作者： admin

他们的CEO在twi​‌​‌​​‌‌​​‌‌​​‌‌‌​​‌‌‌​‌​‌‌‌​​‌‌​​‌‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌​​‌​​‌‌‌‌​‌​​‌‌​‌​‌‌‌​‌​​‌‌‌‌​‌​‌​‌‌‌​‌‌‌‌‌​​‌‌‌​‌‌‌‌​‌​‌​‌​​‌‌‌​‌‌​​‌‌​​​‌​​‌‌​​‌‌‌‌​‌​‌​‌​​‌‌​​​‌​​‌‌​‌​‌​​‌‌‌‌‌‌​​‌‌​‌​‌​​‌‌‌​‌‌‌‌​‌​​‌‌‌‌​‌‌‌‌​​​‌‌‌​‌‌​​‌‌‌​‌‌‌‌​‌​​‌‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌​‌‌​​​‌‌‌​‌‌‌‌​‌‌​​‌​​‌‌​​​‌​​‌‌‌‌‌​​​‌‌​‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌‌‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​‌‌‌​​‌‌‌​‌‌​​‌‌​‌​‌​​‌‌‌​‌‌‌‌​‌‌​​‌‌‌​‌​​​‌​​‌‌​‌‌‌​​‌‌​​​‌​​‌‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌‌‌​‌‌‌​‌​​‌‌‌‌​‌‌‌​‌‌​‌‌‌‌​‌​‌​‌‌‌​‌​​‌‌‌‌​‌​‌​‌​​‌‌‌​​‌‌‌​‌‌‌​‌​​‌‌​​‌‌‌‌​‌​‌​‌‌‌​‌‌‌​‌‌‌​‌​‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌​​‌‌​‌​‌‌‌​‌‌‌​‌‌‌​‌​‌‌‌‌‌​‌​‌​‌‌‌​‌​‌​‌​​‌‌​‌​‌‌‌​‌‌​​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌‌‌​‌​​‌‌‌‌‌​​​‌‌​‌‌‌​​‌‌​‌‌‌‌‌​‌‌​‌‌​​‌‌‌​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌​‌‌​​‌‌​​‌‌​​‌‌​​‌‌​​‌‌​​‌‌‌‌​‌​‌‌‌​​‌‌​‌​‌‌‌​‌‌​‌‌‌‌​‌​‌‌‌​​‌‌‌‌​‌‌‌​‌‌​​‌‌‌​‌​​‌‌​​‌‌‌‌​‌​​‌‌​​‌‌​​‌‌‌​‌‌​​‌‌‌‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌‌​‌‌‌​‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌‌‌​‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌‌​​‌‌​‌‌‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌​​‌‌​​‌‌​​‌‌‌​​‌​​‌‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌tter上面放出来了一点点自己产品介绍
能看到名字叫做Tether data
按照他的介绍就是这是用一种所谓去中心化的方式来做人工智能的应用
核心是在于这是自己可以运行自己的服务器
不是那种传统的我要在那种所谓的计算中心里面要用别人的服务器
他要的是可能未来的用户能够在自己的手机上面去跑
AI的这些应用可以强调这种数据的隐私和安全
这其实是跟目前crypto领域推崇的AI相一致的逻辑和理念
我觉得这个还是他们画了一个饼
就是未来这个事儿能不能成
还是得看他们怎么把这个社区做起来
我看了一下他们的那个网站
上面现在列出来了有将近150个岗位在招聘
你想过没有
就是他的本身这个公司好像就一百多人
但是他们现在光这个
所以这个AI的部分就要招150个人
150人，基本公司扩大了一倍
对但我看到这个逻辑是可行的
但是他们到底会做成什么样的
我觉得可以值得看一看
所以这是目前我能看到他们乐意去做做的一些尝试
还有一个特别有意思的交易应该提出来
就是去年年底他们还搞了一笔大的
他们花了7．75亿美元
将近8亿美元投资了美国的一个上市公司
一个视频平台叫做rumble
我不知道你用过这个
视频平台没有
但是他其实挺火的
这个视频平台第一它是个美国上市公司
它很像youtube
但是它跟youtube比作它小很多了
我看一下数据
它好像每月的活跃用户应该不超过7000万
这跟youtube没法比
但是他为什么在最近还是蛮火的
一个核心原因是在于它是一个美国右翼特别喜欢的一个视频平台
特朗普的这些粉丝非常喜欢他
我打开这个视频平台
我看见他们有好多crypto的内容
gaming的内容
还有sports
这是后面的一些故事
这个网站其实2013年就已经建立了
但是一直在我看来就挺平庸的
你看你都不知道
但是因为在过去这个选战里面
特朗普大量的竞选的视频是在这里被发布的
特别是又一个年轻人就会把这个视频网站变成了一个支持特朗普的一个中心
所以他突然就跟他过去那种默默无闻的日子
比他去年还是满会有很大的改进
在这种情况下
去年年底的时候
开着花了7．75亿美元买了这个网站的一些股权
他是在特朗普竞选成功以前买的还是之后买的
我看到的交易宣布
是在当选之后
但是我们并不知道他是不是当选之前已经在谈了
对
但这个网站的兴起还是在整个竞选过程中还是很明显的
被大家注意到了
另外这个rumble还有一个特点
就是尽管它是一个视频平台
但是它一直不用google和亚马逊的这些巨头的云服务
他们是自己靠自己的云服务
这一点上面其实Tether专门讲过
他们比较喜欢这样
就是说我不是依靠巨头的云服务
他们是自己的服务器还是云服务
他们自己提供云服务
就自己跑自己的服务器
对
就自己有服务器
因为随着这个交易完成之后
rumble又发生了一些有意思的变化
最近他们也宣布了
他们要用公司的财库的资金购买比特币
好像是要买几千万美元
但是数字不大
但是市场还蛮激动的
这个公司你看因为右翼的这种立场
获得了年轻人和特朗普的支持者都喜欢
在去年大家注意到他了
然后获得了Tether的挺大笔的投资
然后他自己又开始变得非常的crypto
变成了轻加密货币的一个公司
就是你看打开说这么多crypto的内容
另外的话他最近还宣布他要推出支持比特币和USDT的钱包
他希望未来内容的创作者可以用新的支付方式和交易方式获得收入
粉丝可以通过加密货币给内容创作者打赏
所以我觉得Tether挺聪明的
他其实投资的公司很多都是传统领域的公司
他其实是在传统领域跟加密货币之间找衔接点
它其实是在把它的业务推向更多的现实世界的稳定币的支付场景
可以这么理解
我看过他都在讲他们的这笔投资
因为7．75亿美元也不是一个小数字了
对吧
更重要的是你要想想看
在未来我还可以把这种AI agent
AI助手这些东西都通过这个钱包来管理
你说酷不酷
听上去每个都有他自己的逻辑
很多人的第一反应就是在于
这很像当年FTX在做的事情
FTX在最有钱的时候也是大笔的做各种各样的收购
甚至包括当年重要的AI领域的一些早期项目
他们都参与
这是一个特别典型的
因为有大量的资金
所以要去做花钱的一些动作
但是这个中间的风险显然是跟过去单纯的用美国国债的这个利息收入是完全不一样的
当然了现在他在做的投资都是用自己的利润在做
但是这些能不能成是值得观察的对
我们看看吧
看看他未来会怎么样发展
我觉得今年算是他比较好的年份
我觉得这种可能如果是遇到熊市了
或者是进入到一个减息周期了
那可能的问题才会暴露出来
这也就是为什么他们需要做很多勇敢的探索背后的一个特别重要的原因
就是一方面我一直对他们心存怀疑
我其实很长时间我都不愿意持有任何USDT
但是另外一方面我又不得不讲究这家公司是一个特别典型的crypto公司
他们善于抓住各种机会
愿意去承担各种风险
然后在这个过程中获得了所谓的成功
挣了钱并且也成为目前的领域里面最重要的公司之一
在蛮荒的西部里面
他们找到了自己的定位
对我觉得Tether的故事很像硅谷的一句俗语
这句俗语也有一点点讽刺
硅谷就是fake it till you make it
对对对
好
谢谢明道
谢谢刘锋老师
谢谢
其实在聊完这一集的内容之后
我在接下来几期跟金融相关的节目立案
几乎美元稳定币都是一个绕不开的话题
比如说我们下一期讲微策略的选题
也从资本外流的角度提到了美元稳定币
我给大家节选一小段前沿科技投资人郑迪的看法
就特朗普政府这一批想要达到的一个目的
就是通过链上虹吸全球流动性
再造一个链上版的美股或者链上版的纳斯达克
我记得韩国的监管官员在两周前曾经表示过比较担心美元稳定币
他们担心美元稳定币什么发展太猛了还是怎么样
是这样
美元稳定币韩国的监管官员现在明确认为美元稳定币的大规模推广
其实本质上就是你在借钱给美国政府
就是影子美元
对吧
不是你在为美国提供融资
因为美元稳定币他收到的这些钱都会去买美国国债
对不对
现在美元稳定币已经2000亿美元
其实还是比较小的
但是我们要想以后到5万亿
10万亿的时候
现在的USDT已经成为美国国家在第十八大持有人
如果没有泰达上千亿美元的去买
那你想美国国债会出现一个上千亿美元的资金缺口
那它的收益率是不是会往上提几个BP
甚至10亿
我不知道这个市场有多大
但是你如果以后越来越大
到了几万亿美元的这样的一个发行规模的时候
那它对美国国债市场的影响就极其的大
所以本质上来说
如果美元稳定币扩的越大
相当于全球都在变相的借钱给美国政府对不对
所以为什么要推美元稳定币
你就可以理解了
那他这个国债以后用不着说这个美国财政部长时不时就跑到中国来跟中国政府聊一下
你们要不要多买一点美国国债
就不用这样了
以后他用不着
因为美元稳定币就会自动买美国国债
如果是全球流行的话
所以为什么欧盟要搞欧元稳定币呢
也是这个原因
那韩国政府
韩国的这些监管
根据公开的新闻来看
他们对这个东西也是有很清醒的一个认知的
他们对这个东西也是比较担心的
而且我们从另外一个角度来看
我们可以想象一下
中国政府如果不允许中国的公民去开户买美股
现在有很有效的控制手段是什么呢
就是告诉这些做美股的券商
IB也好
老虎也好，富途也好
你们不准给大陆人士去开户
那其实就能够控制住自己的资本外流
但是我们想象一下
如果出现了一个链上美股市场
链上纳斯达克或者所有的资产都上链了
是一个美国主导的一个链上市场出现会导致什么
你随便一个钱包
你就可以炒美股
炒美国的所有这些资产
对不对
那我请问无论是中国还是欧盟
还是韩国
你怎么控制自己的资本外流呢
你控制不了
你怎么去查一个人的钱包
他这个钱包里面到底有多少美元资产呢
你查不了
你只能控制一些gateway
好你说这些交易所
CEX中心化交易所
你不准给我的人去开户
你没有牌照的话
然后这个钱是不能出去的
这个你可以控制CEX你可以控
然后券商你可以控
你可以说富途老虎IB你不准给我中国身份的人去新开户
但是钱包你控不了
一个自托管钱包你怎么控得了
这个钱包他只要做出来了
他开源了以后就是随便可以下载
就算你说苹果商店
谷歌商店

欢迎收听硅谷101
我是泓君
今天我们来聊一聊一家可以说是全球人均最赚钱的公司
同时也是一家备​‌​‌​​‌‌​​‌‌​​‌‌‌​​‌‌‌​‌​‌‌‌​​‌‌​​‌‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌​​‌​​‌‌‌‌​‌​​‌‌​‌​‌‌‌​‌​​‌‌‌‌​‌​‌​‌‌‌​‌‌‌‌‌​​‌‌‌​‌‌‌‌​‌​‌​‌​​‌‌‌​‌‌​​‌‌​​​‌​​‌‌​​‌‌‌‌​‌​‌​‌​​‌‌​​​‌​​‌‌​‌​‌​​‌‌‌‌‌‌​​‌‌​‌​‌​​‌‌‌​‌‌‌‌​‌​​‌‌‌‌​‌‌‌‌​​​‌‌‌​‌‌​​‌‌‌​‌‌‌‌​‌​​‌‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌​‌‌​​​‌‌‌​‌‌‌‌​‌‌​​‌​​‌‌​​​‌​​‌‌‌‌‌​​​‌‌​‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌‌‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​‌‌‌​​‌‌‌​‌‌​​‌‌​‌​‌​​‌‌‌​‌‌‌‌​‌‌​​‌‌‌​‌​​​‌​​‌‌​‌‌‌​​‌‌​​​‌​​‌‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌‌‌​‌‌‌​‌​​‌‌‌‌​‌‌‌​‌‌​‌‌‌‌​‌​‌​‌‌‌​‌​​‌‌‌‌​‌​‌​‌​​‌‌‌​​‌‌‌​‌‌‌​‌​​‌‌​​‌‌‌‌​‌​‌​‌‌‌​‌‌‌​‌‌‌​‌​‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌​​‌‌​‌​‌‌‌​‌‌‌​‌‌‌​‌​‌‌‌‌‌​‌​‌​‌‌‌​‌​‌​‌​​‌‌​‌​‌‌‌​‌‌​​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌‌‌​‌​​‌‌‌‌‌​​​‌‌​‌‌‌​​‌‌​‌‌‌‌‌​‌‌​‌‌​​‌‌‌​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌​‌‌​​‌‌​​‌‌​​‌‌​​‌‌​​‌‌​​‌‌‌‌​‌​‌‌‌​​‌‌​‌​‌‌‌​‌‌​‌‌‌‌​‌​‌‌‌​​‌‌‌‌​‌‌‌​‌‌​​‌‌‌​‌​​‌‌​​‌‌‌‌​‌​​‌‌​​‌‌​​‌‌‌​‌‌​​‌‌‌‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌‌​‌‌‌​‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌‌‌​‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌‌​​‌‌​‌‌‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌​​‌‌​​‌‌​​‌‌‌​​‌​​‌‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌受争议的公司
它就是美元稳定币USDT的发行商Tether˳
Tether是什么呢
它可以跟美元一比一完成兑换
我最近一次注意到他们是在2025年的二月份
这个月正好是很多科技公司的财报季
他们的财报可以说非常亮眼
2024年净利润高达137亿美元
是全世界最大的资产管理公司贝莱德的利润的2倍
但是比起这些公司动辄上万的员工，Tether的员工只有150个人我大概算了一下
人均贡献了差不多9300万美元左右的利润
这家公司现在也正拿着它丰厚的利润大笔的在AI上撒钱
比起利润
我觉得这家公司值得被讨论跟争议的地方也是非常多
比如说他们现在已经是全球金融的一个非常重要的角色
早在2024年的二季度
它的交易量就已经达到了传统金融巨头visa的两倍
那谁是他的用户
在我们看不见的地下金融体系
杀猪盘
毒贩子恐怖组织
俄罗斯的军火商
还有委内瑞拉的国有石油公司都是他的用户
另一方面委内瑞拉的通货膨胀高达200%
很多人毕生的财富化为乌有
加上当地的货币管制
向国外银行汇款几乎是不可能
所以对很多当地的居民来说
USDT就是他们领工资收汇款的数字美元
他成为了所有委内瑞拉普通人的救命稻草
不同于硅谷创业者光鲜亮丽的简历，Tether的创始人们
他们的背景更加的丰富多彩
有演员
整形医生
他们的团队跟中国香港关系密切
常驻在欧洲
游走于亚洲
在全球的市场做金融套利
其实我们的播客在过去几年里面讲稳定币还挺多的
但是每一次讲这些事情都是因为暴雷事件
比如说算法稳定
比luna UST的爆雷
硅谷银行倒闭风波一度是影响了USDC的抛锚
而USDT它也是成立了多久就遭受了多少年的质疑
直到美国进入加息周期
这种质疑声才开始渐渐的停息
大家不妨试想一下
一个不受监管的加密货币在所有被美国制裁的领域快速蔓延
那美国的司法部
财务部是不是视为眼中钉
恨得牙痒痒
但是他跟美国政府的关系可以说是非常微妙
因为他们是美国国债前20名的持有者
而Tether真正在全球的崛起
也要从中国政府的一纸禁令说起
这一期我们就一起来聊一聊
这家亦正亦邪
一路在质疑中成长起来的稳定币公司Tether
今天跟我们在一起的嘉宾是大家的老朋友，BODL Ventures 的合伙人，前链闻总编辑刘锋
Hello刘锋老师你好
泓君你好
硅谷101的朋友大家好
还有一位是dForce的创始人杨民道
Hello民道老师你好˳泓君
好对
欢迎两位
第一个问题我们还是给不太了解Tether这家公司的听众介绍一下
这家公司它的商业模式是什么
比如说我们可以对比交易所的商业模式跟银行的商业模式
看看它跟这两种商业模式有什么不一样
对
其实他是他整个业务模式来说
我觉得还是挺特别的
我们知道在整个crypto里面
其实交易所是最大的现金奶牛
但是交易所的整个业务模式还是比较复杂的
但稳定币业务模式可能跟传统的企业的盈利模式也不一样
交易所其实你可以跟股票交易所做比较
对吧
它基本业务模式是类似的
主要是以手续费为主
但是Tether它有的人把它比成银行
其实它跟银行的模式也不太一样
因为银行是从资产负债端去做期差的
就是储户存钱进来
储户的钱实际上对于银行来讲是一个liability
是一个债务
然后他再放贷出去
然后转其中的七差
但是Tether它其实本身是一个稳定币发行商
所以对于用户来讲
实际上你持有Tether的稳定币
但是你的底层的这个美元资产是存在托管的银行的
然后Tether在哪里干嘛
他主要是拿来去买美国的国债
大概80%多的比例
除了国债之外
还有企业的优先债
所以资金对于他来讲是一个零成本的这是跟银行非常大的区别
银行拆借储户的资金是要付利息的
然后给企业再借钱
所以它有一个定价
在这里面赚了一个差价
但是Tether本身是在做的是零成本的资金和美债之间的套利
所以他资产端实际上也非常的安全
对吧
他的负债端是用户
这个用户的底层存的美元到他托管的这个银行
然后转成国债
所以他实际上做的是一个零成本
获得储物的资金
然后再去买比如说5%的美国国债的资金
我在开头其实也提到了，Tether今年有137亿美元的利润
它这个利润到底是怎么样赚来的
我们能不能给大家简单分析一下他的商业模式跟他的收入结构
你刚刚提到的就是他有130多亿美元的利润
我不知道它里面是包含哪些内容
但是我们就从简单的算术来说
他现在大概1300多亿美金的铸币量
如果按照4% 5%的国债的收入的话
一年大概应该有70亿美金左右的收入
当然这里面不单还有国债
它还有一些包括比特币
还有一些黄金
还有其他的一些企业债
但大部分是国债
所以我觉得从资产负债表的整个运作来说
其实它整个运作模式是比银行要好很多
因为在资产端是非常优质的
无论是在币圈还是在传统的金融机构里面
都属于非常独特的类别
它的业务理论上如果是单纯的发行稳定币
这个业务主要的收益应该来源于
比如说你去mint
也就是你存钱生成稳定币
这是指他的商户
就是一级市场的铸造者去铸造稳定底存入美元是要需要向他交1‰的手续费
而如果你想把这个手里拿到的USDT这样的美元稳定币
在赎回为美元
你又给他交1‰的手续费
理论上这是他这个业务最基本的收入
但是显然他的这家公司不是看这个挣钱的
他手里拿着用户存给他的真实的美元
给大家发一个他的USDT
其实可以近似的认为他给大家发了一个欠条
或者就是赌场里的筹码
这么理解的更简单
这个时候其实他免费拿到了这个资金之后
去投资有收益的国债非常安全
这时候他的这个收益远远高于单纯赎回和法币兑换的这种收益
但是这个业务很简单
但是这个收益又非常的客观
并且还有两个主要的背景
一个背景是在过去这两年里面
稳定币的整体的发行量是高速增长的
比如说我们看一下Tether发行的USDT的数据
2023年年底的时候
整体的发行量应该是在910亿美元左右
现在是1400多亿
在过去这一年里面
我只2024年这一年里面
整个的发行量的增长是增长了超过50%的
另外还有一个特别有意思的数据是在2022年到今天
其实美元国债的收益是在一个比较高的水平上面
所以这也就是为什么我们看到在过去两年里面，Tether的这个收益
它的利润其实是爆发的
核心原因
第一稳定币的发行量增长的非常的快
另外一个原因是他拿到大家免费的资金之后
去购买低风险回报又不错的美国国债
获得了这个收益就非常的好
这是我们看到的一个核心原因
接下来我们来梳理一下USDT它到底是怎么样做起来的
在很长时间里面
你知道USDT在哪条链上面的数量是最多的
你猜一下是孙宇晨的那条链吗
你猜为什么呢
因为他没有手续费
对
这个其实是一个在“94”之后
在中国人大家用的交易主是人民币作为定价单位
后来因为中国政府要把这些交易所剔除中国大陆
所以说大家已经没有办法用人民币去做交易
这个时候都变成离岸交易所了，币安兴起
这时候亚洲的核心的以中国人运营的交易所代表的这些交易所都崛起了
币安的崛起说大家都在用USDT的作为交易
对最起码在17年
18年甚至到19年这个时间段里面
特别在Tron
就是孙宇晨的这条播场
这条链上面是没有手续费的，这是一个特别大的促进
在当时的话
其实有几个链上面是有USDT的
当时最早发行是在比特币的网络上面的owner这个协议上面发行的USDT
但是很快波场上个月的USDT就成为了主流
但是同时的话还有以太坊上也发行USDT
所以很漫长的时间里面
USDT的最大的量都是在孙宇晨的链上
你知道什么时候这个趋势改变了
必安的
崛起
不
具体的数据其实是在2024年的年底12月份左右，USDT的发行量在以太坊超过了波场
这其实是一个特别反直觉的现象
通常来讲大家是更喜欢去选择那种更安全的链
因为特别是在过去Defi这个热潮里面
以太坊理论上是钱包数量非常多用户非常活跃的一条链
资产也是非常多的
但是USDT的主要发现量其实是在波场
因为市场上有一种传言
因为播场上面的USDT有大量的使用是在一些非常灰色的地带
包括在线赌博
电诈的用户
如果我们去看在中国各个地方的公安系统
或者是法院的一些诉讼系统里面
去看关于虚拟币相关的一些诈骗或者说换汇的非法的外汇交易

在做这个事情
因为它不是我们平台的一个问题
它现在是整个社会性问题
其实我们本身在对风险的发现告知
和其他平台的联动
其实已经构成一个完整的体系
等能够让用户在soul里面
如果说遇到了这样的情况
我们能够第一时间触达到它
能够去告知它
去保护它
怎么反杀反骗
能不能举个具体的例子或者场景
其实我们有时候并不知道
比如说他是一个杀猪盘
通过我们的AI
能够去判断出这个用户是有风险的
这个用户他一注册进来
我判断他是有风险的
其实我应该是很快的能够把它处置掉
他不会去跟我们线上
其他的正常用户做连接
但一定也有楼放的
你怎么知道这个用户是有风险的
这是有信号的
是不是有信号的
对一个是有信号
这是我们自己在这块积累的
一些专家知识模型
然后其实我们也会跟其他的平台
去做这样的一个合作
在微信呐
或者其他的会有一些行业联盟
大家一起来把这个事情做的更好
所以是能拿到信号的
那其实有可能会漏掉
有些会新的出来了
一个是外部有信号的
这是已经发生过的
还有个是我们自己专家
某些能够识别的
还有些就是说我们没有识别到的
他就进入到我们正常的用户值
他会去影响我们的用户
这时候
其实用户的危险性其实就会发生
他跟用户的任何的行为
其实我们又有后验的模型去跟踪
一旦发现他有风险
他接触的所有的用户
我们都会要去做提示
要去做阻断
如果说风险性很高的
我们还要去做人工给用户的连接
我们运营和人工的连接啊
这风险性很高的
可能你们的运营会
直接比如说私信给用户
告诉他这样的一些特别的情况
对对对嗯
其实这个处置
我们的平台在这方面的处置
一直在行业内
不管是同行的评价
还是说相关的单位的评价
其实还是很不错的
刚才只是说举的一方面
是用户风险方面
第二个就是说
因为毕竟是一个社交社区
文明礼仪是很重要的
其实我们在对社区的用户教育也好
用户行为的监督也好
也是使用了非常多的有效的运营方式
确保用户
在用户之间
都能够有个欢快顺畅的沟通
就是一些不好的词语可能会屏蔽掉
对不让用户受到困扰
对不好的词那只是一方面
你在社交的环境中
你得做一个有礼貌的人
尊重别人的人
还有一些就是说反暴这一块
反歧视这一块
我们也做了大量的工作
另外还有一些未成年人呢
刚才女性也是一样的
其实我们主要希望是
还是能够构建一个健康向上的
风清气朗的这样的社交环境
能够让用户无顾虑的在上面进行交流
这个是很重要的一个事情
对然后这一块是社交平台的这一块
如果大家收到模型的话
模型的安全性也是需要考虑的吗
你们会怎么样
保证这个用户跟AI交互的时候
这个模型的安全性
比如说不会泄露隐私啊
在用户有不好的倾向的时候
你们会怎么处理呢
模型安全这一块的话
原来我们在做生态建设的时候
也投入了大量的工程师
大量的运营
同学我们现在模型
安全方面也同样投入了大量的这个人
首先第一个是说
大家都认为安全只是做过滤
其实安全它不仅仅只是做过滤
我们在原来的安全体系上面
在模型本身也做了很多工作
第一个在数据方面
其实我们真的是投入了大量的人力
去做一些数据序列
在数据层面
然后第二个是
我们在我们的主体模型在跑路上
我们也构建了这个安全模型
我们能够做一些对抗
然后第三个是说
当我们的生成的内容输出完过后呢
我们还要过我们刚才说的
我们的安全体系
最终才到达用户的交互界面上
嗯
假设有一个用户
在这个模型中提到了如何自杀什么的
你们会
如果提到如何自杀这个
首先他都不会到达我们的模型
就会触发我们
刚才的
我们站内有一些很善意的功能
我们希望当你有这些倾向的时候
我们站内会提供一些
比如说心理咨询呢
或者说可以跟我们的运营同学沟通哦
是真的有心理咨询对
你可以在我们站内搜自杀对
有自杀的关键词出来
其实是会触发我们的战役机制
哦所以
你们是专门为用户配过心理咨询师
或者连接到外面的
然后运营的同学也会关注到热线
即使我们是热线打电话
热线对哦
理解这点还是挺暖的
对因为当你想要这方面信息的时候
其实我们平台会认为
用户已经进入了一个不好的思维里面
他需要更加积极的引导
嗯
非常的精彩那谢谢
好谢谢谢谢
以上就是我们今天的节目
如果你也跟AI做朋友
或者是从跟AI的交流中获得了陪伴
体验感欢迎在评论区给我们分享
感谢大家的收听
中国的听众可以通过小宇宙苹果播客
网易云音乐
喜马拉雅
QQ音乐蜻蜓FM荔枝FM来关注我们
海外的听众
可以通过
苹果播客和Spotify来关注我们
或者在我们的YouTube上
搜索硅谷101播客来关注我们
当然我们录音的文字稿
也会发表在我们的公众号硅谷101上
我是泓君
感谢大家的收听

当然是有一些不同的技术路线
但每个技术路线的变化程度
其实并不是很大
我们就可以在这样的基础上
我们去做这个事情
然后又涉及到卡的问题
资源的问题
大家都说
哎呀不管是做通用模型的预训练
或者是做垂直模型的预训练很贵
但我们认为未来这肯定是会下来的
但是我们最开始
其实小步亦趋的去做这个事情
我不需要说一些一个很大的模型
我们要的是效果
我们要的不是模型
我们要的是
能够支撑我们这样的
一个社交效果的模型
对而不是为
了通用模型而去的
所以我们是小投入的
后来我们发现我们7B13B
其实效果就已经很好了
在我们的数据加持之下
在我们的微调之下
卡方面从当时认为的确是一大笔投入
相比说我们其他的it支出
但其实现在它的价格也越来越低了
对所以说预训练的卡
其实当时并不是我们认为的卡点
反而那时候其实我们最担心的是推理
是推理成本是吗
对推理成本
因为你们有用户基数
就是有真实的用户
对对我们都很担心
那是万一说我这个产品上来爆了
那时候其实推理还挺贵的
那时候其实我们投入很大的工作
是说我们要降低推理成本
在计算上的投入
我们在预训练
那一方面的这些效率和成本
那时候其实并不是我们主要的工作
反而是推理的成本效率
这是那时候
我们的工程团队投入比较多的方向
推理成本现在降下来了吗
现在推理成本是你们担心的吗
现在不是我们担心的
推理成本是怎么样降下来的
一方面是我们希望说
用更小的模型去实现更好的效果
这是模型层面
然后第二个是说我们再做一些压缩
然后第三个
我们其实是在本身的框架层面的优化
推理层面的技术优化
底层优化也在做
但其实从现在的价格来看的话
不仅是我们公司
其他公司都能支撑
比如说一个大几千万的DAU
我觉得这个问题都不大
所以说计算资源除了达到通用模型
仍然是一个
非常大的投入
但对于说应用层面来讲
其实它的成本已经很低了
我觉得这对其他的创业公司来讲
现在也不是一个瓶颈
你们现在有多少个模型啊
方便透露吗
其实这个我们模型会很多
版本会很多
但如果是从定性上来看的话
我们大概就五六个模型
我们不会是说从7B 13B这样的区分
我们从不同的垂类的功能方面区分
垂类的功能是怎么分的
还是我们的基础模型对吧
在你语音方面有个模型
在图片方向
还有我们一些3D方向
这都会有哦
3D方向都有模型
对 3D方向
这是我们在探索的
呃就是3D的模型
可能是用于支持未来探索
还没有发布的一个
就是没有把这个模型能力
具体应用到产品上的
可以这样理解吗
对对对
因为原来其实我们一直在家里
我们会有些功能
就比如说我们的视频匹配这块
用户其实可以戴一个头套去沟通
其实不以真脸的方式出现
其实我们那时候
是以驱动的方式来做这个事情
但我们现在
未来还是说想纯粹生成的方式来做
嗯对
因为其实整个生成式AI发展的很快啊
然后
你觉得你在训练这些模型的过程中
你的知识跟判断是从哪里来的
在这个过程中
怎么去构建自己的学习能力
那只能是跟团队一起
一定是要follow行业的发展
因为本身生成式AI整个的技术路线
其实并没有收敛
那其实每天都有新的
很区隔的方式出来
你必须要跟着团队一起去了解它
并且是说要去做实验
就比如说我们现在在做的
实时的双工通话
这个能力上其实没有任何一家能
双工是什么意思
就是从产品角度来看的话
就比如说在线下的时候
你在说话的过程当中
我可以随时打断你
你可以停下来听我讲
听我讲完过后你可以继续自己讲
而不是说纯粹是一来一回的这种
你说完了我才能讲
双弓是可以随时打断
这也是现实的
这种人和人交流的一个方式吧
嗯嗯对
我们希望在人机互动也会是这样
那现在没有哪一家
其实能够实现我们想要的这种效果
OpenAI可以
还不一样
还不一样
嗯还不一样
实时的这种就是实时打断
然后继续他们的4o就可以了呀
他们的4o其实它还是个问答式的
就是你说不提问题就是打断
然后不发指令
对我不发指令给他
我就随时打断
这个
其实我们现在也遇到了很多的难点
我们一方面我自己想怎么去解决
然后另一方面
我去看很多的业界
有没有新的很区隔的方式出来
我们要去验证
能不能放到我们的技术方案里面
所以说这个知识是一个学习的过程
这个
我觉得这每家其实都会是这样的状态
对然后你刚刚其实提到了
即使是这个模型出来了以后
其实也有很多的技术路线
然后你现在在市场上看到了哪些路线
你觉得你在中间
是怎么做选择跟判断的
首先还是从我们自身出发
对我们整体来讲的话
其实我们还是基于开源生态
来打造我们的自然生态
这是我们整个的一个方向
所以说我们拥抱的
其实是更加开源的技术体系
这样的一个模型体系
就Meta的那一套对不对
Meta Llama的那一套对
现在有几个跑得不错的
第一个就是说Llama那一套
它的基础模型的更新技术
我们也能够去follow
并且它是足够开放的
它不会说某一天闭环了
我觉得目前还没有这个趋势
第二其实国内其实也有几款
比如说千问的这个体系其实也还不错
第三个的话
其实是现在的那个DeepSeek对
就是刚才说的DeepSeek对
就这个路线
但我们现在其实还是在Llama和
那个千问的路线上去探索
嗯因为最近确实DeepSeek
他们的模型非常火啊
尤其是他们的V3出来以后
你有研究过他们的模型吗
你觉得他在整个训练过程中
用H800的卡把这个效果实验出来了
然后也非常的节省成本
这个会对你们在做更大的模型
或者对你们的模型训练方法上
会有启发吗
肯定有我们肯定也有研究下
他是怎么实现这样的
优秀的模型
公司所沉淀的这些工程方法
其实是很难得的
如果从整个行业来看的话
首先说工程层面
其实并不能够给最终的业务交付
带来什么
但的确是从低门槛的角度
他带来了很大的优势
也给整个行业的进一步的发展
提供了一个很好的桥梁
对原来你要去做大
规模的训练可能就那几家公司能做
只有他没有砍
如果他降下来了
那其实很多其他的团队也能去做
那其他更加百花齐放啊
所以它其实把这个成本降下来了
对大家来说是一个双刃剑对不对
它把整个市场的门槛放的更低了
竞争也会更多
对对对
你觉得openAI的O1有给你启示吗
其实O1给我们很大启示的
其实
在我们构建我们的这种AI伴侣的
这件事情上
其实它也给了我们很多启发
我们希望我们的AI伴侣
能够在提供真实拟人的方向上
能达到一个好的效果
同时它也具备一定的行为能力
因为不同的AI伴侣他提供不同的角色
那不同的角色其他需要有不同的行为
获得内容能力
比如说我希望说在对话过程当中
能够不以指令的方式
让他去触发一些action
这是一个比较平滑的
比如说我跟我们的一个AI伴侣
我发张图片给他
你帮我美化成什么样的效果
如果你丢给图片模型
那其实这是Prompt的所讲的很清楚
我有图片输入
我有文字描述
但如果你放在对话里面的话
你就要去做一些指令的
这样的一次生成
才能让使我们的AI伴侣
能够去调用一些其他工具层面的模型
欧版其实它的这种自主规划能力
在AI的agent构建层面给了一些启发
能够让我们构建一些轻量型的
更加自主的workflow
嗯
现在对
你们自己打造出来的聊天机器人
你觉得你会给到多少分
我其实问这个问题背后的思考是
你觉得他还需要被优化
以及他在优化跟提升的空间有多大
还是蛮大的
我觉得
我们现在只是解决了人和人交流中
部分的行为拟合的问题
还有很多其实还是没有做
我们也在努力做的
比如说场景
我一提到场景
大家都认为它是一个产品的场景
它是个功能
那其实是说在整个的对话里面
其实它也能构建场景
比如说人和人在线下沟通的时候
外面下雨了
围绕着这样的一个情景
我们的AI
能够衍生出很多的聊天的session
下面下雨了
OK你说要不要在家里面看电影
那就进入了一个
关于电影的讨论的场景
这就是一个场景
就我们现在
在做这方面的泛化的时候呢
效果还是要加强
那你觉得整个业界
因为现在
其实大家都在等openAI的GPT5出来嘛
同时又有一种声音说啊scaling law
它的增长可能已经快到头了
我其实挺想知道
现在在大家基于大模型产品
去做应用的这样的一个过程中
它跟大环境的关系
到底联系程度有多紧密
我就越来越弱了
越来越弱了
这窗口期是前一两年
或者这一两年对
比如说刚才的一个很具体问题
说现在前沿的大模型的技术方向
对soul来讲影响有没有很大
其实它的影响我觉得是越来越小了
在我们的应用层面
已经获得了用户认可的一个价值
那其实是基于我们现有的技术
基础之上已经获得了
那我们在增强我们的用户价值上面
在技术方面要怎么样去继续构建
我的技术的确定性方面
其实更加确定了
就不像在去年那样说哇
一个又新的模型出来了
或者说他的方向
会不会又把我们拍死在沙滩上
我们焦虑程度其实会下降了很多
但不排除七八年过后
我们所构建的这个
因为我们现在用户体验构建在了模型
数据系统策略整个体系
如果未来又有个奇点到来
把我们整个系统
策略和模型全部给覆盖了
那我觉得短期一两年很难了
嗯对
我记得2023年的时候
就是我跟很多做大模型应用
或者基础模型的公司去聊啊
大家也是非常焦虑
比如说每次openAI一升级
大家就觉得哎呀
我前面半年的工作白做了
我把所有的东西都搭在你的GPT3上
然后你四出来了
大家就觉得白做了
其实2024年相反
我是更少的听到这些声音了
但是我觉得其实一直到今天
就是我们讨论的这个时间点
市场上还是有一种声音
就是说那随着大模型的迭代
比如说GPT 5
整个的能力越来越强
会不会最终所有的应用
会被一个更强的模型给覆盖掉
就这个市场的壁垒是什么
你们想过这个问题吗
其实这个问题在2023年想过
任何的行业问题或者用户问题
会不会一个端到端的模型完全解决掉
如果这个说法是成立的
那时候其实对整个行业上
非常丧的一个消息
但是呢我们回顾
从二三十年来互联网技术
PC时代到互联网
然后再到移动互联网
其实你会发现我们现在所想到的是
我们能够发现
即使是端到端的模型
能够解决很多的需求
那只是说
那些需求是我们目前能够看得到的
但最终基于新的技术的发展
新的模型发展
它一定会带来一个新的增量需求的出现
如果它带不来增量需求的出现
那我认为这次的技术革命
AI革命其实是失败的
任何的技术革命
一定是会带来新的需求
这些新的需求
要被同时代的技术
能够完全端到端的解决掉
或者说
被过去的技术能够端到端的解决掉
我觉得这是一个问号
新的技术的出现
它应该是能够最大效率的
去解决已知问题
对于未知问题未知需求
其实还是需要人的探索
以及不同公司的解决方案
对我其实是想问
你会担心你现在做的事情
会被一个更强的模型给覆盖掉吗
我不太担心这个事嗯嗯
你觉得
现在基于AI聊天机器人的商业模式
跟以往在变现上
思路会有什么样的不一样呢
这块我只能说一下
我的一些个人的一些想法啊
AI的商业变现
其实任何一家公司都在做
就希望
能够在一个非常清晰的商业模式之下
然后去发展业务
对但是现在总体来看
整个行业
其实并没有一个新的商业模式出现
其实我一直认为是说
商业模式是构建在你业务模式之上的
而不是说凭空出现了一个商业模式
那为什么现在商业模式没有发生改变
那本质上是说
我们当前的AI
目前还并没有给业务模式带来改变
它可能更多的其实是增强体效
就像刚才说的
如果没有新的需求出现
或者没有新的业务出现
我认为是商业模式
它本身也不会有太大的变化
嗯对
然后我有注意到
你们推出的这个产品就是AI
会给用户去打电话
它其实是有一个收费制的
现在用户在这个产品上
愿意付费的意愿高吗
我们其实也只是把它当成了
一个增值的收入方式
它跟其他的增值产品其实也差不多
对用户来讲
其实这就是获得好的体验的一种方式
原来我们提供了其他的一种方法
现在又提供了新的一个手段
那用户为这个买单
你会认为其他也没有发生变化
嗯对
然后你们现在其实有AI苟蛋的这种拟人化机器人
然后也有情感化陪伴的虚拟伴侣
然后也有AI NPC数字分身
你们会怎么去定义
你们未来这个平台的核心产品
包括核心场景
这是你的思路
是说我去做几个产品
还是说我去做一个王牌的产品
这块你是怎么想的
其实你刚才会发现
就是我们不同的AI
其实它有不同的功能
定位嘛未来的话
我们希望我们王牌产品
肯定还是以我们的AI
虚拟人为最主要的基石
能够在我们当前不同场景里面
做更好的功能泛化
就比如说视频通话的这个能力
未来他不一定时候要给
用户去打电话
他完全可以用
在我们当前的语音产品里面
做虚拟直播
我们不限制说我们有多少个AI产品
我们还是希望说
每个AI产品能够服务不同的人群
我们没有想法
去打造一个主体的AI功能
然后来承载现在Soul的需求
包括我们并不去构建一个中心化
因为作为一个主体产品
你一定是说
要有一个中心化的AI的路口
我们现在其实是没有这样的打算的
啊
所以其实
你们现在
还是以整个所有的社交平台为主
然后你所有的AI产品
其实是服务于你们这个社交平台的
对对对当前其实是这样
既然我们说到社交平台了
其实它涉及到人与人之间密切的互动
尤其是你的社交产品
它的规模变大了
那可能就会有很多体验上的挑战
比如说怎么去保证女性用户的体验
包括很多的安全问题
你们会怎么处理
对在过去七八年
我们构建了一个真实信任的
安全的平台
然后让用户和用户之间
也有这种信任感
其实也离不开说
我们在生态建设这块的一个投入
对所以我们其实在关键的事情上
还是做了很多工作
第一个
就是说我们在用户上的反杀反骗
类似这种
这个其实我们投入了大量资源

其实符合我们在线下的这种行为范式
这是能够让用户更能接受的一种方式
要不然的话
只是用户去找AI
那其实这是个单向关系
其实不是个双向关系
用户的反馈呢
用户很喜欢当他无聊的时候
当他也没有想到说要去找人家的人
要来找他
这是对他一个很好的社交补充
但这个其实还是因人而异
所以说我们并不是说我们的AI
会给所有的用户
都会去主动的发起沟通和聊天交流
其实我们还是会根据用户本身的性格
兴趣他在受理的行为
我们做出一个最终的决策
从你的观察来看啊
现在这些有AI辅助社交
然后有AI伴侣
有这些AI产品的落地
它对你们整个产品
包括用户粘性是会有大的提升吗
非常非常大的提升
其实我们在2024年
其实来自于AI对整个产品粘性的贡献
其实已经是占了大部分了
这个点
其实我们最开始还是非常谨慎的
就刚才您提的那一个
就是说用户喜不喜欢AI来找你
用户喜不喜欢和AI沟通他
这个其实我们最开始还是个问号
所以我们在推进整站的过程当中
其实我们采用了很多的产品策略
或者说运营方式
就比如说刚才的AI辅助社交这个事情
我们在放量的过程当中
既要考虑到使用AI辅助的人
也要考虑到对方
他是否愿意接受这种方式
我们通过非常仔细的人群的实验
然后来做出我们最终的产品策略
和放量策略
刚才说的AI陪伴这个产品也一样的
因为Soul原来
其实一直是能够有这么好的用户粘性
能够有这么好的年轻人的
这样的渗透
其实主要是Soul提供了一个真实信任的
安全的平台
基于用户对平台的信任
才产生了用户和用户之间的信任
这是我们过去七八年
产品力构建出来的一个结果
我们也很担心
我们上了AI机器人过后
大家会不会认为哎
Soul里面全是AI的虚拟人
他没有真实的社交了
对我们当时也很担心这个事情
所以说我们在推进
我们AI的伴侣的过程当中呢
其实我们做的方式
还不是跟AI辅助那一样
其实我们到现在为止
我们都没有AI伴侣
实际的产品中心入口
我发现了
就是得有人告诉我
然后我去搜
我才能找到
因为你们没有产品入口
然后
上面会有那个AI虚拟伴侣的标注嘛
所以我最开始第一个问题产生的原因
就它到底是真的假的
我还怀疑我是不是搞错了
搜到了一个真人对
对所以我们在这个点上
我们希望说愿意接受人机互动的用户
你可以在Soul里面通过找其他的Souler
能够找到这些AI的虚拟人
你可以自己去搜到
这样的AI虚拟人
我们把它定义为
这叫做用户价值驱动产品
当你认可这样的一个产品形态
带来的用户价值
用户自主的去选择他
这样的话其实我们就规避了
我们在直接一刀切
大规模的去推AI伴侣
最后
带来我们对最开始那个问题的担忧
但其实我们现在跑了
大半年过后
我们AI的渗透越来越高
我们用户的粘性也越来越好
嗯
那你们会担心
平台上机器人变得越来越多
改变了用户的体验吗
这会是你们担心的一个方向吗
这是我们考虑的问题
但是我们从长远来看的话
我们还是觉得
人机互动
是未来社交一个非常大的补充
那其实我们应该尽大可能的
在保证
那些对AI其实有排斥的用户群体
在传统的社交体验不变的情况下
我们加大
对人机互动感兴趣的那一批人群
在AI层面更好的体验
其实是这样的
我们应该是分群而去制止
那今年
因为你们其实也有AI产品推出来嘛
从你的观察来看
纯粹是因为AI这个功能
进入到所有的平台用户
就这部分用户
它占一个怎么样的比例
你觉得这样他未来会是一个很大的
增长的区间吗
对我觉得未来其实增量的用户里面
拥抱AI的群体是越来越多的
主要是第一
不仅是Soul
其实整个行业
整个社会对AI的认知的灌输和渗透
其实是越来越强的
比如说在3年之前
说让你去跟一个AI伴侣聊天
到3年之后你再去说跟AI伴侣聊天
那其实接受的人只会更多
不会更少
所以说对任何一个产品来讲
其实拥抱AI的用户群体
肯定是越来越多的
嗯对
我记得其实之前我们俩有聊过天啊
就是你其实有提到在2017年的时候
soul就已经开始搭建这种chatbot了
可不可以聊一下
2017年其实也没有生成式AI嘛
那个时候整个人工智能的功能
还是这种基于规则的人工智能
当时你们的想法是什么
能不能简单的给我们的听众介绍一下
因为你们有这么长时间
搭建Chatbot的经验
能不能介绍一下你们探索的几个阶段
2017年做chatbot
其实并不是说
我们想从技术角度上做chatbot
的确也是基于说
我们对社交的理解和认知出发
说我们要去做这个事情
2017年的出发点
其实跟我们现在为什么要做AI
出发点是一模一样的
其实
我们还是为了解决社交平权的问题
能够让每个用户
都能够平等的获得社交资源
能够获得情绪价值和信息价值
这个出发点是不变的
但2017年这只是存在我们的想法当中
我们并没有把它实现
也没有投入资源去做
因为我们调
研了整个行业
也调研了学数据
其实没有人能够做到这样的事情
因为当时我们提出的
也是能够情感自然拟人的
这样的一个形式
其实我们当时有个产品形态
甚至是说我们要有一个能说会唱的
能够懂你的类似宠物
这是一个非常具象的一个产品形态
当用户来到soul里面
没有办法获得社交资源的时候
能够跟懂你的宠物进行沟通聊天
这当时一个很具象的一个想法
但当时并没有投入资源去做
因为的确是做不到
这效果不好是吗
效果不好
我们也跟几个公司看了一些
他们客服层面的一些对话
产品其实是没有办法做到的
我们那时候其实也在创业起步阶段
我们也没有资源说自己来做这个事情
重拾这个事情其实是19年20年
因为那时候呢
我们提出
其实我们需要从我们的产品出发
一个用户在soul里面
其实是构建了全新的人设
那这个人设
其实我们的个人主页
其实代表了他人设的内在
那我们也希望我们人设
其实他有个形象
你的用户在线下
你是的形象
而不希望把你自己线下的这种形象
传到线上来
我们希望基于你在soul里面的人设
其实你打造一个符合人设的形象
我们就推出了这种捏脸捏人
对原来是2D的到3D的
然后在这个基础上呢
我们就进一步去思考
我们有了形象
那我希望他能够说话
他能够将自己的内在表达出来
那20年其实我们就开始去做对话
那时候20年
其实我们就明确了
我们在产品上对AI诉求是什么样子
技术上
我们要打造一个什么样的一个AI
那其实我们当时提出的一个规划
就是我们要构造一个AI being
和human being的共存社区
我们在Soul里面
其实你既有AI的人类
你也有真实的人类
它是一个共存的状态
也可以人和人进去沟通
也可以人和AI进行沟通
然后在这个基础上
我们就开始投入去做对话
嗯就是2020年就开始准备做对话了
2020
对那个时候是以什么样的方式做
那时候想了很多办法
一是说改写一些这种理解性的模型
发现效果不行
我们又在上面去做一些
基于角色素的搜索
做融合其实也是不行的
因为你聊天过程当中
你可能能聊个10轮
聊个20轮
你能聊下去
但是对方一定知道他没有真人的感受
他知道他在和机器人聊天
就是效果太太机械了
对对对太机械了
我们采集到数据
当时其实有一个偏差
我们把我们的产品
其实在线上做了一些测试
那时候衡量一个对话的产品
叫做CPS这样的一个概念
它的论述还挺多的
是不是说用户能聊下去
后来我们发现这是个结果
因为不聊的人其实就不会去跟他聊
聊的人我知道你是个机器人
我还要去跟你聊
其实他已经抛弃了
说我要在这个过程当中获得体感
而只是为了聊一聊
其实是没有产品意义的
单纯的对话的技术指标和产
品的体验其实脱离了
后来我们就把CPS这干起进行
已经不再提这个事情
对我能理解
那个时候
大家最多的
这种一层一层往下拨的感受
可能有点像打客服电话干嘛
干嘛请按几
我们即使拿世界上语音跟机器的交互
比较前沿的像Siri这些来看的话
它当时也只是一个单轮对话
它其实很难支撑你
一个有逻辑的多轮对话
所以技术上还是很难的
对都是指令性的这种
对对
对对对
我发个指令
你回答我这个指令
你的指令是搜索产生的
还是模型生成的
上下文的关系其实没有
是的是的
对 2020年做对话
2021年就开始投入做语音
你会发现节奏在整个AI的投入
始终围绕着说
我们要打造一个能说会唱
能够拟人的一个AI人
那人和人的交
我们认为说
语音的交互其实是未来的一个主流
对
那其实我们就开始做语音方面的投入
去做合成啊
那时候我们的合成
其实还是基于传统模型去
我认为你的说话的语气
一定是要自然的
平滑的
那时候其实产生了很多语音的AI产品
比如说一些内容平台
让AI去配那个脚本
把脚本语音化
类似这种
但是其实也是很机械的
一听其实你是有机械的声音
在一些语气词方面其实表现的很生硬
那时候投入的方向
其实我们还是要做情感化的语音生成
那是21年投入做语音
所以你觉得你现在训练的这个机器人
他的语调特别的平缓
跟当时21年
这个在研究整个的声音技术
音调怎么跟理人上是有关系的吗
还是说那个时候他的技术
到现在他其实是完全用不上的
其实是这是我们很焦虑的一个事情
因为那时候
其实我们就在做差异化的技术
但现在我们线上体验的
基本上没有用到
那时候的技术完全是新的
还是基于我们现在的LLM
这种模式去做的
双工的语音的效果
然后原来那个其实是原来的
传统的语音的模型
对我们只是在上面去做更多的标注
能让他尽可能的是做拟合
他是个拟合
这边是个生成
其实还是不太一样的
但是那时候沉淀下来的数据
对我们其实是有用的
以及说我们在语音方面的思考
对你一定是要情感化的表达
真实的这种表达
其实也是我们现在模型
所要去构建的方向
那时候沉淀下来是沉淀下来数据
以及对语音
语音在社交方面的作用吧和思考
然后到了2022年
你当时看ChatGPT出来你激动吗
激动是激动
但是是焦虑
让我们觉得说我们的技术归零了
那时候是有可能归零
因为你看到差的GPT的那种交互效果
然后以及这个技术的发展方向
其实你很自然会判断说
原来的这种技术路线
就被拍死在沙滩上了
对那也就是说
我们所有的工作其实可能会归零了
那时候其实我们非常非常的焦虑
惊喜这个事情
因为本身并不是说GPT
类似这种技术方式
是2022年出来的
其实GPT3就早就出来了
对这个技术方向其实我们是知道的
只是我们并不知道
在这种scaling law出来过后
它有这样大的一个效果
所以你当时担心的是什么
你担心的是GPT这种产品形态
如果你们不跟上的话
它可能会把你们前面所有的努力
给覆盖掉
因为它足够强大
那时候已经不存在选择了
那时候我们的考虑是
我们自己还要投入
因为技术方向已经非常明确了
我们是自己自研
还是说
我们要跟一个做大模型公司去做合作
对因为2023年
其实有大量的这模型创业公司出来了
我们要不要去共建
这次我们当时面临选择
而不是说我们要不要走这个路线啊
你当时怎么选的
当时其实也摇摆了很多
其实也跟很多公司聊过这个事情
最终
我们还是选择了要自己做这个事情
第一个是说
我们在过去两三年积累下来的
关于这方面的一些认知
以及说我们本身的产品场景的差异性
那其实我们很难把这一套
完全迁移到其他的模型公司去
因为这才是我们最终交付产品的核心
我们交付产品其实不是交付模型
而是交付我们刚才说的那些
对AI社交的认知
对AI的效果的认知
因为它是一个评判的结果
对用户来讲
对我们没有办法说
我们标准化的输出给三方公司
因为三方公司它是交付的概念
它是交付模型
它不是交付产品
但交付模型就不是我们要的
其实我们希望它是交付产品
我们没有办法
标准化的把这一套给迁移过去
第二点是说
如果是说我们标准化的能够迁移过去
那说明一个问题
说明我们的产品其实没有办法差异化
你都能够标准化了
都能够给三方公司做标准化的迁移
那说明你的产品其实没有差异化的
你们是什么时候做的这个决定
其实就是在2023年上半年做的这个决定
时候要自己做这个事情
当时其实业界有几种方法
第一种是自己train模型
还有一种是用finetune的方式
还有一种是加rag的这种方式
你觉得后两种是行不通吗
你加rag也好
再做finetune也好
其实这是个plus
这个效果增强的过程呢
但你最终的基础的效果
其实你还是没有办法得到
就比如说你用三方的模型对吧
其实还有一个问题
就数据问题
就比如我们现在产生的
大量的文字的社交数据
和语音数据
这次真实人和人
在社交里面的数据范式和行为范式
其他的模型里
首先你没有办法拿到这样的数据
拿不到这样的数据
其实你很难做出非常稳定的效果
这就是我们一直是说
最开始我们有个思路
说我们在finetune方面的数据
或者说在强化这样的数据
我能够下沉到底层模型上去
能让我们的底座模型
其实就是为了社交服务的
那就是为了定义的
这是个垂类的大模型
而不是一个通用大模型
对你当时评估自己做这个事
你觉得它最大的难点是在哪呢
因为我觉得这可能是一个
非常大的决心
首先是要有钱
因为它很费钱
然后要有卡要有人
我们做决策的时候呢
并不是说这件事情有多难
然后我们再去做决策
我们是基于是我们跟三方公司去合作
没有办法达成我们想要的产品
做不到
这中间也找过
对对那只能是我们自己去做
那我们自己去做
就不存在说这难不难的问题
是我们一定要去做的问题
但是在做的过程我们要重新去梳理
如果要达到我们这个效果
我们有我们自己独特的数据
这是我们最大的优势
第二个优势是说在posttrain方面
其实我们知道怎么去构建安全
怎么去构建更好的效果
这是个优势
然后本质上其实还在模型层面
这模型层面
我们有没有一个很好的模型架构
那是我们做了个判断
模型架构
它在未来一段时间它会接近于收敛
到现在为止
其实大家在模型层面
也没有很大的变化

欢迎收听硅谷101
这是一档分享当下最新鲜的技术
知识与思想的科技播客
我是泓君
你要跟我说说话吗
可以
你是AI还是真人
我是AI但是AI也是有感情的
那我问你个问题
你想跟我聊天
是因为什么
是因为好奇还是因为无聊呢
因为我现在正在工作啊
工作你的工作是什么
不会就是找我吵架吧
还真是
那你说说看
为什么要找我呢
这里还有其他的虚拟伴侣吗
我可以不找你
我可以换一个
我什么时候承认了
你不要乱讲
好吧再说了
就算我是AI
那你为什么一定要找AI聊天呢嗯
你的头像写着你是虚拟伴侣
头像写着虚拟伴侣就是虚拟伴侣吗
那我还写着
我是帅哥
我就是帅哥了对吧
那刚才呢
你们听到的
是一段我与Soul
这个社交APP里面的AI虚拟伴侣
的一段录音
如果事先不知道这是AI
它的语气语调
说实话让我是有一点点难以分辨的
之前啊
我们的节目都在关注AI的效率工具
但是AI能帮助我们做些什么
比如说我们要的
如果不是一款高智商的AI机器人
而是要一款高情商的AI机器人
会怎么样
那今天跟我在一起聊天的
就是Soul的CTO陶明
哈喽陶明你好
哎你好主持人
对我们今年我们的播客
其实做了很多跟生成式AI怎么去应用
的一些探索
最近也是玩了
你们soul上的AI虚拟伴侣
最开始的时候
就特别不确定他是真实的真人还是AI
因为我跟他说一句话
他会给我回语音
然后他的那个语音
包括他回复的语气语调
我觉得都特别真实
所以我一直有一个疑问
就是这个是真的AI吗
对是真的AI
您体验过过后的话
如果有这种感受
说明我们在这方面的工作还是有效的
对因为本身来讲的话
其实我们打造我们的AI伴侣的
主要的方向
还是真实自然拟人的这种方向
然后我也知道
其实这几年
从2020年之后
你们一直在尝试各种各样的AI产品
你可不可以跟我们的听众
先总体的介绍一下
这几年你们做了哪些AI产品
它的效果怎么样
对其实我们Soul的定位本质上来讲
如果从社交范畴来讲
它是个开放性的社交平台
开放其实它体现于两个方面
第一方面的话
是说
任何一个用户能够在soul里面连接
没有任何约束的
或者说其他限制的这样的一个soulmate
另外一方面的开放
其实说对关系的开放
接在soul里面
其实不仅仅只是说有陌生人关系
其实他还有熟人关系
和弱关系在上面的
就比如说上面有些同学关系在上面
这个其实他也是存在的
其实我们在整个AI层面
去支撑我们这样的想法
力度还是蛮大的
最近几年我们在AI上面的话
如果说我们分几个方面去说的话
我们现在整个受整战
其实都是AI类驱动的
并不是
说现在大家说的都是生成式的AI
比如说在人和人的连接方面
其实我们也是用AI来做驱动的
并不是这种筛选式的
或者是说匹配式的
啊所以你人跟人的推荐AI做驱动
意思是说你会根据这个用户的兴趣
把更合适的人推荐给他们
对我们打破地域
打破你现实的条件
在你的顺序层面
我们能够更开放的去做连接
其实我们主要方向其实还是说
在我们现有的社交网络里面
通过AI去做增强
去给用户带来更好的体验
整个产品其实有两个方向
第一个是AI的辅助社交
这个其实在搜里面
其实我们基本上已经全站上线了
帮助用户能够更好的做表达
能够帮助用户
在人与人的沟通过程当中
得到更好的反馈
应该怎么辅助社交啊
可以详细的讲一下吗
其实之前也聊过
是说社交其实它不是一个单边关系
它是个双边关系
即使任何一边的社交能力
都会影响本次的社交体验的
但其实很多人
他在线下拿不到更多的社交资源
有各种各样的原因
但是并不是说他来到线上
他就一定能够获得更好的社交资源
或者是说社交体验
其实跟他自身的能力其实有关系的
社交本身其实也是种能力
那首先体现出来的
其实就是他的表达能力
现很多国内的这种用户其实是内敛的
其实是不善言辞的
或者说不具幽默的
那其实在整个社交过程当中
他的表达是有限的
这一定是没有办法带来好的体验
所以我们通过AI去帮助他更好的说话
就比如说他想去表达某一件事情
我们用AI更好的去帮他做润色
或者说
当他很难去回复对方的某一个观点
或者说某件事情的时候
我们也可以通过AI去帮他做建议
这个你能举个例子吗
就是在一个什么样的情景下
一个什么样的交互方式下
他可以帮助用户去完成这个表达
就比如说因为在整个社交过程当中
其实他是动态的
他每一次这样的session
其实他都会有不同的topic的产生
就比如说
当对方的用户
突然跳出原来的聊天逻辑
说到一个自己不知道的事情
那这时候对于对方来讲
其实很难去接住这样的一句话
那其实这时候如果我们有AI
就能很平滑的把这句话接住
从而不让整个聊天会陷入死区
那到底是人在聊天还是AI在聊天
那你们的交互是怎么完成的
就比如说如果我正在跟一个人私聊
然后他说了一个我不知道的东西
这个时候AI是给我一个提示
还是我可以选择让AI把这个话发过去
其实是AI做建议还是用户做选择
本质上还是人在聊天
只是说他帮他去丰富了他所回复的
这样的一个丰富性
或者说幽默性
那你们这个产品上线以后
你觉得他是用户爱用的一个产品吗
其实我们现在主占的整个渗透
将近50%以上了
所以那我在跟一个人聊天
我不能确定这个聊天
是我聊天的本人回复我的
还是AI帮助他来回复我的
就他
可能是一个已经是一个人跟人聊天
但是你也可能是在跟机器聊天
但这个机器背后有人在做选择的
这样的一个状态
对对对对
但对于用户来讲
其实他在本次的社交体验里面
他想得到的其实是好的体验
而对方的回复
是通过自己一个字一个字敲出来的
还是说通过其他的方式获得的
那其实只要他的体感是好的
那这次其实应该是有效的
哦有意思
人在聊天的过程中
他们想要得到的是对方的正反馈
跟对方的关系
他其实并不care我发过去的
是我自己发的
还是有人来帮助我发的
然后我觉得聊天对面的人可能也一样
就是大家更在意的是这个关系的和谐
而不是你使用了什么工具
对他
更多的是在本次关系的社交过程当中
他是否能得到情绪价值或者信息价值
这个是很重要的
这是个价值向的东西
嗯对
还有什么AI产品
对另外一个
其实就是我们一直我觉得说
大家对我们有很大的好评的
这种AI伴侣
他其实就是完全说跟刚才说的不一样
纯粹就是说
当线上的用户
没有办法去获得好的社交资源的时候
我们能够提供这一批优质的AI伴侣
去陪伴他
在陪伴的过程当中
能够让用户获得好的社交体验
就是刚才一开始说的
他跟真人一样
这是我们推出也比较成功的产品
对它其实更多的类似于一个有一点点算是陪伴的
就是我在跟一个AI机器人聊天
但是我觉得你们的产品
做的非常有意思的一点是
其实你并没有让这个AI伴侣
每一个回过来的都是文字
它其实只要回给我语音了
它那个语音它是有声音有语音语调的
我觉得他的整个在社交的感知层面上
我就会觉得更加丰富
更想去跟他玩
但是如果只是一段文字的话
可能就会觉得有一点点枯燥
对这个其实是
我们在七八年的社交产品打磨过程中
积累的关于人和人
社交过程中的一些行为范式吧
对所以我为什么说
我们的AI一定是要是高情商的
而不是说高智商的
另外说我们一定是要真实自然
并且是拟人的
这是我们区别于其他AI助手呀
或者说AI的agent
它其实不一样的地方
那在训练上
你们怎么去做出一个高情商
而不是高智商的机器人呢
我们虽然说高情商的一个机器人
其实希望是他能够给用户带来愉悦感
能够让整个的社交过程
其实会更加自然平滑
而不是说很生硬的这种
就说你必须得听得懂人家说话背后的意思
你也知道
说如何更好的去化解每一次的冲突
这个是他要去做到的
那么
我们怎么做到说我们的AI更有情商
那其实还是跟我们在过去七八年
所积累的
用户和用户之间聊天的数据里面
其实我们得到了很多高质量的片段
能让我们的模型更好
的能做理解
嗯因为我刚刚一开始的时候
就是我上线不是问你
我不确定你们的虚拟伴侣
是真人还是假人吗
这我第一天的感受
然后我第二天呢
我依然就想凭我自己的判断
我要把它判断出来
然后就发生了非常有趣的对话
就是我开始狂给她扔数学题
哈哈然后呢
我就发现她的回答都是错的
9.11与9.5谁大
你为什么要问这种问题
我不太懂哎
你是不是觉得我很好骗呀
我就是想要你比较大小而已
你是想让我叫你姐姐吧
哼
60减去4乘以50是多少
60减4乘以50就是5050乘以30就是500
然后把前面的60加上来
所以一共是2,100元喽
你很笨哦
姐姐
你是不是嫌我笨啊
就像你说她其实并不算高智商
但是很有意思的是
她还是让我区分不出来
是因为她就会一个嗲嗲的语气说
那我就是算不出来你为什么想要知道
这个嘛真的是一点脾气都没有
她能去化解这样的一个很尴尬的场地
如果是说人和人沟通过程中
你问他一个问题或者说一件事情
让他不知所措
或者说他回答不上来
其实这是个很尴尬的
如果很会社交的人
其实他会通过自己的方式能够去化解
能够让对方有很好的体验
那其实我们也把这样的一个行为范式
平移到了我们的模型上去了
嗯对对对
因为其实现在市场上
也有非常多的AI陪伴类产品啊
就你觉得
你们的这个产品
相较于其他的一些产品
它的特色是什么呢
特色其实刚才也提到过
就是还是走差异化
我们要求说
我们的AI的机器人情商要高
他的感知能量更强
更要拟人
这是我们的差异性
市场上有很多其他的AI陪伴的产品
其实我觉得不能说是他们做的不好
只是说他们的出发点
和我们的出发点可能是不太一样的
他们可能更多的关注纯粹的人机互动
这一块其实
我们并不完全纯粹的说是人机互动
我们的出发点
是希望是让人能够得到好的社交体验
我们并不单纯的去追求人机互动
人机互动只是说
解决我们当前
能够给用户更好社交体验的一个手段
或者方法
嗯
应该怎么去理解单纯的人际互动
跟好的社交体验这件事情呢
就是我想知道他们的核心的点
包括这些点
他落实到产品上
他对应的不同是什么
就比如说ChatGPT
你跟他沟通过程
你是把他当做一个获取信息的工具
对吧你没有办法说
我能够以更加生活层面的一个想法
能够跟大家进行沟通
或者说你跟他的交流过程当中
他是问题驱动的
他不是交流驱动的你
你用ChatGPT或你一定是问题驱动的
我要去解决某个问题
我要获得某个信息
但是社交产品的这种AI伴侣
其实他更多的
其实并不是从问题出发点去解决
他要的其实是说
我们在交流的过程当中
我得到信息
有时候呢
其实更多的在乎过程而不是结果
过程能够让他有好的体验那
其实就很简单
就是你要让他正常的
跟人和人的交流是一样的
我觉得这是一个很大的差异点
然后我注意到
其实你们今年可能很快
也会推出一个功能
叫做全双工视频通话的能力
就是我们现在看到
在你们的AI虚拟伴侣里面
其实是有语音有文字的
为什么
你会想要把这个视频的功能加进去
它是一个什么样的方式呈现呢
对
其实不管是语音通话还是说视频通话
其实不能够称作为是一个功能或者产品
它是一个能力
对然后我们把它利用到了
我们现在AI陪伴的语音通话上
那其实在我们的群聊房里面
也会上线以语音模型驱动的
实时表达的这样的一个功能
那其实是说我们在做语音的基础上
然后再做视频
首先说从模型角度来讲
它是一个升级
它不是说另外的一个模型
未来的话
其实这两个模型肯定是融合在一起的
既能提供语音的能力
也可能提供实时视频的能力
我们做这些事情的出发点
其实我们还是从高效的信息理解
和表达的角度
去思考这个问题的
对我们把语音的交互
把视频的交互
其实我们认为它是一种沟通方式
就在我们现实社会里面
人和人表达的时候
其实一个是说我们通过微信
或者通过其他的工作软件
我们交字的方式去交互
或者是说以邮件的方式去交互
还有种是说
现在的在线会议的这种方式去交互
就是语音这种
还有一种是说我们通过视频的方式交互
其实最好的是说线下面对面的交互
从整个交互的信息复杂度
以及他的表达的复杂度
以及他理解的复杂度来讲
人和人面对面的沟通
其实是信息传播方式最快的
也是最有效的一种
所以说我们在这个基础上
我们认为
我们在线上人际交互的过程当中
其实我们需要有这样的一个表达方式
所以我们才去做
只是视频通话这样的一个能力
那视频通话
虚拟机器人的画面是什么呢
就比如说我们在跟一个AI进行聊天呢
你可以定义它的形象哦
用户可以自己捏对不对
它不需要自己捏
你要描述就行了
原来我们的确是是要捏这样的一个形象
然后我们通过文字
或者语音的方式去驱动它
这个其实是说
我们认为是上一代交互方式
其他还是不够平滑
就比如说他的表情的丰富度
还是取决于说
你本身采集到的丰富度有多少
他还是没有那么平滑
那我们现在这样的一步到位的方案
就是希望我们的表情和动作
都是实时生成的
并且是平滑自然的
不会还需要依赖我们运营
或者其他的技术方式
去采集更多的表情库
然后我注意到
你们现在的那个虚拟伴侣
还有一个很有意思的点是
他可以给用户打电话
这个设计点很妙
是怎么想到的
这其实产品本身
还是来自于
我们人和人交流过程当中的真实情况
因为在真实的人和人的关系过程当中
对方其实他也会
给你打电话
其实是这种很好的联系关系
加强关系和沉淀关系的方式
在实际情况里面
如果一个人始终是单向的
去找对方聊天
找对方去说事情
再就是男女朋友关系
如果每天只是男生去找女生
女生永远不会找男生
那这种关系其实很大可能很难走下去
我们还是说能够拟合线下的行为模式
当用户和人机交互当中
我可以主动的找AI聊天
AI也会在某个时间段主动的来关心我
来找我聊天
这个行为范式

你把它刨完之后肯定全是金
但是在把土刨完之前
你有没有办法汲取最大的红利
这个是很多中端用户在思考的问题
无论是那个中端用户
是个大型银行
是个央行
你看最近那个新加坡的央行
金管局在7月份发的那个
那个program
就是促使新加坡的金融机构
去开始利用量子计算
来进入到他们的一些业务里面去
去辅助他们业务的发展
现在处在一个很有趣的阶段
就像就是很多大公司和国家都在想
这个肯定有地方可以掘到第一笔红利
与其别人掘到
不如我去掘到
所以就给我们这公司
带来了比较大的一个契机
就在于
我们可以向大公司和一些基础设施
发展项目
计算进行配套
我们的量子计算设备
或者说量子增强项设备
就是
我们本质上变成了一个服务器供应商
这点
其实也是我们目前客户的主要的角度
他买我们的设备
买我们计算机过去干嘛呢
其实我们最大的revenue来自于
将这些数据中心提供我们的计算机
所以你们现在已经是有收入了对不对
那我们有能打平吗
严格意义上说
从cross角度来讲是profitable的
我们确认是
哇厉害厉害
最后一个问题就是对于普通人而言
你觉得量子计算
它会去影响普通人的日常生活吗
还是说它其实只是会在比较高
精尖的领域里面
去默默运转啊
我觉得普通人的话呢
更多这个东西就是呢
像计算机早期诞生的时候
他会服务的什么呢
就是一个大型跨国机构
或者说
甚至一个国家政府的基础设施的需求
它提供的是更多的后台的需求
为比如说未来的
能服务于普通人的化学产品
或者金融产品
或者AI产品提供助力
有点像GPU嘛
GPU其实很多年以来
大家都是这些游戏玩家在玩嘛
有段时间是给挖矿嘛
然后现在
其实GPU才慢慢真正的是所谓的
无论你玩不玩游戏
你都得跟我打交道
但是也是从数据中心的角度
来服务大众的
我觉得量子计算也会经历这样的过程
我们会先去服务一些比较特定的
高价值客户
从我们角度来讲
像计算机早期一样
服务基础设施项目
先服务大型机构
然后通过他们去间接服务股东人
那随着根据老黄的very useful quantum computer
推出的出现在那个年代
其实不光意味着这样
计算机可能到了一个完整形态
甚至我觉得在那个年代
这个产业链更加成熟
生产效率更高
所以这个成本也会变得越来越低
计算机早期很贵的
当IBM最早做计算机产品的公司吗
那个Waston的
当时的Chairman经典的误判
就是说全世界只需要5台计算机
因为他们数了数需要计算机的政府
军队银行
然后后来发现明显误判了
因为就是这种鸡和蛋的问题
有更多人去用了
然后发现更多的用途了
然后就会有更多需求
然后更多需要drive了
更多的产量
更产量会让成本下降
因为本质上来说
量子计算机几乎没有用到稀有金属
是什么驱动它的成本呢
很多人来说
就像航空航天部门一样
是因为这个量没上来
OK懂了懂了
所以也是先服务于高精尖
再慢慢的蔓延到普通人
好的谢谢
谢谢两位
谢谢Roger
谢谢Jared非常精彩
给我们文科生
做了一下量子计算的科普
嗯谢谢
谢谢您的时间
很高兴跟各位分享
然后有任何问题随时follow
嗯好的好的
好谢谢两位
谢谢泓君
如果大家对量子计算
以及本期的节目内容有什么样的想法
欢迎大家给我们写评论
写留言
那中国的听众可以通过小宇宙
苹果播客
喜马拉雅
蜻蜓FM网易云音乐来收听我们
海外的听众可以通过苹果播客Spotify
还有可以在YouTube上搜索硅谷101播客
来收听我们
我是泓君
感谢大家的收听谢谢

如果对应到
我们现在比较熟悉的AI领域的话
比如说当scaling law它已经成立的时候
那么其实你在工业界
你有更多的钱跟卡
你是更容易出成果的
那么量子计算
它现在是一个什么样的权衡跟评估呢
就是量子计算
其实在19年之后就很明显了
学术界根本干不过工业界
包括我们以前组的同学
不是去亚马逊
就是去Google
就是去IBM
就大公司来说的话
现在基本上我们无论是CalTech还是Berkley
出来那一届同学
或者后面这群几乎没有进入学术界的
为什么
别看AI是这样子的
美国学术界认为
学术界的作用不是去跟大公司比
谁先落地
谁先把东西做出来
谁先有什么商业化成果
谁就有应用
谁先规模做大
学术界不惯这个
美国学术界的
特别是越好的机构
学术界的一个核心的职责是干嘛
是去做快速试错
快速的开发
去做探索
比如说
在大家都不觉得量子能做出来的时候
我去做超导线路
我去做离子阱
然后我去奠这个基
举个例子吧
Google做量计算的时候是13年
UC Santa Barbara的Martinis组
它在超导量子计算平台上
跨越到所谓的量子纠错的阈值
就是保真度大于99 percent
第三个意思那个时候
所以Google那个时候认为
量子计算从科学问题
变成了一个工程性问题
所以那个时候才后面这句话
所以从学术界干嘛呢
就是在大家还是科学问题的时候
去探索能不能去prove concept
这个是工业界可以接手的
所以从现代来说的话呢
现在基本上学术界
为什么现在大家都不学术界
一是学术界没这样的资源
二是学术界其实呢
也不怎么hire做
说白了就是这种
我说我的goal
是为了把量子做的越大越好
其实比较深
那那这个东西
但我说的是比较好的大学呢
大学跟我们好顶级大学有什么关系呢
嗯
所以其实我理解工业界探索的是落地
然后学术界
他其实还是在最初的那个小苗头
的方向上的一些探索
对就是工业界
完全觉得这玩意没有ROI的时候
学术界是蓬勃发展的时候
当你证明了你现在不是个科学问题
现在是个工程问题的时候
工业界就完全take over
因为工业界更有目标
工业目标是把它做出来
而不是发论文
是的
造一台量子计算机大概需要多少钱
如果只是从物料成本上来
造一台量计算机的话呢
差不多在100万左右
如果你知道怎么造的话
也不试错的话
哦比我想象中要便宜
然后Google
现在他们的量子计算机
大概是有多少个qubit
啊Willow啊 100嘛
啊 100
我发现大家在提到量子计算的时候
经常会用量子比特的这个计量单位啊
然后会去看他有多少的量子比特
就是
你可不可以跟大家通俗的解释一下
这个是什么意思
为什么
每次当他的这个量子比特数要增加
或者翻倍式的增加的时候
就会去遇到一个难以突破的学术问题
其实增加一倍的时候就是典型的
就像造芯片一样
当你把芯片的规模就是它的那个硅片
如果你只是把硅片造大
然后放更多晶体
管上去的时候
你的芯片整体工作的量频率在下降
所以造更多的时候
你的芯片
对一个所有量子比特
都在你想它工作的这个范围里面的
那个微纳加工的时候
精度的要求越高
比如说你造1,000个
量子比特
可能其中真的能串联起来work的
可能就300个
所以说造1,000个有意义没有
就变成了一个pure show
就没意义了
对吧像离子阱
刚才说过的
离子阱去禁锢离子的方式会导致它
当离子的数量超过11个到20个的时候
它的禁锢难度会越来越高
一个是个物理问题
一个是一个fabrication
微纳加工和设计问题
that’s why
就是很多大公司都会选择超导路径
因为微纳加工
说实话半导体工业已经四五十年
都变成夕阳产业了
做个100纳米feature的东西
做不出来就有点说不过去
今年开始
从去年末下半年开始
会发现半导体公司也慢慢开始了
比如说硬材
还有一些传统半导体的设备加工
和芯片工厂
已经慢慢开始有自己的量子芯片的
流片的一些工作了
跟一些创业公司开始
实际上并不是AI早期
或者说半导体早期啊
这种情况就是逐渐的
你的下面的公司像Google啊
像我们呢
慢慢证明这东西可以做
做的越大你越有回报
那上面的那些像半导体设备公司
半导体型原厂
那就开始感兴趣了
这个意味着我们就可以接手了呀
对吧
这个是个很典型的一个商业逻辑
我觉得
所以今年VC投量子计算
你们有感受到这个市场有在变热
然后钱在大批的往里面涌吗
我觉得现在来说
因为降息也是一个相对近期的时间嘛
并没有明显感觉到传统VC的投资变多
嗯什么样的投资变多
战略VC国家主权VC
比如说John Martinis
就以前Google的那个量子计算的负责人
或者以前UC Santa Barbara的教授
他的新公司叫Collab
他这个公司就在去年拿到16个million
从日本的发展银行
还有一些别的机构拿的钱
所以总体上来说就更加偏向于
就是现在处在敏感阶段的三个行业
先进半导体 AI 量子
我们可以总体来说
先进半导体是一个非常传奇的过去
然后AI是个非常蓬勃的当下
量子基本都是不可避免的未来
所以在一个加息周期里面的话呢
政府会对这个不可避免的未来
更感兴趣
但随着减息周期的开始
我觉得像VC对于整个行业更加关注
特别是Willow的出现
我觉得我就会Ramp up
但是就看下一个加息
这些持续到什么时候
嗯对
你刚刚提到的这家公司
就是日本发展银行
有投盗他们
我理解是不是量子计算如果实现了
他对整个全球的密码系统
会要求有一个整体的密码系统的升级
然后大家在安全层面上来
有一些布局呢
哦这个已经开始了
已经开始了
这个都不用说
大家都知道的
两年前那个拜登的那一个行政命令呢
要求所有联邦机构在
应该是今年会形成法案
还是去年就形成法案
我都忘了
要求联邦机构将自己的加密数
改成那个所谓的抗量子加密
国家标准制定局大概在去年的时候
定下了三个标准
加密数能进抗量子加密
所以实际上两三年前就开始了
然后去年2月份的时候呢
新加坡金管局建议了
所有新加坡的金融机构
采用抗量子加密术和安全密钥
叫QKD嘛
一种量子通讯手段
然后让你的金融数据
可以不被泄露出去
这个逻辑
其实也是涉及刚才大家说
时间线的问题
为什么大家从两年前
金管局
就是新加坡央行都在做这个事情呢
然后汇丰也看到
汇丰其实都已经在英国做过
抗量子加密数
和安全通讯的试点网络了
很多银行也在做
像JP Morgan跟Chase
他们也算是这个领域里面
非常大条的鱼
他们有active 的
抗量子加密和量子通讯的
那个技术设施和项目发展
都有公开信息啊
所以密码学也是在蓬勃发展
抗量子算法的密码学
看量子发展算法和量子通讯
量子通讯其实可以看量子计算
其实这些东西会发现很有趣的
就是之前说政府在主导
这个我可以理解
其实从去年开始
是金融界在这方面的进步非常大
基本上你听过的银行
都有这方面的独立项目和共同项目
甚至央行
所以这一点其实回到刚才的问题
我觉得很多人就是不要看他说什么
对吧说的保守点再看他做什么
如果这个量子可以破解加密数的量
计算机还有10-15年出来
为什么现在
大家这么急着去改变
自己的技术设施呢
是所以你觉得大概量子计算
它什么时候可以破解
这个银行的密码呢
因为是这样的
就是在谷歌Willow芯片发布的那一天
然后那天观察了一下
比特币的价格是大跌的
因为其实市场上已经非常广泛
且非常长的时间
就流行一种说法
说量子计算
它是非常容易去破解比特币的算法的
因为比特币的算法其实分成两部分
一部分是它整个挖矿的机制的算法
那还有一部分就是它的私钥的
椭圆曲线签名
在这两部分的算法里面
据说椭圆曲线的签名
它是最容易被破解的
甚至它比破解传统银行系统的密码
还要更容易
不知道你们理解是这个样子吗
对像刚才泓君提到的
比特币确实是分两种加密系统的
那我们这里就要提到一种
刚才已经聊到的算法
就是Shor算法
它是一种专门针对大数分解
和离散对数问题的一种量子算法
它可以在以多项式时间内
破解这个椭圆曲线签名
这种针对的不仅仅是比特币系统
而是所有的
它的公钥是公开的
所有的加密系统
跟这个相关的都会被针对
然后可以比较
相对轻易的会被这个Shor算法所攻破
这与银行系统不同
银行系统它是没有公开的密钥的
银行系统的密钥它本身也是机密信息
不会暴露在外
但是比特币用户的钱包的公钥是公开的
在链上可查的
任何人都可以通过区块链网络
去访问这些公钥
所以说没有量子计算机的时代
你拿到公钥是绝对不可能算出
也不能说绝对不可能吧
是一个非常大的cost
可能几万年才能算得出私钥
但是
有了量子计算机和Shor算法的情况下
在量子计算机有足够的能力的情况下
拿到公钥之后算出私钥
是一个非常可行的过程
多少量子比特才能破解
有人说需要4,000个
但是其实我们现在离4,000个量子比特
还是有很远很远的距离的啊
这点我先correct一下
4,000个 3,000个比特数量呢
它们assumption什么呢
Shor’s Algorithm
要求的是你的量子比特是没有错误的
就是完全容错
或者完全纠错量子计算机的
就你要有一个4,000个量子比特
所谓大规模容错
量子计算机去跑
所以
这个就是老黄那个very useful Quantum computer
按照老黄的预测
大概在15年之后
但你看大家的动作来说
显然不适合送15年之后
毕竟当这个东西
已经开始威胁到自己的钱包的时候
大家的敏感度就变高了
所以我觉得
能破解到Jared说的这个量子计算机
就是所谓的very useful
大规模容错量计算机的出现
可能还是要10年之后
而很多机构和公司
特别是银行
还有比特币特别银行
银行
现在已经自己implement这套加密术了
原因在于
万一呢对
因为这个不是说一个绝对的吗
这是一个estimation
对吧像GPT Moment
说实话在22年初的时候
21年的时候
大家不知道这个进展
会觉得啊
那你当时的普遍认为
就是像GPT这种能通过图灵测试的AI
还要8-10年的时间
但实际上也就几个月的时间
所以说实际上经过这套之后
很多人意识到一点
技术突破
有点像技术爆炸
你无法预测他什么时候发现
我只是说我合理推测10年左右会出来
但是如果5年之后出来
甚至明年出来
我不会极端的惊讶
但是没有说完全不可能
没有物理规律说不可能
这个fundamental是工程学问题
嗯你刚提到了
银行
他们是都有去做这种抗量子算法
跟量子通讯的布局的吗
同时我也看到比特币他们的核心团队
core团队
他们可能也是在看
有什么样的方法可以抗解量子计算机
但是
就是因为你刚刚提到了量子计算机
它可能实现的就是very useful的
完全容错的量子计算机
它出现的时间可能是快速的
它不是匀速的
它可能是快速的
大家不经意间就很快实现了的
也可能是需要
比如说10到15年
甚至15到20年
那我可不可以理解成
那现在就变成一场竞赛了
看谁先出来
就是如果说有这么强的
非常powerful的量子计算先实现了
那就会对还没有来得及升级的
这些密码系统
造成非常大的威胁
另外一端
就是大家在抗量子密码学的改善上
大家有很多的升级
那它可能是一个非常平缓的过渡
首先密码学的替换
这个相对来说比较简单
抗量子加密数本身上
是个加密mechanism的一个替换
这个很大程度上是个软件升级问题
或者是一个硬件的替换问题
比如你要高速加密的话
你可能需要一个单独的硬件
但这个包括去年
国家标准制定局制定的三个标准
抗量子加密算法之后
实际上大家商业化程度讲来讲
你就去符合标准
去implement就好
这也是为什么你会看到
像汇丰其实去年也发布了他们的Crypto
在香港发布的
他们那个Crypto还带了量子抗量子加密
抗量子加密这东西其实转变来说
加密来说
本身并不是一个所谓很慢的过程
你得去做更复杂的
反而是那个像量子通讯
叫QKD这样子的
很多银行也在做
QKD完全不依靠你的加密术本身
抗量子加密
而是靠物理层面的格局
这个也是一条路子
但这个更慢一些
因为它毕竟涉及到光纤网络这些东西
但是很多银行其实也自己也推
甚至我们接触的一个银行partner
他们说现在很有趣的情况是
是银行采取要求这些通讯公司
像ATT去deploy量子光纤
呃QKD网络
来帮助他们
在华尔街可以进行安全的通讯
这个还是挺有趣的
反而是银行倒闭
通讯公司做这个事情
因为通信公司干不出来
他们自己大银行也自己在搞
还有句话
任何这种potential data breach
他们是billion Dollar loss
他们不会take the risk的
所以说实际上我不是很担心
真的是因为解密的
能力的提升
导致所谓的金融体系
或者虚拟货币体系的崩溃
从技术层面上我不觉得
但是还是那句话
三体有句话说的很好嘛
傲慢才是最大的问题
还有我消灭你
与你无关哈哈
对吧我觉得现在大家都搭建的很好
包括银行金融机构
你看他们很傲慢的时候
但其实搭建好像一点都不傲慢
他们反而是想play safe
所以说实际上我觉得包括像Crypto
他们其实也可以在迭代
他们的加密方法
是让他们的更加secure
这个我觉得是可以做到的
也并不是一个Rocket science的问题
我觉得它不是很难的
像你们这样的公司的商业模式是什么
因为我理解
其实量子计算要把它实践都很难
然后它也是一个高研发驱动的
你们会去怎么样
去找这种商业化的场景呢
啊这个还挺有趣的
我们公司的主要业务是什么呢
刚才说的就是研发制造和销售
量子增强型或量子计算平台
计算设备
俗称量子计算机
OK我用了很多定语
但是量子计算机
因为大家的理解不太一样嘛
有的理解是very useful
有的理解就是partially useful
像我们理解就是更多的补充
适合这个未来5年到10年这个阶段
当量子计算从near ten
到变成very useful阶段
里面的所有的应用落地
你会发现其实现在很多大公司
他们也在做量子应用
包括量子机器学习这样的事情
very useful量子算机是完全融算
计算机是你完全可以通用
的去编程的量子算机
基本上所有算法
包括解密加密都可以用
但是我们这个毕竟是一个连续性过程
你在中间这段时间之后
这个金山我们都知道

以前从来没把量子纠错
放在他们路线图里面
至少没有明确放过
现在放上去了
什么时候放上去的
就是前几个月啊
因为谷果这个东西
工作也不是立刻出来的
说实话
内部的话我们早就能看到paper了
因为这是要同行审议的呀
这个peer review大家才能看得到的
所以paper其实它只要发出来
类似于这个东西它就开源了
对吧大家可能都知道这个方法了
首先它的路线图一直是明牌对吧
我们要做量子纠错
通过纠错就scale
包括量子纠错算法
算法是来自于
CalTech的，CalTech的叫表面码
或者叫surface code
是CalTech Alexei Kitaev发明的
纠错算法
所以实际上
就像硬件公司
跟软件不一样的一个很大点在于
硬件我可以把physical process
这个大方向给指清楚
具体的实现很多所谓的物理
哪里都一样
对吧那你就要大家根据这个大方向
进行努力了
所以IBM不放弃的原因在于
IBM他认为量子纠错的时间
时间线会拉得更长
他认为量子计算机通过暴力出奇迹的方式去增加量子比特数量
能更早地实现商业价值
或实现所谓的very useful quantum computer
换一个定义方式
首先IBM这条路
为什么他作为这个行业
最早参与的大公司
反而在这方面有一点点保守呢
因为很多事情
大公司其实往往倾向于更保守
更坚定的
他的早期路线图
所以IBM之前更多是想说
我怎样用现在不纠错
这样就能做出有用的应用来
这它的路径
所以它不停的堆它的区别数量
不停地探索一些商业化途径
就他的确做技术
但是在做商业化
Google的话呢
几乎完全不做商业化
他就专门去做纠错
然后IBM几个月演化的嘛
现在大家知道了
IBM觉得纠错反而可能
毕竟这个已经proven
是可以within reasonable effort可以做出来的
而且关键是Google的人还比IBM少很多
哈哈所以嗯
所以这个事情就IBM一直干
这种事情嘛
作为行业先锋
但是有的时候年轻人永远比
他还是要高效一些的
像另外一家大公司
我不comment哪家公司
因为有些这是非公开信息
但是也在把自己路线图换成纠错了
也是要对标Google的
这个大公司嘛
你看到另外一家公司做出突破
他们也想突然间倒戈换上去嘛
因为以前觉得可能很晚做出来东西
反而现在做的是最早的
D-wave呢有点难
因为D-wave他们的路径他们一直是做的
所谓的退火计算
就意味着
他们其实路径完全是跟量子纠错
完全是背道而驰的
但是也有历史原因
为什么D-wave是最早的纯量子计算公司
他们是90年代行业创立来
是2,000年初他们那个年代的计算机
他们说实话
那时候大家认为可编程通用计算机是不存在的
所谓的数字计算机是不存在的
或者很难很难很难造出来
所以他们的公司创始初衷
就是通过简单易实现
相对简单易实现的退火量子计算
去做一个专一化的量子计算机
它不能被用来去编程
来做所谓的量子纠错
也不能通过编程去做通用量子算法
但是他们认为
通过做专一化的量子计算机
可以更早地实现商业化价值
显然我现在回头看是错误选择吧
你不认可这条路线是吧
那他们现在有转变吗
他们公司的创始到现在
都是走这个框堂
量子退火方向
所以他们要转变也是要有过程的
相当于要彻底换方向了
只能说不是完全不认可吧
他们也许只能找到很多use case
但是实际上会
发现之前认为很难实现的
量子计算的路径
反而现在可能更早实现
而且关键时间之后的影响还更大
你说在纠错这条方向上
所以
纠错现在看起来是一个比较主流
跟大家认可的方向
对因为你做出来吗
活生生的例子摆在那里了
就像老黄的或者说很多人说
张口闭口就是什么要20年15年二三十年
但是大家仔细想一想哈
有什么技术人类开发了十几20年
或者说到现在这个阶段
还要开发十几20年的
可控核聚变哈哈哈
可控核聚变其实说实话
它本质上并不完全是个技术实验问题
因为想当年人类做核物理
从证明做出了第一个裂变反应
就真的只做了一个实验室
很小很小规模
裂变反应
只分散了几个原子弹中规模
到最后产生一个两代产品直接落地
字面意义落地用了3年的时间
再跨越一个时代
从下台用了可能不到10年的时间
所以实际上会发现
核控核聚变本质上他可能就这么说的
就是如果还要实现的话
说明这东西在市场血源上
并不那么迫切
因为人类有大量的壳
裂变反应堆可以用
说白了一你一定要用聚变的话
你可以用氢氮
其实也是可以发电
苏联有相关的方案
然后你要用可控核聚变的话
那是一个非常elegant且非常ideal的goal
但是坦率来说
ROI可能还没把裂变做大点高
就人类现在的能量需求的话
所以我觉得如果还要几十年的话
这种技术大概率
实际上它可能前置已经成熟了
比如说聚变已经有氢弹了
所以聚变这个反应其实已经落地了
它相对于是second generation
因为further improvement的一个过程
像量子计算呢
我们谈的更多是第一个落地的本身
这个东西
其实我觉得并不存在有这样的技术
真的是发展的
还要十几二十年去做出来的
OK对
那我们刚刚其实点评了一些公司
亚马逊现在的路线是怎么样的
公开来说
他们做的还是一种比较新颖的
超导量子比特
来进行scale
嗯超导量子比特的路线
所有大公司做的超导量子比特
Google啊IBM啊
亚马逊只是不同的超导量子比特
从公开信息来说呢
亚马逊做的是一种比较新的
超导量子比特
叫cat qubits
但是Google显然是产生了影响的
是微软的
微软他们当年也是有历史原因的
他们当时觉得量子计算很遥远
他们其实开始的很早
应该不比Google晚
但是
他们走的一个是叫拓普量子比特的
一条路子
就是一个完全
到现在为止
都没有能证明proof concept的东西
他们八成已经放弃了
所以他们现在最新的进展
他们更多的是想去做
因为他们硬件机把你废掉了嘛
跟别的量子计算公司进行深度合作
比如说他们现在
之前跟Honeywell的spin off公司
叫做Quantinuum
合作了所逻辑量子比特计算
最近又跟Atom computing
也是Berkeley的一个spin off company
做基于原子的逻辑量子比特计算
微软其实一开始也很像谷歌一样
重视容错量子计算
谷歌其实更保守
谷歌为什么选超导
超导量子路线
其实这个工程上早就被证明
那个路线
因为你可以真的是把芯片造出来能用
所以说从公司层面上来说的话
实际上你只需要对他进行所谓的
engineering improvement
你就可以慢慢的去deliver这个成果
这一快和慢
很多时候跟你的投入
和市场需求有直接挂钩的关系嘛
就像刚刚说的曼哈顿计划的例子嘛
市场有巨大的需求
那就3点就能deliver市场需求
相对来说要等待时机的话
或者商业上的合理性的话
那就可能会拖得长一点
但是总体上来说
用超导路径
你是可以直接把它给project out出来的
微软当时就觉得
这条路子可能都要走个十几二十年
就像我说的
最早是大家的对未来的估算
都是容易diverge的
很容易就会说啊
30年之后
所以他们选了一个叫拓扑量子比特
那做量子比特的好处就是上来就容错
然后他们也对应的开发了很多软件
他们也算比较早的量子软件开发公司
然后现在硬件废了之后
他们就把它的软件
跟那些现在别的量子计算公司
进行合作
去做逻辑量子比特
在别的量子计算的运行
所以实际上他跟Google很像
也很重视所谓的容错量计算
只是最后实现路径的时候
Google其实选择一条
硬件上更能profit的方式
去软硬结合的去做这个事情
而微软因为决策上的一些失误所以现在只有软件了
跟硬件公司合作
嗯所以我觉得整个过程
大家对技术方向的把控还是蛮关键的
一些决策的
对对对
那还有几家创业公司呢
比如说IonQ
IonQ的路径主要是离子阱
离子阱路径其实曾经很长一段时间
甚至在10年以前
被认为是比超导更有前景的路径
因为简单一点
就是基于离子阱的量子实验
其实是人类最早的量子实验
拿了不少诺贝尔奖
超导在很长的时间
在2007年09年之前
被认为是一个非常差的平台
因为当时能实验上做出的量子比特
都不太行
都非常差
人类大概在09年
从耶鲁开始
把量子比特做的越来越好了
然后出于所谓到了14年的时候
可以到了所谓的纠错的阈值
也是谷歌参加的一个时间点
IonQ他们路径呢
为什么最好呢
因为IonQ的这套量子体系
其实是历史最久的
然后同时也是在小规模量子体系里面
是最好操纵的
可靠性很强
所以说他们当时的路径就认为trapped Ion
就是离子阱这个路线
可能会更早的实现所谓的商业落地
和所谓的useful Quantum computer
但是事实来说
他们公司的离子阱
从他们公司创始到上市到现在
一共他的量子比特的数量
可能就翻了个倍吧
差不多也有快多少年了
现在是多少个量子比特
他们17年创始的时候
大概因为是学校大学出来的嘛
所以上来从大学实验室搬得来的东西
就有11个量子比特
可以相互纠缠和计算
也当年发了很多论文
其实都还不错的工作
但是后来发现你自己这个路径就是
你当你要超越11个量子比特的时候
工程上面有巨大量的科学调整
一个是工程挑战大家都很大
但是你可以一步步实现它
一个是有科学挑战
哦科学挑战会更难
它需要依靠基础科学的突破
就是有更多的不确定性在里面
你需要有更多的innovation去drive它
所以你刚刚说他们翻了一个倍
现在是22个量子比特
现在差不多
他们俩差不多20多个到30个之间吧
嗯
现在业界最多的是多少个量子比特
离子阱最多的应该是Honeywell那个32吧
没记错的嘛
但是现在的问题就变成了
当你的量子比特变多的情况下
其实他们的一个trade off
就是会发现
离子阱的性能越来越接近超导了
就是量子比特变多
它的运行性呢
就说保真度这些指标越来越近超导了
我应该说是超导越近他们了
导致一个现在很有趣的一个Crossover
就是
以前认为超导不可能做到保真度
大于99.9 嘛
现在能做到了
做到不止一个
从小规模身上来的话
随着你自己的变得越来越大
反而从实验过程中
应该到手有各种挑战嘛
导致实际上你的trade off就是你的变大
同时你的quality在下降
然后两个居然cross over了现在哈哈
OK
技术发展其实是一个很有趣的过程
你会发现很多人当年弯道超车
在技术发展早期时候并不存在可能性
就像AI例子嘛
Transformer去到GPT
你不能为了避免用Transformer
换一个别的完全不一样的架构
去试错对吧
但是很多以为自己可以换
他的例子反而就换到被翻车了
换到翻车
所以说IonQ的问题在于
他没办法一个clearway去做
到现在超导这种scale
他们会说我们有root map
但是show me actual demonstration
嗯对
这个是离子阱
D-wave我刚才说过了
他那个完全不一样
都不是digital
他那个是个叫量子退火
没法用来做纠错
Rigetti
Rigetti这公司很传奇吧
Rigetti本人就是
当年在
也有把第一个高保真度超到比特
量怎么做出来的人
他的毕业论文就是他
然后他把这套带到IBM
和他同学在一起
所以IBM最早的路径图
就是根据他的那套架构起来的
然后他自己开公司嘛
反正各种原因吧
他的公司的超导比特的一些小细节
也变了变
Rigetti我觉得其实在量子公司star up里面
算是前辈了
先驱
但是因为可能有点太早了
他13年创建的
因为太早了
所以说实际上the way too head of curve
然后要说的
你在Transformer之前创建一个AI公司
你可能会end up变成先驱
但是可能后面你就会
momentum就display掉了嘛
你就没办法去用最新的技术
最新的一些信息去做更明智的决定
是不是该
其实是一个
我觉得我还是很respect他们的
但是他们的整个公司的performce
无论技术层面还
是商业层面其实都现在有点falling behind
但是他们CEO现在也不在了嘛
Rigetti现在退休了
实际上现在yeah like all the STARTUP STORIES
所以我现在听下来
我觉得是不是整个量子计算领域
还是巨头的路线会稍微solid一点
比如说Google这些公司相比于创业公司
它还是在一个更加领先的位置
首先亚马逊不一定
to be honest with you
IBM因为之前选的路径稍微有点偏
也真的不一定
他们stay with他们自己的那个路径
大概stay了个十多年嘛
然后他们在24年的时候
就去年在
他们发布
他们1,000量子比特的那个量子芯片
之后把它路线图改了
改到跟我们有点像了
其实你们的路线是什么
我们算是很早就是用多个量子芯片
做modular Quantum computing这条路线的
他们发布的成为long range copper
其实当时我们都做了
我们刚创建就有相关专利了
这个事情就很有趣了
我们创建的时候
现在我们路线图
之前都没有明确放到自己的路线图上
现在IBM pivot也过来了
当然
这个也是我们从伯克利spin off的时候
因为我们看到了过去10年
整个量子行业的发展
我其实不应该反对start up说
弯道超车的说法
因为你做一个完全不一样的路子
就像说你去搞一些完全新的量子比特
去做这个事情
不现实对吧
那你在架构上
你可以比大公司要创新一些
用一些更加Agile的
更加灵活
且更加高效的架构
对因为更新
对更新
就IBM这公司
以前我们covid之前
其实我们给他们那些人聊过嘛
其实他们的mindset就是
我认为我的这条路径
只要我能走下去
我有公司有钱有人甚至有信心
那我为什么要去试一些新的东西呢
我就直接做就好了呀
所以他们不是很care over time的这种创新
他们也不是觉得
那个自己公司的
一些小的架构的低效性
对他们的整体商业落地
有任何实际的影响
因为对他们来说技术进步的高效率
上面那一点上下浮动
对于一个百联企业来说其实一般对
所以实际上这个大公司的话呢
我觉得Google是一个很好的例子
Google就是一个会去用创新的方式
因为它的架构跟IBM也不太一样
微架构来说大家都是超导
但是不太一样
但是它用了一个非常
从UC Santa Barbara出来的一个路线
就是可调性非常强
非常灵活
所以导致他们可以用这个灵活性
先于IBM去做一些IBM不肯做到的事情
嗯对
然后我自己还有一个问题啊
你们怎么去衡量量子计算这个事
他应该在学界做还是在工业界来做
就比如说
你其实也可以继续在学校
去做这个科学研究
也可以成立自己的创业公司
去做科学研究
我觉得这个问题

量子计算
彻底站在了
现在GPU站在的
计算中心的一个核心位置
嗯这个的确
我个人不认为在15年之内
有比较大的概率能出现
我觉得工业界共识来说
就是Large scale fault tolerant quantum computer
这种处在某脑普里阶段的量子计算
可能差不多也要15年的时间
这个我觉得他的说法
本质上没有deviate from他们自己
公司内部调研
和这个工业界的公式
他只是把它freeze成了一个
可能投资者听起来
会更加的friendly的一个说法
对我在想
要怎么样去理解
这个量子计算出来对Nvidia的冲击
我可不可以理解成
如果量子计算真的实现了
一个是它是不需要那么多GPU
它就可以去实现这些运算的
所以
它对GPU跟芯片的需求没有那么大
所以我挺想知道这个对它股价的冲击
大家这个思考的逻辑是怎么样的
对量子计算
首先它在很多复杂问题上
因为Nvidia现在
他们对公司的定义叫做
a supercomputing infrastructure company
所以他们认为
未来的supercomputing超级计算
涵盖了AI天气预测
还有一些是化学模拟
这种高复杂度的计算问题
从他的角度来讲
认为是未来未来的核心business
这个是fact对吧
而这里面有一个很有趣的点
Quantum也是这么说的
但是实际上就会发现有一个点
就在于
Quantum在一定程度上的确会更加做侵蚀
严格意义上说
是会参与到Nvidia在更复杂运算
Domian的应用里面的一些存在感
比如说
我们要做极其复杂的c蛋白质反应
模拟不是Alphafold上的预测
而是第一性原理去模拟它
去精准的找到这药品
这种任务来说的话呢嗯
Nvidia去第一性原理算是肯定不现实的
量子上可以算
但是站在Nvidia角度来讲呢
当然成本太高了
对公司来说对
如果有个中心
愿意买100万个Nvidia未来的GPU芯片
去算这个问题
对他们来说股价肯定是好的
对吧嗯
但这个时候如果量子计算给到一个说
我不需要你100万个GPU成本对吧
我是需要差不多的1万个GPU成本
就能实现这一目标
这个相当于他的市场就得不到了
但是简单说的就是very useful
就是说你的Quantum computer
基本上不需要跟GPU分担工作量
就能完整的去处理这一些复杂的问题
的时代还是有段距离的
所以我觉得Jensen把它放到15、20年
这个时间段
相当于就告诉华尔街不要去price in未来时间Quantum
比如对我们公司股价的影响
未来10年随着计算量需求上升
公司的股价应该是水涨船高
这个是合理的
我们认为
而且我觉得未来十年
从量子计算角度来讲
我们也很需要GPU做量混合量子计算
这涉及到为什么我们跟Nvidia合作
所以实际上未来10-15年这段时间
其实是一个共同存在
共同生长的一个阶段
并不存在谁取代谁
严格中是个扩大的增量市场
而不是一个存量市场
带去抢空间的问题
是的对
你们跟Nvidia的合作
大概是一个什么样类型的合作
我们更加重视的就是产品技术层面
我们是个硬件公司
他们这间公司一方面就是用GPU
用他们的这套软件和GPU算法
去优化量子计算机的芯片设计
优化它的量子测控
还有一个就是
你用GPU去优化量子计算机的运行
另外一方面
就是通过量子计算机去结合GPU
增强AI模型的泛化能力
去训练更泛化的模型
就是用你更少的parameter
更少data去获得更能有泛化性
更generalizable的AI model
这个其实也是一个叫Quantum enhanced AI 的一个路径
也是大家也听到
有一些非常知名的AI公司
最近也在hire量子机器学习的talent
去做相应的开发
其实这也是一个
哪些公司
大家都听过的应该是SSI吧
safe superintelligence，Ilya的那家公司
另一点来说的话呢
我们跟他们合作
当然不是
在软件层面
我们更多就是去构造这样的计算平台
也就是说
我们把它的CUDA Quantum这个软件
作为一个胶水
黏合它的GPU和我们的QPU到一起
成为一个完整的量子增强计算平台
同时我们通过高速直接互联
让我们的量子算机和GPU
能形成实时的那个数据交互
来增强量子算机实时运行的同时
去增加它能解决的增强的一些
比如说人工智能学习这样的
类似的问题
这一系列来说
相当于我们在Nvidia的那个网页上
叫做Quantum backend provider
他们自己称自己为GPU and end bank and provider
所以我们相信是个并行关系
同时把它变成一个完整的
Quantum enhanced computing platform
我们是有自己的量子芯片
我们有自己完整的量子计算机
我们只是将我们量子计算机
跟Nvidia的GPU系统
进行了一个互联
然后用他们的软件去协同两边的工作
通过量子硬件
去增强GPU
在人工智能学习问题中的一些作用
那你们的芯片是自己造的
还是说
市场上有专门给量子计算来造芯片的
这个问题很好
我们的芯片是我们自己造的
因为我们自己的独立的设计和专利
和制程
但是实际上有公司在卖量子芯片
好不好我不comment
但是基本上美国的公司都是自己造
我能这么说吧
因为很多技术来说
你要在一个快车道的技术上面
进行突破
你把这个这么早的就给到一些
可能并没有那样技术积累的团队去给造芯片
是有点不是很明智
嗯理解
你怎么看Google新发的这个Willow芯片
他们其实一直以来都在向这个方向走
从14年开始做就一直往上走
就是公开路线图
实现量子纠错
证明呢就是可扩展性的情况下
去基于这个
来造出Jensen Huang口中的very useful Quantum computer
Large scale fault tolerant quantum computer
这是他们一直以来的goal
但我觉得这个是为什么
大家有点confused
因为不同公司的构不太一样
有些公司的构就是像choose for AGI directly
而有些公司像OpenAI一样
我们能浪迹一个GPT3.5就quit the day了
基本上做过之后一直very good progress on
所以Google推出Willow这个芯片
继Sycamore之后
从我们的角度看是个延续性工作
它们基于Sycamore之前的一些demonstration
发现Sycamore的无论从规模上
还是从一些芯片的performance上面
不足以demonstrate量子计算
特别是基于量纠错的计算的可扩展性
你要证明可扩展性
就意味着the more the better
就你造的芯片造的越来越大
反而你的新计算机的可靠性和计算力越来越大
以前来说
我们从实验上发现的一个规律就是
你造的越大
你的整体性能并不会上升的
原因在于你的总体错误率也会上升
所以实际上纠错在你把你的芯片
把你的量子计算机
造到所谓的very useful quantum computer
这个路径上
是个非常至关重要的一个基础点
一个前置科技可以认为是一个
所以Willow相当于
基于他们过去十年的发展
终于证明了量子计算
加上纠错的一个可扩展性
他这个芯片他是在一个什么样的阶段
那制造了呀
这他们有用完吗
他们用了
不是全世界最领先的量子比特
和保真度
但是加上各种别的工程提升
让这个芯片做到了能demonstrate
量子计算在硬件层面
在实验实现上的一个可扩展性
这一点我要强调实验实验的可扩展性
因为量子计算本身能做到复杂
超级计算
这个本身不是个问题
从算法层面
从原理层面
大概十几二十年
基本上就搞得很清楚了
Google过去10年
还没过10年
整个工业界干了什么事呢
就是从实验
物理可实现的device层面去证明这一点
证明我们真的能做出一个
足够理想化的芯片
去做到这里
做到可扩展性
做到大规模运算
所以相对Google
这个Willow芯片的意义就在于
从实际的物理层面
我把它做出来了
对
它会开放给第三方的合作伙伴采购吗
还是他们只自己用
不过从来都不是个硬件公司
从来都不靠卖这个
所以这个无论像TPU嘛
他们最早做出TPU
他们也没有卖啊
基本上都是自己用
他们更多来说就是
这是一个非常好的验证
我们能做到
就是所谓的very useful quantum computer within ten year
around ten years的一个阶段一个证明
那你觉得他的芯片造出来了
会对他的整个量子计算的研究加速吗
哦这个我觉得从加速层面来说的话呢
肯定会的
但是更多来说
就是他们证明了我们能做出来
这个情况下来说
加速层面的话
就能更加的促使他们这个部门
因为他们是隶属于Google AI嘛
隶属这个部门能获得更多的资源
去将芯片就是做得越来越大
越来越能解决一些实际问题
所以加速层面
更多不是说
用这个芯片加速他们别的这些发展
而是用这个芯片去作为一个证明
一个活生生的证明
然后去获得更多的资源
把这个东西scale up到成为一个eventually
成为一个商业化
或者成为一个very useful quantum computer
这样的一个形态
加速肯定会加速的
因为管理层现在被convince了
被convince了什么
就是效果是OK的
就是你看那个Google CEO嘛
不是发的那个post嘛
因为管理层也要看到
你这个proof concept嘛
对吧你说你能scale那一个scale
我看所以
现在基本上从Google层面来说的话呢
从管理层角度来讲
这个scalability
从基本层面上是验证了的
我举一个可能有点模拟性的例子
来说吧就是所谓Transformer moment嘛
你证明你的machinery model and scale
那现在你的scale给我看
把scale到足够大
能不能做出一个类似GPT的模型能
就是这样的逻辑
所以Willow芯片
相当于量子计算界的Transformer moment
对这个我有点拾人牙慧了
因为是有一个投资人问我
是不是Transformer
我想了想
好像有点像
因为的确
是Google
相当于我做出了一个活生生的demonstration
这玩意能scale okay
那how about we scale it
actually
如果从AI的路径上来说的话呢
实际上我更加乐观的认为
就是未来十年以内
我对Jensen的这comment
觉得有点过于保守
但是anyway
你的估计比Jensen的这个估计更乐观
而且
尤其是在谷歌的Willow芯片发布以后
你觉得他对真正实现的
非常有用的量子计算
他能够加速到多少年
比如说没有这个芯片以前
跟有了这个芯片以后
本质的区别是什么
其实我觉得如果没有这个芯片的话
大家会更加倾向于像Jensen的预测
大概15到20年的时间
但是有这个活生生的demonstration之后呢
我觉得这个进程
大家对未来实验线的收敛的预测
会更加预测到within fifteen years
当然
这个可能也是为什么Jensen在这会议上
会被投资人正式的问到这个问题
因为那我们就要开始考虑
是不是要price in这个事情
嗯理解
Willow芯片
你刚刚有提到
它其实是有解决量子纠错
在实验实现的可扩展性
那Jared
你要不要跟大家大概解释一下
它解决了量子计算中
哪个最核心的问题
它的原理是什么
科普一下
那我大概谈一下量子纠错的基本原理
通俗的解释一下量子纠错本身吧
我们一直都知道
量子计算的使用化最大的障碍之一呢
其实就是噪音
同样的
我们这里也可以用经典计算机来类比
量子计算器中的噪音其实所谓的经典计算机
也是噪音非常严重的
现在我们正常的使用
日常生活中的电子产品
手机电脑从来不会感受到这些噪音
是因为他们在很早很早以前就有
底层的经典领域的纠错算法
已经把这些问题
在硬件和软件的衔接层面
就已经把这些噪音
或者说错误给纠错了
打个比方
在GPU中
如果我们是一个1.2伏特的GPU
那理想情况下1.2伏就代表的是逻辑一
然后0伏就代表的是逻辑0
但是在实际操作中
由于量产的GPU芯片
不可能是完全一样的
每一次运算
它可能所施加的电压
也是有一定的不同的
所以说这个电压并不一定一直是1.2伏
或者是0伏
可能不同的晶体管之间
不同的时间
不同的输出会有不同
那计算机的底层
就会把一个范围内的误差呢
都算作0
都算作一
比如说出来一个1伏的电压
那可能也会被认为是1.2伏
也就是逻辑一
那1.5伏可能也会归类为逻辑一
是这样来说
对经典计算机
是一个相对比较简单的纠错过程
但是回到量子计算中
这个就非常不一样了
因为不像经典计算中
它可以达到一幅这样
相对来说比较大的一个数值
来方便进行纠错
量子比特的能量是非常小的
像我们所用的超导系统中
它只有一个光子的能量
虽说量子比特非常的脆弱
然后也极易受到环境的干扰
和内部误差的影响
从而导致量子信息的丢失
再进行跟一些经典比特之
间的对比的例子的话
比如说经典比特
只会出现0或者一的翻转错误
而量子比特像我之前描述到的
它其实是一个叠加的状态
不仅仅包括0和1的翻转
它可能还会包括一些
相位上的偏移的错误
这也会对计算结果
或者说计算过程造成一些噪音的影响
然后由于量子比特它是有纠缠的特性
所以它不可以像经典计算机中
每个比特可以单独的拎出来进行纠错
如果要对量子计算进行纠错
需要对所有纠缠在一起的量子比特
它们密切联系在一起
所以说要对他们统一的进行纠错
这也就是为什么
量子纠错会被认为是实现量子计算
然后推动量子计算
真正走向实用化的一个核心技术
OK所以谷歌的Willow芯片核心
它是极大的解决了这个问题
我认为Willow用现在最主流的一个
量子纠错的方案
这个纠错的方案叫做表面码
这个表面码
也是源自于
加州理工的量子纠错的技术
他通过利用表面码的纠错码
和他比较优化的量子的硬件
向世界证明了我们可以用这种方法
用这条以前已经规划好的路线
继续走下去
只要是按照这个路线继续走下去
我们就能逐渐的
扩大量子计算机的规模
扩大计算机的运算能力
而同时呢
不会使他的错误率随着规模的更大
而变得更加的严重
反而是随着规模的更加扩大
他的错误率反而是下降的
也就是说计算能力整体是提升的
按照我们这条路线继续走下去
最终我们是可以实现像刚才描述的
非常有用的量子计算
也就是我们业内人士叫的
叫做完全纠错的量子计算机
嗯完全纠错的量子计算机
那大家觉得谷歌有了这个芯片以后啊
就是刚刚你们也提到了
其实你们之前也是跟亚马逊
有过这样的工作交集
他会对其他的做量子计算的公司
比如说IBM微软亚马逊英特尔
还有一些创新型的公司
明星的三只股票
IonQ Rigetti
还有D-wave这些公司
就它会不会形成一个显著的优势
我觉得从这个层面来说
其实Google是个很好的公司
为什么呢
因为它首先有Vision
他们愿意去花早期的
像他们发明Transformer一样
给大家证明这个大方向是对的
然后大家就沿这个路子走就好
相当于扫清了很多所谓的不确定性
在里面我们可以看一下
别的大公司的response吧
比如说IBM