傅盛：大模型是生产力革命，机器人迎来新的窗口

傅盛把这场 AI 革命比作蒸汽机的出现，认为它带来的是范式转换。张小珺随即问他，过去会因恩怨落泪的他，近三年是否还会这样；傅盛说自己仍会哭，但不再为恩怨哭。

张小珺介绍傅盛从 2016 年起逐步把精力转向机器人和人工智能，也提到他曾为市值不服气、带员工坐邮轮出海。这次访谈将从 AI 变化谈到创业、挫折与个人心境。

ChatGPT 爆火后，傅盛出门会带上 Mac，让它教自己重新写程序；工作、聚会和线下讨论也都开始围绕 AI 展开。他说，自己已经在调整工作重心，并接触创业团队和公司高管。

在傅盛看来，大语言模型既不是聊天工具，也不是知识库。它通过学习知识形成逻辑能力，继而进行推理和决策；自然语言中含混的表达，也能被它拆解成更清楚的意图。

他把图像识别视为 AI 的第一个里程碑，而语义和逻辑更接近人类的核心能力，突破难度也更大。直到今天，人们仍缺少严密理论来解释，为什么增加参数就能涌现类似人的推理能力。

张小珺追问这条路是否能被复制。傅盛回答，事实已经证明它可行，许多大模型都能达到一定水平；但对创业公司来说，直接和大平台比拼模型能力并不划算。

傅盛把模型竞争形容为大平台之间的核战争：如果创业公司沿着同一条路做一个更弱的模型，能力和商业策略都难占优势。他认为模型会分成两路，一路追求更强，一路面向实际工作提供足够好用的能力。

“爱因斯坦”式模型需要更大的参数、算力和训练资源，服务也可能更慢、更贵，还受到使用限制。傅盛认为这种成本差异会持续一段时间，因此低成本路线仍有生存空间，就像强势的 Windows 之外仍有开源 Linux。

谈到平民化路线，傅盛判断需求端还在，但供给端涌入的团队太多，未来可能有十几二十个大模型，应用反而会不够。他强调，训练大模型之所以困难，是因为这条路过去并没有被证明。

早期 NLP 试图把语法、知识图谱和词语关系教给机器，像教人背规则学外语，但这条路径没有解决语言理解。另一种做法是给模型大量文本，让它自己学习；当时没人知道这种方法能否成功。

大规模训练需要巨额投入，OpenAI 甚至投入数十亿美元探索一条没有理论保证的路线。傅盛说，模型是否拥有完整世界观并非重点；底层逻辑能力才关键，而后续训练可以进一步塑造它对具体问题的理解。

傅盛把“平民化大模型”解释为参数和数据量都更少、成本更低，却能在特定领域达到可用效果的模型。它不必成为通用的爱因斯坦，只要能在某个行业判断和处理问题即可。

这类模型的门槛相对较低，真正的竞争力在于深入理解行业需求并把模型放进具体场景。傅盛举例说，企业担心把文档交给外部模型会造成数据安全问题，因此私有化部署需要便宜而可靠的替代方案。

他认为大模型会成为平台公司的底层操作系统，也可能成为用户调用服务的入口。未来用户未必逐个打开应用，而可能直接用手机表达需求，由系统调度不同服务；谁靠近用户，谁就拥有更强的调度能力。

微软重视 OpenAI，在傅盛看来，是把它视为操作系统重构的重要部分。至于未来会由单一自然语言入口统领，还是多个模型和服务并存，他认为目前还看不清，专业服务公司仍可能通过合作获得价值。

张小珺问这是否相当于 iPhone 时刻。傅盛说基础条件已具备，微软的投入可能让进程更快；他也提到，比尔·盖茨在看到模型能力后受到震动，尤其模型在生物等复杂领域展现出的效果。

傅盛并不声称了解 Sam Altman，但觉得 OpenAI 团队有近乎信仰般的坚持。他提到，Ilya Sutskever 说话像模型逐词输出；在他看来，团队相信深度网络能改变技术格局，才会继续投入。

傅盛说，OpenAI 在效果尚不突出时仍看到一些值得追踪的亮点，也会从其他方法中学习，再把有效部分吸收进模型。更重要的是，当时很多人不相信这条路线能成功，反而给了 OpenAI 探索空间。

OpenAI 当年押注的新路线，也意味着知识图谱、切词等传统 NLP 积累不一定能直接沿用。傅盛认为，训练重点转向数据质量、模型参数调优和训练效率，这种路径变化也让谷歌感到压力。

大模型的第一批应用，他看好搜索和办公。搜索会从让用户自己查资料、归纳答案，转向先给出综合回答并附上参考来源；法律等办公场景以及图像生成，也会受到明显影响。

社交短期内不一定被彻底改变，但虚拟伴侣、情感陪伴等方向已经出现。模型也能帮助用户在微信等工具里回复消息；傅盛认为腾讯拥有线上数据，未来做模型同样有机会。

当巨头都相信大模型可行后，创业公司做基础模型的窗口会收窄。傅盛认为，谷歌有 AI 积累，持续迭代总会改善；微软投资 OpenAI，则成为巨头通过投资押注颠覆式创新的典型案例。

回到机器人创业，傅盛说行业终于进入发展窗口：递送机器人在酒店和餐厅等场景逐渐成熟，海外客户也在增长。此前一些公司过度融资、烧钱扰乱行业，但从 A 点到 B 点的递送需求已经得到验证。

大模型为服务机器人补上语音交互和理解能力。过去机器人只能把语音转成文字，却无法真正理解并回答复杂问题；如今用户开始主动询问能否接入 ChatGPT，让前台或博物馆机器人回答具体问题。

傅盛觉得服务机器人转向面向个人用户会很快，家庭应用的时间也因此提前了三到五年。养老院的机器人过去能播节目、寻找老人、摔倒报警或连接医生，接入模型后则有机会和老人自然交谈。

模型还能把测血压、提醒吃药等功能串起来，根据老人的情况给出生活建议。孩子也可以不断向机器人提问；傅盛回想女儿曾把答不上复杂问题的机器人叫作“人工智障”，而大模型有望打破这个语义理解瓶颈。

孩子和机器人的对话还可能帮助家长理解孩子的兴趣与特点。傅盛说，过去两三年 AI 卡在图像、语音之后的语义阶段，系统只能完成明确教过的任务；大模型让机器能够从数据中自我学习，改变了原有范式。

傅盛早年做智能音箱时，就看好语音交互，但当时语音只像遥控器：调音量、选歌曲可以，复杂任务不行。他从搜索和产品交互出身，一直把应用性放在前面，期待机器真正理解人的意图。

过去人必须学习键盘、鼠标、触屏和每个应用的界面；老人甚至可能不会使用健康码。傅盛认为，ChatGPT 让人能用自然语言表达意图，再由机器分发任务，这是第一次让机器围绕人转。

谈到家庭机器人，傅盛估计能力上三到五年就可能实现普及，价格最终可以接近手机。餐厅机器人已经可以按月租用；随着硬件和供应链成熟，他相信家用设备的成本也会逐步下降。

傅盛认为大模型让家庭机器人更早成为可能。他设想家中会有一个共享的智能中枢，理解家庭成员并协调联网设备，像一位管家；家人不必逐件学习每种设备的操作方式。

大模型的决策能力也可能推动自动驾驶和机械臂操作。过去要靠人工标注道路上的车、人或机械臂要抓的杯子；傅盛认为，模型从足够多的环境数据中学习，可能减少这类标注依赖。

傅盛承认自己 2016 年进入 AI 做得偏早，但认为晚了可能赶不上。他们曾误以为图像、语音识别之后，语义理解很快就会到来；行业经历了泡沫，2018、2019 年尤其明显。

当年 AI 人才薪酬快速上涨，外部公司开出两三倍待遇挖人，团队因此流失不少人才。回头看，傅盛发现留下的普通工程师也能做出不错效果，技术并非只能由博士完成，能力会逐渐普及。

图像识别和语音识别成熟后，行业差距逐渐缩小；他们投入大量人力探索 NLP，却没有得到理想效果。傅盛因此认为，AI 创新初期确实需要高水平人才，但技术扩散后，更多背景的人也能参与。

他相信平民化模型需要更少语料、更短训练时间，在垂直场景中也能达到足够能力。既然大模型的训练路线已经被走通，行业可以继续优化参数和任务，不必假定只有某个规模才能产生有用智能。

有些团队有足够融资，才适合投入巨额资金挑战通用模型；对其他创业者，给企业客服文档做专门模型也可能有价值。傅盛把创业比作葡萄酒，年份和土壤重要，过去的实践则积累了判断力。

他不太愿意把技术优势挂在嘴边，因为公开资料和开源成果很快会传播。猎豹的语音识别曾在多个应用场景表现领先，但傅盛认为，真正的优势是识别机会后及时投入、重视数据并把技术工程化。

傅盛说公司会从机器人等应用入手，也在评测不同模型的效果，帮助用户理解各模型特点。

张小珺问他是否有机会做出定义行业的产品，傅盛回答机器人有可能。他说做出一款好产品已经很幸运，创新产品更难；特斯拉也曾经历险境，能坚持一条赛道本身就不容易。

傅盛认为，大模型这次的规模效应与过去做语音、图像识别的经验不同。过去加数据很快遇到收益平台期，这次却在前期效果平平后突然跨过能力门槛。

大模型让傅盛有种“终于等到今天”的感觉。过去神经网络增加数据后收益很快变平，甚至降低效率；这次却在规模积累后出现能力跃升，颠覆了他此前对神经网络边界的经验。

傅盛觉得如今变化快到让人不愿浪费时间睡觉。他把这场革命与蒸汽机相比：互联网提高信息连接效率，移动互联网重塑生产关系，而大模型正在把脑力转化为更大规模的智力输出。

他进一步说，计算机智能可以持续增长，而人类人口不可能按同样速度增长；当 AI 与挖掘机、工厂等物理系统连接，生产效率还能继续提升。AI 是否会取代很多任务型工作，则会成为社会问题。

面对这股浪潮，傅盛建议保持积极和学习的心态，不要把模型神化为有情感或自我意识的存在。把它理解为符合人类逻辑与推理的一种算法生成器，再学会驾驭它，一个人便能调动许多数字助理。

和早期互联网创业相比，如今信息传播太快，认知差难以维持。过去知道别人不知道的一件事就可能做成生意；现在创业者必须持续判断行业、社会和大公司如何变化，整体复杂度更高。

张小珺问现在是不是创业的好时代。傅盛说，对已经准备充分的创业者，竞争更激烈；但创业门槛确实下降了，更多普通人可以进入市场，尝试过去需要背景、人脉或专业资源才能做的事。

短视频、手机和翻译工具让小生意更容易起步，但要把公司做大仍然更难，因为巨头已形成格局。傅盛说自己不再执着于做一个大公司，却仍希望机器人能改变行业，因此把目标放在做好服务机器人上。

傅盛说自己这几年变化很大：行业变化更快、问题更复杂，创业周期也变长。经历过困难后，他更能客观看待事情、接纳遇到的问题；需要坚定信念，想办法解决，并活在当下。

傅盛回忆 Google 下架猎豹产品造成的冲击。公司以海外业务为主，这次下架几乎是毁灭性打击；当时他们认为处罚理由不公，觉得没有欺诈，却被以广告流量质量为由下架。

Google 下架后，傅盛和团队用了两三年调整心态与策略，因为主营业务受冲击，也不得不减少 AI 投入。谈起近三年是否还会为恩怨哭泣，他说现在更容易被电影和他人的经历感动。

傅盛回顾上市时的自己：虽然口头承认赶上好时代、运气不错，内心深处仍觉得成功是理所当然。经历挫折后，他开始意识到许多更聪明、更努力的人也未必能走到同一位置。

他因此不再把逆境简单归咎于自己。傅盛说从顺境走到低谷，让他重新理解很多人面对落差时的艰难。

张小珺问他是否曾不想面对。傅盛借用一句玩笑说，人每天都在面对与不面对之间徘徊，但自己最终还是选择面对；他也回望高考失利、北漂和身体出问题时的艰难经历。

傅盛曾因身体原因住院一个月，也一度担心生命安全。他说，后来逐渐认识到，已经拥有许多东西的人不应只盯着失去的部分；调整心态是持续修炼，而非一瞬间想通。

傅盛说自己这一年状态不错，疫情期间出国旅行时心态已经调整过来。有时所谓疯狂举动，是为了补充能量；他回忆生日时与朋友聚会聊得开心，大家临时改签机票，多留一晚相聚。

谈到周鸿祎，傅盛说自己比以前更理解对方，也有过交流，但理解不代表认同或原谅。他不再翻旧账，却仍记得对方造成的伤害；成年人可以不再计较，同时保持交往边界。

张小珺问起傅盛与张莹、雷军等老朋友是否常见面，他说偶尔会见。谈到猎户星空融资时，傅盛说自己个人投入过资金；融资只是公司的一部分，最终仍要做出有竞争力的产品，并保持组织效率。

傅盛说，战略上自己仍认为当时没有特别大的方向性错误；真正的进步，是把商业本质想得更清楚：产品与服务必须有竞争力，其他事情都不能取代这一点。

傅盛反思 Google 判定广告流量无效的问题：产品里有些广告位置放得不够克制，用户可能误触。他认为公司当时没有抵住收入压力，本可以牺牲部分增长来守住用户体验；商业变现不应压过产品价值。

他也认为管理颗粒度需要更细，让目标落实到执行。回看公司的危机，傅盛觉得过早上市带来华尔街增长压力，团队在广告收入和用户体验之间妥协，没守住足够清晰的底线。

张小珺请傅盛给年轻创业者建议。他说要好好学习 AI，理解模型的能力并学会驾驭；自己每天带着电脑让 GPT 写代码，也是为了观察它能做什么、怎样与之交互。

快问快答中，傅盛说最近读书少了，论文会交给 GPT 总结；以前读过的《正面领导力》值得重读，它帮助人觉察自己的状态，把自我快乐与做事的快乐结合起来。

傅盛提到马斯克和比尔·盖茨，也称赞微软 CEO 纳德拉战略清晰、行动坚决。他喜欢电影《心灵奇旅》，觉得它很感人；令他感到新奇的小事，则是 GPT 帮自己写代码。

他还让 GPT 猜家里狗的名字，问鸡兔同笼等趣味题。谈到这几年对人生的重要体会，傅盛说要活在当下，也要记得自己仍然幸运。

张小珺问市值高低是否改变生活。傅盛说最大的变化是更常和自己对话，对自我认识更深，也能更坦然地面对事情。张小珺随后感谢听众收听，邀请大家订阅节目并在评论区留言。