被采访人的金句

  • 杨植麟：我们不想做“中国的 OpenAI”，但应该学习 OpenAI 的技术理想主义。
  • 王小川：理想上慢一步，落地上快三步。
  • 李开复：如果美国有望形成 AGI 霸权，中国可以走第二条道路。

内容提炼：五句话

  • 杨植麟最在意的不是短期 PMF，而是模型扩张、用户扩张和 AGI 目标能不能绑在一起前进。
  • 王小川试图把大模型创业从“拼技术”或“拼商业化”这两个极端里拉出来，改成先找 Technology-Problem Fit。
  • 李开复把问题抬到更宏观的层级，提醒中国公司不要把自己锁死在“谁先做出碾压式 AGI”这场必输的仗里。
  • 三个人虽然立场不同，但都承认模型、产品、组织和成本结构必须同时成立，公司才有资格活到下一轮。
  • 这几场访谈真正拼出来的，不是一份行业热词表，而是一张中国 AI 创业的路线图。

对软件从业者为什么重要？

这三场访谈对软件从业者最有价值的地方，是它们把“做 AI”从空泛概念拉回了工程和产品的真实约束。很多团队今天讨论 AI，还停留在模型选型、接口接入、Demo 演示和流量想象，但这几位嘉宾不断提醒，真正决定你能不能长期活下来的，是更底层的几件事。

  • 你要先判断自己在做的是能力层、产品层，还是成本层，而不是把所有事情混成一个项目。
  • 你要知道模型能力增强以后，原来的产品定义会不会失效，原来的交互和工作流是不是需要一起重写。
  • 你要意识到推理成本、用户规模、反馈循环和组织设计，本身就是软件设计的一部分，不是上线以后再补的运营问题。

如果你是做产品的，这些访谈能帮你分清“功能点”和“路线”的区别。如果你是做工程的，它们会逼你重新看待性能、上下文、推理成本和系统边界。如果你在创业，它们最大的价值是提醒你，很多公司不是输在不够努力，而是输在一开始就站错了层级。

正文：杨植麟

杨植麟这场访谈最打人的地方，不是理想主义本身，而是他把理想主义和一个非常具体的产品选择绑在了一起。很多人会把“我们不想做中国的 OpenAI，但要学习 OpenAI 的技术理想主义”理解成姿态，但他后面拿出的例子其实非常硬：月之暗面为什么坚持做 to C，且只做 to C；为什么第一步押 long context；为什么他认为 user scaling 和 model scaling 这两件事应该同时做。

这里最深的例子，是他对长上下文的理解。节目里关于 Kimi 背后路线的讨论，并不是“我们先做一个长文本卖点”这么简单，而是把长文本看成一种新的计算基础。围绕这一点，节目里的时间轴给得很清楚：他在 32 分钟附近专门谈 long context 与 Kimi 的技术产品思考，在 46 分钟附近又把 user scaling 和 model scaling 连起来谈，而在评论区被大量复述的一段表达则更直接，把“长文本是新的计算机内存”这件事讲透了。

这个例子为什么足够让人记住？因为它把一家模型公司的产品观彻底暴露了出来。多数人理解聊天产品，还是把它当成一个回答问题的界面；杨植麟的逻辑则是，AI 最重要的价值是个性化互动，而个性化不是靠专门微调一个小模型完成的，而是靠足够长的 context 去沉淀人与系统之间的历史。也就是说，他不是先问“用户要不要一个更会说话的助手”，而是先问“模型怎样才能拥有更接近记忆和内存的能力”，然后再倒推出产品形态。

这就解释了为什么他在同一场访谈里会把 AGI、全球化、大用户量产品放在一起谈。很多公司会把这三件事拆成技术理想、商业化和市场拓展三个部门议题；他却在说，这三件事本来就是同一件事的不同面。没有大规模真实用户，模型进化会失真；没有模型进化，to C 产品会沦为短命入口；没有足够长的时间尺度，所谓 PMF 只会把公司锁进更小的局部最优。

对读者来说，这个例子最深刻的地方，是它逼你重新理解“做应用”。杨植麟在节目里明确说，“应用”这个词并不准确，它听起来更像目的，而实际上它应该既是手段，也是目的。很多模型公司把应用看成变现层，他显然不是这样看。他是把产品当成模型路线的一部分，把用户当成训练和验证链条的一部分，把长期上下文当成通往世界模型的一条结构性路径。这种思路不一定最后一定赢，但它至少是清楚的。

正文：王小川

王小川这两场访谈最值得写的，不是他和朱啸虎之间那点舆论张力，而是他非常努力地想提出一个不同于“只讲技术”或“只讲场景”的中间框架。这个框架就是 TPF，也就是 Technology-Problem Fit。节目里他直接说，朱啸虎在谈应用，杨植麟在谈技术，而他想谈的是 TPF。

最能让人留下印象的例子，是他把医疗定义成一个“顶天立地”的场景。这个说法不是一句包装词，而是他路线选择的缩影。为什么不是随便找一个更容易出单、更容易做演示的垂直行业？因为在他看来，真正值得押注的场景，必须同时满足两个条件：一头连着模型的高阶能力演进，一头连着真实世界里复杂、密集、代价高的问题。医疗恰好具备这种双重属性。

如果把这件事拆开看，王小川的思路比一般“行业大模型”叙事更深一层。很多团队做垂直场景，只是把一个通用模型换个提示词和知识库，再找一个行业去接。王小川显然不满足于这种做法。他在节目里一边谈三座模型大楼、三个世界，一边又在返场节目里谈 o1、强化学习和从快思考走向慢思考。两场节目拼起来的意思非常明确：真正值得下注的应用，不是今天立刻赚钱的应用，而是会随着模型范式升级而持续抬升上限的应用。

所以他才会说，要做“水涨船高的应用”，不要做“沿途下蛋的应用”。这句话如果脱离上下文听，容易像一句漂亮口号；但放回医疗这个例子里就非常具体了。医疗不是最容易起量、最容易做出爆款的领域，却可能是最适合承接慢思考、强化学习和复杂推理能力的场景之一。也正因为如此，它更接近王小川所谓的 TPF，而不是传统意义上的 PMF。

这个例子对软件从业者很重要，因为它提醒我们，AI 产品不是先找一个需求最强的坑跳进去，而是要看技术是不是会在这个坑里持续发生结构性变化。王小川真正想说明的，不是“我比别人更懂医疗”，而是“如果一个场景既不能逼出新能力，也不能被新能力持续重写，它就不值得你拿一个时代去赌”。这和普通 SaaS 的做法完全不是一回事。

正文：李开复

李开复这场访谈最容易被记住的是那个大问题：如果美国形成 AGI 霸权，我们应该怎么办？但真正有力量的，不是问题本身，而是他拿出的那个非常具体的公司决策例子。节目在 15 分钟附近就点出了一个关键信息：零一 2024 年最重要的战略决策，是做成本更低的推理。

这件事看起来很像工程优化，实际上是一整个路线判断。因为如果你接受“第一个做出完全碾压对手的 AGI”这条路很可能属于美国头部公司，那中国创业公司最不能做的，就是嘴上继续喊同样的目标，行动上却没有任何资源条件匹配。李开复的做法更现实：既然前沿预训练、超大资本开支和全球顶尖算力短期内难以正面硬拼，那就把推理成本、应用入口和商业模式做成自己的主要战场。

最深刻的例子，不是他抽象地说中国可以走第二条道路，而是他把第二条道路拆到了公司操作层面。你会看到几件事连在一起：做低成本推理，2C 先走海外、国内聚焦 2B，判断 2C 应用会在下一阶段爆发，同时提出智能助手可能走向委托式用户界面，甚至成为 Super App。也就是说，他不是在说“我们先躲一躲，等美国慢下来”；他是在说“如果正面打不赢，就去重写另一条价值链”。

这个例子对读者冲击很大，因为它把“国家路径”从一个宏大叙事变成了一种公司级别的生存术。很多人谈第二条道路，谈着谈着就会滑向空洞的民族叙事；李开复这场访谈最有价值的地方，恰恰是它没有停在那儿，而是把问题落到了软件行业真正听得懂的地方：效率怎么做，成本怎么压，入口怎么选，哪里先爆发，应用和模型如何分工。

所以李开复这场访谈最值得留下的印象，不是他有没有更悲观或者更乐观，而是他看得非常清楚，路线选择最终会落实成一连串冷冰冰的工程和产品决策。你要不要追预训练，你要不要把推理做到足够便宜，你做的是海外 2C 还是国内 2B，你期待的是模型霸权还是入口优势，这些都不是口号，而是会决定公司死活的系统性选择。