當(dāng)GPT、Claude、Gemini等通用大模型的基礎(chǔ)能力趨于收斂，“模型大戰(zhàn)”的第一階段已經(jīng)落幕。下一個(gè)戰(zhàn)場(chǎng)在哪里？

答案指向了后訓(xùn)練（Post-training）與場(chǎng)景落地。后訓(xùn)練階段決定了大模型能否真正”好用”——從人格設(shè)計(jì)到行為對(duì)齊，從系統(tǒng)指令到安全護(hù)欄，這些”最后一公里”的優(yōu)化，正是大模型從”實(shí)驗(yàn)室玩具”走向”商業(yè)產(chǎn)品”的關(guān)鍵。

美西時(shí)間2026年4月21日，鈦媒體「Talk to The World」@斯坦�；顒�(dòng)中，第二場(chǎng)圓桌論壇聚焦「模型大戰(zhàn)后，AI競(jìng)爭(zhēng)的下半場(chǎng)」。NTU EMBA校友、元理智能創(chuàng)始人&CEO、前智譜AI COO張帆擔(dān)任主持，Microsoft AI Superintelligence Team核心成員Steven Lin、Traini創(chuàng)始人&CEO孫鄰家（Arvin Sun）兩位分別來(lái)自”模型最前沿”與”創(chuàng)業(yè)最前線(xiàn)”的實(shí)戰(zhàn)者，從技術(shù)演進(jìn)、產(chǎn)業(yè)落地到組織變革三個(gè)層面，分享了他們對(duì)AI下半場(chǎng)的深度思考。

“下半場(chǎng)”還是”新階段”？

張帆：“下半場(chǎng)”這個(gè)詞從去年開(kāi)始火起來(lái)了。從基座模型到個(gè)人智能體再到MCP，迭代非�？�。關(guān)注點(diǎn)從通用模型轉(zhuǎn)向一個(gè)個(gè)智能體，AI開(kāi)始真正進(jìn)入產(chǎn)業(yè)。兩位怎么看待下半場(chǎng)？

Steven Lin：我對(duì)”下半場(chǎng)”這個(gè)詞有點(diǎn)異議——“下半場(chǎng)”暗示要打完了、要結(jié)束了。用”階段”來(lái)解釋更好。在我看來(lái)，我們現(xiàn)在經(jīng)歷的是幾個(gè)階段的演進(jìn)：

第一階段，C端early adopter先用，敢于嘗鮮的人。第二階段，大模型真正走入千家萬(wàn)戶(hù)，幫大家做之前做不到的事——從”不會(huì)數(shù)數(shù)”到能做大學(xué)數(shù)學(xué)題。第三階段（我們現(xiàn)在進(jìn)入的），是大模型真正在應(yīng)用中提供ROI——“我花10塊，你給我15塊”，這才是給具體客戶(hù)帶來(lái)經(jīng)濟(jì)價(jià)值。第四階段，大模型自我進(jìn)化、從online service到offline service，幫助機(jī)器人走入千家萬(wàn)戶(hù)。

孫鄰家：從創(chuàng)業(yè)和AI應(yīng)用的角度，我覺(jué)得三個(gè)詞——臟、精、線(xiàn)下。

“臟”就是臟活兒。硅谷過(guò)去三年是技術(shù)驅(qū)動(dòng)，做大模型、做infra容易融錢(qián)，科學(xué)家驅(qū)動(dòng)。tech wave起來(lái)的時(shí)候，錢(qián)容易拿，沒(méi)人愿意干臟活——就跟移動(dòng)互聯(lián)網(wǎng)后期才出現(xiàn)O2O一樣。現(xiàn)在融資難、燒錢(qián)多、賺錢(qián)難，逼著創(chuàng)業(yè)公司往細(xì)分領(lǐng)域解決問(wèn)題。沒(méi)有數(shù)據(jù)想把產(chǎn)品做好非常難，只能干臟活——從線(xiàn)下場(chǎng)景拿數(shù)據(jù)。

“精”就是做精。多模態(tài)是做精的利器。純依賴(lài)大模型很難做精、厚度不夠，要做寬——多模態(tài)。VLM形式下視頻語(yǔ)音都要進(jìn)模型，再操作action，工程復(fù)雜度極高。創(chuàng)業(yè)公司要專(zhuān)注明確場(chǎng)景，用小量高質(zhì)量多模態(tài)數(shù)據(jù)打透單點(diǎn)再擴(kuò)展。

“線(xiàn)下”就是AI to X。X包含三部分：Service（線(xiàn)下服務(wù)深度連接）、Community（社區(qū)品牌粘性，如Mid Journey靠社區(qū)活得好）、Hardware（硬件強(qiáng)交互增強(qiáng)軟件體驗(yàn)，華人有供應(yīng)鏈優(yōu)勢(shì)）。線(xiàn)下過(guò)程中拿到更多非結(jié)構(gòu)化/結(jié)構(gòu)化數(shù)據(jù)，護(hù)城河越來(lái)越深。

后訓(xùn)練：Scaling Law之后的下一個(gè)爆發(fā)點(diǎn)

張帆：后訓(xùn)練變得比預(yù)訓(xùn)練更重要。從訓(xùn)練視角，下半場(chǎng)是什么樣？模型自進(jìn)化、每次對(duì)外服務(wù)變成一次訓(xùn)練？

Steven Lin：我想提兩點(diǎn)。第一，坊間說(shuō)”fancy lab撞墻了”，但在lab里根本沒(méi)人這么想——大家都在埋頭苦干，Scaling Law依然有效，接下來(lái)還有很大很大機(jī)會(huì)。第二，后訓(xùn)練本身有很大很大的機(jī)會(huì)可以scale up。第一階段大家都在scale前訓(xùn)練，現(xiàn)在發(fā)現(xiàn)后訓(xùn)練本身有很大空間。各大lab都鼓著勁——下一個(gè)爆發(fā)點(diǎn)是“怎么讓我們自我進(jìn)化”。

張帆：企業(yè)家該訓(xùn)自己的模型嗎？

Steven Lin：兩個(gè)建議。第一，先擁抱現(xiàn)有模型——先看模型能不能解決我們的問(wèn)題，再想是不是該訓(xùn)模型、投錢(qián)做模型。第二，最重要的是解決用戶(hù)痛點(diǎn)——不是訓(xùn)不訓(xùn)模型的問(wèn)題，而是是不是真正做出了用戶(hù)愿意付錢(qián)的東西。

模型與應(yīng)用的邊界在哪里？

張帆：大模型出來(lái)后創(chuàng)業(yè)者和公司很多，但通用模型與應(yīng)用的邊界很難定義，早期Jasper等”模型生意版”沒(méi)了，怎么找到破局點(diǎn)避免被模型卷死？

孫鄰家：邊界現(xiàn)在就是很模糊，沒(méi)必要跟世界擰著干。但機(jī)會(huì)在三個(gè)native：

首先要區(qū)分兩個(gè)概念——“AI Native Company”（完全原生）和”Native AI Company”（加AI）。在座大部分企業(yè)家屬于后者。

AI Native有三個(gè)維度。第一是技術(shù)路徑原生，比如Web Coding完全用LLM做出；Traini沒(méi)有大模型就沒(méi)有這個(gè)產(chǎn)品。第二是組織原生。Anthropic內(nèi)部3~4人扁平小組特別多，HR想做東西不用經(jīng)過(guò)PM和工程師，直接用web coding做完加到主站。所有人都必須自己會(huì)做。第三是用戶(hù)原生——觀察幼兒園/小學(xué)生怎么用AI產(chǎn)品，他們的習(xí)慣、態(tài)度、不爽的地方就是創(chuàng)業(yè)機(jī)會(huì)。

舉個(gè)例子，大人用Traini產(chǎn)品是”amazing→question→解釋→ok”，小朋友直接把狗拽過(guò)來(lái)說(shuō)”你說(shuō)吧”——場(chǎng)景完全不同。按大人路徑設(shè)計(jì)產(chǎn)品未來(lái)沒(méi)機(jī)會(huì)，按小朋友路徑做今天就必須開(kāi)始做�！斑@個(gè)邊界未必在今天，可能在10年后。當(dāng)下的小朋友10年后成長(zhǎng)起來(lái)，他們的世界才是真正的邊界�！�

張帆：公司最重要的第一性能力是什么？沒(méi)了就沒(méi)法競(jìng)爭(zhēng)的關(guān)鍵能力？

孫鄰家：第一性回到用戶(hù)痛點(diǎn)。但今天最關(guān)鍵的能力——“干臟活，不斷修正，不斷采用新技術(shù)。”

AI Native組織的真實(shí)樣貌

張帆：AI改變了我們的工作范式。原來(lái)找實(shí)習(xí)生調(diào)研一周看20篇論文寫(xiě)摘要，現(xiàn)在自己做智能體看100多篇論文、20多個(gè)開(kāi)源項(xiàng)目、社區(qū)評(píng)論、綜述，結(jié)構(gòu)化輸出，自動(dòng)做實(shí)驗(yàn)。組織怎么更加AI Native？

Steven Lin：兩類(lèi)公司特別成功，組織架構(gòu)都值得參考。第一類(lèi)是做模型的公司——OpenAI、Anthropic、Google DeepMind。比如Anthropic扁平架構(gòu)、開(kāi)放文化，每個(gè)人都可以參與產(chǎn)品構(gòu)建。第二類(lèi)是用模型的公司——Midjourney、Cursor等，快速迭代擁抱市場(chǎng)和技術(shù)變化，今天出新模型馬上用，新范式出現(xiàn)馬上轉(zhuǎn)變，哪怕要放棄去年最賺錢(qián)的業(yè)務(wù)。

孫鄰家：補(bǔ)充Anthropic的人才策略。他們只要兩類(lèi)人：第一類(lèi)是Steven這種非常資深的科學(xué)家，知道工具邊界，30個(gè)線(xiàn)程同時(shí)工作。第二類(lèi)是剛畢業(yè)的學(xué)生——數(shù)學(xué)好、極度聰明、會(huì)用工具、踏實(shí)干活。中間層全不要，連培養(yǎng)都不培養(yǎng)，來(lái)了直接進(jìn)扁平組織自學(xué)。

回去馬上要做的一件事

張帆：兩位如何用AI讓自己提效？給同學(xué)最重要的建議？回去之后馬上要干的一件事是什么？

Steven Lin：不要想AI讓東西有多卷，要想”我自己人生的目標(biāo)是什么、夢(mèng)想是什么”。AI是工具，可以幫助你實(shí)現(xiàn)夢(mèng)想�！跋Ｍ幸惶霢I也可以幫大家實(shí)現(xiàn)你們自己的夢(mèng)想�！�

如果回到即刻行動(dòng)，我的建議是——“盡量想想看，如果今天讓你用AI做以前覺(jué)得肯定做不到的事情——什么事情？讓它真正試一下�！�

孫鄰家：我買(mǎi)了OpenAI、Claude等工具（20美元級(jí)別），團(tuán)隊(duì)全員部署Claude API，“賬單每個(gè)月double在漲，壓力大但很開(kāi)心”。

給建議的話(huà)，第一是Relax。國(guó)內(nèi)做得不錯(cuò)的企業(yè)家來(lái)硅谷希望抓住AI浪潮，但世界發(fā)展很快、資源要求高、短時(shí)間內(nèi)補(bǔ)齊40年AI發(fā)展不現(xiàn)實(shí)。極度焦慮只會(huì)帶給團(tuán)隊(duì)。“世界就是要被年輕人碾壓的”，心態(tài)上先做好。

第二是行動(dòng)上武裝年輕人。投資、內(nèi)部孵化、組織結(jié)構(gòu)變革、產(chǎn)品重構(gòu)全部AI化。“否則下半輩子每天都在AI焦慮中度過(guò)，不值得。”

回去馬上要做的第一件事——“回去把你的助理開(kāi)了，用AI干助理的活兒。”有一家深圳上市公司，來(lái)找我們交流，看到我們只有四個(gè)人做了很多事情，回去一個(gè)星期之內(nèi)裁了2300個(gè)人。“他們確實(shí)精簡(jiǎn)之后還是很好�！�

張帆：我也想補(bǔ)充幾點(diǎn)建議。

第一，AI是業(yè)務(wù)問(wèn)題不是技術(shù)問(wèn)題。不要指望招到”又懂AI又懂業(yè)務(wù)的人”——“能招到就都單干了，就算招到你意識(shí)沒(méi)變化他在你組織里也活不下去”。

第二，一定要自己擁抱、自己摸——“沒(méi)有人可以替代你去理解這個(gè)時(shí)代的脈搏”。

第三，我反對(duì)大家花大量時(shí)間養(yǎng)電子寵物（龍蝦/馬）。“大多數(shù)人不是駕馭它，是它在駕馭你”——給一種沒(méi)被時(shí)代甩開(kāi)的幻覺(jué)�；仡^看兩年沉淀下了什么？

第四，要在一線(xiàn)摸——“哪怕今天上課，也時(shí)不時(shí)給AI下命令讓它回去接著干活”。

「Talk to The World」是鈦媒體打造的全球科技對(duì)話(huà)品牌，致力于在全球最重要的科技創(chuàng)新場(chǎng)景中搭建中國(guó)與世界對(duì)話(huà)的橋梁。此次@斯坦�；顒�(dòng)，是Talk to The World繼CES、IFA、MWC之后的又一重要站點(diǎn)，鏈接改變?nèi)騽?chuàng)新趨勢(shì)的前沿領(lǐng)袖。

（本文根據(jù)活動(dòng)現(xiàn)場(chǎng)速記整理，經(jīng)嘉賓審閱授權(quán)發(fā)布）