ที่มา: Tencent Technology

DeepSeek เพิ่งเสร็จสิ้นการระดมทุนจากภายนอกรอบแรกนับตั้งแต่ก่อตั้งบริษัท มูลค่ารวมของการระดมทุนรอบนี้เกิน 5 หมื่นล้านหยวน (ประมาณ 7.4 พันล้านดอลลาร์สหรัฐ) มูลค่าประเมินก่อนการลงทุนอยู่ที่ประมาณ 3.675 แสนล้านหยวน (ประมาณ 5.43 หมื่นล้านดอลลาร์สหรัฐ) ในกลุ่มนักลงทุน เหลียง เหวินเฟิง ผู้ก่อตั้ง DeepSeek ลงทุนส่วนตัว 2 หมื่นล้านหยวน Tencent ลงทุน 1 หมื่นล้านหยวน CATL ลงทุน 5 พันล้านหยวน NetEase, JD.com และ IDG Capital ลงทุนคนละ 3 พันล้านหยวน กองทุนอุตสาหกรรมปัญญาประดิษฐ์แห่งชาติลงทุน 1 พันล้านหยวน

ก่อนหน้านี้ เหลียง เหวินเฟิง เคยประกาศหลักการ "ไม่ระดมทุน ไม่เข้าตลาดหุ้น ไม่แสวงหากำไร" การระดมทุนครั้งใหญ่ครั้งนี้ถือเป็นสัญญาณว่า DeepSeek ก้าวเข้าสู่ตลาดทุนอย่างเป็นทางการ และยังจุดประเด็นให้วงการให้ความสนใจอย่างกว้างขวางเกี่ยวกับเส้นทางการแสวงหากำไรและวิสัยทัศน์ทางเทคโนโลยีของบริษัท

ในการประชุมนักลงทุนครั้งล่าสุด เหลียง เหวินเฟิง ได้อธิบายรายละเอียดเกี่ยวกับวัฒนธรรมองค์กร ตรรกะโอเพนซอร์ส แผนงานเทคโนโลยี และมุมมองต่อการแข่งขันในอุตสาหกรรมของ DeepSeek

ด้านล่างนี้คือบันทึกคำพูดของเหลียง เหวินเฟิง จากการประชุมนานเกือบ 4 ชั่วโมงที่ Tencent Technology ได้รับมา โดยจัดหมวดหมู่ตามหัวข้อ รวมทั้งหมด 118 ข้อ ข้อความพยายามคงความหมายดั้งเดิมไว้มากที่สุด โดยมีการแก้ไขเพียงเล็กน้อย

วิสัยทัศน์และการยับยั้งชั่งใจ

1. ตอนที่เราเริ่มก่อตั้งบริษัทนี้ ความตั้งใจแรกไม่ได้คิดว่าสุดท้ายจะต้องทำเงินเท่าไหร่ ต้องเข้าตลาดทุน ต้องเข้าตลาดหุ้น หรืออะไรแบบนั้น คนเริ่มต้นหลายสิบคนไม่เคยคิดแบบนั้นเลย ถ้าคิดแบบนั้น พวกเขาก็คงไม่มา

2. เราทำสิ่งนี้ด้วยความปรารถนาดีอย่างยิ่งต่อโลกใบนี้ เราคิดว่าสิ่งนี้มีประโยชน์ต่อมนุษยชาติ มันเป็นเรื่องที่อยู่นอกเหนือเรื่องเงิน ความตั้งใจเริ่มต้นของเรา วิสัยทัศน์ของเรา และวิสัยทัศน์ที่เรายังคงรักษาไว้จนถึงตอนนี้ ไม่ได้ทำตามแนวทางที่ให้ผลประโยชน์ทางธุรกิจสูงสุด

3. การบริหารบริษัทใหญ่ ไม่ได้ขึ้นอยู่กับกฎระเบียบของคุณ แต่อยู่ที่วิสัยทัศน์ วิสัยทัศน์ไม่ใช่คำขวัญที่แขวนไว้บนผนัง วิสัยทัศน์คือสิ่งที่คุณทำ ไม่ใช่สิ่งที่คุณพูด คือวิธีการที่คุณดำเนินงานจริง

4. เราไม่มีองค์กร มันขับเคลื่อนด้วยวิสัยทัศน์ จัดระเบียบด้วยวิสัยทัศน์ เราไม่ได้ทำแบบ "ฉันต้องทำ KPI อะไร ไม่มีการประเมินผล" มีแค่วิสัยทัศน์เท่านั้น

5. วิสัยทัศน์นี้ไม่ได้เป็นลายลักษณ์อักษรด้วยซ้ำ ไม่ได้เขียนออกมา ไม่เคยเขียนอะไรออกมาเลย วิสัยทัศน์นี้อยู่ในวิธีการที่เราทำสิ่งต่างๆ ในทัศนคติที่เรามีต่อโลกใบนี้

6. เราไม่มีข้อได้เปรียบอื่นๆ มากมาย เราไม่มีความสามารถพิเศษอะไร เราไม่ได้รวยกว่าคนอื่น หรือมีพนักงานดีกว่าบริษัทอื่น จริงๆ แล้วไม่มี ตอนที่เราก่อตั้งบริษัทเมื่อสองปีที่แล้ว เราไม่มีเงินมาก ไม่มีการ์ดมาก ไม่มีชื่อเสียง ไม่มีพลังดึงดูด เราเป็นแค่กลุ่มคนธรรมดามากๆ

7. ยิ่งคุณควบคุมตัวเองมากเท่าไหร่ ก็อาจจะยิ่งทำให้สำเร็จได้ง่ายขึ้น หรืออย่างน้อยก็จนถึงตอนนี้ก็เป็นเช่นนั้น และสามารถอธิบายได้จนถึงตอนนี้ มิฉะนั้นก็ไม่มีทางอธิบายได้ว่าทำไมเราถึงทำสำเร็จ: เราไม่มีอาวุธอะไรเลย จุดเริ่มต้นต่ำมาก ทรัพยากรก็น้อยมาก คนของเราก็เป็นแค่คนธรรมดาทั่วไปที่สุ่มมา

8. เรื่อง AI นี้ใหญ่เกินไป ผลประโยชน์ก็ใหญ่เกินไป เราควบคุมตัวเองอย่างมาก ถ้าทำสำเร็จได้ สุดท้ายผลประโยชน์ก็จะใหญ่มาก แค่แบ่งเล็กน้อยก็ได้ผลประโยชน์มหาศาลแล้ว ดังนั้นตอนนี้ไม่ต้องคิดเลยว่าจะเอาส่วนไหนของผลประโยชน์นี้ หรือจะเอายังไง ผมคิดว่าไม่ต้องคิดเรื่องนี้เลย เพราะผลประโยชน์มันใหญ่พอแล้ว

9. ปีที่แล้วช่วงตรุษจีน ผู้ใช้เราเพิ่มขึ้นมาก แต่เราไม่ได้พยายามจะเก็บผู้ใช้เหล่านี้ไว้ หรือเอามาเปลี่ยนเป็นเงิน หรือแย่งชิงผลประโยชน์ทางธุรกิจเหล่านี้มาใช้กับผู้ใช้ เราไม่ได้แย่งผู้ใช้ ไม่ได้หาเงิน แต่เราพยายามอย่างหนักที่จะหาวิธีบริการผู้ใช้ให้ดี

10. เราไม่มีความคิดแบบนั้นว่า จะทำแอป Super App ตัวต่อไป แล้วไปแข่งกับใคร จะทำ ByteDance ตัวต่อไป หรือ Tencent ตัวต่อไป ไม่มีความคิดแบบนั้นเลย ผมคิดว่าโอกาสของ AGI ในอนาคตนั้นใหญ่มาก และจะยิ่งใหญ่ตลอดไป

11. การควบคุมตัวเองเป็นกลยุทธ์ บางครั้งคุณสามารถละทิ้งบางสิ่ง เพื่อแลกกับสิ่งอื่นที่มากกว่า การไม่เปิดซอร์สก็เหมือนกัน อาจมองว่าเป็นแรงกดดันของเรา หรือเป็นการเสียสละผลประโยชน์ของเรา

12. การควบคุมตัวเองแบบนี้ ผมเข้าใจว่ามันช่วยเพิ่มโอกาสที่เราจะทำ AGI ให้สำเร็จในระยะยาว เวลาคิดถึงเรื่องหนึ่ง ผมไม่สงสัยเลยว่า AGI จะมีมูลค่าทางธุรกิจมหาศาล ดังนั้นบนพื้นฐานนี้ สิ่งที่ผมให้ความสำคัญอันดับแรกไม่ใช่การเพิ่มส่วนแบ่งของตัวเอง หรือเอาส่วนแบ่งเพิ่มขึ้น แต่คือการเพิ่มโอกาสที่เราจะทำสำเร็จ

13. เราควบคุมตัวเองอย่างมากตลอดมา ไม่เต็มใจที่จะเป็นคู่แข่งกับบริษัทอินเทอร์เน็ตใหญ่หรือเล็กใดๆ ผมหวังว่าจะสามารถเสริมพลังให้พวกเขา หรือหวังว่าจะช่วยเหลือทุกคนในการทำสิ่งนี้ และหวังว่าจะช่วยให้ทุกคนทำสิ่งนี้สำเร็จ

14. ผมคิดว่าทัศนคติที่เรายึดถือมาก่อนนี้ จริงๆ แล้วเราไม่ได้สูญเสียอะไรไปเลย ไม่ได้เพราะเราเปิดซอร์ส หรือเพราะความปรารถนาดีของเรา หรือการช่วยเหลือผู้อื่น ทำให้เราเสียอะไรไป กลับกันอาจได้คะแนนบวกเพิ่มด้วยซ้ำ สิ่งนี้ดูขัดกับสัญชาตญาณ แต่มันก็เป็นแบบนั้นจริงๆ

15. เรามี AGI เป็นเป้าหมาย แต่เราทำ商业化 (เชิงพาณิชย์) มาตลอด ดังนั้นเราจึงมีผู้ใช้ฝั่ง C และรายได้ฝั่ง B จากประสบการณ์ในอดีต กลยุทธ์นี้ประสบความสำเร็จ

แผนงาน AGI

16. หากคุณสามารถอธิบายปัญหาได้อย่างชัดเจน ให้บริบทและคำสั่งที่สมบูรณ์แก่ AI มันก็จะเหนือกว่ามนุษย์แล้ว แต่มีข้อกำหนดและเงื่อนไขคือ คุณต้องให้บริบทที่สมบูรณ์และคำสั่งที่สมบูรณ์แก่ AI

17. AI ไม่สามารถแทนที่พนักงานของคุณได้ แต่ถ้า AI มีความสามารถในการเรียนรู้อย่างต่อเนื่อง เช่นเดียวกับพนักงานของคุณ ที่เข้ามาเรียนรู้ในบริษัทเป็นเวลาสองเดือน มันก็จะสามารถแทนที่คนทั้งโลกได้ ดังนั้นเรายังขาดอีกขั้นหนึ่งคือการเรียนรู้อย่างต่อเนื่อง

18. การพัฒนา AI เราสามารถมองมันเป็นบันไดได้ ปีที่แล้วบันไดที่เดินคือ Chain of Thought (CoT) เพราะเราค้นพบว่าการใช้วิธี CoT สามารถทำให้ปัญญาประดิษฐ์ไปถึงระดับที่สูงขึ้นได้

19. ปีนี้บันไดคือ Agent เพราะเราค้นพบว่าการใช้วิธี Agent แม้จะต้องทำหลายสิ่งหลายอย่างก็ยังทำได้ ขอบเขตความสามารถของมันจะกว้างขึ้น และขีดจำกัดทางปัญญาของมันจะสูงขึ้น Agent ต้องใช้ CoT และ CoT ก็ต้องใช้บันไดก่อนหน้านั้น ซึ่งก็คือโมเดลภาษา ดังนั้นไม่มีขั้นตอนไหนที่สูญเปล่า

20. หลังจาก Agent เราคิดว่าปัญหาที่ควรแก้ไขคือการเรียนรู้อย่างต่อเนื่อง นั่นคือทำอย่างไรให้โมเดลสามารถเรียนรู้ได้อย่างต่อเนื่อง ไม่ใช่แค่ให้มันได้รับการฝึกฝนที่เข้มข้น แต่ควรจะสามารถเรียนรู้อย่างต่อเนื่องในระยะยาวเหมือนมนุษย์

21. หลังจากการเรียนรู้อย่างต่อเนื่อง เราอาจจะมาถึงจุด Singularity จุดนี้คือเมื่อโมเดลสามารถเรียนรู้อย่างต่อเนื่องได้ มันก็จะสามารถทำทุกอย่างที่มนุษย์ทำได้ มันจะสามารถพัฒนาเวอร์ชันของตัวเอง ค้นคว้าด้วยตัวเอง แล้วพัฒนาเวอร์ชันถัดไป พัฒนาโมเดล AI ที่ก้าวหน้ายิ่งขึ้น

22. Singularity นี้ไม่ใช่จุด Singularity ที่เกิดขึ้นทันที มันเป็นกระบวนการที่ค่อยเป็นค่อยไป กระบวนการนี้อาจเป็นการเปลี่ยนแปลงที่ยาวนาน ไม่ใช่การเปลี่ยนแปลงฉับพลัน แต่โดยปกติแล้วเรามักจะมองว่ามันเป็น Singularity

23. นี่คือการคาดการณ์ของเรา เราคิดว่าตารางเวลาควรเป็น: แก้ปัญหาการเรียนรู้เพื่อเรียนรู้ก่อน จากนั้นถึง Singularity ทางปัญญาที่สามารถพัฒนาตัวเองได้ จากนั้นถึง Embodied Intelligence เมื่อถึง Embodied Intelligence มันก็จะก้าวเข้าสู่โลกแห่งความจริง สามารถทำงานบ้านให้คุณ และดูแลคุณในวัยชราได้

24. ถ้าเราแก้ปัญหาการเรียนรู้อย่างต่อเนื่องก่อน จากนั้นแก้ Singularity ที่พัฒนาตัวเองได้ แล้วค่อยแก้ Embodied Intelligence เส้นทางนี้ก็จะง่ายขึ้น เพราะเมื่อถึงขั้นหลัง คุณสามารถใช้เทคโนโลยีจากขั้นก่อนหน้าเพื่อช่วยพัฒนาเทคโนโลยีในขั้นถัดไป

25. เราจะทำเฉพาะเส้นทางหลักของ AGI เท่านั้น สาขา AI กว้างมาก มีหลายสิ่งที่เราเห็นว่าไม่อยู่ในเส้นทางหลักนี้ เช่น 3D, การสร้างวิดีโอ เราคิดว่าอาจไม่เกี่ยวข้องกับเส้นทางหลักของปัญญาประดิษฐ์มากนัก เราจะไม่ทำ

26. ตอนที่วิดีโอเจเนอเรชันออกมาใหม่ๆ มันได้รับความนิยมมาก ราวกับว่ามันเป็นสิ่งที่ต้องทำ ถ้าไม่ทำก็เหมือนไม่ใช่บริษัท AI เลย ผมเลยรู้สึกแปลกใจ ที่จริงแล้วถ้าคุณลองคิดให้ดี มันไม่เกี่ยวข้องกับแผนงานของปัญญาประดิษฐ์เลย

27. ในเชิงธุรกิจ มันเป็นธุรกิจที่ดี เป็นธุรกิจที่ดีในเชิงพาณิชย์ แต่มันไม่เกี่ยวกับปัญญาประดิษฐ์ เราจะไม่ทำมันเพียงเพราะมันเป็นธุรกิจที่ดี เราจะทำมันก็ต่อเมื่อมันอยู่ในแผนงานของปัญญาประดิษฐ์เท่านั้น

28. จากการประเมินของเรา โมเดลโลกและปัญญาประดิษฐ์ยังไม่ใช่สิ่งที่สำคัญที่สุดในตอนนี้ สิ่งที่สำคัญที่สุดคือการฝึกฝน AI และหลังจากฝึกฝน AI แล้วจะแก้ปัญหาการเรียนรู้ต่อเนื่องอย่างไร นี่คือการประเมินของบริษัทเรา แน่นอนว่าแต่ละบริษัทก็มีการประเมินที่แตกต่างกัน

29. ตอนนี้เราเชื่อในแนวคิดหนึ่งว่า AI สามารถเร่งการวิจัย AI ได้ กล่าวคือ มันไม่ใช่เส้นตรง เพราะคุณสามารถใช้ AI เพื่อเร่งการวิจัยของตัวเองได้ ดังนั้นในระยะหลังมันอาจจะไม่เป็นเส้นตรง

30. ผมคิดว่า embodied AI ต้องเข้ามาแน่นอน ในที่สุดก็ต้องเป็น embodied เพราะสำหรับคนปกติ ความต้องการของเขาไม่ใช่คอมพิวเตอร์ ใช่ไหม? เพราะคนปกติเขากิน ดื่ม เที่ยว เล่น แต่งตัว กิน อยู่ ไปไหนมาไหน เขาไม่ต้องการคอมพิวเตอร์ สิ่งที่เขาต้องการคือ เขายังต้องการ embodied AI เพื่อแก้ปัญหาความต้องการแรงงานของมนุษย์โดยเฉพาะ

31. เราหวังว่า AGI จะทำอะไรได้บ้าง? มันช่วยเราทำซ้ำโมเดลรุ่นถัดไปได้ เหมือนกับที่ช่วยเราทำซ้ำโมเดลรุ่นถัดไป ถ้ามี embodied แล้ว เราก็หวังว่ามันจะทำแบบนั้น คือให้มันทำซ้ำ embodied รุ่นถัดไป ให้มันสร้างหุ่นยนต์รุ่นถัดไป

32. ความสามารถหลักของโมเดลรุ่นถัดไป ต้องมีความสามารถในการเรียนรู้ต่อเนื่อง ถึงจะเรียกว่าเป็นโมเดลรุ่นถัดไปได้ ก่อนหน้านั้น สิ่งที่เราทำได้คือต้นทุน แล้วทำให้ผลลัพธ์ดีขึ้น ความเร็วเร็วขึ้น แต่ถ้าจะมีการก้าวกระโดดครั้งใหญ่ มันควรจะมีการเรียนรู้ต่อเนื่อง

33. ความสามารถของ Agent ในตอนนี้ถูกจำกัด เพราะมันไม่สามารถเรียนรู้ต่อเนื่องได้อย่างมีประสิทธิภาพ ถ้าสามารถทำการเรียนรู้ต่อเนื่องให้สำเร็จก่อน ความสามารถของ AI จะแข็งแกร่งมาก มันจะช่วยเพิ่มประสิทธิภาพการวิจัยของเราเองได้อย่างมหาศาล

34. ถ้าทำการเรียนรู้ต่อเนื่องให้สำเร็จก่อน ปัญญาประดิษฐ์ทั่วไปก็อาจจะง่ายขึ้น การใช้มันทำก็จะง่ายขึ้น ดังนั้นผมบอกว่านี่คือผลลัพธ์ที่เราอยากเห็น เราจะประหยัดแรง เราจะสบาย ไม่เช่นนั้นตอนนี้คุณต้องทำปัญญาประดิษฐ์ทั่วไปด้วยแรงงานคน มันเป็นเรื่องที่เหนื่อย ลำบาก เป็นเรื่องที่ต้องใช้ข้อมูลและแรงงานมาก ความคุ้มค่าก็ไม่สูง

ทีมและบุคลากร

35. ประสบการณ์ก่อนหน้านี้ของเราให้บทเรียนว่า วิสัยทัศน์ของ AGI นั้นทรงพลังมาก ความได้เปรียบด้านบุคลากรไม่ได้หมายความว่าคนของฉันฉลาดกว่าคนอื่น แต่เป็นเรื่องของการจัดระเบียบคนเหล่านี้อย่างไร สร้างแรงจูงใจอย่างไร และทำงานร่วมกันอย่างไร

36. การรวมคนฉลาดเข้าด้วยกันไม่ได้หมายความว่าพวกเขาจะทำงานร่วมกันได้โดยอัตโนมัติ หรือมีแรงบันดาลใจในการมุ่งสู่เป้าหมายและทำให้สำเร็จ ดังนั้นคุณจึงต้องการวิสัยทัศน์

37. ผลประโยชน์หลักสูงสุดของเราคือการรักษาความมั่นคงของทีม นี่คือผลประโยชน์หลักสูงสุดของเรา หรืออาจกล่าวได้ว่าเป็นผลประโยชน์หลักเพียงอย่างเดียว ตราบใดที่ฉันสามารถรักษาความมั่นคงของทีมได้ ฉันจะทำสำเร็จแน่นอน และจะทำ AGI ให้สำเร็จ ง่ายๆ แค่นั้น

38. เงินไม่ใช่ปัญหาแน่นอน ทรัพยากรไม่ใช่ปัญหา ปัจจัยอื่นๆ หาได้ง่าย สำหรับเรา มีผลประโยชน์หลักเพียงอย่างเดียว สิ่งเดียวที่ยอมลดไม่ได้คือ เราต้องรักษาความมั่นคงของทีม

39. นี่คือความท้าทายที่ใหญ่มากสำหรับเรา หรืออาจกล่าวได้ว่าเป็นความเสี่ยงที่ใหญ่ที่สุด แน่นอนว่าความเสี่ยงนี้ลดลงอย่างมากหลังจากการระดมทุนครั้งล่าสุดของเรา เพราะทุกคนได้รับออปชั่นค่อนข้างมาก และมูลค่าก็ค่อนข้างสูง

40. ในแง่ของความมั่นคงของทีม ตราบใดที่พนักงานที่สำคัญที่สุดและพนักงานที่เก่าแก่ที่สุดยังคงมั่นคง คนอื่นๆ ก็มักจะไม่ลาออก แม้ว่าคนอื่นๆ จะได้ออปชั่นน้อยกว่า รายได้น้อยกว่า พวกเขาก็จะไม่ลาออก เพราะพวกเขาไม่ได้มุ่งหวังแค่เงิน ทุกคนหวังที่จะทำงานในสภาพแวดล้อมที่สามารถสร้าง AGI ได้

41. สิ่งอื่นๆ เป็นเพียงเรื่องของเวลา สิ่งอื่นๆ อาจทำให้เราช้าไปครึ่งปีหรือหนึ่งปี แต่ไม่ใช่ทำให้ทำไม่ได้ แน่นอนว่าเราไม่ขาดเงิน ไม่ขาดทรัพยากร จริงๆ แล้วสิ่งเหล่านี้ไม่ขาด

42. ช่องว่างระหว่างเรากับสหรัฐฯ อยู่ที่ทรัพยากรเป็นหลัก ส่วนช่องว่างด้านบุคลากรไม่มากนัก ด้านบุคลากรแทบไม่มีช่องว่าง เพราะเป็นคนกลุ่มเดียวกัน อาจเป็นคนจีน เมื่อคนจีนออกไปต่างประเทศ บางคนอยู่เมืองนอก บางคนกลับเมืองจีน บางคนไปต่างประเทศ ไม่ได้หมายความว่าคนฉลาดไปต่างประเทศ ไม่ใช่

43. บุคลากรไม่ใช่คอขวด ทรัพยากรคือคอขวดที่ใหญ่ที่สุด ทรัพยากรส่งผลต่อการพัฒนาบุคลากรก่อน เพราะพลังคำนวณน้อย โอกาสในการทดลองของเราจึงน้อย ดังนั้นบุคลากรของเราจึงด้อยกว่าสหรัฐฯ โดยรวม ช่องว่างด้านบุคลากร本质上ก็คือช่องว่างด้านพลังคำนวณ

44. การขาดแคลนบุคลากรด้าน AI ก็เป็นเพียงชั่วคราว และเราเห็นแล้วว่าสถานการณ์คลี่คลายลงอย่างมาก เพราะคน AI ไม่ได้ขาดแคลนจริงๆ แต่ละบริษัทจะสามารถฝึกอบรมบุคลากรได้อย่างรวดเร็ว การฝึกอบรมคนทำได้เร็วมาก

45. ตอนนี้บริษัทที่ทำโมเดลในประเทศมีเยอะเกินไปจริงๆ อาจจะเยอะเกินไปด้วยซ้ำ ในสหรัฐฯ อาจจะมีแค่สามแห่ง แต่ในจีนมีบริษัทที่ทำโมเดลพื้นฐานเยอะมาก สุดท้ายแล้วไม่จำเป็นต้องมีคนจำนวนมากขนาดนั้นมาทำโมเดลพื้นฐาน มันจะต้องมีการรวมตัวกันแน่นอน

46. การบริหารบริษัทของเราแท้จริงแล้วมีสองแนวทาง: แนวทางหนึ่ง是从บนลงล่าง อีกแนวทาง是从ล่างขึ้นบน จากล่างขึ้นบนคือ แต่ละคนสามารถทำสิ่งที่ตัวเองอยากทำได้เอง ไม่มีใครมาควบคุม ไม่มี KPI

47. โดยทั่วไปเราอยากให้พนักงานมีเวลาครึ่งหนึ่งที่ไม่ถูกจัดสรรไว้ เขาสามารถทำอะไรก็ได้ตามที่ต้องการ นี่คือขอบเขตของการวิจัย ให้เขาสามารถสำรวจด้วยตัวเอง ตามสิ่งที่เขาคิดว่าสำคัญ เขาก็จะไปสำรวจสิ่งนั้น ไม่มีข้อกำหนดล่วงหน้า

48. โดยทั่วไปเราไม่ค่อยทำงานล่วงเวลา การทำงานล่วงเวลามีสองสาเหตุ ประการแรกคือ การทำวิจัยต้องการสภาพแวดล้อมที่ผ่อนคลาย ถ้าคุณกดดันมากเกินไป ก็จะไม่สามารถทำวิจัยได้ เพราะเมื่อคุณมีความสนใจในสิ่งนี้เอง คุณต้องคิดถึงปัญหาเหล่านี้ในชีวิตประจำวัน ดังนั้นจึงต้องอยู่ในสภาพแวดล้อมที่ผ่อนคลายถึงจะสามารถสำรวจได้

49. ประการที่สองคือ เรามุ่งเน้นอย่างมาก การมุ่งเน้นอย่างมากหมายความว่าเรามีสิ่งที่ต้องทำน้อยมาก ดังนั้นฉันจึงไม่มีงานมากมายให้ทำ ฉันจึงไม่จำเป็นต้องทำงานล่วงเวลา สิ่งนี้สอดคล้องกับหลักการยับยั้งชั่งใจที่กล่าวมาก่อนหน้านี้

50. บริษัทของเราโดยรวมตั้งอยู่บนพื้นฐานของฉันทามติ ฉันไม่ได้บอกว่าฉันตัดสินใจทุกอย่างเพียงคนเดียว แต่ฉันต้องแสวงหาฉันทามติ อำนาจและอิทธิพลของฉันในบริษัทนั้นตั้งอยู่บนพื้นฐานของฉันทามติ

51. กลไกการตัดสินใจนี้แท้จริงแล้วเป็นกลไกที่แสวงหาฉันทามติ ไม่ใช่ฉันจะสามารถผลักดันอะไรบางอย่างได้ มันต้องเป็นฉันทามติก่อน ฉันถึงจะผลักดันมันต่อไปได้ และจากนั้นฉันถึงจะลงมือผลักดัน

52. เมื่อจำนวนพนักงานเพิ่มขึ้น เราจะทำการปรับเปลี่ยนนี้ เราควรจะต้องทำการปรับเปลี่ยนนี้ทันที เพราะฉันกำลังดำเนินการปรับเปลี่ยนนี้อยู่แล้ว ถ้าไม่ทำการปรับเปลี่ยนนี้ หลายๆ อย่างก็ไม่สามารถดำเนินต่อไปได้ แน่นอนว่าหลายแผนกควรจะมีโครงสร้างองค์กร

พลังการคำนวณและทรัพยากร

53. เราต้องการการ์ดจำนวนเท่าไหร่? ตอนนี้ยิ่งมากยิ่งดีแน่นอน ในขอบเขตที่เราสามารถรับได้ ยิ่งมีการ์ดมากยิ่งดี ไม่ต้องสงสัยเลย ดังนั้นกลยุทธ์ของเราตอนนี้คือ ในราคาที่สมเหตุสมผล ซื้อการ์ดได้มากเท่าไหร่ก็ซื้อเท่านั้น

54. จริงๆ แล้ว การใช้เงินจำนวนมากขนาดนี้ให้หมดนั้นไม่ง่ายเลย ซื้อการ์ดไม่ได้มากขนาดนั้น หาซื้อยาก และราคาก็สูงด้วย ไม่สามารถซื้อในราคาที่สูงเกินไปได้ ต้องมั่นใจว่าราคานี้สมเหตุสมผล ถ้าปีนี้สามารถใช้เงินไปสองหมื่นล้านได้ ก็ถือว่าฝ่ายจัดซื้อของเราทำผลงานได้ยอดเยี่ยมมาก

55. ความแตกต่างที่ใหญ่ที่สุดระหว่างเรากับสหรัฐฯ อยู่ที่ทรัพยากร ด้านทรัพยากรการคำนวณ (Computing Power) ฝั่งหนึ่งคือการ์ดภายในประเทศเองก็หาซื้อไม่ได้ อีกฝั่งคือการลงทุนด้านทุนของเราน้อยกว่าสหรัฐฯ เราขาดการลงทุนด้านทุนไปมาก ค่าแรงของบุคลากรที่มีความสามารถคิดเป็นสัดส่วนที่ต่ำมากที่นี่ คุณดูสิว่าเขาให้เงินเดือนระดับ 100 ล้านเหรียญสหรัฐฯ แบบนี้ แต่เมื่อคำนวณแล้ว ค่าแรงของบุคลากรที่มีความสามารถก็ยังคิดเป็นสัดส่วนน้อย ส่วนใหญ่ยังคงเป็นทรัพยากรการคำนวณ

56. ความแตกต่างทั้งหมดที่เราเห็น รวมถึงความแตกต่างด้านบุคลากร ความแตกต่างด้านความสามารถของโมเดล ความแตกต่างด้านการประยุกต์ใช้ สามารถมองได้ว่าเกิดจากความแตกต่างในทรัพยากรการคำนวณ

57. ช่องว่างระหว่างเรากับสหรัฐฯ อาจจะตามหลังสหรัฐฯ 12 เดือน ตามหลังสหรัฐฯ อาจจะ 12 ถึง 18 เดือน หรือ 6 ถึง 12 เดือน พูดง่ายๆ ก็คือตามหลังสหรัฐฯ สองปี และใช้ทรัพยากรการคำนวณเพียง 1 ใน 20 ของสหรัฐฯ ในการทำสิ่งนี้ให้สำเร็จ

58. เรื่องเล่านี้คือตามหลังหนึ่งถึงสองปี แต่ใช้ทรัพยากรการคำนวณเพียง 1 ใน 20 ของเขา ในอนาคตเราจะต้องเขียนเรื่องเล่านี้ใหม่ นั่นคือใช้ทรัพยากรการคำนวณเพียงเศษเสี้ยวของเขา แต่ทำให้เวลาสั้นลงเหลือ 6 เดือน 3 เดือน ฉันคิดว่านี่คือเป้าหมาย

59. Scaling เราเชื่อใน Scaling ยิ่ง規模ใหญ่ก็ยิ่งได้ผลดี และปลดล็อกฟังก์ชันการทำงานได้มากขึ้น สิ่งที่阻止 Scaling ของเราจริงๆ คือทรัพยากรการคำนวณ ไม่ใช่เพราะเราไม่อยาก Scaling แต่เป็นเพราะเราไม่มีทรัพยากรการคำนวณมากพอที่จะทำ Scaling นี้

60. เราฝึกโมเดลขนาดใหญ่ขนาดนี้ ไม่ใช่เพราะฉันคิดว่าโมเดลขนาดนี้เพียงพอแล้ว แต่เป็นเพราะฉันมีทรัพยากรเท่านี้พอดี ฉันคำนวณตามทรัพยากรของฉันว่าโมเดลที่ฉันสามารถรับได้และฝึกได้นั้นมีขนาดเท่าไหร่ คำนวณออกมาแบบนี้ ไม่ใช่เพราะโมเดลนี้เพียงพอแล้ว

61. เมื่อ Silicon Valley พูดว่า Scaling ถึงจุดสิ้นสุดแล้ว นั่นสำหรับ Silicon Valley; สำหรับคนจีน เรายังห่างไกลจากจุดนั้นมาก เราไม่ได้ Scaling ถึงระดับนั้นเลย Scaling นี้รวมถึง Scaling ของข้อมูล Scaling ของขนาดโมเดล และต้นทุนการฝึก

ชิปในประเทศและระบบนิเวศ

62. คูเมืองของ NVIDIA CUDA กำลังถูกทำลายอย่างรวดเร็ว ฝั่งหนึ่งคือตอนนี้มี AI แล้ว และเมื่อมี AI แล้ว การสร้างระบบนิเวศนี้ก็ง่ายขึ้นมากกว่าเดิมมาก เพราะ AI สามารถเขียนโค้ดได้

63. ตอนนี้ตลาดการ์ดคำนวณ (Compute Card) ใหญ่กว่าตลาดการ์ดเกม (Game Card) แล้ว จึงไม่มีเหตุผลที่ทั้งสองจะต้องเชื่อมโยงกันอีกต่อไป แนวโน้มปัจจุบันคือต่อจากนี้จะไม่เชื่อมโยงกันอีกแล้ว ดังนั้นชิปเฉพาะทาง ไม่ว่าจะเป็นของ Huawei หรือ NVIDIA เอง ต่อจากนี้ก็จะเป็นชิปเฉพาะทางทั้งหมด ไม่ใช่สิ่งเหล่านี้เหมือนเดิมอีกต่อไป

64. ตอนนี้การเปลี่ยนมาใช้ชิป AI ที่ผลิตในประเทศถือเป็นโอกาสทางประวัติศาสตร์ เราเชื่อว่าภายในหนึ่งปีข้างหน้า เราจะได้เห็นการพิสูจน์สิ่งหนึ่ง: ระบบนิเวศของชิปที่ผลิตในประเทศไม่มีปัญหาเลย ก่อนหน้านี้หลายคนคิดว่ามีปัญหา คิดว่าใช้ไม่ได้ ใช้งานไม่สะดวก แต่ในอนาคต ภายในหนึ่งปี ฉันคิดว่าเราจะสามารถเปลี่ยนความเข้าใจนี้ หรือใช้ข้อเท็จจริงมาพลิกความเชื่อเหล่านี้

65. ฮาร์ดแวร์และระบบนิเวศของชิป AI ที่ผลิตในประเทศไม่มีปัญหาเลย ปัญหาเดียวคือกำลังการผลิตไม่เพียงพอ การปรับใช้การ์ดที่ผลิตในประเทศไม่มีอุปสรรค Nvidia หยุดไม่ได้ ถ้าอยู่ในสภาพแวดล้อมทางธุรกิจปกติที่สามารถซื้อการ์ด Nvidia ได้ การเปลี่ยนมาใช้ของในประเทศก็จะยาก แต่ในสถานการณ์ที่ซื้อการ์ด Nvidia ไม่ได้ ทุกคนก็จำเป็นต้องหันมาใช้ชิปที่ผลิตในประเทศ

66. ตอนฝึก V3 ยังใช้การ์ด Nvidia อยู่ แต่ไม่ได้ใช้ระบบนิเวศของ Nvidia แล้ว V3 ใช้การ์ด Nvidia แต่ไม่ได้ใช้ระบบนิเวศของ Nvidia แต่เราเขียนคอมไพเลอร์ระดับสูงที่ชื่อ TileLang ก่อน แล้วใช้ระบบนิเวศของ TileLang เพื่อทำทุกอย่างอื่นๆ จนแทบไม่ต้องพึ่งพาระบบนิเวศของ Nvidia

67. ฉันค่อนข้างมองโลกในแง่ดีเกี่ยวกับพลังการประมวลผลที่ผลิตในประเทศ ฉันคิดว่าจุดนี้ Nvidia กำลังขุดหลุมฝังตัวเอง ซูเปอร์โหนดของ Huawei โดยเฉพาะรุ่น 950 สามารถทดแทน GB200 และ GB300 ของ Nvidia ได้อย่างสมบูรณ์ทั้งในด้านประสิทธิภาพและราคา

68. การ์ด Huawei สี่ใบเทียบเท่าการ์ด Nvidia หนึ่งใบ

69. ความแตกต่างด้านชิประหว่างเรากับอเมริกา ฉันคิดว่าต่อไประบบนิเวศจะไม่มีความแตกต่างอีกต่อไป แต่ในด้านชิปยังคงมีช่องว่างสี่เท่าบวกสองปี

70. ตอนนี้เราส่วนใหญ่ร่วมมือกับ Huawei Huawei ปรับใช้เอง แต่เราจะมีส่วนร่วมในระบบนิเวศนี้ และจะลงลึกเข้าไปในระบบของ Huawei ปัญหาของ Huawei ยังคงเป็นกำลังการผลิตไม่เพียงพอ

71. ฉันไม่ค่อยเชื่อว่าอีกห้าปีข้างหน้า เราจะยังติดอยู่กับปัญหากำลังการผลิต ตอนนี้แน่นอนว่าติดอยู่กับปัญหากำลังการผลิต ปีนี้ ปีหน้า ปีถัดไป ฉันคิดว่าอาจจะยังติดอยู่ แต่หลังจากห้าปี ฉันคิดว่าอาจจะไม่ใช่ ฉันยังค่อนข้างมองโลกในแง่ดี

โครงสร้างการแข่งขันและการประเมินอุตสาหกรรม

72. ความแตกต่างของผลลัพธ์สุดท้ายระหว่างโมเดลต่างๆ น่าจะเป็นผลรวม การเปรียบเทียบประสิทธิภาพของโมเดลต้องทำภายใต้ต้นทุนที่เท่ากันถึงจะมีความหมาย เพราะการเปรียบเทียบรถสองคันก็ต้องเปรียบเทียบในราคาเดียวกัน

73. การที่ Anthropic แซงหน้า OpenAI ในตอนนี้ จะเป็นระยะยาวหรือไม่? ฉันคิดว่าไม่ใช่ระยะยาว แน่นอนว่าเป็นแค่ช่วงหนึ่ง OpenAI และ Google ในอนาคตมีแนวโน้มว่าจะสลับกันขึ้นลง

74. ในขณะที่จีนมีบทบาทสำคัญในการแบ่งงานในระบบ AI ทั่วโลก บทบาทหนึ่งที่บริษัทจีนน่าจะเล่นคือการเป็นผู้ผลิตที่ใหญ่ที่สุด ตามหลักแล้ว เรามีกำลังการผลิตสูงสุด รวมถึงชิป ซึ่งอาจเป็นกำลังการผลิตที่ใหญ่ที่สุด และเรามีไฟฟ้ามากที่สุด

75. คนจีนจะทำให้ผลิตภัณฑ์นี้มีราคาถูกที่สุด จากนั้นก็ในด้านประสิทธิภาพ เพราะสินค้าต่างประเทศในปัจจุบัน หลายอย่างที่ผลิตในจีนกับที่ผลิตในอเมริกาไม่ได้แตกต่างกันมากนัก ในอนาคต AI ก็อาจเป็นเช่นนั้น แต่ AI ที่ผลิตในจีนอาจมีราคาถูกกว่า ความถูกนี้อาจเป็นระบบที่ต่ำโดยรวม เหมือนกับบริการอื่นๆ ที่จีนให้บริการที่ถูกกว่า

76. ความแตกต่างสุดท้ายน่าจะเป็นสามด้าน: ด้านต้นทุน ด้านเวลา และด้านประสบการณ์ผู้ใช้ นอกจากนี้ อาจไม่มีความแตกต่างอะไร

77. ต้นทุนเป็นความแตกต่างแน่นอน ผมคิดว่าต้นทุนน่าจะเป็นความแตกต่างอันดับแรก จากนั้นอันดับสองคือเวลา คุณทำได้เมื่อไหร่ การทำได้เร็วกว่าสองสามเดือนหรือช้ากว่าสองสามเดือน มันก็ต่างกัน

78. OpenAI ตั้งแต่แรกคิดว่าเขาจะผูกขาดโลกนี้ได้จริงๆ แต่จริงๆ แล้วเขาจะเจอผู้ท้าชิงมากมาย เขาจะเจอความท้าทาย และมันจะไม่สบายใจ อเมริกาจะเจอความท้าทาย ดังนั้นในอนาคตเขาอาจเจอความท้าทายจากจีน เพราะคนจีนยินดีรับน้อยกว่าเพื่อให้บริการนี้

79. คนที่รับมากจะพ่ายแพ้ต่อคนที่รับน้อยกว่า แม้คุณยังไม่ต้องรับมากจริงๆ ถ้าวิสัยทัศน์คือการรับมาก คุณก็จะพ่ายแพ้ต่อคนที่มีวิสัยทัศน์คือการรับน้อย ที่จริงแล้วทุกคนยังไม่ได้รับเงิน มันเป็นแค่วิสัยทัศน์ ถ้าวิสัยทัศน์ของคุณคือการรับมาก คุณก็แพ้ตั้งแต่แรก และจะเจออุปสรรคที่ใหญ่กว่า

80. สำหรับเรา เราไม่ได้ต้องการกำไรสูงสุด หรือตั้งราคาเพื่อผลตอบแทนสูงสุด แต่เราแค่ได้ผลตอบแทนที่สมเหตุสมผล นี่คือคำอธิบาย ผมเชื่อในเรื่องนี้ ผมไม่ได้หาเหตุผลมาสนับสนุน เพราะไม่จำเป็นต้องหาเหตุผล

81. ผมคิดว่าในหลายด้านของประสบการณ์ เราอาจทำได้ดีกว่าอเมริกา ในด้านผลิตภัณฑ์ ความสามารถด้านผลิตภัณฑ์อาจไม่ด้อยกว่าอเมริกา ต้นทุนก็น่าจะต่ำกว่าอเมริกา ดังนั้นจีนยังคงมีความสามารถในการแข่งขัน

82. เรื่องต้นทุนเข้าใจง่าย เพราะพวกเขาไม่ต้องทำ ดังนั้นพวกเขาจึงไม่พัฒนาความสามารถนี้ พวกเขาให้ความสำคัญกับเรื่องนี้น้อยกว่าเราแน่นอน เราสามารถมองว่านี่เป็นเรื่องสำคัญมาก แต่สำหรับพวกเขา มันไม่สำคัญ

83. โมเดลใหญ่ อาจไม่ต้องพูดถึงสองบริษัทใหญ่ สองบริษัทเล็ก ก็อาจเพียงพอแล้ว ความแตกต่างมีแค่สองอย่าง: เวลาและต้นทุน ดังนั้นไม่มีบริษัทไหนจะได้กำไรเกินควร ผมคิดว่าไม่มีกำไรเกินควร คนที่ควบคุมต้นทุนได้ดีก็ได้กำไรมากกว่า คนที่ควบคุมต้นทุนได้ไม่ดีก็ได้กำไรน้อยกว่า แค่นั้นเอง

การพัฒนาโมเดลและเทคโนโลยี

84. ในบริษัทของเรา อาจมีคนประมาณครึ่งหนึ่งที่คิดว่า OpenAI ดีกว่าในชีวิตประจำวัน จริงๆ แล้ว Anthropic มีความได้เปรียบในการเป็นผู้บุกเบิก แต่ความได้เปรียบนี้คงอยู่ได้ไม่นาน และไม่ใช่ข้อได้เปรียบที่พวกเขาจะรักษาไว้ได้ในระยะยาว ทั้งสามบริษัทนี้ล้วนเก่งมาก แต่ในสามบริษัทนี้ บริษัทที่มีประสิทธิภาพสูงสุดคือบริษัทที่ใช้ต้นทุนน้อยที่สุด ใช้เงินน้อยที่สุด และเผาผลาญเงินน้อยที่สุด

85. การวางแผนระบบหลายรูปแบบ (Multimodal) เราทำมาตลอด สำหรับผลิตภัณฑ์แล้ว มันสำคัญมาก สำหรับผลิตภัณฑ์ที่เน้นผู้ใช้ทั่วไป (C-end) ก็สำคัญมากเช่นกัน แต่สำหรับขีดจำกัดของความฉลาด มันเป็นเพียงองค์ประกอบหนึ่ง ไม่ใช่แกนหลัก

86. เราควรจะเปิดตัวโมเดลที่เกี่ยวข้อง นั่นคือ V4 และเวอร์ชันต่อจาก V4 จะรองรับระบบหลายรูปแบบแบบดั้งเดิม (Native Multimodal) แต่สำหรับเรา ระบบหลายรูปแบบเป็นเพียงองค์ประกอบของความฉลาด เราไม่ถือว่ามันคือความฉลาดในตัวมันเอง

87. พูดได้แค่ว่า Scaling ของโมเดลภาษา ฉันยังไม่เห็นขีดจำกัดใดๆ ในตอนนี้ ระดับสติปัญญาของเรา หรือระดับสติปัญญาที่สร้างขึ้นในสหรัฐอเมริกา ก็ยังไม่เห็นขีดจำกัด

88. ภายในบริษัทของเรา หลายคนมีความคิดแบบนี้: ก่อนอื่นต้องมีประโยชน์กับตัวเราเอง ก่อนอื่นต้องใช้กับตัวเราเองก่อน แล้วนี่คือวิธีที่เร็วที่สุดในการบรรลุ AGI เมื่อมันดีสำหรับเรา ก็หมายความว่ามันอาจจะดีสำหรับคนอื่นด้วย แต่ก่อนอื่นต้องมั่นใจว่ามันดีสำหรับเรา

89. โมเดลที่เราสร้างขึ้น เป้าหมายแรกไม่ใช่ให้คนอื่นใช้ได้ดี แต่ให้เราใช้ได้ดี ก่อนอื่นต้องมีประโยชน์กับเรา เมื่อมีประโยชน์กับเราแล้ว การพัฒนาโมเดลเวอร์ชันถัดไปก็จะเร็วขึ้น

90. เราเรียกสิ่งนี้ว่า "การจับรางวัล" (摸奖) เกณฑ์ต่ำมาก ใครก็สามารถลองจับได้ แต่ใครจะจับได้อะไร ฉันก็ไม่รู้ว่ามันขึ้นอยู่กับพรสวรรค์หรืออะไร ดังนั้นเราไม่จำเป็นต้องจัดสรรทรัพยากร เพียงแต่ว่า สิ่งที่แตกต่างจากบริษัทอื่นคือ เราจะใช้เวลาพูดคุยเกี่ยวกับปัญหานี้ คิดเกี่ยวกับมัน และถือว่ามันเป็นเรื่องสำคัญ

การค้าและการกำหนดราคา

91. การกำหนดราคา API ของเราเป็นกำไรที่สมเหตุสมผล ประมาณว่าเราซื้ออุปกรณ์ชุดหนึ่งจากตลาด แล้วคืนทุนภายในสิบเดือน ฉันคิดว่านี่คือกำไรที่สมเหตุสมผล

92. หากต้องการกำไรสูงสุด ควรตั้งราคาให้สูงกว่านี้ เพราะในช่วงราคานี้ ความต้องการของผู้ใช้ไม่ยืดหยุ่น กล่าวคือ ถ้าฉันเพิ่มราคาเป็นสองเท่า หรือเพิ่มเป็นสองเท่า การบริโภค token ก็ไม่แตกต่างกันมาก

93. โมเดลหนึ่งของเรา ตอนแรกเรากังวลว่าความต้องการจะมากเกินไป เลยตั้งราคาไว้สูง ทีมงานไม่ค่อยพอใจ ต่อมาฉันลดราคาลงเหลือหนึ่งในสี่ ทุกคนก็ดีใจมาก

94. ขีดจำกัดบนของธุรกิจ B2B น่าจะยังคงเป็นความต้องการ ในยุคของเทคโนโลยี AGI และ AI ในปัจจุบัน ความต้องการในธุรกิจ B2B น่าจะมีจำกัด มันจะเติบโตอย่างรวดเร็ว แต่ไม่ใช่สิ่งที่ไร้ขีดจำกัด ท้ายที่สุดแล้วมันยังถูกจำกัดด้วยความต้องการ ไม่ใช่พลังการคำนวณ

95. ตอนนี้ผมคิดว่าถ้าทำได้ ก็ควรทำทั้งหมด ถ้าปีนี้ผมมีรายได้จากฝั่ง B หลายร้อยล้านดอลลาร์ และฝั่ง C ก็มีผู้ใช้ นั่นก็ถือเป็นพื้นฐานทางธุรกิจที่ดีอยู่แล้ว ถ้าปีหน้าเรามีรายได้จากฝั่ง B และความต้องการนี้เพิ่มขึ้นอีก บริษัทก็ใกล้ถึงจุดที่มีกำไรสุทธิแล้ว หรืออาจจะมีกำไรสุทธิเลยก็ได้

96. กรณีที่แย่ที่สุดคือขาย API ซึ่งก็น่าจะพอเลี้ยงบริษัทที่จดทะเบียนในตลาดหลักทรัพย์ได้ ถ้าหากเทคโนโลยีไม่มีความก้าวหน้าใหม่ๆ อีกแล้ว เทคโนโลยีของเราก็หยุดนิ่งอยู่แค่นี้ สุดท้ายเราก็ทุ่มเทขาย API และทำให้บริการเหล่านี้ดีที่สุด ผมว่าก็เพียงพอแล้ว

97. จากสถานการณ์ปัจจุบัน ผมคิดว่าวิธีที่สมเหตุสมผลที่สุดคือทุ่มเท全力ทำ Agent ทั่วไป ส่วน Agent อื่นๆ ควรมีความสำคัญต่ำกว่า รวมถึง Agent ด้านการเงินและแพทย์ ต้องทำ Coding ก่อน เพราะ Coding Agent ทำได้หลายอย่าง และยังมี Agent แนวตั้งอีกมากมาย ในตอนนี้สิ่งที่เราคิดว่าสำคัญที่สุดน่าจะเป็น Coding Agent

98. ผมคิดว่าต้นทุนต่ำเป็นผลลัพธ์อย่างหนึ่ง โมเดลของเราเดินไปในทิศทางที่ต้นทุนต่ำลงเรื่อยๆ ในด้านสถาปัตยกรรมโมเดล ซึ่งเกี่ยวข้องกับวิสัยทัศน์ของเรา เรายังมีวิธีการในด้านอัลกอริทึมอีกมากมายที่ทำให้ต้นทุนลดลงได้อีก

99. อีกเหตุผลที่ต้นทุนลดลงคือ ยิ่งต้นทุนต่ำ ผมก็ยิ่งฝึกโมเดลที่ใหญ่ขึ้นได้ และรับภาระโมเดลที่ใหญ่ขึ้นได้ ในพลังการคำนวณที่เท่ากัน หากประสิทธิภาพการคำนวณของผมสูงขึ้น ผมก็จะสามารถรับภาระโมเดลที่ใหญ่ขึ้นได้

กลยุทธ์โอเพนซอร์ส

100. ผมคิดว่าเราจะเปิดซอร์ส และโมเดลที่แข็งแกร่งที่สุดของเราก็อาจจะเปิดซอร์สด้วย เพราะผมไม่เห็นข้อดีของการปิดซอร์ส ไม่เห็นข้อดีที่จำเป็น ByteDance ปิดซอร์สโมเดลของมัน มันมีข้อดีอะไร? ผมไม่เห็นว่ามีข้อดีอะไร

101. ถึงแม้จะเปิดซอร์สโมเดลและบอกทุกอย่างให้คนอื่นรู้ เกณฑ์การใช้งานก็ยังสูงมาก คนอื่นจะนำไปใช้ก็ยาก ประการแรก การนำไปใช้ยาก ประการที่สอง การนำไปใช้และทำให้ต้นทุนต่ำก็ยากมากเช่นกัน ไม่ใช่เรื่องง่าย

102. การเปิดซอร์สไม่ส่งผลกระทบต่อรายได้ การเปิดซอร์ส ผมคิดว่าไม่มีผลกระทบต่อโมเดลธุรกิจของเราเลย

103. ฉันไม่กังวลเลยว่าคนอื่นจะนำโมเดลของเราไปใช้แล้วมาแข่งขันกับเรา ฉันไม่กังวลเลยแม้แต่น้อย เรายังหวังให้พวกเขานำไปใช้ด้วยซ้ำ เราจะพยายามให้ความช่วยเหลือชุมชนโอเพนซอร์สให้มากที่สุด เพื่อช่วยให้ทุกคนสามารถนำโมเดลของเราไปใช้งานได้

104. เมื่อเราติดต่อกับโลกภายนอก ทัศนคติของเราคือ: เราทำแค่แนวหลักของ AGI เท่านั้น ในการติดต่อกับโลกภายนอก เรายินดีอย่างยิ่งที่จะช่วยเหลือ สนับสนุนใครก็ได้ แม้กระทั่งคู่แข่งของเรา รวมถึง Alibaba, Zhipu, Moonshot AI เพื่อให้พวกเขาทำได้ดีขึ้น เพราะเราไม่ได้สูญเสียอะไรเลย เราเป็นโอเพนซอร์สอยู่แล้ว

105. โมเดลโอเพนซอร์สที่เราให้ไป กับโมเดลที่เราใช้งานเอง เหมือนกันไหม? เหมือนกัน เราจะไม่ปล่อยโมเดลที่แย่กว่าเป็นโอเพนซอร์ส แล้วตัวเองใช้โมเดลที่ดีกว่า ไม่มีทาง เหมือนกัน

ข้อมูลและการฝึกอบรมหลังการฝึก

106. ข้อมูลน่าจะเกือบเท่ากับครึ่งหนึ่งของโมเดล ยังมีปัญหาการติดป้ายข้อมูลอีกด้วย ในด้านการติดป้ายข้อมูล มันเกี่ยวข้องกับการลงทุนของเรา ด้วยโครงสร้างการลงทุนของเรา มันไม่สามารถรองรับต้นทุนการติดป้ายข้อมูลคุณภาพสูงจำนวนมากได้ เพราะต้นทุนสูงมาก

107. ต้นทุนการติดป้ายข้อมูลในอเมริกากับในจีนไม่มีความแตกต่างกัน จีนไม่มีข้อได้เปรียบด้านต้นทุนในการติดป้ายข้อมูล โดยเฉพาะการติดป้ายข้อมูลระดับสูงไม่มีข้อได้เปรียบด้านต้นทุน ทำให้เราแทบจะลงทุนติดป้ายข้อมูลแบบอเมริกาไม่ได้ เส้นทางนี้ในจีนยากมาก เพราะการติดป้ายข้อมูลแพงเกินไป ไม่ว่าจะเป็นจ้างข้างนอกหรือทำเอง ก็ลำบากมาก

108. ตอนนี้เราทำสองทางขนานกัน ไม่ได้หมายความว่าเราติดป้ายไม่ได้เลย แต่เพราะการติดป้ายข้อมูลบางอย่างต้นทุนต่ำ บางอย่างต้นทุนสูง เราจะติดป้ายข้อมูลที่ต้นทุนต่ำก่อน

109. คุณอาจมองว่า ตอนนี้บริษัทเรามีคนครึ่งหนึ่งกำลังติดป้ายข้อมูล นักวิจัยหลักครึ่งหนึ่ง คนที่สำคัญที่สุด ครึ่งหนึ่งกำลังติดป้ายข้อมูล เราจดจ่ออยู่กับการติดป้ายข้อมูล การแก้ปัญหา AI ในขั้นตอนนี้ต้องพึ่งพาการติดป้ายข้อมูล

110. อุปสรรคของการติดป้ายข้อมูลคุณภาพสูง ฉันคิดว่าคือเวลา เพราะต้องใช้เวลา สำหรับ OpenAI, ต่างประเทศ, Anthropic พวกเขาเริ่มก่อน มีทุนมากกว่า และมี GPU มากกว่า

111. ปัญหาภาพหลอนของโมเดลใหญ่ส่งผลต่อประสบการณ์ผู้ใช้ค่อนข้างมาก ปัญหาภาพหลอนมีวิธีแก้ไขได้ แต่มันเป็นประเด็นระยะยาว ปัญหาภาพหลอนถือเป็นปัญหาที่สามารถแก้ไขได้ด้วย Post-training ที่ดีขึ้น เป็นปัญหาที่แก้ไขได้และปรับปรุงได้

องค์กรและการวางตำแหน่งของบริษัท

112. ประการแรก เราไม่มีแบบอย่างให้เลียนแบบ ทุกย่างก้าวล้วนเริ่มจากสถานการณ์จริงของเรา ยึดหลักความเป็นจริง ตัดสินใจตามสภาพความเป็นจริง เพื่อค้นหาว่าเราควรทำอย่างไร ดังนั้นมันจึงเป็นผลผลิตของยุคสมัย หรืออาจกล่าวได้ว่าเป็นปฏิกิริยาต่อสถานการณ์จริง ไม่ใช่ผลลัพธ์จากการเลียนแบบ

113. เราชัดเจนว่าต้องมีการทำธุรกิจ ในที่สุดเราก็ต้องอยู่รอดได้ เพราะเราเป็นบริษัท รัฐบาลจะไม่ให้เงินเราแม้แต่บาทเดียว

114. โดยพื้นฐานแล้วเรายังคงเป็นบริษัท เพียงแต่เรามีการเลือกว่าจะหารายได้จากอะไร หาเมื่อไหร่ หาเท่าไหร่ และพึ่งพาอะไรในการหาเงิน บริษัทหลายแห่งยิ่งใหญ่เพราะมีเป้าหมายที่เหนือกว่ากำไร เป้าหมายนั้นไม่เพียงแต่ไม่ส่งผลเสียต่อการทำธุรกิจของพวกเขา แต่กลับทำให้ธุรกิจดีขึ้นด้วยซ้ำ

115. สำหรับพันธมิตร การระดมทุนครั้งนี้เราเลือกอย่างพิถีพิถัน ก่อนอื่นผมคิดว่าผลประโยชน์ค่อนข้างสอดคล้องกัน คือผู้ที่มีผลประโยชน์ตรงกับเรามากที่สุด ไม่เป็นศัตรูกับเรา หรืออยากให้เราประสบความสำเร็จมากที่สุด ไม่ใช่ทุกคนที่อยากให้เราสำเร็จ เพราะเราทำให้ผลประโยชน์ของคนอื่นเสียหายไปมาก

116. ปัจจุบัน AI ไม่ขาดรสนิยมและสัญชาตญาณ มันขาดความสามารถในการเรียนรู้อย่างต่อเนื่อง รสนิยมและสัญชาตญาณของ AI ไม่มีปัญหา ให้มันเขียนบทความ รสนิยมและสัญชาตญาณของมัน ผมว่าไม่มีปัญหา

117. เราอยากทำแค่ส่วนเดียว ผมคิดว่า AI เป็นเรื่องใหญ่ ไม่จำเป็นต้องให้เรา... เราแค่ทำส่วนเดียว ถ้าโฟกัส และผมคิดว่าผลประโยชน์ทางธุรกิจตรงนี้ใหญ่พอแล้ว ถ้ายุค AI จะสร้างบริษัทระดับล้านล้านหลายแห่ง ผมว่าเราเป็นหนึ่งในนั้น

118. เราอยากสนับสนุนคนมากขึ้น แต่เราไม่มีแรงมากพอ เรามีความตั้งใจ และไม่มีผลประโยชน์ขัดแย้ง แต่เราจะทำหรือไม่นั้นเป็นอีกเรื่อง อย่างน้อยตรงนี้ไม่มีผลประโยชน์ขัดแย้ง เราหวังให้เกิดความร่วมมือที่ได้ประโยชน์ร่วมกัน

ลิงก์ต้นฉบับ

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia