月之暗面，给我们提供了一个参考。

撰文： 举大名耳

当下的大模型赛场，随着最初的热潮褪去，不少 VC 和投资人对大模型已经进入了一个冷静期，其投资标准，也变得理性、严谨了许多。

既然如此，那么这一阶段能得到明星资本青睐的团队，都具有哪些特征呢？

如前段时间，突然发布自身产品的神秘创业公司——月之暗面 Moonshot AI，就给我们提供了一个参考。

在自身的大模型 Kimi Chat 发布前，很少有人会想到，这个创始人仅 31 岁，且没有任何产品发布的 AI 初创企业，会获得红杉中国和真格基金等 VC 的投资，并被 The Information 选为五家「中国 OpenAI」的创业公司之一。

那么，对国内大模型而言，月之暗面的入局，究竟是又一场讲故事的炒作，还是一匹赫然出世的黑马？

VC 们的考虑

现阶段，要拿捏一个 AI 初创企业的含金量，除了企业公开展示的信息外，从 VC 们的角度倒推回去，分析其投资的理由，也是一种值得借鉴的思路。

以投资了月之暗面的明星资本红杉中国为例，目前红杉中国在 AI 领域已经已投资了近 30 家企业，但其真正的核心标准只有两个：

1、有使用场景，解决实际问题；

2、系统能够持续不断获得有用的数据自我学习来提升处理能力。

在第一条标准上，红衫中国对 AI 企业的筛选，有着与国内大多数 VC 不同的洞见。

当前，AI 投资大多集中在 B 端，因为相较于 C 端，B 端的行业垂直类大模型更好找到应用场景。

然而，红衫中国却认为，垂直行业背景不是必备条件，而对行业痛点的深刻洞察，则是更为重要的因素。

比如摩拜创始人不是做自行车的，但是她发现了实实在在的需求，并且意识到在这个过程中 AI 能够发挥价值。

按照这样的思路，来看月之暗面的情况，我们就会理解红衫中国投资的理由。

在月之暗面发布的大模型 Kimi Chat，是首个支持输入 20 万汉字的智能助手产品。这一上下文长度，是目前最高的 Claude 2-100k（约 8 万字）的 2.5 倍，GPT-4-32k（约 2.5 万字）的 8 倍。

超长的文本输入，意味着什么？

在 Kimi Chat 发布前，大模型落地的一个最大阻碍或瓶颈，正是输入长度的限制。

由于长度所限，任何需要进行长篇分析或持续对话的场景，现有的大模型都难以胜任。

例如，在法律行业中，有时从业者需要处理大量的长文本，例如法律文件、合同、判决书、案例等，而在媒体行业中，编辑或撰稿人，也需要对大量的文章、新闻、报道进行分析阅读。

诚然，面对输入长度的限制，人们可以用「分段发送」这种投机取巧的方式规避，然而，由于长度所限，在达到字数限制后，大模型仍然必须对每段内容重新开始分析。

而这种不断「从头开始」的情况，也使大模型难以形成一套连贯的、有深度的见解。

这样的情况，就像是一个原始人，虽然学会了写字，但却因文字载体（只能刻在石头上）所限，无法保存更多的信息，积累更多的智慧，于是文明便无法长远地发展。

而大模型要想摆脱这样的「原始阶段」，向更广阔的场景扩展，文本长度的限制是一定要突破的。

也正因如此，抓住了「长度限制」这一痛点的月之暗面，才会如此得到红衫中国的重视。

然而，除了具体的场景、技术之外，「人」的因素，在大模型创业过程中同样不可忽视。

技术天才的前路

当下，几乎每个 AI 初创企业都想成为 OpenAI，但又有多少团队具备那样的人才配备，以及能让其充分发挥自身才干的土壤呢？

从表面上看，在目前的大模型创业热潮中，名校毕业、大厂经验、浓厚的技术基因，似乎已经成了一种「标配」，月之暗面的情况也是如此。

其创始人杨植麟，不仅出身清华，深造于卡内基梅隆大学，后来又效力于谷歌大脑研究院和 Meta（Facebook）人工智能研究院，并且还曾与图灵奖得主杨力昆（Yann LeCun）合作发表论文。

图片来源：百度百科

同样的，身为团队第二大股东的周昕宇，也是杨植麟清华大学计算机科学与技术系的同学；

而第三大股东吴育昕，毕业于清华大学与卡耐基梅隆大学，曾获 2018 年欧洲计算机视觉会议（ECCV）最佳论文提名。同时也是 Meta（Facebook）人工智能实验室 FAIR 团队的一员。

从人员构成上看，这是一个技术基因颇为浓厚的团队。

然而，在当下的国内大模型赛场上，明星般的技术人才很多，可真正做出突出成就的，却仍是凤毛麟角。

原因何在？

从 OpenAI、Midjorney 等成功团队的案例中，我们至少可以总结出两点：

1、团队对自身「独立性」的坚持；

2、创始人的视野、经验是否开阔；

关于第一点，就国内的情况而言，尽管「技术天才」创业的案例已不在少数，但其中相当一部分团队，由于缺乏股权或经济上的独立性，最终被收购、控股，如之前被光年之外收购的一流科技就是这样的例子。

而相较之下，OpenAI、Midjorney 在融资、股权问题上，则有着更为独立的自主权。

身为非盈利性组织的 OpenAI，不用总是将股东的意志放在第一位；而 Midjorney 的创始 David Holz，更是凭借着自身的名气与人脉，在不融资的情况下就集齐了相应的资源、人才。

凡此种种，都使其更易于坚持自身独立的研究方向。

而在这方面，根据天眼查 App 信息显示，月之暗面由杨植麟持股 78.97%，拥有绝对控制权。

除了对「独立性」的坚持外，创始人的视野和实践经验，也成了大模型团队成败的另一大因素。

因为技术型团队，虽然对研究有着纯粹的热忱，但有时候，这样的执着却会「剑走偏锋」，陷入一种误入歧途的窘境。

在这方面，第四范式的创始人戴文渊就是个明显的教训。

同为「技术天才」的戴文渊，在创立第四范式时，选择了一条十分另类的「决策类 AI」的方向，结果却因高昂的定制化研发成本，在三年半里累计亏损 46.83 亿元，并遭受了三次上市均失败的窘境。

在当下 AI 的发展方向中，存在着许多不同的路径，有些是有前景的、靠谱的，有些则是需要排除的「错误选项。」

而唯有与国外一流的高校、机构和企业进行广泛交流，并亲自参与实践，才能从中得出正确的、具有前瞻性的判断。

说回到月之暗面，在视野与实践经验方面，杨植麟曾效力于谷歌大脑研究院和 Meta（Facebook）人工智能研究院，是 Transformer-XL 和 XLNet 的第一作者。

其中，XLNet 模型曾在 18 项自然语言任务中取得了好于谷歌 BERT 的效果，是当时 NLP 领域热门的国际前沿模型之一。

这样开阔和前沿的履历，确保了作为创始人的杨植麟，在技术方向的把握上，保持了与国际一线人才相近的水准。

「局部胜利」的含金量

在目前月之暗面公布的信息中，其最为人称道的一点，就是推出了首个支持输入 20 万汉字的大模型 Moonshot，以及搭载该模型的智能助手产品 Kimi Chat。其文本长度是 GPT-4-32k（约 2.5 万字）的 8 倍。

可以说，这是国内在局部领域对 GPT-4 等先进模型取得的又一场「胜利」。

为什么说「又」呢？

因为此前已经有不只一个国产大模型，宣称自己在某些方面「超越」了 GPT-4。

9 月，学术界当红开源评测榜单 C-Eval 最新一期排行榜中，云天励飞的大模型「云天书」排在第一，而 GPT-4 仅名列第十。

之所以会出现这样诡异的现象，是由于部分国产大模型，学会了一些别样的「应试技巧」（例如将测评的答案抠下来训练），才造成了如此奇观。

其实，从 OpenAI 的经验来看，一种真正的技术上的「局部胜利」，应该是对 AI 某一领域天花板的突破，而不是呈一时的数据英雄。

这也是为什么，当年 GPT-1 被谷歌的 BERT 打得完败，且测评、数据纷纷拉胯的情况下，OpenAI 仍然选择大模型，而非小模型的原因。

毕竟，小模型在专业任务上表现虽强，但只要参数无法提升，更强的智能就无法涌现。

同样地，目前月之暗面推出的 Moonshot，同样可以看作是对大模型某一「天花板」的突破。

因为在长文本方面，也存在文本长短、注意力和算力类似的「不可能三角」。

这表现为，文本越长，越难聚集充分注意力，难以完整消化；注意力限制下，短文本无法完整解读复杂信息；处理长文本需要大量算力，提高成本。

在这样的不可能三角中，自注意力机制的计算量会随着上下文长度的增加呈平方级增长，比如上下文增加 32 倍时，计算量实际会增长 1000 倍。

而计算量的提升，就意味着就不得不消耗更多的算力，而这无疑意味着更高的模型部署成本。

有鉴于此，唯有以长文本技术为突破，人们才能在其通用模型基础上去裂变出 N 个应用。

现阶段，长文本的「不可能三角」困境或许暂时还无解，但正因如此，攻破这样的「天花板」才真正有其意义和价值。

而所谓中国的 OpenAI，或许正是诞生于对这一个个「天花板」的攻克中。