#25 王怀南：OpenAI 开源、亚马逊新动作，全球大模型格局走向何方

节目中的“OpenAI 会开源”“亚马逊五月底发布大小两个模型”“ChatGPT 4 之后很快继续进化”“2024 年夏天会出现一批垂直项目”等，都是 2023 年 5 月的消息、嘉宾判断或预测。本文保留它们，是为了让读者理解当时的决策环境；它们不能直接当作 2026 年的事实。

一、开场的两个月：从被震撼，到知道机会会被夺走

王怀南先回顾这两个月的心理曲线：第一阶段是被 ChatGPT 的对话能力震撼，企业和创业者几乎无条件拥抱；第二阶段是 ChatGPT 从 3.5 到 4.0，用户感觉能力在一个月内从“九年级学生、最多初中生”跳到“研究生”。他又引用陆奇关于版本训练的解释：用前一个版本的能力去训练下一个版本，提升不一定是线性迭代，而可能是上一代智能帮助下一代智能跃迁。

节目因此没有把热度下滑理解成技术失败。王怀南说，真正发生的是很多人忽然发现自己的创业机会被模型本身做掉了：有人想做更智能的 Excel 报表，ChatGPT 自己就能做；有人想做医生问诊后的医疗记录，微软已经投资了类似公司。于是他给出一个很有冲击力的估计：YC 中约 60%—70% 的创业项目，可能被自己的 ChatGPT 直接消灭。这里的重点不是数字是否精确，而是创业者第一次看到“平台能力会迅速吞掉应用层创意”。

主持人把这种状态概括为“又热又冷”：市场仍然有想象力，但简单的包装机会被剥夺，剩下的需要更深的行业衔接、判断和组局。

二、底层模型为什么像年轻人的胜利，行业副驾驶为什么转向老兵

王怀南把机会分成上下两层。底层大语言模型的涌现，发生在一批年轻算法研究者身上：他们借助微软的算力与 Bing 数据，在不完全知道会出现什么的情况下推进创新；模型能力比行业原先预期更早涌现，像是数学、数据、工程和大胆试错共同造成的突破。

但模型一旦出现，下一层的机会就不再是“再做一个完全一样的底层模型”。王怀南称之为 Vertical Copilot，也就是每个行业的智能副驾驶：律师、医疗、商业、搜索、交易等领域都可以把模型接到工作流里。不过他马上收回了“每个行业都有机会”的乐观说法：一半以上、甚至三分之二的行业副驾驶机会，可能仍会被 ChatGPT 自己吞掉。

真正留下的，是那些需要行业知识、行业数据、行业判断和复杂交互的场景。王怀南认为，这类机会属于在行业里深挖多年的人，因为他们知道问题如何发生、用户怎样协作、错误会造成什么后果，也更有能力把模型嵌入现有组织。他举出的老兵包括王慧文、王兴、王小川以及他自己：这些人未必是最年轻的算法创新者，却更懂复杂系统如何组局、找到商业模式并活下来。

三、为什么中国很难再拿到一个“通用模型船票”

主持人把问题转到中国：如果底层大模型存在数据和规模的赢家，中国市场谁会成为那个垄断者？王怀南用搜索引擎作类比。中国有百度，也有符合本地规范的 Bing，但在他看来，搜索数据量和规模优势会让老二很难超越老大；如果 Google 因政治和其他原因不能进入中国，市场就可能形成一家独大。

他把这种结构迁移到大模型：当 OpenAI、微软/Bing、Google、Amazon 同时争夺底层能力时，后来者很难用一年时间复刻前者；等第二名做出上一代能力，第一名可能已经到了下一代。王怀南因此不认为中国一定会出现一个与美国通用模型完全对称的“第二个 OpenAI”。他甚至提出一种替代路径：中国可能把若干个精准的小语言模型叠加、组合，最后形成类似通用能力的系统。节目中他也承认，这种“小语言模型”的说法只是临时命名，关键是垂直模型的精准性和组合能力。

这段讨论同时夹着地缘政治约束：如果美国封锁，中国会被迫自建部分能力；但模型训练不是简单的语言翻译，而是把各种知识、数据和推理能力灌入系统。王怀南的判断是，应用端最终可能会出现某种“网开一面”的现实安排，因为大模型会成为社会生产力，彻底隔绝的成本很高。这仍然是节目中的宏观推测，不是政策事实。

四、亚马逊的大模型下注：同时争通用票和垂直票

王怀南接着说，他知道亚马逊计划在五月底发布两个模型：一个较大的通用模型，一个较小的模型。他把这件事解释成一种有意识的双轨下注：大模型是争第一梯队的船票，小模型则提前进入某个垂直领域，等待行业副驾驶成为主战场。

他不清楚亚马逊的小模型具体做什么垂类，只知道亚马逊有许多团队并行推进，里面有很强的机器学习研究者，也有中国研究者。对他来说，重要的不是亚马逊究竟选了哪个行业，而是它已经预判到：即使通用模型是巨头战场，垂直模型仍会成为应用和交易入口。

王怀南随后谈到 OpenAI 的“开放”和“开源”。在他的口述中，OpenAI 很快会把底层能力开放给外部，并可能进一步开源；他把 API 中用户可以标注自己的数据、数据归用户所有，理解为“模型底盘由 OpenAI 提供，具体数据和判断属于使用者”。他判断，OpenAI 如果同时走开放与开源，会加快自己与第二名的距离，但也会主动放弃成为每个行业的直接竞争者，把垂直能力让给行业公司。必须再次强调：这一段是 2023 年嘉宾称为“消息”的说法，节目没有给出官方公告，本文不把它写成已经发生的事实。

五、从 Office 到行业副驾驶：通用模型为何会吞掉大量中间层

王怀南认为，微软在垂直应用上有天然优势。Office 已经覆盖 Word、Excel、PowerPoint，如果模型直接嵌入这些工作流，就可以先生成医疗文本、法律文本、会议纪要或业务分析，再交给人审核。用户不必另行安装一个“AI 应用”，因为 AI 已经进入原本每天工作的工具。

这说明通用模型的第一波商业化，不一定是替代完整职业，而可能是把职业中的某些中间步骤压缩掉。模型可以先总结、先起草、先做结构化整理；专业人士仍要负责判断、授权和承担后果。只要平台握住工具入口、企业数据和协作系统，大量单点创业产品就可能变成 Office、搜索或电商平台的一个功能。

同样的逻辑也适用于亚马逊。王怀南猜测它真正想争的可能与电商和交易有关：谁能把模型接到商品、库存、支付、履约和用户意图上，谁就不只是回答问题，而是在接管交易前的决策环节。

六、复杂机会的三层门槛：工具、社区、商业模式

主持人问“复杂机会”具体复杂在哪里。王怀南给出三层结构。第一层是底层垂直工具：如果要做“律师的副驾驶”，不能只把通用模型换一个页面，而要让它理解法律工作如何开展，怎样模拟律师的角色，怎样处理专业训练和错误责任。这相当于重新创业、重新设计产品，而不是简单套一层提示词。

第二层是社区。工具可以被复制：你和 100 个律师合作训练出一个法律 AI，别人找 200 个律师也可能训练出另一个。真正难以替代的是由人构成的社区、交流、信任和持续反馈。工具必须尽快进入专业共同体，否则它很容易被更大的模型或更强的团队取代。

第三层是商业模式。模型调用按数据或算力收费，成本不是免费的；如果产品没有收入、付费和交付方式，使用越多，成本越大。传统广告模式、电商佣金模式能否在 Copilot 世界里成立，并不能直接假定。王怀南因此强调老兵经验：他们曾经在没有清晰商业模式的互联网时期活下来，也知道什么时候必须把工具升级成社区，再把社区变成可持续的商业。

七、地缘与融资：很多门刚打开就被关上

王怀南把大模型创业放回 2023 年的融资环境：美国公司未必敢投或能投中国公司；中国的美元基金也会受到限制；人民币基金可以投中国公司，但人民币资金的来源、政府是否愿意大量投入、VC 机构需要什么保障，又形成新的约束。对创业者来说，政治问题、融资问题和产品问题不再是外部背景，而是同一个项目的生存条件。

他用“很多门刚一打开就被关上，很多门只开一条缝”形容当时的复杂局面。与过去投智能硬件相比，大模型同时触及算力、数据、模型能力、国家竞争和生产力，所以限制会更快传到创业公司的日常。王怀南预判，半年到一年后会有一批早期投入者草草收场，也可能要等一年多才看到真正改变垂直领域的项目集中出现。

他还给出一个时间判断：如果 2024 年夏天突然出现二十个垂直项目，改变大家对若干行业的看法，那不是一夜之间的魔法，而是因为团队、数据、融资和产品磨合需要时间。这是节目中非常重要的“慢变量”提醒：底层能力的出现很快，垂直系统的成形却要经过一段看不见的建设期。

八、通用模型会怎样改写搜索、电商和娱乐

王怀南没有把大模型的影响局限在办公软件。他认为搜索会从“返回网页”逐渐变成“直接给结果”，搜索引擎的价值可能从链接排序转移到答案组织和行动建议。电商会出现购物副驾驶：用户不再自己浏览大量商品，而是描述需求，由模型结合交易数据、库存、价格和偏好完成筛选。亚马逊被他特别看重，正因为它同时拥有搜索、商品、支付和履约。

娱乐行业则可能出现内容创作的爆炸。过去平台需要专业团队制作大量内容，大模型降低了脚本、图像、音乐、角色和互动的门槛；但内容供给越多，真正稀缺的就越可能是分发、社区、审美、版权和持续关系。王怀南把这理解为从“看平台提供什么”转向“用户和模型共同生成什么”。

他没有说所有传统平台都会消失，而是强调中间层会被重写：搜索结果页、商品筛选、客服、内容剪辑等单点功能会迅速被巨头集成。创业公司若只占据一个功能，很快就会面对 Office、Notion、Salesforce 或电商平台的复制；要存活，就必须从功能上升为解决方案，再上升为行业网络。

九、为什么 35 岁以上的人重新被激活

主持人注意到，大模型创业者中出现了一批过去已经离开创业一线的老兵。王怀南解释，这不是年龄突然变得更有优势，而是机会的结构变了。底层模型的算法突破更适合年轻研究者和新团队；但当机会进入真实行业，就需要知道企业怎样采购、律师怎样协作、医疗如何承担责任、电商怎样结算，亦需要在复杂利益关系中组局。

王慧文和王兴曾把一个没有清晰商业模式的互联网想法做成可持续业务；王小川在搜索领域虽然没有成为绝对第一，但建立了能自洽的产品和生存方式。王怀南认为，这些经验不能直接复制到 AI，却能帮助团队少走“只要有眼球就行”的弯路。今天的模型调用成本、数据合规和商业竞争都更硬，创业从第一天就要想工具、社区、商业模式怎样一起长出来。

这也带来一个对年轻人的反向鼓励：在大模型这样的全新起跑线，年轻人和资深投资人都必须重新学习。差距不再完全由过去的关系和履历决定，而取决于谁愿意去官网、使用模型、读技术细节、看创始人访谈，并且把新的知识连到真实行业。

十、语言、文化与人的缺陷：模型不是更完美的人

对话后半段从产业转到人的认知。王怀南说，人可以被看成一种“不完美的机器”：人会犯错、受情绪影响、记忆不完整，也会因为文化和语言不同而误解。模型的价值，不只是替代这种不完美，而是把人的判断、经验、关系和想象扩展开来。

他特别强调文化与语言的差异。中文模型如果只在语言表面上表现更好，不代表它已经获得了与中文社会相关的全部知识、价值和生活经验；大模型不是翻译器，而是一个吸收大量知识与模式的系统。中文世界不能只等待一个美国模型的中文界面，也不能轻率地把本地模型能力等同于通用智能。

王怀南引用 Hinton 等人的讨论，以及他对巴菲特、老钱与时间积累的联想，说明创业和技术都需要时间沉淀。速度很重要，但奢侈品、品牌、社会信任、复杂行业关系等价值，往往依赖长时间堆积，不能因为模型迭代快就假设所有组织能力也会瞬间生成。

十一、结尾：Allen 计划进入 AI，下一轮是“第四消费时代”

节目最后，王怀南说自己也会进入 AI 相关的创业或实践。他把大模型放进更长的消费与互联网历史里：互联网让信息和交易被重新组织，移动互联网让手机成为入口，而生成式 AI 可能把人的意图、内容和服务重新组合成新的消费系统。主持人把它概括为“第四消费时代”，王怀南没有把这个词展开成完整理论，但他认可下一阶段不只是软件效率，而是人与机器共同创造和消费。

两人以一种积极但克制的语气结束：未来仍会有周期，科技仍会增长，但没有人知道下一个周期何时到来。创业者和投资人要先接受更务实的常态，把项目做出来、把收入做出来，再等待下一次加速。对年轻人而言，垂直赛道仍然是好职业，只要愿意长期学习、深挖问题、对一个领域有兴趣，就能在新的起跑线上重新建立优势。

以上是原文讲解。下面才进入本文自己的结构化抽象、证据审计与独立判断。

要判断 OpenAI、Amazon、中国模型、开源生态或某个垂直项目今天的真实位置，应重新检查官方产品、模型能力、价格、许可证、用户量、企业采购和监管环境。本期的价值在于还原当时一个有经验的创业者如何在信息不完整时做判断，而不是提供一份跨三年的事实年表。