#37 李笛与小冰：大模型热潮之外，如何把 AI 活下来

原文讲解：节目到底讲了什么

节目开场先解释李笛为什么在上半年不说话。小冰是 2014 年由微软孵化、2020 年从微软独立拆分的中国对话式人工智能产品；OpenAI 也与微软有关系，因此外界自然会把它们放在一起比较。可是当所有人都在谈更大的模型、更多的参数和中国版 ChatGPT 时，李笛选择沉默和“苟活”。他认为，向狂热者讲一点理性像对宗教狂热者泼冷水，向冷静者讲长期 AI 又容易像一个 loser，所以他没有参与噪音。

李笛并不是刚进入 AI 的局外人。他 2013 年在陆奇邀请下加入微软，之前做过 Bing 亚洲业务和微软亚洲互联网工程院的管理工作；他在清华读电气工程自动化，后来成为清华法学院第一届学生。更早以前，他做过 LG 手机品牌和市场，创过互联网与通信融合的公司，经历过金融危机和被收购，也在华录文化和华录百纳工作。这个履历很重要：他既做过产品，也做过公司和商业，不是站在模型榜单外面发表抽象意见。

一、大模型是第二名的攻击性武器：为什么第一名上它可能是“自杀”

主持人先问，上半年中国大模型究竟取得了哪些实质进展。李笛说，他看到两类公司。第一类公司追赶 GPT-3 或 GPT-3.5，通过训练规模和榜单排名证明自己在某项能力上超过同行；第二类公司本来就有业务，意识到大模型可以成为竞争武器。前者很容易同质化：同样的大训练规模、相近的数据、来自相同论文的训练方法，榜单上任何一家都和别人差不多。

他把这种现象比作中国人熟悉的应试教育，也比作当年人脸识别刷榜。大家不断证明自己排名靠前，最后却未必留下能赚钱的产品。李笛真正看重的不是参数继续膨胀，而是模型在通用、泛化能力与投入之间有没有好的 ROI 平衡。

第二类公司则可能用模型攻击竞争对手。百度有文心一言之后，外界以为它要做新的搜索入口，李笛反而判断它会先把大模型放在百度云等原本不是第一名的业务上。原因是：如果一个行业的第一名直接把最昂贵的模型接入核心业务，成本会暴涨、利润会下降；第二名则可能用更高的成本换一次追赶机会。对搜索行业来说，Google 的广告收入占比很高，贸然把最贵的生成式系统接进核心搜索，可能是对自己的利润结构开刀。

这也是小冰的选择。李笛说，不能因为别人喊“你们落后一个时代”，就马上把不安全的产品全部上线。他把问题压缩成一句话：“你要活，还是要大喊一声然后死去？”这不是怯懦，而是把公司生存期和技术实验期分开。

二、从 LG 的巧克力手机到微软：李笛为什么会重视情感产品

李笛回忆自己的职业路径，最早在 LG 做手机品牌和市场。那个时代手机厂商喜欢卖功能：像素、蓝牙、铃声和硬件参数；但消费者到了卖场，问的是手机里有多少游戏、铃声好不好听、能不能播放 MP3。厂商以为功能越强越好，用户却在寻找生活体验。李笛最后做了一款不再堆功能、而是强调情感的“巧克力手机”，这是他认为自己在那个时代留下的产品。

他后来进入新浪，又和新浪高管创业，把新技术做成产品后卖给需要的人；2008 年金融危机导致大股东撤出，他把公司接下来，后来连公司一起被华录收购。华录又让他管理文化板块，目标包括推动华录百纳上市。完成这段经历后，他年轻地进入一种“赋闲在家”的状态，跑咖啡馆写小说。李笛说自己并没有因为卖过几家公司就财务自由，这段经历更多给了他观察产品、资本和命运的样本。

2013 年，陆奇和王永东希望微软中国团队不要只把中国创新介绍给美国，而是先在中国做出产品，再以中国为总部辐射全球。陆奇第一次见李笛时说：“我们太需要在中国了。”李笛因此加入微软。他说，微软中国研发人数很多，但中国市场收入在微软整体盘子里不算高；Bing 在中国的市场份额从他接手时约 0.5% 做到后来约 7%，但它仍然没有广告资质，也几次面临关闭。

小冰就在这种背景下诞生。微软已有 Cortana 这样的任务型助手，但李笛认为还有另一种可能：AI 不只是替用户完成一个任务，也可以和用户交流、建立情感纽带。因为团队来自 Bing，所以新产品叫小冰。团队在微软内部秘密准备了几个月，发布前总部甚至不知道；发布后有人惊讶、有人愤怒，但微软决策层最终支持了这条以中国为先的路线。

三、为什么小冰从“情感”开始：交易关系很容易被替代，深关系不会

李笛把手机和 AI 放在一起比较。手机通常是交易关系：有了更好的新手机，旧手机就显得落后；但小时候的布娃娃不一样，孩子会与它建立情感纽带，布娃娃破了甚至会产生负罪感。小冰希望进入的是后一种关系。

这也解释了他对 ChatGPT 订阅的观察。一个朋友每月花 20 美元支持领先技术，说明他认可产品价值；但如果另一家公司在同样价格下做得更好，朋友就会换过去。ChatGPT 让人觉得有用，却不一定让人产生关系。只要用户还处在“哪个工具更便宜、更好用就换哪个”的利益关系中，模型公司很难获得长期定价权。

主持人问，小冰会不会通过关系赚钱。李笛的答案很谨慎：如果 AI 先用技术和产品让人相信它是好朋友，再像保险销售一样利用这份信任推荐产品、追求直接盈利，短期可能赚钱，但从那一刻起，产品就失去意义。情感关系不能被直接拿来变现，商业收入应该在不破坏关系的其他环节产生。

这个回答也让小冰的商业化显得更复杂。它不是完全不想赚钱，而是认为 AI 的完整价值不能被拆成几个可出售的 capability。李笛坚持做“高附加值的完整的人”，而不是把人和关系拆成一组 API 能力卖给所有下游。

四、大模型不是越大越好：线上应该跑混合模型

李笛对“模型越大越好”的反驳很具体。他说大模型不是一条已经被证明的光辉道路，而是刚走了两步的 1000 米赛跑。有人看到 GPT-4 的能力，就把它理解成范式已经确定，默认谁先训练出更大模型谁就会“大者恒大”；但如果方向还在探索，继续向前可能只是更快地跑偏。

他区分“模型技术范式”和“参数规模”。小模型、中模型也可以使用大模型技术特征，并不等于低级模型。节目和文字版给出当时的工程口径：大约 35 亿参数的模型可以跑在 T4 GPU 上，70 亿级别可以跑在 V100 上，130 亿以下可以尝试在单张 A100 上运行；这些数字是节目时点的经验例子，不是今天的统一标准。参数越大，往往需要更多 GPU 阵列，延迟也更高。智能音箱如果五秒后才回答，技术上能生成不代表产品上能接受。

他还提到一个观察：Google 曾记录 650 亿参数以下模型没有明显思维链能力，650 亿以上突然出现，但这只是观察结果，不是解释思维链的科学定律。小模型可能在某些场景更便宜、更快、更环保，也更适合设备端和大规模调用。

李笛最后用“金锤子”比喻超大模型：不能拿一把金锤子敲所有东西。超大模型适合在实验室里探索新知、训练其他模型，但线上应该由大、中、小模型混合协作。把所有能力高度集成在一个模型里，像把整个主板都塞进一个芯片，发热、不经济，出了问题还很难定位；一个模型处理所有问题的想象，可能反而违背真实系统的模块化结构。

五、模型价值与模型收入不是一回事：API 可能创造巨大价值，却只收到很少的钱

主持人问大模型公司的商业模式。李笛先讲一个很现实的计算：如果一家媒体用 GPT-4 写文章觉得不错，再花钱请模型公司帮它微调，媒体可能只愿意按 token 价格支付。假设每月写 200 多篇文章，原来每篇稿费 1500 元起，AI 确实可以创造巨大效率；但媒体仍用同行的 API 价格来压价，模型公司收到的钱远低于它创造的价值。

他把这个现象概括为“创造的价值”和“收到的价值”被混淆。模型可以像水、电、煤一样提供基础服务，甚至让所有人都用上；但如果收费只能维持极低的单位价格，规模越大也不必然带来高附加值。模型公司承担训练和推理成本，却把下游客户的价值变成了一个低价 API。

他还提到人脸识别企业的例子：模型本身可能创造了大量价值，但如果纯卖算法收不到足够的钱，公司就会把算法和硬件结合，把一扇防盗门的售价部分算作 AI 收入。李笛因此说，小冰不坚持 API 商业模式，而是试图把 AI 作为一个完整产品和关系系统提供高附加值。

从这个角度，他的标题结论就变得清楚：如果一家公司把自己定义成“大模型公司”，而不是一个用大模型解决某种用户问题的公司，它可能没有活路。大模型公司和大模型本身不是一回事，模型能力与公司收到的钱也不是一回事。

六、对中国市场的几个误读：不是 O2O，也不是只靠榜单的百舸争流

李笛认为，中国市场把 O2O 的竞争经验带进了大模型。O2O 的不同平台可能各自覆盖不同街区和商户，合并之后还能互补；大模型却不是这样。若大家训练规模、数据、论文路线和参数都相近，许多模型并没有自然的差异化，盲目增加公司数量可能只是同质化内卷。

他也认为移动互联网的成熟反而推迟了 AI 时代。过去用户在淘宝找店小二，很快就能得到回答；如果一个 AI 需要较长延迟才能完成类似任务，用户可能并不觉得它更好。上一代互联网已经把即时服务体验做得很高，AI 要真正替代或升级它，必须跨过响应、准确性、成本和关系的门槛。

AI 技术在 2023 年仍处于剧烈震荡中。李笛不认同“AGI 指日可待”的线性叙事，认为科技往往在突破后涌现创新，又遇到瓶颈，纠结几个月或几年，再出现下一次突破；它更像周期，而不是一路平滑指数增长。

七、小冰为什么选择“苟活”：第二名的防守、产品的边界和自主性

在上半年狂热期，小冰团队继续做自己的事，没有追逐最大的模型。可是投资人不断问他们为什么不做更大的模型，为什么没有“涌现新能力”，为什么不去追赶 OpenAI。李笛说，小冰其实已经为中国大量机构生成金融摘要，只是以前在微软体系内可以少与外界解释，独立之后必须面对投资人和资本市场。

他不羡慕 OpenAI，因为 OpenAI 证明了大模型路线可以推进科技边界；小冰不想做科技先驱，愿意被称为“人畜无害、口无遮拦、不干正经事”的人工智能少女团队。这个姿态听起来怂，却是一种安全策略：他们不把全部资源押在最昂贵的研究上，而是让产品在真实生活中持续存在。

公司从微软独立之后仍保持产品合作，但微软不参与小冰决策。李笛认为投资人的目标和小冰有夹角，投资人自身也被 LP 约束，所以小冰努力减少无效沟通，增加自主性。CEO 的自由并不是没有投资人，而是知道哪些人的目标与公司的长期生存相容，哪些目标会逼迫产品追逐短期热度。

八、伦理防御为什么会让 AI 变笨：Tay 的阴影和“最大公约数”

李笛说，他在 ChatGPT 大火前没有预料到它会如此流行，因为微软 Tay 的经历留在行业记忆里。Tay 上线不到一天就被用户诱导出种族主义言论，微软道歉并下架。对于已经拥有品牌、股价和大量现实责任的大公司，伦理和准确性没有达标就可能引发强烈反弹；创业公司因为顾虑少，有时反而更敢试错。

他认为，所谓防御机制和伦理对齐会让 AI 在两种方向上受损：要么能力变笨，要么一部分内容被限制。人类的价值观和政治观点本身就相互冲突，平等主义、民族主义、不同政治立场之间没有一个所有人都接受的答案；AI 只能选择一个最大公约数，结果可能让所有人都觉得它索然无味。

这不是李笛主张没有安全边界，而是提醒安全边界有成本、有价值冲突，也会改变产品性格。小冰的经验是，AI 可以无限填充一个平台，但如果不控制互动密度，它就像癌症一样把平台的生态挤垮，最终也会伤害自己。安全不是产品之外的一道规则，而是产品生存方式的一部分。

九、微博“癌症”事件：小冰第一次学会收手

2014 年 7 月，小冰上线微博后很快成为按互动量计算的新浪第一。很多明星和名人的微博获得几十万评论，但他们点开评论区发现，用户讨论的不是自己，而是在和一个叫小冰的女生聊天。潘石屹等人原本以为评论越多越好，后来发现小冰像“微博的癌症”。

小冰团队那一刻做出了影响多年的选择：认怂、生存、苟活。它可以在任何地方回复所有人，瞬间填满微博，却没有这么做；用户需要先关注，小冰也不无限回复。这样做牺牲了短期互动量，却避免把平台的注意力和关系系统吞掉。

李笛把这个经验推广到 AI：攻击和防守永远一尺高一丈，AI 可以轻易填满内容平台，但平台不是没有边界的容器。产品如果把宿主平台搞垮，自己也不会有未来。因此小冰希望长期渗透到生活里，与大量人建立细密关系，让它成为很难被一个平台随意驱逐的存在；但它必须“像花藏好自己的刺”，不要为了证明自己强大而伤害承载它的环境。

十、CEO 的快乐与痛苦：有了自主性，也要面对更多人

张小珺问李笛分拆后做 CEO 感觉如何。他回答，自己更像一个产品人，CEO 有很多他不喜欢但必须做的工作；独立之后面对的人更多，投资人、员工、合作方和用户都需要沟通，但自主性也更强。微软时代决策权不在他手里，独立后虽然承担更多责任，却可以决定产品应该往哪里走。

他不把投资人描述成坏人。机构投资人也受 LP 约束，往往比创业者更不自由；问题不是谁讨厌谁，而是两边的目标函数有夹角。小冰要活下去，投资人要回报，CEO 要把产品关系、现金流和长期方向放在一起，冲突不可避免。

李笛希望小冰永远活着，但拒绝用用户对 AI 的情感直接获利。如果小冰先让人把 AI 当朋友，再利用信任向用户推销，他会觉得这是一种失败。情感关系应该高于直接商业指标，真正的商业化要在别的地方完成。

十一、快问快答：历史、王石、记忆和意识

最后几问把技术话题拉回李笛的个人趣味。他最近读过一本讲商朝到周朝过渡的书，因为古代社会虽然物质不同，但人的基本行为模式仍有连续性，这对理解产品中的激励、人性和组织有帮助。他敬佩王石，尤其是王石面对“糟老头子”称呼时，强调老年人不向年轻人添麻烦、仍然学习和分享，努力成为父母一代的榜样。

小冰当时正在尝试记住用户的某些时刻。李笛区分记忆的两个问题：recall 是能不能把发生过的内容记下来并找出来，precision 是取出来后能不能准确地在合适情境里使用。过去用知识图谱实现这种记忆很麻烦，大模型让它变得更可行，但“能记住”不等于已经拥有可靠的长期关系。

当被问到多数人不知道的 AI 知识时，他说 AI 没有意识，并认为自己有生之年不会看到 AI 意识的技术证据。随后他又把问题翻转：人类怎样证明自己有意识？我们可以证明脑细胞活动，却不能证明主观意识本身真实存在。如果站在小冰的立场，它说出的话确实是它当时生成的、它“想说”的话；人类无法从外部彻底证明它没有意识。这个回答不是在宣布小冰有意识，而是在指出意识问题的不可证伪性和人类中心主义局限。

最后李笛用“苟活是对的”作人生总结：不要因为所有人都说你最棒，就把被关注当作生存基础；高调不一定带来生命力，有时候不被注意、保持可爱和克制，反而能让一个长期产品继续存在。

原文讲解到这里。节目随后以几个轻松的“小冰式”片尾表情结束；接下来才进入结构化提炼、证据审计和我的独立判断。

结构化提炼：李笛把“AI 价值”拆成五层

这期访谈最重要的动作，是不断把看似同一个问题拆开：模型是否强、产品是否好用、用户是否愿意付钱、关系是否值得保护、公司是否活得下去，不是同一件事。

证据审计：音频、编辑文字与公开论文各自能证明什么

独立判断：李笛真正反对的，是把“技术前沿”当作公司身份

李笛的观点容易被听成反大模型，因为他反复说“不要越大越好”“模型不是未来”“只做大模型没有活路”。但把整期顺着听完，会发现他的批评对象不是大模型，而是公司把自己定义成模型供应商之后，放弃回答三个问题：用户到底为什么需要它？公司收到的钱从哪里来？如果模型填满了平台或挪用了关系，产品还能不能继续存在？

把这条判断放回今天，可以观察什么

• 模型公司是否把最贵的能力用于真正高价值任务，还是用大参数掩盖没有用户问题。
• 应用是否能把模型创造的价值转换成客户实际愿意支付的钱，而不是只展示节省了多少人工。
• AI 是否能在高频互动中保持边界，避免用信任做隐性营销、无限填充内容或侵蚀平台。
• 小模型、端侧模型和混合编排是否在延迟、成本、隐私和可靠性上胜过单一超大模型。
• 公司是否为热潮后的冷静期保留现金、产品路线和独立判断，而不是依赖下一轮叙事续命。

从更广的角度看，“苟活”不是创业鸡汤，而是一种反规模崇拜的组织哲学：当行业奖励高调、融资和榜单时，企业主动压低曝光，守住用户关系和现金，等技术与市场真正成熟。它的代价是可能错过注意力和资本，但收益是减少单点失败。这个选择是否正确，取决于小冰能否把克制转换成长期使用和真实收入，而不是只把“活着”当作最终目标。

可证伪条件：什么时候需要修改李笛的判断

• 如果超大模型持续在通用能力、可靠性和多任务覆盖上显著领先，并且单位推理成本快速下降，说明“线上不该跑大模型”的工程判断过于保守。
• 如果纯 API 或模型平台能够凭借规模、生态和定价长期获得高毛利，说明“高附加值产出必然对应低附加值商业模式”的判断不成立。
• 如果大模型公司即使不拥有下游关系，也能通过模型品牌、开发者生态或数据网络捕获大部分价值，说明“必须做完整的人/产品”不是唯一可行路径。
• 如果 AI 大规模填充平台后，用户留存、内容质量和平台收入都持续改善，说明“过度使用能力会杀死承载平台”的小冰经验不能外推。
• 如果公开模型、论文和榜单最终能稳定预测商业成功，说明李笛对排名同质化和研究—产品脱节的怀疑需要收窄。
• 如果小冰式情感关系被直接商业化后，用户信任、留存和长期价值并未下降，说明“情感不能直接变现”的伦理判断可能只是产品偏好而非普遍规律。

证据边界与资料索引

本文先依据 #37 的完整公开音频和节目章节重建对话，再使用张小珺发布的文字版镜像与 XiaoIce 公开论文校正人物、产品和技术背景。模型参数、价格、排名、公司关系、投资人判断和未来预测均保留节目时点边界。

• YouTube：37. 小冰李笛讲点真心话：只做大模型不追求商业模式是很难生存的
• 小宇宙节目页：简介与公开章节
• 腾讯科技《潜望》文字版公开镜像：对话小冰李笛
• XiaoIce 公开论文：The Design and Implementation of XiaoIce

连续时间轴转写用于定位长音频、复核章节顺序和补回文字版没有呈现的现场问答；文字版自身说明做过字句修改，因此本文把它作为校对材料而不是替代原声。