李开复：传统公司看不懂技术，大模型落地B端阻碍多

·“有这么多大模型公司来竞标，价格越竞越低，竞到最后做一单赔一单，没有利润。我们在AI1.0时代就看到了这个现象，很不幸现在在AI2.0时代又重现了。To B应用要精挑细选，不做赔钱的To B。”

·“绝大多数应用并不需要人形机器人，炒菜机器人应该长得像锅，吸尘器并不会长得像人。除了爬楼梯，机器人真的需要两条腿吗？”

创新工场创始人、零一万物CEO李开复。

大模型最大的落地场景在哪？To B（企业端）和To C（消费端）赛道，哪一个机会更大？大模型+具身智能背景下，人形机器人是“大炮打蚊子”吗？

在6月14日举办的2024智源大会上，创新工场创始人、零一万物CEO李开复在回应大模型的商业化问题时表示，短期来看，大模型在中国To C的应用更有机会，但挑战在于推理成本高，在考虑PMF（产品市场匹配度）时，还要考虑技术需求、难度、成本等因素，并需要把握时间窗口。理论上来说，大模型To B应用可以带来更大价值，理应更快实现，但现实情况是传统企业普遍不敢用、高管不想用、企业不愿为软件付费等问题。

李开复认为，大模型作为新技术、新平台，会带来新应用，这些应用会一步步产生。类比PC时代或移动互联网时代，第一阶段是新技术被用作生产力工具，第二阶段是应用于娱乐、音乐、游戏，第三阶段用于搜索，第四阶段则被用于电商、社交、短视频、O2O。“这是不变的定律，刚开始要赚钱、解决问题，所以是工具。越往后难度越高，需要先堆积用户，再找商业模式，所以一定要压低成本，所需要的投资会更多，所以大模型按照这个应用顺序发展也是自然的。”

但大模型应用的挑战在于推理成本高。李开复表示，大模型企业不仅要考虑TC-PMF（Technology Cost-PMF，技术成本和产品市场匹配度），也就是在考虑PMF时，就要考虑技术需求、难度、成本。不过在他看来，TC-PMF难度高，回报也高，机会更大。打造大模型To C应用已经不是过去移动互联网时代依靠一个产品经理就可以做主的，还需要AI基础设施人才、大模型人才一起打磨。

“我不相信技术可以带来永久领先，它带来的领先是非常短暂的。因为很多巨头一旦看到了你的TC-PMF验证，他会有更多的方法来超越你。所以一旦验证出TC-PMF，要把握时间窗口，打出品牌。最终胜出的ToC应用一定不只是技术做得好，还需要抓到时间窗口打造可持续优势，比如品牌优势、社交链，比如让用户数据不能离开平台。”

李开复表示，大模型To B应用可以带来更大价值，理应更快实现。但To B应用面临巨大挑战，一方面，传统公司看不懂技术，不敢采用颠覆性技术，“大公司习惯每年增加预算，继续做去年做的事。”另一方面，过去一年，大模型为企业带来的价值是降本而非创造价值。“说实在的，降本就是取代人类的工作。大公司会有很多高管或中层管理不愿意做这事，因为这会导致他的团队被砍掉，他在公司的权力变小了，甚至自己的工作也没了，所以大公司CEO有时候想做，但下面会有阻力。这些原因造成To B应用理论上应该马上可以落地但实际没那么快。”

更为重要的是，很多大公司还没有认识到软件的价值，不愿意为软件付费。“有这么多大模型公司来竞标，价格越竞越低，竞到最后做一单赔一单，没有利润。我们在AI1.0时代就看到了这个现象，很不幸现在在AI2.0时代又重现了。”李开复表示，To B应用要精挑细选，不做赔钱的To B，“选大老板跟VP（副总裁）都愿意接受这个概念或者大老板权力很大的公司，无论在国内还是国外，要去做To B应用。”

伴随着大模型的出现，将物理世界和AI结合的具身智能成为当下另一个热门话题。“具身智能有很大的想象空间，具身智能结合了多模态，具身以后可产生数据，飞轮可以闭环”，但李开复认为，短期要做好具身智能，难度很大。“大模型非常适合虚拟世界，一旦进入物理世界就会遇到安全、工程等各种问题，落地难度更大。”从创业者的角度来说，虽然现在具身智能一时较热，一些创业者就进入了，但大部分创业者如果希望看到短期的落地产生价值，能赚钱，做虚拟世界要容易很多。”

李开复表示，具身智能的发展仍有一段漫长道路，绝大多数应用并不需要人形机器人，“炒菜机器人应该长得像锅，吸尘器并不会长得像人，那些很酷的跳来跳去翻跟斗的机器人真的有很多应用吗？绝大多数的场景几个轮子不是更能容易走到吗？除了爬楼梯，机器人真的需要两条腿吗？腿带来的难度跟成本高这么多。”李开复直言，很多科学家和创业者从小热爱这种科技，希望能复制一个人，这无可厚非，但他创立的创新工场目前没有投资任何具身智能和人形机器人公司。“我们投了七八家机器人企业，但不是具身智能，这些机器人能够解决一个场景里的应用，能够带来价值。我相信机器人，只是对于具身智能，我们做投资的肯定不能现在去投资一个10年以后才能够发生的事。”