萬字專訪譚待：火山引擎從不賠錢換市場，給豆包大模型打80分
2010年中國IT（互聯網技術）領袖峰會上，BAT三家創始人李彥宏、馬雲、馬化騰同場激辯雲計算：李彥宏認爲雲計算是“新瓶裝舊酒”，馬化騰認同雲計算的作用，但作爲基礎設施可能要很多年，馬雲則堅信雲計算對阿里有極大用處。三位創始人的態度，決定了此後幾年三家公司在雲計算業務上的發展速度。
十餘年後，一向在業務探索上不設限的字節跳動也殺入該領域，旗下雲計算平臺火山引擎迅速成爲了國內增速最快的“一朵雲”。12月19日，在上海世博中心和煦的陽光裡，新京報記者獨家專訪了火山引擎總裁譚待，這位年輕的領軍者身着一襲黑衣，雖然在兩天的會議中頻繁登臺演講、會見，卻依然活力滿滿。他透露，今年以來，火山引擎的收入比去年實現翻倍增長。
▲火山引擎總裁譚待
企業服務之一的雲計算很考驗時間積累，現在的市場份額就與上述大廠入局的早晚有關，同時阿里雲、騰訊雲、華爲雲在IaaS（基礎設施即服務）、PaaS（平臺即服務）和政企業務上有着不同的資源稟賦，而運營商雲在骨幹網絡上有着得天獨厚的優勢，火山引擎將如何實現後發先至、彎道超車？
譚待認爲，雲計算行業的第一次浪潮是在線化，在線化積累了很多數據，但這些數據價值可能只發揮了1%到5%。第二次浪潮是智能化，智能化不止能發揮出數據的價值，還能端到端地做很多事，包括MaaS（模型即服務）、AI Agent（智能體），而在智能化的浪潮下，大家都在同一條起跑線上，都要使勁跑。“我的要求是不能有短板，因爲雲計算的客戶很多元，行業差異很大。當然智能化的事情，比如豆包大模型、AI雲原生要做得更好。”
巨頭下場廝殺，MaaS戰事進入白熱化。作爲新入局者，火山引擎給外界最深的印象就是兇猛、降價——今年5月豆包主力模型將推理輸入價格降至“釐時代”，12月火山引擎又讓視覺理解模型進入“釐時代”，甚至一度被貼上“價格戰”的標籤。
譚待在專訪中詳細解答了兩次降價的決策過程，以及是如何通過算法、軟硬件和工程的方法將大模型的價格“打下來”，並表示火山引擎從不賠錢換市場，也不通過投資來換市場。他不認同“價格戰”的說法，“平臺公司就像池塘裡的魚，未來魚能多大，都取決於池塘多大，我們要想盡量把池塘做大，而不是把別的魚吃掉。”
對於全新升級的“豆包大模型”家族，他表示，謙虛一點可以打80分，多模態模型有更高的社會和經濟價值。在專訪中，他還透露了火山引擎的人員結構、組織目標和客戶構成，解答了豆包大模型和火山引擎團隊的協作模式，分享了對合成數據、Scaling law、大模型應用的見解。
▲新京報貝殼財經首席記者白金蕾專訪火山引擎譚待
（以下爲新京報記者12月19日對譚待的專訪實錄，已經過壓縮整理）
迴應“價格戰”：火山引擎從不賠錢換市場，降價源於技術創新和規模效應
貝殼財經：今年5月豆包主力模型的推理輸入價格降到“釐時代”，12月火山引擎讓視覺理解模型進入“釐時代”，是如何將價格打下來的？
譚待：首先要講爲什麼要做這件事情，這個是很關鍵的。大家花這麼多的資源去做大模型的訓練，是爲了更多企業能把模型用起來，用起來之後，才能通過AI（人工智能）幫助更多個人和企業提效，特別是中小企業。要做到這一點，模型能力要更好，使用成本也要更低，大家才能踊躍地去創新，才能涌現越來越多方案去解決個人和中小企業的實際問題，這就是爲什麼我們要做“AI普惠”的工作。
當然對於to B（面向企業的）業務來說，它的商業模式很直接，所以不管再怎麼普惠，一定是要做到可持續，不能用虧損換規模。所以我們其實在技術上做了大量優化，既實現了大模型普惠理念，也能讓我們的業務做到有毛利。
貝殼財經：降價是通過哪些手段達成的？
譚待：降價的做法其實分好幾塊，是算法、軟件、工程和硬件結合的方案。比如算法上，我們採用更好的模型結構，用更低的成本做更復雜的推理。工程上很重要的是規模化，因爲不同業務的負載存在波峰和波谷，科研場景可能半夜調用量比較大，辦公場景白天調用量比較大，當我們的客戶量越來越多時，就能通過規模化調整，把成本降低好幾倍。我們還在軟硬件結合上做了很多事情，因爲不同推理過程，對於芯片的帶寬和算力要求是不同的，我們就把這個過程分離，放到不同的池化資源去處理，通過這種方式也能降低成本。再加上對庫存和供應鏈的管理，綜合起來每一個環節都有好幾倍的效率提升，整體提升是非常大的。
通過上面的一系列操作，就能實現大模型普惠，讓更多的中小企業和個人創業企業能釋放自己的生產力，然後對於火山引擎也是可持續的。而且你看全球，OpenAI也在不斷降價，他們也是用類似的方法。
貝殼財經：即使在“釐時代”，火山引擎也不是賠錢換市場？
譚待：對，這很重要，我們肯定要保持毛利是正的，不然做得越大，虧得越多，商業模式不成立。
貝殼財經：兩次降價的內部決策過程是怎樣的？
譚待：我們目的是要做好AI（人工智能）服務，讓更多人用起來，同時也要保證自身業務可持續。
這裡就有兩個限制條件，一個條件要求我跟開發者、企業瞭解他們在使用過程中對成本的痛點在哪裡，價格降到多少，他們就能用起來。比如一個創業企業，基於豆包大模型做了一個應用，它有自己的ARPU值（每用戶平均收入），就能推算出每token（自然語言處理領域的計費和收費標準）的成本要低到多少，才能達到正向現金流，這個很好算出來。
另一方面，火山引擎自己也來算，我們通過技術優化能把成本打到多低。這兩個值的中間段就是火山引擎可以定下的價格。
貝殼財經：很多雲計算廠商都是可以接受一定的虧損，先把量擴起來？
譚待：To B行業這個模式不成立，最近也有很多雲計算廠商都在反思總包的模式，反思用收入換規模的事情，發現這個模式是不成立的。
因爲對於企業級（To B）市場來說，獲取收入的方式，就是當前賣出去的量。它不是像to C（面向用戶）的應用，給用戶免費使用，將來通過廣告、電商或者別的方式賺錢。所以，不能用虧損換規模，我沒看過任何一家to B的企業把這條路走通。
貝殼財經：5月降價後，百度、阿里、騰訊還有很多創企均跟進了“降價”，是否有考慮到行業其他廠家的跟進？
譚待：他們肯定會跟進的，因爲我想大家都有一樣的初心，還是希望把大模型做好，賦能更多的企業和開發者。如果大家初心一致，肯定就會走這條路，無非就是我們走得快一點，他們走得慢一點。
貝殼財經：有人說你們打“價格戰”，你怎麼看？
譚待：不能這麼來講這件事，我們更重要的是做AI普惠，對不對？
我們做這件事（降價）並不是考慮市場競爭，因爲這個市場目前的開發程度也就是千分之一，還有99.9%沒有開發。昨天我公佈的日均token使用量是超4萬億，這其實並不大，幾年以後，可能日均token使用量就能到百萬億，所以這個市場還是很早期。
打個比方，我們（大模型企業）都是池塘裡的魚，未來魚能多大，都取決於池塘多大，我們要想盡量把池塘做大，而不是我把別的魚吃掉。
貝殼財經：剛聽你講述降價的邏輯，一方面是考慮客戶願意花多少錢，另一方面是內部能有毛利的底線，但你忽略了大模型的研發成本。
譚待：對業務來說，最重要的是在保持毛利率的情況下，做大規模擴張，只要規模上去了、毛利率是可以的，研發成本最終都會被攤銷掉。
談收入增長：今年以來火山引擎收入比去年增長翻倍
貝殼財經：阿里財報披露由AI帶來的收入增長是三位數的，火山引擎這個數據是怎樣的？
譚待：5月以來，我們光日均token使用量增長就超33倍，這就是四位數增長，token的使用量就是實在的收費標準。
回到火山引擎本身，第一個我們把規模優勢放大了，第二個我們在AI上的投入是堅定的，所以整個火山引擎整體都漲得非常好，增速是三位數。
貝殼財經：多大的三位數增長？
譚待：翻倍吧。
貝殼財經：上面這些由AI帶來的增量，佔火山引擎收入的幾成？
譚待：AI還是在早期階段，我現在不太關注它佔收入多少，而是關注它有沒有讓更多企業來到火山引擎，有沒有讓企業降本增效、加速創新。從這個角度來說，AI目前已經起到了非常大的作用。
貝殼財經：有觀點認爲Web、數據和AI分別是雲計算行業的三次浪潮，你覺得火山引擎能否通過這次浪潮，實現對國內頭部雲計算企業的超越？
譚待：我更願意用雲1.0、2.0來劃分。雲計算行業第一次浪潮的核心原因是在線化，在線化能分爲PC（個人電腦）、移動互聯網和IoT（物聯網）等階段，在線化積累了很多數據，但數據價值可能只發揮了1%到5%。第二次浪潮就是因爲智能化，就像我們常說的“數據是新時代的石油”，智能化不止能發揮出數據的價值，還能端到端的做很多事。
我認爲未來10至20年都很重要，也就是雲2.0階段，是以大模型爲基礎端到端的去做更多的事，包括MaaS、AI Agent（智能體）。在2.0階段，技術架構要轉向AI原生和大模型，以GPU（圖形處理器）爲核心重構計算、存儲、安全，我們也推出了很多新產品。
貝殼財經：火山引擎能利用這個機遇彎道超車？
譚待：都升級到2.0時代了，大家都是同一起跑線，就不存在彎道了，大家都要使勁跑。1.0階段取決於部署規模，規模大就能帶來成本降低、彈性增強，但1.0階段我們也很有信心，因爲我們的內外部的部署規模也很大，只不過這個階段（市場規模）變化會很慢。2.0階段會讓大家都走得更快，這個機會是對所有人開放的。
貝殼財經：國內阿里雲可能長於IaaS（基礎設施即服務），騰訊可能優勢在PaaS（平臺即服務）、SaaS（軟件即服務），華爲則在政企領域有獨特的優勢，火山引擎相比其他幾家的優勢和劣勢是什麼？
譚待：我覺得這些更多是第三方評論，你去問其他家，他們肯定說自己什麼都好。我們的要求是不能有短板，因爲雲計算的客戶很多元，行業差異也很大。當然新的事情，比如豆包大模型、AI雲原生上要做得更好，這塊我們很多產品都是國內首發。
To B是很考驗時間積累的行業，現在的市場份額更多反映的是大家進入市場的時間，早十年進場的絕對值肯定更大。所以不應該看份額，而應該看份額變化和增速。
貝殼財經：字節內部對你是否有相關的OKR（即目標與關鍵成果法）要求？長、中、短期的目標是什麼？
譚待：OKR最重要的是Objectives，也就是目標。我們的目標是用技術服務企業，讓它們降本增效、加速創新，只要能做到，雲計算的業務天然就變大了。我們更多強調自驅，我自己寫我的OKR，寫火山引擎十年的BP（商業計劃）。
貝殼財經：能不能透露一下這個十年BP？
譚待：我還是說下明年我們想要做什麼。今年因爲我們推出了更好的模型、更低的價格，所以看到了應用量的爆發。但我認爲，目前大模型的應用還只能摘一些低垂的果實，能輔助人類解決的任務也比較簡單。明年我們一方面會讓更多人用好大模型，同時希望嘗試用大模型幫助人類做更長時間的任務，做真正複雜的Agent（智能體）。
貝殼財經：明確了目標之後，火山引擎的人才和經費將要怎麼分配？
譚待：想要把雲計算和AI做好，是一件很複雜的事情，人是少不了的。火山引擎幾年前剛成立時，雖然收入規模小，但研發投入非常大，我們就是照着未來1000億（收入）目標去投入研發的，所以目前產品和研發團隊在小1萬人。產品和研發團隊相當於是固定資產，銷售、運營是規模化團隊，做多大規模就招多少人，規模化團隊目前加起來大概有1000人。
區域和行業是做to B業務很重要的內容，需要平衡好。火山引擎也會成立本地化團隊，相當於客戶在哪裡，團隊就在哪裡。火山引擎的實施和交付則更多依靠合作伙伴，我們自己會少做一些。
貝殼財經：你的時間會怎麼分配？
譚待：跟階段有關係，在沒有大模型之前，精力會更多放在管理、組織和市場上，但現在產品發生了巨大的變化，所以我會更關注產品進程。因爲我本來也是技術出身的，做這個事情也很擅長，現在超過60%的時間都花在技術上。
貝殼財經：火山引擎目前的客戶主要分佈於哪些行業？
譚待：我們全行業都會做，但看重有C端產品、場景的行業，例如金融、零售、手機、汽車、民生相關等面向C端的行業。因爲面向C端的場景會積累更多數據，數據越多的產品，在線化程度越高，AI和雲才能更好地發揮價值。
貝殼財經：目前會更願意做標杆案例嗎？是大客戶居多，還是中小客戶居多？
譚待：是否做標杆案例得看階段。一個新產品出來，肯定要找一個標杆，這個標杆不一定越大越好。當一個產品完成了從零到一，要實現從一到一百的時候，就要講究覆蓋了，特別是中小企業可以用更高效的方式來覆蓋。
目前，從收入角度來說，肯定是大客戶多一些，從數量角度來說，肯定是中小企業多一點。我會自己去見一些創業公司，一年至少見100多個。AI時代，創業公司有很多新想法，動得特別快，跟他們交流，能學到很多東西。
給“豆包”打分：謙虛一點打80分，多模態模型有更高的社會和經濟價值
貝殼財經：最近豆包大模型家族全面換新，行業中OpenAI（一家美國人工智能企業）、月之暗面、騰訊、快手等也都在年底對自家的大模型產品進行了大規模的更新，你們都選擇在年底更新產品的原因是什麼？
譚待：我覺得並不是大家都選在年底，回顧這一年，會發現這一年全球大模型的進展都非常快，3月份有一大批的更新，然後5月、6月和9月都有更新，應該是每個季度都會有新東西出來。所以我覺得，剛好四季度又有一批新的出來。
反過來，也說明大模型不管是技術還是應用上，都是很快的。
貝殼財經：你曾表示“不急於推出只有30分的大模型，核心是賦能其他人做這件事。”你給這次換新的豆包大模型家族打多少分，爲什麼？
譚待：打80分，謙虛一點。
這次有幾個大的更新，第一個，我們推出了視覺理解模型。因爲語言是人類用來描述世界的很重要的方式，但（人類）認知這個世界、理解這個世界最重要的還是視覺，大模型也是同理，它必須要同時具備語言和視覺能力，才能在現實生活中去幫人類解決更多問題。
所以我們推出視覺理解模型，是把很重要的版圖補上了，不管是我們自己的Demo（演示樣本），還是過去兩個月邀請了幾百家企業的測試情況，反饋結果都很好。未來豆包視覺模型還能在教育、電商和直播等場景上進行應用。
第二個，我們的語言模型豆包PRO（專業版）也有非常大的提升，特別是在企業生產力相關的辦公產品裡，比如複雜指令的遵循，綜合任務的處理，然後數學邏輯、推理能力等，整體上已經對齊了 Gpt-4o（OpenAI發佈的語言模型）。除了應用在娛樂生活場景外，豆包語言模型在工作場景，比如信息處理、銷售客服，都有很高的調用量。還有硬件終端，目前80%的車企都和豆包大模型有合作，通過手機終端的合作覆蓋了超3億用戶。
這兩個模型的價格其實是（企業）非常可接受、可持續的，是能夠讓企業和開發者放心大膽地去做嘗試的。除了這兩個最重要的基礎模型之外，我們在很多垂直領域，比如文生圖、音樂模型，其實都有進一步的升級。
貝殼財經：最近國內幾家大廠的動作比較分化，百度文心一言和阿里通義千問都在深耕大語言模型或者基座大模型，而字節、快手、騰訊等都在做AI（人工智能）生成視頻，這是爲什麼？
譚待：其實我不太能猜測他們的想法，只能說一下我的想法。
以終爲始地看問題，企業做大模型是爲了輔助人去做各種事情，人做事情的時候需要很完整的能力，包括語言、視覺、創作甚至完成更復雜的指令。這就需要模型具備多模態能力，才能端到端的幫個人創業者和企業去解決具體的問題，也纔能有更高的社會價值和經濟價值。
貝殼財經：市場上有人統計了字節在各個行業推出的AI產品的數量，並稱你們是“AI工廠”，豆包大模型能持續快速推出新產品的方法論是什麼？
譚待：還不知道我們被叫“AI工廠”。我們做事情還是從產品和需求出發，需求是從用戶和客戶來的。抖音、頭條有非常多人使用，這些人的需求就會誕生對模型的要求。火山引擎現在做企業級市場，有非常多的企業客戶，這些企業的需求也會促進我們來做不同的事情滿足他們。
所以，是因爲我們有這麼多的C端用戶和這麼多企業客戶，他們的需求會促進我們研發對應的方向。拿到對他們的反饋後，反過來又能促進我們技術的進步。
貝殼財經：以豆包大模型的實踐來看，Scaling Law（規模化法則）是否還成立？
譚待：Scaling Law是一個普世的概念，在沒有大模型的時候，我們做深度學習、機器學習或者推薦廣告時，都發現有數據、算力加大，效果提升的情況。
回到大模型本身，其實大模型訓練有很多階段，比如Pretraining（預訓練)、SFT（監督微調）和RLHF（強化學習）。在不同階段都有Scaling Law，區別就在於到底在哪個階段優化模型的性價比最高。以前可能大家覺得在Pretraining階段進行優化性價比高，現在可能覺得在強化學習階段優化性價比高。未來，由於數據合成的進步，Pretraining的性價比又上來了，我覺得是交替上升的過程。
貝殼財經：豆包大模型目前用來訓練的數據量是否足夠，有沒有開始使用合成數據？
譚待：數據枯竭是一個相對而言的概念。比如說文本的數據很多都被用了，但還有很多高質量的數據沒有提煉好，多模態數據還有很大量沒有被使用好。
數據合成其實是很重要的方法，即使沒有數據枯竭的事情，在很多場合也會用。比如我們在做to B（面向企業）服務的時候，信任和安全是很重要的事情，我們不會看任何企業的prompt（提示詞），但又需要對模型進行優化，我們就可以通過理解他們的場景，去做一些數據合成，對模型進行訓練和提升。
貝殼財經：早期火山引擎並沒有急於發佈自己的通用大模型，而是選擇和多家AI科技公司聯合推出大模型服務平臺“火山方舟”，目前在火山引擎既有不同大模型組成的MaaS（模型即服務），也有自研的豆包大模型，這二者是否存在左右手互搏？
譚待：完全沒有。因爲火山引擎的定位一直沒變過，豆包大模型其實並不是火山引擎來做的，火山引擎的定位就是做好雲計算服務。但現在雲計算的定義發生了變化，雲計算的1.0時代就是傳統的CPU、IaaS等，雲計算的2.0時代其實是Model as a Service（模型即服務）爲核心，火山方舟是圍繞這個事情來做的。它的定義是要做最好的MaaS平臺，把模型的生命週期管理好，通過工程優化把推理性能、延遲優化、安全做好，把企業落地的解決方案做好。
一年前，火山方舟推出時，豆包大模型還沒有對外開放，所以我們就選了市面上比較好的幾家模型放到火山方舟上。現在我們深信豆包大模型是更好的模型，所以就把豆包也放到火山方舟上。
客戶在用火山引擎時，可能90%以上都在用豆包大模型，但他也會在某些垂直領域用一些第三方模型，可以搭配使用。
貝殼財經：從客戶角度講，有百分之多少用豆包大模型，有多少用第三方模型？
譚待：站在企業角度去看，中小企業可能沒有太多資源去做多雲、多模型的策略，所以用豆包大模型就好了。大的企業不管是因爲供給安全性還是使用多樣性的考慮，它可能90%在用豆包大模型，剩下10%會保留一些三方的或者其他開源的模型。
貝殼財經：早期火山引擎其實一直在打的是“數據飛輪”概念，目前更多講的是大模型，這個是企業數字化的“一體兩面”？
譚待：它是從不同層面來描述這個事情（企業數字化），數據飛輪講的是企業怎麼做好數據驅動。原來企業都說要建設一箇中臺，但中臺只強調了數據中臺的建設，但沒有強調把數據的價值發揮出來，這個我們叫數據消費。
數據飛輪其實有兩個閉環，一個是業務對數據的應用，一個是數據資產的建設，然後通過數據消費把兩個連在一起。業務做得越多，數據資產就越好，數據資產越好，給業務帶來的價值就越大，整個過程中都有對應的產品和工具。
大模型其實是一個技術的問題，以前我們用傳統技術來處理問題，現在用大模型來處理，大模型其實可以讓數據飛輪轉得更快。因爲在業務用數據時可以用自然語言來表達，或者用數據智能體來做這個事，這樣對數據的應用會更好。而在數字資產層面，大模型會極大釋放非結構化數據的價值。
所以，我認爲說數據飛輪仍然是企業數據驅動中非常重要的東西，但在豆包大模型上這個事情做得更加高效。
▲火山引擎總裁譚待
貝殼財經：如果火山引擎的客戶對豆包大模型有一些修改、調優的需求，你們和豆包大模型團隊是如何內部協同的？
譚待：火山引擎有一個團隊可以深入到豆包大模型團隊裡，和他們一起做開發，我們通過這個團隊來實現B端需求的閉環。可以理解爲豆包大模型團隊中有個和火山引擎共同開發的小分隊，專門爲火山引擎服務。
貝殼財經：豆包智能助手是不是客觀上對火山引擎做to B業務起到了推介作用？
譚待：數字化轉型都是一把手關注、一把手工程。以前的數字化轉型，比如大數據這些，決策者用不到，只能聽彙報，但大模型可以自己用，這也是技術能夠更快落地的原因。
火山引擎一定程度上對豆包有優化。to B場景更復雜，任務要求難度更高。所以很多很難的產品能夠在to B場景裡做好，反過來讓基礎大模型的能力更強。
研判未來方向：火山不下場做硬件，明年行業會涌現更多AI應用
貝殼財經：最近AI眼鏡在風口上，字節推出了首款AI智能體耳機Ola Friend，火山引擎是否會自己下場或者和合作夥伴一起推出硬件？
譚待：我們是做企業服務的，不是做硬件的。但我們會推出對應的方案，比如基於豆包的IoT（物聯網）解決方案，會有很多硬件來搭載。我們還是想把平臺、SDK（軟件開發工具包）、模型做好，我們也會跟硬件廠商合作，終端也是我們看好的一個方向。
貝殼財經：很多雲計算廠商都在投資AI大模型企業，一般是給“一部分投資款+一部分算力”，火山引擎是否有類似的計劃？會採取怎樣的計劃構建生態企業？
譚待：我認爲用投資來換收入是一件沒有意義的事情。我們也有投資團隊，但我們更多是做戰略投資，比如說被投企業的能力，是火山引擎整體對外服務比較重要的能力，我們就會進行投資。
雲計算的生態的確很重要，核心還是利益互惠，比如一些垂直場景的應用，它們加上豆包大模型的能力，能做很多事情，我們會和他們深度合作，聯合做一些產品開發。
貝殼財經：大家現在對GPU（圖形處理器）有一些擔憂，你覺得未來人才、技術、算力和數據，哪個會成爲限制中國基座大模型更新迭代的短板？
譚待：就不說哪個是短板了。我覺得人才更重要一些，因爲所有事情都是人做出來的。
貝殼財經：這幾年大模型企業經歷了怎樣的發展？2025年會有哪些趨勢？
譚待：我認爲這幾年乃至未來模型的訓練量每年還是會增加的，但把應用做起來也很重要，不然前期投入的資源可能就浪費了，最後應該是應用的市場空間要比訓練的市場空間大5倍左右，投入才能算得正。做好應用則需要好的模型、需要AI普惠，這是我們雲計算企業要做的事情。所以我覺得2025年更適合去推好的模型，我相信2025年不管是中國還是世界會涌現更多AI應用，不管是to C還是to B的。
貝殼財經：2025年是否會出現殺手級應用（Killer APP）？
譚待：現在還是AI早期，就像移動互聯網早期時候，大家說殺手級應用是LBS（基於位置的服務）或者圖片社區，但真正的殺手級應用是美團、滴滴、抖音。殺手級應用是發展到了一定階段後，有更復雜的形態出來之後纔會出現，現在大模型才發展一兩年，還不用着急。今年模型的發展速度已經超過過往任何一項技術的變革速度，所以耐心等待就好，不用焦慮。
貝殼財經：行業內對大模型開始反思，包括消耗了過多能源卻製作出了不少無用的“垃圾”，包括紅杉提出的AI大模型的6000億美元陷阱，也包括對人工智能倫理和技術進步之間的平衡，你怎麼看這些反思？
譚待：我沒有看紅杉的完整報告，但看了一些分析。這個報告提出問題的最終目的是要讓大家把模型應用做起來，而且它覺得明年會有大的亮點出來。所以價值鏈的終局是，所有模型的投資、訓練等，最終還是要應用和落地。
貝殼財經：2025年你個人有哪些新期待？
譚待：世界和平，這很重要。世界和平，經濟就能發展，技術就能進步。
新京報首席記者 白金蕾 記者 韋英姿
圖片來源 受訪者供圖
編輯 丁爽
校對 趙琳