这两天, 《AI未来已来:CEO、组织、个人的时代红利》作者、 创新工场董事长、 零一万物创始人兼CEO李开复在硅谷接受了多个访谈。
今天下午,财富杂志首先发布了一段剪辑后的小视频,三个多小时后,彭博也播出了今天李开复在彭博社节目的采访内容,非常精彩。
最近零一万物情况转好,是李开复频繁接受财经媒体采访的原因之一。一方面是零一万物正在谋求去香港IPO;另一方面,零一万物拿到了杭州的资金。
11月3日,零一万物宣布,与杭州市、临平区达成合作,由市区两级国资联动投资,合计向零一万物投资数亿元。
同时,零一万物总部将落地杭州临平区,并以此为依托,打造产业AI转型基地。
据此前媒体报道,零一万物曾将2027年IPO列为发展目标,并提出2026年订单额达到15亿元的目标。
李开复直言:“杭州已经诞生了一批世界级的AI创新企业,这是非常了不起的成绩。但我认为,杭州AI更大的机会还在后面。这里有活跃的民营经济,完全有条件成为产业AI转型的主战场。我希望未来大家提到杭州AI,不仅想到这里诞生了哪些AI公司,更能想到有多少企业因为AI 转型升级储备了引领未来的竞争力。这将成为杭州的下一张AI名片。”
此次,李开复在彭博和财富杂志对话中回答了关于黄仁勋和英伟达、AI组织变化、Anthropic IPO上市等诸多热点话题。
其中,李开复核心包含四个关键性观点:
1、谈黄仁勋和英伟达。
黄仁勋是一位了不起的全球CEO,他尊重中国。同时,对于AI行业来说, 始于一种信念:谁拥有更多 GPU、能用更多数据训练,谁就有可能创造出通用AI,碾压任何国家的任何其他公司,抱着这种信念,向美国公司提供最先进、数量最多的芯片似乎是个稳妥的战略。但结果证明它完全无效,这种限制,导致中国AI人才 不得不另找出路,进行极致的效率提升,人们把工程才智集中在优化AI算力,让模型运行速度比美国模型快十倍,并促使中国诞生了一批开源模型,它们也许比美国模型落后6到12个月,但造价低廉,如今全世界都可以免费使用。
2、谈AI组织。大多数 CEO 只是在粘,这里搞个智能体,那里做个客服,这些都是表面装饰。 首席AI官和公司CEO们依然需要智能化转型,而 真正懂AI组织的是AI公司本身。
3、谈Anthropic IPO。李开复看空Anthropic,只领先开源模型6到12个月,增长难持续,未来3-5年无法像之前一样高速增长。大家都知道Anthropic的模型,比最好的中国模型更强。但最好的中国模型,如果你愿意在线上用,便宜得难以想象,成本大概是顶级Anthropic模型的5%,剩下95%成本可以换到更多方向上。
4、谈DeepSeek。
李开复把 DeepSeek 看作一个转折点。发布之前,外界普遍认为中国落后美国两年到两年半,更早的时候差距还要大,但DeepSeek 一出,直接成为全球前三四名的模型,他自己用起来觉得顺手,中文表现也好。
他认为,发布时点选得巧妙,赶在春节前,过年大家回家,孩子讲给祖父母听,消息像野火一样蔓延,所以它承载的不只是技术意义,还有一种民族自豪感,人们原本以为永远追不上了,突然发现有机会。
更关键的是它对同行形成的挤压。中国最好的模型被公开之后,其他公司只剩两条路,要么做到 DeepSeek 的水平然后开源,要么出局,因为一个不达标的闭源模型在市场上永远没有机会。于是大家跟进破解,多数公司至今仍在这条赛道上竞逐最好的开源模型。
实际上,美国想用芯片把中国 AI 按住,结果却逼出了另一条路。李开复说得很直白:整场大模型竞赛的起点,是大家都相信谁 GPU 多、谁数据多,谁就能做出碾压所有人的通用AI。按这个逻辑,把最先进的芯片攥在自己手里,是最稳的打法,可封锁真正起到的效果,只是让中国拿不到最好的芯片,拿不到,那就只能自己想办法优化。工程师把力气全花在优化上,同样的事跑得比美国模型快十倍。
说白了,美国人想拖慢对手,结果是替对手把成本打了下来。
聊到 Anthropic 值不值一万亿美元,李开复夸得很实:增长机器、产品好、有人愿意付天价。然后补一句,我不是股票分析师,我既没有非买不可的理由,也没有非卖的理由。
这话听着像两头滑,其实是他的分寸:账可以算,结论他不替市场下。
以下是Fortune Daily《财富每日播报》(Fortune)专访的预览版核心内容:
主持人:李开复博士,非常感谢你来到现场。
李开复:谢谢。
主持人:这是一条重磅新闻,一个全球性事件。我们想问你关于英伟达调查自家 CEO 黄仁勋的事,涉及他本人承认的一段婚外情,对方是亚洲一家数据中心的负责人,两人发生了婚外情。
我想知道,你能否谈一谈中美之间围绕芯片的紧张关系的大背景,芯片正是这一切的核心。众所周知,美国已经限制英伟达最先进的芯片出口到中国。为什么会这样?在中国引起了怎样的反响?为什么这个问题争议这么大?
李开复:我认为,整个大语言模型革命始于这样一种信念:谁拥有更多 GPU、能用更多数据训练,谁就有可能创造出通用人工智能,碾压任何国家的任何其他公司。抱着这种信念,向美国公司提供最先进、数量最多的芯片似乎是个稳妥的战略。但结果证明它完全无效,因为它实际上只是限制了中国获取最好的芯片。
中国不得不从中挣脱出来。中国企业,我必须说,不得不另找出路。但在这种忙乱与突围中,人们把工程才智集中在优化一切上,让模型运行速度比美国模型快十倍。我认为,这促使中国诞生了一批开源模型,它们也许比美国模型落后六到十二个月,但造价低廉,如今全世界都可以免费使用。
所以现在的局面就像 iPhone 和安卓:美国公司拥有像 iPhone 一样的闭源模型,并从中赚了很多钱。中国公司赚得没那么多,但会赢得覆盖面和市场份额。
主持人:如果你看看 OpenRouter 这类网站,上面有最常用模型的排行,中国开源模型始终名列前茅。那么,为什么全世界的人如此大量地使用开源模型?他们在什么情况下会选择开源模型而非闭源模型?
李开复:首先,我认为美国头部公司为 token 设定了极高的价格,利润率非常高。这在一定程度上可以理解,因为他们在训练上投入了巨额资金,必须收回成本。但当中国公司弄清楚如何用十分之一甚至更低的价格,做出质量几乎相同的模型,训练和推理都是如此,这就提供了一个天然的替代选择。所以喜欢开源模型的人,是那些付不起或不愿支付高昂价格的人。
其次,他们的任务要求可能没那么高,对这类任务来说,开源和闭源模型效果相当。第三,一个真正巨大的优势是,开放权重的模型可以复制到你自己的服务器上本地运行,不会把数据泄露给大语言模型开发公司。
在大语言模型短暂的历史中,我们看到垂直应用公司推出过非常酷的产品,但它们建立在调用闭源模型、发送大量 token 的基础上。随后闭源模型拿到所有数据,用这些数据训练,最终摧毁这家创业公司的商业前景。正因如此,企业很清楚这个局面,把自己的公司数据视为机密和竞争优势。所以他们根本不想把数据发送给一家开发大语言模型的公司。
他们也许同意把数据交给超大规模云服务商。有人愿意与提供闭源模型的公司合作,有人只愿意与超大规模云服务商合作,还有人希望数据只存在自己的服务器上。第三类群体就会转向开源模型。
主持人:在我看来,围绕中美 AI 竞赛有很多噪音和头条新闻,但背景信息却不够。哪些是事实?哪些是虚构?你认为误解产生在哪里,在美国还是在中国?
李开复:我认为存在很多误解。
首先,有一种看法认为中国公司不懂得怎么赚钱。但如果你回顾移动互联网的历史,正如我在《AI·未来》(AI Superpowers)一书中所描述的,中国公司天生就是为了赚钱。这是它们的主要目标,与其说是为了实现通用人工智能或赢得一场竞赛,不如说就是为了盈利。以拼多多、美团、字节跳动为例,这些公司都曾让人怀疑其盈利能力,但它们都找到了办法。
人们有理由怀疑中国产出突破性技术的能力,这很公平,美国在这方面遥遥领先。但永远不要怀疑中国人找到赚钱办法的能力。这是第一个误解。
第二个误解,是认为中国是那种由政府告诉企业该做什么的体制,比如要求开源代码,说这是落实国家战略的一种方式。这完全是无稽之谈,毫无根据。
中国公司和美国公司一样由风险投资资助,它们的投资人既有中国的也有美国的,它们只是想为投资人创造价值。
中国开源现象的发生,既不是企业有意为之,也不是政府安排的。当 DeepSeek 出现时,中国最好的模型被公开了,这给其他公司提出了一个问题:你能做到像 DeepSeek 那样吗?如果做不到,就出局。如果做得到,你就应该开源,因为一个不达标的闭源模型在市场上永远没有机会。于是大家纷纷跟进,破解了这道题,故事就此展开,其余公司也跟着上场。大多数公司仍在竞逐打造最好的开源模型。我认为这是第二个被误解的地方。
第三个误解,是认为出口管制限制了中国在 GPU 上的支出。事实并非如此。中国公司天生节俭,这不只是创业公司的事,这是一种文化。它也关乎审慎和生存本能,这些比通用人工智能的梦想更被看重。所以创业公司会非常仔细地计算预算,有机会就融资,并明智地使用资金。现在它们有了够花三四年的钱,之后再看。而像阿里巴巴、腾讯这样的大公司,在训练模型上花了很多钱,但花法完全不像美国公司。
主持人:那么你觉得,美国公司是不是花得太多了?
李开复:在这个语境下,「太多」是什么意思?这就是美国的价值主张,OpenAI 和 Anthropic。对它们来说,最有价值的资产是人才以及人才的集中度,非常明确。要吸引超级聪明的博士,你就得给他们 GPU。你不想让他们去折腾基础设施或固件,那不是他们想做的事。
所以,为了让这些才华横溢的研究人员开心,训练成本就不只是训练本身的成本,而是让成千上万人做上百万次实验的成本,这也许要贵上五倍。但这就是美国方式,它的梦想是:这群天才将创造出通用人工智能,打造全球最赚钱、最有价值、最知名的公司。这就是 OpenAI 和 Anthropic 的硅谷模式,我尊重这一点,也认为它合乎逻辑。
中国模式更像一个学习小组。没有一家公司拥有像 Anthropic 和 OpenAI 那样的人才集中度,但它们都有相当不错的人才。既然单打独斗无法竞争,它们就彼此竞争,但同时开源,或者至少公开模型权重,让别人可以研究。它们确实会发表科学论文,而美国公司发表的频率要低得多。所以这些论文、人才在公司之间的流动,以及开放、可供学习的模型,正在抬高所有市场参与者的水平线。所以实际上有相当多,我会说有四五个相当不错的中国开放权重模型,事情就是这样发生的。
主持人:DeepSeek 眼看要成功,让每家公司都别无选择:要么开放权重,要么出局。我们回到前面,这里有好几个点。首先,DeepSeek 时刻在中国,似乎跟在美国一样重要,甚至在中国更重要。对很多人来说,那是一种自豪,一种民族自豪感。当时电视上到处都在报道吗?那是什么景象?铺天盖地吗?
李开复:这件事巧妙地选在中国春节前发布。
然后过年大家都回家,孩子们讲给祖父母听,消息就像野火一样蔓延开来。
而在 DeepSeek 之前,人们认为中国远远落后,也许落后美国两年、两年半,更早的时候差距还要大。但 DeepSeek 发布时,它一举成为全球前三四名的模型之一。我觉得它用起来很顺手,中文表现很好。
这关乎民族自豪感。
所以人们说,我们本以为永远追不上了,现在有机会了。那真是一个相当特别的时刻。
主持人:我相信,许多报道 DeepSeek 时刻的风险投资人,都对它低廉的训练成本印象深刻。说到新闻,几周前 Anthropic 的 S-1 招股文件公布了,这家公司正准备上市。Anthropic 在很多意义上都是一个关于烧钱的故事。当你看这些财务报表,不只是收入,还有巨额净亏损、巨额算力成本,你看到了什么?
李开复:我听达里奥(Dario)说过,如果剔除最新模型的训练成本,账面其实相当健康。
主持人:这也是一种合理的看法,因为训练最新模型就是一代接一代,它们似乎在自我更替。所以很多人都在讨论这能不能持续。
李开复:他的解释是,训练最新模型会在未来两年产生收入,然后再花更多钱训练下一代模型,又会在之后的两年带来利润。
主持人:所以他们看的是两年的周期,毕竟模型每隔几个月就出一代。
李开复:这也是 Anthropic 完全有理由自豪的另一件事:他们发明了一种叫 RSI 的东西,也就是递归自我改进。说白了,就是 AI 改进 AI。
我引用那次采访的时候,大概是一年半到两年前,至少一年半以前。现在这个过程更快了,而且他们的 RSI 比许多其他公司都更好。
主持人:那么,他们已经有 RSI 了吗?RSI 已经到来了吗?
李开复:他们在某种程度上仍然有人类参与。但当模型 80% 由 AI 训练、20% 由人类训练时,它的学习速度会快三到四倍,所以改进实际上会加速。
这些都是评估 Anthropic 的有力论据。另一个论据是,许多美国公司愿意付天价,带来了惊人的收入增长。如果没有这些巨额开支和亏损,这会是一份很漂亮的财报。
主持人:你这么看,是说他们的估值取决于 RSI 递归自我改进的进展?
李开复:部分是。
主持人:部分是,没错。这很有趣。我注意到他们正在发布更多材料来证明这一点,也许现在正是完美的时机。
李开复:所以我认为这些都是好理由,我理解那些说它们值得买入的人。
然而,事情还有另一面,因为他们的模型比开源模型好,但好得有限,只领先6到12个月。所以人们可以说,我愿意退而求其次,用一个稍差一点的模型,在 token 上省下一大笔钱。再加上他们的模型是保密的,人们会说,我想要一个跑在自己服务器上的模型。我从企业用户那里越来越多地听到这种说法。
问题是,他们会继续使用更多 token,还是会有一部分转向开源模型?他们的增长真的能这样持续下去吗?显然,他们不可能再像过去两年那样高速增长了。
以下是李开复在彭博节目对话:
主持人:很高兴李开复现在加入我们,非常感谢你来。这本书很好读,也很短,我建议所有企业领导者都去读一读。我们是不是正在进入一个时代,公司需要从根本上重塑自己的业务,而不是只去适应 AI 或者技术?
李开复:是的,时候到了。大家回想一下互联网刚出现的时候,大多数人只是把互联网粘到公司上,在用户浏览器里开个入口,建个网站。
如果只做了这些,现在都已经死了。而 AI 革命比互联网革命大十倍,也快十倍。现在我看到大多数 CEO 也只是在粘,这里搞一个智能体,那里做个客服。这些都是表面装饰,不是有意义的转型。
主持人:那这些公司靠什么区分开,我猜就是 AI 原生。说实话,如果你是一家大公司,这非常难。你该怎么做?是从底层开始,还是从顶层开始?这是两个问题。
李开复:谁是 AI 原生公司?我现在告诉你,只有 AI 公司才是 AI 原生,只有我们理解这意味着什么。
就像早期的互联网公司,谷歌、亚马逊,都变成了以互联网为中心。一家公司可以早做,领先竞争,也可以晚做,然后看着它变得太晚。怎么做好这件事。
归根到底,AI 原生意味着把 AI 拿掉,公司就散架了。这意味着 AI 是运转公司的核心,一切都相互连接。也意味着 AI 会从自身学习,越来越好地服务公司需求。做这么大的事是根本性改变,我们做决策的方式、开会的方式、组织结构,全都要变。因此这只能从顶层来做。
主持人:有很多首席执行官在看节目。我跟不少CEO聊过,他们说我懂,只是不知道怎么开始。如果你必须给今天一家标普 500 公司或者美国大企业的领导人定三条优先级,告诉他们在未来十二个月要做什么,会是哪三条?
李开复:第一是充分认识并理解,这不是又一个软件或者工具,而是关乎你公司的未来。AI 转型是必须完成的任务,所以要建立这个认识。
第二是读《AI Native》,书里给了一条确切的一二三四步路线图。我不能保证第二、三、四步都完美,但第一步绝对正确:用一个我们叫 Boss AI 的产品把公司真正驱动起来,掌握所有数据,知道正在发生什么,做出正确决策。
最后一条建议是,如果这对 CEO 来说太难接受,那就招一位首席 AI 官。这个人懂 AI,也懂一点业务,不需要是研究员或者超级专家。
主持人:为什么不是 CIO?
李开复:有些 CEO 自己兼也可以,但 CIO 通常是在维持现状。首席 AI 官和 CEO 才有共同的转型目标。
主持人:你一定经常被问到,如果 AI 正在商品化,你的企业怎么保持竞争优势?
李开复:是问我的公司,还是问你对话的那些 CEO?是的,CEO 必须早点采用 AI,这会给你先发优势,可能帮你拿到市场份额和品牌认知。但更重要的是,它让 AI 引擎开始搭建并成长。因为归根到底,任何公司唯一显著的护城河,就是早一点采用 AI,让数据积累起来,让这些数据把你的 AI 训练得比别人家的 AI 更好。
主持人:那分发和知识产权怎么算?
李开复:很多公司总是把客户放在第一位,不管做什么,这在 AI 世界里行不通。毕竟它是一家商业公司。AI 是一种灵活的机制,可以按你的文化和业务需求来训练。如果你想让客户满意,那是第一目标,这会体现在你得到的决策支持和数据上。如果你想利润优先、市场份额优先,它会适应你公司的目标。
主持人:我知道你写这本书,是因为很多高管来找你问问题。他们问得最多的是什么?
李开复:他们过去问用哪个模型,现在意识到这不重要。顶级模型大致都差不多,甚至开源模型也是,他们现在明白了。第二个问题是,怎么才能不让大语言模型公司看到我所有的数据?我们不知道他们会拿这些数据做什么。我们知道他们不会偷。可万一他们看了之后,模型自动就理解了我们在做什么?即使公司机密没有泄露,竞争对手也会获得我们打法上的优势。这是巨大的担忧。
主持人:那你怎么回答他们?
李开复:本地部署。基本上就是搞一台自己的服务器,然后拿一个免费的开源模型,这能省一大笔钱。搭 GPU 是一次性支出,之后就不必再付 token 费给 Anthropic 或者 OpenAI。这是一种办法。第二种更安全的办法是通过亚马逊 Bedrock 或者微软 Azure 部署。这些超大规模云厂商有历史积累,我认为可信度高得多。如果他们说不会把数据交给大语言模型公司,至少我个人会相信。
主持人:首席执行官们怎么问你中国数据模型和中国 AI 的事?
李开复:他们没有问,他们已经在装了。
主持人:是因为更便宜,还是可用性更好?
李开复:又便宜又够用。大家都知道 Anthropic 的模型,可能连谷歌在内,都比最好的中国模型更强。但最好的中国模型,如果你愿意在线上用,便宜得难以想象,成本大概是顶级 Anthropic 或者 OpenAI 模型的百分之五。或者你想装在自己机器上,也可以,但要先一次性花钱买 GPU。
主持人:这周大家都在谈的,当然是英伟达 CEO 那边的事。你怎么看黄仁勋和中国的关系?
李开复:我认为黄仁勋是一位了不起的全球CEO。他尊重中国,就像尊重我所知道的所有国家一样。
主持人:你把这看作中国想获得更多前沿芯片的通道,还是说外面噪音太多,你怎么看目前这些消息的后续影响?
李开复:我们还没有看到调查的结果,所以我不太愿意推测。
主持人:那你看中国 AI,还有那些股票的时候,会不会担心它们的泡沫跟美国一样大?
李开复:我认为这是另一种泡沫。先看美国,也看全世界。
首先,AI 是一项了不起的技术,这场革命在美国绝对不是泡沫。作为投资人,我担心这种循环融资,从 A 公司到 B 公司到 C 公司再回到 A 公司,同样的估值,是那种不自然的、不太合适的机制造出来的。这能不能被证明合理,我们不知道。
第二个问题是,当有模型水平接近,价格却便宜百分之九十五,人们该不该考虑它?如果他们考虑了,会不会带来定价压力?这会让个别股票受到一些冲击,尽管这些公司在美国确实有很好的产品。我认为中国这边会有自己的做法。
但问题是,商业模式不像美国那么明显。你不能只靠不停地输出 token 就赚那么多钱,输出一些 token 能赚一些钱。
所以问题在于,第一,相对于美国的估值,中国股票是否站得住?这取决于美国股票的估值。第二,取决于中国公司多快能找到商业模式,至少能在两三年内看到盈亏平衡的迹象。显然,立刻盈利对它们所有人都很难。
主持人:你提到了开源。你一直是开源 AI 的倡导者。你一直倡导的开源主导并没有发生。所以情况会变吗?有什么会让你改变立场,还是你依然认为开源对所有人都是对的模式?
李开复:我认为要平衡地看。面对安全问题时,有两种不同的论点。抛开安全不谈,开源在各方面都很好,信息共享、透明度、更安全、更便宜、性价比高。
但一旦考虑安全,也有两种站得住的论点:
一种是闭源很糟糕:它掌握在一家公司手里,我们不知道他们在做什么,投入了多少精力。出了问题,他们能修吗?我们没法调动众人的智慧来帮忙。所以开源更好。
另一种抱怨也有道理:开源模型那么多,坏人那么多,他们能接触到,会不会找一个来利用?
我认为两种论点都合理,我仍然站在开源这一边,但我也承认其中有风险。
主持人:那中国的模型在做什么,确保它们不会被用来助长攻击,或者被用来找网络漏洞?
李开复:我认为每家公司,美国的也好中国的也好,都有义务尽量做好安全和护栏。我认识的中国公司在这方面的投入比美国公司少。
主持人:Anthropic 正在走向一次万亿美元级别的 IPO。你怎么看?
李开复:我的看法是,就像我之前说的,他们确实是一台了不起的增长机器,产品也很好。那么多优秀的人愿意付钱,人们也在从中获益。所以它当然是一家伟大的公司,但它值一万亿到两万亿美元吗?你怎么证明?你又怎么解释,巨额投资预期明年还要大幅增加,要用下一代模型来证明这一轮投资是合理的?什么时候会出事?
因为投资规模更大,甚至可能超过这些公司本身,占到现金储备的很大一部分。再加上开源模型的压力,会不会让企业转向,尤其是本地部署还带来好处?
所以我只是给出了正反两面,我不是股票分析师,我不知道自己会买还是卖,我当然没有非买不可的理由,也没有非卖不可的理由。
主持人:你的回答一如既往地很有外交手腕。你对伦敦、对欧洲的 AI 开发者有什么建议?
李开复:拥抱开源,把你的欧洲 AI 建在开源之上,那永远归你所有。英国的问题可能小一些,因为语言的关系。在其他国家,人们可以做出不同的、更好的、适合自己语言的模型。美国顶级模型对欧洲语言有不错的覆盖,但你总能做得更好。
在中亚工作。我们发现,虽然美国最好的模型在编程这类任务上仍然最强,但确实需要额外训练。
开源模型的好处是,你可以拿它用更多本地数据训练,不管是你们国家的语言,还是更多业务数据、医疗数据,它会变得更好。所以我认为这是最经济的方式,既能扩大开源的影响力,也让每个国家都能为开源做贡献。
主持人:所以你是在告诉我,还不算太晚?他们有一种担心,欧洲在这场游戏里只是晚了,因为没有多少那种又大又亮眼的模型。
李开复:我认为这些模型不会那么亮眼,它们只是解决那些语言规模不够大的国家的问题。
比如法语、德语、西班牙语、意大利语、英语、英国英语,数据已经够多,做这件事没那么有必要。那什么有必要?对整个欧洲来说,是去做应用。
你看英国那几家独角兽,它们大多是应用公司。ElevenLabs 就是一家很棒的公司,他们的技术未必比别人都强,但他们建立了好的品牌和平台,向客户展示了价值。所以我认为欧洲可以出现更多独角兽,也会有更多大公司采用 AI。
如果你看任何技术栈的金字塔,半导体永远是最先被投资的,比如英特尔。
第二层是平台层,微软 Windows、iOS、安卓,现在是大语言模型。
但真正最赚钱的地方在应用层。你看移动时代,想想字节跳动、优步、拼多多、美团的估值,还有你能叫出名字的那些。几乎所有应用加起来的总量,远大于平台层或者半导体。所以比起微软的三万亿、英伟达的几万亿全部加起来,应用层很容易就是几十万亿美元,甚至更多。
所以我认为,欧洲公司应该把应用层看作最该聚焦的最大领域。就我个人而言,我认为伦敦有很好的创业生态。现在这些公司规模更小,需要的融资更少,可以用 AI 做很多工作。这对伦敦这样的城市极为有利,那里有很好的顶尖人才,但人才基数可能不足以支撑一家大公司。现在这些创业公司、一人公司的运营成本不必那么高了。还有,硅谷有能力一单投几百亿美元,欧洲没有。但现在这些聪明的应用公司不需要那么多投资。
主持人:太有意思了,李开复,非常感谢你一如既往地参加我们的节目。一贯克制,一贯有趣。
热门跟贴