AI三部曲，第一部番外篇：要成大事，需有“賢”有“錢”

前文講過，目前在中國，要進入AI研發的第一梯隊，至少要具備四個要素：

1.有基礎大模型的底層研發能力；

2.有不斷能夠追趕潮流的持續應變能力；

3.要有億級日活的C端應用支撐；

4.要有客觀利他的宏大生態；

但是，這僅僅是進入第一梯隊的門檻。

進入第一梯隊不等于成為業內第一，好像人人可以修佛，但未必人人能夠成佛。

按傳統觀念，一個成熟賽道應該是7:2:1格局，也就是老大占據70%份額能夠吃香喝辣，老二、三只有20%乃至10%的份額可以維系生存，其它統統是ohters。

不過，AI這條賽道太長，進入大模型的賽程又還太短，它距離成熟期到來至少還有一二十年，721格局至少10年之內不會出現。

所以就會有讀者問，那誰的勝算更大？

今天就說誰一定勝出，那是瞎猜。但好在我們雖然不能預測，但可以分析。我們要分析的，是“四大要素”的共性外，誰更有個性？這個個性，又是否足以成為巨大的變量？

要說有個性的，我認為字節必須得算在內，而且其個性值還相當靠前。

為什么這么判斷？“字節的AI個性”，這值得寫篇大綜述，但我這里只先講一點點——花錢的個性。

這頭部的哥幾個，宣布在AI上要投入的資金，沒有低于1000億的。但字節還是顯得很有個性——我花錢，但不考核。

字節跳動豆包大模型部門（Seed）不久前開了一個全員會，會上有一個非常重要的設計，就是把負責模型開發應用的團隊與負責AI基礎研究探索的團隊，徹底的分開。

從此后，兩個老大分領兩支團隊。為了突出他們之間的平等，字節自己的官宣里用了兩位老大“首次同臺主持會議”這樣的字眼。

中國人是很講名正言順的，所以“同臺主持”的意思就很明白，就是地位相等，互不統屬，有必要的時候配合一下。

最關鍵的是，對于負責AI基礎研究的團隊，除了強調“鼓勵團隊成員探索長周期、不確定且大膽的AI研究課題”之外，還加了一個條件，那就是對這個團隊“為保障長期穩定的研究環境，取消季度OKR和半年考核”。

這在中國的AI領域，是開天辟地頭一回。

首先，什么叫“長周期、不確定且大膽的”的研究課題呢，翻譯過來，就是需要長期投入、但不確定結果，還需要投入力度不小的花錢。

更重要的是，也有很多強大的機構強調自己的某某院、某某研發中心是“圍繞底層基礎研發”，但從來沒人明說一句“取消考核”。（當然從長期來講，還是要考核，只是怎么考，應該另有原則）

在我看來，這是中國AI要興旺發達的重要象征。

一說到不考核的研究機構，你可能馬上想到人所共知的貝爾實驗室，這個實驗室除了是晶體管、激光器、太陽能電池、發光二極管、數字交換機、通信衛星、蜂窩移動通信設備……等幾乎所有和我們今天相關的數字技術的發源地之一。

不過，比這些發明更有名的就是貝爾實驗室的招牌，所謂——“去功利化管理”。

但很多人可能都不知道，貝爾實驗室也是抄作業抄出來的。因為早在貝爾實驗室成立的1925年之前的11年，在老錢流淌的歐洲，就有人搞出了一個類似的機構——NatLab，這是飛利浦在1914年成立的內部研發實驗室，專注于基礎研究和技術創新，是一個更早就強調“自由進行自主研究，沒有預定的任務目標”的實驗室，同樣被稱為“創新的天堂”，它最出名的成就之一，就是造就了如今的光刻機巨頭ASML的技術體系。

但是，大家千萬不要認為我是在說，只要有企業有充裕的資金，搞一個可以讓研發人員自主決定研發項目、進度、方向、經費，同時又不用考核的機構，這企業就自然且自動的能孵化出跨時代的技術，就自然能封神。

如果是這樣，就好比在說，武俠小說里的少林寺，以后也不要搞什么方丈、達摩院首座、羅漢堂首座等等，大家也不用晨起晚課、也不用師徒督導，只要有飯吃、有武練，再把藏經閣里的七十二絕技一開源，自然而然就能是武林盟主、天下第一門派。

請再讀讀我前面說的——我說的是，字節搞出這么一出，是“中國AI要興旺發達的重要象征”，而不是“中國AI必然成功的必然保證”。

如果不計投入、不求考核就是成功的保證，那AI企業還競爭個啥？大家直接比銀行余額就好了。

所以接下來還是要細說其中的門道。

前面說了，錢不是萬能的，但對于此類機構來說，沒有錢是萬萬不能的。最重要的是，這錢不能斷，而且是三五十年不能斷，字節聽好了。

例如，貝爾實驗室之所以有花不完的錢，原因其實比較搞笑——因為當時貝爾實驗室的母體AT&T（美國電報電話公司）為了不違反美國的當時的反壟斷政策（利潤不得超過成本的12%），所以不得不人為的去“合理增加成本”，從而使得實驗室拿到的第一筆經費就高達1200萬美元，而此后幾十年里，只要AT&T的用戶支付一筆賬單，就有一部分錢打給了貝爾實驗室……

其實，中國企業家之前也不是沒有人干過這個事，比如陳天橋辦的盛大研究院，就提出很類似的想法。還認認真真干了一段時間。但是，因為游戲業務的現金流遠不如電信業務來的穩定，不到兩年這個機構就撐不下去了。

所以，我們還是選擇相信字節的鈔能力吧，也請字節做好一投就是三五十年的準備。

接下來就必須講的是，這種制度設立的合理性和必要性。

讓高層次人才有高度的自主性和自由度，不是這種制度的結果，而是制度設計的目的。

如果我們看看那兩個知名機構的設立時期，你就會發現一個共同現象，那就是它們都正處于一個新技術井噴、但發展方向并未固化的階段。

例如，貝爾實驗室崛起之時，正值物理、數學、工程學的交叉爆發期，該實驗室通過"數學家+實驗科學家+工程師"組合（如香農與晶體管團隊協作），搶占了學科融合制高點。

舉一個例子，當時晶體管技術就有很多機構、很多方案在競爭，但最后是貝爾實驗室的肖克利團隊的技術路線占了上風。（肖克利這個人很有意思，出名的小心眼，以后有空單說）

這和今天中國企業在AI競爭中的環境何其相似——大家都知道方向大體在哪里，但競爭路線又沒有固化，然而一旦誰的技術路線成為主流，就獲益極大。

所以，如今的局面，只有“自由”才能應對非固化、多路徑、強競爭的賽道現狀；也只有自由，才能最大程度發揮科學家的創造力。

在這種人精扎堆的頂級機構里，“自由”是一種精心的制度設計，而恰不是制度的漏洞“給了”科研人員“自由”。

其次，我要強調的是，這里的“基礎研究”必須是真·基礎研究。

之所以這么說，是中國在AI的應用研發上的成績舉世矚目，但在基礎研究、基礎理論上的貢獻則相對很少——這也沒啥難為情的，因為這些此前的基礎研發進行的時候，中國的數字產業尚在艱難的成長期，是很難有充足的資源給到基礎研究的。

但是，我得說，字節體系里拿出這個架構的設計者，不管他是誰，都值得刮目相看。其高明在于，此人已經看出來——現在的AI競爭，本質上并不僅僅是字節、騰訊、百度、阿里這些企業之間的競爭。而是中國和美國，圍繞誰更能長期成為AI創新的策源地之間的國運之爭。

如果我們的AI只是內部競爭，那最多是“肉爛在鍋里”，做做應用方向的競爭就好了；但正是因為是國運之爭，所以我們必須重新筑牢基礎。

這是因為，從目前來看，這場大戰的規則、武器、方法、策略……主要還不是由我們來制定的，或者不是由我們發明創造出來的，這對我們來說是比較被動的。

而我們若要長久制勝，就要能在足夠的制高點上左右這場跨太平洋的競爭大局，就必須在基礎上補課。帶著這個心態，我們就不能期待豆包在AI基礎研發上，過個三五個月就出成果。因為基礎研發的周期都是比較長的。

但是我的確覺得，分兵一支去搞基礎研究，是豆包的一步好棋。因為，這樣搞除了展現決心外，一旦在底層創新上結出碩果，就會是跨越式的、碾壓式的進步。

所以我還得說一句，要搞，就必須搞真·基礎研究。

何為“真”？很難說，但我可以舉個例子，就是要和現實應用有相當的距離。

拿光刻機來說，世人皆知ASML。但很少有人知道，ASML的光刻機的底層技術和早期產品，其實是在飛利浦的Natlab里誕生的。

劃重點！——由于不用考慮現實落地，所以NatLab設計的光刻機，非常的超前。而且，人家也不是光說不練，把樣機都造出來了。

但是此后10年，這套方案和樣機就放在實驗室里。

為啥呢？有方方面面的原因，但其中很重要的原因就是，距離現實應用太遠，實現太難。

先進成啥樣？NatLab把圖紙和文檔給了飛利浦的生產部門，部門把機器都造出來了，可就是無法工作。

科學家去一看，可不是嗎？造的人完全不明白其中的原理，應了四個字“生安白造”。

最后逼得NatLab只好派出科學家組成的工作組，駐廠指導。而且這兩邊還經常干仗，互相看不起，歷經無數摩擦，才把機器造出來。

就是這樣造出來的機器，也不符合科學家心目中的預設。直到這幫科學家被從Natlab打包去了ASML，然后又迭代了兩次，才生產出科學家心目中“較為理想”的光刻機。

你可能看得直皺眉頭，說如果字節的基礎研發團隊要是和應用開發團隊也配合的這么難，該怎么辦？

但我們先看一個結果，就是ASML的機器從此大殺四方，以領先數代的代差，徹底打敗了市場上所有的對手，結束了當時世界上有十家以上光刻機企業在狹窄賽道里競爭的局面，從此世上只知有ASML。

其中的道理，就在于一個“遠”。

傾聽用戶反饋，是產品部門的事，但不是科學家的事兒?？茖W家這個職業有點像修仙，就是要離世俗的、熱鬧的東西遠一些，才能去傾聽內心深處的聲音，去感悟物理海洋或數學星空的啟發。

如果這些NatLab的科學家不是按照“心目中最理想”的光刻機為目標，而是過多的考慮當時的具體產業鏈配套條件、過于現實的評估真實一線生產的現狀，他們可能會很好的改良光刻機，但絕對沒法“重新發明光刻機”——從而給予最底層的改變，進而開發出了現實中從未有過，但一但有了就超過所有的產品。

這種機構里面的管理尺度，自然很難把握；但如果不嘗試，我們就永遠不會有這樣的機構、這樣的基礎研發團隊。

字節走出了這一步，雖然只是半年考核取消，但我希望它能夠從半年到一年，直到永不考核，仍然能管理好、出成果。

接下來，就得說到最后，也是最矛盾的一點。就是這些“很自由，不問結果”的實驗室，偏偏很出成果。

有人統計過，貝爾實驗室走出過近10位諾貝爾獎獲得者、7位圖靈獎獲得者以及其他各種獎項得主，有30000多項專利；NatLab也產生了無數成果，包括定義和商業化了我們每個人都會用到的燈泡、LED、CD、X光機等，以及制定了各種消費電子產品的標準，更不要說光刻機這種用來生產信息時代的核心元件——芯片的工業母機。

松散的管理制度，和極高的成果產出率，如何自洽？

微觀上，我想可能有兩點原因：

第一，是充分利用了天才的人性——據說貝爾實驗室只錄取0.3%的應征者。所以最后進入者都是精英，“天才都是自負的”，優秀的人才彼此間的自然競爭是有效的內驅力。

同時，“管理者”也關切每個研發人員的貢獻，例如1947年的晶體管諾獎論文僅署名3人，而背后200余人的工程團隊都得到了內部榮譽體系的認可，這就是為什么貝爾實驗室始終是一個集體。

第二，是榜樣的力量無窮大，隨著幾乎以每天一個的速度誕生專利，一個個諾獎被收入囊中，一代代的科學家在這里做出改變世界的產品，這里成為科學人才爭相奔赴、希望建功立業、影響世界的圣殿，在這樣的機構工作本身就成了頂級人才的追求——科學家并非不好名利，但人家好的是諾獎、圖靈獎那樣的名利。如果一個機構敢說，你在我這里做研究，得諾獎的概率提升50%，還怕天下英雄不來如過江之鯽嗎？一個人才閉環，也就此形成。

而宏觀上，我認為這倆前輩還有更多的戰略級制度設計和運作規則，值得字節去研究學習——一個平均3年出一個諾獎的機構，絕不是一個兩個因素決定的。而真正的突破性創新，需要的是有目標感但也寬容失敗的長周期投入、需要長期專注的高壓強攻關但又能讓學科交叉的多重范式可以被放進一個交叉和激蕩的“容器”里不斷的輸出靈感，當然，還有遠離短期商業壓力的科研自由和母體源源不斷的現金流。

這一切要做到，很難。但字節已經是最具備相關條件的企業。

我們期待字節成功，我們更要容忍字節試錯……但我們不要把過去幾年、十幾年里我們對AI基礎研發的缺失的補償心理、補償壓力全部放在字節身上——它原本可以不給自己這么大壓力，但它給了，說明它有追求，由此我們也看到了一些它可能不同于其它巨頭的特質和個性，它的潛力由此更足了，未來獲勝的機會更大 。

由此，衷心希望這些個性，能讓它走一條不同的成功路，讓字節和中國的AI產業都受益。