Oct 9, 2025

在AI浪潮以排山倒海之势重塑每一个行业的今天，AI相关的创业项目也如同“雨后春笋”般的疯狂生长。在AI创业的过程中，创业者们站在了一个充满无限可能却又遍布暗礁的十字路口。 9月27日~28日（美西时间）由钛媒体集团携手NextFin.AI、GALA（全球亚裔领袖联盟）、Shanda Group（盛大集团） 与 Barron’s China，在美国斯坦福大学成功举办的首届硅谷未来峰会——NEX-T Summit  2025上举办了以“AI应用创业与创新”为主题的圆桌对话环节，此次圆桌对话环节汇集了特朗普媒体与科技集团董事、Renatus Tactical Acquisition Corp首席执行官埃里克·S·斯维德（Eric S. Swider），Fundamental Research Labs联合创始人兼CEO杨光宇（Guangyu Robert Yang），AdTech、创意和增长领导者、AppLovin前产品副总裁、投资者和董事会成员爱丽丝·艾哈迈德 （Alice Ahmed），Genspark.ai联合创始人兼首席运营官桑文（Wen Sang），Mindstorm Studios 首席执行官巴巴尔·艾哈迈德（Babar Ahmed），他们从各自的视角出发，剥丝抽茧，共同探讨了这个时代最核心的创业命题：如今，创业者最重大的机遇是什么？最需要避免的最大陷阱又是什么？ 机遇在效率、赋能与价值重构之处 对于在移动广告巨头AppLovin亲历了从初创到千亿美元市值旅程的爱丽丝·艾哈迈德(Alice Ahmed)而言，机遇就藏在那些依然“低效”的领域。 “我认为最大的机遇……是着手解决那些效率低下的问题领域。”爱丽丝分享道，“即使应用了AI，如果仍然存在显著的低效率，你就能推动有意义的业务收入增长。” 爱丽丝以自己最熟悉的广告行业为例。即便在今天，推荐系统的发展仍然“高度低效”。她举了一个生动的例子：“如果我要给这个房间里的每个人展示一则电动自行车的广告……我可以保证不是这里的每个人都会去买那辆电动自行车。”用户可能浏览、可能加购，但最终未必转化。这种不完美，在她看来“实际上很美”，因为它意味着巨大的提升空间。 “如果以今天的技术水平，我能把转化率提高到2%……那么借助更好的技术，我可以把它提升到3%、4%。你在一家拥有数十亿用户和巨额收入的公司规模上应用这个提升，那就是一笔巨大的增长。”因此，爱丽丝认为的机遇观并非好高骛远，而是关乎“执行，即如何实施AI，并随着时间的推移逐步增长。”这是一种更实际、更接地气的做法。 无独有偶，在特朗普媒体与科技集团董事埃里克·S·斯维德(Eric s.swider)看来，AI需要正确的结果，他将AI与此前爆火的区块链技术进行了比较，“大约十年前，当比特币首次崭露头角时，某科技巨头的一位高管广泛使用‘数据民主化’这个词，当时它被应用于区块链。”埃里克回忆道，“美国企业界在这方面投入了数十亿美元。但当时发生的情况是，他们用的是比特币，而不是区块链技术，这成了一次巨大的失败。” 基于此，埃里克认为，无论是数据库的应用、区块链还是AI，学会如何利用一个非常强大的工具并正确地应用它以获得结果，就是一个巨大的机遇。由此，埃里克提出了“基于结果的AI”的概念，他认为，当前世界专注于大语言模型，但存在一个巨大的鸿沟：“我们做了一项研究。我们在六个月的时间里对六个主题进行了测试，在我们都使用的手持AI应用程序中，每项任务的失败率高达95%。” 机遇相随的“陷阱” 与机遇并存的，是同样巨大甚至更为险峻的陷阱。正如埃里克前文提到的区块链，伴随着区块链技术的也带来了更多陷阱，他借用区块链的失败案例，已经清晰地指出了第一个大陷阱：未能以提供有用结果的方式应用AI。如果AI不能解决实际问题，不能交付可靠的结果，那么所有的投入都可能化为泡影。高达95%的任务失败率表明，当前许多AI应用仍处于“玩具”阶段，创业者若不能跨越到“工具”甚至“伙伴”阶段，将不可避免地被市场淘汰。 另一方面，创业者的公司还将面临科技巨头的“围追堵截”，对此，Fundamental Research Labs的联合创始人杨光宇(Guangyu Robert Yang)提出了一个令所有应用层创业者脊背发凉的问题：在AI时代，创业公司是否还有可能成长为下一代科技巨头？ “现在还有机会创造下一个万亿美元的公司吗？”罗伯特抛出了这个尖锐的问题，“但OpenAI不在乎，对吧？因为他们规模大得多。但如果这个领域能成为万亿美元级别，那么所有大公司都会试图扼杀你。” 值得注意的是，杨光宇并不认为“不要在基础模型层竞争，就做个应用好了”是一个“不错的选择”，杨光宇进一步指出，甚至连传统的制衡力量——风险资本，其动机也发生了变化。“过去 VC 的核心利益是‘支持小公司对抗巨头’，因为这是获取超额回报的关键；但现在，几乎所有顶级 VC（如红杉、光速）的最大持仓都在 OpenAI、Anthropic 等大实验室，”杨光宇指出，“对它们而言，‘支持巨头生态’比‘赌草根颠覆者’更安全。” 在这种背景下，杨光宇认为创业者的机会在于 “垂直领域的效率深耕”，“AI 不在乎你做的是‘十亿美元市场’还是‘千亿美元市场’—— 只要你能在某一垂直领域解决‘巨头不愿投入的细分痛点’，就能实现盈利。”杨光宇强调。 在布局垂直领域的同时，企业还需要不断的升级，优化自身的业务和产品，才能避开“陷阱”。因为，在Genspark.ai联合创始人兼首席运营官桑文(Wen Sang)|看来，对于任何企业而言，“护城河”都不是永久性的，“AI发展的速度远超想象，比如 Cursor 是很成功的 AI 代码编辑器，但如果 OpenAI 想做‘AI + 编程’，它可以轻松雇佣法律、编程领域的专家，利用自身模型优势推出同类产品。创业者的真正护城河不是‘做应用’，而是‘在垂直领域积累的行业知识、数据与用户信任’—— 这些是巨头短期内无法复制的。”桑文分享道。 与此同时，在桑文看来，前沿领域如此广阔，企业管理者不能只专注于一件事，“这就是为什么在Jens Park AI，我们每周都发布新产品。这是唯一的（生存）方式。”桑文强调道。 正是AI发展速度的之快，也很容易让许多创业者在尚未意识到的时候，自己的业务模式就已经被AI颠覆了。对此，Mindstorm Studios 首席执行官巴巴尔·艾哈迈德（Babar Ahmed）将“颠覆”分为了两种类型，一种是下游流程的颠覆，即使用AI来优化企业已经在做的事情。“AI能做得更好、更快、更智能、更便宜......我认为那不是需要害怕的颠覆。”巴巴尔指出。 而在巴巴尔看来，企业真正需要警惕的颠覆是——评估企业的业务在AI时代，是否还有意义。他以自己的游戏行业为例：“谷歌刚刚发布了他们的Genie Three模型。现在你可以通过描述来提示（prompt）一个3D世界。任何人都可以通过谈论来创建一款完整的三维沉浸式游戏。这是否在颠覆我的行业？我的公司作为一家企业继续存在还有意义吗？”这是目前巴巴尔正在思考和焦虑的问题。 与之相同的业务考量还有很多，而在巴巴尔看来，这种颠覆不再是关于做得更好，而是关于“是否还需要做”。“这对于创业者而言，是一个关乎生存的根本性拷问。”巴巴尔强调。 行业AI重构下，商业化路在何方？ 显而易见，当前AI正在重构各个行业，有一些业务面临的“是否还需要做”的同时，也有一些新的业务模式出现，在讨论中，作为特朗普媒体与科技集团董事的埃里克分享了对于媒体而言，AI带来的“重塑”，他指出，在AI时代，媒体正在走向AI生成的电视或AI生成的媒体。但他认为，这个过程中，更核心的是内容聚合与分发的个性化，“我们的最终归宿将是一个，如果你愿意的话，一个频道指南，它包括从你最喜欢的播客到你最喜欢的天气预报再到你最喜欢的体育节目的一切内容。然后你如何订阅它？如何取消订阅？你如何使其对用户来说无缝、集成且量身定制？”埃里克进一步指出。 而对于不同行业，AI带来的冲击也不尽相同，爱丽丝分享了AI在广告领域带来的改变，她认为，对于广告领域而言，AI带来的冲击主要围绕了两大核心——推荐系统和创意智能。她指出，模型驱动的推荐系统正变得越来越好，而网络效应使得数据多样化更加强大，形成正向循环。“随着更多广告主加入，需求侧有越来越多的数据涌入。所以数据的多样化只会变得更强大，这使得我们的推荐系统甚至更好。”爱丽丝如是说。 另一方面，“创意智能正在充分利用AI的所有优势。”爱丽丝回顾了以前手动制作广告的艰难，“我们大约有一百名设计师、开发人员制作每一个广告，原先这都是手动的。在广告网络中，力量在于数量和数据反馈。那么，当我只有有限的人力资源时，我如何才能尽可能快地投放更多广告？” 爱丽丝进一步指出，AI解决了这个矛盾，极大地扩大了广告创意数量、迭代速度和数据反馈效率。 而在游戏制作行业，AI也带来了效率的显著提升，巴巴尔在分享中表示，“如果利用AI作为copilot，可以提升较小团队的水平，去实现那些以前认为不可思议的高水平事情。” 他让团队每个成员都配备专属的“AI导师”，从而将位于巴基斯坦的团队能力提升到与世界顶级团队竞争的水平。 在这次对话中，几位参与嘉宾都多次提及了AI创业者，要让AI真正脚踏实地的创造价值，而这个理念也是对于绝大多数公司来说，让AI实现商业化的核心“真理”，对此，杨光宇对比了OpenAI、Anthropic和DeepMind的独特路径，意识到自己选择的道路更为艰难。“对我来说，我们公司的使命是构建数字人类……所以我们公司历史上的很多挣扎在于，我们如何在实现使命的同时赚钱？我认为我们还没有完全弄清楚。” 杨光宇在对话中分享了他对于AI商业化的看法，他指出，“AI从一个未知的未知，变成了一个已知的未知，但我还不知道具体该怎么做。” 这段经历揭示了以研究为导向的创业者在面对商业化压力时的普遍困境，也为那些怀揣远大技术理想的创业者提供了宝贵的警示：伟大的技术愿景与可行的商业模式之间，需要一座坚实的桥梁。 以下为对话实录，经翻译、整理： 很荣幸成为本节主持人，让我介绍我们的嘉宾。我有一个简短的介绍，从第101位开始，首先是埃里克·S·斯维德(Eric s.swider)，一位经验丰富的执行总裁和特朗普媒体与技术集团的董事会成员，Renatus战术收购法院的首席执行官和高训练国际集团的战略顾问。埃里克对公司和收购战略有深刻的理解。他的工作重点是利用技术和创新来推动成熟市场和新兴市场的发展。 杨光宇(Guangyu Robert Yang)，他是人工智能与神经科学交叉点上的真正创新者。为一家基础研究机构（Fundamental research labs）的联合创始人兼首席执行官，他处于人工智能发展的前沿。他曾是美国麻省理工学院、脑与认知科学系以及电气工程和计算机科学系的教授，并拥有一个元意识研究小组。他的工作获得了显著关注，特别是对于“Said项目”，该项目在《我的世界》中模拟了1000个虚拟代理，展示了复杂集体行为的出现。这项工作桥接了计算模型和大脑功能，提供了一种新的理解智能的方式。 爱丽丝·艾哈迈德(Alice Ahmed)，她曾在广告技术产品策略领域担任领导者近十一年，并在Loving公司成长，现在的价值超过2000亿美元，并且是标准普尔500指数中的产品副总裁，她监督的应用程序。Loving公司的At Tech平台资助了其内部创意工作室spark labs，并领导了全球增长团队管理数百万美元的用户获取预算。她的职业生涯涉及业务发展、市场营销、运营、产品和创意，使她能够从广泛的角度了解如何构建和扩展超高速增长的公司。 我们的下一个嘉宾是桑文(Wen Sang)，他是Jan's Park的联合创始人兼首席运营官，当是一家专注于将突破性想法推向市场的AI生态系统中的关键参与者。他以开发人工智能代理而闻名，这些代理协助知识工作者完成构建网站和研究等任务。此前，他共同创立了专注于利用数据分析优化停车管理的Mit初创公司，展示了他在运营复杂技术解决方案方面的记录。 巴巴尔·艾哈迈德（Babar Ahmed），Mindstorm工作室的联合创始人兼首席执行官，这是一个帮助启动巴基斯坦游戏产业的先驱开发者。在他的领导下，Mindstorm创造了全球热门游戏Like a Hexas Store，一个在苹果应用商店超过25个国家排名第一的Hexas。在他职业生涯早期，Ahmed教授曾在斯坦福大学讲授电子工程，后来离开博士项目将现代游戏开发带回巴基斯坦。他后来在Loving Games担任执行职务，带来了创意制作和数据驱动的增长，并且一直作为导师和生态系统建设者活跃着，支持加速器并培训当地人才。感谢所有杰出的嘉宾。 主持人（Theresa Yu ）：现在让我们进入问答环节。对于各位嘉宾，我们的主题是人工智能时代的创业。从你们独特的视角来看，对企业家来说最显著的机会是什么，以及当今避免的最大陷阱是什么？你想停下来吗？ 埃里克·S·斯维德(Eric s.swider)：我认为对企业家和人工智能来说最大的机会之一是找到一种正确应用人工智能的方法。数据民主化是一个术语，大约十年前由IBM的一位高管广泛使用，当时比特币第一次亮相，那时它被应用于区块链。 我们如何在商业中使用区块链？美国企业为此花费了数十亿美元。但实际情况是，他们使用的是比特币，而不是区块链，结果失败了。公司损失了数十亿美元，多年来，人们不能说你是在投资区块链，因为你会被视为追逐梦想的人。因此，无论是数据库的应用、区块链还是人工智能，学会如何正确使用一个非常强大的工具来获得结果是一个巨大的机会。 我认为相反的情况可能是最大的陷阱，即不以提供有用结果的方式应用人工智能。我认为我们在人工智能方面要采取的两大步骤之一，将使它在我们的生活中变得非常有意义和有用。例如，你如何让你的口袋里有一个医疗保健的人工智能助手？ 你实际上是如何达到那个水平的？其中之一是结果导向的AI。目前，世界正专注于大型语言模型（LLM），那么你是如何从这些大型语言模型中获得的？也就是说，你是如何从在每一个科目上都能胜过博士候选人的水平上获得的？另一方面，你可以坐下来在你的手机上使用这些应用程序之一。我们做了一个研究。我们在六个月内对六个主题进行了研究，在我们使用的所有手持AI应用程序中，每个任务的失败率高达95%。你如何弥合这一差距？我们认为在我们的组织中，这两件事中的一件是使用结果导向的AI。你想要什么结果，就将模型应用于你想要的结果。现在，我认为为了达到那里，你必须接受LLM培训，但我认为转向结果导向的AI将会产生巨大的成果。而不尝试实现这一点可能是最大的陷阱。 主持人（Theresa Yu ）：你觉得陷阱中的机会是什么？还有机会成为下一个万亿美元的公司么？ 杨光宇（Guangyu Robert Yang）：AI不在乎你是在做十到一千亿美元的事情。如果你在一个垂直领域工作，最终你能赚到十亿、二百亿美元，这已经很不错了。 但对AI来说，如果能在这个领域做到万亿级别的市场，那么所有大公司都会试图“消灭”你，所以下一代大型科技公司还有可能吗？还是说这就是终结？就像我们已经有最大的公司了，它们将会保持最大。 为了平衡，你真的想避免走他们的路吗？他们的开发路线图，被他们铺平还是你想不管怎样都要破坏他们？总的来说普遍的看法是OK的。你不想在基础模型层面上与这些大厂进行大模型竞争，只要成为一个应用程序就行了。问题是，即使你做了一个非常大的应用程序，比如Cursor，大模型、大实验室也可以说为什么我们不做那个呢？所以没有什么能阻止那些大人物也成为应用程序玩家。实际上没有什么。 我的意思是人们只是（需要）继续跟随自己，比如我去做法律，他们不想做法律。那么他们可以雇佣人来做法律。我要做医疗保健，因为那里有监管，而且很难。他们可以雇佣人去处理这些事情。 比如说，从根本上说，一个基本的基本障碍是什么，比如说我进入每一个领域，对吧？我不知道。而且在过去，VC实际上是反对大型科技公司的力量，他们有利益支持小公司对抗大公司，因为那是他们赚钱的方式。但现在，几乎所有主要VC中的最大职位都在大型实验室里。所以对他们来说，这真的不像是一场战斗，他们甚至没有那样的兴趣去战斗。所以，我不知道这会如何发展。 主持人（Theresa Yu ）：爱丽丝·艾哈迈德有何看法？ 爱丽丝·艾哈迈德(Alice Ahmed)：我认为最大的机会，就是解决一个存在高浪费的问题集。尽管人工智能的应用仍然存在大量浪费，但你可以推动有意义的顶级业务营收增长。 我之所以这么说是因为，Appleven是一个广告网络，这样的应用很多，但它开始解决的问题是如何帮助人们发现应用程序？一个直接的问题，时至今日，推荐系统仍然非常低效。 举个例子，如果我向这个房间里的每个人展示一个极其任意的例子，我可以保证不是每个人都愿意买那辆电动自行车，对吗？你可能会看一眼，可能会去着陆页，甚至可能出于某种原因把它加入购物车，但你可能不会完全转化。 如果用当今的技术状态，我可以将其转化率提高到2%，有了更好的技术，我可以将其提高到3%或4%。如果你在拥有数十亿用户的公司中扩展这一点，并且获得了大量收入，那么这是一个有意义的增长量。所以，我认为机会不是宏大的想法。我如何开始这家价值千亿美元的公司？它归结为实施人工智能，并随着时间的推移逐步增长。这是一种更实际、更接地气的做法，这就是我的观点。 桑文（Wen Sang）：我认为AI给企业家带来最大的机会取决于你为用户和顾客创造了什么样的价值。我绝对同意Robert（杨光宇）的观点，你知道开放AI将会能做一切事。但是如果你看看他们如何花钱在开放AI、Anthropic甚至DeepMind上，他们仍然将大部分资金投入在研究上，构建“非凡”的模型。 我认为对于我们来说，一个技术架构——结合了代理和模型。这意味着我们可以访问所有这些Sota模型，对吗？它不仅从成本的角度上对我们有利，（而且还是）正在赌一个未来，一千个模型将会失败，没有一家公司会完全主导它。正因为如此，我们企业家有一个公平竞争的环境，我们真的有机会将其转变为硅谷。 现在我们在Jazz Bark推出了超级代理，专注于为知识工作者构建人工智能代理，因为我们相信爱丽丝刚才所说的——在人工智能之前，一切都是从小事开始的，我们都在逐字、逐像素地打造我们的工作。 比如微软、谷歌套件、Slack notion等等。我们现在只需要和G Sparks超级代理一起工作，你只需要告诉AI代理你需要什么，然后AI代理就会完成你的财务模型，会构建你的演示文稿。当然，它不是完美的。它不是100%完美的，但它为你节省了很多时间。在45天内，我们在全球范围内拥有了200万用户，并且达到了3600万美元收入，而且还在持续增长。 我想说今天对企业家来说最大的机会是，基本上可以接触到所有这些令人惊叹的模式，包括所有的闭源模式和开源模式。我们与Open Anthrop合作，他们俩都在7月份的网站上发表了关于我们的案例研究，我们正在做更多的事情，这是最大的机会。 我认为第二半部分是陷阱。对我们来说，我认为有两大陷阱，就是事情（技术）发展得太快了。因为技术更新换代如此之快，没有护城河。我们不相信那种观点，其中一个陷阱是，一旦我达到PM，我就好了。我可以加倍努力，然后就可以进行世界业务。我们不这样看待世界。前沿是如此广阔，你不能只专注于一件事。这就是为什么在Jazz Bark Ai我们每周都会运送新产品的原因。这是唯一的（生存）方式。 巴巴尔·艾哈迈德（Babar Ahmed）：我认为（最大的机遇）不在于任何一个特定的机遇，因为本次小组讨论是关于创业精神的，你必须退一步问这个问题：你当初为什么要成为创业者。 就像之前一位教授说的。有人来到你的办公室说，我想开家公司，但这并不是你创业的真正原因。他们是试图解决一个特定的问题。 我认为在这个时代，比问题本身更重要的是如何构建思考问题的方式。在这种情况下，提出的问题比问题本身更重要。如果我们退一步看，我们处在一个非常具有挑战性的时代，作为创业者，很难内化发生在我们周围的一切。 你所构建的东西，很大一部分取决于你理解这些动态变化部分的能力。 一旦你理解了这些动态变化的部分，你就立下一个旗帜，说这就是我的目标。看看我们周围的技术。有量子计算，有生物技术，有太空技术，（这些技术）同时在发展，政治也在同时变化，所以你构建事业的基础不再稳定。 在这种情景下，你知道你作为创业者该怎么做？你该何去何从？所以一个视角是：你是在做深度科技吗？你在构建前沿模型吗？你是在以一种有意义的方式改变世界吗？ 在我看来，很少有人承担如此宏大的挑战（或如此重大的问题）。另一种方式是，你从金字塔的顶端一路向下，说，嘿，看，AI这项技术是具有变革意义的。 基于此，今天我们能听到很多类似“AI能否在某个领域提高效率”的问题。虽然这对行业而言，在长期来看可能不是最有意义的问题，但在短期内，这方面有很多小的机遇可以选择。 我认为作为创业者，你必须决定你想在哪个位置参与。我认为在较低层级参与，解决眼前问题，是有很大价值的。如果你追求的是那个宏大的目标，我认为那很有挑战性，因为你需要建立能持久发展的公司。如果你在构建某样东西，你需要知道终点在哪里，我认为在这个阶段，没有人能说清终点在哪里。不管你是埃隆（马斯克）、总统还是我们这里的任何人。只是我们不知道，因为这太具有变革性了。所以存在这种风险因素。然后关于陷阱，我认为有人说得很对，这里的crux（关键）在我看来是——作为创业者建立护城河（moat）。现在，AI是一项如此强大的赋能技术，你必须将其他人视为你的竞争对手 。 比如，今天我要在某个领域开一家公司，但在这个领域有着很多和我有一样想法的人，他们能跟我获取相同的信息，可能比我更快、更好。在过去，我可以通过执行力胜过他们，但现在这将是一个挑战。作为一个创业者，可能已经不能从执行力上有着显著的胜算。 但在这个过程中，数据会成为一个护城河，如果你从护城河的角度思考，你拥有什么护城河能让你围绕它进行构建？数据是一个例子，可能是一个你能接触到的社区，那是另一个例子。可能是一些关于你所构建业务的隐性知识（village knowledge），那可能是另一个例子。但我认为这个视角非常重要，要在今天的创业世界中具有防御性。要抓住那个（护城河）。 主持人： 谢谢所有精彩的分享，现在我想进入下一部分，向每位小组成员提一些个别问题。（首先是）埃里克。在AI如此迅速地改变一切（包括媒体消费和内容创作）的时代，你如何识别具有长期增长潜力的公司？ 埃里克·S·斯维德(Eric s.swider)：事实上，我想我明显比小组里几乎所有成员，可能也包括房间里的大多数人都年长，我用来决定关注和投资什么的日子更少了。所以我选择，未来只关注那些我认为能对世界产生重大影响的事情。 因此，在技术领域，我认为有两个关键问题。第一，为什么我们还在用0和1、比特（bits）来编程计算机？我理解为什么在1970年代我们要那样做，但为什么今天我们还要这样做？第二，为什么我们要把数据放在数据库里面？我理解为什么在1970年代我们要那样做。 但为什么今天我们还要这样做？ 因为如果你能解决技术中的这两个问题，你就能解决我们面临的许多挑战。你如何实现数据民主化，既能将所有权归还给个人，又能让那些需要更多数据的机器获得访问权限？ 所以，我们真正关注的是数据库问题。因此，在过去几年里，我们跨行业投资不同公司，并一直在努力，现在我们正在一个完全消除了已知关系型数据库使用的平台上工作。通过消除已知关系型数据库的使用，你解决了很多数据问题。 比如，解决了数据保护、数据共享、数据可访问性、数据迁移、数据集成等问题。所以，无论我们从医疗角度，还是媒体角度来看待数据库。 当我们用这种视角来看待技术时，第一，我们把控制权交还给用户；第二，让用户的数据具有更强的可访问性、可用性和易用性。 具体到媒体领域，显而易见的答案是：（媒体）走向AI生成的电视或AI生成的媒体。多年前，你会选择你想要的有线电视或卫星电视套餐，今天，媒体意味着许多不同的事物，你消费媒体的方式也非常不同。你有播客、新闻播客等等，媒体形式多种多样。 所以我们的最终归宿将是一个频道指南，它包括从你最喜欢的播客，到你最喜欢的天气预报，再到你最喜欢的体育节目。然后如何订阅、取消订阅？如何使其对用户来说无缝、集成且量身定制？这就是我从媒体视角看待这个问题的方式。 主持人：罗伯特（杨光宇），你经历了从学术研究到商业应用的转变。关于弥合这一差距，尤其是在AI和认知科学这样复杂的领域，你学到的最关键的经验教训是什么？ 杨光宇：我想先就刚才讨论的话题稍作评论。也许我有点傻，去想：好吧，创办一家万亿美元的公司需要什么？也许你不应该这样想。公平地说，大多数公司应该只考虑为用户解决什么问题，如何提高效率。而碰巧OpenAI、Anthropic和DeepMind并不是这样建立的，它们是世界上三家最好的AI公司。OpenAI就像一家AI公司，对吧？Anthropic就像一家AI安全公司，DeepMind也是一家AI公司。 结果证明它们也是最赚钱的。而那些做计算机视觉的公司——为一些中国大公司解决特定问题的公司，现在情况并不那么火热。 OpenAI、Anthropic和DeepMind有非常特殊的路径。OpenAI最初筹集了10亿美元，但并没有真正成功，然后他们挣扎了很久，但他们一开始就拥有非常优秀的人才。 Anthropic起步时，语言模型已经有点成功了。所以对我来说，我们公司的使命是：构建数字人类——不是为了解决任何特定问题，而是构建具有所有基本人类特质的机器。所以我们公司历史上（我的意思是，公司还非常年轻，不到两岁）的很多挣扎在于：如何在实现使命的同时赚钱？我认为我们还没有完全弄清楚。我们有几百万美元的收入，但这不算什么，这与我们真正想做的事情相比，毫无意义。但如果你不经历收入跳跃，从1000万到1亿再到10亿美元的收入，你也无法到达那里（完成使命）。 你的问题是问我学到了什么？我学到这非常困难，而且我还没有找到方法。我想两年前刚开始的时候，我不知道这会有多难。现在我能够体会到这有多难了。它（AI）从一个未知的未知变成了一个已知的未知，但我还不知道具体该怎么做。这是一个人们都想知道的，价值十亿美元的问题，但目前来看，大多数人都不会尝试做这个，而是更多的关注如何提高效率。 主持人：爱丽丝，你经历了将一个初创公司从艰苦创业阶段扩展到超过2000亿美元市值的完整旅程。从你的角度来看，要建立并维持一个超高速增长的公司，特别是在科技和AI这样快速发展的领域，早期需要奠定哪些关键的文化基础？ 爱丽丝·艾哈迈德（Alice Ahmed）：我个人并不负责将AppLovin发展到2000亿美元，但我确实在非常早期的阶段加入，并且我认为监管过除法律之外的每个部门。 回到你的问题，（AppLovin）如何从根本上改变用户获取和货币化，意义非常重大？在AppLovin，我们亲眼目睹了机器学习如何影响这两个组成部分。那时，用户获取主要是围绕进行更智能的选项拍卖、手动优化出价、为各种各样的广告主（从游戏到电子商务到网站，后来到联网电视）创建大量广告。 而今天，AI正在从根本上重塑所有这一切的完成方式。我认为优势真正来自两个方面：推荐系统技术本身和创意智能（creative intelligence）。我认为实际上更有趣，虽然不那么明显，但推荐系统内部的模型驱动着所有这一切，并且随着我们处于这项研究的前沿，它正变得越来越好。所以我们坚信它会继续变得更好。我们为每个用户定位这些广告的方式是：我可以确切地知道在什么时间、为什么用户、提供什么广告，你接下来可能会做什么，以及接下来该提供什么给你。 我可以在整个网络中放大这种效应。在这个网络中，随着更多广告主加入，需求侧有越来越多的数据涌入。数据的多样化会变得更强大，这使得我们的推荐系统变得更好，这也有利于供应商（即在其应用程序内通过广告变现的发布商）。 另一方面，创意智能正在充分利用AI的所有优势。以前，我管理一个创意工作室，大约有一百名设计师、开发人员。制作每一个广告，从图形到视频到播放单元，从故事板到动画，到测试再到上线，都是手动完成的。 在广告网络中，能力在于数量和数据反馈。当我只有有限的人力资源时，我如何才能尽可能快地投放更多广告？当你处于超高速增长期时，你必须做出一些非常艰难的决定。因此，借助AI确实帮助扩大了我们可以创建的广告数量、迭代次数，以及我们获取反馈信息的速度。这样做的好处和对客户及企业的价值是：我能让你更快地获得成功，这意味着你赚更多钱，我们也赚更多钱，实现双赢。而且反过来，又有更多信息反馈给我们的引擎。 所以我认为这两件事是我们看到AI好处的关键领域，我想这是最初的问题。 爱丽丝·艾哈迈德（Alice Ahmed）：我认为文化确实非常重要，无论是早期阶段还是现在。我觉得AppLovin在保持独特文化方面做得非常好。主要是几点：高度创业精神、高度执行力导向、ruthless prioritization（ ruthless优先级排序）以及产品至上。 举个例子，作为一个2000亿美元市值的公司，我们的产品团队，每个产品几乎只有一名产品经理，最多两名，这是非常不可思议的。当时只有我们五个人在运营。 如果出现问题，收入受到影响，比如某天早上Tier 1（一级故障）发生了，那就是我、一名工程师、还有一个人在线修复。没有会议，没有流程，也从不写产品需求文档（PRD）。这在在座的各位听来可能很疯狂，但就是高效执行。如果我一天能做1000个决策，哪怕其中500个是错的，我也做出了500个推动公司前进的决策。而且，如果一个想法不能让业务增长十倍，那就不值得做。我认为这种纪律性和思维训练真的帮助我们专注于重要的事情，并持续推出产品。 主持人：桑文，从你共同创立UsMarking，到现在在Genspark.ai的角色，你有将复杂数据和AI技术操作化的历史。根据你的观点，在扩展一家AI优先的公司时，与扩展传统软件公司相比，有哪些关键的操作挑战是不同的？ 桑文（Wen Sang）：AI真的改变了一切。像我上一家那样的传统软件公司，它的路径相当单一。无论是目标受众、客户、产品，还是我们做销售、营销、售后、客户管理的方式，一切都很单一。 现在，在AI时代， 我们经历的是，在我们推出了我们的Super Agent（超级智能体）套件之后，我们收到了大量咨询。在采用了自下而上的产品主导增长（PLG）和消费者采用策略之后，我们听说，来自日本的对冲基金、伦敦的投资银行、哥伦比亚波哥大的石油天然气公司，以及迪拜的政府机构，都在使用同样的东西，但目的各不相同。 举个例子，阿联酋的AI代表团在拜访了所有（相关公司）后，上周来到了我们办公室。他们告诉我，以前当他们有公共公告时，他们会雇人来朗读故事，以便将其转换成音频。现在，有了Genspark.ai的（智能体），他们只需每月支付25美元的使用费，然后让我们的AI智能体将其转换成AI播客。 另外一个例子，比如一个刚毕业的大学生，想创立一家自己的公司，但没有资金，于是决定essentially contract（ essentially 承包）餐厅和理发店，为它们在Shopify或直接建网站。以前，他会雇佣来自波兰、印度等地的海外开发人员，支付数千美元。现在，他只用Genspark.ai，每月25美元。他每单收费5000美元，然后就用我们来搭建Shopify（和）应用程序。他自己能赚取大部分利润， 这些是非常不同的需求和客户群体。我们如何在如此快速变化的技术环境中，去满足所有人，并让他们都满意？我想说，这就是与以前相比非常不同的挑战。 主持人：接下来，我想问一下巴巴尔·艾哈迈德（Babar Ahmed），你如何看待AI从创意过程到用户互动和货币化方面改变游戏开发的格局？ 巴巴尔·艾哈迈德（Babar Ahmed）：我从Mindstorm Games，或者广义上的内容创作和新兴经济体两个方面分享一下。 Mindstorm Games最初是一个小团队，只有20人，成立于巴基斯坦。一年后，我们使用AI技术。我们开发了一款新游戏，轰动了世界。 这个游戏目前有1亿（用户/下载量）我分享这些数字的原因是，我想强调那些非常小的，我敢说是封闭的团队，在世界偏僻角落，也能在市场解锁的机会。 视频游戏是一个大市场，但我们显然无法像EA那样去应对那么大的市场。 再次，本着创业精神，我们中有多少人会满足于运营一家年收入1亿美元（ARR）的公司？我想在座的每一位都会举手，包括这个小组的每一位。所以我们做到这一点的方式是：举例来说，King（一家游戏公司），一家上市公司，后来被动视（Activision）收购，现在属于微软。以他们运营《糖果粉碎传奇》（Candy Crush）为例。这是一款视频游戏。他们有6000名员工，King公司有6000人，。只有两款顶级游戏。在他们的产品管理会议上，甚至没有足够大的会议室来容纳所有的产品经理。 与此同时，这里有一家只有20人的小公司，做着1亿美元的收入，并且可能扩展到2亿甚至更多，而用来解锁这一成就的AI流程并不新奇。这不是火箭科学，而是唾手可得的成果。你只需要将这项技术应用到整个范围，让你的广告制作自动化，找艺术素材。 我解雇了一半的美术师（事实上，这很不幸），但作为一家媒体公司的CEO，如果我不解雇我的UI美术师并用AI取代他们，董事会很可能会解雇我。这就是我们所有人面临的局面。所以公司会变得更精简，越来越高效。一个人做十倍的工作，这已成为现实，你必须将其应用到所有方面。 但更令人惊叹的是，如果你能正确利用AI，特别是在新兴经济体，你必须问自己一个问题：比如体育，想象一下如果地球上的每个人都能拥有一位奥运教练。再比如法律，想象一下地球上的每个人都能拥有最好的律师......我可以将其应用到任何其他领域，在这种情况下是创业。想象一下地球上的每位创业者都能获得最好的创业导师，或者投资者能获得沃伦·巴菲特（Warren Buffett）的指导，这就是AI所能实现的。 在我们公司，每个人都有一个AI导师，你将看到的是，在新兴经济体中，地板（水平）被抬高了。这些饥饿、勤奋的员工，你付他们工资，但他们拿不到美国的工资。突然间，他们和麻省理工学院（MIT）的人一样聪明，因为他们同样勤奋，并且拥有一位可能比大多数大学里的人都懂的导师，全天候可用。 所以，如果你灌输一种利用AI作为你的copilot的文化，我总体上发现，你可以提升这些较小的团队的水平，去实现那些我以前认为不可思议的高水平事情。这就是我们应用的模式，并且我们希望可以将其扩展到更大的层面。 （本文作者｜张申宇，编辑丨盖虹达）