不破不立：重啟通用人工智慧新時代｜甲子引力X

礪思資本前沿科技投資負責人葛志飛

劉水：大家下午好！我是來自BV百度風投的劉水。BV百度風投成立於2017年，是由百度集團發起的市場化VC。BV百度風投自成立便開始聚焦AI領域的布局和探索，可以說是完整的經歷了AI1.0，也見證了2.0時代的到來，截至目前BV在全球範圍布局了200餘個項目，包括AI的底層技術、B端和C端的相關應用，以及AI延伸的一些硬科技等。當下，全球迎來了大模型熱潮，我們依然專注在以AI為核心的投資理念。今天很高興和各位同仁一起討論分享，謝謝！

劉元：大家好，我是真格基金的劉元。真格基金於2011年成立，是國內最早的天使投資機構之一。我們專注於投資早期項目，並始終秉持「投人」哲學。在過去12年里，我們一直積極在人工智慧、自動駕駛、晶片等領域尋找最優秀的創業者。例如，我們投資了晶片領域的瀚博和燧原等，以及自動駕駛領域的Momenta、Nuro等公司，並成為它們的首輪投資人。所以，真格一直在投技術。十年前，我們投資的項目中，一半是技術型的創業公司，而另一半則傾向於商業模式型或者消費型公司。最近兩三年，真格基本投的都是技術驅動的公司。

總有人問我們是不是all in AI，雖然「all in」這個詞語已經變得有些濫用，但我們確實看到了大量與AI技術緊密相關的項目。隨著技術的進步和市場的發展，眾多項目都分布在AI的各個應用層、中間層或者底層。因此，我們的投資策略並不是單純地追求AI，而是追求技術創新與市場潛力。例如，今年上半年我們投資了20多個項目，而其中很多項目都在不同程度上與AI技術交織在一起，所以總體來說我們還是比較積極和活躍的。

王超：大家好，我叫王超，來自未來智能。我們團隊成立於2021年11月，主要是做AIGC相關的產品。我們的產品主要基於TWS耳機提供用戶語音記錄轉寫工具，是耳機加硬體的服務產品。目前已經推出了兩三代了，在京東、天貓都有比較好的評價，相信在座的投資者朋友，很多都是我們的用戶。基本是這樣，謝謝大家。

章高男：大家好，我是華映資本章高男。華映資本目前主要的兩個大方向，一個是科技，一個是消費。在科技上，過去我們比較專注於企服和智能製造，投了幾十家公司，過去幾年在新能源上也有一些布局。我們對AI一直有持續關注，AI本身是一個技術，而不是行業分類。我們過去也投了與AI相關的項目，包括AI PaaS平台、AI檢測、AI數據標註等項目。

張嘉誠：大家好，我是海爾資本的張嘉誠，感謝主辦方提供這次機會。 海爾資本是海爾金控旗下的投資平台。海爾大家都很熟悉，是全球領先的美好生活和數字化轉型解決方案服務商。海爾資本是具有差異化的產業投資機構，圍繞集團的重點產業布局做相應的投資。在過去十年，我們管理了超29支基金，管理規模300億+，投資了將近300個項目。關於我們的投資風格，海爾資本還是希望沿著產業鏈做產業生態布局，同時可以通過產業全生態投資模式賦能幫助企業成長 。

我們的投資方向主要有兩個：一個是智能科技，包括一些技術、應用和信息化等；第二個方向是醫療健康，我們非常聚焦於醫療器械、相應的醫療服務以及醫療信息化等領域。在這兩個方向上，我們今年持續出手相應的項目。我們公司總部在上海，在北京、青島等地都有辦公室，是一個全國布局的 CVC 公司，非常希望今天下午大家能夠多交流、多合作，謝謝。

海爾資本管理合伙人張嘉誠

鄭燦：大家好，我是線性資本的鄭燦。線性資本主要投數據智能和前沿科技，也和今天的話題比較相關。2014年成立至今，線性資本共完成五期基金的募集，總管理規模大約20億美金，投了120家公司左右。我們主要是投早期，像我們最早投資的地平線機器人，神策數據等也是大家比較了解的公司。數據智能是我們主要的一個大賽道，所以在過去一年，人工智慧發生很大躍遷變化的時候，我們很多企業也從中受益。我覺得這也是讓我們非常興奮的，所以一會也可以多交流。

葛志飛：從技術發展本身來看的話，如果說2012年AlexNet開啟了第一波AI的話，現在OpenAI的大模型可能正開啟第二波 AI浪潮，這是從技術供給端角度看到的變化。但實際上，作為投資人，我們還是希望看到產業上能夠真正有落地。我想聽聽各位投資人朋友分享一下，從上一波AI到今天第二次AI浪潮，大家有哪些特別關注的領域嗎？可以抓住各自一個特別喜歡的領域來分享。

劉水：BV百度風投在AI+行業的領域做了很多的探索，所以我們對AI的發展很有感觸，我們認為大模型的發展是底層技術範式變革帶來的。我們過往投了很多基於 CV 的 AI 行業解決方案，像工業、醫療、金融、營銷等等，我們最近比較關注AI+傳統行業。以工業為例，工業網際網路或者說工業視覺發展了很多年，用 AI或者大模型賦能會帶來什麼樣的變化呢？我們看到主要有兩個機會：一是有可能用語言模型的能力把很多專業的工業知識做成知識庫；二是像工業視覺檢測等領域，傳統CV無法把一個模型覆蓋到多個場景，今天在多模態的賦能下，有機會真正地解鎖更多的場景，並且可以和工業的軟硬體及解決方案更好地深入結合。

BV百度風投董事總經理劉水

劉元：我們觀察到的情況是，國內ToB的創業較多，出海做ToC的較多。因為國內ToC監管環境不夠明朗，很多創業者擔心政策上的不確定性，而中國創業者做ToC的出海能力已經比五六年前強很多了。比如我們投資的Monica.im、HeyGen等，都是在非常短的時間內在海外 ToC 領域獲得了很多用戶關注。包括我們投資的一些做模型的公司，他們的端到端模型在出海方面也有非常大的野心和抱負，這是相比於上一代AI創業者更明顯的變化。

我們更多是投人，也更關注人。從這個角度來看兩次AI浪潮的不同的話，我們也很明顯地看到國內的投資者對科學家、學校教授更加重視了。投技術不像消費，人工智慧是更加學術的，大家都是學術上的名門正派，是頂級的研究院校出來的教授或學生團隊。可以說，投資人正在向學校、向技術最前沿的聚集地靠攏。另外，因為在技術上，矽谷有很多大模型的技術積澱，所以VC整體上也在看，海外擁有比較強技術能力的中國人是不是有機會。中國團隊不僅在海外能做出非常主流的應用，也能推動非常重要的變革性技術進展。

王超：我們團隊一直在做智能語音交互，一直在AIGC這個領域耕耘，聚焦於職場人士辦公領域會議記錄的需求，努力去解決垂直細分領域的用戶痛點問題。2018 年我們就和中國移動合作，做了全球第一款智能翻譯耳機，並一直在這個領域疊代。耳機是離嘴巴最近的智能硬體或可穿戴設備，在很多智能語音交互場景中是一個很好的入口。但是在ChatGPT出現之前，我們更多是基於NLP技術，做的還是比較低效的人工智慧，當時做起來還是很痛苦的。但從今年起，隨著各種大模型的出現，我們發現很多落地效果不夠理想的功能可以被優化了，並推出了全球第一款基於 AIGC 的耳機，上市後得了不錯的反響，在京東、天貓上的好評率有98%。通過人工智慧生成文本，進行跟進和整理工作，也大幅提高了大家辦公效率。這也是為什麼我們有很多投資圈的朋友或者記者、學者、大學生等群體在使用我們的產品。

未來智能COO王超

章高男：剛剛在說新老AI，從數學上講，所謂大模型在數學上、理論上沒有任何突破。但Open AI做了一些很好的工程優化方法，在自然語言的語意理解方面實現了很大的突破，這塊大模型已經做得非常出色了。

如果從未來投資的機會來講，簡單的說可能有幾個方向：第一個就是算法上的突破，投算法的策略。我們說GPT的T（Transformer）不一定是最優的，因為這種框架本身的技術局限性是無法產生真正的推理能力的，也許有比Transformer更好逼近通用人工智慧的框架和算法。投算法中國土壤比較差，對投資人要求也極高。第二個方向，是在通用大模型的基礎上做相關應用。之前我把通用大模型比作輪子，輪子上可以造汽車、摩托車、坦克等等，這裡面有大量機會。 第三個方向是借鑑大模型在語言模型的成功，把類似的深度學習技術泛化到非語言模型的應用拓展，即從語言模型擴展到其他非語言領域的模型，這也是一個很好的機會。因為我主要投資To B領域，比如智能製造、材料等，這些領域需要大量仿真計算，雖然不是語言方面的，但同樣可以借鑑深度學習和大模型的框架進行嘗試，這也是大模型給我們帶來的啟示，也是我個人投資的重點之一。

華映資本管理合伙人章高男

張嘉誠：人工智慧是一個非常古老的話題，十年前我們覺得人工智慧離我們並不遙遠，機器對話、人臉識別，很多需要依賴人的問題，現在一句話就能解決。現在回頭看，包括今天圓桌議題叫「不破不立，重啟新時代」，為什麼要重啟這個新時代？其實大家應該都清楚，在過去十年的人工智慧發展過程中，存在大量的坑，很多公司可能當時很興奮，後來發現它到底有沒有真正的智能和學習能力，有沒有基礎的技術原創能力？事實上發現是沒有的。另外，很多人工智慧公司估值和團隊都很優秀，但實際上並不落地，沒有市場。科創板開了以後，對這類公司相對比較友好。但在科創板開之前，很多人包括創業者都陷入比較大的困境，所以我們今天才談到「不破不立」，才會談到「重啟新時代」。

作為投資人，我們穿越這個周期後，會更加客觀理智地看待投資，包括通用人工智慧的新時代。其實產業資本非常現實，不管你的算法多好，你的團隊是院士團隊還是千人團隊，只要你的東西在我的產業上沒用或者太貴，我肯定不會投。在這種情況下，除了底層算法和技術創新之外，我們更多地關注AI在產業上、實際行業上的應用。當然，在上一個周期，我們也投了很多公司，包括上游的晶片、算法公司，包括雲從科技。在那一波行情中，雲從的市值達到了 300 多億將近 400 億，我們也分享到了一些紅利。但是大家可以想像，多少公司才會出一個雲從，多少公司裡面才出一個真正原創的人工智慧公司？

回到下一個我們看好的投資機會上，我們更多要依靠在細分賽道中作為產業資本的敏銳度，要真正能夠幫助細分行業解決問題。但同時也不一定，我們的資金管理規模較大，早期投資較少，大部分投資集中在成長期和成熟期。在這個階段我們發現，一個公司的技術可能不是其唯一的競爭力，但仍然是很重要的組成部分，更多的可能是通過技術解決行業的問題，甚至在行業中占據一定的位置，形成一定的結果，這是我們最常見的情況。比如我們投資一家物流行業的泛人工智慧公司，它只是通過軟硬體結合的模塊解決現有物流行業的效率和安全問題，現在它的技術也不是最領先的，但現在前五大物流公司都是它的客戶，每年都採購它的產品，這就是我們驗證的一個方向。所以作為產業投資來講，我們可能更實際、更現實，也配合基金的整體節奏往前走。

當然，我們也非常關注早期的算法。其實大家可能不知道，在大家看來完全傳統的家電行業，尤其是白電行業，在我們的認知里國產化率是非常高。但實際上，高端的家電行業國產化率只有百分之二十幾，也就是說70%的份額還是依賴進口。不管是軟體還是硬體，我們都還有很長的路要走，所以我們非常關注早期的核心技術。在人工智慧領域，我們還是非常謹慎地看待穿越周期的問題。

鄭燦：從我們的角度來看，我們當年把自己的方向定在數據智能和前沿科技，而非人工智慧和前沿科技，有一部分原因是，大家狹義理解的 AI，就是我們說 CV 和 NLP 相關的技術，其實是非常受限的。這些技術能在限制得很好、很標準的場景下把一個問題解決得不錯，但是泛化能力很差，換一批數據、換一批場景，模糊一些的問題都解決不了。所以其實我們過去投數據智能時，強調 AI，CV、NLP 要和機理模型等結合起來，這是我們以前的蠻主要的一個投資思路。

今天發生的一個很大的變化，不是今天的模型本身什麼都會，而是這個模型具備了利用各種各樣知識的能力。今天我既可以用模型本身解決一些問題，也可以用模型加上我的知識搭一個專業領域的模型，我們看到它的可能性和上限非常非常高，這也把它的能力差距很大地體現出來了。剛才講到領域，今天大家可能很多時候討論 AIGC 更多放在內容的創作上，很多強內容領域都會直接得到很多幫助。除了大家提到的遊戲，營銷，我們先不談商業模式，先談價值，教育其實也是一個非常非常強內容的領域。另外除了內容生成，大模型本身有很強理解和組織知識的能力，類似於結構化。之前從數據的生成到可以被利用需要大量的人力和IT系統來做結構化。未來可以用AI來完成這個規整的過程，從一個非常隨意的輸入方式轉化到一個完全可以利用的知識。這個和業務流程、商業活動有非常強的相關性，所以在更長的過程中，大家可能會慢慢挖掘出其中更具有實際意義的價值，這也是我們特別感興趣的方向。

2.投模型還是投應用？

葛志飛：今年，不管是國內還是國外，在AI領域的投資上大部分錢最後還是流向了模型公司。在行業內大家也會討論，到底應該投模型公司還是應該投應用公司？因為這一波熱潮與上一波不同，上一波 AI 更像是基於特定場景的人工智慧，而這一波 AI 的潛力在於它具有更強的泛化能力。所以在專用領域投資永遠存在一個風險，即大模型公司可能某天就會將你顛覆。因此，從整個 AI 賽道布局角度考慮，我們基金希望在模型本身和應用層都能下注，以避免技術發展過程中存在的不確定性。所以在大模型領域我們投資了清華楊植麟的月之暗面，在細分領域也都有布局。下面請投資過大模型的兩位機構也來分享一下，你們如何看待大模型本身的壁壘？

劉水：首先，大模型的出現讓我們非常興奮。我們的投資既有大模型，也有應用層，這也是基於BV長久以來堅持圍繞AI的系統性投資邏輯。在模型方面，BV百度風投團隊研判下一代多模態是必然趨勢，所以我們投資了像生數科技，它基於一個Transformer網絡架構實現圖文模態之間的任意跨模態生成，團隊也在自主研發更高參數量的產業級大模型，在文本、圖像的基礎上融入3D、視頻等更多模態數據。不僅如此，我們在早期也押注了西湖心辰，是國內最早推出一系列 ToC 產品的大模型公司，像AI 寫作、AI 繪圖、AI 心理諮詢等，目前積累了兩百多萬 C 端用戶，於此同時，西湖心辰也在探索B端的應用，和許多知名的企業在深度合作，比如湯姆貓、知衣、星巴克、支付寶、知乎、酷家樂等。

AI Infra（AI 基礎設施）層面也是我們整體布局裡很重要的一環，最近我們剛投了聚焦編譯技術的中科加禾，我們認為在中國的算力平台和整個底層基礎設施的晶片分布上，未來絕不是一家壟斷的，而是會有專門做 CPU、DPU、NPU 的多種生態。中科加禾可以更好地幫助晶片廠商形成統一的編譯器平台，幫助開發者更好地開發。所以回過頭來看，BV還是一直堅持以AI為主題的投資，我們躬身入局AI領域已經多年了，AI的發展是自下而上，不是單點開花，所以我們的被投企業分布在底層、中間層和應用層。

劉元：在今年年初，所有人因為Chatgpt變得很興奮，我自己也有些驚訝。因為三年前 GPT-3 出來的時候，我們就和很多大廠的朋友聊，他們當時也沒有認為大模型這麼重要。今年年初，大家之所以興奮是因為，很多年沒有出現過規模效應、網絡效應都非常強的事情了。因為做大模型對規模性的要求是很高的，這麼多人做肯定不會所有人都成功。我們的投資邏輯就是投人。舉個例子，因為我們是循環智能的老股東，當時就聽說楊植麟是他們的神中之神，這麼厲害的人做大模型，所以就立馬決定投了。

真格基金合伙人劉元

葛志飛：王超總，因為你們相當於是從科大訊飛分離出來的，有一些先天優勢做AI 場景落地。我想請您分享一下，從技術跟產品層面上，你們公司和產品的優勢在哪些地方？

王超：對於我們來說，核心是回到場景和用戶問題本身，看能否解決用戶的問題。一個 AIGC 創業團隊能否成功，算力、算法、場景和數據這四個要素缺一不可。剛才提到，Meta的開源大模型已經不是門檻，反而數據和場景成了門檻。我們這個團隊一直聚焦在商務辦公領域，致力於解決職場白領在會議中遇到的問題。我們的投資者一天要開 7、8 個會議，這麼多會議怎麼整理？就是要靠AIGC 形成會議摘要等，這樣才能解決用戶在會議場景下的相關問題。

長遠來看，隨著模型的小型化、離線化，未來 AIGC 可以更好地與智能硬體結合，通過各種眼鏡、手錶、耳機等終端獲取數據，然後通過好用的產品讓用戶產生更多黏性，產生更多數據，這些數據反過來又可以反哺模型訓練。剛才講到，未來模型可以離線化，隨著智能硬體的算力越來越高，有些模型可能在手機上就能運行。未來 AIGC 創業團隊或者公司瞄準的方向，就是 AIGC 如何與智能硬體結合，在用戶場景中解決各種問題。所以，最後還是要落到場景和數據上。我們公司成立不到兩年，已經產生了大量聚焦的數據，這些數據對我們和用戶來說都是一筆很大的資產，因為它的成本很高，我們的用戶每天開會，每天就算一個小時，可能產生幾千個小時的會議時長，這就是為什麼我們的產品復購率很高，用戶發現我們的產品不錯，就會產生大量數據，還要繼續使用我們的硬體，而且硬體有使用壽命，背後服務的價值是最大的，這也是我們這個團隊的核心點。

葛志飛：感謝王總的分享，前面兩位劉總分享了純軟體層面上 AI 的一些落地應用，王總提到了 AI 在智能硬體上的應用。下面請章總和張總，從製造業的層面上分享一下，你們如何看待 AI 的落地或者未來三五年的潛在應用？包括機器人這個領域。

章高男：我個人對機器人領域投資比較保守，這是因為每個人有自己的投資方法和投資邏輯，我的投資邏輯不太適合投像機器人這種每個細分都有很多玩家的項目，因為機器人很難一家獨大，而稀缺性是我投資最強調的因素。但這不代表機器人領域沒有投資機會，相反這是一個極大的增量市場機會。機器人領域有很多優秀公司，我也會看一些在toB領域技術特點特別突出的項目。

我個人理解不管硬體、載體形式如何，其實只要有數據，就有機器學習，就會有 AI，這是底層邏輯。工業裡面有大量數據，只不過不一定是語言數據，而是機器數據，包括 IT 數據或傳感器數據等等。這些數據裡面既有結構化數據，也有很多視頻和圖像等非結構化數據。在製造業里AI能給我們一些啟示就是，隨著製造業數字化的普及和深入，越來越多的生產管理和業務管理都可以充分跟AI結合。特別是在生產作業現場，很多處理對實時性要求很高，這給基於邊緣計算和AI有機結合的融合技術提供了大量的應用場景。我們可以借鑑一些深度學習的算法和場景結合起來，甚至把大模型應用到科技計算。我們過去仿真都是建立一個數學模型，數學模型求解，解各種多維非線性方程，學計算機的都知道這是巨大計算挑戰和難題，因為越精確，數據和算力要求越高，收斂難度也越大。能不能換一個方式，不用嚴格數學推理的非線性求解計算方式，我們也許可以用神經網絡去求解，我覺得這裡面有不少機會，我個人會花很多時間找這樣的機會，在工業裡面借鑑所謂大模型底層的一些算法的機制，特別是自我注意力機制，這也是一個探索。

張嘉誠：關於機器人在智能製造、製造業中的應用，我們確實做過比較深入的思考。海爾算是工業 4.0 比較早的落地公司，也是黑燈工廠的標杆，同時也是最早做工業網際網路的企業之一。在這種情況下，我們對於機器的自動化、生產製造的高效運營以及人工智慧和製造業的結合，看過很多項目。但是，從另一個角度來看，作為設備製造公司或者能夠承接海爾這種體量和規模的創業公司，其實並不是一個好的投資標的。雖然我們是 CVC，但是海爾在我們的 LP 中的持股比例已經降到 50%以下，我們還有外部 LP，作為直接投資人，我們還是追求項目整體的發展和性價比。這時候我們發現，如果只是在智能製造領域做大的創新型人工智慧公司，並不是一個好的投資標的。在這種情況下，我們寧肯往上游投一點，投資核心部件、算法算力公司，或者往上投一些場景解決方案公司。回到投資本身，我們還是要看項目在這個產業里的位置。但是從創業角度來看，我們認為中國還有大量的發展空間，不管是核心部件、設備、軟體，甚至是綜合解決方案集成等等，在製造業中都有大量的應用空間。我們集團也非常重視這方面的布局。作為投資人，我們還是看中後期的項目，特別早期的原創技術我們也看，但是實際上出手並不多，很多時候我們還是看這個領域比較成熟的機會。

鄭燦：我們有認真思考過投模型，也留了一部分錢用來投大模型。其實我們兩年前就投了一個做 AGI 的公司叫心識宇宙，大家有興趣可以了解一下。從我們的角度來看，我們想找到一個不管是模態還是學習機制都相對不一樣的，新範式的模型，這點我們的確暫時沒有找到。當然還有一個原因就是今天的大模型公司太貴了。

線性資本董事總經理鄭燦

3.大模型開啟了AGI時代？

葛志飛：有一個問題想問鄭總，應用未來高度依賴開源大模型，能否請你推演一下未來三五年開源模型和不開源模型的格局會是什麼樣？

鄭燦：其實要推演三到五年還是挺難的。谷歌之前做過一些推演，他們覺得大家都沒有護城河。我的理解是，從方法論的角度，大家沒有什麼護城河，大家的想法和做法相對比較類似。但從數據、錢、晶片的角度來看，還是有護城河的。大企業、資金很充足的初創企業，是有優勢的。開源生態能走多遠，在某種意義上不僅取決於有多少東西留在外面，也取決於大企業為了各種原因願意有多少的回饋。目前做得最好的模型沒有開源，這也是第一次，業界最好的東西開源市場上無法獲取。但很快我們有了LLAMA2，作為一個能力稍微弱一些的替代。對於大部分的事情或者需求，目前的開源模型也能做到80分，並且所有人都可以用。我覺得未來開源大模型的性能大機率會稍弱於最好的閉源模型，但對於大多數要解決的問題來說，可能也足夠了，這是我的理解。

葛志飛：順著鄭總的分享，再問最後一個問題。大家對於大模型未來的預期是什麼樣子的？比如現在是 GPT-4，未來幾年如果訓練出 GPT-5、GPT-6、GPT-7，能力增長是線性的還是指數型的？如果持續增長，慢慢出現通用人工智慧之後，你相信這個東西能夠走向通用人工智慧之路，還是你覺得可能性不存在？

劉水：BV團隊相信 AGI會到來，我們支持下一步大模型走向開源，逐漸把一些技術拉平，並且融合到各個行業里，更多地、真正地深入到產業中去，實現行業智能，這也是AI 普適化的意義。比如，最近我們的被投企業華為天才少年稚暉君的創業公司智元機器人發布了首款第一代通用型人形機器人遠征A1，是大模型與人形機器人的結合，讓很多業內人士表示又看到了AGI的曙光。我們還是保持著期待的態度，給新興技術一點耐心和時間，畢竟任何一個行業、技術的發展都會經歷波峰波谷。

劉元：從蒸汽時代、電氣時代、信息時代再到今天，我們已經一次又一次地見證了技術如何顛覆人們的生活。之所以 ChatGPT 那麼火，原因是它遠超人們的預期。我們相信技術只會越來越好、越來越便宜、越來越廣泛適用，所以我們還是比較樂觀的。

王超：我們是做智能硬體的，所以我們會關注 AIGC 怎麼和智能硬體結合。當然我們現在做的還是基於大模型做自己的定製化模型，後面我們也會做自己的垂直場景服務模型。因為通用的大模型來講，實際上它很多數據集來自公開網絡數據，在很多聚焦場景、細分場景並不是特別好。我們現在還是聚焦在辦公領域，針對某些很細分的賽道，比如投資人、律師，可能我會在這個領域裡做一些很機器化的 AIGC 內容，包括私有的小模型，這是我們後面要努力的一些方向。我們剛剛講了，模型的小型化、離線化是趨勢，還有對隱私的保護要求也會上升，如果往這個方向走，AI毫無疑問要和硬體做結合。這個硬體有可能是手機、耳機、手錶、眼鏡等等，但我們一定說做我們自己擅長的，因為我們團隊一直做語音交互的，我們會結合自身的優勢，做耳機、眼鏡等和人的嘴巴離的更近的產品，這是我們的思考，謝謝。

章高男：現在有很多大模型，隨著技術的發展，大模型的使用門檻會越來越低，人人都可以使用。但是大模型跟通用人工智慧差得很遠，最多算是一個起點，現有大模型不能產生思維。未來應該會有更多的算法和模型去逼近通用人工智慧，但這還是非常遙遠的事情。

張嘉誠：這個不好說，過去很多新的技術很快就陷入了內卷之中，快速形成了一個非常擁擠的賽道。作為我們來講，還是要堅守產業投資的底線，做時間的朋友。

鄭燦：從模型的角度來看，大家肯定都在往更大、能力更強的方向發展，但很快也會遇到瓶頸。因為今天這些模型的體量是過去無法想像的，這些瓶頸可能不僅是軟體或是硬體，而會發生在更基礎的能源，材料等領域，今天最大的一些企業在大模型基礎設施上已經遇到了供電的問題，所以再往前要有非常大的效率和能力提升，會在很多層面上遇到挑戰，需要有方法論上的突變和變化，這是我們期待的事情。AGI 更遙遠一些，不知道什麼時候才能實現，但總會到來。

葛志飛：多謝各位。

END.