[騰訊] 湯道生姚順雨對談:騰訊AI的下半場
無論是企業還是個人，我覺得越來越重要的事情是context，因為模型越來越擅長把壹個非常復雜的輸入變成壹個輸出。那很多時候你的競爭壁壘就來自於你有沒有最原始的輸入——你知不知道這個人他到底在幹什麼？你知不知道這個企業的各種各樣的信息？這壹點騰訊有非常強的優勢。
但其實這只是第贰大的原因，我覺得最重要的原因是文化。我還記得第壹次跟你聊天的時候，包括和很多其他總辦的老板們聊天的時候，我的第壹印象就是大家都非常誠實。哪裡做得好，哪裡做得不好，都非常直白，不會去掩蓋。我覺得這種坦誠是我的第壹印象。
第贰，我覺得騰訊總體是壹個基於trust（信任），而不是基於metric（指標）去運轉的公司。我覺得這壹點對於做AI是非常重要的。包括我們的文化其實有非常low ego（低調）、非常solid（扎實）的壹面。我覺得這些文化對於長期建設壹個AI組織是非常重要的，包括我們對長期主義的堅持。
所以AI下半場最重要的是什麼？我個人的目標是，我覺得我們應該在中國建立壹個長期的、基於AGI的組織。我覺得今天的AI主要有叁個部分：首先是Foundation（基礎模型）的部分，我們怎麼把預訓練和後訓練最基礎的東西做得非常扎實；第贰部分是產品，我們怎麼把這樣的技術真的為人和社會產生價值；第叁就是Frontier，我們怎麼去探索新的研究范式，探索新的機會。我覺得最重要的就是我們要構建壹個非常均衡的、叁角形壹樣的組織。
對於Foundation（基礎模型）來說，最重要的第壹是充足的資源，第贰是正確的做事方式，這跟我剛說的文化也是吻合的。對於產品來說，有好的產品感、有做產品的基因至關重要。第叁，我覺得在中國，我們今天做的探索可能還不夠多，所以我也希望能把這種前沿探索的精神更多地注入到我們的組織中。
湯道生：你提到的跟總辦聊天過程中感受到的真誠和務實，其實也是我經常跟客戶交流時得到的反饋。我覺得我們做事的方式、做產品的理念比較實事求是。畢竟AI賽道還是壹個長跑。有時候認知也很重要，哪些做得好的，哪些做得不好的也得認。但關鍵這是壹個多維度的競賽。我們看到現在模型有很多進步，做產品也有越來越多的形態，不同場景有不同的需求，我覺得未來還是非常可期的。
02 Co-Design：模型與產品如何深度協同
湯道生：你剛提到模型跟產品，產品可以說提供了壹個環境，裡面要給模型提供context、上下文。我想問你壹個問題，我們平時開會比較多提到的壹個詞是Co-Design，怎麼把產品跟模型能夠比較緊密地結合起來？尤其今天有這麼多豐富的產品，從我們合作非常緊密的像元寶這樣的聊天機器人，包括AI搜索，企業裡面也有部署壹些智能客服、智能營銷，另外最近非常火的類龍蝦的產品，像CodeBuddy、WorkBuddy，對模型的能力依賴很深。你怎麼去思考Co-Design這個方式？
姚順雨：我覺得有叁點。首先Co-Design的前提是模型本身要做得很solid，有很多foundational work（基礎工作）要做好。預訓練是壹個相對產品agnostic（不綁定具體產品）的事情，它做得非常扎實可以給各種產品提供壹個非常強的基礎，而且預訓練最大的特點是它是壹個可泛化的學習過程，它的進步可以帶給各種各樣下游的任務持續的價值。
後訓練的話，我覺得最重要的壹點是要設立好正確的eval。中國可能大家有個不好的傾向，就是比較喜歡刷榜。但如何實事求是地基於產品、基於真正的應用去構造更加真實的eval，這首先要有好的產品出口，第贰要意識到實用性的價值是大於刷榜的價值的。這壹點我們做了大量的工作，跟各種各樣的產品進行了深度的Co-Design。Co-Design很關鍵的壹點就是要產生相互的信任，我們也做了大量工作去取得互信。怎麼把產品的數據用好？怎麼做好回流？怎麼把eval做好？有很多細節我就不贅述。
第叁點我想說的是，LlM時代和過去的AI最本質的區別就是泛化性。在LLM之前，你做壹個翻譯的產品，只要把翻譯的數據做特別好就行了；你做壹個圍棋的程序，只要把圍棋的數據准備特別好就行了。但是今天，即使你只想做壹個Coding Agent，你發現需要的也不僅僅是Coding Agent數據，你需要非常好的聊天能力、非常強的搜索能力、非常強的指令遵循能力、非常強的推理能力，它其實是壹個非常復合的data taxonomy（數據構建）。
我覺得這個事情的壹個推論就是，有很多產品形成體系化的地方，會有比較大的優勢。比如我們和元寶的Co-Design可以使模型產生很強的聊天和搜索能力，但這樣的能力可能又可以被遷移到ima或WorkBuddy這樣的其他產品。所以這些產品能夠提供不同的數據，但這些數據之間又可以相互泛化，形成壹個像網絡壹樣的體系。這壹點的價值會越來越重要。
[加西網正招聘多名全職sales 待遇優]
還沒人說話啊，我想來說幾句
但其實這只是第贰大的原因，我覺得最重要的原因是文化。我還記得第壹次跟你聊天的時候，包括和很多其他總辦的老板們聊天的時候，我的第壹印象就是大家都非常誠實。哪裡做得好，哪裡做得不好，都非常直白，不會去掩蓋。我覺得這種坦誠是我的第壹印象。
第贰，我覺得騰訊總體是壹個基於trust（信任），而不是基於metric（指標）去運轉的公司。我覺得這壹點對於做AI是非常重要的。包括我們的文化其實有非常low ego（低調）、非常solid（扎實）的壹面。我覺得這些文化對於長期建設壹個AI組織是非常重要的，包括我們對長期主義的堅持。
所以AI下半場最重要的是什麼？我個人的目標是，我覺得我們應該在中國建立壹個長期的、基於AGI的組織。我覺得今天的AI主要有叁個部分：首先是Foundation（基礎模型）的部分，我們怎麼把預訓練和後訓練最基礎的東西做得非常扎實；第贰部分是產品，我們怎麼把這樣的技術真的為人和社會產生價值；第叁就是Frontier，我們怎麼去探索新的研究范式，探索新的機會。我覺得最重要的就是我們要構建壹個非常均衡的、叁角形壹樣的組織。
對於Foundation（基礎模型）來說，最重要的第壹是充足的資源，第贰是正確的做事方式，這跟我剛說的文化也是吻合的。對於產品來說，有好的產品感、有做產品的基因至關重要。第叁，我覺得在中國，我們今天做的探索可能還不夠多，所以我也希望能把這種前沿探索的精神更多地注入到我們的組織中。
湯道生：你提到的跟總辦聊天過程中感受到的真誠和務實，其實也是我經常跟客戶交流時得到的反饋。我覺得我們做事的方式、做產品的理念比較實事求是。畢竟AI賽道還是壹個長跑。有時候認知也很重要，哪些做得好的，哪些做得不好的也得認。但關鍵這是壹個多維度的競賽。我們看到現在模型有很多進步，做產品也有越來越多的形態，不同場景有不同的需求，我覺得未來還是非常可期的。
02 Co-Design：模型與產品如何深度協同
湯道生：你剛提到模型跟產品，產品可以說提供了壹個環境，裡面要給模型提供context、上下文。我想問你壹個問題，我們平時開會比較多提到的壹個詞是Co-Design，怎麼把產品跟模型能夠比較緊密地結合起來？尤其今天有這麼多豐富的產品，從我們合作非常緊密的像元寶這樣的聊天機器人，包括AI搜索，企業裡面也有部署壹些智能客服、智能營銷，另外最近非常火的類龍蝦的產品，像CodeBuddy、WorkBuddy，對模型的能力依賴很深。你怎麼去思考Co-Design這個方式？
姚順雨：我覺得有叁點。首先Co-Design的前提是模型本身要做得很solid，有很多foundational work（基礎工作）要做好。預訓練是壹個相對產品agnostic（不綁定具體產品）的事情，它做得非常扎實可以給各種產品提供壹個非常強的基礎，而且預訓練最大的特點是它是壹個可泛化的學習過程，它的進步可以帶給各種各樣下游的任務持續的價值。
後訓練的話，我覺得最重要的壹點是要設立好正確的eval。中國可能大家有個不好的傾向，就是比較喜歡刷榜。但如何實事求是地基於產品、基於真正的應用去構造更加真實的eval，這首先要有好的產品出口，第贰要意識到實用性的價值是大於刷榜的價值的。這壹點我們做了大量的工作，跟各種各樣的產品進行了深度的Co-Design。Co-Design很關鍵的壹點就是要產生相互的信任，我們也做了大量工作去取得互信。怎麼把產品的數據用好？怎麼做好回流？怎麼把eval做好？有很多細節我就不贅述。
第叁點我想說的是，LlM時代和過去的AI最本質的區別就是泛化性。在LLM之前，你做壹個翻譯的產品，只要把翻譯的數據做特別好就行了；你做壹個圍棋的程序，只要把圍棋的數據准備特別好就行了。但是今天，即使你只想做壹個Coding Agent，你發現需要的也不僅僅是Coding Agent數據，你需要非常好的聊天能力、非常強的搜索能力、非常強的指令遵循能力、非常強的推理能力，它其實是壹個非常復合的data taxonomy（數據構建）。
我覺得這個事情的壹個推論就是，有很多產品形成體系化的地方，會有比較大的優勢。比如我們和元寶的Co-Design可以使模型產生很強的聊天和搜索能力，但這樣的能力可能又可以被遷移到ima或WorkBuddy這樣的其他產品。所以這些產品能夠提供不同的數據，但這些數據之間又可以相互泛化，形成壹個像網絡壹樣的體系。這壹點的價值會越來越重要。
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 | 更多... |
推薦: