程曼祺 Manqi Cheng
我听你的同事说，你去年 11 月 11 日成为千里科技董事长之后，第一天就组织了 400 人的干部大会。你的同事说，你当时想做这件事，是因为想让大家看到你是谁，当面感受到你是一个人，而不是公告里的一个名字。那天你表达了什么，展现了一个怎样的你？
1. 第二次创业开始
印奇
坦诚讲，对于原来的力帆、现在的千里来说，对我而言还是一个新的组织和新的体系。资本层面的变革，不代表这个企业真正正式地启动了。我觉得人还是最重要的，尤其是原来的力帆经过当年的破产重组，又经过吉利这 3 年的经营，相信组织里面也会有很多想法。
所以，我想第一时间出现在现场是挺重要的，让大家对我这个网上的名字有一个更直接的体感。我觉得可能需要表达两点：第一，让大家对我有一个更准确的预期；第二，表达一个决心。因为我进入千里不仅仅是一个资本上的操作，而是真正把它作为我的第二次创业。第一时间出现在大家面前，核心就是要表达这两个方面的意思。
程曼祺 Manqi Cheng
我们可以回到这件事的最开始，从旷视到千里的过程。我想，这也是很多人最初听到这个消息时感到诧异的地方，但它确实也和你长期的一些想法、想做的事情有关。
印奇
这件事对我来讲，其实有“不变”和“变了”两个维度。
不变的维度是，如果大家说创业是一个初心，也是一个战略思想的贯穿，我觉得其实没有本质变化。旷视创业初期，我就认为，第一，AI 会是我 lifelong 的一项大事业；第二，我们一直在 AI 领域寻找场景和载体，而旷视的一个大思路就是软硬结合，所以我们一直想找一个好的硬件载体；第三，我们的终点一直是机器人。虽然最近具身智能比较热，但可能十几年前我们就这么说了。所以从起点、终点和路径上，我觉得本质没有变化。
变化的核心可能有两点。第一是形式上的变化。原来相当于我从旷视原有的体系出来了，但要把千里做好，也一定要把旷视原有的力量和资源整合在一起。第二，无论本质上，我觉得可能变得更好的一点是，我们有了吉利这样一个更具战略性的场景提供者和载体提供方。
原来做 AI 的公司一直在补短板：AI 能力可能不错，但一直在寻找载体和场景。我觉得真正好的是能够找到一个产业方，大家优势互补。所以我想，虽然确实有一些变化，但从我内心感觉，变化比大家从外部看到的要少。
程曼祺 Manqi Cheng
你们最开始讨论这个方向是在 2023 年底，对吗？可以回顾一下当时的过程吗？
2. 千里的唯一选择
印奇
2023 年底，首先旷视自己处在一个比较困难的状态。整个 A 股上市的过程拖得非常长，而且有很多我们不太可控的外部因素。
当时我们的焦灼点有两个。第一，旷视在上市过程中不能进行新的融资，所以资金链各方面都非常紧张。第二，我们也看到外部整个 AI 的发展如火如荼，需要更多资金、更好的资源，也需要吸引更多人才。这是两个很矛盾的状态，所以旷视当时处在一个很艰难的阶段。
另外，这个 idea 还是舒副董事长提出来的。我觉得这是一个很有战略格局、也很有创造性的想法。坦诚讲，第一次听到这个 idea 的时候，我觉得它是一个很好的想法，但我当时还是有很多历史包袱，一心希望把旷视原有的资本市场路径走通。所以第一次听到时，我觉得这是个很好的创意，但没有马上认真考虑。
后来，随着各种因素叠加，我最后发现，这可能是唯一的选择，也可能是最好的选择。
程曼祺 Manqi Cheng
我理解，从 2023 年到 2024 年，你面前至少有 3 个选择。
第一个是 2023 年初大模型创业可能出现了一个机会窗口，不管是用其他方式，还是在旷视内部做这件事。第二个是继续推动旷视，走完原来的资本路径。第三个就是我们现在看到的计划：你来千里做董事长，之后可能还会有一系列新的事情。
为什么最后选择了现在这条路？你刚才说，你本来只是觉得它是个创意，但慢慢觉得它是最好的、甚至唯一的选择。这个变化是怎么发生的？
印奇
其实我觉得，可以顺着把时间从 2024 年再往前走一走，包括旷视在资本上的选择。
我们最早考虑过香港上市，后来因为清单等原因回到 A 股。我觉得我们没有那么多选择。如果选择一条路，就是要让旷视这个大的 AI 团队和体系真正走到我们想去的地方，这是我唯一的选择。
比如重新去做一摊事，这一直不是我的选择。如果选择一条资本路径，这条路径可能阶段性解决一些困境，但从长期来看对公司没有发展，这也不是我的选择。以更长期的标准来看，我们其实没有太多选择。
最后选择千里，我觉得也和旷视一贯的战略相关。软硬结合要和终端载体更深入地连接，未来真正走向 robotics，这些路径最后牵引我们选择了千里。
程曼祺 Manqi Cheng
你是什么时候感觉到，现在这个方案是最好的方案？是从 2023 年 10 月底开始，到后面真正做出决策，大概在 2024 年第一季度吗？
印奇
对，大概是在 2024 年第一季度。
程曼祺 Manqi Cheng
这和 3 月底上市审核的情况有关吗？
印奇
肯定有关系，但我觉得不是最重要的因素。
从我的选择角度来说，我们之前内部讲过，做选择不是因为 fear，而是因为 hope。意思是，我不是因为害怕一个差的结果才做这个选择，而是因为看到了一个可能更好的结果、更好的可能性，才做出选择。
经过一个季度的时间，我们和吉利以及各方进行了更深入的探讨，把大家未来的战略和想法进一步拉齐。我觉得，如果大家都有决心来做千里，千里可能会是一个更好的平台，能够真正把 AI 推到下一个高度。
程曼祺 Manqi Cheng
所以在这几个月的沟通中，你们的 hope 更大了？
印奇
对，希望更多了。
程曼祺 Manqi Cheng
你在 2023 年做过一个分类：AI 的大方向，一类是 AI in digital，比如大语言模型；另一类是 AI in physical，比如机器人、汽车这些软硬结合的方向。我感觉你一直更偏向后者。
3. AI需要物理世界
印奇
首先，大语言模型或者整个大模型体系正在非常快速地破圈。它其实基本上打破了 digital 和 physical 之间的边界。最后你做 AI，就得有超级大模型的全量能力。
我觉得这几乎是所有 AI 应用的必选项。否则，To B 可能就是一个 AI 解决方案，To C 可能更多是一个应用公司。而在早期这个阶段，如果没有大语言模型，甚至很难成为一个纯粹的 killer app。
回到 AI in physical，我觉得这和我的价值观以及我擅长的事情有关。从价值观角度讲，当年我们在选择 AR 和 VR 时，虽然后来都没有做，但我们为什么会选择 AR？因为我希望 AI 技术能让人的生活不要脱离自然状态，而是让大家的生活变得更好。
所以我一直反对完全 virtual 的东西。比如 VR，如果做得特别好，会是一个非常沉浸式的体验，但我不认为这是人类更好的生活状态。机器人能够在物理空间里帮我们做更多事情，同时成为我们的伙伴，这是我对 AI 的第一个倾向和想象，是价值观层面的。
第二，我认为 AGI 必须有物理层面的东西。我不认为纯虚拟世界的数据能够培育出我们想象中的 AGI。无论从进化角度，还是从数据分布角度，都需要物理空间里的东西，而物理数据现在非常匮乏。所以如果从 AGI 的目标出发，我也认为需要做 AI in physical。
第三点我觉得也是一个Y二S问题，就是从商业角度，因为经过二十二三十年的整个互联网和移动互联网发展，纯技术领域已经有很多公司具备非常好的先天优势。坦诚讲，这些优势也没有想象中那么大。比如当我们认为移动互联网结束时，仍然出现了字节和拼多多这样的公司。
但从我个人和团队的擅长角度看，我觉得我们更适合去做一个更未来、更创新的东西。AI in physical 是一个更新的领域，我们的优势和差异化会更大。
程曼祺 Manqi Cheng
我们上次聊的时候，我理解到一个点：你们做旷视时，大概到 2016、2017 年，已经比较清楚地认识到要做软硬结合。因为旷视最开始还是比较偏算法。
印奇
这和大家总结 AI 1.0 创业的经验有关。AI 1.0 的很多逻辑是对的，只是没有形成闭环，或者说当时 AI 的技术程度还没有到那个临界点。
我们当时在旷视讲的 AI 1.0 闭环，更多是面向 B 端的。我们认为在 B 端不能只做软件和算法，而要做软硬结合。
AI 2.0 时代，我觉得聚焦点会更多偏向 C 端，或者 To B、To C 的场景。但这个理念是一脉相承的。最后做软硬结合，第一是更接近终局。我认为 AI 大模型最大的应用肯定是机器人，这没有之一，所以这是终局导向。
第二是能力项导向。软硬结合的公司和纯软件公司的组织形态、基因完全不同。以前我总结过，硬件公司其实是供应链、研发和市场三层结构。供应链、成本压缩以及规模化，这些核心能力和互联网公司完全不同。
旷视的组织已经打造出了面向软硬结合的基因，这种组织基因应该被强化，而不应该频繁改变。旷视本身就是一个软硬结合的组织，所以我觉得这也是我们的优势。
程曼祺 Manqi Cheng
我和杨沐聊到，当时你们也讨论过为什么不做机器人。机器人和你一直以来对软硬一体的追求是相关的，而且你们已经做了很多年，技术储备和商业订单储备，在那个时间点看起来都可能是更稳妥的选择。
印奇
我觉得时间还没到。
程曼祺 Manqi Cheng
你觉得机器人的时机还没有到大爆发期？
印奇
第一，我觉得机器人主要的要素，到今年开始基本上已经具备了。但一个要素具备之后，真正经过产业链整合，做出好的产品，我判断这个周期可能还需要 5 年左右。
在中国的商业环境下，我觉得需要既有长期战略目标，也一定要有 3 年内可以闭环的短期打法，这两者要结合起来。
程曼祺 Manqi Cheng
所以机器人是更远的未来？
印奇
机器人从来没有变。它是我们的终局，也是我们的初心。我的闭环就是，第一天想做的事，最后把它做成。
程曼祺 Manqi Cheng
如果没有千里这个选择，旷视会怎么样？
印奇
历史不容假设。我觉得我们一定会找到一条出路。
程曼祺 Manqi Cheng
那你当时设想过的最差情况是什么？
印奇
最差的情况就是旷视撤下来，重新融资。
程曼祺 Manqi Cheng
如果没有千里这个安排，你会继续等上市吗？
印奇
可能也不会。我也设置了一个时间点，和做出千里这个决策差不多是同一个时间点，大概在 2024 年年中。
这个时间点其实一直在被推。我一直觉得应该在更早的节点做决策，但很多商业决策是动态的。因为有新的变量，判断会不断变化，它其实是一个函数，像一个收敛函数一样，一直处在临界点上，到底是 yes 还是 no。
我以前的理念是，重要的商业决策应该尽可能压到最后一个节点。因为如果这是最重要的决策，首先一定要 try everything，其次希望收集更多信息。
但最终 deadline 是什么，每个人心里都有自己的判断。这和每个人对压力的承受度、团队的抗压能力以及乐观主义精神都有关系，因人而异。
我们尝试了最多的可能性和路径，最后到了必须做出最终决策的节点。
程曼祺 Manqi Cheng
在这几个月里，从最开始的一个创意，到你觉得这是最好的、唯一的选择，力帆和吉利的什么因素让你坚定了这是一个好的选择？
4. 吉利成为战略支点
印奇
我觉得应该这么讲：上市过程中，力帆没有太多历史包袱。力帆重组的 3 年里，吉利做了大量工作，基本已经处理掉了很多历史包袱。它是一个基础业务相对清晰的平台，不能说是一张白纸，但它是一个可以发挥的好基础。
这是力帆的情况。
吉利更重要的是，它对于 AI 和汽车结合的战略，到底只是说说而已，还是从李书福董事长到整个高层管理团队，都对这件事有很深的洞察和长期投入的决心。我觉得经过交流之后，我认为这种决心是存在的。
本质上，选择力帆就是选择和吉利生态深度融合。对吉利的了解，我觉得可能是我们做这个决策最重要的一点。
程曼祺 Manqi Cheng
你从哪些信号和迹象确定，吉利对智驾是非常有决心的？
印奇
首先是基于对整个汽车行业的判断。现在大家还处在新能源这个大阶段里，但我觉得吉利真正相信 AI 是汽车的未来，而不只是一个要素。
你可以看吉利历史上的合作。据我所知，吉利很早就和 Waymo 合作，也很早和 Mobileye 合作，还和特斯拉有过很多交流。所以我觉得，吉利是一个对科技前沿投入了很多精力、持续观察和积累的体系。
我能感到，吉利也是一个很有技术信仰的公司。比如新能源，一个公司能够坚持一条路线 20 年，代表它对这件事确实有技术信仰。
技术信仰的意思是：我认为它是对的，代表技术未来的状态，所以我会持续投入。一个企业家短时间的某次选择，可能不代表他的价值观；但如果是一个长周期、持续的选择，就说明他确实对科技非常信仰。
这一点上，我还是很敬佩的。
程曼祺 Manqi Cheng
当你真正做出这个决定的那一天，还有印象吗？你下定决心的那一天，对自己说了什么？
印奇
没有那么戏剧化。
我认为，任何一个快乐的节点，或者一个负向挫折的节点，如果它足够大，不管是好事还是坏事，在那个节点都不会有那么强烈的情绪波动。因为这个事情一定是你经过很长时间的期待和煎熬之后，最后只是发生了。
你可以说有一点轻松感：这个决策真的发生了。但它一定经过了非常多的考量，是一个已经在脑中预演过很多遍的事情，只是最终发生了而已。
程曼祺 Manqi Cheng
2024 年春天，我们讨论 AI 1.0 时，你说过，这批大模型创业公司和字节、阿里等大公司之间必有一战。关键不是创业公司之间的竞争，而是它们中有没有任何一家能从巨头的阴影中跑出来。
今年春节，DeepSeek 掀起全民狂潮之后，你觉得它改变了大模型创业公司和大公司之间的竞争形势吗？
5. DeepSeek仍未闭环
印奇
首先，我觉得大家对 DeepSeek 的定义需要准确。DeepSeek 首先是一个大厂，至少是一个规模排名靠前的公司。讨论一个公司时，不能把它当成一个研究院或科研机构，这两种性质不一样。组织性质决定了它的商业打法。
DeepSeek 做出了非常惊艳的科研成果，并且以一种相对非商业的方式开源，最后取得了很好的破圈效果。我觉得这是一个非常好的例子，但不代表它在商业上已经闭环、能够持续。
程曼祺 Manqi Cheng
当年旷视也要打造“东半球最好的研究院”。
印奇
对，我觉得我们做到了，也拿过很多全球第一。
第一，当时技术的爆发力未必有现在这么强。第二，大家对 AI 的关注度在与日俱增。ChatGPT 对 C 端的影响力越来越大，这是大家比较熟悉的故事。
程曼祺 Manqi Cheng
但以你的经验，从商业公司的角度判断，只做到这一步还不是闭环。
印奇
当然不是。
当年旷视确实培养了很多人，DeepSeek 有一些骨干以前也来自旷视。
程曼祺 Manqi Cheng
OpenAI 也有一些骨干来自旷视。
印奇
对。旷视有自己的人才模式。我们的模式和 DeepSeek 现在的模式非常像，基本上还是“天才少年”这套逻辑：招募信息学竞赛、OI，以及数学、物理竞赛的人才，从本科生开始培养。两三年之后，大家本科毕业时，这些人已经非常强了。
我觉得这是一套很好的模式。这一波 AI 技术人才的本质，未必是当年那些拥有某个行业深度经验的博士，因为这个行业发展太快，所有东西都是 fresh 的。它需要的是最聪明的人，以及算法、编程、调参综合能力比较强的人。
这种人才结构，我觉得旷视当时也算是一个开创者。当然，最初也不是我们创造的。我们的联合创始人唐文斌当时有信息学竞赛总教练的背景。再往前看，搜狗早期也采用过类似模式，王小川早期招了很多信息学奥赛的人。
这些很厉害的年轻人当然也在乎薪酬，但我觉得他们更在乎一个圈子或社群，喜欢和这些人一起工作。
如果反过来看人才流向，量化行业也有很多这样的同学。这个程序员圈子的本质是：技术人才足够强、足够聪明，给的钱足够多，反馈足够及时。就是这几个要素。
程曼祺 Manqi Cheng
你觉得你们现在还保留这种优势和模式吗？
印奇
我觉得我们还有很好的底子。过去 4、5 年经历了一个低谷期，但我们的基因很强。我们需要重新把这样的组织能力拉起来。
人才是随着商业价值走向的，这一点我不担心。如果我们能够搭建一个既有商业前景、又能探索技术前沿的平台，现在已经有不少人才回流了。
我最近最大的转变，是把我们原来的核心理念“技术信仰，价值务实”，调整成“价值务实，技术信仰”。我觉得长期的东西还是要有价值锚点，做科研、做技术也是一样。
现在科研的资源投入巨大，包括算力、数据和人才，而这些人才也很贵。在这么大的资源投入下，一定要有商业价值作为锚点，才能持续投入。
这不只是钱的问题。对资源方和人才来说，做久了之后需要有 impact，需要有反馈，需要看到自己做的东西被市场认可。
唐文斌以前说过一句话：“Business model is the best model。”我觉得这可能是 AI 1.0 的一个体会。不能闭环的辉煌都是阶段性的。
程曼祺 Manqi Cheng
去年我们聊的时候，你还非常想推动旷视上市。你说一定要寻找一个闭环，把它做成，这是你的人生原则，而且在那之前，你其实没有真正完成过一个闭环。
后来旷视终止上市，这是不是意味着你放弃了这个闭环？
印奇
其实我是不想变成更大的闭环，但不得不变成一个更大的闭环。
创业过程还是很辛苦的。我其实挺想在一个更确定性的闭环上完成闭环，之后至少有一个阶段压力会小一些。你构建了商业模式和闭环之后，后面会进入相对经营的状态，这个状态可以维持一段时间。
但这一波创业的闭环都很长。一个显性的角度是，大家做了很多轮融资，但在商业化结果上，和早期投入还不成正比。大家相信，到达另一个临界点之后，商业结果会爆发式增长。我同意这个大逻辑。
但所谓闭环更长，意味着投入期更长、投入资源更多，最后商业化变现那一下的风险和竞争也更激烈。如果把它想象成一个商业模型，风险就会更高。闭环越长，链路越长，就越容易连不回来。
程曼祺 Manqi Cheng
你 23 岁开始创业时，想象过这条路会这么长吗？
印奇
肯定没有。
那个时代大家都有革命乐观主义精神。一帮比较聪明的人聚集在一起，有一个明确的目标和愿景，好像什么都能做成。当时就是这么天真地想。
坦诚讲，AI 确实是一条最难的路之一。
一件事的难，第一是难在不确定性。AI 从原始技术底座，到产品化，再到商业化，都有很大的不确定性。第二是难在速度快。AI 这个行业整体节奏非常快。第三是竞争激烈，这可能是最激烈的竞争：全球最有钱、最聪明的一帮人同时在竞争这个赛道。
程曼祺 Manqi Cheng
字节和你们成立的时间差不多，但它的模式好像是很快先完成一个闭环，再完成下一个闭环。
印奇
我觉得可能是不同的人有不同的选择。我的创业初心还是做 AI、实现 AGI，这是一个比较纯粹的初心。
当时我甚至没有想过要以公司的形态来做，当然会觉得公司可能是最自由的状态。但现在反思，我认为这个初心也不完全对。当时更多是由技术信仰驱动创业项目：实现 AI，让 AI 对社会有贡献、有价值。
这是一个宏大的使命，但没有非常具体的商业或客户价值落点。这个初心可能不适合作为一个公司的商业组织驱动力，不能只以它为驱动力。
程曼祺 Manqi Cheng
那你觉得，像字节这样的发展路径，最后有可能反而实现 AGI 吗？
印奇
有可能。
我觉得最终还是很看基因。排除所有历史业务之后，一个公司经过这么多年，最后变成一个组织。这个组织的灵魂，是创始人、核心高管和团队，是整个团队的企业文化和基本假设。
当一个公司经过 10 年，熵增达到一定程度之后，组织内部要再发生本质变化是非常难的。最后要看它的组织基因是否适合这件事。
如果它在上一个时代做到了极致，就代表这个组织非常适配上一件事。如果上一件事和下一件事关联度很高，我觉得就会很合适；如果是两件很不一样的事，就很难。
程曼祺 Manqi Cheng
一代版本一代神。
印奇
对。只是大家有时可能误判了一个版本到底多长时间是一个大周期。
有可能这就是一个大周期里的小版本，一家公司可以从 1.0、2.0、3.0 一直做下来，最后获得特别大的成果；也有可能 1.0 和 2.0 是两件事，那就需要不同的人去做。
程曼祺 Manqi Cheng
接下来想聊聊千里现在的一些动作和迹象。你担任千里董事长已经差不多 100 天了，这段时间主要做了哪几方面的事情？
6. 千里押注AI加车
印奇
千里是一个相对比较干净的平台，但同时也是一个底子比较薄的平台。所以我们要做的事情，就是 CEO 要做的事情：定战略、搭班子、带队伍。总体来说，第一个阶段大概就是做这几类事。
战略方面，我们认为“AI 加车”是核心战略。如何把这件事落下去，还要进一步拆解。我们先定了“双轮”，一个轮子是终端，一个轮子是科技。
终端轮子包括两轮、四轮和两条腿。两轮是摩托车，原来的摩托车业务也有新能源化和智能化的需求。四轮是新能源汽车。但未来我们的打法会不一样。
中国不再缺一家普通车企，只是做一辆新能源车，意义不大。我们会更关注未来更本质的一些车型。如果大家现在都在卷中间档位的乘用车，我们会尽量错开这个档位。
在这个乘用车体系里，我们更多想做的是车 BU，去赋能车企。我觉得到了第二阶段，除了把价值务实放在前面，还有一个很重要的战略就是差异化。
原来第一阶段比较年轻，看到大家在做什么，就觉得自己也可以做。但第二阶段，差异化会成为非常重要的一点。已经有很多人在提供的东西，市场可能并不需要一家新的玩家。
所以在乘用车体系下，不一定需要新的终端厂商，而是需要非常好的供应商，用最好的成本、最高的性能和最标准化的交付，把 AI 做好。这是四轮终端的主体。
终端轮子包括摩托车、新能源汽车，以及未来要布局的机器人。不过现在我们没有特别强调机器人，因为要做的事情很多，阶段性要有 focus。现在更多是以车为载体，科技轮子则是智驾和智舱。
现在最重要的是广义的车 BU 业务，先把智驾和智舱做好，因为这是行业稀缺的能力。
程曼祺 Manqi Cheng
所以未来两年，你们要做的是车 BU：提供完整的智驾加座舱的汽车智能化体验。
但你们做 AI 加车，华为也在做 AI 加车，你和华为肯定会有竞争。你怎么和它竞争？
印奇
我觉得我们还是有差异化的。
做这件事的大战略，有两个关键词：开放和国际化。
开放的意思是，我们以吉利为支点。和吉利的战略合作肯定是最重要的支点，但我们和吉利都相对开放，所以我们和吉利合作之后，一定不只是服务吉利。
华为从芯片到整个产业链都非常闭环，是一套更闭环的体系。我们更多是整合产业链。比如芯片、激光雷达，我们肯定会在行业里选择最优的合作伙伴，而不是自己全部去做。
但行业非常需要一个方案的标准制定者，把不同方案标准化成高中低不同档位，让配置更朴素、更标准化，才能形成规模效应。
所以车 BU 首先要以吉利为起点。旷视原来在智驾领域有很好的技术积累，座舱方面吉利有 Flyme 这样的体系。我们有机会把这些体系很好地整合起来，对外提供一个整体方案。
我们愿意构建一个开放的联盟，联盟里有几家大的车企，大家一起推动标准落地。
第二个关键词是国际化。这也结合了吉利原有的国际化积累，国际化客户可能会是我们的重点。
程曼祺 Manqi Cheng
华为成立引望，引入长安等其他投资方，这不也是一种开放吗？
印奇
我刚才说的开放，是指解决方案本身的开放度。
它的方案是从芯片到各个环节都自己做，还是在不同环节选择行业最优合作伙伴，构建一套联合方案？我说的开放，更多是指解决方案层和供应链侧。
也就是说，它是不是从全球各个产业链里选择最优秀的玩家，再把各个产品整合成一个大方案。
程曼祺 Manqi Cheng
你觉得这两种方式——供应链全部自己做，和更开放地合作——长期来看哪个竞争效率更高？
华为、比亚迪都很喜欢做垂直整合，而且整合得比较深。大家也观察到，垂直整合在成本控制上似乎有一定优势。
印奇
我觉得没有绝对的优劣，更像是产业链周期的问题。
产业链早期，垂直整合往往更高效。因为产业链还没有发展起来，自己做更可控，所以这是更好的方式。
到了产业链快速发展和长期规模化的中期，我觉得开放体系可能更好，因为可以专业分工。每个人做自己擅长的事情，风险也会被分散到产业链不同环节。
到了产业链末期，可能又会被整合，因为产业链已经高度同质化，大家要压缩成本。
程曼祺 Manqi Cheng
之前我采访曹旭东时，他也表达过类似的想法：分久必合，合久必分。
在你们现在这个阶段，千里一定要自己做什么？哪些事情会和供应商合作？
印奇
算法和整体方案一定要自己做。同时，硬件上也要有支点。这个支点，我觉得主要还是芯片。主芯片要有一定的自主能力。
程曼祺 Manqi Cheng
芯片的基础是什么？
印奇
我们肯定还是先和行业最好的玩家合作。芯片本身也有高中低不同档位，我们会选择适合的方式，其中一些差异化部分可能要做得更自主可控。
程曼祺 Manqi Cheng
你们会做其他硬件吗？
印奇
我觉得其他方面没有支点。
比如域控只是一个产品形态，并不是本质。域控可以自己做设计，这肯定要做，但本质上还是软硬结合的一部分。域控再往下涉及生产制造，我肯定不会做。
程曼祺 Manqi Cheng
之前一段时间，很多智驾公司转向软硬结合后，会做域控，也会做传感器。比如大疆车载做传感器，小马智行有一段时间做域控。你怎么看做传感器这种选择？
印奇
传感器只能做非核心传感器。视觉方案里最核心的 CMOS，我们做不了。
CMOS 肯定是 Sony 这样的公司，像现在国内的禾赛也是我们的战略合作伙伴。主流传感器一定会在手机、汽车等不同终端中形成大规模体系，其他公司没有机会做主流传感器。
它们只能做差异化传感器，比如激光雷达、4D 毫米波雷达、双目传感器。这些可以做一些差异化，但我觉得不是本质。
程曼祺 Manqi Cheng
你觉得本质是什么？
印奇
本质就是主链路方案里，未来成本占主体的部分。
传感器主要是摄像头，这个东西它做不了。域控里最重要的是芯片，以及芯片上的核心算法和模型。后面可能还连接着一套规模很大的云端超算体系。
这几个要件才是本质，既影响效果，也可能占据成本的主要比例。
如果要做，就要从这些角度一步一步考虑：这些核心环节到底有哪些事情能真正做？如果做不了，周边做得再多，更多也是产品包装上的差异化，对战局没有本质影响。
程曼祺 Manqi Cheng
你怎么避免其他车企认为，你们和吉利的关系非常深，是吉利生态里的一个东西？
印奇
大家既会关注第一眼的感知，也会更关注实质。
首先在治理结构上，千里是一个更加独立、更加第三方的治理结构。第二，大家也会看到这里面的人才和资源。我们聚集的是 AI 行业最优秀的人才。
最后大家还是会看实质。
程曼祺 Manqi Cheng
昨天吉利自己的发布会上，官宣了吉利千里浩瀚的智驾系统，之后吉利汽车全系都会使用。你们在 3 月初也宣布和吉利及其他合作方成立了一家合资公司。之后，这家合资公司会成为对外输出这些能力的主体吗？
印奇
对。
程曼祺 Manqi Cheng
那其他车企为什么愿意用千里浩瀚？浩瀚上面还带着吉利自己研发的东西，大家会使用千里吗？
印奇
那个公司叫千里智驾，所以还是以我们为主体对外输出。
程曼祺 Manqi Cheng
除了吉利之外，其他客户有什么动向？
印奇
我们的第一个大策略，是服务很多客户，本质上还是一个大客户商业模式。我们希望服务头部车企。
第一，未来汽车不会像手机那么集中，但头部化效应会比较明显。第二，我认为要真正服务好一个客户，客户数量不能太多。
汽车产业链本质上是大客户驱动的体系，所以深度服务好大客户，反而是更好的选择。至少在智驾作为 Tier 1 的角色上，以及现在这个历史阶段，这是更适合的模式。
程曼祺 Manqi Cheng
如果更早来做这件事，你也会这么选择吗？
印奇
也会。
如果没有和整车厂深度结合，就没有基本盘，也没有数据闭环。这里有两个点：一个是商业基本盘，一个是技术支点。
如果能够和一家车企构建一个大的数据循环，我觉得这是未来所有智驾以及一些大模型座舱应用的基础。所有能力都要围绕这套数据来构建。
如果你是一个交付型组织，核心能力就不是构建这套数据循环。这两套能力不一样，所以那种模式未来可能很难持续形成技术领先。
程曼祺 Manqi Cheng
这取决于客户有多少数据，以及它愿不愿意向你开放。
印奇
对，这也由技术范式和商业模式决定。
如果不能和客户深度结合，客户肯定不会把数据给你。这也是为什么我认为，必须和客户深度合作。
程曼祺 Manqi Cheng
长期来看，和几家车企集团深度结合就够了？
印奇
我觉得 3 到 4 家。
程曼祺 Manqi Cheng
这 3、4 家之间不会有竞争关系吗？
印奇
这和客户选择有关。同类型的客户，我们每一类最多选 1 到 2 家，不会超过 2 家。
程曼祺 Manqi Cheng
这次吉利和你们合作的深度和力度，超出了我的想象。包括“千里浩瀚”这个名字，也是千里在前面。这是吉利方面提的吗？
印奇
这是共同决策。这里面涉及心智的建立。
汽车行业还没有真正形成像手机供应链那样良性的分工。手机用了高通的芯片、索尼的传感器，大家会认为这是对手机的加持。但现在车企都觉得要全部自研，这个体系其实很奇怪。大家会觉得 AI 能力放在车企内部还是外部，会不一样。
整个汽车智能化供应链还没有成熟。比如除了华为之外，能不能使用其他供应商，并且让消费者认为这是品质保证？现在还做不到。可能今天使用的供应商，明天公司就倒闭了。
第二个问题是，车企还没有解决：如果核心能力都由供应商提供，我的车差异化在哪里？
这两个问题没有解决时，车企和供应商之间都会处于比较纠结的状态。
程曼祺 Manqi Cheng
回到千里浩瀚这次合作，你们是怎么做到这么快的？昨天发布会上说，下个月就会推送车位到车位的功能。
7. 智驾必须回归基本功
印奇
首先，“车位到车位”的定义还在形成过程中。我举个简单例子：你进出停车场的缴费打通了吗？这些服务没有打通，怎么叫车位到车位？
我个人觉得，智驾产品的颗粒度需要做得更细。现在的智驾还不是一个对泛人群可信赖的智驾。使用智驾的人，对安全性的容忍度差别很大。
大家一般用“接管”这个词。我刚看了一个评测，我觉得它的分类很准确。真正的接管，对不同人是不一样的：有些人的阈值比较低，有些人的阈值比较高。
但很重要的是接管意愿和舒适度。比如有些人胆子很大，就不接管。这件事非常关键。
我觉得特斯拉的整体体验好于国内很多体系。真正驾驶的类人性很重要，它会给人安全感。如果车和人开得不一样，你不知道它是在失控，还是处在什么状态。
在一个路况下，车辆决策的灵敏性，越接近人自己开车时的判断，就越能让普通人对自动驾驶产生信赖感和托付感。
现在技术框架已经在那里，但很多东西还没有打磨成熟。从评测角度看，智驾也没有那么体系化，因为它本身有很多难度。能够把自动驾驶做成用户体验好、可信赖、安全感强的智驾，非常重要。如果整个路段都能让人有托付感，我觉得会非常有价值。
程曼祺 Manqi Cheng
你说特斯拉这一点做得比较好，主要是依靠它的训练框架和大量数据吗？
FSD 来中国之后，大家不是拍了很多视频，说它的表现很离谱吗？特斯拉号称只使用互联网类型的中国数据来训练，对吗？
印奇
这就像让一个印度人直接看视频学中文，难度还是很高的。
但特斯拉的内功确实不错。它的内功取决于整个技术框架：要真正基于端到端模型、VLA 等东西，把白盒规控相对压低。这样车辆的聪明度和适配性就会比较好。
就像它是真正脑子聪明，而不是背题背得多。这一点非常重要。
国内方面，我觉得华为的路线也有差异化。华为相当于通过白盒和黑盒结合的方式进行深度优化，这也有自己的优势。
程曼祺 Manqi Cheng
你们现在更偏向哪一种？
印奇
我们肯定是特斯拉路线。
程曼祺 Manqi Cheng
现在行业里讨论很热的一个趋势，是端到端 VLA 大模型上车。理想、元戎启行等公司今年都会有 VLA 量产上车的方案。千里在 VLA 方向上有什么布局？
印奇
我在车展上讲过，我认为车企对于概念是绝对超卖的，可能做的是 1.0，讲的是 2.0 和 3.0。
特斯拉给了大家一个很好的样板。不管是从有图到无图，再到端到端或者 VLA，我觉得有图到无图是一次非常本质的技术跨越。无图之后，总体上都是模型化的过程。
特斯拉一直在用第一性原理思考。VLA 这些东西没有那么本质。不同模型的选择，其实取决于模型能力和数据积累的量级。
现在国内头部智驾体系的模型化比例都不高。所谓模型化，是指基础模型可以跨平台使用。智驾本质上是不同车型、不同平台、不同区域的交集。
在这种交集下，你的基本功、模型基本功是否像人一样？不管在什么场景下，都能开得不错，不犯基本错误，并且把可行驶性做好。
大家在基本功还不扎实的情况下，加了很多偏规则的东西，最后烹饪出一个端到端系统。就像食材可能不够新鲜，最后加了很多佐料，形成一个端到端系统。
我觉得现在反而需要回到基本功，把模型驱动的体系建立起来。模型驱动也包括后端能力，比如数据系统和云端迭代能力。把这些东西建好，智驾就能做得非常好，并且在安全性和可靠性上达到特斯拉这样的水平，而不是不断追逐概念。
真正全量使用 VLA 的公司会很少。现在可能会加入一些 VLM 和 VLA 的概念。VLM 的加入可能是必须的，本质上智驾是一个垂类感知系统，但为了可扩展性，需要加入更通识的多模态识别，这属于 VLM 范畴。
VLA 是趋势，但不是当前的核心症结。
程曼祺 Manqi Cheng
实际上，特斯拉是不是 VLA，行业里有什么看法？它最近几年没有太多公开技术细节。
印奇
VLA 本质上是一个偏具身智能的概念。在智驾场景下，我觉得 VLA 不本质。
如果能做出非常好的两段式或一段式端到端模型，再加上 VLM，很好地融合，已经能够把智驾任务解决得很好。
程曼祺 Manqi Cheng
你能具体讲讲，为什么你觉得 VLA 在智驾上不本质吗？
印奇
可以先简单解释一下 VLA 是什么模型、用来处理什么任务。
VLA 的 3 个字母分别是 Vision、Language 和 Action。它本质上是在模拟人的一套行为系统：以视觉为主的输入，Language 本质上代表逻辑和判断能力，Action 则是输出，能够执行不同操作。
这更适合具身智能，比如机器人。机器人有手有脚，感知系统比较多样，有自己的决策逻辑，要处理不同任务，最终还要控制手脚和其他执行器。这是一个多对多、n 对 n 的匹配，所以是 VLA 模型的大框架。
智驾对可靠性和灵敏性的要求非常高，但它的动作空间相对可控。开车基本就是方向盘、刹车和油门，所以 Action 的空间比较小。
你可以说所有端到端模型都是 VLA，但我总体认为，当前中国智驾的核心问题是各个模型子模块做得不够到位。
模型本质上有两部分：第一是前面的大感知模型。看特斯拉会发现，它的检测可靠性和反应时间都很好。反应时间不只是模型问题，还和整体架构以及软硬件逻辑有关。它的感知系统更加可靠、更加灵敏。
第二是规划和控制的决策模型。国内大部分系统里，规则占比仍然比较高。规则占比高的缺点是普适性和推广性比较差。中国当然可以通过大量写规则，做到不错的体验，但长期技术迭代会比较困难。
所以现在国内几家头部企业也在慢慢回归本质：把前面的大感知模型和后面的规划控制模型做好，并且对软件和硬件进行纵向深度优化，让车辆在性能、时延和成本上达到更好的状态。
我觉得这可能是未来 1、2 年智驾的实际主旋律。
程曼祺 Manqi Cheng
你觉得 VLA 在具身智能上已经被证明是主流方向了吗？还是还要继续观察？我感觉机器人行业内部也有分歧。
印奇
我觉得会是主流方向，但现在这条路径还没有真正走通 scaling law。
大方向肯定没问题，但现在有两条路线：一条是通过真实采集的数据，另一条是通过仿真数据。具体逻辑能不能成立，还需要验证。
连自动驾驶在硬件标准化、场景和动作空间都相对有限的情况下，都还需要走很长的路，所以具身智能的大方向应该没问题，但具体怎么迭代，还会有很多变化。
程曼祺 Manqi Cheng
在大家现在设想的 VLA 结构里，最后输出的动作已经是很微观的动作了，比如机器人的轨迹和行动。那中间那些更宏观的任务拆解，在智能机器人或者 VLA 系统里是怎么被理解和拆解的？
比如我现在要去机场，正常人的思考路径可能是：先决定坐公交还是打车，确定去哪个机场，再查询航班。如果最后只是输出动作，岂不是变成先迈左脚还是先迈右脚？它怎么处理复杂任务？
印奇
你问的问题非常本质。现在这个问题太复杂了。
VLA 可以把这 3 个词换成输入、决策和输出。Vision 是输入，Language 代表逻辑，Action 是输出，这基本上包罗万象。
关键问题在于，整个思维中间的空间到底怎么定义，从宏观、中观到微观，都还不明确。
宏观上，比如“我要出去旅游”这样一个复杂任务，到底怎么思考，最后形成什么样的中间表示？是变成行程、时间和空间上可以具体表达的点吗？这些都不确定。
有了这样的规划之后，如何转化成更微观的一系列动作，动作又应该怎么表示，也不确定。
现在大家做具身智能，更多是在做 showcase，是人为定义一个空间，然后在这个空间里完成任务。所以我觉得现在仍然是 toy 级别的实验和初步结果，还有很长的路要走。
大脑和小脑本身的空间定义都不明确，很难建立一套从高维逻辑推理到底层行为动作之间的完整框架。
程曼祺 Manqi Cheng
这也呼应了你之前提到的一点：你觉得现在还不是机器人爆发的时机。
印奇
我觉得车就是一个明确的、最好的机器人载体。大家一直在讲服务机器人，但反过来想，车就是最好的出行服务机器人。
这件事还没搞明白。特斯拉都还没有做出来，怎么就开始生出更多机器人了？
程曼祺 Manqi Cheng
回到智能驾驶技术的发展，你觉得接下来中国这些公司能不能让基础功变得更扎实，继续逼近更好的智驾水平？主要看什么？
8. 技术判断必须落地
印奇
做 AI 技术，最后取决于两个方面。第一是创始人的大战略是否坚定，第二是团队整体的技术能力，也就是技术上限。
程曼祺 Manqi Cheng
战略坚定性和技术上限，那战略坚定性又来自什么？
印奇
来自创始人的认知。他到底觉得这件事有多重要，第二是这件事应该选择哪条路径，第三是投入节奏应该是什么样。
程曼祺 Manqi Cheng
这种认知靠什么建立？靠技术品位吗？不是技术背景的人，怎么获得技术品位？
印奇
技术品位是一个很高级的词，还是和背景积累有关。
做技术的人会有技术 taste，会有一种直觉，觉得什么东西可行，什么东西更终极、更优雅。我觉得还是取决于对这件事认知的深度和体感。
比如做推荐、搜索的人，对大模型未必最直接相关，但肯定比其他领域的人认知更深。这是一个连续值，和他后天对这件事的关注度、学习量有关。关注得更多，体感就更强。
程曼祺 Manqi Cheng
如果一个人没有很长时间亲自做研究的手感，只是通过看论文、和专家交流来形成直觉判断，他能学到什么程度？
印奇
最后还是看程度。很多东西下面靠勤奋可以习得，上面有一段是手艺，最终更偏天赋。
但我觉得现在还不需要到天赋的程度，可能到手艺这个层面，在现在的商业逻辑下，就足以做出一些商业判断。
程曼祺 Manqi Cheng
手艺足够让你坚定地相信一件事吗？尤其一个技术方向可能会经历挫折，试了一段时间效果并不明显。
印奇
没有办法。
但我觉得不要神话这件事。在现在的技术范式下，整个技术路线的信息总体比较透明，没有那么 magic。我也不认为国内任何一家公司独创了某条技术路线，大家更多是在学习和 follow。
技术路线的实现和选择仍然是选择。比如 3 年前或 5 年前，可能有 Waymo 路线和特斯拉路线。有的公司选择 Waymo 路线，如果我们一开始就选择特斯拉路线，这就是对技术趋势的判断。我觉得这里面还是有一点手感和逻辑的。
在这种情况下，更多就是看你能不能选择正确的团队，从技术一号位往下，选择什么样的人把事情做成，以及能多快做成。这更多是执行问题。
程曼祺 Manqi Cheng
如果不神话技术判断本身在这件事里的占比，最后要真正把汽车智能化这样一件技术含量很高、AI 含量很高的事情落实，还需要哪些关键核心能力？
印奇
第一，技术路线要有好的判断。
第二，要有很强工程化能力的落地团队。
第三，要有很好的资源整合能力。你要有资金，也要有各方面资源。
最后，对商业模式的大框架要有正确判断。搞技术的人未必最擅长商业模式，但你至少要知道什么模式不行、什么模式可行，要有一个基本判断。
这几个要素都 OK，大方向上就没有太大问题。
很多商业模式，西方比我们更擅长设计。比如特斯拉有订阅模式，就不要把它改掉，该订阅就订阅。软件如果没有订阅，不可能持续提升。
硬件可以卖一辆车，成本一次性压缩进去。但软件如果想持续提供最好的体验，就一定要 OTA、不断迭代。如果模式里没有订阅逻辑，供应商就没有动力持续提供最好的体验。
程曼祺 Manqi Cheng
所以你不太赞同现在一些智驾方案在卖车时一次性卖掉？
印奇
我不认为智驾最后应该是免费，或者按照成本项来做。它应该让用户额外付一笔钱，不管是 license 费用，还是一次性购买，都应该有一套测算模型。
这能真正让供应商为 C 端用户提供更好的体验。如果 C 端不付钱，涉及的是 To B 模式还是 To B、To C 模式。我认为车上的 AI 核心应用应该是 To B、To C 模式。
用户愿意为最好的产品付费，产品的钱只有在 C 端付出的情况下，才有机会让 C 端、整车厂和供应商之间形成分润逻辑。供应商拿到一部分钱，才能持续迭代。
如果这个模式不能走通，长期就不可持续。既然已经有特斯拉方案和华为方案，如果有第三家能把产品体验做到同样高度，也应该沿袭这样的模式。最终这对 C 端消费者是有好处的。
程曼祺 Manqi Cheng
接下来想聊聊，在这次大的变化之前，从 2019 年到 2024 年底，旷视和你自己的状态都处在一个相对低谷期。也有人说你沉寂了 5 年。这 5 年给你带来了什么？
9. 五年低谷塑造务实
印奇
我们有点像 stuck 在那里，卡住了。
我本质上是以成长线作为驱动力的，这个成长包括个人、组织和公司。对我来说，这 5 年其实是组织团队成长特别快的 5 年。
大家讲闭环时，我觉得有一个比喻：像封口一样，拿一块板把最后一道缝盖上。你会发现，越接近最后那一刻，压强越大。一件事从 80%、90% 到 95%、99%，越往后越难。
信息量更大，成长节奏也更快。有时大家觉得做到 80% 好像就能闭环，其实不是。没有做到 100%，你会发现后面可能越往后越难，难度是指数型增加的。
所以我觉得，这 5 年整个团队经历了很多考验和磨炼，这反而非常好。
我还认为，互联网时代是中国乃至全球商业史上很少见的阶段。互联网时代，一个创始团队可以依靠长板很快获得巨大成果，但大多数创业企业都很难。
在 AI 领域，过去十几年早期走得还算快，整个行业都走得很快。但 AI 产业本质上更像实体产业，我们的积累还不够。所以这 5 年也可以叫“蹲苗”：把土压一压，让大家做得更扎实。
程曼祺 Manqi Cheng
你说早期比较快，具体指哪个阶段？
印奇
从创业到 AI 发展的第一阶段，整体都比较快。AI 公司融资比较顺利，规模扩张也比较快。
程曼祺 Manqi Cheng
第一阶段是在 2018、2019 年左右结束的吗？
印奇
差不多。那时候大家其实都没怎么商业化，现在也没有真正商业化。
前段时间那个Sati啊，C那个苏软奇有去讲了一点，就是说如果AI真的如大家讲的这么牛，它就应该是把整个全GDP提个百分之十。At least，对吧？那现在AI没有这样。
纯 AI 应用还没有真正创造出 1 亿美元级别的利润，我不确定有没有；10 亿美元级别的利润，全球肯定没有任何公司做到。
我说的是 AI 主导、AI 加成的应用。全球都没有。
我觉得利润是商业模式的一个重要指标，收入不是。比如一个 5 元的东西，你愿意以 2 元卖出去，收入可能很高，但利润不代表价值。长期看，利润和价值是最绑定的。它说明我们还没有创造出一个合适的商业价值，能产生这样的利润。
程曼祺 Manqi Cheng
互联网也有很多公司在很长时间里没有利润，最后却获得了很多利润，比如亚马逊。为什么 AI 不一定会这样发生？
印奇
这和商业底层逻辑有关。
互联网的底层逻辑是网络，也就是连接。连接更多用户，最后通过用户变现。因为网络扩张成本低，所以很容易形成垄断性。
如果互联网没有垄断性，结果也会不一样。互联网本质上实现了实质性的垄断。
但 AI 领域，至少现在看上去还没有形成这样的格局。一个模型是只有两家公司可以，全球只有两家做，他们一定盈利了，这还是垄断性的。原来的互联网公司都是以网络效应形成垄断性，而 AI 现在的模式还是以研发驱动，研发驱动这件事情，我觉得很难在短期形成垄断性。
程曼祺 Manqi Cheng
你刚才说自己以成长线看这 5 年，公司成长了很多。具体来说，哪些方面成长了？包括你自己的认知。
印奇
第一，我觉得变得更加务实和本分。
以前很多 AI 公司对投入产出没有这个 mindset。我认为所谓商业模型，本质上就是 ROI，也就是投入产出。你要框定一下，大概要投入多少钱，potentially 能有多少回报。
哪怕是内部研发项目，也应该有一个大框架。当然有些是短期投入，有些是长期投入，但都要有判断。
所以第一个本质变化，是整个团队更加从商业角度务实地考虑问题。
当时我们上市聆讯时，委员里有两拨人让我印象很深。一拨人问：“你们为什么没有去造火箭？你们是中国的 SpaceX，怎么还不行？”另一拨人问：“你们的财务报表为什么亏这么多钱？”
我觉得这两拨人说得都对，但这也反映了现实：没有真正好的商业模式，就无法支撑技术信仰。没有人会永远给你钱做投入。
真正做好科研的前提，是先自己养活自己，再用赚到的钱中比较大的比例，投入到想做的科研方向。这是可持续的模式。
程曼祺 Manqi Cheng
这就是你说的闭环：自己赚的钱投入到下一个闭环。
印奇
对。第一个闭环创造的价值，帮助你做第二个更大的闭环，一步一步走上去。
它不应该只是短期有收入、能赚钱，但没有长期发展性。有些短期收入未来可能变成利润，但最后还是要看一个大的判断：进入稳定状态后，ROI 是什么样。
程曼祺 Manqi Cheng
你刚才说的那两拨人很有意思：一拨嫌你们不够仰望星空，一拨嫌你们不够脚踏实地。
印奇
都是既要又要，而且马上要。我觉得也无可指摘，这就是竞争环境。
最后，谁做成了，谁才可能成为中国这样一个高度竞争环境下的行业领军企业。这就是卷的本质。
卷不只是外部环境恶劣，也包括你要做的事情本身难度很高，很难平衡。
全球都没有实现闭环的 AI 公司。唯一我知道体量稍大、可能有绝对利润的，是 Midjourney。我最早听到的数据是，它的累计利润可能有 1 亿美元，甚至略高一点。
它当时投入没有那么大，抓住了一个比较好的机会，产品形态也很简单，阶段性形成了势能。这是我听到的利润比较高的团队。
程曼祺 Manqi Cheng
视频生成有一些团队也快盈利了。
印奇
可以说是快盈利，但也可能永远在快盈利的路上。
图片生成和视频生成变现更快一些，相比大语言模型是这样。但它可能是阶段性变现，因为图片和视频生成的底层一定强烈依赖大语言模型。
大语言模型一旦发生本质变化，原有体系可能就很难持续。我有个预感，今年内图片生成会发生本质变化，是因为大语言模型底层会发生变化。
所以那个生意可能是短期生意，利润也不会长期可持续。模型性能会发生阶跃式变化，原来的商业模式可能很难继续。
程曼祺 Manqi Cheng
如果有人开源，其他图片和视频生成公司也可以使用吗？
印奇
可以。它的价值就变成客户价值和社区价值，大家愿意在那里使用。
但用户没有那么强的忠诚度。如果出现另一个明显更好的体系，原来的产品就没有什么壁垒。
程曼祺 Manqi Cheng
你刚才说，这 5 年认识到商业模式本质上要看 ROI。当时发生了什么事情，让你形成这些思考？
印奇
钱紧张的时候，你会发现每一分钱该怎么花，思路就不一样了。
程曼祺 Manqi Cheng
这期间你是不是也更细致地看公司的财务情况？
印奇
当然。以前我管的是一个比较大的组织，不会一笔一笔去看，但这其实挺好的。
工程师的个性通常希望事情很 organized。一个公司会发现，对效率有很多要求。运营、治理结构等各方面，其实都有很多浪费，有些资源并不需要花这么多人和这么多钱。
融资容易的时候，历史上确实花了很多钱。这些都是学习的过程。
一个创始团队从管理 100 人到 1,000 人，再到 10,000 人，会遇到不同阶段。400 人左右是一个坎，1,000 到 2,000 人又是一个坎。我们大概卡在 2,000 人左右时，管理能力没有跟上。
我甚至认为，现在大部分 AI 公司的管理水平还不如我们当时。大家需要在这个过程中成长和学习，才有机会进入下一个阶段。
除了商业化和价值务实，第二点就是经营。经营不只是钱，还包括组织流程、组织效率，以及效率和管控之间的平衡。
第三点，可能是对人的筛选。创业时大家都讲创业精神，很多人都有创业精神，但最后对创业这件事有一个阈值：公司有多大挑战，能不能充分认可这件事，是否愿意持续留下来。
最后留下来的人，可能处于一种更志同道合的状态。这 5 年里，有人离开，也有新人加入，最后汇集成一个有战斗力的组织。
程曼祺 Manqi Cheng
我们展开聊聊经营。你刚才说，自己更细致地看财务，发现以前有些地方效率不高、存在浪费。你系统提升公司经营，大概是在什么阶段？具体做了哪些事？
印奇
大概是过去 3 年。以前我们在技术上很讲量化，但经营上没有那么量化。
量化就是看一个公司的产品毛利率、行业水平，以及经营费用的不同占比：管理费用、营销费用、研发费用分别是多少。
我们的特点是原来研发比例很高。我的研发体系和营销体系，可能长期是 3 比 1，甚至 4 比 1。后来在不同行业，基本都调到 1 比 1。
也就是说，研发花的钱和把产品卖出去花的钱大致相当。你会发现，真正把体系调到 1 比 1 时，业务开始逐渐盈利，或者进入相对良性的状态。
我们一直说要市场导向、客户导向，但这很难。后端研发资源充裕时，很多时候你会不断研发产品，产品还没卖出去，就开始研发下一代。
研发体系一定要让市场体系来买单，让研发同学感受到是市场在养活你。这一点很重要。这样预算结构才能自然和客户驱动绑定。
如果后面的研发不需要前面的人决定预算，它就会按照自己的想法做研发。无论怎么组织拉通都不行，最终一定要靠价值链来绑定这个机制。
真正贯彻客户导向、市场导向，不是靠说，也不是靠沟通，而是靠机制和价值链。
公司有几个关键的价值链：供应链、产品和市场。最终一定要让客户侧成为火车头，把压力传导到前面。这里还涉及资源、决策权和组织配比。
程曼祺 Manqi Cheng
这些事情你是怎么想清楚的？
印奇
首先，内部遇到问题时，要自己先发现问题。第二，还是要向行业学习。
研发和营销从 4 比 1、3 比 1 调到 1 比 1，这个比例就是一门手艺，要自己调出来。不同公司不一样，AI 本来就是重研发体系，其他很多公司研发费用可能只占 10%。
当你调到 1 比 1 时，研发人员一定会说资源不够，他们想做的事情确实做不完。但从 To B 的角度看，一个产品有自己的周期。这个比例是由财务盈利性反推出来的，有些产品要顺应趋势，有些产品就不要做。
反而这样会让产品更加聚焦，这是一种平衡。
我对管理有个观点：很反对管理上不断提出新概念。人性亘古不变，人的组织本质上没什么变化。
我看冯唐讲《资治通鉴》，其实也是借古看今。人的本质没有太大变化，所以要学习已有的惯例和人性。
但为什么管理框架用到公司里经常效果不好？第一，现在没有哪个管理框架是完整、立体的体系。
比如学习华为，你要知道它在收入处于第一个阶段时，市场竞争环境是什么状态，采用了什么组织方式，再一步一步发展到现在。你要把战略和适合自己的组织管理逻辑匹配起来，还要匹配对应阶段，这很难。
很多人学习时，可能拿今天的自己去学华为收入几千亿之后的管理方法，这当然不匹配。
程曼祺 Manqi Cheng
你学习其他公司时，会看它的历史吗？以及怎么调整成适合自己的方式？
印奇
大部分公司都没有把管理体系在不同阶段梳理得特别好。
早期没有这个时间和条件。公司还没决定能不能活下来时，没有 luxury 去沉淀方法论。真正发展起来之后也很难，因为当时很多人已经离开，很多事情无法还原；而且很多内容是事后回忆，和当时的情况已经被美化了。
所以这首先是一个 mission impossible。
最后只能拿一些片段信息，自己把它们融合起来，形成一套方法论。但我反对的观点是，融合之后不要觉得自己创造了新东西。它其实是人类重复了千百遍的东西，只是原来没有一个全貌。
大模型很有意思，它有点像把人类在互联网上的知识融合起来。你会发现，人类不断重复提出同样的概念。如果大模型足够强，你问它一个概念有多少次被提出，会发现人类一直在重复。
所以不会有那么大的 ego。不要觉得“我好像找到了一套新的方法”。很多 fancy 的管理学概念，问它历史上有没有类似概念，应该都能找到。
我有一个核心观点：世界是连续的。如果你对创造过程有全面、透彻的理解，就会发现它是演进和排列组合。我不认为存在真正颠覆性的创新，所有东西都是连续的。只是你不了解那条看不见的连续轴。
程曼祺 Manqi Cheng
你说世界是连续的，是指技术连续，还是更广泛的意义？
印奇
所有东西都是连续的。任何东西都有迹可循、有因果，到那个阶段自然会发生。
程曼祺 Manqi Cheng
你是什么时候想到这个观点的？是因为看到很多人认为事情会突变吗？
印奇
这是我的底层世界观。
从这个世界观看，很多人认为的创新、颠覆式突变或者意外，本质上都不是，或者说不够本质。
程曼祺 Manqi Cheng
这个世界观继续往下推导，会导致你哪些不同的判断和行为？
印奇
它可能会让一个人更加本分，在因上做更多努力，而不会太苛求结果。
程曼祺 Manqi Cheng
那这几年你做了哪些因上的努力？
印奇
主要有两点。
第一，整个管理团队学习管理。原来我们在管理上做得很少，感觉是在做，但其实没有真正做。
管理里最重要的两个方面，一个是目标管理，一个是绩效管理。每家公司都在做，但 99% 的公司没有认真做。
比如目标管理，看似大家定了一个目标，但定目标的过程很重要，要深入讨论这件事。很多商业决策最后发现错了，并不是当时不能做出正确决策，而是当时对各种因素、风险、竞品没有深入分析，漏掉了一些信息。
复盘时很容易找到“当时没发现这个点”，但要有机制，在目标管理过程中深入排查。需要有一套方法论和流程保障，所有点都触及之后，再设定目标。
这很难。对公司来说，能投入多少资源，以及在多变的外部环境下能做到什么程度，都是灰度，不可能 100% 完美，但至少要做到足够好。
绩效和激励也很难。盈利业务的激励相对好做，因为可以创造价值、分享价值。但未盈利业务，尤其是早期孵化和探索期，激励很难。
探索期需要能力很强、综合能力强、创新能力强的人，成本也很高，需要高激励和高反馈。但早期探索可能失败，或者最终没有价值，这时就无法简单地按照创造价值、分享价值来做激励，所以需要设计一套对应关系，而这套关系很可能并不合理。
程曼祺 Manqi Cheng
你刚才说了第一个，管理层学习管理。第二个是什么？
印奇
第二个是锻造组织。
有了管理方法论，最终还要靠核心 leader 去实现。没有这帮人，理论落不下去。这些人要经过最艰苦的阶段才能留下来。
没有经历过艰苦奋斗、没有打过硬仗的团队，很难真正让组织有战斗力。
程曼祺 Manqi Cheng
不是所有企业家都经历过艰苦奋斗。你自己经历过这种体验，怎么描述什么叫艰苦？
印奇
我觉得大部分成功的人都经历过。
所有实体产业几乎都需要经历这些东西，没有谁能特别平顺地达到比较高的高度。
张一鸣可能是现在看起来比较顺，但他早期也说过，关键是认知，上限就是认知。如果认知到那个程度，就能做到那个程度。
大家讲知行合一，但不是认知到了就能做到。互联网之所以让聪明人容易发挥，是因为它的平台构建得很好。上游是流量，下游是广告，中间就是做好产品，商业模式很固定。
在这种范式下，人比较容易闭环。一个人在某个认知上很强，也许就能做到。但其他产业不是这样。
AI 里很多事，是你判断到了，却未必做得到，而且有很多外部环境无法控制。
程曼祺 Manqi Cheng
我觉得你们很多判断都很对。比如 2016、2017 年开始做软硬结合，也做了很多布局，但后来因为一些不可控原因，没有实现这些布局。
印奇
也没有完全不可控，还是能力问题。
你刚才说得很对：从认知到做到，在人类历史上为什么要讲知行合一？当然不是认知到了就能做到。
大部分事情我都觉得不是认知问题，或者说肯定不只是一个、两个团队认知到了那个高度。至少有几个团队都能达到那个认知高度。
最后为什么传统企业讲执行力？执行力的意思不是别人认知不行，可能大家都能认知到，而是要看做到什么程度。
不管是制造业还是服务业，你看很多企业，为什么说海底捞“你永远学不会”？大家都说要以客户为中心，要给客户超预期体验，但怎么做到？
互联网时代，大家觉得 what 很重要。但在大部分商业场景里，how 可能更重要。
还有一点，认知伴随着生意的阶段。你的用户是 100 万、1,000 万、1 亿还是 10 亿时，认知完全不一样。
如果走到 1,000 万用户，只要认知还 OK，就可以获得新的认知。但很多组织会卡在 100 万用户，之后就不会再获得新的认知。
这又回到鸡和蛋的问题。如果认知能把你快速推到下一个阶段，就能形成认知迭代的节奏。但如果认知到了却做不到，认知和局限就会一直停留在第一阶段，无法形成飞轮。
程曼祺 Manqi Cheng
这个过程会让人觉得痛苦吗？尤其是很聪明的人，往往追求认知提升。
印奇
我已经没有那么强的聪明执念了。
程曼祺 Manqi Cheng
你是什么时候发生这个变化的？
印奇
可能就是最近 5 年里的某个节点。
聪明当然有用，组织里一定需要很多聪明的人，尤其研发体系。但从公司角度看，聪明不能解决所有问题，甚至只是其中一部分。
如果公司能快速迭代，用户不断上台阶，业务不断发展，认知自然会成长。如果业务卡住，认知也无法向上成长，就会带来很大痛苦。
但我感觉自己已经过了那个阶段。那个阶段更多是 ego 驱动，觉得自己认知上很厉害，能够看到别人看不到的东西。
我现在觉得这不是最重要的。最后还是结果重要，价值重要，创造价值重要。
程曼祺 Manqi Cheng
这个转变是怎么发生的？
印奇
被毒打之后发生的。
程曼祺 Manqi Cheng
是在 2019 年之后吗？
印奇
对。
我其实从来没有考虑过金融相关的事情。很多聪明的人在做金融、比特币，但我没有考虑过。那可能是一个游戏，却没有给我真正的价值感。
程曼祺 Manqi Cheng
你觉得自己的底色里，本来就比较追求实际价值，而不是证明自己？
印奇
金融也可以证明自己，证明自己是最 smart 的人，或者策略最有效。只是要看你想在哪个层面证明自己。
聪明人赚一些钱肯定都能做到，不是赚很多钱，而是过一个基本生活，我觉得不难。
最近 5 年，我是转向结果更重要了。我想做自己真正认可的价值创造。价值创造包括公司经营得好、构建一个好的组织，也包括在行业上推动行业走到下一个阶段。
程曼祺 Manqi Cheng
拿到结果的过程，从想到一个东西到真正做到，需要很多辛苦、繁琐的工作。有哪些是你不喜欢的？你怎么接受这些不喜欢的部分？
印奇
其他都还好。所谓结果导向，就是一切以结果为导向。其他东西都可以做一些短期牺牲。
程曼祺 Manqi Cheng
你最近有一些表达，可能和这些年的感受有关。比如在 JV 活动上，你说节奏可能比方向更重要。这是什么意思？
印奇
这是我一直的观点。
真正能看到大方向的人其实不少，但为什么节奏重要？这也是 ROI 的问题。就像最后要冲刺，你要在什么时间点发起冲刺，可能决定你是不是第一个到达终点的人。
这取决于你对技术成熟度、商业化以及产业普及阶段的判断。
我甚至觉得，在中国需要两种能力。第一，技术上要有前瞻性布局。技术本质上是不可压缩的，很多认知、人才团队和基础技术研发都需要时间。有时不需要 1,000 人做 1 年，但可能需要 100 人做 3 到 5 年。
所以技术上要提前布局。
第二，在产业技术成熟到商业化临界点时，要有很强的爆发力。很多时候，包括大模型和智驾，都在反复验证这个例子：不一定先发就一定第一个到终点。
因为技术底层可能发生本质迭代，到了最后冲刺时，要知道什么时候开始冲刺，并投入饱和资源。团队能力足够强，才有机会后发先至。
程曼祺 Manqi Cheng
去年我们聊的时候，你说公司应该在没有生死存亡压力的前提下，保持最慢的发展节奏。这个想法和现在的逻辑一致吗？
印奇
是一致的，就是最后冲刺理论。
在行业前期，应该做好布局，在 ROI 上做合适的投入，对技术和人才进行核心储备，同时高度把握产业节奏。
到了决战时，要做好准备，集中最多资源，打一场单点狙击战。
决战时是快的，前面则是漫长的储备和等待。最后就看冲刺能不能赢。
程曼祺 Manqi Cheng
智驾的冲刺信号是什么时候响起的？
印奇
至少是去年理想把端到端做出来的时候。
程曼祺 Manqi Cheng
你现在把握怎样？
印奇
赢了再说。
程曼祺 Manqi Cheng
更完整地说，你们几个节奏点是怎么判断的？
旷视最早在 2017、2018 年就开始看智驾方向，真正决定投入更多资源是在 2021 年之后，之后也拿到了吉利等客户。在此之前，这几个节奏是怎么预判的？冲刺之前的缓慢阶段，你们储备了什么？
印奇
我们一直非常关注智驾。早期智驾的技术路线不成熟，商业模式就更不成熟。
到 2021 年，我们觉得两个要素都 OK 了。技术上，基于 BEV 的端到端大框架至少已经走通。商业上，特斯拉以及蔚来、小鹏、理想等新势力，还有华为入局，基本走出了最早的探索期，进入大规模量产期。
程曼祺 Manqi Cheng
有人觉得你们 2021 年才开始大投入比较晚，但这是你想要的节奏吗？
印奇
最后还是要看能不能打赢。相当于后发先至，但要看能不能真的先至。
程曼祺 Manqi Cheng
你 2021 年拍板做智驾、投入这件事时，上市影响是考虑维度之一吗？
印奇
我从来不把资本市场当作目的。我可能会考虑这件事是否对上市造成根本性干扰，如果没有，就会去做。
程曼祺 Manqi Cheng
在 Tier 1 层面，什么时候能看出赢的结果？
印奇
明年。
程曼祺 Manqi Cheng
怎样算赢？
印奇
或者说，继续留在牌桌上。
我觉得这个市场不是你死我活，能留在牌桌上的可能已经不多了。现在可能还有 5 家，最后我觉得最多 4 家，更可能是 3 家。
程曼祺 Manqi Cheng
所以你们的目标，是成为剩下的 1、2 家之一。年底或者明年年初，战况会比较明确？
印奇
对，明年年初可能会比较明确。
程曼祺 Manqi Cheng
关键是 L3 吗？
印奇
怎么叫赢，我觉得要看 3 个体系。
第一是数据体系。最终我还是坚定地认为，要走数据驱动大模型的逻辑。能不能和汽车终端体系形成一套完整的数据体系，这是非常重要的。
第二是纵向整合和协同，从整车解决方案到算法模型，再到芯片。这个体系的整合性能决定成本和规模化能力。
第三是商业客户体系。你要形成一个阵营，或者一个联盟。你能不能为头部客户提供差异化价值，让大家在这个联盟里互惠互利、共同创造价值。这 3 个体系都需要设计。
程曼祺 Manqi Cheng
你刚才也说到资源整合能力很重要。吉利非常擅长资源整合。你和吉利合作的过程中，有没有新学到什么？
印奇
大家讲吉利是在做资本整合，但我倒觉得资本整合和它的战略愿景是一脉相承的。
汽车本身是重资产，汽车品牌就是资产包。传统燃油车时代，很多核心技术不是从零开始就能做出来的。吉利做这些资本合作，源于开放性，以及希望获得优质资产的战略愿景。我认为这是一个很理性的操作。
看国外车企也会发现，一个车企下面往往有多个品牌。还是要看这个行业的属性。
吉利讲开放和国际化。如果它要做国际化，资本也可能是一条比较好的通路。
但资源整合千万不能作为目的，资源整合是手段。最终目的是一个真实、落地、产业驱动的事情。你通过某种方式形成连接或合作，这是手段。
程曼祺 Manqi Cheng
从创业初期到现在，你是什么时候开始觉得，自己对资源整合以及资本操作的认识更深、更了解，甚至会主动使用这些手段帮助事情做好？
印奇
我一直都很被动地使用这些手段，都是不得不的时候。
如果能通过研发、产品和市场这些常规手段解决，就尽量用常规手段。但到了关键节点，需要打通一些环节，而企业又有这样的机会，就该做就做。
程曼祺 Manqi Cheng
你刚才说自己都是被动使用。旷视以前收购艾瑞思等尝试，基本上都是你们内部孵化的，并不是外部理解的那种收购，对吗？
印奇
对，不完全是大家理解的收购。
技术背景的人相对有内向的一面。大家希望按照自己的节奏做事，把好的技术和产品做出来，再投向市场，这个节奏最舒服。
程曼祺 Manqi Cheng
你觉得这会是一种局限吗？
印奇
会。
我观察到，技术背景的人有一些共同特性：希望事情做得 solid、扎实，不希望过度宣称没有做到的事情。
但在中国市场，本质上仍然是市场驱动。至少过去的历史里，市场是一个主要因素。市场上成功的公司，往往可以通过后续努力补齐技术和产品短板。
程曼祺 Manqi Cheng
你什么时候开始认识到这是一种局限？
印奇
从创业早期就知道。我们只会把东西做出来，不会卖出去，这显然是局限。商业的本质还是要把东西卖出去。
程曼祺 Manqi Cheng
你在这件事上能力有比较大的提升，是什么阶段、因为什么？
印奇
能力可能有所进步，但不是主动进步，而是不断被挫折、被打击之后，不得不有所进展，为了活下去。
程曼祺 Manqi Cheng
你觉得还没有达到理想状态？
印奇
我也不想到理想状态。够用就行。
每个人都有长板和短板。我最近看到车圈很多创始人学习雷军，能够出来做宣传，我很佩服。
程曼祺 Manqi Cheng
你的意思是，如果让你做这件事，会觉得比较为难？
印奇
对，不太希望做这种事情。
主观意愿是一方面。现在大家比较同质化，更多以营销为核心。
中国直播产业能发展得这么好，代表它是用户驱动、市场驱动、渠道驱动的事情。产品已经充分供给，最后谁掌握渠道，谁就有更确定性的商业机会。
程曼祺 Manqi Cheng
最后想聊聊你自己的变化。你的联创和同事都说，你比之前更狠、更杀伐决断。你自己观察到这个变化了吗？
印奇
我觉得有。可能是更追求结果。
程曼祺 Manqi Cheng
你刚才说，在更细致地管理公司经营时，把研发和营销费用比例进行了调整。你是增加营销资源，还是砍掉研发资源？
印奇
不同业务板块不一样，是一个平衡。有些是增加，也有些是既减又加。
程曼祺 Manqi Cheng
为了结果砍掉一些研发资源，是什么样的过程？你是一开始就能做出这个决断，还是慢慢更能做出决断？
印奇
这有两个层面。
从人才角度，我们非常爱惜人才。如果有优秀的同学，我们会把他们放到新的方向上。对人才没有减少的逻辑，优秀人才我们希望更多。
尤其是内部所谓 super 级的人才，真正最好的同学，我们会持续争取。随着旷视从低谷期走出来，有了场景和资源，我们对真正人才的吸引力，也会恢复到过去相对较好的状态。
人才上我们一直非常爱惜，因为优秀人才是最稀缺的资源。
程曼祺 Manqi Cheng
你更结果导向，还表现在哪些地方？
印奇
磨炼下来，对结果达成的执行力有了很大提升。
原来我们更像一个创意型组织，有很多 idea，但做事情经常做到七七八八。当一件事必须在某个节点完成时，大部分时间会 miss。我们很难真正做到指哪打哪，组织比较松散。
现在有更多组织机制和文化来保证大家在节点上冲刺，拿下目标的能力比原来强很多。
程曼祺 Manqi Cheng
这个转变是什么时候发生的？
印奇
可能就是最近 1、2 年。
程曼祺 Manqi Cheng
最近两年在哪些项目上历练了这种能力？
印奇
基本上都是从生死大战里打下来的。经历过这些战斗的人，才能吸收这种能力。
程曼祺 Manqi Cheng
你们最近两年的生死大战是什么？
印奇
不同维度，挺多的。
在上市公司旗下，很多协调和流程非常复杂，资本市场上有好几场战斗。
智驾方面，吉利量产的第一个智驾平台也很有挑战，因为算力相对有限。我们要在这个平台上做到量产，并且达到行业最优性能。
由于平台本身的因素，它和一些高阶方案的体验相比可能还有差距，但我们经历了很多节点。如果这些节点打不下来，就不会有今天新的智驾体系。
程曼祺 Manqi Cheng
如果你没有在 2021 年开始服务吉利，可能也不会有后来 2023 年底李书福和你说的那个创意。
印奇
都是因果。要在因上把这些节点守住，才会有后面的机会。
程曼祺 Manqi Cheng
你自己觉得，管理、执行和效率什么时候开始变得更顺，比之前更符合预期？
印奇
现在也还不符合预期，还不够，只能说开始改善。
我确实觉得很多事情的变化是连续的，是持续用力、持续进步的过程。所以只能说是一个区间，不能指出某一个具体时间点。
这 5 年里，我觉得这种能力一定要在资源受限时才能练出来。如果资源充裕，很难练出极致执行力。
外部环境要有压力，而且压强足够大，但又不能把人压爆。
程曼祺 Manqi Cheng
旷视曾经濒临被压爆吗？
印奇
曾经很多节点都濒临压爆。
这 5 年上市过程中，我们现金流非常紧张，而且因为在 A 股上市，公司不能进行额外融资。我们在非常受限的情况下，还要做新的技术和研发，留住核心同学，应对上市。那是多方面的压力。
程曼祺 Manqi Cheng
你本来就是一个韧性和抗压能力比较强的人，还是在这 5 年里发现了这个特点？
印奇
我总体算是韧性比较强，可能和性格有关。我看事情比较理性。
一个很基础的价值观是：如果你想获得的东西本身很难，那么需要付出的代价一定很大。所有东西都是等价的，付出和回报是对应的。
如果你要攀登的是一座高峰，就需要花这么多力气、做这么多功、经历这么多困难，才有机会走上去。
我觉得只要投入和产出能一比一，已经是最好的情况了，不奢求用很小的力气获得巨大结果。
所以以前说“聪明人用笨办法”，本质上也是这个道理：用最本质的方法，做长期积累的事情。
程曼祺 Manqi Cheng
你以前有什么“聪明人用聪明方法”的选择吗？
印奇
早期可能参加一些竞赛、在学习上走捷径，有点像聪明方法。
但最后还是要经历高考，该走的路都躲不了，还是要重新走一遍。
人生早期可能很向往畅快淋漓的胜利，用一个很巧的方法就赢了。但后来发现一直没有真正经历过这样的胜利，最后还是被按回去，老老实实把该做的事情做完。
程曼祺 Manqi Cheng
你说的那种畅快的胜利，想到的是谁？是小时候看电视里的某个角色吗？
印奇
我有一次和中文在线的同学聊爽剧的文本结构，挺有意思。
他解释过，为什么爽剧开头的人设通常要么出身背景非常神奇，要么一开始就很强。中国文化里，人物要有一个理由，解释为什么他能和别人不一样。
后来有了穿越剧，因为读者已经不能接受前几章里人物从弱变强的过程，必须一开始就很强。所以大家对“爽”的阈值越来越高。
回到这个点，小时候大家可能都会觉得，一上来就很厉害，做很多事情，认知到了就能做到。但现实不是这样的。
程曼祺 Manqi Cheng
你的合作伙伴鲍毅和杨沐都说，在最困难的时候没有看到你慌，也没有看到你崩溃。
印奇
慌也没有用。
人生就是这样。核心还是对目标的坚定性。比如我要做 AI，很难说如果不做 AI，我就换一个赛道，去做零售或者互联网应用。先不说擅不擅长，我对那些事情没有那么大的感召感，没有那个 calling。
所以没有选择，只能继续做这件事。
至于能做到多大、做得好不好，要看持续努力，也要看各种因素。我没有那么强的得失感，核心是尽力就行。
程曼祺 Manqi Cheng
你一直都想做 AI 吗？当时去姚班也是因为你最开始在清华自动化系，觉得它和 AI 直接相关？
这个想法更早是在什么情况下萌芽的？
10. 一生只做一件事
印奇
我觉得人生不要做很多事，人生做一件事情就够了。什么样的事情值得你用一生去做，其实这样的事并不多。
很多人花很长时间和努力才找到这件事，已经很幸运了。有的人可能很久都找不到那个“一定要做的事情”。
程曼祺 Manqi Cheng
你是怎么找到的？而且还很早就选择了一个最难、最大的方向。
印奇
这和我当时的认知有关，可能也受到一些影视作品影响。
小时候从幼儿园开始，老师就会问你的理想是什么。你一直在拷问自己这个问题。
我不确定具体是什么时候，但肯定是在考大学之前。我觉得 AI 是对人类很重要的一件事。
程曼祺 Manqi Cheng
那个时候你说的人工智能，是不是更聚焦于机器人，而不是现在这种抽象的算法？
印奇
对。那时人工智能更接近机器人，不会是现在这样抽象的算法。
程曼祺 Manqi Cheng
所以你软硬一体的想法，也是因为希望 AI 在物理世界活动、改变物理世界？
印奇
当时我们聊过我小时候看过的、对我有启发的作品，比如机器管家。那个初心比较懵懂、简单。
人比较幸运的是，可以做自己想做的事情。我很幸运，在 AI 技术快速变革的时代，自己一直在做喜欢的事情，这已经是非常大的幸运。
在这个过程中遇到挫折，我觉得都是理所当然。
程曼祺 Manqi Cheng
你之前说，在姚班时受到的一个很大影响，是塑造了正确的科研价值观。具体是什么？
印奇
我的几位老师，从姚先生到后来帮助我去美国的孙剑老师，都是 high vision 的人。
我觉得科研有两点。
第一，要做真正有价值、有 impact 的科研，不要灌水。
第二，科研非常强调定义问题，而不只是解决问题。一个好的科研，往往需要选择一个领域和赛道，花一段时间，可能两三年，甚至 3 到 5 年，把这个领域原来的脉络真正理清楚。
这样你才知道，在这个大的领域里应该从哪里切入。
很多人在中国做科研，可能老板给了一个课题，就直接开始做。后面不仅博士期间，甚至一生的科研都从那个节点往下深挖，做得越好，越沿着那个节点走。
但起点很重要。所以做 AI 时，我花了很多时间去了解物理学、光学等底层知识。你会发现，从物理世界到 AI 理解，中间有一条完整链路。如果不能优化全链路，中间某个环节不 work，系统就不可能稳定。
这就是为什么你要对整个链路都有了解和掌控，最后才能做成好的产品。
程曼祺 Manqi Cheng
所以你当时去哥伦比亚大学读博士，选择的 3D 视觉方向，也和硬件、传感器有关？
印奇
对，和传感器有关。
程曼祺 Manqi Cheng
那你觉得好的创业或商业价值观是什么？
印奇
创造价值，分享价值。
程曼祺 Manqi Cheng
它和正确的科研价值观，哪些地方重叠？哪些地方有张力？创业之后怎么处理？
印奇
这是个好问题。
我觉得 what 层面一样，how 层面不一样。
在 what 层面，科研、商业，甚至组织，最后都回到一个词：真问题。
科研上，要找到正确的坑，从那个坑开始做研究。商业上，要找到客户真实的痛点和需求。组织上，要找到组织不 work 的真正原因，是某个人的问题，还是某种生产关系的问题。
定位问题是所有事情的本质。否则你做了很多工作，最后还是没有解决。
真问题值得不断深挖。以前我们常说，很多事情经不住问 3 个 “so what”。你要不断追问，这也是对自己的灵魂拷问。
但 how 层面完全不一样。科研更多是对事、对认知、对静态事物的理解和互动。按照系统论，它更像一个封闭系统，知识、论文和前序要素都在那里，可以按照自己的节奏探索。
商业是一个开放的复杂巨系统。它是开放的、动态的，里面还有人，所以很难用处理静态封闭系统的方式来应对。
程曼祺 Manqi Cheng
如果创业过程中这两件事发生冲突，你怎么平衡？
印奇
我倒觉得没有太大冲突。只是组织里需要不同的人拥有不同能力，价值观层面和方法论层面可以相同，但需要不同专业能力的人来完成。
有时可能在节奏上产生冲突。所以我们形成了自己的方法论：前期前瞻布局，最终终点冲刺。这是把技术真正落地、形成闭环的比较好方法。
程曼祺 Manqi Cheng
你当时为什么没有选择继续做 AI 研究？你博士读到中途，就回来全职创业了。
印奇
我本来想大概待 3 年再回来，后来觉得这边需要更早回来，和大家一起战斗。
程曼祺 Manqi Cheng
为什么创业之后还要去读博士？
印奇
还是节奏问题。
我当时认为软件和硬件要结合，所以想去学习硬件。创业是一生的事情，得先把自己的能力体系建设好。
那时 AI 是一个特别小众的领域，我们觉得可以用一个比较慢的节奏先往前发展。
后来我们有了第一个产品 Face++。这个产品其实和美国的 Face.com 有关，Face.com 后来被 Facebook 收购，整个行业也加速了。
当时我承担的角色偏 AI 技术和商业综合，唐文斌偏人才和产品，杨沐偏工程。我们 3 个人结合起来，可能是一个比较完整的组合。
程曼祺 Manqi Cheng
你说到 Face++，它有点像现在的 DeepSeek。你们做出来之后开源，在社区里有影响，只是那时 AI 没有这么出圈。你们开源时也没有想好商业上怎么落地，只是先把它做出来。
哪些对 AI 的理解，是创业之后才变得更深刻的？如果不创业，可能不会这样理解 AI？
印奇
过去十几年，AI 基本都是工业界推动的。
AI 本质上是系统科学，需要真实的场景、真实的问题，以及大量算力和数据。
数据不说，算力可能只是花钱；但数据如果在科研机构里做，规模和质量控制至少是探索性实验，证明某个 idea 是否成立就可以了。
工业界以产品为导向，对数据的量、质量、品控要求完全不同。
所以我很庆幸选择在工业和商业界推动 AI 发展。
程曼祺 Manqi Cheng
你很早就说过，纯虚拟的东西不是你想要的未来。现在大家对 AI 的优化方向不同，有人甚至不认为优化物理世界相关的 AI 很重要，也有人觉得不做多模态就能实现 AGI。
印奇
这确实是不同判断。
AGI 本身是一个宽泛概念。回到我的初心，我希望做出的机器，能够在各种环境下帮助人完成他需要完成的任务。它一定需要输入和输出，需要综合环境感知与互动能力，所以必须在物理世界里做。
程曼祺 Manqi Cheng
你觉得人类的集体选择最后会是哪一种？
很多科幻小说设想过两种未来：一种是改造物理世界，冲出地球和太阳系，成为星系文明；另一种是大家沉浸到虚拟世界。
印奇
我觉得两者是相辅相成的。
不得不承认，虚拟世界的沉浸趋势正在快速加速。我个人比较反对，但这也是人性的一面。
当机器人承担更多工作，人的时间怎么消磨？确实需要虚拟世界的娱乐化手段，所以它是匹配的。
但人类基因的本质，是对生存和繁衍的需求。我觉得人类对物理世界的追求会自我校正。人类不会在没有外力的情况下，慢慢完全陷入虚拟沉浸。
历史上也有类似的思想潮流。电视出现时，人们担心娱乐至死，这些担忧和现在很像。人类很怕死，整个种族都很怕死，会自己校正。人不能脱离自然空间，也不能脱离大自然，所以某个阶段会有思潮回来。
程曼祺 Manqi Cheng
所以你觉得人类最终也会需要物理世界的 AI？
印奇
会。
程曼祺 Manqi Cheng
现在的大模型没有人类拥有的东西，比如意识。你觉得这些东西最终都能被模拟吗？
印奇
如果人脑本质上只是由生物材料构建的一套体系，它就一定有一个计算模型。
假设人脑真的是神经元和电触发构成的，没有什么 magic，没有更高维、量子纠缠之类我们不知道的东西，那它就是完全可以被模拟的一套计算体系。
它由物理结构决定，由硬件决定。
程曼祺 Manqi Cheng
你的意思是，即使现在的大语言模型不是这样，未来 AI 系统也可能做到？
印奇
对。
程曼祺 Manqi Cheng
你上次还分享过和徐冰交流之后的一些想法，我印象很深。
大家总结徐冰是一个工程师：做项目有非常细致的计划，甚至要融资；他有很多项目，也可以说是在重复某些艺术语言和表达。最后的核心问题可能是，一个艺术家有没有足够多想表达的东西。
你当时总结说，现在 AI 发展很快，科学的边界在扩张，但艺术的边界在缩小。你后来怎么进一步思考这个问题？
印奇
首先，人类在所有智力活动中都不应该有优越感。艺术也是一种优越感，创造力也是一种优越感。
这有点像剥洋葱。人类做的各种发现，都是在探究更高维度的秘密。
科学和自然已经发现了很多规律，原来神秘的东西，慢慢变得可描述、可规则化。
大部分艺术也是这样。所有已经成型的东西都可以被结构化，结构化之后慢慢变成手艺，再变成工程。当它变成手艺和工程，AI 就能做。
比如音乐，AI 对电子乐的表现已经很好，因为电子乐更结构化，不需要那么多其他东西。
所以第一，人类不应该有认知上的优越感。过去觉得神奇的事情，都会一点一点变成稀松平常。
但反过来，这也说明人类应该有优越感：人类一直在剥这个洋葱，不知道要剥多久才能看到内核。我觉得那个内核，是人在追求一种升维。
程曼祺 Manqi Cheng
经历这么多事情后，你怎么看运气？运气对人生和创业意味着什么？
印奇
我越来越觉得，运气和一个人的个性、选择习惯有关，运气越来越不是偶然的事情。
一次上战场活下来，可以说是运气。但如果上 1,000 次战场都活下来，其中一定有更本质的东西，不只是运气。
所以我觉得，一个人本着什么方式做选择，会决定他的运气。
程曼祺 Manqi Cheng
你有一段时间觉得自己运气不好吗？会不会觉得自己的情况不够 fair，可能和别人做得差不多，甚至做得更好？
印奇
我从来没有这么觉得。
我觉得这是人生的一种经历。需要在这个过程中找到个人成长线：自己有没有更多体验，把想做的事情做得更好；能力有没有增长；有没有真正带领身边的人获得大家想要的东西。
这些都可以作为目标。比所谓的顺境和逆境更重要，因为那些都很阶段性。
程曼祺 Manqi Cheng
在这个目标里，你的乐趣和成就感是什么？
印奇
和吉利昨天讲的有点像：把难而正确的事情做对。
我们选的事情都很难，但也很正确。少数人能做，我们坚持做下去。如果有一天真的做成了，我觉得很有价值。
程曼祺 Manqi Cheng
这个价值只是你自己的价值，还是基于它为外部创造了很多价值？
印奇
人的很多底层思维逻辑，最后一定会关联到个人。个人成就感可能是你的支点和锚点，这是很难抛却的 ego 部分。
但如果一个人只追求自己的价值，其实有很多不同方式，不一定选择这条路。
我以前讲过《一代宗师》里的“见自己、见世界、见众生”。我后来觉得，顺序应该是见世界、见众生、见自己，见自己在最后。
当你对世界有认知，和一群人做成很多事情，最后才可能真正知道自己内心的支点，以及所寻求的人生价值和意义。
这是一个过程。认识自己，本身就是一个很难的哲学课题。
程曼祺 Manqi Cheng
这次 AI 变革，是一个大周期里的小版本，还是一个全新的版本？
11. 大模型进入决赛
印奇
我觉得是一个大周期里的决赛环节。
程曼祺 Manqi Cheng
这个大周期从什么时候开始？
印奇
大概有 10 年了，从 2015 年开始。
程曼祺 Manqi Cheng
最后赢得这场比赛的人，有可能是最近才登场的新公司吗？有些公司是 2023 年才成立的。
印奇
公司可能是新的，但团队肯定要经历过整个周期的考验。
OpenAI 成立于 2015 年 11 月。这个行业是厚积薄发的行业，很难真正冲进来就获得最终胜利。
程曼祺 Manqi Cheng
这个大周期是整个深度学习的周期。那决赛信号是什么？
印奇
我觉得决赛信号确实是语言模型的突破，也就是 GPT 模型范式的突破。
之前大家更像是在深度学习周边做功能，比如视觉、语音，但大脑中枢的机制没有解决。
GPT 解锁了模仿学习机制，并且能够海量 scale up。这两个因素，一个是学习范式，一个是 scaling 机制，决定了深度学习的决赛权。
原来的深度学习更像是一些局部战役，量级不能无限延伸，学习范式也不够普适。现在普适学习范式解决了，规模也能持续向上，确实到了最后冲刺的时候。
程曼祺 Manqi Cheng
在这个大周期里，过去 10 年，创业者和投资人最忌惮的几家大公司，它们的积累分别是什么？
印奇
华为有非常强的从芯片往上的软硬件体系，再加上很均衡、很强大的营销能力，To G、To B、To C，国内国外都有，这是华为。
字节是从应用往下生长，从应用到云，再到可能的操作系统。它以移动互联网为牵引，形成了完整的流量变现体系，同时人才密度非常高，商业变现网络在国内国外也都比较欠缺。
阿里也掌握这些体系，从底层芯片、云计算系统到模型能力。开源方面，阿里可能是国内综合能力最强的公司。
腾讯则从生态角度，无论微信还是整个内容生态，都非常适配未来 AI 浪潮，所以腾讯具有很大的战略空间。
大家从不同角度积累了有价值的东西，不一定都以 AI 技术本身作为最强点。
AI 的本质可以说是超级模型加超级应用。大家在模型和应用上的分数可能不同，但都是很好的玩家。
程曼祺 Manqi Cheng
你对 Super App 的定义是什么？
印奇
大模型第一个阶段，大家对 Super App 的想象总体是两类。
第一类是类搜索，可以叫对话，但本质上是新搜索：通过对话或多轮交互，最终实现信息获取。国内外大部分产品都没有跳出来，真正走出来的可能就是 ChatGPT。
第二类是偏陪伴类，比如 Character.AI。它需要的模型能力上限可能更高，因为需要情感和记忆。过去的模型可能还没有 ready，后来又收敛到 ChatGPT 的各种变种。
所以此前的 Super App 比较收敛。
程曼祺 Manqi Cheng
什么叫 Super App？是按照用户量定义，还是按什么来定义“超级”？
印奇
我觉得有两个维度。
第一是本质上限，包括商业化价值。一个场景如果要持续和巨头竞争，同时还要支撑模型体系迭代，就必须足够大，商业模式也要能看出上限。这样的场景并不多。
第二是短期用户增长态势，也就是短期爆发力。
这两个都要有：既有上限，又有短期趋势和爆发力。
程曼祺 Manqi Cheng
现在我们能看到 ChatGPT 这种形态未来可行的商业模式吗？
OpenAI 有订阅模式，但订阅收入目前应该还远远覆盖不了成本。
印奇
我不太看好泛搜索类应用。
搜索已经建立了很好的 baseline。比如一次广告点击的成本是多少，这是一个非常成熟的生态。现在 chatbot 本质上是搜索的升级版，能完成部分搜索功能，也能做更深度的信息检索和整合。
但这不足以支撑整个模型研发和 serving 成本。所以偏传统的泛搜索类应用，很难形成商业闭环。
程曼祺 Manqi Cheng
你刚才说的是大家在第一个阶段看到的 Super App。现在是第二个阶段了吗？
印奇
对。第二阶段大家讲得比较多的词是 agent。
第一阶段更多是信息服务，第二阶段本质上要变成闭环服务。不管是工作、生活、创作还是情感，最终都要闭环一个场景里的完整服务，并且用户愿意为这个服务付费和溢价。
帮助你完成任务，和陪你聊天、获取信息，是两个非常本质的价值链，至少是 10 倍以上的价值体量差异。
程曼祺 Manqi Cheng
第二阶段 agent 的产品形态上，之前风头很盛的“六小虎”都自己做大模型，也自己做应用，符合你说的双轮驱动。但它们到目前好像还没有推出印象特别深的 agent 产品。
反而是不自己做模型、主要做应用的公司，比如 Manus 所属的公司，推出的产品更受关注。
印奇
第一，agent 需要新一代基础模型作为支撑。我认为可能要到 o1 范式之后。现在大家做 agent，使用 o1 的方式，或者使用最多的可能是 Anthropic 的 Claude 模型体系。
它对模型要求更高，因为需要可靠性和任务分解能力。也有人认为，任务能力和底层 coding 能力相关。这相当于第二代模型，要求还是很高。
第二，我会把 agent 能帮你做的事情分为 4 类：工作、创作、生活和情感。
现在看到的 Manus 这类产品，大多偏工作。不管是检索信息、整理内容、编程，还是其他工作，本质上都是基于国外一流模型做的一层应用。
早期用户会有获得感，但长期来看，我觉得这不太是创业公司的赛道，因为它和模型的耦合度太高。如果没有自己的模型，做纯工作类 agent 很难。
工作类 agent 最终也会和现有工作软件体系深度结合。海外是 Office，国内有飞书、字节等，所以这可能是大公司的赛道。我最早一直在说，coding 和工作类应用不太是创业公司的赛道。
第二类是创作类，包括视频、音乐，甚至未来的游戏。这个赛道内容属性很强，既是大厂有竞争机会，也可能给创业公司机会，因为它有爆款闭环的可能。
第三类是生活类 agent。我觉得它的体量最大。
生活类 agent 的一个重要问题，是需要和硬件结合。比如手机上的 Siri，本来就是一个很好的生活助手入口。生活助手需要和操作系统、硬件生态深度融合，这件事正在发生，但可能还需要一些时间。
第四类是情感类。这是一个比较终极的方向，未来可能也和软硬结合有关，需要一些载体。现在不只是大型具身智能设备，市场上也有一些卖得比较好的小型 AI 玩具。
情感是最深层的东西，当前 AI 的技术成熟度还不够，所以时间周期会更长。
但工作、创作和生活，我觉得未来 18 到 24 个月里，都会有不同公司找到引爆点。
大模型本质上是一种能力。如果一定要类比，大模型最像搜索引擎。
搜索引擎是一个复杂的数据巨系统。你拿一个开源权重当然可以使用，但现在包括 DeepSeek 在内的模型，持续训练其实很难。你想改动它，是非常复杂的。
如果一个模型不能修改和个性化，坦诚讲只能做早期使用。真正进入核心商业场景时，往往不适用。
所以真正能解锁 killer app 的公司，一定要具备完整的大模型能力。它可以使用一部分开源模型，再加入自己的数据和能力，这并不矛盾。
程曼祺 Manqi Cheng
你的意思是，即使不自己预训练大模型，而是在其他模型基础上做应用的公司，未来如果想解锁 Super App、形成商业闭环，也必须掌握模型训练能力，至少要有修改和微调能力？
印奇
我觉得微调可能都不够。
从应用场景看，Super App 最后是两个维度：性能和成本。
真正的 Super App，意味着这是一个所有强竞争对手都会参与的场景。如果不具备对性能和成本进行深度优化、形成差异化的能力，这场仗不可能赢。
所以必须深度掌握模型的各方面能力。只使用一个开源模型，想做核心场景，我觉得很难竞争。
程曼祺 Manqi Cheng
回到话题开头：创业公司，不管是大模型创业公司，还是重心偏应用的创业公司，在巨头都有 AI 必争之心的情况下，怎么跑出来？
印奇
首先，大模型本身是一件很难的事，资源消耗高，巨头也都在做。
但正因为如此，我觉得更需要把模型和应用结合起来。DeepSeek、Manus 都展示了很好的例子：在 ChatGPT 这类极简 chatbot 场景下，如果真正把模型和产品体验做好，短期爆发力还是很强的。
创业公司和大公司竞争，还是要专注并且闭环。专注意味着，在某一类模型侧做出代际式差异化。
这种差异化不只是底层技术变革，也包括用户体验和数据上的优化。
工作、创作和生活，每个赛道所需要的模型结构不一样。都需要建模能力，但对多模态的需求强弱不同。
创业公司首先要集中力量于一点。大公司可能每个方向都有布局，但每一个单点上，创业公司都有机会去打头部。
同时必须有一个应用载体，能够直接触达 C 端，形成闭环。这个应用可以是软件，也可以是硬件。
DeepSeek 做了一次很好的展示：在这样的场景里，巨头的封锁并不是没有空隙。
第二，agent 是非常场景和应用导向的，所以一定要有应用出口，不管是软件还是硬件。
大模型也要回归常识。它有很多难点，需要大量资源投入和很高的人才密度，但最后还是会回归常识。
我仍然认为，大模型时代会有新的巨头诞生，会有新公司获胜。这个技术变革对组织能力和商业模式的改变太大了，我不认为原有巨头能够简单通吃。
所以大模型时代还会涌现很多新兴的优秀公司。
程曼祺 Manqi Cheng
你说的常识，是“江山代有人才出”吗？
印奇
常识就是，最终如果一个巨大的技术变革足够本质，就一定会有新公司赢。