梁文锋交流会核心内容
000
画布
|大纲
内容详情
公司发展底层逻辑
初创初衷与愿景
- 非功利性初始目标
- 核心出发点
- 未以盈利、上市为初始目标
- 创始团队核心关切是做对人类有用的事（源于对世界的善意）若以商业变现为目标，初始成员不会加入
- 若以商业变现为目标，初始成员不会加入
- 创始团队核心关切是做对人类有用的事（源于对世界的善意）若以商业变现为目标，初始成员不会加入
- 未以盈利、上市为初始目标
- 愿景落地标准
- 非标语化，体现在实际行动中
- 愿景未成文，嵌入做事方法与对世界的态度员工个体理解有差异，但大方向一致
- 员工个体理解有差异，但大方向一致
- 愿景未成文，嵌入做事方法与对世界的态度员工个体理解有差异，但大方向一致
- 非标语化，体现在实际行动中
- 核心出发点
- 管理核心逻辑
- 愿景驱动而非制度管控
- 摒弃传统KPI考核模式
- 依赖共识实现团队自组织，无严格层级管理优劣势并存，未来将持续扬长避短
- 优劣势并存，未来将持续扬长避短
- 依赖共识实现团队自组织，无严格层级管理优劣势并存，未来将持续扬长避短
- 摒弃传统KPI考核模式
- 杰克·韦尔奇管理理念借鉴
- 认可企业核心是愿景的判断
- 其余管理观点已不适应当前时代需求
- 认可企业核心是愿景的判断
- 愿景驱动而非制度管控
核心发展策略
克制发展原则
- 克制的底层逻辑
- AI产业规模认知
- 预判AI将占全球GDP10%左右
- 市场规模足够大，独占不可能，独占必然被历史淘汰主动限制自身利益边界，才能提升做成事的概率
- 主动限制自身利益边界，才能提升做成事的概率
- 市场规模足够大，独占不可能，独占必然被历史淘汰主动限制自身利益边界，才能提升做成事的概率
- 预判AI将占全球GDP10%左右
- 自我定位认知
- 团队为平凡人组合，无特殊资源优势
- 公司成立初期资金、算力、知名度均不足叙事逻辑为“平凡人做不平凡的事”，与愿景、克制一脉相承
- 叙事逻辑为“平凡人做不平凡的事”，与愿景、克制一脉相承
- 公司成立初期资金、算力、知名度均不足叙事逻辑为“平凡人做不平凡的事”，与愿景、克制一脉相承
- 团队为平凡人组合，无特殊资源优势
- AI产业规模认知
- 克制的具体落地
- 利益分配克制
- 仅赚取合理利润
- 克制是战略而非口号，舍弃短期利益换长期发展机会核心利益仅为保持团队稳定性，其余均可让步
- 核心利益仅为保持团队稳定性，其余均可让步
- 克制是战略而非口号，舍弃短期利益换长期发展机会核心利益仅为保持团队稳定性，其余均可让步
- 仅赚取合理利润
- 业务边界克制
- 不追短期变现机会
- 2023年未发力C端流量变现，未对标互联网大厂做超级App2024年B端收入为副产品，不列为核心优先级非AGI主线业务（3D、视频生成、当前阶段世界模型）不投入
- 2024年B端收入为副产品，不列为核心优先级
- 非AGI主线业务（3D、视频生成、当前阶段世界模型）不投入
- 2023年未发力C端流量变现，未对标互联网大厂做超级App2024年B端收入为副产品，不列为核心优先级非AGI主线业务（3D、视频生成、当前阶段世界模型）不投入
- 不追短期变现机会
- 利益分配克制
开源策略
- 开源的底层动因
- 愿景要求
- 开源为愿景的自然延伸，非被迫选择
- 与智谱等厂商被动开源有本质区别
- 开源为愿景的自然延伸，非被迫选择
- 商业逻辑支撑
- AI产业规模足够大，开源与商业化无冲突
- 传统软件市场规模小，开源易挤压利润；AI市场大，分享不影响自身收益开源可提升做成AGI的概率，对内增强团队凝聚力，对外获得行业认可
- 开源可提升做成AGI的概率，对内增强团队凝聚力，对外获得行业认可
- 传统软件市场规模小，开源易挤压利润；AI市场大，分享不影响自身收益开源可提升做成AGI的概率，对内增强团队凝聚力，对外获得行业认可
- AI产业规模足够大，开源与商业化无冲突
- 愿景要求
- 开源的落地细节
- 开源模型无差异
- 开源模型与自部署模型完全一致
- 不会推出删减版开源模型
- 开源模型与自部署模型完全一致
- 竞争风险判断
- 不担心第三方部署开源模型竞争
- 模型部署门槛高，成本优化难度大，同行难以达到同等效率仅赚6倍利润（对应10个月收回硬件成本）的前提下，第三方独立部署无利可图
- 仅赚6倍利润（对应10个月收回硬件成本）的前提下，第三方独立部署无利可图
- 模型部署门槛高，成本优化难度大，同行难以达到同等效率仅赚6倍利润（对应10个月收回硬件成本）的前提下，第三方独立部署无利可图
- 不担心第三方部署开源模型竞争
- 开源模型无差异
商业化与定价逻辑
API定价标准
- 核心定价逻辑
- 10个月收回硬件成本
- 以服务器采购成本为基准，预留合理风险与前期投入空间
- 放弃利润最大化定价策略，不随需求无弹性抬高价格
- 以服务器采购成本为基准，预留合理风险与前期投入空间
- 典型定价案例
- DDCP模型定价调整
- 初始定价偏高，后续主动降至原价四分之一，获得内部员工普遍支持降价目标为让更多用户用得起模型，符合公司愿景
- 降价目标为让更多用户用得起模型，符合公司愿景
- 初始定价偏高，后续主动降至原价四分之一，获得内部员工普遍支持降价目标为让更多用户用得起模型，符合公司愿景
- DDCP模型定价调整
- 10个月收回硬件成本
- 定价调整逻辑
- 降价空间判断
- 当前定价仍有降价空间，但暂不调整
- 当前价格已处于用户可接受区间，继续降价不会显著提升需求与社会价值
- 当前定价仍有降价空间，但暂不调整
- 成本优势壁垒
- 10个月回本的成本效率同行难以复制
- 阿里、腾讯等厂商同等服务成本高于公司数倍，源于技术优化积累
- 10个月回本的成本效率同行难以复制
- 降价空间判断
AGI技术路线规划
技术发展阶梯认知
- 已落地技术阶段
- 思维链（CoT，Chain of Thought）
- 已跨越该阶梯，奥数解题、代码编写能力已超过顶尖人类
- 智能体（Agent）
- 当前处于该技术阶段，可拓展AI能力边界，但未达AGI要求
- 思维链（CoT，Chain of Thought）
- 待突破技术节点
- 持续学习
- 下一阶段核心瓶颈
- 当前AI需完整上下文才能完成任务，无法像人类一样通过长期环境学习适配工作突破持续学习后，AI可替代大部分人类工作，进入自我迭代阶段
- 突破持续学习后，AI可替代大部分人类工作，进入自我迭代阶段
- 当前AI需完整上下文才能完成任务，无法像人类一样通过长期环境学习适配工作突破持续学习后，AI可替代大部分人类工作，进入自我迭代阶段
- 下一阶段核心瓶颈
- 智能奇点
- 持续学习突破后，AI可自主迭代新版本模型
- 为渐进过程，非突发式奇点
- 持续学习突破后，AI可自主迭代新版本模型
- 具身智能
- 奇点突破后发展方向，AI可进入物理世界完成现实任务
- 该路线可借助前期技术降低研发难度，无需人工全程参与
- 奇点突破后发展方向，AI可进入物理世界完成现实任务
- 持续学习
与美国技术差距
- 核心差距为算力资源
- 当前算力规模
- 等效2万张H卡，大部分为近1-2月新到设备
- 正激进扩充算力，合理价格下尽可能多采购英伟达芯片半年内花完融资款全部买卡为最优情况，当前核心痛点为卡采购难度大
- 半年内花完融资款全部买卡为最优情况，当前核心痛点为卡采购难度大
- 正激进扩充算力，合理价格下尽可能多采购英伟达芯片半年内花完融资款全部买卡为最优情况，当前核心痛点为卡采购难度大
- 等效2万张H卡，大部分为近1-2月新到设备
- 模型规模差距
- 美国已可训练800B激活参数模型，国内仍处于几十B激活规模
- 训练800B级别模型需5万张GB300或20万张华为950卡，当前国内资源无法支撑
- 美国已可训练800B激活参数模型，国内仍处于几十B激活规模
- 当前算力规模
- 人才差距本质为算力差距
- 国内人才储备充足
- 顶尖人才国内外分布相对随机，国内人才基数大
- 算力不足导致实验机会少，间接拉低人才培养效率
- 顶尖人才国内外分布相对随机，国内人才基数大
- 国内人才储备充足
技术落地优先级
- 核心聚焦AGI主线
- 降维优势体现
- 专注AGI技术，C端、B端业务为副产品
- 2023年C端用户未刻意运营仍保持稳定，2024年B端收入增长无需额外投入销售、客服资源
- 专注AGI技术，C端、B端业务为副产品
- 多模态定位为组件
- 不属于AGI主线，仅作为功能模块补充
- V4及后续版本将原生支持多模态，但不列为核心研发优先级
- 不属于AGI主线，仅作为功能模块补充
- 降维优势体现
团队与组织管理
核心利益为团队稳定性
- 稳定性的价值
- 唯一不可退让核心利益
- 只要团队稳定，一定能做成AGI
- 资金、资源等要素均可获得，仅人员流动性为核心风险
- 只要团队稳定，一定能做成AGI
- 唯一不可退让核心利益
- 稳定性保障措施
- 期权激励覆盖
- 最新融资后核心老员工期权金额充足
- 非核心员工因AGI愿景吸引，流动性远低于行业平均水平
- 最新融资后核心老员工期权金额充足
- 期权激励覆盖
组织运作模式
- 双轨管理机制
- 自上而下正式任务
- 占员工时间不超过50%
- 如版本发布等需全公司配合的任务，明确分工推进
- 占员工时间不超过50%
- 自下而上自主探索
- 剩余时间员工可自主选择研究方向
- 无需审批，只要算力可支撑即可开展研究，适配研发类工作特性
- 剩余时间员工可自主选择研究方向
- 自上而下正式任务
- 工作文化
- 不鼓励加班
- 研究工作需要松弛环境，逼紧不利于创新
- 业务聚焦、克制，需推进的事项少，无需加班赶工
- 研究工作需要松弛环境，逼紧不利于创新
- 不鼓励加班
国产算力生态判断
国产芯片替代机遇
- CUDA护城河瓦解逻辑
- AI辅助生态构建
- AI可大幅降低算子开发难度，快速复刻英伟达生态
- 高级编译技术支撑
- 自研TileLang高级语言可快速重写CUDA算子
- V3模型训练已使用英伟达硬件但脱离英伟达生态，基于TileLang完成全部开发
- 自研TileLang高级语言可快速重写CUDA算子
- 专用芯片趋势
- 计算卡市场规模已超游戏卡，无需再兼容游戏卡设计
- 专用芯片无需绑定CUDA生态，国产芯片可重新构建生态
- 计算卡市场规模已超游戏卡，无需再兼容游戏卡设计
- AI辅助生态构建
- 落地进度判断
- 1年内可验证生态可行性
- 当前核心障碍为产能不足，适配问题已无技术障碍
- 华为芯片合作进展
- 华为950超节点可平替英伟达GB200/300，价格贵50%-100%仍具备可用性
- 公司深度参与华为生态建设，重点优化TileLang编译器适配华为卡
- 华为950超节点可平替英伟达GB200/300，价格贵50%-100%仍具备可用性
- 1年内可验证生态可行性
中美芯片差距
- 芯片硬件差距为“四倍性能+两年时间”
- 生态差距未来将消失，仅硬件性能与产能需时间追赶
行业发展与终局判断
大模型行业终局
- 竞争核心要素
- 成本
- 同等服务下的成本控制能力为核心壁垒，类似比亚迪电池成本优势
- 时间
- 技术落地的早晚差异，先发优势会形成阶段性壁垒
- 用户体验
- 存在一定用户粘性，但非本质差异
- 成本
- 行业格局预判
- 基模厂商将收敛
- 中国最终仅需3-4家基模厂商即可形成充分竞争
- 当前基模厂商过多，资源分散，未来将随利润率回归合理逐步收敛
- 中国最终仅需3-4家基模厂商即可形成充分竞争
- 利润分配逻辑
- 基模厂商无法拿走行业大部分利润
- 利润率过高会被愿意接受更低利润的厂商淘汰，仅能赚取合理利润
- 基模厂商无法拿走行业大部分利润
- 基模厂商将收敛
商业化终局判断
- 商业化节奏
- 长期聚焦AGI技术，暂不全面转向商业化
- 产品与商业化路径迭代快，当前投入规划产品线性价比低
- 商业化机会优先开放给合作伙伴，公司仅聚焦AGI核心环节
- 产品与商业化路径迭代快，当前投入规划产品线性价比低
- 长期聚焦AGI技术，暂不全面转向商业化
- 商业安全垫
- API收入可支撑公司独立生存
- 若技术停止进步，全力运营API业务即可满足上市公司营收要求
- 2024年B端收入若持续增长，公司将很快实现净利润
- 若技术停止进步，全力运营API业务即可满足上市公司营收要求
- API收入可支撑公司独立生存