智谱CEO张鹏：这波AI浪潮就像“水漫金山”，无人能完全置身事外

我们仍然在对标OpenAI，因为OpenAI 确实是世界顶尖水平的竞争对手，不过它正在逐渐成为一个象征性的存在。同时，OpenAI 的竞争对手在某些方面做得更好，我们也会向这些竞争对手学习，并借鉴他们的优点。

OpenAI 确实给了我们一些目标和激励，但在实现这些目标的过程中，我们需要找到自己的路，自行判断。

在年度接受得到访谈中，智谱CEO张鹏如此表示他对OpenAI的看法，及要找自己的路的观点。

从新一代基座大模型 GLM-4 的推出，到智谱清言 App 发布 AI 视频生成、语音通话等新功能，智谱不仅是 2024 年中国 AI 企业里的“明星”，而且它的很多动作已经走在了 OpenAI 的前面。

张鹏认为，如果你处于垄断市场的地位时，你的产品发布节奏可以“挤牙膏”，想挤就挤点，市场上都得买它的东西。但对于后来者，这种紧迫感是不一样的，我们无法采用那种策略。在推进的过程中，只要产出有价值的东西，我们就尽快将其转换并发布。

相比ChatGPT的发布，他认为，更有里程碑意义的时刻是它达到了1 亿用户，这展示了 AI 技术的现象级影响力。而马斯克提到了全球智能设备与人的比例达到 1: 4，这意味着智能设备已经深度融入我们的生活。这种融合标志着 AI 技术已达到了一定的成熟度。

在他看来，接下来的超级应用不一定是机器人或机器狗，最有可能的是智能设备，比如手机、汽车、电脑或穿戴设备等。

而对于这一波人工智能浪潮的影响，他认为就像“水漫金山”，没有人能完全置身事外，而能否实现 ROI 平衡，是决定技术能否大规模落地的核心。

以下为对话的主要内容：

OpenAI正在成为一个象征性的存在

D：外界一向认为，智谱在追赶 OpenAI 上速度最快，产品线也全。过去这年，我们也看到，智谱还推出了很多非常有想象力的新功能，比如 AI 视频通话、AI 视频生成等，所以我很好奇，你们内部怎么看待对标OpenAI 这件事？

Z：我们仍然在对标 OpenAI，因为 OpenAI 确实是世界顶尖水平的竞争对手，不过它正在逐渐成为一个象征性的存在。同时，OpenAI 的竞争对手在某些方面做得更好，我们也会向这些竞争对手学习，并借鉴他们的优点。

OpenAI 确实给了我们一些目标和激励，但在实现这些目标的过程中，我们需要找到自己的路，自行判断。在这个过程中，我们会产出一些东西，这些可能是 OpenAI 觉得没有必要做的，但对我们来说可能非常有意义。

例如，率先开放视频生成功能。虽然我们目前的能力，在视频生成的时长、分辨率、物理规则的理解方面可能还有一些差距，但这并不妨碍我们将其中可用的部分先拿出来，提供给大家使用。这就是我们与他们的不同之处。

D：你会发现 OpenAI 在新产品或新功能的开放节奏上，今年是比较慢的，但智谱过去半年，新功能发布的速度非常快。在你们内部，如何评判这些新产品 / 功能的优先级？

Z：早期很多业内人士研究 OpenAI 内部研发和组织模式，现在基本上形成了一种共识：像这种创新性的研究，通常以集团工作站的形式进行，分为不同方向进行研发。哪个方向、哪项研究达到可用阶段，就先放出来，这也就是我们常说的那句话，“沿途下蛋”。

正如你提到的，我们在视频通话和手机控制等功能上仍存在一些问题，能力也不算完美。我们还需要在后续进行改进。但是，作为追赶者，我们没有资本在放与不放之间犹豫。

如果你处于垄断市场的地位时，你的产品发布节奏可以“挤牙膏”，想挤就挤点，市场上都得买它的东西。但对于我们这些后来者，这种紧迫感是不一样的，我们无法采用那种策略。在推进的过程中，只要产出有价值的东西，我们就尽快将其转换并发布，这是第一点。

第二点，我认为既然 AI 是一种具有革命性意义的技术，我们就需不断向大家更开放地公开这些内容。因为单靠某一家企业，都很难实现我们追求的理想。

实现这种理想，需要整个行业、整个社会更多的人和资源参与进来。因此，保持高度的开放性，以及让大家更好地了解和接受新技术，变得非常重要。因此，我们会在这方面做很多努力。

不是 AI 发展太慢

是整体社会结构演化太慢

D：您有没有看到一些小的信号或现象，未来可能是 AI 领域的创新点或者突破口？

Z：这种信号特别多。每年我都去上海参加世界人工智能大会（WAIC）。2023年我逛展馆的时候，“大模型”这三个字几乎占据了每个展台的核心位置。无论是技术展示还是宣传文案，似乎所有展商都以“大模型”作为卖点。媒体报道的重点也都是大模型。

但2024年你会发现，情况不太一样了，大模型的展商明显少了，大家更多的是讲自己用 AI 做了哪些具体的事。举几个我看到的例子，7 月份我们在深圳办了一场小活动，外面布置了一个展厅，邀请了很多厂家参展。

其中有一家让我印象深刻的公司，是做医美设备的。他们参展的那个设备，外形是一颗蛋，一面开口，你可以把脸放进去。设备里面有很多高清摄像头，拍完照后会用 AI 分析你的皮肤状况，根据皮肤特点生成个性化的保养建议，包括给你推荐适合的护肤品类型等。

那家公司的代表介绍说，他们还有一个化妆镜，带摄像头，可以拍照。我说，化妆镜不是也很好吗？为什么要做成蛋的形状？他说化妆镜的摄像头因为受光照和环境影响，拍摄结果往往有偏差，而蛋型设备可以完全控制内部灯光，精度更高。我觉得这个设备做得非常细致，很有意思。

其实这种设备成本不高，但如果医美店里都有这种设备，确实非常好。这家公司使用的模型正好是我们家的，是我们应用生态中的一个合作伙伴开发的。

D：没想到你的大模型那么快就用在了医美行业。

Z：对，而且是实打实有效果的。还有一个厂商的产品也很有意思。他们开发了一款桌面小机器人，它可以通过磁吸的方式，跟手机连在一起。手机屏幕就是显示面板，你可以跟这个机器人聊天，屏幕上还能显示出各种动态表情。你碰它，它还会跑来跑去。这个小机器人叫“LOOI”。我们完全可以想象，未来的生活中，可能会有越来越多像这样的陪伴型宠物小机器人。

所以你会发现，AI 在快速进化。回想一下，大约一年前，大模型的智力水平大概相当于中学生。而现在，最顶尖的模型在某些方面已经可以和博士生媲美。这种进化速度实在令人惊叹。

D：您提到的这些信号非常好，说明在很多垂直和细分领域里，AI 融合的速度更快。可能是因为规模小或场景简单，但这并不重要。重要的是，融合开始了。

Z：没错，不是 AI 发展太慢，而是整体社会结构演化太慢，跟不上 AI 技术的革新速度。很多人还没有准备好如何使用 AI。比如，去年大家还困惑于如何向模型提问。简单地说，人们还没有适应这种新技术。但对年轻一代，比如孩子们，他们对 AI 的接受程度要高得多。

AI项目：科学、教育与大健康

D：我们来做一个思想实验，假设今天有一个聪明且能融到资金的年轻人来请教你，但他的资金仅能支持一个 AI 项目的初期落地。你会建议他从哪入手？

Z：作为工程师，我会考虑资金的多少，如果像马斯克那种级别的钱，发挥的空间就很大。但如果资金有限，只够支持初创公司运营几个月，我觉得可以从以下几个领域入手。

首先，AI 科学（AI For Science）是一个非常具有前景的领域。之前我和几位年轻的 AI 同行聊，他们认为过去二三十年里，基础科学在某些领域的突破较少，而近年来诺贝尔奖将部分物理学和化学奖项授予 AI 相关研究，表明 AI 正在推动基础科学的发展。

这方面的研究，虽然看不到立竿见影的效果，但在未来三五年甚至十年内，会解决许多根本性问题。

如果要选择具体的应用领域，我的建议是考虑投入教育和大健康。教育领域存在着很大的机会，因为它涉及到每个个体，而且 AI 有可能彻底改变教育方式。大健康领域也是如此，不仅限于医疗，而是涵盖了广泛的健康管理和预防。

一所大学上线了123 门课程的 AI 助教

D：AI 在教育领域的普及非常重要。作为 AI 从业者，您看到的 AI 对教育的改变是什么样的？

Z：从教育的模式和范式上来看，最明显的是教师作用可能会被“弱化”。这是因为，随着技术的进步，许多教学任务可以由智能设备来完成，使得教师的角色发生了改变。

我今天早上和大学的一位老师聊，这个学期他们大学上线了 123 门课程的 AI 助教，每个学生都配了一个 AI 助教。AI 助教能干什么？不只是简单地回答问题，还能批改作业、审阅论文，甚至给出修改建议。

新的工具带来了新的机会，同时也给老师提出了新的挑战：

第一，怎么拥抱这个东西？第二，怎么利用已有的经验和知识，比学生更快掌握它，服务好学生？这是对老师的挑战。

有一个概念很有道理：古代教育是师傅制，比如孔子，他直接教导 72 个弟子，每个都是因材施教。后来进入农业和工业社会，为了降低成本，教育变成了标准化、规模化的课堂模式，这是当时的必然选择。到了互联网时代，获取信息的渠道增加了，在线教育出现了，但内容仍然是人工编辑的。

而人工智能时代，可以再前进一步。AI 能够基于每个学生的情况，定制最适合的学习内容和路径，陪伴他们学习。几十个、几百个学生的个性化教学是人做不到的，但 AI 工具可以做到。想象一下，如果这种技术得以普及，把 “师生比”拉到 1∶1，这将给教育带来多大的改变？

下一个 AI 超级应用

D：整个社会和人类都需要为 AI 的全面融入做好准备，您觉得是否会有一些标志性的事件？

Z：目前没有特别明确的标志性事件，其实可以用之前的一些标准来衡量。比如，ChatGPT 发布的那天虽然很重要，但更有里程碑意义的时刻是它达到了1 亿用户，是历史上最快达到 1 亿用户的应用，这件事展示了 AI 技术的现象级影响力。

接下来，那就是看是否会有另一个 AI 应用打破这个纪录，或者在更大范围内取得类似的成功。马斯克提到了全球智能设备与人的比例达到 1: 4，这意味着智能设备已经深度融入我们的生活。这种融合标志着 AI 技术已达到了一定的成熟度。

D：也就是说，一个能够进入物理世界的超级应用或设备会是关键，对吧？

Z：是的，这个超级应用不一定是机器人或机器狗，它可以是手机等智能设备，只要能够迅速普及，覆盖全球。这只是一个可能的路径，我们不必局限于某种形式，重要的是这种应用能让所有人习以为常地接受。

D：作为从业者，您能想象它大概会是什么样的应用，或在哪个领域发挥作用？

Z：我认为，最有可能的是智能设备，比如手机、汽车、电脑或穿戴设备等。这些产品形态的普及能够更好地让大众接触并接受 AI。

其实，过去的智能音箱、智能眼镜等智能设备并不是没有，但由于当时技术的局限，人们觉得它们不够智能，理解不了需求。如今，随着 AI 技术逐渐成熟，人们会觉得这些设备更加智能，能够理解他们。

因此，智能设备普及的接受度会更高。而且，这些设备的更新成本并不高，后面可能就会像我们现在换手机一样，两三千块钱到七八千块钱不等。

D：确实，现在的孩子已经习惯于语音控制一切，认为所有东西都能滑动、点按，这是一个很大的变化。

Z：是的，这是一个梯次变化，从触控到语音交互，再到设备理解需求。未来，会有一系列基于 AI 技术的应用逐步普及到各个生活领域。今年我们看到了AI 眼镜、AI 项链、AI 鼠标、AI 指环等，未来会有更多。

信息化程度

是大模型发挥优势的条件

D：我看到智谱已经在帮 2000 多家企业落地 AI，从您目前的观察来看，哪些行业跟 AI 的融合更快？

Z：大家都在探索，我们也是和客户一起探索。有些行业的创造力确实让我很佩服，在应用上确实很有想法。

比如金融行业，像审批贷款这类业务，原来的风控模型已经发展了很长时间，通常会有一个专员去评估客户的财务状况、信用评级和还款能力。我们刚开始涉足这块时，做的工作更多是数学建模、量化等。

但今天你会发现，有一批人用 AI 和大模型方法去快速筛选数据、计算风险模型，而且效果还不错。有家大型银行内部还通过举办比赛的形式，来落地 AI 技术，大家都很有热情和想象力，总能找到切入点。

还有制造业，尽管流程复杂、安全性要求高，但他们也在尝试融合 AI 技术。举个例子，制造型企业想要优化流水线、提升良品率，原先都靠人工经验来决定要不要增加质检的环节和次数，从而找到核心影响要素去做优化。

但人的经验很多时候是一个黑箱，可能记错了，可能关键变量遗漏了，导致产能和良品率上不去。

所以后来，我们就和这家制造业客户一起合作，引入大模型去做记录和分析，模拟“产能爬坡”测试。起初我们也担心效果，但最终发现通过大模型是可以做到的。

大模型的优势在于，它能把人的经验转化为类人的知识沉淀，虽然是个黑箱，但优化能力更细致。它能找回那些长尾细节，而这些细节是人凭经验抽象出来时容易忽略的地方。这样的效率和效果让我感受到，确实可以创造很多新的想法和创新点。

D：如果能帮工厂解决这类问题，那同样的方式可以推广到更多制造行业。

Z：理论上可以，不过实际推进中也确实会遇到一些困难。很多制造业的信息化程度还不够，甚至连基础的数据都没法收集完整。我们服务过一家企业，它的信息化程度还算可以，但即便如此，我们有相当一部分时间，也都花在了整理数据上。对一般企业来说，这种成本是个很大的挑战。

D：所以金融行业推进得快，是因为数字化程度高吧？

Z：对，这确实是行业的先决条件。反过来看，数字化程度低的行业也有巨大的潜力。传统路径需要投入大量时间、成本，而新技术可以跳过这些步骤，直接解决问题。这就为那些没有数字化基础的行业提供了新的机会。

D：是的，很多公司以前一直说数字化转型，几年都没有转过来，现在反而可以直接用 AI 跳过这些复杂步骤。

Z ：当然也不能完全跳过，但可以有新的路径和工具。比如以前处理纸质文档，需要大量人力和时间，现在用 AI 技术，成本和效率都会大幅提升，周期也缩短了。这就是新的技术和工具带来的机会。关键是要改变传统思路，不一定非得按照过去的方式一步步来。

能否实现 ROI 平衡

是决定技术能否大规模落地的核心

D：确实，很多传统企业对 AI 是又期待又焦虑。像餐饮老板问有没有 AI 工具能帮忙看后厨运作情况，环保行业希望用 AI 判断植物是否需要喷药。这些需求其实在各行各业都存在。

Z：这些需求，技术上都能解决，关键是成本问题。如果解决问题的成本高于传统方式，企业当然不会接受。所以说，能否实现 ROI 平衡，是决定技术能否大规模落地的核心。

D：这真是次大洗牌。过去只是 AI 公司之间的竞争，但现在连传统行业也会因为智能化改造而重新排位。那些非常传统的企业，如果能率先完成改造，就可能排到前面。

Z：是的，这一波人工智能浪潮像“水漫金山”，没有人能完全置身事外。它不仅会重塑 AI 行业，也会重新定义整个产业的格局。谁能率先完成智能化改造，谁就能在未来的行业格局中抢占先机。

从认知对齐，

到技术与应用场景的契合

D：如果让您总结一下的话，那些跟 AI 融合得更快的企业，有什么特质吗？

Z：从行业角度看，那些数字化程度较高、有技术创新意愿和能力，以及有资源和资金投入的企业，更容易快速接触并应用 AI。具体到企业来看，一把手的认知和推动能力非常关键。一些企业领导只是口头上说要应用 AI，但实际上不够深入了解技术的本质，也无法有效推动执行。

举个例子，有些企业的领导和我聊过，他们会说，你看，我们这波投入到现在也没挣到钱，反而是卖铲子、卖水的人挣到了。如果认知一直停留在这个层面，就会影响他们在实际执行中的决策。他们会认为当前最急需做的是打好基础、比如购买硬件、建设计算中心等，但这些是不是真正关键的，要看具体情况。不是每个企业都要自己搞全栈的能力建设。

D：确实，这与一把手，或者说每个企业的决策层的意愿能力密切相关。

Z：从认知层面对齐，到技术与应用场景的契合度，这两者都非常关键。关键在于能否打破思维定势，找到新的价值点去应用 AI 技术。

D：很多传统企业已经意识到了，AI 能帮他们做很多事情，但具体到实际应用时，又很难提出具体的需求。怎么缩小这中间的 Gap 呢？

Z：这个问题确实很关键。我们的路径一直是保持开放的生态模式发展。因为世界太复杂，没有一家企业或组织能够包打天下，解决所有问题。很多问题你都想象不到，即使想到了，也没有能力全部覆盖。我们要做的是推动底层技术发展，提供强大的基础能力。

所以，一方面我们在不断推动技术进步，同时也会下场去帮助客户解决垂直领域的具体应用问题。这些具体的应用为我们提供了感知市场的触角，通过这些触角，我们可以了解市场需求，去改进底层技术。

更重要的是，我们需要更多的合作伙伴，他们不仅要理解我们的技术，还要理解业务，在中间起到桥梁作用。

只有通过这样的方法，才能及时释放技术红利和势能。这种多层次的合作，能够扩大技术应用的宽度和深度，比单一企业的力量要大得多。所以，既了解 AI 技术又懂得各领域业务的中间人，会变得越来越重要。他们在帮很多传统行业的人打开想象力，看到 AI 技术的可能性。

文字来源：得到