独家丨周鸿祎x朱啸虎：没10亿美金闲钱，别碰通用大模型

作者：创业家精选发布时间：2024-05-20

ChatGPT

编辑：任佳敏

3月28日，2024黑马AI培训战略发布会上，一场主题为《每一家中小企业都有一个AI梦》的先锋论坛，引发了万千创业者的关注和热议。

这场先锋论坛邀请到了两位AI创投圈的先锋人物——360集团创始人周鸿祎、金沙江创投主管合伙人朱啸虎。

本次论坛的主持人，由创业黑马执行总裁罗浛予担任。在近50分钟的对话中，他们从中小企业AI智能化升级，聊到了创业者怎样在垂直场景中杀出重围，还聊到了AIGC创业领域的底层投资逻辑……

当天，我们先第一时间整理了两位老师的金句《现场金句！周鸿祎x朱啸虎：ChatGPT很快就会碰到瓶颈》

今天再次奉上现场的完整实录。如下，Enjoy：

2023年AI大模型席卷全球，2024年“人工智能+”被写进政府工作报告，将AI产业创业浪潮带上了一个新高度。黑马这么多的创业者们，同样不甘心被这个时代所抛弃。他们都希望从自身需求出发，找出一条实现AI智能化升级的新路径。

今天我们先锋对话的主题是《每一家中小企业都有一个AI梦》，正好可以围绕中小企业实现AI智能化畅聊一场。

“AI在中国不是只有一条路”

罗浛予：周总之前说过：“第一，创业者不要再去碰通用大模型了，没有意义。第二，也不要在通用大模型之上做一些简单的套壳、很薄的应用，这样传统大模型只要出一个工具，你就完蛋了。”朱总最近也说过，自己不看大模型，只看能赚钱的AI项目。

特别想问两位，在垂直场景方面，你们更看好哪些应用场景，可以具体给创业者们一些建议吗？

周鸿祎：我先辟个谣。现在外界把我和朱啸虎分到了不同阵营，其实不是。我们俩很多观点都是英雄所见略同，因为都投过很多公司，也被忽悠过，都是血淋淋的教训。

有的话以讹传讹，好像我们俩一副赚钱嘴脸，都是所谓的实用派。有些公司冰清玉洁，出淤泥而不染，就是用梦想改变世界，被称为信仰派。这完全是胡说八道。

我非常认同牛文文说的，今天所有推动人工智能发展的都是AI信仰派，你不相信AI是一场真智能革命，今天就不会来到这里。我做AI场景应用，朱啸虎投资AI创业公司，都是在用实际行动推动AI发展。

但AI在中国的发展不是只有一条路，所有人都看好Open AI，但美国的发展也不是只有Open AI一条路。有人把AI发展当做曼哈顿工程，消耗国家级算力和能源，最后走向AGI，这条路我们非常敬仰，也非常佩服。另外一条路，是在开源社区，通过开源的力量、开源的大模型去发展AI。

我非常坚信中国走第二条路，就是场景化道路。如果AI永远是10万张卡、100万张卡才玩得起，这成本已经高到无法产生工业革命了。当年超级电脑发明出来时，并没有带来工业革命，最后是PC带来了信息工业革命。因为PC走进千家万户，改变了百行千业，才推动了行业发展。

政府工作报告提出了“人工智能+”，就是指朱啸虎所说的这种道路。人工智能技术再好，也要回答一个问题：它能帮老百姓解决什么场景的问题，能帮企业做什么样的事？我们不需要等AGI，AGI可能还得三年。我们也不需要等到大模型能力超过GPT-4、GPT-5，才去做企业推广。

实际上，牛文文现在做的事情，就可以通过走企业级路线，把模型做小、做专，把模型的成本从原子弹变成茶叶蛋。不只是大中企业，即便是中小企业，也可以用得起，实现真正的数字平权，拉平智能鸿沟。

关于创业者不要碰大模型，朱啸虎说过这句话吗？我的原话是，建议没有足够的资金和技术积累的创业者，别去碰通用大模型。

比如，如果真有一个创业公司很有理想，确实又遇到了金主爸爸投了10亿美金，且这10亿美金不要求短期内赚钱，想怎么花就怎么花，这没问题，你可以去做。否则，绝大多数创业者在资金有限的情况下，面临巨头领先者的竞争，再去卷通用大模型，是不可能成功的。

对于AGI的竞争，算力越来越是一个卡脖子的问题了，算力背后又是能源问题。你做模型做不过Open AI，后面还有LLama2这种开源模型。昨天Databricks又开源了一个1320亿参数的大模型，能力也超强。你处于这个夹缝中，只有理想和口号是不可能成功的。

朱啸虎：今天我为了表示自己有信仰，特别穿了一件皮夹克致敬黄教主（黄仁勋）。前面周总讲得很好，大模型变化非常快，昨天美国开源的Databricks，只花了1000万美金，用两个月时间就训练出了一个相当于GPT-3.5的大模型。

我们一直在讲，通用大模型是个“先行者劣势”的方向模式。先行者在前面试错，成本巨高无比，而后面跟进的成本却越来越低。今年减一点，明年再降一些，你跟在后面是很舒服的。

今年能花1000万美金、2个月时间训练出一个GPT-3.5，明年1000万美金就可以训练出一个GPT-4。那我为什么要在前面试错呢？今天中国融资环境没有这么多资金，跟在后面会是非常舒服的状态。

从过去的PC时代到移动互联网时代，中国人都是在后面跟进。只要美国放缓，中国在工业落地方面就能远远领先美国。你看英特尔X86，基本上每3-4 年就出现一个新的 X86 架构。从286、386、586推出之后，节奏就放缓了。没过几年时间，联想收购了IBM。

所以，对创业者来说，现在卷通用大模型没有意义，我们抢用户、抢场景、抢数据，更有意义。

今天对已经有场景和用户的创业者来说，加一个AI很容易。相反，很多通用大模型想切场景、切用户会非常难。因为他们不懂垂直场景，也不懂销售。管理一个销售团队的难度是很大的，这反而是在座创业者们的优势。

周鸿祎：我补充一点。在过去一年里，我们找了100家企业，做了很多尝试，有很多失败案例，也有找到了成功的方法。牛文文提到企业如何破局AI，我4月8日本来要讲一个免费课，专门讲企业方法论，今天可以提前分享一点。

当年AMR并没有像X86那样，拼频率、核数和算力。AMR最后是怎么成功的？ARM是拼轻量级，拼低功率，多年后ARM通过迂回策略，照样成为了CPU王者，甚至在某些方面取代了X86。所以，大模型不只一条路，不是越往大做越好，从千亿到万亿。除了Open AI的路，还有另外一条路，就是大模型是越做越专。

在企业中做场景时，谁见过有一套IT软件，既能管员工，又能管生产，还能管财务？这样的软件是不存在的。

在企业的定向应用场景里，只需要大模型解决单个场景里的专有问题。培养一个专业大模型，不需要会写古诗，也不需要解奥数题，它只需要做一件事。企业只需要用专有数据和知识进行训练，和企业之前的业务系统进行紧密整合。

我们用实践证明了，企业在这个单项能力上是可以超过GPT-4的。

所以，企业级的大模型不需要用千亿、百亿，甚至几十亿的大模型就可以做。今天国内外几十亿、百亿的开源模型非常多。换句话说，今天大模型不是白菜价了，而是免费了。企业的焦点不在于模型的选择，而是你有什么样的场景，有什么样的知识，如何和企业业务相结合。这已经被证明，是大模型的一个现实方向。

昨天开源的Databricks，还有马斯克开源的Grok，看起来参数很大，但里面都是基于混合专家（MoE）架构。说白了，就是由8个或16个小模型构成的，未来可能会有32个。每一个小模型只做自己最擅长的事情，且参数量都是百亿级的，最后再用几十个小模型拼凑成千亿模型。

把一个模型参数从千亿变到百亿，看起来参数小了10倍，但是成本、复杂度、训练和推理成本，可不是小了10倍，而是小了几百倍，甚至上千倍。一个千亿模型，没有几千张卡根本没法训练。但今天一个百亿参数的开源模型，做单一任务，用一台电脑、一个4090的显卡，单机单卡都能跑起来。

现在大模型还有一个趋势，就是大模型上终端、大模型上PC。这证明了，大模型在企业应用场景中，把模型越做越小、越做越专，是有可能的。

朱啸虎：我觉得大模型就像一所大学，比如北大文科比较牛，清华理科比较强，大模型本身只是个基础设施。最重要的是MoE（Mixed Expert Models，混合专家模型），核心是每一个E（Experts，专家），把E微调，让它变强大。这是垂直应用场景适合做的事情。

周总刚提到美国算力消耗越来越大。我个人感觉，可能是Open AI的效率特别低。因为它在前面试错，没办法，它不知道哪个更高效。GPT-4是30%的合成数据，GPT-5已经是90%的合成数据了。靠合成数据来提高大模型的能力，肯定很快会到上限。

任何时代都会有“永动机谬论”。AI时代的永动机谬论，就是靠计算机不断合成数据，反复提升大模型的能力。这也是GPT-5需要几十万张卡的原因，因为它合成数据的效率非常低，大部分合成数据没有信息价值，不可能做到熵减，就需要靠很大的合成数据量来创造部分的熵减。

我个人觉得，这种方法很快会碰到瓶颈。为什么我对中国追赶AI大模型很乐观呢？就是因为这个曲线会很快到瓶颈。如果美国Open AI后面比较难，中国很快赶上还是有可能的。

周鸿祎：第一，我们看历史，心怀梦想的小公司不是打不过大公司。前提是大公司处于懵逼状态，对一个事看清、看不起、看不上，给了小公司机会。

谷歌的八个员工发明了Transformer，但谷歌根本不重视，后来这八个员工都离职了。Open AI捡到Transformer如获至宝，给了Transformer差不多7年到8年的发展时间。小公司所有成功的例子，都是利用了这一点。但今天所有的人都知道Transformer很重要，所有人都知道要卷大模型，这样留给小公司的空间就不是很多了。

如果有梦想的创业者要碰大模型，能颠覆Transformer，那你就去颠覆。你可以提出一套新架构，不像Transformer开销这么大，那就有成功的机会。

如果技术路线还是七年前的，工程方法也是Open AI用过的，最后拼的还是算力，那最后的结果是什么？朱啸虎看得比较明白。

所以，我还是讲，没有10亿美金闲钱的创业者，就不要碰通用大模型了。

问答式的ChatGPT

肯定不是AI时代的杀手级应用

罗浛予：两位老师都建议要在垂直场景中找机会，但，大家都涌入垂直场景厮杀的时候，创业者怎么做深做专才能杀出重围？如果没投资，前期又不那么容易盈利，该从哪些维度入手？

朱啸虎：真正的垂直场景，其实不需要烧钱。

我们最小的一个公司用1张卡，提高了50%的效率。从我的实践来看，+AI是门槛很低的事情，只要一跟进就是能看到效果，创造很多价值。很多创业者做应用端的创新，成本肯定不高，关键是懂垂直场景和用户需求。知道什么样的产品形态，可以给用户创造一个数量级的价值。

周鸿祎：目前中国互联网场景，已经被巨头公司占尽了，大家都免费的话，你也很难收费，这不太适合没有融到资的创业者。

但中国市场还是有很好的机会，它的特点是很碎片，按企业、按行业、按规模分成了很多区隔市场。好处是，即便是BAT、华为这样的巨头，也很难一下子垄断，且企业愿意为降本增效掏钱。

过去企业软件一直觉得SaaS软件不容易挣钱，主要你给用户创造降本增效的价值没有那么大。如果今天AI确实能起到提升效率、降低成本的作用，企业是愿意付钱的。

但从场景选择来说，我给三个建议：

建议一，场景选择要非常小切口，不要做宏大叙事。

今天不要高估AI的能力，也不要低估AI的潜力。有人说，我做一个医疗大模型或教育大模型，这句话说得太笼统。必须把这个行业打开看，找50到100个的细致场景。比如，你能帮医生在病例润色和生成方面找到一个场景。所以，场景选择特别重要。「创业黑马」之前提出过“重度垂直”，一个是要足够垂，一个是要足够深。

建议二，要有足够多的知识壁垒。

大模型把网上的“亮知识”都找到了，其实企业内部有很多知识是“暗知识”，只是在网上找不到，甚至老板本人都不一定有。如果你能想办法，把有行业、企业know how的深度知识拿到，你的训练就会有成果。否则，通用大模型一升级就能直接碾压你。所以，重点是知识的选择和知识的训练。

建议三，别太迷信聊天机器人。

其实ChatGPT做了一个聊天机器人是为了让大家愿意接受AI，本质这是一个科普行为。但在企业内部，聊天机器人并不是最好的人机交互界面。如果你给企业交付的是聊天机器人，各位作为企业家会知道，这很难用。

在企业内部，大模型有点像一个发动机。但用户要的不是发动机，而是车。所以你得想办法再给它做一个底盘和四个轮子，还得加上座椅。也就是说，你要最终通过智能体框架，把大模型跟企业之前的业务系统融在一起。这样大模型才不是游离在企业信息系统之外的、孤立的问答机器人。

所以，Copilot的模式在中国收不到钱，要跟企业业务深度组合才可以。很多功夫都得用在大模型之外，只训练大模型是远远不够的。

朱啸虎：我补充一下，我特别同意周总关于ChatGPT的看法。

从PC互联网到移动互联网，本质是从搜索引擎转变到推荐引擎。为什么推荐更好呢？因为它更方便好用。问答式的ChatGPT，肯定不是AI时代的杀手级应用。因为它对用户的要求更高，需要用户想各种办法提问，才能得到更好的答案，这对用户的挑战很大。所以，最后让用户问起来更简单方便、更容易得到好答案的，才是AI时代的杀手级应用。

周鸿祎：对，ChatGPT刚出来时，大家都很迷恋Prompt，甚至有大佬说 Prompt Engineer 会变成一个新职业。但是Prompt简直是反人性，不但很难写，而且每次我写一样的东西，给我的答案还不一样。自然语言让人和人之间都很难沟通理解，更何况你和机器之间呢？

做杀手级应用之前

先找到杀手级场景

罗浛予：刚才我们聊了很多AI行业To B的模式。对做To C生意的AI创业者来说，在不烧钱或少烧钱的情况下，应该如何优化现有商业模式？

周鸿祎：To C领域，在做杀手级应用之前，应该先找到杀手级场景。去年的大模型，成功的地方是赶上了ChatGPT-3.5，不成功的地方是大家在To C的时候，就像朱啸虎说的，都只是做了一个聊天机器人。

最近kimi比较火，360浏览器也跟着火了一把。火的背后有一个关键，是大家放弃了把自己作为全功能AI产品的定位，而是选了几个真正能打动一些小众用户的场景。

比如，读书能不能读快点，我每天需要读各种论文，外文又不怎么样，能不能帮我分析论文。Kimi启发360浏览器换了一个思路，我们找了一个明星场景。

所以，功能打动不了用户，只有场景能打动人。从需求场景出发，来创造应用级产品，解决场景需求。大模型基本都是藏在后面解决问题的。

我最近看到一句话，“先选择应用场景，再来定义应用， PMF（Product Market Fit，产品市场匹配度）实验成功了，再训练自己的模型。”

在垂直应用方面，大模型不一定做得很好。360AI浏览器用了5个小模型，分别做翻译、搜索、阅读理解、脑图生成。五个百亿级模型加起来，比千亿级模型成本更低、速度更快。

在To C领域，要深刻地去找一些非常垂直的场景，我把它叫明星场景，用场景才能驱动产品设计、训练自己的垂直大模型。

朱啸虎：C端应用，我们太熟悉了。中国在互联网上尝试过太多C端应用场景了。

比如说，用5分钟读完一本书。以前有几个APP做得挺好，他们的用户场景为什么能引爆？因为让用户可以分享打卡朋友圈，告诉朋友们我看完了这本书，我很上进。但取消打卡功能以后，月活跃度马上下去了。

现在年轻人觉得5分钟看完一本书都很累，最好在抖音里用30秒钟告诉我这本书讲的什么内容。现在的消费者既需要告诉自己朋友，我很上进，又不愿意花很长时间。让GPT帮我2分钟看一本书，这个需求也很难做得太大。

我相信大家都知道这个场景的用户留存很差。你丢一个PPT让ChatGPT总结财报，可能只有分析师才会用，让消费者去用，这太难了。

今天的ChatGPT在消费者端怎么应用，可能要等到明年iphone装了大模型再说。当一个手机有了几个大模型后，才会发现在哪些C端应用可以引爆。但总体方向是，让消费者更方便、更容易偷懒。

“为什么我不看好Midjourney？”

罗浛予：看来，朱总认为现在的To C商业化还有点早。

周鸿祎：我也同意这个说法。最近看了奥特曼的创业分享，很赞同他的观点。奥特曼讲，他在YC当总裁时，你可以先选一个小众人群，做出一个他们喜欢的东西。如果得到了验证，可以再看人群能不能扩展。

现在大家都在探索To C，但To B能找到的场景远比To C要多。现在还有一种杀手级应用——虚拟女友，但这很容易做成「not suitable for work」，不太适合中国的创业者做。

朱啸虎：看字节跳动的发展史，从内涵段子、今日头条到抖音，一脉相承，都关注用户留存、用户活跃、用户时长，Engagement（用户在App上的互动行为,如浏览、评论、点赞、分享等）。C端应用的核心就是能看到这些数据。

那今天的ChatGPT肯定做不到，它还没有出现一个刚需高频的场景。为什么我不看好Midjourney？因为C端做文生图，肯定不是高频场景。Midjourney的迭代速度很快，效果也在快速提高。但等它的迭代速度放缓后，必然会被高频用户场景的入口取代掉。

所以，在C端应用场景上，背后的逻辑始终都一样：你是不是一个刚需高频的入口场景？不是这样的场景，最终还是没有办法做好防守。

“我不太相信AGI”

罗浛予：咱们今天发布会的主题是“每个中小企业都有一个AI梦”，不仅AI创业者有AI梦，也有很多产业希望借助AI降本增效，给传统产业升一下级。那么，中小企业应该如何实现AI智能化升级？

周鸿祎：我觉得牛文文刚才总结得很好，我换了一种说法。

第一步，中小企业应该建立AI信仰（就是牛文文说的认知）。

AI信仰可以概括为四句话：第一，你信不信这是真AI？第二，你信不信这是一场工业革命，未来5-10年会席卷所有行业？第三，你信不信AI会重塑产品和内部管理的每一个链条？第四，你信不信用AI的公司会淘汰掉轻视AI的公司？

如果一个企业都不相信AI，这就是看不上、看不起，自然就看不清、看不懂。

第二步，AI的科普教育非常重要。AI跟云计算、大数据最大的不同，是很多企业员工可以不懂云计算、大数据，但并不妨碍他们用好大数据。但AI对业务的结合和每个人的生活、工作方式挨得太近。所以，从企业领导到基层都需要去了解AI。

现在网上很多制造焦虑的账号，弄得大家对AI很敌视、很恐惧、很有距离感。怎么解决这个问题？我建议中小企业老板花点钱，无论是用GPT还是国内大模型，甚至将来牛文文也会给中小企业做私有化部署的大模型。

一定要让员工每天都用，可能通用大模型能解决生活办公的一些常见问题，还不能解决具体问题。但让你的员工花几个月去了解和熟悉AI，还是很重要的。

第三步，规划应用AI。我发现，应用AI是需要业务来推动的。我们做AI的公司，最多给你提供很多工具，但对你的业务不了解。到底你的业务中有哪些场景适合做AI，还是要靠业务驱动。这就需要公司设置一个首席AI官的角色。

第四步，企业需要大量的知识。注意，不是数据。数据不等于信息，信息不等于知识，知识不等于智慧。实际上，做企业级大模型时，越智慧的知识，越是知识的数据，才更有价值。而这些需要在企业里去深度挖掘和搜集。

第五步，利用现有的成熟工具，把自己的私有大模型训练起来。现在的训练成本，已经低到几百万、几十万级别。而且，企业私有大模型融合了企业对业务的理解和企业独有的知识，进而成为了企业的核心资产。确实没钱的企业，也可以用SaaS服务商针对中小企业提供的应用。

2024年企业给自己提一个目标：至少让自己的员工用一下大模型，至少让他们对大模型不陌生。在企业内部管理流程、外部产品服务流程中，找一个场景用SaaS或私有大模型，解决自己的具体问题。这样你在2024年就能超越很多同行了。

朱啸虎：我觉得，AI是必须要去拥抱的，就像今天的企业无法想象没有电脑和手机的生活。今天AI对效率的提升，甚至超过了之前的PC电脑。我们看到很多人在营销端、客户服务端，可以轻松提高30%到50%的效率。

我不太相信AGI，但是帮助企业提升30%到50%的效率，在未来几年内很轻松就能实现。

未来每个企业将有多个专家模型

罗浛予：朱总还有什么问题抛给周总的吗？

朱啸虎：我很好奇360在消费端的AI是什么样的逻辑，用户留存和用户时长怎么样？

周鸿祎：这几年360在AI端，其实在做To B、安全和To C三个场景。当然，主攻方向还是To B。

第一，我们做了一个安全大模型，自己掌握安全能力、数据和工具，做成了一个垂直模型。这个模型既为中国上百万家企业提供服务，如取代无数安全专家，或在高水平安全专家配合下，给企业解决实时攻击、实时发现、实时阻拦的问题。

第二，我们还给自己设计了一个大目标——解决AI大模型本身的安全问题。这个问题非常复杂，技术安全、数据安全、内容安全，甚至还涉及到道德文化，还有对硅基生物的控制问题。

第三，中国有这么多中小企业客户，能看到很多场景机会，所以我们选择为企业提供大模型的基础设施。企业要做大模型，最重要的是保证知识大模型和情报大模型的供给。

在互联网上，还是有几个月活用户超三四亿的搜索和浏览器。我们在努力探索To C场景下怎样让大模型赋能场景。目前来讲，大模型在To C方向的用户预期太高，除非你真正实现AGI，否则总有回答不好的地方。所以，我们放弃了给用户做全面回答的能力，而是先寻找一些垂直场景，先提高用户的满意度。

目前来看，虽然搜索受到了推荐和问答的影响，但是搜索依然是一个很大的基础服务。现在你不用在几百个烂网页里挑你要的答案，我们可以直接给你一个比较完整的答案，且可以自动生成脑图，让你能一次性得到比较全面的结果。

第四，浏览器是目前为数不多的、能完成用户期望值70%-80%的To C场景。像其他很多场景就更不靠谱了。这也是为什么很长时间以来，全世界除了虚拟女友获得蓬勃发展以外，微软、谷歌都没有在个人消费场景找到适合AI 的新应用点。

朱啸虎：周总很务实，任何新兴技术一定是首先在企业端采用，比如大哥大和PC电脑。因为一开始出来比较贵，而它又能帮企业降本增效。AI在C端的应用，确实还要等一两年时间，这也比较符合中国目前的情况。

周鸿祎：我分享一点。你投资的公司也有这个特点。先选应用场景，再按照应用场景的用户体验给大模型提要求，这样大模型的目标非常明确。最后的成本非常低，商业化速度也非常快。

反过来，通用大模型基本上没有8000个功能，也有1万个功能。今年写诗，明年阅读，后年写小作文。改来改去，用户总能找到你回答不了的问题，这种时间周期是非常漫长的。而且，很多能力是用不到的，但是它运行时也必须全部加载，这些千亿级大模型都要放在一个集群上运营，回答一次问题要好几毛钱，反应速度还慢。

如果你找到用户场景之后，只需要优化用户需要的功能，还可以把这些功能分布在不同的垂直模型里。我们用差不多接近10个百亿模型，每个百亿模型的成本更低和速度更快。这个方法也更适用于企业级应用。

我猜想，未来一个企业里会有多个专家模型，将来可能还会有专家模型的大市场。比如，我把牛文文的天启大模型买过来，把朱啸虎投资过的模型买过来。

去年谷歌Transformer八子之一Llion Jones成立了新公司——Sakana AI（Sakana，来源于日语さかな，意为“鱼”），专门做垂直小模型，他在研究把大模型和小模型糅合起来，把小模型的参数权重和另外一个模型合在一起。就像生物进化一样，把有用的能力继承下来，把没用的能力淘汰掉。比如，把学日文和解数学题的小模型结合起来，生成一个解日文数学题的小模型，并保证了高品质和高性能。

未来大模型有两个趋势：一个是模型垂直化，一个是模型缩小化。比如，华为肯定要把模型上手机，小米也会这么做。大模型跟终端硬件做结合，也是中国创业者的机会。到时候比拼的不再只是参数，更不是一味地卷算力。

联想的“贸工技”路线

依然最适合中国创业者

罗浛予：感觉周总好像还有点意犹未尽，你还想问朱总什么问题，可以尽管问。

周鸿祎：我觉得朱啸虎的道理讲得很好，但是很狡猾，就是不把投过的好公司分享给我们，是害怕我们抄袭吗？举两个例子，让大家知道你喜欢的公司是什么样子。

朱啸虎：那我具体举两个例子。比如，我们投的「FancyTech」就是用 AI 生成广告视频。我们聚焦在广告视频这个细分领域做得很好，这个公司已经在美国都拿到头部客户了。美国的Sora很厉害，它的目标是直接做电影。但到现在成本很高，还不能公开给用户使用。

另一个例子是AI 视频面试。我觉得，在两三年之内，中国所有的校招全部会普遍使用 AI 视频面试，因为确实能降低太多成本了。

你让一个员工去面试一个大学生，要30分钟左右，时间成本非常高。现在用 AI 系统面试可以做得非常好，且可以体现出这家企业的技术非常领先。最高峰期，有一个客户要求，一天面试10000人。所以，去年他们已累计面试了 100 万人，今年第一季度就做完了去年50%的业绩，预计今年整体业绩至少翻 3 倍。

周鸿祎：他们不是在做一个HR大模型，而是做简历采集、识别和梳理，以及与面试者产生对话。把这两个环节做好，就解决了很多企业的痛点和刚需，对模型的要求也比较低，一个4090单卡就跑起来了。

这就是我说的，一定要选对垂直场景，场景不怕小。有个说法叫小切口、大纵深。虽然切口小，但影响的企业是数以百万计。

其次是重度垂直，跟行业结合得很深，比如做广告视频或视频剪辑。在视频内容的产生方面跟Sora比，是以卵击石。但在做广告视频方面下很多功夫后，这个软件能降低做事情的难度，提升工作效率，也一样有价值。

很多软件不是在跟Sora直接竞争，而是把Sora看作视频来源。在Sora外面加一套复杂的工作流，这才是重度垂直的思路。