對談 Video Rebirth 劉威：這個世界爲什麼還需要一個新的視頻模型

文 丨 高洪浩

劉威幾乎完整經歷了中國大廠 AI Lab 從興起、擴張到收縮的週期。

2016 年，騰訊成立 AI Lab。劉威從美國 IBM 沃森研究中心加入，負責計算機視覺方向。他與來自百度的張潼、來自微軟的俞棟，被外界並稱爲騰訊 AI Lab 的 “三劍客”。

那是中國企業對 AI 最有想象力的幾年。AlphaGo 贏了李世石，如同在科技行業投下一顆原子彈。大廠 AI 研究院一個接一個成立，它們不設 KPI、沒有束縛，鼓勵研究員投入長期研究。很快，騰訊做出了全球第二的圍棋 AI “絕藝”，DeepMind 創始人傑米斯·哈薩比斯慕名來到騰訊交流。

但好日子沒有持續太久。2020 年左右，AI 行業進入低谷，中國互聯網公司開始降本增效，這些 AI 研究院隨之收縮，甚至關閉。兩年後，ChatGPT 發佈，大廠重新回到 AI 牌桌，主角卻已換了一波：字節另起爐竈組建 Seed，阿里在 M6 等早期大模型的積累上推出通義千問。

這些新成立的 AI 組織再也看不到過去的影子。激烈的競爭讓它們變得更封閉，更結果導向。無論 Seed 還是 OpenAI，都揹着很重的 KPI，也不再鼓勵研究員自由發表論文。劉威經歷了騰訊混元從零到一的過程，也是在那段經歷裏，他看到了大公司做前沿科學的侷限。

2024 年底，劉威離開騰訊創業，成立 Video Rebirth，做視頻生成模型。這家公司已完成一輪 8000 萬美元融資，投資方包括啓明創投、AMD Ventures、現代汽車集團和 Granite Asia；目前正在新一輪融資。

2026 年 5 月，Video Rebirth 的視頻生成引擎 BACH 上線，同月進入 Artificial Analysis Video Arena 盲測榜單，排名全球第 6，是榜單上排名最高的創業公司模型。

視頻生成已經是條巨頭環伺的賽道。2026 年 2 月，Seedance 2.0 橫空出世，被認爲 kill the game（結束了競爭）；Google Veo、快手可靈也在步步緊逼。但劉威說，這反而讓他更安心了。

“Seedance 2.0 證實了我的技術路線——視頻模型應該有自己的 scaling law。” 劉威說，這是他在創業時認定的方向。Seedance 2.0 是一個 200B 參數級別的模型，遠大於市面上的任何一個視頻生成模型

但他不是要和巨頭比拼大力出奇跡。Seedance 的思路是先把模型做得足夠大，再不斷往裏喂數據，有 “賭一把” 的意思。劉威想走的是另一條路，通過創新模型架構和訓練算法，爭取用不到 Seedance 十分之一的資源，做出一樣的效果。

“市場還有窗口期。” 劉威說。“我們跟很多海外客戶交流，他們知道 Veo、Seedance、Kling，但這幾家都還不能完全滿足他們的精準需求，更不用說價格高昂的問題”。

剛成立的時候，Video Rebirth 做過一款實驗性的圖生視頻模型，取名 Avenger（復仇者）。這個名字來自劉威喜歡的美國隊長。在《美國隊長 3：內戰》裏，美國隊長反對超級英雄歸某個政府管理，認爲他們不應該只屬於某個機構。

劉威也這樣看待 AI 的 super power（AI 超級力量）的，“它不應該只被少數公司掌握，而應該屬於全人類。”

晚點 ：2026 年初，字節跳動的視頻生成模型 Seedance 2.0 出來以後直接全球領先了，甚至連字節自己也說它 Kill the game（結束競爭）。你當時看到後有沒有後悔創業？

劉威 ：我一直認爲谷歌會引領架構創新，因爲視頻生成的 DiT 架構已經有點老了，谷歌自己也說 Gemini-Omini 系列是他們的祕密武器，沒想到字節先做出來了，確實超出了很多人的預期。

但我其實一點都不慌，因爲它反而證實了我們的路走對了，模型就是應該越做越大。

晚點 ：Seedance 2.0 最超出你預期的地方在哪裏？

劉威 ：大一統。文生視頻、單圖生視頻、雙圖生視頻、多參考圖生視頻、視頻編輯，甚至多參考圖加參考視頻生視頻，這些原本分散的任務它都用一個模型統一了。

它爲什麼能做到，因爲模型架構足夠大，能裝的世界知識足夠多，這樣纔有可能把這麼多任務都塞進同一個模型裏執行多任務訓練，生視頻效果也就更好。

晚點 ：你說你們的路線和 Seedance 類似，即把模型越做越大。但作爲創業公司，你們哪裏來的資源去和巨頭拼 scaling law 的邊界？

劉威 ：所以我們在用更聰明的配方，想用 Seedance 不到十分之一的資源做得跟它差不多的生視頻能力。暴力堆數據、算力不是每次都能成功。你看 GPT-6，從去年說到今年，訓練反覆不順，到現在還沒真正訓練出來。

另外是極度聚焦。我從創業第一天開始就決定，不做圖像生成、不做語言模型，只做視頻原生的視頻生成模型，用 scaling law 逐步升級爲視頻原生的世界模型。

晚點 ：更聰明的配方具體指的是什麼？

劉威 ：很多人把 Transformer 架構當成黑盒，堆數據、堆算力，然後按下訓練按鈕，幾個月後看結果，不太去理解裏面到底發生了什麼。但我們希望在這個黑盒裏做更精巧的設計，對模型架構和訓練算法都做改造。

我們 1.0 版本的模型做了一些實驗，比如用的是自研的並行 DiT-DDiT 架構，指令遵循更強；物理原生的注意力機制，用更符合物理直覺的方式建模視頻裏的時空動態；最後是把後訓練和推理階段的採樣過程統一起來，這樣長序列視頻的推理速度也更快。

2.0 版本開始，我們的模型就不再是純 DiT 架構了。具體來說，Transformer 和 attention（注意力機制）這些東西還會保留，真正要動的是 DiT 裏的 D，也就是 Diffusion（擴散範式）。我們第二代模型要做的，是提出新的擴散過程學習範式。

晚點 ：你認爲 Diffusion 現在的問題在哪裏？

劉威 ：低效，過於通用、不夠自適應。現在的擴散模型，本質上是用同一套模型參數，對同一個噪聲塊反覆去噪幾十次。比如生成一張 512×512 的圖，先從一個同尺寸噪聲塊開始，丟進 DiT 去噪，一次不夠再來，可能要去噪 50 次，最後得到圖像。

問題是，整個過程中模型參數是一樣的，但每一步去噪的難度並不一樣，爲什麼要用同一套參數？而且不同內容的圖像，比如動物、人像、場景，去噪方式也都一樣，這也不太合理。

晚點 ：你追求的大，和字節追求的大，區別是什麼？

劉威 ：我們和字節都想做商業落地，這一點是共通的。真正的區別在於取捨。Seedance 做的是 “大而全”，儘可能覆蓋更多題材、更多風格，讓模型甚麼都懂、甚麼都能生成，這是它的強項。

我們選擇的是 “精準”，把資源集中在我們最看重的能力上：強一致性和對物理規律的強遵循。爲了學好這兩件事，我們不需要把所有 IP、所有網紅視頻、教學視頻都學進來。 我覺得模型的大小能剛好裝下目標能力就行。

我們第二代模型總參數量會比第一代大很多，激活參數量也許和 Seedance 2.0 差不多，但總參數量肯定會比它小。

晚點 ：那是 Seedance 的優勢而不是短板，理論上它可以覆蓋掉一切小模型？

劉威 ：理論上行，但我剛纔講的優勢還是效率。獲得同等能力的情況下，我們不需要投入那麼多數據，也不需要那麼大的模型。模型訓練推理更高效，最後的推理成本就會更低，定價也可以比它便宜很多。

晚點 ：聽起來有點像 DeepSeek 的路線？

劉威 ： 有相似的地方。視頻生成能力迭代很快，但訓練和推理成本都不低，價格還偏高。真正的降價可能就是要用更聰明的架構把成本結構性地降下來。

另外，市場還有窗口期。我們調研發現，海外客戶知道主流的幾家視頻生成產品在高標準的專業場景裏還不夠用。比如汽車廣告，客戶花上百萬找人做，AI 效果達不到要求，只能回到成本更高的實拍。這中間的空間是我們想填的。

晚點 ：但據我們瞭解了，Seedance 的推理成本並不高，目前的毛利率甚至可以做到 80% 左右，理論上它其實有很大的降價空間去參與競爭。

劉威 ：成本這件事，不能只看單次推理的價格，還要看模型能不能高效地服務大規模用戶。

一個普遍的規律是：模型尺寸越大，實時服務和分發的壓力就越大，高併發下就越容易出現延遲或排隊。所以我認爲，只有控制好模型的規模，再優化好推理效率，才能在保證效果的同時，真正支撐起大規模、低延遲的商業化服務。

晚點 ：其實何愷明很早就說過，模型要大。但視頻模型，或者說 CV 領域的 scaling law，爲什麼比大語言模型晚這麼多？

劉威 ： 我認爲核心是連續信號的問題。語言模型可以一直訓練到誤差足夠低、模型充分收斂，再拿去發佈，絕大多數語言模型都是這樣出廠的。

視頻模型不是。視頻是連續信號，誤差累積得非常劇烈，也更難控制。DiT 到現在也沒有真正訓到充分收斂，大家往往訓得差不多、效果能看了就停，實際誤差還很大。所以我覺得，現在的視頻模型都沒有被訓得足夠深入。

晚點 ：你覺得視頻模型還可以更大嗎？

劉威 ：只要硬件還在發展，模型就還有繼續變大的空間。語言模型的問題是，預訓練階段可用的真實文本 token 已經達到了上限。模型繼續變大，真實 token 從哪裏來？當然，也有人會用合成 token，但那是另一回事。

視頻生成不一樣。模型在預訓練階段可用的真實視頻 token 還遠遠沒有用夠。真實的物理世界本身就是動態變化的，裏面有大量可以學習的動態信息。所以如果視頻生成的 scaling law 存在，真實的 video token 是取之不竭的，scaling law 可以繼續跑下去而不會撞牆。

晚點 ：你說你下一步也要做世界模型，但現在這個詞似乎正在被濫用。我們應該如何區分，哪些是真的世界模型，哪些是僞世界模型？

劉威 ：我覺得現在對世界模型最大的誤解，是把它當成更逼真的視頻生成，或者乾脆等同於 3D 重建。這兩個都不是本質。

還有一個很多人分得很開、但我認爲其實是一回事的東西：渲染器（renderer）和模擬器（simulator）。有人說渲染器負責輸出你看到的畫面，模擬器負責輸出底層的物理狀態，是兩類模型。但在我看來，如果一個模型真的理解了物理規律，它既能輸出你看得見的畫面，也能輸出底層的狀態，狀態可以是抽象的，也可以是具體的。

說到底 , 我一直用一句話來概括這件事:文本形態的世界知識 , 都可以被壓縮;而視頻形態的世界物理知識 , 都可以被模擬。

晚點 ：我觀察到，很多上一輪項目推進不順的創業公司，都開始轉向講世界模型的故事。你怎麼定義真正的世界模型？

劉威 ：讓 AI 擁有一個 “內在世界”，能在 “腦子” 裏模擬、能預判接下來會發生什麼、還能主動去試探不同的行動會帶來什麼後果。這是從 “感知” 到 “認知” 的躍遷，不是畫質的軍備競賽。

舉個例子，過去訓練機器人，要先用 3D 或物理引擎搭仿真環境。我們現在要做的是，把這個環境換成 AI，讓它變成一個可以實時生成、實時變化的智能體。你給智能體文本、照片或者視頻，它就能生成類似場景；室內、室外、光照、天氣也能隨時切換。這樣訓練出來的智能體，就不再只適應一個固定環境，它擁有了通用的、實時的、可交互的模擬能力。

其實可以這樣理解兩條路的終局:大語言模型的終局 , 是 coding agent——一個能理解用戶意圖、寫出並執行代碼的智能體;而世界模型的終局 , 是 simulation agent——一個能理解物理世界、預判後果、並在其中規劃未來行動的仿真智能體。

晚點 ：你的實現路徑與李飛飛、LeCun（楊立昆）提出的路線，區別是什麼？

劉威 ：先說李飛飛老師，她認爲世界可以被還原成一個 3D 空間，所以她要先構建出一個三維世界，再讓模型在這個世界裏生成和模擬。但 3D 能覆蓋的物理其實是有限的，它只擅長表達結構性的、剛體的物理世界，也就是物體有相對穩定的 XYZ 座標，可以旋轉、平移、縮放。

真實世界裏還有很多更復雜的物理現象，比如形變、碰撞、摩擦、流體、空氣動力學等，這些並不容易用傳統的 3D 座標系完整表達。

我們認爲，還是應該以視頻模型爲基礎訓練世界模型。

晚點 ：但視頻只是現實世界在某個視角里的二維投影，甚至沒有 XYZ 這種明確的深度、座標和物體結構信息，還可能包含多個隱含的座標系。

劉威 ：所以我們的思路不是先把世界還原成 XYZ 這種顯式座標，而是讓模型直接從大量真實視頻中學習物理世界運行的規律。視頻本身就包含重力、光照、遮擋、碰撞、運動連續性等信息，這些不一定需要人類逐一進行細粒度的標註。

現在已有不少研究表明，DiT 這類視頻生成架構能夠從視頻數據中學到一部分物理關係，比如手推一下物體，物體會跟着動；光線變化時，陰影也會跟着變化。

我們在訓練模型時也能觀察到類似現象，模型對運動連續性、物體之間的相互作用、光影變化等物理元素，已經有比較明顯的表達能力。

晚點 ：你們的模型是如何學習 “人與物理世界交互” 的？

劉威 ：我們的訓練數據絕大多數是真實視頻。很多團隊喜歡合成數據，因爲 “乾淨”，但真實世界是髒的，有各種預料不到的光影、噪聲、邊角情況。合成數據喂多了，模型在實驗室表現很好，一到真實場景就崩了。

物理規律也不是把重力、碰撞公式硬編碼進去。模型看海量真實視頻，自己把規律內化到權重裏，看多了東西下落，就 “學會” 了重力。這是隱式學習，更接近人的直覺，而不是遊戲引擎那樣，把規則寫死。

我們的世界模型內部是兩個模塊在配合。一個叫 World Predictor（世界預測器），自迴歸架構，負責推理、記憶和交互，根據當前狀態和用戶的動作，預測未來狀態的表徵。另一個叫 World Simulator（世界模擬器），擴散架構，把這個表徵還原成實時、可交互的視頻流。

晚點 ：這和 LeCun 講的，從視頻中學習世界的表徵有什麼不一樣嗎？

劉威 ：區別在於讓模型學什麼。我們的路線，是讓模型直接學習視頻本身。視頻本質上是一幀一幀的像素，模型要學的是，這些像素怎麼隨時間變化，下一幀會怎麼出現，物體會怎麼運動，光影會怎麼變化。也就是說，我們希望模型通過生成和預測視頻，直接學到世界運行的規律。

LeCun 不讓模型直接預測像素，而是先用 encoder（編碼器）把視頻編碼成一種抽象表徵，再讓模型在這個表徵空間裏預測缺失或未來的抽象信息。比如模型看到一個球落下，不一定要重建每一個像素，而是要學到 “球在下落”“它受重力影響”“它接下來可能會碰到地面” 這類更本質的抽象表示。然後，再用這個表示去理解和預測物理世界。

晚點 ：這個路線最大的問題是什麼？

劉威 ：容易出現 “表徵塌陷”。簡單來說就是模型偷懶了。你本來希望它看到不同的視頻，學到不同的理解。比如一個視頻是球下落，另一個視頻是人在走路，第三個視頻是水在流動，模型應該學出不同的內部抽象表徵。但如果訓練目標設計得不夠好，可能會出現，模型不管看到什麼視頻，都給出差不多的內部抽象表徵。

晚點 ：我知道他們也在用比如各種正則化的方法和訓練技巧，防止模型把所有東西都學成一個沒有意義的表徵。

劉威 ：我認爲如果加入有記憶機制的自迴歸學習方式，這個 “表徵塌陷” 問題會小很多。

我們的顯式世界模型路線雖然看起來是在建模像素，但它的訓練目標涵蓋了記憶、推理、交互、模擬，更加全面地建模物理世界，也更難讓模型偷懶。

晚點 ：聽起來和 DeepMind 做的 Genie 更接近？

劉威 ：從公開信息看，它和我們的方向應該有相似之處。區別在於，Genie 現在是一幀一幀地預測，而我認爲，未來一定會發展到直接預測未來好幾幀甚至好幾秒。我相信 Genie 的未來版本也會這樣走的。

因爲如果只看一幀，模型很難理解動作是怎麼連續發生的。就像看電影，如果每次只看一張截圖，就很難判斷前後發生了什麼。但跨度太大也不行，預測太遠，誤差會迅速累積，細節也容易丟掉。所以關鍵是找到一個合適的預 測顆粒度 ，既能看到連續變化，又不會把未來想得太粗。

晚點 ：這和人腦去思考和想象的區別是什麼？現在還有很多人會把世界模型套成大腦和小腦。

劉威 ：這一點上我贊成 LeCun。Hinton 可能會拿人腦神經元數量和 GPT-4 的人工神經元數量做類比，覺得 GPT-4 很強已經達到了人腦的智力水平，但 LeCun 不同意這種比較。

我也認爲，我們其實並不真正瞭解人腦的完整構造和工作流程，因爲它太複雜了。退一步說，就算我們完全瞭解人腦，也沒有必要讓 AI 系統去模擬人腦的工作。

晚點 ：這條路徑目前還有哪些地方是你沒有完全思考清楚的？

劉威 ：比如怎麼控制誤差累積，怎麼提升實時性，怎麼讓模型更精準地理解用戶指令並做出反應；如果它要和其他智能體協作，怎麼幫助對方更高效地進行強化學習，這些都是問題。

如果說短板，本質上是預測和模擬之間怎麼銜接起來。自迴歸模塊強在預測和因果推理，但它不能只給一個很粗的未來判斷。它也要知道物體怎麼動、遮擋怎麼變、光影怎麼變，否則預測出來的未來狀態太粗，後面的擴散模塊也很難補。

擴散模塊正好相反，它強在生成和模擬畫面，但模擬也不是簡單 “畫圖”，它要保持人物身份、物體位置、動作連續和物理關係不亂，這裏面也需要一定的推理能力，否則畫面可能很好看，但前後不連貫，因果關係也不對。

晚點 ：你剛剛說，世界模型最合理的落地場景是工業？

劉威 ：目前最現實的落地場景，是所有涉及第一視角的物理場景。比如第一人稱遊戲，絕大多數具身智能場景，自動駕駛也是第一視角。再往外看，工業製造機器人、醫療手術機器人、水下勘探、外太空探索，只要涉及在物理世界裏操作，都需要一個可訓練、可試錯的模擬環境。

你不可能把機器人直接丟到一個全新的真實環境裏，讓它從零開始學。更現實的做法，是先模擬出一個環境，讓機器人尤其是物理智能體，在這個環境裏訓練。

晚點 ：聽你講感覺現在距離世界模型的落地很近，但很多人還是覺得這是很遙遠的事情。

劉威 ：在我看來就是爆發前夜。

晚點 ：但如果我們看 Genie3 在年初發的 demo，仍然非常粗糙。

劉威 ：放心，他們肯定沒有睡大覺，每天都在鉚足勁研發。

晚點 ：中國的科技公司從來沒有建立 Lab 的傳統，爲什麼你在 2016 年願意離開 IBM 加入中國公司組建的 AI Lab？

劉威 ： 我一開始確實認爲中國的 Lab 很難做出來，尤其是民企辦的。那個時候大多數公司建立 Lab 都是爲很具體的業務服務的，像滴滴大數據 Lab 主要是爲了做商業大數據分析，研究路徑規劃、動態調價等等。

後來有一天，騰訊的姚星（時任騰訊副總裁、AI Lab 負責人）在凌晨突然找到我，說騰訊想完全對標 DeepMind，建一個 AI Lab，聊完以後不到一個月我就決定加入了。我想看看中國有沒有可能做出一個真正意義上的 AI Lab。

晚點 ：騰訊爲什麼想做一箇中國版 DeepMind？

劉威 ：主要是姚星看到 AlphaGo 之後，意識到這可能是 AI 的原子彈時刻。他沒有把 AlphaGo 簡單看成大數據或傳統機器學習的產物，而是認爲它代表了現代 AI 的關鍵特徵，數據驅動和深度強化學習。

晚點 ：DeepMind 後來被 Google 收購了，你認爲 Google 看到了什麼騰訊沒看到的東西？

劉威 ：Google 更篤定 AI 就是下一顆原子彈。站在當時那個時間點看，即便是在美國，多數人對 AI 的理解還是基於 IBM 的深藍，它能戰勝人類本質上還是通過存貯大量棋譜，再在當前局面下通過基於規則的搜索找到最可能獲勝的策略。Google 看重 DeepMind，是因爲它能通過數據驅動而非規則驅動和深度強化學習，把下棋這項技能真正學會。到 AlphaZero，它甚至可以通過自我對弈不斷進化。

所以 Google 願意不惜代價，把有潛力造原子彈的人和組織都收入麾下，包括收購 Geoffrey Hinton 的公司。

晚點 ：爲什麼你認爲騰訊有機會把中國的 DeepMind 做成？

劉威 ：我當時對騰訊的文化做過比較深入的瞭解，它很包容。很長一段時間裏，AI Lab 沒有明確 KPI，也沒有人因爲短期沒有產出就被淘汰。另外我覺得騰訊有做這件事的基因，尤其是遊戲基因，所以它來做這件事，是有基礎的。

事實也是如此。我們按照自己的思路很快把騰訊的絕藝機器人做到了世界第二，僅次於 AlphaGo，也是整個東半球第一個獨立自主做出基於深度強化學習棋類智能的公司。

晚點 ：但騰訊從來不是一個技術引領型公司，比如大家想到以前的百度和現在的字節，會很明顯意識到它們在某些方面的技術很強？

劉威 ：我不是很認同。微信、《王者榮耀》背後的技術，其實都非常領先。比如即時通訊裏的弱網通信、消息同步、海量併發；多人實時遊戲裏的低延遲同步、多人 vs 多人對戰、全球服務器調度，這些不是誰都能做出來的，甚至我敢說騰訊在這些領域是世界第一的。

晚點 ：你們爲什麼取名 “絕藝”？

劉威 ：來自杜牧詩：絕藝如君天下少，閒人似我世間無。這首詩寫的是杜牧送別圍棋國手王逢的故事。

晚點 ： 按你的說法，騰訊在 2017 年已經跟上了 DeepMind 的腳步，爲什麼後來沒有繼續跟着往下一步走？

劉威 ： 那幾年，全球的 AI 前沿主要還是由幾家美國機構在定義，大家都在密切跟蹤最前沿的進展、快速驗證哪些方向能走通——這在當時是行業共識的做法。

晚點 ：就是沒有想過像 OpenAI 一樣，押注 decoder-only Transformer，然後沿着 scaling law 持續把模型做大？

劉威 ：那時候 GPT-1、GPT-2 鮮有人問津，整個中國很少有公司去 follow GPT 的技術。即使 GPT-3 出來之後，大家也沒有馬上轉過去。比如百度的文心繫列，以及阿里早期的一些模型，更多還是 encoder（編碼器）或 encoder-decoder（編碼器-解碼器）架構，並不是 decoder-only（僅解碼器）架構。

真正全面轉向 GPT 式 decoder-only 架構，應該是在 2023 年大模型浪潮起來之後。那時候一線科技巨頭基本都在同一時間換模型架構，大家重新站到了同一個起點上。

晚點 ：2020 年以後，尤其是大模型浪潮之前，中國大廠裏偏純研究型的 AI Lab 就普遍開始收縮，或者被併入大模型和業務團隊。爲什麼從興盛到衰落的週期會這麼短？

劉威 ：因爲 AI 技術迭代太快。Lab 的組織形式可能已經跟不上 AI 大模型技術的激進發展了。

晚點 ：美國的經驗是什麼？

劉威 ：美國一直比較尊重科學家，產學研鏈條更成熟。教授創業、科學家進入工業界，在美國都很常見。高校反而受限更多，所以美國很多人會認爲，工業界實驗室比高校或國營實驗室運作起來更高效。NASA 把很多項目外包給 SpaceX，在美國也沒人覺得奇怪。

我建議中國應該向斯坦福和硅谷的合作範式學習，那裏不是簡單區分學術界和工業界，也不是把人固定成企業家或科學家，很多有能力的人都在斯坦福和硅谷之間流動。LeCun 可以是科學家，也可以是企業家；李飛飛也是一樣。

晚點 ： 有大廠高管跟我說，中國企業的 AI Lab 過去做不起來，是因爲中國企業和硅谷公司比還是太窮了。你怎麼看？

劉威 ： 總體看，未來中國純研究型的 AI Lab 可能更多會出現在國營或半官方機構裏，比如北京的智源研究院、中關村人工智能研究院、上海人工智能實驗室，這類機構會越來越多。中國互聯網公司的 AI Lab 大多已經併入大模型團隊。

晚點 ： 對企業來說，養一個研究院的作用究竟是什麼？

劉威 ：Transformer 不就是 Google Research 發明的嗎？它對硅谷某一家公司來說，未必是一項獲取短期收益的技術，但對整個人類社會的影響非常大。

騰訊當年有位高管說過，騰訊的科學家是全公司的財富，不隸屬於某個具體部門。我也覺得，中國科學家是全中國的財富，不應該只服務某幾個企業。現在官方建立這些實驗室，我理解也是這個目的，服務的不是某個企業利益，而是整個國家的基礎技術設施。

晚點 ：但現在趨勢確實變了。OpenAI 之後，硅谷公司對論文發表的審覈明顯更嚴，甚至不讓發表了。LeCun 離開 Meta，很大程度上也有這個原因。

劉威 ：是的 , 這種趨勢我也注意到了。也正因爲這樣 , 我更相信創業公司的價值，AI 這種 Super Power, 不應該只掌握在少數幾家公司手裏 , 而應該普惠人類大衆。這件事需要勇氣 , 而我們願意做。

題圖來源：Video Rebirth 劉威

- FIN -