Nick Frosst：Cohere 的企业 AI 战略与炒作的边界

Cohere 联合创始人 Nick Frosst 与 Harry Stebbings 讨论企业 AI、规模扩张、模型评测、就业和主权问题。Frosst 的叙述既反映了他的研究经历，也反映了他在销售企业 AI 产品的 Cohere 所拥有的商业利益。

Frosst 回忆起在 Google Brain 与 Geoffrey Hinton 共事，惊讶于他以轻松、凭直觉的方式开展研究。他们常常通过物理类比思考算法，而不是一开始就只看公式，并追问不同条件下可能发生什么。

被问到 Google 是否错过了面向消费者的 AI 时刻时，他指出，Transformer 于 2017 年在 Google 发表，但没有在那里迅速商业化或扩大规模。他不声称知道原因，并强调 Google DeepMind 仍有许多优秀研究人员。

Frosst 将 Cohere 描述为专注企业应用的基础模型公司。公司训练模型使用业务工具、访问获得许可的内部数据并协助员工。这是他对自己公司的定位描述，并非对模型性能的独立比较。

他说，Cohere 并不着重优化模型，让消费者一直参与对话，而是为工作中的实用性训练模型。一种方法是使用合成环境：虚构公司、消息和 API，让模型练习协助处理业务任务。

Frosst 说，合成数据并不会让真实数据变得不重要。启动和引导这一过程仍需要高质量示例，Cohere 也使用人工标注员。他认为，高质量数据仍是让模型更有用的重要约束。

他描述了一系列训练阶段：基础语言建模、监督示例，以及利用反馈进行强化学习。他认为，相比底层算法，训练数据是提高模型实用性更重要的现实瓶颈，同时指出训练方法已经变化。

Stebbings 问，更多算力是否会继续带来进步。他说，由于模型选择和响应延迟，他个人觉得 GPT-5 不如 GPT-4 方便。这是他的产品体验，并非对模型能力的受控比较。

Frosst 区分了扩大模型规模与交付有用产品所需的工作。他设想一个助手能查找收据、读取报销政策、检查 API 并取得批准，然后提交费用报销。实现这一流程需要更好的模型、连接器和安全的数据访问；完整流程是目标，而不是已获证实的现有部署。

他说，按照他自己的定义，当前语言模型技术无法达到 AGI：即人们像对待人一样对待并期待计算机行事。这是他的定义和存在争议的科学判断，并非对 AI 未来的定论。

Frosst 认为基础模型和应用密切相关。一个通用语言模型仍需针对它服务的界面和使用场景加以调整；他以 Cohere 对企业工具和文档的工作为例。

他对比了过去针对特定任务训练的神经网络与先进行广泛训练、再加以调整的语言模型。他说，摘要系统受益于通用语言训练，而编程或企业模型随后可以针对一系列相关任务进行优化。

Stebbings 问，Cohere 是否在公开评测中较弱。Frosst 说，公司优先考虑客户能否部署并成功使用模型，而不是排行榜位置。理解他对评测的批评时，应考虑 Cohere 在企业专用评估方面的利益。

Frosst 回忆，基准测试随着时间从语言续写转向推理和其他能力测试。他认为，一些广受讨论的测试与客户实际任务并不相似。他也说基准测试可以通过针对性优化获得好成绩，同时承认不知道具体竞争对手是否这样做。

模型发布看似迅速，但训练需要数月，硬件周期更慢。Frosst 说，核心 Transformer 和序列模型方法一直延续，而训练程序有所演变；这是他对技术的概括。

谈到 AI 人才竞争，Frosst 说他无法核实媒体标题中的薪酬数字。他认为优秀研究人员能够创造巨大价值，但人们除了薪酬，也重视稳定、目标感和价值观一致。

Cohere 会为研究人员支付 500 万美元吗？Frosst 说，如果对方创造的价值足够，就会支付；他还指出，股权可能使员工的持股具有很高价值。他没有披露特定个人的薪酬，也没有核实其他公司的报价。

他认为 AI 具有变革性，同时批评他所看到的误导性炒作。尤其是，他认为关于迫在眉睫的生存灾难的说法，使人们忽略了就业和不平等这些具体问题。这是他对 AI 风险存在争议的评估，而非共识结论。

Stebbings 说员工可能对 AI 感到紧张，并预测一些初级营销和销售岗位可能很快被替代。Frosst 说，他接触的企业客户反应更积极，认为该技术主要是辅助员工。双方提出了不同预测，而不是经过测量的就业结果。

Frosst 认为语言模型擅长某些任务，但人的判断、人际关系和文化背景仍然重要。他还断言序列模型无法独立产生某些突破；这是一项重要且有争议的研究主张，并非已证明的限制。

Stebbings 描述用 AI 系统生成营销创意时，Frosst 认为这是有用的起点，而不是工作的终点。他说人仍然需要选择、修改并结合情境处理建议。自动化与人类工作之间的实际平衡仍有待讨论。

Frosst 预测，未来五至十年，许多员工会用语言让计算机完成常规任务，然后花更多时间评估结果和与人交流。他承认转型可能带来冲击，并认为社会应关注劳动力韧性与不平等。

他认为，AI 会扩大还是缩小不平等，部分取决于劳动政策。他以工业革命为例，指出技术变化伴随着劳动保护的出现，同时承认在现代语言模型流行之前，不平等就已经是问题。

谈到开放与封闭模型，Frosst 说 Cohere 为非商业用途发布模型权重，并与商业用户协商合作安排。他称这是一种中间路线，既支持研究访问，也维持营利性公司运营；具体许可条款取决于模型。

他说，创始人应对竞争对手有足够了解，但不必沉迷于每条新闻。对 Cohere 来说，更重要的问题是公司是否解决真实客户问题并交付价值。

Frosst 预计语言提示仍会有用，但随着模型学会遵循普通指令，专门的提示技巧会变得不那么重要。人们仍需了解工具能做什么、不能做什么；这是对界面发展的预测。

回顾融资，他说随着行业成熟，投资人的问题更加具体。Cohere 不必再主要解释语言模型是什么，而可以讨论与 RBC、Fujitsu 和 LG 等客户的工作；这些关系由公司自行描述。

训练需要人员、算力和数据。Frosst 说 Cohere 的 Command A 系列设计为可以在两块 GPU 上运行，他认为这对硬件有限的客户有用。有关效率比较和客户收益的说法来自公司，并非独立基准测试。

他回忆，公司资金有限时曾研究如何利用分散的 GPU 资源进行训练。他说这种方式可行但速度慢，而租用大型数据中心更容易。这个故事说明了资源可用性与训练时间之间的取舍。

被问到 Cohere 如何与融资规模大得多的公司竞争时，Frosst 指出其专注企业市场。他用“关注投资回报，而不是 AGI”概括：公司希望帮助客户部署系统并获得价值，而不是营销面向个人的订阅。

他说，企业部署与大型消费服务不同，因为客户需要隐私、定制、成本控制和系统集成。他将 Cohere 的 North 产品描述为可私有部署、面向知识工作定制；这些是创始人的商业主张。

Frosst 说，定价取决于客户和工作内容。Cohere 使用前沿部署工程师协助建立和定制系统。他不同意这种支持必然意味着技术差，认为企业软件往往必须适应客户现有环境。

Stebbings 问，企业市场增长较慢是否会带来估值折价。Frosst 说也许会，并承认报道中的 68 亿美元估值对个人来说很难直观理解。这是节目讨论的融资轮估值，并非当前市场价格。

Frosst 确认 Cohere 曾收到收购接洽，但表示创始人希望打造一家在他们不再参与后仍能延续的公司。他认为，创造比个人更长久的东西令人满足，同时也承认没有机构会永远存在。

Stebbings 和 Frosst 对不同工作的价值存在分歧。Frosst 回忆自己当厨师时体力消耗很大的工作，认为低薪并不意味着工作没有价值。Stebbings 强调市场薪酬；双方都没有把分歧说成对个人价值的实证测量。

Frosst 说，他与联合创始人 Aidan Gomez、Ivan Zhang 在具体产品和运营决策上会有分歧，包括过去对 API 设计的讨论，但合作关系稳固。他说自己希望创造能跨越几代人的东西。

被问到 Cohere 是否应更多对外讲述自己的故事时，Frosst 区分了企业销售与消费者营销。他喜欢介绍公司，但认为产品质量和解决客户问题对其战略更重要。

Frosst 将本地控制的 AI 模型比作基础设施，认为各国可能受益于理解当地语言和文化背景的系统。他不确定最终形式，而他的加拿大公司在美国供应商替代方案的需求中拥有商业利益。

他说，Cohere 的加拿大身份有时有助于与担心访问权和地缘政治的客户交流。他认为政治发展会影响采购决定，这基于个人经历和解读，而非量化调查。

展望未来设备，Frosst 预计语言会发挥更大作用，但某些任务仍适合图形界面。他还没有看到一款专门的 AI 设备把交互做好；这是他的评价，并非手机会消失的预测。

他回忆最初对 Google Glass 和虚拟现实的热情，后来意识到自己不想让技术使他远离身边的人。他希望工具能加强人与世界的连接，并说自己喜欢演奏音乐，部分原因是音乐能创造即时共享的体验。

Frosst 担心孤独和社区关系减弱，但提醒说，许多时代的人都认为自己这一代的处境格外糟糕。他认为技术创造者应检查产品是在连接人还是使人孤立，同时保留历史视角。

在快问快答中，Frosst 批评 Sam Altman 关于 AGI 和生存风险的公开言论，称其具有误导性且没有帮助。这些是 Frosst 对竞争对手言论存在争议的描述；访谈并未确定他归于 Altman 的具体预测。

Stebbings 问，夸张的 AI 主张是否与融资需求有关。Frosst 说他不知道其他公司言论背后的策略，并指出 Cohere 也募集风险资本，却没有作出同样的说法。他仍然相信这项技术可以带来变革。

Frosst 担心，如果监管建立在选择不当的基准测试上，可能误判模型能力，或者模型可能被训练得在该测试中表现不同。他举出监管者根据单一基准停止开发的例子，这是假设性的政策担忧。

他说中国公司做出了有用的模型，但他不确定未来竞争会如何发展，也不认为自己对此感到担忧。他对哪些模型领先的看法是访谈时的判断，并非权威排名。

对于 2026 年，Frosst 预测用户将能要求工作助手提交费用报销，由它寻找相关信息并遵循政策。他强调，让这一工作流程可靠且普及仍然困难；这是预测，而非已经确认的能力。

他使用 Cohere 的 North 和 Cursor 编程工具，并说公司没有强制使用某一款编程助手。如果价格大幅上涨，企业会重新评估选择；他承认，目前仅在编辑器中换用 Cohere 模型，还无法复制 Cursor 的产品体验。

Frosst 认为好奇心和逆向思考既是优点，也可能带来问题。他回忆自己早期就看好语言模型，但承认自己曾错误地认为社会进步总会持续向上，也曾低估基于人类反馈的强化学习在数据使用上的效率。