对话杨植麟20240624

01 复盘 Kimi： 更聚焦，对抗组织的惯性 Q： 从你创业以来，咱俩去年做过一次直播，到今天又过了大半年的时间，你自 己怎么评价 Kimi 的发展，给自己的团队、公司、产品打多少分？ 杨植麟：对，确实时间过得很快。我估计有个 60 分。 从我们的视角来看，这个行业整体肯定还是一个马拉松。技术发展可能会相对 快一些，但是如果看整体技术的普及，包括整个产品和商业化，我觉得肯定是 需要从 10 年到 20 年的维度来看这个事情。 但我觉得同时可能也还有很多挑战，这里面最关键的还是，比如 Scaling Law 今 天还是非常早期，可能还要去看怎么能够 Scale 到下一代模型、下下代模型，通 过这个东西在产品上能够形成更强的 PMF，真正能够在每个人的工作和生活中 有更高的渗透。我觉得这个其实还是有非常多的挑战，可能是一个更长期的东 西。 Q： 相对来讲，你是入场比较晚的，但是我们从外界感知到的是你提速很快、现 在声势很好。你觉得有什么做得比较成功的东西？能到今天这个客观的效果，你认为哪件事的选择是比较对的？ 杨植麟：特别好的问题。我觉得严格意义上来讲，肯定不能说是非常成功或者 怎么样，可能有一些小的起步。 这里面我们持续关注的东西，同时现在也在持续优化的东西，还是希望真正从 底层出发去解决问题，真正关注第一性原理。就像比如说 Personal Computer 行 业的基础假设是摩尔 定律，我觉得 AI 行业的基础假设还是规模化定律——Scaling Law。 如果我们从 10 年的视角去看这个问题，我觉得更多还是：怎么能够从技术和模 型的效果上持续优化，然后在这个过程中形成更强的 PMF。所以很多动作会从 这个出发点开始，去规划到底要做什么东西。我们希望最大的投入，还有时 间、精力应该是放在，怎么能够迭代出更好的模型，从而解锁更多的场景，这 可能是我们最关注的东西。 当然它可能也意味着聚焦，在技术和产品上可能我们都希望更加聚焦，比如我 们现在更多会聚焦面向知识工作者，比如学术科研人群、互联网从业者、内容 创作者、金融分析师、法律等人群的生产力场景上，已经成为几千万知识工作 者搜索资料、分析文件和创作内容的助手，生产力之外的场景现在暂时不会做 特别多，因为你如果什么东西都做了，可能最后也很难做好。 Q： 这件事也是有 trade-off 的，要做一些取舍。 杨植麟：对，我觉得创业公司还是要有比较明确的重点。比如我们可能就是针 对生产力场景去做非常 极致的优化，很多时候产品上看起来都是一个框，好像 没有发生什么变化，但背后的很多体验其实已经优化了很多，当然现在肯定还 有很多很多的空间。 在这个取舍的过程中，很多时候就意味着需要砍掉一些东西，不是所有东西都 要做，因为我觉得组织的惯性还是想做越来越多的东西，我们可能就是要去对 抗这个地心引力，希望做更少的东西，但是把它做到极致。 包括在技术上也是，AI 空间很大，因为智能本身是一个非常 heterogeneous（异质 性），就是非常异构的东西。一个会计师的智能，跟一个画家的智能、跟一个数学家的智能，完全不一样。在这里面，我们也会根据核心用户群体去 看，到底什么样的智能可能是现在的重点，它对应的基础能力可能是什么？然 后可能更聚焦地去做这个事。 最终闲聊的场景和生产力场景，我觉得大概率会结合在同一个产品里面，只是 在路径选择上会不一样。我们先做生产力的原因是，生产力对于智商的提升更 快，今天如果去做一个类似 Character.ai 这样的产品，绝大部分精力并不是在优 化智商，因为优化智商对提升产品留存可能帮助不大。但如果做生产力的话，优化智商之后，你的留存能看到显著的提升。 公司的 mission 跟产品的 roadmap（路线图）之间，应该能够更紧密地结合起 来，这是很重要的一个原因。 当然可能也有其他原因，比如说我们也观察了美国市场的不同选择、发展情 况，美国市场整体来说比中国市场领先一两年，所以我们可以去看不同公司的 发展情况。把生产力做特别好的公司，今天不管是从业务体量，还是从融资和 人才吸引力来说，它其实都是更好。 还有一个很重要的原因，我觉得娱乐场景今天的（产品）基线非常高。过去十 年移动互联网的发展，诞生了一堆非常好的娱乐体验的产品，但是在生产力这 个维度的基础体验或者说价值，还有非常大可以挖掘的空间。即使说今天最好 的生产力产品，我觉得它其实还没有非常深入地渗透到真正的工作流程里，而 且这是 AI 能带来的巨大新变量，所以这可能是为什么我们会做这样选择的重要 原因。 02 Kimi 的目标是你的终极伙伴Q： 怎么定义 Kimi 这个产品？它在解决什么问题？长期来看，是一个 AI 工作台 还是什么？杨植麟：这个我觉得可能是分短期和长期来看，短期希望在生产力场景能够提 供越来越多的智能。大 家今天一些最主要的任务，比如更好的信息获取、信息 分析、创作等，我们希望它能发挥更大的价值。 最长期最理想的情况，本质上是在讨论 AGI 产品的终极形态或者终极定义是什 么样的。其实大家有讨论，我觉得现在可能有两种不同的观点。 一种是，它是世界上另一个我，它拥有你所有的输入，想法基本跟你一样，等 于是复刻了一个自己，「另外一个自己」可以在数字世界，甚至物理世界做很 多事情。 另外一种定义是，它可能是你的一个伙伴，一个长期、甚至接近终生的伙伴，这个伙伴也能帮你做很多事情，但是它可能会跟你不一样，会给你提出来新的 视角，并不是完全复刻你，而是可能有点像。 杨植麟：非常理解你。我现在觉得可能第二种的概率更大，所以这可能是我们 想做的东西。 我觉得它会有几个比较重要的特征。 第一个我觉得它还是先得有用，就是你能做越来越复杂的事情。我觉得今天能 做的事情还不够多，这也是为什么我们现在最聚焦的还是去进一步提升模型的 能力。因为只有通过提升模型的能力，才能让它去做更多的事情。 把它类比为一个人的话，其实还缺少非常多的维度。它可能没有记忆，没有办 法做长期的规划。在我的想象中，如果这个产品做得好的话，它不是只能完成 这种 10 秒、20 秒就能完成的任务，而是说你能够让它定一个季度的 OKR，它 可以自己去完成。 ion（幻觉）、给你很多错误的结论，信任也很难建立。我觉得只有 在越来越复杂、长窗口的任务里提供真实性和准确性，才能够建立信任。所以我们会从这些方面去考虑产品。 Q： 从这个角度来说，我们今天看到的可能只是一个产品的初级形态。这也解释 了我们为什么可以看到产品里有不同新的功能，本质上你在努力赢得在用户身 边更有用的位置。这种位置未来会是从一部分能干的事逐渐扩展到越来越多，这可能是个路径。 杨植麟：我觉得这里面有一个重要的标志，就是如果有一天你发现在你的工作 里 AI 做的事情比你多了，也就是说 AI 占比超过 50% 了，可能会是一个非常重 要的 milestone 可能下一个 milestone 就是机器人的数量超过人类，但那是在物理世界，我觉得 数字世界会更早实现。 张鹏 ：所以我很好奇一个问题，从月之暗面 Kimi 的角度去看，今天有一个很 成功的产品大家都在用，未来可能也会有新的功能解决用户更具象的问题。你 会更倾向于都在 Kimi 这个平台解决，还是会有机会长出其他更专有的 APP？杨植麟：我们肯定还是会很聚焦地，只做 Kimi 这一个 app。因为有一个很重要 的点是，未来的智能产品，它应该满足普世的需求。就像我 刚刚说的，娱乐的 需求，或者生产力的需求，甚至这两个东西可能也没有特别明确的边界。我觉得他们应该是在同一个产品里的，只是路径选择上会有区别。这也是我认 为通用智能最有意思的地方，它不是只能做一件事。但只是说在路径选择上肯 定没有办法在一开始就做所有的事情，一开始还是会有重点的场景、核心的用 户群体，然后逐渐去泛化开来。 所以我们还是希望聚焦做一个产品，然后把这个产品做到极致。 Q： 听起来 Kimi 要能达到你刚才说的终极目标——一个理解用户的伙伴，首先的 起点是从先帮用户做好一两件事情，然后逐渐能做越来越多的事情，然后这个 伙伴的关系和信任就建立了。这是一个前进的世界观和路线图。 杨植麟：是的。我觉得这中间很重要的一个标志，就是 AI 可以从单个的、具体 的任务，发展成能完成一个人要花几周才能做好的任务，也就是全方位的 Super Intelligence。 现在的 AI 其实可以实现一部分的 Super Intelligence，比如阅读长文本。 人没有 办法一下读完几百万字的文章、直接找到问题的答案，因为很多问题没法通过「查找」得到答案。这是我们一开始踩过的坑，就是找了一堆人标注长文本的 数据，认为标注完了人就学会了。但你发现其实人根本标注不了，或者效率非 常非常低。 所以今天 AI 有一部分的能力比人更好，我们需要的就是让这个范围逐渐变大。 03 长文本本质是 「长推理」 Q： 正好谈到了长文本，这也是 Kimi 一开始让大家印象深刻的一个点，甚至在 那个时候月之暗面可能比较非共识的提出来这件事很重要。我们也看到很多的 模型支持的文本长度在变长，这件事未来是不是已经逐渐形成共识？另外长文 本对于解决你说的那个终极的问题，是不是最重要的路径？ 杨植麟：特别好的问题。今天确实有很多人在做长文本，但如果说是完全的共 识，其实我也不是非常确定。也有不同的观点，比如说认为短文本的场景下也 有很多可以挖掘的东西，可能不一定要非常着急去做长文本。 但我觉得这个也是正常的，因为每一个公司本身都有自己的判断。对我们来 说，我们其实比较早认为长文本可能是一个非常关键的东西，这里面有几个方 面：第一方面就是说，如果我们想让 AI从完成一两分钟的任务变成完成长周期的任 务，那必然要在一个很长的 context 里，才有可能真正把 AI 进一步往下推进。但这是一个必要不充分条件，具备了很长的 context能力后，可能还需要很强的 推理能力，之后你可以有更长的 context……我觉得它有点像螺旋迭代的过程。可能更准确的说法叫长推理，就是你能够在一个很长的窗口下面去做很好的推 理，我觉得这个是最终能产生很大价值的。 Q： 就是它最终其实是跟用户在做数据的输入、指令的输入和最终交付服务的转 换比的计算，转换比越高，带来的价值就越高。 杨植麟：对，这个确实很有意思。比如，即使只看长文本这个技术，它的落地 过程也是一个比例逐渐提升的过程。 因为在最早期的时候，就是用长上下文去做一些阅读类任务。阅读类任务肯定 是最早落地的，因为它是一个从很多的信息变成很少的信息的过程，相对会容 比如让 AI 读 10 篇文章，然后形成总结。这个难度肯定小于我只给 AI 一个很简 单的指令，但是要一口气做一个月，并且最好还要满足用户的需求。 这确实是个比例的问题，就是输入和输出的比例，它可能是更本质的东西。Q： 理解了，你觉得未来长文本的成本会快速下降吗？因为现在真的把 200 万 token 扔进去跑一圈，成本还是蛮 高的，而且这又跟长文本应用在哪些场景、能否高价值地解决问题有关，这两个问题其实是绑定在一起的，你怎么看？杨植麟：我觉得成本的持续下降肯定是个必然趋势。最近我们有一些新技术，一方面是一些工程上的极致优化，比如 context caching（上下文缓存）技术。另 一方面， 所以如果是 200 万字的窗口、并且能够让大部分人普惠地用起来，我觉得这是 一个大概率能在今年实现的目标。 Q： 今年就可以做到吗？ 杨植麟：对，我觉得这是我们的目标。在接下来很长一段时间内，成本会持续 降低、而且速度会比short context（短文本）更快。 今天还有很多东西是没有被挖掘的。比如说，如果考虑一个人处理一个很长的 记忆、或长周期的任务，他其实并不需要记住所有东西，对吧？它是一个动态 计算的过程，你可以选择哪些东西要记下来、哪些要扔掉，这里面有非常大的 优化空间。 而今