
“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)