I. Intention et vision initiales : un groupe de gens ordinaires, faisant les choses avec bonne volonté
Moi, et d'autres collègues de notre société, au début pour faire cette société, l'intention initiale n'était pas de dire combien d'argent je finirais par gagner, pour aller sur le marché des capitaux, pour être coté en bourse, ce que je voulais. Nous n'avons pas cette intention initiale. Les premières douzaines n'avaient pas pensé à cela du tout - s'il l'avait fait, il ne serait pas venu.
Dans l'ensemble, nous faisons cela avec une très grande gentillesse envers le monde. Nous pensons que c'est utile pour l'humanité, et c'est une chose au-delà de l'argent. Bien sûr, à l'arrière, après avoir constaté que les avantages de cette chose sont très grands, il y a d'autres tentations, c'est une autre chose. Mais notre intention initiale, notre vision et la vision que nous maintenons jusqu'à présent ne sont pas faites de manière à maximiser les avantages commerciaux. Je pense que c'est le point crucial.
Il y a environ 20 ans, Jack Welch, l'ancien PDG de GE, était mon admirateur le plus en gestion. Maintenant, en revenant, la plupart de ce qu 'il a dit pourrait être faux, mais il a raison sur le point le plus important :La chose la plus importante pour une entreprise, c'est sa vision.
Gérer une grande entreprise ne dépend pas de vos règles et règlements, mais de votre vision. Qu ' est-ce que la vision ? La vision n'est pas un slogan accroché au mur, la vision est la façon dont vous le faites, pas la façon dont vous le dites, c'est la façon dont vous le faites réellement. J'ai oublié ce que Jack Welch a dit, c'est probablement ce que cela veut dire.
Comment pouvons-nous gérer autant de personnes, comment pouvons-nous nous organiser ? En fait, nous n'avons pas d'organisation, c'est une vision axée sur l'organisation par une vision. Il y a des avantages et des inconvénients. À l'avenir, nous trouverons des moyens de tirer parti des forces et d'éviter les faiblesses, mais c'est notre caractéristique. Nous ne le faisons pas avec un « quel est le KPI que je veux atteindre » - pas d'évaluation, juste une vision.
Cette vision n'est même pas écrite, rien n'a été écrit. Cette vision est dans la façon dont nous faisons les choses, dans l'attitude que nous avons envers le monde. Peut - être que chacun dans notre entreprise comprend cette vision différemment, la vision de chacun est différente, mais dans une grande direction est cohérente : avec une très grande gentillesse envers le monde, puis veulent faire un peu de choses. Nous avons utilisé cela pour nous organiser.
Ensuite, je vais commencer par parler, après avoir terminé, vous posez des questions. Je vais tourner autour de cette vision et de ce qui suit. Cette vision est réelle, pas inventée, nous pensons vraiment ainsi, nous faisons vraiment ainsi, sinon vous ne pouvez pas expliquer beaucoup de choses sur nous.
Pourquoi s'en tenir à l'open source
Pourquoi sommes-nous si attachés à l'open source ? Parce que cette vision elle-même nécessite l'open source. Vous n'avez pas cette vision, vous ne pouvez pas organiser les gens. Par exemple, Zhi谱 est également open source, mais la source ouverte de Zhi谱 n'est pas la même que la notre. Il y a un sentiment de contrainte dans l'open source de la spectre de sagesse, ils pensent que ce n'est pas l'intention ; mais pour nous, c'est notre intention.
Nous avons pensé très clairement au sujet de l'open source dès le début. Tout d'abord, c'est la vision ; deuxièmement, nous pensons que l'open source est bénéfique pour faire de l'IA une entreprise.
Cela semble un peu paradoxal, un peu contre-intuitif, parce que historiquement, l'open source et la commercialisation sont en conflit. Mais je ne pense pas que l'AI soit la même qu 'elle était. Dans l'histoire, une société de logiciels, son marché peut être de plusieurs milliards de dollars par an, une fois open source, il n'est plus, il peut ne rester que des dizaines de millions ou des centaines de millions de dollars. Mais l'IA est assez grande, et finalement, elle pourrait représenter 10% du PIB de la société humaine, ce qui est en fait un très grand nombre.Vous ne pouvez pas avoir le monopole de cette chose, vous devez partager avec les autres, sinon vous ne survivrez certainement pas.
Ce n'est pas la même chose que de faire un logiciel open source avant. Le marché du logiciel n'est pas si grand, mais l'IA est vraiment trop grande. Si nous voulons monopoliser cet intérêt, alors nous devons être abandonnés par l'histoire. C'est une loi objective et c'est une vision de l'histoire. Ce n'est pas que je peux monopoliser ce marché si je ne suis pas open source - ce n'est pas en théorie compatible avec les faits objectifs, vous rencontrerez certainement beaucoup de résistance, il y aura certainement d'autres moyens de vous empêcher d'atteindre cet objectif.
Dans ce cas, il n'est pas nécessaire de suivre la pensée traditionnelle des affaires. Vous devez avoir un mécanisme pour vous assurer que les avantages que vous pouvez obtenir vous-même sont limités, puis vous pouvez le faire. La retenue est nécessaire, je pense que c'est la retenue.
Si nous voulons faire cette chose de l'IA dans nos mains, d'abord, je pense que nous devons nous retenir. Je ne peux pas penser à quel pourcentage du PIB humain m'appartient, quel pourcentage du PIB chinois m'appartient - plus vous pensez à cela, plus vous ne le faites pas. Nous avons donc ressenti le besoin de retenue dès le début.Plus vous vous abstenez, plus vous êtes susceptible de le faire. C'est une considération commerciale, et bien sûr, c'est une considération macro.
Je pense que c'est intuitif, du moins c'est mon intuition, du moins c'est ce que je pense vraiment. Nous n'avons pas beaucoup d'autres avantages : nous n'avons pas de compétences, nous n'avons pas d'argent que les autres, et nous ne disons pas que nous avons un meilleur personnel que les autres entreprises, en fait, nous ne le faisons pas. Vous pensez que lorsque nous avons fondé cette société il y a deux ans, nous n'avions pas beaucoup d'argent, pas beaucoup de cartes, pas de popularité, pas d'attrait, nous étions un groupe de gens très ordinaires.
C'est vraiment un groupe de gens ordinaires. S'il doit y avoir un récit préféré, c'est celui d'un groupe de gens ordinaires qui font des choses extraordinaires, pas un groupe de génies qui font des choses extraordinaires. Cela a beaucoup à voir avec notre retenue, avec notre retenue, avec notre vision dans la même veine.
Réserve : tarification de l'API et « remboursement de dix mois »
Est-ce que l'open source et la commercialisation vont-ils entrer en conflit ? Je pense que dans l'IA, vous ne pouvez pas vous relever si vous ne vous contentez pas.
L'open source fait partie de la retenue. Notre retenue ne se manifeste pas seulement sur l'open source, mais de nombreuses façons. Dans l'ensemble, nous n'avons pas besoin de penser spécifiquement à l'open source, à la retenue - plus vous vous contentez, plus il est probablement facile de le faire, au moins jusqu'à présent, il est confirmé et expliqué. Sinon, il n'y a aucun moyen d'expliquer pourquoi nous pouvons le faire : nous n'avons pas d'armes, le point de départ est très bas, les ressources sont très peu, nos gens sont en fait un groupe aléatoire de gens ordinaires, je suis un diplômé de l'université, je ne suis pas non plus diplômé de la meilleure école.
Cette retenue fait aussi partie de notre vision. L'IA est trop grande et les avantages sont trop importants. Nous sommes très restreints, tant que nous pouvons le faire, les avantages finaux seront très grands. Si vous en partagez un peu au hasard, les avantages seront très grands, donc maintenant vous n'avez pas besoin de penser à la partie des avantages et à la façon de les prendre. Cet intérêt est assez grand, tant que vous en partagez un peu, il est déjà suffisant.
Donc, nous avons dit précédemment que nous ne faisons qu ' un profit raisonnable et que nous ne regardons que votre volonté, et non la grandeur du profit, ce n'est pas la même chose. La logique de la tarification de notre API est : un bénéfice raisonnable, probablement que nous sommes allés sur le marché pour acheter un lot d'équipements en retour,10 mois de recouvrement de coûts。Dans la situation actuelle, compte tenu des risques, des investissements préliminaires, etc. - un serveur, nous amortissons financièrement sur trois ou cinq ans, mais commercialement, nous pensons que cela prend environ dix mois pour récupérer les coûts, nous pensons que cela suffit. C'est la logique de nos prix API maintenant, notre V3.2 Flash et les autres, le coût de dix mois de récupération de l'appareil.
C'est notre standard. Ce n'est pas en fait la maximisation des bénéfices - si les bénéfices sont maximisés, les prix devraient être fixés plus haut. Parce que dans cette fourchette de prix, la demande des utilisateurs n'est pas élastique : si je double le prix ou double à nouveau, la consommation de jetons ne fait pas beaucoup de différence ; si je double le prix à nouveau, mon revenu total est presque doublé.
Je vais vous raconter une histoire. Notre DDCP, c'est notre modèle, au début, nous étions préoccupés par la demande trop, alors au début, nous avons fixé le prix relativement élevé, tout le monde dans l'équipe n'était pas très heureux. Plus tard, j'ai baissé le prix à nouveau, à un quart, et tout le monde était très heureux.
Je pense que c'est notre véritable idée, c'est la vision que j'ai mentionnée plus tôt : nous rendons toujours cette chose utile aux gens, pas nous gagnons le plus d'argent ; c'est nous qui pouvons faire un profit raisonnable, tout le monde peut l'utiliser. C'est aussi ce que pensent les autres dans notre société - quand nous avons réduit les prix à ce moment-là, beaucoup de gens dans le groupe de l'entreprise ont acclamé, tout le monde se sentait très heureux. Parce que c'est l'objectif pour lequel nous avons dépensé tant d'énergie et de soins pour faire ce modèle : il peut être très bon marché, très efficace et peut être pleinement utilisé par tout le monde. Nous pensons que c'est très amusant. C'est notre motivation, c'est notre vision, c'est le consensus que notre entreprise est en mesure de se rassembler pour faire cela.
Cela devrait être un peu spécial. Parce que la réduction des prix n'est certainement pas une bonne chose pour nos autres concurrents, ils ne doivent pas applaudir - votre revenu, votre ARR, réduire de moitié, ARR tombera de moitié. C'est un endroit où nous sommes différents.
Nous pensons que c'est suffisant. De l'intérieur de la société, le coût de récupération de dix mois, je suis très satisfait de cette entreprise ; à l'extérieur de la société, nous pensons également que ce prix est plus heureux, plus heureux de voir, est gagnant-gagnant - gagnant-gagnant - gagnant avec la société et la société, et tout le monde.
Quelqu 'un vient de laisser un message à l'écran disant que le profit de dix mois est trop élevé. Il y a en effet de la place pour la réduction des prix, et il y a de la place pour l'optimisation du modèle, de sorte que l'espace global de réduction des prix est encore relativement grand. Mais ce coût - dix mois de remboursement - nous pouvons le faire nous-mêmes, d'autres familles ne peuvent pas le faire. Comme Ali ou Tencent, il n'est pas notre optimisation, son coût devrait être plusieurs fois plus élevé que celui-ci, il y a encore beaucoup de travail d'optimisation ici.
Je viens de dire pourquoi ne continuons-nous pas à baisser les prix ? C'est parce qu ' il n'est pas élastique : si je baisse les prix à nouveau, la demande ne sera pas plus grande, ou augmentera très peu. Parce que ce prix est abordable pour tout le monde, tout le monde se sent satisfait, ne pas utiliser parce que ce prix est cher. Par conséquent, la réduction des prix, d'abord, la société n'a pas plus de revenus, et il n'y a pas plus de valeur pour la société - ce prix est satisfait de tout le monde, peu importe si vous êtes bas, le bonheur de la société n'a pas beaucoup augmenté.
En ce qui concerne les prix, nous ne prenons certainement pas le revenu le plus élevé ou le bénéfice le plus élevé de la société comme point de départ. Cela fait partie de notre modération.À court terme, vous obtenez un prix plus élevé et un revenu plus élevé ; mais à long terme, ce n'est vraiment pas facile à dire.Parce que je pense que la retenue est une tactique. Pour moi, la modération est une stratégie.Parfois, vous pouvez renoncer à quelque chose pour plus d'autre chose. L'open source, en fait, est la même chose, peut également être considéré comme notre transfert de profits.
Tout d'abord, ce transfert de bénéfices à l'intérieur de notre société, nous sommes très heureux, tout le monde est très heureux, les employés se sentent très accomplis, nous aurons donc une cohésion ; Deuxièmement, ce transfert de bénéfices est bon pour la société, la société est également très heureuse, les autres pairs, les gens ordinaires seront très heureux. Donc, cette retenue, je comprends, peut augmenter notre probabilité de devenir un AGI à long terme.
Je n'ai aucun doute que l'AGI aura une très grande valeur commerciale. Sur cette base, ma priorité n'est pas la façon dont je prends plus de parts, mais la façon dont je peux augmenter les chances que je peux le faire.
IV. Autres manifestations de la retenue : ne pas voler les utilisateurs et ne pas ramasser tout le sésame
Cette retenue se reflète dans de nombreux autres aspects. Par exemple, il y avait soudainement beaucoup d'utilisateurs à la Fête du Printemps l'année dernière, mais nous n'avons pas poursuivi la poursuite de garder ces utilisateurs, de réaliser ces utilisateurs et de saisir ces avantages commercials. Nous n'avons pas volé les utilisateurs, nous n'avons pas gagné d'argent, mais nous avons essayé de trouver un moyen de servir les utilisateurs. Nous n'avons pas cette idée : je vais faire la prochaine super-application, avec qui je vais rivaliser, je vais faire le prochain octet, le prochain Tencent. Il n'y a pas de pensée comme celle-ci.
Nous aurions pu le faire, mais nous ne l'avons pas fait. Je comprends que cela fait aussi partie de la retenue. Vous ne pensez pas à tout gagner - c'est comme si vous avez un utilisateur, vous pouvez faire le prochain octet, puis vous mangez celui-ci. Cela fonctionne commercialement : si nous avons dépensé beaucoup d'argent et d'octets l'année dernière pour voler les utilisateurs, c'est aussi une façon de jouer. Mais nous avons choisi une approche très modérée, et je ne vais pas vous contester sur cette chose -Parce qu 'il y a de la pastèque à l'arrière, il est possible que tout le sésame à l'avant.
Je n'aurais pas dû prendre tout le sésame. Bien sûr, peut - être que ce sésame est plus grand, mais je pense que par rapport à l'IA derrière, l'avant n'est pas grand. Maintenant, l'année dernière, nous n'avons probablement eu raison de ne pas faire de force à l'extrémité C, car vous pouvez voir qu 'il y a vraiment de plus grandes pastèques à l'arrière et que c'est vraiment juste de petits graines de sésame à l'avant. Si j'avais beaucoup d'argent l'année dernière et que j'avais fait cette chose très grande, quel avantage serait-il ? Vous n'avez rien obtenu. Ce sont mes véritables pensées parce que je pense que les opportunités d'AGI sont très grandes et seront toujours très grandes.
Je n'ai même pas besoin de penser à la place que j'y occuperai à ce moment-là, à quel modèle d'affaires est-il, pas du tout. Tant qu ' il y a une telle opportunité d'affaires, vous devez avoir un moyen. Le sésame devant nous, nous le ramasserons aussi, mais nous le ramasserons simplement à la main, et nous ne nous arrêterons pas ou le considérons comme une chose importante.
Donc, l'année dernière, le C-terminal a vécu cela, je pense que cela pourrait être une petite chose. Mais nous l'avons également ramassé et maintenu l'utilisation de l'utilisateur à un coût relativement faible, car il est possible qu 'il soit utile à l'avenir - bien que je ne sache pas à quoi cet utilisateur sert maintenant, c'est une dépense de coût pur maintenant, mais il peut être utile à l'avenir. Puisque c'est facile à obtenir, nous l'avons obtenu.
Y compris cette année, il est très probable que nos revenus ARR en API ou IA, il y a également une opportunité : si cette demande peut continuer à s'étendre et que les cartes graphiques peuvent être achetées plus, il est très probable que ARR atteigne plusieurs centaines de millions de dollars. Si l'IA peut atteindre un milliard de dollars, le flux de trésorerie de mon entreprise sera fondamentalement positif, couvrant mes frais de R & D et couvrant tous mes frais. C'est aussi possible, mais nous ne l'avons pas fait comme une priorité. Nous allons le faire, nous allons le faire bien, mais ce n'est pas la première priorité, ce n'est pas ce qui nous intéresse vraiment aujourd ' hui. De plus grandes opportunités devraient encore être à venir - les opportunités à venir, y compris le C-end de l'année dernière, le B-end de cette année, ne sont pas notre objectif. Ou plutôt, la plupart de notre entreprise ne considère pas cela comme une question aussi importante que l'AGI.
V. Open Source : sous six fois les profits, pas de conflit
L'open source peut en dire plus, car il y avait beaucoup de questions posées précédemment qui étaient open source. Tout d'abord, nous sommes open source, et nos modèles les plus forts sont probablement open source aussi. Parce que je ne vois pas l'avantage de la source fermée - octets, son modèle est source fermée, quel est l'avantage ? Je ne peux pas le voir.
Même si le modèle est open source et que vous dites tout à quelqu 'un d'autre, le seuil est très élevé. Il est très difficile pour les autres de l'utiliser ; deuxièmement, il doit l'utiliser à très faible coût, ce qui est également très difficile et difficile, ce qui n'est pas si facile. Ce n'est pas que je suis open source, il peut facilement faire le même coût de déploiement que moi. Il y a encore beaucoup de travail à faire ici. Bien que ces principes de fonctionnement soient compréhensibles, toutes les entreprises ne sont pas disposées ou ont la volonté et la capacité d'organiser la main-d'œuvre pour atteindre ce but. Il peut ne pas être bon à faire cela parce que la résistance est trop grande, il est difficile de contrôler ce coût et il y a beaucoup de contraintes administratives et physiques.
C'est aussi l'avantage d'une startup : si la startup est trop petite, vous n'avez pas la force de le faire ; si c'est une grande entreprise, vous avez du mal à organiser. Cette chose a des points difficiles, donc c'est un point sucré appartenant à notre entreprise d'échelle. Si nous étions plus gros, il n'y aurait probablement pas de problème ; si nous étions plus petits, nous serions à nouveau sous-traités.
En ce qui concerne les prix, je ne facturerai pas non plus un frais très élevé, mais aussi sur la base d'un retour de dix mois. En appuyant sur dix mois de retour, je peux déjà... je peux rendre le déploiement indépendant du tiers non rentable - le tiers ne peut pas le faire, il ne peut pas faire ce coût, certainement ne peut pas le faire. Donc, l'open source n'affectera pas mes revenus. Bien sûr, si je veux faire cent fois plus de bénéfices, alors l'open source... (brève interruption de la vidéo en direct)
L'open source, je ne pense pas avoir d'impact sur notre modèle d'affaires. La prémisse est que nous ne faisons que six fois le bénéfice - dix mois de recouvrement des coûts, ce qui correspond à environ six fois le bénéfice. L'open source n'aura pas d'impact avec seulement six fois les bénéfices. Mais si vous voulez faire cent fois le profit, alors l'open source vous affectera vraiment à faire cent fois le profit, parce que le tiers le déploiera, il peut coûter vingt fois moins cher que vous.
Ce modèle est-il durable sur le long terme ? Je pense que ça va. Dans notre vision, l'open source est durable à long terme, et nous avons l'intention de le faire. Vous pouvez penser que la retenue est également bénéfique pour les intérêts de long terme. Cette stratégie peut nous donner plus d'opportunités techniques, nous avons une plus grande probabilité de devenir AGI, nous sommes plus à l'aise.
Vous pensez, nous n'avons pas à faire des heures supplémentaires du tout, parce que ce n'est pas si difficile. Mais pour d'autres familles, cela peut être difficile, parce qu ' il y pense trop. En fait, ce n'est pas difficile, ce n'est pas difficile du tout. De l'extérieur, il peut sembler que nous avons choisi un mode difficile : faire des recherches, faire les choses les plus difficiles, comme si c'était un mode difficile. Mais en fait, nous avons abandonné beaucoup ailleurs, ce qui nous a rendu encore très puissants, et nous avons toujours fait très facilement.
Donc, mon jugement sur l'open source est le suivant : c'est continu.Il n'y a pas de conflit entre l'open source et le paiement commercial - à condition qu ' il n'y ait pas de conflit avec six fois les bénéfices.Six fois le profit semble élevé, mais il n'est pas élevé. Maintenant que l'IA est si efficace, un bénéfice raisonnable pourrait être beaucoup.À l'avenir, il peut être quadruplé ou triplé, et il ne peut pas baisser à nouveau, mais il aura toujours un grand profit - il suffit de vendre l'API. Je ne trouve pas la vente d'API si attrayante, mais c'est ce que je peux dire : je ne vois pas de conflit.
Je ne m'inquiète pas non plus de ce que les autres déploient notre modèle pour nous concurrencer, pas du tout, nous espérons qu 'ils le déploieront. Nous aidons la communauté open source dans la mesure du possible pour que tout le monde puisse déployer notre modèle. Je ne m'inquiète pas qu 'il me frappe, parce que le marché est assez grand. Je suis juste inquiet qu 'il ne puisse pas être déployé - certains détails ne sont pas faits correctement, les résultats deviennent moins efficaces, ou le coût sera plus élevé. Il n'y a pas de conflit ici.
L'année dernière, quand il y avait des affaires To B, la question la plus fréquente était : notre C-terminal - je suis open source, donc le C-terminal est-il en conflit avec mon propre C-terminal ? Parce que je n'ai pas l'avantage du trafic, Tencent a beaucoup de trafic lui-même. Il a déployé notre modèle open source, a pris tous les utilisateurs C-end et a emporté mes utilisateurs C-end. Mais en fait, ce n'est pas le cas, il y a beaucoup de raisons.
Une autre question : le modèle open source que nous donnons est-il le même que le modèle que nous déployons nous-mêmes ? C'est la même chose. Nous n'ouvrirons pas un modèle défectueux, nous déploierons nous-mêmes avec un meilleur modèle, non, c'est le même. Cela signifie également qu 'il n'y a pas de conflit. Tout au long de l'année dernière, le service C-end était essentiellement open source, et le service C-end n'a pas vu de conflit, vraiment pas vu de conflit. C'est cette partie de l'open source.
Notre objectif est AGI : la feuille de route technologique
Voici la vision à long terme de l'entreprise. Je pense que notre objectif devrait être l'AGI. Tout le monde ne définit pas nécessairement l'AGI de la même manière, mais cela ne nous empêche pas de considérer l'AGI comme notre objectif.
Du point de vue de la route technique, la feuille de route d'AGI est relativement claire. La génération actuelle de technologies d'IA, si vous êtes capable de décrire clairement un problème, de lui donner un contexte complet et des instructions, a dépassé les humains. Mais il y a une prémisse ici : vous lui donnez le contexte complet, les instructions complètes - cette prémisse est difficile à atteindre. Par exemple, nous avons une réunion aujourd ' hui, nous avons un contexte très long et fort devant nous, peut - être que vous avez des décennies de contexte, ce que l'IA n'a pas. Maintenant, ce que l'IA peut avoir : dans un contexte limité, elle peut faire mieux que les humains.
Mais il ne remplace pas les humains. Il y a encore une chose qui manque ici : l'apprentissage continu. L'homme est capable d'apprendre continuellement. Vous embauchez un employé, il peut passer deux mois à se familiariser avec l'environnement de l'entreprise, à se familiariser avec son travail, il peut commencer et peut faire beaucoup de choses. Il peut comprendre ce que vous dites - vous dites « appelez le petit Wang » et il sait qui est le petit Wang. Mais s'il s'agit d'IA, parce qu ' il n'a pas eu ces deux mois d'apprentissage, vous lui dites « appelez Xiao Wang », vous devez lui dire qui est Xiao Wang, quel poste, où il est, comment le trouver, à quoi faire attention lorsque vous le trouvez. Vous devez donner à l'IA tout le contexte. Dans ce cas, l'IA est capable de le faire, mais vous ne pouvez pas lui donner tout le contexte, ce qui n'est pas réaliste.
L'IA ne peut pas remplacer vos employés. Mais si l'IA a la capacité d'apprendre continuellement, elle, comme vos employés, va étudier dans l'entreprise pendant deux mois, puis elle peut remplacer les gens du monde entier.Il nous reste donc un « apprentissage pour apprendre » à l'étape suivante.
Le développement de l'IA peut être compris comme une échelle. L'échelle suivie l'année dernière est CoT, c'est - à - dire la chaîne de pensée : nous avons découvert que grâce à la chaîne de pensée, l'intelligence peut atteindre un niveau supérieur, et grâce à sa propre pensée, elle peut permettre à l'IA de faire plus. Nous avons franchi un autre escalier. L'échelle de cette année est l'agent : avec l'agent, plus de choses peuvent être faites, sa gamme de capacités est plus large, sa limite d'intelligence est plus élevée.
Pourquoi les escaliers ? Parce que chaque étape suivante est basée sur les fondations précédentes. L'agent utilise CoT, et CoT utilise également l'échelle précédente - l'échelle précédente est le modèle de langage. Donc, il n'a pas été un pas en vain.
La direction de l'intelligence artificielle est à suivre. Cette année, l'échelle est l'agent, mais l'échelle de l'agent est également terminée : après avoir résolu tous les problèmes possibles, il ne peut toujours pas remplacer votre personnel - il a atteint la limite supérieure de ses capacités. C'est comme si CoT, après avoir atteint sa limite supérieure, a dépassé les meilleurs humains - en faisant des mathématiques, en écrivant des programmes, a dépassé les meilleurs humains - mais il s'est arrêté là, et cette technologie n'a pas été en mesure d'atteindre AGI.
Après Agent, nous pensons que le problème à résoudre est l'apprentissage continu : comment faire en sorte que le modèle puisse apprendre continuellement, pas dire que vous devez lui donner un entraînement fort - il devrait être capable d'apprendre continuellement pendant une période relativement longue, comme les humains. Ce problème est la même chose que l'accomplissement d'une tâche, etc. Ils sont liés, ils résolvent le même problème. Nous sommes maintenant dans l'Agent, et le prochain goulot d'étranglement que nous pouvons voir est l'apprentissage continu. Le prochain problème à résoudre est de savoir comment continuer à apprendre, ce qui est visible, relativement clair. C'est un obstacle bloqué devant vous, vous devez le franchir, et il doit y avoir un moyen de le franchir, mais cela prend du temps.
Après l'apprentissage continu, peut - être que nous arriverons à une singularité : lorsque ce modèle est capable d'apprendre continuellement, il est capable de faire tout ce que les humains peuvent faire. Il est capable de développer sa propre version, de faire des recherches par lui-même, de développer sa prochaine version, de développer des modèles d'intelligence artificielle plus forts. Donc, il va à une singularité et il peut réaliser ses propres itérations.
Mais cette singularité, ce n'est pas une singularité, c'est aussi un processus graduel, peut - être un gradient relativement long, pas une mutation. Mais habituellement, nous pensons tous que cela pourrait être une singularité - parce qu 'il y a très longtemps, les voyants pensaient qu' il y aurait une singularité ici. En fait, ce n'est pas une singularité, c'est un processus continu. Et puis après cette étape, je pense que c'est l'intelligence incarnée.
Voici notre spéculation, c'est le calendrier que nous ressentons :D'abord, nous allons à la singularité de l'intelligence - la singularité auto-itérative - et puis nous allons à l'intelligence incarnée. Après avoir incarné l'intelligence, il entre dans le monde réel, peut vous faire les tâches ménagères, peut vous donner une retraite.
Nous pensons que c'est une feuille de route plutôt idéale. Tout le monde a un point de vue différent, il n'y a pas de raison ou de tort, mais nous pensons que cette feuille de route est la plus facile : il y a très peu de nouvelles choses que vous devez faire à chaque étape. Cette feuille de route, nous pouvons faire sans heures supplémentaires. Mais si la feuille de route est à l'inverse, par exemple, pour réaliser l'intelligence incarnée en premier, alors il est très fatiguant, ce qui est un travail très amère. Nous ne voulons pas que ce soit la feuille de route, nous voulons le faire un peu plus facilement.
Il est facile de résoudre l'apprentissage continu d'abord, puis de résoudre la singularité d'auto-itération, puis de résoudre l'intelligence incarnée. Parce qu ' à l'arrière, vous pouvez utiliser la technologie de l'avant pour aider à développer la technologie de l'arrière. Après la singularité pour faire l'intelligence incarnée, il n'y a pas besoin de gens pour le faire, sans nous pour le faire, le modèle peut sortir lui-même.
Donc, c'est la réponse à ce que sont nos objectifs à long terme : c'est notre objectif à long terme, ce que nous appelons AGI.
VII. Réduction de la dimension : C-terminal et B-terminal sont tous des sous-produits d'AGI
Retournez à la réalité. La réalité la plus importante de l'année dernière était que tout le monde était un chatbot pour saisir le trafic du côté C ; la réalité de cette année est que tout le monde était en train de saisir le revenu de To B et de participer à cela - parce que si vous ne participez pas, vous n'êtes pas à la table, n'est-ce pas ?
Mais nous ne le considérons pas comme une chose importante. Au sein de notre société, ce qui nous intéresse vraiment, c'est en fait la feuille de route de ces AGI dont je viens de parler et la prochaine percée technologique.
Il y a une chose étrange : vous ne pouvez pas obtenir les choses que vous voulez le plus ; vous ne vous souciez pas de quelque chose, mais il est assez facile d'obtenir. Il y a un avantage stratégique ici : nous pensons à AGI dans notre cœur, ce que nous faisons est AGI, et lorsque nous faisons cette application, le terminal C et le terminal B, nous n'avons pas besoin de trop penser et de dépenser très peu d'énergie.
Vous vous tenez dans une haute technologie, faites une technologie de niveau relativement bas, il y a une réduction de la taille. Au moins dans le côté C de l'année dernière, nous avons vu que c'était en effet le cas : nous n'avons pas dépensé beaucoup d'efforts dans le côté C, et nous ne voulions même pas maintenir ces utilisateurs pendant un moment, mais les utilisateurs ne pouvaient pas se débarrasser - vraiment ne pouvaient pas se débarrasser, donc finalement ils étaient toujours là. Le revenu de la fin B de cette année semble maintenant être plus optimiste, et il devrait être meilleur que les pairs, je suppose. Mais nous n'avons pas dépensé beaucoup d'énergie pour le faire, nous ne l'avons pas fait spécialement, nous l'avons fait en passant.
Cette étape de l'AGI est ce que je dois faire, c'est une étape. Sur le chemin de l'AGI, je vais passer par cette marche. J'ai mis ces technologies au service de tout le monde via l'API et je n'ai rien fait de plus. Nous travaillons toujours sur l'IA, qui est un sous-produit. J'ai juste besoin de quelques personnes pour maintenir cette API. Même le service à la clientèle n'a pas besoin de vendre. Il n'y a pas besoin de quoi que ce soit. Les utilisateurs viendront eux-mêmes.
L'extrémité C et l'extrémité B sont tous deux des sous-produits sur la route de l'AGI. C'est un produit intermédiaire, et il n'y a pas de conflit avec moi pour faire l'AGI. Je ne le fais pas pour faire le côté C, pour faire le côté B ; nous faisons AGI pour faire AGI, et je peux juste produire cette chose, je l'ai commercialisé.
Ce n'est pas comme les autres entreprises. D'autres entreprises font ce modèle pour servir les utilisateurs C-end et les utilisateurs B-end ; mais pour nous, l'intention initiale n'est pas comme ça.
Je pense que c'est un coup de réduction de dimension dans une certaine mesure. AGI est une vision plus grande, cette vision peut réunir plus de personnes exceptionnelles, il a une cohésion plus forte. Donc, j'ai un avantage dans l'organisation, et j'exploite cet avantage - c'est une sorte de coup de réduction de dimension.
Mais si vous êtes une entreprise commerciale et que votre vision est de bien servir les utilisateurs C-end, c'est une autre histoire. Il a d'autres avantages - il y aura un avantage sur le produit, le service utilisateur, le trafic - mais pas sur la technologie. Maintenant, la situation plus favorable est que la technologie de modélisation est la plus importante, vous devez bien faire le modèle. Cela pourrait expliquer la trajectoire de notre développement précédent : nous avons vraiment choisi AGI et ne pensons pas à faire beaucoup d'utilisateurs.
Lorsque nous avons soudainement brûlé à la Fête du Printemps l'année dernière, ce n'était pas dans notre scénario, nous n'avons pas pensé à cette chose du tout, nous voulons juste faire cette technologie bien. Mais à ce moment-là, j'ai découvert que notre organisation avait des avantages supplémentaires en termes de talents et d'organisation par rapport à une organisation entièrement commercialisée et axée sur le produit.
C'est aussi magique : à ce moment-là, tout le monde à C-terminal a pris la tête et a été emmené par quelqu 'un qui n'est pas allé prendre. Cela montre vraiment que la logique que j'ai mentionnée précédemment est logique, il y a vraiment des avantages dans les talents et l'organisation.
L'avantage des talents ne signifie pas que mes gens sont plus intelligents que lui, mais que ces talents, comment je les organise, comment je les inspire, comment je coopère, cette chose a un avantage. Parce que vous rassemblez des gens intelligents, ce n'est pas qu ' ils sont naturellement capables de coopérer et de courir avec passion pour atteindre un objectif, donc vous avez besoin d'une vision. Ce que nous avons appris de notre expérience précédente est :La vision d'AGI est très puissante.
VIII. Le plus grand intérêt central : la stabilité de l'équipe
Question suivante : Quelle est l'importance des intérêts fondamentaux ?
Je l'ai dit plus tôt, nous devons être très modérés à bien des égards. Mais quels sont nos principaux intérêts ? En fait, il n'y a qu 'une chose :Notre plus grand intérêt central est de maintenir la stabilité de notre équipe. C'est notre plus grand intérêt central, et peut même être considéré comme le seul intérêt central.
Tant que je peux maintenir la stabilité de l'équipe, je peux certainement le faire, je peux certainement faire AGI, c'est aussi simple. Tant que tout le monde ne part pas, nous pouvons continuer à le faire, je le ferai. Fondamentalement, il n'y a pas de risque, juste un peu plus tôt et plus tard ; si vous rencontrez un revers et que tout le monde ne part pas, alors je peux continuer à nouveau. L'argent n'est certainement pas un problème, les ressources ne sont pas un problème, les autres éléments sont facilement disponibles. Pour nous, il n'y a qu ' un seul intérêt central, et un seul qui ne peut pas être renoncé : nous devons maintenir la stabilité de l'équipe.
C'est aussi un très grand défi auquel nous sommes confrontés et je pense que c'est le plus grand risque. Bien sûr, ce risque a été relativement soulagé avec notre récent financement - parce que tout le monde a encore plus d'options et le montant est encore relativement important.
Du point de vue de la stabilité de l'équipe, tant que certains des employés les plus importants et les employés les plus anciens peuvent être stables, les autres ne sont pas très bons à partir. Même si les autres avaient moins d'options et moins de revenus, il ne partirait pas parce qu 'il n'était pas là pour l'argent - tout le monde espérait le faire dans un environnement capable d'être un AGI. Il est donc attrayant pour les talents. Historiquement, notre flux de talents est relativement faible, et par rapport à nos pairs, il est toujours relativement faible. Mais c'est toujours notre plus grand défi, le seul défi, pour ainsi dire. Tout le reste est une question de temps, ce qui nous fait tarder six mois ou un an au plus, mais nous ne pouvons pas dire que nous ne pouvons pas le faire. Il n'y a certainement pas de pénurie d'argent, il n'y a certainement pas de pénurie de ressources, ceux-ci ne manquent pas.
Donc, beaucoup de choses que nous faisons maintenant, c'est pour garder l'équipe stable. En plus de cela, je pense que nous pouvons tous ne pas avoir, tous peuvent être retenus. Nous avons été très retenus et ne voulons pas devenir un adversaire avec une grande ou petite entreprise Internet. J'espère pouvoir l'habiliter, j'espère pouvoir vous aider, vous aider à faire cette chose. C'est aussi une partie de la signification commerciale que nous avons mentionnée précédemment. Sur cette base, nous sommes prêts à aider et à aider n'importe qui - même nos concurrents, y compris Ali, Zhipo et Dark Side of the Moon - à faire mieux. Parce que nous ne perdons rien : nous sommes à l'origine open source, et l'open source doit rendre les frontières aussi claires que possible, j'espère que vous pouvez reproduire ; si vous ne pouvez pas reproduire, vous dites, je vous dirai comment reproduire. Cela fait partie de l'open source, et cela ne fonctionnera pas parce que vous êtes un concurrent. Bien sûr, si c'était un partenaire, je ferais plus. Mais il n'y a pas de conflit sur les plus grands intérêts.
Lorsque nous traitons avec le monde extérieur, notre attitude est :Nous ne faisons que la ligne principale de l'AGI. C'est le modèle de langage, CoT, Agent, etc. que je viens de parler, qui ne fait que la ligne principale. Il y a beaucoup de choses que nous pensons qu 'elles ne sont pas sur cette ligne principale, telles que la 3D et la génération vidéo. Je pense que cela peut ne pas avoir beaucoup à voir avec la ligne principale intelligente. Nous ne le ferons pas. Il y en a d'autres, comme le modèle mondial, et je ne pense pas que cela ait beaucoup à voir avec la limite supérieure de l'intelligence, donc nous ne le ferons pas non plus. Mais d'autres le font, et nous sommes heureux d'aider - avoir le temps est une chose, il n'y a pas de conflit d'intérêts.
Nous espérons également que ces technologies d'IA peuvent être utilisées dans divers environnements de production, afin d'améliorer l'efficacité de la production sociale et d'aider tous les secteurs à améliorer l'efficacité de la production. Nous sommes très motivés à faire cela. Si j'ai le temps, si j'ai la main-d'œuvre, ou si nos camarades de classe eux-mêmes ne sont pas intéressés, c'est une autre question. Mais il n'y a pas de conflit d'intérêts, et nous espérons pouvoir atteindre cet objectif. Et nous pensons qu 'il n'y a aucun conflit avec les affaires, et je devrais obtenir des avantages qui ne sont pas moins importants.
Nous avons gardé cette attitude avant, et en fait, nous n'avons rien perdu - nous n'avons rien perdu parce que j'ai ouvert le code source, parce que nous avons été gentils, parce que j'ai aidé les autres. Par exemple, les utilisateurs C-end de l'année dernière, nous avons maintenant plus d'utilisateurs C-end, et nous sommes encore relativement stables ; le B-end de cette année, je pense que c'est aussi relativement optimiste. Je n'ai pas affecté les intérêts commerciaux à cause de notre bonne volonté, il n'y a pas d'impact du tout, mais il peut y avoir des points de plus. Cela peut sembler contre-intuitif, mais c'est vraiment le cas. Pensez à l'inverse : est-ce que je peux obtenir plus de choses si je le transgresse ? Non, non.
Une question : comment comprendre que « le modèle mondial n'a rien à voir avec l'augmentation du plafond de l'intelligence artificielle » ? Je parle à ce stade, c'est notre jugement. C'est notre propre feuille de route de l'IA, pas la seule. Du point de vue de notre compréhension et de notre jugement, la chose la plus importante à l'heure actuelle est de bien faire la formation de l'IA. Pour bien faire la formation de l'IA, il n'y a pas besoin de modèle mondial, ni même de multimodalisme - vous réduisez un peu la portée de la formation de l'IA. Il n'y a pas de multimodalisme, mais il y a juste une partie des tâches que vous ne pouvez pas faire, mais cela n'affecte pas l'établissement de cet algorithme.
Le multimodalité doit finalement être fait. Ce qui compte maintenant, c'est la formation, la prochaine étape à résoudre est le problème de l'apprentissage continu, et la prochaine étape à résoudre est de poser des questions lui-même. Mais cette feuille de route n'a pas de modèle du monde, pas de génération vidéo.
La génération de vidéos est devenue très populaire dès sa sortie, comme si c'était un must, et si vous ne le faites pas, vous n'êtes pas une entreprise d'IA. Je suis étrange : il suffit de y penser, cela n'a rien à voir avec la feuille de route de l'intelligence. En fait, vous avez également constaté qu ' après Sora est sorti, tout le monde le faisait, les grandes entreprises et les petites entreprises le faisaient, mais les petites entreprises l'ont coupé plus tard. Cela n'a rien à voir avec la limite supérieure de l'intelligence. Mais en affaires, c'est une bonne affaire.Nous ne le ferons pas parce que c'est une bonne entreprise, nous le ferons seulement parce que c'est quelque chose sur la feuille de route intelligente.
La génération de vidéos est relativement claire, prenons-le comme exemple. La signification du modèle du monde n'est pas si claire, car beaucoup de choses peuvent être dites que c'est un modèle du monde.À notre avis, le modèle mondial et l'intelligence ne sont pas encore les choses les plus importantes à ce stade. »Le plus important est la formation à l'IA et comment résoudre l'apprentissage continu après la formation à l'IA. C'est le jugement de notre société, bien sûr, le jugement de chaque société est différent.
Puissance de calcul : l'écart avec les États-Unis n'est que dans les ressources
Je viens de dire que la question la plus importante pour l'entreprise est la stabilité du personnel. Qu ' est-ce qui nous manque d'une autre dimension ? Quel est le fossé entre nous et les États-Unis ? En fait, il n'y a qu ' un seul écart : les ressources.
Nous n'avons pas autant de cartes, et nous avons encore un petit nombre de cartes. Nous avons maintenant environ 20 000 pièces de puissance de calcul équivalente à H, dont la plupart viennent d'arriver, ils viennent d'arriver au cours des derniers mois ou deux, et il peut y avoir beaucoup de machines qui ne sont pas encore arrivées. Nous avions une puissance de calcul globale relativement faible l'année dernière, et cette année nous nous étendons très agressivement. Nous aurons un grand nombre de machines achetées dans les prochains mois, essentiellement Nvidia.
Combien de cartes faut-il ? Maintenant, plus c'est sûr, mieux c'est. Plus il y a de cartes, mieux c'est, dans la mesure où nous pouvons nous le permettre, il n'y a aucun doute. Donc, notre stratégie est maintenant : acheter autant de cartes que vous pouvez à un prix raisonnable. Avec ce financement, j'achèterai autant de cartes que je peux. La vitesse à laquelle l'argent est dépensé n'est pas dans le plan - tant que le prix est raisonnable, j'en achète autant que possible. Si j'ai dépensé l'argent en six mois, je pense que c'est une bonne chose, c'est trop heureux, trop idéal.
En fait, il n'est pas facile de dépenser autant d'argent : il n'est pas possible d'acheter autant de cartes, il est difficile d'acheter, et le prix est très élevé. Il ne peut pas non plus être dit de dépenser un prix très élevé pour l'acheter, mais vous devez vous assurer que le prix est raisonnable.
Ce serait probablement idéal si je pouvais dépenser cet argent dans six mois. Parce que transformer l'argent en carte Nvidia, c'est certainement mieux que de le mettre dans la banque - le mettre dans la banque, le dépôt peut être de deux points maintenant ; mais acheter une carte Nvidia, récupérer le coût de dix mois.
Donc, vous devez acheter autant que vous pouvez acheter. Après avoir acheté la carte, j'ai beaucoup d'espace et en fournissant des services ou quoi que ce soit, je suis toujours en mesure d'avoir un flux de trésorerie. J'ai un flux de trésorerie et je peux vivre sans avoir à mettre beaucoup, beaucoup d'argent sur mon compte. Nous nous inquiétions de ne pas pouvoir acheter autant de cartes. Si nous pouvions transformer tout notre argent en carte, nous n'hésiterions pas à transformer tout notre argent en carte, et nous sommes prêts à payer une certaine prime ici, car c'est trop rentable. Même après avoir payé la prime, il est en fait difficile pour nous d'atteindre cet objectif. Objectivement parlant, si je peux dépenser 20 milliards de yuans cette année, la performance de notre département des achats sera super bonne.
L'écart entre nous et les États-Unis réside principalement dans les ressources, et l'écart entre les personnes n'est pas très grand, il n'y a presque pas d'écart - parce que c'est le même groupe de personnes, tous des Chinois. Certaines personnes restent à la maison, d'autres vont à l'étranger, et ne disent pas que les gens intelligents vont à l'étranger, pas. En fait, c'est assez aléatoire : les personnes les plus intelligentes, peut - être un peu plus de la moitié vont à l'étranger, et un peu moins de la moitié restent à la maison. Il n'y a pas de pénurie de talents nationaux, et nous avons une grande base, et il y a tellement de personnes supplémentaires chaque année.
Les talents ne sont pas un goulot d'étranglement, les ressources sont le plus grand goulot d'étranglement. Les ressources affectent d'abord la culture des talents : en raison de la faible puissance de calcul, nous pouvons faire moins d'opportunités d'expérimentation, de sorte que nos talents dans l'ensemble ont un écart par rapport aux États-Unis.L'écart de talents est essentiellement dû à l'écart de puissance de calcul.
Sur le plus grand modèle actuel, nous ne pouvons pas nous le permettre de former. Même si nous dépensons 50 milliards de yuans, nous ne pouvons pas nous le permettre ; même si nous pouvons les empiler, nous ne pouvons pas nous permettre d'utiliser.À l'heure actuelle, le plus grand modèle, il est activé à environ 800B ; en Chine, nous sommes toujours à cette échelle de dizaines de B, le plus grand modèle domestique peut être activé à des dizaines de B - un ordre de grandeur différent. Si je veux former un modèle de la même taille que lui, je devrais avoir besoin de 50 000 GB300, ou de Huawei 950 200 000 cartes. C'est juste une formation, aucune recherche n'a encore été envisagée. Donc, le plus grand écart entre nous et les États-Unis est dans les ressources.
Nos ressources actuelles, ainsi que les ressources de cette année et des prochains mois, y compris les grandes ressources qui arriveront immédiatement, sont suffisantes pour que nous fassions plus d'expérimentations à l'échelle de l'activation de dix B. Parce qu 'à l'échelle de dizaines de B activation, il y a beaucoup d'expériences à faire, il y a encore beaucoup de choses à comprendre. Nous devrions être loin d'un modèle capable de former 800B, pas tant de cartes.
Donc, la différence entre nous et les États-Unis, je pense, est la différence de ressources. Toutes les différences que nous voyons - les différences dans les talents, les différences dans les capacités de modélisation, les différences dans les applications - peuvent être considérées comme étant dues à des différences dans les ressources informatiques. Les ressources informatiques, d'une part, ne peuvent pas être achetées par la carte nationale elle-même ; d'autre part, notre investissement en capital est inférieur à celui des États-Unis, et nous sommes beaucoup moins au niveau de l'investissement en capital. La proportion des salaires des talents est très faible ici - vous voyez qu 'ils ouvrent un salaire de 100 millions de dollars, mais en termes de calcul, les salaires des talents représentent toujours une petite proportion, et la grande tête est toujours en mesure de calculer.
Cette question est actuellement largement sans solution.
Donc, nous n'envisagerons pas de rivaliser avec les États-Unis à une telle échelle maintenant. Nous allons d'abord le faire à l'échelle que nous pouvons nous permettre d'entraîner et d'utiliser - à l'échelle de dizaines de B-activations - et puis attendre que la prochaine étape ait plus de ressources pour atteindre 150 B, 156 B ou 250 B-activations.
Nous avons un écart avec les États-Unis qui semble difficile à combler pour le moment. Vous avez besoin d'entraîner des modèles aussi grands que vous pouvez, mais vous ne pouvez pas faire de recherche suffisante - vous ne pouvez pas faire de recherche suffisante avant de les entraîner.
Déficit final : coût, temps et expérience
Il y a aussi une question qui intéresse tout le monde : où se reflètera l'écart final de toutes les grandes compétitions de modèles ? Je pense qu 'il n'y aura probablement pas beaucoup d'écart à la fin. L'écart final devrait être de trois dimensions :Coût, temps, expérience utilisateur.En dehors de cela, il peut ne pas y avoir de lacunes.
Le coût est plus facile à comprendre : vous fournissez le même service, le même service de qualité, à quel coût vous pouvez le fournir. Le même service, tel que la batterie de BYD, avec le même contenu technologique, d'autres maisons peuvent-elles fournir à ce prix ? Je pense que c'est une chose plus difficile, pas si facile à faire, c'est certainement une barrière. Donc, le coût est certainement une différence, et je pense que le coût pourrait être en premier lieu.
Le second est le temps : quand pouvez-vous le faire. Vous êtes quelques mois plus tôt, quelques mois plus tard, et ce sera différent.
Le troisième peut être l'expérience, l'expérience utilisateur est encore un peu différente, il y aura encore des collants utilisateur et des barrières utilisateur parmi les utilisateurs, mais il peut ne pas être essentiel. L'essence est toujours le premier coût, la deuxième fois : vous le faites d'abord ou vous le faites plus tard, faites la même chose, plus vite ou plus lentement.
XI, la commercialisation : tout le temps, mais pas pour le but
Après que le chemin de commercialisation à long terme et la ligne de produits soient encore enrichis, comment fixer le prix ? Nous pensons que ce qui vaut la peine de faire et d'investir le plus d'énergie est de faire AGI. Pousser l'AGI maintenant, c'est pousser la limite inférieure de l'intelligence vers le haut. Cela devrait être à ce stade, plus rentable et plus rentable que de faire plus de lignes de produits et d'envisager plus de chemins de commercialisation. J'ai l'impression que cela pourrait être le cas à un moment donné dans le futur, et à n'importe quel moment dans le passé.
A quoi sert-il de dire que nous passons beaucoup de temps à réfléchir et à enrichir nos produits ? Qu ' est-ce que la commercialisation a discuté il y a six mois ? Je dois faire de la publicité, faire du commerce électronique, implanter le commerce électronique dans les produits et intégrer la vie locale. Cela ne fonctionnera certainement pas parce que les changements vont trop vite. Vous, ce produit, à ce stade, nous passons beaucoup de temps à réfléchir à la commercialisation et au chemin de la commercialisation - le cycle de vie de la ligne de produits est très court.
Je ne pense pas qu 'il soit arrivé à ce moment. C'est notre jugement, au moins ces expériences précédentes soutiennent ce jugement. Au cours des trois dernières années, chaque fois que vous venez me parler de la voie de commercialisation, de la ligne de produits, c'est une perte de temps. Parce que vous ne pouvez pas prédire, vous ne pouvez pas prédire l'avenir, vous pouvez prédire très peu.
Nous faisons des recherches de premier plan sur les AGI et les commercialisons en temps opportun. J'ai l'impression que nous avons fait la commercialisation tout le temps, mais nous ne l'avons pas visée. Nous ciblons AGI, mais nous avons fait la commercialisation, donc nous avons des utilisateurs du côté C et des revenus du côté B. D'après l'expérience historique, cette stratégie a été couronnée de succès. Nous devrions être très loin du moment où nous nous dirigerons complètement vers la commercialisation. La plus grande est encore l'extension de la technologie, faire la technologie de la prochaine génération, résoudre davantage les problèmes actuels. Personnellement, je pense qu ' il est trop tôt pour vous concentrer sur le produit à tout moment dans l'avenir que vous pouvez voir maintenant.
Cela fait aussi partie de notre retenue. J'espère que ces opportunités commerciales permettront à d'autres de faire - comment utiliser cette IA, c'est toute la société, tous nos partenaires pour le faire ensemble, tout le monde pour partager les bénéfices ensemble, plutôt que je veux les prendre seul, ce qui est impossible. Et nous n'avons pas beaucoup d'énergie, et notre organisation n'a pas beaucoup de gens pour faire cela.
En ce qui concerne les partenaires, en fait, notre financement a été soigneusement sélectionné. Les propositions de coopération spécifiques disent également que, d'abord, je pense que les intérêts sont relativement cohérents : ceux qui sont les plus cohérents avec nos intérêts, les moins hostiles à nous, ou ceux qui espèrent que nous pourrons réussir. Tout le monde ne veut pas que nous réussissons, parce que nous nuisons toujours aux intérêts de beaucoup d'autres.
Les principales stratégies de l'entreprise, les processus de décision technologique et les mécanismes de décision : notre société dans son ensemble est basée sur le consensus. Je ne dis pas que je décide de tout seul, mais que je cherche un consensus. Mon autorité et mon influence au sein de l'entreprise sont basées sur le consensus. Par exemple, je veux faire quelque chose, je vais certainement voir d'abord quel est le consensus de tout le monde, si tout le monde veut le faire. Il est possible que j'ai des orientations ou des tendances, mais le rôle de ces orientations est-il limité, très limité, ou basé sur le consensus. Ce mécanisme de prise de décision est en fait un mécanisme de recherche de consensus : ce n'est pas que je peux pousser quelque chose - il doit y avoir un consensus pour que je puisse pousser, puis je vais pousser.
À l'heure actuelle, l'énergie principale est fondamentalement du côté de DeepSeek.
XII. Lacunes du modèle et division mondiale du travail
L'effet final de chaque modèle ouvre l'écart et devrait être un résumé. Pour comparer l'effet du modèle, vous devez certainement le comparer au même coût, cela a du sens - vous comparez deux voitures, mais aussi des voitures du même prix. La différence entre le modèle bien fait et le modèle mal fait ne devrait pas être dans un certain lien spécifique, mais dans l'ensemble.
Anthropic dépasse maintenant OpenAI, n'est-ce pas à long terme ? Je ne pense pas que ce soit à long terme, c'est certainement phasique. OpenAI et Google augmenteront probablement alternativement à l'avenir. L'avantage de sa mise en œuvre d'anthropique sur l'agent de code n'est pas si grand et n'a pas écrasé OpenAI - probablement la moitié de notre entreprise pense que OpenAI est meilleur. Anthropic a l'avantage de commencer, mais cet avantage de commencer devrait bientôt disparaître, ce n'est pas un avantage qu 'il peut tenir à long terme. Ces trois sont très bons. Anthropic est le plus efficace des trois, et il devrait dépenser le moins d'argent et brûler le moins d'argent.
À un moment où l'IA mondiale domine la division du travail, les entreprises chinoises sont susceptibles de jouer le rôle le plus important. En règle générale, nous avons la plus grande capacité de production - y compris les puces, les puces sont probablement notre plus grande capacité de production, notre plus grande puissance. Les Chinois rendront les produits les moins chers possible ; en effet, il n'y a pas beaucoup de différence entre les produits chinois et américains. Il peut être de même pour l'IA à l'avenir : le prix de l'IA fabriquée en Chine sera moins cher. Ce bon marché peut être systématiquement faible, tout comme les services fournis par d'autres industries en Chine sont moins chers.
Quand je fais des choses, je pense habituellement : qu ' est-ce que je fais le plus en ce moment ? Si je pense qu 'il est le plus rentable de faire un produit maintenant, je vais faire un produit ; si je pense que je vais réaliser le plus rentable d'AGI maintenant, je vais faire AGI d'abord. De toute évidence, je ne pense pas que faire des produits n'est pas le plus rentable maintenant.
13, puces nationales et TileLang : le fossé de Nvidia s'effondre
Problème de l'adaptation de la carte domestique : la carte domestique a maintenant une opportunité historique. Avant, la carte domestique s'adaptait à un problème difficile, appelé mauvaise écologie - après avoir acheté la carte, il ne peut pas l'utiliser, il n'a pas l'écologie de Nvidia. Donc, le fossé de Nvidia est fort.
Mais cette chose est en train de changer.Le fossé de Nvidia CUDA s'effondre rapidement.Il peut y avoir trois raisons pour lesquelles il s'est désintégré rapidement.
Tout d'abord, il y a maintenant l'IA. Avec l'IA, il est beaucoup plus facile pour moi de construire cet écosystème qu ' auparavant, parce que l'IA peut écrire du code - je peux utiliser l'IA pour construire cet écosystème, construire exactement le même écosystème que Nvidia.
Deuxièmement, il y a de nouvelles technologies. Par exemple, notre famille a développé une technologie appelée TileLang, un langage de haut niveau. En utilisant ce langage de haut niveau pour écrire l'opérateur CUDA, vous pouvez rapidement écrire l'ensemble de l'écologie de Nvidia, puis combiner l'IA, cela ne semble pas être un obstacle. Il n'est pas encore terminé, mais il ne semble pas y avoir d'obstacles sur cette voie technique.
Troisièmement, CUDA - Nvidia a évolué à partir de cartes de jeu, de sorte qu 'il est hérité de la conception et de la configuration de cartes de jeu dans de nombreux endroits. Auparavant, parce que le calcul de l'IA était un très petit domaine, plus petit que le marché des cartes de jeu, cela était logique. Mais maintenant que le marché des cartes informatiques est plus grand que celui des cartes de jeu, il n'y a aucune raison pour que les deux doivent encore être couplés. La tendance actuelle est qu 'il n'y a plus de couplage à l'avenir. Ensuite, les puces dédiées - que ce soit Huawei ou Nvidia lui-même - seront des puces dédiées à l'avenir, ce n'est pas ce qu 'elles étaient avant. Dans ce contexte, il s'avère que le rôle de l'écologie originale de Nvidia a été considérablement réduit : pour une puce dédiée, elle n'a rien à voir avec CUDA et n'est pas liée. Autrement dit, cette puce a été conçue en tenant compte de la façon de construire cet écosystème.
Un peu compliqué, mais de toute façon : le remplacement de puces d'IA domestiques a maintenant une opportunité historique. Nous pensons que dans l'année à venir, nous pourrons voir une chose vérifiée :L'écologie des puces domestiques n'a pas de problème.Auparavant, je pensais que c'était problématique, je pensais qu 'il ne fonctionnait pas et qu' il n'était pas facile d'utiliser, mais dans la prochaine année, nous pourrons inverser cette cognition et utiliser les faits pour inverser.
Il n'y a aucun problème avec le matériel et l'écologie des puces d'IA domestiques. Le seul problème est que la capacité de production est insuffisante. La carte domestique s'adapte à cela, il n'y a pas d'obstacle, Nvidia ne peut pas l'arrêter. Si dans un environnement commercial normal, je peux acheter une carte Nvidia, alors le remplacement domestique est plus difficile ; mais dans le cas où la carte Nvidia ne peut pas être achetée, tout le monde est obligé de faire des puces domestiques. Dans ce contexte, l'adaptation des cartes nationales n'est pas entravée. La carte domestique a établi la même écosystème que Nvidia, voire mieux que Nvidia. Je ne pense pas qu 'il y ait d'obstacles, mais il faut du temps.
Nous travaillons principalement avec Huawei maintenant. Huawei s'adapte à eux-mêmes, mais nous participerons à cet écosystème et nous participerons profondément à cet écosystème de Huawei. Le travail principal que nous faisons est de bien faire le compilateur de langage de haut niveau et de bien faire TileLang. Après avoir fait TileLang, le problème peut être résolu. Cette chose est compliquée à dire, mais nous le faisons, après avoir terminé pour expliquer sera beaucoup plus clair.
Vous pouvez comprendre : lors de l'entraînement V3, j'utilise toujours la carte NVIDIA, mais je n'utilise plus l'écologie de NVIDIA. V3 utilise les cartes de Nvidia, mais pas l'écosystème de Nvidia, mais nous avons d'abord écrit un compilateur haut de gamme appelé TileLang, puis basé sur l'écosystème de TileLang pour faire tout le reste, et nous ne dépendons presque pas de l'écosystème de Nvidia. Dès que je mets cet ensemble de choses, je mets le processus à nouveau sur la carte Huawei, alors c'est fini.
Je pense qu 'il peut y avoir une mission historique ici : nous pouvons complètement inverser la perception précédente de la mauvaise écologie des cartes nationales. Maintenant, le temps et le lieu sont fondamentalement complets, il y a un manque de temps. Je pense que dans un an, beaucoup de gens devraient comprendre que ce problème est résolu, et le reste est le problème de la capacité de production.
Je suis plutôt optimiste quant à la puissance de calcul domestique. J'ai l'impression qu'à ce stade, Nvidia creuse sa propre tombe. Le supernode de Huawei - le supernode Huawei 950 - peut complètement remplacer le GB200 et le GB300 de Nvidia en termes de performances et de prix. Le prix est sûrement cher, mais il est limité : cinquante pour cent, cent pour cent, cent pour cent, peu importe, deux cents pour cent. Par exemple, c'est 100 % plus cher, je pense que le prix peut être remplacé. Il peut également être remplacé par la tâche : toutes les tâches que le GB300 peut faire, les supernœuds Huawei peuvent le faire, et le délai est le même.
Nvidia pourrait déjà avoir une nouvelle génération pour le Q3 de cette année. Donc, l'écart entre nous et les États-Unis sur les puces, je pense :Écologiquement, il n'y aura pas d'écart à l'avenir, mais sur la puce, il est quatre fois plus deux ans.
Il y a aussi la question : allons-nous intégrer verticalement en amont ? J'espère que non. Nous espérons ne pas avoir à faire cela, j'espère que quelqu 'un d'autre fera la chose. Je ne veux pas tout manger, je vais juste manger un morceau - manger ce que je fais le mieux, ce que nous pensons être le noyau pour nous-mêmes, ce qui est directement lié à l'utilisateur. Pour beaucoup de nos partenaires industriels, ils sont plus préoccupés que nous. Cela devrait être l'affaire de quelqu 'un d'autre, je ne devrais pas tout manger.
Est-ce que nous allons construire notre propre grand cluster à l'avenir ? Construire vos propres grands clusters est certainement nécessaire, nous le faisons nous-mêmes tout le temps, tous nos clusters sont construits nous-mêmes. Mais si vous voulez développer des puces à l'avenir, je pense que cela dépend de la taille des revenus. Si vous exploitez une centrale électrique, vous n'avez pas nécessairement besoin de construire un générateur, n'est-ce pas ? L'équipement de production d'énergie peut être fabriqué par quelqu 'un d'autre, tant qu' il est à un prix raisonnable, pourquoi le faire vous-même ?
Donc, j'espère ne pas avoir à faire des puces, j'espère pouvoir les acheter à un prix raisonnable, donc je n'ai pas à faire des puces. Nous voulons en faire une seule. L'IA est une grande chose et ne me demande pas de tout faire. Si c'est concentré, et je pense que les avantages commerciaux ici sont assez grands - si l'ère de l'IA produit beaucoup d'entreprises de niveau des trillions, je pense que nous en sommes l'un. Nous avons toujours fait un petit morceau d'entre eux, est l'un d'entre eux n'a pas de problème, je ne suis pas confiant de faire autre chose. C'est notre attitude.
Par exemple, au moins dans les deux entreprises To B et To C, ce que nous pouvons voir à l'heure actuelle est que ceux qui veulent vraiment faire une boucle fermée To C, au contraire, nous le faisons bien ; ceux qui veulent vraiment faire une boucle fermée To B, peut - être que nous ne le faisons pas bien. Plus vous en voulez...
Pour B, on peut en dire plus. La limite supérieure de l'entreprise To B devrait être la demande. Dans le contexte de la génération actuelle de technologies d'IA, la demande de To B devrait être limitée : elle va croître rapidement, mais n'est pas une chose infinie, et finalement est toujours soumise à la demande, pas à la puissance de calcul. Dans les conditions technologiques actuelles, le montant du revenu dépend finalement de la demande. Parce que vous pensez ainsi : je peux récupérer les coûts en dix mois, et s'il y a une demande, j'achète sûrement des cartes tout le temps ; je n'en achète pas plus maintenant, parce qu ' il n'y a pas tant de demande. La demande devrait être de plus en plus grande - à mesure que la technologie continue de faire des percées, la demande sera de plus en plus grande.
Quatorze, multimodalisme, mise à l'échelle et faible coût
La mise en page multimodale, nous avons toujours fait. C'est très important pour le produit, pour les produits utilisateurs C-end. Mais la limite supérieure de l'intelligence, c'est un composant, ce n'est pas la ligne principale elle-même. En tant que composant, nous le faisons certainement et le faisons. Nous devrions rencontrer les modèles pertinents : V4 et les versions ultérieures de V4 prendront en charge le multimodalisme natif. Mais notre compréhension de la multimodalité est que pour l'intelligence, c'est un composant, et nous ne la considérons pas comme l'intelligence elle-même - elle est au même rang que la recherche. La recherche est également un composant, et la multimodité en est un.
Scaling, nous croyons en Scaling : c'est certainement plus l'échelle est grande, mieux l'effet est, pour pouvoir débloquer plus de fonctionnalités. Ce qui nous empêche de mettre à l'échelle est en fait la puissance de calcul - ce n'est pas que nous ne voulons pas mettre à l'échelle, c'est que nous n'avons pas assez de puissance de calcul pour faire cette mise à l'échelle.
Nous n'avons pas touché où se trouve cette limite supérieure. Nous entraînons des modèles aussi grands, non pas parce que je pense qu 'un modèle aussi grand suffirait, mais parce que j'ai juste eu tellement de ressources. Je fais le calcul en fonction de mes ressources : quelle est la taille du modèle que je peux accepter et entraîner, c'est ainsi calculé, ce n'est pas ce modèle qui suffit.
Pour l'instant, les avantages du modèle sont encore très évidents. Nous n'avons pas encore eu l'occasion de toucher le mur de ce Scaling, qui est encore loin de nous. Quand la Silicon Valley parle de l'échelle, c'est pour la Silicon Valley ; pour les Chinois, nous sommes très loin de cela, nous n'avons pas d'échelle à ce niveau. Cette mise à l'échelle comprend la mise à l'échelle des données, la mise à l'échelle du modèle, les coûts de formation. Nous sommes encore loin d'explorer les limites supérieures de l'échelle - pas beaucoup de puissance de calcul - mais nous ne ménagerons aucun effort pour repousser les limites supérieures de l'échelle. Y compris après le financement, nous avons plus de puissance de calcul, nous pouvons former des modèles plus grands, nous pouvons les acheter dans un délai plus court, mieux vaut ; si nous pouvons dépenser tout l'argent dans un délai de six mois, c'est le mieux, en fait, nous ne pouvons pas le faire.
La capacité de base du modèle de prochaine génération, je pense qu 'il doit avoir la capacité d'apprentissage continu avant qu' il puisse être appelé le modèle de prochaine génération. Jusqu'à présent, tout ce que nous pouvons faire, c'est coûter, puis faire de meilleurs effets et faire plus vite. Mais pour avoir une grande percée, il devrait avoir un apprentissage continu.
Pourquoi semble-t - il que nous soyons particulièrement préoccupés par l'efficacité informatique du modèle ? J'ai trouvé que tout le monde ne se soucie pas beaucoup de l'efficacité du modèle. Pour une entreprise commercialisée, il n'y a pas d'incitation à poursuivre l'efficacité du modèle - plusieurs start-ups, vous n'avez pas entendu dire que le faible coût est quelque chose qu ' ils poursuivent, parce que cela n'est pas dans leurs intérêts : faible coût, qu ' est-ce que vous gagnez ? Vous ne recevrez pas d'argent.
Au contraire, cela fait partie de notre vision. Nos camarades de classe se soucient de ce coût, parce que nos camarades de classe sont des gens ordinaires, il sait que cela coûtera de l'argent, il peut avoir de l'empathie : les autres doivent dépenser de l'argent pour l'utiliser, alors un peu moins cher, les autres peuvent accepter le degré plus élevé. Nous avons donc beaucoup de camarades de classe qui souhaitent que nous puissions réduire les coûts. Mais si vous parlez d'un point de vue commercial, vous ne le pensez pas - d'un point de vue commercial, du point de vue des coûts, ce n'est pas la première priority.
Pour les start-ups et les grandes entreprises, le coût de ce service n'est pas élevé. Mais j'espère qu 'il sera relativement léger, j'espère qu' il sera abordable - surtout dans le contexte de la pénurie de puissance de calcul en Chine - abordable et utilisable sur des cartes nationales.
Le faible coût est d'abord un résultat. Notre modèle a vraiment été architecturalement dans une direction moins coûteuse, ce qui a à voir avec notre vision. Nous avons encore beaucoup d'approches sur l'algorithme, et le coût pourrait encore baisser. Il y a une autre raison pour laquelle les coûts baissent : plus le coût est faible, plus je peux former des modèles plus gros et me permettre de les faire plus gros. Avec la même puissance de calcul et la puissance de calcul limitée, si mon efficacité de calcul est plus élevée, je peux me permettre de construire des modèles plus grands. Pour les grandes entreprises, cela n'est pas nécessairement le cas - les ressources peuvent être ajoutées, elles peuvent être résolues en ajoutant des ressources - mais nous donnerons la priorité à l'efficacité des coûts.
15 Celui qui prend moins bat celui qui prend plus.
La plage de données est relativement large, les données devraient être presque égale à la moitié du modèle.
Pourquoi je pense que si l'IA représente 20% du PIB, si je veux 5% de cela, cela ne fonctionnera pas ? Parce que je vais certainement être battu par quelqu 'un d'autre - si l'autre personne dit : "Je ne veux qu' un pour cent", alors je vais certainement être battu par lui. Si mon objectif est de représenter 5% du PIB de l'humanité, en théorie, ce compte est toujours établi - vous voyez OpenAI, il semble pouvoir calculer ce compte, en théorie, pas de problème. Mais il a un problème : il sera battu par un autre qui ne sera prêt à représenter qu 'un pour cent. Parce que l'autre homme a dit, je fais si bien, mais je vais juste prendre un pour cent du PIB mondial, alors je vais le battre.À ce moment-là, si une autre personne est sortie et dit que je veux seulement 0,1 pour cent, alors je vais battre à nouveau la personne devant moi.
D'un point de vue macroscopique, peu importe d'où proviennent ces pourcentages, il n'y a pas de différence les uns avec les autres.Celui qui prend beaucoup est battu par celui qui prend moins.Même vous n'avez pas vraiment besoin de prendre beaucoup - si la vision est de prendre beaucoup, vous serez battu par quelqu 'un dont la vision est de prendre moins. En fait, tout le monde n'a pas obtenu d'argent, c'est juste une vision ; votre vision est de prendre plus, vous perdrez d'abord, vous serez confronté à de plus grandes difficultés. C'est ainsi que le monde est.
Dès le début, OpenAI a senti qu ' il pouvait vraiment monopoliser le monde, mais en fait, il rencontrerait beaucoup, beaucoup de challengers. Il va rencontrer des défis et il ne sera pas si facile. Les défis rencontrés par les États-Unis, il peut rencontrer les défis de la Chine à l'avenir - parce que les Chinois sont prêts à prendre moins, ils peuvent vous fournir ce service. En Chine, il y aura aussi des gens qui seront prêts à prendre un peu moins. Mais à la fin, il y aura un équilibre ici : parce qu 'après que vous prenez trop peu, la logique commerciale de l'entreprise ne fonctionnera pas et ne survivra pas. Donc, vous prenez trop peu et vous ne pouvez pas vivre ; vous prenez trop et vous serez battu par ceux qui prennent moins.
Par conséquent, pour nous, nous ne sommes pas le profit pour prendre le plus d'argent, calculer le prix de la maximisation des revenus, mais seulement pour gagner un revenu raisonnable. C'est une explication. Je crois en cela, je ne vais pas trouver une raison pour cela - il n'est pas nécessaire de trouver une raison. Je l'ai déjà fait, je l'ai fait pour une raison. Cette raison n'est peut - être pas très habituelle, mais je pense que l'entreprise n'est pas habituée.
16, mode d'organisation : deux lignes, pas d'heures supplémentaires
La gestion de notre société est en fait deux lignes : une ligne est de haut en bas, l'autre est de bas en haut.
De bas en haut : tout le monde veut faire ce qu ' il veut, il le fait lui-même, personne ne s'en soucie, pas de KPI.
De haut en bas : c'est officiel - nous devons faire quelque chose collectivement, et nous avons besoin de toute l'entreprise pour coopérer. Par exemple, si nous voulons envoyer V4, alors nous devons partager le travail et tout le monde doit faire une partie. C'est du haut en bas, c'est ce que nous appelons "officiel".
En général, nous ne voulons pas officiellement prendre la moitié de tout le temps de notre personnel -Officiellement, ne dépasse pas la moitié.Il a encore la moitié du temps, il n'est pas programmé, il fait ce qu 'il veut. C'est une portée de recherche qu ' il peut explorer par lui-même, en suivant ce qu ' il juge important, ce qu ' il explore, sans exigences préalables. Tant que l'entreprise peut le soutenir et que la puissance de calcul peut le soutenir ; ou qu ' il n'a pas besoin de puissance de calcul et a besoin de faire très peu, alors il n'a pas besoin de coordonner du tout. C'est la façon dont nous sommes organisés maintenant.
Certaines personnes pensent que nous venons de haut en bas, d'autres pensent que nous venons de bas en haut, et je pense que les deux ont raison. L'un de mes critères est : officiellement, il est préférable de ne pas dépasser la moitié.
Nous ne travaillons généralement pas beaucoup de heures supplémentaires. Il y a deux raisons pour lesquelles les heures supplémentaires sont rares. Tout d'abord, la recherche nécessite un environnement relativement détendu. Si vous êtes très serré, vous ne pouvez pas faire de recherche - vous devez avoir cet intérêt pour vous-même, et vous devez penser à ces questions à des moments ordinaires, de sorte que vous devez être dans un environnement relativement détendu pour être en mesure d'explorer. C'est une nécessité d'étudier la culture. Deuxièmement, nous sommes très concentrés.Être très concentré signifie que nous avons très peu de choses à faire, alors je n'ai pas beaucoup à faire et je n'ai pas besoin de faire des heures supplémentaires.
Ceci est dans la même veine que la retenue précédente : parce que je me suis retenue, la plupart du temps je ne le fais pas. Moins de choses que je dois faire, moins de travail est attribué à chacun. Vous voyez que beaucoup de nos produits sont imparfaits, et nous ne les avons pas rattrapé. C'est aussi une culture de notre part.
Question section
Q : Pouvez-vous partager un calendrier plus détaillé sur le moment où l'apprentissage continu apporte des percées ? Quelles autres innovations architecturales, algorithmiques et autres éléments clés sont nécessaires pour permettre l'apprentissage continu ?
Réponse : Il y a peu de gens et il faut faire des recherches. Maintenant, le monde entier est en train d'étudier ce problème. Pour les investisseurs, ce qui est le plus vu maintenant est l'agent ; mais pour ceux d'entre nous qui étudient, ce qui est plus vu maintenant est l'apprentissage et la façon de résoudre ce problème d'apprentissage.
En fait, l'apprentissage n'est peut - être pas une technologie, c'est un problème. Comment résoudre ce problème, il peut y avoir de nombreuses techniques - ce n'est pas une chose, ce sera beaucoup de choses. Autrement dit, l'AGI est composé de beaucoup de choses, nécessite des modèles, puis beaucoup d'autres choses. C'est aussi un problème d'ingénierie et d'algorithmes. Cette question est relativement professionnelle, mais il existe de nombreuses méthodes et il y a beaucoup de recherche.
Q : Monsieur Liang, merci. Tout d'abord, je voudrais répondre et remercier, ce que vous avez dit au début m'a très ému et nous a beaucoup inspiré : cette équipe, avec la plus grande bonne volonté, espère promouvoir le développement de cette société et de l'intelligence humaine et apporter un peu de contribution. C'est très similaire à la culture d'entreprise de l'entreprise que nous servons, c'est - à - dire « se cultiver soi-même pour atteindre les gens ». Je comprends profondément pourquoi vous dirigez votre équipe pour faire de l'open source. Je sens visuellement que l'écologie du paradis des oiseaux, comme faire un榕树, bénéficiera à tout et sera acceptée par tout le monde. Tout coexistera et coexistera et sera finalement partout. Avec cet investissement, nous exprimerons également notre reconnaissance, notre soutien et notre respect pour cette mission et cette vision.
La première question estCombien de partenaires, de talents et d'équipes dans l'industrie peuvent-ils reproduire nos modèles et résultats en open source ? A l'avenir, vous voulez développer cet écosystème, dans quels aspects pensez-vous avoir besoin de plus de talents de haute qualité pour rejoindre notre modèle et le reproduire ? Ou est-ce que la puissance de calcul du GPU est relativement rare maintenant ? Est-ce qu 'il y aura une méthode de matrice de modèle à l'avenir - améliorons-nous le modèle de base de plus en plus, et que les partenaires et les équipes de tous les horizons de la vie vont faire le modèle industriel vertical et le modèle d'application dans la matrice de modèle ? Comment se passe-t - il dans ce domaine ? Dans deux ans, trois ans, quel genre d'écologie pensez-vous que vous allez devenir ?
La deuxième questionÀ propos du matériel d'IA : Les grandes entreprises mondiales d'IA peuvent investir des centaines de milliards de dollars. À l'heure actuelle, la Chine semble avoir quelques lacunes dans la puissance de calcul du matériel. Combien de temps pensez-vous que cela peut être résolu, soutenir le développement de notre IA, afin que la puissance de calcul et le matériel ne ralentissent pas l'AGI ? Est-ce que la mission future des Chinois doit être atteinte et peut certainement être accomplie, juste une question de temps et d'investissement en capital ? Dans le même temps, il peut être de deux aspects : d'une part, l'avancement du modèle permettra l'amélioration de l'intelligence, la consommation de matériel et de puissance de calcul d'une seule tâche ou de certaines unités intelligentes diminue progressivement, et il n'a plus besoin d'une telle puissance de calcul, car l'avancement du modèle le rendra intelligent ; d'autre part, l'avancement de la technologie du matériel rendra la puissance de calcul plus efficace. Est-ce que cela pourrait être un chemin opposé ? En outre, maintenant, vous utilisez 960 ou H200 pour faire des investissements de puissance de calcul de 100 milliards de dollars. Vous venez de mentionner l'amortissement sur trois ans. Pensez-vous que son cycle de vie réel est de quatre ou cinq ans ? Est-ce que le cluster Wanka construit maintenant, dans trois ans, sera en fait une puissance de calcul relativement moins avancée ? Est-ce que cela ne fonctionnera pas assez maintenant et deviendra redondant dans trois ans ? * *
Réponse :Merci à toi. La première est celle de l'écologie.
Nous pensons maintenant que le problème auquel chaque entreprise est confrontée est le manque de talent. Mais je pense que cette pénurie de talents va être phasique. Au début du développement de chaque industrie, nous n'avons pas assez de talents. Avant de commencer à faire des sites Web, il y avait très peu de gens qui faisaient des sites Web, et les talents manquaient ; plus tard, Internet devait faire le côté du service, et les talents manquaient également. Mais cette pénurie de talents sera résolue très rapidement, c'est - à - dire dans deux ou trois ans, parce qu ' un grand nombre de personnes seront cultivées.
La pénurie de talents en IA est également par étapes, et nous l'avons déjà considérablement atténué. Il n'y a vraiment pas de pénurie de personnes en IA. Chaque entreprise cultivera rapidement des gens. Il est très rapide de former des gens. Par conséquent, dans l'ensemble de l'industrie de l'IA, qu ' il s'agisse de l'écologie, de la société modèle ou de quoi que ce soit, il n'y a pas de pénurie de talent. La pénurie de talents est certainement un phénomène à court terme, et il n'y a jamais eu de pénurie à long terme d'un certain type de personnes dans l'histoire. Je me souviens qu ' il y a plus d'une décennie, on a dit que les pilotes manquaient et que le cycle de formation des pilotes était long, mais cela a également été résolu rapidement.
Donc, vous n'avez pas à vous soucier de la pénurie de talent. De plus, il y a un peu trop de sociétés modélisées en Chine maintenant, ou encore trop. Les États-Unis peuvent être trois, la Chine fait trop de modèles de base. En fin de compte, il ne doit pas avoir besoin de tant de personnes pour faire le modèle de base, il va certainement converger. Les ressources sont également plus dispersées et, dans une certaine mesure, plus gaspillées - ce qui équivaut à ce que chaque entreprise fasse la même chose, mais tant que les États-Unis le font, les ressources se concentrent uniquement dans ces trois entreprises ; les ressources de la Chine sont très dispersées, et chaque entreprise obtient moins de ressources. Je pense que cela va certainement converger, mais cela prend un processus et finira certainement par converger.
Il n'y a pas besoin de tant de maisons. Maintenant, tout le monde peut penser que la marge de profit de faire cette chose est très élevée, alors assurez-vous de le faire vous-même ; mais quand il découvre que cette chose peut ne pas être aussi rentable, il peut ne pas le faire. Je ne crois pas qu 'il y ait un profit aussi élevé, car cela ne correspond pas aux lois objectives. Cela signifie que nous sommes à une étape : s'il y a une marge de profit très élevée, cela ne doit pas être conforme aux lois objectives, nous devrions être un profit raisonnable. C'est l'état actuel de l'industrie, et je pense que cela convergera certainement.
Pour faire la partie du grand modèle, ne dites pas qu ' un certain monopole, « je vais prendre tous les bénéfices », cela ne fonctionnera certainement pas. Si chaque maison ne prend que des bénéfices raisonnables, alors il n'est pas nécessaire que beaucoup de gens fassent de grands modèles. La Chine a finalement trois ou quatre concurrents, et la concurrence est suffisante, et le prix est absolument suffisant pour lutter contre la guerre des prix. Le grand modèle peut être deux grandes entreprises et deux petites entreprises, ce qui est suffisant.
En ce qui concerne l'écologie, je n'ai pas beaucoup d'idées. Nous espérons pouvoir soutenir plus de gens, mais nous n'avons pas autant d'énergie. Nous avons cette volonté, et il n'y aura pas de conflit d'intérêts, mais si nous l'avons fait est une autre affaire. Mais au moins, il n'y a pas de conflit d'intérêts ici, et nous espérons coopérer pour gagner-gagnant. Tout d'abord, je ne pense certainement pas que les grandes entreprises de modèles peuvent prendre la plupart des bénéfices, ce n'est pas possible - il y a tant de grandes entreprises de modèles, l'écart n'est pas si grand maintenant. Il n'y a que deux choses qui laissent la différence : l'une est le temps et l'autre est le coût. Donc, aucune des familles n'a un profit énorme. Ceux qui contrôlent bien leurs coûts gagnent un peu plus, ceux qui contrôlent mal leurs coûts gagnent un peu moins, c'est tout.
DemandezLes données publiées sont maintenant considérées comme des canaux pour les entreprises modèles, ce qui n'est qu ' une question de temps et de coût. Lorsque nous suivons vraiment AGI, nous supposons que l'état idéal est que le modèle peut s'auto-itérer, s'auto-apprendre et s'entraîner lui-même. Pensez-vous que les données de simulation peuvent-elles être utilisées, ou que les données réelles sont de la meilleure qualité ? S'il faut encore des données réelles, cela limiterait-il l'intelligence de l'IA au niveau du passé humain - parce qu ' elle repose sur les données réelles que l'humanité a réellement eues ? Ou peut-on franchir cette limite supérieure et faire en sorte que la capacité du modèle dépasse toutes les réalités du passé humain en simulant des données, en simulant des données, en créant des données, etc. ?
RéponseJe pense que ça va au-delà. Il y a deux. Par exemple, Go, AlphaGo a joué une main d'échecs que l'humanité n'a jamais vue auparavant - il a certainement dépassé l'humanité dans une certaine mesure. Mais il peut aussi avoir des limites, des limites, mais nous ne pouvons pas voir cette limitation maintenant. Donc, nous pensons généralement : il peut être basé sur la connaissance que l'humanité a déjà, que nous pouvons déjà dire, pour être au-delà.
Quant à savoir si cela fonctionnera sur des données réelles ou des données de simulation, je pense qu 'il y aura beaucoup de façons.
Donc, notre écart avec les États-Unis peut être de 12 mois, de 12 à 18 mois, ou de 6 à 12 mois derrière les États-Unis. En bref, c'est être deux ans derrière les États-Unis et utiliser seulement un vingtième de la puissance de calcul des États-Unis pour faire cette chose. Ce récit est :Un à deux ans de retard, mais avec seulement un vingtième de sa puissance de calcul. À l'avenir, nous allons réécrire ce récit : utiliser une fraction de sa puissance de calcul, mais raccourcir ce temps à six mois, trois mois, je pense que c'est un objectif. Et nous pouvons même les surpasser d'une certaine façon. Cependant, il n'est pas réaliste de surpasser complètement la puissance de calcul globale sous la condition qu 'il y ait encore un écart d'ordre de grandeur ; mais dans certains points clés, il y a des compromis, il est possible de surpasser certains points.
Q : Deux problèmes techniques rapides. Tout d'abord, lorsque nous parlions de la route technique tout à l'heure, il a été mentionné que le problème central que nous devons résoudre à cette étape est l'apprentissage continu, qui est également un point chaud de la recherche à l'étranger à l'heure actuelle, appelé amélioration récursive.À l'heure actuelle, quelle est la plus grande difficulté techniquement ? De votre point de vue, quand peut-on le résoudre ? Deuxièmement, vous venez de mentionner que vous devez d'abord résoudre l'apprentissage continu, puis faire de l'intelligence. Quelle est la racine technologique derrière cela ? Est-ce que cela signifie que DeepSeek fera l'intelligence générale après avoir résolu le problème d'apprentissage continu ?
R : La difficulté avec la question technique est que nous n'avons pas encore trouvé une méthode très efficace. Le monde entier n'a pas encore trouvé une bonne solution, tout le monde tâtonne, toujours dans la phase de tâtonnement - je ne sais pas qui peut toucher la prochaine solution à ce problème. Nous avons beaucoup d'idées, beaucoup d'idées qui semblent prometteuses en ce moment, mais qui ne sont pas encore passées par là. C'est le premier.
Deuxièmement, nous attachons plus d'importance à ce récit en interne maintenant : nous formons notre modèle de prochaine version, et nous espérons qu ' il aidera notre propre développement. Il a amélioré l'efficacité de DeepSeek - notre modèle est d'abord d'améliorer la productivité de DeepSeek lui-même, ce qui nous permet de développer la prochaine version du modèle, il peut être plus utile. Ou pour le dire plus simplement : le modèle que nous avons fait, le premier objectif n'est pas que tout le monde l'utilise bien, mais que nous l'utiliseons bien nous-mêmes. Tout d'abord, cela fonctionne pour nous-mêmes, après quoi je serai plus rapide lorsque je développe la prochaine version du modèle.
L'idée de beaucoup d'entre nous est la suivante : être utile pour nous-mêmes d'abord, être utile pour nous-mêmes d'abord - c'est la façon la plus rapide d'atteindre l'AGI. Lorsque nous l'utilisons facilement nous-mêmes, cela signifie que les autres peuvent l'utiliser facilement, mais nous devons d'abord nous assurer que nous l'utilisons facilement. Ce récit est un peu étrange, mais c'est vraiment ce que beaucoup de gens pensent : pas que les utilisateurs l'utilisent bien, mais que nous voulons nous aider davantage, afin que nous puissions mettre en œuvre AGI, ce qui sera beaucoup plus rapide. La logique de ce récit est : venir nous aider à réaliser AGI - mais d'abord nous aider à réaliser, et nous avons besoin de cette aide pour réaliser AGI. Il est maintenant très certain que nous avons vraiment besoin d'intelligence artificielle pour nous aider à réaliser AGI. Bien qu 'il ne fonctionne pas de façon autonome, il ne fonctionne que avec des gens, mais il est déjà très utile.
(sur l'apprentissage continu, puis l'intelligence générale) Parce que la résolution de ce problème d'apprentissage continu peut grandement accélérer nos progrès de R & D. Si j'avais d'abord abordé l'apprentissage continu, alors le problème de l'intelligence générale ne serait pas question. J'ai l'aide de l'IA, et si l'IA peut apprendre en permanence, sa capacité devrait être très forte. Les capacités actuelles de l'agent sont limitées parce qu 'il ne peut pas apprendre continuellement et ne peut pas apprendre continuellement efficacement. Si nous pouvons terminer l'apprentissage continu d'abord, la capacité de l'IA est très forte, et elle peut grandement améliorer l'efficacité de notre propre recherche. L'apprentissage continu le fait d'abord, et l'intelligence générale peut être facile - il est facile de le faire avec elle. Donc, c'est le résultat que nous aimerions voir : nous économisons beaucoup de travail, nous sommes faciles. Sinon, maintenant vous devez faire artificiellement l'intelligence générale, c'est un plus fatiguant, plus amer, c'est une chose à forte intensité de données, à forte intensité de main-d'œuvre, et le rapport coût-efficacité n'est pas élevé. Je pense au moins qu 'il doit pouvoir continuer à apprendre.
(sur la question de savoir si le matériel domestique peut rattraper) La production domestique peut prendre plusieurs années. La Chine doit d'abord résoudre le problème de l'écologie - parce que l'écologie est une question de confiance - puis résoudre le problème de la capacité de production, je pense que cela devrait être résolu progressivement. Je ne crois pas que nous soyons coincés dans la capacité après cinq ans. Cette année, l'année prochaine et l'année suivante, ils peuvent toujours être coincés dans le problème de la capacité de production, mais cinq ans plus tard, je pense que cela peut ne pas être nécessairement, et je suis toujours optimiste.
(En ce qui concerne la structure organisationnelle future et la taille du personnel) Notre structure organisationnelle précédente était très décentralisée, car il n'y avait pas de structure organisationnelle. Cependant, après que les gens se soient encore développés, certains changements doivent certainement être apportés. Tout ce que je peux dire pour le moment est que beaucoup de changements devront être apportés ici, mais il est difficile de les exprimer tous en une seule fois. En fin de compte, nous devrions encore diviser les différents départements : certains départements doivent établir une structure hiérarchique relativement stricte ; d'autres départements peuvent encore maintenir une structure relativement lâche et relativement plate. Nous allons faire cet ajustement à mesure que le personnel augmente - je dirais que nous devrions faire cet ajustement tout de suite, et je le fais déjà. Sans cet ajustement, beaucoup de choses ne peuvent pas avancer. Il est vrai qu ' il y a beaucoup de départements qui devraient avoir une structure organisationnelle.
(à propos du rythme de distribution) La version V4 que nous distribuons en ligne est encore relativement grossière, et beaucoup de capacités prennent du temps. Pour moi, un rythme de publication relativement confortable est probablement de publier une édition tous les deux ou trois mois. La dernière édition pourrait être fin avril, la prochaine édition pourrait être fin juin, à peu près comme ça. S'il n'y a pas d'accident, il devrait toujours être meilleur d'une version à une autre.
Sur cette échelle d'activation de 50B, je pense qu 'il n'y aura pas beaucoup de différence entre nous et l'open source actuel - il peut ne pas y avoir beaucoup de différence dans la vitesse de raisonnement et l'effet. Cependant, l'écart devrait être relativement grand avec son modèle à grande échelle et non publié. Cet écart, notre paramètre d'activation ne devrait pas être en mesure de le faire, doit certainement être un modèle de plus grande taille, par exemple 150B. Alors 150B, selon notre progression actuelle de formation, optimiste, nous pouvons commencer à nous entraîner à la fin de cette année, au moins le 4 de l'année prochaine... l'écart est encore relativement grand. C'est le décalage avec l'OCE.
Q : Vous avez souvent dit que le processus d'implémentation de l'AGI est un processus progressif et non qu ' il y aura une mutation. Donc je peux comprendre, est-ce un processus qui n'a pas de point critique ?
R : Il n'y a pas de point critique, mais il est non linéaire. Nous croyons maintenant que l'un des récit est que l'IA peut accélérer la recherche sur l'IA. Ce n'est pas linéaire parce que vous pouvez utiliser l'IA pour accélérer vos propres recherches, donc cela pourrait être non linéaire.
Q : Je comprends. Donc, la conclusion précédente est que le modèle de langage pour continuer à échelonner est suffisant, peut-on faire cet état ?
R : Je peux seulement dire que le modèle de langage de Scaling, que je ne vois pas maintenant, a une limite supérieure. Notre niveau actuel d'intelligence, ou le niveau d'intelligence des États-Unis, ne voit pas de plafond.
Q : Comprenez. Vous avez dit que le modèle activé par l'US 800B peut être entraîné par rapport à nous, mais il ne peut pas être utilisé non plus, donc il ne peut être entraîné qu 'en dehors, il est difficile de le sortir pour tout le monde à utiliser, parce qu' il est vraiment un peu cher. Ce que j'étais curieux auparavant : les humains ont des capacités linguistiques depuis près de 100 000 ans, et ils ont évolué pendant 3,7 milliards d'années. Mais quand il s'agit de former l'IA, l'ordre peut être inversé, mais il pourrait finalement entrer - pas nécessairement dans le modèle du monde - dans le modèle physique ou la partie incarnée, n'est-ce pas ? Après ce plafond ?
R : Oui, je pense que l'incarnation doit toujours entrer, et finalement, c'est l'incarnation. Donc, pour notre entreprise, naturellement, le point final peut être incarné. Parce que pour une personne normale, ses besoins ne sont pas des ordinateurs, n'est-ce pas ? Les gens normaux, il mange, boit, joue, mange, habite et n'a pas besoin d'ordinateur. Ce dont il a besoin, c'est de répondre à des besoins spécifiques en main-d'œuvre. Si l'objectif est de répondre aux besoins humains, je pense que l'incarnation ne peut pas être contournée.
Q : Comprenez. Parlant par étapes, si vous atteignez un état qui peut évoluer, qui peut évoluer relativement bien, près de ce point de temps ascendant, je suis curieux, quelle est la première chose que vous souhaitez que l'IA de cet état atterrisse ?
Réponse : Peut - être que ça ne sera pas le même qu 'aujourd' hui. S'il n'y a pas d'incarnation, que définirons-nous de l'AGI, ou que souhaitons-nous qu ' elle puisse faire ? Cela m'aidera à itérer avec la prochaine version du modèle. Et puis, s'il y a une incarnation, nous espérons qu ' il fera la même chose : laissez-le itérer la prochaine version de l'incarnation, et il fera la prochaine version du robot.
Q : Je suis toujours un peu curieux. Dans une interview précédente avec DeepSeek, il a été mentionné que le goût et l'intuition sont très importants dans certains choix importants de direction et de recherche, plutôt que de simple optimisation d'ingénierie. Si l'IA peut évoluer, est-ce que le goût, le goût et l'intuition sont encore importants ? Ou plutôt, qu ' est-ce qui compte ?
R : L'IA ne manque pas de goût et d'intuition maintenant, ce qui lui manque, c'est la capacité d'apprendre continuellement. Il n'y a pas de problème avec le goût et l'intuition de l'IA - vous lui demandez d'écrire un article, son goût et son intuition, je ne pense pas que ce soit un problème.
Q : L'apprentissage continu, que vous avez mentionné et que de nombreux chercheurs ont mentionné comme un problème de recherche non résolu. Et l'agent de codage - en particulier pour rattraper le MILES, l'échelle au niveau Office, le niveau MIS - est un objectif relativement sûr. Pour un objectif de recherche non résolu et un objectif de mise à l'échelle relativement certain, comment pensez-vous que les ressources de recherche, en particulier les ressources de talents des chercheurs, devraient-elles être allouées, comment atteindre le meilleur équilibre et le meilleur effet ?
R : Le modèle Office est un objectif relativement sûr ; le modèle MIS, je ne pense pas qu 'il soit sûr, ne peut être dit qu' un objectif. Le modèle Office, je pense que cela devrait être plus sûr.
Ce (apprentissage continu) ne prend pas de ressources. Faire cette recherche gratuite, cela ne consomme pas de cartes, il faut très peu de cartes, il faut des idées ; cela ne consomme pas non plus de ressources de talent, parce qu 'il n'y a pas besoin de quelqu' un là pour le faire tout le temps. Ce n'est pas un projet, mais il faut que beaucoup de gens y réfléchissent. Il n'y a donc pas besoin de lui attribuer de ressources, car il n'a pas besoin de ressources. Vous devez former le modèle, faire le modèle, envoyer le modèle, faire l'expérience d'efficacité du modèle, vous avez besoin de ressources. Cela vient de parler, la consommation de ressources pour les personnes et les cartes n'est pas beaucoup.
Nous appelons cela le « prix du toucher » : le seuil est très bas, tout le monde peut le toucher, mais celui qui peut toucher quelque chose, peut - être que je ne sais pas si je regarde le talent ou quoi.
Donc, nous n'avons pas besoin de répartir les ressources ici. Ce qui nous différencie des autres entreprises, c'est que nous prenons le temps de discuter de ce problème, de penser à ce problème et de le considérer comme une chose importante. Dans l'entreprise, c'est une question importante, nous prenons le temps de réfléchir, mais il n'est pas nécessaire de dépenser beaucoup de ressources pour le faire.
Les problèmes d'hallucination de grands modèles affectent l'expérience utilisateur. Il y a aussi un moyen de résoudre le problème des hallucinations, mais c'est une proposition à long terme. Le problème des hallucinations peut être considéré comme un problème qui peut être résolu par un meilleur post-entraînement, un problème qui peut être résolu et amélioré, mais tout le monde ne fait pas beaucoup d'efforts pour le faire. Ou plutôt, pour moi, les hallucinations sont un problème, mais nous pouvons se réduire à un problème de produit. Nous allons le résoudre, mais ce n'est pas le problème principal.
Il y a aussi le problème des données de base. Nous sommes liés à notre investissement en capital dans l'étiquetage des données : avec notre structure d'investissement en capital, nous ne pouvons pas supporter le coût de tant d'étiquetage de données de haute qualité, car le coût est élevé. Le coût de l'étiquetage des données américaines n'est pas différent de celui de la Chine. Les données standard chinoises n'ont pas d'avantage de coût, en particulier les données haut de gamme n'auront pas d'avantage de coût, ce qui rend difficile pour nous d'investir dans les données de démarque comme les États-Unis. Cette route est très difficile en Chine, parce que les données d'appel d'offres sont vraiment trop chères - que ce soit notre appel d'offres externe ou notre propre appel d'offres, il est très difficile.
Donc maintenant, c'est essentiellement marcher sur deux jambes. Ce n'est pas que nous ne pouvons pas enchérir du tout, mais les données standard ont un faible coût et un coût élevé, et nous enchérirons d'abord à faible coût. Donc, vous pouvez également penser que maintenant la moitié des personnes de notre société sont en vente sur les données : la moitié des chercheurs de base, les personnes les plus importantes, la moitié des données en vente sur les données, nous nous concentrons sur les données en vente.Pour résoudre le problème de l'IA, à ce stade, nous comptons sur les données standard. Le cœur est les données.
Q : Première question. Vous venez de dire que le modèle chinois est certainement plus efficace que le modèle américain, et il y a d'autres aspects qui peuvent être plus forts que les États-Unis à l'avenir. Quels aspects pensez-vous que nous serons meilleurs que les États-Unis, en termes d'intelligence ou autrement ?
R : Je pense qu ' il est possible que nous puissions faire mieux que les États-Unis dans de nombreux aspects de l'expérience. Sans parler de mon expérience - mon expérience de produit est plutôt bonne - je ne pense pas que nous serons nécessairement pires que les États-Unis en termes d'expérience utilisateur. En termes de produits, la capacité des produits n'est pas nécessairement pire que celle des États-Unis, et le coût devrait être inférieur à celui des États-Unis, de sorte que la Chine peut toujours être compétitive.
D'autres aspects, s'il y a des avantages structurels, je pense qu ' ils ne peuvent pas non plus. Mais en termes de coût et de produit, je pense qu 'il y a certain avantage structurel. Le coût est très compréhensible : ils n'ont pas à le faire, donc ils ne développent pas cette capacité, ils ne sont certainement pas aussi attachés à cette chose que nous - nous pouvons la considérer comme une chose très importante, mais pour eux, cela n'est pas important. Les produits sont également, et la capacité des produits de nombreuses entreprises est toujours OK. Ces deux aspects peuvent donc avoir des avantages structurels.
Q : Deuxième question. Vous venez de parler de post-formation, nous investissons relativement cher, comme Anthropic et OpenAI investissent des sommes énormes. Après ce financement, investirons-nous davantage dans la formation post-trainée ?
R : L'écart réside principalement dans l'étiquetage de données de haute qualité, principalement dans la recherche sur l'IA. Il y aura certainement plus d'investissement. Mais l'étiquetage de données de haute qualité, le goulot d'étranglement n'est pas l'investissement en capital, je pense que c'est le temps, c'est le temps. Pour OpenAI, à l'étranger et à Anthropic, ils sont tous plus tôt, puis plus de capital et plus de cartes. Notre pays peut considérer que c'est le dernier semestre que nous avons commencé à le faire, donc en termes de temps, je pense qu 'il faut plus de temps. Cela n'a pas beaucoup à voir avec les investissements en capital - même sans plus d'investissements en capital, le capital d'origine est suffisant pour se développer à la vitesse la plus rapide. Mais il y a une limite supérieure à cette vitesse, et le goulot d'étranglement n'est pas coincé dans l'argent, ni dans la carte. Il est en effet en cours d'expansion rapide. Donc, nous pensons que dans un an, la question des données de haute qualité est relativement bonne, et la Chine devrait être attendue. Je pense que ce n'est peut - être pas si difficile, mais cela prend du temps.
Q : Troisième question. Nous voyons Anthropic, ils utilisent leurs propres modèles pour faire leurs propres produits, lancer beaucoup de finances verticales, juridiques... même dans la direction médicale à l'avenir. Est-ce qu'à un certain stade, en ce qui concerne cette application verticale, envisagons-nous aussi ?
R : Je n'ai pas encore pensé très clairement à ce que sera le modèle d'affaires domestique à l'avenir, ou quel est le chemin le plus lisse, nous n'avons pas encore atteint ce stade. La situation intérieure et la situation étrangère ne sont pas nécessairement les mêmes, à la maison à ce moment-là, je pense qu 'il est encore difficile de juger maintenant. Compte tenu de la situation actuelle, je pense que l'approche la plus raisonnable devrait être de faire tout ce qu 'il faut pour être un agent universel, et les autres agents devraient avoir une priorité inférieure, y compris les agents financiers et les médecins. Il faut d'abord faire le codage, parce que l'agent de codage peut faire beaucoup de choses, et il y a beaucoup d'agents verticaux.À ce stade, nous pensons que le plus important devrait être l'agent de codage.
Q : En fait, nous faisons également des choses liées à DeepSeek, et j'admire que vous ayez toujours fait DeepSeek d'une manière très pure de recherche scientifique. Mais maintenant, cette industrie est effectivement entrée sur le marché des capitaux et sur la voie de la capitalisation. Encore une fois, vous êtes une personne très responsable, à la fois envers les petits partenaires et les investisseurs. Entre la recherche scientifique pure, la direction de l'AGI pure et le marché des capitaux - vous allez certainement aller sur le marché des capitaux à l'avenir, il y a certainement des actionnaires publics - comment pensez-vous équilibrer à l'avenir ? Comment pensez-vous cela ?
R : Je pense que je peux le faire maintenant, je le ferai. Si je peux avoir des centaines de millions de dollars de revenus B-end cette année, plus nous avons des utilisateurs C-end, alors cela a déjà une certaine base commerciale en soi. Si cette demande peut être augmentée à nouveau, la société n'est pas loin du bénéfice net, il peut être déjà un bénéfice net, il peut ne pas être une étape de brûler de l'argent pur. Donc, je pense que les mouvements qui peuvent être faits et manipulés à l'arrière devraient être relativement grands.
Ou, dans le pire des cas : vendre des API, peut être en mesure de soutenir une société cotée en bourse. S'il n'y a pas de nouvelles avancées derrière la technologie, notre technologie sera gelée ici, puis finalement nous efforcerons de vendre l'API et de faire ces services bien, je pense que cela suffit.
Donc je me sens toujours confiant, ce n'est vraiment pas si difficile. Parce qu ' il est en effet dans un endroit où l'effet de levier est élevé et dans un domaine en croissance très rapide, il peut être tout simplement pas si difficile. Tout ce qu 'on peut dire,Nous espérons avoir de plus grands rêves, mais nous avons aussi des performances que Baodi peut tirer.
Q : Je pense que la plus grande différence entre DeepSeek et les autres entreprises est que notre organisation est différente des autres. Cependant, la forme organisationnelle est liée aux objectifs et tient compte des limites et de l'efficacité de l'organisation. D'un point de vue macro, cette forme d'organisation aura-t - elle un bon objet d'apprentissage ? Historiquement, peut - être Bell Labs, ou quel type de forme est idéal ? Ou est-ce que nous ne pensons pas que nous n'avons pas d'idéal, mais que nous devons explorer progressivement ? Peut - être dans une nouvelle période, nous ne pouvons qu 'explorer par nous-mêmes - parce que notre forme d'organisation est certainement différente de plusieurs entreprises américaines, et les trois entreprises elles-mêmes ne sont pas les mêmes, mais elles exploreront au moins du point de vue d'une entreprise commerciale. Je voudrais surtout poser la question de l'organisation.
R : Tout d'abord, nous n'avons pas d'objets à imiter. Chaque étape est que nous partons de la situation réelle, recherchons la vérité des faits, prenons des décisions en fonction de la situation réelle et trouvons ce que nous devrions faire. C'est donc le produit d'une époque, une réaction à la situation réelle, et non le résultat d'une imitation.
Dans ce cas, la solution optimale pourrait être telle ; c'est la voie que nous choisissons nous-mêmes.À chaque étape, nous avons certainement réfléchi et choisi, et le résultat du choix est choisi de cette façon. Ce n'est pas parce que nous voyons qui le choisit, que nous le choisissons, mais parce que nous avons analysé les avantages et les inconvénients. L'avenir pourrait être la même chose, nous n'avons pas à imiter qui.
Je pense que nous ne sommes pas les mêmes que Bell Labs : il n'a clairement pas besoin d'être commercialisé, mais nous le faisons clairement. Nous devons finalement survivre - nous sommes une entreprise après tout, et le gouvernement ne me donnera pas un centime. Donc, nous pouvons avoir une mission très ambitieuse, mais en fin de compte, nous sommes une entreprise qui doit penser à la façon de vivre. Donc, le B-end est certainement important pour nous, parce que nous pourrions en dépendre plus tard. Juste dire que cela n'a pas d'importance maintenant, parce que c'est une ligne de coût maintenant.
Donc, je pense que ce n'est pas la même chose que Bell Labs, nous sommes encore une entreprise essentiellement. Dans l'histoire, il y a beaucoup d'entreprises qui profitent en dehors de la poursuite, mais ne peuvent pas dire qu 'elles profitent en dehors de la poursuite, ce n'est pas une entreprise.Beaucoup d'entreprises font du bon travail parce qu ' elles ont une poursuite au-delà du profit ; cette poursuite, non seulement n'affecte pas sa commercialisation, mais la commercialise encore mieux.Nous sommes encore essentiellement une entreprise, et nous disons simplement que nous pensons à ce que nous gagnons, quand, combien, avec quoi - nous disons simplement que nous avons des compromis.
Q. Deux petites questions. Tout d'abord, vous avez mentionné que MILOS peut ne pas être une cible très définie, mais vous allez certainement le faire dans cette direction, et vous avez également mentionné que le paramètre d'activation de la prochaine génération pourrait être autour de 150 à 250B - pensez-vous que 150 à 250B est la référence O4.7, ou peut - être la référence à autre chose ? Deuxièmement, nous utilisons maintenant des langages de compilation autres que CUDA sur toute l'inférence. Il s'avère que basé sur l'écologie Nvidia, il peut être plus PTX que ceux-ci ; maintenant, en utilisant plus de TileLang, est-ce que cela réduira considérablement notre efficacité sur l'inférence ou réduira l'efficacité à court terme ? Que pensez-vous de la perte d'efficacité causée par ce changement dans le langage de compilation, ou est-ce que le long terme est en fait un état d'amélioration de l'efficacité ?
R : C'est une amélioration de l'efficacité, une amélioration substantielle de l'efficacité.
Q : Il n'y a pas d'effets négatifs ?
R : Oui, c'est une amélioration considérable de l'efficacité. Donc, c'est une opportunité.Équivalent à l'écologie de CUDA, maintenant nous pouvons abandonner son écologie et utiliser une méthode plus simple, utilisant TileLang. C'est un langage de haut niveau et il est aussi rapide d'écrire des programmes. La quantité de code à écrire est très petite et je peux le réécrire à nouveau.
Q : Comprenez. Donc, ces deux sont en fait, comme vous l'avez mentionné, de grandes opportunités apportées par l'IA, pas un inconvénient à court terme qui doit être compensé.
R : Oui, c'est une grande opportunité pour le développement de la technologie. Nous avons également un projet qui utilise l'IA pour écrire TileLang.
Q : Est-ce que c'est plus rapide ?
R : Maintenant, tous les TileLang sont écrits par des humains, mais il est beaucoup plus rapide que l'original pour écrire CUDA.
Q : Comprenez. Donc, même pour l'efficacité de l'exécution sous-jacente du matériel, il n'a pas d'impact ?
R : Une perte de 1 à 2 %, je pense que c'est acceptable.
Q : Je comprends, je comprends. Merci, c'est clair.
Y a-t - il des problèmes pour les autres ?.... Pas de problème, c'est ce que nous allons faire aujourd 'hui. Merci beaucoup pour votre temps.