一个AI从业人员对AI应用层的看法

新闻

作者：微信文章
一个AI从业人员对AI应用层的看法。

首先来看看，国外。

Google：从拉胯到翻盘

说实话，Google第一波产品真的拖延加拉了坨巨大的屎。还记得那个第一代产品Bard吗？当时业内都在摇头。

但很多人把问题归咎于Pichai，我觉得有些后知后觉了。

其实Sergey Brin早就回归搞AI好几年了。

Brin回归后推动的几个关键决策, 从工程角度看都很聪明: 合并DeepMind和Google Brain避免了内部资源分散，让Demis Hassabis统领模型研发, Jeff Dean负责基建，这是标准的"研究+工程"双轮驱动。

还有个漂亮的talent acquisition - 收购Character AI 召回Noam。

召回Noam Shazeer是明智之举 - Transformer架构的原作者回归,对团队士气和技术方向的价值难以估量。

顶尖研究人才、海量数据、完整的技术栈（TPU到模型到应用），有了这些基础，Gemini花了一年多重返第一梯队，算是厚积薄发，不意外。

Meta：一步错，步步错

再看Meta，真是让人着急。Llama早起赶了个晚集，模型能力飞速迭代的时候不好好研发，集中心思搞市占率干什么？

Meta什么时候缺过流量？只有三流不需要打磨的短平快产品才需要这样。

我说二三流，不是说他们水平差 - 相对平均水平当然不错，但都是没有任何原创工作的人才，多数属于OpenAI和Google的执行者或者小方向lead。

然后一步臭棋：花溢价收购Scale AI这种不入流、依赖劳动密集的外包startup，让从未研发过模型的Alex领导AI团队，用着类似富士康的管理方式。

最臭的棋是，明面边缘化LeCun这种招牌意义大于实际贡献的圣灵，给人家穿小鞋。偌大公司容不下不同的声音，绝对不是好兆头。AI方向很多，各自领导不同方向很正常。

其实LeCun领导的FAIR人才济济，众神列位、水平高超。而Meta宁可支付外人和外行溢价也不愿意重新组织内部人才，绝非管理之道。

这就好像六七十年代周恩来问李政道推荐海外人才归国，李政道回答说，其实你们有顶尖的人才，比如他的老师束星北，只不过当时在扫厕所。

看看对比：Google这边AI领军三巨头：Demis（诺奖）、Jeff（Google奠基人）、Noam（Transformer作者）；Meta这边是外行Alex带着一群二流AI人才和投机分子，FAIR人才库完全没利用起来。Zuck责任首当其冲。

微软：最聪明的下注

微软CEO纳德拉对AI的策略最清晰：战略性、排他性地深度绑定OpenAI。

很早就大胆地、以平台为中心，将微软转型为一家"AI公司"。

通过与OpenAI深度绑定，微软获得了将业界领先的AI模型（如GPT系列）快速集成到其全线产品的排他性权利。

这使微软能够跳过基础模型研发的漫长过程，直接将AI能力转化为商业优势。

通过Copilot作为新界面，将AI能力注入到最核心的商业产品Microsoft 365。

纳德拉认为，要赢得AI战争，组织必须拥有"成长心态"。

他致力于推动彻底的企业文化转型，鼓励员工和组织承认自身的不足、重视不同的意见，并保持"无所不学"的好奇心和动力。

他认为领导者必须在不确定的环境中理清思路、激励团队，"带着一切限制，打好手上现有的牌"，不会等到天时地利人和才出手。

Palantir：独特分支的价值

最后说说Palantir。

它起步于政府和军方需求，这使其在处理高度敏感数据和复杂决策方面具有独特优势。

由于平台深度整合到客户的内部流程，客户黏着度极高，转换成本非常高，形成了坚固的"护城河"。而作为最大客户来源的国防部与军方，有独特的保密性与排他性。

在AI驱动的未来，当LLM成为基础资源时，真正的差异化因素在于企业如何高效地将这些模型整合到数据生态中，而Palantir二十年来一直在打磨这一集成层，形成了先发优势。

所以Palantir的核心竞争力不在AI技术底层，而在于客户资源、数据资源等独特性与排他性。也就注定了它会是AI应用层一个独特分支的巨头。

结语

就海外来说，就这三家巨头——Google、微软、Meta在AI层面投入最多，并且具备世界领先优势。

但策略和执行的差异，正在拉开他们之间的距离。AI这场仗，技术只是入场券，真正的胜负手在于战略眼光和组织能力。就前景而言，谷歌>微软>Meta.

---

再来看看国内巨头的布局。

字节：激进的All-in策略

字节的all in AI，是整个国内做AI的都知道的事情，无论是LLM模型的投入、应用层的持续迭代，字节在AI上的投入是肉眼可见的激进。

从工程角度看，豆包的迭代速度、剪映的AI功能、即梦的产品化，都体现了字节"快速试错、数据驱动"的基因。他们挖人的薪资确实夸张,但换来的是产品迭代速度。

剪映和即梦在商业化上的成功,证明了ToC端AI工具是可以赚钱的。

趁着AI时代传递的AI焦虑，让一群AI狂热学习分子，乖乖上交学费，一年营收几百亿（小道消息），成为国内最赚钱的AI工具。

虽然具体营收数据，老辰我没法证实，但从用户规模和付费转化看，确实是国内最成功的AI应用，没有之一。

更值得关注的是 ，字节通过抖音和头条积累的推荐系统能力，正在AI时代继续发挥作用。

内容分发+AI生成+用户粘性,这个flywheel跑通了，威力会很大。

信息流的粘性，不断地靠近用户层面，蚕食腾讯社交用户粘性的基本盘。

别忘了，字节，是通过信息推荐系统，打败了新浪、腾讯、等一众的信息流服务，登顶国内头号移动互联网巨头的。

阿里：全栈投入的长期主义

阿里的AI布局是最全面的：从平头哥芯片到通义千问，再到阿里云的AI服务，覆盖了完整的产业链。

Qwen系列的能力确实不错，尤其是在中文理解和长文本处理上。在某个benchmark上遥遥领先。目前而言，整体用户体验度，用户评价也遥遥领先。

阿里的优势在于ToB基因强，云计算基础设施完善，企业客户资源深厚。

AI能力能快速通过阿里云触达企业客户，这个商业闭环很顺畅。

腾讯：稳健的跟随策略

腾讯在AI上的策略确实比较保守，但这不一定是坏事。

LLM模型 - 混元的投入保持克度，不像字节那样高调。

从工程角度看，腾讯的策略是"等技术成熟后快速跟进"，而不是"押注不确定的技术方向"。这和微信、游戏业务的策略一脉相承。

在当前AI人才薪资泡沫化的情况下，保持冷静其实是理性选择。等泡沫消退后,以合理价格招人，反而是更健康的做法，这也是小马哥一向的作风。

腾讯的真正优势在社交数据和用户粘性。如果AI能力深度整合进微信生态，想象空间很大。但目前看，这个整合还比较浅层。

而这些基本面，对各巨头股价的走势影响，留待下一季继续讨论。