Qwen-VL以通义千问70亿参数模型Qwen-7B为基座语言模型研发，支持图文输入，具备多模态信息理解能力。
七月初，Temu登陆日本，延续了一贯的低价策略，不仅同步迁徙了平台卖家的店铺与产品，还放出各式优惠促销和大额减免券。除了韩国市场，速卖通也开始积极在日本组建本地化团队。
另一方面，日韩距离中国较近，跨境包裹也能做到比较好的时效，对本地化的诉求不及欧美市场强烈。最近一年，速卖通在日韩市场势头很猛。最新版本跟之前的版本有巨大的差异，更加符合韩国消费者的偏好。韩国团队配置一事，在速卖通内部引起了较多关注。目前，速卖通正在加大扩充韩国本地团队配置，目的是借此实现今年GMV翻倍的目标。
去年年底，永阳在接受韩国媒体采访时曾表示，速卖通韩国站并不是只关注GMV等财务指标，他更关注在服务体验提升的基础上，比如用户访问量、下单用户数等。2018年，永阳独自一个人发起了韩国站点建站项目，用半年时间组建了一个三人小团队，之后用大半年时间，将队伍扩增至12人。所以，对于云计算平台而言，Gen-AI相当于提供了一种新的能力，即大模型所产生的无尽推理能力。
与此同时，其他大厂或反思或等待或观察，都没有仓促上马推出自己的大模型，反而是积极寻找差异化的定位，比如Apple一直是在冷眼观察找时机再切入。因此，必须要有坚定沉稳的信念，必须要以行动来捍卫自己的选择，也必须学习杀伐果断，舍中有取，先舍后取。迄今为止有三个行业非常符合这个画像：教育培训、健康医疗、金融理财，也分别对应了人类个体的三个主流诉求：成长、寿命、财富。这些可能都在暗示，AGI无法完全依靠LLMs来实现奇点的突破。
雷峰网：他们哪些共同特质是您比较喜欢的，或者说你认为什么样的人在这方面会有成就?张斯成：对于团队的特质，首先是满级信任。合伙人/联合创始人团队中，必须存在稳定持久的信任三角，这是获得成功最关键的必要条件。
当然，还有一些比较有特色的细分领域，也是值得关注或押注的，比如招聘、婚恋、法律等等，具体以后有机会再展开说说。其中既有国内的团队，也有国际化的组合，不过主要还是华人，毕竟我大部分的工作经历还是在华人世界中。人类点亮科技树的次序并不是随机的，其中需要大量、广泛、持续的运用和传播才能奠定某项技术的里程碑。在目前的现实环境中，这种情况并不大可能出现。
为了达到这个目标，一个可行的方法是采取类似第一性原理的方法进行解构，这样有助于真实触摸到每个赛道的主脉络，并沿着这个脉络设计和决定适合自己的竞争策略。也就是说，由于技术对生活应用场景的改变教育了个体对于新技术的认知，进而传导和激励个体在生产应用场景中对新技术的运用。雷峰网：AI-native怎么理解？具体表现是什么？张斯成：其实可以回顾过去十年2B领域的互联网化历程。然而，最终的结果，都将走到AI+阶段。
雷峰网：目前圈内流行的对大模型的看法和认知，哪些说法是比较认同的？张斯成：我不是大模型领域的技术专业人员，所以更多是从产品和商业的视角去理解当前的发展状态。在这个理念下，我与很多创业者进行接触，不论是专注大模型研发和应用的新生创业者，还是希望嫁接大模型能力的资深创业者。
雷峰网：国内是什么样的状态，有什么不同？张斯成：相对而言，上面说的两个方面在国内都呈现着不同的状态。因为项目之间的竞争力比照，也是一个体现功夫的地方。
这也是AI最有能力建立差异化服务的地方。可以说，我在力所能及的范围内，对这次Gen-AI创业相关的群体进行了广泛且有一定质量的接触。第四种是围绕大模型的基础技术或设施，比如工程化、数据库、数据处理等。雷峰网：所以说大模型不会冲击，反而会给B端带来新的发展模式？张斯成：对，在2B领域，不管是近期的+AI，还是远期的AI+，最终都要回归到对业务价值体系的理解和接受上。另一方面，LLMs（大语言模型）的发展历史上，当OpenAI默默发展数年之后突然一个弯道加速甩开Google身段时，Microsoft及时的强力助攻让GPT模型迅速成为了全行业的参考系。对于个人消费者而言，陪伴带来的情绪价值是有时间厚度的，可商业化的潜力最高。
做垂类模型+应用的机会大，但要找合适的赛道切入雷峰网：您最初对大模型/AGI有一个什么样的预判？张斯成：在3月份的时候，我对AGI的发展预判大致分为了两个阶段：Copilot as a Service和Agent as a Service，而且我认为两者之间可能会存在比较长的过渡期，因为前者到后者不仅需要解决技术跃迁的问题，更需要解决信任和授权问题（这对人类社会从来都是一个巨大的挑战）。不过，这次Gen-AI的发展，国内与硅谷的进度条差异不是很明显，所以是有可能会走出一条自己的道路。
虽然大模型领域每天都在进步，比如最近在数学推理方面的进展，但大家也能隐约感受到模型能力的天花板。相对于Model as a Service更关注云计算在资源层面的整合，这两者都是从应用层面来评估AGI对人类社会的影响。
二是做垂类模型，结合场景去构建领域内的模型。在Gen-AI的渗透下，有些业务模块会提升，有些会消失，有些会重构。
至于创业者选择做2B还是2C类型，还是应该在充分自我认知的基础上因地制宜，切忌随波逐流。对于后者，重点在于如何定义Agent，因为需要解决信任和授权的问题，这个过程会经历比较长期的实验性试错。因此，大模型技术在达到基础可用之后，在科技史上的地位轻重就要看应用的发展了。过去几次由技术引发的创业热潮中，以应用场景脱颖而出的独角兽公司比比皆是，结果或是IPO或是被并购，皆大欢喜。
在这种重构中，将第一次出现人类以外的视角，甚至不同的逻辑。每个赛道都是AGI这个大局中的组成部分。
所以，领域知识可能在很大程度上将为垂类模型的存在建立一道保护墙。可以预见，在Gen-AI时代的创业节奏将大幅加快，意外和明天不知道哪个会更早降临，核心团队的每个成员必须都具备充分的逆商才能避免成为团队生存的软肋。
不得不承认，做基础大模型的研发是需要巨大且长期的基础性投入，如果今年才起步去和平台公司竞争是不大明智的，最好结果是被并购，但这注定是少数人的游戏甚至是伪游戏。或许，实现AGI的拼图中，LLMs只是一部分。
雷峰网：那应该如何建立自己的优势?张斯成：对于在应用层面如何建立自己的Copilot的优势，我会建议创业者考虑五点。我认为，接下来会快速从+互联网进入+AI阶段，也就是说，各行业在积极寻找如何具有Gen-AI的能力。无论我们以何种姿态拥抱这个必然发生的未来，无论我们能否在有生之年见证这个奇迹，我们都应该满怀敬畏，放下个体的执念，以延续人类文明为己任来发起和参与这场创业热潮中。领域数据是对客观世界的一种反映和记录，在领域数据的基础上发展出了领域知识。
对于职业经理人，情商是一个重要的特质。而+AI过渡到AI+之间，就是AI-native大行其道的时期。
这是我在阅读著作《世界文明中的技术》时得出的重要结论。第三种是做应用，基于大模型的能力解决实际问题。
再如，发展到某个阶段时通用大模型是否会超越大部分的垂类模型？AGI最终是一种世界模型独霸天下还是多种世界模型并存？具身智能是否是实现人类智能的必要条件？我们对以上类似问题的预判都会影响我们对项目前景的置信系数。就所知所闻，谈谈我对业内几个流行观点的看法。