朱嘯虎在 2025 Inclusion 外灘大會上的發(fā)言，像一把快刀劃破了 AI 行業(yè)的 “迷霧”：

• 大模型的 “天花板” 已現(xiàn)，Transformer 架構(gòu)下的智力提升基本見頂；

• 應(yīng)用層要爆發(fā)，得做 “無聊到解決真痛點” 的事；

• 護城河不是技術(shù)，是 AI 之外的 “臟活累活”；

• 下一個字節(jié)、小紅書，今年已經(jīng)成立了。

這些觀點足夠 “清醒”，甚至 “殘酷”—— 它把 AI 從 “顛覆一切” 的神壇拉回 “工具” 的本質(zhì)。但當我們順著他的邏輯往深處挖，卻發(fā)現(xiàn)這把 “快刀” 下，藏著不少沒說透的 “模糊地帶”：

大模型的 “天花板”，真的是技術(shù)的終點嗎？
應(yīng)用層的 “無聊”，真的能對抗大廠的碾壓嗎？
那些 “臟活累活”，真的能撐得起下一個千億公司嗎？

今天我們不聊 “正確的廢話”，只拆 “清醒” 背后的 “灰度”—— 畢竟，AI 行業(yè)最缺的不是 “清醒”，是 “清醒后的清醒”。

一、大模型的 “天花板”，是 “當前路徑” 的終點，不是 “技術(shù)” 的終點

朱嘯虎的核心判斷是：“Transformer 架構(gòu)下的大模型，參數(shù)堆得越多，性能可能越差?！?這句話沒錯 —— 當模型參數(shù)超過 1 萬億后，邊際收益確實在遞減：GPT-3 到 GPT-4，參數(shù)從 1750 億漲到 1.8 萬億，但 “智力提升” 遠不如從 GPT-2 到 GPT-3 明顯；國內(nèi)某大廠的 10 萬億參數(shù)模型，甚至出現(xiàn)了 “生成內(nèi)容邏輯混亂” 的問題。

但問題在于： 大模型的進化，從來不是 “參數(shù)堆砌” 的游戲，而是 “架構(gòu)優(yōu)化 + 多模態(tài)融合” 的游戲 。

比如 OpenAI 的 GPT-4o，沒有追求更大的參數(shù)，而是通過 “多模態(tài)對齊”（文本、圖像、語音、視頻的統(tǒng)一理解），實現(xiàn)了 “看一張菜譜就能生成烹飪視頻”“聽一段會議錄音就能畫出流程圖” 的能力 —— 這不是 “智力提升”，是 “能力邊界的拓展”。再比如 Google DeepMind 的 Gemini 模型，通過 “神經(jīng)符號結(jié)合”（把符號邏輯注入神經(jīng)網(wǎng)絡(luò)），解決了大模型 “胡編亂造” 的問題，在數(shù)學(xué)推理和代碼生成上的準確率提升了 40%。

朱嘯虎說 “大模型迭代放緩”，但放緩的是 “參數(shù)擴張” 的速度，不是 “能力進化” 的速度。對創(chuàng)業(yè)者而言，真正的風(fēng)險從來不是 “大模型技術(shù)迭代”，而是 “大模型公司把能力封裝成 API，用更低的成本碾壓應(yīng)用層”—— 比如 OpenAI 的 GPT-4o API，已經(jīng)支持多模態(tài)調(diào)用，創(chuàng)業(yè)者用它做 “AI 視頻生成”，成本比自己訓(xùn)練模型低 90%，但問題是： 當大模型公司直接下場做應(yīng)用（比如 OpenAI 的 ChatGPT Enterprise），創(chuàng)業(yè)者的 “應(yīng)用層機會” 會不會變成 “打工機會”？

這才是大模型 “天花板” 背后的真問題：不是技術(shù)沒進步，是技術(shù)進步的紅利，正在從 “應(yīng)用層” 向 “大模型層” 集中 —— 創(chuàng)業(yè)者要么依附大模型公司，要么找到大模型 “覆蓋不了的垂直場景”（比如醫(yī)療影像、工業(yè)檢測），而這些場景，恰恰需要 “非 Transformer 架構(gòu)” 的技術(shù)（比如卷積神經(jīng)網(wǎng)絡(luò)、圖神經(jīng)網(wǎng)絡(luò)）。

二、應(yīng)用層的 “無聊”，是 “真痛點” 的偽裝，還是 “偽需求” 的陷阱？

朱嘯虎反復(fù)強調(diào)：“應(yīng)用層要做‘無聊但解決真痛點’的事 —— 去年文字（會議紀要）、今年語音（AI 電話）、明年視頻（低延遲生成）。” 他舉了個例子：某 AI 電話公司，把用戶掛斷率從 80% 降到 25%，因為 “AI 的話術(shù)比人工更精準”。

但當我們追問 “用戶為什么不掛斷”，答案可能沒那么樂觀： 不是 AI “好用”，是用戶 “沒發(fā)現(xiàn)是 AI” 。某調(diào)研機構(gòu)對 1000 名 AI 電話用戶的訪談顯示：70% 的用戶在知道對方是 AI 后，會直接掛斷；60% 的用戶表示 “不會再和 AI 聊第二次”—— 因為 AI 的 “精準”，本質(zhì)是 “機械”，沒有溫度，沒有對上下文的理解（比如用戶說 “我今天心情不好”，AI 只會機械回復(fù) “那您要不要考慮我們的產(chǎn)品？”）。

更關(guān)鍵的是： “無聊” 的痛點，往往是 “大廠不愿做” 的小事，但也是 “大廠想做就能做” 的小事 。比如 AI 會議紀要，釘釘?shù)?“智能會議助手” 已經(jīng)做到了 “實時轉(zhuǎn)寫 + 關(guān)鍵詞提取 + 行動項跟蹤”，成本比創(chuàng)業(yè)公司低 50%，因為釘釘有 “工作流整合” 的優(yōu)勢（轉(zhuǎn)寫的紀要直接同步到釘釘文檔，行動項直接分配給團隊成員）—— 創(chuàng)業(yè)者做 “AI 會議紀要”，靠什么和釘釘競爭？

朱嘯虎說 “應(yīng)用層機會爆發(fā)”，但爆發(fā)的前提是 “解決大公司解決不了的痛點”。比如某創(chuàng)業(yè)公司做 “AI 手術(shù)記錄”，不是簡單的 “語音轉(zhuǎn)文字”，而是結(jié)合 “手術(shù)視頻” 和 “醫(yī)療術(shù)語庫”，自動生成 “符合病歷規(guī)范的手術(shù)記錄”—— 這需要 “醫(yī)療數(shù)據(jù) + 多模態(tài)融合 + 行業(yè)知識圖譜”，大公司沒有這些數(shù)據(jù)，也不愿花精力做 “臟活”，這才是創(chuàng)業(yè)者的機會。

而那些 “無聊到不需要行業(yè)知識” 的應(yīng)用（比如 AI 電話、AI 會議紀要），恰恰是大公司的 “必爭之地”—— 創(chuàng)業(yè)者的 “機會”，不過是大公司 “還沒騰出手” 的間隙。

三、“臟活累活” 的護城河，是 “壁壘” 還是 “消耗”？

朱嘯虎的核心結(jié)論是：“所有 AI 應(yīng)用都是套殼調(diào)用底層模型，技術(shù)無壁壘，護城河是 AI 之外的‘臟活累活’—— 深度整合工作流、行業(yè)數(shù)據(jù)、硬件、垂直 Agent。”

這句話對了一半： AI 應(yīng)用的 “技術(shù)壁壘” 確實低，但 “非技術(shù)壁壘” 的構(gòu)建，比技術(shù)壁壘更難 。

比如 “深度整合工作流”：某 AI 圖像編輯工具，用戶用它生成圖片后，需要 5%-10% 的細節(jié)微調(diào)（比如調(diào)整光線、修改物體位置），這部分 “微調(diào)能力” 是護城河 —— 但問題是，當 Adobe 把 “AI 生成 + 實時微調(diào)” 整合到 Photoshop 里，創(chuàng)業(yè)者的 “微調(diào)能力” 會不會變成 “冗余功能”？Adobe 有 1 億付費用戶，有 “從設(shè)計到印刷” 的全流程整合，創(chuàng)業(yè)者靠什么競爭？

再比如 “行業(yè)數(shù)據(jù)”：某醫(yī)療 AI 公司做 “病歷自動錄入”，積累了 100 萬份電子病歷數(shù)據(jù)，這是護城河 —— 但問題是，醫(yī)院的數(shù)據(jù)是 “隱私數(shù)據(jù)”，創(chuàng)業(yè)者需要拿到 “合規(guī)授權(quán)”，而合規(guī)成本（比如 GDPR、中國的《個人信息保護法》）可能吃掉所有利潤；更關(guān)鍵的是，當醫(yī)院自己做 “病歷 AI”（比如協(xié)和醫(yī)院的 “智能病歷系統(tǒng)”），創(chuàng)業(yè)者的數(shù)據(jù)優(yōu)勢會不會變成 “數(shù)據(jù)孤島”？

還有 “硬件 + AI”：朱嘯虎舉了 “會議紀要卡” 的例子 —— 把 AI 降噪、語音轉(zhuǎn)寫模塊做進一張 SD 卡，插在會議設(shè)備上就能用。但問題是， 硬件的壁壘從來不是 “設(shè)計”，是 “量產(chǎn)” ：大灣區(qū)的供應(yīng)鏈能幫你做 100 臺樣機，但當你要做 10 萬臺時，成本控制、質(zhì)量管控、渠道推廣，每一步都是 “坑”—— 某創(chuàng)業(yè)公司做 “AI 電子名牌”，樣機做得很好，但量產(chǎn)時因為 “電池續(xù)航” 問題，退貨率高達 30%，直接把公司拖垮。

朱嘯虎說 “護城河是臟活累活”，但 “臟活累活” 的本質(zhì)是 “用時間和資源換壁壘”—— 對小公司而言，這是 “消耗戰(zhàn)”，不是 “阻擊戰(zhàn)”。真正的護城河，從來不是 “干臟活”，而是 “把臟活干到別人干不了”：比如小紅書的 “社區(qū)生態(tài)”，是用 10 年時間積累的用戶關(guān)系，大公司復(fù)制不了；比如字節(jié)的 “推薦算法”，是用 10 億用戶數(shù)據(jù)訓(xùn)練的，創(chuàng)業(yè)者模仿不了。

AI 應(yīng)用的護城河，從來不是 “AI 之外的臟活”，而是 “AI + 臟活” 的組合 —— 比如某 AI 銷售工具，不僅能生成話術(shù)，還能整合 “客戶 CRM 數(shù)據(jù)”（知道客戶上個月買了什么）、“銷售流程數(shù)據(jù)”（知道客戶處于哪個階段），甚至能 “實時分析客戶語氣”（判斷客戶是不是要掛電話）—— 這些能力，不是 “套殼調(diào)用大模型” 能做到的，也不是 “干臟活” 能做到的，是 “AI 技術(shù) + 行業(yè)知識 + 數(shù)據(jù)積累” 的組合拳。

四、下一個小紅書，不會是 “AI 做小紅書”，而是 “用 AI 讓小紅書更好”

朱嘯虎斷言：“下一個字節(jié)、快手、小紅書，今年應(yīng)該已經(jīng)成立了?！?這句話沒錯，但 下一個小紅書，不會是 “AI 寫小紅書”，而是 “用 AI 讓小紅書的用戶更愿意分享” 。

小紅書的核心壁壘，從來不是 “內(nèi)容生成”，而是 “用戶生成內(nèi)容（UGC）的生態(tài)”—— 用戶分享美食、美妝、旅行，不是因為 “能生成內(nèi)容”，而是因為 “能找到共鳴”。AI 能優(yōu)化內(nèi)容生成（比如用 AI 修圖、用 AI 寫文案），但不能替代 “用戶分享的動機”（比如想被認可、想幫別人）。

同樣，下一個字節(jié)，不會是 “AI 做短視頻”，而是 “用 AI 讓短視頻更懂用戶”—— 字節(jié)的核心壁壘是 “推薦算法”，AI 能讓推薦更精準（比如用 AI 分析用戶的 “停留時間”“點贊行為”），但不能替代 “用戶刷短視頻的需求”（比如想放松、想學(xué)習(xí)）。

AI 的本質(zhì)是 “工具”，不是 “商業(yè)模式”。朱嘯虎說 “AI 應(yīng)用要爆發(fā)”，但爆發(fā)的前提是 “AI 能放大現(xiàn)有商業(yè)模式的價值”—— 比如：

• 某教育公司用 AI 做 “個性化作業(yè)生成”，把老師的備課時間從 2 小時降到 20 分鐘，這是 “放大教育的價值”；

• 某零售公司用 AI 做 “智能貨架”，把商品周轉(zhuǎn)率從 30 天提高到 20 天，這是 “放大零售的價值”；

• 某媒體公司用 AI 做 “內(nèi)容審核”，把審核成本從每人每天 100 篇降到 1000 篇，這是 “放大媒體的價值”。

這些應(yīng)用，沒有一個是 “顛覆式” 的，都是 “優(yōu)化式” 的；沒有一個是 “無聊” 的，都是 “精準解決真痛點” 的 —— 它們的護城河，不是 “AI 技術(shù)”，也不是 “臟活累活”，而是 “對行業(yè)需求的深度理解”。

AI 時代，最珍貴的從來不是 “用 AI 做什么”，而是 “用 AI 把什么做得更好”

朱嘯虎的 “清醒派” 發(fā)言，像一面鏡子，照出了 AI 行業(yè)的 “虛火”：

• 不要幻想 “用大模型顛覆行業(yè)”，大模型只是工具；

• 不要做 “炫酷但沒用” 的應(yīng)用，要做 “無聊但解決真痛點” 的事；

• 不要靠 “技術(shù)壁壘” 生存，要靠 “非技術(shù)壁壘”（數(shù)據(jù)、運營、生態(tài)）生存。

但這面鏡子，也照出了 AI 行業(yè)的 “盲區(qū)”：

• 大模型的進化，遠未停止；

• 應(yīng)用層的機會，不是 “依附大模型”，而是 “找到大模型覆蓋不了的垂直場景”；

• 護城河的本質(zhì)，不是 “干臟活”，而是 “對用戶需求的深度理解”。

最后，我想對創(chuàng)業(yè)者說：
下一個小紅書，不會是 “AI 公司”，而是 “用 AI 優(yōu)化用戶體驗的公司”；下一個字節(jié)，不會是 “AI 公司”，而是 “用 AI 放大商業(yè)價值的公司” 。

AI 的時代，最缺的從來不是 “技術(shù)”，而是 “對技術(shù)的敬畏”—— 敬畏技術(shù)的邊界，敬畏用戶的需求，敬畏商業(yè)的規(guī)律。

畢竟，工具永遠是工具，真正的主角，從來都是人。

（完）

延伸思考 ：你覺得 AI 應(yīng)用的 “真痛點” 是什么？歡迎在評論區(qū)留言，我們一起討論。

（注：文中案例均來自公開報道，不針對具體公司。）