这个团队仍然什么都没做出来，而且非常混乱，有很多公开新闻描述其内部如何混乱。

　　读完这些，大家会有两个很好的理解：

　　第二，大家可能会更理解，在一个大厂组织里，如果存在很多摩擦，如果一号位并非真正懂大模型技术，中间会发生什么样的组织损耗。

　　你说他们没有资源吗？它的集群比任何一家中国公司，包括中国大厂的都要大、要多；它花的钱、招的人都是全球最好的。但即便如此，也并不一定能保证它在这个行业做出领先的模型。

　　还有很多其他例子，比如另一个投资了OpenAI的海外大厂，但自己也有一个内部的AI团队在做自研模型，但到现在为止，还没有任何人知道他们做出了什么，即始终没有发布过领先的模型。包括另一个投资了 Anthropic的大厂，同时自己也有一个自研模型团队，花了非常多的资源和资金，也始终没有做出来。

　　这么多数据点让大家看到的是，这个行业真正的壁垒并非简单地拥有大量人才或庞大的算力集群。

　　因为这个行业的模型智能水平提升非常快，每三到六个月就会跃升一大截。因为这个行业每年的增量都比历史的存量要大，所以你必须不断向前创新、拓展行业边界，才可能在这个行业留有一席之地。比如，Meta即使把OpenAI的人全挖来，过半年做出了 OpenAI 半年前的东西，其实也已经没用了，因为这个行业已经往前走了很多。

　　所以，这是我们看到的这个行业真正的壁垒：

　　我举个例子，就是如果你发布一次模型失败了，可能没关系。但如果你在一年到一年半的时间里，每次发布的模型甚至还不如开源模型，那会发生什么？这个团队里最顶尖的人才会立刻流向其他公司，因为在这个行业，顶尖人才非常抢手。顶尖人才走后，次顶尖的人才也会走。然后，整个团队的研发凝聚力、信心和士气就散掉了。士气散掉后，其实很难再回到原来的状态。这是前面想跟大家介绍的，与大家传统认知中各个行业都不同的两点：市场在飞速地、跳跃式地变大；同时，真正在模型层持续发布过全球领先模型的公司反而在变少；并且，大厂有资源并不一定就能留在牌桌上。

　　关于我们公司：从第一天的构想到四年来的实践

　　接下来回到我们公司。这张图非常有意思，是我们公司成立第一天，创始人在白板上写下的，相当于我们的商业计划书。我先介绍其中的几点内容。

　　这个时间点是四年以前，那时还没有 OpenAI 发布 ChatGPT，是 ChatGPT 诞生一年以前。当时我们的创始人闫俊杰，他当时看到的一个核心点就是图中的第一点：

　　。这里说的“下一代 AI”，其“上一代 AI”是指什么呢？

　　我们的创始人 IO 之前一直从事图像、

　　第二点，我们把通用人工智能定义为可以接近通过图灵测试的智能体。Agent 这个概念后来被全球行业广泛使用，其实我们是非常早提出的。这背后隐含的含义是，我们认为通用人工智能应该实现的方向，一定是全模态交互的——不仅仅是语言交互，还包括

　　所以，我们从第一天就在做三个模态的大模型：大家最熟悉的大语言模型、

　　这是我们当时在第一天就坚持的第二个理念和目标：我们不是只做语言模型，而是要做三个模态都实现通用智能的模型。

　　后面还有一些我们对于行业的理解。例如，图中打了三个星号的“系统工程”这个词刚才也介绍了，它不是单点的创新。因为在二一年底之前的上一代 AI，所有研发范式是我需要非常多的算法专家，研发组织按算法分组。但这一代完全反过来了：我们只有几个算法模型，比如公司只有三个模态的模型，也就是三个通用模型；同时，也不需要通用的技术中台，这里的基础设施变成了专门服务于这几个模型的专用基础设施。

　　这个过程更像是造火箭和造芯片，需要一位总工程师或一号位，对每一个模块、端到端的技术细节都有深入理解。

　　此外，当时我们也设想了一些模型，比如不同智能程度从 L1 到 L4 的变化，以及产品形态从闲聊到目标导向的演进。闲聊就是我们推出的第一款娱乐性产品“Talkie /星野”，而目标导向就是我们现在的智能体产品。

　　所以，整体来看，这个行业的一些关键时间点判断、技术路线和产品形态，我们在第一天就写在了白板上，后来验证都是正确的。我们也是整个亚洲最早成立的专注做大模型的公司。

　　后面发生的事情是，过了一年后，OpenAI 发布了 ChatGPT，这个行业变得人尽皆知、非常火热。行业的关注度和增速确实比我们四年前想的要快很多。我也非常幸运，当时也在场，但是在桌子的另一边——我之前一直是做投资的，来自高瓴。高瓴是我们的天使投资人，也是前几轮的持续投资人，后来我选择加入了公司。

　　现在介绍我们公司的产品和业务，其实非常好理解。三个模态的大模型就是我们核心的产品，即底层的模型层：大家熟悉的语言模型、生成与图像生成模型，以及声音相关的语音和音乐模型，还有支持这些模型训练和推理的平台。在模型和基础设施层，我们投入了超过百分之八十的公司资源。模型层之上是我们的产品层。

　　产品层，我们开发了一系列面向全球 C 端、B 端和开发者的全球化产品，有几个方向，后面会仔细介绍。正如我在开头讲的，这个行业很大的不同是，我们发现无论你做任何大模型驱动的产品，主要的用户体验其实都来自于模型本身。所以对我们来说，这些产品具体长什么样并没有那么重要。

　　在我们公司有一句话：我们的核心产品其实是这些模型，而大家传统意义上理解的产品，比如海螺、星野、我们的智能体 Agent、To B 的开放平台，都只是将我们的模型打包集成、面向不同用户群体的渠道或窗口。真正为客户、用户提供价值的，是我们的底层模型本身。

　　下面从模型层快速回顾一下我们过去四年的进展。

　　两年前，2023 年，我们的语音模型实现了从文字生成语音的突破。其技术表现先做到了国内第一，后面做到了全球第一。我相信大家日常生活中肯定接触过由我们语音模型驱动的声音。举个例子，大家用的各种智能硬件，包括智能音箱、各种 AR/VR 眼镜、AI玩具，大概率都由我们模型驱动。

　　再比如，电商直播里的虚拟主播，很多声音也是我们提供的。当然，抖音会用字节的模型。基本上在声音这个赛道，我们在国内和字节加起来几乎等于全市场。例如，有声书方面，字节的番茄小说会用其自有模型，但除此之外的大部分有声书产品，都接入了我们的语音模型。现在，以前专门做读书的创

　　去年八月，实际上可能更早，去年二月过年时，大家一定对 OpenAI 发布的 Sora 演示有印象——一位穿红裙子的女士在东京街头行走。

　　那时是 2024 年 2 月，它只发布了演示，模型并未开放使用。我们则在去年八月底发布了海螺模型，公开可用，所有人通过简单提示词即可生成。发布后，我们没有任何投放推广，但很快通过口碑在全球各大平台传播开来，迅速成为该赛道最大的生成平台之一。我们的产品“海螺”第一个月甚至没有英文界面，是一个中文网站，但海外用户通过浏览器翻译使用，因为当时模型效果排在第一位。到现在，我们的模型与谷歌的 Veo 3、OpenAI的Sora2一起，被公认为模型性能最好的几个第一梯队模型。这是我们去年实现的第二个模态的突破。

　　虽然它名字叫 M2，听起来是第二代，但若从 2022 年第一版语言模型算起，它是我们内部迭代的第八或第九代模型。

　　今年十月发布后，我们收到了非常好的国际反响。回过头看，我们每一年在一个模态上都实现了一个新的突破，在技术和模型用量上都做到了全球第一梯队。我们也希望未来每一年都能持续上一个台阶。有一些量化的数据可以介绍：例如生成，我们每天生成接近两百万条。这是什么概念？谷歌的 Veo 在上次财报时发布过数据，其模型每天生成一百多万条。所以至少在上个季度，我们每天生成的量是超过谷歌 Veo 的。

　　另一个视角是，国内大家常用的小红书，日活跃用户超过一亿，它每天的和图像新增投稿量是千万级别。而我们一个平台的生成量已达两百万级别，可见渗透率在快速增长。

　　关于语言模型，我多说两句，这个突破我们也非常开心。在大众用户最熟悉的场景，如海外的 ChatGPT、国内的豆包或 DeepSeek 这类闲聊对话机器人，我们是不做这个产品的。因为这个产品在国内以免费为主，我们作为创业公司，认为这个产品更适合大厂来做。

　　我们的语言模型主攻的是语言市场中商业化收入最大的下游——AI 辅助编程和支持自主决策的智能体。这个下游在两个月前几乎 100% 由美国公司垄断，其中份额最大的是一家叫 Anthropic 的公司。

　　如果大家关注投资，可以它每年的收入和估值增速，它是全球历史上收入增长最快的软件公司之一。它今年一月的年化收入是十亿美金，到十月时已达七十亿美金，十个月翻了七倍。在语言模型市场，目前超过一半的下游是编程相关场景，而该场景又由 Anthropic 垄断。

　　历史上，从来没有一个国产模型或开源模型真正切入 AI 编程场景。大家可能最熟悉的国产语言模型是 DeepSeek，它今年的突破主要是在对话问答场景。而编程这个最能商业化的场景，之前没有国产模型能切入。

　　我们的 M2 模型在十月底发布后，迅速成为全球编程 AI 领域用量最多的国产模型，目前用量份额排到第三名。这不是榜单打榜的分数，而是真实的 token 用量。我们现在是国产模型中用量最大的，基本相当于其他国产模型用量的总和。

　　当然，排在前面的还是两个美国模型。同时，看我们的下游应用，也都是编程软件场景。我们做个小小预告，未来很快也会发布 M2 模型的一个更新版。这是我们在语言模型上最新的突破。

　　模型从去年开始一直非常领先，这里就不多说了，非常直观。和大家分享一个一分钟的短片，它完全是由我们今年六月发布的第二代模型生成的。生成时的提示词都是文字，我们也把提示词列在了底部供参考。

　　这个短片是我们内部两位 AI 艺术家花了一天半时间，通过文生生成两百个六到十二秒的小片段，从中挑选出好的片段拼接而成的作品。像刚才最后两个镜头——马戏团和小丑化为灰尘消失的特效镜头，如果使用上一代计算机

　　接下来是声音模型。刚才我也介绍了一些应用场景，现在听起来已经非常自然。我们的模型是统一的底层模型，无论什么语言、音色或场景，你只需要输入不同的语音提示词，它就可以进行克隆或模仿。

　　类似的，能说话就能唱歌，所以我们的音乐模型可以输入歌词生成完整歌曲。当然，歌词也可以通过我们的语言模型来创作。比如，你想把今天下午在上海中欧商学院的感想变成一首歌，它可以先帮你写成歌词，再生成歌曲。

　　我相信有些人可能注意到了，我们这些推广模型的演示本身，也是由我们的海螺模型生成的。

　　最后，我想再补充两点。我们刚才介绍了一些模型在全球的进展和突破。我们是一家独立的创业公司，每年消耗的资源，主要是训练算力，与美国这个行业最大的公司，如 OpenAI，相差两个数量级；与国内同样在每个模态都有模型的字节相比，我们的资源消耗也小于一个数量级。

　　最近也有很多讨论，为什么感觉模型差距在不断接近，但估值还差两个数量级？我相信大部分人稍加研究，都能得出结论：包括我们在内的国内模型公司，其价值是被严重低估的。最后介绍一下商业化。我们从第一天就是一家全球化运营的公司，每一个产品，包括海螺生成、面向企业和开发者的开放平台、陪伴类产品Talkie/星野，都服务于全球用户。目前，大部分商业化收入也来自全球。

　　这些产品我就不一一展开了，如果大家感兴趣，欢迎到我们的官网体验，每个产品都有独立链接。

　　这里我最推荐的是我们的新产品 Agent，因为我个人是日活用户。我用它做调研、写报告，现在的完成度、思考深度和速度，肯定比一个普通实习生要好很多。这是我们新的智能体产品。

　　未来，我们相信它能成为我们的数字同事。我们内部，HR、财务和商务分析已经非常多使用我们的Agent同事，它能自主规划任务，在虚拟环境中操作电脑，例如帮助 HR 查找简历、跟踪联系等。到明年，甚至可能自主进行面试。

　　最后，再跟大家回顾一下前面的观点：首先，竞争留在牌桌上的玩家确实越来越少；其次，我们越来越看到，真正全模态的价值正被越来越多的人所欣赏。未来一定不是单模态的，一定是语言、、声音越来越融合。

　　我们相信，基于我们的研发效率、研发创新能力和每个模态模型的竞争力，我们可以在全球提供更好的“per dollar intelligence”，即每一块钱能买到的智能水平，真正将大模型从一个服务少数人、价格昂贵的东西，变成能服务普罗大众的产品。这符合我们的愿景——“与所有人共创智能”的行业发展趋势。这些是我今天想跟大家分享的内容，谢谢。