AI三部曲，第一部番外篇：要成大事，需有“贤”有“钱”

前文讲过，目前在中国，要进入AI研发的第一梯队，至少要具备四个要素：

1.有基础大模型的底层研发能力；

2.有不断能够追赶潮流的持续应变能力；

3.要有亿级日活的C端应用支撑；

4.要有客观利他的宏大生态；

但是，这仅仅是进入第一梯队的门槛。

进入第一梯队不等于成为业内第一，好像人人可以修佛，但未必人人能够成佛。

按传统观念，一个成熟赛道应该是7:2:1格局，也就是老大占据70%份额能够吃香喝辣，老二、三只有20%乃至10%的份额可以维系生存，其它统统是ohters。

不过，AI这条赛道太长，进入大模型的赛程又还太短，它距离成熟期到来至少还有一二十年，721格局至少10年之内不会出现。

所以就会有读者问，那谁的胜算更大？

今天就说谁一定胜出，那是瞎猜。但好在我们虽然不能预测，但可以分析。我们要分析的，是“四大要素”的共性外，谁更有个性？这个个性，又是否足以成为巨大的变量？

要说有个性的，我认为字节必须得算在内，而且其个性值还相当靠前。

为什么这么判断？“字节的AI个性”，这值得写篇大综述，但我这里只先讲一点点——花钱的个性。

这头部的哥几个，宣布在AI上要投入的资金，没有低于1000亿的。但字节还是显得很有个性——我花钱，但不考核。

字节跳动豆包大模型部门（Seed）不久前开了一个全员会，会上有一个非常重要的设计，就是把负责模型开发应用的团队与负责AI基础研究探索的团队，彻底的分开。

从此后，两个老大分领两支团队。为了突出他们之间的平等，字节自己的官宣里用了两位老大“首次同台主持会议”这样的字眼。

中国人是很讲名正言顺的，所以“同台主持”的意思就很明白，就是地位相等，互不统属，有必要的时候配合一下。

最关键的是，对于负责AI基础研究的团队，除了强调“鼓励团队成员探索长周期、不确定且大胆的AI研究课题”之外，还加了一个条件，那就是对这个团队“为保障长期稳定的研究环境，取消季度OKR和半年考核”。

这在中国的AI领域，是开天辟地头一回。

首先，什么叫“长周期、不确定且大胆的”的研究课题呢，翻译过来，就是需要长期投入、但不确定结果，还需要投入力度不小的花钱。

更重要的是，也有很多强大的机构强调自己的某某院、某某研发中心是“围绕底层基础研发”，但从来没人明说一句“取消考核”。（当然从长期来讲，还是要考核，只是怎么考，应该另有原则）

在我看来，这是中国AI要兴旺发达的重要象征。

一说到不考核的研究机构，你可能马上想到人所共知的贝尔实验室，这个实验室除了是晶体管、激光器、太阳能电池、发光二极管、数字交换机、通信卫星、蜂窝移动通信设备……等几乎所有和我们今天相关的数字技术的发源地之一。

不过，比这些发明更有名的就是贝尔实验室的招牌，所谓——“去功利化管理”。

但很多人可能都不知道，贝尔实验室也是抄作业抄出来的。因为早在贝尔实验室成立的1925年之前的11年，在老钱流淌的欧洲，就有人搞出了一个类似的机构——NatLab，这是飞利浦在1914年成立的内部研发实验室，专注于基础研究和技术创新，是一个更早就强调“自由进行自主研究，没有预定的任务目标”的实验室，同样被称为“创新的天堂”，它最出名的成就之一，就是造就了如今的光刻机巨头ASML的技术体系。

但是，大家千万不要认为我是在说，只要有企业有充裕的资金，搞一个可以让研发人员自主决定研发项目、进度、方向、经费，同时又不用考核的机构，这企业就自然且自动的能孵化出跨时代的技术，就自然能封神。

如果是这样，就好比在说，武侠小说里的少林寺，以后也不要搞什么方丈、达摩院首座、罗汉堂首座等等，大家也不用晨起晚课、也不用师徒督导，只要有饭吃、有武练，再把藏经阁里的七十二绝技一开源，自然而然就能是武林盟主、天下第一门派。

请再读读我前面说的——我说的是，字节搞出这么一出，是“中国AI要兴旺发达的重要象征”，而不是“中国AI必然成功的必然保证”。

如果不计投入、不求考核就是成功的保证，那AI企业还竞争个啥？大家直接比银行余额就好了。

所以接下来还是要细说其中的门道。

前面说了，钱不是万能的，但对于此类机构来说，没有钱是万万不能的。最重要的是，这钱不能断，而且是三五十年不能断，字节听好了。

例如，贝尔实验室之所以有花不完的钱，原因其实比较搞笑——因为当时贝尔实验室的母体AT&T（美国电报电话公司）为了不违反美国的当时的反垄断政策（利润不得超过成本的12%），所以不得不人为的去“合理增加成本”，从而使得实验室拿到的第一笔经费就高达1200万美元，而此后几十年里，只要AT&T的用户支付一笔账单，就有一部分钱打给了贝尔实验室……

其实，中国企业家之前也不是没有人干过这个事，比如陈天桥办的盛大研究院，就提出很类似的想法。还认认真真干了一段时间。但是，因为游戏业务的现金流远不如电信业务来的稳定，不到两年这个机构就撑不下去了。

所以，我们还是选择相信字节的钞能力吧，也请字节做好一投就是三五十年的准备。

接下来就必须讲的是，这种制度设立的合理性和必要性。

让高层次人才有高度的自主性和自由度，不是这种制度的结果，而是制度设计的目的。

如果我们看看那两个知名机构的设立时期，你就会发现一个共同现象，那就是它们都正处于一个新技术井喷、但发展方向并未固化的阶段。

例如，贝尔实验室崛起之时，正值物理、数学、工程学的交叉爆发期，该实验室通过"数学家+实验科学家+工程师"组合（如香农与晶体管团队协作），抢占了学科融合制高点。

举一个例子，当时晶体管技术就有很多机构、很多方案在竞争，但最后是贝尔实验室的肖克利团队的技术路线占了上风。（肖克利这个人很有意思，出名的小心眼，以后有空单说）

这和今天中国企业在AI竞争中的环境何其相似——大家都知道方向大体在哪里，但竞争路线又没有固化，然而一旦谁的技术路线成为主流，就获益极大。

所以，如今的局面，只有“自由”才能应对非固化、多路径、强竞争的赛道现状；也只有自由，才能最大程度发挥科学家的创造力。

在这种人精扎堆的顶级机构里，“自由”是一种精心的制度设计，而恰不是制度的漏洞“给了”科研人员“自由”。

其次，我要强调的是，这里的“基础研究”必须是真·基础研究。

之所以这么说，是中国在AI的应用研发上的成绩举世瞩目，但在基础研究、基础理论上的贡献则相对很少——这也没啥难为情的，因为这些此前的基础研发进行的时候，中国的数字产业尚在艰难的成长期，是很难有充足的资源给到基础研究的。

但是，我得说，字节体系里拿出这个架构的设计者，不管他是谁，都值得刮目相看。其高明在于，此人已经看出来——现在的AI竞争，本质上并不仅仅是字节、腾讯、百度、阿里这些企业之间的竞争。而是中国和美国，围绕谁更能长期成为AI创新的策源地之间的国运之争。

如果我们的AI只是内部竞争，那最多是“肉烂在锅里”，做做应用方向的竞争就好了；但正是因为是国运之争，所以我们必须重新筑牢基础。

这是因为，从目前来看，这场大战的规则、武器、方法、策略……主要还不是由我们来制定的，或者不是由我们发明创造出来的，这对我们来说是比较被动的。

而我们若要长久制胜，就要能在足够的制高点上左右这场跨太平洋的竞争大局，就必须在基础上补课。带着这个心态，我们就不能期待豆包在AI基础研发上，过个三五个月就出成果。因为基础研发的周期都是比较长的。

但是我的确觉得，分兵一支去搞基础研究，是豆包的一步好棋。因为，这样搞除了展现决心外，一旦在底层创新上结出硕果，就会是跨越式的、碾压式的进步。

所以我还得说一句，要搞，就必须搞真·基础研究。

何为“真”？很难说，但我可以举个例子，就是要和现实应用有相当的距离。

拿光刻机来说，世人皆知ASML。但很少有人知道，ASML的光刻机的底层技术和早期产品，其实是在飞利浦的Natlab里诞生的。

划重点！——由于不用考虑现实落地，所以NatLab设计的光刻机，非常的超前。而且，人家也不是光说不练，把样机都造出来了。

但是此后10年，这套方案和样机就放在实验室里。

为啥呢？有方方面面的原因，但其中很重要的原因就是，距离现实应用太远，实现太难。

先进成啥样？NatLab把图纸和文档给了飞利浦的生产部门，部门把机器都造出来了，可就是无法工作。

科学家去一看，可不是吗？造的人完全不明白其中的原理，应了四个字“生安白造”。

最后逼得NatLab只好派出科学家组成的工作组，驻厂指导。而且这两边还经常干仗，互相看不起，历经无数摩擦，才把机器造出来。

就是这样造出来的机器，也不符合科学家心目中的预设。直到这帮科学家被从Natlab打包去了ASML，然后又迭代了两次，才生产出科学家心目中“较为理想”的光刻机。

你可能看得直皱眉头，说如果字节的基础研发团队要是和应用开发团队也配合的这么难，该怎么办？

但我们先看一个结果，就是ASML的机器从此大杀四方，以领先数代的代差，彻底打败了市场上所有的对手，结束了当时世界上有十家以上光刻机企业在狭窄赛道里竞争的局面，从此世上只知有ASML。

其中的道理，就在于一个“远”。

倾听用户反馈，是产品部门的事，但不是科学家的事儿。科学家这个职业有点像修仙，就是要离世俗的、热闹的东西远一些，才能去倾听内心深处的声音，去感悟物理海洋或数学星空的启发。

如果这些NatLab的科学家不是按照“心目中最理想”的光刻机为目标，而是过多的考虑当时的具体产业链配套条件、过于现实的评估真实一线生产的现状，他们可能会很好的改良光刻机，但绝对没法“重新发明光刻机”——从而给予最底层的改变，进而开发出了现实中从未有过，但一但有了就超过所有的产品。

这种机构里面的管理尺度，自然很难把握；但如果不尝试，我们就永远不会有这样的机构、这样的基础研发团队。

字节走出了这一步，虽然只是半年考核取消，但我希望它能够从半年到一年，直到永不考核，仍然能管理好、出成果。

接下来，就得说到最后，也是最矛盾的一点。就是这些“很自由，不问结果”的实验室，偏偏很出成果。

有人统计过，贝尔实验室走出过近10位诺贝尔奖获得者、7位图灵奖获得者以及其他各种奖项得主，有30000多项专利；NatLab也产生了无数成果，包括定义和商业化了我们每个人都会用到的灯泡、LED、CD、X光机等，以及制定了各种消费电子产品的标准，更不要说光刻机这种用来生产信息时代的核心元件——芯片的工业母机。

松散的管理制度，和极高的成果产出率，如何自洽？

微观上，我想可能有两点原因：

第一，是充分利用了天才的人性——据说贝尔实验室只录取0.3%的应征者。所以最后进入者都是精英，“天才都是自负的”，优秀的人才彼此间的自然竞争是有效的内驱力。

同时，“管理者”也关切每个研发人员的贡献，例如1947年的晶体管诺奖论文仅署名3人，而背后200余人的工程团队都得到了内部荣誉体系的认可，这就是为什么贝尔实验室始终是一个集体。

第二，是榜样的力量无穷大，随着几乎以每天一个的速度诞生专利，一个个诺奖被收入囊中，一代代的科学家在这里做出改变世界的产品，这里成为科学人才争相奔赴、希望建功立业、影响世界的圣殿，在这样的机构工作本身就成了顶级人才的追求——科学家并非不好名利，但人家好的是诺奖、图灵奖那样的名利。如果一个机构敢说，你在我这里做研究，得诺奖的概率提升50%，还怕天下英雄不来如过江之鲫吗？一个人才闭环，也就此形成。

而宏观上，我认为这俩前辈还有更多的战略级制度设计和运作规则，值得字节去研究学习——一个平均3年出一个诺奖的机构，绝不是一个两个因素决定的。而真正的突破性创新，需要的是有目标感但也宽容失败的长周期投入、需要长期专注的高压强攻关但又能让学科交叉的多重范式可以被放进一个交叉和激荡的“容器”里不断的输出灵感，当然，还有远离短期商业压力的科研自由和母体源源不断的现金流。

这一切要做到，很难。但字节已经是最具备相关条件的企业。

我们期待字节成功，我们更要容忍字节试错……但我们不要把过去几年、十几年里我们对AI基础研发的缺失的补偿心理、补偿压力全部放在字节身上——它原本可以不给自己这么大压力，但它给了，说明它有追求，由此我们也看到了一些它可能不同于其它巨头的特质和个性，它的潜力由此更足了，未来获胜的机会更大 。

由此，衷心希望这些个性，能让它走一条不同的成功路，让字节和中国的AI产业都受益。