一直以来，我认为创业是时代、机会和个人努力三者的结合，是有方法论的，通过不断的迭代才能够持续找到成功的路径。6年前我开始投资人工智能，到今天为止，猎豹移动+猎户星空在人工智能投资的研发费用已经超过1亿美金，走了很多弯路。但是我一直坚信，人工智能是一个改变时代的机会。当ChatGPT出来的时候，我也非常兴奋，认真学习了很多，比如远程观看硅谷创投机构YC的路演。我发现，硅谷一半以上的项目都在做ChatGPT相关的应用创业。
作为一位创业者，我们应该深入底层逻辑思考它的原理是什么？为什么ChatGPT可以改变世界？以前为什么没有这样的应用？实际上，从原理来讲，语义理解是人工智能技术的皇冠。今天是2.0时代，但是在我投人工智能的时候是1.0时期，那时做图像识别，觉得计算机能够识别人脸已经很厉害了。现在想想，能够识别不是人类独有的智能，动物也具备这样的能力，因此识别只能算智能，把智能和人类智能分开尤为重要。人类智能和动物智能的核心区别是语言，在于能够描述虚拟事物的语言，即逻辑语言。但语言到底是什么东西，人类自己都没有研究清楚。在ChatGPT出现之前，我们认为语言的规律已经被总结完了，只要按照这些规律就会学会语言，后来发现ChatGPT根本不需要那些规律去学习语言。我们的语言虽然有主谓宾定状补这些语法，但是语言实际上是浩瀚大海。100年前，图灵在计算机几乎还没有出现的时候就提出了一个思维假设，如何证明机器有人类智能？于是进行了对话测试，把机器放在黑屋里与成年人聊天，其中30%、40%的人觉得它是一个人，有人类的对话能力就意味着有人类的智能。攻克语义理解的难度，高于最初做出图像识别的难度。这是由于两个斯坦福大学的研究生用电脑把人类30年的识别成果提高了十几个点。人工智能如果能攻克语义理解，基本意味着通用人工智能很快出现。语义理解有两条技术路线，第一条路叫做“教育”神经网络。因为人类有语言学，总结了很多的逻辑。所以最开始大家的本能反应是我教会你，最常见的一个词是知识图谱，把知识整理出来告诉你要学习。这个模式更符合我们对语言学习的逻辑理解，像人学习外语，开始投入就能见到效果，所以绝大部分公司选择这条路线。但问题是系统达到一定语言能力后，无论如何优化，依然有大量的问题的回复完全是答非所问，人工智能瞬间成为“人工智障”。这条路线有条隐含大BUG：人类学外语时已经通母语，对世界有了逻辑认知。
第二条路是神经网络“自学”，像人类学母语，给神经网络海量文本，让神经网络自己发现文本之间的规律给它文本，让它自己去找文本的规律。母语路线其实是没有严格的理论支撑的，在ChatGPT3.0之前，几乎只有OpenAI坚信第二条路线，最后成功了。ChatGPT通过对海量文本的学习，自动构建了一个含有千亿参数的大模型，建立了对这个世界基本的逻辑认知，“涌现“出了基于逻辑的推理能力，产生了人的智能。有一天我问ChatGPT，我家的狗为什么叫三万这个名字？我给它一个提示：这只狗是我在宠物医院收养的，被前主人送过来的时候手术费要三万，因为被撞骨折了。后来，那个主人就消失了，但是三万块钱没有人付。ChatGPT能够依据我给的信息，推断三万这个名字是由于手术费需要支付三万元。它能够回答出这么一个简单的问题，说明它具备了对社会的常识。然后我又问了很多尖锐的问题，比如穿山甲能不能穿山，它说土包可以；我说能不能穿钢板，它说钢板太硬了；我说能不能穿木板，它说取决于木板的厚度。你会发现，它具备了对这个世界的理解力。在ChatGPT出来之前，对话系统就像鹦鹉学舌，虽然能够部分匹配内容，但是系统并不完全理解具体的含义。比如对小爱同学，诸如下一首、上一首这样的指令词，可以泛化出上百种问法，最后只能用模板式的指令。ChatGPT出现以后，对话系统是建立在语义理解的基础上。尽管也会说错，但都是“一本正经”的胡说八道。
ChatGPT的回答原理是当用户键入一段话，系统会根据这段话形成一个数学表达式去和大模型里的参数做匹配，产生关联概率最大的一个词，然后再以这个词和上面那段话合在一起，继续以上过程。我特意问过ChatGPT，参数是不是能理解词和词之间的概率关系？它说，对，是在一个巨大的空间里面形成了各种词之间的关系，当你一句话由很多的词组成的时候，就根据这句话形成的数学表达式去猜下一个词。这个原理很重要，因为这意味着你所有的问题都和你上面问过的问题具有相关性，是根据上面的整个语境去完成下面的输出。
基于以上原理，我们可以把GPT看成一个大号计算器，不断计算下一个词的概率。这种词的概率的推断符合人类的预期，因此产生了人一样的思维逻辑。我们经常说机器没有温度，但它可以表现得非常有温度。根据你得需求去产生答案，如果你揭开它神秘的面纱，它就一定有很多的不完美。但是它产生的逻辑思维能力，是绝大部分人在脑力劳动当中能用上的，如果你的逻辑思维不够缜密或足够浅，它就能够替代你。这是底层范式的变化。一本正经地胡说八道，重点在一本正经，而不在胡说八道。一本正经说明它的逻辑是正确的，胡说八道可以通过plug in专用系统来矫正。比如数学做不好，可以给予数学小模型，把题解析出来。正是因为从原理层理解，所以逻辑和推理能力会越来越强，因为参数可以不断扩大。理论上，芯片只要足够便宜，大语言模型参数量可以不断扩大。
但是它没有意识、欲望和好奇心，更重要的是它不会自然而然的知道你是谁，你要什么。所以它不会是上帝，只会是copilot，需要应用生态，需要人来驾驭。比如你让它提供一个好的策划案，但是不告诉它你的产品、目标用户群、期望的结果，它在没有意识的情况下就不会产生策划案。我认为ChatGPT带来的变化有两类，一类是交互革命，GUI跨向LUI时代，第一次机器可以自适应人的表达，所有的软件、设备，都值得重做一遍。乔布斯说过：“每一次交互的变革都是一次工业变化的机会”。苹果有幸抓过两次机遇，一次是键盘图形界面，第二次是iPhone。无论怎样在图形化界面上使用，人都是要学习的，比如程序员，将很多时间用来学习如何把人类的语言翻译成机器语言。第二类是生产力革命，人类智能水平不仅取决于人口数量和教育程度，也取决于大模型的智能化水平。数字化员工会成为公司标配，比重越大者越能胜出。以前硅谷的科技公司融钱全部用来雇人，现在一半用来雇人，一半用来购买大数据、向量数据库、三件套服务，建立自己的数据模型。行政工作也已经大幅减少了，因为把内部的规章文档做成了模型接口。
未来行业的变化，第一是平台“核战争”，中国已经有超40家大模型，都号称千亿参数。没有超级大模型的大公司，不再会是平台公司。如果没有生产力变革，作为平台公司就会被淘汰。大家做的效果本质上都差不多，基于算法、数据、场景，基本上都会做数据标注。第二是垂直私有大模型会“白菜价”，随着行业垂直模型能力普及化，成本急剧降低，不再是20亿美金才能做一个私有化大模型。第三是人人都是程序员。“码农”作为独立的工种可能会消亡，因为让ChatGPT帮助写一个程序，它可以完成从推荐程序、搭建环境及安装等工作，甚至于每一行代码如何贴，如果贴过去出错了，告诉它出错点，它会告诉你纠正的方法。第四是自然人语言的交互模式将成为核心交互，正如《Her》这部电影描述的一样，未来设备交互的终端形态基本上是“有事您吩咐”的状态。第五是企业的HR会变成IR，人力资源变成智能资源，数字员工越多效率越高。如果我们再不努力，可能会被人工智能所替代。正如Sam的采访一样，以后人工智能的终极形态可能是你跟它说，需要一个1万亿美金的公司。ChatGPT就会去开始分析市场，创建公司，写商业计划书，然后组建团队，进行融资等活动，在3年以后将一家1万亿美金的公司呈现在你的面前。未来的人族只有两类人，米卢在执教中国足球队的时候说过，态度决定一切。《正念领导力》这本书对我的影响很大，核心是为什么创业者不快乐？总的来说，由心态决定，一个是积极的心态，一个是消极的心态。在正念领导力线上的人，被称之为AI的驾驭者，不断突破自我，不断以当下为乐趣，做了很多成就，但是他们不快乐。那些想要躺平享受生活的人，未来一定能实现，但在此过程中会经历一段阵痛期。而正好，OpenAI的愿景便是发行世界货币，把钱给到那些不能驾驭AI的人手中。在《未来简史》中，作者也提出了同样的观点：在未来，大约有少部分人需要掌握知识，因此，“体验和敏感度”将是未来最稀缺的能力。但是，不管那个未来以何种形式到来，学习仍旧是今天最重要的事情，因为世界的变化实在太快了。
现在我提一个问题：如果你只学习大模型的一个技术点，你会选择学什么？怎么能赚到钱？我的答案是Prompt。Prompt十分重要，它指与大模型的对话能力，这个看似简单的能力却涉及到很复杂的技巧和技术。吴恩达专门开设了这门课程，他用了非常浅显的方式去教学，适配不同学历层级的人。但有天我发现我们公司的绝大部分程序员都没有上过这门课，这让我感到意外和愤怒。由此反映出一个现象：对投资人来说Prompt太薄弱；对工程师来说Prompt太浅显。
但其实，Prompt既不薄弱也不浅显，相反，它尤为重要。为了说明这些人心里的偏见，我特意翻出了牛顿写的一本书，名叫《自然哲学的数学原理》。在这本书里，牛顿把Prompt定义为：自然语言天然的压缩性导致的天然歧义性。以及每个行业的专业属性，使得Prompt是嫁接大模型逻辑能力和应用需求的桥梁。因此它不可或缺，非常重要，一点也不浅薄。我们今天提到“苹果”，我脑海里出现的是“苹果手机”，你脑海里出现的是“ipad”，而农民想到的是水果。因此，语言具有歧义性，我今天提到的Prompt与你解压而成的信息会有一定出入，造成了理解上的误差。这也是为什么“在工作中，80%以上的问题都出在沟通不畅方面”，因为自然语言天然的压缩性。压缩完后，你在脑海里的信息还原与我是不一致的，需要一定的时间进行沟通。还有一点是不同行业的专业属性。比如小红书文案工作，做咖啡的内容和做酒的内容会很不一样。这种属性怎么处理？只能靠Prompt。我和《哪吒》的导演聊了聊电影和AI，他提到，现在的AI发展得不错，但还没有达到他的要求。比如，让它把一张图弄成张艺谋的风格时，明显效果不如人工设计师。我承认现在AI的水平还有待提升，但是他在命令AI把图片做成张艺谋的风格时，对“张艺谋的风格”并没有明确的指标。他心中的“张艺谋的风格”跟AI知识库里“张艺谋的风格”肯定很不一样。而他的设计师跟他至少一起工作了两三年的时间，自然很熟悉他的审美，知道他想要什么。他与设计师之前存在着很深的Prompt。所以，我们怎么理解Prompt这件事？其实我们每天大量的工作就是在做Prompt，Prompt并不简单，需要你告诉员工该怎么做。大家不妨想一下：公司为什么要推OKR？也是Prompt。
1）在我看来，Prompt首先是不可或缺的行业知识定义。今天每一个行业都有差别，今天每一个创业者真正的价值就来自于了解行业。大模型始终存在一个问题——它学的全都是公开文本。公开文本里面叫做冰山上的角，最后露出水面的东西，但是有大量知识是在公开文本里找不到的。比如说我们学牛顿，只能学智能科学的那些哲学原理，但如果牛顿还活着，天天去跟他喝咖啡，才能真正地快速进步。所以，大量的行业知识是宝贵的，你应该思考怎么能把大模型能力用起来。2）其次，Prompt是撬动生产力的杠杆。因为它是为所有人准备的，它能给你一个所有人都觉得正确但是没什么用的答案。因为它不知道你是谁，不知道你的实际诉求，因此它可以作为一个知识点的考核，但不能做出一个真正的方案解决。3）Prompt是人工智能时代的编程语言。我跟很多工程师说过，以后可能真的不太需要写C++了，以前工程师有很多所谓的经验是在了解语言特性上，未来每个人只要会说话、会写字，就会写Prompt，再也不用去学专用的编程语法了。但还是要把这些东西写的很好，就像写本书、毕业论文和好的结构目录一样，如果把这个东西阐述的好，大语言模型就能助你一臂之力。你觉得它浅薄是应用理解的浅薄。我们有一个项目，制作了一款人工智能角色吵架的产品，如果跟它说：“需要一个调研报告，不能少于1000字。”这款产品能写出几十上百页，多种角度代表不同角色。这个项目很有意思，就看着一群机器人在那里吵架，大概10分钟后，给到你一篇报告。这个项目让团队很有成就感，把它视为大家智慧的结晶。在此过程中，我切实感受到了Prompt对编程提供的便利，但是却发现中国创业者当中重视的人不多，对此我深感遗憾。如果一家技术公司的代码全是工程师写的，工程师是不是真的可以作为99%的价值贡献人？一般而言，老板不写代码，其实他才是那家公司最大的价值。基于此，让我们回到那个争论——为什么会有不同的判断？我觉得有两点：第一，Prompt是个实践工程，大语言模型也是个实践工程。不管听说了多少内容，看过和写过是完全不一样的。我们曾经担心在大模型下做应用会很浅薄，但现在整个硅谷都很重视智能体、记忆、个性等内容，到如今，OpenAI依然解决不了这些问题。因为这里面要深入的工作有很多，包括把模型的参数做好、把服务并发降下来等。GPT4到今天还需要用户付费，这说明成本非常高。第二，大模型开启的是新时代。用过去的眼光看新应用算不过来账，很容易忽略价值，新时代的开启需要新的思维模式。互联网刚出来的时候，很有多类似“为什么中国移动没有做出QQ？”、“淘宝有什么价值？”等言论，如果一直用狭隘的角度看时代的发展，未来不会有新的东西发生，也不会有创新的出现。今天，硅谷近一半的创业项目都围绕着大模型展开。硅谷为此砸入了很多资金，所以这些应用肯定不是一个套壳，让我们拭目以待。OpenAI刚出来时，对我的震撼非常大，当时在鼓吹千亿模型、自学习的时候，我也心动了。因为我们在AI上投了一亿美金，后来，我女儿去商场看了我们的机器人，回来跟我说，“你开发了一个人工智障机器人。”对此，我只好跟她说：“不是爸爸不行，是行业水平有限。”结果，OpenAI真的实现了。我们摸索了很久，宣告失败，而它为什么能做出来？
第一，它做的是通用人工智能。美国投资人很尊重创业者，因为在他们看来，创业者是专业的，所以要让创业者有更多的机会。过去的思维没办法判断未来，伟大不能被计划，未来也很难被预测。那么，创业者机会在哪里？千亿大模型的难度的确很大，现在大公司都在开始行动了，在OpenAI之前没有大公司做，而现在大家都在争抢。在此情形下，创业团队举步维艰。第二，行业垂直大模型。我觉得行业垂直大模型是很大的机会，每个行业语调的训练、对这个行业的理解可以直接融合在大模型的基座里，而不是完全通过Prompt。第三，直接做 ToB和 ToC的应用。这里面不乏机会，但是制作 ToC的应用还需要一些时间。因为这个行业在快速发展，各个技术手段还在调试中，但我相信 ToC的应用肯定会出现颠覆性的产品。不过，它已经不在现在我们思考的逻辑里了。包括做语音呼叫外卖、语音搜索、陪聊机器人等，我认为鲜少有市场机会，因为微信已经摆在那里了。第四，要尽快使用数字员工，提高运营效率。尽可能私有化部署垂直大模型，数据私有能够提升自身的竞争力。我始终认为，在国内，大模型应用应该聚焦于ToB；在海外，大模型应用应该聚焦于ToC。目前我看到，猎豹移动虽然很早便开始行动了，但是与海外开发者的速度相差很多。虽然，目前出现了一波中国ToC应用的出海潮，但我不建议在国内做ToC，因为国内的互联网公司的竞争太大了，另外还存在着制作出来的应用无法走向市场的情况。就我自身而言，我在团队内部展开了一系列的活动，虽然进程有点滞后，但大方向是正确的。另外，我还实施了大模型应用和小组化，尝试进军行业大模型。由于开源的兴起，要做一个垂直模型的难度是大幅度下降的，这其中需要的财力和人力对一家中等规模的公司来说，是完全能够承担的。因此，先不要过度害怕。经过2016年那次制作人工智能的失败，我总结教训以后，发现所有的创新都应该是从核心的点，慢慢地生长出来。而不应该一开始就铺太大的摊子，这样很容易在其中任何一个环节上出错。
对外做产品，我总结了一句话：大模型，小工具。虽然做的是大模型，但我们一定不能把它想大了。比如，智能体是经过多人讨论后，决定的一个想法。当时我们讨论各种了问题，后来我决定根据市场调研报告的情况再行动。我昨天帮我一个同事的公司做了一份报告，发给他后，我问：“让你付50块钱，你付不付？”他说：“挺好的，那你应该多收一点。”这就是一次小小市场调研行为，我们要做一个大项目，可以从一个小小的点开始，由此拓展开去。我相信未来AI创业、ChatGPT创业一定来自于草根阶层。有些人在一个专业团队不重视的内容上天天钻研，说不定能创造出别样的天地。因为如今大环境的范式发生了改变，或许你有很多的经验，但有经验可能会变成阻碍。一些灵光闪现的创意可能就改变了整个时代的发展防线，因而，不要过于依赖于经验。我们曾推出过一款中间服务，有点类似于钉钉。你可以把你自己的企业文档给它，它根据这个文档进行回复，帮你做文档的分析和回复，做客服。我们深入机器人行业多年，把线上线下两条线都打开了。最后我们其实就想做一个促销员，它的可以根据企业的实际，把各种单子打通。你去问ChatGPT：“我今天想请婚假怎么办？”ChatGPT的回答大概是基于国内法律法规你可以怎样怎样。但是你去问内部行政的机器人，它就会根据我们公司的规定、你入职时间、请假时间等进行回答。我们有几个优势，其实我想最重要的优势是：第一，我们提供了一个非常方便去做促销员的接口，你只要把你的文档整理好，不用像以前一样需要做问答训练。第二，我们也提供私有化部署。线下的机器人可以出色地完成产品介绍。现在，我女儿再去问我们的机器人，她一定不会说人工智障了，因为什么问题它都能回答，不管回答的水平，但是不会再一问三不知。今天的生态会如何生长是无法预测的，因为价值靠自己创造。正如刘嘉教授所说，现在是过去的未来，现在不是未来的过去。面对未来，除了顺势而为，还应该相信事在人为。创业者的价值就在于创造价值，未来的价值来自于你的努力。不要犹豫，先做起来。2001年，当时我在网上投了几份简历，最后被互联网公司招聘了，一个不经意的行为让我进入了互联网大潮。从2001年开始做产品经理，跟住了互联网的浪潮，才得以成长为今天的自己。
我觉得这个时代一定不会因为你花了5分钟作出一个创意，就迎来一个爆发点。因为大家都在绞尽脑汁创造出不一样的东西，它达成共识的速度太快了，导致所有人都在思考，而思考会提升创意的产出密度。因此，这时拼的不再是苦功夫，而是看谁能够深入下去，把别人看不起、看不上的东西做得很扎实。有一次我在Youtube上看了一个博主做的一个视频，我认真听了3个小时，突然心生恐惧。我想，他有时间把这个东西琢磨得那么深，我却都不知道。所以，我认为创业者今天就是应该先做起来，因为今天不是未来的过去，我们不知道未来会怎样，我觉得创业者应该有这样的特质。所以，这也正是一个有机会跨越阶层，有机会一个年轻人去崛起、乱拳打死老师傅的时代。最后，我希望创业者不要去简单迷信权威，要相信价值是靠我们这群人创造的，时代也是靠人来创造的。王候将相宁有种乎，不是宿命论，而是创造论，所以我相信有好奇心、敢于行动的创业者是能真正创造未来的，大家一起加油！
