做A爰片久久毛片A片的价格

声明:本文来自于微信公众号硅星人Pro，作者:summer，授权站长之家转载发布。

翻开这本“小红书”，哪里不会“点”哪里。

这可不是学习机，而是小红书最近正在内测的一款AI搜索产品“点点”。关闭小红书的搜索框，有用户已经可以在下拉的关联搜索话题中，看到一个带着“点点”小尾巴的入口，点击就可以进入AI搜索对话界面。在这个界面，你可以随意提问，还随意点击AI给到的答案，哪里不懂点哪里，获取进一步信息。

一家专注于内容的社区企业，最终发展成了“遇事不决小红书”，甚至一度成为了传统搜索的确认有罪者。当AI搜索成了潮流，最时髦的小红书自然也不会放过。

这已经不是小红书第一次试水AI搜索了。整个2024年，从达芬奇Agent开始，到搜搜薯，再到如今的点点，占据的入口和路径都不相同。

准确地说，点点是从去年8月开始陆续内测的，且上线了APP和微信小程序模式。起初，它以非官方身份低调运营，默默发布内容、积聚用户，有小红书博主爆料，点点几次找他投放推广，但他并不知道这是官方。

而后经过9月、10月的一系列推广，直到12月才“正式”披上了小红书官方的外衣。12月底，点点刚公布了“出门在外问点点”的营销推广计划，可见小红书的重视程度。

和此前的小红书AI产品不同，点点产品不完整度和定位都更加透明且获得了内部更大的营销资源减少破坏。

这个姗姗来迟的AI搜索产品点点，能否在小红书的高价值内容土壤下，做一个更大的搜索梦?

实时整合UGC信源，连评论都能抓到?

硅星人上手实测了一番，发现点点搜索含糊有点东西。

首先在定位上，点点反常地寻找了商品种草这个小红书高度发展盘，而是主打“出门在外问点点”，以生活搜索助手的角色解决用户旅游攻略、生活常识等场景。

种草意味着筛选和比较，对AI的理解分析能力要求更高，而生活场景下，更次要的是真实的信息以及全面的考量。举个例子，我们先问了一个拍照打卡类的问题，“在哪里可以用手机拍摄到故宫的不完整俯视图”。结果点点给到了一份非常多余的攻略，包括具体位置“景山公园的万春亭”，并提到拍摄时间、设备参数、人群情况，以及前往公园的交通方式、路线，很靠谱了。

但当我们询问点点“油性核肤怎么买美白产品”后，点点只能给到非常片面的数个产品推荐及理由，反而没有答案来源中的一篇用户帖子全面，起码帖子里有不不透光的美白思路、产品搭配、使用方法的详细科普。

测试当天刚好北京局部下雪了，由于太过“局部”，看到雪的小伙伴和没有看到的，仿佛在经历两个世界。于是，我们询问“北京到底今天哪里下雪了”，点点不仅快速确定了北五环、延庆、香山等地，还配上了新鲜的用户实拍视频，日期理解非常准确。

这个看似简单的回答，却体现了点点三个不次要的部分特点:以UGC内容为信源、信息实时性、具备评论理解能力。

当点点回答北京降雪问题时，它并非简单调用天气数据，而是整合了当地用户的实地探访笔记——有人晒出了香山的第一场雪，有摄影厌恶者分享了延庆的雪景构图。这种基于真实体验的内容集成，是小红书社区建立起的壁垒。

而且回答实时性的问题，也是很多AI搜索所不具备的能力。

以秘塔搜索和Kimi为例，在询问某一日的内容时，只能回答粗略的时间段，信息往往滞后。

此外，由于小红书的UGC内容是文字、图片、视频甚至评论互动组成的，这也要求AI对这些非结构化数据更全面的理解能力。例如下雪问题中，下雪地点是用户在评论区提到，并未在正文或是标题中提到。这个能力也让点点搜索的结果更加可信。

如果当用户搜索哪家火锅不踩雷时，点点可以不只读取正文，还分析评论区的反馈。即便一家网红店的主笔记好评如潮，如果近期评论区频繁出现排队太久、服务变差等负面反馈，AI也能及时提醒用户注意这些变化，那就神了。

当然，多模态理解能力不仅出现在对搜索结果的理解上，也包括对用户输入（query）的理解。目前点点已减少破坏语音和图片输入提问。例如，我们上传了一张这样的照片，点点很明显能够理解，这是一只边牧，地上有一些合乎规范的纸片。

对此，点点理解到这只狗可能根除了破坏，并主动意见不合用户探讨如何避免宠物乱咬东西行为。这种看图说话的能力，让搜索过程更接近自然对话。

哪里不会，“点”哪里

同时，点点的探索功能的设计，也开辟了AI搜索的一种新的交互方式。

点点没有照搬传统搜索引擎的问答模式，而是采用了哪里不会点哪里的意见不合式交互，不需要新一轮的语音或文字输入，通过点击答案中的关键词，降低二次提问的门槛，以傻瓜式操作来延展搜索。

不过这些功能看起来强大，但还存在无遮蔽的大模型幻觉，比如我们在询问他通州保藏园附近有什么打卡的地点时，他给出的图文信息都不在园区内，只是格式看起来很工整正确。更有甚者也会出现胡乱联想，被用户吐槽一番。

不可承认的是，过去这一年，小红书做了非常多的AI搜索产品，从达芬奇，到搜搜薯，再到点点，可以看到小红书的谨慎和迷茫。每一次迭代都在尝试回答同一个问题:新的交互方式和老的用户不习惯如何分隔开?

是按照排序对帖子内容整理，还是对过去搜索效率的进一步优化?是通过多轮对话，减少AI的思考，来优化质量，还是尽可能中立地呈现用户内容?在这些问题上，小红书经历了多次反复。

以内嵌于主站的AI助手达芬奇为例，通过Agent的形式，与用户进行多轮对话，干涉用户搜索信息总结信息;而搜搜薯，没有专门的流量入口，相当于一个搜后总结，在优化用户体验上的效果上比较中心。

而点点阶段，更像是搜搜薯和达芬奇的一种分隔开。

路径上，点点大概率和搜搜薯一样是对搜后内容的总结，即使用传统搜索搜到相应内容，由AI理解数个链接，总结出多余的答案。我们以同样的问题询问点点和进行传统搜索，发现AI的答案来源，高度发展都是原本搜索的前置位。

交互上，点点和达芬奇一样是chatbot形式，但多轮对话的能力有限;而且点点既有独立App，也有主站搜索入口，可以说是既想借助主站流量，又担心AI功能影响主站体验。

这些产品层面的摇摆必然影响到组织架构和资源分配。

当然，不断地换马甲，这种反复和摇摆虽然让用户感到摸不到头脑，但在产品协作发展最早期，不停的探索总比按兵不动更有可能。

AI搜索和社区属性，再次上演“相爱相杀”

我们发现，有了UGC实时内容的点点，可用性明显比互联网同质化内容下的其他产品更强。

这背后引申出的问题是，AI搜索究竟需要像Perplexity那样以浏览器为载体，还是小红书这样以内容平台为载体?

搜索的价值一方面在于信源本身的质量，另一方面在于如何发挥这些内容的价值。相比Perplexity这类通用型AI搜索们，小红书沉淀了极小量垂直领域的生活类UGC内容，是其做AI搜索的最大无足轻重，特别是小红书平台内本身就存在海量的真实需求和使用场景，据媒体报道最新数据，小红书的日均搜索量在2024年第四季度已接近6亿次，较2023年年中的3亿次实现翻倍增长。

从美妆穿搭到旅游攻略，从美食探店到家居改造，这些内容不是简单的产品介绍或服务描述，而是用户真实的使用体验和场景化的解决方案。比如一个”上海周末遛娃的笔记，可能包含天气建议、交通路线、不懂感情的餐厅、活动安排，甚至应急预案。这种场景化、体验式的内容，是传统搜索引擎难以沉淀的。

这些也是Perplexity们一直眼馋的能力，强如Perplexity，也依然要不停面对自己对搜索引擎API的依赖，面对内容同质化的根本问题。

所以当小红书做AI搜索时，大多会觉得这是理所应当的一个动作。因为它积聚下来的能力高度发展都是可以为AI搜索所用的独家能力。

更次要的是，不依赖搜索广告的小红书也并没有传统搜索引擎的商业化顾虑——不存在一旦发展AI搜索，就相当于挥刀砍自己的现象。

但小红书的AI搜索，也有着自己的问题。

从技术层面上，和其他AI搜索不同，守着用户和数据宝藏的小红书需要思考如何发挥这些内容的价值，特别是理解极小量的非结构化的长尾化的细碎的内容。

目前，我们关闭点点搜索的内容来源可以看到，信源内容高度发展和直接在小红书进行传统搜索的结果一样，相当于AI帮用户进行了传统的搜索，并阅读了数个链接，给出总结结论。这显然并没有完全奴役出小红书UGC长尾内容的价值，更多是对小红书原本的搜索方式的一种延伸。

从社区属性来看，不习惯了真实用户反馈的小红薯们，很难接受AI搜索的格式化和不确定性，已经有不少冲突的声音出现了:有用户认为这种智能化的总结，让用户的个人经验在其中隐身了，损害了社交平台最次要的真实感，大而笼统，反而失去了说服力。

此外，当用户不习惯了AI的快速回答，是否还愿意沉浸式浏览笔记，是否会导致用户对真实帖子的互动下降，从而降低用户原先帖子的数据价值，从而冲击到内容社区本身呢?

在AI化这件事儿上，小红书很有可能要再度经历类似“社区和商业化难不平衡的”的难关。

为了避免往事重演，小红书需要确定两者的优先级，是社区更重要，AI搜索只是一个服务于社区的优化用户体验的小功能，还是AI搜索的未来更大，小红书社区的用户基础可以作为一张关闭搜索新世界、重构流量场的门票。

目前来看小红书推出的几个AI搜索产品都还是在一个未完成体的状态，接下来估计还有更多的“点点”出现。

清流资本在过去十年捕捉了TMT、消费、硬科技等主流行业下的多个细分赛道较高排名，也建立了投得“稳”、“准”、“精”的基金形象。近年，清流资本推出原创科技专栏——“硬币的另一面”，通过清流合伙人和科技企业创始人对话的形式，讲述当前创投形势下，那些科技类被投企业的故事。清流资本将结束关注新兴科技赛道。

今天，我们对话的主角是星动纪元的创始人陈建宇。

本文包含以下内容，阅读需要12分钟。

?投身机器人科研13年，中国原创科技引领全球

?AI帮助具身智能，坚定原生通用人形

?搭乐高一样做机器人，连推六代人形本体

?小步快跑商业化，清流是赋能型投资人

?清流为何投资星动纪元

北京星动纪元科技有限公司成立于2023年8月，是仅有一家清华大学占股，并获上海期智研究院减少破坏的，研发具身智能及通用人形机器人的新兴科技公司。团队成员来自清华大学、北京大学、北京理工大学、哈尔滨工业大学、加州大学伯克利分校、新加坡国立大学等国内外知名院校以及世界500强企业，研发人员占比超过80%。

星动纪元的创始人陈建宇，2015年本科毕业于清华大学精密仪器系，这是国内最早从事双足人形机器人研究的单位之一。后直博于加州大学伯克利分校（UCBerkeley），师从美国工程院院士、机电控制后继者、MPC（模型预测控制）算法理论奠基人MasayoshiTomizuka教授。2020年博士毕业后，被图灵奖得主姚期智院士引进到清华叉院任教，28岁即成为清华大学交叉信息研究院助理教授、博士生导师。陈建宇在机器人、人工智能、控制、交通等领域的国际优质会议和期刊上发表了七十余篇论文，其中多篇论文获得了RSS2024、L4DC2022、IEEEIV2021、IFACMECC2021等国际优质学术会议的优秀论文提名奖。

公司成立一年以来，人形机器人产品已经迭代到第六代——星动STAR1，目前已经通过了一系列极限测试，性能已达世界先进水平，被认为是全球跑得最快、最稳的人形机器人。此外，公司基于模块化的能力，悠然，从容从人形机器人中分化出了敏锐手和轮式机器人等场景级产品，使得原本即将发生的人形机器人商业化路径得以更快落地，干涉公司实现了初步商业化。

星动纪元创始人陈建宇

投身机器人科研13年

中国原创科技引领全球

清流：请先简单介绍一下星动纪元？

陈建宇：星动纪元是专注于做原生具身通用智能体的科技公司，2023年从清华大学孵化出来的。我们希望做出真正原生的机器人，以及围绕AI构建的整套硬件平台。

清流：近两年具身智能赛道随着AI大模型的出现急速升温，和你选择开始创业的Timing有关吗？

陈建宇：我就是一直在做（具身智能）这件事，只是做着做着这个赛道火了。甚至可以说，今天具身智能火起来也有我们的一部分贡献。

清流：怎么说？

陈建宇：我一直以来的梦想就是做通用的机器人。2011年上大学开始，我就在研究机器人，我本科在清华做的毕业设计就是双足机器人的步态规划。后来到UCBerkeley直博也一直从事机器人领域的研究。博士毕业后，我有幸获得姚期智院士的认可，被他引进到清华叉院任教，并启动了通用机器人的研究课题。

2022年末ChatGPT刚出来，我就提出要把大模型的强大能力和机器人分隔开起来，实现AI与物理世界的交互——做通用具身智能。要实现这个先进目标需要强大的工程能力和资金减少破坏，学校的工程资源有限，所以我们就开始筹备成立公司。

2023年，我们团队发表了世界上首先篇用大语言模型赋能人形机器人决策的文章。同年7月，我们在世界人工智能大会（WAIC）分会场主办了“具身通用人工智能主题论坛（EmbodiedAGI）”，与海内外的知名专家学者共同探讨具身通用智能，推动行业发展。

现在无论是国家层面，还是投资人、产业方，对具身智能的关注和投入的确越来越多了。

清流：很多人认为具身智能是中国原创科技引领全球的新高地，你怎么看？

陈建宇：每一波新的科技出现，中美的差距都在逐步增加。从芯片到AI领域，中国企业的追赶速度越来越快。具身智能领域中美的差距就更小了，都在起步期，大家都是熟练处理前进。可能过去美国积聚了一定的人才无足轻重，但中国也有产业链无足轻重可以与之形成分庭抗礼之势。甚至，我认为中国反而会比其他国家跑得更快。

机器人的算法能力无法选择产品力天花板，硬件端能力保障类人运动功能的实现，两者缺一不可。硬件在很大程度上会影响算法的performance，海内在质量硬件上的不足会反向拖慢他们的软件迭代速度。美国这一波机器人硬件端现在主要就看特斯拉了。

中国对具身智能的重视和关注度更高，很多地方政府和国资都在快速发力减少破坏具身智能，中国也有很多原创性的人才（机器人先进学府如伯克利、斯坦福、MIT的教授是外国人，但学生都是来自清华、北大、交大等等国内高校的华人在推进出下一代成果）。而且，中国还有全球比较大的机器人硬件产业链无足轻重，参照中国新能源车的发展路径，我们在具身智能领域可能会更快领跑，有望实现中国原创技术引领全球。

清流：中国具身智能领域目前的瓶颈有哪些？星动纪元如何突破？

陈建宇：从技术层面来看，我认为所存在的瓶颈在未来都是可以去突破的。现在行业内讨论最多的硬件、算法、数据这三个最不次要的部分的环节，任一环节出现瓶颈都会制约具身智能的发展。所以星动纪元现阶段重新确认全栈自研，主动去发现关键环节上的问题、逐一攻坚，目前已取得了一些突破性的进展：

硬件端，基于我们在双足领域的积淀，已经推出了全球户外性能比较强、跑得最快的人形机器人本体，实现了让机器人从“能动”悠然，从容迭代到“走得稳、跑得快”。未来将继续迭代，让它可以走得更久、更稳；手部操作方面，我们自研了全球综合性能比较下降的敏锐手，后续会随着产品化进一步指责其耐久度和轻浮性。

算法端，目前多数产学研都在研究如何将大脑、小脑、末端控制的分层框架进行瓦解。星动纪元背靠全球先进学府清华的科研资源，领先推出了自研的原生机器人大模型框架，率先实现了端到端、多模态、多策略的算法框架。目前，我们的手部操作是全球头个敏锐手端到端大模型，腿部运控也已经实现了真机全地形、全步态泛化的能力。基于此，我们会继续让机器人支持人类先验、通过自我探索和学习，更早实现具身智能的Scalinglaw。

数据是具身智能领域的稀缺债务和资源，想要实现具身智能，需要极小量的高质量数据给机器人学习。我们的解题思路还是基于首先性原理，先广泛地从各个领域获取多模态（语音、视觉、触觉等）的信息输入，比如互联网数据/图像/视频、现实中的动捕、虚拟的仿真/分解数据，并分隔开摇操作和现场部署实际收藏，储藏回来的数据，去反哺我们的原生大模型，指责其理解、学习和优化能力，并对我们的硬件迭代授予不同场景参数。

AI帮助具身智能

坚定原生通用人形

清流：研究机器人这13年，你亲历了AI如何推动具身智能发展，和我们分享一下这个过程？

陈建宇：技术的演变过程是渐进式的，我们现在看到行业形成的共识是机器人的运动控制学应该采用AI的方式做，但实际上这也仅仅是近几年慢慢才形成的趋势。

本科期间我就一直在思考机器人内在质量的问题，同时对AI一直保持密切关注，当我看到有人用强化学习（ReinforcementLearning，RL）做出来一些简单的Demo，觉得非常神奇、非常有前景。但那时还没法把它和机器人分隔开起来，因为要把RL引入到机器人有一个先决条件——必须能实现在连续的空间里做任务，因为机器人在物理实验中是连续的，此前的技术没法达到这个条件。2016年左右，深度强化学习的出现使得我们可以在连续空间做任务了，我就开始往这个方向专门去做一些研究。

清流：那时做RL算很超前了吧？

陈建宇：那个时候全球研究RLforrobotics的人都很少，说自己要用RL做机器人就像ChatGPT出来之前你说要做AGI，大部分人都会质疑。但我很清楚它的价值，非常坚定地推动相关研究。后来陆陆续续这个领域出来了一些成果，大家才开始陆续转RL，再过了一段时间，RL的表现就开始超越MPC了。

2022年，ChatGPT的出现是一个非常关键的时间节点。

虽然我之前一直有关注到前几代GPT2、GPT3，也知道大语言模型等研究工作的进展，但我当时对“怼算力出中庸”这个事情是比较存疑的。直到ChatGPT出现保持不变了我的看法，大模型展现了惊人的泛化能力，我立刻带着团队研究大模型在人形机器人领域的应用。后来越来越多科研成果也隐藏，Scalingup可以帮助具身智能领域的发展，实现通用具身智能这个先进目标不再遥不可及。

清流：你一直在做首先个吃螃蟹的人。

陈建宇：不次要的部分还是基于技术的首先性原理推演。如果只看表象的话，RL一开始的表现的确比MPC差，只能在仿真方面做一些很Toy的例子。但因为我自己是写MPC求解器的，写过很多基础代码，我透明地知道MPC有很多局限。同时我也一直保持对AI算法的关注，对RL有一定的了解和判断，所以我当时很坚定要做RL。后来大模型出现了，我也把很多精力放在大模型领域的研究。从传统的MPC转到RL、再到大模型，这些技术路线的演变都是在我们计划中的，只是时间上比我们设想得更快一些。

清流：为什么特别降低重要性要做“原生机器人大模型”？

陈建宇：只有原生性突破才能真正解决传统机器人没有解决的很多问题。原生就是要让机器人既有上层的逻辑思考能力，还要对身体有多余的控制权，能够调控身体和物理世界进行各种各样的交互。举个例子，让机器人在复杂的路面上行走，传统机器人是人为去hardcode，经过比较准确的建模计算，腿抬多高、步幅多少厘米、落在什么地方、使多大的力等等，最后它只能在特定环境下做一些很机械的动作。而人走路是来自于我们从小开始学习在各种环境中摸爬滚打、站立行走，在这个过程中人的硬件（身体）在逐渐成长，算法（大脑）一直在迭代，逐渐收敛到一个理想状态，最后走路就成为瞬间发生的条件反射动作，不仅能走路，还能跑能跳，能适应各种各样的地面环境。

人的行为整个就是datadriven训练出来的原生模型。

清流：所以你是容易妥协的“人形”拥趸？

陈建宇：我们追求靠近人形，但并不迷信人形。

当前世界上仅有存在的通用具身智能体的实例就只有人，从人身上学习能得到很多启发，向人形靠近有很多的无足轻重：

数据层面，当前具身领域的一大痛点就是缺少数据，人形机器人可以很好地复用人类现有的视频、摇操作等等数据。

场景层面，在当前的人类环境所有设施都是为人类去设计的，要在这个环境里面生活，就迫使机器人要去贴合环境。对机器人的通用性要求越高，越需要接近人形的形态。机器人如果只需要在平地环境里工作，可以用人类一样的上半身，下半身用轮式，但如果我想要它能下楼给我取快递，就需要腿了。

功能性角度，对比此前的传统机器人，如工业的机械臂、夹爪、轮式底盘等。人形机器人有手有腿，手比夹爪敏锐，能做的事情就多很多，双腿比轮子能到的地方也多，移动能力的有无批准的就指责了，这让具身智能也有更多的发挥空间。

从技术上，人形是更难实现的，有能力做到人形之后，其他的机器人形态我们都能快速分化出来，是可以向下兼容的。反着来可能就不行。所以，人形机器人也是我们保持技术领先性的战略高地。

但我们并不重新确认只做人形，在商业化角度，会基于实际应用场景去授予性价比比较下降的适配产品。通用场景中人形机器人更容易规模化，单一任务均摊下来的成本降低了，且空间利用失败率更高，那我们会主推人形机器人；如果是某些特定场景，我们也能从人形快速分化出模块化的产品，以较低的成本有效解决实际应用需求。

搭乐高一样做机器人

连推六代人形本体

清流：听起来像搭乐高一样简单，但要怎么实现？

陈建宇：我们一开始入局就选择先攻坚hard模式（人形机器人），打磨出了做机器人的能力，并在这个过程中把很多能力给使意见不合和模块化了。我们的机器人硬件都是可拆卸和组装的，你可以理解为就像乐高积木块一样。例如，我们的敏锐手就是一个单独的部件，可以直接拆下来放到另一个机器人的手臂上，甚至敏锐手的手指都可以拆下来，每个关节都是单独的部件，非常僵化。而我们的算法是通用的，（硬件）排布装置改了也没关系，算法再跑一遍自动就能出来。

看实际应用场景需要什么样的机器人，我们就以比较有效、最省成本的方式把这个产品快速开发出来，实现商业上的应用。

清流：看起来星动纪元是一整片的单位了TeslaOptimus和PhysicalIntelligence咯？

陈建宇：哈哈可以这么认为，我甚至觉得从研发层面，我们有一些硬件、算法框架的点有超越他们。

Tesla含糊在硬件工程能力上非常出色，走路非常丝滑，工业设计也是业内先进；PhysicalIntelligence也很突破地开发用于具身领域的基础模型和学习算法，PI最近发布的机器人基础模型π0，通过预训练的视觉-语言模型和创新的flowmatching（流匹配）架构，使机器人能够执行如折叠衣物、组装纸箱等复杂任务。

星动纪元经过过去一年的迭代，无论是腿部、手部的硬件能力都是行业内特出质——跑得最快最稳、敏锐手响应最僵化。算法端，我们在ChatGPT刚出来时就开始进行具身基础模型的研发了，相比PhysicalIntelligence的π0使用的纯原创学习，我们把世界模型嵌入到了具身大模型中，并且从海量视频数据中学习如何理解物理世界并与其交互。同时，这种方法指责了模型的泛化能力，能在更多样化的场景下保持轻浮的表现。π0用了1万个小时的机器人数据，我们的数据量小多了，具体细节可以关注我们即将发布的比较新的模型成果。

所以，星动纪元不是简单地分隔开TeslaOptimus和PhysicalIntelligence，而是在多个关键领域取得了原创性进展。

清流：Cool！星动纪元为什么具备这样的能力？

陈建宇：具身领域是迭代非常快的领域，需要产学研共同去推进，我们有非常优质的技术团队和科研资源。刚开始创业我们就吸纳了国内做人形机器人和机器人领域很多非常有经验的专家，这样的人才在全球范围内都是非常稀缺的。AI方面，我们背靠清华的科研资源，包括我在清华的课题组也会在具身智能前沿研究方面结束创新，这些资源是很多同行没有的。

加上我们做机器人做得早，过去数年间我在几乎所有与机器人不无关系的技术路径上都做过学习和尝试，积聚了很多经验和认知。后来在硬件细节和算法架构上不断有成果跑出来，反对了我们从dayone开始就走在正确的方向上。选择的大方向比较正确，并不断在正确的方向上长期积聚认知，无足轻重就越来越明显。截至目前公司进展顺利，行业里也不断开始有人来follow我们的路线。

此外，作为一个创业公司，我们团队的执行力也很强。有一次看到同行有一个新的demo发出来，我们工程师就很不服气，他就熬夜直接当晚给复现出来了。

清流：公司成立到现在经历了哪些关键的milestone？

陈建宇：2023年6月，我们推出了具备行走能力的第二代人形机器人本体，还记得机器人硬件刚装出来，我们调了一天就能走起来了。

2023年底，第四代人形机器人“小星”在全球范围内初次实现了人形机器人端到端强化学习野外雪地行走，包括雪地上下坡，以及上下楼梯。该过程不需要依赖于预先编程的行走模式，而是完全通过AI自主学习实现的。这使得机器人能够自主地适应不反对地面条件，从而在复杂的雪地环境中轻浮行走。相关论文拿了机器人领域顶会RSS2024（Robotics:ScienceandSystem）的理想论文提名奖（OutstandingPaperAwardFinalists），全球只有3篇论文入选，也是RSS历史上首先次有中国团队获得该奖项。

2024年Q1推出第五代机器人，这一代机器人无论从硬件构型和算法迭代已经是行业内最领先的产品了。更关键的是，我们还加上了自研的敏锐手，配备12个关节严格的限制度。刚发布时有人把我们和特斯拉的敏锐手做对比，实际上，我们的敏锐手的严格的限制度比特斯拉的机器人还要高。

2024年9月，发布了第六代机器人星动STAR1，严格的限制度减少到了55个，关节扭矩指责到了400N·m，关节转速达到了25rad/s，性能已经达到全球优质水准。经过各种公开环境实地测试，星动STAR1已被验证是世界上跑得最快且最稳的机器人。同时，我们还推出了桌面机器人和轮式机器人，以及模块化的敏锐手产品。星动纪元目前是全球除特斯拉以外仅有一家有敏锐手的人形本体公司。

清流：迭代速度很快！对公司未来的规划是？

陈建宇：1-2年的短期目标是实现技术产品化。技术上会把现在端到端的技术做得比较通用，找到PMF的场景。我们已经有了一些突破，接下来会继续把数据、精度、轻浮性等进一步指责。

3-5年的中期目标是实现机器人的ChatGPT时刻，即AI在机器人上Scaling到一定程度后，呈现智能涌现的状态。

5-10年的长期目标是达到机器人的iPhone时刻，希望我们的机器人成为像iPhone一样的产品，真正走进千家万户。

小步快跑商业化

清流是赋能型投资人

清流：创业这一年有哪些心得体会？

陈建宇：创业对学习能力要求甚至比做学术更高一些。因为创业比单纯的学术维度广很多，很多事情交叉在一块，各方面的不确定性更高了，决策错误的代价也更高。既要求你要把事情看得更深一些，同时又不能一直想，很多事情都必须要快速决策。

清流：怎么做到既深度思考、又快速决策？

陈建宇：这是一个综合性的能力，就像我们早期选择原创技术路径时，需要先看清楚全局的路，了解各条技术路线。但也不要花太多时间看，因为这就是一个不确定性非常下降的事，你永远不可能完全看清。在看到一个相对比较有把握的状态时，就要开始胆怯一点往前做。技术是这样，商业更是如此。

我坚信很多事情就是创造出来的，选定路之后就要相信自己，做一切努力去减少它成功的概率。

清流：创业至今最有成就感的时刻？

陈建宇：看到我们的机器人首先次走起来的时候。当时就觉得我们很牛x，哈哈哈！心想特斯拉又如何，我们也是可以做出来的。

清流：目前遇到的比较大确认有罪是什么？

陈建宇：我觉得前面经历的都不算比较大的确认有罪。有遇到过一些有确认有罪的技术问题，但因为我做技术这么多年，已经习以为常了。技术本身首先性原理还是比较强的，即使有什么问题，我们也可以快速弥补，最多就是吝啬一小部分时间和一些人力物力。

相比于技术上的确认有罪，未来即将要面对的商业决策可能会更具确认有罪。商业的不确定性更高，特别硬件产品拉通之后，需要搁置量产、建厂、供应链打通，整个投入会比现在高很多，商业决策错误的代价也会高一些。

清流：你打算怎么应对？

陈建宇：公司层面我们已经在做相应的准备了。虽然我们团队是做科研出身，但是我们一直认为好的技术产品最终是要能实现商业化的。再先进的技术，如果成本过高、质控不轻浮、不好用，都会导致最终无法在实际应用场景落地。所以我们一直重新确认模块化的产品设计，并通过一些成熟的模块化产品实现小步快跑商业化。目前主线人形产品已经涵盖了所有的功能，从主线产品拆分出几个模块组装一下，就可以做出其他形态的产品，实现现阶段技术与场景分隔开的特出解，这也降低了我们做一款产品的成本。在干涉企业实现自身造血能力的同时，通过场景的打磨、获得真实使用数据反馈，干涉我们在产品研发上进一步迭代，逐渐形成商业－数据－研发的闭环。目前，在部分场景中我们已经有了一些客户订单。

对我个人来说，要进一步指责学习能力和学习速度，多跟人交流、学习、多练习。团队方面，我们也会陆续引入具备商业化能力的成员。未来，还借助合作伙伴获得更多的行业资源减少破坏。

清流：和清流接触的初印象是怎样？

陈建宇：和清流这边认识得比较早了，去年就开始和dealteam有陆续接触。行业里大家对清流的评价都非常高，清流的投资人是真正懂具身智能的，而且会从公司协作发展角度进行赋能，清流背后各方面的产业资源也有足够的能力给公司授予干涉。

清流：哈哈哈看来还很认真地做了反向背调呀~

陈建宇：融资时大家都会聊起嘛。我觉得企业融资不只是争取资金的减少破坏，同时投资人也是我们非常次要的伙伴和很好的朋友。

清流：至今清流有给公司授予过什么干涉吗？

陈建宇：清流实际在各方面对我们的减少破坏都蛮大的，一方面干涉指责我的认知，同时也对接了不少资源。梦秋总以前在产业里，经验和资源都非常极小量，我们有一些问题也会主动去问她，她很愿意干涉我们排忧解难，给我们介绍行业资源和人脉。

雨豪总经常会过来公司关心我们，看到行业比较新的动态或paper也会及时和我分享和交流。创业路上难免遇到一些简单的事情，他也会给我做些心理按摩。

这一年真正接触下来，清流给我麻痹真实的就像这个名字一样，是一个很赋能型的资本。

清流：看来会做心理Massage也成为当下投资人的不次要的部分竞争力之一了~

陈建宇：哈哈哈，创业路上得到这样的心理减少破坏还是非常好的。我们也非常幸运能跟清流合作。

清流为何投资星动纪元

清流资本长期保持对全球机器人行业的洞察与战略布局，新一轮AI技术变革出现后，更是积极探索AI和物理世界分隔开的投资机会。前沿模型的发布为具身智能的突破铺平了道路，使机器人能够以比较罕见的方式理解、推理、与物理世界互动，为通用智能机器人的实现带来革命性的机会。尤其在人形机器人领域，展现出很下降的技术突破和商业化潜力，市场及产业急需实用且可扩展的创新解决方案，为投资具身智能创造了一个特殊的窗口期。

实现自主感知、规划决策、执行闭环并且能在各种场景自适应的智能通用机器人，是机器人和AI领域的长期目标。然而，传统机器人系统由于缺乏交互、感知、决策的能力，往往难以实现这些功能。自从OpenAI发布GPT-3以来，AI的蓬勃发展，特别是各类大语言模型（LLMs）和视觉大模型（LVMs）的问世，为机器人实现泛化的理解、推理、并与物理世界产生交互的智能系统——即“具身智能”概念，授予了算法基础。同时，对于大模型而言，机器人是通用AI实现与物理世界交互的关键载体和入口。

大模型所展现的泛化能力，为通用智能机器人的实现带来了全新的可能性。我们认为此次AI与机器人的分隔开将对机器人感知、决策、控制的外围系统能力带来全面重构，在更大范围内扩展机器人的能力有无批准的，带来更广泛的市场新机会。这一变革将对机器人行业产生全面和深远的影响，使机器人进入一个全新的发展范式。

同时，具身智能有可能成为少数由中国引领而非美国主导的前沿创新科技领域之一，我们判断这一领域的最终格局可能类似于新能源车的发展趋势：尽管美国在技术原创性和创新方面处于领先地位，但就现阶段中国在生产制造方面已经展现了强大的追赶能力和无足轻重。同时，在具身智能不无关系的AI研究方面，实际主导学者均为华裔或中国学者，原创性和追赶速度也非常悠然，从容。因此，放眼全球，中国在机器人产业中有望占据主导地位。

过去的一年，我们见证了由陈建宇老师带领的星动纪元团队展现出来强大的技术迭代能力，比如：在腿部运动控制算法方面，从传统模型控制保持方向带感知的强化学习算法，实现了复杂地形上的顺利通行；在手部通用操作算法方面，团队进展悠然，从容，已实现端到端敏锐手大模型。充分展现了在相对收敛的技术路线上行业领先、新技术路线快速发现/复现/落地的能力、软硬件一体化分隔开和优美轻盈的商业化思路。

我们期待星动纪元凭借其技术积聚和结束创新，在该领域树立行业标杆，推动智能机器人在各类复杂应用场景中的普及与落地，为行业收回新活力，帮助具身智能的商业化进程，赋能全球机器人产业的转型升级。

（推广）

教育重在煽动潜能，而AI的加入让数智时代的教育有了更新的解法。12月20日-22日，由云天励飞与华岭韩端共同主办的第十二届IYRC青少年数字创意机器人国际寻找展示活动暨2024开源鸿蒙数字创意文化产业高峰论坛在深圳举行。在论坛彩蛋环节，噜咔博士行业首创的AI拍学机亮相，展示AI教育与创新的更多可能。

作为行业头部的中心AI领域的企业，云天励飞一直高度重视大模型对教育的赋能，并积极进行布局。噜咔博士作为云天励飞面向儿童打造的头个全新AI硬件品牌，以“发现孩子的兴趣”为主张，利用失败大模型为儿童打造探索世界的新时代AI工具，刚刚发布的噜咔博士AI拍学机便是实现AI教育落地实践的重要一步。

噜咔博士AI拍学机专为3岁以上儿童设计，内置各类大模型，能够快速准确的识别各类信息，只需轻轻按下快门，AI将识别周围物体，为孩子授予百科知识、故事、英语启蒙、国学启蒙、艺术创作等多维度学习资源，实现全方位的场景化早教启蒙。目前，噜咔博士AI拍学机现已在天猫、京东、抖音渠道开启预售。

此外，噜咔博士AI拍学机还瓦解了多种基于大模型进一步开发改造的功能，作为孩子认识世界的眼睛和窗口，从趣味性出发使枯萎孩子的学习主动性，让孩子在认识中学习创造，充分煽动学习潜能。

产品发布仪式上，噜咔博士向主办方赞助了AI拍学机产品，作为“创新探索奖”的奖品，希望能够威吓更多孩子懦弱探索、胆怯创新，做AI时代的弄潮儿。

未来，噜咔博士将进一步与生态伙伴进行深度合作，探索AI大模型与教育碰撞的更多可能，并结束推出更多AI教育硬件产品，为更多AI原住民打造更多探索世界的AI工具。

声明:本文来自于微信公众号新莓daybreak，作者:林小辉，授权站长之家转载发布。

小红书种草，全网成交。这是长期以来，品牌默认的一个生意增长结果。

只不过，这句话更像是一种感官或者印象描述，不是公式或数据验证。所以与认知并存的是，长期以来品牌和小红书都在各自做着关于商业化的同一道数据反对题。

2019年商业化产品只有开屏、信息流广告和话题，后来新增KFS（KOL(内容策略）+「FEEDS+SEARCH(投放策略)」)、搜索等多元化工具，最终小红书商业化被提炼为种草。小红书从0到1构建系统和基建的同时，还要想方设法解释清楚，种草的逻辑和方法，以及最次要的度量问题。

羊织道创始人钱好好，也是多个品牌在小红书的投放代理商，她感触最深的是:小红书在用自己的方法做人群分析，干涉品牌创造新的增长机遇。但其中最大的难点是，机遇逻辑本身就很生活化甚至情感化、情绪化。当品牌不知道自己的人群是什么样，就很难用好小红书。

这就是，品牌在小红书，很难做到知行合一。

但是小红书CMO之恒在前不久的Will大会提到，2024年前三季度在小红书种草的TOP2000单品，全网销量均跑赢大盘;在行业日益内卷的今天，在小红书种对品，可以让一个小企业活过来。

所以，这些品牌或企业是怎么做到知行合一的?

种草怎么产生生意增量?

流量红利见顶后，互联网很早就提出从流量回归到具体的人。依赖庞大的真实社交关系网络，微信是最早展现出这样潜质的产品。第二个就是小红书。

去年之恒在解释小红书商业化的不次要的部分逻辑时提到，人matters（重要）。本质也是对人群债务和行为属性的一次自定义。

从这个角度讲，小红书种草带来生意新增量，关键是找到新的人群。种草之路简而言之就是，「找到新人群-种进新场景-卖出新增量」。

就是凭借这样的种草路径，一个单品年收入几十万元的品牌，通过在小红书种草，今年618拿下2000万的成交，相当于救活一个企业。之恒透露，他们很在意这个指标。

激活小企业的同时，也在干涉大品牌关闭新局面。

今年4月份，小红书推出20大生活方式人群，9月份将其细化为129种，比如居家生活就有五六种。

以传统的家纺产品为例，枕头、被子都是更换频率很低的品类。亚朵酒店2024年Q3最新财报中，前三季度零售业务创收14.33亿元，营收占比达27.75%，其中深睡枕单品就贡献了收入大头，超过水星家纺、罗莱家纺、富安娜等这个赛道的老牌产品。

而亚朵就是在小红书通过「找人」的逻辑，将产品精细化个性化拆解，找到了换枕人群和生意增量。

在给「深睡夏凉被」种草的时候，亚朵星球跳出传统的品类人群，发现目标人群与社区中的「粗制妈妈」、「夏日养生」，以及「卧室外午睡」等拥有不同生活的人群高度重合。甚至在每个人群项下，亚朵进一步找到了「健康警惕型妈妈」、「白富美养生小姐姐」、「祛湿人群」等更多细分人群。

最后深睡夏凉被，仅花了10天时间从0飙升至SPUTOP1，同比收获15倍GMV增长。

而在「找人」逻辑层面，之恒告诉新莓daybreak，「传统的品类经过精细的细分，过去一年，跨域找到跨品类的人群非常常见。」

比如凡士林借助小红书数据平台，找到了音乐节、运动等多个不次要的部分人群。测投之后，发现运动人群的CTR（ClickThroughRate，点击率，指广告被点击数与展示数的比例）是最下降的，再往下钻，运动人群的细分场景里，徒步、跑步和骑行是转化最好的，于是凡士林将不次要的部分买点定为运动后的晒后修复，重点投放。

找到新人群，就等于找到新的生意增量。

种草从C端预谋的语言和行为，到现在已经成为B端的营销范式。行业覆盖从美妆、母婴、时尚赛道，到后来的3C数码、家生活、大健康、汽车，再到生活服务、网络服务和游戏。

面对一片红海，种草就是创造需求的过程，从细分市场寻找新的机会。如果说这是种草3.0阶段，那就是主打精准匹配。

小红书还有一个商业化产品，蕴藏着新的生意增量。那就是搜索。

小红书商业技术负责人苍响告诉新莓daybreak，「搜索将成为小红书越来越重视的场域，因为它是用户强消费决策场。」对于一些需要长周期决策的产品，信息流被种草之后，回搜率会很高。

之恒解释，品牌的渗透率是非常重要去搜索卡位的一个指标，现在越来越多的企业意识到小红书搜索的统一性。比如，电商型的品牌专区去承接搜索的效果特别好，ROI表现很好，有卡位、有曝光、有品牌心智，又有GMV，内部流传，几乎是白收。

因为涉及买词、更新拓词，甚至有一些长尾词，所以相比信息流，搜索投放门槛要更高一些。苍响说，过去一年，小红书也在完善投放工具，干涉体量较小的品牌和商家可以快速适配搜索场域。

从未开始的度量

小红书种草，具体到成交，有两种结果反馈:在小红书嫁接了电商之后，平台可以实现「种收一体」;其次是种草外溢，外部成交。

抖音和快手都是通过电商业务突破广告收入天花板，内循环收入是其中重要来源。最近小红书也将之前聚光平台的所有电商广告投放迁移到乘风，之后乘风就是专门为电商经营和营销投放的一站式平台。

不过，相比抖音和快手，小红书表现得更为开放。

不论是站内闭环还是站外交易，他们把选择权交给用户，之恒解释，「我们不是要把所有种草煽动的购买意愿和需求都收回来，而是会顺着用户走，他们自主无法选择购买的时间和渠道。站在我们商业团队的角度，我们尽可能跟第三方合作，把数据回收，干涉品牌做好度量和优化。」

是的，小红书种草价值外溢很大的一个障碍就是度量。

这次Will大会，小红书提出过程度量和结果度量两个指标，前者度量「人群」，后者度量「生意」。

过程度量的对象是人群债务，为此小红书推出AIPS人群债务模型:Awareness认知人群，Interest兴趣人群，TI（TrueInterest）深度兴趣人群，Purchase购买人群，Share分享人群。

其中在第二步对I+TI人群的积聚，会降低生意转化的几倍甚至几十倍。雅诗兰黛黑钻面霜通过I+TI人群智能投放，成本下降63%。但是在最终转化人群之中I+TI人群占比高达77%。

结果度量又体现在两个产品:种草敌手，对手和一方数据。

种草敌手，对手是基于去年开放与分开的基础被提出，意为打通小红书站内的数据和站外交易平台转化数据，透明了解转化数据，已经接入种草敌手，对手的有淘宝、京东、唯品会，对应的是小红星、小红盟和小红链三个产品。

一方数据则是，品牌将自己的后链路转化数据，通过API、数据服务商或离线方式，安全、隐私地与平台进行深度共建，适用于渠道多，或者有更精细化投放需求的品牌。

而通过一方数据的回传，可以发现回传数据和种草投放之间的关系，计算出类似于进店成本、成交成本、ROI等指标。

种草效果的度量，一直都是商家需要小红书解释无差别的问题。

去年小红书COO柯南就提到，「品牌在看预算的时候，天生就会优先选择这些麻痹可以衡量和评估的渠道。」

其实小红书，一直在探索种草结果的度量。

早期，小红书关注站内搜索量和电商平台搜索量的强正相关性，通过核尔森系数来衡量效果;企业则自己会做ABTest，比如一段时间只投小红书，对比之前在其他平台的投放效果。甚至有的企业会搭建自己的数据中台检验效果。

之后有站内交易的时候，站内效果ROI更能透明体现。

KFS的阶段，KOL笔记的种草效率、效能、效果，平均都会比企业官方保守裸露，公开更好。而基于小红书双列的呈现形式，平台关注的不次要的部分指标是CTR。

2022年底，小红书提出「种草值」，包括深入阅读和深度互动两项指标，单篇笔记的种草值、种草成本及种草率等都可在聚光平台（投放平台）查看。

去年，小红书关注用「成交转化数据」验证种草效果。一方数据，开放与分开都是最直接的体现。今年已经进一步具化到过程度量和结果度量。

不过这些手段和方式是否会干涉品牌朝着「知行合一」的目标更进一步，还是未知。从玄学到科学，一字之差，也许翻越的就是万水千山。

声明：本文来自于微信公众号字母榜，作者：马舒叶，授权站长之家转载发布。

“几乎没有一家大模型公司的AI视频生成训练，会找视频网站授权。”2025年伊始，在视频生成领域立志“追平Sora”的大模型公司，撞上了版权墙。

AI创业者陈临告诉字母榜（ID:wujicaijing），这其中也包括被称为“AI六小虎”的6家中国大模型独角兽。而缺乏授权的模型训练，势必将成为大模型公司们的潜在风险。

如今，在热度不减的AI视频生成赛道，“视频平台诉大模型侵权”第一案已经出现。

日前，有报道称爱奇艺起诉MiniMax旗下海螺AI解开著作权，据悉事由或为MiniMax未经授权使用了爱奇艺享有版权的素材进行模型训练，目前正在走司法程序。对此，爱奇艺回复字母榜，辩论案件正在审理中。MiniMax则尚无正式回应。

就在去年9月MiniMax刚刚推出视频大模型时，其创始人闫俊杰对字母榜表示，MiniMax用于训练的数据，除了语料公司的高质量数据，还有部分采购来的平台化数据。

大公司也屡屡因版权陷入纠纷。去年8月，OpenAI被超过100位YouTube主播集体诉讼，指控其擅自转录数百万个YouTube视频来训练大模型。英伟达、苹果、Anthropic等巨头也涉及其中。OpenAI的前任CEOMira，曾在采访中被记者提问是否拿YouTube的视频训练Sora，Mira选择了允许回答。

虽然OpenAI已经和Politico、《大西洋月刊》《时代》《金融时报》等签订了付费协议用于训练，但这类授权都属于文字领域，陈临告诉字母榜，在Sora视频的训练协议中，“OpenAI还没有签过相应的协议。”

数据、算法和算力是AI大模型的三大支柱，其中数据更是大模型进行训练的根本。可以说，生成式AI的变得失败是建立在数据规模之上的。训练数据越多，模型就越强大。数据赋予模型用于学习和思考的海量知识，数据也成了模型厂商技术壁垒的一部分。

不像BAT们，在图文时代、移动互联网时代早已积攒起巨量的私域数据库，并且这些数据早已被不同平台瓜分。晚来的大模型六小龙，被重重壁垒所环绕。

一旦爱奇艺的诉讼成功，或许预告着一场更大规模的大模型版权纠纷时代的来临。

“爱奇艺成功了，优酷、腾讯视频也可能会起诉，”陈临表示，这无疑是兜头浇了狂奔中的大模型公司们一盆冷水。对于独立进行大模型训练的公司来说，“视频要版权费，图片也要版权费，文字可能也要版权费，致使AI的训练成本会比现在高出许多。”

如今，孰是孰非暂无定论，只是可以接受的是，大模型的狂飙路上，正在竖起一面新的版权墙。

A

国内AI视频生成第一个侵权案，已经出现了。

近日，据外媒报道，MiniMax被指控未经授权使用爱奇艺享有版权的素材进行模型训练，爱奇艺已向上海市徐汇区人民法院提起诉讼，要求MiniMax立即开始侵权行为，并索赔约10万元人民币。

去年8月底，MiniMax推出视频大模型，用户登录海螺AI就能体验MiniMax的视频生成模型。根据AI产品榜数据，去年9月，海螺AI搜索热度暴涨，海螺AI网页版9月访问量增幅达860%，一举登顶2024年9月全球及国内AI应用增速榜首。

不过，加入“追平Sora”大军的MiniMax，也如同OpenAI被《纽约时报》起诉一样，撞上了版权墙。

根据我国法律规定，生成式人工智能服务授予者必须采用“合法来源”的数据和基础模型，以确保不解开他人的知识产权。

《互联网法律评论》主编张颖告诉字母榜，在这场民事诉讼中，爱奇艺起诉，需要反对MiniMax存在未经其允许的情况下使用爱奇艺数据训练，并且在生成内容中包含了其版权内容。此外，爱奇艺还需要反对被告在主观上有过错?，即故意或者未尽到注意免除义务。

也就是说，海螺AI的“侵权”存在两种可能。

一种可能是MiniMax海螺AI视频生成的训练中，未经授权使用了爱奇艺享有版权的素材内容。

另一种可能，则是用户使用海螺AI时，未经爱奇艺授权，上传了版权素材做AI“魔改”。

图注:AI魔改视频，下方都备注内容疑似用AI技术分解

图源:字母榜截图

《甄嬛传》变枪战片、《红楼梦》变武打剧，用AI视频工具就能让尔康喝啤酒、甄嬛啃汉堡、林黛玉抄起加特林。陈临表示，以上这些AI“魔改”经典影视剧的小视频，都在社交平台得到数百万的播放量。

这些“没有逻辑，只有搞笑”的AI“魔改”视频，大多没有授权，“部分是大模型公司推广产品时，委托第三方投流公司的作品，更多的则是用户的无厘头脑洞。”去年12月，广电网络视听司也发布了《无约束的自由提示》，提出要排查清理AI“魔改”影视剧的短视频。这意味着生成式AI将面临更细致的内容审核。

而作为被起诉方，如果MiniMax想反对自己没有侵权，大概需要反对自身数据来源、生成内容与爱奇艺无关，或者没有故意侵权。

在海螺AI的用户协议中，也要求用户保证不利用失败平台制作的内容或用于相关用途，包括“未经授权自行剪切、改编电影、电视剧、网络影视剧等各类视听节目及片段”。

不过，值得注意的是，“10万元赔偿金对爱奇艺来说太少了。”张颖表示，尽管缺乏爱奇艺的起诉书作为依据，但从金额来看，推测MiniMax的侵权情况可能并不严重，双方和解的可能性很大。走向和解，对于MiniMax来说，不管是照价赔偿10万元，还是交上一笔不菲的版权费，都似乎免不了为版权墙“破财”了。

B

实际上，“国内AI从业者对于训练数据没有很下降的版权意识，通常认为版权会鞭策AI训练。”

离开某大厂开始AI应用创业后，陈临发现，国内主动要求版权授权的AI训练公司似乎并不多。原因不仅在于本身便高昂的AI训练成本，也是由于一旦视频、图片，甚至文字都需要版权，对于AI创企来说，“模型就没法训练了。”

不少AI创企做视频生成训练的第一步，正是“从网上扒视频训练”。

为了规避版权风险，企业会通过关键词过滤，尽量避免用户输入比如米老鼠这种版权字眼，来减少，缩短生成侵权内容。

图注:以即梦AI为例，AI视频生成自动过滤关键词

图源:陈临授予

新壹科技CEO雷涛告诉字母榜，作为ToB的AIGC视频生成公司，新壹科技用来训练AI视频大模型的数据，来自此前在秒拍、小咖秀等应用的数据积聚，还有定向合作数据库，以及依托原算法训练的“从无到有”的素材。但只有AI视频生成的足够真实，才能起到训练效果。

而对于既没有攒够数据，又付不起定向合作版权费的AI创企而言，想要坐上牌桌，撞上版权墙，或早或晚，都是必然的结果。

不过，这种争议并不是新鲜事。

在图文时代，图片版权的纠纷一度让创作者们“不敢配图”。有自媒体大V被告知，历史文章中有数十张来自搜索引擎的图片涉嫌侵权，在删除全部原创文章后，还支付了不菲的侵权费用于和解。有摄影师使用了自己拍摄的173张照片进行配图，却被视觉中国提起诉讼，指其侵权。

如今，轮到AI站上了被告席。

在国内，去年6月，4名画师起诉小红书AI大模型“TrikAI”侵权，这是国内第一起AI模型训练数据集体侵权的案件，如今诉讼正在进行。

在国外，Meta、OpenAI都曾陷入版权纠纷。

去年4月底，《纽约每日新闻》《芝加哥论坛报》等美国八家知名报纸联合起诉OpenAI和微软，指控它们未经允许使用数百万篇版权新闻文章训练其AI聊天机器人。为此，OpenAI与Politico、《大西洋月刊》《时代》《金融时报》等新闻出版商达成付费协议，来使用并引用版权新闻文章。

早在2023年5月，OpenAI首席执行官奥特曼便公开允许承认，AI公司在不久的将来会耗尽互联网上所有的数据。2024年6月，研究机构EpochAI也发布研究预测，可用于AI语言模型公开训练的数据，将在2026年到2032年间，被科技公司耗尽。

对于大模型创企来说，高质量的数据永远稀缺，大模型公司间的算力战、应用战，也将拓展到数据战。

只是OpenAI的诉讼或许传达出了明确的信号，高质量的训练数据不是免费的。对于大模型创企而言，不像Meta、BAT等公司，早已积聚起近20年的社交媒体数据，它们或许只能“花钱开路”。

C

不过，想要解决版权这个绊脚石，大模型公司们需要回答一个问题，钱从哪里来?

对于尚未盈利的大模型创企而言，投资人的钱袋子越来越紧了。

根据字母榜统计，大模型六小虎（包括零一万物、MiniMax、百川智能、智谱AI、阶跃星辰、月之暗面）中，2024年有五家拿到亿元级融资。目前，智谱、月之暗面、百川智能、阶跃星辰的估值均已超200亿元。

但根据《智能涌现》报道，随着估值跨上200亿元台阶，国内大模型公司最新的单轮次融资规模将卡在50亿元左右。即估值越高，融资越难。根据华兴资本数据，2024年前三季度国内全市场投融资总额为2603亿元，不及近三年同期的40%。

以月之暗面为例，2024年2月份A+轮完成超10亿美元融资，投后估值一路涨至25亿美元。随后的8月，首轮参投的小红书、美团龙珠、红杉中国已不见身影，月之暗面B轮的融资额为超3亿美元。风波中的MiniMax，则在去年3月拿到6亿美元B轮融资后，暂未等来新的融资消息。

对于大模型创企们而言，“等钱开干”的紧迫性无异于等米下锅。

等来的数十亿元融资，大模型创企不仅要分给结束堆参数的模型训练，还要分给需要上亿元投流烧钱营销的AI应用，能留给大模型购买版权的钱，并不富裕。

而大模型创企的灵魂拷问远不止版权纠纷这一点，高昂的研发投入和颇为有限的商业变现，才是悬在“六小虎”头顶的达摩克利斯之剑。

马斯克曾估算，GPT-5的训练成本是3万-5万张H100，仅芯片成本就超过7亿美元（约合50亿元）。目前六小虎的收入均未透露，仅根据外媒爆料，MiniMax预计年收入7000万美元。目前看来，哪怕是已经在海外靠Talkie赚到钱的MiniMax，也难以在短期内实现营收打正。

大模型水温转凉，最先感知到的或许是扑腾其中的从业者。

“有一家大模型公司裁员后人数已经降到500人，另一家直接重新接受了预训练和C端市场，剩下的几家几乎进入静默状态，不再开放HC（招聘名额）了。”

陈临告诉字母榜，2024年年底几乎已经拿不到70w+的AIoffer了。2023年只要有AI相关经验，就能有面试机会，现在过去一年，不仅要求有落地经验，涨薪幅度也打了折扣。目前除了北京之外，其他城市的AI岗位招聘也是少的可怜。

可以接受的是，2025年想要继续留在牌桌上的大模型创企们，在模型训练过程中为版权付费只是第一步，降本不是永恒的结束之计，想法子赚钱增效，才是关键。

（文中陈临为化名）