百川智能王小川：大模型创业100天，我确认找到了属于我的「无人区」

摘要

「以前没人说小川你适合做搜索，现在大家都说小川适合做大模型。」

4 月，王小川宣布下场，成立大模型公司「百川智能」。 6 月，百川智能发布 70 亿参数开源大模型，Baichuan-7B。

7 月，百川智能发布 130 亿参数开源大模型，Baichuan-13B。

两款模型在各种测评上都有不错的表现，也收获了国内外大量用户的认可。

「开源很简单，大家可以拿着自己用的，这不是你自己吹牛吹出来的。」

他动作很快，比大多数人想象得都快。就连他自己也很意外：下场动手开始做以后，进度会比预期快很多。

在由极客公园主办的 AGI Playground 大会上，王小川透露，百川智能的开源模型能力一定会超越 Llama 2。按照计划，之后百川智能将发布几百亿，千亿级闭源大模型。

几个月前，王小川要「做中国的 OpenAI」登上各种媒体的头条。

这是一句大众爱听的口号，但未必是一句准确的描述。

王小川究竟想做什么？他要怎么做？三个月的实践，取得阶段性成果之后，他对大模型时代的创业有哪些一手认知？

以下内容来自极客公园创始人 & 总裁张鹏与百川智能创始人 & CEO 王小川在 AGI Playground 大会上的访谈，经 Founder Park 编辑

开源

OpenAI 没做到的

张鹏：

大家可能最感兴趣的，还是你创业之后这段时间动作很快，发了两个模型：一个 7B，一个 13B，而且反馈都很好。

大家都很好奇，因为一开始都认为你要做一个中国的 OpenAI，但是看到你做了开源的东西，那开源是一个技术阶段，还是本身它就是未来你思考的新模型？

王小川：

开源，我们觉得是一个技术阶段，其实做中国的 OpenAI 并不代表着完全要复制它完整的路径。在硅谷跟 OpenAI 交流的时候，他们在理想上是走得非常远的，比如说他们现在做 GPT-4 的时候是需要 2 万多张卡做计算，国内都没见过这么大的规模。

他们很自豪地说他们在设计把 1000 万张 GPU 连在一块做计算模型。

1000 万张卡什么概念？英伟达一年的产量是 100 万张。1000 万张就完全是可以登月（moonshot）的这么一种计划。

另外，在怎么去做应用、做产品上，甚至做一些更广义的技术上，这可能是 OpenAI 的短板，或者是他们现在不是特别关注的事情。

所以在中国做 OpenAI 跟美国的生态环境会非常的不一样。

最近开源的 Llama 2 发 布之后，在国内引起一个狂潮，大家觉得它会重新改变格局，这是 OpenAI 没做到的地方。很遗憾这个不是 Google，而是 Facebook（Meta）做的，Google 还是继续缺席的位置。但国内的话我们就提前看到这件事情了，我们认为未来开源和闭源会有一个并行的状态。

张鹏：

开源和闭源会是并行的状态。

王小川：

并行就有点像现在既有苹果的系统，也有安卓的系统。甚至在更多的公司要参与进来的时候，光用闭源的 API 调用是不够的，也需要这个开源模型提供 80% 的服务，最后靠闭源来给大家提供服务剩下的 20% 会有大量开源的需求。而之前美国没有，中国更没有类似的模型。因此 Llama 一旦宣布的话，对美国是很大的震动，但中国也有热潮跟着在走。事实上，严肃的技术评测包括几种主流的像 SuperClue 的评测，以及一些大厂和公司的对比，Llama 和百川对比的话，明显我们现在在中文领域里面是远超 Llama 的品质。

在中国的开源模型领域，就像我们的手机行业一样，最早也是用美国的，后来就自己追上了。

张鹏：

你觉得 Llama 2 最近这么热，百川会比它们做得好？

王小川：

Llama 是有 Llama 1 和 2。

首先，我们今年在 6 月份发布了第一个 7B 参数的模型，7 月份发布 13B 参数的模型。在英文的指标里面，最重要的一个指标是 MMLU (Massive Multitask Language Understanding)，这个关键指标我们的两个模型是优于 Llama（1）的，在中文里面大幅度领先。

我们知道 Llama 其实对中文的处理部分其实是不足的，跟 Llama（1）相比，百川的英文是能够部分对标，关键指标是超过的，然后中文是明显是做得更好，很多人在对 Llama 进行中文改造，但还是没有本土的百川好用。

Llama 2 发布之后，我们也能看到技术报告，里面大概有 9 个技术创新点，其中有 6 个在我们正在研发的模型里已经做到了。

跟国内其他模型相比，我们这边的思路是目前最接近的，有 6 个点我们已经做了，然后有 2 个我们没想到，有一个我们这是无效的，所以在跟 Llama2 对比的时候，我们在技术的思考里不是简单的抄袭借鉴，我们是有自己的思考的。我们认为在这个道路里面后面会有我们的机会。

今天我也呼吁，在国内大家在用的时候不要只想着国外很好，OpenAI 现在来讲离距离确实更远，年底能够达到 GPT-3.5 或者接近的水准需要时间，但在开源大模型里面我们现在已经很接近了，在中文领域现在就可以替代，也许未来还能超过 Llama，我觉得是可以做到的，我们应该有这样的自信。

张鹏：

所以你的下一个开源模型，你认为会比 Llama 2 更好？

王小川：

至少是在中文。在中文领域，现在已经是超越了。再往下是在全球市场的开源领域去发出中国的声音。

张鹏：

英文和中文都要达到比 Llama2 好，这件事对你是看得见、可实现的。

王小川：

我觉得有机会，在可预测未来是可能会发生的。

张鹏：

所以你的观点是：今天不能简单的说我们未来大模型就是走向 OpenAI——闭源的中心化的模型。开源实际上是具备着很大的可能性。所以也就意味着一方面在于实践技术，展示技术能力，但它也确实有可能蕴含着商业模式和价值。

同时，开源的基础之上，中国做一个全球最好的中文模型还是一个让人可以期待的事。

王小川：

总结得非常准确。

搜索的经验

是坏的惯性，还是好的资产？

张鹏：

之前很多投资人认为，用搞搜索的经验做大模型肯定成不了。经过这几个月的实践，你是否验证了你当初的与他们不同的判断？搜索的积累和能力对大模型有什么帮助？ 王小川：

因为今天（AI 的）这个成就是 OpenAI 做到的，Google 没做到，所以投资人的第一个想法就是这个新的技术正好是搜索的反面。他们很难分清到底是技术还是组织管理的原因。

导致这种声音的原因，一个是不理解搜索技术和 AI 的关系，第二个是认为搜索背景的认知会带来负向的效果。

因为搜索公司主要就是百度和 Google，不太需要对外融资，也不会给投资人讲搜索是什么。尤其是上一波 AI 热潮更多是通过图像带起来的，大家对搜索里的 NLP 等技术内涵是陌生的。

从结果上来说，我们 6 月份发布了第一个模型。最早有竞争对手告诉投资人，百川最早第一个模型要用半年时间，其实我们只用了 1/3 时间就做到了，然后又发了第二个。而且不久的将来，我们会发布一个闭源大模型。

百川从第一天开始就是自研的，而且冷启动非常非常快。这背后的原因是什么呢？

今天我们知道高质量数据是大模型的基础，那什么公司对语言数据有广泛的理解呢？那其实搜索公司干 20 年，每天都在思考怎么找到这种高质量数据。比如说首先从 1 万亿个网页中找到 100 个高质量的网站，然后再做页面分析，包括信息抽取、去重、反垃圾，甚至按段落级别来提取内容。

这种工作，搜狗、百度和 Google 已经做了很久。

第二点，从人才储备来说，既要有算法能力，又要有以搜索能力为主的工程能力，这种人基本也在搜索公司。现在字节跳动做模型就是用的搜索的团队，百度的进度也非常快，包括沈向洋在做的模型也是 Bing 的 VP 过去做的。

做大模型还有一件事情就是评测。评测大模型好不好其实是一个痛苦的问题，包括推理的问题、精准问答的问题、创作的问题……有的变好，有的变差，怎么评价？所以这种评价体系也是搜索公司长期积累的一个能力，用评价来带动后续算法的迭代。

另外创业公司又比大厂的组织效率要高很多，有非常且灵活的决策体系，所有效率就会得到最大化的体现。

张鹏：

所以当年认为搜索干不好大模型的那个投资人，后来你跟他聊过吗？

王小川：

名字打上叉除名了，都不知道是谁了。这种只看商业不看技术的，还有特别喜欢美国回来创业的小鲜肉的，这些投资人就直接划出来不聊了。

老王说得对

「小创新靠大厂，大创新靠小厂」

张鹏：

你觉得创业者在未来这波技术变革中会有足够大的机会吗？还是说主体仍然由巨头把控？创业者该如何抓住属于自己的机会？

王小川：

王慧文虽然对技术没那么懂，但他有一句话我觉得说的特别对：小创新靠大厂，大创新靠小厂。

虽然大厂有很多人、钱、资源的优势，但组织壮大后反而会有很多很内部问题，组织效率收到了严重限制。

如果我们坚定认为 AGI 的到来，那么一定会爆发出巨大的新物种。这些事情对创业公司来说有巨大发挥作用的机会。这个从历史推演就能论证，所以只要有 AGI，未来就有新的机遇。

中间的难点在哪呢？

OpenAI 是一个以研究导向为主，在现实世界落地产品的公司。你跟着它走，研究领域可以有非常耀眼的成就。但是今天怎么做应用，不管是 OpenAI 还是硅谷以技术驱动公司都还不是太擅长这个。我有自信中国在应用落地上比美国强很多。

全世界都到了一个转折点，现在技术已经就位，这是第一个难点。应用和需求方面是第二个难点，这一块叫做 model service（模型服务）。所以现在的挑战是，第一，你有模型了吗？第二，有了模型就等于有了服务吗？

张鹏：

兜售 API 属于服务的范畴吗？

王小川：

我觉得不是。

就像你有了无人驾驶的技术，但你真的就能造辆车了吗？显然不是。其中还需要许多技术的融合。

现在美国对于应用层比较迷茫，中国现在的问题是模型能力不足。今天很多做模型的创业公司，也是把自己的视角局限在大模型上，对其它技术栈没那么了解。

讲个最简单的例子，做模型肯定会遇到幻觉问题，时效性问题。幻觉和时效性都是光靠大模型本身能解决的。有人用扩大参数，扩大到万亿，十万亿来解决幻觉；或者用强化学习。但其实最直接的做法就是把搜索和信息检索带进去。大模型和这些结合在一块，才能形成一个更完整的技术栈。

这个技术提出后，已经有点苗头了。比如现在有一个叫做向量数据库的东西，它其实就是搜索的变通，主要应用在 toB 里面。

搜索方面，在 2018 年有了 Transformer 技术后，已经具备了语义搜索的能力。大家可能听过倒排索引，就是把这种符号网络索引起来。

在 2018 年之后，不管是我们、百度还是字节的向量都已经转向了语义搜索，背后支持这种技术的是三个巨大的向量数据库。这些技术栈和大模型结合在一起，才能让大模型有更大的发展。大家可以看到，搜索的团队经验对于做模型是有优势的。

第二个方面，现在大模型技术逐渐实用化。然后在所谓的知识计算中，还需要加入向量数据库和搜索，才能形成更完整的技术和产品。在这个问题上，大家正在逐步形成共识。

今天来讲 ChatGPT 的流量，大家开始担心是否能够持续爆发。

因此大家还需要更多探索。

我们认为在娱乐行业，在人物角色扮演方面有广阔前景，但这件事情需要中国公司进入才能做得更好。

另外一件事是如何将大模型和搜索如何结合在一起，Perplexity AI 现在做得挺好，我们则处于被动的地位，美国有机会，投资人就会找中国的对照公司。如果这家公司，一没有大模型，只是在调用 API；二没有搜索技术，只能依赖 Google，Bing 这些公司的技术，这样并不理想。

张鹏：

刚才你说，ChatGPT 这类的用户量在下滑，就是让大家感觉新范式未必能够一下子打穿。这是不是对创业者做应用的挑战很大？

因为根据你刚才所讲，创业者在一个技术不成熟的环境下，本身创业探索的代价就很大。而如果创业者只是拿别人的 API 做个应用范式的变化，其实没有特别亮眼。

王小川：

前两天 OpenAI 刚升级了 code interpreter，然后又升级了 custom instruction。对创业公司来说又形成了巨大的压力。

美国投资人也在担心，在焦虑其中还有没有机会创业公司能超过巨头，会不会做一半就被大公司取代了。

在中国的话，我觉得走大模型路线的还没有像 OpenAI 那样有一个占据顶端的公司出现。现在还处于「百模大战「的阶段。今天做大模型的公司有没有能力做应用，这件事中国比美国有很多看点。

追赶 GPT-4？

一味追求模型代际提升很危险

张鹏：

这也引发了一个问题，就是接下来中国谁会追到 GPT-3.5，甚至 GPT-4 的水平

也有另一种声音说 GPT-3 已经足够企业去解决一些垂直场景问题。

我感觉小川你们还是致力于去追 GPT-3.5，GPT-4。这个追的过程难不难？你们为什么说一定要追到 GPT-4 的程度？

王小川：

我觉得这是两个事情。

首先是技术的跨代进步，可能对后续产品生态产生碾压式的影响。无论从理想的角度来看，想象一个遥不可及的未来，就像战斗机的三代、四代、五代一样，在这其中每一代都可能发挥重要作用。所以在这个时候，大家应该争取在竞争激烈的领域中寻求优势。

但是在争夺优势的过程中，大家可能会面临新的困惑：到哪一代才能真正实现超级应用？GPT-3.5 在美国至今尚未形成超级应用，训练一次大约需要 5000 万人民币，这还不包括前期准备和实验之类的成本。GPT-4 训练一次可能需要 5 亿人民币。到 GPT-4.5 代，成本可能会达 5 亿美元。

因此，如果没有超级应用，单纯追求技术提升也是非常危险的。所以我们需要在这个领域同时追求第四代和第五代技术能力的提升，同时要有超级应用。否则，我们可能会突然面临两个方面的升级压力，这两者都需要同时升级才能取得成功。

张鹏：

所以每一波型的技术里都应该能够诞生有价值的应用。

王小川：

你刚才说的很对。

在 B 端里面 GPT- 3 基本就已经能用了，在 C 端没有能用的原因我认为还是时间太短。

加之大家把目光太过聚焦在 OpenAI 上，它不是一个产品公司，不是一个能做超级应用的公司。

能做超级应用不仅需要技术追赶，也要对产品有一个足够的理解。这件事我觉得年底是水落石出的时候。

「小川适合做大模型」

「做了 20 年搜索，没人说我适合做搜索」

张鹏：

大家有没有可能高估了 OpenAI？或者说我们认为 OpenAI 很难被超越的一点就是因为它有数据飞轮，你如何理解这个，数据飞轮是真实存在的吗？

王小川：

今年年初在提数据飞轮的事情，当时特别恐慌。用户的请求给了它，它知道用户要什么，然后就更好地去升级模型。

在目前看的话，这个问题并不严重。

像 Llama 2 推出之后，大家看到在微调阶段，数据要精而少，而不是精而多，现在大家开始逐步形成共识，技术的秘密不是在飞轮里面，还是时间的技术积累。

像 Claude 的公司 Anthropic 的技术实力也涨的很快，OpenAI 远远它用户多，这也证明了数据飞轮的概念被证伪了。

张鹏：

或者说有可能它里边真正有价值的数据都体现在跟人对话的技巧上，我记得最早的时候，它的对话方式就挺「木讷」的，但现在就感觉更有人性。

王小川：

这个东西感觉都不多，更多还是在于它的数据集里面，不管在 Pre-training 阶段还是在微调阶段，怎么去搞优质的数据？如何去配比等，这是它的核心的能力。尤其是我听他们聊天说，一方面 GPT-4 在训练 GPT-3.5，让 3.5 更高效的工作，同时用 GPT-4 去生产 GPT-5 所需要的部分数据，在做迭代过程的优化。它的迭代在内部是使在线服务更好，同时生成未来的部分数据，我觉得这是是内部的一个飞轮。

张鹏：

所以如果 从 Llama 的角度去看，通过开源也有可能能够去 deliver 一个不断在提升技术水平的模型。但如果要从 OpenAI 的这个视角，可能在某个阶段也需要有足够的用户和数据。

王小川：

开源的、闭源的，还有应用，事实上今天大家都还在铺开来做，跟现在美国西部一样还在扩张的阶段。

张鹏：

所以今天对于一个创业公司，比如像百川，就不会轻易的只是说我只配合了某一个方向，我要保持战略模糊也好，或者叫可能性的丰富也好，就这些维度可能都会下注。

王小川：

对。我这次创业比较有意思，很多人说小川你特别适合做大模型，我做了 20 年搜索，从来没一个人说过小川你特别适合做搜索。

在国内做搜索，比百度晚了 3 年，这种追赶是非常艰难的。而今天这个积累和经验放过来一看，前面都是没人的。原来想的很难，已经晚了好几年了，但今天在我看起来处处都是机会。因此只要我们有足够多的能力，我们处处都可以在里面试，也看看今天是否能够改变大家原搜狗的这种印象。

不要盲目崇拜

中美会有不同的 AI 故事

张鹏：

小川说的这点我还挺有感触的。你终于站到了一个无人区。

大模型这件事，可能很多人觉得要学习、追赶 OpenAI。但当你真干了这件事，才会真的找到距离和路径。

王小川：

对，不用那么崇拜。

我记得 2016 年 AlphaGo 之后，我当时提了两点，第一，如果（AI）能够预测下一帧视频，那就是 AGI 的到来。

但是说完之后就过了，你也没有能力去做，动力、能力、条件都没有。后来说如果机器掌握语言，那么强人工智能也会到来。现在其实已经开始验证。

所以我觉得我们自己有很多想法，并不是走在后面的。只是原来各种时机、条件不成熟。这就像，一个学霸说这件事已经可以解了，你这个学霸，也不是说一定要把作业给你抄对吧？

别人告诉你可解，甚至大的思路给你了，我觉得我们自己就会做了，不需要盯着别人的作业打小抄。

张鹏：

所以这里面你真正的乐趣不是实现和复刻了别人，而是在这个无人区里在探索出一些大家还没有抓到的东西。

王小川：

是的，我觉得这次有机会在部分领域做到领先。

张鹏：

是有这种可能性的，所以中国和美国，百川和 OpenAI，可能它并不是一样的故事。 王小川：

确实会不一样。中美本来就不是一种制度，一种体系、文化，所以最后长出来的，不管是技术问题还是应用问题，都会不一样。

主要工作：和同事聊天

百川智能刚刚突破 100 人

张鹏：

你平常的工作都怎么安排？你的时间怎么分配？很多人都说，算力重要、人才重要，但我觉得只有真正创业的人才知道什么东西最重要。所以我就想问问你时间花最多的地方在哪？

王小川：

我现在时间花最多的，是跟我们的同事聊天。

张鹏：

聊天？

王小川：

对，这聊天在过程当中的时候，其实是一个不断形成共识的过程，就是把大家的这种认知、养分、外面信息汇聚，使大家形成同一个大脑。

因为我们知道 Top-Down 可能会走偏。比如说这个 Google 为什么没做成？第一个 Google 本部做的时候有它惯性。数据拿不到，上了线之后成本提升，没有具体用户收益，所以有创业的窘境。

Google Brain 的话，它是 Button-Up 的。它的研究员很自由，什么都干，或者汇成一个力量，所以他们其实很多看到了大模型，但是没法集中一块做，力量是分散的。那 Deepmind 是自顶向下的，公司要求做什么，大家做什么。它做了 AlphaGo，AlphaZero，AlphaFold，现在开始走向了氢能源、核聚变、量子计算，但是离大部分已经远了。

在今天其实 Top-Down、Button-Up 做起来叫上下同欲，使大家从这种理想上到技术上、认知上充分地对齐，变成一个事儿。所以我认为跟大家更多日常的交流，会使这个大家变成一个大脑，这是我最重要的工作。

张鹏：

嗯，有意思。所以一个小的团队去发挥它最大的能量，反而是所有人能够同喜同悲、同欲同求。

王小川：

这很重要，今天也不讲组织管理了，就是大家变成像一个人做。百川现在是 100 人，昨天刚到 100 人。

信心的变化

百川的进度比想象中更快

张鹏：

过去几个月，投身大模型，你的热情没有变化，但是信心有变化吗？跟你一开始的预期相比，是更难了？还是符合你的预期？

王小川：

如果讲真话，发自内心的，我觉得比我想得更简单。

预期就是，一开始都知道很多（困难），国外好几年的积累，算力、服务器...... 但是当你和同事在一起工作的时候，当大家在共创的时候，我们实际的进度、节奏都比预期要快。

原来我们预计是 Q3 发一个 500 亿的模型，然后 Q4 发布一个 1750 亿的。

但事实上，这些东西不会变，但过程中，应用的进展速度，模型开源的速度，都比预期快很多。

而且也更快地，今天我们可以开始说，不只是在国内做到最好，我在国际舞台上开源。

开源很简单，大家可以拿着自己用的，这不是你自己吹牛吹出来的。开完之后，我们有信心能在国际舞台上拿到非常好的位置。

张鹏：

所以跳到水里之前是不知道深浅的焦虑，真跳进去了，发现其实能踩到底了，就踏实了很多？这件事真的这么简单吗？

王小川：

分人。

我是一个做事还比较谨慎的，我当时还在看，然后我们的联创一脚把我踹进去，说开始干。然后我说好吧，宣布下场开始干。否则还可能更晚，才会觉得自己准备 ready 了。但一旦下场之后，会发现比自己想的时候，会跑得更快一些。

狂热之后

最近关注的技术进展

张鹏：

你最近在关注大模型的那些技术进展？有哪些 paper 是让你感到比较兴奋的东西？ 王小川：

第一，光看论文，今天其实已经不重要的。

你看不完的。基础就那些东西。而且今天 OpenAI 已经不把好论文发出来了。发出来的都是信息量不大的论文，收获是有限的。

同时大家因为之前进入狂热（状态），我们叫「度日如年」，每天过得更（技术进步）一年似的。

张鹏：

度日如年是因为它跑得快。

王小川：

对，不是枯燥。每天都太多新鲜事了。大家神经已经刺激到了一个高点，有一点疲软的状态。

说回来，最近有几个技术进展，我觉得非常厉害的。

一个是，大概一周多前，OpenAI 推出了 code interpreter，这是重大的一个突破，但在国内好像没有形成新一轮的媒体狂潮。

之前的狂潮大家已经享受过了，这次的进度，code interpreter，我觉得是媒体没有当量地去正视它报道它。以及昨天的一个小升级，定制自己的 instruction。代表了它从模型 LLM，开始走向 Agents。

里面会描述说「我是谁，我有什么特点」，你这个大模型会扮演一个怎样的角色，有什么特点？形成这样一个关系，是从模型是不是 Agent（角度来看的）。这两个领域，是今天大家关注报道不够的。

创业的决定

终于等到「适合小川」的无人区

张鹏：

最后一个问题，你刚刚提到，你是被「踹」到这个创业的局里。我也知道你很早就是 AI 的狂热分子，从 AlphaGo 的时候就是。

最终下决心，成为一个 AGI 领域、大模型领域的创业者，老王（慧文）也好，中国这波浪潮也好，他们对你的决策产生了怎样的影响？经历了这样一个过程，你内心发生了怎样的变化？

王小川：

心路历程其实挺长的。

在搜狗的时候，到后期。第一，错失了推荐引擎，也跟腾讯做了战略结盟，在这种情况下，没有新的技术突破的话，发展上是非常受限的。当时把搜狗并给腾讯的时候，我在挑战一个更有意思的事，就是把生命变成数学模型。就像我们说，牛顿是把物理变成数学模型。

之前在极客公园的平台上，我都在讲向生命学习。

生命是什么？这是我思考了 20 年的一件事。

怎么把生命变成数学模型？这是我关心的。甚至在研究中医，怎么把生命变成数学模型，（后来）发现这条路不一定是能走通的。

怎么在科学范式里，对医学有新的突破，这是我特别感兴趣的事情。我读医学的论文比我读计算机的论文多得多，我读了上千篇医学论文。

21 年发生了什么事呢？21 年的时候大模型已经开始有一些机会。那时候我们做了百亿模型，来解决搜索变问答的问题。

其实之前做输入法，就已经在搞「预测下一个词想说什么」，然后怎么改写，搜索是变成问答。其实有摸到那个门，但是那时候技术是没有突破的。

所以你知道把生命变成数学模型，我是很感兴趣的，所以大模型这波到来之后，我第一想法不是做大模型，我想说，是不是今天可以在生命领域做个 Health ChatGPT？健康的 GPT，一个数字医生？

张鹏：

你在从应用的、解决问题的角度思考。

王小川：

对，在思考这个问题。然后又想，如果你今天做一个垂直模型，它可能会被大模型干掉。通用智能会干掉专有智能，对吧？

但是这种情况下，我们发现，如果只做一种 HealthGPT，或者只做一个数字医生，这是不够的。最后就说，还是要做大的模型。

（下场做大模型的决定）是转了这么一圈转回来的，并不是觉得之前自己有积累之类的。但是做大模型，发现其实（之前的积累）是挺相关的，比如语言相关的处理。

甚至极端一点说，ChatGPT 第三个把语言模型做成超级应用。前两个，一个搜索，一个输入法。

张鹏：

感觉你不把这个也干了，对不起之前干的那两个。

王小川：

对，所以发现之前的积累在今天确实用得上，这是之前没想到的。

因此我很感慨，老天对你很好，给了你一个机会。在搜索画句号的时候，还有一次机会，把以前的经验用来做一件原来做不到的事。

现在说，大家没人说过「小川适合做搜索」，但都说「百川适合做大模型」，对我来讲，是一件非常幸运的事。

张鹏：

这是你当初决定要做的原因。

现在几个月下来，大家可能会觉得这件事很难，OpenAI 都没能变成一个超级赚钱的公司，硅谷很多人都质疑它的商业模式。所以大模型对创业者会有这方面的压力，你感受到这个压力了吗？

王小川：

我都是很亢奋的。

因为以前都是在百度的阴影下工作，现在是无人区，这件事对我来讲正好是我想做的事，而不是说前面有个领导者在里面，然后你跟着追。对我来说，这是我喜欢的，一个新的探索。

张鹏：

特别感谢小川今天给我们做了走心的分享，也恭喜你终于迎来了属于你的无人区，希望在这里能看到更美的风景，掌声献给小川，加油！