1.李彦宏在最近的World Gov Summit峰会上分享了百度在自动驾驶技术(Apollo Go)和最新开源大模型DeepSeek方面的进展。
2.他强调创新的本质是降低成本，中国AI发展受“成本约束”倒逼，无人驾驶出租车Apollo Go的成本挑战与创新路径备受关注。
3.与此同时，李彦宏认为DeepSeek的效率提升引发数据中心投资担忧，但技术进步是主旋律，硅、算力、云基础设施投资依然必要。
4.关于开源与闭源之争，李彦宏认为开源有助于技术传播和应用创新，但应用层价值和创造才是核心。
以上内容由腾讯混元大模型生成，仅供参考
未经许可不得转载，务必保留原文出处链接和公众号按钮
Web3天空之城·城主
在最近的World Gov Summit峰会上，Robin（李彦宏）就自动驾驶技术（Apollo Go）以及最新开源大模型 DeepSeek 与主持人有一次直接的英文对话。访谈篇幅不长，但信息量很大，包括了技术创新、成本控制、中美AI发展对比、开源与闭源之争、以及对AI未来风险与机遇的思考。
首先是访谈的重点内容：
1 DeepSeek 的意外爆红与中国AI的“成本倒逼”创新：
DeepSeek 的成功并非预料之中，创新无法规划，环境至关重要： 李彦宏坦言 DeepSeek 的成功并非事先计划，强调创新的不可预测性，但同时指出创造有利创新环境的重要性。
AI 发展速度远超摩尔定律，成本大幅下降： 他指出大语言模型的推理成本在12个月内可降低90%以上，远超过去几十年计算机革命的速度，预示着AI领域更快速的迭代和变革。
中国AI 创新更侧重于成本控制： 相比美国开放式AI发展路径，中国由于计算资源限制，更注重降低成本的创新，尤其是在推理和训练方面。这也成为中国AI 发展的独特驱动力。
2 创新本质是降低成本，中国AI 发展受“成本约束”倒逼：
创新本质是降低成本，提升生产力： 李彦宏认为，纵观历史，大多数创新都与降低成本相关，成本降低意味着生产力的提升。这也是创新的核心驱动力。
中国公司更早感受到高成本的“痛苦”，倒逼技术创新： 由于中国市场打车价格较低，使得无人驾驶等高成本技术在中国市场商业化面临更大挑战，倒逼中国企业必须创新以降低成本，才能实现商业可行性。
无人驾驶出租车 Apollo Go 的成本挑战与创新路径： 在美国等发达市场，无人驾驶出租车可以通过取代高昂的人工成本盈利，但在中国，由于打车价格低廉，必须研发更低成本的技术才能使无人驾驶商业化落地。
3 中美无人驾驶生态对比：技术路径与商业化策略
中美无人驾驶技术路径有所不同： 特斯拉坚持纯视觉方案，Waymo 采取地理围栏模式，而百度 Apollo Go 则采取了另一种策略， 强调从一开始就实现完全无人驾驶运营。
速度是关键，监管环境决定部署节奏： 李彦宏认为各种技术路径都有优点，关键在于更快地推进和部署。监管环境是影响部署节奏的重要因素。
4 DeepSeek 爆红引发的数据中心投资反思
DeepSeek 效率提升引发数据中心投资担忧，但技术进步是主旋律： DeepSeek 的高效开源模型引发了数据中心投资是否会缩减的担忧，但李彦宏强调技术快速进步是主旋律，成本降低性能提升是必然趋势。
硅、算力、云基础设施投资依然必要，为下一代最佳模型奠定基础： 为了研发更优秀的模型，需要持续投资于硅、算力、云基础设施，才能在未来竞争中占据优势。
“赌徒困境”的误解：AI 投资回报在于应用层价值创造： 他否认 AI 投资是“赌徒困境”，认为关键在于应用层的价值创造。基础设施层需要应用层创造十倍以上的价值才能持续发展。
5 AI 应用层价值创造是关键，超级应用尚待出现
早期大型语言模型已在多领域创造价值： 尽管应用层价值创造尚未完全爆发，但早期的大型语言模型已在招聘、电商、医疗等领域创造实际价值，帮助客户降低成本。
应用层价值创造仍待实现，缺乏移动互联网时代的“超级应用”： 尽管看到了各种应用场景，但尚未出现像移动互联网时代那样用户规模巨大、用户粘性极强的“超级应用”。
ChatGPT 用户粘性仍有提升空间，超级应用或将出现： 对比 ChatGPT 与 Facebook、微信的用户活跃度和使用时长，表明 AI 应用的用户粘性仍有提升空间，未来有望出现超级应用
6 开源与闭源之争：开放生态促进创新应用
开源与闭源各有优势，并存竞争： 开源与闭源是行业争论焦点，各有代表性公司（OpenAI vs. DeepSeek/Llama）。
开源有助于技术传播和应用创新： 开源可以帮助技术更快传播，吸引更多人尝试，从而促进应用层的创新。
应用层创新和价值创造才是核心，模型本身并不决定一切： 最终重要的是应用层能够创造什么样的超级应用和价值，模型本身并非决定性因素。
-天空之城全文整理版-
[主持人]:
有很多话要说，但时间太少了。是的，现在是个激动人心的时刻。Robin（李彦宏），非常感谢你来到这里。所以，我想简单介绍一下Robin是谁，以及百度是什么。我认为今天的世界在许多方面是一个两极分化的世界，尤其是在人工智能方面。大多数人谈论中国和美国。在这样的讨论中，中国人工智能努力的主要支柱之一是百度，以及他们所做的惊人工作。所以，能够听到Robin的观点，一个这个领域的领军人物，以及百度对人工智能未来的看法，
真是太好了。我想先谈谈这个众所周知的话题，那就是DeepSeek。我想特别问一下，在你看来，这是预料之中的事情吗？你真的认为这会发生吗？会如此迅速和以这种方式发生吗？还是说你对DeepSeek能够取得的成就感到惊讶？
[李彦宏]:
基本上，我的观点是，创新是无法规划的。你根本不知道创新会在何时何地出现。你能做的就是创造一个有利于创新的环境。
我们生活在一个非常激动人心的时代。过去，当我们谈论摩尔定律时，通常是每18个月，性能翻倍或价格减半。但今天，当我们谈论大语言模型时，推理成本在12个月内基本上可以降低90%以上。所以这比我们过去几十年经历的计算机革命要快得多、得多。
我觉得这也是一个非常大的领域。你可以在各种方向上进行创新。例如，在美国，开放的人工智能和构建或开发最强大大型语言模型的所有途径。但是在中国，由于计算的限制，我们必须创新以降低成本，无论是在推理方面还是训练方面。幸好，我们在过去一年左右的时间里看到了显著的进展。
对于百度来说，我们是从搜索引擎的背景出发。这自然与大型语言模型非常接近。所以在2023年3月，我们推出了文心一言，这是我们对ChatGPT的回应。这是在ChatGPT推出后的三个月。这也可能是第一款由上市公司推出的类ChatGPT应用。而谷歌则在稍后推出了Bard，并且把它重新命名为今天所知的Gemini。所以这是一个非常激动人心的时刻。
我们看到到处都是创新，我们必须调整自己以适应这种快速变化的创新。但我想说，更重要的是AI应用。在过去的几年里，我们对各种改善和技术突破感到非常兴奋。但如果我们看技术堆栈，它就像一座金字塔，因为在硅层（silicon level）上赚的钱最多，包括GPU和其他基本芯片。在这个基础之上是云基础设施，云服务提供商或超大规模云计算者。然后在这个基础之上是语言模型。最顶层是应用层。但应用程序还没有赚到很多钱。今天，当我们谈论AI原生应用程序时，ARR（年度经常性收入）可能只有几千万最多几亿美元。但在GPU层面，你谈论的是数百亿美元。
[主持人]:
我想这正是大家现在谈论的，如何证明这些投资的合理性。我想回到你提到的那个点。你说在中国，我们实际上是在努力创新以降低成本。一些人认为这是因为政治方向导致对中国的芯片限制。但如果你实际上放宽视野，看看中国的历史，它在每个行业都是这样做的。例如，在汽车行业，整个重点是推动这个行业降低成本，然后制造新产品。我认为这实际上是中国对待技术和创新的一种方法，即降低成本、提高效率，并试图扩大规模，可能以这种方式占领市场。那么你认为这是因为芯片的原因，还是你认为这是中国通常对待创新的方式？
[李彦宏]:
嗯，我认为大多数的创新，不仅仅是在人工智能或信息技术行业，我认为如果回顾过去几百年，大多数的创新都与成本降低有关。如果你能将成本降低一定金额，或者百分比，那么这就意味着你的生产力以那种百分比在提高。所以我认为这基本上就是创新的本质。只是今天的发展速度比以往快得多。而对于中国的公司来说，我们面临着某种类型的约束。所以我们可能是第一个感受到这些高成本所带来的痛苦的人。我给你举个关于无人出租车的例子。在美国。或者在更发达的市场，打车的价格远高于中国，对吧？所以即使你拥有一辆车，那辆无人出租车，假设价值10万美元，你仍然可以通过无人驾驶的方式运营这辆车来赚钱。
但在中国，打车的价格要低得多。所以你必须想出一种成本更低的技术，这样才能让无人驾驶的操作有意义。所以在某种程度上，我们被迫创新以降低成本。
[主持人]:
如果我们专门谈一下Apollo，您认为中国的无人驾驶汽车生态系统是否比美国的更先进？因为法规允许你进行部署，因为你有一些成本低、有效的真实使用案例，人们在日常生活中使用？还是您认为它们是相等的？还是您认为，您如何比较两个国家的情况？所以如果我是一名坐在这个人群里的政府官员，我想选择与谁合作，您会如何比较产品？您会如何比较进展？
[李彦宏]:
是的，我认为有许多技术方法可以用于自动驾驶。你知道，特斯拉有他们自己的方法。他们只是不想使用除了摄像头以外的任何传感器。他们希望通过ADAS或高级驾驶辅助系统实现完全自动驾驶。计算机辅助驾驶，直到你可以达到完全无人驾驶的阶段。但对我们来说，我们的无人出租车叫做Apollo Go。而对于Waymo，我们采取不同的方法。我们希望从某些地理区域开始。自第一天起，它就没有任何司机操作。我认为这两种方法都有其优点。我们只需要更快地推进。无论监管环境允许在哪里，我们都会在那儿部署运营。说到这个，我实际上有一个视频，展示了在中国无人物流出租车是如何运营的。让我们来看看。
[主持人]:
老实说，我觉得也许我们应该在明年的峰会，让车队实现自主驾驶，由阿波罗出行提供动力。
[李彦宏]:
是的，我希望如此。但你可以看到，路况实际上相当复杂，相当具有挑战性，对吧？有时候你会被一辆突然出现的车切入，还有摩托车在交通中穿梭。有时你得超越你面前的公交车。这不是想象或某种未来的愿景，这是某些中国城市每天都在发生的事情。
[主持人]:
实际上，如果我想部署这项技术，并且我想在全球的某个城市中部署它， 从说“是的，让我们做吧”到实际部署并看到它成为现实，需要多长时间？
[李彦宏]:
从技术上讲，大约需要两周的时间。但是为了遵守当地的法规，典型的部署周期大约是六个月。大多数城市要求我们有一名安全司机在道路上驾驶，大约一个或两个月。当你去掉司机后，但无法收费。然后你可以开始收费，然后你可以将区域从某些专用区域扩展到整个城市。这个过程通常需要大约六个月。
[主持人]:
所以技术准备是两周，但法规准备需要六个月。我认为这是大多数创新的现实。不幸的是，在大多数情况下，政府无法快速消除官僚主义和繁文缛节，以允许技术的发展。
我可能会转向另一个感兴趣的话题，那就是人工智能的风险。在人工智能的前沿工作的人对人工智能能做什么、不能做什么有不同的看法。自动驾驶汽车是人工智能的一个非常好的应用， 它描绘了一个积极的未来，在这个未来中，人们可以享受驾驶的乐趣，并且更加高效。当谈到人工智能时，是什么让你晚上辗转反侧？你担心什么？
[李彦宏]:
我担心很多事情。首先，是监管环境。现在，正如你所知，技术已经领先于监管环境。有时候我会想着，好吧，我们的技术已经准备好，但为什么我们不能将其部署到更大规模或更广区域？
其次，技术进步非常快。尽管我们对今天可以取得的成就感到震惊，但想想六个月后或两年后的情况，它会变得更好。这是来自百度、我们的同行还是来自其他行业的人？我们就是不知道。每个人都在急速前进，竞争也非常激烈。
这种创新也伴随着风险。虽然我们已经证明了Robotaxi比人类驾驶员安全得多，我认为至少截至今天，它的安全性至少是人类驾驶员的10倍。每年有超过十亿人在交通事故中丧生。但通过Robotaxi，这一死亡率可以显著降低。此外，如果从我们的运营记录的保险索赔来看，我们的保险索赔仅为普通出租车或普通驾驶员车辆的约1/14。
但这仍然是一个新行业，一个新领域。人们对事故的容忍度非常低。所以如果发生一些严重的事故，可能会拖累你的技术进步。你可能需要停止运营一段时间，找出发生了什么，并进行所有调整以重新启动运营。我们一直非常小心，到今天为止，尽管我们已经在相对大规模上运营了大约两三年，但我们还没有发生过与我们的Robotaxi有关的任何重大事故。
[主持人]:
几周前，当DeepSeek成为热门话题时，全世界都看到了中国人能够用一种如此有效、便宜、易于部署的开源模型所取得的成就，因此许多大型芯片供应商和全球许多大型数据中心供应商的股票大幅下跌，因为人们认为我们可能不再需要这些投资。这数十亿美元投入于推理数据中心、用于训练这些AI系统和模型的数据中心，令人咋舌。你真的认为，看到我们所看到的，知道你所知道的，这些投资会继续下去，还是你认为我们需要回顾过去，或许创建一个新的模式，在我们前进的过程中逐步建立，或者在这一领域的创新速度将超过其他行业的创新速度？你如何看待未来数据中心和这一领域基础设施的发展？
[李彦宏]:
是的，我认为这是个很好的问题，我在过去一个月左右一直在思考这个问题。我认为当你看基本面时，主题仍然是技术快速改善。成本每年降低约90%，而性能则越来越好。当技术以如此迅速的速度演变时，你根本无法停止投资。
你必须投资，以确保你处在这一技术创新或革命的最前沿。所以我认为在硅、计算机和云基础设施上的投资仍然非常必要，以便提出下一个最佳模型，一种能超越其他所有人的模型。你必须使用更多的计算力来尝试各种不同的领域。也许在某个时刻你会找到一种捷径，让我们说，训练一个模型要花费600万。但是你已经花费了数十亿来弄明白哪条路才是花费600万的正确方式。
[主持人]:
但这不是赌徒的困境吗？我已经花了100，我需要拿回一些东西，所以我继续花钱，希望能赚回那笔钱以及更多。那么谁会赢呢？你之前提到过，我认为这是你提到的一个很好的观点。这些模型的回报，经济地部署这些模型，目前并没有意义。那么是否认为在某个时刻我们能够获得足以证明这一点的回报？也许我的模型将会是被使用的那个，我会赢得那个游戏并弥补损失的观点如何？你认为这个方法是什么？
[李彦宏]:
我对人工智能的未来持乐观态度。我认为即使在当前的水平上，大型语言模型已经可以在各种场景中创造很多价值。我们有成千上万的客户使用早期的大型语言模型来提高招聘、电子商务、医疗保健甚至能源和电力等领域的效率。我们看到很多使用案例，以前他们需要花费1万美元来实现某些目标。现在使用大型语言模型只需要花费1,000美元。这已经为他们创造了价值。
但你说得对。我认为我们确实需要关注应用层的价值创造。如果你花费数千亿美元作为基础设施层，而你根本无法提出能够创造十倍于此的应用，那是无法持续的。尽管我们在各种不同情况下看到了各种用例，但可能更像是待实现的一面。在待观察的一面，消费者这一侧，我们没有看到像移动互联网阶段那样的超级应用， 社交媒体，每天活跃用户达到数亿，并且人们每天花费两个小时在一个应用上。我们没有看到那样的机会。但我相信，随着时间的推移，总会有人找到解决办法。你将能够创建一个非常粘性的应用。
目前，就连ChatGPT，我认为他们的DAU与MAU，也就是每日活跃用户与每月活跃用户的比率，只有16%。如果你看看Facebook或微信，那比例大约是90%。每个用户在聊天机器人的平均使用时间大约是10分钟。而在社交媒体上，平均使用时间大约是100分钟，120分钟。所以距离那种应用水平还有很长的路要走。我认为整个世界在这个阶段实际上都在寻找这种超级应用。
[主持人]:
我认为这是一个很好的回答。最后一个问题。对于这些模型，您认为应该朝着开源还是闭源的方向发展？
[李彦宏]:
是的，这是很多行业专家正在争论的一个问题。有像OpenAI、Anthropic这样的闭源公司，也有像DeepSeek、Llama这样的开源公司。这是一场竞争。我们在过去几个月中了解到，实际上开源可以帮助你获得更多的关注。如果你将这些东西开放出来，会有很多人好奇去尝试。这将有助于更快地传播这项技术。而且由于我们处于人工智能生成创新的早期阶段， 更快的传播将有助于增加采用率，帮助更多人尝试这项技术，从而为应用层的创新创造更好的机会。我只是想重申我的观点，更重要的是应用。你使用的是哪种语言模型并不重要。重要的是你可以在应用层创造什么样的超级应用和价值。
[主持人]:
令人惊讶。Robin，我们可以在这里再花一个小时。非常感谢你的回答，也感谢你抽出时间。我期待在这个会议上看到你更多。非常感谢。
[李彦宏]:谢谢。