记者丨赵云帆

　　编辑丨郑世凤 张伟贤

　　7月22日深夜，一篇《梁文锋四小时投资人会议实录》的文章，在游戏科学冯骥的朋友圈“安利”下，悄然在科技圈被顶上热搜。

　　几乎同一时间，鲜少在社交平台露面的美团联合创始人王慧文也转发了这份实录，给出了“这格局，有三四层楼那么高”的短评。

　　随后，梁文锋的会议纪要原文开始在网络上流传，其中包含更多他对未来AI行业规模的判断，以及对国产算力现状、前景的判断。21世纪经济报道记者整理摘录了部分内容。

　　资料图

　　中美差距与算力

　　“我们跟美国的差距主要在资源上面，然后人才上面差距不是很大。人才不是瓶颈，资源是最大的瓶颈。资源首先影响到人才培养，因为算力少，我们能做的实验机会比较少，所以人才整体上比美国有差距。人才的差距，本质上也是因为算力的差距。我们看到的所有的区别，包括人才的区别、模型能力的区别、应用的区别，可以认为都是因为算力资源上的区别。”

　　“现在最大的模型，它激活大概是800B（B即10亿参数）；国内的话，我们还在几十B的这个规模，国内最大模型可能就几十B激活，那么差一个数量级。如果我要训练跟它同样大的模型，应该需要五万张GB300，或者华为950，二十万卡。这只是训练，还没有考虑做研究。”

　　“我们可能落后美国12到18个月，或者说6到12个月。反正简单说，就是落后美国两年，然后只用美国二十分之一的算力把这个事情做出来。未来我们要把这个叙事改写，就是我们用它几分之一的算力，但是把这个时间缩得更短，缩到6个月、3个月，我觉得这是一个目标。以及我们甚至可以在某一些方面超越他们。但是在总体算力还是有数量级差距的情况下，全面超越是不现实的；但是在某一些重点、有取舍的地方，我们有一些地方超越可能是可以的。”

　　“我们是信Scaling，肯定是规模越大，效果越好，能够解锁更多的功能。阻止我们Scaling的其实就是算力，并不是我们不想Scaling，是我们没有那么多的算力去做这个Scaling。我们离探索这个Scaling的上限还比较远，就是没有那么多算力。硅谷在说Scaling到头的时候，那是对硅谷来说；对中国人来讲，我们离那个还很远，我们根本就没有Scaling到那个程度。”

　　“ToB业务的上限应该还是需求，在现在这一代AGI、AI技术的背景下，ToB的需求应该是有限的。它会快速增长，但并不是一个无穷大的事情，最终还是受制于需求，不是算力。随着技术持续有突破，这个需求会越来越大。”

　　“在很多体验方面，有可能我们是能比美国做得好的。在产品方面，产品能力上不一定会比美国差。成本应该也会比美国低，所以有可能中国还是会有竞争力的。成本这个很好理解，是因为他们都不用做，所以他们就不发展这个能力。他们肯定没有我们重视这个事情。我们可以把它当作一个非常重要的事情，但对于他们来讲，这个是不重要的。产品也是，国内有很多公司，产品能力还是可以的。所以我觉得这两方面可能是有结构性优势的。”

　　国产芯片与生态

　　“国产AI芯片替代现在是有个历史性机会的。英伟达CUDA的护城河在快速地被瓦解，快速被瓦解的原因可能有三方面：一方面是现在有了AI之后，我要建立起这个生态比以前容易很多了，因为AI可以写代码。用AI来构建这个生态，就可以把跟英伟达一模一样的生态构建出来。我们家出了一个技术，叫TileLang，是一种高级语言。用这个高级语言来写CUDA的算子，可以很快地把英伟达的整套生态全部都写一遍，再结合AI，这个看起来没有什么障碍。”

　　“因为CUDA，英伟达它是从游戏卡演变出来的，所以它在很多地方，游戏卡的设计跟其底层架构是一脉相承的。但现在的趋势是，以后就不再耦合了。那么专用芯片，不管是华为还是英伟达自己，以后都是专用芯片，都不是之前的这些东西了。在这个背景下，原来英伟达生态的作用就大幅度减少了。因为对于一个专用芯片来讲，跟CUDA没有什么关系，它跟CUDA是不绑定的。”

　　“国产AI芯片的硬件和生态都没有问题，唯一有问题的是产能不够。未来一年之内，我们能够看到有一个事情被验证：国产芯片的生态完全没有问题。之前认为是有问题的，认为是用不起来、不好用，但是未来我觉得一年之内，我们能够扭转这个认知，或者会用事实来扭转这些。国产卡适配这一点，没有障碍，英伟达挡不住。”

　　“华为950超节点，在性能和价格上可以完全平替英伟达的GB200、GB300。价格肯定要贵，但贵得有限。价格贵百分之五十、百分之一百，贵百分之一百无所谓，贵百分之两百都无所谓。比如贵百分之一百，我觉得在价格上已经可以平替了。在任务上也是可以平替的，所有GB300能做的任务，华为超节点都能做，延迟什么都一样。唯一的代价是，四张华为卡顶一张英伟达的卡，同时落后两年。”

　　“在AI这个事业上面，在AI这个事情上，应该国内一两年是能够做到跟国外差不多的，或者可能今年就能做到平替国外的模型。但它还不是AGI。国产硬件在这个时间能追上吗？我觉得国产方面可能需要几年的时间。国内首先得解决生态的问题，因为生态是一个信心的问题。解决生态的问题，然后再解决产能的问题，我觉得应该是能够逐步解决的。我不太相信未来五年之后，我们还卡在产能的问题上。现在肯定是卡在产能问题上，今年、明年、后年，我觉得可能都还是卡在产能问题上，但五年之后，我觉得可能不一定，我还是比较乐观的。”

　　关于AI公司的最终利润

　　“AI这个事情足够大，最终它可能得占掉人类社会GDP的百分之十。它其实是一个非常大的数字。你不可能独占这个事情，一定得跟别人分享，否则你肯定活不下来。这跟之前开源做一个软件可能是不一样的，因为那个软件的市场就没那么大。但是AI这个事情实在太大了。”

　　“如果说AI能做到十亿美元的话，那么基本上我公司的现金流可能就能够回正了，能够覆盖我的研发费用，能够覆盖所有费用，在模型的优化上也还有空间，所以整体降价空间还是比较大的。”

　　“哪怕是模型开源，你把所有东西都告诉别人，别人要用起来，这个门槛也非常高。其次，他要用起来，还要成本做得很低，也很难很难，没有那么容易。并不是我开源了，他就能够轻易地做到跟我一样的部署成本。”

　　“开源并不会影响我的收入。开源和商业付费之间没有冲突，这个模式是不是长期可以持续的？我觉得是可以的。就在我们这个愿景下，我觉得开源是长期可以持续的。”

　　“我们给的开源模型，跟我们自己部署的模型是不是一样？是一样的。我们不会说开源一个差点的模型，然后我们自己部署的时候用一个更好的模型，是不会的，是一样的。这也说明它其实没有冲突。我们去年一整年，在C端我基本就是开源了，然后C端的服务没有看到冲突，真的没有看到冲突。”

　　“C端和B端，都是我们做AGI路上的副产物，跟我做AGI没有冲突。我并不是为了做C端，或者为了做B端而去做它，而是我们做AGI是为了做AGI，刚好能产出这个东西，我就把它拿来做商业化了。”

　　“如果说我的目标是，我要让AI占全人类GDP的百分之五，理论上算这个账还是成立的。但我有个问题，我会被另外一个愿意只占百分之一的人打败。因为另外一个人说，我做得这么好，但是我只要拿全球GDP的百分之一就可以了，那么就会把我打败。这时候如果又出来另外一个人，说我只要百分之零点一就可以了，那么又会把前面的人给打败。从宏观上来讲，不管这百分之几是从哪里拿，彼此之间没有区别，都是一样。拿得多的人会被拿得少的人打败。”

　　“大家做大模型的那一部分，其中不要说某一家独占，说我要拿走全部利润，这个肯定不行。如果说每一家都只拿合理的利润，那么其实不需要那么多人去做大模型。差距只有两个东西：一个是时间，一个是成本。所以不至于哪一家有暴利。成本控制得好的人就多赚一点，成本控制得差的人就少赚一点，仅此而已。”

　　“假如说我今年能够有几亿美元的B端收入，再加上我们C端有用户，那么这本身就已经有一定的商业基础。如果明年我们B端有收入，如果这个需求可以再增大的话，公司离净利润已经不远了，可能就已经是净利润了。可能就已经不是一个纯烧钱的阶段了。或者说，最坏情况卖API，可能都能够支撑一个上市公司。就如果说技术后面没有新的进步了，我们的技术就冻结在这里了，那么最后我们就全力卖API，把这些服务做好，我觉得也够的。”

　　“我们本质上还是一个公司，我们要考虑怎么活着。所以B端对我们肯定是重要的，因为以后可能得靠它活着。只是说现在不重要，因为它现在是个成本线。我们本质上还是一个公司，只是说我们在考虑赚哪些钱、什么时候赚钱、赚多少钱、靠什么赚钱，只是说我们有取舍。很多公司做得很伟大，因为它有一种利润以外的追求。那个追求最后不但没有影响到它的商业化，反而能让它商业化得更好。”

　　终局竞争

　　“所有大模型竞争，它终局的差距会体现在什么地方？最终的差距应该是三方面：一是成本，二是时间，三是用户体验。除此以外，可能是没有什么差距的。成本肯定是一个差异，我觉得可能成本是排在第一位的区别。然后第二个就是时间，你什么时候能够做到。第三个可能是体验，用户体验还是有些不一样的。但长期商业化路径，本质还是第一个成本，第二个时间。”

　　“在全球AI主导分工的时候，中国公司很有可能扮演的一个角色还是产量最大的。常理来讲，我们的产能最大，包括芯片，芯片可能我们的产能最大，我们的电力最多，所以我们的AI最终很有可能是三极之一。中国人会把这产品做到最便宜，然后再在效果上追赶，毕竟现在很多商品，中国产跟美国产并没有太大的区别。未来可能AI也是这样，但是中国产的AI可能价格会更便宜。这个便宜可能是系统性的低。”

　　“AI人才的短缺也是阶段性的，并且我们已经看到，大幅度被缓解了。因为AI人真的不缺，每个公司很快会把人培养出来，培养人是很快的。所以，AI这个行业整体上，不管是生态、模型公司还是什么，人才都不缺。人才缺肯定是一个短期现象。历史上从来没有出现过长期缺某一类人的情况。”

　　“国内现在做模型的公司有点太多了。美国可能就三家，中国做基模的公司太多了，最终一定是不需要那么多人去做基模的，一定会收敛。所以资源也是比较分散，某种程度上也比较浪费。因为现在可能大家觉得做这个事情的利润率非常高，所以一定要自己做。但当他发现这个事情可能没有那么高利润的时候，可能就不做了。中国最后有个三四家竞争，竞争就很充分了，价格绝对已经够打价格战了。”

　　“Anthropic现在超过OpenAI，这是不是长期的？我觉得这不是长期的，这肯定是阶段性的。OpenAI和Google，未来大概率还是会交替上升。其实Anthropic在Code Agent上的优势没有那么大，其实并没有说它碾压OpenAI。我们公司可能有一半的人觉得OpenAI是更好的。它是这三家里面效率最高的，它花的成本、烧掉的钱应该是最少的。”

　　“在过去的一段时间，以及未来的任何一段时间，花很多时间去思考如何丰富我们的产品有什么用吗？半年前讨论出来的商业化是什么？一定是我要去做广告，然后我要去做电商，我要去在产品里面植入电商，然后要跟本地生活融为一体。肯定没用的，因为变化太快了。你这个产品，如果说你在前面，或者我们现在这个阶段，去花很多时间做商业化考虑、商业化路径，产品线它生命周期很短。我觉得没有到这个时候。”

　　“国内我们以目前的情况来看的话，我觉得最合理的做法应该是全力做通用的Agent，其他的Agent优先级应该更低，包括金融、医生这些Agent。要先做Coding，因为Coding Agent能够做到很多，还有很多垂直的Agent。现阶段我们觉得最重要的，应该还是Coding Agent。”

　　关于AGI技术路线

　　“如果说你能够把一个问题描述得很清楚，给它完整的上下文和指令，它已经超过人类了。AI的发展，我们可以理解成它是一个阶梯。去年走的阶梯是CoT，就是思维链——通过思维链的方式，可以让智能达到一个更高的水平。今年的阶梯就是Agent，因为用Agent的方式，能力范围会更大，智能上限会更高。”

　　“Agent之后，我们觉得应该要解决的问题是持续学习，就是怎么让模型可以持续地学习，而不是说你要给它一个很强的训练。下一个要解决的问题，就是解决怎么持续学习，这个是看得到的，是相对来讲比较明确的。就是卡在前面的这个障碍，你必须要跨过去，而且一定是有办法能跨过去的，但需要时间。”

　　“下一代模型的核心能力，我觉得它必须要有持续学习的能力，它才能叫下一代模型。在那之前，我们能做的就是成本更低，然后效果做得更好，速度做得更快。但是要有大突破，它应该具备持续学习的能力。”

　　“持续学习之后，可能我们就会来到一个奇点。这个奇点就是，当这个模型能够持续学习之后，它已经能够做人类能做的所有事情了。它就能够自己开发自己的版本，能够自己再研究，然后开发自己的下一个版本，开发更强的人工智能模型，所以它就会到一个奇点，能够实现自己的迭代。但这个奇点并不是一个奇点，它也是一个渐进的过程。这个过程可能也是一个比较长的渐变，它不是个突变。”

　　“这一步走完之后，我觉得才是具身智能。到具身智能之后，它就走进现实世界，可以给你做家务，可以给你养老。我们先解决持续学习，再解决那个自我迭代的奇点，再解决具身智能，这个路上就很轻松。因为到后面之后，你可以用前面的技术来帮助开发后面的技术。奇点之后再做具身智能，那个就不用人来做，就不用我们来做了，那个模型自己就可以出来了。”

　　“我们现在比较相信一个叙事是，AI可以加速AI的研究。就是说，它不是线性的，因为你可以用AI来加速你自己的研究，所以它到后面可能是非线性的。语言模型的Scaling，我现在没有看到有上限。我们现在的智力水平，或者美国的智力水平，都没有看到上限。”

　　“具身肯定还是要进入，最终具身。所以对我们公司来讲，自然而然，可能终点都是具身。因为对一个正常人来讲，他的需求并不是电脑，他需要的是……所以他还是需要具身智能来解决具体人力的需求。如果说目标是解决人力需求的话，那么具身我觉得就是绕不过去的。”