pofeng · June 5, 2024 12:20
diff --git a/硅谷-101-E153.srt b/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Sam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