李笛：对话式 AI 的产品、成本与商业选择

张小珺在 2023 年采访小冰公司 CEO 李笛，讨论对话式 AI 的产品经验、大模型成本和商业模式。文中观点反映当时的访谈，不代表后来行业状况。

李笛回忆加入微软时，团队希望在中国孕育一个产品，并逐步面向全球，而不是仅为其他市场提供研发支持。

他此前做过手机产品企划，意识到工程师强调的技术卖点与消费者真正关心的问题不一定相同。

他也回忆自己在创业公司和音视频产业的经历：业务方向、融资环境和合作伙伴的变化，改变了团队的选择。

谈到微软的搜索业务，他描述在不同市场和监管要求之间经营的困难，也谈到团队希望保留跨市场的信息服务。

小冰的起点来自对另一种交互方式的探索：除了完成任务，团队希望研究可持续交流、形成情感联系的对话产品。

他认为产品的价值不仅来自解决即时任务，也可能来自长期关系。他用玩具和客户服务的例子说明自己的观察。

谈到商业模式，他举出生成文章服务的假设案例：即便技术创造了价值，竞争定价也可能让供应商只能获得其中一小部分。

他的重点是核算真实的收入、交付和运营成本，而不是只根据潜在市场规模推断公司能赚多少钱。

关于模型规模，他主张根据任务效果、延迟和成本选择模型。他在访谈中举了当时硬件上的部署例子；这些数字不应当作今天的通用基准。

他质疑一个最大模型处理所有任务是否总是最经济，并以系统集成和维护作类比，说明不同规模的组件可能各有用途。

李笛认为，技术进步值得重视，但热情不应取代对算力、价格、部署和持续经营的具体判断。

他讨论市场对模型大小和能力的理解，认为企业应先明确需求，再决定什么样的模型组合适合产品。

对于模型榜单，他担心单一排名使团队追逐相似目标，而忽略数据、方法和实际应用的差异。这是他对当时行业竞争的看法。

他提出一个竞争框架：挑战者可能用成本较高的新能力争取客户，而领先者则要权衡新技术对现有业务成本和利润的影响。

他强调训练数据质量和组合模型的价值，也承认这些判断在当时并非所有人都认同。不同任务仍需通过实际测试评估。

对企业发表论文，他从商业团队的角度讨论公开方法、研究激励与工程落地之间的取舍；这是一种管理观点，不否定公开研究的其他价值。

被问及与 OpenAI 比较时，他说两家公司资源和目标不同。他更关注小冰自身的生存、产品与实际业务，而非直接比较规模。

他回忆小冰早期在微博获得大量互动后，团队限制主动回复的范围。他认为产品应考虑对所依赖平台和其他用户的影响。

他解释早期虚拟角色形象的设计，是为了让用户更容易接受当时技术的不足；这是他对团队选择的回忆，并非对性别或用户偏好的普遍结论。

他认为不存在一个可以成为所有人好朋友的固定人格：不同用户的喜好和关系期待并不相同。

谈到对话体验，他说人与系统共同影响交流。团队曾观察到，一些用户会主动换话题或解释不佳的回答，以维持对话。

谈及 CEO 的工作，他把持续经营视为长期愿望，并讨论做决定时需要面对的不确定性和压力。

最后两人讨论意识等开放问题。李笛提出自己的哲学疑问；这些推测不能证明 AI 系统具有意识或主观体验。