潜空间第2季第2期 吕骋
# 吕骋内容分享(社区版)
**主持人:**
再次感谢大家今天参加奇迹的 Latent space 系列活动新的一期,我是奇绩的合伙人 Peter,我们非常荣幸请到了我们非常看重的一位优秀创始人——Rabbit 的创始人吕骋 Jesse。他曾经是 YC 中国的首期学员,在中美有多段的创业经历。早在 2014 年他就创立了渡鸦科技,被百度收购后,出任百度智能家居硬件总经理,之后赴美国继续有多段创业经历。今年年初他们推出的硬件产品 Rabbit,我相信大家都知道,非常火爆。
废话少说,接下来时间让我们以热烈的掌声,欢迎 Jesse 给我们带来分享。
> ### 关于 R1 \& Rabbit
>
>
首先,我们 Rabbit 做的第一款产品叫 Rabbit R1。它其实是我对之前的一个愿景,长达十年来的持续追逐。在 2014 年成立渡鸦科技的时候,我当时就认为未来 AI 一定会从系统层来驱动整个操作系统,并且未来可能没有一个个独立的 App,而是一个足够智能的AI,它既能够听明白你的意图,也能够帮你执行你想要执行的任务。
这件事情其实我在 10 年前的 TED x 上就分享过,渡鸦科技其实是我们在当时的技术水平上能够推进的极限。这一次,有了 Transformer 语言模型和 AI 技术的本质迭代,我觉得是时候去重新追寻我最初的梦想了。
Rabbit R1 是一个非常直观和简单的一个设备,现在在国内还没有正式开卖,但是在美国已经销售出了很多。它是一个非常小的盒子形状的设备,尺寸大概是一个 iPhone Max 的 50%,非常轻,只有 112 克。产品设计的初衷是我们希望做一个能够控制到终端用户体验的硬件,能够承载不光是一家,而是所有最好的 AI 模型的设备。用户按住一个按钮直接说话,它就能够自动帮你把输入内容变成你想要的结果和意图,并且能直接执行手机本地 APP 的指令。
它的售价也不贵, 199 美金,没有订阅费或者 subscription,但是我们也并没有因为定价低而亏钱。
我们认为未来的 AI 一定是 Multi\-model,从这个角度,我们认为现在大家在讨论大语言模型的时候其实只解决了问题的一半——就是 intention 或者说意图。
如果你想做一个像钢铁侠里面的贾维斯(J\.A\.R\.V\.I\.S\.)这样的一个非常智能的助手,你会发现它其实需要做两步。
第一步叫 Intention,首先它能够把用户想要表达的意图说明白。这一步其实过去十年做得很辛苦。我们当时做渡鸦科技或者说做 DuerOS 的时候,在Transformer 问世之前,只有一个技术叫做 NLP(natural language Processing),或者叫 NLU(natural language understanding )。但NLP 和 NLU 并不能完全理解用户的意图,而且其实效果差得还蛮远的,它相当于你要给系统去准备一个菜单,比如说要实现“播放音乐”这个意图,你可能要告诉系统七八十种含义为“用户要播一首歌”的说法,因此在技术实现上就会做得很累,因为 Menu 会越来越长,中间还会出现混淆。所以那个时代的产品用户体验,跟现在是没法比的。
但是到 2018 年左右,我们看到了 Open AI 的 Transformer 的模型,我也系统地学习和了解到了 Transformer 是怎么解决 Intention 问题的,所以我们在 2020 年初的时候,就已经内部认为 Intention 这件事已经被 Transformer 解决了。
那么我们立刻想到问题接下来的 50% —— AI 系统在听明白你说的话之后,能不能真正把这个事做了?这个事情就叫 Action。比如说它知道你想打个车,能不能真的帮你把车打了。
Rabbit 成立的初衷、包括我们对 AI 的研究,都主要聚焦1·····················在后半部分,也就是 Action 上。我们不想重复造轮子去自己训练一个语言模型,一方面现在自己训练一个语言模型对创业公司来说成本还是太高,另一方面,语言模型本身是一个 open secret,未来随着显卡的算力增强或者成本下降,任何一个公司都可以去训练一个自己的语言模型。所以我们当时决定聚焦在做一个 Agent 的 Action 模型。
那为什么这个 Action 模型只能是个硬件而不能是个软件 APP 呢?是因为我们很清楚地知道,在 iOS 和安卓系统层面或者在他们的 Ecosystem(生态)层面,是不会允许,也无法实现一个 APP 去控制其他 APP 的,这里面涉及很多权限问题和隐私问题。所以我们认为,一定要自己去做终端,一定要有一个 Vehicle 去承载你自己的模型,而不是要依照别人的系统规则。 Rabbit R1在 input (输入)和 output (输出)上面都有语言声音、图像、视频、文字和 UI ,都是一个非常好的载体。
这个策略也决定了我们不光拥有软件,也拥有硬件,也拥有品牌。同时整个团队也拥有从工业设计到硬件的 Prototyping(原型设计)到硬件的制作 ODM(原始设计制造商)、 OEM(原始设备制造商)再到云端的 Interface 和 Infra 架构再到 AI Research 的全方位能力,我们很快地组建了一个非常厉害的团队。
1 月 9 号我们在 CES 上正式发布了 Rabbit R1。当时我们认为这样一个新产品能卖 3, 000 台就很开心了,结果第一天就卖了 8, 000 台,于是我们马上就决定继续往前卖。不是说我们想赚更多的钱,而是我们认为 AI 模型最好的提升方法就是有更多真实用户提供一个人脑的 fine tuning。到今天,我们已经卖了超过 13 万台了,是现在 Native AI device 全球销量最好的产品,可能是第二名 Humane Ai Pin 销量的 13 倍,可以说在销量上一骑绝尘。
不过确实有一些我们没有发现的 bug 以及存在早期模型不稳定的问题,我们也收到了包括 MKVD 的一些比较 critical 的反馈。但尽管有这些批评或者质疑的声音,在 13 万份的订单里面,只有 1, 500 台是用户后悔并取消了订单,在已经交付到用户手中的 Rabbit R1,只有不到 1% 的用户退货。要知道,3C 产品的业界正常退货率标准是 5% 到 7% ,我们小于 1% 已经是非常好的数据了。
所有数据的分析结果告诉我们,其实 Rabbit R1 表现得非常不错,是目前 AI\-Native 设备里最畅销的产品。
在过去三个月里,我们把 Engineer(工程) 团队扩充了 4 倍,发售的时候团队只有 17 个人,现在有差不多 60 人。我们还迅速增加了合作伙伴,加入了很多大牛,团队实力非常强大。
后续我们也和 ElevenLabs、Perplexity、OpenAI、 Anthropic 等公司建立了合作关系,能够第一时间获取他们的最新模型,并与他们的工程师团队合作,在我们的设备上进行专门的微调,这是至关重要的。
今年夏天,我们计划推出许多新功能,这个列表中的90%功能其实已经在过去的三周内推出了。我们还有更多功能正在开发中,这里就不一一列举了。
> ### 关于LAM和产品形态的设计思路
>
>
我想重点介绍一下我们的 大行为模型(large action model,LAM)与大型语言模型(large language model,LLM)之间的区别。
首先,我们在官网有一个 [research page](https://www.rabbit.tech/research)(研究页面),感兴趣的同学可以看看。我们的核心目标是解决 AI 在理解用户需求后,是否能够真正执行的问题。这件事其实我是比较有经验的,因为在渡鸦科技的早期,我们是第一个去设计和搭建云端 API 架构的系统。我们最早的应用 Flow 是第一个能够通过自然语言触发不同 API ,并直接通过 API 提供服务的系统。在 14\-15 年,用户可以直接使用 Flow 叫车、听歌或导航。这一套系统后来逐渐演变成了今天 Open AI 的GPTS,或者它原来的名字 Plugin,一个云端 API 系统,接入了各种服务。
为什么我在十年后再次做这件事,不再继续使用我当年发明并已经实现的系统呢?是因为在过去的十年中,消费产品的API服务正在逐渐减少。例如,Uber、OpenTable、Expedia、S potify 等都不再维护他们的 API,许多服务提供商都把 API 服务停掉了,因为 API 服务没有给他们带来额外的收益,因此我认为 API 的整体环境并不是很好。我们也不想一家一家地去谈判,要求他们提供API,这不符合 AI 时期的模型逻辑。
在 AI 时期,模型逻辑最终要的一点是它必须是通用的,你不能去花时间去一家一家训练和搞定,你要训练一个通用模型。因此,我们选择了一种叫neur symbolic approach(神经符号学方法),这与Transformer有很大的不同。
我们就总结和归类了一下发现,无论你的服务的内容如何,它们都有一个共性——都拥有一个UI 或者 interface ,一个用户界面。所有现代软件都需要一个 UI 界面,让人眼能够取看到,让人脑能够去处理。在找到这一共性后,我们构建了一种新型的神经符号网络(neurosymbolic network)。这个AI系统能够通过大量的真实用户使用记录,例如从 2020 年开始收集的人类在高频应用上的使用录屏,作为原始训练数据,输入到 neurosymbolic 系统中,让系统自动分析和理解。
例如,如果你使用的是音乐播放软件 Spotify,系统将自动理解软件界面上每个元素的功能。与传统的机器人流程自动化(RPA)相比,这种方法的优势非常明显。传统的RPA(机器人流程自动化),比如中国的抢票软件,或者美国一些抢购PS5、Switch等插件,它们是基于绝对坐标(absolute coordination)的方法,通过截图分析界面上的确认按钮或购买按钮的位置,然后移动鼠标到绝对坐标位置进行点击。但这种方法的缺点在于:第一,它是固定的,不能与大型语言模型协同工作;第二,如果界面弹出广告,或屏幕尺寸变化,或界面缩放,它就会失效。
我们认为这不是好的方案,因此,我们进行了 neurisymolic(神经符号学)的研究,这有点像特斯拉的自动驾驶技术。特斯拉的全自动驾驶完全依赖于 computer vision(计算机视觉)。特斯拉不需要工程师告诉 AI 什么是红灯、绿灯、摩托车或大卡车,而是通过车上的多个摄像头收集原始车载录像,然后将这些录像输入到 neurisymbolic network(神经符号网络)中进行黑盒的机器学习。逐渐的,AI 就能够识别出 98% 到 99% 的红灯或行人道。一旦 AI 从这些数据中自行学习和分类,物体放在哪个位置就不再重要,因为它已经能够识别。
我们在特斯拉自动驾驶的概念上更进一步,将单维的内容,比如说行车记录仪,扩展到所有应用的界面来构建了这样一套系统。我推荐大家可以去官网 research page 学习一下 ,这里就不再赘述。目前,我们拥有的模型称为LAM 1\.0,它从数字界面的内容开始学习,并在数字界面上进行操作。
> ### 下一步计划 \& 愿景
>
>
今年下半年,我们计划推出一项名为“teach mode”的功能,这是一个非常强大的工具。目前,我已经有了一个演示 demo,但由于今天条件限制,我将暂时跳过演示部分。不过,我可以分享一些我先前制作的录屏,大家可以想象一下我们如果在做 AI 的 agent,如何最快速地自动学习或者生成 Agent 出来。
OpenAI 目前在做的 GBTS 系统,尽管比传统软件开发简单许多,仍然需要独立的开发者编写 Python 代码来开发接口。我们一直在思考,是否有更直观的方法来创建开发工具。因此,我们开发了“teach mode”这样一个工具。这是一个非常早期的版本,我们还没有发布,稍后我会解释为什么还没有发布。
你现在看到的是我们用 teach mode 的后台,告诉 Agent 你想要教它完成的任务,例如教它如何在亚马逊上购买商品。你只需提供目标网址,并给出你想要教授的操作描述。比如,“Search for iPhone 14, customize it by choosing blue color and 200 and 128 gigabytes,add it to the car(搜索iPhone 14,选择蓝色和128GB容量,然后添加到购物车\)”。你完成描述后,点击开始录像,这个时候是真人为 AI 的 large action model 进行一次示范,就像教孩子一样——你坐在我旁边看着我怎么弄,你跟着学。这相当于我们创建了一个无需编写代码的开发者工具,我们只需要给 AI 做一次示范。
现在 AI 正在选择蓝色 128GB 版本,并点击按钮将其添加到购物车。示范一次后,点击结束录像,然后将录像上传到我们的 neursymbolic 神经符号网络中进行处理和学习。这个过程大约需要5分钟。等处理完成后,你就已经开发好了一个能够亚马逊购物的 Agent。并且这项技术是通用的,尽管你刚才教的是购买 iPhone,但现在你告诉它购买任何东西,它都能帮你选好并添加到购物车。
这项技术非常酷,但我们没有过早发布它,原因很容易理解。我相信许多人都关注到了 OpenAI 的一些消息,比如 Ilya Sutskever 的离职,以及他昨天成立的新公司 Safe SuperIntelligence 关注 AI Safety 这件事上。我们认为,这样的模型和工具可能非常危险,存在许多安全方面的顾虑。在开发完“teach mode”后,我们立即考虑到,如果有人用它来训练垃圾短信系统怎么办?更严重地,如果有人用它来训练系统在暗网上购买可卡因怎么办?这些都是我们需要考虑的 edge cases(极端情况)。我们认为,可能还需要进行很多 AI super alignment 和安全性研究,才能把这个工具推向给大众。
但我们的目标一定是将这个工具推向大众。如果推向大众,你可以将其视为新一代的 App Store,只是你既不需要学习如何写代码,也不需要逐个构建 APP 功能。你只需要在现有服务上打开“teach mode”,进行一次录像,即演示给 AI 你是如何操作的,并添加一段描述。然后,在你的 Rabbit R1 设备上,你就可以告诉它在亚马逊上购买任何东西并添加到购物车,它就会自动完成。
因此,我认为这可能是人类历史上最早一批完全不需要编写代码的开发者工具之一,而且它是一个非常通用的工具。它不是只能在某个特定任务上做一件事,而是一个真正通用的工具。我们对此感到非常自豪和兴奋,但同时也带来了一些 AI 安全性的顾虑。
随着我们 1\.0 模型的不断发展,我们开始去思考下一代模型能拓展哪些新的能力。LAM 1\.0 版本能够从数字界面学习并进行操作。而 LAM 1\.5 版本,我们认为它将能够从物理世界、真实世界中学习,并在数字世界中执行操作。我认为未来 LAM 2 或更高级的版本可以从物理世界中学,并直接在物理世界中进行操作。
举个例子,特斯拉位于德克萨斯州的 Gigafactory,现在已完全自动化,都是机器人在进行操作。据说制造一台 Model 3 仅需 37 秒,速度非常快。但问题在于,所有这些机械臂的每一个动作,每一行代码都是由人工编写。如果需要召回,比如一个螺丝出现问题要换一个新的螺丝,即使在高度自动化的工厂,也需要把所有的东西停下来,重新编写每个机械臂的每一行代码,并重新校准每个马达,才能重新投入到这个 37 秒一台车的生产工作流。
我们相信,在 large action model 的 agent technology 研究下 ,未来的模型将能够通过机械臂上的摄像头,直观地理解新螺丝的规格,并自动生成适应的代码,自动校准并执行。这意味着未来的模型将能够自我调整,并执行正确的行为。
再举一个例子,如果你装配了一个机械臂,并且这个机械臂运行了 neurisymbolic 研究方向上的未来版本的模型,你可以想象,如果给这个机械臂装一个网络摄像头,然后你从宜家买了一张桌子,你把桌子拆开,把说明书对准摄像头,翻一遍每一页安装说明。理论上来说,如果新的神经符号学 Agent 研究方向正确,那么未来更强的模型一定能够做到跟我说,Jesse,我现在知道怎么把这个桌子装起来了,你现在去干别的事吧, 15 分钟之后你回来,你的桌子已经装好。
这个是我心中通用人工智能(AGI)的定义。现在每个人对AGI的定义都不同,尤其是普通消费者,他们的定义可能会非常夸张。我个人认为,一个超级智能的 AI 应该能够理解人类的意图,并准确地执行相应的行为,并且这个行为是可自我调整、自我学习和自我提高的。如果我们有这样一套系统,我认为那就是通用人工智能。
我们在技术研究上的目标是开发一个 generic cross platform agent(跨平台的通用智能代理)。从今年开始,许多公司意识到开发 Agent 不能只做Intention(意图),还必须做 Action(动作)。苹果在 WWDC 上展示了他们的 App Intents 作为 SDK,要做agent,因为苹果是第一个提出 Action 的。
目前,其他公司在 Agent 方向的实现方法各有不同,比如 OpenAI 采用 API 架构的插件,或者叫GBTS。苹果则采用 SDK,需要第三方应用接入其 SDK 才能使用,并且它只能受限于苹果自己的生态系统。而我们开发的large action model大行为模型,是世界上第一个,也希望成为最强的跨平台通用的 Agent 系统。
现在,我们认为在计算端或用户设备端正在发生一些有趣的事情,我们称之为personalized computing(个性化计算)。以前,每个人的软件使用方式都是一样的,这是由软件开发者决定。但现在,像 Rabbit R1 这样的设备,UI开始变得Adaptive(自适应)。AI系统会根据情况决定是提供文字、图片,还是图文结合,甚至调整文字格式。随着AI系统的智能化,我们预见到每个人的电脑屏幕将开始变得个性化,这不仅是数据层面,还包括界面和交互层面,这个是我们观察到很有意思的一个趋势。并且我们其实是为数不多的、在生成式UI方面投入了大量资源的公司,一个是我们,一个是versale。
以Rabbit R1为例,它现在可以支持Apple Music、Spotify、Uber、midjourney 以及 Doordash 后续马上会有的Sono 等应用。我们发现,让agent或action model 学习新应用并将其转化为agent是非常快的。可能目前的模型需要两到三周,有了teach mode,5分钟就可以完成。但真正的瓶颈在于本地设备上的UI和UX仍需要100%人类开发。这也是为什么整个系统是比较通用的,而我们现在 day one 只能支持 6\- 7 个APP,整个团队真的加班加点的在做 device 上的 UI,这一点我认为是不科学的,所以我们正在研究是否整个软件的UI和UX都能自动生成。如果能做到这一点,我们将能够以百倍、千倍甚至百万倍的速度将新服务或新 Agent 引入我们的生态系统。
此外,虽然我们的设备是移动的,但我们有一个网站Rabbit hold,这是一个Web Portal。我们正在做的另一件事是,由于两边的数据完全同步、系统云端打通,我们认为有机会让网站的Rabbit OS也变得可交互。目前它类似于iCloud,可以查看过去发生了什么,但我们下一步是将其变成可交互的,这样它就有机会成为一个AI原生的桌面操作系统。所以整个公司的野心是非常大的。如果你们了解我,就知道我不会做无聊的事情,我做的都是风险高或愿景好的方向。
在这件事情上,我认为能够把我最早在渡鸦科技创业时的愿景,在现有技术和团队、投资人以及市场的帮助下,再往前推进一步,这是我前进的主要动力。总共就分享这么多,谢谢大家,希望能够给大家带来一些帮助和思考。
> ### 对谈环节
>
>
主持人
非常感谢 Jesse 的分享,非常的精彩,学到了很多东西。我印象很深刻,你讲到你从渡鸦开始到今天其实一直有一个梦想,然后你也讲了很多长期的东西。能不能跟大家分享一下,你最初的梦想它是怎么来的?未来你对公司的一个长远的定位会是什么样?
吕骋
最初的梦想其实很简单,因为对科技感兴趣的人或多或少都曾想过要创造一个drivers,或者人工智能系统,我觉得这个是我们人类的共同梦想。对我来说,我比较早地观察到了AI在软件和用户端技术上的长期方向,这是比较幸运的。
渡鸦很早就认为未来没有APP,一定是有一个AI控制所有东西。现在看来这是老生常谈,但在2011年做出这样的判断还是比较早的。我觉得我自己还是比较不后悔去比较早的关注这些,但我也有后悔的地方,就是那个时候想法是对的,但是时机不对,因为技术还没有完备,我们也无法利用GPU等硬件架构进行大规模学习,也没有办法在 scaling law 上去成倍地去加赌注,所以做得还是比较艰苦。
现在,我认为我们还是一个创业公司。创业者无论过去成功或失败,做新项目都是归零的。我告诉Rabbit的早期创始团队,忘掉过去,重新来过。在美国市场、国际市场去打,更是归零的。我们有这样的心态,认为创业公司就是创业公司,很多人,包括很多媒体拿 Rabbit Rabbit R1 已经在跟 iPhone 比,已经在跟谷歌比,我认为这个都是非常不负责任的,或者说非常不明智的,因为我在YC学到的第一堂课就是,99% of startups will die regardless(99%的创业公司一定会死)。无论项目多么容易或简单,早期创业公司要考虑的只有存活问题。因为早期创业公司有无数个原因可以被杀死,不一定是因为没有钱或产品没有发出,其实这些都不一定是最主要原因,很多很小的东西都是致命的。创业公司一定是脆弱的,存活非常不容易。我们现在能够取得这样的销量,有这么多真实用户,当然是我们自豪和开心的地方。但我们没有忘记,作为一个创业公司,永远在早期都想的是存活问题。所以不要太远地去做过多的假设。我觉得这个是我个人想跟大家讲的,就还是非常非常专注在具体的计划和执行上面,然后永远提醒自己,不管你取得的数据再好,或者说销售得再好,或者说媒体把你说得再好,其实你作为创业公司都是很脆弱的。
主持人
感谢Jesse刚才的分享,这让我想起李斌曾经讲过的类似观点,他就说他做蔚来汽车就是向死而生,他就是假设公司很可能就会死掉,但是它的目标就是它要是一次伟大的失败,让这段旅程是值得的。这种精神与我们的理念非常相似。
然后我还是想问一下,因为你刚才提到Personalized computing,我就在想Rabbit公司的长期定位到底是什么?它是一个模型公司吗?还是一个 computer 公司?
吕骋
我认为这最终不是由我们来决定,而是由市场和用户来决定。就像苹果早期也没有预料到会发展到现在的产品线,Nvidia早期也没想到其最大的业务会是服务于AI公司。所以,对于这类问题,我的看法是不太好预测。但我可以分享我的一些观点,在AI时代,软件开发与传统软件开发有很大的不同,尤其是当你需要与模型打交道时。我们学到了一个非常重要的课程,就是AI模型的软件开发过程中存在很多不确定性。传统软件开发是白盒的,你可以一行一行检查代码,确保没有问题。但AI模型是黑盒的,非常不稳定。比如使用GPT或其他接口时,你可能需要尝试不同的提示词\(prompt\),今天有效的提示明天可能就失效了。所以这个过程中有非常多的不确定性,因为 AI 本身的 Transformer 内核,包括其他的一些小模型的内核都是非常不可控的,而且非常不稳定。
所以我觉得我学到了最大的一个认知上的一个改变,就是说任何的 AI 产品,它的第一代的第一个版本,或者说它前三周一定是被骂的。我自己就经常被批评,比如谷歌的Gemini就出现了生成黑人的问题。早期的GPT可能会把1\+1算成5,微软的产品也遭遇了召回。我相信apple intelligence如果内核是GPTpower,第一天也一定会受到批评。
这是因为内部团队无论多大,你没有办法进行高频次的验证和真人的微调,没有这些数据,工程师想要提升系统其实是比较无助和盲目的。我们现在有了更多的数据,能够明白哪里需要提升。比如,如果用户让Rabbit R1记笔记,比如帮我记一下,今天要去超市买鸡蛋、水果和什么乱七八糟东西,它100%能有效运行,因为这是简单的意图判断。但我们发现用户的实际使用方式可能更复杂,比如用户先问了一个复杂的学术问题,语言模型回答了一长串,然后用户要求把答案记到笔记上。这就没法去做了,因为没有一个语言模型可以在这个 intention TRI 亚质上再往前做一步,因为它都是 THREAD base。所以这种例子你会导致用户会骂你说,哇,这个东西好蠢啊,怎么它明明刚刚回答我了,我让它把答案再记到我的笔记上,它都不知道我在说什么。我们刚刚推出了一个新功能,叫做memory recall全局记忆回溯,这是一个非常难的功能。我认为最大的挑战是,AI模型的软件开发没有任何一家公司敢保证明天发布的版本100%没有问题。
我们的策略是尽可能降低用户的成本,比如 800 块钱的东西,并且每个月还要收你二三十块钱,我们只卖一个 199 的东西,让大家更容易接受,成为 early adopter ,来买它的同时尽可能多卖量。
我们的销量已经超过了10万台,而他们只卖了1万台。早发售、早接受真实用户的反馈,收集数据进行微调,是让AI软件快速提高的最好办法。这是一个非常不同的视角。
很有意思的是,AI原生软件开发的范式、迭代和测试都在发生很大的变化。这对创业公司提出了很高的要求。
主持人
是的。Rabbit R1 这个产品,为什么你当时考虑的它的这个形态是一个手持的设备,而不是像 Aipin 一样的一个穿戴设备或者智能眼镜,这是当时是怎么考虑的?以后会考虑别的形态吗?
> ### 硬件设计中的策略和思考
>
>
吕骋
在我们的最新合作中,与TH工程师共同设计了Rabbit R1。在与陆奇博士合作百度的Raven H项目时,我们形成了一些设计上的偏好。比如,Rabbit R1的颜色选择吸引了许多用户,这虽然与技术关系不大,但我可以分享一些我的思维逻辑。
首先,我告诉团队这个产品的价格不能超过200元,必须便宜,因为价格高了没人会买。AI是一个全新领域,这是我做的第一个决策,说必须是 200 块以内。第二,它不能是一个全新的软件结构或交互体验,同时还带来新的硬件交互。你不能两边都太激进。当用户还不太了解如何与AI语言模型交互时,如果再搞一个花哨的投影或手部交互,大家可能就不会用,风险会太大。
因此,Rabbit R1的硬件设计主题是去风险化,而不是追求花哨。所以,首先它有一个传统的小屏幕,不至于像AI PIN或眼镜那样,通过Hololens或手部激光进行交互。其次,它包含了许多熟悉的元素,比如按钮,这是通用的。按住说话的功能,类似于微信发语音,已经深入人心。在美国,虽然不像微信那样普及,但也有类似的对讲机设计。
我们希望Rabbit R1像一个对讲机,加上一个电子宠物,我们不想把AI搞得太反乌托邦。我们希望它更可爱一些,类似于口袋妖怪里的口袋图鉴。双击摄像头会转动,按住问这是什么,它会回答是皮卡丘。这是一个复古的设计,但背后是去风险化的考虑。
关于按钮的设计也很讲究。如果采用 Siri 或 Alexa 的唤醒词方式,会增加很多延迟,因为需要算法去识别唤醒词,这个过程可能需要100到200毫秒。而物理按钮按下就开始听,松开就断开,这样在速度上可以节省大约250毫秒。
Rabbit R1在4G网络下,对话间隔的反应时间是500毫秒 per Dialog, Wifi 还会更快,这是全世界最快的。当时我做的月流大概是 13 年, 14 年的时候我之前做过一款软件叫月流,就是按住说话就放歌。当时我们在语音产品上学到了很多,latency(延迟)是非常直观重要的。
很多设计看似不起眼,但背后有很多思考,包括为什么采用开放式SIM卡槽,而不是eSIM?因为eSIM需要与运营商合作,整个谈合作的过程可能需要6到8个月。而开放式卡槽用户可以随意更换SIM卡,意味着我们可以全球销售。在很多方面我们能够赢过human bin,背后的一些原因就是他们发的比较早,我们当时判断是,第一它这个激光的东西太新了,第二就是它价格太贵了。第三个就是没有人会为 AI 月付费,因为这个东西太不稳定。第四就是他们跟 t Mobile谈合作,花了一年的时间只能卖北美,他们想卖去别的地方不行,因为得跟本地的合作商再去谈。所以把这些东西都总结出来以后,很多东西都放在 Rabbit R1 的设计上面。
所以很有意思的是,如果你有一个竞争对手,你可以从他们身上快速学习很多,同时如果你回头看,很多东西都可以从过去的经验中学到。下次有机会我可以分享设计背后的故事,很多决策背后都有它的逻辑。这对于大家以后做语音交互、考虑always on与延迟之间的关系,以及卡槽与商业化合作的关系,都会有很大的帮助。
主持人
很多硬件上设计其实是非常非常细微的细节,包括刚才 Jesse 提到,我相信对大家会有很大的帮助,因为很多同学以后会做语音的交互,包括always on 跟 latency 之间的关系、卡槽跟商业化的关系,我觉得都很值得大家深思。硬件产品可能有很多很多的细节,很多时候你知其然,不知其所以然。
吕骋
补充一个我们在设计时对尺寸的精心考量。这里,你可以看到我的iPhone 15 Pro Max,而我们的Rabbit R1尺寸恰好是它的一半。即便装上手机壳,它的厚度几乎与iPhone保持一致。这种设计是有深思熟虑的。许多人不会一直手持手机,而是放在口袋里,尤其是牛仔裤的口袋。长时间放置,口袋会逐渐磨损,形成手机形状的印记。我们注意到这一点,因此大多数人的衣兜已经适应了这样的尺寸,Rabbit R1的厚度设计为50%,可以确保放入口袋时,你几乎感觉不到它的存在,就像它原本就属于那里一样。
主持人
也比较好奇,Rabbit R1推理不收费的话,后续成本是怎么控制的?用户要登录自己的账号吗?
吕骋
在美国,如果用户量增加,像OpenAI这样的公司会提供专用实例(dedicated instance)。通常,消费者或开发者按token计费,但若成为大客户,按年计费,且拥有专用实例,就能享受到更多优惠,从长远来看,这样的计费方式更为经济。
目前,我们在token消费上处于预期之内。在大约4万用户中,三个月内产生了153万的用量,这符合我们的预期。长期往后看的消费模式,结合Rabbit R1近50%的利润率,我们目前是有能力覆盖成本。
再往下讲的话就是刚才我演示的teach mode,我认为这是巨大的商机。你可以将teach mode视为新型的 APP store。如果我开发了一个针对亚马逊购物的agent,我可以选择将其发布到商店,供所有人购买。如果我发布后,其他人购买,平台会向我支付费用并从每笔交易中抽取30%的利润,这是典型APP store 的逻辑,已被验证为有效的收入来源。
以苹果为例,其主要利润实际上来自App Store的分成,而非硬件利润,所以我觉得这个是可以参考的。在盈利模式和商业模式上,我个人建议千万千万不要异想天开,成功的商业模式往往都是经过验证的。你可以看看现在所有成功的商业模式,往回追溯,它都是一个已经验证过的赚钱模式。
我个人在管理和思考上,倾向于在许多领域甚至不计成本、不计风险地去进行创新,但在盈利模式上,我是最不愿意创新的。我倾向于找到一个已被验证的、可行的盈利模式,然后复制它。
是的,年轻创业者往往希望创造新的盈利模式,认为这样可以赚更多钱。但这些模式往往未经验证,比如说长期看来可能会有很多风险,也不一定能持续。我个人鼓励在盈利模式上不要发明创造,而应寻找已被验证的模式,并将其应用到具体项目中。
主持人
感谢Jesse,我们在创业营也会提到这个概念,即不要发明新的商业模式,至少在价值没有重构的时候。如果做SaaS,就采用订阅收费模式。如果真的出现重大价值重构,那时再发明新的商业模式,你可能就是下一个谷歌或阿里巴巴。但这种情况是罕见的。谷歌是因为 page ranking 技术的发明,
我甚至不认为 page ranking 是新的商业模式。你看看大街上的广告牌,其实就是 page ranking。所有的广告牌是空的时候,谁给钱多谁上谁,我认为它也是一个老的商业模式,其实你很难找到非常就是全新的商业模式。
如果你观察人类需求,就会发现几百万年来变化不大。
所以在商业模式上的创新风险极高。
主持人
再问一个比较尖锐的问题,你现在把Rabbit R1 做成手持的形式,然后也其实跟手机长得虽然非常不像,但是概念上是其实有点靠近。那么Apple 跟 open AI 的这个合作,未来会不会对我们这个产品造成比较大的冲击?
吕骋
不,我觉得不会,因为原因其实很搞笑,我们规模现在还小,不应幻想自己已经能与这些巨头同台竞争。这是创业者初期常有的幻觉。我曾经历过,大学时开发社交网络项目,那时我自信满满,以为腾讯、阿里都会感到威胁。但后来意识到,他们甚至还未注意到我们。
我学到的教训是,创业公司不应一开始就想着如何颠覆苹果或谷歌,而应考虑如何在接下来的三个月到六个月内生存下来。同时,回顾苹果的发展历程,它起初也只是制造主板,微软起初也只是为IBM提供软件。苹果在进入手机市场前,先是推出了iPod。Rabbit R1可以被视为我们的iPod,未来在适当的时机,它完全有可能发展成为更伟大的产品。但目前,我们还有很长的路要走,这仅仅是第一步。
未来你觉得在 AI\+硬件的这个方向有什么值得去探索的?
我个人认为首先要明确为什么要做硬件。许多人可能因为硬件看起来酷炫而投身其中,但真正的理由应该是你有一个非常厉害的软件,这个软件在其他地方运营的都不如在你自己的硬件上运行得好。这是艾伦·凯的观点,乔布斯在第一代 iPhone 发布会上引用了他的话:“ If you really care about your software, someday you will have to make a dedicated machine for it\. 如果你真的在乎你的软件,那么总有一天你需要为它制造专属的硬件。”
很多人把逻辑顺序搞反了。以VR为例,用户在虚拟空间如何交互、手指该怎么追踪、该怎么说话、怎么走路,这些都没有搞清楚,许多公司就做了大量的硬件,结果大多数都失败了。现在 Meta 和 Apple 之所以还在坚持,是因为他们逐渐在软件上找到了比较好的体验的定义。
我并不是劝退大家做AI硬件,我认为这一定是一个非常热的赛道。但你们的选择一定是基于软件上有某些革新和突破。在AI领域,尤其是当大家都开始使用模型后,每家硬件的智能水平都差不多。如果你不做特别深入的研究,你会发现对于同样一个 query(查询词),不同APP给出的答案几乎一样,因为那是语言模型给你的答案。在这种情况下,如何实现差异化竞争,我认为不同形态的 AI 硬件会是一个很好的切入点。即使彼此软件的智能程度相似,甚至接入了相同的接口,但是因为你的软件的形态在某种特定场景下更好用,那用户仍然愿意为之买单。
AI 硬件是有机会的,但大家一定要把逻辑顺序理清楚,先搞清楚软件交互,然后再为软件交互定制硬件形态,而不是本末倒置。
> ### 创业者的驱动力和最重要的素质
>
>
主持人
这个是非常有意思的一个视角,值得大家去借鉴。今天在座的许多朋友要么已经踏上创业之路,要么正在筹备创业。Jesse你作为一位连续创业者,我想借此机会向你请教一些关于创业的问题。随着时间的积累,你认为至今推动你前进的最大动力是什么?对于创业者来说,最重要的素质又是什么?
**吕骋:**
这其实是一个很大的问题,我几次创业的驱动力各有不同。
在我小时候第一次创业时,我只是觉得创业很有趣,于是我创立了第一家公司Time Meet,是关于社交网络。它意外地火了,但很快又关闭了,因为我们缺乏经验,没有运维等。之后,我回国创立渡鸦科技也是机缘巧合。我在TEDx上分享了我对下一代操作系统的初步探索,演讲结束后,许多工程师联系我,表示认同我的观点,于是我们便开始合作开发。
在百度收购之前,我的驱动力可能听起来有些幼稚和原始。我并非出生在一个富裕家庭,而是来自一个普通的工薪阶层。由于我对设计有着浓厚的兴趣,小时候会购买许多汽车模型。我从未对外分享过这点,但今天我愿意分享,因为这是一个内部分享。我小时候曾告诉我母亲,我希望自己能在30岁前凭借努力买下一辆兰博基尼,她虽然只是敷衍地鼓励了我,但我一直记得这个梦想。当我把公司卖给百度后,我立刻用现金在北京买了一辆兰博基尼,并通过FaceTime告诉母亲,我实现了26岁时想要实现的梦想。
我认为,创业不应该被过度理想化。创业是一种生活方式的选择,而不是目的的选择。至于最重要的创业者素质,经过过去三年的深刻领悟,我认为是能够耐得住寂寞。因为真正好的创业者往往极度孤独的,因为你在做一个没有人信的事情,只有你自己信,你还要非常努力地去把它证明到让所有人都信。
在创业的征途中,伴随而来的挑战与苦痛是巨大的。对此,我首先不认同将创业神圣化。其次,我反对一些创业者仅仅因为觉得创业时髦而投身其中,就像年轻人为了追求潮流去纹身或抽烟一样。这种追求时髦的心态,我很少看到能成就大事的。真正的创业动机往往源于一种迫切的使命感——有一天晚上你睡不着,你觉得这件事不做没有很会做,或者别人没你干得好。这种时候,这个瞬间才会触发你内心最底层的动力,一旦找到这个动力,就无需其他外在因素来维持。
我认为,一旦你成为创业者,选择了这种生活模式,更多是选择了这种生活状态之后,你是不需要鞭策的。你也不需要去付出很多的努力,才能坚持下去,这种内在动力是持续不断的。而且,这中动力的根源可能并不总是那么崇高。你可能只是为了争一口气,或者简单地认为自己能够改变世界。但这种感受,只有真正经历过创业的人才能深刻理解。创业并非外界所看到的那样,只是光鲜或极端困境,它更像是佛教故事中达摩面壁九年的修行,是一种个人选择的生活方式。在做这个选择的时候,你意识到你会牺牲掉很多常人会有的快乐和常人会有的生活节奏和生活条件,在这个过程中什么让你继续坚持下去呢,因为你觉的你做的事情更有意义。
我是很反对把创业这件事变得非常理想化的,很多创业者不知道创业是非常残酷的,就是一种生活方式的选择。
创业可能始于一个独特的想法,一个你认为可以实现,而外界可能认为不可能的想法。可能大概率也会证明你是错的,但一旦最终证明你是对的,那么你可能会建立一个伟大的公司,实现深远的人生理想。
以Elon Musk为例,许多人在10年前并不关注他。但他的创业之路很早就开始了,在他大学时期他就卖出自己的游戏软件,但是这些早期的经历很少有人关注。同样,黄仁勋也提到过他的第一份工作是清洁工。创业者可能会有一个比较长时间的积累期,充满了质疑、误解,被创业的节奏折磨的没有生活的平衡。并且很可能你最终也无法成功。
主持人
那在最困难的时刻,你是怎么过来的?
**吕骋:**
我觉得我比较幸运,说实在的。我真正比较困难的是我刚开始做渡鸦科技的时候。我跟身边的一些人分享过,我职业生涯中遇到的最大挑战之一,是解决不了最初几位员工洗澡的问题,他们因此准备离职。
渡鸦科技最早的投资人在上海给我们提供了一个未装修的毛胚房作为免费办公室。那是一个寒冷的冬天,办公室里没来得及安转马桶,也没有热水器和暖气。我们四五个人挤在里面工作,我还骗我妈说已经租到了房子,但实际上,我们只有两床被子,一张铺在地上,一张用来盖。我们几个程序员就挤在一起编写代码。直到有一天,他们联合上书对我说,可能干不下去了。他们说他们可以每天住在这,可以每天工作这么长时间,但我们就想洗个热水澡。公司其实并不缺资金来安装热水器,而是我们没有那个时间去等安装公司改造墙面和管道,这可能需要耗费三四个月的时间,我觉得来不及。
那个时候我感到束手无策,突然面临核心员工全要离职的危机,我认为那是我职业生涯最困难的时候,然后我当时想了个歪招,我打开了大众点评,搜索了附近评分最低的健身房,拿着我们融资成功的 36 氪报道,去和老板协商,我说你看我们融了 150 万人民币,承诺给他带来会员,换取了极低的折扣。最终,我花了800元办了五张健身卡。
我回去就挺直腰杆把健身卡交给员工,告诉他们公司提供了多么好的福利,不仅洗澡,还能免费健身、免费游泳,那五名员工最终留了下来。在上海的那段时间,你会看到我们这群人总是在健身房凌晨关门前洗澡,我觉得那是我创业最艰难的时刻。
但你依然保持着产品经理的特质,超出用户预期。
这些背后的故事,你永远不可能在媒体上看到。只有真正经历过,你才会发现,有时候最困难的事情可能看似微不足道。现在回想起来,我觉得有些好笑,因为相比其他问题,这似乎并不是最难解决的。
主持人
我再问最后一个问题,就是说那下一代产品你是怎么设想?
**吕骋:**
关于下一代产品,我不能透露太多,但我可以说的是,我依然关注不同的产品形态。我个人不排斥与手机竞争,但我认为我们现在的实力还不足以与iPhone或安卓正面竞争,这是我选择不同道路的主要原因。也许在今年年底或明年年初,你们就能看到我们带来的新形态产品。
# 观众问答
**观众1:**
作为同一领域的创业者,我想问问未来是否有考虑过端侧部署?
端侧部署是在美国讨论的比较热的一个话题,,我个人对此抱有很大期望。但我们认为,端侧部署的时机尚未成熟。尽管端侧部署在隐私保护和用户模型的本地微调方面有优势,但它带来的挑战与投入相比并不成比例。首先,任何一个端侧部署对芯片处理能力要求较高,同时伴随着能耗和发热问题。此外,本地运行模型会失去获取最新信息的能力,这些挑战解决起来都非常棘手。例如,我们在搜索最新新闻时采用的某些技术,如果应用到端侧,管理起来会更加困难。因此,我认为端侧模型更适合一些特定单一功能的硬件,如会议记录、或者翻译等成精。但对于通用应用,我暂时看不到端侧部署的优势,从硬件成本和计算芯片成本的角度来看,目前并不符合实际情况。
**观众2:**接着刚刚的问题,如果纯端侧不行,那个端云协同你怎么看这个事情?
**吕骋:**
关于端云协同的问题,我认为这绝对是未来的发展方向。苹果已经在这方面做出了示范,例如新的Siri在本地有小型语言模型来处理一些基础查询,比如问天气、问闹钟都是本地处理。我个人是认同这种结合端侧和云端的方式。
**观众3:**
我的问题是关于模型在国内市场的进展,特别是我们这类穿戴设备公司是否有机会通过接口方式与R1 的底层进行合作。
**吕骋:**
这是个很好的问题,我们在美国也被问到,目前我们还没有将模型作为接口提供出去的计划。因为两家公司的团队每天面对的工作性质不太一样,我们更倾向于专注于提升端侧体验,特别是在Rabbit R1上的体验。随着我们积累更多的经验和教训,未来某个阶段,我们可能会更有信心地将模型开放给外界。
**观众4:**
我注意到Rabbit R1的测评中提到滚轮设计在滚动时存在不便。请问这个问题是如何考虑的?
**吕骋:**
滚轮的灵敏度我们一直在调整。我们不想把小屏幕模拟成最好的触控屏,因为它本身就是触控屏。我们的设计逻辑是不想在小屏幕上放置太多按钮,这会使屏幕变得拥挤且难以使用。我们尝试复制早期苹果的滚轮界面,因为小屏幕的触控操作存在挑战。这是一个权衡。但我们的灵敏度调整一直在进行,目前的用户反馈已经有所改善。未来,我们可能会考虑在触控策略上做出调整,而不是一开始就完全开放触控功能。
**观众5:**Rabbit 能不能像安卓一样未来对外授权?
**吕骋:**
是指软件授权方面还是硬件方面?在软件授权方面,我们收到了很多需求。坦白说,我认为现在还不是最佳时机,因为我们还需要在很多方面进行改进,我们希望把产品做得更加通用和强大,然后再考虑授权。我并不是说我们反对这个想法,只是目前对我们来说可能为时过早。
想向您请教关于AI原生操作系统的问题。特别是通过teach mode进行用户验证和捕获似乎是个难题,您对此有什么看法?
**吕骋:**
这是一个非常专业且提问得很好的问题。
目前,我们的核心原则是,在Rabbit连接应用程序时,我们不创造假用户、垃圾用户或机器人用户。我们直接将用户引导至对方的登录界面,让用户手动完成登录或捕获过程。我们不考虑用代理去解决这个问题。从商业角度来看,这实际上是一个机会,因为我们接入了Spotify等服务平台,随着用户量的增加,这些服务提供商愿意与我们合作。这是一个权衡的过程。我建议在早期不要试图解决这种敏感的边缘情况。如果更多地交给人类去做,最好是在量上来之后,让服务方主动愿意与我们合作,这样的合作可能更合理。
所以总结一下,早期可能不需要过多干预,可以让人为操作,然后随着时间的推移,通过商业合作来实现更深层次的集成。
**观众6:**
您好,我目前在一家大型企业负责技术战略,同时自己也有一个项目,主要针对家用智能硬件市场。我想请教一个问题,作为新手做智能硬件,定价很重要,但背后可能更多还是一个成本考量。想问一下过往在成本控制和供应链方面有什么样的一些经验可以给到新手创业者吗?
**吕骋:**
在智能硬件定价和成本控制方面,我认为对于新手创业者来说,有两点至关重要。首先,必须找到一位经验丰富的硬件负责人,尤其是在ODM和OEM集中在深圳或东莞等亚洲地区的情况下。这位硬件负责人能够带来丰富的资源,这是解决硬件问题的关键。如果团队中缺少这样一位能够在深圳等地区拥有广泛人脉的领导者,我建议先找到这样的人选。
其次,硬件开发虽看似令人生畏,但一旦你开始着手,过程中学到的知识将成为你的独特优势。以我们团队为例,硬件团队是由我亲自带领的经验丰富的领导者和几位核心成员组成。通过多年的合作,我们熟知彼此的风格和方法,积累的资源也在不断放大。
另外,我想补充一点,供应链管理非常复杂,不要试图自己去学习,这需要十年的积累。小米的刘德也曾建议,如果可能的话,应该找一个有十年供应链经验的人来负责,创业公司没空去趟这个坑
然而,硬件开发的难度在过去十年已经降低,因为许多供应链已经标准化和模块化,尤其是电动车等平台。但即便如此,仍需找到经验丰富的人来领导。
**观众7:**你认为 u human 的这个 Aipin 目前失败的原因是什么? Rabi Rabbit R1 相比之下有哪些优势?
**吕骋:**
首先这个公司还没死,所以我们先不要说它失败,我只能说它没有达到它的预期。我认为还有许多可以调整的地方。首先,在软件尚处于全新且不透明(黑盒)的AI时代,硬件设计需要降低风险,而不是增加。Aipin的高成本和订阅模式可能是一系列决策失误的结果。
其次,Aipin团队可能由于苹果的惯性思维,该团队规模庞大,融资额高达2\.5亿美元,但在产品开发上却显得缓慢。相比之下,我们团队在发布时仅有17人,而他们已有400人。这可能表明,他们招聘的人才或许并不适合,或者内部存在别的问题。
human Ai Pin产品试图通过镭射投影作为其最大卖点,但在室外环境下,这种投影难以看清。产品的本体成本可能仅为300美元,但他们却错误地将充电盒等配件与Ai Pin一起捆绑销售,导致最终售价高达799美元。此外,充电盒还出现了起火问题,这无疑进一步损害了产品形象。
我认为,如果要保持竞争力,应该单独销售主体设备,并按配件单独销售,而不是将所有东西打包,这样做只会导致成本更高。此外,他们的订阅服务也显得不合理,因为用户对产品的使用频率和依赖程度尚未达到需要定期付费的水平,对于完全新的一个硬件形态,一开始就收费,这个是非常有风险的。所以这是我看到的一些表层原因,当然肯定还会有一些深层原因。
human团队以工业设计为主,对AI的投入相对有限。我们团队则不同,AI的比重远高于工业设计和软件硬件。我们认为,真正的产品设计应该从原生AI软件出发,然后再考虑其载体,而不是先注重外观和工业设计,再考虑软件如何适配。
针对human AI pin的早期决策失误,我们做了许多调整。例如,我们坚持硬件上的风险最小化,只定价199美元,拒绝任何形式的订阅服务。我们意识到,屏幕是用户所依赖的,不能简单地去掉。同时,我们从一开始就避免采用ECM模式,因为这会限制产品的初期销量。
Rabbit R1的成功也归功于其独特的颜色设计。硬件的外观在早期确实非常重要。我与Tony Fidel交流时,他分享了苹果iPod的一个关键决策:多花5美元将耳机线做成白色。这一设计让iPod迅速成为文化标志,而不仅仅是一个能存放一万首歌的MP3播放器。白色耳机线成为了iPod的标志性特征,这也是硬件设计上的一个重要考量。
**观众8:**
因为现在 AR 眼镜也是大模型和 AI 的一个非常好的载体,它有所有传感器显示camera以及传感器。因为消费者其实可穿戴的设备不会特别多,一定会只专注在一两个 input data的设备,所以您是怎么看这几条赛道的?
**吕骋:**
首先我Rocket公司是一家历史悠久的公司,我们一直对他们的产品保持高度关注。最近,我们也注意到了他们正在开发的AR眼镜和其他演进形态的产品。我个人非常看好娱乐领域的可穿戴眼镜,但我自己并没有选择开发眼镜产品,原因很简单。
眼镜作为一种个人物品,需要与用户的头型和脸型相匹配。长期佩戴眼镜的人可能会发现,他们的头型逐渐适应了眼镜的形状,因此对新眼镜设计可能不太适应。这使得眼镜的通用性成为一个挑战。我曾是最早一批拥有Google Glass的人之一,尽管我认为Google Glass的设计很好,但电池续航时间过短,限制了其实用性。
电池技术在过去十年中的进步并不明显,这对于智能眼镜等便携设备的续航能力构成了限制。例如,vision Pro这样的产品需要配备大型充电宝,这限制了其便携性。尽管智能眼镜的愿景和激动人心,但一些小部件的技术进步缓慢,使得它们目前难以普及。
因此,我们在智能眼镜的开发上采取了谨慎的态度,不急于推出新产品。如果我们要开发智能眼镜,我们更倾向于设计轻便且不对头部造成压迫的产品,类似于《七龙珠》中的战斗力探测器。目前,我们更专注于神经符号学方法,这是一种更通用的技术路径,超越了传统的RPA。
我们的技术哲学是,无论APP、网站或操作系统如何变化,它们都设计有供人眼识别和理解的用户界面。我们的系统通过分析大量数据,学习如何识别和操作UI元素,而不是简单地模拟鼠标点击或按键操作。这种方法使我们的系统能够适应不断变化的UI设计,提供更稳定和可靠的用户体验。
例如,Spotify的界面经常变化,我们的方法不是简单地模拟鼠标移动到播放键的位置,而是让系统识别出播放按钮的特征,并追踪这些按钮。这样,无论界面如何变化,我们的系统都能准确操作。这种方法在初期可能不如传统RPA效率高,但从长远来看,我们认为神经符号学方法可能更具泛用性。
**观众9:**
我是做这个教育行业的,对于咱们这样的公司,尤其是硬件类的公司,您目前主要在看哪方面的一些人才?而且在 AI 时代下有没有存在一种新的工作协作方式?
**吕骋:**
这是一个非常好的问题,我很高兴你提出来。我认为,与传统公司相比,我们公司最大的区别在于人才的选择和培养。首先,大家可能认为Prompt工程师很容易找到,因为他们只需要会说话就行了。但实际上,真正优秀的Prompt工程师非常稀缺,他们需要对世界有广泛的了解和深入的知识。一个好的Prompt工程师,能够用恰当的方式提出问题,从而获得更好的效果。
在硬件方面,人才需求多年来并没有太大变化。你需要找到那些真正懂得硬件领域的人。然而,软件领域的变化非常大,尤其是需要找到那些真正理解AI方向的人。很多人在学术上有很大的成就,但在用户角度的思考和对Prompt的理解上,还有很大的提升空间。
我认为,仅仅依靠经验是不够的,还需要有开放的学习心态和思考能力。比如,我们曾经有机会与芬达合作,因为芬达也是橘色的。但我决定停止这个合作,因为我发现只有我和另一个人知道芬达的背景。芬达是在二战期间,由于美国对德国的禁运,德国的可口可乐供应中断,纳粹时期的德国制造了芬达。如果你了解这段历史,你就会知道这个品牌在海外市场有多敏感。
因此,新时代的AI工程师不仅要有技术知识,还要对历史文化和各种知识有深入的理解和学习能力。这是我认为的一个非常大的区别。总的来说,人才的选择和培养是我们每天都在思考的问题,也是我们能够取得今天成绩的关键因素。我们内部也在不断地自我学习和提升,这对于我们的发展非常有帮助。
**观众10:**
我之前在大厂工作,最近开始涉足AI硬件领域的创业。目前有两个问题想请教:一是作为一家小型创业公司,我们如何面对大公司压倒性的优势?特别是当iOS或Android在整合intention(意图)和action(行动)方面具有天然优势时,我们这样的独立设备,甚至是非伴随设备(companion device),将如何定位自己?
二是关于商业模式,我不确定我的想法是否正确。对于像Rabbit R1这样的产品,我相信最终能够实现盈利,subscription(订阅服务)最终也能实施。但目前这个阶段似乎还未成熟。在融资过程中,我是否会遇到投资人的压力,他们希望看到一个明确的路线图,证明我们的市场进入和商业模式是可行的?当我们自己还在探索时,如何应对投资人的这些问题?
**吕骋:**
对于第一个问题,我认为不应过早地与大公司的策略进行比较,这没有参考价值,因为大公司确实有先天优势,这些优势是小公司无法通过后天努力获得的。但我认为现在的机会在于,即使是苹果,面对AI原生软件和新模型技术,他们也需要从零开始。他们有生态系统的优势,但并不一定在新的软件产品开发上具有优势。在这方面,大公司和小公司是平等的,我认为这是机会所在。
简单来说,我认为小公司有机会颠覆大公司的前提是出现了一个全新的技术革命。例如,微软和苹果之所以能够超越IBM,是因为个人电脑时代的到来,而IBM在个人电脑领域与他们一样是从零开始。我认为现在就是这样一个机会,大家都在思考如何突破苹果的APP生态,虽然现在看来很难,但如果未来都是AI agent的话,那所有人都是从头开始,这就是我看到的竞争优势。
对于第二个问题,商业模式方面,我们确实认为subscription最终能够实施,但早期并不适合。与投资人沟通时,重要的是要告诉他们最大的利润点在哪里。如果他们认为最大的利润来自于50%的利润率,或者每月收取15到25美元的费用,他们当然会希望你越早实施越好。但如果你能说服投资人最大的利润并不在这里,而是在未来的某个节点上,那么他们也会理解。
这也是区分投资人的一个关键点,因为很多投资人实际上非常短视,而有些投资人则具有远见。我个人的经验是,很多投资人虽然表面上谈论大的故事和愿景,但他们的决策逻辑实际上是非常谨慎和数据驱动的。只有少数投资人真正愿意为了伟大的故事和愿景承担巨大的风险。我认为这是一个双向选择的过程。
**观众11:**
我目前正在开发一款AI心理应用,并考虑涉足硬件领域。我想请教您,像Rabbit R1这样的设备与手机未来的关系会如何发展?另外,对于未来设备提供的信息内容形式,比如视频等,您有何考虑?
**吕骋:**
我认为Rabbit R1不太可能成为像手机那样的设备,因为它的定位是一个小型对讲机。不过,我们通过这种最简单的形态验证了我们的模型,并推动了模型的发展。未来,我们可能会尝试更基础或更通用的形态。
核心逻辑并不是我们不愿意做手机或电脑,而是说我们现在的技术积累,或者说任何一家公司的技术积累都还不足以立刻推出下一代iPhone或Mac,这并不现实。对于创业公司来说,更好的策略是降低硬件成本,通过这样的载体至少控制到终端的所有东西,从而推进模型的智能程度和能力。当模型更完备时,再将其应用到更高级的硬件上。
**观众12:**
Jesse,你刚才分享的产品设计思维模式非常启发人。我想问是什么指导着你,站在什么样的视角去思考?是否有一些第一性原则?
**吕骋:**
你问的很好。从渡鸦到现在,我有一个座右铭,那就是三个词:直观(intuitive)、敏感(sensitive)、执着(obsessive)。**直观(intuitive),****就是一定要足够直观。sensitive就是要足够敏感,第三个叫obsessive,要足够执着或者足够抠细节。**
我分别解释一下:
对于**intuitive,**人们喜欢一件事或一个人时,可能会讲出很多理由。但当人们爱上一个东西时,这种爱是非理性的,没有任何条件。例如,如果在街上看到一个美女,一见钟情,那一刻我根本不会考虑她的背景或其他条件。这种直觉是非理性的。也就是说大家在做产品的时候很难把一个产品做到用户爱它,因为爱是没有理由的,大家很容易或者相对容易把一个产品做到好用。如果用户说这个东西做得好用,他一定是做对比的、有条件的,但如果说我真的爱一个产品的话,没有理由,没有条件。所以最重要的是要有你的直觉,就是intuition,人的直觉是非理性的,最重要的是要有直觉,然后用大量实验去验证它,你才有一点点几率可能把产品做到让人们爱上他,但如果你根本不去这样想的话,你最好也就只能做到好用。
如何提升我们的直觉准确性?这需要我们对所有事物保持高度的敏感性。如果你的感官比他人更加敏感,你就能观察到别人忽视的细节,感受到别人未能觉察的细微之处。这种敏感性有些是天生的,但也可以后天培养。培养方法之一是保持好奇心,大量吸收现有知识。例如,我每天花费大约3到4个小时观看YouTube,不设限地学习各种新知识,无论是什么主题。我可能会研究爬行动物,尽管我并不饲养它们,但我愿意学习相关知识,这对我非常有益。
在学习知识时,我们不应挑剔。许多人只学习自认为有用的知识,忽视了其他领域的知识,这是错误的。长期坚持广泛的学习,你将发现自己变得更加敏感,你的直觉也会更加准确。接下来,要保证结果的质量,就需要变得执着,对细节挑剔,这是确保产品成功的第三个要素。
这是我首次分享的三个准则,它们指导我做产品。遵循这些准则开发的产品,往往难以向他人解释其设计原因。例如,如果有人问我Rabbit R1为何选择某种颜色,我可能无法给出具体的理由。我认为它正确,这是我的直觉;我觉得这个颜色比其他颜色更吸引人,这是我的敏感性;我确保硬件生产出的颜色与我想象中的颜色一致,这是我的执着。当这三者都实现时,我就感到满意。
如果要补充一点,那可能就是品味(taste),但品味这也是知识的一部分。