對話王長虎：離開大廠的第一次創業，要做AIGC時代送水者｜ChatAI
作者｜沈筱、王與桐距離ChatGPT首次亮相已經過去近五個月，LLM（大型語言模型）模型層玩家已紛紛就位。隨著百度、阿里、商湯等企業先后發布自研NLP大模型，一眾模型層創業公司和明星創業者也已拿到融資。除了懷揣著成為“下一個OpenAI”的夢想之外，另一波創業圍繞應用層——成為“下一個jasper AI”。更宏觀的視角來看，或許中國的AI創業熱潮已經來臨。但36氪本次采訪的主角——王長虎，卻沒有把視角禁錮，在LLM和應用層兩個創業熱潮之外，選擇了視覺賽道，圍繞AIGC建設多模態算法平臺。之所以做出這樣的選擇，與其從業經歷密不可分。自從業以來，作為視覺AI技術的堅定追隨者，他沒有錯過深度學習誕生后的每一次技術發展小浪潮：2004年加入微軟亞洲研究院，經歷了搜索引擎飛速發展的時代；2017年加入字節跳動擔任AI Lab總監，陪伴抖音這一現象級應用茁壯成長；2021年，他加入龍湖，成為龍湖數字化與智能化轉型的掌舵人。在搜索引擎和新型社交媒體這兩大具有劃時代意義的互聯網產品背后，王長虎都扮演著“送水者”的角色。2023年3月31日，他從龍湖離開，開啟了人生第一次創業。而繞開NLP大模型和應用這兩個最火的創業領域，他的思考是，與其投入大量精力、資源做不擅長的NLP大模型，不如從自己熟悉、感興趣的視覺和多模態出發，做AIGC時代，更多行業及應用的算法平臺。為什么在此刻選擇創業？什么是多模態算法平臺？未來AIGC該去往何方？我們帶著一系列問題，采訪了王長虎。王長虎口中的算法平臺，可能包含解決不同用戶場景的視覺或多模態大模型，以及相關的工程平臺。具體來說，從服務UGC（用戶生成內容）生態轉向服務AIGC生態，王長虎認為“變的是U和AI，核心還是內容”。 他要做的是圍繞AIGC建設視覺為主的多模態算法平臺，支撐AIGC從生產到消費的全流程，解決各行業、企業和用戶可能面臨的AIGC相關的實際問題，包括內容生成、版權、內容理解、分發，以及商業化變現。與all-in-one的NLP大模型不同，像Stable Diffusion等視覺大模型當前只能覆蓋其中某一個環節。因此，在視覺AIGC全生命周期中的每個環節，可能都需要獨立的大模型和系統來解決。談及創業時機，在王長虎眼中，此刻就是最佳。在移動互聯網方興未艾時，其他人還在拿著錘子找釘子，而抖音產品為視覺AI技術提供了施展拳腳的機會。同時，在王長虎看來，盡管生成式AI時代已經到來，但新時代孕育的機會不僅是眼前所能見到和可預期的，更大的機會和顛覆性正隱藏在更多的不確定性中。王長虎告訴36氪：“一定有很多東西都推倒重來，甚至從另外一個方向做出來。”他認為，抖音的出現和字節取得的成績并非自然而然：“回到那個年代，如果在初期這個機會被很多大廠看清楚了，怎么可能有字節這樣的初創公司發展起來呢？”以下為36氪與王長虎的對話，經編輯整理：01 談創業：離開大廠舒適區，想做“送水者”36氪：這是您第一次創業，此前經歷更多是在大廠。為什么做了創業的決定？王長虎：有兩個原因。首先是我的AI情結。我認為AIGC是至少10年一遇的機會。作為20年的AI從業者，親歷過10年前深度學習給AI帶來的翻天覆地的變化，所以我不能錯過這個機會。其次是我的創業情結。我在外企工作過，半路加入過字節跳動這個創業公司。雖然帶過上千人的團隊，但心里一直有一個創業的情結，想要嘗試從0開始，與合作伙伴們一起，孵化技術和產品，影響和幫助盡可能多的企業和用戶，同時豐富我的人生履歷。浪潮來了，必然會有喜歡乘風破浪的人去奔赴。36氪：微軟和字節的經歷，可以看作是您在上一波浪潮中擁抱到的機會嗎？王長虎：對。在微軟亞洲研究院做科研，是非常幸福的，那時我主要圍繞搜索引擎做計算機視覺和圖片搜索相關的科學研究，那個年代，是搜索引擎的時代。在20年前，全球真正能處理大規模海量圖片的團隊可能也不多。我當時做了很多科研，其中一個系列是“草圖搜索”，和現在的AIGC非常相關，要把腦海里想到的場景，通過關鍵字，或者畫一些線條、涂一些顏色，在我們制作的工具上呈現出來。我們建設了世界上第一個十億級別的草圖搜索引擎。我2017年初加入字節跳動，也算是半途加入初創公司，搭建了視覺技術團隊，建設了視覺算法平臺和業務中臺，參與了抖音和TikTok等產品從0到1的建設和發展。我們的技術廣泛應用到了字節跳動全線產品中，包括今日頭條、抖音、TikTok等。用技術和產品影響和幫助數以億計的用戶，“change the world”，是我多年的愿望，在字節跳動得以實現。36氪：這次您打算如何擁抱機會呢？您本次的創業方向是視覺多模態算法平臺，這個怎么理解？王長虎：我們要做的是建立服務于AIGC生態的、視覺為主的、多模態算法平臺，支撐AIGC從生產到消費全流程，支撐各個行業和用戶的應用，包括營銷、廣告、電商、游戲這些非常依賴內容創作的行業。這和我之前在字節做的事情是類似的。但區別在于現在是AIGC，是UGC（用戶生成內容）的升級。AIGC時代，人工智能可以更好地創造圖片、視頻、文章等等。從PGC（專業人士生成內容）升級到UGC誕生了很多現象級的產品，包括抖音、微博等。所以我們在想從 UGC跨越到AIGC的時候，勢必也會帶來大量的機會，我們創業就想抓住這個機會。但是這兩個詞，UGC到AIGC，變的是U和AI，核心還是內容。既然如此，我們做的所有的工作都可以圍繞AIGC，去解決它可能涉及的實際問題。具體來講除了生成外，AIGC也會涉及版權問題、內容理解問題、分發問題，也有商業化變現的問題。36氪：所以從UGC到AIGC，從業務邏輯上來講有沒有會產生變化的方面？王長虎：大概的方向是類似的，但技術路線可能會有變。因為 UGC變成AIGC，整個的內容生產形式變了，所以需要解決的具體問題或者解決途徑可能也會變。AIGC生成的文章、圖片、視頻，也會涉及安全問題、虛假問題，但我們怎么去定義問題、怎么識別以及解決，可能還需要探索很多，不管是技術層面還是應用層面。36氪：你們的算法平臺具體將如何發揮作用？王長虎：這可能需要再介紹一下我在字節的工作，來更好地理解。抖音呈現的主要是UGC內容生態，我們建設的算法平臺覆蓋了UGC內容，特別是視頻、圖片，從生產到消費的全流程，它的全生命周期，AI都在發揮作用。在這上面我們支撐了抖音 、TikTok等幾十個產品。首先是在內容生產階段，我們可以幫助普通用戶更方便地創作優質視頻。其次是問題視頻的攔截。當用戶完成投稿后，我們利用人工智能技術攔截不適合分發的黃反和其他違規內容，確保公司各產品的內容安全。過了安全這一關后，我們還要對視頻內容進行全方位的分析，完善產品的內容生態建設，我們要找出重復投遞的非原創視頻予以打壓。這極難，所以背后的AI技術要做得非常強。每天用戶會上傳上億個視頻，我們需要檢測每個視頻，和數據庫里海量的、上千億的視頻比較，判斷是否雷同。有一些用戶會專門拷貝非常知名的作者創作的優質視頻，我們需要發現并打壓。否則，無論是創作者還是用戶的體驗都會收到極大影響。還有一些其他工作，比如我們要對視頻進行充分理解，給視頻打上豐富的標簽用于推薦和運營。另外，還有給視頻自動配音樂，早期是沒有的。最后是商業化變現，很多廣告主，有大量廣告素材生成的需求。我們需要幫助他們更好地、更方便地創作廣告，做圖片和視頻生成、商業化落地。36氪：從您的描述中，我們關注到或許在字節的工作經驗就足以支撐您來創業了。為什么當時沒有直接去創業而是去了龍湖呢？王長虎：離開字節時雖然考慮過（創業這件事），但沒有具體的創業想法。我之所以從字節出來，是因為發現自己進入了舒適區，想要挑戰新的事物。從我的人生經歷來看，早先在外企做科研，然后到字節整個團隊是從零帶起來的，也經歷了字節發展最快的幾年。我希望能夠走出象牙塔，深入產業中，看看實體經濟的世界，將互聯網的先進理念和技術帶去傳統行業，幫助產業互聯網做數字化和智能化轉型。這也是國家重點關注的事情。另一方面，當時去龍湖時，生成式AI技術的進步還不足以對整個產業產生巨大影響。直到Stable Diffusion、ChatGPT出來之后，我才意識到新的AI時代到來了。從C端來看，用戶數就說明一切，ChatGPT兩個月就達到一億月活，超過了當時TikTok的記錄。36氪：在您的構想中，什么樣的企業會需要使用視覺多模態算法平臺？王長虎：除了之前提到的依賴于內容創作的行業企業，比如營銷、電商、游戲，我們也有機會為AIGC應用層等相關企業提供內容安全、版權等方面的能力。36氪：可以理解為您對公司的定位是生成式AI淘金浪潮中的“送水人”嗎？王長虎：這也是我在創業過程中想的最多的事情——公司的生態位到底是怎樣的。總體上來講，我們會圍繞AIGC建設視覺為主的多模態算法平臺。與all-in-one的NLP大模型不同，像Stable Diffusion等視覺大模型當前只能覆蓋視覺AIGC全生命周期中的一個環節。其中每個環節，可能都需要獨立的大模型和系統來解決。因此，我所說的算法平臺，包含解決不同用戶場景的視覺或多模態大模型，以及相關的工程平臺。同時我們也會深入行業，解決應用層的問題。36氪：從現階段來講，可能想先從哪個角度去切入到這樣的領域中？王長虎：我們首先會圍繞1到2個行業，解決行業里遇到的一些有關AIGC的問題，同時建設和打磨我們的算法平臺，通過平臺來幫助我們更好地解決行業問題。36氪：目前團隊籌備如何了？王長虎：團隊在初期的規模，已經有十幾個人了，進展很順利。作為創業團隊，我們不會期望立馬招到幾百號人。但我們的目標是在短時間內將核心的技術、產品人才招聘到位，把團隊擴展到幾十人。36氪：您期待招到什么樣的人？目前也有很多其他大佬加入新一波AI創業浪潮，現階段AI領域人才搶奪厲害嗎？人才供應是否充足？王長虎：我們希望能夠聚集一幫有共同的創業理念、文化價值觀，能打硬仗、打勝仗，充滿創造力和篤定感的年輕人。人才搶奪我不是很擔心。一是校招生是可以成長的，我在字節的團隊成員很多都是從校招生成長為了非常優秀的工程師、研究人員和管理者；二是國內近10年的AI技術發展過程中，也積累了很多優秀人才。現在也有不少優秀的有創業意愿的人才主動來找我，所以招聘速度是超出預期的。02 談生成式AI：影響大于此前任何技術變革36氪：關于這次ChatGPT帶來的浪潮，大家都有各自的看法，比如黃仁勛認為是“iPhone時刻”，李開復認為是AI2.0。您是怎么看待這波浪潮的歷史地位的？王長虎：真正的大的機會，是多數人都能看到和感受得到的，這里說的多數人不是說行業大佬，而是普通用戶。像之前的元宇宙、區塊鏈，可能只是被一部分人看到，而如今的AIGC這個機會，是大眾能看到和感受得到的，因此是個真正的至少十年一遇的大機會，甚至有人認為是硅基生命的一個起點。歷史上每一個這樣的大機會，包括PC的出現、圖形界面的出現、互聯網時代的到來、移動互聯網時代的到來，都伴隨著非常多的優秀公司以及傲視時代的巨頭公司從0到1完成升級和蛻變。因此，AIGC如果真的是像大家預判的那樣，是個至少10年一遇的大機會，必然會帶來眾多顛覆性的創新和商業模式的改變，必然會顛覆眾多已有的企業，孵化出新的眾多的甚至巨頭企業。ChatGPT的出現是一個重要的里程碑，經過數十年的積累，AI終于從幕后走向了前臺。AI有機會從一種技術，進化成基礎設施，就像電一樣。常常聽到一種說法，人工智能帶來了第四次工業革命，我覺得ChatGPT是真正的做實這種說法的重要的里程碑。36氪：之前您更多經歷是在視覺領域，單就生成式AI模型來說，視覺領域之前一個比較主流的模型是GAN，GAN也是在深度學習掀起的那一波浪潮中產生的。現在的圖像生成模型和GAN之間到底有什么差別？王長虎：深度學習時代，包括GAN，幾乎所有的非常厲害的模型，都是基于深度學習這一新的模型范式產生的。在那波浪潮之后，這十幾年各種技術都在進步，雖然數據規模逐漸增大，但其實還是在這個范式里。只是現在的圖片生成模型找到了一個非常有效的算法，在工程上面也做了很多積累。與之前的圖像生成技術相比，當前一個重要的突破是生成內容的可讀性和可用性大幅提升。早期的生成模型例如GAN等，生成的圖片或文章，用戶可讀性是比較差的，很多時候沒法在通用領域上去使用。36氪：現在的大模型生成內容可讀性好，從技術原理上看，是由什么引起的？王長虎：和大家之前預判不同的是，過去大家認為當模型參數逐漸變大時，它的邊際的收益是越來越小的，在很多實驗上面也做了驗證。但是這次ChatGPT可能因為模型有一定變化，參數達到了千億之后，就涌現出超常的推理能力。有多方面原因使得這個模型現在是超出預期的，現在也是在探討中。目前有幾種說法，一種是ChatGPT引入了強化學習方式，通過數據標注，能夠及時反饋到模型端。第二個原因可能是由于ChatGPT用到了代碼作為數據源。這個數據源被認為是非常重要的，因為程序員寫的代碼要求邏輯思維非常強。代碼會很長，開頭、中間、結尾都有因果關系和邏輯關聯，所以能夠幫助解決長線的、邏輯上的問題。所以現在看到生成對話的邏輯思維也很強。36氪：提到推理能力的涌現，現在大家對ChatGPT的看法是不是存在一些分歧？比如有的人會認為AI真的理解了語言甚至有自主意識，但還有人認為它可能跟以前沒什么不一樣，也是類似于鸚鵡學舌的東西。為什么會有這樣的分歧？王長虎：這兩種說法其實不矛盾，從不同視角會得出不同的結論。如果基于微觀視角，模型發展到現在，從物理上可能就是沒什么區別。用這個角度去看人類也一樣。以微觀視角來看，人就是由細胞，由分子、原子構成的。現在的人類和1億年前的我們的祖先，從物理構成來看，并沒有區別。人類的知識怎么來的，不也是這些神經細胞作用產生的嗎？那么是不是當腦細胞、腦容量超過一定閾值的時候，真的就能涌現出一些功能？所以，對大模型而言，不管是強化學習、深度學習、用戶標注的閉環都不是新的概念。以前也做了很多工作，模型本身也和一兩年前的模型在結構上的區別可能也不大。但是它產生的結果就是巨大的突破，這也是我們能看到的。36氪：也就是在您看來，其實這一波技術變革也是通過漸進式創新產生的？王長虎：AI是持續進步的，是這幾十年的來AI發展累積出來的結果。雖然我們認為ChatGPT突然震驚了所有人，即使是這樣，但其實它是站在很多工作的基礎上的。GPT之前也有其他的一些研究工作，有科學研究的漸進的過程，相當于量變引起質變。03 談機會：顛覆性應用，目前尚未發現36氪：您認為LLM（大型語言模型）和相關技術的發展，會讓哪幾個領域率先發生變化？王長虎：最快也是最直接影響的是NLP領域。在這個領域，像ChatGPT這樣的大模型，它能同時解決很多任務，比如機器翻譯、文本理解、文本生成，包括問答、對話。很多做細分領域的人會發現自己的工具做得再好，也趕不上大模型。36氪：這可能是我們目前能很快感受到的變化，有沒有一些您認為更加顛覆性的變化？王長虎：這也是我想說的，單把生成式AI視作一個工具還不足以說這是新浪潮。它帶來的不是點狀影響，而是會影響所有行業，會對生產力提升有巨大幫助。但這種影響可以是顛覆性的，也可能不是。目前，我們肉眼可見的或者可預測的變化可能都不是顛覆性的，但仍然有很大的想象空間，孕育著很多機會。比如內容生成，只是圖片、視頻還不夠，以后還可以生成大電影，當然，當所有人都能夠創作電影時，對電影導演要求可能也就變了，甚至電影形態也可能會有巨大的變化。再比如剪映，它是幫助用戶創作視頻的工具。這樣的工具為什么不能利用生成式AI技術來使這個工具更好用？這不是顛覆，很多工具都可以加上這個概念。但同時，我們需要關注，最大的機會可能不在這兒，而可能在這背面。回頭看，哪個時代的幾十年一遇的大機會，是在第一時間被看到的？時代變革帶來的巨大機會，很可能不是在已有的產品上加點東西，而是將很多東西都推倒重來，甚至從另外一個方向做出來，跟現在完全不同。舉個例子，移動互聯網出來之后，短視頻是不是被很多大廠都錯過了？現在大家覺得這是自然而然就出現的，但其實不是。回到那個年代，如果這個機會被大廠第一時間看到了并重視起來，怎么可能允許字節這樣的初創公司發展成巨頭呢？36氪：剛才您提到的短視頻，最早字節內部想要去做抖音的時候，大家都是基于怎樣的想法，說要去做這樣的東西？王長虎：抖音的重要性程度在字節早些時候并不是排名第一的，也是逐漸成長起來的。字節早些時候也錯失、搖擺過。騰訊也有這樣的情況，微視也關停了一段時間。有很長一段時間行業并沒有看得特別清楚。在AIGC時代，這也是一些小公司的機會。現在既然大家都能看到機會，說明它一定是能可落地的。但是我預判，現在所有人，可能都沒有看到最能爆發的機會在哪里。36氪：這樣的機會我們如何去挖掘？王長虎：商業層面的機會，可能和以前一樣需要去摸索，但至少在我們肉眼可見的地方可以先行動起來。但是技術層面，除了追上OpenAI的腳步，我們應該看得更深更遠。我的第一個期待是，當AI越來越強，想象空間不應僅停留在商業應用層，而是看它能不能反哺我們的基礎科學，幫助科學家們去發現一些基礎的定律、定理，這個能做到就更厲害了。但是前提是我們對AI一定要有很好的管控。現在的AI有很多的安全、倫理的問題，像小孩一樣，會演繹一些東西，通過他看到的世界、得到一些信號，推演出一些可能根本就無中生有的一些東西。但這是因為它的知識面比較小。ChatGPT的優勢是創造，缺點是在知識，這是可以解決的，GPT4就已經有了很大提升。另一個期待是，希望模型能夠持續進化。現在模型的進化速度很快，但是目前可能沒有人知道它會不會突然到一個地方就接近能力極限了，需要新的算法，新的范式、模式才能繼續進化。36氪：在您看來，技術層面想要看得更深更遠，我們需要做什么樣的嘗試？王長虎：可能需要有一群人抱著更純粹的心態去做技術創新。36氪：比如之前提到ChatGPT其實是量變引起質變。OpenAI能做成這件事情，部分原因確實是一開始就抱著純科研創新的心態，那國內目前有沒有可能也會有人沉下心去做更底層的技術創新，創造像transformer那樣的“磚塊”？王長虎：一定有。中國有很多的，不管是高校還是科研機構都在做這樣的一些創新的嘗試。經過這20年的發展，中國科研水平已經能夠匹敵、超越外企研究院甚至很多國外頂尖高校。但是ChatGPT出來也讓我看到一些差距，在什么地方？就是一些重要核心的顛覆性創新。36氪：從目前的情況來看，現在大廠、明星創業者、科研團隊都已經開始在大模型領域施展拳腳了，您認為中國能做出來類似于GPT-4的模型嗎？您最看好誰？王長虎：首先我覺得中國一定能做出來，因為模式已經走通了，大家都知道目標在那，我們就去做就好了。但到底誰能跑出來，還是都能跑出來，也不一定，有可能最后也未必是一家通吃，有可能是多家并存。莫欺少年窮。首先國內大模型要比ChatGPT落后，這是大家達成共識的事情。但是現在有弱點很正常，只要能把模型放出來，有用戶的feedback，意味著就有太大的機會把模型迭代起來。所以我也很期待，到什么時候能出現一個大多數人都滿意的大模型，盡快追上或者趕超OpenAI。36氪：像微軟加OpenAI這樣的組合，您覺得在中國能不能行得通呢？王長虎：這個組合已經被驗證成功了，但看是否在中國也可以行得通，首先是要有同樣組合才行。那樣組合是有一些條件的，像OpenAI最開始是非盈利狀態，集結了一批非常厲害的科研人員，很長一段時間都不關注商業路徑。第二個，OpenAI是一家公司，整個團隊會有同樣的目標、愿景、使命，這是很難得的，一些龐大科研機構可能并不能做到這一點。另外，微軟作為科技巨頭，一是提供了資金，二是提供了算力，采取了非常緊密的合作方式。所以說，這種模式在中國怎么去構建，是不是有資本能夠為非盈利機構投資都是問號。現在雖然有很多企業想做大模型，那也可能是因為他們看到了商業化的空間。同時，A加B有不同的加法，到底是真金白銀合作，還是相對獨立運營，可以選擇的合作方式其實很多。如果要完全復制這樣的模式，我覺得可能很難。但是，在中國即使不是這種模式，也可能成功。比如大公司，百度或者字節，即使他們不跟OpenAI那樣的創業團隊合作，他們自己難道就沒有這樣的科研實力嗎？目標在那里，往那兒走就行了。但仍然是那句話，更重要的是下一個更牛的事情是什么，能不能做出來。王長虎團隊目前正在招聘核心的技術（包括算法、算法工程、前后端等）以及產品人才，歡迎投遞簡歷至郵箱hr@aishi.ai
