张鹏做的这家公司，身上有一个很明显的标签，就是清华背景。这个标签带来了资源和信任，也带来了一个问题，就是外界总会用学术的标准来要求它，而商业上的成绩同样绕不过去。
在技术路线的选择上，这家公司有一个不太一样的取向。它没有急着把能力包装成好卖的产品，而是先把模型的底层能力做扎实。这个顺序看起来慢，实际上是在赌一个判断，基础能力决定上限。
为什么先做底层而不是先做应用
行业里最容易见效的做法是做应用，找一个具体场景，把现有能力用上去，迅速出成绩。这条路反馈快、成本低，也更容易讲给市场听。先做底层则相反，投入大、周期长，而且中间很难拿出让人信服的东西。
张鹏选择后者的理由，是他认为模型的通用能力会决定一家公司能碰到的天花板。如果底层能力不够，做出来的应用再好也只能停留在浅层，很容易被更强的底层替代掉。这个判断的赌注在于，他相信底层能力最终会赢。
学术背景带来了什么
清华系这个背景，最直接的好处是人。这类团队招人时能吸引到技术能力很强的人，因为做研究的人愿意跟懂研究的人共事。这一点在人才稀缺的大模型行业里，是实实在在的优势。
但同一个背景也有它的代价。研究导向的团队容易对技术本身产生情感认同，倾向于追求技术指标上的领先，而商业需要的是解决具体问题、算清楚投入产出。这两种取向之间的张力，是每个技术型团队都要处理的。
路线选择背后的组织要求
选一条长周期的技术路线，对组织的要求和做应用完全不同。做应用要求快速迭代、不断试错；做底层要求长期投入、保持方向不飘。这两种节奏对团队的心态要求是相反的。
张鹏要面对的难题是，如何让一支研究气质很强的团队既保持技术上的专注，又能接受商业上的现实约束。这不是一次性的问题，而是每天都要面对的平衡。搞定技术只需要聪明，搞定这个需要清醒。
押注的合理性在哪里
任何技术路线的押注，都需要一个合理的逻辑。张鹏的逻辑是，人工智能的价值最终会体现在能力的通用性上，能处理越复杂的任务，价值越大。而通用性的提升，只能靠底层能力的进步。
这个逻辑如果成立，那么先做底层的公司就会在前面吃亏、在后面受益。这是一种典型的长期主义打法，它的风险在于，如果行业最终由应用定义价值，那前期的投入就会变成沉没成本。
时间会给出答案
技术路线的对错，很难在中间阶段判断。因为中间阶段，两条路都能活着，而且做应用的那条往往看起来更风光。真正的分水岭出现在行业洗牌的时候，那时候才知道谁的底子更厚。
张鹏选择的路，意味着他要接受一段相对沉默的时间，在这段时间里，外界的评价不会总是友好的。能否扛过这段时间，考验的不只是技术判断，还有创始人自己的定力。
这条路对行业的价值
即使这家公司最终没有跑出最大的规模，它选择的方向也有价值。一个行业需要有人去啃那些难而慢的部分，否则整个生态都会停留在表层。做底层能力的企业，往往是行业基础设施的建设者。
做基础设施的企业有一个共同特点，它们的价值往往在行业成熟之后才被充分认可。在此之前，它们要承受的是持续的投入和相对平淡的声量。这种状态对团队的稳定性是很大的考验，因为优秀的人总是希望自己的工作被看见。
也正是因为这个原因，愿不愿意做基础设施型的公司，反映的是一家机构对自身定位的判断。做短期产品和做长期基础，需要的组织形态、人才结构、考核方式都完全不同。选了后者，就要接受它带来的一整套代价。
外界怎么衡量他
用学术的标准衡量一家商业公司，总会得出不够好的结论；用商业的标准衡量一支研究型团队，又总会觉得它不够快。张鹏面对的这类评价，是所有技术背景创业者共同的处境。
比较公允的看法是，把这类公司放在技术演进的长周期里评估。看它的能力有没有在持续推进，看它积累的东西是不是别人难以复制的。这些指标短期内不会体现在数字上，但会决定它五年后还在不在场上。
技术路线该怎么选，你觉得先做底层还是先做应用更稳？
热门跟贴