独家对话刘知远：AGI 是一场技术理想与商业现实的「持久战」

186 0 0

文章摘要

面壁智能作为中国最早的大模型团队之一，其发展轨迹揭示了技术创新与资本认知间的深刻矛盾。团队自2021年参与北京智源「悟道」项目起，便致力于推动大模型开源与平民化，却在2022-2023年大模型热潮初期因融资困境与商业化路径争议错失先机。当行业追捧对标OpenAI的宏大叙事时，面壁提出的「高效训练」「低成本模型」理念因缺乏直观商业价值感知而遭冷遇，反映出资本在技术演进曲线中常滞后于创新实践的普遍困境。

创始人刘知远将AGI征程比作「战略持久战与战术速决战的结合」，其技术路线选择体现了对行业趋势的前瞻预判。团队在2023年完成千亿参数模型后，主动转向端侧模型研发，试图通过差异化路径破解大模型落地难题。这种决策既源于对算力成本与价格战风险的警惕，也暗合其「让智能触达终端」的原始愿景。相较于DeepSeek通过极致压缩训练成本在基础模型领域突围，面壁选择在汽车等垂类场景验证端侧模型价值，形成「云-端协同」的技术布局。

资本市场的认知错位贯穿面壁发展全程。早期投资人更关注团队商业化经验而非技术前瞻性，后期转向务实风格的投资方则看重具体场景验证能力。刘知远以计算机发展史类比，指出当前大模型相当于「信息革命中的大型机阶段」，而智能革命的真正标志应是「高质量、低成本模型的普惠化」。这种认知差异导致面壁在「六小虎」融资潮中边缘化，却也使其在端侧模型领域积累先发优势。

技术演进速度远超预期成为关键变量。刘知远提出的「Densing Law」揭示大模型能力密度每百天翻倍，DeepSeek V3等成果验证了高效训练路径的可行性。面壁通过MiniCPM等端侧模型在国际学术界建立影响力，但其「持久战」战略仍需应对资源约束与生态构建的双重挑战。团队将战役胜利锚定在「特定能力突破-资源积累-更大规模攻坚」的螺旋上升路径，试图在AGI技术收敛前完成关键卡位。

行业生态的复杂性在对话中反复凸显。当资本追逐可见对标标的时，真正推动技术边界拓展的往往是「非共识创新」。面壁案例既折射出中国创新生态中理想主义与现实主义的碰撞，也揭示了AGI竞赛的本质——这不仅是技术能力的较量，更是战略定力与认知穿透力的持久博弈。正如刘知远援引《论持久战》所指出的，「胜利不在于短期估值高低，而在于能否实事求是地追寻理想主义」，这场智力革命的终局或将由那些在技术、资本与战略三维坐标系中持续校准方向的探索者共同书写。