正文
计算的耗损能多快增加？你作为一个神经网络，它的forward backward训练（前向传播和反向传播训练），使它不是GPU问题，而是传输问题。如果是一张变成两张传输还好，如果是100万张变成200万张，传输就会成为瓶颈。
●
还有一个，世界上有多少电？
——最后它计算的结果大概是2030年。
他的说法是说从GPT-2到4，从2019年到2023年，4年时间提升的level，和从GPT-4到AGI大概是一样的level。也就是从幼儿园到高中生，从高中生到天才，是类似提升。如果第一个提升（幼儿园到高中生）花了4年；第二个提升（高中生到天才）需要7年，就表示有diminishing return（边际效益递减）。
我们可以期待Scaling Law（规模定律）继续往下走，但它不会像以前那么快，而且非常、非常贵。
做到AGI要花多少钱？它说了一个超级天文数字。不见得一个公司做得起。
《潜望》：所以，我们的第二条路，是用生态去抵抗，是吗？
李开复：
对。
每个应用公司都可能自己也做AGI，AGI只要有了竞争，就表示垄断会比较难。
《潜望》：应用公司需要先自己形成生态，有商业化利润再去追求AGI，而不能从今天就去追逐AGI？
李开复：
不管生态和商业化，只追求AGI，可能在追求梦想途中，你就没有弹药跑下去了，谈何实现？
《潜望》：但我有一个疑问，如果我们现在第一目标不是追求AGI，没有像在AGI主航道里那样让模型能力快速提升，应用会大爆发吗？
李开复：
OpenAI在5个月前推出GPT-4o模型，现在10美元一个million tokens，今天我们的Yi-Lightning模型反超了GPT-4o（五月版本）。我们在5个月之间，API定价几乎降了数十倍，还有盈利空间。同时，这样的价格普惠点有可能推动更多应用。
《潜望》：以上，你提供了一个技术价值观
：
如果美国有可能实现AGI霸权，中国应该如何形成合力对抗他们。
除了推理成本的降低，还有什么我们需要做？
李开复：
我们全中国把只落后美国5个月的模型先用起来，让应用比美国跑到更前面，后发制人。
我乐观认为，中国App最后一定做得比美国好，虽然今天还没有，但未来会发生。因为从移动互联网到AI 1.0已经发生过两次。
中国现在特别强大的，就是那批会做PMF的人。我们后发先至的力量就是这批会做PMF的人。
他们有PM（产品经理）、工程师。他们要跟模型专家在一起，最后能做出点燃火焰的超级应用。
“我们千万不要低估它”
《潜望》：业界同仁说你对海外十分熟悉，曾经在Google、微软、苹果这些大公司担任过高级管理人员，和各个大公司有密切的交流。
他们想让我帮忙问问海外进展：一是，有什么是未来1-2年能出来但还没形成共识的？二是，应用端预计在什么时候会出现一些显著性变化？
李开复：
我刚从硅谷回来，这次见了很多人。几个比较大的认知——
OpenAI还藏了很多好东西没有放出来，我们千万不要低估它。
它GPT-5训练得不是很顺利，但是，为了融资，就丢了一个o1出来。
它手中还有很多牌，不急着出这些牌。
因为它每次出一张牌，全球技术公司包括中国的，就会看它出了什么牌、去猜、去做。就算不能打平，也能做到八九成。所以，它并不想把牌打光。它想留到最后AGI有望的时候，再比较有信心地打出来。
所以，这是一个技术实力非常强大的公司。
我觉得它跟Google的距离，不是Google在拉近，而是差得越来越远。
当一个公司有这么多技术储备，可以战略性决定什么时候放出技术。比如，需要融资、需要show muscle（显示实力）的时候。
但是，GPT-5训练碰到挑战，意味着3年达到AGI的预测可能过度乐观。本来GPT-5应该现在已经出来。现在看，即便出来，最快也是半年后了。不过，o1能递补上来，把这次融资完成。
o1本身并没有带来那么大推理和理解提升，但它把快思考、慢思考做成两套东西，以后相辅相成。对一个做技术的人来说，1年半前把全部精力放在pretrain（预训练），因为这个难度大，没人做过，只有一两家公司做过。现在，很多公司学会了。之后就发现，一个很难的硬骨头是要把post train（后训练），尤其强化学习做好。今天强化学习做得好的公司非常少。
这次又抛出了第三个，是推理时的Scaling Law。
o1最厉害的就是推理时的Scaling-Law，推理花越多时间思考做得越好，这是之前ChatGPT没有的。开阔了很多人的思考。
我预测，推理阶段的进步将会远远不止今天o1里的技术。
我们内部讨论，可能是什么做成了o1，我们公司内部就出了3种不同方案。你再把它乘以20-30个很牛的公司，还有比我们更大的公司。几百个方案，一定有是前所未做过或想过的。
回到创业生态，现在一个“标准硅谷共识”就是Sequoia（红杉美国）那篇文章。
你应该看了吧？
《潜望》：o1之后发的那一篇对吗？
(《Generative AI's Act o1: The Agentic Reasoning Era Begins》(生成式AI的o1行动：代理推理时代的开启))
李开复：
对。它以o1为title，但要读到最后，投资逻辑写得很清楚。国内创业者朋友可以看一看。这符合我跟硅谷创业者、投资人的沟通。
美国的感觉是，啊，大模型的pretrain会集中在少数几家公司手中，再投新做的大模型，看起来有人做了很酷的东西，但投资回报未必最好。从Infra（基础设施）来说，他们认为一些好的公司已经差不多出来了，不是最好的投资点。
投App，还有投Service as a Software（服务即软件）最重要——这个硅谷共识会带来美国投资的一种方法，中国VC可能会跟风。
我不完全认可他说的。在我看来，大模型——如果你有推理优势，可以做出不同打法；Infra——美国VC没有很懂Infra价值在哪，还是有机会；App——对投App我是同意的，但不能过度乐观。
过去大家说App是PMF。大模型时代我加了两个字是TC-PMF（技术成本x产品市场契合度），除了PMF，还需要知道TC——我需要多强的技术，比如多模态还是视频；还有推理优化，以降低成本和提升性能；还要预测这个技术谁可以做出来、什么时候做出来、以多低成本、什么时候这个成本足够低，并且需要对第一线市场保持敏锐，把这些要素对接起来，综合能力门槛非常高。谁最先找到TC-PMF，谁就能成为大模型时代的Super App，类似移动互联网时代的抖音。
一个好的App创业者，他需要对市场敏感，知道怎么做一个产品，这个产品对模型和技术的需求，怎么调这样一个模型，什么时候可以调好，调好时推理成本会不会够低。难度比以前加倍了。
零一万物比较有信心，因为模型在自己手中，这几个点的对齐，相对简单一点。
《潜望》：你对巨头的动作也很熟悉，能不能评价一下海外Google、微软、英伟达、特斯拉等巨头的动作，以及国内巨头，比如火力全开的字节。
李开复：
英伟达肯定是现在最大获利者。之后它可能面临，随着大部分GPU不再做训练，而是做推理，优势能不能持续？
这是它面临的一个问题。也许会持续，我不知道。
Meta是最大搅局者——它什么事情赢不了，就开源，用开源来做卡位。
我蛮佩服他们放一大批人做广告。他们能靠广告赚一笔钱，然后开源来做一个卡位。他们技术比不上OpenAI，
但开源卡位，很多人用它的开源模型，以后看有什么机会再推进。虽然我觉得Mark（扎克伯格）对AI不是很懂，但他就这么一招——打不过人家就开源——已经两次成功了。第一次是TensorFlow跟PyTorch，这次也好像蛮成功。Meta位置是OK的。
微软是位置最好的。它一方面靠AI赚很多钱，虽然投资养着OpenAI，但占了很多股，是可攻可守的一个位置。
它的挑战是自己的模型一直没做好。OpenAI跟微软是合作，但这个蜜月期可能会结束。OpenAI肯定做了Plan B，微软如果没有Plan B，到时候比较麻烦。
但现在它处于非常好的短中期情况。长期如果做不出模型，跟OpenAI闹掰了，有挑战。现在微软和英伟达是最大获利者。
OpenAI是特别强大、垄断型的公司，Sam Altman（OpenAI CEO）可能会是有史以来最大的垄断者。
我讲这个不是贬义，是陈述事实。他今天还没成为垄断者，但他的谋略，他的野心，他把一二三步棋都想清楚，这些我很佩服他。但从一个从业者的角度，也很担忧他。
xAI执行力非常强，来自Elon Musk（马斯克）管公司就跟中国公司一样。他公司一些小将我都认识，非常能干，玩命帮他干。他今天得到的成就是，复刻了OpenAI跟Google早期的一些技术，他能这么快复刻，在美国比较罕见。要看他以后能不能结合特斯拉的具身和自动驾驶，加上xAI。
无论如何，不能低估Elon Musk，他现在是一匹黑马。
理论上它应该最强——最厉害的大模型论文是Google做的，最厉害的Reinforcement Learning（强化学习）是DeepMind（Google旗下）做的，这两个并在一起，没有产生很大杀伤力。
一方面大模型让一些用户有问题不先去搜索引擎，而先去ChatGPT，带走了一些量。更严重的是，最近很多用户买东西直接去Amazon。在中国大家觉得本来就这样，买东西去淘宝或拼多多，其他搜索去百度。但现在同样的情况在美国发生。很多人要做commercial search（商品搜索）不在Google做了，直接在Amazon做。所以，它这两面受敌。
再加上它的两难是，到底放不放大模型到搜索里去？放的话，有三种方法：
●
第一种是，取代你的搜索，就把所有广告业务都拆没了，公司可以关门了；
●
第二种是，不放进去，做成两个入口，是掩耳盗铃嘛。明明是一件事，为什么放两边？
●
第三种是，两者并存，就是你做一个Google搜索，看到有一个Gemini Overview，再放搜索结果在旁边。这样你既会少收广告，用户体验也不极致，因为你给那么一点点overview，不解决问题。我问一个问题，我要一个答案，你给我一个overview干什么？
于是，它就是变成“四不像”
——又有搜索结果，一大堆链接，又有广告，还给overview，就不给我答案。这是它现在选择的做法。
另外有很多奇怪的事，比如Google的Gemini不能问大选的事，怎么会这样？还有之前碰到各种问题，什么吃胶水啊、吃石头啊，很多问题存在，理由是什么？我不太知道。
Google短期不看好。但Google有很强技术积淀，能不能触底反弹？就不知道了。
《潜望》：Perplexity是一个对的产品形态吗？它有可能颠覆、取代Google吗？
李开复：
它是很好的产品。倒不是说Google做不出Perplexity，Google分分钟就可以做一个Perplexity，可是基于刚才的考量——它不能做。
Perplexity可以少赚钱甚至赔钱去弄一堆用户。Google每个搜索产生的收入是1.6美分。今天Perplexity Pro的用户收20块钱，但搜索成本很高，不能cover所带来的搜索，它用GPT-4o嘛。但Perplexity不在乎啊，它说我就赔钱——免费用户我当然赔钱，付费用户我也赔一些钱——只要烧出用户来，我就基于用户成长得到投资。Google呢？它不太能反击——
这是Perplexity最大的优势，它产品做得不错，但没什么特别了不起的。
Perplexity做得很好的是，把可信的问题，部分让用户以为化解了，其实并没有。它用citation（引用）的模式，让你觉得这篇回答里有这么多citation，我可以一个个点开，看是哪来的，大部分靠谱，就觉得你没有幻觉了。其实绝对不是——
我们衡量过Perplexity的幻觉，还挺高的——但用户觉得有citation，看到了放心。这是很有意思、很值得学习的一个用户体验的trick（把戏）吧。
还有使用场景，你如果要做research（研究）、得到insight（洞察），Perplexity的UI是正确的——它出各种图、视频、点击、文章、延伸、citation，像一个图书馆。Perplexity自称，公司愿景是做一个“瑞士刀”。有一把小刀，你搬出来什么都有。开瓶的、剪刀、小刀、开信封的，一个工具可以做比如12样事。
但我更相信Larry Page（ Google创始人之一）曾经说的。
一次，我在Google早期一个会上，Larry Page说：我们的搜索打几个字，出一堆链接是不对的；正确搜索形态应该是问一个问题，得到一个正确答案。
我们现在的技术更能贴近一个问题、一个答案，反而做非常复杂的research tool（研究工具），未必是每个人需要的。但对分析师、研究员、教授、学生、记者，是好工具。
所以，Perplexity我是认可的。但说它取代Google，还是很困难。
《潜望》：它似乎慢慢变成了一个内容产品，而不是一个搜索入口。
