Kai-Fu Lee: AI 2.0-Start-ups sollten nicht mit großen Unternehmen um den Geldbetrag konkurrieren, vertikale Integration und tiefergehende Anwendungen sind die beste Lösung | WISE 2024 Business King
Die Umwelt verändert sich ständig, die Zeiten wandeln sich fortwährend, und die „Könige des Handels“ folgen den Wellen der Zeit, bestehen auf Kreativität und streben nach neuen Antriebsquellen. Angesichts des gegenwärtigen großen Wandels in Chinas Wirtschaft strebt die WISE2024 Handels-König-Konferenz danach, die wirklich widerstandsfähigen „Könige des Handels“ zu entdecken und die „richtigen Dinge“ in der chinesischen Handelswelt zu erforschen.
Am 28. und 29. November findet die zweitägige 36Kr WISE2024 Handels-König-Konferenz feierlich in Peking statt. Als großes Starereignis im chinesischen Handelsbereich ist dies bereits das zwölfte Jahr der WISE-Konferenz, die die Widerstandsfähigkeit und das Potenzial des chinesischen Handels in einer sich ständig verändernden Zeit bezeugt.
Es war ein eher unbeständiges Jahr mit mehr Veränderungen als Stabilität. Im Vergleich zu den letzten zehn Jahren hat sich der Fortschritt verlangsamt und die Entwicklung ist rationaler geworden. 2024 ist auch ein Jahr, das nach neuen wirtschaftlichen Antrieben sucht, und die neuen industriellen Veränderungen stellen höhere Anforderungen an die Anpassungsfähigkeit jedes Einzelnen. Dieses Jahr steht die WISE-Konferenz unter dem Thema „Hard But Right Thing“. Was ist das Richtige im Jahr 2024? das ist das Thema, über das wir mehr sprechen wollen.
Was ist das „Richtige“? In der heutigen KI-Branche ist die Entschlüsselung dieser Frage besonders komplex geworden.
Von 2023 bis 2024 haben wir aus erster Hand die gewaltigen Veränderungen in der KI 2.0-Modelle-Rennstrecke erlebt. Das vormals bestehende Konsens-Prinzip der Skalierungsgesetze wird in Frage gestellt. Ob sich Killer-Anwendungen zuerst im C-Ende oder B-Ende durchsetzen, bleibt unklar. Was gestern als richtig galt, kann heute bereits ein Fehlurteil sein.
Angesichts dieser schnelllebigen Branche ist Li Kaifu vielleicht einer der aussagekräftigsten Fachleute in der KI-Industrie, wenn es darum geht, „das Richtige zu tun“.
Er trägt viele Etiketten: ehemaliger Top-Manager bei Apple, Microsoft und Google sowie Investor in mehr als zehn chinesische KI-Einhörner. Heute ist er auch Gründer von AI 2.0 Unicorn Zero One Technology, einem Produktionsunternehmen für große KI-Modelle.
Rechts: CEO von Zero One Technology und Vorsitzender von Sinovation Ventures, Li Kaifu; links: CEO von 36Kr, Feng Dagang
Im Folgenden finden Sie das Gespräch zwischen dem CEO von 36Kr, Feng Dagang, und dem CEO von Zero One Technology, Li Kaifu:
Das Richtige ist nicht sorgfältig kalkuliert, sondern mit dem Herzen gefühlt
Feng Dagang: Apropos „richtige Dinge“, Herr Li, was haben Sie Ihrer Meinung nach in den letzten zwei Jahren richtig gemacht, und wie sieht die Logik des richtigen Handelns aus?
Li Kaifu: Ich denke, das Wichtigste, was ich getan habe, war die Gründung von Zero One Technology. Es ist noch zu früh zu sagen, dass diese Einhorn-Firma völlig erfolgreich ist, aber es repräsentiert eine Methode, die richtigen Entscheidungen zu treffen.
Ich glaube fest an das, was Steve Jobs sagte, dass es im Leben keine ewigen Pläne für die Zukunft gibt. Aber wenn man auf die Vergangenheit zurückblickt, kann man erkennen, dass jede Entscheidung in einer geraden Linie verknüpft ist. Wenn jede Ihrer Entscheidungen Ihrem Herzen folgt, werden Sie letztendlich feststellen, dass sie alle richtig sind und eine Grundlage für die Zukunft bieten.
Mit 20 habe ich entschieden, mein Leben der KI zu widmen. Danach habe ich auf Basis der KI verschiedene Produkte entwickelt: Zurück in China, habe ich das Microsoft Research Asia gegründet und später die Sinovation Ventures. Ich habe die glorreichen Momente von AI 1.0 gesehen, ebenso wie die Herausforderungen, denen es gegenübersteht, sodass ich glaube, dass jede meiner heutigen Handlungen etwas ist, das ich unbedingt tun muss.
Ein weiterer Ratschlag für zukünftige Entscheidungen: Man sollte nicht warten, bis alles sicher ist, bevor man Entscheidungen trifft. Wenn man erst dann handelt, wenn alles feststeht, werden andere es auch erkennen.
Wie kann man Entscheidungen treffen, wenn die Dinge noch unsicher sind? Ich denke, die Geschichte kann uns viele Hinweise geben. Wir können sehen, dass sich einige Regeln der mobilen Internet- und AI 1.0-Ära in der heutigen AI 2.0-Large-Model-Ära wiederholen werden. Gleichzeitig müssen wir jedoch auch die Besonderheiten der AI 2.0-Ära berücksichtigen und dürfen nicht bei alten Regeln verharren.
Wir können sehen, wie sich die PC-Anwendungen und mobilen Internetanwendungen entwickelt haben, welche Chancen und Herausforderungen sich in der Verbraucher- und Unternehmensmärkte ergeben, welchen Weg AI-Unternehmen eingeschlagen haben, was die anfänglichen Wellen ausgelöst hat, welche Herausforderungen sich danach stellten und ob sie letztendlich zu großen Unternehmen werden...
Diese Lektionen und diese Lernprozesse sind sehr schwierig. Ich möchte allen empfehlen, dass die richtige Entscheidung nicht die Garantie für endgültigen Erfolg bedeutet, sondern vielmehr sicherstellt, dass man seine Hausaufgaben gemacht hat, weiß, was man wirklich tun möchte, und dann unerschütterlich und ohne zu zögern weitermacht.
Feng Dagang: Fühlen Sie sich, wenn Sie Entscheidungen treffen, innerlich zerrissen? Viele Menschen, die Unternehmer werden, erleben diese Unsicherheit, da sie den Erfolg oder Misserfolg ihres Unternehmens nicht vorhersehen können. Aber gleichzeitig, wenn Sie sehen, dass frühere Entscheidungen miteinander verbunden sind und zu unverzichtbaren, notwendigen Schritten heute werden, ist das ein Gefühl der enormen Begeisterung und Freude.
Li Kaifu: So kann man es verstehen. Wenn Sie entscheiden müssen, ob etwas unbedingt getan werden muss, können Sie sich die Frage stellen: „Würde es Ihnen mehr leid tun, es nicht zu versuchen und zu scheitern, als es heute gar nicht erst zu versuchen?“
Einige meiner wichtigsten Lebensentscheidungen basieren auf diesem Prinzip. Auch wenn mein Karriereweg nicht nur Erfolgsfälle aufweist, bin ich sehr stolz darauf, dass ich zu jeder Zeit ein Team von exzellenten Talenten zusammengebracht habe. Viele von ihnen haben großartige Unternehmen gegründet, wie zum Beispiel Kuaishou, oder sind hervorragende Risikokapitalgeber und Top-Manager geworden, wie z.B. Jiang Fan, die in dieser Zeit ausgebildet wurden.
Manchmal bedeutet Erfolg nicht unbedingt, ein Unternehmen mit Milliardenbewertung zu schaffen, sondern die Gelegenheit zu haben, eine Gruppe von Menschen aufzubauen, die die gesamte Umgebung verbessern kann. Natürlich gibt es auch viele andere erfolgreiche Arbeiten, aber ich denke, man sollte mutig und bereit sein, konstant zu versuchen, sich selbst zu kennen, und wenn eine Sache vorbei ist, nicht bereuen und den nächsten Schritt sehen.
Feng Dagang: Abschließend würde ich zusammenfassen, was meiner Meinung nach Li Kaifus Botschaft ist: Die richtigen Dinge sind nicht sorgfältig kalkuliert, sondern mit dem Herzen gefühlt.
Ich weiß, dass Herr Li Kaifu in den letzten Monaten viele Orte wie Südostasien und den Nahen Osten besucht hat. Ich möchte wissen, was Ihre Eindrücke sind. Unterscheiden sich die Perspektiven anderer Länder auf KI von unseren?
Li Kaifu: Ich denke, das Silicon Valley ist nach wie vor unser wichtigstes Lernziel. Heute ist es ein weltweit führendes Unternehmen, auf das man achtet. Diese Dinge habe ich gesehen:
Erstens wird OpenAI weiter forschen, aber die Weiterentwicklung der Modelle wird nicht mehr so schnell voranschreiten wie früher. Alle sind zutiefst erschüttert. Es ist nicht so, dass OpenAI heute alles verändert hat, sondern dass es neben der vorläufigen Phase der Skalierungsgesetze auch eine Skalierungsgesetze für die Inferenzphase gibt. Ich habe auch gesehen, dass sich das amerikanische AI 2.0-Ökosystem jetzt sehr schnell entwickelt, teilweise weil ChatGPT aus den USA stammt und sich weltweit verbreitet hat, und damals gab es nur OpenAI, also konnte Amerika schnell den Prozess integrieren, große Modelle in verschiedenen Anwendungen einzubauen. Nutzer wurden bereits geschult und erhielten ein grundlegendes Verständnis: Chatbots können nicht nur chatten; sie können Ihnen bei verschiedenen Aufgaben helfen.
In der AI 1.0-Phase hat nicht nur China neue Technologien bereitwillig aufgenommen, sondern war auch in der praktischen Anwendung weltweit führend. In der AI 2.0-Ära hat sich zwar ChatGPT durchgesetzt, aber ist in China nicht verfügbar. Derzeit gibt es in China einige Unternehmen, die große Modelle erfolgreich implementieren. Aber China hat noch nicht seinen ChatGPT-Moment erlebt, viele Nutzer verstehen es noch nicht, haben keinen Kontakt oder keine Nutzungspraxis, und dies ist eine Veränderung, die wir im kommenden Jahr unbedingt anstreben müssen.
In Bezug auf die Situation weltweit entspricht die Realität weitgehend den Erwartungen. In Bezug auf das technische Verständnis liegt Amerika vorne, gefolgt von China, während die Märkte im Nahen Osten und in Südostasien immer noch vor erheblichen Herausforderungen stehen, um den Gesamtmarkt zu verstehen.
Diese neue Ära der großen Modelle unterscheidet sich von der früheren OS-Entwicklung. Betriebssysteme waren hauptsächlich technologische Plattformen und waren unabhängig von Sprache, Kultur, Gesetzen, Werten und Religionen. Heute jedoch stoßen große Modelle wie ChatGPT in vielen nicht-westlichen Ländern auf Benutzerunzufriedenheit, weil diese Modelle, selbst wenn sie nicht beabsichtigt sind, während des Trainings bestimmte Werte oder Tendenzen aufzunehmen. Angenommen, die Daten stammen hauptsächlich aus einem bestimmten Land, wie den USA, könnte das Modell anderen Ländern voreingenommene, irreführende oder gar diskriminierende Antworten geben. Zum Beispiel bei der Frage, ob Palästinenser fair behandelt werden sollten, könnte die Antwort von ChatGPT möglicherweise nicht den Erwartungen vieler entsprechen, da zu viele US-basierte Daten das Modell dazu gebracht haben, voreingenommene Ansichten zu lernen.
Ich denke, der zukünftige Trend wird „Ein Land, Ein Modell“ sein, bei dem verschiedene Länder und Regionen ihre eigenen einzigartigen großen Modelle besitzen, die die lokalen Marktmerkmale, Nutzerwertvorstellungen, das Wertesystem der Menschen sowie verschiedene Gesetze und religiöse Überzeugungen widerspiegeln. Dies ist eine natürliche Entwicklung, im Gegensatz zu früher, wo Betriebssysteme universell waren, wird es für große Modelle schwierig sein, global Einheitlichkeit zu erreichen.
Feng Dagang: Die Einblicke von Mr. Li haben mich sehr inspiriert. Ich habe früher gedacht, dass jedes Land sein eigenes großes Modell haben wird, verursacht durch Handelskonflikte. Aber auf fundamentaler Ebene ist es schwierig, ein Modell zu schaffen, das alle Kulturen vereinigt, aufgrund erheblicher Unterschiede zwischen den Nationen.
Li Kaifu: Ja, in China und den USA gibt es unterschiedliche Marktführer. Viele denken, China sei wegen seiner Marktgröße, Technologie und starken Unternehmer hervorstechend, aber tatsächlich glaube ich, dass jedes wohlhabende Land, wie Saudi-Arabien, und jedes land mit großem Nutzerpotenzial, wie Indien oder Indonesien, letztendlich sein eigenes großes Modell haben wird.
Dieses Modell könnte von Firmen aus anderen Ländern entwickelt werden oder auf einem Open Source Modell beruhen, das dann angepasst wird. Aber ChatGPT, wenn man die Arbeitsweise der großen US-Firmen betrachtet, wird sich zuerst um die USA kümmern, dann um Europa, und der Rest wird später berücksichtigt. Dieses „Später“ schafft dann die Möglichkeit für Unternehmer in diesen Ländern, diese Marktchance zu nutzen und ihre eigenen großen Modelle zu entwickeln.
Das Streben nach dem „größeren Modell“ sorgt nur für einen weiteren NVIDIA-Aktienanstieg
Feng Dagang: Im letzten Jahr folgte das Skalierungsgesetz dem Motto "Größe schafft Wunder", und es funktionierte ziemlich gut. Dieses Jahr ist das nicht mehr der Konsens, als ob wir an einem Ende angekommen sind. Gibt es einen neuen Konsens? Und wenn ja, was ist er?
Li Kaifu: Ich denke, das Skalierungsgesetz gilt noch immer. Wenn man 10-mal mehr Geld ausgibt, erzielt man eine gewisse Verbesserung, auch wenn die Verbesserung geringer ist.
Das Skalierungsgesetz ist noch nicht beendet, aber Milliarden zu investieren, ist kein gutes Geschäft mehr. Für einen Investor oder ein großes Unternehmen, wie etwa ein GPT-4, welches 100 Millionen Dollar für das Training gekostet hat, könnte ein GPT-5 1 Milliarde Dollar kosten, ein GPT-6 10 Milliarden, und ein GPT-7 womöglich 100 Milliarden Dollar.
Diese Zahlen sind unglaublich, und ich denke, die Mehrheit der Unternehmen wird diesen Weg nicht einschlagen. OpenAI könnte ihn gehen, aber ich denke, das ist keine geeignete Richtung für China. Denn auf der einen Seite ist es nicht typisch für chinesische Großunternehmen, solche Summen für ungewisse Ergebnisse auszugeben, und erst recht nicht für ein Startup.
Eine weitere wichtige Beobachtung ist, dass das ungebremste Aufrüsten der Modelle nur zu einem weiteren Anstieg der NVIDIA-Aktien führen wird. Die großen US-Unternehmen kaufen weiterhin GPUs auf, aber das ist nicht gut für das gesamte Ökosystem.
Wir müssen wirklich überlegen, wie jeder von Ihnen hier im Raum AI-native Anwendungen entwickeln kann. Das größte Hindernis sind heute die hohen Kosten. Wir haben vielleicht schon vergessen, dass bei der Veröffentlichung von GPT-4 vor mehr als einem Jahr der Preis 75 $ pro Million Token betrug. Heute kostet das von Zero One Technology hergestellte Yi-Lightning „Lightning“-Modell 0,99 Renminbi pro Million Token. Darüber hinaus ist die Leistung des Yi-Lightning-Modells im Vergleich zu GPT-4 von damals überlegen; wir haben sogar das GPT-4o von Mai dieses Jahres übertroffen, und unsere Kosten betragen nur 1/500 des GPT-4 und 1/30 des GPT-4o.
Es zeigt sich, dass die Kosten in der gesamten Branche sinken. Wer heute AI-Startups betreibt und glaubt, KI-Modelle seien noch nicht ausreichend gut oder zu teuer, dem kann ich versichern, dass Sie, basierend auf den Veränderungen vom letzten Jahr, die Zukunft vorhersagen können: Innerhalb von anderthalb Jahren haben sich die Preise um das 500-fache verringert, während die Modellfähigkeiten deutlich verbessert wurden. Heute, wenn Sie es als teuer empfinden, wird es morgen mit 99%iger Wahrscheinlichkeit nicht mehr als teuer angesehen werden und in einem Jahr möglicherweise nicht nur billig sein, sondern auch Ihre gewünschten Anwendungen unterstützen können.
Die Gedanken sollten sich jetzt nicht mehr wie letztes Jahr, als alle – mich eingeschlossen – das Skalierungsgesetz verfolgten, auf mehr GPUs und größere Modelle konzentriert sein. Es ist klar, dass das Zeitalter der Anwendungen begonnen hat. Jetzt sollte im Vordergrund stehen, wie man ein äußerst gutes Modell schnell und kostengünstig umsetzen kann, um es für jeden zugänglich zu machen, um eine Ära des breiten Zugangs zu eröffnen und ein florierendes Startup-Ökosystem in der AI 2.0-Ära zu schaffen.
Feng Dagang: Diese 500-fache Zahl ist unglaublich überzeugend, fast kostenlos.
Li Kaifu: Ja. Aber wir werden weiter bessere Modelle entwickeln und sie im nächsten Jahr günstiger machen als in diesem Jahr. Stellen Sie sich vor, als das Mobiltelefon oder der PC erstmals erschien, waren wir alle begeistert. Heute haben wir einen besseren PC, 30% günstiger als letztes Jahr und sind zufrieden. Gleiches gilt für Telefone. Aber wir sprachen von einem Unterschied von 500-fachem, wenn ein Auto, ein Haus oder ein Telefon zu solchem Preisverfall führen würde, was für eine wirtschaftliche Dynamik wäre das.
Feng Dagang: Wir können auch Zero One Technology's Strategie sehen, die sich nie grundlegend verändert hat. Wir halten am „drei-in-eins“ Ansatz fest. Glauben Sie, dass die „drei-in-eins“ Strategie die optimale für die KI-Branche ist?
Li Kaifu: Ja, wenn wir separat arbeiten würden - eine Gruppe für Anwendungen, eine andere für Modelle und eine weitere fürs AI-Infrastruktur - dann wären die Ergebnisse nicht optimal.
Wenn Sie das, was wir gesagt haben, glauben, dass unser Ziel darin besteht, die Kosten erheblich zu senken, damit Anwendungen gedeihen können, dann wollen wir tatsächlich das „drei-in-eins“ Modell verfolgen.
Eine neue Firma, die versuchen möchte, das „drei-in-eins“ Modell umzusetzen und eine Idee bereits herausfordernd genug ist - wie schaffen sie da drei auf einmal? Unsere Methode ist die vertikale Integration. wie funktioniert die vertikale Integration? Wenn die Infrastruktur und das Modell nicht verfestigt sind, gleichzeitig optimieren, um das schnellste, günstigste und effizienteste Ergebnis zu erzielen.
Wenn wir die großen Modelle erschwinglich machen wollen, ist die erste Frage, warum sind sie teuer? Weil GPUs teuer sind. Können wir sie reduzieren? Dann nutzen Sie Speicher als Ersatz. Wir erstellen Memory Cache, speichern alles, was berechnet wurde, und merken uns dauerhafte Daten, um bei Bedarf direkt darauf zugreifen zu können und so viel wie möglich bereits getätigte Berechnungen wiederzuverwenden. Gleichzeitig sollte das Modell, das wir tun, in Betracht ziehen, welche Architektur wir verwenden, welche GPU., wie viel Speicher, und welche Memory Cache wir benötigen, um ein Inference-Friendly Modell zu entwickeln.
Die meisten Modellfirmen versuchen, „Trainingsfreundliche“ Modelle zu entwickeln oder den größten Modellen auf der Grundlage des Skalierungsgesetzes. Wenn wir jedoch das Training durchführen, denken wir daran, dass wir ein Ultra-fast Inference Modell wollen.
Tatsächlich sind in der menschlichen Geschichte viele der Welt verändernden Produkte durch vertikale Integration entstanden. Das iPhone war sicherlich ein Ergebnis einer vertikalen Integration: Ein Team arbeitet alle Einzelschritte zu einem optimierten Ganzen zusammen, genau wie der Mac, Tesla und SpaceX. Deshalb finde ich, dass in einem Industrieumfeld, das noch nicht standardisiert und gefestigt ist, die vertikale Integration der beste Weg ist, den Zustrom zu durchbrechen.
Das bedeutet keineswegs, dass Zero One Technology die weltgrößte Infrastruktur- oder Modell- oder App-Firma werden möchte. Wir wollen auf die Modelle, Märkte, Produkte und Bereiche, die wir spezialisieren, vertikal integrieren, wie zum Beispiel das Yi-Lightning Modell, C-Ende Anwendungen und kürzlich gestartete B-Ende Anwendungen.
Rollout mit geringen Ressourcenkosten und erfolgreich im großen Modell für Startups mit Durchbruch
Feng Dagang: Die nächste Frage könnte etwas sensibel sein. Wir haben gesehen, dass es heute im KI-Bereich einige kostenaufwändige Projekte gibt. Wo sollte Ihrer Meinung nach das Geld sinnvoller eingesetzt werden?
Li Kaifu: „Geldverbrennung“ ist oft ein abwertender Begriff. Was wir wählen, ist intelligentes Wachstum, auch wenn die Anwendung nicht sofort monetarisiert wird.
Beispielsweise gibt es heute viele AI-basierte Produktivitäts-Tools, seien es Text-, Video- oder Bildbearbeitungen, für die Nutzer bereit sind zu zahlen, was eine nachweislich bestehende Route ist. In einem solchen Fall muss man sich keine Sorgen über zu hohe Inferenzkosten machen, denn die Nutzer bezahlen, und Sie müssen lediglich sicherstellen, dass das Geld, das Sie von den Nutzern erhalten, Ihre Inferenzkosten übersteigt und Sie mit Vorwärts- und Aufwärtsbewegung weitermachen können. Zusätzlich besteht die Möglichkeit, einen frühen ROI zu erzielen.
Eine andere Anwendungsstrategie ist: „Am Anfang verlange ich kein Geld, um Nutzer zu gewinnen.“ Ein „Geldverbrennung“-Ansatz kann auch richtig sein. Dadurch lassen sich viele Nutzer gewinnen und bringt großen Wert. Dafür braucht man allerdings eine Finanzierungsstrategie; darüber hinaus sind die langfristigen Erträge potenziell riesig. Aber es besteht auch ein höheres Risiko des Scheiterns, weil es nicht garantiert ist, dass man nach dem Erreichen des PMF schnell liquide werden kann, sondern es kann nur sicherstellen, dass die „Geldverbrennung“ nicht übermäßig unprofitabel ist.
Bei der Verfolgung dieser Richtung haben wir einige Vorschläge: Erstens, seien Sie sich der Risiken bewusst - Erfolg ist nicht garantiert, das Scheitern ist wahrscheinlicher. Zweitens, ohne verrückt Geld zu „verbrennen“, soll PMF validiert werden, zum Beispiel durch gesunde Nutzerretention und vernünftige Kundenakquisitionskosten.
Ich denke, dass die Chatbot-Produkte auf dem inländischen Markt dieses Jahr keine vernünftige PMF erreicht haben. Große Unternehmen können sich Kosten leisten, aber Startup-Unternehmen nicht. Man sollte nicht kopieren, was die großen Unternehmen tun. Wenn sie investieren, tun Sie es, wenn Sie investieren, werden Sie sie letztlich nicht überleben.
Jede Top-Consumer-App muss den richtigen Zeitpunkt wählen, um ausgerollt zu werden, und sonst ist es ein sicherer Weg in den Ruin. Angenommen, im April letzten Jahres war das beste Modell GPT-4 mit 75 Dollar. Wenn Sie zu dieser Zeit AI-Suche entwickelt hätten und beschlossen hätten, GPT-4 zu verwenden, hätten Sie möglicherweise 1 Dollar pro Suchanfrage investiert, was natürlich untragbar wäre.
Aber heute, wenn Sie das Yi-Lightning Modell für AI-Suche verwenden, kostet es nur 1/500 des GPT-4, und es gibt gute Chancen, dass „Verbrennung“ PMF erreichbar ist. Also, es sollte zum richtigen Zeitpunkt gehandelt werden, und rechtzeitig erkannt werden, dass, wenn das Modell, das Sie verwenden müssen, 75 Dollar pro Million Token kostet, es einfach nicht versucht werden sollte. Sie sollten für sich selbst einen Preisrahmen festlegen - wissen, welches Qualitätsmodell Sie möchten und welchen Preis Sie erreichen müssen, bevor Sie Nutzerwachstum erreichen können.
Zumtun zu früh und es zerstört einen, aber auch zu spät kann keine Lösung sein. Es kann 5 Monate dauern, ein Produkt zu entwickeln, die klügsten Unternehmer sollten 6 Monate im Voraus das beste Modell finden, z.B. vorhersagen, dass Zero One Technology's Yi-Lightning Modell in 5 Monaten veröffentlicht wird und der Preis zu 0,99 pro Million Token sinkt, und dann das Produkt nach Modell-Iteration verbinden.
Und einige könnten fragen, wer wüsste, dass Zero One Technology im Oktober das Yi-Lightning Modell für 0,99 veröffentlichen würde? Mindestens eine Person kann es wissen, und das bin ich. Wir würden Anwendungen im Voraus entwickeln und sie dann nach der Modell-Iteration verbinden und veröffentlichen.
Im Vergleich zu großen Unternehmen mit einer „Ressourcenhortungs“-Strategie ist Zero One Technology's „Model+Infra+Application“ dreiteilige vollstack-Strategie unser Vorteil im Wettbewerb gegen große Unternehmen, mit Fokus auf vertikale Integration für bessere Produkte. Dabei kann der Ressourcenfokus von Startups auch eine präzisere Anpassung an Marktveränderungen durch Iterationsbehebung unterstützen.
Startups, im Gegensatz zu großen Unternehmen, tragen nicht den „Innovators Dilemma“-Ballast und werden oft zu „Innovationsfischen“. Das war auch der Grund, warum ChatGPT bei OpenAI und nicht bei Microsoft oder Google aufgetreten ist.
Feng Dagang: Zuvor sprachen Sie über die Frage der Geldverbrennung. Ist es wahr, dass Zero One Technology keine Geldverbrennung oder im Consumer-Bereich keine Super-Applikationen machen würde? Zero One Technology hat auch Lösungen vorgestellt, glauben Sie, dass ToB die beste Lösung für die Umsetzung in China heute ist?
Li Kaifu: Wir würden das Nutzerwachstum verfolgen, wie beschrieben, aber kein unnötiges Geld verbrennen. Keine Geldverbrennung, wenn kein PMF erreicht ist, oder wenn die Nutzerakquisition zu teuer ist. Aber wenn PMF erreicht ist, müssen wir entschlossen handeln. Beim Handeln kontrollieren wir jedoch unsere Kosten, da die Finanzierungslandschaft jetzt viele Herausforderungen mit sich bringt. Daher schließen wir nicht aus, eine High-DAU-Consumer-App zu erstellen, ohne sie sofort zu monetarisieren, aber wir würden dies sehr vorsichtig angehen.
Ich würde jedem Gründer raten, sich an diese Regeln zu halten und nicht zu denken, dass nur weil man 1 Million DAUs „verbrannt“ hat, Investitionen kommen würden. Heute sind die VCs sehr klug, nicht mehr wie in den frühen Tagen des mobilen Internets, als alles noch erkundet wurde.
Was den ToB-Markt betrifft, gibt es Möglichkeiten, aber wir sorgen uns, dass, wenn jedes Unternehmen ein RFP (Request for Proposal) macht und alles projektbasiert gelaufen wird, alles wieder in das alte AI 1.0-Muster verfällt, und jedes Projekt ein Verlustgeschäft wird, ist das nicht nachhaltig.
Wir möchten sicherstellen, dass Zero One Technology ein Unternehmen ist, das vorsichtig mit Ausgaben umgeht und Ressourcen sinnvoll einsetzt, sei es im ToC- oder ToB-Bereich. ToC, ohne das Geld unnötig zu „verbrennen“, und ToB nur Projekte zu machen, die zu Ergebnissen führen, sei es durch Standardproduktentwicklung oder langfristige Kooperation mit Kunden oder als Leuchtturmprojekt fungieren, um andere Kunden anzuziehen. Solche Projekte sollten gemacht werden.
Im ToB-Bereich sind wir bereit, vollständige Lösungen anzubieten, denn wenn man heute nur Modelle entwickelt und verkauft, sind diese kaum gefragt. Das war vor anderthalb Jahren noch ein Traum, dieser Traum hat sich inzwischen geändert.
Die Bedürfnisse der Unternehmenskunden sind klar, sie möchten Kosteneinsparungen und Effizienzgewinne, sie möchten reale Geschäftspraktiken lösen, sei es im Kundendienst, bei der Kundengewinnung im E-Commerce oder bei der Vermarktung von Unternehmensprodukten. Die beste Lösung ist, dass der Kunde Ihre Lösung verwendet, sofort eine „Geldmaschine“ wird und Kundenwachstum erzielt oder seine Kosten senkt, wobei sie bereit sind, zu zahlen. Das ist unser Prinzip für ToB.
Der Markt außerhalb von Europa und den USA kann auch riesige Unternehmen hervorbringen, aber die Herausforderung ist groß
Feng Dagang: Vorhin sprach man davon, wie OpenAI 1 Million, 100 Millionen oder gar 1000 Millionen ausgibt. Keine chinesische Firma wird jemals so handeln. Gibt es einen anderen Weg für chinesische Unternehmen? Wie könnte dieser Weg aussehen?
Li Kaifu: Ich glaube nicht, dass es einen einzigen Weg gibt. Heute verfolgt jeder unterschiedliche Wege, einige auf dem Inlandsmarkt, einige im Ausland, einige auf der C- oder B-Seite, in der Medizin usw.
In den frühen Tagen des mobilen Internets war es der Stolz jeder Firma, eine mobile Internetfirma zu sein. Heute würde niemand mehr so etwas sagen, wie beispielsweise ByteDance oder Meituan, die ihren Flug oder Kurs gefunden haben.
Ich denke, dasselbe gilt für große Modelle. So wie die AI Four Little Dragons alle ihre kommerziellen Richtungen in der Computer Vision gefunden haben, werden die Seelenfragen eines Unternehmens sein: Kann man mit großen Modellen beginnen und ein tragfähiges Geschäft ändern in der Commercial Algebra schaffen und beweisen, dass es den sich ständig ändernden Anforderungen der Kapitalmärkte begegnen kann, Gewinne steigern und sich messen kann? Das bedeutet die Position zu finden.
Feng Dagang: Unternehmen, die auf dem chinesischen Markt beginnen, haben es schwierig, in den europäischen und amerikanischen Markt einzudringen. Gibt es andere Märkte, in die wir uns wagen könnten?
Li Kaifu: Ich würde sagen, dass es äußerst schwierig ist, in den amerikanischen Markt einzutreten. Es ist fast unmöglich. Wenn Sie jedoch eine hervorragende Anwendung haben, deren Grundlage Ihr Modell ist, könnte das funktionieren.
Außerhalb des europäischen und amerikanischen Marktes sehe ich einige Länder mit Chancen. In Südostasien, dem Nahen Osten, Lateinamerika - das sind Märkte, die nicht übermäßig beeinflusst oder eingeschränkt werden, chinesische Modelle zu verwenden. Gleichzeitig erkennen wir aber auch, dass es schwierig ist, in diesen Märkten große Unternehmen zu schaffen.
Zusätzlich, auch wenn viele chinesische Teammitglieder gute Englischkenntnisse haben, sind es so viele Sprachweisen im nahen Osten, Arabien, Spanien oder Portugal, dass die sprachlichen Herausforderungen groß sind. Man muss diese Richtung vorsichtig evaluieren und sich dessen bewusst sein, dass es mögliche Beschränkungen gibt.
Feng Dagang: Unsere letzte Frage des heutigen Tages: Was erwarten Sie von der AI-Branche im Jahr 2025? Wird sie besser oder schlechter werden? Werden viele Unternehmen scheitern oder viele Unternehmen profitabel? Haben Sie Tipps für Startups?
Li Kaifu: Sicherlich wird sich die Wahrnehmung im Vergleich zum letzten Jahr ändern. Letztes Jahr noch im Battle of the Hundred Models, heute sind nur noch ein paar übrig. Die Resilienz, Flexibilität und Offenheit der chinesischen Unternehmer ist beeindruckend. Ich sehe, dass einige von der Pre-Training-Stufe aufgeben, und doch ist ihre aktuelle Situation in Ordnung.
Allerdings gibt es und wird es auch in der Zukunft viele Übergänge geben. Im kommenden Jahr, aus der Perspektive von Sinovation Ventures, glaube ich, dass die frühe Investition in große Modelle erfolgt, dann in die Infrastruktur, und jetzt sehe ich den Fokus auf Anwendungen, da wir glauben, dass das Kostenmonopol von Inferenzmodellen gelöst wird und ein blühendes Anwendungszeitalter ansteht. Wenn Sie entschlossen sind, Ihr Unternehmen zu gründen, stellen Sie sicher, dass Sie die Leistungsfähigkeit und die hohen Geschwindigkeiten von großartigen Modellen zu Ihrem Vorteil Nutzen, um Anwendungen entwickeln zu können, das ist die richtige Entscheidung.