李彥宏極客公園對談 大模型時代真正的價值在于原生應用

李彥宏極客公園對談 大模型時代真正的價值在于原生應用

在極客公園創新大會2024 上李彥宏極客公園對談大模型。再次強調大模型真正的價值在于原生應用?；A模型太多沒有價值，我們要去卷 AI 原生應用，把這個做出來了才有價值。為什么大家不去認真做 AI 原生應用，而去關心大模型進展？這個進展對大多數人來說不是機會。

李彥宏認為，真正的機會在大模型與各行各業的結合，探索有沒有什么基于大模型的全新的超級 APP 的可能性。原生應用會是非常大的機會。在基礎模型之上要有千千萬萬，甚至數以百萬計AI原生應用。

李彥宏表示；特別是一個企業一行業用了大模型之后，能不能對企業的業務關鍵指標產生正向的作用，這個是大模型能做成、做大，非常重要的點。

在對談中李彥宏還認為，大公司代表落后生產力，千萬不要看大公司在干嘛。

對于大模型，有網友認為，基礎模型這個是根基，沒有自己的基礎大模型就不是真正的AI，當然不是所有公司都有能力做這個的。

還有網友認為如果說基礎模型不行，那么即使是卷應用也是沒有出路的，基礎模型一個小進步就可以把應用中的積累全部推翻。

《AI Native，我們需要怎樣的產品和開發者？》這是李彥宏對談的主題，也是李彥宏在極客公園的第六次對話。此前李彥宏與張鵬先后 5 次在極客公園創新大會中暢談技術變革與趨勢一樣。

下面分享一下為李彥宏在極客公園創新大會2024 上與極客公園創始人兼總裁張鵬的對談：

01 卷 AI 原生應用才有價值，大模型進展對多數人不是機會張鵬：如果沒記錯的話，你應該是第六次來到極客公園了。

李彥宏：對，我覺得這個氛圍特別好，特別適合我這種性格的人。

張鵬：我記得每次你來的時候，都會為我們帶來一些「時代怎么向前走」的思考。但今年，我們先從總結開始。很多人都看到今年百度很積極，你也有很多精彩發言。我們都能感覺到你的興奮，但今天我有機會真正問問你，這個興奮的點在哪？

李彥宏：其實人工智能有過好幾波浪潮，有時候一下炒得特別熱，全社會都對這個東西特別感興趣，但仔細想一想，人工智能這個詞被提出來已經有 70 多年了，所以最早那一批對人工智能技術感到興奮的人，現在可能都不在了。在這個過程當中出現過比如說下圍棋、人臉識別等等應用。就是一波又一波的，讓很多人興奮，之后又發現，其實這個東西沒什么用處，或者說其實這個東西門檻不高大家都能做，浪潮就又落回去了。

張鵬：有過一個低谷。

李彥宏：對，經歷過這種好幾次的起起伏伏之后，我覺得很多人其實有點疲憊，而大模型出現之后，之所以我自己很興奮，而且調動了公司幾乎所有的資源在做相關的事情，是因為我覺得這跟過去任何一次 AI 的浪潮都很不一樣。

你知道，當年下圍棋的 Alpha Go 出來，也是全世界都很興奮，即使完全沒有技術背景、完全不懂 AI 的人也非常興奮，但那個時候百度一點都沒有做「用人工智能來下圍棋」這個技術，因為當時我覺得這個東西沒用。你即便是做出了能夠下得過全人類的圍棋冠軍，我覺得價值還是很小的，所以我們沒有去做。

后來，計算機視覺起來了，特別火熱，人臉識別或者說智能巡檢等等，它有一定的作用。

張鵬：而且好像也應該有商業價值了。

李彥宏：也有商業價值，但是它的場景非常分散。做人臉識別就是人臉識別、做機器巡檢就機器巡檢，各種各樣的場景你都要單獨去做一套。一旦場景分散，就意味著很難做出標準化的產品。所以我們今天看到這一類型的計算機視覺方面的 AI，應用場景非常非常廣泛，特別多，甚至已經很普及了，但是沒有做出來特別優秀的大公司或者特別標準化的產品。

大模型的技術浪潮，我覺得不一樣之處就在于它的通用性，我們叫做「智能涌現」，就是沒有教過的它也學會了。有了這個特點之后，當你有一套基礎技術能夠做得非常好、非常領先的時候，它在各種各樣的場景都能夠迅速地做出有價值的應用來，這是我覺得 AI 過去 70 年從來沒有過的事情，所以它是一個完全不一樣的機會。

張鵬：所以你真正的興奮就是在于它的通用性？你突然發現這樣的技術不是 demo，不是在某個點上覺得很炫酷的東西。咱們倆在 3 月份聊的時候，我就感受到了你確實對它的通用性很感興趣。但我看你最近的很多發言，都是跟應用相關，而不是模型，是興奮點遷移了嗎？

李彥宏：也不能說遷移，你可能記得文心一言發布的時候是 3 月份，3 月 16 號，那時我們確實講了基礎大模型到底具備哪一些功能。但是我在那個發布會上就已經在講，未來主要的機會其實是在模型之上的 AI 應用。這個觀點其實到今天一直是沒有變的，只是比那個時候，更強化了這個觀點。因為在這之后，整個今年吧，絕大多數時候全社會的焦點都在大模型本身，都在基礎模型上。

但是，在基礎模型之上，要有千千萬萬甚至數以百萬計的 AI 原生應用，這個大模型的價值才能被體現出來。過去這一年的時間，媒體、社會、公眾，主要的興奮點還在基礎模型上，沒有轉到 AI 的原生應用上，我多多少少有點著急，所以就是最近幾次公開的發言，也包括公司內部的這種講話，都在不停的強調，我們一定要去卷 AI 的原生應用，要把這個東西做出來了，模型才有價值。

而如果我們類比一下，比如說移動互聯網時代，就是 Android、iOS，其實就這么兩個。今天微信、TikTok，它的價值我覺得一點都不比 iOS 或者 Android 低。為什么大家不去認認真真花精力做原生應用，天天關注模型進展。其實大模型進展對于絕大多數人來說都不是機會，只有極少數跟這個技術非常相關技術人員去研究、去跟蹤這些東西，我認為是有價值的。

但是我覺得目前的這種關注點，或者說社會資源的這種分配完全是不成比例的，大量的資源浪費在各種各樣基礎模型的訓練上，甚至是跑分刷榜上，而比較少的資源和精力放在了 AI 原生應用上，這是我多多少少這幾個月有點著急的地方吧。

張鵬：所以其實你覺得「卷」是應該，但是得卷對地方是吧？

李彥宏：對，卷是很正常的，任何新東西和大機會來的時候，大家肯定就是逐步地都能看到，會一擁而上，然后有一個大浪淘沙的過程，這個非常正常。

張鵬：但這里面也存在大家現在很擔心的一個問題，比如說最近我們看到谷歌也是把 Gemini 發出來，據說 OpenAI 的 GPT-4.5 可能也要發，最近也有各種傳言，就像你說的，確實有可能最先進的這樣的基礎模型就那么幾個。

李彥宏：對。

張鵬：從國內的角度去看，我們在過去的一段時間和國外的大模型上的差距，是縮小了還是拉大了？我們怎么該怎么評估大模型的進展？

李彥宏：對，其實這是一個蠻有意思的問題。我覺得應用層面，中美發展方向上也有可能會比較不一樣，美國在企業級軟件領域，市場大，也應該說做得比較先進，中國就是 toC 的這個領域做的會更先進一些。如果我們回到技術差距上，我始終的觀點都是說技術還是要為應用服務的。當你說這個技術好，或者那個技術不好的時候，你到底指的是什么？

今天我們說百度文庫的 PPT 生成能力是全球最好的，它基于的就是文心一言的大模型，所以這個時候你說我們跟世界最領先的水平有多大差距？我覺得沒什么差距。但如果你說是，比如某些個特別企業級的這種應用，那中國這一方面市場太小了，所以我們也沒有專門去為其去做優化，那確實有可能是落后的；或者說各種各樣的小語種，我們現在還沒有精力去做優化，所以也有可能是落后的。

所以我在看模型的技術、水準的時候，更多是在看它的應用，到底在什么地方去比較。簡單地去刷個榜，去跑個分，我覺得其實挺無聊的。訓練一個大模型你得投多少資源，都是一萬張 GPU 的卡，要訓練很長時間。訓練完之后，去跑分，刷榜，即便拿了第一名，但是并不創造商業價值。

張鵬：可能有利于融資，也是一種方式。

李彥宏：融資也是間接的，投資者愿意給你錢，是認為你最終能夠靠這些東西掙到錢。

所以我覺得模型技術的先進性，更多的要靠這個模型在什么應用場景下用來干什么，把這個東西想清楚了之后，才能夠去評判模型的好壞。所以有時候我會說，模型好壞的評估是一個做模型的公司的核心競爭力，你知道什么叫好、什么叫不好，才能做出好的模型，如果你都不知道，要靠第三方去給你做評價、去給你打一個分，這事八成是不靠譜，因為你自己都不知道你在干什么。

張鵬：所以從你的視角去看，模型要以目標為導向的。

李彥宏：對，或者說以應用為導向的。

張鵬：最近大家有一個說法，大模型本身就是在技術上大力出奇跡。好像大模型創新也是要靠大力出奇跡，有足夠的資源、錢和決心就能成功。你怎么看這種看法？

李彥宏：我覺得大力出奇跡這個說法，更多是指大模型從 0 到 1 的探索過程，OpenAI 在別人不知道這條路能夠走通的情況下，用了足夠多的算力，做足夠多的數據訓練，最后跑出來這條路。大家說他們其實也沒有發明新的算法，用的就是 Transformer，最后做出來非常好的效果，是因為他用了足夠多的卡。我看到美國學術界也有人調侃，全美國所有的大學的卡加起來，訓不出一個 GPT-3.5。確實，這里面動用的算力非常非常大。

但是我覺得再往后走，這個游戲不會是這個玩法，不會是大力出奇跡，而更多地走向它的反面。這個和所有商業競爭規律都是一樣的，誰的效率高，誰勝出。你可以融資，我也可以融資，最后我用 10 塊錢做出來 100 分的效果，你用 10 塊錢做出來 120 分的效果，久而久之你就贏了?；蛘哒f為了做出 100 分的效果，我用 100 塊錢，你用 80 塊錢，你就贏了。到最后，體現在應用上的價值就是價格。

現在媒體和公眾都在關注訓練，訓練完了之后，你要應用。應用是推理，你的推理成本是不是在同樣效果之下比別人更低，或者同樣成本之下，你的效果是不是比別人更好？這是將來競爭的主線。

這也是為什么百度在這方面有比較好的積累。我們在芯片層、框架層、模型層、應用層，過去這么多年都有布局，所以我們可以做端到端的優化。剛才講了生成 PPT 這個例子，當它有了需求之后，我向下傳遞，文心大模型必須要為它做優化，優化的時候說，這個調用次數太大了，成本很高，我們算力做不起。

往下走，你的「飛槳框架」，要完全為文心大模型的需求去進行優化。再往下走，就是芯片怎么去適配飛槳的框架，文心的大模型，一層一層端到端優化下來。最后我們從 3 月份發布的時候到現在，基本上把推理的成本降到了原來的 1%。你原來調用只敢調用一萬次，你現在敢一天調用 100 萬次，這是完全不一樣的感覺。這方面是未來競爭的主線。

張鵬：所以不能只是大家就是拼資源拼決心，還是要有招數有方法，最關鍵的是有價值的循環，它畢竟不是一個科研項目。

李彥宏：對！你真的要為這個社會創造價值才行，這個確實不是你去發幾篇論文，或者跑個測評就能夠可以的。

02 大公司代表落后生產力，千萬不要看大公司在干嘛張鵬：在你看來，中國依托大模型的新一代 AI 產業發展，有哪幾個核心問題？如果我們列三個最值得關注的核心問題，你會列哪三個？

李彥宏：不能說三個，最關鍵，甚至是唯一的問題，還是應用。

大模型是一個基礎，上面如果有了有價值的應用，這個產業就算跑通了，就能越做越大。你想問的可能是，怎樣才能發展出好的應用。這里的因素我覺得有幾方面。

一方面是國家的產業政策。因為中國比較領先的產業，很多時候都是國家在產業政策上有先見之明。比如太陽能光伏，動力電池，一直到現在的新能源車。大模型這塊也是，國家如果能夠出臺相關的產業政策，鼓勵基于大模型的 AI 原生應用開發，我覺得這就會是很重要的成功因素。

第二，我覺得是現在的輿論環境。我剛才講了，媒體現在主要關注的是基礎大模型。這個東西真的不重要，重要的是我們現有的企業，它原來不管是做什么的，用了大模型之后，能不能對它的業務關鍵指標產生正向的作用。這塊大家的關注度比較低，我覺得這個關注度如果能提上來的話，也是大模型做成、做大，非常重要的點。這個東西說起來容易，但做起來很難。大公司反應都是很慢的，甚至我有時候講，大公司代表落后生產力，你千萬不要看大公司在做什么。

張鵬：百度算不算大公司？

李彥宏：百度算大公司。所以我天天在內部講，要去掉肌肉記憶，不能按照慣例去做，一定要改，一定要擁抱新的時代。就是大家過去很習慣了，所以我逼著所有的業務都去重構、重做，過去不管怎么做的，扔掉，重新來。

內部我可以強力要求，外部就不能這樣了，所以跟外部溝通的時候，總感覺大公司是慢半拍的，我看到相對中型一些的企業，尤其本身就有科技基因的企業，在擁抱大模型，在利用大模型來開發已有應用的時候，表現出來的成熟度很好，非常令人欽佩。所以我說，第二個問題是現有企業、現有業務怎么能夠更好地利用模型。

第三個是所謂的 Super App，超級應用什么時候出來，在哪個領域能出來，這更多需要創業公司、VC 去嘗試，往這方面多努力，多做各種各樣的嘗試。

張鵬：要解決這些關鍵問題，不能只靠做大模型的公司。還是需要更多人參與。

李彥宏：沒錯。

張鵬：國內大模型創業已經是「百模大戰」，你怎么看這一點，有什么預測嗎？

李彥宏：我覺得已經不重要了，即使現在靠大模型融了資的企業，我看它們也越來越多地在講要開發應用。我認為這就是逐步走上了比較健康的軌道。不管它是自己的模型，還是用別人的模型，最終它的價值都要通過應用體現出來。

如果它自己能找到一個超級應用，那很好。如果找不到，它能賦能別人，基于它的模型去開發成功的原生應用，我覺得也很好。我確實覺得，好幾百個基礎模型，這是對社會資源巨大的浪費，更多的資源應該放在各行各業的應用上，尤其是在我們算力還受限制的情況下。這就要寄希望于全社會對于這個事情的認知，能夠有一個比較大的變化。

03 搜索本身也在進化，有機會變成全新的產品張鵬：正好說到大公司也有大公司的難，百度畢竟是幾萬人的公司。你怎么把你對 AI 的興奮和有效認知傳遞到組織之中？如果只有 CEO 一個人很興奮，整個公司被拖著跑應該也挺痛苦的。

李彥宏：這個確實需要付出很多努力、一遍一遍地講。公司每個季度會有中層干部以上的總監會，今年基本上都是講這個主題；季度也有和員工線上的直播，也會把類似的理念推向更多的人；包括外部的講話內部的人也很關注。

我們會根據實際的業務開「思研會」，大家討論這個技術和我的業務有什么關系、過去有哪些肌肉記憶需要破除、破除之后會是什么樣的……我雖然不能參加每一場「思研會」，但是我會看很多他們留下來的總結。

我也從中學到很多東西，自己的認知也在不斷迭代。這個迭代的過程實際上也是很讓人興奮的，你總覺得自己在學新東西，總覺得你又懂了一些過去沒有想到、或者過去不是這樣想的事情。雖然我們有幾萬員工，但是大家在這方面還是有共性的。當你覺得你不斷在學新東西，當你覺得你不斷看到新的可能性的時候，大家這個勁兒就上來了。

所以一遍一遍地布道也好、討論也好，包括指令性的要求，對大家重構每一個產品、重做每一個業務，確實起到了作用。

張鵬：你剛剛一直在說重構，我想起聽過的一個百度內部傳聞——最早的時候大家跟你說百度的業務都要接入大模型，被你批判了。你不斷地說不是「接入」，是「重構、重做」。為什么那么在意這個詞？

李彥宏：其實是和你的肌肉記憶較勁。因為接入是最簡單的，如果一個業務說要擁抱大模型，只是在主頁上放一個文心一言的接口，就認為完事了。這種是最不需要動腦筋的，但是這種恰恰是價值最低的。

這個業務到底跟大模型有什么關系？大模型能幫助你的 DAU 有多少增長？你的留存率有多少增長？用戶時長有多少增長？收入有多少增長？利潤有多么增長？這些才是業務關鍵的核心指標。

如果文心一言不能讓你的業務關鍵指標產生有效變化，那你就沒有真正地擁抱大模型。但是要想這些關鍵指標產生變化，其實不容易，不是靠慣性和肌肉記憶就能做出來。百度內部幾乎每個產品都在試。

經常會出現這樣的情況：我們認為文心一言已經很領先，一試發現用過之后關鍵指標反而變差了。這就需要看我們哪沒用對，或者這個模型現在還有哪里不足。

這個是非常好的，當業務部門知道我的業務需要這個功能，但這個模型還不具備相應能力時，他就需要和文心一言的團隊提需求，這是我們基礎模型迭代的過程，所以這樣才能形成良性循環。

我們不靠大模型跑分。做業務的人真正要關心的是業務核心指標，他提出來的需求導致文心大模型按照真正符合市場需求的方向去演進迭代。

張鵬：我們都很關心大模型會給搜索帶來什么樣的改變，畢竟搜索是百度非常重要核心的業務。而我們天天在問大模型，某種程度上是替代搜索的方式。

搜索未來會因為大模型要改變嗎？還是它只是技術 demo，搜索會有它的延展方向？或者這個東西會替代搜索？

李彥宏：大模型和搜索的關系非常近，我們有點近水樓臺先得月。文心大模型 1.0 版本是 2019 年發布的，2020 年發布 2.0，2021 年發 3.0，到今年 10 月份的時候變成 4.0 版本。

整個過程走下來，認知確實在不斷迭代，各種各樣的功能逐步都上去，所以慢慢會看到在搜索上的結合會越來越明顯。

我現在把搜索的功能分成三部分。第一部分是「極致滿足」，第二部分是「推薦激發」，第三部分是「多輪交互」。這三部分和大模型的能力都有結合的地方。

首先是極致滿足。過去搜索是你問一個問題，它給你 10 個鏈接，你一個一個點開去看。但是以后對于你的問題，如果它有唯一答案的，我就可以直接給你生成唯一答案，這是典型的生成式人工智能要做的事情。

第二是推薦激發。當你問完一個問題，在我們已經能夠用一個生成答案滿足你需求的情況下，我們也要用這個大模型的能力，猜測你可能對什么樣的內容感興趣，然后給你推薦相應的內容。

也有一類型用戶的需求不是具有唯一正確答案的，這種情況我們叫多輪交互。就是通過多輪的對話來澄清用戶真實的需求是什么，再給他最終的答案。這個東西都是傳統搜索引擎完全沒有做過的事情，如果能夠做成，搜索就真正變成了全新的產品。

某種意義上講，國外的一些大模型，包括 ChatGPT，他們也有向搜索引擎靠近的意思，也想掙這份錢。未來最后變成什么樣，哪個路線會勝出，確實有不確定的地方。這個也是這個行業有意思的地方，你會覺得有太多的可能性，有太多的事兒你可以做，做得好就能夠有非常好的回報，這是很令人興奮的。

04 用生成式 AI 改造現有業務，可以創造更大價值張鵬：現在還不能下一個結論，未來像文心一言這樣的大模型，會成為一個 Super App？

李彥宏：現在沒有這樣的結論。甚至，大模型最大的價值創造到底是全新的 Super App，還是對現有應用的改造，現在我覺得也沒有定論。不僅在搜索領域，在很多領域都是這樣。

今天看 Microsoft 365 Copilot 一年營收 50 億美元，比 OpenAI 全年的收入都大很多倍。僅就對現有產品的改造而言，就已經創造出來這么多新的價值。大家還是要多看大模型和自己現有業務的結合?？赡芤婚_始工程師會告訴你效果不好，這個東西對我們沒價值。其實不是的，你要仔細去看、給模型提要求，最終經過幾輪迭代之后效果就出來了。

張鵬：如果天天琢磨什么是 AI-Native 的應用，可能會忘了有些公司有機會找到 Native 的 AI、更符合用戶需要的 AI。這也是原有的力量可以參與到大模型推動時代變化的一種方式。

李彥宏：這個東西甚至有一點反共識，因為無論 PC 互聯網時代，還是移動互聯網時代，大家看到最大的價值創造都來自于創業公司。新公司出來，最后拿了極大的市場份額，甚至創造出來過去沒有的需求。

但是這一波生成式人工智能，我們看到更多是對現有業務的改造，創造出了大的價值。Microsoft 是一個例子。Adobe 也是一個很明顯的例子，它對大模型的擁抱就導致它現有的幾個產品的收入、利潤有了明顯增加。

張鵬：百度也有足夠的資金、技術力量，又有先發優勢。如果 AI 未來的作用越來越大，越來越通用，其它玩家肯定也會擔心——我做的這個事是不是百度未來也能做？你們需要定自己的戰略和邊界嗎？在今天有這個戰略和邊界嗎？

李彥宏：你剛剛講的擔心邏輯上不成立。生成式 AI 是如此大的機會，對整個社會可能都會產生重構，所以沒有一家公司能夠把所有機會全占住。百度不能，即使比百度規模大很多倍的公司也沒有這個能力。無論是創業者、客戶、合作伙伴，完全沒有必要擔心這件事情。

你問題的后半部分，百度有沒有戰略上的劃定邊界或者取舍？那當然是有的。最近這一兩個月，我們每年的戰略規劃和討論就在發生。

我始終都在講的一句話是：什么叫戰略？戰略就是取舍，就是決定做什么，不做什么。決定做什么相對容易一點，決定不做什么難一點，尤其是過去已經在做的事。你決定說其實我的資源不應該再往這方面放，這個有點割肉，大家也會疼，也會有感情的問題。

但是作為一個 CEO，你就是要做這些決策。一定要有所為，有所不為，一定要把不該做的東西去砍掉。

對于外界的創業者、合作伙伴，其實你是在跟全部的市場競爭。如果你是在市場當中做得最好的，那你就有生存的理由。如果你被市場當中任何一個玩家所打敗，那你就生存不下去。其實這件事情和百度的關系真的不大，沒有必要擔心這方面的事情。

張鵬：百度想做也做不了那么多。

李彥宏：真的做不了。

05 創業公司能做出三五個Super App、幾千個垂類應用張鵬：現在確實感覺技術還在持續的漲潮期，這可能也是很多人現在擔心的一點。比如今天你號召大家應該卷應用，于是一些真實的開發者們投入了一個月；明天你們又發了新版本，好像把創業者的能力覆蓋了。這有點像人們認真打了一個游戲，最后官方說內測刪檔了。這個情況你怎么看？

李彥宏：那就是方向走錯了，這對于一個創業者來說是不得不付的代價。如果人家出一個新的東西就把你做的事兒替代了，那就說明你做的事情沒什么價值，至少沒有獨特價值。那就要改方向，要想別的辦法做真正別人無法替代的事情。

張鵬：大廠會拿走所有的紅利嗎？今天看來，這種創新的壓力好像都在新生代企業這一側，大廠好歹還有比較確定的歷史資產，還可以應用 AI 創造更高的效率。這個機會未來是平均分配，還是分布不均的？

李彥宏：大廠會拿走大多數的紅利，我說的大廠不單指互聯網大廠。我覺得現有幾乎所有行業成型的、剛剛講的所謂代表落后生產力的公司，一旦它轉過彎來能夠很好地利用大模型的能力，它獲得的收益、價值增益加起來一定是最大的。

當然，這并不表明創業公司沒有機會，創業公司可能能夠做出 3 個、5 個 Super App，或者做出幾百個幾千個非常有價值的垂類應用，可能性也非常大。

但是這些價值創造跟我們對于現有世界的改造相比，我認為還是一個小頭。

張鵬：我們多問點開發者感興趣的話題。AI-Native（AI 原生）這個詞今年很流行，能不能定義一下什么叫 AI-Native？

李彥宏：其實我們的認知也在不斷迭代。過去講基于大模型開發出來的應用，就是 AI 的原生應用，但是這樣的應用具有什么特點呢？我們也在考慮。比如說它的用戶交互是不是純自然語言的，這跟我們過去的圖形用戶界面是不太一樣的。

但是我們也發現，純自然語言的交互界面門檻是不低的。過去大家習慣了上滑一下看一個新內容，今天你讓它輸入一段話才看到內容，這個對于很多用戶來說，門檻很高。

一方面我們要解決的用戶需求是更復雜的需求。它不僅需要你輸入一段話，甚至需要多輪交互才能被搞清楚。但是我們也可以通過自然語言界面和圖形用戶界面結合的方式降低用戶門檻。

再有，還是要做過去的技術做不到的事情。過去所謂是辨別類的需求，比如人臉識別。其實生成類的需求大多數都是過去的技術做不到的，還是要看在哪能夠創造比較大的價值，那它產生出來的應用很可能就是 AI 原生應用。

我們也在摸索的過程當中，不斷在總結、在歸納、在提煉。如果有什么心得的話，我也很愿意跟大家做分享，包括我們踩過的坑，我們哪些路走錯了，我都很愿意有機會跟大家進一步的分享。

張鵬：所以把 AI-Native 特簡單地定義為 1、2、3，大概率反而是錯的。

李彥宏：我覺得我能夠定義的就是自然語言的交互，2、3 我都說不出來。

張鵬：反而它可能是開放性的，要長期去探索的。

李彥宏：沒錯。

張鵬：這個也引發一個話題，你看過去移動互聯網的時候，我們要做一個開發，大概知道是個什么流程——要有產品經理畫出原型，前端、后端實現。在 AI 時代，基于大模型做 AI-Native 的開發，我們到底開發的是什么？

李彥宏：我覺得從應用的角度來講，倒沒有什么特別的，就是你要解決什么問題、給別人帶來什么樣的價值，這個跟過去時代的開發相比是一樣的。

但是使用的方法確實不一樣，對產品經理的要求，對于研發人員的要求，對于一個公司的組織能力，可能都是跟以前不太一樣的。今天在百度的話，PM（產品經理）和 R&D（研究與開發）的比例是發生變化的。過去我們一個 PM 要對很多 R&D，今天可能是 1：1 了?；蛘哒f很多做法在前期進行測試的時候不太需要 R&D 介入，PM 自己攢一個東西就可以做到，這是跟以前比較不一樣的地方。

06 AI 時代成功的產品經理學習能力最重要

張鵬：之前有一段時間，PM 感覺已經沒有太多的發揮空間，看起來 PM 今天又重要起來了。我覺得引出一個特別有意思的話題，在今天什么樣的產品經理，是適合 AGI（通用人工智能）時代的？

李彥宏：我認為將來真正的成功的 AI-Native 產品經理，很可能不是某一類人，而是各類人的綜合。比如說今天我們見到的一些比較優秀的管培生，你看他學習的專業，有可能不是計算機科學，但他基礎的素質、學習能力很強的。他有產品的感覺，有市場的感覺，同時又不怵技術。即使沒學習過，新的論文發表了，他讀完論文，也能明白這個論文講了什么，大概用了什么方法，這種類型的人是最有可能成為成功的產品經理的。

你說他是超級用戶吧？他過去沒有那么多 Super App，成不了超級用戶；大廠高 P 吧，才畢業一兩年時間，到不了高 P；成熟產品經理吧，也到不了。

學習能力才是最重要的。他不害怕這些技術，他會學，而且不滿足對于現有技術的利用，而且要求技術——雖然你這個技術現在沒有做到這一點，但我要求你給我做到這樣，我才能夠把我的產品做出來。這樣的人我覺得會是成功的 PM。

我覺得我們的 PM 絕大多數其實也不符合這個標準。我有時候會聽到百度的 PM 說，我們現在技術很厲害，我們的技術發展也很快，我一定要把百度最優秀的技術及時地用到我的產品當中去。

我說不行??！我們最優秀的技術也是很不成熟的技術，你一個月之后它就已經落后了。你一定要講，我的業務需求是什么，我就逼著這些工程師，一定要把我這個需求給我滿足了。你現在沒做出來，OK，但是你要多長時間之內把它做出來？能提這樣要求的 PM 才是合格的 PM。

張鵬：首先不怵技術，但是他自己又不做技術，反而更專注在需求上。很重要的一點是，拉著技術跟他的目標一起漲。這是很大的變化，模型本身也要跟著他的需求漲。

李彥宏：沒錯，因為這個技術確實迭代太快了。

張鵬：看起來新一代開發者又有很多的機會。如果大廠高 P 的話恐怕挺難的，肌肉就成了慣性。

李彥宏：是。

張鵬：我們今天在場里有很多創新者，你給大家什么樣的建議？包括百度可以幫到大家什么？

李彥宏：最重要的還是要去試。今天大模型有這么多可選的，而且能力在迅速提升，基于新的技術能力，能夠長出什么樣的應用來？我們今天的認知，跟我們一個月或者半年、一年之后的認知是非常不一樣的。

這個認知怎么迭代出來的呢？不是你坐在屋子里憑空想象出來的，也不是我讀了哪篇論文明白過來的。確實是無數的開發者他們在試的過程當中，知道這條路通，這條路不通。今天絕大多數的 Possibility（可能性）還沒有被嘗試過，創業者開發者都要嘗試，不管這條路走通、沒走通都是寶貴的經驗和教訓。即使沒走通也知道沒走通，如果走通就是一個大機會。

張鵬：創業對時間尺度把握非常重要的。在你內心里，這是一個多長周期可以實現價值的事情？是未來一年、兩年、三年，還是 5-10 年？

李彥宏：我覺得它是長期的機會，只是這個機會如果不去早抓的話，很可能在競爭當中落后。今年有今年的機會，明年有明年的機會。五年之后還有沒有機會？我覺得也有機會。

但是為什么不早一點呢？為什么不比你的同行，比你的競爭對手更早把技術的價值、把技術的潛力去發揮出來呢？尤其關鍵的是，你得想清楚你的的衡量指標，就是這對我的核心業務的關鍵指標有沒有產生正向的作用。當你把這個東西想清楚之后，我覺得其他都迎刃而解了。

張鵬：最重要的今天就是下場開始 play，哪怕一個游戲的心態玩一玩，也是能夠入場的。

李彥宏：也是有價值的，learn something（學到東西）。

張鵬：今天跟李彥宏聊的很重要的收獲，就是我們不要那么把「我們的技術一定要用所謂最好的技術」掛在嘴邊。適合自己的、跟自己的場景匹配就是最好的技術。哪怕是沒有做 AI 的人，可能反而有更大的機會。

李彥宏：其實進入的門檻、開發的門檻并不高。

張鵬：感謝李彥宏的分享，期待百度繼續在國內一起推動 AGI 時代的到來，讓更多的開發者能夠創造更大的價值。李彥宏再來做個總結，給大家囑咐一句。

李彥宏：我說的夠多了，沒有什么好總結的。我只是講，大模型時代的來臨，真正的價值在于原生應用，而原生應用無論對于大廠，還是中小企業，還是對于創業者來說，都是很大的機會。希望大家及早的去把握，盡量多的去嘗試，我認為一定能夠找到一條符合自己發展的道路。