝望的事情，因为技术没有变革。

现在大家真的看到AGI的曙光，作为一个AI从业者首先是很幸福的。AI可能会解决人类很多本质性的思考，包括关于自身的思考：生命是什么，智能是什么，人类的来源和去处是什么。这些问题都和AI很相关。

你自己困惑吗？

我觉得不困惑。应该说，我有极大的动力去了解更多。这个问题足够重要，也可以成为自己生命的意义。

你当年接触AI是在微软亚洲研究院吗？

我其实很早就接触了。坦诚讲，很多男孩科幻电影看得多，都会觉得机器人、AI这些未来最重要的东西很有意思。

我只是比较坚持。本科选专业的时候，我问过一个问题：哪个专业和AI最相关？当时报名老师说是自动化，所以我进清华时先学了自动化。

后来觉得自动化有点偏工业自动化、偏硬，于是大二去了姚班。总体来说，我是一个目标感比较强的人。因为想做这件事情，所以就持续地让自己离它更近。

本科毕业的时候，如果没有Deep Learning出现，我可能会去当老师、做科研。因为当时的技术还不足以把工业场景真正做成一家伟大的公司。

但很幸运，毕业时已经有Deep Learning，也有iPhone 4代表的新移动互联网诞生，所以我投身了创业。

创业是手段。我最终希望从技术、产品和客户价值角度，把AI做出真正有价值的东西，这才是我的本质追求。方式方法相对灵活。

所以你觉得旷视满足了你的心愿吗？

满足，完全满足。

如果完全满足，就不用再创业了。

对。产品和商业角度，我觉得还是没有获得预期中那么好的结果。

从AI 1.0到AI 2.0切换的过程中，你有过非常沮丧的时候吗？

没有。AI 1.0和2.0这个说法，最早是我和徐立吃饭时说的，也有一点自嘲的意思。并不是说2.0一定比1.0强，而是连续性的过程。

战局完全没有结束，只是媒体写报道时需要一些标签。

你上次也提到，李一帆问过你一个问题：如果把AI 1.0重新来一次，你会做哪些不一样的事情？

8. 安防留下战略教训

可能不会打安防这场仗。

打安防首先是因为我们的人才并不匹配这个行业。当时我们觉得安防是最大的领域，但最后其实还是组织本身的文化和能力是否匹配。

在安防领域，我最敬佩的是海康威视，它的公司和团队都非常优秀。所以，当时还是年少轻狂，这场仗我觉得不应该打。

年轻的时候就是把把都会上，像打牌一样把把都上，但其实有些牌可以不上。

所以你最后悔的是打安防这场仗？

对。时间点上，我觉得应该再等一等，之后可以更早进入车这个领域。

理想时间是什么时候？

2016年、2017年。我觉得进入车这个大赛道，差不多那个时间就可以。只要不打安防这场仗就行，因为安防牵扯了很多团队精力，对整个组织能力也是不同的构建。

但打完安防，对组织的锻炼也很大。从商业策略角度看，那几年我们在金融和手机领域其实做得都很好，这些领域可以再深耕。我们在这些领域做到了前两名，但没有做到绝对第一。

所以那个时候可以慢一点扩张，把手里的客户服务好，把行业做好。甚至不用等到2016年、2017年，我觉得2019年左右再进入汽车也来得及。

现在也来得及，只是绕了一大圈。

我和旷视的人聊，包括和你、和联合创始人聊，会有一些感受。

你们从2011年开始创业，拿着AI技术这个支点，一直用锤子找钉子。包括为什么叫旷视，也是因为MegaFace。你们很多动作都是想怎么把技术用进去。

比如最早开始做游戏，也不是想把游戏做得最好，而是想把技术手段用进去。你今天觉得这种创业思路是对的吗？

过去10年，可能吃到最大AI蛋糕的是字节、幻方、特斯拉这样从场景切入的公司，它们只是把AI当作手段。

我觉得要从两个维度看。

第一个，这群技术同学，坦诚讲，他们的人生成长经历一直都在学习，所以可能和世俗生活有一些脱离感。他们对某个领域、某个产品或行业，早期没有那么大的热情。

你说的是二十多岁的时候？

对。当年甚至现在，很多人也还是这样。他们可能只是对技术、解题感兴趣，自然不可能对某个领域有很强的感觉或Passion。

所以这个过程可能绕不开。但经历这个过程之后，我觉得应该双轮驱动。不光是技术驱动，最重要的还是要对一类场景和用户真正有兴趣，希望服务好这类用户、打造好这个产品。

这也需要早期技术同学有更多生活感，知道生活中有哪些痛点想解决，自己也有想定义的好产品。这可能是人生必经的过程。

这可能是学霸的特点？

一部分学霸的特点。其实“学霸”在我们这个领域是一个贬义词，不一定代表学习好，而是过度热爱学习。

本质上是一群技术同学真正接触社会和世界之后，慢慢对商业、对用户有感觉，反过来形成驱动。

最终一定应该以用户为中心，所有商业都应该以用户为中心。技术成为底层信念，成为解决问题时的工具和手段，这样才会比较顺。

你的联创反思说，你们当年不愿意深入做金融、不愿意深入做游戏，有可能也是一种Ego，技术的Ego。你认同吗？

我觉得在那些领域，正因为如此，所以AI 2.0我们坚定地要做To C。

我们在To B行业做了10年，和客户形成了非常好的共生关系。但坦率说，从内心Passion角度，要长期只做这些领域，对我们来说可能不是最终极的追求。

所以To C是你一个很明确的方向。现在的千里不能代表你们对于终端的全部想象，对未来的全部想象，对吧？

千里是从车的智能化开始切入。比如做Robotaxi，从技术到各个领域，也会慢慢离C越来越近。

C其实有两个维度。一个是场景，也就是需求是不是C端用户的场景。不管以To B还是To C的方式，最后都是为C端服务，智驾最后也是普通用户来使用。

第二个是商业模型，是找B端收费，还是最后从C端收费。这可能在不同阶段有不同选择。

你和张一鸣聊过吗？对他有什么感受？

前段时间聊得比较多，最近没那么多。一鸣还是非常厉害，对AI也很痴迷。

你觉得他们的创业路径和你们这种创业路径，是两种不同的人。差别是什么？

商业最终最好还是从商业需求、用户侧需求出发，这是最顺的。

一鸣他们最早从移动互联网时代看到大机遇和好产品，当好产品形成商业闭环和飞轮之后，同时对技术保持持续追求，我觉得这个模式比较顺。

早年也有过“贸工技还是技工贸”的讨论。虽然是老话题，本质上并没有变。现在也不用矫枉过正，从商业角度以商业牵引没有问题，同时对技术持续追求，还是两个轮子驱动。

华为和字节都是很好的代表，都是从产品和商业驱动，同时持续投入底层技术，这是比较良性的状态。

如果我们说模型级产品，会不会改变这个链路？

模型级产品并不新。我认为搜索引擎和推荐引擎都是模型级产品。现在的大模型是第三代，所以做搜索和推荐时也一定要有产品。

只是现在大模型还没有到第一个Killer App真正爆发的阶段。

所以你也说不是Chatbot。

对。

我还有第二个感受。你刚才说，如果把AI 1.0重新来一次，不应该打安防，应该更早进车。

我之前和地平线的余凯博士聊过。他在2019年做了一个战略取舍。地平线2015年才开始创业，2015年到2019年都很煎熬，也找不到方向。他也进过安防，但没有打赢，后来觉得一直在各个行业扫射，没有在一个行业里深耕。

2019年初，李想给了他一个建议，建议All in汽车。他当时经历了一大波裁员和战略选择，所以地平线可能更早深耕智能驾驶。

我和你们联创聊时，他复盘了你们的各个业务线：手机、珠宝、金融身份认证、安防、机器人、智驾。他也觉得你们在各个领域全线开花，一直做加法，舍做得不够，导致每个方向的压强都不够，每条毛细血管都只扎了一点血。

他的复盘是对的吗？

是的。

这会不会是很多AI公司的现状？AI 2.0也是这样。

如果重新来一次，你会舍哪些？

刚才说过，应该舍掉安防。金融和手机业务做得都不错，所以可能还可以继续做。

当时还有一个底层原因，是我们觉得那些领域不够大。每个垂类都不够大，所以一直想找更大的领域。这也和创业第一阶段内心格局比较大有关。

你觉得哪个最大？

当年肯定觉得安防最大，所以把很多兵力倾斜给了安防。

后来为什么攻不下来？

以前安防看似To B，但本质上是以To G为核心的市场，是政府和政府相关SOE向外延展的B端市场。

当然，其中也分为面向渠道和分销的中小B市场，这些市场营销占比非常高。

坦诚讲，这里面也是软硬件结合。我们在AI 1.0时代非常坚持软硬结合，硬件做得比较多。但我们当时对硬件的理解也很浅，因为硬件不只是一个产品，它是从供应链、研发到市场Go to Market的全链条。

所以我们可以说，在技术上掌握了AI和安防结合的增量，但从产品和市场角度都不占优势。

中间有一段窗口期。那段时间，AI 1.0的公司也有不同商业选择：有的选择自己做完整解决方案，有的只提供一项技术去赋能已有玩家。

每个AI战场上都会这样，有人是赋能者，有人想做完整闭环。最后要看你的技术撬动力是否足够大，能不能在那个窗口期打赢已有玩家。

现在回头看，挑战非常大，结果也很难。

如果以今天更高的认知来看，更好的选择是什么？

第一还是要回到战略：想做、能做、可做这三个之间的交集。

想做很重要，因为想做会让你持续投入。如果不想做，做一会儿可能就又想撤。

我之前一直被内部团队说，做安防总是做着做着又想往外撤。安防本身是一个非常好的行业，在国内和全球市场都很大，但我内心确实不够想做，也没有排斥，只是不够想做。

能做代表你的核心基因和能力能够撬动这个行业。比如安防领域，AI能力、硬件能力和市场能力，我们可能只占其中一项。只有一项，就意味着窗口期里要补另外两项，而这两项能力需要管理，里面有很多复杂的事情，时间也不可压缩，所以很难。

可做源于外部市场环境，到底有没有给你这个机会。AI这样一个大赛道，需要等待这三个条件的交集。这个交集不是一直出现的，等到并抓住它，才可能取得阶段性结果。

过去10年如果只打一场仗，应该打哪一场？

应该打车这场仗。

那你们怎么保证2011年到2016年的生存问题？

那就得看融资和讲故事的能力。你要坚定在一个赛道上，同时还要活到那个阶段。

所以过去10年的AI如果只打一场仗，应该打车，也就是AI in智能驾驶。过去10年有机会做这样的选择吗？

有。

代价是什么？

有很多这样的选择，只是我没有做取舍。

什么时间是最好的取舍时间？

我觉得是2019年、2020年前后。余凯他们做抉择的时间可能更早一点，但我们晚一两年也来得及。

为什么没有做抉择？

创业有很大的惯性，而且那个阶段有资本市场的想法。大家当时目标还是很想上市，形成一个本垒打。大家总觉得资本市场是一个目标，但回头看，资本市场是一个很关键的、帮助企业活下去的中间节点，上市真的不会改变任何本质的东西。

本质应该是什么？

本质还是业务。真正好的产品、好的经营产生好的利润，然后利润反哺持续的技术投入，形成更良性的循环。

上市不应该成为目标。

对。

大家都这么说，但很难，对吧？为什么难？我没有身在其中，感受不到。

为了上市，你要做很多事情，也要放弃很多正确的事情。你需要更专注短期业绩，要把业绩做得更好，可能要放弃长期投入，所以很难。

最近大家也在复盘IBM的郭士纳去世这件事。他认为CEO要做的事情，就是在长期和短期之间取舍。CEO要顶住压力，去做那些长期正确的事情。这句话很容易说，但做起来非常难。

上市的短期诱惑有多大？现在AI 2.0的几小只也有很多在上市，你怎么看？

不同企业不一样。有些企业不上，未来可能就很危险，不管是现金流，还是未来商业故事能不能成立。它们拿了很多融资，需要在这个节点上市，给投资人和股东一个交代，我觉得也是正确选择。

但很多公司上市之后，基本就退出了竞争。上市后，第一可能释放了核心竞争的动力和压力；第二，上市限制使它很难持续投入基模这样的事情。

这需要非常强大的战略和坚定的耐心，持续做这件事是很难的。

看起来你每个行业都能进，那你选择哪个？

还是要选择技术。技术像一个雪坡，技术要足够深、足够难，同时市场规模要足够大，单一市场要足够大。

想来想去，我觉得也只有车。

手机领域我们其实一直做得很好，比如手机影像一直是前两名。但手机OEM体系非常集中，最后放给第三方供应商的上限不大，可能就是10亿元级别的盘子。第一名切5到6亿元，第二名切2到3亿元，上限比较有限。

AI 1.0体系下，To C至少对当时这些团队来说比较难，因为没有真正To C的积累。To B角度，客户比较集中、总盘子最大的消费终端，就是车和手机。车更分散，所以更适合供应商把总规模做大。

这是你今天做这个选择的原因之一吗？

一部分吧。更重要的是，我认为车是通往具身智能最重要的路径。

所以打车这场仗，不是为了打车，是为了打具身智能。

对。

但具身智能太远了，你得活到那个时候。

5到7年。

落地的是人形机器人还是什么？

肯定是一个更具通用性的具身构型。是不是一定是人形，我觉得不一定，但局部可能会更接近人。

因为物理世界的桌子、椅子和空间规格，都是按照人的尺寸设计的，所以和人的兼容性更好。

我还有第三个感受。旷视的人都很聪明，人才密度非常高。当年你们挖了AI领域最头部的人才，算是AI最头部的人才组织之一。今天的大模型公司里，很多也是你们的人。

你觉得聪明人太多会给组织带来什么？

9. 聪明人需要长期主义

当年我们可能是人才密度最高的组织之一。最早40个人里有一批奥赛金牌，包括IMO金牌、IPhO金牌。这个主要要感谢唐文斌，我的联创，因为唐文斌当年是数学竞赛国家队总教练，做成了一个很优秀的人才圈。

我的体会是，聪明同学也分两类。有些聪明人能够团队协同，另一类人自己很强，但比较难和团队协同。

早期我们也遇到过这两类同学。第一还是要聪明，但真正能够团队协同；同时要有使命感。因为聪明人有很多选择，能够长期坚持的聪明人比较重要。

长期能坚持的聪明人多吗？

我觉得我们汇集了一批这样的人，这很难，因为要面对很多诱惑。聪明人能干很多事情。

我记得看过一部电影，叫《华尔街：金钱永不眠》，讲优秀的火箭工程师去做金融。这样的例子很多。聪明会让你有很多捷径。

如果没有使命要完成，为什么不走那个捷径？所以我觉得，聪明还有一个问题：聪明人往往不能用“笨办法”长期做事。

其实正确的方式不是笨办法，而是用更加常态化、更加扎实的方式做事情。聪明人很多时候会想快捷方式或捷径，反而容易走错。

所以第一要长期坚持，第二要用正确的“笨办法”做事，这都很难。聪明其实没有那么重要。

你们当时是容纳聪明人最多的组织之一，最后却觉得聪明人没有那么重要。

我觉得聪明人不是稀缺品。至少在我们这个圈子里，技术能力很强的同学很多。

还是要技术好，同时有使命感，有智慧。所谓智慧，是价值观选择，比如愿意做更长期的事情，愿意享受复利效应，愿意在一个领域里长期积累，而不是寻求短期变现。

同时还要有正确的方法论，这些都很重要。

你们现在招聘时，对聪明的要求还高吗？你更看重哪些品质？

不同岗位不一样。做研发确实有门槛，但其他岗位不一定。比如销售，聪明当然好，但更多要看能不能有目标、使命必达、服务好客户。

每个岗位都有自己的人才画像，适合是最重要的。

太多聪明人在一起，会成为一个问题吗？

会成为问题，但我认为这也是下一代科技公司需要解决的问题。

下一代科技公司需要超级高的人才密度，如何让聪明人在一起形成很好的化学反应，真正做出伟大的事情，这是下一代组织要解决的问题。

阶跃这样的组织要容纳很多智力高的人，你觉得应该怎么搭建？

组织搭建主要是两点。

第一是选人。原来我们可能只要技术很好就会招进来，现在在选择过程中会做非常强的筛选。技术很好，但很难和别人协同，或者Ego特别大，也就是过度以自我为中心，这样的同学我们不要。

现在都是大型科研项目，最终一定要大家一起做，所以要在选人阶段把关。

第二是机制。如何让这些人围绕一件事形成高效机制，具体要看做什么事。

比如做模型有三个要素，要把数据、算法和系统同学融合在一起。人才培养也会越来越综合。我们会有意识地让算法和系统同学交叉，系统同学技术能力很强，要更深度接触算法；算法同学也要接触工程，不能只关注写论文和科研。

这也是为什么一定会有AI-native的科技新巨头诞生，因为它会对应一种不一样的组织。

这种组织形式和互联网公司也不一样。你觉得新的组织形式有可能产生新的系统吗？

本质上，每一代企业都是那个阶段最领先、最先进的组织。它形成适配当时技术和商业的组织能力，自然就脱颖而出。

把商业剥开看，组织形态每一代都不一样。这也是《创新者的窘境》里讲的，新公司和老公司的挑战不只是业务，而是组织。

如果老组织能够适配新业务，它一定可以做得很好；但如果新业务需要对组织进行很大调整，这家公司大概率很难适应。越优秀的公司，越会把原有组织能力固化得很好，所以要打碎再重建非常难。

你直观感觉AI组织形态和过去不同，会是什么样？

第一，人才密度极高。

第二，整个大团队的协同性要求很高。

大团队需要人少吗？人多人少有关系吗？

人可能比原来少，但坦诚讲，规模也会越来越大。原来互联网头部公司可能是3万人到10万人，未来真正做到AI头部的公司，可能也需要1万人到2万人，但这会是人才密度极高的1万人到2万人。

如何构建这样的发展方法，是不一样的。

现在看到好的雏形了吗？你觉得应该Bottom-up还是？

肯定是两者结合。

传统制造业到ICT领域，总体是Top-down的组织；互联网公司整体是Bottom-up。我感觉AI体系需要融合两者。

因为AI的大项目通常是Moonshot Project，消耗资源很大，不是完全Bottom-up的事情，需要集中力量做。但它的组织文化和人才容纳度，又要有很好的Bottom-up活力。

你觉得自己是一个非常聪明的人吗？你走过聪明的捷径，也走过聪明的曲折吗？

我觉得自己不是最聪明的那一类人。身边一直有很多从学习角度看非常聪明的人，聪明人是很显然的。

我觉得自己是中等偏上。我曾经一直想走捷径，但每次走捷径都不太顺利，最后还是通过比较常规的路径走到了最想去的地方。

所以后来慢慢不太走捷径，认识到自己更擅长稳扎稳打、坚韧地往前走，这可能更适合我。

尝试走过什么捷径？

在竞赛方面，我原来做物理竞赛。我觉得自己应该能拿到很好的名次，但每次最后一次考试都特别紧张，最后还是通过高考这样的体系走过来。

我的高考和中考都考得比较好。其实我想享受的是，通过竞赛不用高考或中考，获得那种走捷径的爽感和优越感，但都没有享受过。

每个人都不一样。有些东西是你应得的，有些东西你可能想得到但不该得到。最后慢慢就会比较坦然，知道自己能做到什么、能得到什么。

当时想上市，是不是也是想走捷径？

倒不是。那时候是竞争驱动下，想通过资本去反超的一个手段。当时竞争对手拿了一大笔钱，所以我们想超过他。

在那个阶段，需要吸引最好的人才，头部效应很明显，商业化竞争确实都在争夺第一名。

今天还是这样。

对，Always是这样。

过去10年你看到的竞争对手，是商汤、依图等AI 1.0四小龙。今天看起来，AI四小龙都没有长得很大，也没有长得很理想。你怎么看？

我觉得那是那个时代。那个时代真正成长起来的AI公司并不多。

前几天和梁文锋聊时，他说AI 1.0时代唯一赚钱的公司是幻方。

对。

这个说法Yes and No。幻方那件事相对简单，商业化变现比较直接，所以我觉得幻方很厉害，选择了一个战略上正确的赛道。

我们这些人选择了更市场化的商业路径，确实更长，但再选一次，我可能还是会坚持自己的选择。

四小龙各自都有做得不错的地方。商汤和云从顺利上市；依图当年在安防领域产品和客户口碑都很好，都很厉害。

只是那个阶段没有谁特别脱颖而出。我有一次和徐立聊天，他说当你批评内部事业部“怎么投什么都不赚钱”，事业部可能会说：“你只要在行业里找到一个赚钱的，我们就有标杆。”但后来发现，大家其实都不赚钱。

这是科技变革早期孕育、煎熬的阶段。

AI本质上降低了技术门槛，尤其深度学习让AI变得更加普惠。坦诚讲，当壁垒降低、资源投入很大时，如果没有好的商业模式和商业飞轮，就一定会陷入这种境地。

大家因为资本投入过多，把价格打得很低，很难在商业循环上产生正向利润。这时就更依赖资本市场获得资金，让自己活得更久。

这不能说是健康的竞争模式，但这是大环境。在商业战场上，你可能很难选择以什么方式战斗，但必须选择活到最后，不得不做出一些选择。

会不会觉得运气不好？你看商汤就上市了。

商汤上市做对了一些事情。我一直在问自己：如果历史上的重大决策可以重新做一次，有哪些会不一样？如果把我现在的境地和角色与任何一家公司、任何一个角色互换，有没有这样的公司？

我的答案是没有。

你不想做字节跳动的CEO？

我不想。

为什么？

我也管不好，而且对那个没兴趣。

每个人有自己的价值体系。我们做这件事虽然很难，但如果5年、10年后能做成，我觉得会成为一家非常伟大的公司，也能让参与其中的团队有成就感。

每一代创业者都有自己的使命。我们不用幻想成为上一代企业中最优秀的人。第一也未必成为得了，第二，成为了也未必是我们想要的东西。每个人都有自己的路要走。

当年很多旷视的人都参与了新的大模型战争，也就是AI 2.0。看到他们离开旷视，你是什么感受？肯定尝试挽留过吧？

有。一方面，我其实也挺高兴。

之前我和一位Kimi的老旷视同学聊过，我觉得Kimi的几位联合创始人都是旷视出来的。其中一位同学成长得很好。

有两件事情会让我感到很强的成就感和幸福感。一个当然是把AI这件事做成；第二是看到一些非常聪明、价值观正确的同学获得很好的成长。

我相信，在千里和阶跃构建的体系里，仍然是很好的土壤，能够让最优秀的人汇集，也让他们有很好的成长。有些同学在阶段性离开后，如果在新的平台发展得很好，我也很高兴。我在这方面没有很大的Ego。

同时，我们也有很多原来的同学回流。

旷视原来有两个核心价值观，叫“技术信仰”和“价值务实”，这也算是我的个人价值观。

首先，这群人可以说是拿着锤子找钉子，但技术本身是他们的原点。不能质疑他们为什么总要有人热爱技术、偏执于技术。这群极客有自己的使命，他们本身就是技术驱动的。真正有技术信仰的公司非常少，我认为我们的体系一定有技术信仰。

第二是价值务实。我很喜欢OPPO、vivo以及步步高所讲的“本分”这个词，它在价值观上很有力量。无论给客户、供应商还是团队提供的价值，都应该是扎实的。这样才能持续成为一家口碑比较好的公司。

有技术信仰的反面是什么？

技术投机。

这两类人好识别吗？怎么看？

挺好识别。我看一个人能不能坐冷板凳。

做AI创业和做科研很像。我刚读博时，老板跟我讲过，PhD有两类。一类是很多中国学生的情况，第一年就发论文，可能发3到4篇，3到4年就毕业。

另一类是很多国外PhD，前3年不发论文，可能是在找一个大赛道，或者学术上的“大坑”。这个坑是未来可以持续产生研发成果的地方，之后可能像指数曲线一样，到第三、第四年开始连续发表2到3篇高质量论文。

这可能是人生选择。有些人做简单、快速的选择，有些人做困难但长期更有价值的选择。这种风格会贯穿一个人的一生。

看他过去做科研、选学校、选专业、早期工作和工作内容，就能看出他的选择方式。

我不太喜欢特别跳跃的同学。职场上，有些人每段经历都很短，履历看起来很光鲜，但长期看未必有竞争力。

你觉得这一代AI和上一代AI有什么不同？

本质不同。

第一，是从小模型到大模型。Scale Up之后，很多逻辑都不一样，技术同学的要求也不一样。这一代对工程能力要求非常高。即使是算法同学，也要有很强的动手能力，把工程做好。

第二，我认为主题是从To B到To C。上一代本质上是To B，因为技术撬动力和通用性不够；这一代本质上是To C。这两个已经是足够大的本质差别。

对于AI大模型的几小只，它们和AI 1.0四小龙有什么不一样？

很多地方没有本质差别。

朱啸虎总说，大模型这几家公司可能连AI四小龙都不如。你怎么看？

他和其他人看的角度肯定不一样。他说这话也不是为了抬四小龙，而是为了打压现在新的公司。

AI是一件很难的事情。这里面一方面实现了很多原来技术同学或教授的个人价值；另一方面，这件事从本质上是有意义的，对人类发展、对社会都很有价值。

这些人都在努力探索。四小龙也好，六小虎也好，最后还是要看未来3到5年，能不能真正出现AI时代的BAT，出现几家在收入和商业化上真正成为平台级公司的企业。到目前为止，还没有实现。

之前和一个投资人聊，他说过去10年最优秀的两家AI公司是字节和特斯拉。从某种角度我很同意，但坦诚讲，这两家公司起步时都不是AI公司，只是它们很了解AI，也很善于运用AI。

AI时代可能还会有一波更加AI-native的公司。这个时代孕育时间虽然长，但终究会到来。

这可能是我们这群人想达到的目标。不管谁实现，我觉得都是好事。

如果要实现这个目标，是用阶跃实现，还是用千里实现？

我觉得现在阶跃和千里是一体的，会形成很好的联动。

这次创业怎么不重蹈旷视走过的弯路？

最终，事业由人决定。如果创始团队不能完成本质成长，最后路径肯定还会类似。人不能成长，事情就会重复。

第二，很多学习比较好的同学可能觉得很多事情能一次做对，但商业上有很多反人性的经验。有时慢就是快，历史也证明了很多事情是反直觉的。

经过十几年的积累，我觉得自己在组织和战略上的认知还是有价值的。首先不要同一个错误犯两遍，这就能回避很多问题。

第二，内心要坚定，把自己的路走好。AI竞争非常综合和立体，几乎所有懂技术、不懂技术、大公司、小公司都想做。

在这个赛道里，还是要找到想做、能做、可做三者的交集，并且等到那个交集。这样的交集不是每个时间都有，所以要用更平和的心态应对这场可能最快速的战斗。

如果今天让你做战略取舍，你能取舍吗？

我们已经做了战略取舍。

舍了什么？

我们聚焦做AI终端。终端还是比较多，但我们主要就是车，以及未来偏手持和穿戴式的两个领域。

大脑不能舍，对吧？大脑和躯体有能舍的吗？

大脑肯定不能舍，最主要的还是大脑。但这里面存在一个“最小闭环”。

过去大家做产品叫MVP，也就是最小可行产品，商业上也存在最小集合。我认为，大脑加上现在连接的车，再加上创新AI终端硬件，这些要素已经是最小集合。以后也不会扩展太多，只是把它做得越来越扎实。

你经历过很多战场，有安防、手机、车等等。你发现自己更擅长打什么样的仗？什么仗更容易打赢？

还是技术和产品占比高的仗。

我对事更感兴趣，和人相关的事情可能没那么擅长。所以希望技术、产品的占比高一些。

最近Ilya说我们马上要进入研究时代。你对接下来的技术发展有什么预判？

总体感觉技术路线图已经在这里，但很多关键细节还没有实现。

从学习范式角度，从模仿学习到强化学习，再到强化学习的后半段，以及之后不管定义为自主学习还是其他名称，我觉得大的三个学习范式基本就是这样。

再往下看，记忆是一条线。整个记忆系统怎么搭建，长、中、短期记忆怎么实现，也是非常重要的内核。

还有从语言走向多模态，走向世界模型，这也是一条很确定的主线。

总体来说，学习范式、记忆，以及模型从数字世界走向物理世界，这三件事情我认为未来5年左右都能比较好地解决。等这些要素都解决后，至少现在定义的AGI，大概率就能实现。

所以路径比较明确。我不太同意所谓“进入研究时代”的说法。现在Scale阶段确实缺乏几个关键模块，需要更多科研，比如Transformer的下一代是什么。但总体仍然是一个系统工程主导的体系，中间需要很多研发来驱动。

你怎么看世界模型？你觉得它有多远？

世界模型和产业落地非常相关。

在车这个领域，世界模型是确定性的事情，特斯拉已经初步实现了。国内我觉得千里也很有信心，未来一年可以把这个领域的世界模型构建出来。

但其他更General的世界模型，和场景强相关，因为它和数据相关。世界模型的数据不是天然存在的，所以需要数据、场景和应用三者形成循环，才能形成好的世界模型。

它还是要在一个领域内，不能完全泛化。

对。

未来3到5年，大模型公司的胜负手是什么？阶跃星辰怎么让自己保持在第一梯队？

胜负手有两点。

第一，技术上能不能咬住，真正构建世界顶级模型的研发能力和组织能力。这是一个不断加码的过程，竞争也会很激烈。

愿意投多少钱？

我预判一年30亿元是起步，可能是30亿到50亿元。

阶跃下一笔钱会来自哪里？现在有的大模型公司在融资，有的在上市。

我们需要综合考量，一级市场、二级市场都在考虑。资金非常关键。

第二是应用。如果看5年时间，每年至少花30亿元，代表3到5年是150亿元打底的投入。反过来，3到5年之后，能不能有一个核心应用，每年有30亿到50亿元利润？这是一个数学题。

这两件事情都要满足，才有机会走到那个阶段。

不能是To B的。

中国不能，国外可能可以。

中国为什么To B这么不好做？

我个人感觉，中国To B市场本质上是To C市场，因为很多覆盖是由政府和央国企向外做的，整个B端市场有自己的独特性。

这类客户之外，主要就是金融、互联网公司，以及OEM体系。中国的大B基本就是这些领域。

政府需要很强的商务能力；面向OEM和互联网公司时，它们本身自研比例也很高，所以外采的AI和其他软件服务都比较小。

总体上，中国大B市场比较有挑战。中小B在中国更像C，所以淘宝这样的公司原来做小B能够起来，是因为更多按照C端打法。

把To B当To C可能好一点，支付宝就是这样。但要看具体情况。所谓Product-led Growth，也就是用产品驱动增长，一定要是小B或接近C端用户才能做到，钉钉、飞书可能比较类似。虽然是B，但小B有C端属性，可以靠产品来做。

回望过去十几年的创业，你觉得最难的是哪些时候？

我倒觉得没有哪个Moment是最难的。本质上最难的是克服自己的短板。

技术角度我比较有信心，但管理、资本市场、销售这些都是自己不熟悉的领域。真正完成短板成长的过程最痛苦，因为它和天然能力不相通，需要付出很多努力，甚至不断校正，才能真正完成成长。

有哪几年是你变化比较迅速的？你会把十几年创业分成几个阶段吗？

可能2011年到2013年是早期探索期，做过游戏等事情。

2013年到2019年这5到6年，基本上坚定做To B，包括早期金融、手机，后来也有安防。

当时在To C和To B之间摇摆吗？

没有。当时觉得C端还没有Ready。

2019年之后，从上市、两地上市到这个过程中，资本市场和商业化占据主体。总体我觉得是三个阶段，当然现在是一个新的阶段。

做CEO是什么感觉？

其实在过程中，我一直在找CEO。早期我一直希望有一个更有经验的人带领团队，更好地完成结果。但最终通常很难，因为如果不是创始团队，很难在团队中有足够威信和信服力。

你不想做CEO？

我没有太在意是不是CEO。如果事情能做成，我觉得都可以。

但后来发现，外面很难找到这样的人。AI领域对CEO的要求，首先技术上要有判断力，同时要学习所在的商业和产品，所以是一个比较新、比较全面的要求。真正具备这些能力的人并不容易。

你觉得自己变化最大的是哪些年？

第一是更成熟了，对很多事情的预期从更乐观变成谨慎乐观。

创业本质上是概率，做大模型的成功概率很有挑战。愿意投入一项概率没有那么高、但仍然有意义的事情，首先要乐观。

从乐观到谨慎乐观，做事时对困难的预期会更高，这是态度上的变化。

第二是做事风格。我之前在内部讲过，很多事情其实有两个轴。

原来做技术时，拿着锤子找钉子，研发同学怀揣乐观和一个大方向，不断投入资源靠近那个方向。

但从商业结果讲，要以终为始、倒推。所以除了技术范式的判断，商业模式的判断也很重要。这两个点要不断在脑中拉扯。

做决策时不能只说对技术有Passion就去做，还要考虑怎么形成商业闭环。这两个弹簧要一直拉扯，最终做出兼顾两者的选择。

过去两年，你在这两个弹簧中拉扯出了什么结果？

就是现在这样一条路径。

第一，千里把AI和车结合起来，从吉利开始，未来和更多车厂形成共生体，把智驾、座舱、Robotaxi几大场景真正落地。首先要形成这个闭环。

第二，阶跃以核心技术为驱动，连接第二个大的终端体系。

这是过去平衡之后，基于我的能力和水平，觉得我们有机会走出来的一条路。

中国有一个文化叫“伤仲永”。有时候年轻、年少成名，会被追捧，自己膨胀，最后从高处跌下来。

技术本身是一件长期的事情。一个技术同学做科研很多年，已经习惯了起伏，因为研究一件事本来就会有很多起伏。

能够坐冷板凳的人，内心往往比较淡定，不太会被外界太多东西影响。

你可以坐冷板凳？

可以。

你坐过最久的冷板凳是因为什么？

过去这5到6年也算某种意义上的冷板凳。

磨砺了你的心性？

或者说，我本身是一个比较爱热闹的人，但我觉得如果事情能做成，大家少关注一点，反而更好。所以我没有特别介意坐冷板凳。

过去这5到6年，周围人会评价你有什么变化吗？

大家可能觉得我更成熟了，同时在商业上决断力更强。

比如以前不会做什么，现在会做什么？

做决策更果断。比如用人，不管是招人还是开人，可能都更决绝。

包括办公室选择？

对。我觉得办公室没那么重要，总体还是以阶跃为核心。

在这个过程中，李书福董事长给过你什么建议吗？

我从吉利学到很多，当然还在过程中。

吉利首先是一个非常有战斗力的组织。吉利的文化，第一是用户至上，第二是战略牵引，第三是原动力保障。

原动力保障的意思，是激发每个人。不管是正向激励，还是赛马机制，都能让大家做得更好，让组织更有战斗力、更有活力。

吉利的项目管理也做得非常好，有很多值得学习的地方。

我们希望作为吉利大生态的一部分，首先把吉利服务好，同时也服务更多车企。

張小珺

以2019年之前你的性格，你会愿意做智驾吗？非All in智驾这件事，愿意吗？

愿意。

当时没有看到、没有意识到这个机会最大？

当时觉得它没那么快，技术还没有收敛。

你觉得什么时候会收敛？

技术收敛期也就3到4年。我们基本上是因为技术收敛了才进，但稍微早两年也没问题。

那大模型现在也没有收敛。现在算收敛吗？

主线是很清晰的，所以现在进不算太早。

但这个窗口期本来给每个人留的也很短。

对。

你觉得姚班对你的影响大不大？

非常大。

姚班汇集了很多优秀同学。姚先生有国际视野，在学术上也很有影响力。

姚班给我最大的认知帮助，是要站在世界一流的水平上思考问题。原来我们可能认为自己是清华最优秀的学生，但姚先生早期就告诉大家，你们应该是全球最好的本科生。

那你去思考和解决问题，就应该解决世界上最难的问题。这样的心智建立，让我们敢于挑战最难的课题。

创业也是解一个题。你现在解的是什么样的题？

10. 超多元方程仍待求解

是一个超多元方程，而且是很难的一件事情。

如果接下来10年你做不成什么样，会觉得自己失败了？

我对结果没有那么执着。更重要的是，在这个过程中，我有没有把自己认为正确的方法论真正实践下去。

过程很重要，也是自己的成长。因为能努力的是过程，结果受很多综合因素影响。

首先要选择正确的方向，再用正确的方式去做。我觉得这样最后的结果不会太差。

你想实践的正确方法论包括哪些？

包括双轮驱动。技术上要持续投入研发，同时商业模式特别重要。

我现在见了很多不同的人，很多人都说商业不重要。我觉得商业非常重要。不管是什么类型的人，如果只把技术做好，远远不够。

大模型越来越被产品和场景牵引。如果产品做不好，技术也很难做好。比如Coding，如果本身没有最好的Vibe Coding产品，就很难把技术做好，因为用户数据和Hard Case都不知道。

想把技术做好的前提，一定是把产品做好、把商业做好。所以两边并举，不要仅仅技术驱动，这很重要。

第二，在构建组织上，要构建自己认为理想的组织，把各领域最优秀的人聚集起来。不光是智力上优秀，也要在其他能力上优秀，并且用正确的价值观汇集起来。

坚持做To C的软硬件结合领域，也是我想做的事情。或者说，不是我一个人，而是我们这群人愿意坚持做的事情。

什么时候开始放下Ego的？

原来Ego就没那么大，但过程中可能越来越小。

一群人能把一件事做成更重要，而且这件事也必须一群人才能做成。

现在还有特别强的Passion、让你非常兴奋的事情吗？

我一直不是一个很有Passion的人。

我觉得人的Passion总量有限。有些人的Passion是尖峰型的，突然出现一个很高的波峰，然后波动；这是一类性格。

我的性格可能更适合长期对一件事情保持Passion。比如对AI，我是有Passion的，但这种Passion需要长期坚持和释放。

你10年前也是这样，讲话也是平的。

对。

为什么？这是怎么形成的？

这是原生态的个性。

你们公司另外一个人很有Passion。

我们技术同学有很多不同个性。我很喜欢多元性和多样性。团队里应该有多样性，不同的人在一起互相碰撞，给彼此带来不同视角和乐趣。

今天对你来说诱惑多吗？

不太多。

现在别人觉得是机会、但你觉得只是诱惑的事情是什么？

我觉得具身智能现在早了点。

现在做具身智能的公司大家可能也意识到这点，所以都很激进。

会不会觉得你今天太保守？

还好。做这么多事，保守的人不应该做这么多事。

但你现在事情还是有点多。

我希望事情越做越少。

还能砍吗？还能取舍吗？

我觉得现在已经是最小集合了，就是模型加上终端，未来也不会扩展太多，只是把它做得越来越扎实。

今天如果对2011年的印奇说一句话，你会说什么？

没什么想说的。一般这种问题，最后大家都会说“Be yourself”，做你自己。

本质上，大部分人没有那么多遗憾。这条路径走过来有它的必然性，核心是接下来怎么往后走。

你对下个10年的期待是什么？

我还是很期待中国能够在AI领域出现世界级公司。

需要是你吗？

最好是我，但也不一定要是我。

我觉得中国一定会有这样的公司。世界级公司的定义，不光是商业结果，也包括对技术前沿潮流的引领，以及某种意义上企业文化和价值观的引领。能够做到引领很重要，不光是商业结果。

你觉得现在有这个潜质？

我觉得有这个潜质。

你今年最多的一个思考是什么？

2025年坦诚讲，深度思考没有那么多。2025年更像是把AI 2.0里已经想清楚的事情布局和实现。

总体来说，2025年、2026年可能是比较匆忙的状态。希望把这些布局做完之后，未来能够真正沉下来，把产品和技术做好。

现在还没有到这个点吗？

现在正在过程中。

你现在的一天是什么样的安排？

现在工作强度还比较大，基本每天可能要工作到凌晨1点、2点，早上7点、8点起床，所以每天工作时长还是比较长。

我会按照自己的计划，把几个不同板块排得比较有顺序。每周也会有相关会议，包括内部和外部会议。

最近我花很多时间见候选人，因为团队还需要更多同学一起来做这件事。我们的事业也比较有感召力。

你是怎么感召候选人的？

比较真实地把我们想做的事情讲清楚，自然会完成筛选。

AI本身就是一件有感召力的事情。把AI和物理世界结合，不管叫Physical AI还是未来AI终端，很多人都会感兴趣。

不同的人可能喜欢虚拟世界。我自己非常喜欢现实世界、物理世界。

为什么喜欢现实世界？因为它更真实、更丰富？

你现在生活中的快乐体现在哪里？生活中的热情呢？

最近生活热情的标准降得比较低。现在每天晚上能够睡觉的时候，我就挺开心，觉得今天的事情做完了。

快乐永远是一个差值，没有绝对的快乐。快乐总是在日常状态下，只要比平时高一点，就会快乐。

核心还是要有正向刺激。很辛苦的时候能够休息，就是快乐。人要有快乐的能力。有些人拥有很多也不快乐，所以要意识到正向增量，并且享受这个增量，就能快乐。

快问快答。

全球范围内，一道你喜欢的食物？

我想吃潮汕菜。

一个你喜欢的地点？

纽约。

基于所有读过的书，两本必读书？

第一本推荐《On Intelligence》，我觉得在AI领域非常值得读。

第二本我很喜欢《哲学的故事》，它把不同的哲学思想从上到下做了结构性的梳理，也比较易懂。

你最近对世界获得的一个比较Fresh的认知是什么？

有些认知其实很早就有。费曼曾经讲过，你以为自己懂一件事情，但其实并不懂。

最近我对正向和逆向有一些体会。组织一直讲执行力，但如果所有管理都是正向管理，就不会有执行力。

正向管理适合创新型研发，逆向管理适合拿结果。所以这两种能力都要有。

最近这两个公司应该不一样。

对。我觉得每家公司都应该有这两种能力，但文化比重可能有所侧重。原则上，每家公司都应该有创新能力和拿结果的能力。

你觉得影响AI进程的几篇最重要的论文是哪几篇？

从现在看，主要就是两篇：一篇是《ResNet》，一篇是《Transformer》。其他也有很多重要工作，但可能没有这么本质。

基于当下所有认知，你心目中的当下BAT是什么？

做终端。