朱嘯虎在 2025 Inclusion 外灘大會(huì)上的發(fā)言，像一把快刀劃破了 AI 行業(yè)的 “迷霧”：

• 大模型的 “天花板” 已現(xiàn)，Transformer 架構(gòu)下的智力提升基本見(jiàn)頂；

• 應(yīng)用層要爆發(fā)，得做 “無(wú)聊到解決真痛點(diǎn)” 的事；

• 護(hù)城河不是技術(shù)，是 AI 之外的 “臟活累活”；

• 下一個(gè)字節(jié)、小紅書(shū)，今年已經(jīng)成立了。

這些觀點(diǎn)足夠 “清醒”，甚至 “殘酷”—— 它把 AI 從 “顛覆一切” 的神壇拉回 “工具” 的本質(zhì)。但當(dāng)我們順著他的邏輯往深處挖，卻發(fā)現(xiàn)這把 “快刀” 下，藏著不少?zèng)]說(shuō)透的 “模糊地帶”：

大模型的 “天花板”，真的是技術(shù)的終點(diǎn)嗎？
應(yīng)用層的 “無(wú)聊”，真的能對(duì)抗大廠(chǎng)的碾壓?jiǎn)幔?br/>那些 “臟活累活”，真的能撐得起下一個(gè)千億公司嗎？

今天我們不聊 “正確的廢話(huà)”，只拆 “清醒” 背后的 “灰度”—— 畢竟，AI 行業(yè)最缺的不是 “清醒”，是 “清醒后的清醒”。

一、大模型的 “天花板”，是 “當(dāng)前路徑” 的終點(diǎn)，不是 “技術(shù)” 的終點(diǎn)

朱嘯虎的核心判斷是：“Transformer 架構(gòu)下的大模型，參數(shù)堆得越多，性能可能越差?！?這句話(huà)沒(méi)錯(cuò) —— 當(dāng)模型參數(shù)超過(guò) 1 萬(wàn)億后，邊際收益確實(shí)在遞減：GPT-3 到 GPT-4，參數(shù)從 1750 億漲到 1.8 萬(wàn)億，但 “智力提升” 遠(yuǎn)不如從 GPT-2 到 GPT-3 明顯；國(guó)內(nèi)某大廠(chǎng)的 10 萬(wàn)億參數(shù)模型，甚至出現(xiàn)了 “生成內(nèi)容邏輯混亂” 的問(wèn)題。

但問(wèn)題在于： 大模型的進(jìn)化，從來(lái)不是 “參數(shù)堆砌” 的游戲，而是 “架構(gòu)優(yōu)化 + 多模態(tài)融合” 的游戲 。

比如 OpenAI 的 GPT-4o，沒(méi)有追求更大的參數(shù)，而是通過(guò) “多模態(tài)對(duì)齊”（文本、圖像、語(yǔ)音、視頻的統(tǒng)一理解），實(shí)現(xiàn)了 “看一張菜譜就能生成烹飪視頻”“聽(tīng)一段會(huì)議錄音就能畫(huà)出流程圖” 的能力 —— 這不是 “智力提升”，是 “能力邊界的拓展”。再比如 Google DeepMind 的 Gemini 模型，通過(guò) “神經(jīng)符號(hào)結(jié)合”（把符號(hào)邏輯注入神經(jīng)網(wǎng)絡(luò)），解決了大模型 “胡編亂造” 的問(wèn)題，在數(shù)學(xué)推理和代碼生成上的準(zhǔn)確率提升了 40%。

朱嘯虎說(shuō) “大模型迭代放緩”，但放緩的是 “參數(shù)擴(kuò)張” 的速度，不是 “能力進(jìn)化” 的速度。對(duì)創(chuàng)業(yè)者而言，真正的風(fēng)險(xiǎn)從來(lái)不是 “大模型技術(shù)迭代”，而是 “大模型公司把能力封裝成 API，用更低的成本碾壓應(yīng)用層”—— 比如 OpenAI 的 GPT-4o API，已經(jīng)支持多模態(tài)調(diào)用，創(chuàng)業(yè)者用它做 “AI 視頻生成”，成本比自己訓(xùn)練模型低 90%，但問(wèn)題是： 當(dāng)大模型公司直接下場(chǎng)做應(yīng)用（比如 OpenAI 的 ChatGPT Enterprise），創(chuàng)業(yè)者的 “應(yīng)用層機(jī)會(huì)” 會(huì)不會(huì)變成 “打工機(jī)會(huì)”？

這才是大模型 “天花板” 背后的真問(wèn)題：不是技術(shù)沒(méi)進(jìn)步，是技術(shù)進(jìn)步的紅利，正在從 “應(yīng)用層” 向 “大模型層” 集中 —— 創(chuàng)業(yè)者要么依附大模型公司，要么找到大模型 “覆蓋不了的垂直場(chǎng)景”（比如醫(yī)療影像、工業(yè)檢測(cè)），而這些場(chǎng)景，恰恰需要 “非 Transformer 架構(gòu)” 的技術(shù)（比如卷積神經(jīng)網(wǎng)絡(luò)、圖神經(jīng)網(wǎng)絡(luò)）。

二、應(yīng)用層的 “無(wú)聊”，是 “真痛點(diǎn)” 的偽裝，還是 “偽需求” 的陷阱？

朱嘯虎反復(fù)強(qiáng)調(diào)：“應(yīng)用層要做‘無(wú)聊但解決真痛點(diǎn)’的事 —— 去年文字（會(huì)議紀(jì)要）、今年語(yǔ)音（AI 電話(huà)）、明年視頻（低延遲生成）?！?他舉了個(gè)例子：某 AI 電話(huà)公司，把用戶(hù)掛斷率從 80% 降到 25%，因?yàn)?“AI 的話(huà)術(shù)比人工更精準(zhǔn)”。

但當(dāng)我們追問(wèn) “用戶(hù)為什么不掛斷”，答案可能沒(méi)那么樂(lè)觀： 不是 AI “好用”，是用戶(hù) “沒(méi)發(fā)現(xiàn)是 AI” 。某調(diào)研機(jī)構(gòu)對(duì) 1000 名 AI 電話(huà)用戶(hù)的訪(fǎng)談顯示：70% 的用戶(hù)在知道對(duì)方是 AI 后，會(huì)直接掛斷；60% 的用戶(hù)表示 “不會(huì)再和 AI 聊第二次”—— 因?yàn)?AI 的 “精準(zhǔn)”，本質(zhì)是 “機(jī)械”，沒(méi)有溫度，沒(méi)有對(duì)上下文的理解（比如用戶(hù)說(shuō) “我今天心情不好”，AI 只會(huì)機(jī)械回復(fù) “那您要不要考慮我們的產(chǎn)品？”）。

更關(guān)鍵的是： “無(wú)聊” 的痛點(diǎn)，往往是 “大廠(chǎng)不愿做” 的小事，但也是 “大廠(chǎng)想做就能做” 的小事 。比如 AI 會(huì)議紀(jì)要，釘釘?shù)?“智能會(huì)議助手” 已經(jīng)做到了 “實(shí)時(shí)轉(zhuǎn)寫(xiě) + 關(guān)鍵詞提取 + 行動(dòng)項(xiàng)跟蹤”，成本比創(chuàng)業(yè)公司低 50%，因?yàn)獒斸斢?“工作流整合” 的優(yōu)勢(shì)（轉(zhuǎn)寫(xiě)的紀(jì)要直接同步到釘釘文檔，行動(dòng)項(xiàng)直接分配給團(tuán)隊(duì)成員）—— 創(chuàng)業(yè)者做 “AI 會(huì)議紀(jì)要”，靠什么和釘釘競(jìng)爭(zhēng)？

朱嘯虎說(shuō) “應(yīng)用層機(jī)會(huì)爆發(fā)”，但爆發(fā)的前提是 “解決大公司解決不了的痛點(diǎn)”。比如某創(chuàng)業(yè)公司做 “AI 手術(shù)記錄”，不是簡(jiǎn)單的 “語(yǔ)音轉(zhuǎn)文字”，而是結(jié)合 “手術(shù)視頻” 和 “醫(yī)療術(shù)語(yǔ)庫(kù)”，自動(dòng)生成 “符合病歷規(guī)范的手術(shù)記錄”—— 這需要 “醫(yī)療數(shù)據(jù) + 多模態(tài)融合 + 行業(yè)知識(shí)圖譜”，大公司沒(méi)有這些數(shù)據(jù)，也不愿花精力做 “臟活”，這才是創(chuàng)業(yè)者的機(jī)會(huì)。

而那些 “無(wú)聊到不需要行業(yè)知識(shí)” 的應(yīng)用（比如 AI 電話(huà)、AI 會(huì)議紀(jì)要），恰恰是大公司的 “必爭(zhēng)之地”—— 創(chuàng)業(yè)者的 “機(jī)會(huì)”，不過(guò)是大公司 “還沒(méi)騰出手” 的間隙。

三、“臟活累活” 的護(hù)城河，是 “壁壘” 還是 “消耗”？

朱嘯虎的核心結(jié)論是：“所有 AI 應(yīng)用都是套殼調(diào)用底層模型，技術(shù)無(wú)壁壘，護(hù)城河是 AI 之外的‘臟活累活’—— 深度整合工作流、行業(yè)數(shù)據(jù)、硬件、垂直 Agent?！?/p>

這句話(huà)對(duì)了一半： AI 應(yīng)用的 “技術(shù)壁壘” 確實(shí)低，但 “非技術(shù)壁壘” 的構(gòu)建，比技術(shù)壁壘更難 。

比如 “深度整合工作流”：某 AI 圖像編輯工具，用戶(hù)用它生成圖片后，需要 5%-10% 的細(xì)節(jié)微調(diào)（比如調(diào)整光線(xiàn)、修改物體位置），這部分 “微調(diào)能力” 是護(hù)城河 —— 但問(wèn)題是，當(dāng) Adobe 把 “AI 生成 + 實(shí)時(shí)微調(diào)” 整合到 Photoshop 里，創(chuàng)業(yè)者的 “微調(diào)能力” 會(huì)不會(huì)變成 “冗余功能”？Adobe 有 1 億付費(fèi)用戶(hù)，有 “從設(shè)計(jì)到印刷” 的全流程整合，創(chuàng)業(yè)者靠什么競(jìng)爭(zhēng)？

再比如 “行業(yè)數(shù)據(jù)”：某醫(yī)療 AI 公司做 “病歷自動(dòng)錄入”，積累了 100 萬(wàn)份電子病歷數(shù)據(jù)，這是護(hù)城河 —— 但問(wèn)題是，醫(yī)院的數(shù)據(jù)是 “隱私數(shù)據(jù)”，創(chuàng)業(yè)者需要拿到 “合規(guī)授權(quán)”，而合規(guī)成本（比如 GDPR、中國(guó)的《個(gè)人信息保護(hù)法》）可能吃掉所有利潤(rùn)；更關(guān)鍵的是，當(dāng)醫(yī)院自己做 “病歷 AI”（比如協(xié)和醫(yī)院的 “智能病歷系統(tǒng)”），創(chuàng)業(yè)者的數(shù)據(jù)優(yōu)勢(shì)會(huì)不會(huì)變成 “數(shù)據(jù)孤島”？

還有 “硬件 + AI”：朱嘯虎舉了 “會(huì)議紀(jì)要卡” 的例子 —— 把 AI 降噪、語(yǔ)音轉(zhuǎn)寫(xiě)模塊做進(jìn)一張 SD 卡，插在會(huì)議設(shè)備上就能用。但問(wèn)題是， 硬件的壁壘從來(lái)不是 “設(shè)計(jì)”，是 “量產(chǎn)” ：大灣區(qū)的供應(yīng)鏈能幫你做 100 臺(tái)樣機(jī)，但當(dāng)你要做 10 萬(wàn)臺(tái)時(shí)，成本控制、質(zhì)量管控、渠道推廣，每一步都是 “坑”—— 某創(chuàng)業(yè)公司做 “AI 電子名牌”，樣機(jī)做得很好，但量產(chǎn)時(shí)因?yàn)?“電池續(xù)航” 問(wèn)題，退貨率高達(dá) 30%，直接把公司拖垮。

朱嘯虎說(shuō) “護(hù)城河是臟活累活”，但 “臟活累活” 的本質(zhì)是 “用時(shí)間和資源換壁壘”—— 對(duì)小公司而言，這是 “消耗戰(zhàn)”，不是 “阻擊戰(zhàn)”。真正的護(hù)城河，從來(lái)不是 “干臟活”，而是 “把臟活干到別人干不了”：比如小紅書(shū)的 “社區(qū)生態(tài)”，是用 10 年時(shí)間積累的用戶(hù)關(guān)系，大公司復(fù)制不了；比如字節(jié)的 “推薦算法”，是用 10 億用戶(hù)數(shù)據(jù)訓(xùn)練的，創(chuàng)業(yè)者模仿不了。

AI 應(yīng)用的護(hù)城河，從來(lái)不是 “AI 之外的臟活”，而是 “AI + 臟活” 的組合 —— 比如某 AI 銷(xiāo)售工具，不僅能生成話(huà)術(shù)，還能整合 “客戶(hù) CRM 數(shù)據(jù)”（知道客戶(hù)上個(gè)月買(mǎi)了什么）、“銷(xiāo)售流程數(shù)據(jù)”（知道客戶(hù)處于哪個(gè)階段），甚至能 “實(shí)時(shí)分析客戶(hù)語(yǔ)氣”（判斷客戶(hù)是不是要掛電話(huà)）—— 這些能力，不是 “套殼調(diào)用大模型” 能做到的，也不是 “干臟活” 能做到的，是 “AI 技術(shù) + 行業(yè)知識(shí) + 數(shù)據(jù)積累” 的組合拳。

四、下一個(gè)小紅書(shū)，不會(huì)是 “AI 做小紅書(shū)”，而是 “用 AI 讓小紅書(shū)更好”

朱嘯虎斷言：“下一個(gè)字節(jié)、快手、小紅書(shū)，今年應(yīng)該已經(jīng)成立了?！?這句話(huà)沒(méi)錯(cuò)，但 下一個(gè)小紅書(shū)，不會(huì)是 “AI 寫(xiě)小紅書(shū)”，而是 “用 AI 讓小紅書(shū)的用戶(hù)更愿意分享” 。

小紅書(shū)的核心壁壘，從來(lái)不是 “內(nèi)容生成”，而是 “用戶(hù)生成內(nèi)容（UGC）的生態(tài)”—— 用戶(hù)分享美食、美妝、旅行，不是因?yàn)?“能生成內(nèi)容”，而是因?yàn)?“能找到共鳴”。AI 能優(yōu)化內(nèi)容生成（比如用 AI 修圖、用 AI 寫(xiě)文案），但不能替代 “用戶(hù)分享的動(dòng)機(jī)”（比如想被認(rèn)可、想幫別人）。

同樣，下一個(gè)字節(jié)，不會(huì)是 “AI 做短視頻”，而是 “用 AI 讓短視頻更懂用戶(hù)”—— 字節(jié)的核心壁壘是 “推薦算法”，AI 能讓推薦更精準(zhǔn)（比如用 AI 分析用戶(hù)的 “停留時(shí)間”“點(diǎn)贊行為”），但不能替代 “用戶(hù)刷短視頻的需求”（比如想放松、想學(xué)習(xí)）。

AI 的本質(zhì)是 “工具”，不是 “商業(yè)模式”。朱嘯虎說(shuō) “AI 應(yīng)用要爆發(fā)”，但爆發(fā)的前提是 “AI 能放大現(xiàn)有商業(yè)模式的價(jià)值”—— 比如：

• 某教育公司用 AI 做 “個(gè)性化作業(yè)生成”，把老師的備課時(shí)間從 2 小時(shí)降到 20 分鐘，這是 “放大教育的價(jià)值”；

• 某零售公司用 AI 做 “智能貨架”，把商品周轉(zhuǎn)率從 30 天提高到 20 天，這是 “放大零售的價(jià)值”；

• 某媒體公司用 AI 做 “內(nèi)容審核”，把審核成本從每人每天 100 篇降到 1000 篇，這是 “放大媒體的價(jià)值”。

這些應(yīng)用，沒(méi)有一個(gè)是 “顛覆式” 的，都是 “優(yōu)化式” 的；沒(méi)有一個(gè)是 “無(wú)聊” 的，都是 “精準(zhǔn)解決真痛點(diǎn)” 的 —— 它們的護(hù)城河，不是 “AI 技術(shù)”，也不是 “臟活累活”，而是 “對(duì)行業(yè)需求的深度理解”。

AI 時(shí)代，最珍貴的從來(lái)不是 “用 AI 做什么”，而是 “用 AI 把什么做得更好”

朱嘯虎的 “清醒派” 發(fā)言，像一面鏡子，照出了 AI 行業(yè)的 “虛火”：

• 不要幻想 “用大模型顛覆行業(yè)”，大模型只是工具；

• 不要做 “炫酷但沒(méi)用” 的應(yīng)用，要做 “無(wú)聊但解決真痛點(diǎn)” 的事；

• 不要靠 “技術(shù)壁壘” 生存，要靠 “非技術(shù)壁壘”（數(shù)據(jù)、運(yùn)營(yíng)、生態(tài)）生存。

但這面鏡子，也照出了 AI 行業(yè)的 “盲區(qū)”：

• 大模型的進(jìn)化，遠(yuǎn)未停止；

• 應(yīng)用層的機(jī)會(huì)，不是 “依附大模型”，而是 “找到大模型覆蓋不了的垂直場(chǎng)景”；

• 護(hù)城河的本質(zhì)，不是 “干臟活”，而是 “對(duì)用戶(hù)需求的深度理解”。

最后，我想對(duì)創(chuàng)業(yè)者說(shuō)：
下一個(gè)小紅書(shū)，不會(huì)是 “AI 公司”，而是 “用 AI 優(yōu)化用戶(hù)體驗(yàn)的公司”；下一個(gè)字節(jié)，不會(huì)是 “AI 公司”，而是 “用 AI 放大商業(yè)價(jià)值的公司” 。

AI 的時(shí)代，最缺的從來(lái)不是 “技術(shù)”，而是 “對(duì)技術(shù)的敬畏”—— 敬畏技術(shù)的邊界，敬畏用戶(hù)的需求，敬畏商業(yè)的規(guī)律。

畢竟，工具永遠(yuǎn)是工具，真正的主角，從來(lái)都是人。

（完）

延伸思考 ：你覺(jué)得 AI 應(yīng)用的 “真痛點(diǎn)” 是什么？歡迎在評(píng)論區(qū)留言，我們一起討論。

（注：文中案例均來(lái)自公開(kāi)報(bào)道，不針對(duì)具體公司。）