00:00/00:00
外链地址
http://www.eemp3.com/audiofile/d15bc0d4bdab9c9b306ea6d354210831.mp3
点击复制
用声音碰撞世界，
生动活泼哈，
大家好，
我是丁，
欢迎收听全新一季技嗨，
大家好，
我是刘灿。
最近在跟一些出海的朋友聊天之后，
发现一个非常有意思的事，
就是拆GBT的出圈，
带火了出海方向的AIGC创业者那一方面确实是有长期在这个领域稳扎稳打的人，
但也有一些人和一些公司可能是有炒盖念的嫌疑在里面，
所以呢，
答燕跟好伟的节目推出之后，
瑞士也是邀请了两位关注IGC芳香出海的朋友flowGPT的JP和Leoncapital的Jenny来跟大家聊一聊，
在GPT这股持续出行的热潮之下，
出海人正在思考哪些层面的问题，
中国的创业者他们应该去关注和思考哪些挑战，
以及抓住哪些机会。
那本期节目呢，
是科技早知道第7季PT系列策划节目的第三期节目，
欢迎大家的收听。
那么我们今天其实邀请到了两位是，
呃，
一位是JJ，
他本身就在做一个AIJCGBT这个方向的创T，
要一你好你好，
然后我是我们在做项目呢，
其实是一个大模型的一个用户接口，
加上一个UGC的PRO平台，
然后我们就发现用户他其实是对PRO啊，
有很多这种使用，
还有探索，
还有这种管理上的需求的，
但是现在大模型的这种接口呢，
它其实并没有做到更好的工作，
所以我们做的更多是提供一个这样的一个应用层，
让用户能够更好的去使用这些大模型以及管理这些PRO，
我现在是在湾区啊，
我之前是做了一个另外一个AI方向的创业，
做的是一个btob的SaaS，
使用AI来做一个广告的AB测试，
然后之前也是在计算机本科。
这这样，
那那珍N妮这一块，
因为也是非常高，
有朋友能介绍我们认识啊珍N妮，
因为我是看过之前你接受的这个采访啊，
就是三位女生一起就这个AI这个方向去聊的这个内容，
所以我觉得非常，
呃，
然后你们基金呢，
也是一直在投AI这个方向嘛，
我学习过你们发的这个的这landscape。
诶，
好的，
非常感谢Richard啊，
Richard到我们这里，
然后邀请我们来一起聊这一个恋爱方向的出海和创业，
嗯，
那么我们基金的背景就是Leoncapital,
它是一个在硅谷的一家比较小的一家基金，
我们主要投资的方向是呃，
AI,
然后我自己看的方向也是AI，
然后我们基金和一些就是做AI做的比较深的一些大厂合作比较多，
嗯，
包括openAIdeepmind之类的，
我们都是会有一些联系的。
我自己的背景是我现在其实还在哥伦比亚大学读博士，
然后博士的方向其实是国际政治经济学，
然后还要再读一个。
对对对，
但是其实你想一想出海这个事情，
就是一个国际政治经济学的一个事儿嘛，
对吧？
嗯，
然后我主要研究的方向呢，
就是中国和美国的人工智能产业，
所以现在就正好就是赶着这一波就AI很火嘛，
所以说我发现我博士就是研究的这个方向也有用了，
因为我当时，
呃，
我们在哥伦比亚大学的时候，
就是有很深度的去研究过中国的这一些AI的这一些，
比如说模型啊，
比如说这个整个产业生态系统啊，
以及它跟硅谷的这一些对比，
所以说其实我们Leo发出来的很多文章都是我博士期间做的研究。
然后呢，
那我们刚才呃，
两位嘉宾都聊了一下自己跟AIG啊，
GBT相关的这个经历，
其实我也知道两位都是在AI这个方向非常久的这种从业者啊，
虽然很年轻，
但是很资深，
然后呢，
最近一段时间GT其实在呃，
中国美国都引起了很多的讨论吧，
那么出海圈呢，
也就是我们一直在关注全球市场的这一批创业者，
其实关注AIGC已经是不是一个特别新鲜的事情了，
其实在去年的时候，
我们有很多的这种讨论，
已经在这方面在关注AIGC了，
呃，
ChatGT出来了以后，
其实是给整个行业撂出了一个很重磅的一个炸弹啊，
我其实特别想了解，
就是从一个创业者的角度，
这你们是怎么思考这个事情的，
这个这个热潮是意料之内呢，
还是我们觉得GPT它其实是一个非常大的产品上创新，
它技术代可能没有这么大，
因为GPT啊，
它这样的一个技术革其没有。
GPT2到GP3这样的一个迭代的，
这么样打这台GPT为什么相比于GP3有这么火的，
我们觉得是一个UI上的创新，
它是通过一个对话形式的UI，
加上一个非常简单易用的一个用户界面，
让用户去使用，
去分享，
这个成本大大降低，
从而形成一个相当于网络效应的这样一个情况。
但你去看GP3它的UI用户界面的话，
就发现它其实是非常难用的。
GP3刚出来的时候它也火一阵，
但火一会就结束了，
就是因为其实GP3它需要做很多这样的调，
这样的调试。
Jenny你你是怎么看的？
对，
我觉得其实我是嗯认同J的这个说法，
我觉得就是呃，
GPT它其实就是基于GPT3上面的一个，
它是一个产品嘛，
它比GPD3更容易使用，
我觉得恰GBT它比较厉害的一点就是它显示出来了aiment，
就是AI和人的这种对价值，
对这其实可以产生很大的这样的一个商业化应用的，
呃，
一个利润吧，
或者它是一个很好的一个商业增长点，
因为就是open的AIleadyoung,
他其实是，
呃，
就是他们的I负责人，
其实是我们基金的一个顾问，
然后我们之前有有跟他有交流过，
然后其实这个GPT用的就是很多，
很大程度上就是他们这个组研发出来的一种技术，
就是使得这一个AI能够和人的这种意志更加对齐，
那么就是可能国内啊，
包括美国很多其他的公司，
他一味的去追求这个模型。
要做大，
要比如说参数要变大，
然后算力要增加，
但是openAI它的一种思维方式就是完全不一样的，
它非常注重这一个就是AIal,
然后其实这样子你做出的产品才更好用，
所以我觉得就是很多公司会认为A这种事情是比如说就是花钱，
然后也没有什么很好的这种投资回报，
但是实际上我觉得不论是从这一个你这个AI好不好用的这个层层面上来讲，
还是说这个商业化落地的这个层面，
还是说你这一个，
比如AI的这种这种伦理啊，
什么层面上来看，
我觉得这都是非常重要的一个工作。
对，
其实我我们要真说起来AI这个概念呢，
当然很不新鲜了，
那是不管是在硅谷还是在中国，
大家都关注了几十年的一个topic，
那么Jenny你们最早观察到这个AIGC的，
不管是出海的机会，
或者说创业的机会啊，
1都可以。
是什么时候，
我个人的话，
其实关注AIGC已经是从2019年就已经开始关注了，
然后当时就有帮一些就是国内外的一些大厂做一些咨询，
包括我自己的研究，
研究这一个领域的这个产业，
所以其实我我个人关注的挺久了，
然后我们的这一个，
嗯基金的话，
其实也关注AIGC很久了，
我们之前嗯就有投资过，
比如说像SP这样的3D生成的公司，
包括呃multipleAI这样的这种括最几就是这种发，
这够让呃开发者更加便利的使用AI的大模型，
其实我们就是关注的有挺久，
嗯，
然后其实我我们就是也是感到很幸运啊，
就是我们关注的这个点，
现在成为了一个投资的热点。
这你是什么时候开始关注到这个方面的这个创业机会呢？
我我知道你学的这个专业可能主要也是AI的这个方向啊，
可能确实学的也比较久了，
呃，
那创业块切的，
我其实从2017年就开始注AI面做做究，
我当时其实那时候大模型那时候用来生成图像还是JAagain,
就那种对抗式的生成模型，
当时他那个GA，
他能只能做到把一个照片的它的这个style转换成一个另外一种油画的style，
比如说我把一个照片变成一个梵高的画像的那种作品，
然后我后面关注到AI这C的创业的机会呢，
主要是还是留存在，
就是传统的，
不能说传统AI就是神经网络的视觉上面的AI，
更多是用AI来帮助企业做一些decisionmakingprocess,
比如说你可以用AI，
你可以用AI根据一些独特数据集训练一些模型，
然后用这些模型帮助企业做一些预测。
然后这些企业就可以根据些。
测啊，
做一些帮助他们决定，
然后能提高营收，
降本增销一个事儿，
比如说我之前做的其实就是一个用一些视觉上的模型帮助企业来呃预测它哪个广告会有更好的效果，
更高的转化率，
但我觉得呃生成式模型的这一波其实是更多起到了一个增销的作用，
就是它可以让呃大家去生成这种内容的成本，
同样的人可以生成更多的内容。
而且我觉得就是大模型这个生产上的模型，
它不只是为企业服务的，
我觉得它非常有潜力，
是为consumer这种C端用户来服务的，
因为大模型的这个呃相比于之前的神经网络，
它的这个使用的应用性，
就现在就基本上你用自然语言就可以跟大模型进行交互，
它缺的只是那个中间层，
我们觉得中间层有两部分啊，
第一个是你一个UI，
因为大模型它到头来还说到底还就是一个API，
用户是没办法直接和API进行交互的啊，
所以会有一些那种应用层需要。
还一个基于一类用户体验的这样的一个UI，
能让它更好的和大型进行交互。
第二个其实就是promp，
这个PRO什么东西呢？
PRO其实就是你在和大模型进行交互的时候，
你问的这个问题，
比如说你在和PT的时候，
你想他帮你生成一篇文章，
你就跟他说啊，
你帮我写一篇文章，
这个文章有上面要要满足下面这些要求，
这就是PRO。
我们现在观察到很多市面上很多这种垂直的基于aic的这样的应用层，
它其实就是做这两个事，
他们设计了一个符合用户体验的这样的一个UI，
在自己设计的一些这些PRO，
把它分装成一个产品，
让用户可以非常快捷的啊，
不用去思考的用到这样的一个大模型的这样的一个能力，
现在就是你讲的这promp这一块，
其实是蛮有意思的一块，
就是大家有的人会觉得以前可能我们是一个APP导向的一个创业的时代，
我们现在能代能是个导向的一个这个创业时代啊，
就是从这个softwaremp不知未会有。
是说promp是一个足够承载一个公司这么样的一个创业呢？
还是可能现在是一个比较小的一个初级的一个尝试，
我更看好的其实是那些已经非常成熟的产品，
然后来增加了一个新功能，
是基于AIGC的，
比如说我我知道Unity，
它自己其实本质上是一个游戏引擎，
他们就在准备加新功能来用AI自动生成一些游戏的模型，
形成这样的一个生态啊。
我觉得这种PRO支撑起一个大产品里面的一个功能，
这方面我是我觉得非常看好，
非常有潜力，
但是我个人觉得一些单纯靠promp，
然后也没有独特这种foundation的model，
没有独特的数据的这些产品其实是很快就会消失掉的。
有一个非常好的例子，
其实是jesperjesperAI他们其实是一个呃，
帮助营销行业的这种从业人士来快速的生成一些营销文案的一个公司，
但是其实你去看他们的提供这么几个使用场景，
比如说能够自动帮你写一些博客的，
呃，
文案标题自动写一些广告。
文章的呃，
这种标题其实都是他本质上都是一个PRO，
它的做法就是他们自己有一些比如说专门的人员去设计这些PRO，
来测试这个PRO，
直到这个PRO能够生成一个好的效果，
再把这个PRO藏在他们搭的这个UI下面，
再让他们的这个用户呢，
去自己根据这个UI放一些自己的信息进去，
然后再在后台把这个自己的信息和这个P呃融合起来，
再发给GPT的service，
然后再再给到用户一个呃，
结果它其实提供的价值是他们自己搭的这个UI和这个精心设计的P的这个信息差上。
但是你认为这个信息差在在未来是很有可能会被弥合的，
我觉得这信息差很是已经在消失的，
Jasper他们自己的成本啊，
他们用GP3的API去生成1000个character的成本是两分，
但是他们收取他们用户的费用是每1000个字是20分，
它是一个10倍的溢价，
对于用户来说这是其实非常非常不合理的。
所以当checkGPT出来之后，
大家发现有一个呃，
没有那么好用UI，
但是可以用UI，
他说他们发现自己有能力去创建一些这样的PRO，
或者说去现在在互联网上找一些PROjust的份额其实已经被抢走了很多了。
为此事CEO还特意发了一个推，
在问openceo3为什么要抢我的顾客，
这样我觉得非常有意思，
对，
当时闹出了很多drama，
所以我们觉得就是当用户慢慢意识到啊，
这个promp呃和UI的重要性之后，
他们意识到自己可以去做PRO，
他们会选择一个成本更低的方式。
OK,
那我把这个话题切到这边来，
因为你们我看过这个斯，
这个map，
你们做非常就是很多分的，
你是啊，
应对于像中国的出海创业者。
对，
我先，
嗯接着这刚才的那个观点，
我先进行一点补充，
然后再回答rich这个嗯问题，
然后我觉得就这个补充，
他其实也能够一定程度上回答的这个问题，
嗯，
我想补充的一点就是大家就是说创业的话，
创业公司会面临两种风险，
对吧，
一个是市场风险，
另外是一个技术风险，
就是marketrisk和这个technologyrisk,
嗯，
那很多人认为openAI,
它其实它通过提供API这个方式，
它是减少了大家的，
就很多人认为他减少了呃创业公司的技术风险，
因为技术已经在这了，
你只用用它的技术就可以了，
你不用自己去进行研发，
所以很多人认为呃，
OpenAI或者是其他的这种大模型的基础层的公司减少了应用层的技术风险，
但是我们这个基金的观点却是相反的，
我们认为还是增加了应用层的技术风险，
因为正向就是这刚才说所说的这样。
比如说你per，
你把UI都已经做的很好，
你整个公司已经构建的很好，
但是你是用的是GD或者是其他的比较落后的模型，
如果出现了一个新的模型，
它更加强大，
它可以兼容你这样的一个模型的话，
那么你这个公司的这个呃，
生存就受到了很大的威胁，
我觉得这个其实是跟这个底层技术的发展是息息相关的，
因为在以前的话，
在这一个predictivea就是这一种之前比如人脸识别，
计算机视觉啊，
这些都是我们所称为的这种预测性的这种AI，
它其实是属于你可以去做的一个垂直领域做的很好，
然后你需要很多垂直领的这种训练一个模型，
但是大模型时代，
这个生成性的A，
它的不同在于一个大模型虽然没有在垂直领域有很多数据，
它却可以在你这个垂直应用的领域，
嗯，
表现的非常好，
所以这个其实我觉得有两个就是对于这种。
初创企业有两重威胁，
第一是它减少了这个垂直领域的这个公司的这种比较优势，
那么第二个就是相当于说你这个应用端的公司，
你很难做出自己的这个防护墙，
你很难做出一个，
嗯，
这也就是我们在做投资的时候非常关注的一点，
我们其实并不关注你到底是不是AIG的公司，
因为现在太容易做IG的公司了，
就是你直接用openAI的这个后端，
对吧，
你做一个前端的UI，
就是一个AIG公司，
所以说很容易别人就出了同样的一个样的产品，
然就肯定有一个就是入这个或者是别的大模型底层技术的公司，
他会不会突然有一天说我不做基础建设了，
我就出来做你这个产品，
那么我自己有朋友在很多这种大公司工作，
然后他们就其实嗯，
这些公司内部有跟我们透露消息，
就是他们其实有考虑做垂直端的应用，
然后我觉得这个对于初创。
公司，
包括中国的出海公司都是非成怕的一件事情，
我其实也有点想补充的就是我我自己也是观察了openAI和他openi用户非常非常久的，
我觉得基于詹妮刚刚说的最后一点就是啊，
OpenAI会不会去做自己的产品，
我觉得其实我我们是觉得不太可能的，
或者说就是没有那么有可能的openi它现在的产品其实就是一个和大模型进行交互的一个UI，
它没有任何在使用PRO和管理prime上有任何功能，
包括他现在卖的那个PRO，
其实在卖的就是一个算力，
如果你开了会员，
你可以用更多的算力，
可以用有更多的优先级去用这个大模型，
他没有在提供任何产品上的这种额外的这种功能上的提供的价值，
而且我之前还有一个非常有意思的新闻是openAI他们在被微软投资之后，
他们并没有去把他们的这个产BT的产品做得更好，
而他们雇用了1000个software的contractor，
帮他们去做一些数据的label，
做一些他们。
主要的工作内容就是让他们写一些代码，
然后在代码下面写了很多解释，
就是在帮openi做一个数据，
这其实也证明了这些大模型公司，
他们的一个主要的核心价值，
其实就在于他们的数据是什么样的openAI现在看起来有非常大的一个优势啊，
其实是因为它有一个非常大的技术的这个框架，
它的数据其实是网上所有的开源数据，
他用他自己的技术框架来训练这个开源数据啊，
所以他现在有这样的一个效果非常的这样的一个大模型，
但是我觉得未来随着这种框架变得开源，
以及随着大模型训练的成本降低，
其实任何人都可以去用网上所有这种数据去训练一个大模型，
那这个时候开始拼的就是谁有那些，
谁有更多的独特数据啊，
谁有更多别人没有的数据，
能让这个大模型在某一个行业有更突出的能力的，
其实Jenny刚刚说大模型能够以很少数据有一个特化能力，
就是现在其实他能看起来能在各行各业都用上，
比如说。
能在呃营销行业用上，
能在教育行业用是能在法律行业用上，
它其实是靠的是一个promp，
这个PRO更多的是大模型的一个input，
如果用预测型AI来做类比的话，
这个PRO它其实就是我放进去的这个输入，
比如说我要预测一个图片是长什么样的，
它我的输入就是这个图片，
我的输出就是这个图片的分类的结果，
那这个promp大模型的输入其实就是这个promp，
它输出的是这个promp的内容生成的内容。
所以我想说的是，
它只是一个输入，
它并不是让这个大模型的里面的参数被重新训练，
但如果真正想要大模型在某个行业有一个非常突出的能力，
它其实是需要去进行一个findto,
进行个return，
用这些特殊数据进行一个toreturn,
所以我们觉得就是openAI,
它其实做的是就是通过自己先先期搭建起的这个规模，
还有资本上优势，
去获得更多这种独特数据，
来训练更多的大模型，
然后来更快的抢占市场，
呃，
我觉得这其实也引出了另一点，
就是大模型之后的市场可。
会长什么样？
我们其实觉得之后市场会非常的有意思啊，
因为我们观察到它的训练和翻图成本其实是降的非常快的，
在2020年的时，
G3刚出来时候，
你训练一个我忘了具体数字大概75GB参数量的一个GP3的大模型，
你只需要60万美金的，
但现在已经有那种网上的cloudservicesolution能够让你40万美金就训练出来一个这样的大模型的。
我们其实可以拿神经网络的成本降速做一个类比，
呃，
CNN刚出来的时候，
他想要在imagenine上，
虽然到一个93%的准确率，
它是需要花1000多美金的，
但是他现在他只需要花3美金，
我觉得同样的事儿会发生在大模型上，
它会到达一个所有的那种机构都能有这个资源，
有这个资本去训练一个大模型的地步，
但是只有那些有独特数据集的这些机构，
他才能够去训练出来一个比较有竞争力的大模型，
比说那样搭上数据飞轮，
什么意思呢？
就是说这些机构有一些独特的数据，
他训练出来了一个有竞争力的模型，
这个有竞争力力的模型帮他吸引一些呃先期的用户，
这些用户会给他这个大模型型一些反馈，
而这个大模型公司就可以根据这些反馈来迭代这个模型，
让它变得更好，
形成一个正向循环。
基于以上这几点，
我们觉得大模型之后，
市场其实会各行各业都会有自己的大模型，
然后他们都会想要去把这个大模型面向用户。
这里呢，
插播一条招聘信息，
圣乐活博士正在寻找优秀的小伙伴，
包括商业博客内容策划，
商业科技方向的节目监制以及社会科学方向的节目监制。
那另外我们还有BD项目的执行助理及早咖啡的内容研究实习生，
这些岗位在持续开放，
如果你对博客行业感兴趣，
并且想长期投身于此，
欢迎你投递简历。
那具体的岗位信息你可以在本期的节目生动中查看，
当然你也可以关注生动活泼微信公众号了解详情。
那本期的招聘启事播报完毕，
现在一起回到节目中吧。
其实我觉得这和Jenny你们刚才的这个讨论，
其实背后有一个挺重要的一个逻辑啊，
就是说一个是说大家都会以什么样的这种形式去做，
或者说刚开始是会去尝试什么样的这种方式，
那么还有一个维度呢，
就是说我们到底应该去切什么样的，
那么我其实是想跟两位聊一聊这两个维度上面的观察，
就是一个是你们会觉得下一个时间段更多的产品可能会诞生在什么样的这个层面，
然后另外一个问题就是说我们出海企业其实应该去关注什么样的层面。
我们自己在做这一个市场地图marketmap的时候，
我们其实觉得AIGC是有商三种不同的商业模式的，
那么第一种就是底层的这种，
呃，
模型的基础建设层，
比如说open在做这个deepmind,
还有嗯，
像什么coheAItwentyone,
还有包括ROP，
他们其实都在做这样的一个底层的基础建设，
那么这是第一个。
第二种呢，
就是它是应用端，
应用端application这一个包括japer这样的公司，
他们都是应用端的一个公司。
那么第三种就是相关企业，
我们最近投了一个公司，
它也是正在YC里面做孵化的一个公司，
叫IV，
然后他们做的就是嗯，
能够让你不同的AI的框架之间可以有一个这样的翻译，
比如说你如果自己在用，
比如说但是你这个呃，
Deepmind出了一个模型，
它是在上面，
那你就很容易把S的模型放到你的上面去。
去跑1。
的话，
你不用中间进行这样的，
还要就是改码呀，
或者是要修修这个bug呀之类的问题，
那么这种工具在我们看来也是会被I带动的，
就是一类产业，
因为它是相当于是服务于AI业的这种tools，
我们觉得在国内的话，
呃，
其实我和我们的GPJ啊，
也也叫J，
他也叫J，
但是不是我们这位J，
呃，
我和我GPJ我们两个人也做了，
呃，
两个市场地图，
第一个市场地图是硅谷，
也就是你大家看到的这一个已经发出来了，
我们马上要发出一个中国的AIG的市场地图，
那么明显有这几几点不同，
第一点就是中国的这个市场地图上的公司会少很多，
美国这一个产业毕竟已经发展了好几年了，
所以说其实不说几百个公司，
至少大几十个，
就是我们所认知到的这些公司，
至少有大大几十个，
然后每一个细分的赛道其实都会有。
就是。
几十家公司在做，
包括什么媒体啊，
传媒啊，
嗯，
这一种sales营销啊，
或者是marketing这样的公司，
都是每一个细分赛道都会有，
就是很多家，
那么国内的话就会出现有一些赛道是空白的，
或者是至少是接近于空白，
比如说AI代码生成和AI的这一种developertools研发者的这种工具，
其实这个行业在国比较空白，
就是可能会有一些创业公司在做，
但是比较少，
那么另外国内其实呃，
这一些就是各个领域的这种AI机器的公司都是会少，
非常多的，
所以我觉得从某种某某种嗯层面上来说，
国内的公司想要出海打入这一个领域，
其实是一个比较难的一个过程，
因为国内的这个生态系统是还没有发展起来，
但是国外的这个生态系统已经是相对比较成熟的了，
所以说其实我们的这些基金会比较看好，
就是我们就是国内已。
比较成熟的产业中的AI的企业，
比如说电商，
比如说物流，
这些领域就是中国已经做的比较靠前了，
那么他这样的公司出海会有竞争力，
那么如果这一个领域国外已经很成熟，
但是国内还非常不成熟的话，
那么我们觉得就是他想要出海其实是难上加难的。
你有没有关注到，
就是今年的这个A向的是增加，
对我其实最近有跟很多国内的朋友聊，
或者是想要做珠海的这些朋友聊，
呃，
我们觉得非常有意思的一个现象，
就是很多人他们的公司一直都是AI公司嘛，
但是现在突然AI这个概念火了，
所以说就把自己的公司也套上一AI这么一个头衔，
对吧，
然后有很多基金，
我们也是看到本来就了一些AI的公司，
然后现在就把很多自己以前的AI公司都重新的就是归类或啊这就是AIG的公司，
所以说我觉得其实我们就在干这事，
对对对，
我们基金其实可能也干了这事，
对，
就很多基金都在做这事儿，
然后我们觉得其实AI基器这个概念很有意思，
但是最最最重要的其实还是产品，
我们现在其实比较担心的就是很多投资人和创业者太过于关注AIGC这个概念了。
然后把。
把整个产品，
把整个公司，
包括自己整个投资的理念，
理念都放在了AIG上面，
我们觉得这个其实是就像当年webthree,
或者是这样，
就是你如果是就套一个概念的话，
很容易就被割韭。
最近一段时间大家在热议啊，
你就看到一块是这个国内的很多大厂对吧，
争先恐后的在跳入大模型的这个这个训练啊，
然后另一块儿呢，
就是很多的中国的这种内容相关的这种平台啊，
也在争先恐后的说我要接入这个chatGPT啊，
比如像这个知乎啊，
就说我要支持了以后，
这马上股价就呼呼呼的往上涨，
就是我我们其实是看到很多的这种出海的投资人拼命的在研究这个赛道是未来会不会有更多的中国的企业。
在GT这个新闻赛道上面，
继续再往出海，
再往全球化去做，
这也是一个蛮有意思的一个现象，
然后这这你本身也是做这个方向的，
那么严格意义上来说，
你你们直接就是一个全球化的一个公司啊，
诞生在硅谷这个趋势，
你觉得身边有很多这样子的朋友们在做这方面的创业嘛，
如果你你给其他的出海企业做这个方向的出海企业啊，
一些建议啊，
就是我们刚才讲的，
你你应该去做什么，
怎么样去扬长避短，
你会说一些什么呢？
湾区这边就是非常多人是在做AGC方向的，
也是我觉得说的非常对，
就跟之前3那一样，
就是想想靠这个概念，
或者想靠这个噱头去快速的进行一个呃增长或者说做大，
但是我觉得我发现一个非常有意思的点吧，
就是他们常常觉得自己难提供主要价值是在AIGC那个层，
但是我觉得AIGC那层我们刚刚也聊到了啊，
它的壁垒是非常非常低的，
因为大家都是基于同样的大模型，
同样的API，
就是PRO有些小的区别而已。
当他们我当我问到他们就是你们要怎么样defendbusiness的时候，
他们更多提到的是一些verticalintegration,
比如说在这个工作流里面加一些别的功能，
让整个工作体验更加流畅，
我觉得这是非常有意思，
如果说提供主要价值是在生成那一块，
那为什么用来defend的不是在生成相关的数据和和？
和功能，
而是在别的模块呢，
所以我觉得有有一些创业者我观察到了，
他们还是想靠AGC这样的一个概念去快速进行一个融资，
但是他们我觉得珍N妮刚刚说也非常好，
就主要是产品，
主要是怎么样打磨这个产品，
让他能能帮助一些人解决问题，
所以我觉得我能给到的建议可能是如果是想做一个ver的一个这样的一个产品，
主要是呃，
怎么样打磨这样一整个工作流，
能够就是有不同模块的这样的功能，
能够解决一些从业者的一些问题，
AGC可能在里面起到一个。
胶水的作用，
比如说本来是有两个功能是连不起来的，
但是有了AIGC之后，
它可以把这整个工作流做的非常流畅，
是能做到自动化的程度，
我觉得这样公司时候非常有价值的。
其次只靠PRO信息差这些公司可能会消失，
但是我觉得我现在看到很多那种自己去训练这种大模型，
然后自己做产品的一些公司，
比如说CKI，
我觉得他们这些公司之后也是会存在的，
只要你有独特数据，
你的大模型跟别人不是一样的，
那你提供的产品就是有这样一个defens，
然后你现在有一个早期的优势的话，
你也可以快速积累这样用户的反馈来搭上这个数据飞轮，
其实这方面的这种规模效应还是非常高的。
最后我们还要有一个非常现实的一个话题啊，
就是我们经常要讲中国企业与这个海外的这个赛道的领先企业，
目前的这个差距到底是有多大，
然后我记得之前非常有意思，
就是20年，
当时我有一个做AI的一个朋友回国去找工作，
当时找工作的那个大企业啊，
就是哪一家企业就不说了，
那个面试官呢，
非常有意思，
问他说你们平时做研究的时候用的什么样的大模型？
我我这个朋友呢，
因为他是面试嘛，
所以他就说，
那我就找一个特别新的，
找了一个业界可能去年年底的时候，
可能学校才刚出来的一个模型，
然后呢，
就告诉这个面试官了，
就跟这个面试官说，
说这个我用的是这个模型，
其实他平时在这个工作中间，
根本用不到这么新的这个模型，
结果这个面试官当时的第一反应就是说。
啊，
那这个也是一个非常传统的模型了，
你们还有没有什么更新的可以跟我们分享分享。
然后当时我这个朋友非常的震惊啊，
就不管是说这个这个HR是不懂，
还是说是他是希望了一更新的这种模型还是么样，
所以当时给大家一个错觉，
就是中国其实在AI方面很多方面其实做的非常先进啊，
数据呢，
很多也不比美国差。
啊，
但是在这一波GT出来以后，
其实有很多的呃，
这种讨论，
都在讨论中国市场和美国市场诞生的这些产品，
他们之间的这种巨大的差距，
所以其实我也挺好奇的，
就是到底你们觉得这两块，
就是刚才Jenny也聊到了，
就是从生态丰富程度的这个角度上面来说，
确实中国做AIGC啊，
生态的这个丰富程度，
公司企业的数量可能确实比美国要少。
那你觉得这个这个目前这个技术和产品层面上面有多大的差距？
嗯，
技术层面上，
我觉得现在学术界的一个共识是中国的aic，
就包括文本生成，
还有图像生成的技术，
都可能会比美国要晚两到三年，
就是两年可能是比较乐观，
然后三年或者是四年会是一个比较悲观的这样的一个预测。
我觉得这个差距呃来自于几点吧，
我觉得首先就是第一就是美国的一些大厂，
它吸走了很多人才嘛，
然后另外就是美国的一些大厂，
包括openmind这样的一些公司，
他们其实是有很强大的算力的，
而国内就很多时候还是一些高校，
相当于说是他们的算例，
可能肯定会面临这样的一个瓶颈，
现在美国的学术界也是面临这样的一个问题，
就是学术界很难拿到像业界这样大规模的算力，
因为他没有背靠谷歌或者是背靠微软这样的大公司。
那么在就是。
是，
呃，
应用层的话，
我觉得可能也是会比美国要落后两到三年的，
我觉得这里的原因是，
呃，
因为以前是这一种，
就是这种预测性的AI的这个时代，
其实中国很多应用端都是走在了美国的前面，
这个的原因其实很简单，
因为在那个时代，
嗯，
你这一个技术和应用之间，
它没有那么密切的联系，
你这个应用可以走在这个，
就是相当于说技术，
比如可能美国更强，
或者是中国更强，
但是中国的应用端可以走在美国的前面，
有一些是这一些，
比如说数据啊，
美国可能它会有更多的这种数据的这样的一些法律法规啊，
然后管的比较严一些，
不让用，
有有些应用不让做，
那中国可能就是就大家管的松一些，
然后这个应用端也走在走在前面，
然后另外就是中国在这个计算机视觉上面，
技术其实也是呃世界领先的，
这又是为什么，
就是在之前的那个时代，
中国的应用端其实。
不弱于美国，
但是在现在一个深城市的AI的这个年代，
嗯，
中国它落后于美国的一个原因，
其实主要是你这个技术和应用的结合更加密切了，
就是我自己的研究当中也会明显的感觉到你的技术走在走到哪去，
你的这个应用就可以走到哪去，
比如说你现在有了这个GTGT之前只有GT时，
你就没有办法有GT，
一些创业公没有办法，
比如说有一个很好的AI，
或者是没有办很好这种AI生成的故事，
或者多种的，
包括帮你去写这种文案呢之类的，
那么GPT3它的这一种能力就仅限于我可以帮你改你的文案，
但你得自己写，
那么就是其实就是未来的话，
这一个AIG领域，
我我自己的感觉是，
我自己的判断是，
你这一个AI的底层技术会跟应用结合。
越来越密切，
所以说中国的企业就整个生态，
它想要跟美国就是能够平起平坐吧，
我觉得其实还是要在技术端下功夫的，
就之前也有很多人问我为什么国内没有类似的呃这样的弹模型，
因为国内其实也有一些公司在花很多钱去做这方面的事儿，
但他没有什么起效，
然后我也去做了很多调研，
也发现还是就是确实技术上存在很大一个GAPopenAI其实是一个时代的公司，
就他们当时决定去做GT这一些大模型，
其实并没有乎的商价，
因为如做商值的本就会续去他GT到的这5里面其实花了近近美金非常大资本，
只是去为为了完成一个openAI他们的一个愿景，
而并不是一个商业价值，
但其实现在它商业价值也是已经被证明了。
所以我觉得确实是。
还是存在非常大的差距。
于国内。
我觉得最后一点点时间，
其实我想再细化一些，
其实我们过去讲这个出海，
中国出海其实做最多的无非就是像游戏啊，
工具啊，
然后境电商啊这些，
其实大家都非常好，
GT或者说是AI技术出来以后，
到底会怎么样去改变这些道，
他们未来的发展呢？
就实这一块其实是一直整个行业想去。
研究啊，
或者寻找项目的一个挺有意思的一个径啊，
能分享一些对于刚才这几个，
或者说是其他一些关注到的这个中国出海的赛道啊，
呃，
GPT会怎么样去去fra他们呢？
我们自己的一个观点就是中国有一些领域上面有传统的优势，
比如说有这种supplychain,
这种运输啊，
这些行业，
包括制造行业，
还有就是电商这些行业，
中国有传统优势的行业，
其实在出海的时候还是会有保持这样的传统的优势，
我觉得很多人就是被就是GBT啊，
或者是IG这个概念给就是打的比较昏迷，
或者是对觉得就是呃，
这个概念非常的就disestructing，
大家就会把太多的精力放在这个概念上面去了，
去想这个概念它到底会怎么影响整个出海，
就是我们的判断是其实出海做的比较成功的中国企业，
其实还是那一些类型的中国企业，
我觉得就是在这个deepTech,
就是深科技方面，
包括就是做模型的这一种，
基础建设这一层，
其实中国公司是很难跟就是美国本地的这些公司有这样的一个竞争的，
特别是在做出海的过程当中。
因为。
是就是吸引人才啊，
包括能不能够在海外组建这个团队啊，
其实都是非常非常困难的，
所以说我们的判断还是就是以前做什么好A。
嗯，
我们之前是有了解过一家做这种为电商做这种AI短视频生成的这个公司，
然后我们觉得他们的商业模式做的非常的有意思，
而且他们就是traction也做得非常好，
不论是呃，
主要是国内的traction做得非常好，
然后他们现在可能想要进入海外的市场，
那我们觉得这个就可能是正好是结合了国内的这样的一个呃比较优势，
以及就是海外的市场更大嘛，
所以说我觉得这种是会非常的这个，
因为我知道你们平台上面的这个promp其实是五花八门啊，
什么都有啊，
这么多的prompt，
它会对于哪一些细分的这种出海赛道会造成比较大的变化。
首先我对中国国内的出海企业的在这几个传统行业上了解还是比较少，
但是我观察到的大家在使用这些大模型的使用场景上来说呢，
我觉得首先大家和大模型的这种交流的方式会变得越来越复杂啊，
不论是P本身的复杂度，
还是PRO加大模型搭建起来这种工作流上，
它本身都会变得越来越复杂。
比如说我记得之前有个非常有意思的新闻啊，
就是有一个北美的一个软件工程师，
他自己是用midjourney和ChagBT一起协作，
在30分钟内生成了一本。
儿童的这样的故事书，
然后在亚马逊上去贩卖，
我觉得这其实是一个非常有有意思并且非常前卫的一个使用场景，
我就觉得随着各种各样大模型，
它自己特化能力，
有有着自己特化能力大模型在出现呢，
这样比较复杂的呃，
工作流会变得越来越多，
大家会去探索怎么样用不同的P加大模型之间达成一个协作，
来完成更越来越复杂的任务，
生成越来越多维度的内容。
其实我觉得这种分装好的产品，
无论是用大模型自动生成短视频，
还是用大模型自动生成一些营销文案，
它其实是他们团队自己设计的工作流，
比如说我要用这个大模型先生成一个这个短视频的大纲，
再用下一个大模型，
根据这个大纲生成一些这种呃分镜，
或者说我再有一个大模型，
根据这些分镜生成这种短视频，
甚至还有个大模型来生成这方面的脚本，
再把脚本转成一些声音，
然后最终再把它结合起来变成一个短视频。
但我觉得这个工作流它。
并不一定是需要企业或者说平台去来生成的，
更sense应该是让呃这些从业者用户自己去去探索这个工作人员该怎么搭建这些PRO应该怎么样创建，
大家一起去迭代这样的一个工作流，
能够让这个大模型的效果发挥到最好。
我的理解就是PRO它不仅是可以去改善别的这些赛道，
它其实自己也可以成为一个赛道，
做做coding的朋友们现在可以去研究这个PRO，
对，
其实其实我一直觉得PRO和代码它的特性非常非常像，
相同点就是代码是用一些非常有逻辑性的语言，
让计算机去调用各种各样的数据，
无论是存在服务器上还是存在网络上这些数据来进行一些呃操作，
那PRO它其实作作用是上大模型去调用这些数据啊，
不仅如此，
它可以调用弹模型被训练的数据集，
所以他的能力上限我觉得是比代码要高的，
哎，
我其实很好奇啊，
就是从你们，
因为因你。
也有很多PRO的场景，
从这个PRO的这个训练的需求量来说的话，
ChatGPT需求量最大的这个场景是什么呀？
就使用率最大的P，
其实是一些帮助学生写作业的一些场景，
因为PT它本身就是非常非常新的产品嘛，
那这些年轻人也更，
他们也更偏向是这种早期使用者，
他们其实对这种帮助自己干活的这种这种使用场景有非常非常大的需求，
对包括我自己的同学，
还有我自己之前也会用GBT帮我做一些事，
这个其实也给大家一个思路，
就是找一些年轻人可以用的GBT的这种场景去做一些创业，
那么那么je如如果说是2023年说到你们如果说是在AIGC这个赛道上面去找一些项目，
守株待兔一些项目，
你最希望能找到什么方向的项目？
我们其实更加的想要去找一些，
就是做做他的服务的这样的一些项目，
就是比如说developertools开发者工具，
然后这个原因其实是有两个，
我们之前有提到过，
一个是做这个应用你很难很难生成，
呃，
就是实现有自己的这样的一个防护墙，
这个mode很难实现，
因为你这个技术壁垒太低了，
那么另外就是技术端，
一个是太难做技术，
然后另外就是就是技术端就是其实不是很赚钱，
你做这个就是，
呃，
基础设施，
你卖API，
其实就是卖的算力嘛，
如果你没有背靠大厂的话，
其实就很难很难生存，
而且赚的钱也比较少，
所以说其实我们作为投资人的话，
会更加关注就是作AIGC相关产业的，
比如说帮他做服务的这样的一些工具，
就是桃子云朝卖牛仔裤和铲，
呃，
就是简，
简而言之就是铲子，
对对对，
就而言之就是就是让别人卷，
然后我们就可以。
就这个道理，
这个这个其实是tob挺重要的一个赛道，
其实现在tob跑的比较好的一些企业，
基本上都是把这个tobtob,
然后在TOC啊，
这这一块其实跑的比较了，
把developer他们的需求其实充足的满足了以后，
其实这个足养出来很多比较大的公司，
那么我我觉得今天其实非常感谢两位啊，
我们在这样的一个话题上面去进行了一些尝试啊，
当然我也知道现在真正可能下手啊，
去做拆gbtaGC相关的这个出海企业，
可能还是比较少量的一个状态啊，
可能大家很多人是这个非常热的在研究，
在学习，
但是我相信在未来一定会有很多的中国的在AI方面非常不错的企业，
非常不错的团队啊，
做成独角兽，
做成世界化的企业，
我们也希望越来越多的企业去关注这个方向啊，
特别感谢两位今天能来到我们可以早知道的节目，
谢谢大家，
感谢谢。
知道就到这里了，
听完之后如果你有任何的想法，
欢迎在评论区里面给我们留言，
我们每一条都会认真的看，
如果你喜欢我们的节目，
请记得给我们五星或者好评，
分享给更多的朋友，
也会对我们非常有帮助。
你也可以单独写邮件给我，
邮箱地址是听tingat声点FM，
我都会一一回复那同时公众号和微博也可以搜索生动活泼盛世声音的声节目相关的更多信息会在公众号里出现，
微博和公众号都会有不定期的福利给到大家。
如果你想要跟我们更加紧密的讨论和分享，
或者是想要认识和你一样有求知欲的新朋友，
可以加入我们的微信群。
进入听众群的方法是在公众号文章中扫码添加，
或者是公众号后台回复科技早知道即可获取邀请码，
期待你的加入，
我们下期见。