真实世界 / 创造
模型理解现实中的知识、任务和工具，帮助人提高生产力、做决策和完成工作。
原文讲解：从“站队”开始，但节目不止于站队
主持人张小珺把访谈放在她 2024 年“中国 AI 三部曲”的语境里：一边是朱啸虎代表的现实主义市场信仰，强调应用、PMF、快速赚钱；另一边是杨植麟代表的技术信仰，强调统一建模、长窗口和更远的 AGI。王小川在百川智能创业一年后接受采访，试图回答：如果只在两边站队，是否已经把问题看窄了？
转写边界
本页依据完整公开音频与节目章节重建。自动转写将“百川、搜狗、TPF、GPT-4、Sora、强化学习”等专名多次误识别；正式收尾之后约一分多钟出现重复的“好”等无意义片段，未纳入叙事。节目中的员工数、融资额、备案、时间表和模型能力均按 2024 年访谈时点的嘉宾口述处理。
| 节目段落 | 主持人追问 | 王小川怎样把答案往前推进 |
|---|---|---|
| 00:00–10:01 | 你如何看朱啸虎与杨植麟的两种立场？ | 两者像从不同角度看到圆柱的圆面与方形投影，自己要谈第三种声音：技术与现实都要有，关键是把它们接到问题上。 |
| 10:01–27:56 | 你为什么再创业？大模型对原来的生命建模意味着什么？ | AGI 的应用不是简单工具，而是“造人”；语言模型提供概念空间和交流能力，可以帮助生命科学与大众健康建模。 |
| 27:56–35:13 | 你想做的三座模型大楼是什么？朱啸虎质疑 NPC 数据怎么办？ | 娱乐、医疗、创造对应三个世界/模型；一个 NPC 只是大楼中的零件，不能代表完整的场景和模型战略。 |
| 35:13–51:40 | 百川为何快速发布、开源、去美国？团队与巨头比较如何？ | 先用成熟 NLP 团队快速入场，再补充年轻研究者；美国之行主要让话语体系对齐，不是简单搬回 OpenAI 人才。 |
| 51:40–01:06:15 | 2B、2C、GPT-4 成本、医疗和搜狗经验如何取舍？ | 2B 是必要但不是第一突破口；医疗是“顶天立地”的场景，模型能力与场景价值要在同一条链里长出来。 |
| 01:06:15–结束 | 如何回应应用、PMF、Sora、融资和焦虑？ | 不要低估技术，也不要把技术当光环；模型和应用应一体化，过完年后从追随 GPT 的焦虑转向把自己的价值观写进模型。 |
一、先回答“朱啸虎和杨植麟谁对”：王小川拒绝把世界压成二选一
王小川先承认朱啸虎的价值：他是率真的现实主义者，有一套能赚钱的投资闭环，不伪装成理想主义再说现实话；杨植麟则把技术问题推得更远，相信长窗口、统一模型和技术跃迁。王小川认为两边都自洽，但都只看到了“象”的一部分。
他用一个圆柱体的比喻解释：从一个方向看是圆，从另一个方向看是方；如果双方争论“它到底是圆还是方”，争论本身就说明没有看到立体对象。技术与市场也是这样。技术只讲未来能力，容易没有落地；市场只讲现在能不能赚钱，容易把未来能力当成无关紧要的成本。所谓第三种声音，不是把两边各取一半，而是要把技术、产品和产业问题放进同一张图。
他给出的短句是“理想上慢一步，落地上快三步”。这不是拒绝追赶 GPT，而是承认美国已经完成了一部分从零到一的突破，中国企业不必重复所有探索，却要更快地把能力转成自己的产品、数据和场景。
二、TPF：从 PMF 往前再问一步，技术究竟解决什么问题
张小珺追问，王小川说的“第三种声音”到底是什么。王小川提出 TPF，即 Technology–Problem Fit，技术与行业现存问题的契合。他认为行业常把话题拆成两半：投资人谈应用和 PMF，技术派谈模型、Scaling Law 和长窗口；但真正的创业必须回答“这个技术会把哪个问题改变到什么程度”。
他还区分了“带着锤子找钉子”和“带着钉子找锤子”。百川既有技术积累，也有过去做输入法、搜索、翻译、数字人和医疗投资形成的场景感，因此不能只从模型能力反推应用，也不能只从一个小应用反推公司终局。TPF 的作用，是把模型能力、行业问题、产品形态和最终价值连起来。
三、为什么他说 AGI 的应用是在“造人”
王小川的论证从语言开始。他认为过去从未同时出现过的两件事是：机器掌握语言，以及机器可以制造和使用工具。语言不是简单的输出接口，而是概念空间；工具调用则让系统能够在世界中行动。于是 GPT 不只是更强的工具，更像一种具有语言、知识和行动能力的新物种。
他把最有前景的应用放在知识密集型行业：医生、律师、老师、顾问和科学家。这里的“助手”不是行政助理那种替人动手的角色，而是一个能帮助人判断、解释、推理和调用工具的决策引擎。这个区分很重要：如果只把产品命名为“通用助手”，用户没有画面；如果说它是医生、律师或购物顾问，服务边界、责任和价值才会变得可理解。
他为什么会从搜狗转向百川？王小川回溯了自己从生物信息学、生命科学、睡眠和医疗数据出发的思考：物理世界可以用公式描述，但生命是高度复杂、非线性且需要真实世界数据的系统。过去医院里的数据不够，语言模型出现后，机器能读论文、理解概念、与患者交流，生命建模就多了一件关键工具。对他来说，大模型创业不是放弃生命科学，而是拿到了一种更强的武器，把“生命的数学模型”往研究和服务两端同时推进。
四、三座模型大楼：创造、健康、快乐对应三个世界
面对朱啸虎对“NPC 数据”的质疑，王小川先指出问题的尺度：一个游戏 NPC 只是一个大楼里的零件，不能用它判断整栋楼是否有数据或价值。他把百川设想成三个相互关联的世界。
生命世界 / 健康
把语言、医学知识、真实世界数据和医生经验接起来，目标是让健康服务从医院延伸到更多真实场景。
虚拟世界 / 快乐
不是简单生成一张图或一个 NPC，而是构造包含故事、角色、互动和多模态表达的“太虚幻境”。
他认为这三座大楼可以共享底层能力，但每座楼都必须有自己的模型与应用定义。娱乐的核心不是“能不能做出一段视频”，而是故事引擎、概念空间、角色互动和世界规则；医疗的核心不是看一张 CT，而是知识、经验、逻辑和真实服务的连续系统；创造力的核心也不是一个聊天框，而是一个能把人的意图变成结果的决策引擎。
五、从 ChatGPT 到百川：为什么先有震撼，后有 50 人团队
ChatGPT 发布后，王小川先用自己的账号、自己的 IP 和从美国带回来的手机访问它。他说自己不愿意用淘宝购买的账号，是希望直接理解这项技术，而不是听别人转述。第一个月是震撼，第二个月他才把技术变化与此前长期思考的生命建模联系起来，于是决定做大模型；到 2023 年 4 月对外公布百川智能时，团队已经约 50 人。
他的决策路径比“先招一群英雄再说”更长：先想清楚宇宙规律、生命模型、技术路径、产品终局，再开始招人和融资。产品上，他从第一天就设想对话增强、搜索/工具增强和垂直领域增强，也关注强化学习，而不是只把模型理解为预测下一个 token 的概率机器。他的判断是：如果场景只在模型变大前有效，模型变强后就会被碾压；真正值得做的场景，应当今天已经有用，未来模型能力更强时又会得到更大的提升。
百川的快速发布有现实原因。团队先用搜狗时期的 NLP 和 AI 组织积累入场，2023 年 6 月发布第一版模型，之后开源并发布技术报告，8 月完成备案，9 月发布第二代。王小川并不把这理解成“搜狗过去没有第一名，所以团队不能做第一名”：输入法本身就是把语言压缩成 Next Token 的产品，搜狗团队长期在语言、搜索、技术和组织中积累了不同于外界看到的能力。
六、美国之行、团队和“追赶 GPT-4”的成本
第一版模型发布后，王小川去美国与技术圈和投资人交流。他得到的不是一个“马上应该复制什么”的答案，而是更能听懂美国技术圈在谈什么：数据、算力、强化学习、模型规模和语言体系之间的关系。这种语言对齐让他更清楚地看到，美国公司的技术理想主义、资本规模和 1000 万 GPU 级别的愿景与中国现实之间有多大距离，于是“理想慢一步、落地快三步”变成更强的策略。
节目中他按 2024 年时点口述百川有 200 多人，技术算法约占 70%，并保留一部分搜狗时期的成熟团队，同时补充年轻研究者和产品、商业人才。一个团队如果只追求天才的上限，可能缺乏执行韧性；只追求成熟度，又可能缺少新范式的突破。百川要把两者组合起来。
朱啸虎提出，做 GPT-4 至少要投入数千万美元，GPT-5 还会更贵；如果最后被别人开源，投入就可能全部归零。王小川的回应不是否认成本，而是改变投资单位：如果医疗、创造和娱乐是需要大模型能力才能真正打开的“顶天立地”场景，模型训练就不只是为榜单买单，而是为未来产品的能力地基买单。2B 可以做，尤其是数字化较好的金融等领域，但他不认为靠低价私有化部署就能养活百川，长期仍要靠超级应用和更高价值的服务。
七、从搜狗的遗憾到百川的自主：组织方向比单一技术更关键
王小川回顾搜狗最难的阶段：当时要不要正面跟百度竞争、要不要做浏览器、要不要押注推荐，组织内部没有形成一致。2011 年他已经意识到推荐可能是未来，但搜狗没有把它变成最高优先级，后来字节跳动在推荐分发上崛起，这成为他多年后仍会提到的遗憾。
他把搜狗与百川的差异概括为两点。第一，百川与时代脉搏同频，不必晚三四年跟随别人；第二，这一次他自己拥有方向决策权，可以把技术、产品和价值观放进同一个公司的目标里。被边缘化、与巨头谈判、接受投资和在百度阴影下生存的经历，也让他比早年更能体谅别人、更重视共同创作，而不是只在自己的判断里前进。
这也是他为什么反对“低估技术”和“仰望技术”。低估技术会把大模型当成可随时替换的成本，仰望技术则把它当成光环，放弃平等判断。真正的组织要做的是把技术变成产品价值，再让产品反馈反过来改变模型。
八、后半段的集中回应：Sora、PMF、开源与焦虑
王小川不赞成百川去复刻 Sora。他的理由不是视频没有价值，而是 Sora 在他定义的 AGI 路线上既没有紧贴语言为中轴的通用引擎，也没有清晰对应百川的三座场景大楼。OpenAI 可以把 Sora 当作探索项目，但百川必须问：这项技术是否服务于自己的场景和终局？如果只是因为视觉效果冲击而跟随，就会重新落入“跟进”的惯性。
对于“只有十个人找不到 PMF，一百个人也找不到”的说法，他认为这句话在小场景、快赚钱的审美里自洽，但不是所有场景的通用规律。医疗这类问题不能用一张卡和一个小模型解决；所谓 PMF 也必须先说清楚 Product 是什么，不能把 Scaling Law 当产品。大模型公司要讨论 TPF，而不是只问一个还没有被定义清楚的 P 是否 Fit 市场。
他把“助手”改写为“顾问”或具体职业服务，因为通用助理是一个没有既有经验的空词。用户需要的是医生、律师、购物顾问或专业决策引擎。中国企业的机会不是因为天然拥有某种神秘数据，而是能把模型能力放入本地真实问题，再在使用中形成数据和反馈飞轮。
节目最后回到王小川的状态变化。2023 年百川需要赶上 GPT-3.5、GPT-4，团队快速发布、开源、扩张，压力来自“不能掉队”；春节后他觉得焦虑下降了，因为公司开始从追随别人变成把自己的价值观写入模型——创造、健康、快乐，造人，也造世界。对他而言，能否做成不是唯一问题，更重要的是尽力把认知、能力和团队变成一个真正创造价值的公司。
结构化提炼：第三种声音到底是什么
不是技术与市场折中
第三种声音不是各退一步，而是要求技术、产品、组织和商业在同一个目标里互相约束。技术远景决定场景上限，场景反馈决定技术优先级。
TPF 先于 PMF
在能力快速变化的时代，先问“技术会改变哪个问题”，再问“这个问题是否形成市场”，否则很容易用旧技术定义新产品。
模型与应用一体化
差异化不能永远挂在模型外面打补丁。真正的场景判断、反馈数据和责任边界要逐渐写回模型与训练系统。
可持续的 AGI 产品 ≈ 模型能力 × 场景纵深 × 用户反馈 × 组织共创
这个概念模型解释了王小川为何同时反对“只做应用”和“只做模型”：任一项为零，另一项都不能单独完成价值闭环。
机制分析：三座楼如何共享底层、又避免互相稀释
| 层次 | 它需要的能力 | 它的反馈 | 最大的误区 |
|---|---|---|---|
| 底层模型 | 语言、推理、工具调用、长上下文、强化学习、多模态。 | 训练评估、真实使用、失败案例、用户偏好。 | 把模型榜单或参数规模直接当作产品价值。 |
| 场景模型 | 对创造、生命、虚拟世界的规律建模，知道行业中的任务和责任。 | 行业数据、专家反馈、任务完成质量和长期结果。 | 把一个小组件（如 NPC）当成完整行业护城河。 |
| 应用 | 明确角色、交互、工具、权限、交付和收费方式。 | 用户增长、留存、结果质量和新任务发现。 | 用“通用助手”掩盖没有具体服务边界。 |
为什么医疗是“顶天立地”
“顶天”指它足以吸收更强模型：知识、经验、逻辑、真实世界数据和多轮交流都需要能力持续提升；“立地”指它有明确的人类问题：问诊、健康管理、知识供给和医生服务。这个表述很有力量，但它也意味着责任极高：医疗模型不能只展示聪明，还要处理错误、隐私、知情、转诊和最终责任。
用户 Scaling 与 Model Scaling
王小川把用户规模看成一种独立的 Scaling。模型规模提供能力上限，用户使用提供真实任务、偏好、反馈和新场景；二者若能形成循环，应用不是模型的外壳，而是训练世界的一部分。这个机制也解释了为什么他坚持 2C：不是只为收入，而是让产品在真实人类互动中获得无法由实验室预先写出的输入。
组织的两个极端
百川想避免两个极端：一端是只有成熟管理而没有新范式，另一端是只有年轻技术理想主义而没有现实判断。搜狗时期的组织经验、年轻研究者、产品和商业负责人要共同构成一个能在不确定中做决定的团队；但这种“共创”能否长期维持，仍需要后续事实检验。
证据审计：访谈中的哪些话不能直接当事实
| 主张 | 证据等级 | 使用方式 |
|---|---|---|
| 百川在 2023 年快速发布模型、开源并完成备案。 | 节目叙述与公开项目入口可互相核对，具体日期和备案口径仍需官方文件。 | 可作为创业节奏和组织能力的案例，不直接推导模型质量。 |
| 百川约 200 多人、技术算法约 70%。 | 嘉宾在 2024 年节目中的口述。 | 标注时间点，不当作当前公司规模或行业基准。 |
| 医疗、娱乐、创造是三座模型大楼，医疗能成为百川的独特优势。 | 嘉宾的战略愿景和产品判断。 | 这是要被后续产品、用户结果和安全责任验证的假设。 |
| 大模型的核心价值来自更像人的决策/顾问能力，而不是行政助理。 | 节目中的概念论证。 | 作为产品定义框架；仍需明确任务、权限、责任和评估集。 |
| Sora 不在百川的主线，因为它既不贴近语言中轴也不贴近百川场景。 | 嘉宾的公司战略选择，不是对 Sora 技术价值的客观否定。 | 应理解为“百川当时不应投入的资源配置判断”。 |
| 2011 年搜狗错过推荐、百度阴影塑造了王小川的创业选择。 | 亲历者回忆与自我归因。 | 可用于理解组织经验，不能证明如果当时做推荐就一定成功。 |
必须保留的时间性
本期录制于 2024 年早期，节目中的“今年”“明年”“GPT-5”“超级应用”“医疗突破”等都属于当时的计划、预测或愿景。它们可以用来研究一个创业者如何做判断，但不能被倒填成已经发生的事实。
术语解释：把“第三种声音”拆开
TPF
Technology–Problem Fit，技术与问题的契合。先定义技术要改变的行业问题，再讨论产品是否有市场。
PMF
Product–Market Fit，产品与市场的契合。它关心用户是否持续需要并愿意付费，但不能替代对产品和技术终局的定义。
Scaling Law
规模扩大与损失/能力变化之间的经验规律。本期嘉宾反对把它当产品本身，而不是否认规模扩展的价值。
三座模型大楼
节目里的比喻：真实世界/创造、生命世界/健康、虚拟世界/快乐，各有模型与应用，同时共享部分底层能力。
长上下文
让模型在更长的文档、历史和任务状态中工作。它可能改变个性化与专业服务，但长度不等于理解和可靠性。
用户 Scaling
用户的真实使用、反馈和新场景也能形成规模化学习信号，前提是反馈可记录、可评估、可安全使用。
局限与可证伪条件
- 如果百川最终没有把医疗、创造、娱乐转成可重复、可评估、可承担责任的产品，那么“三座模型大楼”应保留为愿景，而不是能力证明。
- 如果模型差异化主要来自模型外的搜索、运营和人工服务，而不是模型/场景共同演进，那么“模型与应用一体化”需要降级为组织目标。
- 如果用户 Scaling 不能带来更好的任务结果，只带来流量和偏好噪声，那么它不能与 Model Scaling 作为同等的学习闭环。
- 如果 2B 业务、融资、团队规模或模型能力与节目时期口述不一致，应回到官方披露；本文不把嘉宾对 2024 年的数字写成当前事实。
独立 insight：第三种声音不是中间路线，而是“把远处的能力压进近处的问题”
我认为王小川最有价值的地方，不在于他说“技术和市场都重要”——这句话本身过于常识，而在于他把两者的连接点放在“问题的终局”上。一个医生、律师、顾问或虚拟世界不是模型能力的展示窗口，而是模型必须长期承担的工作对象。
这会带来一个更苛刻的创业判断：真正的差异化不是“我也有 GPT-4 级模型”，而是“当模型能力继续变强时，我已经知道哪个任务、哪套数据、哪种反馈、哪种责任会把这项能力变成一个新行业”。如果 TPF 成立，模型训练、用户增长和产品设计会互相提供约束；如果 TPF 不成立，技术和应用只是两列并行的演示。
我的判断
王小川的“第三种可能”更像一张待验证的生产函数：模型能力提供上限，场景定义提供方向，用户反馈提供训练世界，组织共创提供执行速度。它不是技术理想主义与市场现实主义的平均值，而是要求四者同时过线。
证据边界与资料索引
本页先依据完整节目音频重建王小川的论证顺序，再用节目章节、公司项目入口和模型研究资料核对窄事实。访谈中的数字、时间表、团队构成、融资和未来判断均保留其 2024 年时点属性。
- YouTube：#61 和王小川聊再创业这一年（节目入口与公开标题）。
- 小宇宙：#61 节目页（节目说明与 26 个章节）。
- 百川智能官网（用于核对公司/产品入口，不为访谈愿景和预测背书）。
- Baichuan-7B 官方项目入口（用于核对开源项目的公开存在）。
- OpenAI：Introducing ChatGPT（用于核对节目讨论的技术背景入口）。
- Scaling Laws for Neural Language Models（用于核对 Scaling Law 术语背景，不替王小川的产品判断背书）。
“第三种声音”“造人”“三座模型大楼”“理想上慢一步，落地上快三步”均是节目中的嘉宾表达或本文对其表达的归纳，不是行业共识术语。