对话朱啸虎：那些硅谷AI领域正在发生的变化
作为AI大模型的策源地和AI发展的风向标，硅谷的动向吸引着全球创业者的关注。
5月底，黑马硅谷游学访问了英伟达、微软、Meta、Google、斯坦福大学、苹果、OpenAI及硅谷创业孵化器，探寻了硅谷AI最新实况。
硅谷AI目前有哪些新进展？AI未来哪些发展方向值得关注？硅谷企业愿意为什么样的AI应用付费？中国企业的AI机会又有哪些？我们创业者应该做些什么？
近日，“黑马营对话破局者系列直播”第3场在创业黑马执行总裁罗浛予的主持下，深度对话了黑马导师、金沙江创投主管合伙人朱啸虎导师，以及黑马校友代表Glue up创始人纪景姝和闪剪智能创始人严华培。嘉宾们一起分享在硅谷的所见所闻，解读AI领域的最新技术动态和产业趋势。
朱啸虎认为，对于硅谷最核心的考验是，今年年底之前OpenAI能否推出GPT5，以及GPT5的核心推理能力是否有显著提升。如果GPT5出不来，大模型的核心推理能力就到现在这个水平了，后面只是优化性能、优化成本。
对国内AI创业来说，还是有很多机会。一方面，中国有很多垂直行业的高质量数据，做一些post-training是可以降底幻觉、提高可用性的；另一方面，幻觉可能无法避免，我们可以用80%的AI加20%的人工，为客户交付最终服务。
关于AI应用的发展快慢，朱啸虎认为取决于用今天的AI技术能不能拿到商业化交付质量。第一，用垂直领域的高质量数据调用来降低幻觉，达到商业化质量；第二，如果用AI自身无法达到商业化质量，那就靠人工补齐；第三，就是找到高度容错的场景，即使有部分的错误幻觉或者不可控的结果，也无所谓。这也是今天AI应用能够迅速落地的三个重要条件。
整理：IRIS
来源：i黑马(ID：iheima)
以下为经编辑后的对话实录：
01
关键在于GPT5能否推出
罗浛予：硅谷作为AI大模型开发和理论研究的策源地，这一次去，您觉得硅谷在AI领域又有了哪些新的进展和变化？
朱啸虎：这次去感觉比较明显的变化是，今年硅谷相对去年来说要理性很多。最主要的原因还是ChatGPT5一直在跳票，这使得大家对于GPT5到底能不能出来，以及GPT5的逻辑推理能力有没有阶梯式上升都没那么多信心。另外，AI应用落地也普遍不及预期。
对于硅谷最核心的考验是，今年年底之前GPT5能否推出，或者说能否推出一个推理能力显著提升的大模型。其实这也证明了，大模型的下一个版本，门槛是非常高，可能需要非常多技术上的调优。
罗浛予：在硅谷的时候，朱老师就一直在说硅谷现在理性了，大模型的开发放缓了。那么，请问朱老师，OpenAI的GPT5对业界的影响力真的有这么大吗？对AI发展或者大模型发展真的能起到那么大的风向标作用？
朱啸虎 ：OpenAI是走在行业最前面的，他们到底能做到什么地步，对行业是一个非常重要的信号。大模型的核心逻辑推理能力是一个非常关键指标，目前还不知道这个能力是不是有显著的阶梯式上升。现在大模型落地应用之所以还是比较少，很重要的原因是它很难进行多步推理，大模型单步推理可能有90%的成功率，但五步以上的推理成功率就不到一半了，这就造成它无法完成比较复杂的任务。如果说GPT5的核心推理能力有20%的提升，或者多步推理的准确性有明显提高，那么就能提高驾驭复杂问题的能力。
罗浛予：接下来想问朱老师AGI的话题，在硅谷感觉大家现在好像对AGI的发展有点悲观，不知道您怎么看？
朱啸虎：每个人对AGI概念的定义都不太一样，所以这个概念有点虚了。现在确实有很多知名学者都不太相信，在目前架构下能够实现AGI。对于国内创业者来说，根本不需要去关心AGI能否实现。对我们来说，更重要的是用AI技术到底能够降低多少成本，到底能达到怎样的商业化质量，这些可能都要比AGI更有意义。
罗浛予：关注应用，关注商业化。那您觉得美国AI应用发展到现在，有哪些特点？这次您看了哪些比较不错的AI应用？
朱啸虎：过去几个月，美国AI应用比较火的主要是法律和医疗健康领域的垂直应用，因为美国这两个领域的人工成本都特别贵。同时在口语教育场景有个公司也不错，是用AI来纠正口语的口音，大部分收入来自日本、韩国。
但是到今天，即便是头部的AI应用创业企业，增长速度也开始明显放缓，最重要的问题还是因为大模型本身有幻觉，在多步推理时很容易犯错，有时单步推理的结果也不可控，在很多问题上达不到商业化质量。
罗浛予：美国AI应用与国内AI应用发展相比，有什么样的不同？
朱啸虎 ：如果GPT5出不来，大模型的核心推理能力就到现在这个水平了，后面只是优化性能、优化成本。对国内AI创业来说，还是有很多机会的，可以在很多垂直场景去做技术投入，尤其是尽可能快地达到商业化质量。最重要的还是要让结果可控，减少幻觉。
一方面，中国有很多垂直行业的高质量数据，做一些post-training是可以降底幻觉、提高可用性的；另一方面，幻觉可能无法避免，我们可以用80%的AI加20%的人工，为客户交付最终服务，这种情况肯定能比100%的人工降低很多成本。
罗浛予：感谢上面您对AI创业方面的观察分享，我们这次在硅谷还参访了很多大厂，想请问朱老师，您感知到这些AI大厂有哪些变化？
朱啸虎：这些大厂基本都已经All in AI了，尤其是在买英伟达芯片上都投入巨大。我觉得最明显的是Google，所有产品线都在积极拥抱AI，而且是最容易的。Meta可能会难一点，因为它还是在传统的社交领域，并不是所有产品线都可以用AI，但Meta在开源模型的投入还是非常巨大、非常坚决的。
罗浛予：那您觉得，未来短时间内，这些大厂会不会进入一个整合期？因为我感觉他们已经硝烟四起，压力很大，包括像Google，去年从9万人裁员到6万人，且是这么多年来第一次裁员。
朱啸虎：最主要还是受经济周期的影响。这些大厂在疫情期间都扩招了太多人，至少有50%-100%的人员扩招，今年经济下行肯定是要优化一部分的。我听到一句非常有意思的话，“在经济扩张时期要做大，在经济收缩时期要做强”，我觉得这也是现在这些大厂的普遍选择。
罗浛予：您觉得他们会进入整合期吗？
朱啸虎：今年美国一线的四个大模型拿了很多钱，包括OpenAI和其他真正做到GPT4水平的模型公司。但二线模型的唯一出路基本就是卖身了。如果GPT5今年出不来，或者没有显著提高，那明年所有大模型公司会全部在一条起跑线上，以后边际价值就很低了。
罗浛予：这条同样适用于中国的大模型企业和创业公司吗？
朱啸虎 ：都是一样的。今天中国大模型可能都在GPT3.5的水平，对中国企业来说好处在于，GPT5如果没有显著提高，到明年这时候，中国至少有几家企业可以做到GPT4，或者比GPT4差一点的水平，这是有可能的。
罗浛予：我插播一个同学的问题。他想请教朱老师，AI在哪些垂直领域应用可能会快一点，哪些垂直领域应用会比较难或者比较慢？
朱啸虎：这完全取决于用今天的AI技术，能不能拿到商业化交付质量。第一就是前面讲的，用垂直领域的这些高质量数据调用来降低幻觉，达到商业化质量；第二，如果用AI自身无法达到商业化质量，那就靠人工补齐；第三就是找到高度容错的场景，即使有部分的错误幻觉或者不可控的结果，也无所谓。这是今天AI应用能够迅速落地的三个重要判断条件。
罗浛予：还有一位同学的问题比较尖锐，您认为月之暗面的成功概率有多大？
朱啸虎：核心还是前面提到的，GPT5到底能不能再有显著的提升。如果GPT5提升不了，那今天所有的大模型以后都会成为像水和电一样的基础设施，甚至在中国可能会变成为云厂商提供免费的服务，你来用我的云服务，我免费提供大模型。今天可以看到，中国这些大厂已经开始打价格战了，因为这些大模型几乎都在GPT3.5的水平上，几乎没有明显差距。对创业者来说，我觉得这个结局会比较尴尬。当然，如果大模型能够持续提升，随着技术的发展，未来可能会有差异性。
02
硅谷和国内AI项目的区别
罗浛予：目前硅谷AI的投资和融资环境，跟您上次去或是您了解到的情况相比，有一些什么样的变化？
朱啸虎：硅谷有一些创业公司还是非常理想化的，积极地去探索一些比较远大的目标。当然因为硅谷资金确实雄厚，很多投资人愿意支持他们去探索这些远大目标，而且硅谷的资金容错性也非常高，这是美国和国内投融资环境目前很大的差异点。
罗浛予：您在硅谷有看到一些好的AI创业项目吗？
朱啸虎：我们的投资偏好和硅谷的投资偏好可能不太一样。硅谷还是偏好高大上的项目、有宏伟目标的项目，我们更偏重于能够真正实现商业化落地的项目，尤其是在销售端、营销端。因为中国创业者对销售、对营销的经验要比美国创业者丰富得多，有很多在社交媒体领域的销售营销技巧，怎么用AI赋能这样的销售营销软件，或者直接交付这样的服务，我觉得对中国创业者都是有很多机会的。另外就是智能硬件的创业者也特别多，我看到很多智能消费硬件的创业者都是有中国背景的。
罗浛予：我们的话题可以说到华人创业了。早两年去硅谷可以感受到，很多华人想回国创业，但这一次去我听说很多华人又从国内到硅谷来创业了，您的感受也是这样吗？华人在硅谷创业比较偏好哪些项目？
朱啸虎：确实这是近两年比较大的变化，以前硅谷一些华人创业者喜欢回大陆创业，那今天他们可能就留在本地创业了。这跟双方的融资环境差别有很大关系，跟大模型的访问程度也有关系，在硅谷可以访问到所有大模型，在国内虽然也可以访问GPT4但会有数据风险，所以很多创业者会相对比较谨慎。很多创业者留在硅谷创业了，但他们还是要积极利用和中国的纽带，这样才能跟硅谷当地的创业者做出差异化。
消费电子也完全可以利用中国供应链来做，没有中国供应链，我觉得在美国做消费电子是几乎不可能成功的，这也是在美国的消费电子创业公司必须有一个来自中国联创的重要原因。
罗浛予：您觉得我们华人在硅谷创业，还是比较偏好应用层和硬件层，对吧？
朱啸虎 ：对一般的AI创业者来说，应用层和硬件层还是更有机会的。大模型本身是基础层，我觉得现在基本上大局已定了，再重新去做已经不可能了。
罗浛予：江天宇是小冰公司非常重要的人物，我看到他今天也来到黑马直播间了。天宇说，想请您聊聊对闭源模型和开源模型发展的看法。
朱啸虎：在美国，闭源模型和开源模型的差别可能没有那么大，当然还是大厂的闭源模型比较领先，所以他们的目标也比较远大。很多美国大企业现在采用的方案也是在私有云上部署，用开源模型部署企业的大模型，然后用自己的数据进行垂直优化，这样能保证自己数据的隐私。
国内也是一样的，很多大企业尤其是一些央企，私有化部署不是在私有云上，而是彻底的私有化部署，然后同样用开源模型，用自己的数据进行调整。用开源模型最主要的好处能保护自己的数据。中国创业企业最好也是拿开源模型来训练，可以保护自己在垂直场景的数据。
罗浛予：有同学问，不加AI的SaaS和不加产业场景的SaaS，您更不看好哪个？
朱啸虎：美国股市已经给出答案了，比如Salesforce最近股价暴跌。我觉得AI可能会重塑整个软件行业，所以我一直跟我们投资的软件企业说，一定要非常积极拥抱AI。如果不积极，可能没多久就被AI塑造的新软件公司颠覆了。还要进一步探索，用AI是否能改变软件形态，甚至改变商业模式。我觉得用AI之后可以不卖软件了，只卖用AI交付的服务，比如一开始用20%-30%的AI加70%-80%的人工，再往后可以到50%AI和50%人工，再过一年可能就是80%AI加20%人工。我觉得这可能是最适合中国创业者的一个创新模式，直接用AI交付服务把客户牢牢锁住。AI service的概念其实就是类似的想法。
03
AI应用会在B端更早落地
罗浛予：在美国，AI在ToB和ToC的应用，似乎ToB会比ToC商业闭环更快，且商业化质量更高？
朱啸虎：对，这和前几次技术革命是一样的，肯定是企业端先采用新技术，因为只要能降本增效，企业都会迅速买单。所以在B端，我觉得AI应用落地肯定是更早的。
在C端，总体感觉是消费硬件可能比消费APP更早起来。Meta推出的智能太阳镜已经卖出60万副，可能跟Meta部分补贴有关系，但这个产品的定义确实非常好，我这两天一直在用，跑步时听音乐或打电话都比戴耳机要舒服，还可以连接Meta大模型，有任何问题都可以直接语音提问。最近我们也在看一个非常有意思的电子宠物项目，是中国创业者做的，接了GPT4o，已经卖出几万台了。我买了一台寄到家里，很想看这个AI赋能的电子宠物怎么和我的真宠物狗互动。
但真正的C端落地，我感觉还是要等AI PC或AI手机推出后，比如下半年新iPhone会不会加M4芯片，能不能跑一个单侧的小模型。
罗浛予：有位同学想问，AI陪伴类应用在养老方面的前景，想请朱老师来分析一下，我感觉有点像电子宠物赛道的逻辑。
朱啸虎 ：对，AI赋能宠物现在可以做到非常智能，尤其是接入GPT4o以后，它可以看到你的表情，判断你的心理，然后采取对应的交互方式，语音、语调、话术都可以随之变化。对于创业者来说，这里有很多东西可以做，不仅要硬件做得好，更多时候需要情感培养，怎么能让电子宠物更加打动人心，这也需要很多宠物相关的专业知识，这方面创业公司会比大厂更有机会。
罗浛予：来了一位外国朋友，他是用英文提的问题。他说，What is next for video chance，What is the key in application?
朱啸虎：文生视频还处于比较早期，Sora已经发布三四个月了，但一直没有公开。要么是成本太贵，要么是文生视频的质量不够好，只能精挑细选几个质量好的给大家看，大部分场景还需要人工编辑的。我们感觉这两种可能性都存在。
文生视频的技术路线和大模型的技术路线不太一样，大模型是自回归的，文生视频不一定是自回归的，这是另外一条细分路径，商业化可以做得非常好，因为视频需求量是非常大的。所以文生视频在国内可能更有机会，中国的video数据要比美国多得多，尤其在产品广告方面。
04
创业方法论：留人才、管销售、找场景
罗浛予：我们刚才聊了很多AI话题，我也想问几个创业方面的问题。我们一起走进了英伟达、微软、Google等企业，他们的企业文化、管理方式或者创新方面，有哪些让您印象极其深刻的，或者说中国企业可以学习的？
朱啸虎：我印象最深刻的是，下午五点都下班了，我觉得大厂真的很舒服。所以我觉得中国创业者都可以很自豪的，我们中国企业的勤奋精神要远远超过硅谷大厂。大家不用怕，中国这么能卷，中国人这么能卷怎么着都能卷赢的。
罗浛予：我感受挺深的一点是，这些硅谷大厂的人看上去都很松弛，办公环境也特别好。他们花这么多钱来打造环境、提高福利，工作压力也没那么大，但是他们为什么又那么在意降本增效？
朱啸虎：我觉得这是企业采用的一个HR策略，宁愿要最优秀的员工、提供最好的福利，也不会招很多人，滥竽充数。尤其在技术领域，更要精兵强将，所以一定要招到最好的人，同时提供最好的福利来留住人才。
罗浛予：的确，我们后来也问过这些公司的员工，他们愿意招一个有能力的人，但是绝对不去招十个比较平庸的人。同时给大家很宽松的环境，去提高他们的创新性。但是他们为什么又那么在乎降低成本呢？就是朱老师刚才说的，不希望人数太多。但凡能够提高人力效率的，他们都愿意为此付费，这也是为什么美国ToB的SaaS公司都还不错的原因。
美国企业对ToB包括SaaS是有付费习惯的，但很多中国企业不太爱为SaaS来付费，在商业环境或者付费习惯不同的情况下，您觉得中国的AI ToB能跟美国一样，快速实现商业闭环和发展吗？
朱啸虎：因为美国的人力成本确实很高，降低30%的成本已经非常显著了，所以他们愿意付费。但中国企业和中国消费者一样，是要求极致性价比的，所以降低30%成本或提高30%效率，可能不太会买单。如果能帮企业降低90%的成本，创造一个数量级的价值差异，那中国企业同样是愿意买单的。
罗浛予：除了这些方面，您还有什么要提醒创业者的吗？
朱啸虎：怎么管理销售特别重要，大部分中国的技术创业者和软件创业者都不知道怎么管理销售，我觉得这是一个非常致命的问题。中美软件企业有很大差别，美国的软件企业成熟以后，销售人员和研发人员的比例是五比一，甚至十比一。但这在中国是反过来。
我们投资的筷子科技，团队执行力非常强，管理销售能力也特别强。我觉得在中国，任何一个技术或产品能不能建立长期壁垒，很重要的原因在于能否管理好几百人的销售团队，这是很多AI创业者最稀缺的能力。很多AI创业者确实技术非常厉害，但是管理不好销售，就很难让企业规模增长。
罗浛予：您觉得美国公司在管理销售方面，有什么比较好的方法吗？
朱啸虎 ：这也是要不断试错的。我这次去硅谷见了投资的几家企业，他们的VP sales试了一个不行就换一个，不行再换。硅谷的好处，就是有很多非常有经验的人才，可以不断去试错。
罗浛予：您还有一些其他建议吗？除了管好销售，除了要聪明人。
朱啸虎：核心还是场景，尤其是在技术本身没那么成熟的情况下，怎么找到一个长期可防御、短期可变现的场景。
罗浛予：刚才大部分话题是面向技术型创业公司或者AI公司的，这次有很多传统公司的创业者去硅谷游学，包括直播间也有很多传统公司的创业者在观看，对于他们来说，应该怎么看待这次AI革命，怎么拥抱这次AI革命？
朱啸虎：必须积极拥抱AI，目前AI对于企业内部的降本增效，效果已经非常明显。比如很多服务中心、微信营销，都可以利用AI来降低成本的，能降低50%甚至80%成本。
05
ToB企业如何借助AI腾飞
罗浛予：这次很多黑马创业者跟着我们一起去硅谷游学，今天我邀请了其中两位学霸加入了直播。首先，请此次硅谷游学黑马学员代表纪景姝和严华培介绍一下自己和公司。
纪景姝：我叫纪景姝，是Glue Up的创始人和总裁。Glue Up是全球首个人工智能社群管理一体化云平台，客户分布在全球60多个国家，70%都是欧美客户。在最新的AI浪潮中，我们也上线了很多AI功能和技术架构，很高兴今天有机会跟大家交流。
严华培：非常感谢黑马组织大家到硅谷学习，收获非常大。我们公司是做短视频工具，叫闪剪智能，是围绕着AI的影像工具，最近也推出了很多短视频和数字直播的产品。
罗浛予：请问二位，在这次硅谷行中，你们印象和感受最深的是什么事情，或者什么项目？
纪景姝：这次行程当中，我觉得特别大的亮点就是把现在AI领域最主要的几个大企业全都拜访到了，而且分享的工程师也是比较重量级、非常有干货的。因为我在企业管理软件领域，所以特别关注大家对于AI在TOB应用领域的一些洞察，以及未来的应用场景，在这方面收获也非常大，尤其是对微软的拜访，以及跟Service Now工程师的交流。
Service Now很多人可能不太了解，这家公司是SaaS TOB企业中，在这波AI浪潮中受益最大的公司之一。有段时间，我每次到硅谷，旧金山机场到处都是Service Now的广告，宣称他们是一家AI公司。Service Now之所以能够成功，是因为拥有大量客户和数据，可以围绕客户需求在软件中叠加AI功能，从而实现了功能赋能。在叠加AI之后，对于TOB软件来说，将更好地服务于客户，大大提升客户满意度和粘性。
我想分享一个核心观点是，在叠加AI的TOB场景中，已经拥有成熟SaaS应用和良好数据积累的公司是最先受益的。对于一个全新的AI公司来说，搭建应用场景需要时间，还要定位自己的服务客群，如果没有之前积累的客户和客户数据，构建有效的AI模型是非常困难的。我们当时问Service Now的工程师，AI在TOB还是TOC领域会首先取得重大突破，他说是TOB领域。我们也觉得，企业服务领域叠加AI可能会更早实现更好的商业化。
我现在长期在北美，基本每两个月都会去硅谷，公司从去年开始跟英伟达合作，那为什么我还要参加这次黑马的活动呢？从去年2月ChatGPT有突破以来，全行业都在快速地学习成长，但我发现每个人都有自己的信息茧房，所以需要不断跟大家去交流。主要有三个问题，第一是如何定义今天AI爆发式的发展，第二是AI将对我们自身行业和其他行业有什么样的影响，第三则是我们自身、团队、公司将如何在AI变革中得到进一步发展。在每一次学习中，在不断的交流中，这三个问题的答案都在进化，所以很感谢黑马提供这样的学习机会。
罗浛予：谢谢景姝，希望我们的TOB SaaS公司也能借助AI腾飞起来，华培你呢？
严华培：这次在硅谷我了解到，大B和小B有很大差异，还有SMB，我们服务的群体更像是做SMB，和完全做TOB的企业相比，商业模式、搭建团队和能力都不太一样。这对我来说收获很大，对于未来出海到底先做什么样的市场，做什么样的用户群体，团队怎样去搭建，都非常重要。
另外一个收获就是，Meta、Google、微软这些大厂的高级工程师都分享了最前沿的技术，反而给了我们一些信心，其实国内大模型的底层技术跟美国的差距不是特别大，可以慢慢跟上来。
斯坦福的教授还提到，AI在不发达国家可能会有更大的帮助，比如非洲、南美等等。因为AI像一个助手，对具有基础能力的人才帮助更大，不发达国家的基础人才特别多，而美国更多的是高级人才。这对我来说是一个观念上的改变。
罗浛予：想问两位，有这些收获之后，未来在你们的公司可能会去怎么应用AI？是直接用做AI降本增效，还是把商业模式或者产品做一些AI化呢？
纪景姝：从去年开始，我们启动了AI战略，主要围绕三个维度展开。首先，在产品维度，我们的产品在去年7月推出了Copilot功能，这是由我们自己的研发团队开发的。在没有任何推广的情况下，两个月后，70%的全球客户已经开始使用这个功能。在客户使用场景中，AI功能对效率提升非常直接，客户在产品上花费的时间、粘度和使用率都有所提升。这个成功的案例增强了整个研发团队和客户团队的信心，使他们更加理解新事物对我们产品和客户的价值。
第二个阶段是与英伟达紧密合作，我们加入了英伟达支持企业服务公司的Inception计划。这个合作极大地增强了企业软件叠加AI能力。我们坚信，如果企业软件不是由AI赋能，它将在市场上失去竞争力。我们相信软件的未来将从人类学习软件转变为软件理解人类。过去，我们需要学习如何使用Microsoft Excel等软件；未来，当我们登录界面时，软件会询问我们今天需要做什么，并帮助我们逐步完成，只需要我们确认一些事项。
其次是团队维度，我们还要求全员尝试所有与他们领域相关的AI工具。我们不断向团队灌输，如果不尽早采用AI，我们将在竞争中被淘汰。有些团队担心采用AI会导致裁员，但需要从领导力的角度让他们认识到，我们必须成为一个AI超人。我从硅谷回来后，我们销售团队就有新突破，他们发现了一款新的AI产品，可以显著提高销售效率，并在规模化覆盖潜在客户方面表现出色。
最后，我们相信AI领域将出现一个主生态平台。我们最初认为GPT会是这个平台，并在GPT上迅速推出了四个产品，其中两个是我在旅行中在机场休息室写的。然而，我们发现GPTs的活跃度并没有达到预期，所以我们正在观察AI领域是否会出现新的平台和流量入口。我们希望尽早在这个平台上展示我们的产品，为我们的客户提供新的入口。目前，我们的AI战略正沿着这三条线推进。
罗浛予：景姝的观点非常好。请问华培，这次参访以后，你的公司准备在哪些方面做一些优化或者升级呢？
严华培：首先是关于全球化，原来我们更多是站在中国的角度去做出海，缺乏全球化的视角来做产品。另外，我们会围绕更深度的场景来做产品，所以我还留在硅谷调研一些更深度的场景。我觉得如果要出海，一定要在海外多体验多考察。
06
结束语
罗浛予：我们这次去硅谷感触还是蛮深的，硅谷的AI热潮确实没有去年那么高涨。有人告诉我，在硅谷他们不谈AI。对他们来说，AI已经内化为一种基础能力或标配，不用刻意强调了。这让我很震惊，他们已经度过了对AI的学习期和适应期。无论是传统公司还是技术型公司，他们普遍已经拥抱了AI。
一些传统公司可能会分享如何利用AI在特定场景中提升能力或降本增效；还有一些传统公司则通过AI改变了商业模式。而技术型公司则强调AI如何显著提升了他们的产品力和对客户的应变能力，特别是技术型的ToB公司已经能用拿出业绩数据来证明AI的实际效果。
我们所感受到的硅谷AI的冷与热，其实是双面的。一方面，看似讨论AI的人变少了；另一方面，这反映出AI已经被积极地应用，而非仅仅是口头讨论。在我们这里，许多公司还在考虑是否尝试AI，而硅谷的公司已经为将AI应用于自己的业务中而积极付费、积极创业创新了。
我还注意到，我们去的很多黑马学员是传统公司，他们在各自赛道已经是头部了，比如有美瞳赛道第一名，还有像张拉拉这样卖拉面的优秀创业企业。在参加这次活动之前，他们都已经在自己的团队内研究并应用AI。还有一位在肉类贸易领域做到第一名的学员，计划用AI技术彻底改变自己的商业模式，我笑称他们将从肉类贸易公司转型为肉类行业的“同花顺”。
他们参加这次游学，是为了探索未来的方向，考虑是否需要用AI优化自己的商业模式、系统结构或组织。
实际上，很多传统公司都有机会利用AI降本增效。例如，我们在硅谷听到一家ToB公司分享沃尔玛的AI 应用，他说沃尔玛已经全面AI化，通过AI系统改善用户体验，提供个性化的产品推荐。
他们还提到一个AI工具，可以帮助销售写邮件。这个工具每人每月需要花费500美金，但他们为什么会愿意花这个钱呢？因为他们觉得人力是最贵的，提效人力是最有价值的，是更能带来创新性的。
总之，这次我们感受到，硅谷的公司们非常在意AI，他们的的确确认为AI是能够提高生产力的，也在积极地为之创新、应用和商业化。
