嘉宾：张帆，智谱COO，AI领域超过10年的创业经验，毕业于巴黎十一大人工智能专业，在搜狗、腾讯的算法团队都工作和创业过，对于将AI能力结合进产业具有很深的经验。

主持人：Jack任晓东，靖亚资本合伙人，加入靖亚资本前，Jack服务于Cisco、中国移动物联网研究院、日本索尼爱立信和韩国三星。Jack拥有美国耶鲁大学MBA学位和清华大学电子工程博士学位。

Q：非常开心今天可以在Cloud 100 China 大会的现场和您就大模型进行一场1V1的对话，首先想请问下您是什么样的契机加入到智谱的团队？

我毕业于巴黎十一大人工智能专业，属于算法领域，毕业后我在搜狗、腾讯从事类似Siri的算法工作，是2012年那一波浪潮的亲历者，虽然那一波浪潮AI没有跑出来，但我们还是收获了很多的经验。在后续的工作中我也一直致力于把AI能力应用到各种产业里面，包括旅游行业、汽车行业等并积累了一些经验。

ChatGPT发布之后，一个偶然的机会我遇到智谱团队，并且了解到智谱已经有非常好的能够接近于ChatGPT的产品出现，所以当时我就决定要加入智谱。

Q：您加入智谱以后，主要是做什么样的工作呢？

我主要负责链接大模型和场景，我们称之为商业化。去年3月份左右我加入智谱的时候，许多人还不知道大模型该怎么用，甚至对概念也还是一知半解，当时确实需要懂技术、懂业务、懂商业的人来做这件事情。

加入智谱后，基于基座模型的强大能力打造模型产品，到怎么让企业可以应用和消费，然后再到我们的下一步如何跟场景做结合，做了全链路工作，涉及商业化产品和商业化团队两个环节。

Q：智谱在过去两年经历了什么样的里程碑的事件？

企服行业里面有一个很重要的概念，叫做PMF，通常来讲一家软件公司如果能做好一个PMF，就能在商业上存活很多年。但是在大模型领域，我们发现一个PMF可能只管3个月，所以我们需要不断地去寻找PMF。

因为很短的时间，你的客户就变了，需求、产品、场景、竞争环境都变了，就需要不停的去重新找到PMF。我们觉得经历几个不同的阶段，最开始大家就认为模型即产品，我们通过一些解决方案和场景化，甚至一些轻量的交付来帮助客户把模型应用起来，找到模型的价值。直到今年，大家已经不再仅仅关注模型能力，更多是关注业务能力，我们也开始跟一些拥有场景的伙伴合作，打造行业解决方案，通过这种更完整的工具链，越来越接近于商业本质。

Q：大模型的业务价值已经证明了吗？

我觉得已经证明了，大模型天生就是一个应用导向的技术。以前我们有很多技术都是概念先行，比如元宇宙，或者Web 3，在他们第一天发布的时候还没有特别多的案例，更多的是大家的期望。但是大模型不一样，绝大多数的人知道大模型都不是只知道这个概念，而是知道ChatGPT的这款产品，所以他天然就是一个应用。

ChatGPT用了两个月的时间全球用户破亿，比历史上所有的流行产品都要快，我觉得也是这方面的原因。所以我觉得大模型的价值是明确的，更多的是需要我们找到大模型与业务的最大公约数。

之前我们的逻辑是，企业有自身有产品研发能力，我们来帮助构建驾驭模型的能力，通过模型调优、验证等，助力企业自己去完成最后的100公里。但是今天我们想从关键KA下沉到整个的SMB，通过和很多企服的头部公司做合作，比如说CRM领域跟微盛合作；客服领域里面和Udesk合作等等。这些头部的企业服务公司有充足的行业Know How，我们有充足的模型应用的能力，由他们来完成最后100公里，这也是智谱在大模型生态里比较独特的生态位。智谱不会跟我们的合作伙伴去竞争这个业务，我们更多的是跟生态伙伴占据各自的生态位一起来服务。

Q：商业化的过程中，智谱的北极星指标是啥？

今天我们更多的是看客户的价值，因为我们不想变成一锤子买卖，我们更希望持续的给客户提供价值，并且能持续加深合作，看到客户的续费和消耗量能稳定增长，这可能是我们的北极星指标。

不过，更深层的讲，我们把客户价值当作北极星指标的背后也是来源于智谱的使命，即让机器像人一样思考，也可以看作一种对于AGI的朴素解释。因为我们非常清楚通往AGI的过程有很大的鸿沟，越过鸿沟靠的是价值验证，价值验证就需要让更多的人用起来。我们通过降价、开源（目前智谱已开源了20多个模型）、提供各类免费C端服务等方式，目标就是希望有更多人来应用智谱，所以我们的北极星目标也可以表述为是否有足够多的用户在使用、他们使用的持续性是不是更好。

Q：智谱更看重C端的用户活跃度还是B端的合同签约金额？

智谱的战略是ToB、ToC并重，为什么？又回到我们刚才的逻辑，就是如果我们要通往AGI，就需要做价值验证，关键因素：第一是广度，就是用的人足够多；第二是深度，用的人足够深。

从广度上来讲，有三个维度：第一类是开源社区，我们有超过2,000万的下载，欢迎更多的开发者使用智谱；第二类是用户数，我们有数千万的C端应用注册数；第三类是数十万B端注册用户，在我们的MaaS平台上在应用。这三个维度都帮助我们拓展了智谱的广度。从深度上来讲，我们通过做更丰富的模型矩阵，做更好的模型，在MaaS平台上提供更丰富的工具链，来加深使用的深度。

To C跟TO B都很重要，而且是相辅相成，好的C端能带来Know How和认知，进而影响到B端，B端使用又带来了更多的资源及更多的B端的认知，又能帮服务好C端，成为一个循环。

Q：如何预估大模型AI能力的进化历程，智谱未来有什么规划？

核心逻辑就两个，一个是技术洞察，另一个是价值验证，这是一个循环。OpenAI最开始的时候并不是技术有多么独门，是因为当大家都在卷BERT的时候，智谱就卷OpenAI，所以这是技术洞见，即比别人更早的看到了这个未来。智谱历来对于新技术都是最先拥抱的，例如第一个千亿模型，国内的开源策略（包括第一个代码模型的开源，前段时间的文生视频的开源），我们都在做技术上的创新。

技术洞察之后，如果不能应用技术，优势就消散了，所以我们更多的是立即做了很好的商业化，跟C端的价值验证结合，反过来驱动我们更新的技术洞察，所以这是一个持续的循环。

Q：智谱目前还没有达到超大规模商用的原因是什么？

首先看超大规模如何定义，在我看来大模型的发展速度比我们预想的还是要快。通常来讲咱们做企服行业的创业公司想做到一两亿的收入可能需要将近十年的时间，而大模型只花几个月的时间就做到了。从去年初到今天满打满算就是一年半的时间，从那个时候单一的模型到今天各种的模态、各种的Agent、各种的框架、各种的场景，我觉得发展已经足够快了，而且我们的Token每日消耗的增长规模是非常大的，是持续增长的。大模型不只压缩了技术，也压缩了时间，比以往的都要快得多。

Q：合作伙伴在考虑和智谱合作的顾虑是什么？

首先来讲，大家找不到模型能力跟应用落地的契合点，往往企业方选的切入点恰恰就不是模型擅长的，比如说让模型做收入预测，这可能就不是模型所擅长的点。如果切入点错了，老板还期待特别高，投入了大资源，很有可能就会落差很大，觉得模型不靠谱。

我们经常会发现很多企业主有两种极端，一种极端是把大模型当作许愿池，认为他无所不能，另一个极端是以极其审视的角度来看。我觉得这两种都不可取，企业应该有一个合理的期待。智谱有一套系列的方法论，比如说我们会跟企业一起做一个Workshop来帮他梳理业务流作为横轴，再以模型擅长的能力画一个纵轴，如文本生成、结构化信息抽取、对话，文本到代码等等，从而形成二维矩阵。我们建议企业先在这个矩阵中找到最大公约数，在一个单点上插上红旗，用很小的投入看到一个明确的结果，客户就会有信心了。我们会帮他再插第二个、第三个，直到把第五个红旗插完，就会变成一张图，从而形成迭代，所以我们会有一些方法论来帮助比较传统的企业家实现落地模型价值。

Q：哪些客户当下比较偏好于先采用大模型，有没有类型或者行业偏好？

就本质上来讲，跟我们在行业数字化时看到的进程没有太大区别，快速拥抱大模型的客户特点有三：是不是有足够投入有钱？信息化基础是不是足够好？是不是对新技术有拥抱？

典型的行业就是金融、互联网、汽车、手机、医疗、消费、教育等等，曾经最激进做信息化的人也是今天最激进做大模型的那批人。

Q：从客户的角度，现在客户选择大模型时，会比较注重什么样的因素？

我经常比喻选择大模型的过程有点像选择羽毛球牌，不要选了半天拍子就没下场打，其实不管什么拍子，你打了就是有收获，执行可能比这些更重要。

我们要思考的是在大模型时代，你该如何构建你的科技战略？并通过回答这些问题，从而选择最合适的模型：

1. 你该如何选择一个合适的基座？

2. 你该如何构建一个与之相对应的组织？

3. 你该如何基于这种能力重新定义数据资产？

4. 你如何把这些能力融合到业务场景中？

Q：人类达到AGI的速度是在加快，还是在减慢？

我确实听到有些人会说感觉大模型发展速度变慢。坦率讲，我觉得这是大家的期待太高了。从ChatGPT发布到今天，仅仅一年半的时间，整个市场风云变幻，从单模态到多模态到自动对话，再到我们各种场景的结合，我觉得已经是前所未有的快了。

大家想想IPhone发布的时候是2007年，到2008年的时候是什么一个光景呢？大家要知道到了2017年抖音才发布，所以从赛道出现到杀手级的应用的锁定，用了10年的时间。我觉得大模型时代Killer App的出现一定会比互联网时代快，在这一点上，我非常乐观。

我们现在还是冰山一角，很早期的时代，有点类似 IPhone 2的时代。