E153｜聊聊被过度营销反噬的Sam Altman与OpenAI的深层危机

硅谷-101-E153.srt

1
00:00:00,000 --> 00:00:03,500
歡迎聽矽谷101 我是紅君

2
00:00:08,154 --> 00:00:13,154
隨著OpenAI首席科學家Elia Saskiever的離職

3
00:00:13,154 --> 00:00:16,994
OpenAI超級對棋團隊接連離職

4
00:00:16,994 --> 00:00:21,114
這家曾經說要安全使用AI來守護人類的公司

5
00:00:21,114 --> 00:00:25,114
解散了關注模型長遠安全的超級對棋團隊

6
00:00:25,114 --> 00:00:27,274
還默默地在公司章程裡面

7
00:00:27,274 --> 00:00:32,394
把不能用於軍事與戰爭的條款給刪除了

8
00:00:32,394 --> 00:00:36,314
那就在團隊大動盪負面頻傳出來的時候

9
00:00:36,314 --> 00:00:38,474
身為CEO的Sam Altman

10
00:00:38,474 --> 00:00:41,434
依然周旋於媒體與政客之間

11
00:00:52,752 --> 00:00:57,152
這個極度擅長於公關和行銷的Sam

12
00:00:57,152 --> 00:00:59,152
也帶來了很多的公關災難

13
00:00:59,152 --> 00:01:01,912
那這一期我們就從矽谷的視角

14
00:01:01,912 --> 00:01:05,752
來聊一聊最近正在走下神壇的Sam Altman

15
00:01:05,752 --> 00:01:09,552
以及隱藏在OpenAI深處的兩顆大雷

16
00:01:11,752 --> 00:01:13,752
那今天跟我在一起的嘉賓

17
00:01:13,752 --> 00:01:15,152
第一位是我們的老朋友

18
00:01:15,152 --> 00:01:17,752
Fusion Fund的創始管理合夥人張璐

19
00:01:17,752 --> 00:01:18,752
Hello 張璐你好

20
00:01:18,752 --> 00:01:19,952
紅軍你好大家好

21
00:01:20,080 --> 00:01:23,120
那今天還有一位應該是我媒體圈的前輩

22
00:01:23,120 --> 00:01:26,080
歸新人的創辦人和CEO洛一航

23
00:01:26,080 --> 00:01:28,080
嗨紅軍好大家好

24
00:01:28,080 --> 00:01:29,080
今天的節目呢

25
00:01:29,080 --> 00:01:32,800
我們本來是想聊一期跟Sam Altman相關的投資版面的

26
00:01:32,800 --> 00:01:35,640
因為呢其實最近我們在選題會上發現了一個現象

27
00:01:35,640 --> 00:01:39,800
就是大家報的選題多多少少都跟Sam的投資是有一點點關係的

28
00:01:39,800 --> 00:01:41,560
就是他們報的那些新創公司

29
00:01:41,560 --> 00:01:44,440
然後我們就在準備這一期話題的過程中

30
00:01:44,528 --> 00:01:50,968
其實又剛好是遇到了Elia還有OpenAI的安全對齊團隊的離職

31
00:01:50,968 --> 00:01:55,408
其實我覺得這件事是可以追溯到去年11月份

32
00:01:55,408 --> 00:01:58,688
就是我們聊OpenAI風波就是把Sam趕下台

33
00:01:58,688 --> 00:02:01,768
然後他又迅速回歸的這樣一個事情的後續

34
00:02:01,768 --> 00:02:06,568
我想現在看看大家是怎麼看待安全對齊團隊的離職的

35
00:02:06,568 --> 00:02:08,288
我覺得特別有趣

36
00:02:08,288 --> 00:02:12,048
Elia Suscover宣布離開我覺得這應該是兩週前

37
00:02:12,160 --> 00:02:14,820
那時候因為緊接著然後安全隊七隊

38
00:02:14,820 --> 00:02:17,360
GEN.Lake也就離開了嘛那個階段中文媒體圈

39
00:02:17,360 --> 00:02:19,300
很多人說是公鬥第二季

40
00:02:19,300 --> 00:02:21,820
我就看了我就笑哪有什麼公鬥第二季

41
00:02:21,820 --> 00:02:23,620
這是公鬥第一季的ending

42
00:02:23,620 --> 00:02:25,620
是不是happy ending 咱們不知道應該不是

43
00:02:25,620 --> 00:02:28,620
這個結局大家早就應該會想到就是這麼回事

44
00:02:28,620 --> 00:02:31,620
從Elia Suscover 她應該是可能張祿輝更清楚

45
00:02:31,620 --> 00:02:34,620
她應該是最近這大半年其實沒有在OpenEye的

46
00:02:34,620 --> 00:02:38,160
office出現過從來沒有出現過你也不知道她在做什麼

47
00:02:38,380 --> 00:02:40,464
這事現在終於了結了

48
00:02:40,464 --> 00:02:43,104
然後緊接著安全隊對其團隊的這種出局

49
00:02:43,104 --> 00:02:45,824
其實我覺得每一步都是計畫好的

50
00:02:45,824 --> 00:02:47,264
或者說每一步都安排好的

51
00:02:47,264 --> 00:02:49,504
因為如果這件事發生在去年12月的話

52
00:02:49,704 --> 00:02:50,904
或發生在今年一月的話

53
00:02:50,904 --> 00:02:52,104
這個事就非常的ugly

54
00:02:52,224 --> 00:02:53,944
就會比現在還要ugly很多

55
00:02:54,384 --> 00:02:56,264
那現在這個事我覺得終於發生了

56
00:02:56,264 --> 00:03:00,384
我覺得這個事情其實我不確定

57
00:03:00,864 --> 00:03:03,384
他們是不是互相之間應該有一個agreement

58
00:03:03,384 --> 00:03:04,864
或有一個什麼樣的一個共識

59
00:03:04,904 --> 00:03:06,464
在這個時候做出這樣一個決定

60
00:03:06,464 --> 00:03:07,664
宣布這樣的一個事情

61
00:03:07,952 --> 00:03:12,592
但如果看John Lik後面那個反應其中有些事情可能還是非常意外的

62
00:03:12,592 --> 00:03:17,232
就是他們可能還沒有控制住所有的這個事在輿論上和外部反應的這種風險

63
00:03:17,232 --> 00:03:18,792
我覺得這個可能性是有的

64
00:03:18,792 --> 00:03:21,832
因為其實那幾個離職的人很多話說的還是挺不好聽的

65
00:03:21,832 --> 00:03:24,032
我看了之後就會心的笑了

66
00:03:24,032 --> 00:03:25,232
你覺得哪些話不好聽

67
00:03:25,232 --> 00:03:27,832
我忘了那是誰了吐槽說我離職的一個原因就是

68
00:03:27,832 --> 00:03:29,832
我告訴你我最近這段時間

69
00:03:29,832 --> 00:03:32,472
I never have the opportunity to talk
with Sam Altman

70
00:03:32,512 --> 00:03:33,472
對For 3 months

71
00:03:33,472 --> 00:03:33,992
對對對

72
00:03:33,992 --> 00:03:36,912
是我們根本就是你人不是在去錄節目

73
00:03:36,912 --> 00:03:38,192
就是在去錄節目的路上

74
00:03:38,192 --> 00:03:39,552
然後你不是在接受訪談

75
00:03:39,552 --> 00:03:41,632
就是在參加panel參加conference的路上

76
00:03:41,632 --> 00:03:42,712
對見國家元首

77
00:03:42,712 --> 00:03:43,472
見國家元首

78
00:03:43,472 --> 00:03:44,352
我也很好奇啊

79
00:03:44,352 --> 00:03:45,152
就是他參加了這麼多

80
00:03:45,152 --> 00:03:47,032
就是他基本上他能露面的場都露

81
00:03:47,032 --> 00:03:48,032
他的場合小的場合

82
00:03:48,032 --> 00:03:50,272
他我老覺得他參加很多事都非常的random

83
00:03:50,272 --> 00:03:51,232
我不確定啊

84
00:03:51,432 --> 00:03:52,472
到那個地方就講

85
00:03:52,632 --> 00:03:54,272
他每次講就跟什麼都沒講一樣

86
00:03:54,952 --> 00:03:57,272
我有點感覺就是他講的那句話都跟什麼都沒講一樣

87
00:03:57,272 --> 00:03:58,392
就是這個他為什麼呢

88
00:03:58,592 --> 00:04:00,632
這個事反正我也不太清楚

89
00:04:00,672 --> 00:04:03,672
他每次演講都會上各種媒體的頭條

90
00:04:03,912 --> 00:04:04,712
上的時候就看啊

91
00:04:04,712 --> 00:04:05,832
我想看他講什麼了

92
00:04:06,112 --> 00:04:06,712
沒講

93
00:04:06,872 --> 00:04:08,392
我覺得後續他有很多反應

94
00:04:08,392 --> 00:04:11,712
是我們還是得再去面對這場風波

95
00:04:12,032 --> 00:04:14,632
講一個細節就是Microsoft Build Conference

96
00:04:14,752 --> 00:04:18,872
最後一環節是Sam Altman跟Satya沒出來

97
00:04:18,872 --> 00:04:20,312
CTO出來的那個環節

98
00:04:20,312 --> 00:04:22,192
這個是他們兩個的對話

99
00:04:22,352 --> 00:04:24,392
上來之後然後Sam就被問到是吧

100
00:04:24,392 --> 00:04:26,272
busy week busy month 對吧

101
00:04:26,392 --> 00:04:27,672
也就哄著還是笑嘛

102
00:04:27,728 --> 00:04:29,088
大家都知道這句話代表什麼

103
00:04:29,088 --> 00:04:32,608
就是最近其實你是非常焦頭爛額的這樣的一個時間

104
00:04:32,968 --> 00:04:37,968
我覺得不確定這個事有多發生在GPT 4.0的發布之後很快的一段時間

105
00:04:38,128 --> 00:04:39,568
沖淡了這個事情本身

106
00:04:39,608 --> 00:04:43,608
因為去年其實洪軍也約我聊過一期non-profit的治理的這個話題

107
00:04:43,608 --> 00:04:46,928
當時我們也是聊了一下就OpenAI它這個架構的問題

108
00:04:47,088 --> 00:04:48,928
我覺得本身就是像羅老師講的

109
00:04:48,928 --> 00:04:51,248
Eliya的離開其實他不是說第二次公鬥

110
00:04:51,248 --> 00:04:53,728
他只是說另外一隻靴子終於掉下來了

111
00:04:53,888 --> 00:04:56,288
當時包括我們可能後面也會聊到

112
00:04:56,352 --> 00:04:59,272
為什麼Sam可以在非常短的時間獲得員工的支持

113
00:04:59,272 --> 00:05:00,512
然後很快回來

114
00:05:00,512 --> 00:05:05,552
其實有一個重點的原因也是因為員工希望能夠促成比較大的一個融資

115
00:05:05,552 --> 00:05:07,352
然後有這個另一方面的一個考量

116
00:05:07,352 --> 00:05:08,632
所以他很快的回來

117
00:05:08,632 --> 00:05:13,152
那當時呢其實從E-LiA的角度他也算是非常核心和早期的成員

118
00:05:13,152 --> 00:05:14,992
所以他對OpenAI是很有感情的

119
00:05:15,040 --> 00:05:19,340
那包括他們的團隊當時其實大家還是覺得說我們怎麼樣可以在對外層面上

120
00:05:19,340 --> 00:05:22,340
它畢竟是一個不好的影響去減低它這個比較不好的影響

121
00:05:22,340 --> 00:05:26,640
所以其實當時這個事情結束之後我們內部就一直在討論說其實E-LiA一定會走

122
00:05:26,840 --> 00:05:29,840
只是說不知道他會去哪那他什麼時候走的話呢

123
00:05:29,840 --> 00:05:32,340
就取決於他們可能也要看市場什麼時候穩定下來

124
00:05:32,340 --> 00:05:35,940
還有包括OpenAI是不是可以逐漸有更強的這種競爭性

125
00:05:36,140 --> 00:05:40,440
當時不僅是說這個董事會的分撥還有當時有很多競爭的對手

126
00:05:40,640 --> 00:05:43,140
谷歌那邊的發布還有包括和微軟的合作

127
00:05:43,140 --> 00:05:44,928
他也不是像大家看的說那麼的

128
00:05:44,928 --> 00:05:47,808
順暢的微軟也在搶他很多的客戶

129
00:05:47,808 --> 00:05:49,728
甚至說現在微軟其實更加的dominate

130
00:05:49,728 --> 00:05:50,848
對吧更加的壟斷

131
00:05:51,168 --> 00:05:53,088
再到說這個超級對極的團隊呢

132
00:05:53,088 --> 00:05:55,488
其實當時你如果還記得的話

133
00:05:55,848 --> 00:05:57,888
上次那個董事會分播之後的話呢

134
00:05:57,888 --> 00:05:59,168
他們專門講的時候

135
00:05:59,168 --> 00:06:01,568
會在內部加強對安全等等等等

136
00:06:01,848 --> 00:06:04,568
相當於這個承諾在後面沒有去兌現

137
00:06:04,568 --> 00:06:05,928
這也是為什麼我們可能看到

138
00:06:05,928 --> 00:06:07,888
這個超級對極的團隊直接離職

139
00:06:07,888 --> 00:06:09,088
一旦離開了之後的話呢

140
00:06:09,088 --> 00:06:10,648
我覺得他們可能覺得

141
00:06:10,648 --> 00:06:11,408
一旦離職

142
00:06:11,408 --> 00:06:12,608
ok我可能預計到了

143
00:06:12,608 --> 00:06:13,488
但我希望

144
00:06:13,552 --> 00:06:15,672
至少說有新的管理人的話

145
00:06:15,672 --> 00:06:19,592
他會尊重我們當時對於安全這方面考量的一個約定

146
00:06:19,592 --> 00:06:20,992
但是可能沒有發生

147
00:06:20,992 --> 00:06:23,072
而且其實就像剛才洛老師講的

148
00:06:23,072 --> 00:06:26,192
這些成員在公開的推特上去發表言論

149
00:06:26,192 --> 00:06:27,952
證明確實這個分歧是很巨大的

150
00:06:27,952 --> 00:06:30,752
因為我們都知道OpenI其實內部它有股權的協議

151
00:06:30,752 --> 00:06:32,672
如果你在公開場合去講公司的不好

152
00:06:32,672 --> 00:06:34,752
你的股權其實是都會被收回的

153
00:06:34,752 --> 00:06:36,912
所以他們願意犧牲這麼大的利益去講

154
00:06:36,912 --> 00:06:38,552
就證明這個分歧非常嚴重

155
00:06:38,624 --> 00:06:40,824
另外還有一點我想提出我不知道你們有沒有看

156
00:06:40,824 --> 00:06:44,144
最近他以前就是退了董事會的那兩位女性成員

157
00:06:44,144 --> 00:06:45,384
也最近發了一個

158
00:06:45,384 --> 00:06:47,424
對出來公開的去說了

159
00:06:47,424 --> 00:06:49,144
他說的主要問題是什麼

160
00:06:49,144 --> 00:06:50,944
那兩個人說的比較尖銳了

161
00:06:50,944 --> 00:06:52,744
直指Simon Ultman這個人有問題

162
00:06:52,744 --> 00:06:54,864
對說他創造了相對比較有毒

163
00:06:54,864 --> 00:06:56,904
然後很多謊言的這樣一個文化

164
00:06:56,904 --> 00:07:00,264
但他沒有具體的展開說這個有毒跟謊言是什麼

165
00:07:00,264 --> 00:07:01,344
倒沒必要

166
00:07:01,344 --> 00:07:03,144
對我覺得其實怎麼說呢

167
00:07:03,144 --> 00:07:07,424
從他們的角度有些可能也確實是跟這個confidantiality比較相關的

168
00:07:07,488 --> 00:07:12,588
但是這兩個人的背景確實他可能也是更在乎整個人工智慧安全和監管的問題

169
00:07:12,948 --> 00:07:15,888
所以我覺得所有的事情都促成種種吧

170
00:07:16,128 --> 00:07:21,188
到現在我覺得openAI確實也是在一個相對比較敏感、比較關鍵的一個時刻

171
00:07:21,188 --> 00:07:22,988
那在這種敏感和關鍵的時刻呢

172
00:07:22,988 --> 00:07:26,488
你當然希望一家公司的CEO在公司風波比較多的時候

173
00:07:26,488 --> 00:07:28,188
他是進來穩定軍心的

174
00:07:28,188 --> 00:07:30,228
而不是在外面去像洛老師講的

175
00:07:30,228 --> 00:07:35,088
又去演講又去活動又去參加一些非常fancy非常亮眼的這種

176
00:07:35,200 --> 00:07:36,800
當然你去融資是一方面

177
00:07:36,800 --> 00:07:39,040
但是你去結交各種各樣的名流政客

178
00:07:39,040 --> 00:07:41,440
這個東西到底對公司的價值在哪裡

179
00:07:41,680 --> 00:07:44,960
所以這個可能也是為什麼現在團隊可能對他的一些回饋

180
00:07:44,960 --> 00:07:47,120
還有包括其他的一些意見會越來越多

181
00:07:47,360 --> 00:07:50,120
嗯對其實路剛剛你在講這一段的時候

182
00:07:50,120 --> 00:07:51,400
你有提到一個細節

183
00:07:51,400 --> 00:07:55,520
就是說其實如果是員工現在在推特上來公開發聲的話

184
00:07:55,520 --> 00:07:59,200
公司有可能是會把他們的已經發出去的股權作廢的

185
00:07:59,200 --> 00:08:01,600
我看最近openAI他們還有第二個風波

186
00:08:01,824 --> 00:08:06,104
大概就是說簽署離職協議離職協議簽署之後不能說公司的壞話

187
00:08:06,104 --> 00:08:10,144
否則就視為放棄股權對而且如果你不籤的話也是放棄股權

188
00:08:10,144 --> 00:08:13,704
對不簽也是放棄股權而且它的期限我看是7天嘛

189
00:08:13,704 --> 00:08:18,344
這個事情其實在openAI裡包含在推特上還是引起蠻大風波的

190
00:08:18,344 --> 00:08:20,544
你們怎麼看openAI的這一招

191
00:08:20,544 --> 00:08:22,984
其實我覺得這個事情引起這麼大的爭議

192
00:08:22,984 --> 00:08:26,104
主要也是因為這樣的條款讓人覺得有點敗亡條款

193
00:08:26,104 --> 00:08:28,584
而且可能不太符合整個矽谷的一個基調

194
00:08:28,672 --> 00:08:31,872
在矽谷這邊很多朋友也知道無論是大的公司還是小的公司

195
00:08:31,872 --> 00:08:34,112
那你離職之後如果是有股權的話呢

196
00:08:34,112 --> 00:08:35,472
你還是可以保有股權

197
00:08:35,472 --> 00:08:37,392
那從初創企業來講的話呢

198
00:08:37,392 --> 00:08:39,712
那可能說你拿到的是一個option的話

199
00:08:39,712 --> 00:08:42,192
你會有一個時間段可以把這個股權買回來

200
00:08:42,192 --> 00:08:43,472
有些時候是幾個月的

201
00:08:43,472 --> 00:08:46,752
如果說創始團隊比較善良或比較好的話

202
00:08:46,752 --> 00:08:49,632
可能給你的時間甚至延長到一年或甚至很多年

203
00:08:49,632 --> 00:08:50,752
甚至還有一些機構呢

204
00:08:50,752 --> 00:08:52,192
它會提供這種鍋橋貸款

205
00:08:52,192 --> 00:08:55,472
讓離職的員工可以把自己的股權買下來保住

206
00:08:55,552 --> 00:08:57,992
所以其實整體上如果你拿RSU的話呢

207
00:08:57,992 --> 00:08:59,592
當然就是拿到就是拿到了

208
00:08:59,792 --> 00:09:03,592
所以像他的這樣的條款要求你不能能夠去說壞話

209
00:09:03,592 --> 00:09:05,312
說壞話就把股權取消

210
00:09:05,432 --> 00:09:07,512
確實還是非常不歸股

211
00:09:07,632 --> 00:09:08,552
另外一點的話呢

212
00:09:08,552 --> 00:09:10,912
就是說壞話這個事情也很難去界定

213
00:09:11,032 --> 00:09:11,712
舉例來講呢

214
00:09:11,712 --> 00:09:12,672
我要離職了之後

215
00:09:12,672 --> 00:09:13,592
我就客觀的評價

216
00:09:13,592 --> 00:09:15,712
我說openline最新的這個發布

217
00:09:15,712 --> 00:09:18,992
這個xgbt4o他的這個部分可能不是那麼好

218
00:09:18,992 --> 00:09:20,432
因為還需要做得更好

219
00:09:20,472 --> 00:09:21,312
那個部分還可以

220
00:09:21,312 --> 00:09:24,112
我這是一個從某個角度來講很客觀的評價

221
00:09:24,272 --> 00:09:27,152
那從OpenAI角度就覺得說你可能在說我壞話

222
00:09:27,152 --> 00:09:28,872
因為你說我的產品沒有這麼大好

223
00:09:29,152 --> 00:09:31,712
所以這個東西還是讓大家會覺得比較反感

224
00:09:31,712 --> 00:09:32,832
而且很不公平

225
00:09:33,392 --> 00:09:34,592
你怎麼看股權這個事

226
00:09:34,592 --> 00:09:35,392
對我來說是這麼看的

227
00:09:35,392 --> 00:09:36,992
我接著剛才張璐的話去講

228
00:09:37,232 --> 00:09:38,392
的確這事很不歸故

229
00:09:38,392 --> 00:09:40,352
起初其實我剛看到這個東西的時候

230
00:09:40,352 --> 00:09:41,392
我第一個反應不是這個

231
00:09:41,392 --> 00:09:43,552
因為可能中國公司那邊的很多對於股權

232
00:09:43,952 --> 00:09:45,552
你該怎麼行使

233
00:09:45,552 --> 00:09:46,672
然後這個事的一些條款

234
00:09:46,672 --> 00:09:47,912
包括經業那種中國的事

235
00:09:47,912 --> 00:09:49,392
我可能進展的太多了

236
00:09:49,392 --> 00:09:51,272
我第一個反應這個事不是挺正常的嗎

237
00:09:51,312 --> 00:09:54,112
後來你仔細一想或在X上看他的反應

238
00:09:54,112 --> 00:09:56,752
這事的確引發的反彈是非常大的

239
00:09:56,752 --> 00:09:58,752
我老愛舉嚴勒昆老師的例子

240
00:09:58,752 --> 00:10:01,312
就是勒昆我覺得他是一個我非常喜歡的人

241
00:10:01,312 --> 00:10:02,352
這人太可愛了

242
00:10:02,352 --> 00:10:05,152
儘管他說了很多話他的學生都未必同意

243
00:10:05,152 --> 00:10:07,952
他的學生也跟我講過他的學生都未必同意

244
00:10:07,952 --> 00:10:09,552
但他還是太可愛了

245
00:10:09,552 --> 00:10:13,312
他常說一些其實跟Meta主流在做的事情

246
00:10:13,312 --> 00:10:14,752
不符合理性叛逃的事情

247
00:10:14,752 --> 00:10:17,072
就是有點像批評他其他產品的感覺

248
00:10:17,072 --> 00:10:17,952
對批評他其他的產品

249
00:10:17,952 --> 00:10:18,832
但他是個很純粹的科學家

250
00:10:18,832 --> 00:10:20,832
他是個非常純粹的科學家我也沒見過他怎麼樣

251
00:10:21,008 --> 00:10:26,608
Meta其實也不是一個以寬厚帶所有人而聞名的公司但即便是這樣好像也沒怎麼樣
對吧

252
00:10:26,608 --> 00:10:32,408
所以我覺得這個事情從這個角度來去說的話確實是挺不歸谷的

253
00:10:32,408 --> 00:10:36,208
我隨便舉一個例子其實你一對比都能看出來是這個樣子

254
00:10:36,208 --> 00:10:42,008
其實還有一點我覺得最近對SAM的有一個爭議大家其實看到GPT-4O發佈的時間

255
00:10:42,008 --> 00:10:50,608
它是剛好在Google I?O的前一天我們其實說不只是GPT-4O
就像之前的Sora跟Gemini的發布

256
00:10:50,624 --> 00:10:54,104
然後還有Anseropic最早的他們的發布

257
00:10:54,104 --> 00:10:55,904
包括之前ChatGPT的發布

258
00:10:55,904 --> 00:10:58,864
是不是跟Anseropic出去創業是有關係的

259
00:10:58,864 --> 00:11:02,104
對就是Sam他其實是一直他的發布節奏

260
00:11:02,104 --> 00:11:04,784
就是在卡片競爭對手發表會的發布節奏

261
00:11:04,784 --> 00:11:07,744
而且可能就是別人前面的一天或幾天

262
00:11:07,744 --> 00:11:10,504
我不知道你們怎麼看這種競爭行為

263
00:11:10,944 --> 00:11:12,184
這個事我是這麼覺得

264
00:11:12,384 --> 00:11:14,384
我是覺得朋友是蠻唏噓的

265
00:11:14,384 --> 00:11:15,864
我老覺得Google被壓在地上

266
00:11:16,128 --> 00:11:21,408
我這就是大公司的宿命人家開始站起來了對吧

267
00:11:21,408 --> 00:11:29,708
我去年Google I

268
00:11:29,708 --> 00:11:36,708
O

269
00:11:36,708 --> 00:11:43,708
O

270
00:11:44,080 --> 00:11:46,440
就是你做什麼都是disruptive的事情

271
00:11:46,440 --> 00:11:48,040
都是innovative的事情

272
00:11:48,040 --> 00:11:49,760
輿論會對你很包容

273
00:11:49,760 --> 00:11:50,960
你做了一個小的更新

274
00:11:50,960 --> 00:11:53,680
大家以國內媒體為勝

275
00:11:53,680 --> 00:11:54,080
對吧

276
00:11:54,080 --> 00:11:55,360
他做點什麼都是炸場

277
00:11:55,360 --> 00:11:56,880
都是炸裂都是顛覆

278
00:11:56,880 --> 00:11:58,040
都是這種包容

279
00:11:58,040 --> 00:12:00,400
Google一開始我記得特別清楚

280
00:12:00,400 --> 00:12:01,880
就是23年2月份

281
00:12:01,880 --> 00:12:02,600
大半夜的

282
00:12:02,600 --> 00:12:05,160
我大概半小時就知道他們要發

283
00:12:05,160 --> 00:12:06,880
就是松大要寫blog了

284
00:12:06,880 --> 00:12:08,200
說他們要做這件事了

285
00:12:08,200 --> 00:12:10,680
說出來之後他們給了一個非常簡單的單模測試

286
00:12:10,680 --> 00:12:11,640
有一點不行

287
00:12:11,640 --> 00:12:12,240
股價就下來

288
00:12:12,240 --> 00:12:13,240
媒體就全罵了

289
00:12:13,424 --> 00:12:18,104
就這個是小廠出創公司和大廠在輿論上的一種不同的一種待遇

290
00:12:18,104 --> 00:12:20,464
其實你說那個東西真的做的很差嗎

291
00:12:20,464 --> 00:12:22,264
Chapit這方面真的做的就很好嗎

292
00:12:22,264 --> 00:12:22,744
不是的

293
00:12:22,744 --> 00:12:24,144
但是它就是這樣的一個情況

294
00:12:24,144 --> 00:12:26,144
然後我最新這個發表會也是

295
00:12:26,144 --> 00:12:28,544
就是這個4.0是在5月13號

296
00:12:28,544 --> 00:12:29,824
Google IOS是5月14號

297
00:12:29,824 --> 00:12:31,664
爭論這兩個東西

298
00:12:31,664 --> 00:12:34,944
我認為兩家都不是一個大更新

299
00:12:34,944 --> 00:12:36,304
但是比起來的話

300
00:12:36,304 --> 00:12:38,864
我覺得Google的move可能會更明顯一點

301
00:12:38,928 --> 00:12:42,928
Fraud的話其實它更多的是一個架構上的工程上的一些小東西

302
00:12:42,928 --> 00:12:46,248
打包對我把一些我稍微做的好點的東西我趕快給你扔出來

303
00:12:46,528 --> 00:12:47,848
但大家反應還是不一樣的

304
00:12:48,208 --> 00:12:50,688
Google 我了解很多大會是怎麼做的

305
00:12:50,688 --> 00:12:53,408
就Google做那樣的一個Google IOS一天的這樣一個活動

306
00:12:53,768 --> 00:12:57,288
全公司至少故意得有千人以上的人去involve進去了

307
00:12:57,288 --> 00:12:59,968
而是非常fully dedicated在這事上的

308
00:13:00,488 --> 00:13:01,408
起碼有千個人

309
00:13:01,888 --> 00:13:02,968
Open了二​​十多人

310
00:13:03,288 --> 00:13:05,008
我故意可能就把這事搞出來

311
00:13:05,008 --> 00:13:07,392
就是這個東西就是說已經是按在地上打了

312
00:13:07,392 --> 00:13:11,632
在這種情況之下你享受著這樣的紅利你每次還在搶這樣的時間

313
00:13:11,992 --> 00:13:16,872
這裡邊我可能會疑問的一個點是到底你是一個東西準備好了要發布

314
00:13:16,872 --> 00:13:21,352
還是說哪個東西是第一我們理論上我們說一個東西發布應該是產品ready

315
00:13:21,432 --> 00:13:23,272
對然後你再挑一個最好的時間

316
00:13:23,272 --> 00:13:26,952
在一個best timing 兩個東西結合在一起去發布

317
00:13:26,952 --> 00:13:27,792
但我現在我

318
00:13:27,808 --> 00:13:30,768
其實不知道他們內部是哪個東西可能會優先一點

319
00:13:30,768 --> 00:13:33,168
對其實FORAU應該他很早就好了

320
00:13:33,168 --> 00:13:35,768
他也不是一個說他們現在才研發出來的東西

321
00:13:35,768 --> 00:13:38,288
其實FORAU這個東西就是說你很早就好了

322
00:13:38,288 --> 00:13:40,048
我覺得可能如果沒有過的節奏

323
00:13:40,048 --> 00:13:42,848
這個東西他們甚至可能選擇不發布或晚發布

324
00:13:43,048 --> 00:13:44,288
但現在他就出來了

325
00:13:44,608 --> 00:13:47,048
對我覺得這個事就是PR大師

326
00:13:47,288 --> 00:13:49,248
有人說他Sam Ullman是PR大師

327
00:13:49,368 --> 00:13:52,568
我不知道這到底該怎麼去看

328
00:13:52,568 --> 00:13:55,968
但我覺得他的確他吸引關注的能力還是很強的

329
00:13:56,016 --> 00:14:02,016
對對,賽米爾奧特曼確實是PR大師,這可能也是他作為創始人和CEO的特質裡面最強的
一點

330
00:14:02,016 --> 00:14:07,016
我剛才順著就是羅老師提到的,首先就是在矽谷的話確實存在這樣的一個現象

331
00:14:07,016 --> 00:14:13,016
就創新者他確實有優勢,就在你去挑戰巨頭的時候呢,整個公眾,尤其是說矽谷這個環境對
你的包容度比較高

332
00:14:13,016 --> 00:14:19,016
就舉一個例子比方特斯拉,對吧,當時其實有其他車廠也要去做自動駕駛或坐電車

333
00:14:19,016 --> 00:14:23,016
但是他們非常擔心一點,他們花了很多的投入還有資金去做安全

334
00:14:23,360 --> 00:14:26,240
因為當時就包括一些做電池的,我以前是做電池的嘛

335
00:14:26,560 --> 00:14:30,320
他們會很小心,因為如果出現了一兩例這樣的一個傷亡事故

336
00:14:30,320 --> 00:14:32,600
那對於車廠的品牌來說是一個非常巨大的打擊

337
00:14:32,760 --> 00:14:35,720
但是特斯拉我們也記得出了多少次車禍了,對吧

338
00:14:35,720 --> 00:14:36,760
然後各種各樣的事情

339
00:14:36,760 --> 00:14:38,240
但是大家對它的包容度很高

340
00:14:38,240 --> 00:14:39,640
所以對OpenAI也是一樣

341
00:14:39,640 --> 00:14:40,920
因為它去挑戰一個巨頭

342
00:14:40,920 --> 00:14:44,000
就像羅老師講的,用很少的人,相對少的資源

343
00:14:44,160 --> 00:14:47,080
和這麼大的一個非常巨大的科技公司去競爭

344
00:14:47,080 --> 00:14:51,000
所以大家在輿情層面,輿論層面上會給他更多的關注度

345
00:14:51,040 --> 00:14:52,640
給他更多的一個支持

346
00:14:52,720 --> 00:14:58,800
但另外一方面他自己內心也知道還是有點沒底
因為他也知道他去對應的這個敵人有多強大

347
00:14:58,800 --> 00:15:06,720
谷歌就像羅老師講的之前是確實讓大家覺得挺失望的發的東西不是那麼驚艷
因為人才屬性確實很強資金屬性

348
00:15:06,720 --> 00:15:13,120
然後從GPU算力各方面也有自己的TPU 也有自己非常強的大殺器DeepMind
對吧各方面都佔有

349
00:15:13,120 --> 00:15:17,600
但你會發現今年他開始用力後這次Gemini的發布就非常的驚艷

350
00:15:17,744 --> 00:15:22,044
所以其實回到剛才洪君問的問題我覺得去挑選市場時機

351
00:15:22,044 --> 00:15:24,744
在競爭對手發布之前去搶先這個先機

352
00:15:24,744 --> 00:15:26,244
這個競爭手段是OK的

353
00:15:26,244 --> 00:15:30,044
因為我覺得新創公司他們也不只說OpenI在打聽Google

354
00:15:30,044 --> 00:15:31,544
Google他們也互相打聽

355
00:15:31,544 --> 00:15:34,444
只是說OpenI作為一個小團隊他的決策速度更快

356
00:15:34,444 --> 00:15:36,744
他聽說了說哎這個幾個大廠要發布

357
00:15:36,744 --> 00:15:38,944
我們很快的就可以把這個事情推出去

358
00:15:38,944 --> 00:15:43,844
所以我覺得這個搶曝光點曝光時間的手段是OK的

359
00:15:43,844 --> 00:15:46,244
但是就像羅老師提的首先一點你的

360
00:15:46,288 --> 00:15:47,168
產品要夠硬

361
00:15:47,168 --> 00:15:49,248
你不能說搶了時間發出來的東西

362
00:15:49,248 --> 00:15:50,448
最後大家橫向一比較

363
00:15:50,448 --> 00:15:51,968
發現你其實沒有那麼驚艷

364
00:15:51,968 --> 00:15:54,008
另外一個更重要的就是預期管理

365
00:15:54,008 --> 00:15:56,728
大家之前的預期你發布了3,3.54

366
00:15:56,728 --> 00:15:58,768
其實每一次都是一個接踏起的產生

367
00:15:58,768 --> 00:16:00,528
那這次的話就覺得4-4

368
00:16:00,528 --> 00:16:02,368
4O就是一個incremental

369
00:16:02,368 --> 00:16:05,568
所以大家其實普遍覺得就是4O沒有那麼驚艷

370
00:16:05,568 --> 00:16:07,008
就是今年

371
00:16:07,008 --> 00:16:08,328
對對對對

372
00:16:08,328 --> 00:16:09,808
所以它就像一個大禮包一樣

373
00:16:09,808 --> 00:16:12,168
都整合了一下更容易用更好用一些

374
00:16:12,288 --> 00:16:14,088
我可以說可能不一定說很準確

375
00:16:14,088 --> 00:16:16,688
但我覺得在產品體驗上更好了

376
00:16:16,688 --> 00:16:19,928
但是從基礎技術層面上模型是不是更優了呢

377
00:16:19,928 --> 00:16:22,008
其實這不一定像大家想像的那麼好

378
00:16:22,008 --> 00:16:24,088
但你看Gemina這次的發布

379
00:16:24,088 --> 00:16:25,248
確實是更好了

380
00:16:25,248 --> 00:16:27,968
這個Long Context Window它這個效果是非常好的

381
00:16:27,968 --> 00:16:28,888
大家去測評

382
00:16:28,888 --> 00:16:33,048
還有包括尤其是大家對於大文本的輸入輸出有非常高要求的

383
00:16:33,048 --> 00:16:34,368
比如說像你們這樣的文字公製

384
00:16:34,368 --> 00:16:35,168
我這個體驗很深

385
00:16:35,168 --> 00:16:35,568
對吧

386
00:16:35,568 --> 00:16:38,008
所以這個其實就是你搶了這個先機發布

387
00:16:38,008 --> 00:16:41,408
但最後反而不一定對你來說是最好的結果

388
00:16:41,504 --> 00:16:44,944
但確實現在市場可能是越來越競爭的激勵

389
00:16:44,944 --> 00:16:47,104
而且增加速度也越來越快了

390
00:16:47,144 --> 00:16:49,104
這也是能理解他們這種心態

391
00:16:49,104 --> 00:16:50,184
但是從Sam的角度

392
00:16:50,184 --> 00:16:51,304
他作為一個CEO

393
00:16:51,344 --> 00:16:52,744
他有他非常擅長的地方

394
00:16:52,744 --> 00:16:54,024
融資還有PR

395
00:16:54,064 --> 00:16:57,104
但可能也需要花更多的時間在內部把產品技術

396
00:16:57,104 --> 00:16:58,784
尤其在這樣的一個多事之秋

397
00:16:58,784 --> 00:17:01,344
把這麼重要的這些技術的團隊再紛紛離職

398
00:17:01,344 --> 00:17:03,184
怎麼樣把內部調整好很重要

399
00:17:03,224 --> 00:17:03,744
對

400
00:17:03,784 --> 00:17:05,664
我這塊我插一句關於Floral

401
00:17:05,704 --> 00:17:08,344
剛才陸講的其實我覺得特別有趣的一個事情

402
00:17:08,344 --> 00:17:09,904
是說大禮包

403
00:17:09,968 --> 00:17:14,008
體驗做好然後Gemini 然後其實出了之後1.5 其實很驚艷

404
00:17:14,008 --> 00:17:17,568
結果是同意的因為我們自己我選擇在Gemini 上建造知識庫

405
00:17:17,568 --> 00:17:20,808
建造這個東西而沒有去選擇在GPT 上去做這件事的

406
00:17:20,808 --> 00:17:24,088
然後以及是說4all 出來之後我用了一段時間體驗很好

407
00:17:24,088 --> 00:17:28,528
但我現在其實我後來用著用著尤其我頭幾天才處理幾個關鍵比較複雜的

408
00:17:28,528 --> 00:17:29,648
還不是關於常文本的

409
00:17:29,744 --> 00:17:31,864
其上是關於讓它處理一些非常複雜的

410
00:17:31,864 --> 00:17:34,664
需要它去搜尋很多基板的這種document

411
00:17:34,664 --> 00:17:36,344
和這種互聯網的這種檢索網頁

412
00:17:36,344 --> 00:17:38,224
然後形成一個複雜的綜合的一個結果

413
00:17:38,224 --> 00:17:40,144
並且反覆地去追問題而問題的時候

414
00:17:40,664 --> 00:17:43,144
坦白說就是我用forall 我用了一下

415
00:17:43,144 --> 00:17:44,384
我說怎麼變成這個樣子

416
00:17:44,704 --> 00:17:46,744
我就切回forall 誒了好多了

417
00:17:46,984 --> 00:17:51,424
但是forall在屬於這種用人的聲音感情去處理一些

418
00:17:51,424 --> 00:17:54,424
類似hi house weather today這樣的問題的時候

419
00:17:54,584 --> 00:17:56,664
的確它會讓很多人會感覺好

420
00:17:56,704 --> 00:17:58,504
但這東西它不是證明一個模型

421
00:17:58,504 --> 00:18:00,304
它其實用了一些小技巧

422
00:18:00,304 --> 00:18:02,104
讓你整個的感受更好

423
00:18:02,104 --> 00:18:03,784
但並不是更好用

424
00:18:03,784 --> 00:18:04,744
它並不是更好用

425
00:18:04,744 --> 00:18:06,904
它不是模型本身能力的一個提升

426
00:18:06,904 --> 00:18:07,944
因為它其實模型尺寸

427
00:18:07,944 --> 00:18:09,224
如果我們相信scaling law的話

428
00:18:09,224 --> 00:18:10,704
它也就是跟很多人聊過的

429
00:18:10,704 --> 00:18:11,464
大家普遍推測

430
00:18:11,464 --> 00:18:14,064
就for all大概是一個3000億到4000億參數的一個尺寸

431
00:18:14,064 --> 00:18:15,864
比turbo就比之前的這個for all V

432
00:18:15,864 --> 00:18:16,024
比之前的這個for all V

433
00:18:16,024 --> 00:18:18,104
它要小得多的這樣一個模型

434
00:18:18,104 --> 00:18:19,744
當然選擇在這會兒去發這個

435
00:18:19,744 --> 00:18:21,664
我們沒有期待它是4.5

436
00:18:21,664 --> 00:18:23,904
但你說它這個incremental progress

437
00:18:24,096 --> 00:18:25,936
還是那話如果我們相信scaling law 的話

438
00:18:25,936 --> 00:18:28,576
但是它甚至它不是沿著這樣路徑的一個發布

439
00:18:28,696 --> 00:18:30,296
對就還是說預期管理

440
00:18:30,296 --> 00:18:32,856
還有包括說這個預期管理有對自己產品發布

441
00:18:32,856 --> 00:18:33,736
對於受眾的管理

442
00:18:33,736 --> 00:18:36,976
還有另外一個就是你要對你的競爭對手的一個預期

443
00:18:36,976 --> 00:18:38,136
要有合理的預期

444
00:18:38,136 --> 00:18:41,336
所以發佈出來之後的話怎麼樣去搶奪市場的亮點

445
00:18:41,336 --> 00:18:45,256
對但我覺得歸根究底我們說不管你再怎麼PR 大師

446
00:18:45,296 --> 00:18:46,936
終究還是得靠產品說話

447
00:18:46,936 --> 00:18:47,496
那當然了

448
00:18:47,496 --> 00:18:48,136
對的

449
00:18:48,416 --> 00:18:52,016
對所以其實大家這次主要也是集中在產品這件事情上

450
00:18:52,080 --> 00:18:55,360
我覺得還有一點就是OpenAI最近也比較引爭議的是

451
00:18:55,360 --> 00:18:58,040
它悄悄在它的這個條款裡面刪除了

452
00:18:58,040 --> 00:19:01,440
針對軍事和戰爭使用Chapit的禁令

453
00:19:01,480 --> 00:19:04,120
我們記得其實在OpenAI剛成立的時候

454
00:19:04,120 --> 00:19:06,160
它其實說它成立的初衷就是

455
00:19:06,200 --> 00:19:08,440
其實它有一點點受deep mind的刺激

456
00:19:08,480 --> 00:19:11,640
同時它說我們要建立一個安全的AGI

457
00:19:11,680 --> 00:19:13,920
那個主要是Elon當時他的一個mission

458
00:19:13,920 --> 00:19:15,080
和他的一個設想

459
00:19:15,120 --> 00:19:17,320
但是你看他們之後搞一連串的什麼

460
00:19:17,320 --> 00:19:19,320
就是非營利組織的這些架構

461
00:19:19,320 --> 00:19:21,840
其實都是說我們要怎麼樣安全的使用AI

462
00:19:21,920 --> 00:19:22,000
所以我們就在這邊做一個

463
00:19:22,000 --> 00:19:26,000
但是現在堂而皇之的把針對軍事跟戰爭刪除了

464
00:19:26,000 --> 00:19:28,200
我不知道這個在矽谷有沒有引起風波

465
00:19:28,200 --> 00:19:30,200
當然也引起大家的討論和風波

466
00:19:30,200 --> 00:19:31,960
但從另一方面角度來講的話

467
00:19:31,960 --> 00:19:33,400
這也可能是不可避免的

468
00:19:33,400 --> 00:19:35,640
因為當然最早我記得好多年前

469
00:19:35,960 --> 00:19:38,280
當時Google有很多員工去Poll test

470
00:19:38,280 --> 00:19:41,160
Googlecloud用於跟國防部前端的

471
00:19:41,160 --> 00:19:43,240
還有包括當時其實是說

472
00:19:43,240 --> 00:19:45,560
大家會反對說用人工智慧的武器化

473
00:19:45,568 --> 00:19:49,088
但是說實話現在的技術發展速度的話

474
00:19:49,088 --> 00:19:52,448
對於軍工各方面的一個植入是必然的

475
00:19:52,448 --> 00:19:55,528
從他們的角度非常現實的就是現在其實軍工

476
00:19:55,528 --> 00:19:57,208
角度的應用是一個非常大的市場

477
00:19:57,208 --> 00:19:58,368
也是非常大的訂單

478
00:19:58,368 --> 00:20:00,048
如果你有這樣的一個限制的話

479
00:20:00,048 --> 00:20:01,488
你就拿不到這方面的訂單

480
00:20:01,488 --> 00:20:04,168
而且訂單的數量和量級在越來越大的增加

481
00:20:04,168 --> 00:20:05,768
你不拿Google就去拿了

482
00:20:06,048 --> 00:20:09,648
但這跟OpenAI的成立初衷以及包括他們最開始

483
00:20:09,648 --> 00:20:12,928
對外面所宣揚的那一套看起來是背道而馳的

484
00:20:12,928 --> 00:20:13,488
是

485
00:20:13,488 --> 00:20:15,088
所以這就是現在

486
00:20:15,200 --> 00:20:18,080
我們講說openAI它其實最大的一個困境就是說

487
00:20:18,080 --> 00:20:20,880
你不能一開始聲稱一個事情最後你做的是其他的

488
00:20:20,880 --> 00:20:23,440
就比如說其他公司人家一開始也沒聲稱說

489
00:20:23,440 --> 00:20:26,200
我要去保護AI安全去捍衛世界和平

490
00:20:26,200 --> 00:20:28,800
我說的就是我要賺錢我要用人工智慧賺錢

491
00:20:28,800 --> 00:20:31,120
那大眾對你的預期就是這樣那你就你去賺錢

492
00:20:31,120 --> 00:20:32,280
我也不會去批評你

493
00:20:32,280 --> 00:20:33,880
頂多有些時候我講你

494
00:20:33,880 --> 00:20:36,200
但是openAI你一開始的初衷

495
00:20:36,200 --> 00:20:38,160
甚至說架構是一個non-profit的架構

496
00:20:38,160 --> 00:20:41,200
現在做的這個事情是完全的一個商業化的運作產品

497
00:20:41,200 --> 00:20:43,760
另外的話其實提到這個問題也解釋了

498
00:20:43,792 --> 00:20:49,072
我們剛才也討論過你也提到現在三茅特曼花很多時間不只是去大會播客的

499
00:20:49,072 --> 00:20:53,552
也去認識各國的領導認識全球的這些精英名流還有說政客

500
00:20:53,552 --> 00:20:56,512
這個其實跟他想從這個角度去拿訂單也很相關

501
00:20:56,512 --> 00:21:01,952
這個裡面可能再去多解釋一下呢就是從OpenAI現在的一個商業化路徑來講的話呢

502
00:21:01,952 --> 00:21:05,392
它也沒有表面上大家看的那麼順利當然C端是一方面

503
00:21:05,392 --> 00:21:08,352
但你能看到它從一早就開始向大規模做弊端

504
00:21:08,352 --> 00:21:12,352
因為大家都知道C端其實是黏性比較差的流動性比較強

505
00:21:12,416 --> 00:21:16,336
但是B端會是非常大的訂單而且可以拿到高品質的工業數據

506
00:21:16,336 --> 00:21:19,216
對於你這個產品的置入與發展是很重要的

507
00:21:19,216 --> 00:21:22,536
他應該也不甘心微軟單純的做一個他的經銷商

508
00:21:22,536 --> 00:21:25,136
但現在最大的問題就是他打不過微軟

509
00:21:25,136 --> 00:21:27,976
因為就是從所有的客戶上來講的話

510
00:21:28,080 --> 00:21:30,880
我想用你OpenAI的模型我去找微軟就可以了

511
00:21:30,880 --> 00:21:33,320
因為微軟不只說著一模一樣的模型

512
00:21:33,320 --> 00:21:36,280
微軟可以把它打包得更好用然後整合更好用

513
00:21:36,280 --> 00:21:39,080
同時它有非常強力的銷售和售後的團隊

514
00:21:39,080 --> 00:21:40,480
售前售後它都強

515
00:21:40,480 --> 00:21:42,800
對是的是的所以從OpenAI來講的話

516
00:21:42,800 --> 00:21:44,880
它其實就會越來越被禁錮住

517
00:21:44,880 --> 00:21:46,880
再加上前一段還有新聞就包含比如說

518
00:21:46,880 --> 00:21:50,280
像微軟對Mixer的投資還有包括映視Inflection

519
00:21:50,280 --> 00:21:52,080
它整個團隊去植入

520
00:21:52,128 --> 00:21:55,328
就會讓OpenAI越來越覺得我跟微軟之間這個

521
00:21:55,328 --> 00:21:58,448
壞權和negotation power是完全不對等了

522
00:21:58,688 --> 00:22:01,808
所以它也要去開拓說新的一些市場機會

523
00:22:02,048 --> 00:22:04,728
那均公定單尤其是全球現在可能政客

524
00:22:04,728 --> 00:22:06,928
都有一個人工智慧的恐慌的心態

525
00:22:07,328 --> 00:22:11,168
從這個角度去兜售這個產品可能也能帶來一些大的機會

526
00:22:11,208 --> 00:22:13,288
我可能也是想稍微理解一下

527
00:22:13,288 --> 00:22:15,408
他為什麼花這麼多時間去跟這些政客名流

528
00:22:15,408 --> 00:22:17,728
當然我覺得除了這些感覺和Business相關的

529
00:22:17,728 --> 00:22:19,408
還有很多一些政客名流的認知

530
00:22:19,408 --> 00:22:20,648
可能就是他個人的嗜好

531
00:22:20,656 --> 00:22:25,856
對這裡邊其實我覺得去年那場風波之後因為當時董事會出現了很大的變動

532
00:22:25,856 --> 00:22:28,776
其實當時我是私下跟別人討論的時候有一種預測

533
00:22:28,776 --> 00:22:35,056
就是說OpenI會不會藉著這個時機把他的這種董事會的結構和這個公司的性質徹底做一
個變化

534
00:22:35,056 --> 00:22:38,176
我們以後我們就是一個正常的商業化的公司

535
00:22:38,176 --> 00:22:42,216
我們去掉我們這個non-profit的這個標籤和這樣的一個使命

536
00:22:42,216 --> 00:22:43,576
這個東西它有沒有這麼做

537
00:22:43,576 --> 00:22:48,176
結果後來發現就是修修搭油爆琵琶這個事是沒有完成的

538
00:22:48,272 --> 00:22:49,792
這個事情也非常有難度

539
00:22:49,792 --> 00:22:50,832
也非常有難度是吧

540
00:22:50,832 --> 00:22:53,232
對本身像他最早搭了這個架構

541
00:22:53,232 --> 00:22:56,072
其實就是我們講好聽一點是說創新

542
00:22:56,072 --> 00:22:57,272
難聽點就是怪胎

543
00:22:57,272 --> 00:23:00,632
包括我們去年錄那期節目講監管的時候也提到過

544
00:23:00,632 --> 00:23:03,832
他本身當時就是為了保證之前的捐贈方

545
00:23:03,832 --> 00:23:06,472
還有現有股東各方面的一個價值的體系

546
00:23:06,472 --> 00:23:08,992
還有包括他其實透過你是一個non-profit

547
00:23:08,992 --> 00:23:11,592
你拿到了很多相對低成本、免費的資源

548
00:23:11,616 --> 00:23:14,416
包括一些他們招的人其實付的薪水都很低

549
00:23:14,416 --> 00:23:16,096
人家為什麼願意為你去貢獻

550
00:23:16,096 --> 00:23:18,496
因為你告訴我這件事不只是商業的回報

551
00:23:18,496 --> 00:23:20,256
你其實更多是要去改變世界

552
00:23:20,256 --> 00:23:22,096
這還是能夠吸引很多人的

553
00:23:22,296 --> 00:23:25,016
所以現在它要完全變成一個商業化的架構

554
00:23:25,016 --> 00:23:27,936
其實從整個公司的調整來講也非常的不容易

555
00:23:27,936 --> 00:23:29,816
可能是一場更大的衝突與風波

556
00:23:29,816 --> 00:23:32,896
對所以我們之前去年在討論的時候就講過說

557
00:23:32,896 --> 00:23:34,016
它這個是一個雷

558
00:23:34,016 --> 00:23:35,776
它並沒有說要把這個事情解決掉

559
00:23:35,776 --> 00:23:36,896
我們說這個事情

560
00:23:36,960 --> 00:23:40,440
當時Drama出現了之後那一隻靴子掉下來了就是Sam回歸

561
00:23:40,440 --> 00:23:43,440
另外一隻靴子到現在掉下來了就是伊莉爾離開

562
00:23:43,440 --> 00:23:46,880
但是還有一個雷就沒有引爆就還是它這個架構的問題

563
00:23:46,880 --> 00:23:47,880
對概念絕對還沒解決

564
00:23:47,880 --> 00:23:51,400
然後其實我另外我們有沒有覺得其實它的另外一個雷

565
00:23:51,400 --> 00:23:53,400
我覺得是嘗試它跟Microsoft的關係

566
00:23:53,760 --> 00:23:54,840
對你說的非常對

567
00:23:54,840 --> 00:23:56,560
尤其是在這種商務和銷售上

568
00:23:56,560 --> 00:23:57,720
因為我就特別有意思

569
00:23:57,720 --> 00:24:00,160
去年三、四月的時候跟國內我就不講是哪個大佬

570
00:24:00,160 --> 00:24:02,520
跟他去聊一些在矽谷發生的事情

571
00:24:02,736 --> 00:24:06,296
他就講了一個東西他說我其實我覺得OpenAI會把微軟掏空

572
00:24:06,296 --> 00:24:10,816
他的意思是說如果說OpenAI HHBT就是你提供Copilot服務

573
00:24:10,816 --> 00:24:15,096
包括提供很多未來的這種軟體服務和這種服務的這樣的一個基礎的話

574
00:24:15,096 --> 00:24:17,696
那你自己是什麼呢你自己不就變成一個分銷商了嗎

575
00:24:17,696 --> 00:24:21,136
那現在來看就這段關係接下來沒有想的這麼樂觀

576
00:24:21,136 --> 00:24:24,976
微軟沒有他想的那麼慫或沒有他想的那麼不能打

577
00:24:24,976 --> 00:24:28,416
微軟一邊在扶持OpenAI去強化自己的很多這種

578
00:24:28,528 --> 00:24:32,208
包括我們看前兩天Microsoft Build上發的Copilot Plus
PC

579
00:24:32,208 --> 00:24:33,528
這個名字真的很繞

580
00:24:33,928 --> 00:24:37,768
這東西的時候其實它還是OpenAI非常主導的這樣的東西

581
00:24:37,768 --> 00:24:40,808
ChadBit這個在裡邊enable的非常深度一個東西

582
00:24:40,928 --> 00:24:43,248
但其實剛才路也講到包括Mistral的投資

583
00:24:43,248 --> 00:24:45,048
包括Inflaction團隊進來

584
00:24:45,328 --> 00:24:49,248
我覺得未來的一個關係是微軟想在自己的

585
00:24:49,248 --> 00:24:51,928
所謂的Copilot Plus這個體系裡邊

586
00:24:52,288 --> 00:24:54,328
加各種其他的AI元素

587
00:24:54,768 --> 00:24:58,568
OpenAI想拿更多的自己的一個獨立的銷售的

588
00:24:58,568 --> 00:25:01,368
售前的Presale的銷售的和售後的這樣一個體系

589
00:25:01,368 --> 00:25:02,768
去建一個商業化的團隊

590
00:25:02,768 --> 00:25:05,368
那這個事就很難這樣下去了

591
00:25:05,368 --> 00:25:07,568
這時候你也要比較到底哪個比較難

592
00:25:07,568 --> 00:25:09,968
其實大家都覺得說是不是說建AI更難

593
00:25:09,968 --> 00:25:10,768
其實不是

594
00:25:10,768 --> 00:25:13,968
你搭這個銷售團隊和通路是更加困難的

595
00:25:13,968 --> 00:25:16,968
所以你們覺得OpenAI的互成核是什麼

596
00:25:16,968 --> 00:25:18,368
就是我們聊了這麼多

597
00:25:18,368 --> 00:25:20,944
它互成核還是它的模型還是它的技術

598
00:25:20,944 --> 00:25:24,064
所以當它開始說技術層面上不持續的增加

599
00:25:24,064 --> 00:25:25,664
而是說在產品優化上去做

600
00:25:25,664 --> 00:25:28,104
想去建立自己的互成核去打銷售的話

601
00:25:28,504 --> 00:25:30,464
它和微軟的關係就會越來越微妙

602
00:25:30,464 --> 00:25:31,704
就像羅老師講的

603
00:25:31,704 --> 00:25:33,544
就你沒那麼強我幹嘛

604
00:25:33,544 --> 00:25:35,824
就是你在跟我很強的地方去競爭

605
00:25:35,824 --> 00:25:37,864
而是說微軟當時看重它

606
00:25:37,864 --> 00:25:40,464
就是說你這個模型本身確實做的是獨一份

607
00:25:40,664 --> 00:25:42,544
而且你需要有巨大的算力

608
00:25:42,544 --> 00:25:44,144
這東西是我剛好可以給你的

609
00:25:44,384 --> 00:25:46,024
但是現在的話可能

610
00:25:46,080 --> 00:25:52,480
如果說他們的模型不能夠持續的去進展或說邁向下一個階段
同時也有這麼多的選擇了在市場上

611
00:25:52,800 --> 00:25:58,120
所以所以微軟來講的話你不是我唯一的選擇你的依價權就差很多
我舉一個很小的例子很有意思

612
00:25:58,360 --> 00:26:01,800
去年當然在禮拜五當然Sam Altman這個事情出來了之後的話呢

613
00:26:02,080 --> 00:26:08,880
當然就很多的討論等等我們也有公司有幾個新創企業
他一直是在呼叫OpenAI的API 從3開始跟他們合作

614
00:26:09,380 --> 00:26:14,080
然後當時發生這個事情之後創辦人當然覺得說哎有點不安全的話
不知道公司前景怎麼樣

615
00:26:14,304 --> 00:26:17,104
我們要不要就移到Azure移到微軟的這個平台上

616
00:26:17,304 --> 00:26:20,004
那個事情發生是禮拜五吧禮拜六創始人有這個想法

617
00:26:20,004 --> 00:26:23,104
我說你們應該去always就是去探索其他的可能性

618
00:26:23,304 --> 00:26:26,204
禮拜六禮拜日微軟Azure已經把他們on board了

619
00:26:26,504 --> 00:26:29,904
就是微軟的銷售和團隊

620
00:26:29,904 --> 00:26:34,404
他們能夠在周末時間對一個非常早期的出創團隊下這樣大的心力

621
00:26:34,404 --> 00:26:36,304
當然那個出況公司也非常好啊

622
00:26:36,304 --> 00:26:40,904
他們是進入了微軟的選了這幾百個公司最頂尖的這個ai公司的清單裡

623
00:26:40,904 --> 00:26:43,704
但是只要你是好的公司你這麼早期我馬上讓你on board

624
00:26:43,792 --> 00:26:47,532
on board之後的話呢你的產品整合各方面特別的順暢

625
00:26:47,532 --> 00:26:51,152
流暢所以完全沒有耽誤這個產品公司在下一周

626
00:26:51,152 --> 00:26:54,352
就是這個週五之後那一周週一的產品的一個發布

627
00:26:54,352 --> 00:26:59,432
所以這是一個非常大的例子那時候其實微軟還是在明面上對openai非常支持的
對吧

628
00:26:59,432 --> 00:27:01,432
那再給你舉個例子呢就是

629
00:27:01,432 --> 00:27:06,032
我們真的談到toobie銷售因為我們在美國投的所有公司都做企業級銷售

630
00:27:06,032 --> 00:27:09,392
大家總覺得說openai的模型是最好的等等等等

631
00:27:09,392 --> 00:27:13,552
但你真的去銷售給大企業的話大企業其實第一個擔心的是compliance

632
00:27:13,776 --> 00:27:18,096
資料隱私還有包括說你是不是理解我這個公司內部的這個結構這個整合度

633
00:27:18,096 --> 00:27:20,976
再起次才是說你的產品和技術是不是最好的

634
00:27:20,976 --> 00:27:23,056
有些時候他們也不需要最最好的技術

635
00:27:23,056 --> 00:27:24,256
有些是買API的時候

636
00:27:24,256 --> 00:27:26,496
對對需要是就better faster cheaper

637
00:27:26,496 --> 00:27:29,696
我常講這三個字就不只是更好更快還要更便宜

638
00:27:29,696 --> 00:27:34,176
那微軟它有能力的一點就是它可以將在價格層面上有空間

639
00:27:34,176 --> 00:27:37,456
它可以把它打包說你已經是我這個客戶給你便宜一點賣

640
00:27:37,456 --> 00:27:39,776
所以這些所有的優勢加在一起

641
00:27:39,776 --> 00:27:43,056
OpenAI如果想在這個上面跟微軟去競爭

642
00:27:43,088 --> 00:27:44,048
是很困難的

643
00:27:44,048 --> 00:27:45,168
所以就理解說

644
00:27:45,168 --> 00:27:47,608
那OpenAI就要考慮說我其他的一些路徑

645
00:27:47,608 --> 00:27:48,328
比如說

646
00:27:48,528 --> 00:27:49,928
現在OpenAI內部也在講

647
00:27:49,928 --> 00:27:52,928
說我可以給一些特定的產業做這種專屬的模型

648
00:27:53,248 --> 00:27:56,488
然後我可以去給你可能比如說像是軍工的一些機會

649
00:27:56,608 --> 00:27:58,168
去幫你做一些國家類模型

650
00:27:58,488 --> 00:27:59,288
這些討論都有

651
00:27:59,288 --> 00:28:00,328
當然也都是謠言

652
00:28:00,488 --> 00:28:02,288
我只是從不同的人聽到的

653
00:28:02,608 --> 00:28:05,288
所以他也是在探索自己到底長線的

654
00:28:05,288 --> 00:28:07,208
可持續的商業模式什麼樣子

655
00:28:07,648 --> 00:28:08,088
對

656
00:28:08,128 --> 00:28:10,408
其實今天我們本來是在聊咱們Eltman

657
00:28:10,408 --> 00:28:11,688
他的個人的爭議

658
00:28:11,712 --> 00:28:13,512
然後我們聊到他的許多爭議以後

659
00:28:13,512 --> 00:28:16,632
發現其實他的爭議也是OpenAI的爭議

660
00:28:16,632 --> 00:28:19,312
是你的OpenAI你的產品出新的問題

661
00:28:19,312 --> 00:28:21,712
還有你的產品發佈是不是好的問題

662
00:28:21,712 --> 00:28:24,712
還有你的核心互成核在哪裡的問題

663
00:28:24,712 --> 00:28:27,632
你們覺得所有的這些對OpenAI的爭議

664
00:28:27,632 --> 00:28:29,552
它是從什麼時候開始的

665
00:28:29,552 --> 00:28:32,512
因為我們之前一直都覺得OpenAI

666
00:28:32,512 --> 00:28:34,432
是一家上升級的公司

667
00:28:34,432 --> 00:28:35,872
明星式的公司

668
00:28:35,872 --> 00:28:38,072
做AGI最有希望的公司

669
00:28:38,392 --> 00:28:40,896
那後來我們看到很多的巨頭加入了

670
00:28:40,896 --> 00:28:44,656
我其實是在想這樣的一個風向它是怎麼轉的呢

671
00:28:44,656 --> 00:28:46,776
就是如果我們更抽像一點的來說

672
00:28:46,976 --> 00:28:47,856
其實我覺得特別有趣

673
00:28:48,136 --> 00:28:51,416
剛才我講我說OpenAI一直享受著它作為一個新創公司

674
00:28:51,416 --> 00:28:54,776
和一個創新者的這樣的一個流量紅利和輿論紅利

675
00:28:55,136 --> 00:28:56,456
但我覺得特別有趣

676
00:28:56,456 --> 00:29:00,096
我老覺得我們剛剛過去的兩週前是它的一個turning point

677
00:29:00,536 --> 00:29:01,976
就這個之後的一些事情

678
00:29:01,976 --> 00:29:04,456
甚至去年的那場所謂的公鬥

679
00:29:04,768 --> 00:29:09,408
都沒有讓人那會我的態度我還是覺得這公司還是有希望的

680
00:29:09,408 --> 00:29:13,688
這有時候怎麼能發生這麼怎麼能夠像當年推特三個創辦人之間那麼ugly呢對吧

681
00:29:14,088 --> 00:29:17,208
然後當時我還是這種看法但今天你再去看的話

682
00:29:17,208 --> 00:29:20,408
我覺得可能就是過去的這兩週其實有可能是他的turning point

683
00:29:20,408 --> 00:29:22,448
就是他在這種大家意識到就是你的問題很多

684
00:29:23,008 --> 00:29:26,368
你的問題很多問題沒有解決而這個問題是結構化的是非常深層的這是第一

685
00:29:26,768 --> 00:29:31,288
第二個這麼久了你已經在市場上已經很領先了這樣一個位置

686
00:29:31,288 --> 00:29:33,288
大家普遍認為你現在你是個領先者

687
00:29:33,520 --> 00:29:35,820
甚至某種程度來說你是個dominator

688
00:29:35,820 --> 00:29:40,420
我覺得現在我們應該把OpenAI看成是一個只有六、七百人的人工智慧巨頭

689
00:29:40,420 --> 00:29:43,120
它不是一個只有六、七百人的人工智慧新創公司

690
00:29:43,120 --> 00:29:47,220
因為展內亞裔之後其實一個公司原本就不需要那麼多人

691
00:29:47,220 --> 00:29:52,320
如果是這樣的話其實我覺得接下來對他的這種質疑指責

692
00:29:52,320 --> 00:29:58,720
用更審慎的用人們可能過去一年看Google這樣的方式去看他的這種機會很多都變多

693
00:29:58,736 --> 00:30:02,256
尤其是他在這個情況之下他放慢了他這個模型

694
00:30:02,256 --> 00:30:05,936
就Foundation Model 本身的這種接待進步的節奏

695
00:30:06,496 --> 00:30:08,496
例如這個時間可能拖得一個更久

696
00:30:08,976 --> 00:30:12,456
例如之後的某一次小的發佈出現了一些問題

697
00:30:12,536 --> 00:30:14,096
或是出現一些小的這種問題

698
00:30:14,096 --> 00:30:15,816
我覺得大家這種質疑可能都會變多

699
00:30:16,136 --> 00:30:19,736
例如Summon Altman個人投資或是OpenAI

700
00:30:19,736 --> 00:30:23,616
他這個Startup Fund的一些公司出現一些不太好的事情

701
00:30:23,616 --> 00:30:25,216
我覺得這個東西可能都會被反噬

702
00:30:25,216 --> 00:30:26,736
或者這種可能性不是沒有的

703
00:30:27,056 --> 00:30:30,256
因為我覺得它成長的太快了效應太快了

704
00:30:30,256 --> 00:30:33,256
一年半之後很多時候人們看待的方式會發生變化

705
00:30:33,256 --> 00:30:37,176
甚至當有可能它和微軟發生一些更微妙的關係的時候

706
00:30:37,176 --> 00:30:40,376
人們到底覺得誰跟誰比較怎麼樣

707
00:30:40,376 --> 00:30:41,576
我覺得這段關係可能都不一樣

708
00:30:41,576 --> 00:30:46,456
對我覺得其實從一方面你說確實OpenAI它有很多的問題

709
00:30:46,456 --> 00:30:49,056
也不是說現在才有了是之前的一個累積

710
00:30:49,056 --> 00:30:53,176
包括它架構的問題還有包括說內部團隊的一些毛動路線之爭對吧

711
00:30:53,176 --> 00:30:54,376
之前我們也討論過

712
00:30:54,736 --> 00:30:58,736
一個是比較偏科學家路線然後偏做產品的路線商業化的路線

713
00:30:58,736 --> 00:31:04,736
包括我們也提到我也提到過
其實你做學術的人對AGI的定義和做產品的人對AGI的定義也不一樣

714
00:31:04,736 --> 00:31:09,736
然後但是即使這樣的話呢OpenAI也一直是把AGI當作一個目標再去做的

715
00:31:09,736 --> 00:31:12,736
所以現在大家是期待說你可以更快的到那個目標走

716
00:31:12,736 --> 00:31:16,736
而不是現在你突然感覺你去專注在現有的模型上去賺很多錢

717
00:31:16,736 --> 00:31:20,736
我覺得這還是回到一個預期管理的問題那預期管理讓大家覺得

718
00:31:21,280 --> 00:31:26,720
跟我的預期不一樣讓我失望了那自然就會回頭去看說你其實還有其他的一些問題

719
00:31:27,160 --> 00:31:32,800
當然這是一方面是公司的一個歷史累積問題但另一方面當然這也是ceo的問題

720
00:31:33,040 --> 00:31:37,160
就是ceo比如說Sam Ultiman確實有他的優勢他非常會融資

721
00:31:37,320 --> 00:31:40,880
融資很重要對於像這樣新創公司這麼多的競爭對手

722
00:31:41,080 --> 00:31:46,360
他確實在融資這個技能層面上可能是最頂尖最簡單的創辦人在品牌的建立

723
00:31:46,560 --> 00:31:50,200
在pr marketing都做得非常好但是你光有這些是不夠的

724
00:31:50,256 --> 00:31:53,856
這些東西它會讓你發展的更快但是你的這個基礎還要持續往前走

725
00:31:53,856 --> 00:31:57,456
你身為一個CEO是不是有花時間去內部管理這些

726
00:31:57,456 --> 00:32:00,736
有花時間才去內部去調和團隊之間的衝突

727
00:32:00,736 --> 00:32:04,576
去保證你公司最優質的資產最優質資產就是人才

728
00:32:04,736 --> 00:32:08,656
還有包括說你最優質的一個資產就是你的產品和你的模型

729
00:32:08,656 --> 00:32:10,496
是不是在對的路線上去發展

730
00:32:10,576 --> 00:32:14,256
還是說你的經驗和時間其實是非常的scattered

731
00:32:14,256 --> 00:32:15,728
就是在各種各樣的地方

732
00:32:15,728 --> 00:32:19,928
沒有去集中到最重要的事情在這個非常關鍵風雨飄搖的時刻

733
00:32:19,928 --> 00:32:22,528
沒有專注在解決公司最主要的矛盾層面上

734
00:32:22,528 --> 00:32:25,088
這可能也是一個CEO需要反思的問題

735
00:32:25,128 --> 00:32:28,008
對其實我們剛剛提到Sam他在做很多很多的事情

736
00:32:28,008 --> 00:32:31,448
我關注到他在擔任OpenAI的CEO期間

737
00:32:31,488 --> 00:32:34,088
他其實個人他有投資到很多的公司

738
00:32:34,088 --> 00:32:36,448
比如說最近我們可以說在矽谷

739
00:32:36,448 --> 00:32:39,288
也是不管是關注度還是爭議非常大的Humane

740
00:32:39,568 --> 00:32:43,648
還有前幾天出來的一個類似語音的Twitter的Ellchat

741
00:32:43,648 --> 00:32:45,328
這個都是他個人的投資

742
00:32:45,344 --> 00:32:50,644
早期的投資其實也很多啊包括像Helene Energy 還有Retro
Biond Sales

743
00:32:50,644 --> 00:32:52,544
我們可以看到都有Sam的身影

744
00:32:52,544 --> 00:32:55,744
如果整體來看因為陸其實你在投資圈裡面嘛

745
00:32:55,744 --> 00:33:00,044
你會怎麼去看Sam的這些個人投資以及他的Profile跟他的表現

746
00:33:00,044 --> 00:33:03,544
對首先的話其實Sam Altman他的投資他有自己的一些基金

747
00:33:03,544 --> 00:33:07,544
也有一些個人的投資也跟他的弟弟啊是做一些合作做一些小基金

748
00:33:07,712 --> 00:33:11,512
然後還有包括有自己的錢投資也有容別人的錢來投資

749
00:33:11,512 --> 00:33:14,912
所以確實也不能把他整體的portfolio 看成一個群體

750
00:33:14,912 --> 00:33:16,712
他可能有不一樣的投資的初衷

751
00:33:17,112 --> 00:33:21,512
另外一方面他個人層面確實比較喜歡去投這種故事很大

752
00:33:21,792 --> 00:33:22,912
非常有話題點

753
00:33:23,112 --> 00:33:26,312
確實也是有潛在的願景很大的這樣的公司

754
00:33:26,712 --> 00:33:29,712
但是願景大不代表他都能實現對吧

755
00:33:29,712 --> 00:33:31,312
像我之前也聊過一個公司

756
00:33:31,312 --> 00:33:33,712
他們的技術是在生物科學相關的

757
00:33:33,912 --> 00:33:35,112
聊了之後就覺得

758
00:33:35,152 --> 00:33:39,152
不是特別的可靠但這個創辦人一直在講就是Sam Altman投了我

759
00:33:39,432 --> 00:33:41,912
所以我覺得他其實是從個人投資的角度

760
00:33:41,912 --> 00:33:45,152
他有自己比較強的一個個人的偏好跟他的性格也相關

761
00:33:45,152 --> 00:33:47,512
他非常喜歡投非常激進類的公司

762
00:33:47,512 --> 00:33:49,752
至少我們在技術上看來非常好

763
00:33:49,752 --> 00:33:52,872
有宏大願景大概念多人眼球的這樣的公司

764
00:33:52,872 --> 00:33:55,992
對我注意到矽谷有一些公司的火熱

765
00:33:55,992 --> 00:33:58,712
就比如說Humay 我覺得他跟兩個創辦人

766
00:33:58,712 --> 00:34:01,552
當時是可能直接可以report給賈伯斯的人

767
00:34:01,632 --> 00:34:05,072
是有關係的同時也跟Sam的這個背書也是有關係的

768
00:34:05,072 --> 00:34:07,192
因為我們說像AIPin的這種硬體

769
00:34:07,192 --> 00:34:11,072
可能你真正支持他的大腦還是OpenAI的這套的軟體

770
00:34:11,072 --> 00:34:14,912
所以Sam Altman的投資其實也是一個他們的背書

771
00:34:14,912 --> 00:34:19,112
包括像最近的LChat 他是一個社交軟體嘛

772
00:34:19,112 --> 00:34:24,112
然後他怎麼火紅的呢就我觀察到像YC的總裁Garry Tan他也有投到

773
00:34:24,112 --> 00:34:28,592
還有Sam Altman 這群人我覺得他們如果投了什麼軟體啊

774
00:34:28,592 --> 00:34:30,392
他很快就能在矽谷裡面

775
00:34:30,992 --> 00:34:35,152
對對YCMafia這個總結非常好就是能在矽谷裡面形成一個現象

776
00:34:35,152 --> 00:34:37,192
然後很快就把這個軟體帶火

777
00:34:37,192 --> 00:34:42,112
所以有的時候我就在想他們投資的公司到底是因為公司本身好

778
00:34:42,112 --> 00:34:47,672
還是說因為他們背後站著Sam Altman Sam
Altman背後還有OpenAI

779
00:34:47,672 --> 00:34:51,752
導致他們投的這個公司至少在reputation上是非常容易起來的

780
00:34:51,752 --> 00:34:55,912
我覺得兩者都有啊一定是而且另外一點的話你要看他投的多少

781
00:34:55,912 --> 00:35:00,632
就從個人投資的角度有些時候他投一個很小的支票那可能就是一個月台的效果

782
00:35:00,720 --> 00:35:05,000
另外有些企業的話他可能會探討說哎是不是跟openI有些策略的協同

783
00:35:05,400 --> 00:35:12,320
那我要加大我的資源不只是用我的名字去背書給這個公司我要用openI的一些資源
包括他不是投了個晶片公司

784
00:35:12,320 --> 00:35:14,000
然後在openI別拿訂單嗎

785
00:35:14,360 --> 00:35:18,040
所以這個的話他可能佔股就會大一些我覺得要從這個角度去看一個差別點

786
00:35:18,256 --> 00:35:20,656
我注意到一件非常有趣的事就是Sam Altman的個人投資

787
00:35:20,656 --> 00:35:23,616
剛才路易也講著他前面投了很多種的門類

788
00:35:23,616 --> 00:35:27,776
當然我們也講到就是Humanian這種其實讓他個人投的這種公司

789
00:35:28,096 --> 00:35:30,296
你有沒有發現Sam自己投了一些公司

790
00:35:30,296 --> 00:35:33,536
包括跟他弟弟包括用自己的資產的這種組合投了一些公司

791
00:35:33,736 --> 00:35:38,376
但另外一個東西就是投Harvey的OpenAI Startup Fund

792
00:35:38,376 --> 00:35:39,616
對

793
00:35:39,616 --> 00:35:42,976
這個東西的錢其實全是外面的錢

794
00:35:43,072 --> 00:35:44,432
而不是OpenAI的錢

795
00:35:44,432 --> 00:35:46,232
這個事兒其實是個很有意思的事兒

796
00:35:46,232 --> 00:35:48,432
我覺得這兩個東西它分的還蠻開的是不是

797
00:35:48,432 --> 00:35:49,072
是的

798
00:35:49,072 --> 00:35:51,752
這是我們在說它的投資的時候是分成兩個部分

799
00:35:51,752 --> 00:35:54,352
一個部分是Sam Altman個人的投資

800
00:35:54,352 --> 00:35:56,472
這是跟他弟弟一起成立的基金

801
00:35:56,472 --> 00:36:00,472
而這裡邊這個東西你很難說它能夠用到OpenAI的什麼資源

802
00:36:00,752 --> 00:36:02,272
可能是一個PR資源

803
00:36:02,512 --> 00:36:05,352
你很難說它用到什麼鞋頭或是各種各樣的這種事兒

804
00:36:05,424 --> 00:36:07,824
還有一塊是OpenAI自己的這個fund

805
00:36:07,824 --> 00:36:09,104
但這事兒就有意思了

806
00:36:09,424 --> 00:36:11,064
你自己個人有投資

807
00:36:11,064 --> 00:36:12,584
你又代表企業投資

808
00:36:12,584 --> 00:36:12,864
對吧

809
00:36:12,864 --> 00:36:14,624
這個其實倒還好

810
00:36:14,624 --> 00:36:15,224
你覺得還好

811
00:36:15,224 --> 00:36:16,464
因為這個

812
00:36:16,464 --> 00:36:17,024
說穿了

813
00:36:17,024 --> 00:36:19,144
就是如果我們用一個國內的同學們

814
00:36:19,144 --> 00:36:20,024
聽起來比較熟悉的概念

815
00:36:20,464 --> 00:36:21,464
就是站頭跟加辦

816
00:36:22,464 --> 00:36:25,544
站頭是我所經營的企業的corporate ventures

817
00:36:25,544 --> 00:36:26,944
然後是站頭加辦

818
00:36:26,944 --> 00:36:28,344
就是我私人的錢

819
00:36:28,344 --> 00:36:29,904
然後這個解釋太好了

820
00:36:29,904 --> 00:36:30,224
對

821
00:36:30,224 --> 00:36:31,024
然後就這麼做

822
00:36:31,024 --> 00:36:32,384
其實我覺得就是站頭加辦

823
00:36:32,624 --> 00:36:36,724
我覺得這個倒不矛盾但這裡邊的話我覺得外邊的很多人是不會這麼去認為的

824
00:36:36,724 --> 00:36:41,824
對大家可能就是覺得你背後站著Sam 你可能就是有多一點點的資源

825
00:36:41,824 --> 00:36:46,064
然後很多人會講Sam Altman Investing Us
這就是一個他出去講什麼事的一個

826
00:36:46,064 --> 00:36:48,384
我覺得Human強本身也是這樣的一個公司

827
00:36:48,384 --> 00:36:52,984
對當然我覺得就是他們過去在蘋果的經歷也非常的persuasive

828
00:36:52,984 --> 00:36:58,224
但我覺得在current moment
我覺得可能這個更persuasive的這個說法就是

829
00:36:58,224 --> 00:37:01,624
他會給別人感覺就是我們跟OpenAge align

830
00:37:01,696 --> 00:37:04,256
那現在Humay也是在尋求出售

831
00:37:04,256 --> 00:37:06,056
融了1.3億美元

832
00:37:06,176 --> 00:37:10,256
也是7.5到10億美元的價格在尋求出售

833
00:37:10,376 --> 00:37:12,256
我現在有看到新聞的報道

834
00:37:12,376 --> 00:37:14,696
就還沒看到有誰要來接

835
00:37:14,936 --> 00:37:16,376
對How dare you

836
00:37:18,016 --> 00:37:19,696
對吧這事就是How dare you

837
00:37:19,696 --> 00:37:22,936
然後我是在想SAM它整體的投資績效怎麼樣

838
00:37:22,936 --> 00:37:24,216
這會兒我就想插一個問題

839
00:37:24,216 --> 00:37:25,336
就是我們反過來就想

840
00:37:25,376 --> 00:37:27,016
是說SAM Altman投資績效怎麼樣

841
00:37:27,016 --> 00:37:28,896
那麼YCT幾年投資績效又怎麼樣

842
00:37:29,072 --> 00:37:32,392
當然這裡邊的話我覺得我們也不能基於現在的這個質性的一個回報

843
00:37:32,392 --> 00:37:33,952
然後我們就去評價這個事情

844
00:37:34,272 --> 00:37:36,472
當然我覺得可能too early to say

845
00:37:36,472 --> 00:37:38,552
SAM Altman他個人投的很多東西

846
00:37:38,552 --> 00:37:40,472
可能現在大家印象最深的是Humanity

847
00:37:40,472 --> 00:37:41,472
Reddit

848
00:37:41,472 --> 00:37:43,272
Reddit是非常好

849
00:37:43,272 --> 00:37:44,312
Reddit非常好

850
00:37:44,312 --> 00:37:45,672
這是一項很早期的投資

851
00:37:45,672 --> 00:37:46,272
還有Cora

852
00:37:46,272 --> 00:37:47,432
還有Cora

853
00:37:47,432 --> 00:37:50,552
這是很早期的一批投資這批做的都不錯

854
00:37:50,552 --> 00:37:53,232
當然這批的話其實有他個人那也有

855
00:37:53,232 --> 00:37:54,232
對就是

856
00:37:54,304 --> 00:37:56,504
但YC 對但是YC還是做得很好的

857
00:37:56,504 --> 00:37:58,224
都是YC Backed這樣的公司嘛

858
00:37:58,224 --> 00:37:59,104
嗯嗯嗯

859
00:37:59,104 --> 00:38:01,104
對但是說最近AI這一輪的話

860
00:38:01,104 --> 00:38:02,824
或者說整個數目醫學這一輪的話

861
00:38:02,824 --> 00:38:03,904
可能too early to say

862
00:38:04,144 --> 00:38:04,704
對

863
00:38:04,824 --> 00:38:05,224
對

864
00:38:05,224 --> 00:38:07,024
但是Humanity現在你說Humanity

865
00:38:07,024 --> 00:38:10,384
它最後真的會以一個10億左右的價格出售嗎

866
00:38:10,424 --> 00:38:11,264
How dare you

867
00:38:11,424 --> 00:38:13,064
我覺得可能是這樣的一個問題

868
00:38:13,824 --> 00:38:16,624
對然後我注意到最近還有一些公司

869
00:38:16,744 --> 00:38:19,424
包括像經常喜歡跟Sam一起出現的人

870
00:38:19,464 --> 00:38:21,344
有一個矽谷的超級投資代碼

871
00:38:21,344 --> 00:38:22,984
就是Vino的Coselab

872
00:38:23,056 --> 00:38:24,536
嗯Vino Coselab 也

873
00:38:24,536 --> 00:38:27,256
對我注意到他們有一起投很多的公司

874
00:38:27,256 --> 00:38:31,256
比如說像這一輪也是一個非常火紅的Physical Intelligence

875
00:38:31,696 --> 00:38:35,216
做可以理解成機器人的大腦的這樣的公司

876
00:38:35,456 --> 00:38:36,856
印像中還有一些

877
00:38:37,096 --> 00:38:40,536
大家要不要就是講Vino的他的背景是怎麼樣的

878
00:38:40,696 --> 00:38:44,016
Vino是個非常厲害的技術家企業家投資人

879
00:38:44,016 --> 00:38:46,536
然後呢我們其實跟Coselab合作還蠻多的

880
00:38:46,776 --> 00:38:48,696
最近他又投了我們一家公司的A輪

881
00:38:48,696 --> 00:38:50,656
然後我們就領投了A輪之間種子輪

882
00:38:50,656 --> 00:38:51,816
然後他們領投了A輪

883
00:38:51,936 --> 00:38:55,136
而且很多其他的公司他們也會參與進來投

884
00:38:55,256 --> 00:38:58,136
他們夾雜大的特點就是確實技術屬性比較強

885
00:38:58,136 --> 00:39:00,976
以維納為代表的投資者的團隊對技術的理解

886
00:39:00,976 --> 00:39:02,856
他自己本身也是企業家出身

887
00:39:03,296 --> 00:39:05,056
我覺得這個也非常的有幫助

888
00:39:05,176 --> 00:39:07,536
另外的話他們也比較有名的一點

889
00:39:07,536 --> 00:39:09,456
就維納也在早期投了OpenAI

890
00:39:09,456 --> 00:39:12,456
所以在這方面的佈局也是比較早期的

891
00:39:12,536 --> 00:39:15,576
所以COSLA它更多的是一個非常成熟的

892
00:39:15,576 --> 00:39:18,376
然後表現很好的一個機構的投資機構

893
00:39:18,400 --> 00:39:20,840
所以你要去看COSLA的一個業績的話呢

894
00:39:20,840 --> 00:39:23,080
你從整個基金表現去看是很不錯的

895
00:39:23,080 --> 00:39:27,240
所以你也很難去拿它跟Sam Ultiman個人投資的去來比較

896
00:39:27,240 --> 00:39:29,120
因為人家是一個機構投資的做法

897
00:39:29,120 --> 00:39:30,440
可能你偶爾會看到說

898
00:39:30,440 --> 00:39:32,080
欸維納也投了這個項目

899
00:39:32,080 --> 00:39:33,440
然後Sam也參與了

900
00:39:33,520 --> 00:39:36,720
但是你沒看到的是大片維納投的項目其實Sam是沒有參與的

901
00:39:36,720 --> 00:39:38,480
而且那些項目的表現是很好的

902
00:39:38,480 --> 00:39:42,560
對對對我是發現最近Cosland Ventures他們的投資非常的激進

903
00:39:42,560 --> 00:39:45,440
然後他們最近出手非常活躍

904
00:39:45,440 --> 00:39:48,600
我是覺得其實像維納那一代的企業家

905
00:39:48,600 --> 00:39:51,520
就是說出生在他跟Steve Jobs Bill Gates

906
00:39:51,520 --> 00:39:53,840
三個1956年生的人

907
00:39:53,840 --> 00:39:55,760
他們這幾個人其實我覺得是非常有趣的

908
00:39:55,760 --> 00:39:57,880
就是這批出生在1950年代

909
00:39:57,880 --> 00:39:59,880
在1970年代末80年代初

910
00:39:59,880 --> 00:40:01,840
個人計算興起的那個階段的人

911
00:40:03,712 --> 00:40:06,672
就是他們其實對人工智慧的崛起與發展

912
00:40:06,672 --> 00:40:08,392
有著特別好的知覺

913
00:40:08,752 --> 00:40:10,592
這些人其實在行動網路的那一波

914
00:40:10,952 --> 00:40:12,952
其實他們沒有佔據一個微軟就不講了

915
00:40:13,352 --> 00:40:14,632
這是一個非常有趣的事

916
00:40:14,632 --> 00:40:17,872
就是這個也是我們該怎麼去看待當今的AI變革

917
00:40:18,312 --> 00:40:19,192
很多人會難道想

918
00:40:19,192 --> 00:40:21,312
你說現在這種Native AI App

919
00:40:21,312 --> 00:40:23,392
會跟當年的行動互聯網的Mobile App

920
00:40:23,392 --> 00:40:24,912
然後去做對比不是這麼一回事的

921
00:40:25,272 --> 00:40:26,952
我覺得其實實現在我們可能很多時候

922
00:40:26,952 --> 00:40:28,192
如果它是一個時間節點的話

923
00:40:28,192 --> 00:40:30,272
它更像是70年代沒80年代初

924
00:40:30,272 --> 00:40:33,152
就是個人運算誕生時候的那一套的體系化的變革

925
00:40:33,312 --> 00:40:36,272
對其實我很同意我的一個創業者講的

926
00:40:36,272 --> 00:40:39,512
本身是說上一個網路時代我們其實在move data around

927
00:40:39,512 --> 00:40:42,672
但現在這個人工智慧時代我們是在move computing around

928
00:40:42,672 --> 00:40:45,912
所以的話確實是一個新的大時代而且是全產業

929
00:40:45,912 --> 00:40:49,432
我這裡還想再多加一句其實像vino他所代表的這一批

930
00:40:49,432 --> 00:40:53,032
這個背景的投資人包括其實我們整個團隊也都是類似背景的

931
00:40:53,032 --> 00:40:55,832
就是技術出身然後創業然後企業

932
00:40:55,832 --> 00:41:00,784
那就有一個特點就是他其實對於新的這些技術不僅是說

933
00:41:00,784 --> 00:41:03,664
完全跟上而且它非常的切入到細節去

934
00:41:03,904 --> 00:41:05,144
就你跟他去聊技術

935
00:41:05,144 --> 00:41:06,384
他是非常懂技術

936
00:41:06,384 --> 00:41:07,504
像我們最近那個公司

937
00:41:07,504 --> 00:41:08,184
他投了Alan

938
00:41:08,424 --> 00:41:11,104
其實那家公司拿到好幾個大基金的Termshed

939
00:41:11,304 --> 00:41:12,544
最後他會選vnode

940
00:41:12,544 --> 00:41:15,064
就是因為他跟我講vnode跟他聊了三、四個小時

941
00:41:15,064 --> 00:41:15,264
科技

942
00:41:15,264 --> 00:41:16,464
這都是他技術

943
00:41:16,464 --> 00:41:17,344
純聊技術

944
00:41:17,424 --> 00:41:19,784
然後這樣他覺得說這個投資真的非常懂

945
00:41:20,304 --> 00:41:23,384
但有些實現在市面上還是有些投資人或創業者

946
00:41:23,384 --> 00:41:24,944
因為人工智慧是一個buzzword

947
00:41:24,944 --> 00:41:26,184
像羅老師提到的

948
00:41:26,264 --> 00:41:27,864
就會講很多的名詞

949
00:41:27,968 --> 00:41:31,968
但講很多名次之後到底是不是深入的技術細節你是了解的

950
00:41:31,968 --> 00:41:34,968
所以我覺得這一點是Venel Cosmos比較特別的

951
00:41:34,968 --> 00:41:37,968
還有包括一些非常傑出的矽谷的一些科技投資人他的特點

952
00:41:37,968 --> 00:41:38,968
但是你要看Sam的話呢

953
00:41:38,968 --> 00:41:40,968
就是他到底是不是能講多深的

954
00:41:40,968 --> 00:41:42,968
包括剛才羅老師也提到了

955
00:41:42,968 --> 00:41:44,968
就是你聽他到處分享到處演講

956
00:41:44,968 --> 00:41:46,968
什麼都講了其實什麼都沒講

957
00:41:46,968 --> 00:41:50,968
對其實我覺得就還是說到底說他有多少精力

958
00:41:50,968 --> 00:41:51,968
他是當然很聰明的人

959
00:41:51,968 --> 00:41:54,968
他如果想花時間去探究科技的細節

960
00:41:54,968 --> 00:41:55,968
他是可以的

961
00:41:56,080 --> 00:41:59,440
但是是說他的一個優先事項這個東西他到底有沒有花時間

962
00:41:59,600 --> 00:42:02,200
對我們剛剛聊到了cosner ventures

963
00:42:02,280 --> 00:42:04,760
可以稍微跟聽眾介紹一下他的背景

964
00:42:04,760 --> 00:42:06,680
他之前是sum的創始人

965
00:42:06,800 --> 00:42:08,400
他其實自己做投資

966
00:42:08,400 --> 00:42:11,080
我也觀察到他是有自己非常明星的案例

967
00:42:11,080 --> 00:42:14,160
就比如說他其實是有用800萬美元的投資

968
00:42:14,160 --> 00:42:19,360
獲得了光欄網路創業公司叫做serent的30%的股份

969
00:42:19,440 --> 00:42:22,600
三年後這筆投資的報酬是24億美元

970
00:42:22,608 --> 00:42:26,308
所以可以說是相當成功,相當快速,相當驚人

971
00:42:26,308 --> 00:42:28,608
我聽出一個八卦我就不知道能不能驗證

972
00:42:28,608 --> 00:42:34,108
說是vinocosla本人其實上對他比較看得上的公司的事情特別的憨喪

973
00:42:34,108 --> 00:42:37,408
在董事會裡,包括在日常的特別特別憨喪

974
00:42:37,408 --> 00:42:39,808
是的,所以創辦人盯得也特別緊

975
00:42:39,808 --> 00:42:43,608
是的,所以其實也造就創辦人對他的評價也會有

976
00:42:43,608 --> 00:42:44,308
兩之一

977
00:42:44,308 --> 00:42:48,208
對,因為他是確實像你講的,他因為很懂技術

978
00:42:48,208 --> 00:42:49,908
但他有些時候就比較憨喪

979
00:42:50,048 --> 00:42:53,888
那有些創辦人喜歡這種涵雜,有些創辦人不太喜歡

980
00:42:53,888 --> 00:42:59,448
另外的話呢,他是一個非常睿智的人,可能說90%的時間他的決策或者說想法是對的

981
00:42:59,448 --> 00:43:06,648
但是也不能說100%嘛,那當他的意見比較強和創始人意見不一致的時候,可能就容易出
現到這樣的一個問題

982
00:43:06,648 --> 00:43:11,328
所以我們其實說實話,我們跟他們合作這麼多,我們也有些時候會管理創辦人的預期

983
00:43:11,328 --> 00:43:16,328
就是要跟他講說這個合作的前景可能是怎麼樣的,你怎麼樣在董事會上要有自己的掌控力

984
00:43:16,328 --> 00:43:19,768
包括我們怎麼樣幫助他去平衡這個董事會上的一個dynamic

985
00:43:19,840 --> 00:43:22,800
所以就說不同的投資人有不同的風格

986
00:43:22,840 --> 00:43:26,360
也跟他自己之前的科技創業的經驗比較相關

987
00:43:26,520 --> 00:43:27,400
那像我們的話

988
00:43:27,400 --> 00:43:29,840
我和我合夥人全都是連續成功創業者

989
00:43:29,880 --> 00:43:31,240
但是我們的風格就覺得

990
00:43:31,240 --> 00:43:33,160
我在做創業的時候最討厭別人來

991
00:43:33,160 --> 00:43:33,960
micro management

992
00:43:33,960 --> 00:43:36,440
即使不予勿施於人

993
00:43:36,480 --> 00:43:37,640
所以這不同的風格

994
00:43:38,520 --> 00:43:39,920
但你也看得出他的風格

995
00:43:39,920 --> 00:43:41,680
他會占公司的比例比較大

996
00:43:41,680 --> 00:43:43,240
佔20% 30%

997
00:43:43,240 --> 00:43:44,480
所以從他這個角度的話

998
00:43:44,480 --> 00:43:45,720
他覺得我投入很多我也要

999
00:43:45,720 --> 00:43:48,120
非常切入的去植入到這家公司的管理中

1000
00:43:48,120 --> 00:43:49,376
怎麼聽著跟阿里似的

1001
00:43:49,376 --> 00:43:58,216
而且我聽說他是非常善於跟非常敢於去投極有爭議的創始人的

1002
00:43:58,216 --> 00:44:01,416
對是的是的因為他本身就是一個個性非常強的人

1003
00:44:01,416 --> 00:44:02,576
你說的是傑西利語嗎

1004
00:44:02,576 --> 00:44:07,216
對所以他是這個爭議還是對吧

1005
00:44:07,216 --> 00:44:08,816
他是個性格比較強的人

1006
00:44:08,816 --> 00:44:10,736
所以他可能就是更會

1007
00:44:10,832 --> 00:44:12,232
他喜歡那樣的人

1008
00:44:12,232 --> 00:44:13,472
對我覺得看創辦人的話

1009
00:44:13,472 --> 00:44:14,592
你看有兩種看法

1010
00:44:14,592 --> 00:44:16,872
一種是看他整體的素質平衡來看

1011
00:44:16,872 --> 00:44:18,512
希望他各方面的能力

1012
00:44:18,512 --> 00:44:19,632
還有風險控製做得好

1013
00:44:19,632 --> 00:44:20,352
另外一種的話

1014
00:44:20,352 --> 00:44:21,152
可能有些投資人

1015
00:44:21,152 --> 00:44:22,592
他是指定創始人的優點

1016
00:44:22,792 --> 00:44:24,312
就你可能有10個缺點

1017
00:44:24,312 --> 00:44:25,592
但是有一個大優點

1018
00:44:25,592 --> 00:44:26,392
那我要投你

1019
00:44:26,392 --> 00:44:27,712
因為我覺得你能成事

1020
00:44:27,792 --> 00:44:29,432
我覺得這兩種評估的方式

1021
00:44:29,432 --> 00:44:30,672
都有他的各有利弊

1022
00:44:30,792 --> 00:44:32,192
只是不同的投資風格

1023
00:44:32,192 --> 00:44:32,712
對

1024
00:44:32,912 --> 00:44:36,112
賽姆他是不是跟Peter Thiel的關係也很好

1025
00:44:36,112 --> 00:44:39,792
因為我看見他們其實也有很多跟Peter Thiel一起投的領域

1026
00:44:39,792 --> 00:44:44,352
包括我覺得他們兩個可能都是對長壽永生生物科學有一些追求的

1027
00:44:44,352 --> 00:44:47,552
也喜歡投一些非常aggressive的項目

1028
00:44:47,552 --> 00:44:50,352
對其實Peter Thiel是個非常厲害的投資人

1029
00:44:50,352 --> 00:44:53,952
他其實在許多趨勢和公司的判斷上是非常有獨特見解

1030
00:44:53,952 --> 00:44:57,152
而且本身在創辦人的社群裡面的口碑也非常好

1031
00:44:57,248 --> 00:44:58,808
然後你剛才提到他們兩個的關係

1032
00:44:58,808 --> 00:45:00,368
他們兩個的關係真的很緊密

1033
00:45:00,368 --> 00:45:04,248
你反而說他和COSA的關係可能​​是說投資人投資人之間的關係

1034
00:45:04,248 --> 00:45:05,248
他和Peter Tull的話

1035
00:45:05,248 --> 00:45:07,648
Peter跟類似於是像他的一個Mentor一樣

1036
00:45:07,848 --> 00:45:10,248
而且Peter他們下面其實有一個小圈子

1037
00:45:10,248 --> 00:45:11,168
就是關係好到

1038
00:45:11,168 --> 00:45:13,528
比如說Sam說我要去羅山基修個廈

1039
00:45:13,528 --> 00:45:16,168
然後就去住一下Peter他的Vacation house

1040
00:45:16,168 --> 00:45:17,648
要帶幾個朋友住一下

1041
00:45:17,648 --> 00:45:18,528
然後跟他聚一下

1042
00:45:18,528 --> 00:45:20,088
是非常緊密的關係

1043
00:45:20,088 --> 00:45:21,248
所以也可能是從

1044
00:45:21,344 --> 00:45:25,664
這個層面上因為PeterTale他除了在科技層面的版面做得非常好

1045
00:45:25,664 --> 00:45:30,584
自己本身也是技術出身他本身也在政治層面上去施加自己的影響力

1046
00:45:30,584 --> 00:45:35,464
所以我覺得這可能不論他們兩個是志同套合還是說他受到了很多Peter的影響

1047
00:45:35,464 --> 00:45:36,784
都是有可能性的

1048
00:45:36,784 --> 00:45:39,664
但我還是覺得我可能會更欣賞Peter一些

1049
00:45:39,664 --> 00:45:40,344
為什麼

1050
00:45:40,344 --> 00:45:46,344
因為我覺得Peter以前的他是有非常強的過去的一個成功的經驗

1051
00:45:46,344 --> 00:45:50,344
包括他在業界的佈局就是說他的技術比較夯實比較紮實

1052
00:45:50,400 --> 00:45:54,600
他做事情的方式也相對來說比較縝密然後也比較完整

1053
00:45:54,960 --> 00:45:57,240
Sam當然相對來說也比較年輕

1054
00:45:57,240 --> 00:45:59,840
再加上有趁到了這個機會和勢頭

1055
00:45:59,840 --> 00:46:01,880
所以兩個人的發展路徑還是不一樣的

1056
00:46:01,880 --> 00:46:05,160
那Peter早年還是非常厲害和成功的企業家和創始人

1057
00:46:05,160 --> 00:46:08,000
但是Sam早年其實他那個新創公司也是

1058
00:46:08,000 --> 00:46:08,920
Loop 對吧

1059
00:46:08,920 --> 00:46:09,960
所以不一樣

1060
00:46:10,480 --> 00:46:13,080
那你們覺得Sam他的這套投資方法

1061
00:46:13,080 --> 00:46:15,480
跟他的思考方式是失成誰更多

1062
00:46:15,480 --> 00:46:18,560
因為他早期是YC的總裁然後也是program

1063
00:46:18,720 --> 00:46:23,520
YC的創辦人是非常看好他的同時他跟Peter的關係也很好

1064
00:46:23,520 --> 00:46:26,920
我很想知道他的這套想法他是怎麼來的

1065
00:46:26,920 --> 00:46:32,120
我覺得還是更多是成YC 這是一個他的本身的投資體系

1066
00:46:32,120 --> 00:46:35,520
對我覺得也是我2015年還跟Sam簡單的聊過一次

1067
00:46:35,520 --> 00:46:37,520
也不是簡單的還聊了一個鐘頭

1068
00:46:37,520 --> 00:46:40,320
他是一個典型的YC出來的這個人

1069
00:46:40,320 --> 00:46:42,320
而你看他現在他的投資包括許多圈子

1070
00:46:42,520 --> 00:46:44,520
包括現在他個人的投資一些很多東西

1071
00:46:44,520 --> 00:46:48,320
包括新興的generative AI的一些東西他還是在跟那個圈子在一起

1072
00:46:48,480 --> 00:46:50,480
這基本上還是這個樣子

1073
00:46:50,480 --> 00:46:53,480
很擅長建設群

1074
00:46:53,480 --> 00:46:59,480
我有時候我覺得Sam Altman像個更頑固、更touchy一般的Rid
Hoffman

1075
00:47:00,480 --> 00:47:02,480
就可能沒有那麼招募人喜歡

1076
00:47:02,480 --> 00:47:05,480
但是他其實在做的很多事上很多方面還是很像的

1077
00:47:05,480 --> 00:47:08,480
很擅長做所謂的這種club game

1078
00:47:09,520 --> 00:47:11,840
Mafia game club game 然後就大家在一起

1079
00:47:11,840 --> 00:47:13,080
然後去促成一個事情

1080
00:47:13,080 --> 00:47:17,280
這簡單來說非常擅長在這種矽谷的高端的圈子裡面

1081
00:47:17,280 --> 00:47:18,080
聚集位能

1082
00:47:18,080 --> 00:47:18,880
或者聚集位能

1083
00:47:18,880 --> 00:47:19,640
對對對

1084
00:47:19,640 --> 00:47:21,120
我這塊我就忍不住我就說一句

1085
00:47:21,120 --> 00:47:23,520
就是你就看Influx能這個樣子打包

1086
00:47:23,520 --> 00:47:25,840
然後以一個不錯的價格被微軟

1087
00:47:25,840 --> 00:47:27,320
sort of like I could hire

1088
00:47:27,600 --> 00:47:30,600
所以我覺得可能Humay也能賣一個不錯的價格也沒準

1089
00:47:30,600 --> 00:47:33,080
我覺得這些人他們應該可以的

1090
00:47:33,080 --> 00:47:33,680
對

1091
00:47:33,680 --> 00:47:37,000
其實你看最早OpenAI為什麼會有Sam

1092
00:47:37,136 --> 00:47:39,376
其實當時你想除了Sa​​m之外其他的

1093
00:47:39,376 --> 00:47:41,136
無論是馬斯克還是瑞特哈夫曼

1094
00:47:41,136 --> 00:47:44,136
他其實是一個在那個時候已經是成為了矽谷大佬

1095
00:47:44,536 --> 00:47:48,296
但為什麼他們會讓Sam來領頭做這個事情

1096
00:47:48,296 --> 00:47:50,096
其實相當於他們也是看中了Sam

1097
00:47:50,096 --> 00:47:51,616
他有很強的造勢

1098
00:47:51,616 --> 00:47:53,936
還有說借勢打勢的能力

1099
00:47:53,936 --> 00:47:55,416
創造一個community

1100
00:47:55,416 --> 00:47:56,416
什麼叫創造community

1101
00:47:56,416 --> 00:47:58,216
就是把最優秀的人才吸引過來

1102
00:47:58,496 --> 00:47:58,936
對吧

1103
00:47:58,936 --> 00:48:01,256
那這些大佬都可以去找很多優秀的人才

1104
00:48:01,256 --> 00:48:02,696
但優秀人才來了之後的話

1105
00:48:02,696 --> 00:48:05,016
需要人不停的在這些核心人員的周圍

1106
00:48:05,016 --> 00:48:06,416
去把這個社群建立起來

1107
00:48:06,512 --> 00:48:08,232
這個是他們非常擅長

1108
00:48:08,232 --> 00:48:10,632
所以一個例子來講像YC在他接手之前

1109
00:48:10,632 --> 00:48:13,112
其實是一種小小的孵化的打法

1110
00:48:13,112 --> 00:48:14,712
其實我還比較喜歡那時候的YC

1111
00:48:14,712 --> 00:48:16,192
因為他非常重視質量

1112
00:48:16,192 --> 00:48:17,352
每個batch非常小

1113
00:48:17,352 --> 00:48:20,472
我記得14年當時去YC大學一個聚會

1114
00:48:20,472 --> 00:48:22,832
當時我們一共可能就30、40個多個人

1115
00:48:22,832 --> 00:48:25,832
然後他請了Zackberg過來跟我們這些創業家分享

1116
00:48:25,832 --> 00:48:28,632
所以那個時候他是做這種小範圍深度分享

1117
00:48:28,632 --> 00:48:31,352
真真正希望可以幫助每個優秀的創業者

1118
00:48:31,352 --> 00:48:34,112
但Sam進來之後的話他也開始打造社團

1119
00:48:34,176 --> 00:48:39,016
所以你會發現YC整個公司的數量還有人群的聚集就越來越大越來越大

1120
00:48:39,016 --> 00:48:44,576
但呢這樣做也確實有好處整個品牌的推廣還有包括吸引的人才的數量整體就會上去

1121
00:48:44,576 --> 00:48:46,696
但和初期的理念就不太一樣了

1122
00:48:46,696 --> 00:48:51,336
所以它這樣的一個巨勢的能力還有說打造社群的能力是非常解除的

1123
00:48:51,336 --> 00:48:55,016
它可能也是這個原因讓那些矽谷大佬在做OpenAI這個事情

1124
00:48:55,016 --> 00:48:57,856
因為OpenAI當時初始是一個非營利機構

1125
00:48:57,856 --> 00:49:01,896
非營利機構你更困難你是需要用別的東西去聚集人的

1126
00:49:01,936 --> 00:49:04,976
所以這可能也是為什麼他們挑了Sam的原因之一

1127
00:49:04,976 --> 00:49:09,176
如果我沒記錯的話Sam應該是2014年做的YC的president

1128
00:49:09,176 --> 00:49:09,776
對

1129
00:49:09,776 --> 00:49:13,616
那會好像他剛做president除了他們YC alumni那個圈子

1130
00:49:13,616 --> 00:49:15,736
很多人那時候好像還沒有特別特別熟悉的樣子

1131
00:49:15,736 --> 00:49:16,336
是的

1132
00:49:16,336 --> 00:49:17,016
對對對

1133
00:49:17,016 --> 00:49:20,776
他那個時候我覺得他應該做了YC的president

1134
00:49:20,776 --> 00:49:24,656
他在矽谷的這個名聲才慢慢開始的起來

1135
00:49:24,656 --> 00:49:27,536
然後OpenAI是15年成立的

1136
00:49:27,536 --> 00:49:29,296
他18年基本上比較全職的

1137
00:49:29,296 --> 00:49:30,136
然後投入去做這個事

1138
00:49:30,136 --> 00:49:30,776
對對對

1139
00:49:30,784 --> 00:49:34,884
我就想起關於YC的兩個我切身有感受的兩個小八卦

1140
00:49:35,384 --> 00:49:39,864
兩個事都發生在2017年,還是2016年,2016年還是2017年我忘了

1141
00:49:40,004 --> 00:49:41,284
年初春節前後

1142
00:49:41,544 --> 00:49:43,584
突然有個很久沒聯絡的人然後聘我

1143
00:49:43,844 --> 00:49:46,144
那時候他在灣區說我看你好像也在要不要見一面

1144
00:49:46,664 --> 00:49:48,444
TakiNation那個媒體

1145
00:49:48,704 --> 00:49:52,024
TakiNation的這個創辦人,Wilis Lee,新加坡小哥

1146
00:49:52,284 --> 00:49:53,564
因為我很早之前見過他嘛

1147
00:49:54,084 --> 00:49:55,104
我說好就見一面吧

1148
00:49:55,864 --> 00:49:58,944
我們兩個就約在Mountainville的那個Radarock Cafe,他那聊

1149
00:49:59,280 --> 00:50:02,320
說你這趟你也是來幹嘛,他說我是這屆的YC Alumni

1150
00:50:02,680 --> 00:50:05,600
我當時面無表情很平靜,但我心裡翻江倒海

1151
00:50:06,040 --> 00:50:10,580
你一個科技媒體,報道整個全亞洲的科技媒體

1152
00:50:10,880 --> 00:50:14,720
你為什麼是YC這個Batch的公司

1153
00:50:14,780 --> 00:50:16,280
那我是不是也可以

1154
00:50:16,880 --> 00:50:19,780
我怎麼想,我做個英文版本,那我是不是也可以

1155
00:50:19,780 --> 00:50:22,980
你很難去判斷他當時的初衷目的和標準是什麼

1156
00:50:22,980 --> 00:50:25,280
可能,因為那個階段正是YC在非常

1157
00:50:25,280 --> 00:50:27,616
Grossively Expand to Asia的時候

1158
00:50:27,616 --> 00:50:29,016
可能它需要這樣的一個東西

1159
00:50:29,016 --> 00:50:30,576
但如果我們以YC說的

1160
00:50:30,576 --> 00:50:33,456
我們的這個mission是make something people
really want的話

1161
00:50:33,456 --> 00:50:35,336
這個東西好像跟這個mission

1162
00:50:35,336 --> 00:50:36,976
好像其實偏離的還有點遠

1163
00:50:36,976 --> 00:50:39,576
我不認為我做的事是people really want

1164
00:50:39,576 --> 00:50:41,176
如果我們認為people是一個

1165
00:50:41,176 --> 00:50:43,416
廣義的人們的意思的話

1166
00:50:43,416 --> 00:50:44,616
那我不認為是這個樣子

1167
00:50:44,616 --> 00:50:46,216
這事我當然我覺得特別好玩

1168
00:50:46,216 --> 00:50:48,936
第二件事是2017年10月

1169
00:50:48,936 --> 00:50:51,016
中國的國慶長假期間

1170
00:50:51,016 --> 00:50:54,336
我為什麼要特意強調是中國的國慶長假期間

1171
00:50:54,496 --> 00:50:58,816
是因為那會YC在San Francisco有一個NASA Center

1172
00:50:58,816 --> 00:51:00,656
在那做了一場活動

1173
00:51:00,656 --> 00:51:02,936
那場活動Sam當然在

1174
00:51:02,936 --> 00:51:05,176
YC的這些主要的這些partner

1175
00:51:05,176 --> 00:51:07,096
Justin Ken Gary Tan

1176
00:51:07,096 --> 00:51:08,936
還有我當然比較熟的一個

1177
00:51:08,936 --> 00:51:11,136
過去早期的Airbnb的一個人

1178
00:51:11,136 --> 00:51:12,416
他的一個合夥人

1179
00:51:12,416 --> 00:51:13,536
幾個人晚上他們都在

1180
00:51:13,976 --> 00:51:17,096
但其實那次活動的主要亮相的人是陸奇博士

1181
00:51:17,096 --> 00:51:19,216
因為陸奇那會是YC China的president

1182
00:51:19,216 --> 00:51:20,896
Travis Kananik來了

1183
00:51:20,896 --> 00:51:22,496
反正來了很多人的那場活動

1184
00:51:22,576 --> 00:51:25,016
那場活動是我第一次見到YC的活動門口

1185
00:51:25,016 --> 00:51:26,936
然後有中文的招貼和通傳的

1186
00:51:26,936 --> 00:51:29,296
其實那會YC我去活

1187
00:51:29,296 --> 00:51:32,816
那次其實他應該主要是想找一些中國的土豪

1188
00:51:32,816 --> 00:51:34,856
做他可能比如中國單獨的這樣一個program

1189
00:51:34,856 --> 00:51:36,376
或是這樣一個放的這個LP

1190
00:51:36,376 --> 00:51:39,416
所以你覺得他在寫LP

1191
00:51:39,416 --> 00:51:41,456
當時我覺得就是這個人好會

1192
00:51:41,976 --> 00:51:44,056
這事Paul Graham絕對乾不出來

1193
00:51:44,056 --> 00:51:46,616
Paul Graham是會挑創業家的口音的

1194
00:51:46,616 --> 00:51:48,176
我親自在活動上見過

1195
00:51:48,176 --> 00:51:49,856
就是有創業家東歐的人跟他就講

1196
00:51:49,984 --> 00:51:51,704
講什麼東西我怎麼能是你YC

1197
00:51:51,704 --> 00:51:53,184
然後Paul Graham直接告訴我說

1198
00:51:53,624 --> 00:51:55,544
首先你要improve your English

1199
00:51:55,544 --> 00:51:56,864
English is not very good

1200
00:51:57,344 --> 00:51:59,584
那創業者說I think my English is good

1201
00:52:00,024 --> 00:52:02,624
Paul就講說No you have a very strong

1202
00:52:03,144 --> 00:52:04,864
sort of like your European accent

1203
00:52:05,144 --> 00:52:07,704
當時我就覺得就是OKYC還蠻嚴格的

1204
00:52:08,544 --> 00:52:12,144
所以13年之前基本上你看到其實很少有美國以外的團隊

1205
00:52:12,984 --> 00:52:16,064
但是就Sam當時那兩個事是我覺得這個人其實還是一個

1206
00:52:16,344 --> 00:52:19,944
他其實在很大程度上他把YC的很多東西都改變了

1207
00:52:20,024 --> 00:52:20,080
所以我還是覺得他其實是個很好的人

1208
00:52:20,080 --> 00:52:21,280
是的

1209
00:52:21,280 --> 00:52:24,280
我注意到去年2023年12月份

1210
00:52:24,280 --> 00:52:28,000
Sam還從密西根大學他是募了一個新的Founder

1211
00:52:28,000 --> 00:52:30,680
然後我們知道也有他跟他弟弟成立的Founder

1212
00:52:30,680 --> 00:52:33,680
我不太清楚他在矽谷有沒有做一些Founder的LP

1213
00:52:33,680 --> 00:52:35,080
還是說他都是直投

1214
00:52:35,080 --> 00:52:37,160
我聽到的他還是直投比較多

1215
00:52:37,160 --> 00:52:39,200
對因為他從他的角度講的話

1216
00:52:39,200 --> 00:52:40,280
他也不缺項目員

1217
00:52:40,280 --> 00:52:42,200
他也沒有必要再去投別的基金

1218
00:52:42,200 --> 00:52:44,560
但是像他這種專門從這個機構

1219
00:52:44,560 --> 00:52:45,920
引導們拿錢去投的話

1220
00:52:45,920 --> 00:52:47,960
很可能也會有特別的一些專注

1221
00:52:47,960 --> 00:52:49,880
比如說他可能專注我猜的

1222
00:52:49,936 --> 00:52:52,696
比如說是跟密西林大學的這個校友相關啊

1223
00:52:52,856 --> 00:52:56,016
或者說是特定的一個領域或是技術的一個轉移

1224
00: 52:56,296 --> 00:52:58,576
我覺得也是可能LP希望能藉他

1225
00:52:58,576 --> 00:53:01,256
非常強大的社群能力去看到一些好的項目

1226
00:53:01,456 --> 00:53:01,896
嗯

1227
00:53:02,136 --> 00:53:04,816
最近還有一個人叫做Andre Capacit

1228
00:53:04,936 --> 00:53:07,856
之前OpenAI也是前特斯拉自動駕駛的負責人

1229
00:53:08,136 --> 00:53:10,576
我看他跟他們一起投資也蠻活躍的

1230
00:53:10,616 --> 00:53:13,416
是Sam跟Andre Capacit一起投資嗎

1231
00:53:13,536 --> 00:53:15,736
有出現在一些共同的專案裡面

1232
00:53:15,736 --> 00:53:17,256
例如是OpenAI不是Sam

1233
00:53:17,256 --> 00:53:19,696
他們共同的一些profile是OpenAI

1234
00:53:19,776 --> 00:53:22,136
不是Sam 這個還是得分開

1235
00:53:22,136 --> 00:53:25,616
我覺得其實很多時候你其實也要看創辦人從哪個圈子裡來

1236
00:53:25,616 --> 00:53:29,696
其實投資VC它也是一個人的圈子創辦人的圈子

1237
00:53:29,696 --> 00:53:32,256
比如說我們講有PayPal的Mafia

1238
00:53:32,256 --> 00:53:34,736
就是很多這種PayPal出來的創辦人

1239
00:53:34,736 --> 00:53:36,136
Palantir出來的

1240
00:53:36,136 --> 00:53:37,096
Meta出來的

1241
00:53:37,096 --> 00:53:38,856
谷歌出來的等等

1242
00:53:38,856 --> 00:53:40,016
就比如說像他們

1243
00:53:40,016 --> 00:53:42,496
他們無論是做OpenAI還是Tesla

1244
00:53:42,496 --> 00:53:44,856
有伊朗馬斯克的話確實就形成了一個小圈子

1245
00:53:44,856 --> 00:53:47,096
或者是有Peter sale的話形成一個小圈子

1246
00:53:47,200 --> 00:53:53,240
那這裡面可能這個頻道裡出來的創辦人就會拿到這群人的關注比較多或錢比較多

1247
00:53:53,240 --> 00:53:56,800
就包括像我們自己做也是我們有一個超級創始人網絡

1248
00:53:56,800 --> 00:53:59,560
像我們合作比較多的像Data Collector V啊Costa

1249
00:53:59,560 --> 00:54:01,480
他們其實也都有這種超級創辦人網絡

1250
00:54:01,480 --> 00:54:03,240
裡面的人全都是連續成功創業者

1251
00:54:03,240 --> 00:54:06,400
這個創辦人網絡一定是跟他有一個特定的關係

1252
00:54:06,400 --> 00:54:09,080
我們叫就是一個優先的專案員

1253
00:54:09,080 --> 00:54:10,920
對其實我是在想這樣一個問題

1254
00:54:10,920 --> 00:54:13,720
我們看整個矽谷的創投的歷史

1255
00:54:13,720 --> 00:54:16,640
可能最早一批是KPCB 是紅杉

1256
00:54:16,720 --> 00:54:18,920
他們是個風頭正勝的時候

1257
00:54:18,920 --> 00:54:22,320
接下來我們看到A16Z它的崛起

1258
00:54:22,320 --> 00:54:24,160
包括其實有些像Paradigm

1259
00:54:24,160 --> 00:54:26,680
就是一些加密貨幣的基金的崛起

1260
00:54:26,680 --> 00:54:28,560
為什麼我最近要做這個選題

1261
00:54:28,560 --> 00:54:30,800
就是我觀察到一些比較厲害的公司

1262
00:54:30,800 --> 00:54:32,480
當然這可能不只是Sams

1263
00:54:32,480 --> 00:54:35,480
比如說像OpenAI他們也投資了FigureAI

1264
00:54:35,480 --> 00:54:39,120
可能跟人心機器人的這樣的一些公司

1265
00:54:39,120 --> 00:54:42,480
我是在想矽谷有沒有在開始慢慢形成一個

1266
00:54:42,480 --> 00:54:45,720
類似OpenAI投資的Mafia

1267
00:54:45,808 --> 00:54:50,288
我其實倒不覺得,其實我覺得OpenAI的投資muffet並沒有出現,

1268
00:54:50,288 --> 00:54:54,728
而且現在說實話投資人工智慧這個大趨勢的基金和資金是越來越多的,

1269
00:54:54,928 --> 00:54:58,888
所以其實像我們現在合作的很多基金也有些是不是說這種老牌的,

1270
00:54:58,888 --> 00:54:59,968
有些新出來的,

1271
00:55:00,048 --> 00:55:01,208
他們有各種各樣的背景,

1272
00:55:01,208 --> 00:55:03,528
有些可能是比較偏向Southforce的背景,

1273
00:55:03,528 --> 00:55:05,648
有些可能比較偏向Apple的背景,

1274
00:55:05,928 --> 00:55:10,208
其實我覺得OpenAI雖然說大家現在覺得這個品牌效應很大,

1275
00:55:10,368 --> 00:55:12,728
但它畢竟也是一個相對年輕的公司。

1276
00:55:12,896 --> 00:55:16,296
就剛才羅老師也提到,它是一個人也不多的公司,

1277
00:55:16,296 --> 00:55:21,896
所以它從我們講Alumni的數量上跟其他這些科技公司還是不太能夠去比較的,

1278
00:55:21,896 --> 00:55:26,896
所以現在還確實在投資圈裡沒有形成一個OpenAI的這樣的一個小投資群體。

1279
00:55:26,896 --> 00:55:32,696
但你說是不是可以看到一些投資人或投資一個多多少少和OpenAI或它相關的股東有些
關係呢?

1280
00:55:32,696 --> 00:55:36,896
這是存在的,因為OpenAI的一些相關股東,還有它的一些核心的人,

1281
00:55:36,896 --> 00:55:39,896
本身就是在矽谷這個圈子裡very well connected的人,

1282
00:55:39,896 --> 00:55:42,896
他們本身就是在這個社群的中心的人物。

1283
00:55:43,152 --> 00:55:49,152
所以你總會看到說你正好跟他也認識,跟他也認識,我們彼此之間中間隔了一個人都是存在
的

1284
00:55:49,152 --> 00:55:56,152
嗯嗯,對我們剛剛其實是談點了一些Sumultimate的投資,就是我其實還有一塊
就是OpenAI的投資嘛

1285
00:55:56,152 --> 00:56:04,152
然後我注意到OpenAI他們最近應該是有兩個Found了,就第一個Found是他
做的第一期的一個1億美元的基金

1286
00:56:04,152 --> 00:56:10,960
第二期應該也是今年年初他們好像也有開放給,我如果沒有記錯的話是16家創業公司

1287
00:56:10,960 --> 00:56:14,360
我看了他們過去的一些投資的案例啊

1288
00:56:14,360 --> 00:56:17,160
除了我們剛剛講的Physical Intelligence

1289
00:56:17,160 --> 00:56:18,360
Figure AI

1290
00:56:18,360 --> 00:56:21,000
包括OneX這三家應該都是跟

1291
00:56:21,000 --> 00:56:23,200
巨神智能人形機器人相關的

1292
00:56:23,200 --> 00:56:25,800
對,然後還有一些其他的案例

1293
00:56:25,800 --> 00:56:28,160
OpenAI它本身自己就是一個Startup

1294
00:56:28,160 --> 00:56:31,800
為什麼它要成立一個基金去做這個投資的事情

1295
00:56:31,800 --> 00:56:33,240
這個我可能比較了解

1296
00:56:33,240 --> 00:56:36,360
其實它一個核心的想法其實也是一個策略投資

1297
00:56:36,360 --> 00:56:37,960
就是它要打造自己的生態

1298
00:56:38,016 --> 00:56:41,656
因為它是一個技術提供者無論是模型還是API

1299
00:56:41,656 --> 00:56:45,016
所以它也希望有更多的公司去用它的產品

1300
00:56:45,016 --> 00:56:50,416
像我們之前有一家公司它主要是針對做生成生產在醫療和治藥方面的一個應用

1301
00:56:50,416 --> 00:56:53,816
那OpenAI就一直想投它然後跟它的合作也很緊密

1302
00:56:53,816 --> 00:56:58,096
因為它知道這個新創公司拿到的數據的品質和產業的洞見是它沒有的

1303
00:56:58,096 --> 00:57:03,016
這個對它本身講的話是一個觸角可以觸及到非常巨大的醫療產業

1304
00:57:03,016 --> 00:57:07,008
同時又可以透過這樣​​的合作潛在把這些核心的知識

1305
00:57:07,008 --> 00:57:09,408
還有數據拿到自己的訓練來

1306
00:57:09,568 --> 00:57:11,128
我覺得這是一個戰略價值

1307
00:57:11,248 --> 00:57:13,088
另外的話你看他投人性機器人

1308
00:57:13,088 --> 00:57:14,248
包括一些機器人

1309
00:57:14,368 --> 00:57:15,528
包括我們在投資的話

1310
00:57:15,528 --> 00:57:18,608
現在再重新去看機器人領域的一些機會

1311
00:57:18,728 --> 00:57:21,608
就是因為還是回到說人工智慧的核心是數據

1312
00:57:21,608 --> 00:57:23,808
海量的而且是高品質的數據

1313
00:57:23,808 --> 00:57:26,048
還有一個更重要的是多樣化的數據

1314
00:57:26,288 --> 00:57:29,568
其實現在大元模型在文字資料訓練層面的話

1315
00:57:29,768 --> 00:57:32,888
雖然說我們是在不停的放大放大元模型

1316
00:57:32,896 --> 00:57:38,656
但後面你還是要考慮說怎麼樣可以創造更多的數據入口和收集到更多樣的一個數據

1317
00:57:38,656 --> 00:57:40,976
那機器人其實就是一個新的端口

1318
00:57:40,976 --> 00:57:43,136
機器人不只是人型機器人

1319
00:57:43,136 --> 00:57:48,656
所有產業的自動化這些感測器它都形成了一個更完整或多樣化的生態

1320
00:57:48,656 --> 00:57:53,296
在不同的時刻不同的場景不同的方式去收集多樣化的數據

1321
00:57:53,296 --> 00:57:56,976
而這些高品質的數據就會反普到人物智能模型的訓練

1322
00:57:56,976 --> 00:57:59,856
其實之前我也聊過在不同的場合也講過

1323
00:57:59,856 --> 00:58:02,896
當然第一代我們說大元模型的話數據的量很重要

1324
00:58:02,960 --> 00:58:07,280
但到現在逐漸你要去優化它,那數據的品質可能比數據的量更重要

1325
00:58:07,280 --> 00:58:09,960
再到後面的話,當然我們可以用AGI

1326
00:58:09,960 --> 00:58:13,960
用一個大的模型去涵蓋各種各樣的應用場景和行業

1327
00:58:13,960 --> 00:58:17,080
這是可能的,但是它的成本會無比的高

1328
00:58:17,080 --> 00:58:21,760
那我們討論到實際的產業應用的話,技術還要更好更快同時更便宜

1329
00:58:21,760 --> 00:58:24,960
那很可能還是需要說做一些產業專屬模型,小模型

1330
00:58:25,024 --> 00:58:28,624
這些小模型的時候你要去優化,那數據的品質比數據的量更重要

1331
00:58:28,624 --> 00:58:31,864
這個數據的品質不只是我們平常去理解的一個品質本身

1332
00:58:31,864 --> 00:58:35,024
還有說它的一個多樣化,你數據如果是非常偏單一性

1333
00:58:35,024 --> 00:58:35,984
你也訓練不好

1334
00:58:36,144 --> 00:58:38,904
所以再回到說它去佈置這些機器人的公司

1335
00:58:38,944 --> 00:58:45,264
一方面是給自己的技術長應用場景去佔據這個場景的一個應用的底層技術提供者的位置

1336
00:58:45,264 --> 00:58:47,544
另外一方面是希望通過這樣的一個端口

1337
00:58:47,824 --> 00:58:51,144
去拿到接觸到更多的高品質的數據和多樣化的數據

1338
00:58:51,184 --> 00:58:53,664
但他投了的公司會把數據分享給他嗎

1339
00:58:53,664 --> 00:58:57,464
因為我覺得資料是每家公司非常敏感跟機密的一個環節

1340
00:58:57,464 --> 00:58:59,784
所以這個就是要資源對資源了嘛對吧

1341
00:58:59,784 --> 00:59:00,584
那到時候的話

1342
00:59:00,584 --> 00:59:03,784
那他想去拿人家的數據一定不只說給錢就可以

1343
00:59:03,784 --> 00:59:05,224
或者說你錢要給多少

1344
00:59:05,464 --> 00:59:06,064
另外的話呢

1345
00:59:06,064 --> 00:59:07,064
還有些戰略合作

1346
00:59:07,064 --> 00:59:08,784
比如說像當時他跟我們的公司聊

1347
00:59:08,784 --> 00:59:11,864
就是說你會比別的公司更早用到我們下一代的模型

1348
00:59:12,064 --> 00:59:13,384
會給你一些優先級

1349
00:59:13,384 --> 00:59:15,784
還有包括給你一些最好的支持

1350
00:59:15,864 --> 00:59:19,064
你還是需要做一些優化整合API的一個調整

1351
00:59:19,184 --> 00:59:20,784
他們都可以去優先

1352
00:59:20,912 --> 00:59:25,512
相對應的他還希望我投資你的同時你可以把一些資源還有包括內容分享給我

1353
00:59:25,512 --> 00:59:27,512
當然我們的企業最後沒有拿OpenAI的投資

1354
00:59:27,512 --> 00:59:29,312
為什麼因為他不想分享數據

1355
00:59:30,952 --> 00:59:33,112
所以這可能是一個非常關鍵的一個點

1356
00:59:33,112 --> 00:59:35,392
就是OpenAI這個也算corporate ventures了

1357
00:59:35,392 --> 00:59:36,752
對他就是叫corporate ventures

1358
00:59:36,752 --> 00:59:39,152
就這樣一個corporate ventures就是他想要的東西

1359
00:59:39,152 --> 00:59:42,912
其實我覺得就是說他的潛在的targeting的這種背頭公司

1360
00:59:43,192 --> 00:59:44,552
他的訴求更直接

1361
00:59:44,632 --> 00:59:48,552
就是基本上我覺得就是大家能想到的這個訴求可能基本上就是數據

1362
00:59:48,624 --> 00:59:50,344
對而且你想想就像你講的

1363
00:59:50,344 --> 00:59:52,944
它其實還是一個相對新創企業的公司

1364
00:59:52,944 --> 00:59:53,264
對

1365
00:59:53,264 --> 00:59:55,464
所以它這個需求都不是說長線需求

1366
00:59:55,464 --> 00:59:58,224
它是一個短線的一個當下的很緊急的需求

1367
00:59:58,224 --> 00:59:58,704
嗯

1368
00:59:58,704 --> 01:00:01,504
這個東西恰恰就是整個投資環境中最敏感的一個環境

1369
01:00:01,824 --> 01:00:03,744
我們很難想像就其他的一些CVC

1370
01:00:03,744 --> 01:00:04,544
Cobrevengers Google

1371
01:00:04,544 --> 01:00:05,224
過於投公司

1372
01:00:05,224 --> 01:00:07,264
它要從公司手中拿的是這樣的東西

1373
01:00:07,624 --> 01:00:09,464
就這個交換可能更直接

1374
01:00:09,584 --> 01:00:11,944
看上去可能更致命或更不對等

1375
01:00:11,984 --> 01:00:12,784
我覺得怎麼說呢

1376
01:00:12,784 --> 01:00:15,744
我剛才講的是他們希望可以有這樣的一些資源

1377
01:00:15,824 --> 01:00:18,064
但是不代表他們希望他們就會拿到

1378
01:00:18,064 --> 01:00:20,024
或者說其實他就算投了這些公司

1379
01:00:20,024 --> 01:00:22,624
也不代表這些公司就一定同意給他分享數據

1380
01:00:22,624 --> 01:00:24,864
所以這也是一個策略合作的一個過程

1381
01:00:24,864 --> 01:00:25,704
是的

1382
01:00:25,704 --> 01:00:27,224
這邊還有一個問題

1383
01:00:27,224 --> 01:00:29,584
就是說我們怎麼去看待現在

1384
01:00:29,584 --> 01:00:31,904
Sleeping Valley的很多AI developer

1385
01:00:32,144 --> 01:00:33,544
他們在選擇

1386
01:00:33,824 --> 01:00:35,624
不是說選擇拿不到OpenAI的錢

1387
01:00:35,624 --> 01:00:37,464
是在選擇用誰的API

1388
01:00:37,464 --> 01:00:39,504
然後去做自己的一些這種反tuning

1389
01:00:39,504 --> 01:00:41,824
然後或做自己一個small language model這個事上

1390
01:00:42,064 --> 01:00:49,384
大家這種心態試試因為我最近也在跟一些人觀察在看在看
我覺得大家其實好像最近的選擇開始多元了

1391
01:00:49,384 --> 01:00:52,304
就是開閱模型好像越來越多的開始大家開始在用了

1392
01:00:52,304 --> 01:00:58,264
是的其實我從去年年初開始在各種場合一直在講是我們非常boolish about
open source

1393
01:00:58,264 --> 01:01:00,944
就是我們對於開閱模型生態是非常非常重視的

1394
01:01:00,944 --> 01:01:04,744
其中有一個原因就是像你講的它其實提供供一個多樣化的生態

1395
01:01:04,744 --> 01:01:09,664
現在模型的話其實你說分成三類一類是像API的這種像OpenAI、Asorpec
對吧

1396
01:01:09,664 --> 01:01:11,344
還有包括其他的一些大廠

1397
01:01:11,440 --> 01:01:15,600
Google、Microsoft 另外第二類的話呢其實就是比如說蘋果

1398
01:01:15,600 --> 01:01:18,000
比如說Salesforce他們內部的模型做得很好

1399
01:01:18,000 --> 01:01:19,520
但他這個技術不拿出來賣

1400
01:01:19,520 --> 01:01:21,480
他只是內部提供我的產品的優化

1401
01:01:21,480 --> 01:01:23,120
我最後優化好的產品給你用

1402
01:01:23,200 --> 01:01:24,640
最後一個大類別就是開源

1403
01:01:24,640 --> 01:01:26,680
而且開源現在發展得如火如荼

1404
01:01:26,760 --> 01:01:29,880
我們投的公司做開源的現在在產業的影響力

1405
01:01:29,880 --> 01:01:32,200
自己產品的迭代速度成長速度都很快

1406
01:01:32,360 --> 01:01:33,720
也是因為開源

1407
01:01:33,720 --> 01:01:35,800
現在我其實講就是你剛才這個問題

1408
01:01:35,800 --> 01:01:39,040
新創企業他去做模型的最佳化和產品的創造的話

1409
01:01:39,040 --> 01:01:41,120
現在有一個多種多樣的打法

1410
01:01:41,168 --> 01:01:47,168
然後其中一種我們覺得比較成功或比較成熟的我可能有一個不恰當的詞就是像雞尾酒一樣

1411
01:01:47,468 --> 01:01:53,168
就他底層的話他可以去呼叫API 比如說uncored pack to open
AI的他也不一定是局限於一家公司

1412
01:01:53,368 --> 01:01:55,568
但他上層再放一個開源的小模型

1413
01:01:55,968 --> 01:02:03,268
在這開源小模型的基礎之上用他高品質的數據或產業的數據
他客戶的數據去進行模型的最佳化和模型的個人化

1414
01:02:03,568 --> 01:02:05,868
然後這個優化好的小模型在上面

1415
01:02:05,868 --> 01:02:09,328
那下面比如說你現在API是4.0 拆GPT4.0

1416
01:02:09,328 --> 01:02:11,968
突然間他出了5了沒關係你下面換成5

1417
01:02:11,968 --> 01:02:14,368
你上面的模型優化還是自己的那部分

1418
01:02:14,368 --> 01:02:17,168
或者說你今天覺得Anthropic更便宜了

1419
01:02:17,168 --> 01:02:20,328
那我就跳到Anthropic 不影響上面優化好的模型

1420
01:02:20,328 --> 01:02:22,528
你這邊我就不更新了你最新的模型我不用了

1421
01:02:22,528 --> 01:02:23,568
對

1422
01:02:23,568 --> 01:02:25,728
其實好像Propeluxity就是這麼幹的

1423
01:02:25,728 --> 01:02:26,168
是的

1424
01:02:26,168 --> 01:02:27,568
他下面接了一堆模型

1425
01:02:27,568 --> 01:02:30,868
然後他的GPT用的其實不是那個最先進的一個版本

1426
01:02:30,868 --> 01:02:33,008
他上面自個兒的有一個自己的一個小模型

1427
01:02:33,008 --> 01:02:36,708
再加上他的Search Engine 然後又把這個互動做得很Fancy

1428
01:02:36,708 --> 01:02:39,948
不只是他們我們投很多這種產業的專屬的模型的公司

1429
01:02:39,948 --> 01:02:42,648
就做行業垂直領域應用的基本上都是這個打法

1430
01:02:42,648 --> 01:02:44,648
而且這個打法的好處就是很便宜

1431
01:02:44,948 --> 01:02:47,608
就是你在下面你有彈性度你不綁定一家

1432
01:02:47,608 --> 01:02:49,888
所以你可以來會跳那個下面底層安整

1433
01:02:49,888 --> 01:02:51,208
有些時候都像你想的

1434
01:02:51,348 --> 01:02:53,848
我這個應用場景我真的需要用到5嗎

1435
01:02:53,848 --> 01:02:55,348
不一定我用4就夠了

1436
01:02:55,448 --> 01:02:57,748
因為我用的這個應用場景或這個產業

1437
01:02:57,748 --> 01:02:59,348
我不需要覆蓋所有的問題

1438
01:02:59,600 --> 01:03:01,900
對吧所以上面那個小模型的話呢

1439
01:03:01,900 --> 01:03:03,800
你的參數就可以越做越小

1440
01:03:03,800 --> 01:03:05,400
像開源模型我們有家公司

1441
01:03:05,400 --> 01:03:08,000
那個模型參數做到一個billion token以下

1442
01:03:08,000 --> 01:03:09,200
10億以下

1443
01:03:09,200 --> 01:03:10,700
這個是非常誇張的數字

1444
01:03:10,700 --> 01:03:13,900
然後它的表現在邊緣單在Respire Pi上都可以運行

1445
01:03:13,900 --> 01:03:16,400
運行後的表現還比GPT4好

1446
01:03:16,400 --> 01:03:18,096
所以其實這些都是可能的

1447
01:03:18,096 --> 01:03:21,496
而且這已經不是說像是獨特的幾家公司在用

1448
01:03:21,496 --> 01:03:24,536
是我覺得很多做的好的出創企業在做應用的

1449
01:03:24,536 --> 01:03:26,496
基本上我都看到都是這個雞尾酒的一個大牌

1450
01:03:26,496 --> 01:03:28,616
就是我參加個DiModal 12個項目

1451
01:03:28,616 --> 01:03:30,416
然後你偷偷私下里那你沒權限

1452
01:03:30,416 --> 01:03:32,736
例如你跟六、七個人底下私下聊幾句天

1453
01:03:32,736 --> 01:03:35,056
你問你們其實背後用的是哪個模型

1454
01:03:35,296 --> 01:03:37,496
60%可能還是用GPT

1455
01:03:37,696 --> 01:03:39,616
剩下40%就不用了就

1456
01:03:39,744 --> 01:03:41,544
對就是你可以mix來嘛

1457
01:03:41,544 --> 01:03:43,784
當然其實還是有很多創辦人他的做法

1458
01:03:43,784 --> 01:03:46,024
其實還是API time frame 套個殼

1459
01:03:46,024 --> 01:03:48,424
這個最大的問題就是你沒有自己的互稱和

1460
01:03:48,424 --> 01:03:50,104
但是像我剛才說的這種的話

1461
01:03:50,104 --> 01:03:51,184
它互稱和很明確

1462
01:03:51,184 --> 01:03:52,304
就是我已經翻去

1463
01:03:52,304 --> 01:03:53,944
我已經優化了這個小模型

1464
01:03:53,944 --> 01:03:56,064
而且這個小模型直接對我的客戶

1465
01:03:56,064 --> 01:03:58,064
我下面最底層的隱形

1466
01:03:58,064 --> 01:03:59,064
它要換成什麼

1467
01:03:59,064 --> 01:04:00,384
And swap 換成OpenAI

1468
01:04:00,384 --> 01:04:02,344
影響我客戶對接的那個小模型嗎

1469
01:04:02,344 --> 01:04:03,224
不怎麼影響啊

1470
01:04:03,224 --> 01:04:05,664
或者說你換了一個就讓它更便宜或更快了

1471
01:04:05,664 --> 01:04:07,864
但是你優化的這個準確度和專業度

1472
01:04:07,864 --> 01:04:09,664
是由自己的獨立小模型完成的

1473
01:04:09,872 --> 01:04:13,992
因為我觀察到其實中國的彈幕型已經開始打價格戰了

1474
01:04:13,992 --> 01:04:16,632
就是他們叫token的價格已經非常低了嘛

1475
01:04:16,632 --> 01:04:19,672
你覺得未來這種大家到底用誰的這個接口

1476
01:04:19,672 --> 01:04:22,752
到底要接誰的API價格會是一個很大的影響因素嗎

1477
01:04:22,752 --> 01:04:28,272
GPT的API介面其實它的價格從2022年12月開始到現在

1478
01:04:28,272 --> 01:04:29,312
其實降了90%

1479
01:04:29,312 --> 01:04:31,472
人家是一年半降90%

1480
01:04:31,472 --> 01:04:33,552
中國不過是一天降97%

1481
01:04:33,552 --> 01:04:36,912
但是很多歷史你也不必按照人家那個節奏去走

1482
01:04:36,912 --> 01:04:38,792
但我覺得大家價格其實上都在降

1483
01:04:38,976 --> 01:04:42,876
我覺得特別有意思啊就是前兩週然後在舊音山參加一個活動

1484
01:04:43,136 --> 01:04:46,836
現在Snowflakes那個CEO就是過去Niva的那個founder

1485
01:04:46,836 --> 01:04:50,336
他現在這個搖身一變公司被挨回害著做了那個CEO

1486
01:04:50,336 --> 01:04:52,976
他把API看到是一個everybody can get access的東西

1487
01:04:52,976 --> 01:04:56,076
他說你永遠不要試圖從那家公司的API更好去獲得一個

1488
01:04:56,076 --> 01:04:58,976
就是你的一個競爭優勢他說API居然不會帶這個競爭優勢

1489
01:04:58,976 --> 01:05:02,276
否則的話不是創業太容易了嗎當時聽到這篇我還是覺得

1490
01:05:02,276 --> 01:05:05,276
因為那個之後完了就是趕上中國這個大模型搞價格戰了

1491
01:05:05,276 --> 01:05:07,776
我是從一個角度就是這個多樣性其實我覺得

1492
01:05:07,776 --> 01:05:08,676
就是他應該是個品牌

1493
01:05:08,880 --> 01:05:11,040
我就露說雞尾酒是最漂亮的一個比喻

1494
01:05:11,040 --> 01:05:16,200
其實我說他可以分層它是一個垂直的

1495
01:05:16,200 --> 01:05:18,240
所以現在我們就討論這些模型的話

1496
01:05:18,240 --> 01:05:20,120
就像你說它其實越來越多樣化

1497
01:05:20,120 --> 01:05:22,000
而且在這個多樣化的過程中的話

1498
01:05:22,160 --> 01:05:23,960
創神的選擇是越來越多的

1499
01:05:23,960 --> 01:05:25,680
但是從創神的角度的話

1500
01:05:26,120 --> 01:05:28,760
你到後面的話一定價格是危險的

1501
01:05:28,760 --> 01:05:30,480
因為現在成本還是比較高

1502
01:05:30,512 --> 01:05:35,712
所以到後面的話這也為什麼說我們未來可能大規模的應用確實是需要產業的模型

1503
01:05:35,712 --> 01:05:39,272
或是針對特定產業針對特定應用場景的一個小模型

1504
01:05:39,352 --> 01:05:41,752
因為模型小的話你耗電量才會低

1505
01:05:41,792 --> 01:05:43,712
你的GPU的算力才會低一些

1506
01:05:43,792 --> 01:05:47,992
否則現在的算力的需求確實不太可持續發展

1507
01:05:47,992 --> 01:05:49,952
我們電力也不夠算力不夠

1508
01:05:49,952 --> 01:05:53,232
當然在未來現在我們也能看到一些新的architecture再出來

1509
01:05:53,352 --> 01:05:55,552
但新的architecture出來還需要一定的時間

1510
01:05:55,552 --> 01:05:57,312
所以是non-transformer的architecture

1511
01:05:57,344 --> 01:06:01,384
或者說是在transformer的基礎之上做了一些優化和調整兩者都有

1512
01:06:01,384 --> 01:06:04,864
另外的話還有一點就很有趣的就是這個成本的問題到底在哪

1513
01:06:04,864 --> 01:06:08,704
我前段和一個也是非常大的科技公司的一個chief science
officer

1514
01:06:08,704 --> 01:06:15,264
其實前幾家頭的那幾家
他說他們內部算說以前的話可能20%的成本是在influence

1515
01:06:15,264 --> 01:06:19,504
基礎建設這個部分另外的80%是在training就是訓練

1516
01:06:19,568 --> 01:06:22,648
現在是50% 50% 這個趨勢變化很快的

1517
01:06:22,648 --> 01:06:23,288
很快的

1518
01:06:23,288 --> 01:06:26,048
所以後面你會發現訓練的成本在降低

1519
01:06:26,048 --> 01:06:27,968
但反而是Inference的成本在增加

1520
01:06:27,968 --> 01:06:29,768
那怎麼樣去降低Inference的成本

1521
01:06:29,768 --> 01:06:30,848
是的

1522
01:06:30,848 --> 01:06:33,128
所以這個也是非常有趣的一些變化

1523
01:06:33,128 --> 01:06:34,608
包括我其實剛才也提到過

1524
01:06:34,608 --> 01:06:36,888
像是比如說Alpha Fold3出來了很驚艷

1525
01:06:36,888 --> 01:06:38,848
然後其實我們在內部就做一些討論

1526
01:06:38,848 --> 01:06:39,968
還要看一些數據發現

1527
01:06:39,968 --> 01:06:41,968
其實Alpha Fold3在某些地方

1528
01:06:41,968 --> 01:06:45,248
它在CPU上跑的效能是比GPU上高的

1529
01:06:45,312 --> 01:06:48,752
Alpha Fold 3它又不是一個簡單的Transformall的一個模型

1530
01:06:48,752 --> 01:06:51,392
所以我覺得有很多新的東西會出來

1531
01:06:51,392 --> 01:06:52,992
那從這個角度來講的話

1532
01:06:52,992 --> 01:06:55,632
對大的創業生態來講是個好事情

1533
01:06:55,632 --> 01:06:57,632
對於出廠企業來講它的選擇越來越多

1534
01:06:57,632 --> 01:07:00,192
成本可能會逐漸降低

1535
01:07:00,192 --> 01:07:02,672
你說OpenAI降了90%哪夠呀

1536
01:07:02,672 --> 01:07:04,912
我們需要降的是10倍百倍以上

1537
01:07:04,912 --> 01:07:06,512
我們像之前投了一家公司

1538
01:07:06,512 --> 01:07:07,712
它做analog computing

1539
01:07:07,712 --> 01:07:10,592
它可以把人工智慧的耗電量降100倍到1000倍

1540
01:07:10,592 --> 01:07:12,032
就這個數字是讓你覺得說

1541
01:07:12,032 --> 01:07:14,832
它真的是有significant的有非常顯著的影響的

1542
01:07:14,880 --> 01:07:18,640
但你說降個20%30%這個還是不夠的對

1543
01:07:18,640 --> 01:07:21,480
對如果是你們的背頭公司他們要拿錢的話

1544
01:07:21,480 --> 01:07:25,080
比如說那有SAM有OpenAI或一些其他的

1545
01:07:25,080 --> 01:07:27,480
就是你們會怎麼樣去建議這些創業家呢

1546
01:07:27,480 --> 01:07:29,680
是case by case的談話還是說覺得

1547
01:07:29,680 --> 01:07:31,240
即使比如說有一些品牌效應

1548
01:07:31,240 --> 01:07:33,080
它也是一個還不錯的bonus

1549
01:07:33,080 --> 01:07:35,240
對我們當然會case by case的去談

1550
01:07:35,240 --> 01:07:36,640
取決於哪一類公司

1551
01:07:36,640 --> 01:07:38,840
包括說這個投資人能帶來的價值

1552
01:07:38,840 --> 01:07:40,280
如果是OpenAI的投資的話

1553
01:07:40,280 --> 01:07:42,400
我們可能會更喜歡一些

1554
01:07:42,480 --> 01:07:45,480
當然它有戰略的訴求它也會帶來很多的戰略的價值

1555
01:07:45,480 --> 01:07:48,280
而且本身也確實還是一個很強的一個品牌

1556
01:07:48,280 --> 01:07:50,680
Simon Ultraman的話就取決於哪一類公司

1557
01:07:50,680 --> 01:07:53,760
那包括說他的朋友圈他認識的一些名流網絡

1558
01:07:53,760 --> 01:07:56,000
是不是能帶給我這個公司很大的幫助

1559
01:07:56,000 --> 01:07:58,360
我們的公司一個特點是我不投consumer

1560
01:07:58,360 --> 01:08:00,080
我投的公司都是做B2B的

1561
01:08:00,080 --> 01:08:02,880
所以是consumer的公司可能對他這種品牌效應的

1562
01:08:02,880 --> 01:08:03,920
需求更強

1563
01:08:03,920 --> 01:08:05,680
對收益會更強

1564
01:08:05,680 --> 01:08:07,240
我想問的問題差不多了

1565
01:08:07,240 --> 01:08:10,280
但是我們能不能給一個總結性的結論

1566
01:08:10,400 --> 01:08:14,200
你覺得Sam他的投資正在發生一些什麼樣的趨勢性變化

1567
01:08:14,200 --> 01:08:18,000
我其實個人覺得你要把他的各種行為不一定要看成一個整體

1568
01:08:18,000 --> 01:08:20,600
他的行為模式和伊朗馬斯克是不太一樣的

1569
01:08:20,600 --> 01:08:24,400
馬斯克確實是有一個大願景的非常傑出的企業家

1570
01:08:24,400 --> 01:08:30,000
包括其實之前有些媒體就要把Sam Altman和馬斯克還有賈伯斯放到一起比較我

1571
01:08:30,000 --> 01:08:32,400
其實當時很直接就想我說他們不是一類人

1572
01:08:32,400 --> 01:08:35,000
而其實社會的貢獻還有包括能力各方面

1573
01:08:35,000 --> 01:08:37,600
Sam Altman和馬斯克他們還是無法比較的

1574
01:08:37,680 --> 01:08:39,480
所以你看馬斯克他做很多東西

1575
01:08:39,480 --> 01:08:41,720
他確實是形成一個有大遠景的生態

1576
01:08:41,720 --> 01:08:42,560
然後互相影響

1577
01:08:42,560 --> 01:08:44,880
但我覺得Sam Altman他做很多東西

1578
01:08:44,880 --> 01:08:47,080
有些是機會型的選擇

1579
01:08:47,080 --> 01:08:48,280
個人的一些投資

1580
01:08:48,280 --> 01:08:50,400
他有一些比較強的個人的偏好

1581
01:08:50,400 --> 01:08:51,320
公司的做法

1582
01:08:51,320 --> 01:08:52,880
他有一個公司的偏好

1583
01:08:52,880 --> 01:08:55,720
但並不是說他個人的投資是為公司服務的

1584
01:08:55,720 --> 01:08:57,120
我覺得這個不存在

1585
01:08:57,120 --> 01:09:00,040
但反而說你他會不會像讓OpenAI去

1586
01:09:00,040 --> 01:09:02,320
幫他投的這些Portfolio長得更好呢

1587
01:09:02,320 --> 01:09:04,200
這個可能已經出現了對吧

1588
01:09:04,256 --> 01:09:06,936
所以這個反而是跟馬斯克非常不一樣的

1589
01:09:06,936 --> 01:09:09,096
你會發現馬斯克他其實做了很多事情

1590
01:09:09,096 --> 01:09:10,256
包括現在XAI

1591
01:09:10,256 --> 01:09:12,416
他也是希望他成為一個人工智慧引擎

1592
01:09:12,416 --> 01:09:14,656
去驅動所有他其他的一些公司的人工智慧

1593
01:09:14,656 --> 01:09:16,216
一個智慧所有的都可以看到一個整體的

1594
01:09:16,216 --> 01:09:18,376
對所以他一開始的這個願景很大

1595
01:09:18,376 --> 01:09:19,776
就包括人家問我說特斯拉

1596
01:09:19,776 --> 01:09:21,296
我說馬斯克最早就想得很清楚

1597
01:09:21,296 --> 01:09:23,296
特斯拉他不是想做一家車的公司

1598
01:09:23,296 --> 01:09:26,896
他要做的就是一個他所有的這個軟體平台的一個平台公司

1599
01:09:26,896 --> 01:09:28,136
裡面有無人駕駛系統

1600
01:09:28,136 --> 01:09:29,376
還有包括各方面的系統

1601
01:09:29,376 --> 01:09:30,576
他的charging station

1602
01:09:30,576 --> 01:09:32,336
這是他的一個大的區別點

1603
01:09:32,416 --> 01:09:34,656
所以他的一開始這個願景夠大

1604
01:09:34,656 --> 01:09:37,656
而他的思維可能能把所有的這些做東西連在一起

1605
01:09:37,656 --> 01:09:39,296
但是Sam Altman我覺得

1606
01:09:39,416 --> 01:09:41,896
他也是一個會順勢而為的人

1607
01:09:41,936 --> 01:09:43,096
有機遇來了

1608
01:09:43,096 --> 01:09:43,936
趨勢來了

1609
01:09:43,936 --> 01:09:45,176
他挑到這個機會

1610
01:09:45,176 --> 01:09:45,976
然後他去做

1611
01:09:45,976 --> 01:09:48,136
同時的話他自己也會看到一些機會

1612
01:09:48,136 --> 01:09:49,256
做一些個人的投資

1613
01:09:49,256 --> 01:09:51,616
所以我覺得沒有必要把他放在一起去看

1614
01:09:51,656 --> 01:09:52,496
我覺得特別有趣

1615
01:09:52,496 --> 01:09:53,536
因為剛才講到馬斯克

1616
01:09:53,536 --> 01:09:54,576
然後就是他其實很多東西

1617
01:09:54,576 --> 01:09:56,336
你能把它放到一個巨大的願景裡面去看

1618
01:09:56,336 --> 01:09:57,816
就是他的每個事情跟每個事情之間

1619
01:09:57,816 --> 01:09:58,896
他都有聯繫的

1620
01:09:59,136 --> 01:10:00,136
這事也特別有趣

1621
01:10:00,192 --> 01:10:04,552
其實ax.com這個網域和ax這個公司是他20年前就用過的

1622
01:10:04,552 --> 01:10:05,752
是的

1623
01:10:05,752 --> 01:10:07,672
你從這個角度你去看就是這個人

1624
01:10:07,672 --> 01:10:10,272
讓他20年以來的許多做事的他儘管

1625
01:10:10,272 --> 01:10:11,032
他一致性很強

1626
01:10:11,032 --> 01:10:13,192
對你看上去這個人wild and free

1627
01:10:13,192 --> 01:10:13,672
對

1628
01:10:13,672 --> 01:10:14,672
看上去wild and free

1629
01:10:14,672 --> 01:10:17,712
但其實他所有的事情之間的這種關聯他掌握的是很好

1630
01:10:17,712 --> 01:10:20,792
包括他對人工智慧這個事情的這種所有的警惕

1631
01:10:20,792 --> 01:10:24,152
因為他平常有的時候看起來這個人太random了

1632
01:10:24,152 --> 01:10:27,712
所以你會認為他的很多話不過是片湯話

1633
01:10:27,776 --> 01:10:32,896
你會這麼去認為
但說你會發現他對人工智慧的警戒不是說因為我對抗OpenAI才有的

1634
01:10:33,416 --> 01:10:34,696
他是一以貫知的

1635
01:10:34,696 --> 01:10:38,016
而你會發現其他對人工智慧的投資的理解包括他的投入

1636
01:10:38,276 --> 01:10:42,376
也在更關注的那一部分為什麼他會去投資他自己那台機器公司那個optimus

1637
01:10:42,376 --> 01:10:46,976
他為什麼會去做這樣的事你會發現他對於人工智慧和物理世界的關係

1638
01:10:47,496 --> 01:10:48,516
是有一套自己的完整的東西

1639
01:10:48,776 --> 01:10:50,556
這也是他對XAI的定義非常清楚

1640
01:10:50,816 --> 01:10:54,136
對就是物理世界的東西因為你會看不同的人對外講的東西不一樣

1641
01:10:54,136 --> 01:10:57,476
例如黃仁勳詹森他會對外說以後這個codein這門科學不重要了

1642
01:10:57,600 --> 01:10:59,520
然後可能最重要的是bio-tech或怎麼樣

1643
01:10:59,520 --> 01:11:00,200
這是他的一個講法

1644
01:11:00,200 --> 01:11:02,400
但你看Elon Musk永遠會跟別人去講

1645
01:11:02,520 --> 01:11:04,440
這個世界上最重要的學科是物理學

1646
01:11:04,760 --> 01:11:05,960
這個他也講了20年

1647
01:11:06,000 --> 01:11:06,320
對

1648
01:11:06,320 --> 01:11:07,480
特別同意洛老師講的

1649
01:11:07,480 --> 01:11:10,080
就是馬斯克其實你當然他日常說話

1650
01:11:10,080 --> 01:11:11,560
發瘋推特上面各種

1651
01:11:11,560 --> 01:11:13,560
但你看他就幾十年的行為模式

1652
01:11:13,560 --> 01:11:15,760
他是有意以貫之的價值觀

1653
01:11:15,800 --> 01:11:17,360
意以貫之的

1654
01:11:17,360 --> 01:11:17,680
對

1655
01:11:17,680 --> 01:11:20,680
意以貫之的行為方式和意以貫之的方法論的

1656
01:11:20,720 --> 01:11:22,240
我覺得這個是特別難得的

1657
01:11:22,240 --> 01:11:23,880
就是相比較可能有些其他人

1658
01:11:23,880 --> 01:11:26,112
他是有點機會性主義或怎麼樣

1659
01:11:26,112 --> 01:11:28,352
我不是指特定的人但是我是覺得說

1660
01:11:28,352 --> 01:11:31,512
馬斯克他是有一個意義觀值到自己的生態的做法

1661
01:11:31,512 --> 01:11:34,312
和他想做的事情就像你講他對人工智慧的看法

1662
01:11:34,312 --> 01:11:38,712
還有包括他對於整個自己構建的這個技術生態的想法

1663
01:11:38,712 --> 01:11:40,912
但是Sam是另外一類人

1664
01:11:40,912 --> 01:11:45,112
所以這也是為什麼你看很多人評價Sam說他其實也很適合當政客對吧

1665
01:11:45,112 --> 01:11:48,312
他會是一個非常懂得怎麼攫取權力的一個人

1666
01:11:48,312 --> 01:11:50,112
再舉一個例子像我剛才也提到了

1667
01:11:50,112 --> 01:11:53,512
我說Winocostas特別的會鑽到說這個技術的細節去學

1668
01:11:53,512 --> 01:11:54,912
馬斯克也是這樣的一個人

1669
01:11:54,976 --> 01:11:57,496
他做任何事的話,包括他去研究火箭車

1670
01:11:57,496 --> 01:12:01,496
他是自己會花時間,一直到每個細節去都搞得非常清楚

1671
01:12:01,496 --> 01:12:03,136
因為他熱愛這個事情

1672
01:12:03,576 --> 01:12:07,056
所以有些時候我們一方面講的是說這些人的智力能力怎麼樣

1673
01:12:07,056 --> 01:12:08,936
但另一方面還是說這個人的熱愛

1674
01:12:08,936 --> 01:12:11,536
你熱愛什麼就會在這個地方上許多花時間

1675
01:12:11,536 --> 01:12:13,176
你對於Sum Outer Band來講的話呢

1676
01:12:13,176 --> 01:12:14,976
他可能也有這個智力和實力

1677
01:12:14,976 --> 01:12:16,456
但他不會在這上面花時間

1678
01:12:16,456 --> 01:12:20,376
因為他的熱愛並不是技術細節或技術創新本身

1679
01:12:20,376 --> 01:12:22,576
他更多的是控制權力

1680
01:12:22,624 --> 01:12:25,744
那Sam Alton他對product熱愛嗎如果我們不說技術的話

1681
01:12:25,744 --> 01:12:28,224
因為他的確的他從第一天就不是一個scientist

1682
01:12:28,224 --> 01:12:31,304
他不是一個technology guy 他對product感興趣
他是不是一個product guy

1683
01:12:31,344 --> 01:12:34,464
我覺得跟Elias相比的話他一定還是個product guy

1684
01:12:34,744 --> 01:12:37,864
但你說他是對產品特別有熱情的一個人呢

1685
01:12:37,864 --> 01:12:41,544
還是說產品是他實現他的一個終極目的的手段

1686
01:12:41,584 --> 01:12:44,904
對不對是一個更接近商業化應用的一個路徑和手段

1687
01:12:44,904 --> 01:12:47,344
對那如果比起了Broncheski和Ben Silverman這些人

1688
01:12:47,344 --> 01:12:48,744
可能會更像product guy

1689
01:12:48,744 --> 01:12:50,624
對是的

1690
01:12:50,704 --> 01:12:53,344
所以就是我覺得這些是矽谷有意思的地方

1691
01:12:53,344 --> 01:12:55,544
就是你有各種各樣的科技領袖存在

1692
01:12:55,664 --> 01:12:56,104
對吧

1693
01:12:56,104 --> 01:12:56,904
不只是一類

1694
01:12:56,904 --> 01:12:57,944
是的

1695
01:12:58,024 --> 01:12:58,864
然後說到這裡

1696
01:12:58,864 --> 01:12:59,864
其實你剛剛有提到

1697
01:12:59,864 --> 01:13:01,984
比如說Sam他可以把他自己的個人投資

1698
01:13:01,984 --> 01:13:03,744
把各方面資源都存得很好

1699
01:13:04,024 --> 01:13:05,344
補充一個小細節

1700
01:13:05,504 --> 01:13:08,744
最近OpenAI的安全團隊離開以後

1701
01:13:09,184 --> 01:13:11,664
Sam把他投的一家公司叫做Indent

1702
01:13:12,064 --> 01:13:14,384
整個團隊應該是加入了OpenAI

1703
01:13:14,584 --> 01:13:17,064
他們不是負責超級對齊那一塊的事情

1704
01:13:17,184 --> 01:13:18,384
是負責商業化了

1705
01:13:18,384 --> 01:13:19,944
對去負責商業化了

1706
01:13:20,080 --> 01:13:23,080
相當於是他把自己個人投資的公司

1707
01:13:23,080 --> 01:13:25,720
現在引進到OpenAI裡面去了

1708
01:13:25,840 --> 01:13:28,560
至於這個裡面到底商業上是怎麼運作的

1709
01:13:28,560 --> 01:13:29,600
我們就不知道了

1710
01:13:29,840 --> 01:13:30,720
這個也是一個八卦

1711
01:13:30,840 --> 01:13:32,120
也是看媒體報道

1712
01:13:32,120 --> 01:13:34,160
包括也有些人在推上行也在發

1713
01:13:34,440 --> 01:13:37,600
就是現在OpenAI的算力資源可能優先於產品

1714
01:13:37,920 --> 01:13:41,000
它的算力資源並不是優先於模型架構本身的這種進步

1715
01:13:41,000 --> 01:13:43,400
而優先於一些feature 一些功能

1716
01:13:43,440 --> 01:13:46,040
為什麼我有的時候我會覺得GP5這個進程

1717
01:13:46,040 --> 01:13:47,600
可能會被往前去推的一個東西

1718
01:13:47,600 --> 01:13:49,200
因為我覺得一個人他會最相信

1719
01:13:49,232 --> 01:13:53,072
尤其這個公司現在科學家的地位已經被前所未有的削弱

1720
01:13:53,592 --> 01:13:56,672
在這種情況之下我覺得他可能一個人他有他自己的慣性的

1721
01:13:56,672 --> 01:13:59,592
就是Sam Altman他的成名出道起步

1722
01:13:59,632 --> 01:14:01,672
其實上是在上一個週期裡面

1723
01:14:02,072 --> 01:14:04,432
如果準確的講他是2008年出道的

1724
01:14:04,912 --> 01:14:06,312
2007年是iphone誕生

1725
01:14:06,352 --> 01:14:09,992
他的整個他的經驗來自於2008到2022的週期

1726
01:14:10,512 --> 01:14:14,992
他會試圖讓Chainless GPT的生態體系像一個iOS的生態體系

1727
01:14:15,088 --> 01:14:19,088
因為這是一個2008年在蘋果發表App Store的那一年

1728
01:14:19,088 --> 01:14:21,088
登上了WWDC舞台的人

1729
01:14:21,808 --> 01:14:22,808
16年過去了

1730
01:14:22,808 --> 01:14:26,688
所以我覺得他會本能的想讓GPT Store變成這樣的東西

1731
01:14:26,728 --> 01:14:28,168
用那種流量去變現

1732
01:14:28,168 --> 01:14:29,648
用那種商業方式

1733
01:14:29,848 --> 01:14:32,648
這可能是他本身比較習慣的一個事情

1734
01:14:32,808 --> 01:14:35,248
對但是這個是不是一個正確的路徑

1735
01:14:35,248 --> 01:14:37,728
就像我們剛剛提到了OpenAI現在的互成何

1736
01:14:37,728 --> 01:14:39,168
大家認為是技術

1737
01:14:39,208 --> 01:14:40,008
那它的路徑

1738
01:14:40,008 --> 01:14:42,048
就模型是模型產品是產品

1739
01:14:42,048 --> 01:14:43,408
這個事實上是不存在的

1740
01:14:43,584 --> 01:14:47,084
模型即產品產品即模型什麼叫technology product fit

1741
01:14:47,084 --> 01:14:50,904
這兩個東西就是一個不是fit不fit 反正以後我會說這種胡話

1742
01:14:50,904 --> 01:14:57,104
對所以現在看起來openAI它是把更多的算力放在了技術之外在商業化上

1743
01:14:57,104 --> 01:15:03,224
所以它到底用這種策略還能不能領先還能領先多久我們可以觀察一下

1744
01:15:03,224 --> 01:15:08,464
也想看今年5月到底是不是openAI的轉捩點謝謝兩位

1745
01:15:08,464 --> 01:15:13,344
謝謝謝謝謝謝謝謝拜拜拜

1746
01:15:13,488 --> 01:15:16,968
好,那這就是我們今天的節目

1747
01:15:16,968 --> 01:15:18,608
如果大家喜歡我們的節目

1748
01:15:18,608 --> 01:15:22,048
歡迎在你所收聽的音訊管道來訂閱我們

1749
01:15:22,048 --> 01:15:25,288
那中國的聽眾可以透過小宇宙蘋果播客

1750
01:15:25,288 --> 01:15:28,888
QQ音樂、網易、雲音樂、喜馬拉雅、蜻蜓FM

1751
01:15:28,888 --> 01:15:31,288
還有勵志FM來關注我們

1752
01:15:31,288 --> 01:15:34,568
海外的聽眾可以透過蘋果播客、Spotify

1753
01:15:34,568 --> 01:15:38,648
以及YouTube上搜尋矽谷101播客來關注我們

1754
01:15:38,648 --> 01:15:40,368
感謝大家的收聽