我们这一期的嘉宾衣冠锡是 AI 工作流创业公司 Laplace AI 的创始人及 CEO。Laplace AI 通过 AI Agent 灵活满足企业实际的数字化、智能化痛点，让 AI 在具体的生产力场景中，为智能化转型过程中的企业降本增效。仅成立一年的 Laplace AI 走在 AI to B 应用落地的前沿，已经服务超过 20 多家数亿规模企业在工厂排产、园区消防、财务报表等场景中应用 AI。衣冠锡是UCLA 经济学博士，在做Laplace之前曾任 Metis Themis Insights 研究负责人，并在全球知名投资公司 PIMCO 担任经济学家和量化研究员。他还在上海财经大学和清华大学担任客座教授，深入研究机器学习、自然语言处理、博弈论、经济与金融建模等领域。他的专业领域包括金融市场微观结构、资产定价以及初创企业成长等。- 如何构建一个企业在各场景都能用的 AI 生产力产品？
- AI to B 在中国 vs 在美国的落地有什么不同？
以下是我们的对话实录，在不影响原意的基础上，我们对部分文字做了删改，全文共计 14,299 字，阅读约需 15 分钟。你也可以在「小宇宙」关注我们的播客「AI 就是这样」，第一时间收听最新访谈内容。衣冠锡：我们 Laplace 其实是做 AI agent，就是所谓的智能体。具体的应用场景可能跟很多大家现在见到的 AI agent 稍微有点不太一样，我们专注于工作流的生成。我们通过 AI agent 去调用很多工具，把它做事的过程自动地串成一个流程，并且可以保存分享，在流程有差异的情况下可以做一些简单的调整，让它灵活地为你不同场景的工作去做助力。这其实相当于一个软件，有点像软件的 3D 打印。就是基于不同的场景，根据你手里有的工具软件和素材，去组合你当时这个场景要做的东西，而不需要为可能看上去比较小的一个需求去开发一套软件。总体来说，我们其实是用 AI agent 智能体的技术，加上操作系统的理念，去把资源统一调度管理，去解决在 B 端的一些比较复杂的场景下，专业的场景下的多 agent 的协作，多模型协作的一些问题。AI 就是这样：团队还有大概的你们公司的情况，能给我们讲讲吗？衣冠锡：我们成立时间不长，从 2023 年 5 月到现在，我们从开始创始的 4、5 个人到现在有将近 20 人的团队，可能也在未来相当一段时间内会保持这样一个规模。AI 就是这样：那他们都在哪呢？是都在洛杉矶呢，还是？衣冠锡：我们都是在洛杉矶和硅谷那边，两边的伙伴一起来讨论一些想法。2023 年底，因为在美国推进相对比较慢，也是我们做的不是 to c 相关的，在跟企业的合作中，美国这边的进度稍微慢一点。但 AI 它又是一个并不成熟，要快速发展，需要场景落地的事情。所以在 2023 年 10 月，我们内部有一次讨论，就决定先把重心转向国内的市场。所以我们现在又陆续地招募了国内的伙伴。AI 就是这样：那是不是相比美国而言，中国更适合做 AI 的场景落地？衣冠锡：其实这个问题可以跳出 AI 这两个字。就是中国相对于美国来说，任何落地的东西都是更加适合的。因为一是人口，二是我们现在的生活水平，包括经济已经到达了这样一个层面。第三，我们的产业是比较完整的，所以场景就会非常地丰富。过去几年包括移动互联网、新能源汽车，甚至像光伏，生物医药等很多行业，可能最开始的专利技术或者是发明不是从中国这边开始的，但是在中国生根发芽都得到了一个非常好的验证，然后再反向地向世界来输出我们的解决方案。AI 从这个层面来看的话，也大概率也会沿用这套，可能我们的大模型不如美国整体发展得好，但是在 AI 这方面，我相信在中国的机会会更大一些。02 AI Agent 真的可以替代人去做牛马吗？AI 就是这样：我看到你们网上有篇报道，报道的名字对我来说很有吸引力，它写的是 AI agent 当牛做马。你们的 AI agent 真的可以替代人去做牛马的工作吗？衣冠锡：为什么叫 AI agent？agent 这个词英文本身就叫代理，所以也有很多人把 AI agent 翻译成 AI 代理。那什么叫代理呢？就是可以代表你的客户或者你的代理人去做一些事情，这是 agent 本身的意思。AI agent 就是，AI 可以代表人去做一些东西。之前大语言模型刚出来的时候，更多是以对话为基础的，它其实相当于搜索的智能化。不管是它以前学过的知识，还是它去互联网上拿到的东西，或者是你的一些文档文件，它给你智能地搜索出来做一些总结，而不需要你一个个去点击。但是搜索完了呢？我举个最简单的例子，比如说今天我们想要去吃饭，这个地方不太熟悉的话，我会问，北京这附近有什么好吃的？它会给我们去推荐，这是第一步。但是要知道搜索并不是这个事情的终点，我们是想要去找到一家合适的餐馆，并且要订位。如果没有人代表你做这个事情，搜索完了我还是要自己去做。那 AI agent 它可以代表你去把后续的事情给做掉。包括一些很流行的 AI 相关的图像识别技术。我们现在这张桌子，我拍张照片，问 AI 桌子上到底有什么东西？它可能会给我识别，有麦克风有手机有几瓶水。但大概率我可能是有接下来的需求，我不是只想问桌子上有什么？比如说手机现在哪里的价格最便宜，可以帮我下一个单，或者是水不太多了，需要再下单去买更多的水，或者其他的一些诉求。所以从这个角度来出发的话，只要它能代表你去做一些事情，那它就可以做所谓的牛马的，来帮助到人，而且它做的事情在现在这个 AI 的阶段，很多都是比较繁琐的工作。网上说「牛马」，就是大家做的任务比较重，比较繁琐，是表达一些没有什么价值的工作的戏谑说法。AI 现在最能帮助到人的就是把人从这个方向给解放出来。以前只有地位比较高的，或者是比较有钱的人能雇得起助理、小秘书，现在有了AI了，大部分人都可以你处理一些事情。AI 就是这样 ：意味着以后的团队会越来越小，我们需要的人会越来越少？衣冠锡：是的，这就是所谓的虚拟劳动力。其实 AI 在兴起的时候有一个概念叫超级个体，现在也很多人在提这个，我们换一种说法叫 AI 赋能。AI 可以让你在个人的具体能力之外有更好的延伸。那当每个人都在自己的能力范围内有更好的延伸，我们不需要更多的人来填补这些能力之间的范围的时候，那团队就会更聚焦于他们更关注的事情上。我举个例子，现在公司的很多职能运营类岗位，比如说财务、HR、法务，可能跟业务主线没有什么关系，但是好像又必不可少。所以很多公司，特别是初创公司刚开始的时候，他会先搭建业务团队，在慢慢成长到一个阶段的时候，先招 HR 进来，财务可能都是外包的，慢慢地再招一个财务进来，等到再大了法务会成为问题的时候，再招一个内部的法务。假设 AI 到一定的时间，可能它没有专业的 HR 或法务那么专业，但是在大家需要又不招人的时候，可以来帮助大家做这个事情，那团队至少在一定时间内不需要扩张得很大，所以可能团队精细化小化是未来的方向。AI 就是这样：我最近就特别想找一个 SDR AI agent，sdr 是 sales development representative。有一家公司做了一个 agent 叫做 Alice，据说 Alice 就可以替代我的一些同事，不过他拒绝了给我做单子，他说你的公司太小了，你现在应该用不起，我们现在 focus 更大规模的公司。衣冠锡：借由这个话说另外一个趋势，AI 的趋势其实我们也看到了，在大模型上 token 会变得越来越便宜。以前可能 token 很贵，比如说最开始我记得是 12 K 变成 32 K，现在都可以支持 100 万这种 token 量级的输出，而且这个费用也会变得越来便宜，其实 AI 也是，现在他说更专注于大公司是因为研发成本，他要回本。他可能先要找到大客户来慢慢地让自己有造血的能力，但是一定会走向普世化的。AI 就是这样：他也卖的挺贵的，45,000美元一年，我想应该是对标一个人的薪资。衣冠锡：在不久的将来，这些价格都会慢慢地降下来，这也是我们更专注想要做比较普惠式的 AI 技术，让大家能更用得起，不管是中小企业都可以用很便宜的方案去感受到智能的力量。AI 就是这样：大概在 10 年前国内经历过一波大家想去做小助理，帮你做一个神奇的入口，做一切你想做的事情，你也通过自然语言去跟它交互，比如说你要去点外卖，或者是要干什么。十年过去了，感觉这又是一个方向了。但 10 年前的小助理可能能干的事情还是非常有限。我想在亚马逊上买一个东西，它不一定能完成这个流程，可能还是一个真人在帮你在干这个事情。当年的 AI 小助理背后。都是真人是吧？AI 就是这样：所以 10 年后又来了这个趋势你怎么看？衣冠锡 ：首先我举一个大家可能知道，但是不太会关注的例子。我们这个年纪可能都用过五笔打字，现在还是用拼音输入法。那为什么我们不一开始就做拼音呢？为什么中间要发明一个五笔？其实拼音才是最直观的一个方式。计算机刚刚引入中国的 80 年代的时候，这种技术在当时不可实现，非常难，通过几个字母来映射到汉字。所以才会有人想到了这个方法，因为汉字的特征把它拆成几个笔画去定位，我们可以快速地去打一个字出来。然后随着计算机技术的发展到了 2000年 ，发现这个事情就可做了，所以作为时代过渡性的五笔，就慢慢地退出了历史的舞台。技术是螺旋上升的，它不一定是大家没有这个需求，而是当时技术环境导致这个事情是做不了的。那 AI 其实也是一样，在 2015 年没有生成 AI 的时候，都是规则映射式的。因为它没有大脑思考，就是没有内核在里边。需求大家都是有的，但技术解决不了这个问题。有了生成式 AI，可能我们又能够做这个事情了。那我们就需要重新思考一下，我们怎么去化繁为简，用更 AI 原生的方式把这个事情完成。AI 就是这样：你们做的 agent 它现在能帮我做什么，能帮我订餐吗？衣冠锡：理论上是可以的，只是我们的客户现在没有这个需求，我们的技术框架，只要我们市面上常见的应用，让我们的 agent 学会用这个工具，就可以帮你去做你想要做的。我们现在很多客户有工厂相关的、制造业相关的，有财务，或者是人事招聘。在每个场景下，只要把这些场景的工具让 AI 学会用了之后，它就可以去帮你完成任务。所以说理论上是能做订餐的，只是我没有接到订餐的客户。AI 就是这样：你们主要聚焦在办公场景。你能给我们举一些案例吗？你们帮客户在这些场景做的提效的事情是什么？衣冠锡：好，我举个例子。比如我们在做工厂数字化运营。我拿到一个订单，订单我通过 CRM 来进行管理，排产的时候会要进入到 mes 系统，还有软件控制这些机器，假设你的工厂已经非常自动化，你要控制这些机器人就要经过三个流程的一个系统才能完成，中间有大量的人需要沟通。那我们通过 AI，AI 会用这些软件里的一些特定的功能，直接发送到机器，同时把它发给相应的一些人，去完成这样一个事情。衣冠锡：按行业分，涉及到制造业，生物医药，物流，包括像财务分析、数据分析都会有客户。从另外维度分，一大类就是具体化，刚举的例子是工厂。另外一类是之前的数据公司或者软件公司，他们在上个时代为他们的客户提供了信息化数字化解决方案。现在他的客户有智能化的需求，想把某个功能给智能化，那他们暂时没有能力去搭一个 AI 的团队，所以他们可能会寻求跟我们的合作。AI 就是这样：那你们这个工具它能不能量化，有没有统计过它的效果，帮企业提升了多少效率，节省多少人之类的？衣冠锡：刚才提到的工厂数字化运营，他们现在排产的周期，基本上能缩短 50%。以前是通过人来排班，通过 AI 把生产计划给排好，基本上是节省 50% 以上的时间。包括生产的效率提升，至少现在来看，试验的这几个场景有将近 20% 到 30% 提升。我觉得未来还有更大的空间去提升能力。AI 就是这样：你们的产品是给多大的公司用的呢？比如说你刚才说的那个工厂，大概是怎样的规模？衣冠锡：现在我们做的工厂有大有小，但基本上都是年营收在几亿人民币，而且有一定的数字化的基础。衣冠锡 ：20多个客户，但反过来说，我刚才也讲了，我们更希望做一些更普惠的东西，就是让小公司也能用得起，也能很方便的去用。刚你们提到的那个做 AI 助理的，其实创业公司都会面临同样的问题，你前期研发投入那么多，你找的客户只能收一点点钱，可能接下去不是个很有性价比的事情，所以可能大家都会倾向于付费意愿比较强的有钱的客户，先把这个事情做起来，慢慢地再去做覆盖。AI 就是这样：你们的客户目前还都是在年收数亿的，是吧？衣冠锡：虽然听上去好几个亿挺多的，但客观来讲，这其实都属于中等企业，都称不上大企业，可能在中小之间的这种感觉。刚才提到的人少了，可能属于小微企业。中小企业因为决策周期比较短，但是它的付费能力也有，也有比较强的意愿去做这件事情，所以可能是现在比较好的客户。衣冠锡：这可能跟过去的经历有关。因为从读书我就是在经济学里边研究组织结构，机制设计，再到后来参加金融相关的工作，其实看到的很多也是公司，公司本身做什么业务，怎么运行，再到后来自己做技术类的公司跨境的咨询，包括数字化转型、技术转型该怎么做。相关的经历可能对公司本身的运营上和架构上有一些了解。比起做一个 C 端的产品。会看到很多公司在运营上遇到的问题，大多是因为流程或者组织架构设计得不是很好，但是改又不太好改，如果通过 AI 的方式来做，你调整起来比较灵活，可以解决企业相关的一些问题。第二个方面是，因为 AI 刚出来的时候，是个非常强的搜索工具，但总觉得它会有更大的用处。那到底是什么呢？总而言之肯定不是说生成几张图，生成几个视频或者是音乐这种类型的。就像我们现在用的电脑一样，它当然可以用来打游戏，但电脑的最大用途肯定不是打游戏，AI 就是这样：计算机第一个爆款应用应该是会计软件，还有 excel。衣冠锡：对，像微软的 windows 里面是 word 和 excel，算是爆款了。其实同样的我们想要让 AI 这种强大的工具能够真正帮助到人，就是要到生产力里面找一个切入点去做这个事情，结合我过去的经历，自然而然想到了这样一个方向。衣冠锡：创业之前就是在公司做经济学家，做量化研究、分析数据，做一些策略，做一些研究识别的东西。作为一个研究者，我们关注的更多的是问题的本质。只能说在做研究的时候，对于研究者本身来说，有意义的问题并不是表象，很多东西一个本质在不同的地方展现是不一样的，你要发现这个问题的本质到底是什么。创业的时候理解本质也很重要。但是你不能过多地关注于，我只看这个本质的事情，你还得看一些表象一点的东西。这个可能是我觉得最大的不一样吧。在学术研究里面，我们可以做很多假设，我们可以有很多很理想化的东西，但实际创业没有那么理想。衣冠锡：对，你不能假设这个事情发生了怎么办？还是更多的是这个事情既然已经发生了，我要怎么办。我觉得有好处在于，作为研究者的思维框架。有很多人问我读了 5 年的博士，不做大学老师，或者不做相关工作，你不觉得很可惜？我一直不觉得很可惜，因为我觉得这 5 年学到的最大的东西就是如何去看一个问题，如何去思考。因为是通过 5 年高强度的训练获得的这种思考。在创业里面，能让你更快地定位到一个问题，它的问题在哪。AI 就是这样：你现在创业大概有多久了？你目前算是找到了 PMF 吗？衣冠锡：我从 2018 年底开始创业的，到现在已经 6 年的时间了。其实没有所谓的 PMF。所谓的 product ，更多是 service 一个服务.衣冠锡：对对，也算是，现在来说的话。PMF 大家都在讨论这个事情，我觉得可能还得探索。很多人是觉得自己找到了 PMF，可能也并不是一定真的找到，这是我的一个看法。基于我以前的经验，所谓的 market 市场，它是个非常复杂的东西，可能你看到的只是相对比较片面的。我举一个简单的例子，之前可能有一些软件短时间内爆火，很快就没了。我们是在爆火那段时间，觉得它找到了 PMF，当它过了一段时间没了的时候，是因为市场变了，还是他本来就是没有找到 PMF？其实是很难讲，确实都有可能。因为一个政策变了，因为一个市场大家的偏好变了。衣冠锡：所以我觉得 PMF 这个事情确实是一定要探寻的。但是你很难去回答你是不是真的找到了 PMF。AI 就是这样：在你的概念里，PMF 是动态的，尤其是这个 M 是实时动态？衣冠锡：没有人敢说自己完全了解这个市场，但我时刻会保持对市场的敬畏之心。可能也是因为做金融的大家都在讲市场，市场教育过大家太多次，每一次股市上涨的时候，都会有人觉得自己找到了发财的秘籍，做产品，我觉得也是同样的道理。跟金融来做类比的话，产品的市场，太复杂了，你可能并没有你想象中那么了解这个市场。那你到底有没有找到 PMF ？只能说保持一个谦卑之心，一直在探索。AI 就是这样：既然已经有 20 多个客户为你的产品付费买单，你为什么觉得它也有可能是运气，而不是一种 PMF 呢？衣冠锡：因为现在整体来说，AI 在进入到企业的应用里面还是非常浅层次的，很多人愿意付钱，可能抱着试一试的态度。一是猎奇，或者是上面觉得都在推行新质生产力，数字化转型，那我也有点动作，我也了解一下。就有点像我们去试吃一个东西，我可能并不喜欢这个口味，或者我不知道我是不是喜欢，看着大家都吃或者是很流行，我就买来尝尝，反正钱也不多。同样的行为，你也为这个产品付钱了，买单了，但你真正的是这个产品的 PMF 中的一个分子，不见得。所以现在是有 20 多家客户，但因为现在的阶段进入得都比较浅，真正的需求或者是更大规模的需求，还是没有展现出来，没有哪家公司现在能够拍着胸脯说，我把能换成 AI 的地方全换成 AI ，甚至像谷歌，苹果这种大公司，它可能都不敢做这个决定。AI 就是这样：欧洲那家 Klarna，做 buy now pay later 的那个公司，它就说要把 SAP、Salesforce 换掉，要用 AI 去构建自己的系统。衣冠锡：我觉得是一个很好的愿景，未来是大概率会发生的，现在的很多软件都会被 AI 化，或者至少找到 AI 和传统的软件结合的方式，但是不是现在，而且技术也没有那么成熟。能明显感觉到 AI 在有些事情上它能做得很好，但有些事情我们都知道它并不能胜任。衣冠锡：比如说它不能代替你去做管理决策。这个可能跟艺术创作有点像，每个人有不同的管理风格，或者决策风格。AI 其实是很难模仿这些，或者是很难 get 到这些东西的精妙之处。你会让他去做决策吗？衣冠锡 ：问题是它做得也不好，它可以给你选项，给你信息和知识，做你的军师，但是它不能去帮你做决策，特别是在一个公司层面的角色，因为它不了解你的团队成员，它不了解你的团队成员现在能执行到什么程度，很多这种相对比较抽象的事情，很难被量化的东西，AI 是无法去做得非常好的。有些事假以时日，大家给它训练，给它场景，它可以做得非常好，比如说数据分析或者写代码。现在程序员在用 AI 帮他写的时候，也会反映说 AI 有时候写的东西质量不太高。衣冠锡：但是我们从这个事情的本质上来说，AI 比世界上所有人都懂代码，它是一堆数据加代码构成的。而且人类不太擅长处理数据，大信息量的数据，这个事情一定是 AI 会干好的，只是它需要时间成长，它会做好这个事情，我们对这个事情是有信心的。但是有的工作它理论上就是做不好的，所以可能不会让它往这个方向去努力。AI 就是这样：但是让 AI 提升生产力这件事情是一个很大的方向，大家都认为大公司一定会去做的。你们会跟大公司竞争吗？衣冠锡：我们觉得不太会，或者会在某些层面上有一些竞争，但不代表说一定会那么正面的竞争。从过去的很多案例来看，大公司也不是什么都做。我类比一下，像大语言模型，就像计算机，它只是一种虚拟的计算机。那我们做 AI agent 就是在这种虚拟的计算机上去开发软件，没有哪家电脑公司，甚至苹果，能把你所有需要的软件都给你做了。有了电脑是不是得有配件？理论上所有的电脑配件苹果是不是也可以做？但我们还是有很多，像国内的 Anker，像美国的 Belkin，苹果都把它们的产品摆到了苹果店里。其实对于一个生态，对于大公司，并不是说我要做这个生态的所有人，而是我要在这个生态位上处于一个核心。如果你理解了这个问题，大公司生态位在哪里，它要做什么？那我们要做什么？我们当然不会去做纯大语言模型的开发。一是资金投入比较多，这也不是我们擅长的事情。最后可能剩下几家寡头性质的公司在做这个东西。而对于每个行业，没有哪个大公司会把所有的行业都给吃下来。它可能会覆盖到很多行业，甚至都不会覆盖得非常深。再退一步讲，即使有大公司这么直面的冲突，大家还是会在某些层面上有一些自己的选择。比如说一提 CRM 大家第一反应都是 Salesforce，但是多少中小公司在用 Salesforce？市面上数不清的 CRM 类的软件，其实大家会有自己的偏好。举个更好的例子，就是云服务器厂商，国内的像华为，阿里，腾讯，火山字节跳动，还是有很多厂商在做服务器相关的，这已经是非常正面的冲突了，像之前上市的 Ucloud，像其他的网易云，这样的公司都有自己的生存之道。大公司不可怕，可能有一些小公司、初创公司会成长为大公司。但至少在你的初创阶段，避免和大公司去做他们一定会做，而且做得非常深入的事情。生产力这个概念太大了，创业公司总会在里面找到一些自己的生存之道。AI 就是这样：你是我们认识的科技创业者当中，很少数的有社科学者背景的创始人。你现在来创业或者是加入科技行业，你的视角会有一些不同？衣冠锡：肯定是会的。为什么在这个节点选择加入到科技行业？就是因为现在的生成式 AI，它的门槛更多的是认知门槛，并不是技术门槛。衣冠锡：比如说之前我们要做一个专业性的软件，它可能对你能力的要求，对编程的需求，是相对比较高的。而现在很多 AI 的这些，比如低代码、无代码，很多在外面的框架，其实在 AI 的加持下，它变得更易用。就相当于有一盒打散的乐高积木放在你眼前。它本身是很简单，你可以拼出任何你想要的样子，去达到你想要的目的，比起以前你只能按照图纸去拼出一个东西，门槛肯定是要低不少，就是更注重于表达。为什么讲它的门槛在于认知，就是你在拼乐高的时候，你脑子里到底有没有大概的，还是你在乱拼，乱拼可能拼不出一个好看的东西，所以更多是你的想象力有多大。AI 就是这样：你是什么时候对 AI 开始感兴趣的？衣冠锡：这个故事说来话长，我尽量简短地说，最直接的接触就是我们在上次创业中帮一些企业在做技术方案的时候，我们用到 chatbot 机器人。我们之前很多客户是跨境的，两个团队有时差，你不能老安排人在这交接班，我通过一个机器人在一个团队休息的时候，去跟另外一个团队传达一些重要的信息。但是那个时候会发现，想法很好，但是机器人就是很傻，它能看到的事情非常非常的少，搬运一点信息还是OK的，再复杂的功能它可能就做不了。因为以前也做数据模型相关的东西，那就会去关注自然语言处理这一块的大家的研究和发展。其实就 2020 年的时候，谷歌发表了一篇非常著名的 「Attention is our need」。就是这个标志，Transformer 被发明了，这种算法被介绍给大家。当时觉得就很兴奋，至少有人给你指路了。那篇文章的震撼程度，不亚于我当年在 AlphaGo 时候看到的 「Mastering the game of Go without human knowledge」。下围棋不需要人的知识，学会下围棋，就是当时 AlphaGo 的一个技术，但是没有那么大的想象力，它只是一种算法。但是有 Transformer 之后就觉得它想象力变得很大。但是不知道什么时候有人能把它实现。觉得 5 年、10 年？可能会有人做出来，那没成想到两年之后就有人把实验搬到大家眼前了，也加速了我走到这个行业。另外，科技对很多人来说有不同的画像。对我来说从一个经济学的角度来说，我们在做很多社会模型的时候，都会把技术发展作为一个因素来衡量社会的发展，我们从社科的角度来理解技术的话，它可能并不特指某种东西，它是抽象的概念，代表了最先进的生产力或者最新的东西。你想 200 年前蒸汽机时代，蒸汽机或者是发动机就是科技。那现在可能汽车很难被称为科技行业，当然电动，新能源也可能是。所以说技术总是在迭代，总有最新的东西出来。现在互联网还是会被称为科技行业，至少它还是最先进的一批，但是可预见某一天它可能也不先进了。AI 就是这样：冠锡对于科技的定义非常有意思，就是从经济学的角度是能够给人们带来更多的 Priority，更提高你的效率的时候，它才是科技。当汽车已经没有办法更多去提高我们的 relativity，它现在已经不被称之为科技了。衣冠锡：还是回到经济学的这个角度，我们经常会听到一个词，也是经济学词，叫技术爆炸，它是个什么概念？技术它有生命周期，刚开始很快，慢慢地就会平缓。那技术爆炸是什么？就是在某个平缓点上有个新的技术出来，让这个曲线再次变得往上走，所以它是一次一次迭代的过程，才能推动人类的进步。持续地会有新的、有更高的边际效应的，提高更多 productivity 的东西出现，来改变我们的生活。从这个角度来理解的话，我为什么要加入这个行业？可能就是对提高生产力的未来想要参与的一种感觉吧。之前分析数据、分析经济、分析这些问题的时候，并不直观，都是一些数字、理论、模型。AI 就是这样：你说的技术爆炸，我能不能理解，这波 AI 的浪潮，它是原本的互联网科技，到了一个峰值，然后开始平缓，来了这一波新的 AI 浪潮，它出现你说的第二次曲线的增长？衣冠锡：是的，其实这一波，如果我们把它都当成信息技术革命的一部分的话，这已经是一个必然的结果。首先我们要信息化，所以我们有了最原始的互联网。但是最开始的大家所谓的信息化，就是我们把很多信息变成电子信息。我们把信息都一股脑都堆到互联网上，我堆上去了，然后呢？那就有了第二次，就是我们之前讲的数字资产化，让数据变得更有价值，这是大概在 2010 年到 2015 年之间，你可以看到有很多通过数据来支持的决策，Data Driven，让很多数据通过分析有更好的洞察。AI 就是这样：我觉得这一波有好多包括底层数据支持的一些 infrastructure ，还有一些 BI。衣冠锡：BI 就是这一类数字化非常典型的一个产品。但慢慢大家又发现，人处理数据的能力是非常有限的，处理大量数据的时候，总会觉得自己很片面，并不能获得信息的全貌。我需要一个更智能的工具，去让这些数据发挥更大的价值，这时候就有了 AI。所以我说这是三步走的必然的结果，就是从信息化、数字化到智能化。而我们现在正好在数字化的下半场。在国内，我们数字化做得并不是特别地好，大到城市的建设发展，小到一个公司的运营。很多时候并没有用很深的数据分析，可能有些浅层的统计来做一些决策支持，甚至干脆就拍脑袋，所以我们现在正处于数字化的下半场，智能化的上半场。现在有一个非常流行的说法叫数智化，就是数字智能化，我们现在就是处于这个阶段。10 为什么选择 to B，有没有考虑过 to C 创业方向？AI 就是这样：ChatGPT 在刚出现的时候，有很多 to C 的流量红利。你当时有没有心动过去做 to C 的产品呢？或者说如果你没有去做拉普拉斯，你现在很有可能会再去做什么？衣冠锡：先回答第一个问题，就是 to C 这块。首先我还是蛮有自知之明的，至少我们的团队包括我自己对于 to C 这个事情并没有太多基因，能够很有把握做好，对于流量倒是没有什么心动过。我们花了四个月的时间去思考我们到底要做什么。有设想过一些相对于 C 端的应用，比如说一些简单的生产力工具，当时还没有现在 agent 的概念，我们当时也想到了，如果 AI 不只是搜索，它能调用一些简单的工具，那它会更有用。我们也做了很多的验证，证明这个事儿至少是可行的，那当时选择这个概念的话，比如说我做一个个人的助理，帮你订订餐，安排一下会议，这其实可能比较偏 C 端的一个应用，但后来又没有选择做这个方向。我做这个事情想到，如果我们现在把大的问题解决掉，那这个在办公中或者在什么时候有需求，我们可以拆出一些可能会 to C 的东西来让大家使用，自然而然变成 to C 产品，而不是从这开始就做一个 to C 的产品。这个是我对 to C、 to B 产品的个人理解。特别是跟生产力相关的一些产品，我们现在可能觉得很习以为常，但是它在最开始的时候都不是为个人使用来发明的。现在有很多效率管理类的工具，特别是非常流行那种看板，像是 Trello，Teambition 可能都做这个，最开始其实是丰田内部企业用的看板，这个东西英文就叫「看板」，最开始是一个白板上贴满了 sticker，做完了之后把 tips 撕下来。你可以看到最开始一个 B 端的应用，它在企业内经过打磨之后，成为一个非常成熟的方法，那大家就把它做成一个软件供 C 端消费者使用，这本身就已经被 B 端大量的流程给验证过了，再走到 C 端会自然而然。再往前推有更多的，像我们现在都离不开的 GPS 导航，甚至计算机。AI 就是这样：冠锡对艺术、历史、文学、音乐、书法、游戏……等都很有研究，是个全才。AI 会对这些领域有什么样的影响？衣冠锡：不能一概而论。肯定会增加这些行业或者这些领域的生产力，生产效率。比如说游戏制作，通过 AI 有可能延长单机游戏的寿命，而且在制作中可能效率更高一些，比如我建一个模型可能要花很多功夫，现在可能加速，或者让测试变得更有效率，都有可能。音乐也是，我在制作音乐的时候，特别是当我要混音很多十几音轨的时候，有 AI 的帮助，我可能不需要拿着放大镜一点一点的去调，它可以很快的自动对齐一些东西，或者给你一些建议，帮你调一调，肯定是可以提高生产效率。你说他能不能冲击到这些行业，或者是改变这个行业的一些本质，我觉得刚才提到这几个领域，大概率是不会。艺术的创作它具有相对的独特性，如果它可以被公式化地量产，那它会是一种商品。比如说我们需要一张海报，或者一个商品的图，它不需要很强的艺术性。AI 就是这样：有一个很争议的事情，一位叫杰森·艾伦（Jason Allen）的参赛者，凭借他用 AI 绘画工具 Midjourney 生成的作品，在美国科罗拉多州博览会的艺术比赛中获得了第一名。大家在讨论会不会 AI 真的能取代程序员、艺术家这些顶层的脑力劳动者做的工作？衣冠锡：不，我要换一个角度来讲这个问题。在我的观点里，任何一个行业，它都有技术的一部分，也有艺术的一部分，通常我们会讲管理是一门艺术，我们讲什么是一门艺术，就它有技术的那一部分。AI 会做技术的一部分，但是任何一个行业艺术的那一部分AI是很难去取代。比如说，AI 可以帮我形成一篇报道，很客观的，写的比人快多了。但是那种有深度有温度的文字，AI 做不到，这是体现一个人他的写作风格，对事情的看法，通过文字这种载体作为一种艺术形式来展现，AI 做不了这个事情，而且你不能指望它做好这个东西。AI 就是这样：它不能学习吗？我的一个朋友给 ChatGPT 喂了一些他自己写的文章报道，ChatGPT 就真的帮他写出了跟他风格非常相似的文章。衣冠锡：写歌词，我把汪峰所有的歌词都丢进去，它确实能写出，一眼看上去像汪峰写的东西。但是你仔细品一品，你也不知道它的动机是什么，它为什么要写这个东西出来？我可以用 AI 帮我形成一些动机想法。那最后要把这个东西发展成一个艺术品的话，可能还是需要有人为它注入灵魂来进行。AI 就是这样：得把情感注入，得把你的性格灵魂思想注入。衣冠锡：这是非常玄的，如果这个东西能被公式化制作……AI 就是这样：那世界上就不会产生那么多伟大的作曲家，伟大的画家，达·芬奇就不需要存在了，是吧？衣冠锡：对，我觉得是不会取代掉人。这次创业无论是成功或者失败，假如下一次会做什么事情，我觉得大概率跟艺术相关因为艺术的东西就是独特性所在，在做完一个跟极度的生产力工具相关的事情之后，可能下一个会想要去探寻一下跟艺术更相关。12 提升个人生产力还是 ChatGPT 或 KimiAI 就是这样：你是如何用 AI 改变你的生活和提升生产力的呢？衣冠锡：比较高频的还是跟文字处理相关的，因为不可避免要大量地写一些材料，为了节省时间，就会先让 AI 写一个提纲，或者写一下，我尽量改一改。AI 就是这样：是有一些专门的工具，还是就是 ChatGPT？衣冠锡：对就 ChatGPT 或者 Kimi。还有网页上一些插件。比如说我在看一些文章的时候，有些中间的内容我很感兴趣，有更智能的插件，就可以根据选中的网页上下文去做一些分析，那我获取信息变得更加高效。AI 就是这样：这个插件是帮你去阅读和总结，这个听着不错。这个叫什么？衣冠锡：就是kimi的插件，还是挺好用的，像一些音乐的一些动机会用 Suno 去试一试的，看给我什么感觉。衣冠锡：对。因为我们经常会改编一些歌，比如说周杰伦的「晴天」，都知道很经典，如果把原曲原封不动地演奏一遍，可能就觉得有点无聊，那你改动总得有个思路，怎么去改这个东西，可能就会让 AI 帮我去提供一下这些思路。AI 就是这样：我觉得我用的最高频，最解决我问题的一个场景，就是用 ChatGPT 去帮我写各种各样的法律协议。以前都是有律师帮我写协议的，自从自己创业之后就用不起律师了。发现 ChatGPT 确实在法律这块非常好，所以我甚至都没有去用过，一些专门的工具，像 Harvey 什么的，都感觉没有必要。就是告诉它帮我起草一个合同，甲方乙方目的是什么？我就发现这个法律文件的结构性是非常好的，所以我现在经常性地在用 ChatGPT 改协议。衣冠锡：是的，这种比较格式的合同什么的我也都会用。AI 就是这样：还有最后两个问题想问冠锡，第一个想问的就是，你原本在美国做 AI，但是觉得落地场景太慢了，所以就回国，把重心转到国内来。国内的创业者，大家都是想要去出海。你会觉得你在逆风而行吗？衣冠锡：我倒不觉得，因为确实出海跟回国这俩事儿不冲突。可能你自己分析下来，大家目的不一样。就比如说我现在有很成熟的产品，可能国内因为需求的原因导致销量不太好，你确实应该出海有更大的市场，当你的产品正在找market product feed，或者正在尝试的情况下，特别像 AI 现在做这种技术，你需要的其实是场景，你在一个场景里快速地迭代，快速地找到大家的需求，那这时候一个需求旺盛的地方才是最好的地方。昨天还跟一个朋友聊过，比如说一个手机在哪卖，要我肯定在海外卖，或者是欧美市场。单价高，对吧？但问题就是其他的因素它可能不一样，就比如说我想去敲开一家公司的门，或者建立很多合作伙伴关系，在海外还不一定很简单，国内因为身边的资源，有时候相对容易一些。具体问题具体分析，这两个事情本身可能没有那么看上去那么对立。有的阶段现在适合出海，有的阶段适合回来。反过来想想，如果现在还在美国做我们这个事情的话，可能没有几个客户，推进也很慢，然后 AI 技术发展也很快，那我们的产品可能也不一定很有竞争力，因为你没有拿到很实际的产品去用，可能就是在自己的层面，在想象层面，自嗨的一种状态，并没有得到一个真实的验证。现在不管是怎么样，至少它有很多真实场景还在验证，我们就知道哪里需要提升，可以快速地在这个环境中得到验证，这反而是最宝贵的一个东西。至少对我们现在这个阶段来说，并不是逆风了，因为跟出海的人，大家谈的东西不一样，处于阶段是不一样的。AI 就是这样：最后一个问题，我知道你也做硕士生的导师，假设你的学生想要辍学创业，你会支持还是劝退？衣冠锡：肯定是看人了，但是大概率我肯定是不支持。如果说真的是很有资源，很有天赋，很有激情干这个事情，那没问题，肯定会支持他。但是我觉得大概率一个学生并不太具备这些东西。我举个简单的例子，我们就不想什么高大上的创业，我想做个生意，开个奶茶店或者咖啡店，但是以一个学生的视角来说，他知道开一个咖啡店或者奶茶店，背后真正比的是什么东西呢？以他们的认知其实看不到，其实最后拼的是供应链，如何在供应链上拿到更低的价格，每天准时地备好需要的货，我可以用低的价格，比如说 9.9 块的咖啡，或者是这个定位上相对比较低的成本的价格，那你空间就会大一些。但是一个学生的认知，他无法知道这件事情。他也不知道他不知道，因为是他认知之外的东西。这只是一个简单例子。有很多是，他可能想创业，但其实创业并不一定是他想做的。他得深入到某个行业或者在社会上去摸爬滚打几年，才能对这个事儿有认知、有感觉。刚出来工作其实相当于上学的延续，只是走向了社会这所大学，去获得更多的生存技能、工作技能，比较软性的也好，或者是这个行业背后它真正的逻辑。因为对于消费者，你去消费的产品跟你作为一个创业者，你俩看的东西是完全不一样的。但很多时候学生的思维或者咱就不说学生了，就是一个普通人的思维，他可能更多的是用户思维，而不是一个生产者的思维。所以我说不建议。还有一些更多的原因就在于工作本身其实还有很多软性的东西。比如说工作习惯，能加入到一个大公司，可能大公司有他的问题，但是它的制度本身，或者是大家相互配合的工作方式，至少得有概念，怎么才是一个正确的高效的工作。AI 就是这样：不仅要管理自己，还要管理别人，管理业务，管理客户。衣冠锡：其实还有一个最重要，可能比较玄学，就是资源。你可能家里本身就有或者是天生就有。但因为你是个学生，你处在那个位置，大概率的话你不会接触到很好的资源。有贵人相助，有资源扶持，你肯定走得会比别人顺利一些。
免责声明：本站内容来源于互联网公开信息，仅供学习和参考使用。如涉及版权问题，请联系我们，我们将在核实后第一时间删除相关内容。