您所在的位置：首页 - 资讯 - 正文资讯
对话智谱张鹏：中国发展路径独特，和美国相比无优劣之分
奚诗科技
09-14
【资讯】
77人已围观
摘要中国AI创业公司和大科技公司有多重关系，相对复杂，数据策略正在成为新竞争力之一文|《财经》记者刘以秦9月5日，创立仅5年的AI大模型公司智谱AI宣布完成新一轮融资，融资规模数十亿元，由中关村科学城领投，它是北京市海淀区政府设立的投资平台。这是智谱AI今年完成的第三轮融资。最新一轮投前估值200亿元，投后估值尚未披露。自2009年成立至今，智谱共完成11轮融资，是目前中国估值最高的AI大模型独角兽公司。智谱AI核心成员主要来自清华大学。2022年后，智谱已经开源了多个基础大模型，商业模式以B端服务
中国AI创业公司和大科技公司有多重关系，相对复杂，数据策略正在成为新竞争力之一
文|《财经》记者刘以秦
9月5日，创立仅5年的AI大模型公司智谱AI宣布完成新一轮融资，融资规模数十亿元，由中关村科学城领投，它是北京市海淀区政府设立的投资平台。这是智谱AI今年完成的第三轮融资。最新一轮投前估值200亿元，投后估值尚未披露。自2009年成立至今，智谱共完成11轮融资，是目前中国估值最高的AI大模型独角兽公司。
智谱AI核心成员主要来自清华大学。2022年后，智谱已经开源了多个基础大模型，商业模式以B端服务为主，包括定制化服务和API接口。
在微软和OpenAI的带动下，全球AI产业在过去两年发展迅速。目前，全球生成式AI相关独角兽公司共有37家，过去一年新增了17家。其中美国27家，中国5家。中国的5家分别是智谱AI、百川智能、月之暗面、Minimax和零一万物。
9月5日，在第六届外滩金融峰会上，智谱CEO（首席执行官）张鹏接受了《财经》杂志专访，回答了这些广受业内关注的问题。
相比以OpenAI为代表的美国AI独角兽，目前中国的大模型独角兽规模体量较小，发展路径也不同。最明显的一个区别是商业模式，美国AI公司更多用软件模式，可以快速起量；中国公司更多是定制化服务。不少人认为这是导致双方估值体量差异的主要原因。张鹏提到，这是市场环境决定的，在中国做B端市场就是“一边吐槽一边做”，但这并非没有好处。
智谱的投资方包括高瓴资本、启明创投、君联资本等投资机构，同时还有美团、阿里巴巴、腾讯、小米等多家互联网大厂。张鹏说，创业公司和大厂之间关系复杂，竞争与合作同时存在，但大家对技术的认知不太一样。
智谱是目前中国发展相对比较顺利的大模型创业公司，除了拿到持续高额融资，仅在今年上半年，就拿到了超过18个政府和企业的招标项目，位居五家独角兽之首，甚至超过了一些大厂。目前中国大模型产业的融资、算力、数据和应用都有强烈的政策引导因素，在张鹏看来，目前中国的AI产业发展依然存在不少挑战，而作为创业公司，需要应对在复杂环境中的各种压力。
中国和美国已经成为全球AI发展的两座高地，大模型也被称为是下一代技术基础设置，外界关注大模型技术的发展和应用。张鹏和我们重点聊了四个方面话题：
以下为对话整理。
问：作为中国的AI独角兽的代表，你怎么看美国的AI独角兽？
张鹏：
中国和美国AI产业从来都不一样，互相的借鉴和学习一直存在。首先是基础情况不一样，这一波AI大模型还是发源于美国，我们扮演的是后来的追赶者角色。虽然过去两三年国内整体发展很快，但无论如何，在最顶尖的那一块技术上，我们还处于追赶过程中。
从发展模式来看也不太一样，美国收敛得更快一些，中国会更繁荣，更多样化。
问：为什么中国更多样化？仅从创业公司角度来看，美国的创业公司更多点开花。
美国确实从整个生态上分工更明确，他们更习惯于生态式的分工合作，所以我说他们收敛得更快。中国平行的、垂直的会更多。
我说的是多样化是从更大范围来看，不单是创业公司角度。在移动互联网时代，中国是靠大量的应用创新和更普及的网络基础设施，取得了不错的发展。在AI发展这件事情上，大家其实希望我们能靠更广大的市场，更多的应用爆发，应用和市场的多样性来加速我们的发展。
问：美国的AI公司是软件模式，中国的AI公司目前还是以做项目为主，这两者有什么具体区别？
确实存在这两种模式，但不是说美国只有软件，中国只有定制项目。这是两种不同的模式，没有优劣之分。
美国的科技发展叫做“技术优先”和“知识密度优先”，大家互相尊重基础创新，对于新兴的事物保持着非常强的鼓励和促进态度。互相之间的价值分配有一套比较完整的创新和市场的生态链，来共同促进这个事情。
在国内很多时候是另一种模式。大家对于发展过程中，安全、可控，还有持续性和自主性等要求会更高。所以在初期阶段，大家可能更愿意说我需要贴身服务，我需要个性化的定制。
许多客户的心态是希望技术和数据完全在我自己的环境里，对话智谱张鹏：中国发展路径独特，和美国相比无优劣之分数据要物理隔离，这和中国的文化和市场背景有关。
关于商业化和价格战
问：这种市场现状决定了必须把精力放在定制化上？
这是必须要考虑的问题。在中国做ToB生意，大家就是一边吐槽一边去做，但并不一定都是坏处，也有好处。
问：好处在哪？
张鹏
：你可以快速去打通技术到市场落地的一条线，可以更快走到市场，产生价值。虽然这可能是垂直化的，初期你需要花很多精力和资源去做这件事，很累。但好处是只要有一个人能走通，大家相对来说比较容易去跟进和复制。
我们也确实认识到其中的一些问题，我们作为一个创业公司，不太可能自己去做很多垂直领域，成本扛不住。你只能把握这个里面最核心的价值在哪，然后把这个经验赋能给整个行业和行业的生态的合作伙伴，他们去帮你复制。
问：我们现在就讨论大模型落地，会不会速度太快了？技术本身还在迭代，可能明天新的技术出来，之前的应用很快就会被颠覆了？
你说得对，这是一个很现实的问题。
其实我们内部很早就在讨论这个事情，对于企业或者用户来讲，它在落地这项技术的时候，一定要先想明白，你的产品是不是跟AI契合度很高。其次，因为模型本身的能力还没有到达很理想的状况，所以你在上面肯定要做一些工程化、定制的事情，这些不能是模型演进过程中本身会长出来的的能力。
比如说数据，评测，还有整个体系的建设，团队的建设和架构的建设，模型的能力和软件的能力要切割的比较清楚，这样的话你能够尽量留存一些前期投入。
没有人会告诉你明确的这条线在哪，只能靠摸索，靠不断磨合去找到一个合理的机会。
问：那为什么这么快就开始价格战了？
大家现在找不到差异化的价值点了，提供的服务差异没有那么大，就只能比价格了。
问：大模型今天依然很贵，价格战对产业发展会有什么影响？
两方面的影响。一方面低价甚至免费肯定能让更多人来用；另一方面，还是需要遵循商业逻辑，价格战确实对我们来说压力挺大的，有一个人低价其他人只能跟着一起卷，我其实是不太赞同这种做法。
如果你的技术和产品竞争力足够强，你没有必要主动去打价格。
问：从投资人角度来说，他们会关注你有没有大客户，所以有些公司会先低价拿到客户，再靠融资去推进？
我们不做这种事，确实会有人这么做，但市场会有纠错能力。好的客户会更关注可持续发展，他会关注技术、产品和合作方的实力，他也不希望很看好的一件事做着做着就没了。
问：但是不少行业龙头公司都在自己做大模型？
去年到今年上半年确实比较多，大企业都自己在做。但最近我们看到了一些掉头的情况，他们发现这件事没那么容易，不是组建一个团队，拿一个开源模型过来就能跑通的，不如去采购。
问：对于创业公司来说，要持续技术投入，又要做商业化，负担会不会太大了？
确实是一个挑战。但AI技术走到今天其实是一个交叉领域，非常讲究工程实践。你天天在实验室研究，不理实际的市场需求，是行不通的。
所以技术到一定程度，可以去探索一些原因场景，收集反馈，促进快速向前迭代，你要知道市场到底需要什么。当然这是一个权衡和拉扯的过程，不能完全按照市场要求来，也不能完全拍脑袋想象。
问：你会怎么去平衡？
我经常会和一线的客户去聊，他们到底想要干什么。但我不会他说什么就去做什么。我特别喜欢问一个问题：你为什么要做这件事？我们需要找到这件事背后的本质。
比如，智慧城市项目，很多时候第一步是要把所有的数据汇总到一起。但你回到原点去看，做智慧城市的目的是让城市里的人体验变得更好，那有必要收集所有的数据吗？成本很高，怎么去高效处理这些数据，怎么保护数据安全，好像又带来了更多问题。
现在我们有了更强的AI技术，我们就可以通过新技术去规避旧问题，走出新的路径。
问：和客户拉扯完，回到公司还要和技术部门拉扯吧？
这种事情非常正常，企业都会遇到这样的问题，客户要做这件事，技术人员说这件事没有意义。
如果我们从技术演进角度来说，这些都不是问题，我们需要的其实只是时间。这件事有更好的解决方案，但客户等不了，市场也等不了，怎么办？就只能先用一些工程化的方法去解决问题。
关于和大科技公司的关系
问：目前公开信息里，智谱拿到的中标次数是创业公司里最多的，为什么？
我觉得能拿下这么多标，主要还是因为客户对于核心技术的肯定，不用担心我们突然一下子没了，因为很多公司其实是依赖于国外的开源技术的，如果有一天不开源了怎么办？
会思考这种问题的客户可能就会来找我们合作。
问：你们和百度、阿里巴巴、科大讯飞这种大厂比起来，有什么不同？
一是我们核心技术是完全自主掌控的。二是我们并没有把AI大模型当做挣钱的工具。大家对这个事情认知不同，投入的方向和资源以及最终取得的成果上就会有差异。
大厂的目标是什么我说不好，我感觉他们的目标就是这个技术够用就好，能赚钱就行，并不一定要把技术推到什么样的程度。
问：你们不想挣钱吗？
不是不想，我们会去平衡。挣钱是为了追求更高的目标，证明这件事能走通，所以认知逻辑上会有一些不一样。
问：阿里是你们的投资方，也自己做大模型，你们和阿里之间的关系是怎么样的？如果对比OpenAI和微软的关系来看呢？
我前面提到中国和美国之间有一些不一样的地方，中国的大厂倾向于什么都自己做，他们有资源有人才有数据，所以（从创业公司的视角来看）大家合作起来就会比较费劲。
早年微软为了支持OpenAI，把自己内部的大模型研发团队都撤掉了，当然现在又重新做起来了。微软是生态的建设者，他不认为自己一定要把所有事都做了，生态更好了我自然就更好了，这是认知上的一个差别。
另一方面，美国一切以资本导向的市场化机制，促使他有底气敢这样做。微软投资了OpenAI100亿美元，看起来好像很多，但和他在二级市场的收益比起来，分分钟成本就覆盖了。
问：所以对你来说，大厂们只是一个单纯的投资方吗？
也不是，既有竞争关系，也有投资关系，还有技术合作关系。他们也不是凭空投资我们，是因为我们有长期各种各样的合作，他们知道我们在做什么，了解我们的能力到底哪。是一个比较复杂的关系。
问：到今天，算力还是一个瓶颈吗？
是很重要的影响因素，但从长远来讲，这件事是有解的。你能看到国家政策方面，资本方面，都在积极解决这件事，但效果如何可能还需要时间。
问：比如各个地方政府都在建设算力集群，这对于大模型产业有什么直接影响？
宏观上来说肯定是有好处的，我们确实也依赖大的资源来做这件事。
有一个看法是说，大家很担心建完之后用不了，重复投入，或者很分散。其实很多时候就像放风筝一样，先飞上天再说，只要手里的这根线不断，过程中出现的问题自然有办法可以解决。
比如有人问我，AI芯片折旧也就4年—5年的时间，更新速度又非常快，为什么还要花这么多钱去买算力，为什么不等新的芯片出来再买？
虽然这些资产有一定的使用寿命，迭代很快，但这些资源并不会浪费。有新版的芯片出来之后，旧版的可以用来做推理或者做别的事情。技术进步带来的是更多选择，不能只盯着眼前，没办法根据当前的情况把所有事情都设计得很完美。
有人会说，建设那么多算力中心能干嘛？比如1000张卡的集群，一个大一点的模型就搞不定了。但我们未来一定需要每个模型都那么大吗？算力中心就只能用来做模型训练吗？以后训练和推理一定是分开的吗？都不一定。当然我也不是鼓励大家都去投资算力，毕竟能源消耗也是个问题。
问：算力之外，数据是一个问题吗？
数据是限制中国AI产业发展的一个非常重要的因素。我们大量的数据是私有化的，或者有非常明确的IP限制。
处理数据的成本确实太高了，大家对于投入还有些犹豫。但是技术发展到一定程度后，模型本身因为开源等各方面原因，大家基本已经拉齐了，这个时候数据会成为更关键的竞争力。所以大家就不太愿意出来说自己的数据策略，包括数据配比，数据来源，数据加工等等，这已经是企业竞争力的一部分了。
从政策角度来看，国家已经在强调数据要素的作用，产业界也会越来越重视数据。我们能看到有不少人已经开始做这方面的创业或其他相关工作，数据问题未来也会有改善。
问：那国家的整体政策对于大模型产业带来了哪些影响？
在目前的大环境下，国家政策重视是非常有必要的，未来很长一段时间里，AI一定是拉动经济，数字化智能化转型的核心。但是在具体的执行过程中是有很多考验和挑战的。
我们到底是先去买卡建机房，还是支持技术创新企业去做研发，还是说我们不需要去追赶前沿，只专注于做应用？这里面每个人都有不同的想法，也都符合政策要求，执行过程中就会有不同的路径。大家所处的位置不同，对于新事物的认知不同，只能先做好自己地盘上的事。
从我们的角度来看，跟投资人聊的时候，大家明显变得更看重AI了，另外，政策也会牵引一些客户进来，比如金融行业受政策影响，对AI的投入明显加大，整体来看是利好的。
Tags： 对话智谱张鹏中国发展路径独特和美国相比无优劣之分
上一篇： 科技达人解析，汽车防冻液的成本与选择
