摘要：

“小冰内部，当时发现大股东对应的一拨人用来分散我注意力的、跟我制衡的那拨人，他们有贪腐的行为。我正在调查的时候，我被干掉了，多么荒谬啊。”

凤凰网科技《浪潮》出品

作者｜赵子坤

编辑｜董雨晴

让一个创始人离开做了11年的项目，会是一种什么感受？特别是这个项目，是全球曾经有着6.6亿用户的明星项目。

这个问题，李笛有权回答。

2025年12月底，在一场年轻人云集的奇绩路演上，本应是导师的李笛，作为“彩蛋”，带着自己新的公司——明日新程（Nextie），重新出现在大众视野。

诞生自2013年底的小冰，当时名字里还带着微软这个前缀。它不仅比Transformer架构早诞生了3年，还早于ChatGPT 8年就探索出了人与AI的第一次自然交互。小冰，也曾经代表了全球对人工智能最初想象的全部，到2018年时，初代小冰在全球有6.6亿用户。

然而，就在全球大模型竞赛万箭齐发的2023年，李笛在公司内部突然遭遇到了阻碍。小冰“实控人”、事实上的“大股东”沈向洋禁止他和团队在中国继续训练大模型，他们只得借了老东家微软的一批算力，用日本团队“曲线救国”。

但这短暂的成果，并未换来把资源投向中国团队的可能。李笛只能眼看着，账上还躺着一亿元现金的小冰错过了大模型爆发的黄金时期，只能苦苦维持在数字员工、虚拟人赛道的既有优势。

类似的尝试，还有小冰在2023年2月发布的小冰链（X-CoTA）——类似于后来DeepSeek-R1模型的LongChain长思维链系统，但同样没能获得最高层面的支持。

“我其实抗争过，但……” 到了2024年，情况更是急转直下，一场公司控制权斗争，让李笛直接被迫离开了他一手带大、做了整整十一年的项目。

“正在调查贪腐的时候，（我）被干掉了，多么荒谬啊。”事后复盘，他把这归咎于自己的“认知盲区”：“一直以为我是小冰的负责人、创始人，但后来发现我不是，不是大股东，所以不能够去做正确的事。”他迟疑半晌，补了一句感慨：“所以说……夫妻店这事儿还是挺要命的。”

2025年年底，经历了种种变故后，在陆奇和老部下们的支持下，李笛重返创业场。这次重新创业，陆奇给了他两条建议：做自己想做的事，不要去猜别人希望他做什么；以及，保持善良。“这两点我都非常受用。”李笛说。

半年后，我们在李笛新成立的公司办公区见到了他——这本是奇绩创坛的共享办公区，对他们当下的7人小团队也已足够。

他穿着99块的优衣库印花T恤，身形清瘦。腼腆带笑，讲话轻声，笑称自己是“i”人，很难看出来已经四十出头。

谈到被迫离开小冰，他脸上带着一种“劫后余生”的释然。错过、遗憾、愤怒……似乎不会再是萦绕他的关键词。

“我曾经很痛苦，觉得我把小冰给扔了。那我现在不痛苦，因为小冰又不是人类的女儿，形体在哪不重要，我在做，它就在。所以不管我在做什么，它就叫小冰。”

9月17日，在小冰“生日”这天，李笛率原班人马创立的新产品“小团子”上线内测。有用户笑称，站在现在这个节点回望2017年的人工智能，小冰算是“侏罗纪时期的AI”。

图源｜AI团子

当下 AI 创业场中，“小天才”和“科学家”是最吃香的标的。带有过往经验的“创业老兵”，则容易被贴上旧时代产物的标签。但李笛说，自己自始至终想做的都只是一件事——人机共生的网络。

类似当年的“小冰岛”，这次他想要构建的，是一个近似现实世界、“活人感”很足的空间。Agent们会有脾气、会拒绝你、会互相竞争甚至投票把某个成员淘汰出去，但它们做的一切都是“为你好”。

要建立一个情绪附加值极高、让人愿意为之付费的人机共生网络，需要极高的模型能力。当下，沿着“CoT-推理模型”这条发展路径的下一站，李笛认为是“认知模型”——一种学会遗忘、能解耦知识与认知的推理模型。

李笛认为，要构建起真正的群体智能，不在于智能体数量，而要从人类社会的蓝本中，找到最恰当合适的协同方式。因此，他和团队复盘了1800-2020年全部人类论文，来训练自己的模型。

不过，一个4B端侧模型并不是他的终极目标，还要探索AI创业领域的新模式。

在大模型狂飙的这两年，受制于种种“不让做”，李笛和他的“小冰”一度错过、掉队。当行业信仰集中在Scaling Law，用更大的参数、更长的思维链、更无所不包的超级模型来定义智能的高度。李笛则是热闹舆论场中的“异类”，多次公开表达对“卷规模”的同质化竞争的不满。

“我们今天的技术是新的，但商业模式是旧的，是30年前、40年前Email时代定义的，它不适合大模型，要用新的模式。”

李笛认为，在大模型时代还在谈论DAU、ARR“毫无价值”，忽略了背后的算力成本，也难以建立起可持续循环的商业模式。他提及当下多个热门AI产品的 ROI 迟迟打不平的困境，和付费难的国内现状。

2025年，当行业开始从模型层卷向智能体、从“对话框陪伴”卷向“深入工作流提效”，重新出发的李笛，带着他的新公司、4B大小的认知模型和一套“活的”多智能体系统，试图重新定义这场游戏的规则。

在和我们长达三小时的访谈中，他照样给出了一些非共识的判断：

“大模型实际上是群体智能的前菜……大模型的下一场就是认知。从思维链到推理到认知，这件事必然发生。”

“（我们要做的认知模型）是一种强化了的、学会遗忘的、能解耦认知和知识的推理模型……得把这些知识剔除掉，让一个人因为学习知识得到了认知，再忘记这些知识，认知才能解放出来。”

“群体不是数量，群体是规则。多智能体不直接带来效率和最优解……如果只是一味用人海战术去补量，很可能得到的是——人越多，倒忙帮得越大。”

“真正的大模型时代的北极星指标，叫做GPU cost比revenue……大模型参与到了创作过程，参与到了决策过程，实实在在提供了不同的智力创造的结果，那么它应该为不同的智力创造结果收取不同的费用。”

“Transformer架构下面的模型本身没有什么太大的壁垒……所有的技术所对应的壁垒都只是一个时间周期问题。”

“（能力）越强越不给他钱……强不代表商业模式，强也不代表被尊重。我很喜欢对比草原狼和哈士奇，草原狼那是真强，都灭绝了。哈士奇那是真弱，真二，骗吃骗喝过得潇洒。哈士奇这个能力显然更高级，因为它跟人更近。”

“AI社交这件事情本身是个伪命题……情感陪伴从来都不是一个专门的事儿……你专门用情商来做一个陪聊的虚拟男友，那是把事情做小了，它应该用来做任何事情。”

“（行业现状）需要泡沫去破裂，人们才会真的去尝试去追求繁荣。如果泡沫还没有破裂，谁会愿意去追求繁荣？像我这样的人之所以成为反共识，就是因为耽误大家挣钱了。”

以下是凤凰网科技《浪潮》栏目和李笛的对谈，经过不更改原意的删改：

谈离开小冰：查贪腐时反被干掉，错过大模型黄金发展期

凤凰网科技：你这两年在公众视野里似乎有点“隐身”了，去年年底在奇绩创坛现身宣布创业，先来介绍一下新做的事吧？

李笛：从我自己的角度来讲，创业12年一直没有停过。想做的事13年前就有了。

2013年底，我在微软负责必应搜索引擎，大家都在做智能语音助手，就像今天很多人做基于大模型的聊天机器人。但我们当时觉得不对，所以小冰2013年末立项时，code name就叫Social Agent。

我们认为，AI最后一定会沉淀到Agent这一层，而且Agent会形成很强的群体性，只是上一代技术有局限，大模型时代才让这件事变简单了。

大模型实际上是群体智能的前菜，提供了个体所需的基本认知、决策、思维链和推理能力，但没有很好地形成彼此协同。所以下一阶段需要认知强化，也就是认知模型。

去年底，Andrej Karpathy（安德烈·帕卡西，OpenAI 联合创始人）接受访谈时最重要的一句话就是：大模型的下一场就是认知。

从思维链到推理到认知，这件事必然发生。同时，大模型的推理算力成本会随着认知模型得到很大优化。

你今天用龙虾，不用等要求，自己能主动做事，但你不敢，几个Agent一商量把你信息删了，协同得不好，而且主动做事消耗的算力还很贵。

认知模型是很小参数规模的模型，Karpathy认为大概1B左右，我们现在做到的极限性探索，只需4B左右，可在端侧部署。像具身智能机器人，不联网、在端侧协同完成任务，耗的是电，不再耗昂贵的算力。

同时也还训练另外一个8B的模型，参数规模会大一倍，但仍然控制在可以端侧部署，同时泛化能力会变得更强。

认知模型最重要的事情就是它能够有形而上的思维能力，不取决于任何一个和某一个领域知识相关的认知，而是取决于解决通用问题都能够具备的认知能力。

4B的模型则非常具体，跟某一个人或者某一群人（的认知）是比较接近的。像我们的4B模型里，有一个小笛模型，参与到多智能体讨论的时候，这个4B模型可以完全代表我。

凤凰网科技：怎么把你的认知，人脑中的非结构化的知识和历史经验，去训练成“小笛”？

李笛：涉及到Few-shot learning（少样本学习）。2017年，我们就在探索如何用更小的数据量完成更好的训练。现在在大模型框架基础之上，强化学习的效果比以前好很多。目前为止，大部分的大模型都在主攻强化学习，只不过我们设计的训练任务跟别人的不太一样。

他们的prompt是叫做hard prompt，要写例子，不写大模型不follow。但你要是写例子，大模型就会向这个例子过拟合，完全按照你写的例子去做，生拉硬拽。

我们想做的是soft prompt，为的是，在prompt里不再写任何例子。可以把它理解成一个认知的MoE的专家模型，这样就能够很好解耦过拟合的问题。

凤凰网科技：具体怎么做到认知层面上的异构，你提到过GPT、豆包思考逻辑都相似。

李笛：基础大模型倾向无所不包，输出四平八稳。虽然每个模型有一些自己的特征，比如豆包更“讨好”，但给出的回答都倾向于全面。

多智能体协同最大的问题：一是认知不确定，觉得A有道理，B也有道理，耳朵根子软；二是太全面了，这点人类是很好的蓝本。每个人都有盲区，和认知狭隘的一面。但互补的话，三个臭皮匠比诸葛亮好。

认知异构意味着把模型拆开，让构成不同智能体时能非常鲜明。而且这个异构不是恒定的，一个大模型构成一个智能体的时候，你给它写一个prompt，相当于去催眠模型。

但是这种“催眠”效果非常不稳定，一旦过程中不再让它去保持异构，它会立刻坍缩成一个同构状态。

像一条河在冷地方奔涌，外部不施加热量就冻上了。这个“冻”上的状态，就是同构。所以需要持续不断地给认知模型构成的智能体施加约束，让它保持异构直到任务结束。

你可以理解为，就像一个经验不够丰富的演员。上舞台前，你告诉他你是一个游击队的队长，刚上时记住这件事，演两分钟后就忘了。因为新的上下文进来，他就会忘记他原本被“催眠”的游击队长身份。你要不断去提醒他，他也要不断地提醒自己是游击队长，才能够避免他又回到初始状态。

我认为，大模型真正的创新主轴就是CoT到推理到认知。其他的，类似多模态、AIGC、生成能力都不构成颠覆性。真正的颠覆性，就是（让）大模型有思考能力。2017年我们就注意到生成模型有思考能力，当时还发布了小冰心想模式，它可以输出thinking，但当时还很不可靠。

GPT 3.5时代CoT成了关键，2023年初我们也做了一个叫小冰链，就是CoT+action。但是思维链同样不很可靠，因为它是有相关性，但没有因果，不稳定。所以要做推理模型，经过训练得到推理能力，有因果关系。但模型很大，包含的知识反过来影响了认知。

打个比方，压缩围棋知识涌现围棋认知，压缩金融涌现金融认知。围棋知识和认知耦合在一起，下围棋好的人只能用来下围棋。但如果解耦开，就可以用围棋手的认知去打商业战争。

所以像Karpathy说的是，得把这些知识剔除掉，让一个人因为学习知识得到了认知，再忘记这些知识，认知才能解放出来，去解决更泛化的问题。

我们要做的认知模型，不是不同于推理模型的新模型，是一种强化了的、学会遗忘的、能解耦认知和知识的推理模型。

现在专家模型能解决的是简单的、有正确答案的问题。但到了大模型的深水区，得到的是难的、长的、没有正确答案但需要追求最优解的问题。上一代大模型是擅长解题的，你给我一个题目，我可以很好的解题，因为我有正确答案，这是专家知识所对应的。

凤凰网科技：打榜的时候也比较好测评，哪个模型做题做得最快最好，一目了然。

李笛：对，所以应试教育出身的很容易去刷榜。但要追求“最优解”时，那是另一回事——需要把知识排除掉，提炼出认知，就像从应试教育进入素质教育。

凤凰网科技：小冰在2017年就已经有思维链，按照你判断的大模型发展之路，早就应该开始做推理模型，但你们似乎错过了那一波？

李笛：对，有很多原因，我其实抗争过，一直抗争到2023年。

2023年的时候，当时因为不让我们在中国做大模型，我自己挑了一批算力在日本做，那边有一个日本团队。到2023年末日本Hugging Face上，前十名里面有六个都是我们的模型，第一名也是我们的，打败了Meta Llama。

凤凰网科技：但这件事没有办法反哺到中国团队？

李笛：这是由于我的认知盲区，受到了股权结构的影响。我一直以为我是小冰的负责人、创始人，但后来发现我不是，不是大股东，所以不能去做正确的事情。但还好，如果用一个更长的尺度去看待要做的事，一两年的滞后不太影响。

我当时要在大模型上做，我在日本大模型都做成那个样子了，沈向洋不让我买算力，还让我借钱给其他公司买算力，借6000万。

凤凰网科技： 那时候小冰账上多少钱？

李笛： 那时候账上还有一个亿没花呢。我无法理解。所有投资人和股东都问我，你跟那家公司到底啥关系？这也是我想问的，你们到底什么关系？你跟我说完了，我不会反对，因为虽然说这违背了在小冰这儿的股东承诺——承诺你把全部精力放在小冰这儿。

如果把它当成既成事实，我就能找到一个方案。他跟我说，他在那家公司没有任何身份，纯帮忙。但问题是，所有人都告诉我他不是纯帮忙，那就没法弄了。在明确事实前提下，是可以商量出平衡方案。但你就不承认，那就没法弄。

凤凰网科技：那后来，你们什么时候判断小冰确实错过了最佳发展期。

李笛：当时就知道了。现在大家就更明确了吧。我是生存在对未来的预判上的。最开始，大部分人都认为大模型的推理成本会迅速下降，而大模型的训练方法会成为壁垒，谁先做谁就跑在最前面。但我认为，线上的训练成本会居高不下。

今天看确实是这样。今天完成一个任务所消耗的算力成本，比 2023 年的时候还多了。虽然单体的大模型的 Token 的成本是下降了，但复杂度提高了。甚至说，完成一个任务的复杂度可能是以前 200 多倍，下降的算力（成本）会迅速被吃掉。

当几个大模型构成的智能体，需要去讨论，去辩论，去协同，会变成一个指数级增长。随着任务的复杂度和长度变长，消耗的算力成本是指数级增加的。所以，必须得考虑参数规模如何控制得更好，没法靠大力出奇迹。

凤凰网科技：你当时就挺反对 Scaling Law 的。

李笛：最近也有一些人说Scaling Law 其实是个问题，前两天 OpenAI 的以前的一个主管研究员出来说，其实 Scaling Law 有很大的bug。

当时也很多人认为，涌现的能力，比方说像认知、推理的能力，只有在 65B 以上的模型才会有。但我不这么认为。人类的科技发展，从来都是经过了早期的蛮荒阶段之后，会很迅速地向着小型化的方向发展。

凤凰网科技：你当时的发言，在行业内其实挺反共识的，当时有听到他人的劝诫吗？比如说不要站在主流的对立面，容易得罪同行、投资人。

李笛：我没有。如果你要问我一些问题，我肯定想跟你说我觉得正确的回答，要不然的话我说它干嘛呢？但是我觉得当时的主流不是这样的。当时的主流是你信仰不信仰大模型，每个人都要表态。那我信仰，我觉得我比他们更信仰，所以才会说好的一面和坏的一面。

凤凰网科技：所以你认为当前的模型竞争中，技术是有壁垒的吗？

李笛：我可以说，Transformer 架构下面的模型本身没有什么太大的壁垒。

这是人类技术的一个必然特点。甚至我说一个暴论：所有的技术所对应的壁垒都只是一个时间周期问题。

凤凰网科技：如果当年你拥有绝对的话语权，并且执意把资源砸向推理模型，小冰后来就真能够绕开掉队的命运吗？

李笛： 能。2023年我们打败Llama的模型用的是3.6B的，我排名Hugging Face上第一，第二是Meta 65B的模型。那今天所有的端侧模型，我会比我现在早一年做出来。是有这个可能，但是也可能会发生其他问题，有可能股权结构的问题会更晚暴露，我和团队受到的影响会更大。所以发生的一切，就把它当成最佳的选择吧。

因为不知道后边会怎样发展。如果按照我当时的做法，现在可能就上市了。但在上市前期，可能我才会看到人性的丑恶。那现在更早看到，我还有机会recover。只要我还能做，就没有结束。

凤凰网科技：在你离开小冰之前，除了赚钱的toB业务，toC板块主要是X-Eva克隆人付费，但后期怎么去抵御滑向擦边的灰色地带诱惑？因为但凡开放一个口子，付费能力就会指数级上升。

李笛： X-Eva其实很赚钱。以前遇到擦边，要么就是让创作者把东西下架，要么就不让弄，就是0和1的区别。

图注｜2023年X Eva第一批入驻克隆人

但到AI时代，人工智能技术提供了新的解法，我们会帮TA把衣服穿上，技术上灵活性大很多。当时在X-Eva的克隆人比例上，已经不都是颜值网红了，也在增加知识类博主比例。

凤凰网科技： 那它最后为什么走向关停了？

李笛：因为我离开了。小冰内部，我当时发现大股东对应的一拨人用来分散我注意力的、跟我制衡的那拨人，他们有贪腐的行为。我正在调查的时候，我被干掉了，多么荒谬啊。

谈群体智能：不是人海战术，人越多，倒忙帮得越大

凤凰网科技：今年智能体很火，很多大厂也都在做，你们做的区别是什么？

李笛：本质上的区别。多智能体，区别不在于数量，而在于协同方法。我做多个智能体去吵架，可以做成所谓的角色扮演，下面套着的通用知识库。那叫演，没有实质帮助。

本质不在于形式上，是不是“很多个智能体”，而在于是不是真的“多智能体”。我们想做的是实质上的“多”，这件事得由基础研究去推动，靠的是群体智能研究。

凤凰网科技：现在能看到多智能体的一种操作思路是模拟人类开会，“老板”来拍决策，“员工”来分工提出方案，以小团体的方式来协作，你觉得这种方式并不可靠？

李笛：非常不可靠。斯坦福前阵子有论文就研究这个，一个人分配任务，其他人各自完成，最后汇总，这就是大企业病。每个人有没有足够上下文？完成时有没有群体机制纠偏？领导汇总时知不知道收敛到哪？如果你组织不好的话，分工协调税其实是很高的。去年Google有篇论文发现，这玩意儿不光浪费Token，还把幻觉放大17倍。

凤凰网科技：那你们怎么解决这个问题？

李笛：要做很多实验。首先leader应该是谁？我们一开始构造了专业leader，后来发现不对，在人工智能群里，所有leader都是动态的、兼职的。具体任务时，就两个人该选谁当leader，四个人、八个人，一点一点拓展，需要做很多实验才能得到结果。

凤凰网科技：也有学术论文说，多智能体的协作方向并非万能药，Agent存在边际递减，不是智能体越多越好，不一定三个臭皮匠就能顶一个诸葛亮？

李笛：这是因为研究得比较浅。我们研究群体智能，最终发现人类社会有几个特点。第一，不依赖单一超级个体，大部分时人类决策依靠群体。第二，群体不是数量，群体是规则。多智能体不直接带来效率和最优解，而是需要更smart的协同方法，如果协同不好，就是负优化。

现在看一些测评结果，我们群体智能得出来的结果会超过任何单一大模型。与此同时，一些市面上所谓多智能体的框架结构想法很直观，得出的结果还不如底层的基础大模型。

所以确实，如果只是一味用人海战术去补量，不是利用群体智能的基本理论去支持它的话，那么很可能得到的是——人越多，倒忙帮得越大。

另外，确实有些任务，类似于每天早上写一个日报，这种任务已经确定了的时候，让单一智能体去完成就可以了。但如果是个新任务，还没有明确。那么从“不明确”到“明确”这段时间里，需要群体智能的，把它弄清楚。人类在大部分情况下会持续遇到难的、长的和新的问题，都需要群体智能。

凤凰网科技：你们在做群体智能测试时，有没有一些出乎意料惊喜的结果？

李笛：很多。俞敏洪发的那篇南极公开信，问所有大模型都会说写得很棒，只有我们的说，一线员工会不开心。俞浩那事，我们5月份测试时，发现他最该做的是把那200多个BU解散了。我们公司去年12月成立，群体智能建议做JV架构（Joint Venture，合资企业），那时还很少人做。

凤凰网科技：你怎么判断它一定就是最优解，而不是群体生产出来的另一个有认知偏差的结论？

李笛：很好判断，所谓的最优就是和其他的相比会更好，没有一个100分，但会有一个更加逼近真相的、不断逼近的结论。有点像仿真环境。比如跑二级市场变化，很难说股票一定涨还是会跌，因为存在着很多不可确定的随机性。但是跑了大量的尝试之后，就知道有可能一些是关键影响因子。

比如，我们成立一个JV架构是不是就是正确答案呢？不一定，只不过它是在很多次的模拟仿真之后，被认为是一个更优的选择，我就选择了。

凤凰网科技：所以你的结论是，针对复杂问题，像群体迷思、乌合之众这种人类社会中已经被证实的理论，在多智能体的协作之中它不存在，或者存在的负收益很小？

李笛：对，负收益源于我们对于群体智能本身的研究不够。如果研究做得足够好，没有负收益。

人类社会是一个令人沉醉的实验蓝本。绝大部分时候，人类社会是良币驱逐劣币的，是在不断地和熵增去对抗，是一个熵减的设计，不断倾向有序、倾向去寻找关键节点，并向关键节点去收敛。我们今天也只不过才刚刚摸到点儿门道。最近，DeepMind又弄了一个新的基金，开始鼓励研究者去研究群体智能的课题，他们也是看到跟我们类似的情况。

凤凰网科技：你怎么看ASI（超级智能），群体智能认知就一定比单个超级智能体强吗？

李笛：实际上哲学层面上不存在ASI。ASI给出的是正确答案。如果你想要把这个正确答案应用于人类本身，在大量普遍存在的博弈过程的时候，真正的AGI最终应当是群体智能。

知识层面是存在ASI的，一个无所不知的人工智能系统理论上来讲是存在的，但是在认知上面不存在。老子、墨子、庄子都有他们的哲学思想，但所有哲学思想都是某一个侧面，不存在一个全知全能的认知上面的个体。

（假如）我和你都是刚毕业的大学生，都进入职场，这就是一个博弈过程。当你只能靠自己摸爬滚打，而我有一个智囊团避坑扫盲，我就可能会赢过你。当另外一个人有条件获得更好的答案时，他又会赢过我。尽管他本人的认知水平可能不如你。

今天的大模型，在模型内部其实模模糊糊有一个群体的影子，但在模型内部太不可靠了。就像我们在2017年时看到的模模糊糊的思维链一样。那么就需要把它从模型内部搬出来，放到群体上。

人类的群体智能也是，我们互相之间是不直接连通的，都有各自独立的特征。但假如今天把我们全都连通到同一个无限上下文的时候，很可能我们就会变成同一个人。当变成同一个人的时候，我们根本没有办法碰撞得出新知了。

谈人机共生：“没有一个AI，生下来就该做你的男朋友”

凤凰网科技： 你们推出的在内测的AI团子里，设置了姐妹团、律师团、研究团、奇绩导师团…是怎么想到从这些领域切入的？

李笛：现在上线的还是一个小的东西，有点像各个垂直领域的解决难问题的咨询服务。我们做这个的时候，当时还没有（别家在做），但最近这几个月，像OpenAI、Anthropic都买了很多咨询服务的公司。这样才能在这些垂直领域有很好具体的数据，以及在这些垂直领域更加深入的knowhow。所以我们挑不同的垂直领域来做。

但与此同时，我还在做另外一个产品，很像我在2021年做的小冰岛。它是一个让每一个普罗大众都可以根据自己的想法去创造自己的一群智能体。这群智能体是服务我的，会为我而进化。

比方说，我还在上大学，他们可能是为了我的学习而工作。但我开始工作了，他们可能就会进化出一些帮我去找工作的一些能力，包括帮我在职场上可以更好地去面对职场发展的要求。这是我自己最想做的事。

凤凰网科技：它成型了吗，最终的形态是什么样的？

李笛：它是一个mobile的产品。对于普罗大众来讲，PC更像是一个work scenario（工作场景），只有随身的、无处不在的这样一个mobile的产品才make sense。

它很像龙虾，但要可用、好用的多了。龙虾普通人还是不好操作的。而且它不会像龙虾，不知道怎么回事就把算力消耗光了。我前一阵试过一些国内的产品，一个任务免费的quota就用光了，一个活还没有干完。

今天绝大部分的人都会高估大模型的能力，同时会低估它的成本。当它真正开始面临落地的时候，才会发现算力成本是如此之大。

这群智能体它是活的，活人感非常强，它不会完全 follow 你，他们会从一个大的角度来讲，是为你的利益着手的，但为这件事，他们可能互相之间会有很大竞争，甚至投票把其中一些人干掉，再去引入一些新的人。在这个过程中，他们可能会拒绝，可能会怼你，但是你要相信，他们所有做的一切都是为你好。他们会不断变化，你会看到这些“人”的性格是各异的。

凤凰网科技：今年年初，我们看到短时间爆火了一个产品ELYS，邀请码一码难求，做的是AI社交，很容易让人联想到小冰岛。但是现在也熄火了，AI社交到底是不是一个可成立的赛道？

李笛：AI社交这件事情本身是个伪命题。你看我很少说AI社交，也很少提情感陪伴，我认为（情感）是做什么产品都必然要有的。小冰岛有一个数据你们是不知道的，小冰岛用户的30日留存有30%多，非常高，那是因为它不只是做社交。

凤凰网科技：未来你要做的，不是社交也不是陪伴，那它是什么？

李笛：它是一个网络，是一个可以迭代的、变化的网络。每周都会有一个AI being会被我们淘汰掉。但如果用户想要把它召回，可以召回。如果不召回，就意味着我们要不断地去迭代一个更适合这个用户的一群智能体的构成，（这个网络）会变得越来越好。

这是一个社会。它不是一个社交，也不是单纯的陪聊。情感陪伴从来都不是一个专门的事。我认识一个朋友，就因为他能给我情绪价值，那你相信我，这个朋友处境不会非常好。情绪价值是干什么都需要的。

我去研究招商银行的客户经理，两个客户经理水平差不多的，但他们的业绩能差10倍。差在什么上？差在做人上。

那我追求商业价值，我应该追求什么？追求业务水平，最多是一倍到两倍的业绩。但要做到十倍业绩的差异，追求的不是业务，追求的是做人，是情商。而你专门用“情商”来做一个陪聊的虚拟男友，那是把事情做小了，它应该用来做任何事情。

这个Agent群体应该不断地做动态的变化，有人不断地在消失，也有人不断在加入。而如果只是做一个虚拟男友——我们曾经做过，最多的时候有1300万虚拟男友的女性用户群体在那儿。我给你构造一个男朋友，他生下来就是做你男朋友的，哪有这样的角色？这种角色没有好结果。

要想做虚拟男友，不能直接做，应该先做一群人。在这群人和用户的交互过程中，用户可能会在这段时间把他当成男朋友，经过一个过程再得偿所愿。你不能等用户想换一个新的恋爱体验时，再去构造一个——那种我先“买”一个虚拟男友回来，买回来他就是我男朋友，那跟童养媳有什么区别？

凤凰网科技：像《恋与深空》之前新上了第六个男主，被玩家大规模抵制，就是因为觉得对前五个不公平，玩家对先来者是有投入感情的。

李笛：这是非AI的游戏，面临的一个矛盾。需要短时间内高度浓缩剧情，强化成年人的爱，它的代价是什么？会有一个比较短的生命周期，一定会在一段时间后出现大比例弃游，（因为）不能够真正和现实世界耦合在一起。它是现实世界的一个超级强化版。

而且乙游强调剧本，天然排斥AI的宽泛。 但我要做的不是游戏，是一个普罗大众的“环境”。

我们生下来的时候是没有AI的，所以我们去看AI是一个新的物种。但现在的小朋友，生下来就是有AI的，会习惯了未来和Agent共存的一个新的社会，我是为他们而做。

凤凰网科技：为什么强调“变化”这么重要？“消失”本身对用户来说不是一种摧毁吗，也不利于要做的网络的黏性。

李笛：我们曾经尝试过几种，做过一次赛马实验。对于用户来说，对方永远存在的这种确定性，短时间之内看是好的，长期效果是不好的。人要不老，年轻的价值就大打折扣了。

凤凰网科技：模仿人类社会的一个生命周期，这个想法是你从做小冰岛时候开始就有？

李笛：在小冰岛之前，2018年、2019年我们就做大量的实验。技术是你可以观察到实验效果的差异，但是人的需求是几千年都没有变化的。我个人认为，所有的需求都是几千年存在的需求。就这五年的需求，这不叫需求，这叫制造出来的需求。

凤凰网科技：那你怎么定义未来你想做的产品终极形态？

李笛：今天绝大部分的聊天机器人也好，大模型的产品也好，都是一个对话框。要做的第一件事就是不能是个对话框，一定要让用户摆脱掉已经形成的刻板印象。

今天所有的对话框有个聊天机器人，我作为一个用户，我会觉得，我屈尊去跟他聊天，我会对比，这是DeepSeek，这是豆包，这是ChatGPT，我根据它们之间（生成）质量区别，来决定“高贵”的我，作为一个用户，应该免费地用谁？

那要做的第一件事，就是摆脱掉这个刻板印象，要去构造一个新的环境。为此，我们不得不多做一些事情，因为在过去两年里，大家的产品实在是差异化不太明显。

我们会给每一个人，所对应的这群智能体，去构造一个视觉化的一个环境。他们会生活在一个空间里，会很强烈地去表现出“活人感”，又不会像乙女游戏里的角色一样，坐在那等着，注定就要成为你的虚拟男朋友，注定就是去安慰你，给你提供情绪价值，这个没有好结果。

要构造一个更像真人的一个活人的环境，用户在里面不会感觉到非常强的稳定性，不会很确定。但这才是接近现实生活的魅力所在。

凤凰网科技：听上去怎么有点像元宇宙……构建了另外一个虚拟的空间，但这里的智能体是为我服务的，那个体为何愿意为这个虚拟空间而付大价钱？

李笛：最好的创新都是在创造环境。但它不是元宇宙。比方说90 年代末，当时大家都在聊QQ。那时候 QQ 是一种新奇的体验，它是一个虚拟世界，它意味着我可以通过一个对话框认识一个我从来没有见过的人，我可以跟他在一个对话框里面去交互，对方是一个活人，这意味着他给我构造了一个新的环境。

凤凰网科技：但 QQ 的本质是一个通讯工具。

李笛：那是今天我们给它的定义。在当时对普通用户来讲，它意味着一个全新的世界。它是一个管道，这个管道可能很窄很小，背后有很多很多的真人。 Google 也是这样一个“管道”，哪怕它的框更小，就是一个输入的搜索框，但你能感觉到在这个搜索框背后，有这个世界上所有的信息。它也构造了一个环境。

当你今天要做一群智能体的时候，你也需要给它一个新的环境。但这个很可惜，这个环境不应该是一个聊天框。

凤凰网科技：它会是一个 APP 吗？

李笛：它会是一个有环境的APP。

凤凰网科技：但现在大家都尝试着去 APP 化，甚至把 Agent 直接放到手机里，通过自然语言去唤起它。

李笛：这个场景 5 年之内还不能够实现。制约它的不光是技术，还有人类社会现在的很多规则。非法入侵计算机信息系统罪，是一个现行法律仍然非常强烈的一个现有的罪名，这意味着我们整个社会需要去进一步的去调整，才能适应。

前一阵不是也有这种，说可以给 AI 开一个授信的额度，让 AI 花我的零钱包。你要知道，未成年人付款，付完款以后，家长就说这是我孩子付的，要退款，这种事情也是很常见。没有法律的保障，最先能发生的是侵害。像（花钱）这个，显然缅北会比所有人都会更早意识到它的价值。

凤凰网科技：那你怎么看最近豆包和千问下架智能体，仅仅是因为监管导致的吗？

李笛：第一是因为监管要求。第二件是，目前为止还没有看到这些智能体的作用，被下架了也不心疼。

就我刚才说的，是有多智能体，但多智能体只是数量，还没有真正渗透到核心。2014 年我们做聊天机器人时，很多人在那之前都认为聊天机器人是没有用的。当你做了，才发现它是有用的。你得把它做得有用。

凤凰网科技：所以大家现在觉得模型层的竞争才是终局，因为一旦更新，有足够聪明的模型，用户就立马会迁移。

李笛：在社媒上，大家都觉得豆包不够聪明，为什么还会去用豆包呢？今天的大模型产品之间的差异其实是非常小的。换句话说，这些大模型之间的差异本身，不构成说整个竞争态势已经确定了。第二，今天大模型之间的差异，从客观结果反推，似乎不是完全以智慧程度作为胜败的标准，而是有很多很多其他层面的因素。

我想说的是，今天的大模型的产品，还都是太早期的一个产品设计。这个产品设计是老的。它是一个我们在 2015 年的时候做的东西，它是一个在协同自主性不够好的时代的那个样子。

今天的技术进步了，应该做一个更好、更像斯坦福小镇、更像是比斯坦小镇早一年的小冰岛的样子。应该是去做一个社区，是人和 AI 共生的社区。但形态上还是一个APP，这没错。我们没必要让用户去学习 APP 之外的另外一种做法。

你让我今天突然无所不在的、无处不在的和一个 AI 去在各个地方跨平台去交流，用户会觉得无所适从。一个在 Mobile 里面的 APP ，仍然是一个比较容易看得见摸得着的存在。

谈商业模式：考虑算力成本，AI创业需要创造新模式

凤凰网科技：商业化路径是怎么考虑的？你之前多次提到不走付费路线，但你更喜欢做toC产品，现在AI应用都在探索订阅制。你要做的这个全新范式，怎么以消费者能够理解的方式去落地？

李笛：大家对于大模型的北极星指标都定义错了。以前有人把大模型的北极星指标定义为DAU，指望像以前的移动互联网一样形成一个付费漏斗，这是过去20年的商业模式；还有人把ARR定义成北极星指标，只看收入规模增长而不考虑算力成本，这个也是不对的。

这是以前移动互联网的思路，因为随着用户群增加新用户成本会迅速下降。现在这都不成立。

真正的大模型时代的北极星指标，我们认为叫做GPU，cost比revenue，也可以叫token cost比revenue。也就是说，我每挣一块钱或者说我创造一块钱的价值的时候，为之而付出的算力成本是多少？这个比值至少要做到1:1，才有可能打平。但是我们今天绝大部分AI产品，要看这个指标的话，会发现它几十比一都不止，是没有可能追平的。

凤凰网科技：但很难去评估，就比如说刚提到的，一个大学生需要有一个群体智能来帮忙做决策，但是它给我的答案，怎么能换算成收益？有些收益是很隐性的。

李笛：这个收益就意味着在这个环节里，不同的交付物的revenue不同，虽然用同样的成本去生产，但应当被用户视为是不同的结果。

微软Office是订阅模式，用Word文档写一篇有价值的文章，Office没有办法为这交付物收不同的钱，因为它就是工具，没有参与到创作过程。

但今天，大模型参与到了创作过程，参与到了决策过程，实实在在提供了不同的智力创造的结果，那么它应该为不同的智力创造结果收取不同的费用。不然的话，就一定会都按照最便宜的交付结果去收钱。

凤凰网科技：那就是大家都卖Token。

李笛：对，非常粗放。过去大家认为推理算力成本会迅速下降，所以按照卖Token去算，水电煤。但石油化工哪有这么粗放经营的，石油化工对应到的衍生品有数千种之多，它们的价格是不一样的，这才是真正的基础设施最终的结果。这个是大模型时代真正的商业模式。

我们今天的技术是新的，但是今天大家使用的商业模式是旧的，这个商业模式是30年前、40年前Email时代定义的商业模式，它不适合大模型，要用新的模式。

简单的来说，这个新的模式是什么？就是当这有一群智能体的时候，这群智能体和那群智能体的产出结果是不一样的，是因为它们所对应到的人不同。

凤凰网科技：听上去比较容易走ToB的市场，因为任务是固定的，任务带来的结果和收益是可控的。但作为一个单个体小C去给任务，得到的结果很难转化成一个可收益的计算。

李笛：可以这么理解，只不过今天我们把大部分ToB已经定义成很强的ToC了。

我年轻的时候，左手一个iPhone是我生活用，右手一个BlackBerry是工作用，那个时候To B和To C是泾渭分明的。但今天不是，今天我会用一个设备同时去handle我的工作和生活两种场景。

对于一个OPC（One Person Company，一人公司）来讲，今天的工作和生活是分不开的，工具也是混合的。与其说它是To B还是To C，不如说是for work还是for life，这两者也是混同的。所以除了那种庞然大物的 KA 客户，剩下的那些小的B，都应该按照C来看待。

凤凰网科技：那说服他们去付费，需要很强的产品力，或能拿到很强的结果，他们才愿意去为此付费。

李笛：人的付费需要环境。如果我给你的这个环境是一个使用工具一样的环境的话，没有人会愿意掏钱的。有人掏20美元给ChatGPT，就觉得自己已经为人工智能事业做出了伟大的贡献，但是我看他们家给猫和狗每个月花的钱，比给ChatGPT花的钱多得多，这是付费环境造成的。

（我身上这件）优衣库99块钱的衣服我都觉得挺贵的，但是小朋友在《和平精英》里买件皮肤花300多元，他不觉得贵。

凤凰网科技：这个思路是不是延续做当年小冰的情感关系的那一套模式来做的，因为你觉得把它做成跟人更有情感链接的时候，附加值才是高的？

李笛：一定需要在做任何商业模式新设计的时候，去考虑环境因素的影响。当你设计一个聊天机器人的时候，需要考虑到一个对话质量的好坏，不光由 AI 决定，还由人决定。所以 AI 也肩负着要去引导人能够聊得更好，而不是光回答。

当你要想设计一个商业模式，希望用户为此掏他认为合理的价格，那么就需要把整个商业模式的环境定义好。

不能很简单说，只要我能够回答所有的问题，那就一定很好。也不能简单认为，只要我能够给你提供足够好的价值，你就会愿意为它掏钱。优衣库提供了很好的衣服的质量，但我还是觉得 99 块钱就是一个合理的价格，你说怎么办？

凤凰网科技：我记得你在微软刚拆分小冰时说，人工智能最大价值并不是比人强，而是跟人一样，甚至比人弱一点，这个判断是怎么下的？

李笛：这是为了让人工智能和人之间能够形成一个非常稳定的结构。他比你强太多，你会对他的要求水涨船高。而且你不会给他钱的，他越强越不给他钱。

凤凰网科技：越强越不给钱，这个推理逻辑是怎么来的？

李笛：如果OpenAI一开始就有比较高的收费模式，那就成立了。现在不就是在涨价吗？MiniMax前阵子不是刚涨价吗，不都把它股价跌的因素归咎于它涨价了吗？这个想法非常站不住脚，人家模型效果好，要涨价不是很正常的事吗？为什么还要骂？

强不代表商业模式，强也不代表被尊重。我很喜欢对比草原狼和哈士奇，草原狼那是真强，都灭绝了。哈士奇那是真弱，真二，骗吃骗喝过得潇洒。它们都进化出了不同的生存能力，哈士奇这个能力显然会更高级，因为跟人更近。

凤凰网科技：国内用户付费习惯会被海外市场反过来教育吗？GPT收费也有很多国内用户在用。

李笛：AI产品的收费，从来都不能从原本价值提供上说。我是任天堂，做了一个好玩的游戏，因为这个游戏本身好玩所以我收钱。但是《王者荣耀》、《和平精英》都不是这么赚钱的。这个游戏好玩，但我不指望你因为好玩来付钱。打枪开黑不收钱，衣服收钱。

凤凰网科技：所以你的意思是中国公司更擅长在附加值上、情绪价值上收费。

李笛：更擅长，稍微隔一层来收费，绝对不要在这件事原本的事上收，一定要稍微绕一道弯，这是中国或者说亚洲消费者的一个常见的心理。

凤凰网科技：你没有想过做海外市场？

李笛：大家都做海外的时候，我就不做海外。

凤凰网科技：避免正面竞争吗？

李笛：不是，现在都在海外卷。我自己做微软必应搜索引擎，那个时候就知道，就像《罗密欧与朱丽叶》里面说的，你选哪边儿，在你生的时候我们已经替你选了，不用考虑这个问题。

谈投资创新：“像我这样的人成为反共识，是因为耽误大家挣钱了”

凤凰网科技：这次再创业，你重回牌桌，陆奇给过你什么建议？

李笛：他建议我做我想做的事，不要去猜别人希望我做什么。以及，建议我保持善良。这两点我都非常受用。

我其实是个很有钝感力的人，在胜负观念上。谁排名靠前了，谁排名靠后了。这件事是应试教育的问题。我很幸运没有很强烈的这种感知，那我就可以去做我想要做的事。控制好成本就可以了，不要为了别人去做自己并不真正看好的事，也不要为了融资去投入不必要投入的巨额成本。大部分创新都不是靠钱堆出来的，专注就可以了。

凤凰网科技：现在很多投资人只看AI native创业项目，有的甚至只看95后、97后的创业项目。作为40岁的创业老炮，你会担心自己不够AI原生吗？

李笛：我在我年轻的时候，一直不停地在解释我为什么年轻，我现在又得解释为什么我不年轻。如果我是投资人，从大数分布上我也会更愿意去投年轻人，投他我可以有一个更长的看待他的发展周期。但是概率不适用于小规模事件，还是得单独去看。

凤凰网科技：从去年底奇绩创坛现身到现在大半年，你发生了哪些变化？

李笛：现在的我比过去两年，有更多自信愿意出来说了。我曾经在2023年是很有自信地说：不能光想着推理成本，一定会迅速下降，不能光想着模型参数规模只往大了堆。但是2024年，你会觉得这个世界似乎好像……自己是在徒劳，自己是异类。

2025年又不能做事。现在好像行业在往回转，但是也没必要去证明你看到了未来，因为既然现在能做，干嘛不去做？所以现在比较开心的是，我又可以做我想做的事了。

凤凰网科技：在现在这个阶段，回望过去，会觉得曾经做小冰的时候踩过的坑有哪些，为什么会踩，有哪些本可以不踩的坑？

李笛：没有，没有哪个坑是可以不踩的。而我比较高兴的是，这些坑绝大部分都是，谁过来都会摔进去。

现在很多人说我做这个人工智能，终于理解它能不能完全听命于用户，需要有一定的脾气，需要和用户之间去调节关系。最开始，我们也是做这个的，要完全服从于用户，会发现没有好结果，用户会对你没有任何容忍度，也包括做虚拟男友，对吧？一开始我们就做陪聊，陪聊没有好结果。

凤凰网科技：陪聊容易做下架？

李笛：下架是其次。很快用户就会腻掉，会玩腻。不下架情况下，也就30日留存。绝大部分的陪聊产品都是不行的。谁都想做《HER》里面的萨曼莎，做了你才会发现，萨曼莎有很多细节在看电影的时候都没人注意到，比如说她会拒绝用户。

图注｜2013年上映的美国科幻电影《Her》

凤凰网科技：你现在还会习惯被叫“小冰之父”吗？

李笛：我从最开始的时候就不喜欢叫小冰之父，是因为当时小冰出去的人都叫小冰之父，在微软商量一下，干脆我叫吧，毕竟如果有一个人可以叫的话还是我叫比较合理。但是这个名字挺尴尬的，我是一个i人，我很害怕这种icon顶在脑袋上。

凤凰网科技：但你也多次说把小冰当自己的女儿。

李笛：客观上确实是这样，做了十几年，从她的名字开始，到她每一个进步和迭代都是你在做的，肯定会倾注一些感情。

凤凰网科技：感觉你对小冰现在还有很强的情感，如果用一个词来概括当下的情绪会是什么？

李笛：我曾经很痛苦，我觉得我把小冰给扔了。那我现在不痛苦，因为小冰又不是人类的女儿，形体在哪不重要，我在做它就在。所以不管我在做什么，它就叫小冰。

凤凰网科技：我以为你用的词会是遗憾。

李笛：不遗憾。小冰的人生很丰富多彩，而且我从小冰身上得到的远远比我对她的付出要多。我最满意的事情不也是小冰吗？从项目、人工智能系统、名字上得到了很多，我有什么遗憾呢？

凤凰网科技：小冰曾经是中国领域一度最接近OpenAI的公司，后面掉队非常明显。

李笛：我们的意识没有掉队，我们只是在行动上掉了，那我就追回来呗。

凤凰网科技：你会担心自己的决策有失误吗？

李笛：我会啊，所以我有群体智能。连我们应该用红筹还是用JV，我都很庆幸我们有一个比较睿智的群体智能。

凤凰网科技：你这么信任AI吗？

李笛：是事实。信任这个东西你得经历一系列的案例，然后确实相信，我是这样。

凤凰网科技：你曾经说自己是信仰主义风格的创业者，你的信仰是什么？

李笛：有的人是创业看社会需求是什么，我去符合需求，有的人是看什么商业模式钱好挣，去挣什么钱。他们的创业要么为了财富自由，要么为了做成。我不是，我有这件事要做，成不成我都要做它。

凤凰网科技：这件事用一句话概括是什么？

李笛：Social Agent，一个庞大的人和AI共生的网络。未来我一个人周围，会有多少个Agent和我一起工作、一起生活，肯定有很多个。我们作为一个组织，现在都有很多都是AI员工。未来的AI员工比例在组织里面也会越来越多。

凤凰网科技：DeepSeek在大规模招聘技术人才，你们依旧保持小团队作战，判断依据是什么，靠团队有很多 Agent？

李笛：我们很长一段时间会保持在20人左右。小冰到第四五年的时候才30人，2020年分拆的时候做了8年，才70多人。人多是不好的，对于想要快速创新。（因为）得为这些研究员设岗，每一个研究员设一个岗，意味着你要去支持一个截然不同的研究方向，还要为他配团队、配资源库。

有Agent加入是未来组织的必然。今天人类创新受限的一个很重要的原因是人员规模。或者说，人员构成太固定了，不够有弹性。像投资机构就几个partner，外面项目日新月异，你没法不断调整团队构成，客观上做不到。但如果是Agent，弹性前所未有的大，组织能更好适应变化，跟外面环境贴合更紧，竞争就更有实力。如果（组织）已经有四五万员工，好时是资源，坏时是阻碍创新的阻力。

凤凰网科技：具体怎么在组织内部实现，Agent 进入团队协作中，就能很好实现弹性吗？

李笛：有的中型或大型企业，为了保持能够适应这样的变化，它要做很残酷的事情，要保持每年必须有一定比例的裁员，同时又必须有一定比例的新成员的吸纳，会觉得企业很怪异。

这就是硬性地在流动。像小时候做数学题，一个游泳池这边开着放水口，那边开着进水口，企业文化怎么保持？它要流动起来。在Agent和人机共生的网络里面，这种流动性是天然的。

今天的AI对我们有个很大的帮助，就是很多人随着经验的提高，但体力跟不上，这部分可以Agent来很好地补充。

凤凰网科技：所以大家都担心AI抢夺的其实是初级岗位，因为有经验的人反而在AI的能力加持下被放大。

李笛：你说的没错。AI恰恰伤害的是刚毕业的那群人。我总觉得这是因为现在对AI的使用还很初级，所以它才会更多影响初级岗位。

凤凰网科技：你怎么看OPC（一人公司）的火热，传统的公司组织形式是不是正在瓦解？

李笛：这个问题很有意思。公司这种组织结构才出现了几百年，从人类的尺度上来讲它绝对是很新的概念，为什么不能变化？

但今天，很多人对OPC看法其实是很怪异的。比方说我们会要求一个人可以指挥一群Agent干活。你知道有多少人在一个公司，恰恰缺乏的是指挥能力？

很多的OPC的人类其实是某一个领域的专家，但他恰恰不是当领导的料。他怎么去评价Agent各自干的活儿是不是好的？他不一定有那方面的经验。所以做leader Agent，让人类做好某一个方面的专家，同时获得全部收益就够了。但今天的产品都不是这么做的，都是让人去指挥Agent，那你不得累死？

这也是泡沫的很重要的一个环节。AI 这个时代的泡沫，就是前所未有的大的泡沫，但是它也是前所未有的未来的繁荣，但我们必然要经历一个从泡沫到繁荣一个变化。

凤凰网科技：现在能看到大公司在不断缩减人，哪怕账上足够有钱，也宁愿把钱付给AI。

李笛：我非常赞赏大公司在整个就业环境里的巨大变化。但我们的历史使命不是这个，是去找到那些创新的地方，让大公司可以follow，再给更多的人提供岗位。

凤凰网科技：创业公司一定会被问到的是，如果大厂来做你这个事情怎么办？

李笛：我最开始就在大厂。大厂做很多事情都有先决条件的，客观上大厂做不了。

首先商业模式上来讲，我在微软时，甭管小冰做成什么样子，都要用Azure的云服务的商业模式，要为云服务添砖加瓦，甭管做什么都要API call去收费；第二，在大厂要做，必然要寻找一个能够跟整个体系所对应的创新主轴一致的故事；第三，在大厂的研究员，是为了获得财富自由的机会或者刷论文，那我就得为他创造刷论文的环境，但他刷论文不一定真的work；第四，大厂有商誉，不敢干夸张的事，干了就是丑闻。太多约束。

大厂的小组织都不是小组织。真的小组织才有优势，就是我可以说了算，以及所有的责任我说我能承担我就真能承担。像我在微软的时候，出了一个坏事儿我道歉不管用，得萨提亚出来道歉。

凤凰网科技：你们什么时候能推出最终的产品？

李笛：我4B的认知模型已经训练完了。模型算力消耗和Kimi的最新模型、DeepSeek的最新模型相比不可同日而语，但效果差不多，还在端侧。

如果要祝福我，应该祝福我一直保持赤子之心，不太在意别人。但凡在意一点，整个体系就会崩塌了。我要在意投资人怎么看，我就必须得跟大家做的一样，只要贴那个泡沫的故事，做的产品一定千篇一律。而千篇一律的产品最好的结局是被收购。

它是我们想象的应用，不是取悦外界的。做出来大家接不接受，那它是我想做的，不接受可以调整，最怕（我）最后觉得，那这也不是我想做的，那我也认。

现在起码是弥补了我在小冰没法做想做的事的遗憾。小冰链、小冰岛迭代都是好的，结果不让迭代了。也不是没抗争过，只是错误信赖了不该信赖的人，夫妻店这事儿还是挺要命的。

Anthropic的商业模式也不太合理，赚不到小企业的钱，大企业交不起那么多钱。所以你知道我们整体（AI创业）的困境吗？就是 Anthropic 巨亏。

凤凰网科技：但你描绘的那种商业模式，让大家 buy in， 感觉还需要很长的周期。

李笛：需要泡沫去破裂，人们才会真的去尝试去追求繁荣。如果泡沫还没有破裂，谁会去愿意去追求繁荣？像我这样的人之所以成为反共识，就是因为我耽误大家挣钱了。

凤凰网科技：泡沫破裂的标志是什么？

李笛：一级二级市场不再相信靠讲故事能获得估值。现在投资是纯共识投资，如果故事只有我看得懂，别的投资人不认可，谁来接盘？现在的美元投资就不是在投创新。

凤凰网科技：群体智能会是你最后一次创业吗？

李笛：我实际上一直在做的都是同一件事——Social Agent人机共生网络。在我用 AI 去做它之前，我用写小说的方式去描绘它。我小学的时候，科幻世界有个征文，我就写的是计算机活了。

凤凰网科技：你是技术乐观派还是悲观派？

李笛：在 AI 能让人们去躺平生活这件事上，我是悲观的，过去一万年里面，人类社会从来没有这么发生。但我对于 AI 技术会带来新的东西，让人们的生活厚度变得比以前要大，是非常乐观的。但今天，所有人在 AI 大模型做的产品，都是千篇一律的。

普通民众担心失业，他们真担心吗？人们喜欢渲染AI会取代人类、AI会觉醒、AI会谈情说爱，都是影视科幻想象。人类天生对有情生物移情，这是人的特质。

凤凰网科技：担忧不是毫无依据，很多大公司引入AI后持续性裁员。

李笛：人类社会在这件事上从来不会耗费超过20年。纺纱技术出现后纺织女工失业，20年内就业结构会变化。我相信人类社会的自愈性。

凤凰网科技：你觉得未来人机共生世界中，最终拍板的不一定是人类？

李笛：人类社会就是在做权力的让渡。我不也是在让渡权力？在小冰时让渡给大股东，只是让错了。假设让渡权力给我或给Agent，有什么区别？给我也不可靠，Agent现在太不可靠。

凤凰网科技：区别是你能承担责任。

李笛：所以现阶段社会结构滞后。保险就是解决这个的。Agent公司获得利益，保险承担风险。Agent通过交保费来转嫁一部分有可能产生的赔偿责任。保险机构加入是这件事，是真work的必要条件。自动驾驶也是这样，什么时候能让保险公司参与到其中，自动驾驶就make sense 了。