出品｜虎嗅科技組

作者｜宋思杭

編輯｜苗正卿

頭圖｜奇績創(chuàng)壇

虎嗅獨家獲悉，截至目前，小冰的所有創(chuàng)始團隊成員已全部離開公司，而曾擔(dān)任小冰 CEO 的李笛，也已悄然開啟他的下一段創(chuàng)業(yè)旅程——一家名為 Nextie 明日新程的新公司。

據(jù)了解，Nextie 已于 12 月 7 日在奇績創(chuàng)壇的支持下成立，并正在啟動第二輪融資。對此，虎嗅了解到，最新一輪融資金額預(yù)計達(dá)到數(shù)千萬美元，估值暫未確定。

同一天，他帶著他的新成果，以第 54 號項目亮相在奇績創(chuàng)壇 Demo Day 的路演現(xiàn)場。但他并未像多數(shù)創(chuàng)業(yè)者那樣長篇展示產(chǎn)品，也沒有給出完整敘述，整場亮相看上去更像一次提前放出的預(yù)告。

但就在奇績路演的幾天前，李笛非常激昂地對虎嗅談及了他做大模型的夢想、初衷，以及在他設(shè)想中，大模型應(yīng)該是什么樣子。他對虎嗅呈現(xiàn)出來的是，他正在構(gòu)建一個完全不同于當(dāng)前行業(yè)敘事的 AI 體系。

外界普遍以為，在經(jīng)歷組織動蕩和公司治理風(fēng)波后，他會選擇暫時離開 AI 舞臺。但交流中的他并沒有表現(xiàn)出任何疲態(tài)，反而像是回到了自己長期被擱置的原始命題前。

他提到，Nextie 想做的，不是把小冰繼續(xù)做下去，而是走小冰沒能走完的那條路?！拔磥硪苍S有一天，會把小冰收回來?！彼f得異常平靜。

李笛的團隊也再次聚攏，目前Nextie創(chuàng)始成員包括小冰聯(lián)合創(chuàng)始人、前微軟首席研發(fā)總監(jiān)曾敏，小冰大模型與算法負(fù)責(zé)人、前英特爾架構(gòu)師王文瀾，都加入了 Nextie。

與當(dāng)下的AI創(chuàng)業(yè)項目不同，Nextie 并不打算推出一個更大的大模型，也不希望再做一款對話式 AI。在李笛看來，Chatbot 已經(jīng)成為一種誤導(dǎo)：它的底層邏輯——依賴海量知識、依賴超長上下文、依賴單一模型的輸出——從一開始就與“真正的智能”并無關(guān)聯(lián)。大模型學(xué)習(xí)的是知識，但知識本身已經(jīng)過載；上下文變長，噪音就會變多；讓模型讀更多文本，并不能讓它學(xué)會決策?！爸悄懿粫碜阅骋粋€更大的模型?！彼f。

他真正想構(gòu)建的是一種“認(rèn)知模型”。這套模型的核心不是知識，而是認(rèn)知結(jié)構(gòu)；不是讓模型掌握更多信息，而是讓不同認(rèn)知體在有限信息下做出更清晰的推理。他將這套體系稱之為“群體智能”。

這是一個在當(dāng)前國內(nèi)大模型語境下仍然相對陌生的概念：真正能解決復(fù)雜問題的，不是一個參數(shù)更大的模型，而是一群認(rèn)知路徑不同的智能體，在同一問題下協(xié)同工作。在 Nextie 的系統(tǒng)里，每個 agent 都擁有不同的思維方式和任務(wù)邊界，不再是為了扮演角色，是為了提供真正異構(gòu)的視角。他們會彼此挑戰(zhàn)、互相復(fù)審、展示推理鏈路，最終共同構(gòu)成一個“認(rèn)知網(wǎng)絡(luò)”。

李笛說：“我們做的不是一個更聰明的 AI，而是讓一個人擁有一個決策團。畢竟每個人之所以會做錯決策，根本上源于認(rèn)知不夠”。

這套理念最終落成了面向 C 端的產(chǎn)品“團子”。它不是一個聊天機器人。在李笛看來，聊天框這種表達(dá)方式天然受限，它將思考壓縮成線性的問答，既無法容納多視角，也無法展示推理過程。他認(rèn)為，未來 AI 的界面應(yīng)該更像白板、像思維導(dǎo)圖，是一種能夠并行呈現(xiàn)多種思考路徑的空間。“團子”將圍繞用戶的問題，調(diào)動不同智能體共同構(gòu)建答案。

這種做法在當(dāng)前行業(yè)敘事下顯得不合時宜。過去兩年，行業(yè)幾乎形成一個共識：更大參數(shù)的模型、更長的上下文、更強的知識覆蓋，是通往“更智能”的唯一道路。但在與虎嗅的交流里，李笛明顯站在另外一側(cè)。他不斷強調(diào)“知識背后的認(rèn)知”，強調(diào)“答案背后的過程”和“群體結(jié)構(gòu)”，這些反共識的表達(dá)幾乎全部指向同一個判斷：目前的大模型并沒有觸及智能的本質(zhì)。

當(dāng)前狀態(tài)下的李笛，似乎并不急于證明什么。現(xiàn)在的他，正在構(gòu)建的是一個未來可能與人類并行思考，而不是為人類回答問題的系統(tǒng)。而 Nextie，只是這件事的起點。

智能拐點未到達(dá)前，反共識路線出現(xiàn)了

如今的大模型行業(yè)正走到一個新的臨界點。過去三年，情緒與節(jié)奏都經(jīng)歷了急轉(zhuǎn)：2023 年是百模大戰(zhàn)，企業(yè)比拼的是規(guī)模、速度與參數(shù)堆疊；到了 2024 年，資本開始收緊，模型公司從發(fā)布會和測試榜單退回到現(xiàn)實的交付現(xiàn)場；進入 2025 年，行業(yè)第一次出現(xiàn)明顯的“斷層”，有人悄然離場，有人依舊徘徊在商業(yè)化入口，而真正跑出穩(wěn)定路徑的公司寥寥無幾。

但問題從來不只是商業(yè)模式有多難，或者說，與其探討商業(yè)模式的不成功，還不如探討更本質(zhì)、更深層的矛盾，即技術(shù)本身。

目前行業(yè)內(nèi)的現(xiàn)狀是，大模型依靠知識規(guī)模獲得“智力”，但知識規(guī)模與推理能力之間的張力正在被不斷放大，即上下文越長，噪音越大；參數(shù)越多，模型越難解釋；數(shù)據(jù)越豐富，系統(tǒng)越難以做出穩(wěn)定決策?，F(xiàn)在海內(nèi)外已經(jīng)有越來越多公司意識到，“能回答問題”已經(jīng)不構(gòu)成競爭力，真正的難關(guān)是“能否參與決策”“能否給出結(jié)構(gòu)化推理”。當(dāng)?shù)讓又悄苓€處在半成熟階段時，商業(yè)化自然會呈現(xiàn)反復(fù)。

也正因為行業(yè)還沒完全對，不同的聲音才顯得格外必要。

共識有時會讓賽道看上去整齊劃一，但真正值得追問的是：我們是否在用錯誤的方式想象智能？是否誤把知識規(guī)模當(dāng)成能力本身？是否把“大模型的強大”誤解為“智能已經(jīng)足夠強大”？這些問題在大模型最繁榮的階段被忽略。但今天的行業(yè)已經(jīng)開始反思。

在這樣的背景下，李笛正在做的事情就顯得格外“反共識”。他并未加入算力軍備，也未執(zhí)念于參數(shù)規(guī)模；在外界聚焦“對齊”“一致性”時，他討論的是認(rèn)知結(jié)構(gòu)、視角差異和群體推理。他試圖繞開“大模型 = 智能”的主流假設(shè)，重新回答一個更基礎(chǔ)的問題：如果單體模型無法跨過智能拐點，能否通過另一種結(jié)構(gòu)抵達(dá)？

當(dāng)然，海外已經(jīng)有團隊在探討另一種結(jié)構(gòu)。而在國內(nèi)，李笛希望能成為團隊另一種結(jié)構(gòu)可能的創(chuàng)業(yè)團隊。

盡管技術(shù)仍處在早期階段，也難以預(yù)見最終形態(tài)，但行業(yè)本身或許正需要這種“不那么一致”的探索。然而，對李笛來說，這條路并不容易。

他所說的“認(rèn)知模型”在國內(nèi)幾乎沒有先例，這也意味著他必須同時面對三道門檻：

其一是資本市場的接受度。在國內(nèi)的資本市場環(huán)境下，投資人仍然習(xí)慣看參數(shù)、看速度、看短期可交付，那么是否會有人真正愿意押注一條未經(jīng)驗證的路線？其二是技術(shù)成熟度，因為群體智能的結(jié)構(gòu)遠(yuǎn)比堆疊模型復(fù)雜，這也意味著它需要跨越多個尚未成形的技術(shù)段落；

第三是 C 端商業(yè)模式的壓力。目前，國內(nèi)破億月活的C端應(yīng)用僅有兩個，都還沒有實現(xiàn)成功的商業(yè)路徑。那么一個全新范式到底如何以消費者能夠理解的方式落地，并形成持續(xù)價值？

在這些挑戰(zhàn)的縫隙里，反共識與堅持之間的張力，顯得尤為突出。

野心在前，耐心在后

如果只從外部視角去理解李笛的選擇，這條路徑確實容易被貼上“折騰”的標(biāo)簽：

剛退出一家成熟體系，又迅速投入一個幾乎沒有行業(yè)共識的方向，沒有現(xiàn)成做法，也沒有明確參照物。但真正接觸下來，我發(fā)現(xiàn)了一種與前者截然相反的氣質(zhì)，他非常清楚自己在尋找什么，甚至?xí)屓擞X得，他過去幾年所有的停頓，都只是這次重新啟程的鋪墊。

在談到“群體智能”時，他的表達(dá)沒有任何渲染或鼓動，不試圖把它包裝成“下一代 AI”，也不刻意把它放到行業(yè)競爭框架中。更多時候，他像是在陳述一個被內(nèi)部推演無數(shù)遍的基本前提：真正的復(fù)雜問題，從來不是靠單個模型解決的。和許多創(chuàng)業(yè)者熱衷于講“能力提升多少倍”、“推理速度更快”不同，他更在意的始終是三個問題：過程是否透明、認(rèn)知是否獨立、不同視角之間能否真正發(fā)生挑戰(zhàn)。

當(dāng)虎嗅問道，不同智能體之間互相debate（爭論）的過程，用戶能否看到？李笛回答說，這與現(xiàn)在大模型的推理鏈路不同，群體智能的所有推演、爭論與協(xié)作都會以各自的方式被呈現(xiàn)，而不是被隱藏在系統(tǒng)內(nèi)部。

他還舉了兩個例子，無論是此前引發(fā)廣泛爭議的俞敏洪公開信信、還是西貝的公關(guān)危機等等事件，未來當(dāng)類似事件再次出現(xiàn)時，群體智能或許都能作為輔助系統(tǒng)，為個體和組織提供更清晰的判斷依據(jù)，幫助人類做出更可控、更聰明的決策。

在他的構(gòu)想里，這個系統(tǒng)更像一個被抽象后的組織：有人負(fù)責(zé)提出反駁，有人負(fù)責(zé)驗證細(xì)節(jié)，有人做結(jié)構(gòu)化整理。每個智能體都有自己的邊界、偏置和認(rèn)知方式，而不是統(tǒng)一模版下的角色扮演。他說這些時語氣平靜。

在筆者看來，他并不急于確定界面或形態(tài)，而是更專注于底層邏輯是否自洽、是否值得沿著這條路徑繼續(xù)往前推。

這種狀態(tài)同時包含著野心與耐心。野心在于，他試圖回答的不是“如何讓模型更強”，而是“如何讓一個普通用戶獲得一個團隊的智能”；耐心在于，他幾乎已經(jīng)接受這件事不會在短時間內(nèi)被理解，也不會立刻獲得市場驗證。有些技術(shù)路線確實需要慢慢長出生命力，而不是在商業(yè)壓力下迅速定型。

在當(dāng)下的大模型行業(yè)，這樣的姿態(tài)并不常見。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4817080.html?f=wyxwapp