「没进展的 5 年，也是内部技术变革的 5 年。」 两年多前，我们在 Robotaxi（无人出租车）的信心冰点报道过小马智行。那时的标题是：“市场不相信自动驾驶了，但他们还信”。 转眼到 2024 年：百度萝卜快跑 4 月在武汉引起热潮，Waymo 无人车队 8 月在旧金山的日均总单量超过了当地出租车（未计算网约车）；年底，又有文远知行、小马智行两家中国头部 Robotaxi 公司先后登录美股。 在特斯拉和 Waymo 的路线对比中，强弱之势也正微妙变化。10 月，马斯克的 Robotaxi 发布会后，Uber 股价大涨 10%；而 1 个月后，当 Waymo 传出进入迈阿密，Uber 股价则跳水 10%。 谁更有希望代表 L4 真的改变人类司机出行网络？华尔街在用钱表态。 这个时刻，我们再次访谈了刚刚完成 IPO 的小马智行 CTO 楼天城。 他完整描述了小马过去 5 年 L4 技术变革：从 Learning by Watching 到 Learning by Practicing。 前者是学习人类驾驶行为的模仿学习，是如今 L2+ 普遍选择的路；后者的关键则是构造一个训练车端模型的虚拟环境，让系统可以自己进化，楼天城称之为“世界模型”。 楼天城分享了与之相关的多个技术洞察： ·世界模型本质不是一个模型，世界模型是车端模型的 factory（工厂），自动驾驶技术的真正差别在于 factory 的精度，而非车载模型的能力。 ·Learning by Watching 最多是像人，但像人永远无法做到 L4。 ·越是优秀的人类司机，学起来越是反向优化。 ·MPI 为 1000 公里的产品不存在，因为它反人性。 过去 5 年，外界看不到 L4 公司的明显进展：MPCI（接管里程）仍在提升，但只要无人化车辆没有大量上路，人们就没有直观感受，技术指标只是冰冷的数字。 但在楼天城的叙述里，外界见不到进展的 5 年，也正是关术变革发生的关键时期。 这些变化，使 Robotaxi 今年得以启动百台至千台级别的规模化运营，也给行业带来了高开低走，又逐渐反弹的波折命运。这不仅考验从业者的理性技术判断，更考验感性的决心，和说服团队一起相信的能力。 “我一直说，大部分人不能坚持不是因为太苦，而是因为受到了诱惑。”楼天城说，过去 8 年，他没有遇到过能和自动驾驶相提并论的诱惑，大模型也不算。 时间线跳转： ·5 年前：瓶颈 →绝望→寻找新路 02:53 2019 年后，L4 的进展难再被感知，规模化无人运营带来了市场水温变化。 11:13 这 5 年：从 Learning by Watching 到 Learning by Practicing 12:30 前者是模仿学习，没法学习驾驶员怎么想 14:27 世界上不存在一个 MPI 为 1000 公里的 L2 产品，因为反人性 16:13 模仿学习的另一个问题是人的双标，AI 司机所以像人依然不满足需求。 19:07 学习优秀司机也不行，甚至是反优化 19:45 这本质是因为模仿学习是开环训练，“我绝望了，才发现闭环是出路” ·搭建“世界模型” 22:03 Learning by Practicing 的闭环训练，是强化学习思路 23:46 学了棋谱再强化（AlphaGo），甚至不如直接从 0 开始强化（AlphaZero） 24:28 感性上的挑战：之前的路线做了 3 年还不错，换路线后前两年追得痛苦 26:19 5 年前开始转向以生成数据为重，这也是世界模型的任务之一 30:36 在虚拟环境里学习，本质是“向未来的自己学习” 32:21 世界模型是车端模型的工厂，自动驾驶进化的关键是工厂的精度，而不是车端模型本身 34:43 Learning by Watching，数据和算力是关键；Learning by Practicing，世界模型的精度是关键 ·认为 L2 会覆盖 L4，是还没有越过分界点 35:03 没有谁做了错误选择，L2+和 L4的优化方向不同 36:18 L2 使用 Learning by Watching 没问题，也符合 L2+的规模效应特性 38:51 L2 不能覆盖 L4，L4 也不能取代 L2，真正越过分界点后会发现这是两件事 42:20 小马世界模型的构成：1.数据生成器 2.驾驶评估体系 3.高真实性的仿真 4.数据挖掘引擎 45:39 魔鬼在细节，世界模型的细粒度指标是核心竞争力 53:04 世界模型的终极状态：车不再因错误发生事故 54:48 千台 Robotaxi 开始有毛利，净利和扩张则是策略上的 trade off 56:15 不会因为它是特斯拉，Learning by Watching 就能 work 01:03:11 车辆运营维护与合作伙伴一起做；远程遥控人员的比例未来可到 1 比 30 ·大部分是因为结果的正确，倒推方法的正确 01:10:20 大部分人不能坚持，不是因为苦，而是因为受到了其它诱惑 01:11:08 大模型现在很 fancy，一旦走到应用阶段，会经历自动驾驶经历的所有事 01:11:35 MiniMax 的产品是 L4，CoPilot 是 L2 01:14:09 度过行业起伏：外界看不到进展时，内部也要有合理且可感的里程碑 01:17:30 越来越相信，世界是模拟的 01:19:40 大部分人是因为结果正确，倒推成功者方法正确，但正因如此，不该盲目套用别人的方法 01:24:00 过早追求商业化，和一定要追求最有价值的商业化，都是极端。“创业前我没想过二者的平衡，创业中我肯定偏执过。” 01:25:57 下一步的关键是合理成本下，扩大车队规模 相关链接： 《市场不相信自动驾驶了，但他们还信》 剪辑：甜食 登场人物： 楼天城，小马智行联合创始人兼 CTO。 程曼祺，《晚点 LatePost》科技报道负责人。

汉洋和工业设计师志斌一起聊了聊到底啥是工业设计？并且随机点评了一些当下比较火的产品。 本期节目我们聊到了： * 简单一句话 20 来个字概括工业设计 * 工业设计这门课本科都在学啥 * 哪个最不起眼的东西实际有很高的工业设计含金量? * 工业设计和其他设计的区别和联系 * 工业设计师是一个工业产品的产品经理么 * 工业设计在一个产品线中所处的环节是什么？ * 工资最高和最少的工业设计师分别在设计什么（或者说在解决什么问题） * 比如说你看到一台新发布的手机，你会关注什么？ * 顺着聊聊，如何看待 iPhone 的设计？ * 不同产品之间你关注的设计点一样吗？比如车和手机 * 聊聊理想 Mega * 那些细节是你一看就难的，但普通人都感觉习以为常的？ * 反过来呢？大家认为难但实际上很简单的呢？ * 没做过工业生产的老板，会在设计上踩什么坑？ * 我们拿到一台新设备，该怎么看他的设计好坏？ 相关链接： 志斌的播客《荒野楼阁 WildloG》（苹果） 《荒野楼阁 WildloG》（小宇宙） 预言在应验：五年前所讨论的未来人机交互的新范式_6.ylo 志斌的 blog 柳宗悦 登场人物： 志斌：一个家里有动物园的设计师奶爸 汉洋：设计溜达动线中 后期：甜食 封面：志斌在拍照

具体信息可以点击这里查看。 发邮件到 why at gailiuzi.xyz 就可以。

「稿件操作幕后，文字之外的更多想法和碎碎念。」 本期的主播是曼祺，很高兴和「十字路口 Crossing」串台，一起来聊《晚点》11 月底发布的一篇文章《中国大模型生存战：巨头围剿，创业难熬》的操作故事和感受，这刚好也是一次大模型创业的年底“非系统”复盘。 这段时间，我感受了非常不同的 AI 面向：先是参加了十字路口和 Abotify 一起组织的一场 AI 创业和开发线下活动（1000 天后的 AI 世界），本来 150 人的活动，有 700 多人报名，最后我目测现场涌入了 200 多人；热火朝天和甚至“乱哄哄”的现场交流与碰撞，是如今的 AI 拼图之一。 而这前后，我们为准备大模型稿件做采访、数据整理和撰文时，又看到了拼图的另一面：字节等大公司来势汹汹，后来居上，它的大模型进展在 23 年下半年还被群嘲，如今已不可小觑——“中国的大象真的会跳舞”。最头部的一批创业公司，尤其是既做模型，又做应用的六小龙无不感受到这只“大象”的压力。 所以我们后来在年底的大模型创业生态稿件中，选择了这样一个主线：“巨头围剿，创业难熬”。本期就是和 「十字路口」一起聊聊这篇稿件的操作，以及更多报道之外的言外之意和“前排感受”。 「十字路口」的两位主播带来了和不同的视角：Koji （杨远骋），联合创办了街旁、新世相和躺岛，他自己现在也在做 AI 应用，是一位活跃的 AI 开发者，对各模型性能区别和 AI 应用的快速变化有一手观察；Ronghui，目前在一家专注科技投资的风险投资机构工作，之前是第一财经周刊驻硅谷的记者，她所在的机构也在积极投资 AI 项目。 时间线传送： Part 1 大模型创业变局：核心变量仍是技术进化的方向与速度 02:33 市场的核心分歧：技术进化的方向与速度？ 04:35 if 进化快：也许有创业者能有一定的认知优势 & 模应一体也会更合理 08:16 if 进化慢：产品能力变得更重要 & 大模型头部公司融资不顺 10:00 神奇的 DeepSeek：不是大厂，但资源够多 11:55 不管进化快慢，开源对闭源都有压力 14:44 三种反馈：共鸣、中外关注差异、具体数据讨论 20:23 马云训话阿里投资部的段子背后 21:31 不是创业公司不顺利，是大厂衬托下显得不顺利 23:49 六小龙现状：Kimi 专注做 Kimi，零一不是没产品，智谱 AutoGLM 与手机合作 31:15 Kimi VS MiniMax：前者重注生产力，后者推出更多适应性产品；生产力是大公司的必争之地，MiniMax 星野、Talkie 在细分市场暂时比大厂产品更强 35:50 闫俊杰说追求 Intelligence with everyone；杨植麟说追求智能极限 44:34 大模型创业，一年花费到底多少？投资人的算法 VS OpenAI 花费 47:33 大模型创业公司不是面临一个挑战，而是一组纠缠的挑战 48:40 今日头条上线 1 年多时，就有 1000 万日活 Part 2 字节如何后来居上：招人才、定策略、建组织 52:13 字节在大模型上不如中国其它大公司，百度才是最早的 56:41 去年到今年，直接的变化：一号位亲自招人，确定自己做、不再对外投资，Flow 的成立 01:01:15 字节做 AI 的外部变量：海外的地缘压力 01:02:19 阿里的新战略：AI 驱动、公共云优先；未来的新看点：阿里云 VS 火山云 01:07:02 腾讯，可以后发制人 01:08:40 百度的组织张力，萝卜快跑反而成了百度今年的 AI 亮点 Part 3 应用在蓬勃生长，创业者没空悲观 01:11:45 十字路口xAbotify 线下活动，100 多名额，700 多人报名 01:12:44 超级个人+小团队的蓬勃发展 01:15:28 应用没有爆发？还是预期太高？ 01:16:20 好用 AI 应用的例子：Recraft、Cursor 01:20:00 创始人没空悲观，他们一定在寻找出路 01:21:24 “战争不是由拼搏组成的，而是由等待和煎熬组成的。” 相关链接： 我们办了一场全程高能量的 AI 创业者聚会 中国大模型生存战：巨头围剿，创业难熬 大厂大模型：久违的一把手工程 晚点独家丨月之暗面探索 o1，跟字节抢来华为刘征瀛 晚点独家丨大模型六小龙第一起分拆：零一万物计划独立 AI 游戏公司 晚点独家丨月之暗面收缩出海，相关产品负责人离职创业 登场人物： Koji 街旁、新世相、躺岛联创，@即刻 杨远骋Koji Ronghui 美元 VC，前《一财》硅谷记者，@即刻 Ronghui 程曼祺 晚点科技报道负责人，@即刻：曼祺_火柴Q 剪辑：十字路口团队 播客封面：《星球大战外传：侠盗一号》 关注《晚点 LatePost》公众号，阅读更多商业、科技文章：

和更多出海创业者、投资人交流后，我有个直接的感受，“不出海、就出局”这种言论是在给创业者们制造焦虑。 很多创始人没有足够认真地思考过，自己的产品是否适合卖到海外、努力投入几年后可能还不如做好国内市场、自己应该加强哪些方面的能力，以及，如果你还需要融资的话，投资人真正关心什么。 这期节目，我们邀请了云时资本创始人彭创，来聊聊从投资人视角看，什么样的出海项目更值得投资，出海创业者们身上有哪些优势和局限。 彭创在创立云时之前，是洪泰基金的管理合伙人、高瓴资本投资副总裁、高瓴旗下清流资本合伙人，投资过 51 信用卡、有赞等项目，现在云时主要看出海，覆盖材料/零部件、软件、智能硬件、自动化/装备、互联网五个方向。 创始人决定是否出海前，应该思考哪些问题？一起来听一听投资人视角的看法。 出海创业者们的优势、局限和纠结 00:01:44 以前投有赞、51 信用卡等互联网项目，我是如何从互联网到非洲，再到出海？ 00:07:16 从无人问津到所有人都在谈论，投资人看出海的视角有什么变化？ 00:11:41 从投资人视角看，中国出海创业者局限在哪里？怎么补足能力？ 00:19:32 想要做品牌的出海创业者，应该向安克学习什么？ 00:24:20 出海创业者们的犹豫、纠结，很大程度来自全球局势的不明朗 00:26:58 “不出海，就出局”是在制造焦虑，怎么判断自己的业务到底适不适合出海？ 作为一家主要投出海的基金，如何构建自己的投资逻辑 00:36:54 投资人能投的出海方向，选择已经不多了 00:39:08 什么样的出海创业公司，投资人会更感兴趣？ 00:49:10 从零到一，如何搭建起来一个双币基金？ 00:51:29 募资越来越难了，但本质上是因为曾经的资源错配了 00:55:42 给还在一级市场，迷茫的年轻人们一些建议 登场人物： 彭创 云时资本合伙人 陈晶 《晚点 LatePost》记者，关注出海（Wechat：tiema233） 剪辑：甜食

「大家都是牛马，凭啥你加夜草」——轶轩 和节目的老朋友丰泽聊聊人活着有啥意思，可以算是和王小伟老师那期《每个人活着都难受》那期的另一个版本。大部分问题想清楚很简单，想开了很难。意义的神圣感和吃饭喝水一样，是人的刚需。人活着有啥意思不是个虚无缥缈的问题；尤其是当代社会充斥着各种各样的「以工代赈」，工作意义早已被掏空。但人的价值不（光）是靠工作体现的。评价指标出了问题，不是人出了问题。 相关链接： 每个人活着都不舒服 圣山与山 没有签证怎么去非洲干活：和丰泽聊聊在非洲不同国家打灰的体验 是理想也是现实：一个清华博士的非洲选择｜文化纵横 登场人物： 丰泽：海洋于他们而言如同河流 汉洋：现前一段西来意，一片西飞一片东 后期：甜食 封面：烟火，汉洋拍摄于日本

汉洋和重轻借着聊小红书，谈了谈游戏社区这件事。但这期节目的内容可能和你想的不一样——他俩没有聊游戏社区是什么，而是就着游戏社区谈了一个更大的问题：游戏是如何从一项简单的娱乐活动，变成了生活本身？并且接着游戏社区这个话题，分析了一下到底什么是社区。不过因为这期节目录制的比较早，所以没聊到黑神话。 这期的 shownotes 里没有时间节点，是因为这期节目整体上就是一场逻辑推演。每个环节之间都有上下文语境之间的关系。 本期节目聊到了： 1. 这期节目是怎么来的 2. 作为一种出版物的电子游戏 3. 游戏的消费方式 4. 早期只有资讯，没有社区的游戏 5. 关键问题，游戏如何演化成了⽣活的⼀部分？ 6. 关键线索一：从买断制到持续运营 7. 关键线索二：更多的消费方式 8. UGC 基础设施的普及 9. 社会生活的底层逻辑 10. ⼀转眼，社区远⼤于游戏游玩 11. 到底什么是社区？ 名词解释： UGC：用户生成内容 相关链接： 汉洋关于小红书的文章《小红书的造梦都市》 为了写文章弄的美妆号（不咋更新） 小红书账号：汉洋在拍照 如何获得快乐：与重轻唠唠游戏产业的科普 按下快门，记录镜头下的沉玉谷绝美景色！ 风男们跳magnetic😱🙌🏻！！！ 【原神无UI】无缝转场，极致丝滑 痛耳机：全网首个魈宝痛耳机 自制散兵联名特饮：买不到？无所谓，姐教你自己做！ Has Genshin Impact Ruined Conventions? 恋与深空与猫 绝区零模仿小红书的桥段 登场人物： 重轻：播客《不在场》主理人 汉洋：朋友你关注我小红书了吗？ 后期：甜食 题图：汉洋的猫在看游戏

GPU 算力总消耗会提升，但暂时有冗余；AI 应用开发热情未冷却，只是不被 VC 关注。 今天的节目是一期加更，我们在 OpenAI 最新模型 o1 发布后的第二天，邀请了硅基流动创始人袁进辉与我们讨论了 o1 这一新进展，也分享了今年 1 月至今，袁进辉观察到的 AI 开发者社区的变化。 上次袁进辉做客《晚点聊》是今年 1 月，那时他刚开始新一次创业没多久，选择做服务 AI 开发者的推理（inference，即大模型的使用）加速和优化。 OpenAI o1 的一个重要新特性，正是从扩大 train-time compute 的规模到扩大 test-time compute（见下图，来自 OpenAI 官方博客），即通过在推理阶段分配更多计算资源提升模型效果——也有人称之为从 train scaling laws 到 inference scaling laws。 英伟达 AI 科学家 Jim Fan 说，这可能是自 2022 年 DeepMind 提出 Chinchill Scaling Laws（原版 Scaling Laws 上的一个优化）以来，大模型研究中最重要的一张图。 总结而言，o1 打破了一个预期：过去在大语言模型范式下，模型在解决推理逻辑问题时遇到了瓶颈。而 o1 通过强化学习（Reinforcement Learing，也被简称为 RL）、思维链（chain of thought）和测试时间计算（test-time compute）显著提高了模型的逻辑推理能力，所以在科学、数学和编程等需要更多逻辑能力的任务上表现大幅提升。 这期播客里，袁进辉比较通俗地解释了强化学习、思维链，还有 test-time compute 是怎么发挥作用的。我们也讨论了 o1 的这些新技术特性对算力消耗量，行业应用还有其它 AI 公司的动作可能有什么影响。 节目后半部分，我们进一步讨论了 AI 开发者生态这一年的变化。与很多人的观点不同，袁进辉说，在应用开发端，他没有感到 AI 热潮的冷却，只是现在涌现出的很多开发者是小微企业甚至是个人开发者，他们不在传统 VC 的视野里。所以一方面，创投市场会觉得 AI 应用的爆发不如预期，另一方面，实际调用量也在快速增长。 他还分享了一些一手数据：比如硅基流动自己的客户，调用最多的开源模型，国外是 Meta 的 Llama，中国则有阿里巴巴的通义千问和幻方的 DeepSeek，千问的优势是不同规模的模型版本齐全，而 DeepSeek 则在编程能力上突出。 时间线传送： ·o1 的“Wow”在于突破了大模型方法下的推理能力瓶颈 02:56 o1 发布，兑现了之前已被逐步释放的高预期 03:57 模型三重能力：语言、常识、推理，前两者之前已做得比较好，o1 提升了第三点 05:25 “弱智吧”是大模型试金石？ 06:35 同样使用强化学习，AlphaGeometry 关注度为何没有 o1 高？——强化学习本身不新了，Alpha 家族的 Wow 时刻已经发生，o1 的进展是打破了大语言模型推理弱的预期 10:28 o1 新方法：强化学习、思维链、test-time compute 11:06 强化学习和思维链，都是在解决数据问题 11:34 强化学习可以补充专业数据，它更适合规则清晰、反馈清晰的领域 16:50 思维链（chain of thought）是在补充抽象层次较高的宏观数据 23:09 强化学习和思维链可以正交，比如可以通过强化学习也生成一系诶思维链分步骤数据 25:07 列出思维链：最初是人写，现在可能是用规则，更优雅是靠模型 29:19 test-time compute，这不是直接补充数据缺陷，而是原本做一次的推理（inference）变成做 N 次，就像人的“深思琢磨” 31:18 强化学习、思维链、放更多资源给推理，每一个单独看都不是石破天惊的 idea，但 OpenAI 做了很好的组合 34:36 “2022 年以来大模型领域最重要的一张图”，揭示 inference scaling law ·总算力需求会提升，短期有冗余，o1 不改变训基础模型公司减少的趋势 36:49 o1 新范式意味着需要更多 GPU 吗？对英伟达的影响？ 38:51 猜想，预训练和强化学习的具体结合方式 40:56 算力需求也和参数规模相关，推理核心本身的参数可能不会特别大 43:32 从 API 收费看，目前 o1 推理成本可能是 4o 的几十倍 47:05 o1 最适合用在哪儿？Agent 可能能跑通了 48:45 程序员是最适合的 Agent 吗？辅助程序员在 o1 前就在发生 50:13 脑洞：o1 这类模型继续发展，能解决黎曼猜想吗？ 54:28 目前 o1 很慢，但有优化空间，一个技术应用的规律是：效果在早期更重要，之后缩短计算时间、降低计算成本几乎是确定性的 58:15 为什么目前 API 调用对速率有限制，且不支持一些功能？ 01:00:14 当前可做的推理优化：并行部分思维链计算，减少不必要的思维链过程 01:04:20 新变化也让一些工作可能没必要了，比如复杂的 prompt 工程 01:06:06 o1 对中国的影响：总体不改变训基础模型的公司变少的趋势 01:10:48 去年至今，GPU 算力价格已在下降，训练需求减少，推理需求增长暂时不会弥补，短时间 GPU 有冗余 ·AI 应用开发需求未冷却，只是更分散、更小微、个人化 01:13:13 供给端有调整，但在技术应用端，“我没有感到变冷” 01:15:13 更多个人开发者和小微企业做探索，更多其他行业来尝试，因为不需要完整 AI 班子了 01:18:33 应用未冷却和 VC 市场觉得应用没爆发不矛盾，因为对 VC 还太小 01:19:52 硅基流动推出云服务后增长很快。“如果每天和开发者打交道，不会觉得行业停滞或在变冷” 01:20:31 一些增长快的产品例子，捏他 01:21:38 云服务带来便捷的例子：Koji 十分钟写完 emoji AI 翻译器 01:24:20 继续坚定出海，目前硅流海外客户更多 01:26:32 硅流平台被调用最多的开源模型：通义、DeepSeek、Llama 01:27:39 “需求在这边时，谁都来帮你的忙” 01:29:27 硅流平台上的客户，每天调用数亿到 10 亿 token 的是有的 01:30:22 叶军分享的钉钉 AI 付费的启发：用户现在为小功能付费，而不是复杂大应用 01:32:46 从苹果手机可能是入口，到“巨头递减” 01:38:02 我们看到大模型的“瓦特蒸汽机”了吗？ 相关链接： 本期播客文字整理版 袁进辉上次做客晚点聊：《58：光年之外联创再出发，与袁进辉聊 AI Infra 到底做什么？》 硅基流动云平台 SiliconCloud https://siliconflow.cn/zh-cn/siliconcloud 《OpenAI 再次给大模型 “泡沫” 续命》（《晚点 LatePost》关于 OpenAI o1 的文章） “蹭下热度谈谈 OpenAI 的价值”（播客中提到的中科院张俊林微博） 登场人物： 袁进辉，硅基流动创始人。联系可加微信：SiliconFlow01 程曼祺，晚点科技报道负责人。即刻：程曼祺_火柴Q 贺乾明，晚点科技报道作者。即刻：我是 chiming 剪辑：甜食

经过去年的技术猛进，今年下半年，市场对 AI 的关注焦点逐渐变成大模型到底怎么落地，怎么创造价值？ 在诸多大模型落地的潜在方向中，SaaS，即面向企业和专业工作者的软件服务被认为可能是最快、最确定的一个。 今天的嘉宾是有十年 AI SaaS 经验的科大讯飞副总裁王玮。她是语音技术研发出身，2015 年主导负责和开发了中国最早的 AI SaaS 产品“讯飞听见”，这是一款语音转写 SaaS。去年，讯飞又将旗下的讯飞听见、讯飞会议、讯飞同传、讯飞写作等办公产品整合为智能办公 SaaS 平台。 我们与王玮聊了过去一年大模型对讯飞的 SaaS 业务带来的冲击与机会，过去十年她做 AI SaaS 的经验和教训，以及更久之前，她作为语音技术研发人员的职业成长故事。 在讯飞成立的 1999 年，中国还没有成熟的风投、融资创业不是主流，这是一家第一天就要平衡赚钱生存与研发投入的公司。在现在的创新、创业环境下，这种平衡也是很多想做大模型的公司要面临的情形。讯飞听见的故事可能是一个参考。 时间线传送： ·大模型给 AI SaaS 带来的冲击与变化 02:34 去年讲技术节点，精确到几月几号；今年全行业重点变成讲落地 05:53 AIGC 的价值是把人从机械工作中解放出来 07:17 讯飞也在侧重消费者业务板块，但投放上不是烧钱拉新逻辑 13:21 一批新公司主打免费，讯飞为何继续收费？ 14:28 语音转写的体验差异要看困难场景的表现：多语种混杂，多人对话 16:14 从方言保护到语音技术的演变：过去需要语言学家，现在是技术驱动，未来可能需要对语言重新深入了解 20:10 大模型本身不足以解决“鸡尾酒会场景”等语音难点，还要配合工程能力积累 20:57 讯飞也在探索端到端语音技术 ·讯飞做 AI SaaS 的十年经验：软件+硬件+服务一起做 24:18 2010 年，讯飞第一次尝试消费者业务，做语音输入法 26:23 讯飞听见的诞生：语音输入法使用短语音技术，想做投入更大的长语音，需要一边研发，一边赚钱 26:48 AI 会带来失业吗？速记行业的“反讯飞联盟”的消失 29:11 讯飞听见一开始就同时做 to B 和 to C 30:07 to B 要适配国产操作系统，且要自己设计硬件工作站，方便企业私有化部署 32:50 产品经验：软件+硬件+服务 34:08 做 SaaS 一直要面临的抉择：更通用 or 更垂直（定制）？ 36:43 具体场景案例：讯飞怎么做深会展场景？ 41:25 为什么做 SaaS 也应该做硬件？ 43:57 离线版的升级需要派人去做本地服务，需要做好交付团队和生态 46:05 AI SaaS 要追求 3 个成功：产品成功、市场成功、财务成功 ·聊未来：出海与行业悬念 52:39 AI SaaS 出海数据法规最严的欧洲，合规经验 57:08 未来一年，AI SaaS 的行业悬念——会不会有新商业模式 本期人物： 王玮，科大讯飞副总裁、听见科技总经理 程曼祺，晚点科技报道负责人，即刻/小红书：曼祺_火柴Q 剪辑：甜食

东南亚，曾是许多中国投资人心中的“应许之地”。 2017 年前后，中国打车、团购大战告一段落，在“时光机理论”的指引下，投资人将数百亿美元投向打车与外卖平台 Grab、Gojek，电商平台 Lazada、Sea、Tokopedia等，他们希望在这里找到下一个阿里、美团或是滴滴。 然而，Grab 自 2020 年上市至今市值已跌去 76%、Gojek 与 Tokopedia 合并后的印尼最大科技公司 GoTo 自 2022 年至今市值已跌去 85%。 东南亚市场今天还有人投资吗？电商大战还在打吗？ TikTok、Temu 这样效率更高、手段更狠的新对手，给 Shopee、Lazada这样的老玩家带来了怎样的冲击？ 今天我们请来了非常熟悉东南亚电商市场情况的朋友，墨腾创投创始人李江玕，他既在东南亚一线做过业务，也做过东南亚本地投资，现在墨腾创投（https://mp.weixin.qq.com/s/3JgndVfD_P6qAqhrSjVz5g）会定期输出对东南亚市场的观察。 李江玕曾担任打车平台 Easy Taxi 和外卖平台 Foodpanda 的东南亚区域 CEO，这两个业务都由德国孵化器Rocket Inteternet 投资，它孵化的另一个更为大众所知的项目，是今天东南亚第三大电商平台 Lazada。 内容摘要： 10:22 老板太粗鲁，球赛输了......外国员工辞职的理由你想不到 11:57 东南亚不是铁板一块，而是多个风格文化各异的国家市场 24:04 Lazada 为什么东南亚没打过 Shopee？ 32:00 Temu 的低价打法，在原本已经非常低价的东南亚市场，还会奏效吗？ 38:13 美团外卖出海有多大机会？ 44:33 东南亚电商第一名 Shopee 今天面临的挑战：新对手效率更高，更算法驱动 53:10 TikTok 收购 Tokopedia 后，整合得怎么样了？ 01:02:18 TikTok 和 Temu，组织管理的明显分野 01:11:00 谁还在投资东南亚？投资什么？ 登场人物： 李江玕：墨腾创投 CEO，长期扎根东南亚 陈晶，晚点 LatePost 记者，正在看出海（微信：tiema233） 剪辑：甜食 封面图：Lazada的街头快递员 扫描二维码，可关注《晚点 LatePost》：

本期节目，我们访谈了智能驾驶供应商 Momenta 的创始人曹旭东。 Momenta 是曹旭东第一次创业，他 8 年前成立这家公司时刚满 30 岁。这之前，曹旭东在清华学物理，后来获得直博机会，但他中途从清华退学，转而去微软亚研院做 AI 视觉研究；2014 年，他加入了刚成立的商汤，创业前，他是商汤的研发总监。 在 2020 年之前， Momenta 都谈不上耀眼，它好像从来没成为过智驾行业里的 AI 四小龙或大模型五虎般的存在。而在 2021 年，这家公司却在一年里融了 10 亿美元，它的大部分融资都发生在这一年。 背后的逻辑也简单：特斯拉在 2020 年大卖，仿佛一夕之间，量产高阶方案就被接受了，而 Momenta 一直在做这件事，过去没什么反响，如今有了客户，而且是最多客户——目前 Momenta 手里有最多的智能驾驶车型定点——包括上汽智己，这是 Momenta 的第一个大客户，还有后来的比亚迪、广汽等等，数量超过了华为。 所以现在智驾行业里有一个新组合，叫“地大华魔”，指地平线、大疆、华为 和 Momenta，它们被认为是智能驾驶供应商里的头部玩家。 现在这一批 AIGC 公司的故事有些像自动驾驶的昨天：极高的期待，大额的融资，优秀的人才，在短时间里汇聚到一起。而一批智驾公司的今天，则展现了一个黑科技领域发展 10 年后可能会是什么样子。 我们和曹旭东讨论了 2023 年以来智驾领域的诸多变化，以及 Momenta 的策略与选择。这个行业还有很多悬念：车企与智驾供应商应该如何分工？在端到端大模型的大方向下，怎么选择具体的技术路线？未来市场格局会有多集中？能容纳多少公司？活下来的公司会是什么形态？ 这次访谈的文字版，之前已经发布在《晚点》的公众号上，可见 shownotes 里的链接。 时间线传送： ·FSD 半年进化了几十倍，智驾在买车决策里更重要了 03:10 一年半前最担忧的事是 L2+ 不能真的帮车企卖车 04:12 技术进步，华为问界的催化改变了局面 07:07 部分车企等不及自研，更积极用供应商 08:41 FSD 进中国为是好事，卷价值，而非卷价格 10:07 欧美客户试乘后的评价 12:01 智驾公司盈利的条件 12:46 如何衡量智驾供应商的位置？体验、客户质量、客户数量 13:57 三维度对比，华为 vs Momenta ·超越智驾摩尔定律，未来第一名会占 70% 市场份额 16:31 智驾摩尔定律：每两年硬件 BOM 成本降一半，软件性能提升 10 倍 17:42 产业链定位，为什么 Momenta 做 Tier 1（直接给车企供货的一级供应商），而非 Tier 2？ 18:56 整车追求差异化，智驾则没有差异化，只有好与更好 20:10 垂直整合，原因与边界 21:54 价位下探，未来 15 万的车也会标配高阶智能驾驶 22:34 和高通合作则不仅为性价比，也为上油车、混动 23:41 同时和英伟达、高通合作，什么体验？ 25:26 低水平竞争可能会在两年内结束 27:17 智驾出海的机会和挑战 ·端到端不难，难的是做高端到端的下限 29:02 端到端大方向下可能有 10000 条路 30:17 Momenta 开发端到端：用神经网络做感知→用神经网络做决策（deep learning planning）→感知、决策合成一个大模型 32:07 2021 年底的重要选择，当年底交付的方案到底用模型方法还是用规则方法？ 35:39 新方案如何让客户信任 38:36 做出端到端不难，提高下限难，这是个体系工作 40:49 如何提高持续做对技术判断的概率？——低成本短周期试错 44:23 “正确的大方向”举例：围绕交付建立高效体系 46:11 短期压力导致短期救火，导致团队崩溃，坚持主线产品不分叉很重要 ·“做有杠杆的事” 51:11 多发钱、高人效 51:45 Momenta 如何从 400 人交一个车型到现在几个人交一个车型 53:40 公司现在最大的杠杆，产品能和技术 54:37 组织目前的杠杆：持续招到和晋升更好的人 58:16 把公司战略穿到身上 01:00 重要决策来自小会议，人数一个车上能坐下 01:02 成为最终头部的挑战，全球化 01:03 在六道口试乘无图端到端，车上聊天 相关链接： 对话 Momenta 曹旭东：超越智驾的摩尔定律 https://mp.weixin.qq.com/s/QAZvo8xNw8UyIotyer7rEw 本期人物： 曹旭东，没有驾照的智驾公司创始人 程曼祺，晚点科技报道负责人，即刻/小红书：曼祺_火柴Q 剪辑：甜食 附录：自动驾驶图示 & 播客中提到的一些术语 自动驾驶有感知（Perception）、规划与决策（Planning）和控制（Control）三个模块，靠感知 “看”，靠决策 “思考” 怎么开车，靠控制模块完成驾驶行为。 端到端技术现在一般指从感知到决策，整个过程用一个大模型实现。 而过去的智驾技术系统，尤其是决策模块会使用大量编程写就的规则，而不是用深度学习来做。 我们在播客中聊到，Momenta 做端到端的过程，是先用深度神经网络做了感知，这是 2021 年之前很多公司就能做到的事，接着是在 2022 年用深度学习做了决策，也就是反复提及的“deep learning planning”，之后在 2023 年把两个分段的模型合成了一个端到端模型。 扫描二维码，可关注《晚点 LatePost》：

谭熠在清华的实验室。 核聚变发电，理论上需要的燃料重量只有煤炭的 1/10000000，不会排放二氧化碳，也不会像现在的核裂变发电站那样，可能泄漏危害环境上百年的辐射物质，被视为终极能源。 全球的科学家们研究了 70 多年，都没有把它变成现实。今年 7 月，核聚变工业协会（FIA）发布报告称，有 5 家公司计划在 2030 年之前实现核聚变发电，还有 21 家定在 2035 年之前。 核聚变发展真到了这个地步吗？ 这期节目，我们邀请到了核聚变领域的资深研究者和创业者谭熠。他说，核聚变领域也存在 “Scaling Laws”，这本身是一个物理概念：把核聚变装置的尺寸、磁场感应强度和磁场利用效率提高后，就能达到更好的效果。“资金投入多了很多，有很多激励机制高效、效率高的公司参与，会大幅加速这个过程。” 谭熠 2002 年就在清华大学攻读核聚变方向博士，毕业后留在清华继续研究核聚变，现在他是清华大学副教授、博士生导师，管着清华大学的核聚变装置。2021 年，他创办星环聚能，成为中国首批核聚变创业者。现在他们在西安建成了核聚变装置，并成功点亮了等离子体，验证了技术路线。 他们计划在 2027 年建成下一代核聚变装置，目标是让核聚变输出的能量是输入能量的 10 倍，到时候距离核聚变发电就更近了。谭熠说，按照他们的计划，普通人再过 10 年就能用上核聚变发的电。 动图：星环聚能运行第一代核聚变装置，点亮等离子体。图片来自星环聚能。 本期节目我们聊了： 核聚变行业现状&研究历史 * 01:55 - 我们不能用之前几十年核聚变的发展速度去判断后面核聚变的发展速度。 * 04:13 - 聚变成功肯定是一件收益无限的事情，但是怎么达到这个目标，其实大家并不清楚，还得饱和式支持。 * 05:48 - 核聚变原理早就清楚，但我们不可能去用原子弹去引爆氢弹实现核聚变，必须从根本上改变实现方式，从惯性约束变成磁约束。 * 12:21 - 核聚变永远 50 年在当时是对的。现在也许不到10 年，在新的这阶段也有可能是对的。 * 19:42 - 实现核聚变，现在大家唯一信得过的就是做实验。不同国家、不同团队在不同装置上做不同实验，得到数据，最后做拟合，然后得出规律。虽然说不清什么道理，但是大家认为这是可信的，这个过程就跟训练 AI 有点像。 实现可控核聚变的不同路线和难点 * 21:32-更重视工程而不是基础科学研究，是推进核聚变发电的现实情况，也是正确的路线。 * 25:35 -什么样的路线、装置能实现核聚变，在市场上有竞争力，现在还没有共识。 * 31:11- 星环聚能选择球形托卡马克，最直接的原因是有路径依赖，已经研究 20 多年，对好处坏处都比较清楚。 * 37:19- 从原理来看，托卡马克就是一个变压器，不适合长时间稳态运行，现在大家做了各种辅助设备，强制变成了这样，做得非常累，非常难。 从头做一家核聚变创业公司的经历 * 42:36 - 此前的创业经历，让自己学会怎么去更投资人介绍自己的技术，为创办核聚变公司打下基础。 * 53:32 - 希望 2027 年建成下一代核聚变装置，实现 Q 值大于 10。信心来自核聚变领域的定标律，也就是 Sacling Laws（这本身是一个物理名词）。 * 56:12- 下一代装置要花 10 多亿元人民币，寻找资金是每天都在做的事情。 * 57:25-未来的不确定是，目标与现实之前缺少数据支撑，Sacling Laws 在这个阶段是一片空白。 * 01:06:23-创业后感觉自己潜力得到释放。过去两年的成果可能比过去二十年都多。 * 01:07:44-核聚变没道理实现不了，他们计划十年后让普通人用上核聚变发的电。 * 01:09:15-希望投资人胆子大一些，敢投跟美国公司不一样的技术路线。 相关阅读： 中国首批核聚变创业者谭熠：它总在你绝望时又给你希望｜TECH TUESDAY https://mp.weixin.qq.com/s/5kk5oOLQB3noHlNpiG1dVQ 可控核聚变：离风投更近、离现实多远……还不好说丨TECH TUESDAYhttps://mp.weixin.qq.com/s/J2GBVZqS4bvadJrKOcMYdA 本期节目中出现装置、公司等名词： 托卡马克：由苏联科学家发明的核聚变装置，主要原理是借助强大的磁场压缩高温等离子体，首先核聚变，是目前核聚变发电的主流方案，强场托卡马克、球形托卡马克都是衍生路线。 等离子体：固体、液体、气体之外的第四种粒子，有点像带电的高温气体，实现核聚变的基础粒子。 磁约束：用强大的磁场压缩高温（1亿°以上）等离子体到特定空间，实现核聚变的路线。 JET：世界上建成的最大的托卡马克装置，核聚变记录的创造者，去年底实现 5.2 秒核聚变后关闭。 ITER：正在建造的巨大托卡马克装置，有十层楼高，全球多个国家投资 200 多亿美元，预计明年建成，2035 年运行。 Helion、CFS：两家美国核聚变创业公司。 登场人物： 谭熠，星环聚能创始人、首席科学家。 贺乾明，晚点科技作者。即刻：我是 chiming 剪辑：甜食