人工智能的“資本游戲”

吳洋洋

“大模型的投資其實(shí)在ChatGPT發(fā)布前就已經(jīng)結(jié)束了?！痹茊①Y本合伙人陳昱在見完公司一位出資者（LP）后對《第一財(cái)經(jīng)》雜志說。

說這句話的時(shí)候，陳昱顯得輕松，他所在的機(jī)構(gòu)就是那個(gè)精準(zhǔn)踩中游戲節(jié)奏的幸運(yùn)兒。2021年，云啟資本參與了MiniMax的天使輪融資，后者現(xiàn)在估值約12億美元，為目前中國估值最高的生成式AI獨(dú)角獸，由來自商湯的通用智能技術(shù)前負(fù)責(zé)人閆俊杰創(chuàng)立。估值緊隨MiniMax的是智譜AI、百川智能和零一萬物，目前資本市場對這3家初創(chuàng)公司的估值都是10億美元，3家公司的創(chuàng)始團(tuán)隊(duì)分別來自清華大學(xué)、搜狗和創(chuàng)新工場。

不是所有投資人都像陳昱這么幸運(yùn)，在生成式AI浪潮興起前夜，不早也不晚，遇到了從商湯出來的創(chuàng)業(yè)者。線性資本也曾在ChatGPT發(fā)布后尋找過模型層的投資標(biāo)的，最終都因價(jià)格過高而放棄。這家投資機(jī)構(gòu)目前把主要投資放到了應(yīng)用層。

模型層和應(yīng)用層是生成式AI領(lǐng)域逐漸形成的上下游。這個(gè)概念最初由OpenAI在2022年年底提出，當(dāng)時(shí)，這家公司發(fā)布了著名的聊天機(jī)器人ChatGPT，讓用戶可以像微信聊天一樣與AI對話，向AI請教問題或者干脆將它當(dāng)作傾訴對象。不過，OpenAI真正想向市場推銷的并不是這個(gè)聊天機(jī)器人，而是它背后的模型—最初是GPT-3.5，2023年3月進(jìn)化到GPT-4。在OpenAI構(gòu)想的商業(yè)模式里，OpenAI提供智力（即模型），其他公司基于這個(gè)智力平臺創(chuàng)造上層應(yīng)用，從而將模型本身變成一個(gè)基座、一個(gè)平臺，以及一個(gè)超級AI。最終，應(yīng)用層公司從它們俘獲的用戶那里收取使用費(fèi)或獲得廣告費(fèi)，而OpenAI這樣的模型公司通過向應(yīng)用層公司收取使用模型的訂閱費(fèi)。

這種分工很容易理解，但在ChatGPT發(fā)布后的那半年（也就是2023年上半年），它并不怎么被創(chuàng)業(yè)者接受，因?yàn)樗麄儼l(fā)現(xiàn)：這跟互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)時(shí)代的創(chuàng)業(yè)不同，互聯(lián)網(wǎng)作為一種底層技術(shù)不會沖到前臺把應(yīng)用層的活也干了，它只是一種通信技術(shù)；生成式AI就不同了，隨著模型越來越強(qiáng)大，這個(gè)智力怪獸會不斷吃掉原本屬于應(yīng)用層的創(chuàng)業(yè)項(xiàng)目，就像模型周邊有一個(gè)“殺傷區(qū)”，當(dāng)模型的能力變強(qiáng)，殺傷區(qū)就會變大。

Jasper就是前車之鑒，這家公司是2022年的明星AI公司，它基于OpenAI的GPT-3模型構(gòu)建了一個(gè)AI文本生成工具，主要向傳媒營銷從業(yè)者提供創(chuàng)意內(nèi)容生成服務(wù)。發(fā)現(xiàn)這個(gè)需求旺盛的細(xì)分市場后，Jasper2022年的年度經(jīng)常性收入（ARR）相比2021年翻了一番，達(dá)到8000萬美元，并且公司成立18個(gè)月后就獲得了15億美元估值。然而這個(gè)增長神話隨著ChatGPT的推出戛然而止。2023年9月有媒體爆出，Jasper已經(jīng)降低收入預(yù)期并開始裁員，兩位創(chuàng)始人也相繼辭職。

然而經(jīng)過2023年的博弈，到了ChatGPT發(fā)布一周年這個(gè)節(jié)點(diǎn)，這種模型層和應(yīng)用層的分工又轉(zhuǎn)而被市場接受—推動這種轉(zhuǎn)變的不是技術(shù)本身，而是投資技術(shù)的人。

陳昱眼中，在中國，除了MiniMax與智譜，其他在大模型層面的創(chuàng)業(yè)公司幾乎已經(jīng)被判了“死刑”，尤其是那些ChatGPT爆紅之后才匆忙組建的公司，例如王小川的百川智能、豈凡超的深言科技，以及王慧文的光年之外。

他給出的理由很簡單，大模型是極度燒錢的生意，技術(shù)巨頭可以靠其他業(yè)務(wù)輸血堅(jiān)持，創(chuàng)業(yè)公司則必須融到足夠多的錢才有可能活下來，而每個(gè)市場上的錢能養(yǎng)活的大模型創(chuàng)業(yè)公司，很難超過兩個(gè)。

事實(shí)的確如此。從成本看，訓(xùn)練一個(gè)大模型需要支付高昂的研發(fā)人員工資（平均年薪接近百萬美元），購買并清洗訓(xùn)練所需的數(shù)據(jù)（越來越稀缺），承擔(dān)每天數(shù)十萬美元的電費(fèi)以及更為昂貴的算力費(fèi)用。以O(shè)penAI訓(xùn)練GPT-4為例，上述開銷算下來大約是6700萬美元—這還僅僅是訓(xùn)練的費(fèi)用。當(dāng)GPT-4這樣的大模型訓(xùn)練完畢，如果想讓用戶使用它，例如讓ChatGPT為程序員生成代碼，專業(yè)的表述就是用GPT-4做推理，OpenAI還需要支付算力成本，據(jù)估算這項(xiàng)成本超過100萬美元/天?！跋胍龃竽Ｐ蛣?chuàng)業(yè)，沒有上億美元根本上不了牌桌?！标愱耪f。

此外，風(fēng)險(xiǎn)投資（VC）機(jī)構(gòu)也不愿意在一個(gè)細(xì)分市場中押注兩個(gè)以上的項(xiàng)目，因?yàn)椤霸俣嗟脑?，資本就無法退出”。團(tuán)購市場中的點(diǎn)評與美團(tuán)、外賣市場中的美團(tuán)與餓了么、打車市場中的滴滴和快的……這些行業(yè)都經(jīng)歷過“百團(tuán)大戰(zhàn)”，最后能讓資本安全退出的只有“兩家公司”模式，市場已一再驗(yàn)證過這一點(diǎn)。

數(shù)據(jù)來源：根據(jù)公開資料整理

數(shù)據(jù)來源：根據(jù)公開資料整理

百川智能的投資者名單似乎也在說明資本市場的態(tài)度，其中只出現(xiàn)了阿里巴巴、騰訊、小米等大公司型的投資者，而沒有一家VC機(jī)構(gòu)在列。

市場之所以“選中”MiniMax和智譜，原因之一是這兩家公司都創(chuàng)立得夠早，但也不是過早。它們都是在ChatGPT發(fā)布前一兩年創(chuàng)立的，其中MiniMax創(chuàng)立于2021年年底，智譜再早一點(diǎn)，創(chuàng)立于2019年。根據(jù)智譜CEO張鵬和投資了MiniMax的陳昱對《第一財(cái)經(jīng)》雜志的說法，智譜和MiniMax都是在看到了OpenAI發(fā)布的GPT-3后認(rèn)識到市場機(jī)遇的，那時(shí)是2020年，比ChatGPT的發(fā)布早兩年。

時(shí)機(jī)對于投資者來說同樣殘酷?！巴顿Y的窗口期很短，最多6個(gè)月，像是智譜、MiniMax這些公司早在大家還沒發(fā)現(xiàn)之前就已經(jīng)被投掉了?！标愱耪f。無論是創(chuàng)業(yè)者還是VC機(jī)構(gòu)，一旦錯(cuò)過了投融資的窗口期，后面的道路就會變得艱難，后面加入的創(chuàng)業(yè)公司很難拿到下一輪融資，而VC公司想投資智譜和MiniMax，成本也比之前高得多。

像MiniMax與智譜這樣的雙寡頭局面不僅存在于中國的大模型市場，在美國同樣如此—只不過它們背后站著的都是技術(shù)大公司。美國生成式AI的兩大寡頭，一家是微軟支持的OpenAI，另一家是Google與亞馬遜支持的Anthropic，前者目前估值860億美元，后者的估值為184億美元。其他AI獨(dú)角獸的市場估值都在百億美元以下，和它們差了一個(gè)數(shù)量級。

在硅谷，生成式AI激起了比在中國豐富得多的泡沫。2023年年初ChatGPT發(fā)布后，OpenAI的估值上漲到290億美元，到了2023年11月，其估值已膨脹到了860億美元，成長3倍。僅一個(gè)月后，它尋求新一輪融資時(shí)提出的估值又上漲了，達(dá)到1000億美元—作為對照，目前阿里巴巴的市值不到2000億美元。

不過這些泡沫與沒有真正了解資本心思的創(chuàng)業(yè)項(xiàng)目越來越無緣。相比估值不斷膨脹的OpenAI，融資金額曾一度領(lǐng)先的InflectionAI（以下簡稱“Inflection”）自2023年7月完成13億美元的融資后已經(jīng)很久沒有新的融資消息傳出。這家由DeepMind聯(lián)合創(chuàng)始人穆斯塔法·蘇萊曼（MustafaSuleyman）創(chuàng)立的大模型公司同樣有著明星投資者名單，例如比爾·蓋茨和Google前首席執(zhí)行官埃里克·施密特（EricSchmidt）。當(dāng)資本和技術(shù)巨頭們都已經(jīng)選定了合作伙伴，留給其他模型公司的錢就不多了。

和中國市場一樣，在資本作出選擇之后，其他創(chuàng)業(yè)項(xiàng)目無論是自研模型還是使用開源的第三方模型，要么被降低估值，要么開始被按照應(yīng)用層的項(xiàng)目估值—這類項(xiàng)目的估值相較于模型層通常會小一個(gè)數(shù)量級。主打AI社交的Character的遭遇大概就是如此。這家公司讓用戶可以像制作比薩一樣制作屬于自己的AI并與之聊天，有人在這個(gè)平臺上為自己的已故親人創(chuàng)建AI，也有的人把愛因斯坦或伊麗莎白女王的數(shù)據(jù)輸入從而創(chuàng)造出AI版愛因斯坦和AI版女王。這家公司試圖在2023年9月以50億美元的估值融資，但直到現(xiàn)在仍未能兌現(xiàn)這筆融資，其估值因此停留在了上一輪融資時(shí)的12億美元。

在模型層，中美兩國市場都形成了雙寡頭格局，不過區(qū)別仍然存在，其中最大的差異就是兩個(gè)市場的模型能力。相較于一年前的預(yù)期，陳昱對國內(nèi)模型的進(jìn)展感到失望。他認(rèn)為模型要解決兩個(gè)核心問題：好用、便宜。美國解決了第一點(diǎn)，尚未解決第二點(diǎn)，而中國兩個(gè)都沒有解決。

當(dāng)模型層創(chuàng)業(yè)成為“資本的游戲”和大公司的陣地后，更多的VC機(jī)構(gòu)將目光放在了產(chǎn)業(yè)鏈更下游。

“上半年大家都處于一個(gè)上頭的階段，很多錢都投給了那些對于資金需求量更大的公司（大模型創(chuàng)業(yè)公司），下半年不少應(yīng)用層的公司逐漸被注意到。”線性資本投資副總裁白則人告訴《第一財(cái)經(jīng)》雜志。線性資本前兩年已經(jīng)投資了一些與生成式AI相關(guān)的初創(chuàng)企業(yè)，目前該領(lǐng)域仍然是線性資本的重點(diǎn)投資方向。

然而對于應(yīng)用層創(chuàng)業(yè)公司，大部分投資機(jī)構(gòu)的態(tài)度同樣謹(jǐn)慎。原因是即便市場被資本的運(yùn)轉(zhuǎn)邏輯強(qiáng)行分成了上游和下游，模型能力的提升對于下游應(yīng)用的吞沒威脅仍然存在。于是，被一個(gè)無所不能的大模型吞噬幾乎成了每個(gè)應(yīng)用層創(chuàng)業(yè)者的夢魘，尤其當(dāng)山姆·阿爾特曼（SamAltman）在2023年11月舉辦的OpenAI開發(fā)者大會上推出GPTs和GPTStore，讓用戶可以通過上傳數(shù)據(jù)定制一個(gè)獨(dú)一無二的聊天機(jī)器人，并可以選擇將它發(fā)布到公開市場上—就像每個(gè)開發(fā)者在蘋果或安卓應(yīng)用商店中所做的那樣—這種擔(dān)心達(dá)到了頂峰。

“我不僅當(dāng)時(shí)擔(dān)心，直到現(xiàn)在還擔(dān)心?！毙淖R宇宙創(chuàng)始人陶芳波對《第一財(cái)經(jīng)》雜志說，“但這是一個(gè)開放的世界，如果你的東西真的被別人做了，說明你價(jià)值分層的判斷沒有做好，最后你也只能認(rèn)輸?！?/p>

MindOS是陶芳波公司的核心產(chǎn)品，這是一個(gè)讓每個(gè)用戶都能創(chuàng)建智能體（Agent）的平臺，創(chuàng)建出來的智能體可以協(xié)助用戶的工作和生活，例如查詢并總結(jié)郵件、安排項(xiàng)目日程并跟蹤進(jìn)度等等。GPTs現(xiàn)在還沒有MindOS智能體那么高的自由度，但包括陶芳波在內(nèi)的所有人都不知道未來它可能發(fā)展成什么樣子?！艾F(xiàn)在（應(yīng)用層）創(chuàng)業(yè)最難的點(diǎn)就是不確定性，過去做一個(gè)應(yīng)用，至少兩三年是確定的，但現(xiàn)在連兩三個(gè)月都不確定。對于創(chuàng)業(yè)團(tuán)隊(duì)來說，在變化中找到PMF（Product-MarketFit，產(chǎn)品-市場最佳契合點(diǎn)）的壓力很大?！碧辗疾ㄕf。

對于應(yīng)用層創(chuàng)業(yè)公司如何尋找確定性，并在此基礎(chǔ)上建立壁壘，幾位風(fēng)險(xiǎn)投資人的答案非常統(tǒng)一，那就是數(shù)據(jù)。

豐元資本創(chuàng)始人李強(qiáng)對《第一財(cái)經(jīng)》雜志稱，“生成式AI時(shí)代真正的門檻是數(shù)據(jù)的積累，如果你只是用爬蟲到網(wǎng)上去爬別人的數(shù)據(jù)，那么別人一拳頭就能把你撂倒。只有你的產(chǎn)品和服務(wù)做得足夠好，用戶不斷在你的平臺上互動，這樣產(chǎn)生的數(shù)據(jù)才有著巨大價(jià)值，也是大模型公司最缺乏的東西。”

數(shù)據(jù)來源：根據(jù)公開資料整理

數(shù)據(jù)來源：根據(jù)公開資料整理

數(shù)據(jù)來源：根據(jù)公開資料整理

李強(qiáng)2012年在硅谷創(chuàng)辦了專注于華人創(chuàng)業(yè)者在種子輪和A輪階段的融資需求的豐元資本，并一直保持每年30至40個(gè)項(xiàng)目的投資節(jié)奏。2023年在生成式AI熱潮下他看的項(xiàng)目比往年多了不少，但豐元資本最終投的項(xiàng)目數(shù)量并沒有變，除非對方是有數(shù)據(jù)積累優(yōu)勢的公司，他才會考慮投資。

2023年，中國的生成式AI領(lǐng)域看起來熱鬧，但除了短暫爆紅的妙鴨相機(jī)，沒有誕生一款足夠有影響力的AI應(yīng)用。模型“殺傷區(qū)”的存在不足以解釋這一現(xiàn)象，陳昱認(rèn)為造成這種狀況的原因不是創(chuàng)業(yè)者擔(dān)心模型太強(qiáng)，而是模型不夠“好用”。他看到的一個(gè)現(xiàn)象是，中國并不缺擅長在應(yīng)用環(huán)節(jié)找到PMF的創(chuàng)業(yè)者，但他們中的不少人選擇了面向海外用戶創(chuàng)業(yè)，因?yàn)樵诤Ｍ馐袌?，他們可以基于更“好用”的模型比如OpenAI的GPT開發(fā)上層應(yīng)用。

“AI應(yīng)用創(chuàng)業(yè)的一點(diǎn)優(yōu)勢在于，只要你的產(chǎn)品可以帶給用戶沉浸式的體驗(yàn)，那么從產(chǎn)品上線第一天起你就可以向用戶收費(fèi)?！标悊⒎哺嬖V《第一財(cái)經(jīng)》雜志，他正在研發(fā)一款類似Character·AI的應(yīng)用，通過生成式AI技術(shù)“復(fù)活”哈利·波特、雷電將軍（出自游戲《原神》）這些受歡迎的角色，讓用戶可以全方位與它們互動。這款應(yīng)用基于非國產(chǎn)模型，并面向海外市場。

尚晏儀是另一位想拓展美國市場的中國創(chuàng)業(yè)者。他創(chuàng)立的StellarRover曾推出名為iMean的智能引導(dǎo)機(jī)器人，因?yàn)榻^大部分辦公軟件的引導(dǎo)都是文字式的，新手用戶很難理解，iMean的瀏覽器插件可以根據(jù)場景判斷用戶可能卡在了使用軟件的哪一步，從而調(diào)出相關(guān)的程序引導(dǎo)用戶完成工作。實(shí)現(xiàn)這種功能需要模型有很好的推理能力。

一些手握資金的人直接跑到海外去尋找項(xiàng)目了。2023年年初，投資人王超與二十多位朋友共同在硅谷成立了一家叫MetropolisDAO的公司，專門投資包括生成式AI在內(nèi)的新型創(chuàng)業(yè)項(xiàng)目。其投資對象包括AI項(xiàng)目Pika，這家公司由來自斯坦福大學(xué)人工智能實(shí)驗(yàn)室的兩位華人郭文景和孟晨琳聯(lián)合創(chuàng)立，目前估值2億美元。GitHub前首席執(zhí)行官奈特·弗里德曼（NatFriedman）也是Pika的投資者之一，他聲稱，之所以在Runway、StabilityAI、Adobe等巨頭之外還投資了Pika，看中的是兩位創(chuàng)始人的“速度”。弗里德曼曾在一個(gè)夏天的下午建議創(chuàng)始團(tuán)隊(duì)開發(fā)一個(gè)將文本嵌入視頻的路徑，次日凌晨3點(diǎn)，他收到短信，稱該功能已準(zhǔn)備就緒?！澳壳盁o論哪家產(chǎn)品的PMF都還不夠，新團(tuán)隊(duì)依然有充足的機(jī)會?！蓖醭赑ika宣布完成5500萬美元融資時(shí)在社交媒體上寫道。

陳昱身處國內(nèi)市場，不過他告訴《第一財(cái)經(jīng)》雜志，他大概會花80%的時(shí)間看國內(nèi)創(chuàng)業(yè)者的項(xiàng)目，但最終，他愿意投資的項(xiàng)目中有80%面向海外市場—這些項(xiàng)目要么是在國內(nèi)創(chuàng)立但面向海外市場，要么直接是在海外創(chuàng)立的。

VC機(jī)構(gòu)是生成式AI的積極參與者，但這股技術(shù)浪潮的最大出資者并不是這些每次出手不超過1億美元的VC，而是位于硅谷的大公司，它們常常一出手就是數(shù)十億美元—硅谷的兩家模型寡頭OpenAI和Anthropic就是這么誕生的。

這些投資一方面是防御性的，目的是為了綁定最有潛力的大模型：微軟綁定了OpenAI，亞馬遜和Google綁定了Anthropic。而在國內(nèi)，除了與阿里巴巴一樣投資了智譜和百川智能，騰訊還投資了MiniMax、深言科技等模型公司。

同時(shí)，這么做的另一意圖是在高度不確定的技術(shù)變革中尋求一種具有確定性的生意—云計(jì)算。這些大公司的每次投資都是對云計(jì)算客戶的鎖定，就像OpenAI需要微軟的Azure，Anthropic此前一直使用著最大投資者Google的云服務(wù)，等到2023年9月得知亞馬遜要向自己投資40億美元時(shí)，作為交易條件，Anthropic把最主要的云服務(wù)供應(yīng)商由Google換成了亞馬遜。

于是，幾乎所有技術(shù)巨頭都建立了模型平臺：上面有自研的模型、投資的模型、開源的模型。反正不論這些模型是哪家公司以何種技術(shù)訓(xùn)練出來的，最終把它交付到客戶手上的都是云計(jì)算巨頭。

大公司出手在某種程度上促進(jìn)了生成式AI的發(fā)展，OpenAI的最強(qiáng)模型GPT-4就是微軟的錢燒出來的，Anthropic也在復(fù)制這一模式，它計(jì)劃建立一個(gè)能力比當(dāng)今最強(qiáng)大的AI還要再強(qiáng)10倍的模型，并為此在2023年融了至少60億美元，出資者都是大公司。

數(shù)據(jù)來源：根據(jù)公開資料整理

與之相比，中國模型公司獲得的資金大概小了兩個(gè)數(shù)量級。以獲得最多大公司投資的百川智能為例，根據(jù)它2023年10月17日宣布的數(shù)字，其A1輪融資總共只獲得了3億美元，投資者包括阿里巴巴、騰訊、小米等一眾大公司。

投資者對《第一財(cái)經(jīng)》雜志稱，并不是這些大公司不愿給出更多資金，而是這些大公司本身的盈利能力在大幅下滑。比如阿里巴巴，2021年其電商凈利潤下滑了10%，整個(gè)公司也在2023年啟動了拆分，各業(yè)務(wù)板塊須自負(fù)盈虧。

而自2020年以來實(shí)施的反壟斷、防止資本無序擴(kuò)張，使得包括阿里巴巴和騰訊在內(nèi)的大公司出手謹(jǐn)慎，所投創(chuàng)業(yè)項(xiàng)目斷崖式下降。以騰訊為例，IT桔子的數(shù)據(jù)顯示，2016年騰訊向創(chuàng)業(yè)市場投出的資金比市面上排名前五的VC機(jī)構(gòu)投的加起來還多。然而2023年，騰訊投資的項(xiàng)目總數(shù)只有37個(gè)，約為高峰時(shí)的1/10。市場上曾形成toBAT的創(chuàng)業(yè)風(fēng)潮，但當(dāng)大公司不再是“接盤者”，想要投資創(chuàng)業(yè)項(xiàng)目的VC機(jī)構(gòu)也會變得更謹(jǐn)慎。

“資金越多，能投入的資源越多，能嘗試的方法就越多，能動用的人也越多，最后出來的效果就會越好?！敝亲VCEO張鵬對《第一財(cái)經(jīng)》雜志說，這種資金水平與模型智能水平之間的正比關(guān)系已經(jīng)形成，中國初創(chuàng)公司無法獲得同等規(guī)模的資金支持，唯一的選擇就是“更聚焦”。

這種聚焦在2023年還勉強(qiáng)可行，到2024年就會更具挑戰(zhàn)。根據(jù)陳昱提供的數(shù)據(jù)，大模型的推理成本比訓(xùn)練成本更高，以MiniMax為例，二者之間的成本比例差不多是10∶1。這意味著當(dāng)生成式AI進(jìn)入商業(yè)化階段（這正是2024年的行業(yè)主題），創(chuàng)業(yè)項(xiàng)目消耗錢的速度會比2023年單純訓(xùn)練模型時(shí)更快。2023年沒有融到足夠多錢的公司，到了2024年會更艱難。而沒有足夠的資金，模型的好用性就無法提升，模型不好用就沒有造血能力，不能造血就無法優(yōu)化模型—總之，“從模型到賺錢”的飛輪將無法轉(zhuǎn)動起來。

在模型能力更強(qiáng)的市場，出海項(xiàng)目當(dāng)然還要面對“殺傷區(qū)”的怪獸。暫時(shí)不需要面對這頭怪獸對國內(nèi)創(chuàng)業(yè)者來說像是一道護(hù)身符，不過，這算不上什么競爭優(yōu)勢，只會讓市場的發(fā)展更緩慢。

陳昱和白則人都預(yù)計(jì)，2024年市場上除了會出現(xiàn)更強(qiáng)大的模型，包含視頻理解和生成在內(nèi)的多模態(tài)模型將更加成熟，此外，端側(cè)AI也將變得更流行—意思是大模型這種龐然大物會找到一種方式，從龐大的數(shù)據(jù)中心“走”出來，進(jìn)入每個(gè)普通人的電腦和智能手機(jī)，Google和蘋果都已經(jīng)在開發(fā)這樣的技術(shù)。

一切的想象最終都會回到模型本身，不好用的模型只會讓市場差距越來越大。