|
“大模型未来一定会经历几轮大的技术范式迭代。但比拼商业化能力，是足够确定的事。”
|
在AI公司“灵感时刻”，监测数据，是一切业务的前提：
只有10个人的北京办公室，放着一块显示屏，员工一抬头，就能看到实时更新的几组数据：订阅成功率，端到端转化率、一周订阅用户数、当日订阅用户数。
数据看板的最下方，有着四个地区的时钟：旧金山、伦敦、巴黎，和北京，对应着公司最关心的几个市场：北美、欧洲，和中国。
△灵感时刻的数据看板。图源：受访者提供
将数据的上报和分析细化到分钟量级，是灵感时刻日常的工作节奏。
CEO康洪文对《智能涌现》形容，团队看数据可能比二级市场看股市还要仔细：“有数据才有优化。如果你不measure，你永远不知道需要优化什么。”
“measure数据”带来的，是快速的商业化进展：灵感时刻成立三个月内，就实现了盈亏平衡；截止2024年底，公司ARR（年经常性收入）达到了近千万美元，实现盈利。
造血能力的证明，也为康洪文带来了融资。《智能涌现》获悉，灵感时刻近期完成了千万级人民币天使轮融资，投资方包括美元基金Hi2 Capital，以及天使投资人Mike Green、Yipeng Li等。
作为一名AI技术老兵，康洪文20多年的从业生涯，集齐了大厂、创业、高校的复合经历。
2004年，他在微软亚洲研究院从事计算机视觉（CV）技术研究，师从沈向洋、汤晓鸥和华先胜，而后在美国卡内基梅隆大学取得博士学位。经历两段AI创业后，康洪文随着公司的收购，出任腾讯PCG（平台与内容事业群）高级总监。
△康洪文。图源：受访者提供
ChatGPT爆火后，康洪文看到了大模型带来的AI新浪潮。在2023年10月，他离开腾讯，再次投身AI创业。
Aha Moment，灵感时刻，最早源于一个心理学术语，形容人顿悟、豁然开朗的一刻——康洪文将这个词作为了公司的名称：AhaMomentAI.com。
在大模型浪潮中，他感受到的Aha Moment，是找到“端侧算力爆发”和“模型体积下降”之间的交汇点——翻译成白话，就是将一个体积够小、性能够高的模型，部署在终端上。
“两个趋势会出现一个交叉点，到达这个点意味着，在单卡上就能运行性能相当不错的模型。”他对《智能涌现》解释，“这一定会带来创新性的产品形态，解锁全新的产品体验和商业模式。”
而到今天，康洪文当初的预判在行业上已经有所印证，比如轻量化端侧模型的兴起，以及新掀起的AI PC浪潮。
但在康洪文的眼中，理想的大模型落地形态，是以App的形式提供给用户；封装了大模型的App，也可以灵活搭载PC、手机、智能设备等任何终端硬件上。
搭载了端侧模型的AI PC，在康洪文看来，能提供的服务具有局限性：“AI PC是设备厂商的视角，AI PC会自带一些底层和基础通用能力，AI PC上还是要运行App来服务专业人群的具体场景和需求的。”
他向《智能涌现》展示了产品的Demo。当3T的图文、音视频数据，被拖进部署了十多个模型的App中，响应“总结Lady Gaga的相关内容”，App只用了不到1秒——这一处理速度远快于部署在云端的大模型。
如今的用户，对AI的响应速度是敏感的。一个典型的例子是，无论是DeepSeek App，还是最近爆火的Agent产品Manus，“服务器响应过慢”，都是为人诟病的点。
在AI响应速度的优化上，灵感时刻找到的机会是：向C端用户，提供具有文本、语音、视频创作能力功能的App矩阵。而这些App，都因本地部署了大模型而提高了响应效率。
但将显存几十、几百G的大模型，塞进几G的App中，绝非易事。康洪文也对《智能涌现》坦言：“可能要过两三年，技术才可能成熟。我相信这个趋势，同时也在下重注。”
然而，公司管理、业务推进，要求的是尽可能确定。回到2023年，当全行业仍是Scaling Law的信徒，康洪文在公司成立第一天，就做出决定：先做产品和商业化。
成立不到一个月，团队试水了几款产品，测试商业化效果。等到2023年12月初，公司从中筛选出了有希望规模化的产品，正式投入市场。2024年一整年，团队的聚焦点都是实现规模化的盈利。
但对于这几款产品的名称和形态，康洪文却讳莫如深。“我不希望产品过多曝光。”他给出的理由是：“目前的产品都比较过渡态。我希望我们主动发布的，是一款实现了构想的成熟产品。”
“挣钱真不是件难事。”在经历了国内外连续创业，和腾讯的商业化考验后，康洪文说出了一句在当下略显凡尔赛的话。
但这句话的初衷，不是炫耀，而是展示这背后需要下的苦工夫：对PMF（产品-市场适配度）的精确计算。
灵感时刻只有10名员工，但每个人都接入了一个数据警报器。一旦某一时间内，业务数据出现异常，哪怕在凌晨，对应的负责人也会被电话铃叫醒，对产品进行分析和优化。
“这就是创业的阵痛期，你必须在短期内把商业化做到极致。”康洪文告诉《智能涌现》。
数据驱动的方法论，则来自前东家腾讯。
在腾讯身上，康洪文直观地看到了一个数据驱动的团队，是如何高效工作的：内部的核心产品，光数据指标就有几百项，不用Leader提醒，员工看到数据反馈，就会自觉对方案进行优化。
但在现实中，寻找PMF，对绝大多数技术专业出身的创业者而言，绝非易事。
技术人的创业，很容易重技术、轻产品。等到锤子找到了钉子，往往已经落于人后，错过了落地和商业化的最佳时机。
在近两个小时的交流中，康洪文强调的一个词是“摆脱技术惯性”。
“在CMU，我也很技术，总想着在算法上做创新。”给康洪文“泼冷水”的，是他当时的导师、CV领域著名科学家金出武雄。
当时，他常常对学生说：“任何来到CMU的学生，技术都没有问题。这个时候你们反而应该去思考，你要用技术去解决什么问题。”
康洪文给包括员工在内的许多人，都推荐了金出武雄写的书，《像外行一样思考，像专家一样实践》：“像外行一样思考，是让我们找到‘钉子’，之后就是思考怎么用工程能力去解决，像专家一样实践。”
另一个词被康洪文多次提及的词，是“时间点”。
某种程度上，他觉得自己是被时间点眷顾的技术人。在每个前沿技术发轫之时，他都幸运地站在了一线位置。
比如，在微软亚研院，他幸运地成了中国最早一批能在GPU上做开发的工程师。彼时，康洪文的工作是将AI视觉算法，集成到微软的游戏终端Xbox上。
再比如，2012年，康洪文在CMU的博士项目，是如今的风口：智能眼镜。他总结自己的前半职业生涯：从云、PC到Mobile，几乎所有的硬件终端形态做了一遍。
后来，他开始创业，“时间点”意味着找市场、找融资的窗口，和先发优势。
2017年，创业做AI视频剪辑应用那会儿，康洪文在媒体访谈中被问到“如何应对BAT的竞争”，他的回答是：做得足够早。他告诉《智能涌现》：“回过头看，这个回答太对了！没过一年，短视频爆火，你能想到的大厂都下场做了！”
这段经历，让他对当下最火的“概念”，都保持冷静。“你不能瞄着目标现在的位置，你要去瞄准他未来会出现的位置。”他将创业描述为“打一块会移动的靶”，“创业不是做当下的事，是做未来的事。其中的时间差在未来会转化成你的壁垒。”
回到2023年，他对大模型的爆火，做了两个判断：
一个是基于他对技术的把握。“大模型都还比较早期，未来一定会经历几轮大的技术范式迭代。”
另一个，则是基于他对市场的理解。“到24年、25年，资本和市场都会冷静下来，一定会回归理性去看你的产品、你的商业化。我们在2023年要做的，就是为2025年做准备，在商业化上先和其他公司拉开差距。”
作为一名技术人，康洪文对未能直接亲身参与2023年的模型预训练浪潮，也抱有一丝遗憾。在对话中，他提到了梁文锋，“他是仍然在一线写代码的人”。
《智能涌现》见到他那天，康洪文的显示屏上，还放着一份几十页的DeepSeek技术分析PPT。
但作为一名CEO，他需要做出取舍，足够聚焦。如今，商业化的初步成功，为“将大模型封装进App中”的野心，争取到了一些时间。
康洪文告诉《智能涌现》：“如果产品和商业化现在就取得突破，那么我们就有耐心等到技术路线稳定的那天，到时，我们可以直接用最成熟的技术路线。”
（文：智能涌现）