131. 印奇出任阶跃星辰董事长的访谈：聪明人的诱惑、取舍、超长链路残酷淘汰赛、阶跃函数和超多元方程

摘要

• 阶跃星辰的核心赌注不是单一应用，而是“世界一流基模+AI终端”组成的最小商业闭环。 印奇排除了基模公司单做中国 To B 或纯软件 To C：前者收入利润上限撑不起研发，后者缺用户、数据飞轮且会遭大厂挤压；阶跃因此以基模为“大脑”，先用车牵引，再延伸至手持与穿戴设备，“最主要的还是大脑”。
• 基模竞争首先是一道残酷的资金与利润方程：每年研发至少约30亿元，合理区间可能是30亿—50亿元。 若持续3—5年，基础投入至少百亿元，按五年看是150亿元打底；反向要求是三到五年后必须出现一个核心应用，可能每年贡献30亿—50亿元利润，否则无法自我循环。“这两件事情都得满足，才有机会走到那个阶段。”
• 印奇把这轮 AI 定义为“有史以来最激烈”的科技竞争，而且判断赛程可能已过半。 技术底座仍在变化，产品和商业化随时可能被推倒重来，竞争同时面临全球最高的人才密度、历史级资源消耗和应用次序的不确定性；泡沫则反映在股价与薪酬上，顶尖人才价格较 AI 1.0 涨了约5—10倍，中美 package 已接近“人民币换美金”。
• 阶跃2026年的模型路线被压缩为三个关键词：基模、全模态、VLA，并将连续推出3.5到4。 “基模基本上 means everything”，全模态覆盖文字、语音、图像，VLA 则把车、机器人乃至未来手机的 Action 数据纳入同一个大脑；目标是基础智力世界一流，但不为单点 benchmark 第一牺牲终端所需的成本、效率、架构适配和专项体验。
• 车既是当前最现实的商业入口，也是获取物理世界数据、通往具身智能的第一块跳板。 千里科技先落地智驾、座舱与未来 Robotaxi，印奇判断这轮智驾竞争还会持续约三年，行业最终集中为3—4家核心供应商；更完整的室内与具身数据闭环仍需5—7年，当前机器人模型大致只在“GPT-1、GPT-2”的早期水平。
• 印奇对 AI 1.0 最尖锐的复盘是：年轻时“把把都上”，安防那场仗本可不打。 旷视在金融、手机已有优势，却因嫌垂类不够大持续做加法；更好的取舍可能是在2019—2020年前后聚焦汽车。资本市场只能是“活下去的一个中间节点”，“上市真的不会改变任何本质的东西”，甚至可能迫使公司牺牲长期研发换短期业绩。
• 下一代 AI 公司的真正壁垒不只在模型，而在能否组织一群高智力、低 ego、愿意坐冷板凳的人长期协作。 阶跃正把算法、系统和数据重新融合，印奇称数据可能决定模型最本质的部分，甚至占到70%—80%；他对 AGI 的技术判断则相对明确：学习范式、记忆系统以及从数字世界走向物理世界这三条线，未来五年左右若被解决，“至少现在定义的 AGI 应该大概率就能实现”。

精读

1. 印奇把阶跃星辰与千里科技拼成了同一张 AI 版图

• 印奇目前的两个核心身份是千里科技董事长与阶跃星辰董事长，已不再于旷视任职。千里聚焦 AI 与车、未来机器人结合，阶跃则提供背后的基础模型、大脑与底层能力。

• 阶跃成立于2023年4月，印奇称自己从最早策划阶段便深度参与；现在正式出任董事长，是把更多精力投入这场“大模型战场很残酷”的竞争，而非突然加入一家公司。

• 他与 CEO 大新的分工是：大新综合负责日常经营，双方共同推进基模组织变革和技术攻坚，印奇在终端商业化专项上投入更多，但车端模型等工作天然横跨两家公司。

2. “阶跃”指向非线性质变，“星辰”保留技术创业的远方

• 公司英文名 StepFun 来自 step function。印奇解释，阶跃函数代表从量变到质变，也代表深度学习网络里多重非线性的叠加；在他的表述中，“非线性的叠加也是一种智能的本质”。

• “星辰”则来自 AI 从业者仍应保有的“星辰大海”追求。这个名字同时容纳了两层目标：探索基础智能上限，也把技术做成商业上可以闭环的公司。

• 阶跃 Day One 的使命没有变化：成为中国基础模型领域最优秀的公司之一。为此，人才、资本和商业模式都必须与 Foundation Model 的长期投入相匹配。

3. ChatGPT 最初被他误判为“跟我没什么关系”

• ChatGPT 出现时，印奇的第一反应并非 all in，而是认为自己仍应沿视觉、机器人和硬件路线前进，语言基模未来只需“谁好用谁”，作为一个外部组件即可。

• 这项判断大约用了半年才改变。印奇先判断它是否是底层技术变革，再判断是不是自己的商业赛道；语言模型的数据、参数量与算力原本显得更适合互联网巨头，但多模态与物理智能的潜力使它不再只是语言领域的局部升级。

• 他的最终结论是“大脑只有一个”：视觉、语言和物理 AI 很少会长期保留为彼此分离的垂类模型，最终都会被统一基座吸收，因此 AI 创业者只剩“做还是不做”的选择。

4. AI 1.0 到 2.0 是连续演进，不是凭空颠覆

• 张小珺追问大语言模型是否颠覆了上一代 CV，印奇并不认同。旷视从第一天就是 deep learning native，也参与过国内早期语言模型项目；在他看来，所谓颠覆感往往来自“缺少了一些前序的信息”。

• 但连续性不意味着变化很小：长期积累会在某一刻“量变到质变”，像阶跃函数一样突然跨越认知边界。AI 1.0、2.0 更多是媒体标签，战局本身从未中断。

• 这一判断也解释了他为何既坚持旧能力的延续，又认为必须另建平台：技术谱系连续，组织与商业模式却可能需要从零开始。

5. 成熟的旷视组织不适合承载一次全新的基模创业

• 旷视经过十多年发展，已形成 AI+IoT、软硬结合、面向 B 端的组织与商业模式；印奇形容这种路径已经非常清晰，某种程度上也已“固化”。

• 旷视早期同样人才密度高、research 驱动，但组织从婴儿长成少年后，已经选定专业和方向。高投入、早期且不确定的基模创业，需要一个重新诞生的平台，而不是强行改造原组织。

• 最早的设想是让旷视与阶跃合作，随后关系一步步发展到今天。印奇的隐含组织判断是：老能力可以连接，新文化却应保持独立。

6. “大脑+终端”来自他对生物智能演进的底层信念

• 印奇称自己的许多技术 belief 来自《On Intelligence》以及脑科学、进化视角。他认为人类面对智能应当谦卑：大脑从物理空间生存到新皮层、语言与推理的演进次序，不能被 AI 跳过。

• 最终载体“肯定是个机器人”，但机器人近似重构一个新物种，涉及脑结构、传感器、执行器与硬件系统，无法一步到位。因此先构建大脑，再从车、手机等终端积累能力。

• 他把“人车家”重新解释为手机与穿戴、汽车，以及未来可能成为最深场景的家庭；现阶段车是第一切口，手持和穿戴式消费电子是第二方向，具身平台则是更远的结果。

7. 这场竞争的残酷来自一条仍在移动的超长链路

• 印奇称其为“可能是有史以来最激烈的一次科技竞争”。全球最聪明的人、历史级别的研发资金同时投入，而每个行业何时被 AI 改造仍高度不确定。

• 链路从原点技术创新一路延伸到产品化、商业化与商业模式闭环；问题在于底层还在快速变化，像房子的地基不断重做，上面的产品与流程也可能被迫推倒重来。

• 面对“链条长、速度快”，他要求抓住两个原点：技术上必须存在全面或局部的 edge；商业上则要用排除法，先剔除注定无法覆盖投入的模式。

8. 基模公司单做中国 To B，账从第一天就算不过来

• 印奇给出的门槛是：做基模一年至少投入约30亿元，而且这种投入要持续3—5年，基础研发总额至少百亿元；大型科技公司的实际支出还远高于此。

• 单纯 To B 的变现周期长，新公司可达到的收入、利润上限又有限，因此无法支撑这一成本。他后来把判断限定得更清楚：“在中国不能，在国外可能可以。”

• 阶跃可能提供部分优质 To B 服务，但最终场景必须落在 AI+终端。To B 可以是中间收入，不能是整个基模投入的终局答案。

9. 纯软件 To C 同样被排除，原因是创业公司缺少飞轮

• 大厂拥有既有用户、场景与数据，能够让产品使用反过来改善模型；创业公司即便不是完全没有机会，也很难在纯软件应用上复制这种飞轮。

• 张小珺指出，当前基模应用往往既找不到数据飞轮，也找不到网络效应。印奇因此将独立 ChatBot、独立纯软件 C 端产品一并排除。

• 阶跃的答案是偏 C 端的软硬结合：由专属终端建立体验和数据入口，再让硬件、软件、模型共同形成服务闭环，而不是把模型装进一个没有差异化的应用壳里。

10. AI 硬件的本质是让 Agent 获得实体载体

• 印奇把上一代“硬件、软件、互联网服务”的铁人三项，改写成“硬件、软件、模型”。很多 Agent 未来都会有端侧载体，硬件是 Agent 的实体化存在。

• 硬件市场很难像软件一样赢者通吃，手机、汽车与新设备通常容纳多家厂商。这种分散性给创新公司留下“上牌桌”的机会，也可能形成足够规模的商业结果。

• 他判断 AI 会重新定义交互：当语音和多模态减轻对屏幕的依赖，硬件便不必再被手机、Pad、PC 三种屏幕尺寸锁死，千万级销量的新类别可能大量出现。

11. 好的 AI 硬件先切场景，再让“模型即产品”

• 印奇以 PLAUD 这类录音办公设备为例：硬件和软件都围绕一项明确的 AI 服务优化，用户最终消费的是整个模型体验，而非单独一块设备。

• AI-native 的产品定义是：先让核心领域里的模型足够好，再配置软件；只有专属硬件能显著提升体验时才增加硬件。模型、软件、设备的占比由场景决定。

• 他认为豆包 AI 手机是“肯定很好的尝试”，也可能是字节硬件组合拳的第一步；但阶跃自己的首批创新终端不会直接复制手机形态，而会寻找新类别。

12. 基模演进需要“推”和“拉”同时发生

• 印奇用 GPT-3、3.5、4 的代际关系解释基础模型：真正的推进往往不是一个领域暴涨，而是可能在100个领域各提高10%，形成通用智力的整体上移。

• “推”来自技术和科学角度的变革——从模仿学习到强化学习的范式变化，未来三年仍可能是主因；“拉”则来自具体场景，决定模型尺寸、效率、成本和专项优化方向。

• 终端模型并非越大越好。阶跃要求基础水平世界一流，却不执着于所有单点 benchmark 第一；Gemini Flash 被他用来说明，应用侧必须在性能、成本和速度之间求平衡。

13. 阶跃的两个 bet 是基模本身，以及用终端牵引商业化

• 印奇拒绝先用终端来定义阶跃：“首先，这个 bet 是基模。”谁不做基模他不展开判断，但阶跃计划未来三年持续探索边界，并相信自己能留在世界一流行列。

• 第二个 bet 才是场景选择：当基模需要应用牵引时，由车、手持和穿戴终端提供场景牵引、数据和商业闭环。

• 他甚至认为高智能模型会“Winner Takes All”：用户一旦习惯与更聪明的模型交互，就不愿回到更笨的模型；硬件产品并不会因此不需要最强基模。

14. 淘汰赛刚过半，速度、资源和泡沫都超出2023年的预期

• 从“大模型六小虎”到玩家逐渐减少，印奇把行业描述成不断进入决赛圈的残酷淘汰赛，目前“可能赛程过半”。

• 相比2023年创办阶跃时，他低估了技术速度、竞争焦虑和资源消耗。竞争越激烈，泡沫也越大；他不认为可能同时出现“强度更大、泡沫更小”。

• 可观察的泡沫指标有两个：部分公司的股价，以及核心研发人员薪酬。优秀华人留在中国或去美国，package 数字已接近“人民币换美金”，总体薪资上涨5—10倍并不罕见。

15. 印奇上任后首先改的是研发组织，而不只是产品方向

• 他要求组织具备“更强、更快的战斗力”。大模型工程既不能由研究小组里的零散工程人员打杂，也不能完全依赖服务众多 To B 功能的大平台团队。

• 阶跃因此整合算法工程组，让系统工程更贴近算法；数据体系也改为直接向算法负责人汇报，因为数据可能决定模型最本质的部分，甚至占到70%—80%。

• 数据需要什么、如何采集和清洗，算法人员必须深度参与。与此同时，系统同学要理解算法，算法同学也不能只写 paper，而必须具备工程动手能力。

• 若最终是 one model 覆盖文本创作、动态生成、陪伴等场景，组织还必须处理“一加 N”关系：统一大脑与多个专项能力如何共享、反馈和协同。

16. 车已经开始同时牵引 VLA、多模态与座舱助手

• 千里与阶跃的第一个联合场景是智驾：VLA、多模态、世界模型等基模能力共同进入车辆，车端数据又反过来参与统一模型训练。

• 第二个落地点是座舱。印奇认为车内是天然的人机交互空间，大模型作为超级助手甚至比手机更顺；他以特斯拉将 Grok 带入车内作为例子。

• 智驾与座舱已在落地，后续才是手持和穿戴设备。阶跃不会同时铺开所有硬件，而是按数据价值、场景成熟度与商业闭环逐层推进。

17. 真正稀缺的不是互联网数据，而是连续的物理世界数据

• 印奇认为数字空间与物理空间数据最终必须进入同一个模型：语言模型能解国际数学竞赛题，却可能犯基础物理逻辑错误，说明对真实世界的感知与认知仍有大缺口。

• 智驾已经提供大量室外、大尺度连续视频和物理数据；目前更缺的是室内、精细、人机交互密集的数据。

• 两类潜在来源分别是规模化具身平台，以及人的眼睛和穿戴式设备。产品体验越好、出货越多、数据越丰富，才能形成物理空间版本的数据飞轮。

• 这条收集与注入链路需要5—7年。机器人目前连构型和传感器定义都未收敛，若以 GPT-3.5 为临界点，现阶段大致还在“GPT-1、GPT-2”的水平，热度有些过早。

18. 小米、华为和字节是参照系，却不是现阶段可直接对标的对手

• 张小珺追问创业公司如何与同时拥有多类数据的小米竞争，印奇先降低了竞争叙事：“这些都不是我们竞争对手”，体量根本不在一个量级。

• 他的划分是：字节从软件和移动互联网应用向下延伸，硬件出发最强的可能是小米和华为。阶跃与千里需要先把局部技术做好、商业闭环，而不是宣称全面竞争。

• 创业机会来自硬件市场不垄断、品类多。印奇期待在巨头覆盖之外，找到技术要求高、用户需求明确、可以做到千万级的终端切口。

19. 2026年模型发布将从3.5走向4

• 印奇预告阶跃会推出“一系列模型从3.5到4”，并特别补强语言模型能力；此前公司多模态投入较多，现在语言模型也要达到世界一流水平。

• 第一个关键词是基模：“基模基本上 means everything。”无论语音、图像还是 Action，最终都依赖核心智力，语言模型表现也是展示这项能力的重要窗口。

• 第二个关键词是全模态，明确覆盖文字、语音、图像；第三个是 VLA，把汽车、机器人和未来终端里的执行器、运动部件及 Action 数据纳入模型差异化。

20. Coding 是极佳训练环境，却未必是中国创业公司的收入池

• 印奇承认编程对智能提升很有价值：它有明确结果、可以判断对错、任务又足够复杂，因此是强化学习最好的垂类环境之一。

• 但商业价值与创业公司可捕获价值是两回事。中国大厂能力不弱，DeepSeek 提供高水位开源模型，激烈竞争会把价格压低，编程又与上下游环境深度绑定。

• 因而他的结论很强：“编程这个赛道就跟 ChatBot 这个赛道一样，新公司碰都没有任何意义。”这里否定的是独立商业切口，不是否定其训练价值。

21. ChatBot 可能只是一个好 demo，而不是五年后的终极入口

• 印奇认为 ChatBot 的交互并不自然，甚至未必拥有搜索那样长期稳定的产品地位。OpenAI 最初推出 ChatGPT，在他的理解里也可能更多把它当作一个出色 demo。

• 大模型替代传统搜索是他认为较确定的方向，但具体产品形态仍不明朗。将 AIGC 能力全部塞进聊天框，包括豆包等产品的尝试，从数据看并不特别成功。

• 张小珺追问 ChatGPT 是否已有稳固护城河；印奇承认其日活、月活已是超级应用级别，在境外可能是长期产品，但 Gemini 日活快速上升，说明壁垒仍未固化。

• 阶跃因此不会再独立做猫猫鸭一类纯软件 C 端应用；若推出软件，它一定服务于自己的硬件与完整体验。

22. 千里打的是印奇第一次真正意义上的后发战

• 过去旷视习惯从原始技术创新出发，“拿着锤子找钉子”；千里则进入一个已经演进十多年、技术和商业边界逐渐清晰的行业。

• 智驾路线已从早期 Mobileye 与特斯拉式分歧逐渐融合到以模型驱动为核心，并与语言、多模态基模走向统一。印奇判断旧技术栈和部分历史数据已不可用，后发者并非从零追赶所有积累。

• 新能源车 OEM 与供应链商业模式也经历多轮演进，这使当前成为“一个很好的机会，也可能是最后的窗口期”。他估计这一轮战争还会持续约三年。

• 后发更依赖综合能力和组织力；代价是说服客户和证明结果的时间极短，胜负更依赖执行速度。

23. 智驾供应商最终可能只剩3—4家

• 印奇的推演从利润率开始：新能源车的过度竞争会向上游传导，单车收入空间有限，而智驾、座舱又需要高额模型研发；没有规模，供应商无法摊薄成本。

• 他预计核心供应商约三家，也保留“四家”的可能。华为已是确定的一家，其余可能形成“二加一”或“二加二”，服务不同规模与类型的 OEM。

• 座舱高度个性化，又关系用户体验和增值服务，车企自研比例可能较高；智驾属于安全件，反而可能像传统安全零部件一样更多落入专业 Tier One 手中。

24. 创业公司竞争的不是整座华为或字节，而是一支局部部队

• 面对“中国商业两座大山”，印奇的拆解是：创业公司不与巨头整家公司竞争，只与它在某个垂直战场上的局部团队竞争。

• 可行条件有两个：足够专注，以及拥有局部核心竞争力。他相信千里与阶跃团队的长板在 AI 原生技术判断和研发，只要找到有壁垒的赛道、服务好一类客户，就有生存空间。

• “大脑”和“躯干”需要不同文化，因此两家公司应相对独立；但共享战略、两家公司之间又存在很多连接，能让合作比普通生态伙伴顺畅。印奇把这种二元性类比为太极与阴阳。

25. 他从一开始选择的不是创业，而是把 AI 当作一生的题目

• 印奇本科选专业时就询问“哪个专业跟 AI 最相关”，先进入清华自动化，后转入姚班；姚班带给他的核心心智，是站在世界一流水平思考并挑战最难问题。

• 若没有 deep learning，他原本可能走教师与科研路线。毕业时恰逢深度学习和 iPhone 4、移动互联网出现，技术终于具备工业化可能，创业才成为实现目标的手段。

• AI 对他的吸引力不止在商业：智能是什么、生命是什么、人类的来源与去处，都可能通过 AI 获得更多解释。“这个问题足够重要”，可以构成个人生命意义。

26. AI 1.0 最不该打的是安防，最该早打的是车

• 印奇承认，如果重来一次，他可能不会打安防。“年轻的时候就是把把都会上”，但像打牌一样，有些牌完全可以不上。

• 更好的路径是继续深耕已有优势的金融和手机业务，把客户服务好、争取从前两名做到绝对第一，再等待汽车技术和市场窗口。

• 对进入汽车的理想时间，他先给出2016—2017年，进一步复盘后又认为2019年前后也来得及；即使今天进入仍有机会，只是“绕了一大圈”。

27. 安防失败不是 AI 不够好，而是只掌握了全链条中的一项能力

• 安防看似 To B，实质以政府、央国企及相关主体为核心，营销与渠道能力占比很高；硬件也不只是产品，还包含供应链、研发、销售和 go-to-market 全链路。

• 旷视掌握了 AI 增量，却在硬件与市场两端不占优势。公司选择自己做完整解决方案，而另一些 AI 企业选择赋能既有玩家；能否越过窗口期，取决于技术撬动力是否足以补齐另外两项能力。

• 印奇后来把战略选择总结为“想做、能做、可做”的交集：有持续投入的意愿、有可撬动行业的基因，还必须等待外部市场真正给出机会，三者缺一不可。

28. 技术团队最大的误区，是不断用加法寻找一个“更大市场”

• 张小珺转述旷视联合创始人的复盘：手机、金融、安防、机器人、智驾多线开花，每条毛细血管只分到一点血。印奇直接回答：“是的。”

• 底层原因是每个既有垂类都被认为“不够大”，于是不断寻找更大的行业，把资源压向看似最大的安防，却削弱了已经验证的业务。

• 他也接受“技术 ego”的批评：年轻技术人员与日常生活和具体行业有距离，只热爱技术与解题，对用户缺乏真实 passion，自然会拿着锤子到处找钉子。

• 今天的修正是“双轮驱动”：保留技术信仰，同时深入一种场景和用户。最终所有商业都应以用户为中心，技术只是底层 belief 与解决问题的手段。

29. 资本市场应是续命节点，而不是创业终点

• 如果过去十年只能打一场仗，印奇会选择车；没有更早取舍，既因为组织惯性，也因为当时希望上市、形成“本垒打”。

• 他的反思是：“资本市场是一个很关键的活下去的中间节点，但上市真的不会改变任何本质的东西。”本质仍是好产品、好经营、利润反哺研发的正循环。

• 上市目标会迫使公司强调短期业绩，甚至放弃长期投入。CEO 最难的职责正是在长短期之间顶住压力，持续做长期正确但当下不好看的事。

• 他不否定所有 AI 公司上市：有些公司若不上市，现金与后续商业故事都可能危险；但不少公司上市后可能削弱核心竞争的动力和压力，又受约束难以持续投入基模，实际上等于退出前沿竞争。

30. 车同时满足“技术雪坡够深”和“单一市场够大”

• 印奇筛选赛道的两个硬条件是技术足够难、市场足够大。手机影像虽能做到前两名，但第三方供应商总盘子可能只有约10亿元：第一名拿5亿—6亿元，第二名拿2亿—3亿元，上限明显。

• 汽车 OEM 更分散，更适合供应商做出规模；智驾、座舱、Robotaxi 又都高度依赖模型，因此车是 AI 与大型终端结合中最合适的商业切口。

• 但“打车不是为了打车”：汽车是通往具身智能最重要的路径。印奇预计5—7年后出现更通用的具身构型，未必完全人形，但会因桌椅与空间都按人体设计而局部接近人。

31. 聪明人的真正诱惑，是用捷径替代长期复利

• 旷视最早约40人中聚集了大量数学、物理竞赛金牌。印奇认为当时的人才密度“最高的组织之一”，但多年后得出的结论却是：“聪明没有那么重要。”

• 聪明人分为能团队协作与难协作两类；更稀缺的是技术强、能协同、有使命感且长期坚持的人。聪明带来太多可选捷径，没有使命，聪明人随时可能转向更快变现的金融等行业。

• 另一风险是聪明人不愿用“笨办法”。许多正确工作依赖常态化、扎实、长期重复，而聪明人容易寻找短路，反而走错。

• 阶跃招聘因此不再只看技术：ego 过大、难与人协作的人即使能力强也不要。研发仍有智力门槛，销售等岗位则更看目标感、使命必达与服务客户，核心是画像适配。

32. AI-native 组织要同时拥有超高人才密度与大项目协同性

• 模型研发天然要求数据、算法、系统三类人才融合；阶跃还主动让算法与系统人员交叉成长，避免科研与工程被切成彼此不理解的孤岛。

• 印奇预计未来头部 AI 公司仍可能有1万—2万人，并非极小团队；区别在于人才密度远高于过去3万—10万人的互联网巨头，组织方法也必须重构。

• 这类组织既不能只 top-down，也不能只 bottom-up。大模型是消耗巨大资源的 moonshot project，需要集中力量；同时又必须给顶尖人才足够的自下而上活力。

• 他对《创新者的窘境》的解释也落在组织：若老组织能适配新业务，大公司可以做得很好；若必须打碎已固化的优秀能力再重建，它大概率难以完成转型。

33. AI 2.0 的本质差异是规模化工程，以及从 To B 转向 To C

• 相比 AI 1.0 的小模型，scale-up 令工程能力成为算法人员的必备条件；相比上一代通用性和撬动力不足、只能 To B，这一代的主题则是 To C。

• 对“四小龙”和“六小虎”，印奇认为仍有很多本质相似处：教授和技术人员实现了个人价值，但真正的平台级商业公司尚未出现，胜负要看未来3—5年能否诞生 AI 时代的 BAT。

• 梁文锋关于 AI 1.0 只有幻方赚钱的说法，在他看来是“yes and no”：量化变现较直接，幻方战略选择出色；其他公司选择的市场化路径更长，但他重选仍未必转去做量化。

• AI 降低技术门槛、资本又过度投入，结果是价格下压、利润难以形成，企业转而依赖资本续命。那个阶段没有谁真正脱颖而出，不完全是单家公司能力问题。

34. 阶跃要用“技术信仰、价值务实”筛掉技术投机

• 印奇看见旷视旧同事加入 Kimi 等平台，一面挽留，一面也为他们的成长高兴；他称让聪明且价值观正确的人获得成长，是仅次于把 AI 做成的成就感来源。

• “技术信仰”的反面是“技术投机”。识别方法是看一个人能否坐冷板凳：有人读博第一年快速发多篇论文，也有人前三年寻找一个足够深的“大坑”，到第三、第四年才连续产出高质量工作。

• 这种选择会贯穿简历、专业和职业路径。印奇不偏好频繁跳跃、每段经历都短但光环很多的人，因为短期看漂亮，长期未必有复利竞争力。

• “价值务实”则接近步步高体系所讲的“本分”：给客户、供应商和团队的价值都要扎实。技术可以偏执，交付价值却不能靠故事。

35. AGI 的三条确定主线是学习范式、记忆与物理世界

• 印奇看到的学习路线是从模仿学习走向强化学习，再走向某种自主学习；名称可以变化，但三阶段大方向相对明确。

• 第二条线是长、中、短期记忆系统如何搭建；第三条线是从语言走向多模态，再从数字世界进入物理世界。

• 他预计这三类关键要素未来五年左右可能得到较好解决；若实现，“至少现在定义的 AGI 应该大概率就能实现”。这仍是带条件的判断，不是无条件时间表。

• 对“研究时代”的说法，他只部分认同：Transformer 下一代等模块确实需要科研突破，但整体仍是大型系统工程主导、持续由研发驱动，而非重新回到纯学术路线。

36. 世界模型必须依附数据、场景和应用形成闭环

• 车是世界模型最明确的落地领域，已有先行实践。印奇称千里有信心在未来一年构建出车端相关世界模型能力。

• 更 general 的世界模型不能凭空训练，因为所需物理数据并不天然存在；必须把数据、具体场景和应用组成循环，再随产品规模迭代。

• 因而世界模型会先在领域内成立，再逐渐泛化。印奇认为具身智能过早热起，但这也可能推动构型、数据与模型更快发展。

37. 胜负手最终是“咬住技术”与“养出利润”同时成立

• 技术侧要持续构建世界顶级模型的研发与组织能力，资金侧则可能同时考虑一级和二级市场；印奇给出的年度投入预判是30亿—50亿元。

• 若按每年至少30亿元、五年计算，就是150亿元打底。应用侧必须在三到五年后出现一个核心产品，可能每年带来30亿—50亿元利润，才能覆盖持续研发。

• 中国大 B 市场集中在政府、央国企、金融、互联网与 OEM：前者商务要求高，后几类自研比例又高、外采空间有限，因此很难承接基模成本。

• 小 B 更接近 C 端，淘宝、钉钉、飞书式 product-led growth 才可能成立。印奇的结论是，把 To B 当 To C 做可能更顺，但阶跃仍不会把它作为终局模式。

38. 他的变化是从乐观走向“谨慎乐观”，并学会让两个弹簧互相拉扯

• 十多年创业最痛苦的并非某一个低谷，而是补管理、资本市场、销售等天然短板。印奇把自己分为早期探索、2013—2019年 To B、2019年后资本市场与商业化，以及现在的新阶段。

• 他曾长期寻找更有经验的 CEO，最后发现外部职业经理人很难同时获得创始团队信任、理解 AI 技术并学习新商业；AI CEO 本身就是技术与经营的复合岗位。

• 如今做决策、招人和开人更果断，对困难的预期也更高。技术研发习惯乐观地向前推，商业经营则必须以终为始倒推，这两个“弹簧”要持续拉扯同一个决策。

• 过去两年拉扯出的结果，就是千里先闭环车端，阶跃以核心技术驱动第二类终端；这不是他认为完美的答案，而是“我的能力和水平能够想到”的可走路径。

39. 不重蹈覆辙的最低标准，是不要把同一个错误犯两遍

• 印奇认为“事由人决定”：如果创始团队没有本质成长，再换一个赛道也会重复旧路径。商业中很多经验反人性，无法靠学习能力一次性做对。

• 他现在相信“有的时候慢就是快”，也接受等待“想做、能做、可做”交集出现。AI 竞争最快时，反而需要更平和地守住自己的路线。

• 当前战略取舍是模型、车、未来手持与穿戴终端；他称这已是最小集合，不能再把大脑、现有车端与创新终端拆开，否则失去技术、数据和收入闭环。

• 他最想实践的方法论仍是双轮驱动：持续投技术，同时把产品和商业做好。没有产品，就没有用户 hard case 和数据；仅把模型做好，“远远不够”。

40. 他把下一阶段称为一道“超多元方程”，但不再执着单一结果

• 姚班让印奇习惯把创业视作解世界级难题；如今这道题是“一个超多元方程”，同时包含技术、产品、资金、组织、场景与时间窗口。

• 他不再用某个上市或排名定义成败，更看重能否选择正确方向、用正确方法实践。结果受综合因素影响，但过程是创业者真正能控制的部分。

• 对下个十年的期待，是中国出现兼具商业结果、前沿技术引领和企业文化引领的世界级 AI 公司。张小珺问是否必须由他完成，他回答：“最好是我，但也不一定要是我。”

• 最后的当下 bet 仍只有三个字：“做终端。”2025—2026年先完成布局，此后再沉下来打磨技术与产品；他希望事情越做越少，而不是重新回到“把把都上”。