Agent还没到卷成本的时候

拥抱大模型，多去体验它，继续在自己的行业里面深耕。

文｜《中国企业家》记者 闫俊文

编辑｜张晓迪

图片来源｜中企图库

4月18日～19日，由《中国企业家》杂志社主办的2025（第十七届）商界木兰年会在北京举办。在“开幕对话”环节， 数坤科技创始人、CEO马春娥作为主理人， 与明势创投创始合伙人黄明明、中科闻歌董事长王磊、零一万物联合创始人马杰、腾讯设计杰出专家陈妍，围绕“大模型迭代”进行了访谈对话。

精彩观点如下：

1.如果把整个AGI看作是珠峰，不管是美国的OpenAI、Anthropic，中国的DeepSeek、MiniMax，包括字节跳动，连一半都没有爬到。

2.技术高速迭代，你停下来花钱投流，去做用户量，这是无效的。

3.当新的生产力到来的时候，谁先掌握新的生产力，这个行业内几千亿甚至上万亿的产值可能就会重新分配、重新流动。

4.通用的Agent，在中国只有两家半大厂的机会。

5.创业者经常犯的一个误区叫线性外推。刚开始起步的创业公司做的是简单的+AI的事情，大多数的情况是，轮不到创业公司来做，传统行业已经积累了巨大的数据优势。

6.大模型就像基础设施，但是公路通了，每个地方能不能够发展起来，还是要靠那个地方的人。

7.Agent端记忆推理以及工具的使用，在未来1~2年都有巨大的突破，但远远没有到大家停下来卷成本、卷差异化的地步。

以下为对话实录，有删减：

头部公司共识：将军赶路不追小兔

马春娥：大模型技术正加速向千行百业渗透，企业在推动大模型商业化落地时最需要突破的核心瓶颈是什么？

黄明明：如果把整个AGI看作是珠峰，不管是美国的OpenAI、Anthropic，中国的DeepSeek，我们投的MiniMax，包括字节跳动，连一半都没有爬到。用一句老话来说，“将军赶路不追小兔”，技术正在疾速驶向未来的列车上，现在让大家跳下车抓紧时间去做商业化，至少我们对投资的大模型公司没有这样的压力和期望值。

春节的时候，理想汽车创始人李想给我发了一个图片，人类过去的应用上达到一亿用户的速度，谷歌用了500天，微信用了400天，TikTok用了270天，DeepSeek用了7天。但我觉得DeepSeek这个团队卓越的地方在于没有停下来。那时候，大家都在用，抱怨怎么老是宕机，服务不好。这是泼天的财富，但DeepSeek没有停下来，说我去布服务器，把几个亿的用户服务好，他们继续向AGI的高峰攀登。

技术高速迭代，你停下来花钱投流，去做用户量，这是无效的，今天所有中国最优秀的头部公司，春节后，我们谈过一圈，大家达成了一个共识，将军赶路不追小兔，所有人应该朝着人类文明的更高峰攀登。

王磊：我们做垂直赛道，坚持的一个方法论就是数据、模型和决策，尤其从业务决策的角度去反过来看数据和模型怎么结合，再去发挥出我们过去一些想做但做不到，有了模型之后可能实现的一些场景和工作。

我们讲三个阶段，模型初期是发挥一个升级的作用，中期要发挥一个泛化到行业赋能的作用，长期来讲我们希望它能够起到行业革新的作用。

马杰：第一，我们喜欢跟什么样的人合作？我们不看它有没有数据，这个场景是不是立刻能AI化，甚至不看它有没有预算，我们看的第一件事情是这位创始人、董事长是不是有对AI必须要做出变革的决心。

AI本身是一个非常牛的生产力，但是它只是生产力，所有的价值来自于领域，领域中的价值从哪里来？价值的流动是：当新的生产力到来的时候，谁先掌握新的生产力，这个行业内几千亿甚至上万亿的产值可能就会重新分配、重新流动。

新的生产力解决了过去很多没有解决的问题，还创造出了很大的新增价值，新增价值也是看谁有信心和决心去把它抓住。

陈妍：第一，在腾讯，并不是每一个部门都在做大模型研发，我们也有长期运营的一些业务。我们可能要思考一件事情，自己深耕很久的研发过程以及产品用户体验的全过程里，有哪一部分的工作是可以跟大模型结合，进行提效以及创新，这个思考是要伴随着工作的每一个环节里面。

第二，我觉得大模型的创新一定不是无中生有的，如果我们在这个领域积累得越深，那我们在这个领域里去拥抱大模型所取得的成功的几率越大。

创业者不要做线性外推

马春娥：现在如果去创业，有哪些建议，当前AI发展面临哪些挑战和难题？

黄明明：第一，DeepSeek是中国过去30年在硬件、软件和人工智能技术持续积累的一个必然的结果，你看到的只是冰山上的一角。在未来的5年、10年会有更多的DeepSeek 时刻的涌现。

第二点，有种说法，中国的AI创业者缺算力，或者缺全球顶尖AI的人才，缺资金，资金的量级和海外顶尖的大模型公司差了1～2个数量级，但我觉得都不缺，DeepSeek得到了主流美国技术行业的认可。

有一点很核心的叫敢为人先，过去30年，我们积累下的底子，是通过成为别人的供应商帮别人打工。到了今天，当这些底层的硬件、软件和人工智能技术结合在一起的时候，我们会在很多领域产生一些原始性的创新，今天的创业者不要简单复制美国的模式。

创业者经常犯的一个误区叫线性外推。今天刚开始起步的创业公司做的是简单的+AI的事情，就是传统行业+AI，我们看到大多数的情况是轮不到创业公司来做，传统行业已经积累了巨大的数据优势。

创业者应避开主力模型厂商和大厂的主力赛道。我觉得通用型的Agent一定会到来，在1～2年之内，我们今天在座的所有人都会有一个自己通用的AI助理，它帮你处理日常的文件、电话，订机票、订酒店，但是对不起，这样通用的Agent，我认为在中国只有两家半大厂的机会。

王磊：第一，多模态大模型过于注重于机器本身端到端的生成，我们在做图、文、音生成时，需要把用户的创造力和机器的创造力结合在一起。

第二，在混合模态的语义理解方面，图、文、音、视频或者更泛模态的东西，怎么能够在一个语义框架里面去做理解和认知，这个目前关注还是有点少，ChatGPT-4o也做了一些识别文本、识别照片的动作，但是在更加丰富的语义内容里面的一些因果关系或者是相关关系的识别，甚至是一些推理，不同模态的信号输入以后，怎么样去做统一的理解和决策？

多模态未来肯定是往泛模态方向去发展，除了关注生成之外，还要关注统一语义框架下的理解，这对行业的突破是非常关键和重要的。

马杰：不管企业是大是小，都在AI这个巨大的浪潮中有非常大的机会，比如有的行业偏传统，可能规模很大，但是数据的积累信息化、智能化还没有做好，能不能做这件事情？其实我觉得是可以的，核心是要有决心。

有人说AI可能会剥夺年轻人的工作机会，特别是像年轻一点的入门级的这些设计师、程序员，但我看到了更多的机会。有了AI赋能，入门级的销售人员可以瞬间变成一个行业的资深销售，有些行业的人才是不足的，但在大模型的帮助下，反而用一个聪明的新人就可以解决这个问题。

陈妍：第一，数据，数据是做大模型的人天天都要想的事情，不管是更深度的垂类数据，还是通用的数据，我们希望是合规并且优良的数据。大模型就是这样的，你喂垃圾，它就会吐垃圾。

另外一个点，在具体的落地应用上面，其实大家现在用到的大模型更多还是裸模，用到实际工作还需要很多应用的转换。

Agent还没到卷成本的地步

马春娥：未来的1至3年，你们看到了哪些行业趋势，对企业家有哪些建议？

黄明明：现在是先训语言模型，再训VLM（视频语言模型），将来一定是语言模型和VLM融合在一起再train（训练）。我再举一个更有意思的例子，模型对物理世界的理解和对我们人类知识的理解，这两点是同等作用，甚至是齐头并进的。

怎么对物理世界的理解、对Agent端的记忆推理以及工具的使用，在未来1～2年都有巨大的突破，远远没有到大家停下来卷成本、卷差异化的地步。

王磊：AI走向行业，首先有一个正确的观念去认知它，AI这个技术现在处于什么地方，它的长处和短处是什么？尤其是DeepSeek出来以后，大家的认知越来越正确和客观，这需要大家用开放的心态去拥抱，这个过程需要由点上的升级到面上的赋能，最后到行业级的革新，应该是一个循序渐进的过程，这是未来3～5年我们一定可以看到的一个场景和局面。

马杰：未来谁都会用到AI，甚至它就在你公司里，你只是决策，要招几个程序员，招几个AI训练工程师，未来AI就是这样，无处不在，而且它很普惠。

AI的价格从前年的几十美元每百万token，到现在，中国平均价格已经是1元人民币每百万token了，这个价格的飞速下降以及性能的飞速提升，已经接近或者到达这个技术的普惠点了。

陈妍：大模型就像基础设施，但是公路通了，每个地方能不能够发展起来，还是要靠那个地方的人，所以对于普通人，每一个生活在这个年代的人来说，拥抱大模型，多去体验它，继续在自己的行业里深耕，某一天就能够迸发出我们的灵感和创新。