日期: 2026年7月25日

携程被罚51.79亿元,酒店行业终于出了一口气

今天上午看到携程被罚的消息,我的第一反应不是意外,而是:终于。

7月25日,市场监管总局通报,携程因滥用在中国境内在线酒店预订平台服务市场的支配地位,被没收违法所得16.58亿元,并处以35.21亿元罚款,罚没款合计51.79亿元。同时,携程还被责令停止违法行为,全额退还强制扣除酒店经营者的订单储备金1.22亿元,并全面整改、公开整改措施。

这不是中国互联网行业金额最高的一次反垄断处罚,但在旅游酒店行业,它的意义可能比罚款数字本身更大。至少在我认识的酒店从业者中,看到这条消息后,几乎都是一片拍手称快。大家并不是单纯希望携程倒霉,而是那些忍受了很多年、明知道不合理却又无法拒绝的规则,终于被监管部门明确认定为垄断行为。

2024年,我在文章《萝卜快跑真的砸了底层劳动者的饭碗吗?》中写过,中国互联网行业的反垄断还远远不够,并且专门举了携程的例子。

我当时写道,自己在旅游酒店行业工作多年,如果要在这个行业里找一家最应该接受反垄断调查的企业,携程一定排在前面。早些年,在线旅游市场还有艺龙、去哪儿等平台与携程竞争,后来经过一系列投资、并购和资本整合,携程逐渐成为中国在线旅游行业最强大的平台。虽然美团、飞猪以及后来的抖音、小红书都在进入旅游市场,但携程对上游酒店资源的控制能力,依然不是其他平台短时间内能够取代的。

我还提到了酒店行业长期面对的“全网最低价”问题:携程要求酒店向其提供的价格,不能高于酒店在其他线上平台公开销售的价格。一旦酒店在其他渠道给出更低价格,被平台监测到之后,就可能面对调价、限制流量、摘牌甚至下架等后果。

两年后的今天,市场监管总局的调查结论,基本印证了酒店行业多年来的感受。

根据通报,携程自2020年以来,围绕流量分配机制,利用平台规则和技术手段实施了两类垄断行为。一类是要求部分“特牌”酒店独家合作,不得与竞争平台开展合作;另一类是强制部分“金牌”和“无牌”酒店提供“全网最低价”。当平台发现酒店在其他平台价格更低时,还会通过“调价助手”“挂牌通”等技术工具和人工手段直接降低价格,并以限制流量、摘牌、扣除订单储备金等措施保证规则执行。

我并不觉得自己在2024年说出了什么高明的判断。因为携程的这些问题,在酒店行业里从来不是什么秘密。很多酒店总经理、销售负责人和收益管理人员都知道这些规则,也都为此头疼过。只是酒店的客源高度依赖携程,大多数人即使不满,也只能忍气吞声。

酒店为什么痛恨携程,却又离不开携程

携程对中国旅游行业当然有很大的价值。

它推动了酒店预订从电话、传真和旅行社时代进入互联网时代,让消费者可以方便地查询价格、查看评价、比较酒店,也让大量原本只能依靠本地客源和线下旅行社的酒店,有机会面对全国乃至全球市场。对于很多单体酒店、中小酒店和非热门目的地酒店来说,携程带来的订单非常重要,有时甚至决定了一家酒店的生存。

所以,酒店与携程的关系,从来不是简单的谁好谁坏。

问题在于,当一个渠道占据的订单比例越来越高,酒店与平台之间的合作就很难保持平等。对于一家酒店来说,失去携程可能意味着失去大量异地客源;但对于携程来说,失去一家普通酒店,几乎不会产生任何影响。双方看起来是在签订商业合同,实际上拥有的谈判能力完全不同。

酒店可以不参加平台推荐的营销活动,但可能要承受流量下降;可以不接受平台建议的价格,却要担心排名和曝光;可以尝试在其他渠道推出更优惠的产品,又可能因为违反“全网最低价”而受到限制。

真正的市场支配地位,并不只是市场份额很高,更重要的是,当平台提出不合理条件时,交易对方已经没有真正说“不”的能力。

这也是为什么携程被罚之后,酒店行业会有如此强烈的情绪。大家高兴的不是一家互联网公司损失了51.79亿元,而是监管部门终于承认,酒店过去面对的并不是普通的商务谈判,而是一种长期失衡的权力关系。

“全网最低价”看起来保护消费者,实际上限制了竞争

对于普通消费者来说,“全网最低价”听起来并没有什么问题。平台要求酒店给消费者最低价格,似乎是在帮助消费者争取利益。

但这里有一个很容易被忽略的问题:携程要求的不是酒店在携程内部保持价格一致,而是要求酒店不能在其他平台卖得更便宜。

假设一家新OTA为了进入市场,愿意把酒店佣金从15%降低到8%。按照正常的商业逻辑,酒店可以把节省下来的部分成本让给消费者,在新平台上卖出更低的价格。消费者获得了优惠,新平台获得了用户,酒店也增加了一个成本更低的销售渠道。这本来就是正常的市场竞争。

但在“全网最低价”规则下,这种竞争很难发生。

酒店一旦在新平台降低价格,就必须同步降低携程价格,否则可能受到平台处罚。这样一来,新平台即使降低佣金,也无法通过价格优势吸引消费者。消费者打开不同平台,看到的价格几乎一样,最后还是会回到用户数量最多、使用习惯最稳定的携程。

久而久之,其他平台就很难真正进入市场。因为它们不仅要面对携程的品牌、用户、会员体系和供应链优势,还无法通过降低佣金和价格进行竞争。

所以,“全网最低价”的本质,并不是携程自己愿意卖得更便宜,而是它要求酒店不能让竞争对手卖得比自己便宜。

当一家平台可以决定酒店在所有竞争平台上的最低价格时,它控制的就不只是自己平台上的交易规则,而是整个市场的价格体系。酒店失去了自主定价权,其他平台失去了公平竞争的空间,消费者表面上获得了最低价,实际上却失去了更多平台参与竞争后可能带来的更低价格。

市场监管总局在通报中也明确指出,携程的行为限制了酒店跨平台经营,侵害了酒店经营者的自主定价权,损害了消费者利益,并加剧了行业的“内卷式”竞争。

真正让酒店害怕的,是平台手里的流量

互联网平台的权力,与传统商业渠道有很大的不同。

传统批发商或者旅行社要求酒店签订一份不合理合同,至少合同条款是看得见的,酒店也能大致判断拒绝之后会有什么后果。但互联网平台控制的是流量、排名、曝光、推荐和转化,很多规则并不会以简单直接的方式出现。

酒店可能不知道自己的排名为什么下降,不知道某个营销活动到底带来了多少额外订单,也很难证明流量减少与拒绝某项平台要求之间存在直接关系。平台不需要明确告诉酒店“不参加活动就不给你订单”,只需要调整搜索排序和推荐权重,酒店就可能从消费者的视野中消失。

一家酒店即使客房不错、服务很好、价格合理,如果在消费者搜索结果的前几页里看不到,也很难获得订单。

这些年来,携程设计了金牌、特牌、营销活动、广告推广、流量倾斜等一整套运营体系。每一个规则单独拿出来,似乎都有合理的产品和商业解释,但当酒店是否配合平台要求,开始与酒店能否获得流量直接关联时,这些产品机制就不再只是普通的运营工具。

在平台经济里,最强大的权力已经不是决定一个商品能不能销售,而是决定它能不能被消费者看见。

携程这次被认定实施垄断行为,其中一个很重要的原因,就是它以流量分配机制为核心,通过平台规则、技术工具和惩罚措施,使酒店不得不接受独家合作和“全网最低价”。

这也是互联网反垄断最困难的地方。合同里的霸王条款可以删除,但隐藏在算法、排序、流量权重和运营建议中的限制,往往更难发现,也更难证明。

携程被罚,不意味着酒店和消费者站在对立面

有人可能会担心,携程不能再要求“全网最低价”之后,酒店是不是会涨价,消费者是不是反而要花更多的钱。

这种担心可以理解,但消费者真正需要的,并不是由某一家平台保证自己永远最低价,而是有足够多的平台和渠道参与竞争。

如果酒店可以自主定价,不同平台就必须拿出真正的竞争能力。佣金更低的平台,可以和酒店共同提供更优惠的价格;支付更快、售后更好的平台,可以获得更多酒店资源;酒店自己的会员系统和官方渠道,也可以根据运营成本提供合理优惠。

携程想继续获得最低价格,也没有任何问题,但它应该通过降低佣金、提高转化率、改善服务和增加订单来争取,而不是利用平台支配地位要求酒店在其他渠道不能卖得更便宜。

真正健康的市场,不是所有平台的价格都被强行锁定,而是不同平台通过效率、成本和服务展开竞争。

短期来看,由一家强势平台不断压低酒店价格,消费者似乎得到了便宜。但酒店的利润空间被长期挤压之后,只能通过减少人员、降低服务、压缩维护成本来生存。平台要求酒店参加越来越多的活动,提供越来越低的价格,却未必愿意同步降低佣金和营销费用,最终损失的仍然是整个行业的服务质量。

这种模式看似是在让利消费者,实际上是杀鸡取卵。酒店经营不下去,服务质量持续下降,市场里只剩少数大型连锁集团和强势平台,消费者最终也不会成为受益者。

对消费者最好的保护,从来不是相信某一家平台会永远提供最低价,而是保证消费者永远还有其他平台和渠道可以选择。

51.79亿元只是开始,整改比罚款更重要

这次处罚金额很高,但如果携程只是缴纳罚款,之后换一种更加隐蔽的方式继续实施原来的规则,那么这次处罚对行业的意义仍然有限。

真正值得关注的是,在全面整改之后,酒店能否自由选择与哪些平台合作,能否根据不同渠道的成本自主制定价格,能否拒绝不合理的营销活动而不受到流量惩罚;携程的调价工具是否必须获得酒店明确授权,搜索排名和流量分配规则是否会更加透明,酒店遇到争议时是否拥有真正有效的申诉机制。

今年早些时候,在反垄断调查和地方监管部门约谈之后,携程已经宣布取消酒店特金牌标识、下线调价助手。但有酒店经营者反映,前台标识虽然消失了,相关排序和运营规则可能仍然存在,调价工具下线之后,调价指导也未必完全停止。

这说明平台规则的整改,不能只看产品页面上少了什么按钮,也不能只看合同里删除了哪一条内容。更重要的是,酒店是否还会因为拒绝某项要求而失去流量,是否还会因为在其他平台设置更低价格而受到限制。

明确的“全网最低价”条款比较容易监管,但如果它变成算法权重、运营建议、电话通知或者默认开启的技术工具,酒店仍然很难拒绝。

因此,51.79亿元不是这件事的终点。市场监管总局要求携程公开整改措施、接受社会监督,这可能比罚款本身更重要。携程到底会如何调整平台规则,酒店能否真正拿回自主经营权,还需要整个行业继续观察。

平台可以强大,但不能替市场中的所有人做决定

我并不反对携程,也不认为一家企业做大本身就是错误。

中国旅游行业能够发展到今天,携程发挥了重要作用。它提升了酒店预订效率,建立了覆盖全国乃至全球的旅行服务体系,也让消费者获得了过去难以想象的便利。一个企业能够在长期竞争中建立供应链、品牌、技术和用户优势,本身值得肯定。

但企业做大之后,不能把自己的商业优势变成决定整个行业规则的权力。

平台可以要求酒店提供真实信息,可以对服务质量差、虚假宣传和恶意违约的商家进行处罚,也可以根据服务能力和用户评价调整推荐。但它不能利用酒店对客源的依赖,决定酒店必须在哪个平台经营、不能在哪个平台经营,以什么价格经营,以及不服从之后还能获得多少流量。

2024年写那篇文章时,我想讨论的是,如何在科技发展中保证社会公平,让更多人享受到技术进步的成果。互联网发展二十多年,已经产生了少数掌握巨大流量、数据和商业资源的平台。今天我们又站在人工智能的新一轮技术浪潮中,平台权力只会继续扩大,而不会自然缩小。

反垄断的目的,不是让大企业消失,也不是为了限制技术和商业创新。恰恰相反,它是为了防止少数企业利用已经获得的优势,阻止后来者继续创新。

携程被罚之后,酒店行业终于出了一口气。但这次处罚更重要的意义,不是谁输掉了51.79亿元,而是监管部门重新划定了平台与商家之间的权力边界:平台拥有流量,不等于拥有酒店的定价权;平台掌握技术,不等于可以通过算法替酒店作出经营决定;平台规模足够大,也不意味着其他竞争者只能接受它制定的规则。

携程仍然会是中国最重要的旅游平台之一,大多数酒店也仍然会继续和携程合作。酒店真正希望的,从来不是携程倒下,而是双方能够回到正常的商业关系中。

携程可以用订单、服务和效率说服酒店,却不能再用失去订单的恐惧说服酒店。

51.79亿元当然是一笔巨额罚款,但对于酒店行业来说,真正值得高兴的是,从今天开始,酒店终于有机会重新拿回属于自己的定价权和经营权。

平台可以强大,也应该继续创造价值,但它不能强大到替市场中的所有人做决定。

梁文锋想做AGI,Hassabis已经让我们看见AGI之后

昨天我写了一篇《梁文锋想的是AGI,我更关心AGI之后的世界》,起因是最近梁文锋在一次交流中,再次谈到了DeepSeek的长期目标,相比短期的收入和利润,他更希望把DeepSeek做成一个围绕AGI长期投入的技术组织。其实从DeepSeek过去几年的发展来看,这个方向一直比较明确,他们在模型架构、训练效率、推理能力和开源上投入了大量资源,商业化的节奏反而相对克制。对于梁文锋来说,AGI显然不是一个用来讲故事的概念,而是他真正想长期去做的事情。

我当然也期待AGI,但我昨天真正想讨论的问题,并不是AGI究竟什么时候能够实现,而是如果有一天真的实现了,然后呢?今天全世界投入巨资建设数据中心,购买GPU,训练越来越强大的模型,OpenAI、Google、Anthropic、DeepSeek不断刷新各种Benchmark,我们也每天讨论哪个模型更聪明、哪个模型写代码更强、哪个模型更便宜,这些竞争当然都非常重要,因为模型能力是所有AI应用的基础。但如果花费如此巨大的资源,最后只是为了让AI帮我们写更多代码、制作更多PPT、生成更多图片和视频,或者让一家企业原来需要10个人完成的事情变成5个人完成,我总觉得还是把人工智能的意义想小了。

写完那篇文章以后,我想到了另外一个人,Demis Hassabis(德米斯·哈萨比斯)。

梁文锋和Hassabis其实是两个背景完全不同的人。梁文锋学的是信息与通信工程,后来做量化投资,创办幻方,再成立DeepSeek;Hassabis小时候是国际象棋高手,后来做电子游戏,学习计算机科学,又去研究神经科学,最后创办DeepMind。他既是计算机科学家,又是神经科学家和游戏设计师,看起来跨度很大,但仔细看他的经历,会发现其实一直围绕着同一个问题,就是智能到底是什么,人类的大脑为什么会产生智能,以及我们能不能用计算机创造出类似甚至超过人类的智能。

DeepMind最早让AI玩Atari游戏,后来又做AlphaGo,并不是因为游戏本身有多大的商业价值,而是因为游戏是研究智能非常好的实验环境,需要学习、推理、规划、决策,还要在复杂环境里不断根据反馈调整策略。2016年AlphaGo击败李世石,让全世界第一次直观感受到人工智能已经可以在一个被认为高度依赖人类直觉和经验的领域超过顶尖人类,但如果Hassabis只是做出了一个世界上最强的围棋程序,我觉得他的故事也不会有今天这么有意思。真正让我觉得Hassabis与很多AI创业者不同的地方,是他并没有一直停留在证明“AI比人聪明”这件事情上,而是开始尝试把这种新的智能,用到人类真正没有解决的问题上,后来就有了AlphaFold。

从AlphaGo到AlphaFold

蛋白质是构成生命的基础之一,由氨基酸连接形成,但同样一条氨基酸链会折叠形成复杂的三维结构,而结构又决定了蛋白质的功能。过去科学家要确定蛋白质的三维结构,通常需要借助X射线晶体学、冷冻电镜等实验手段,整个过程复杂、昂贵而且耗时,如何仅仅根据氨基酸序列准确预测蛋白质最终的三维结构,也因此成为困扰生物学界几十年的重要难题。

2020年,AlphaFold 2在CASP蛋白质结构预测竞赛中取得突破性成果,后来DeepMind又预测了几乎所有科学界已知蛋白质的结构,并将超过2亿个预测结构提供给科研人员使用。2024年,Hassabis和John Jumper因为AlphaFold在蛋白质结构预测上的贡献获得诺贝尔化学奖。从严格的科学意义上说,AlphaFold并不是把“蛋白质折叠”所有问题都彻底解决了,因为真实生命系统中的蛋白质并不是一个静止的三维模型,它还会发生动态变化,与其他蛋白质、DNA、RNA、小分子以及复杂细胞环境发生相互作用,但AlphaFold确实解决了其中一个长期存在的核心问题,就是从氨基酸序列高精度预测蛋白质结构,并且第一次把这种能力大规模提供给全球科学家。

我觉得AlphaFold这件事情特别值得思考,因为它和我们今天最熟悉的生成式AI有很大的不同。ChatGPT帮我们写文章,Codex帮我们写代码,Midjourney帮我们画图,本质上都是让机器去完成一件原来人类已经会做的事情,只是做得越来越快、越来越便宜。这样的生产力提升当然非常重要,工业革命以来几乎每一次技术进步,首先带来的都是效率提高和成本下降。但AlphaFold往前走了一步,它不是简单地替代一个原来负责预测蛋白质结构的人,而是在帮助整个科学界突破一个长期存在的知识边界,这也是为什么我觉得,从AlphaGo到AlphaFold的变化,可能比AlphaGo击败李世石本身更有意义。

过去两年,我们讨论AI时经常围绕一个问题,就是AI会替代多少工作。程序员会不会被替代,设计师会不会被替代,客服、律师、医生会不会被替代,企业用了AI以后是不是能够裁掉更多员工。我自己一直在重度使用AI Coding,也确实感受到这种生产力变化,以前一个人很难在很短时间里完成一款完整的软件产品,现在借助Codex、Claude Code这样的工具,一个人可以完成过去需要几个人甚至一个小团队才能完成的工作。但从更长远的角度看,如果AI的最大价值只是把原来10个人做的事情变成5个人做,那么它仍然主要是在优化已有的生产方式,并没有真正扩大人类能够做什么。

科学领域恰恰不同,很多科学问题几十年没有解决,并不是科学家不够聪明,而是需要计算和验证的可能性实在太多,人的时间、实验成本和认知能力都有极限。一个化学空间可能存在数量巨大的潜在分子,一种材料可能有无数种元素和结构组合,一个科学家一生能够提出和验证的假设终究有限,如果AI可以在这些巨大的可能空间里先进行计算、模拟和筛选,再帮助科学家找到最值得验证的方向,那么它提高的就不只是某一个科学家的工作效率,而有可能改变科学发现本身的速度。

我更关心AI能不能解决疾病

昨天谈AGI的时候,我特别提到了疾病,因为相比AI未来能不能帮我们把工作效率再提高10倍,我其实更关心它能不能解决癌症、阿尔茨海默病、罕见病这些人类长期没有解决的问题,甚至进一步帮助我们理解衰老。

现代医学已经发展了几百年,我们今天拥有CT、核磁共振、基因测序、靶向药、免疫治疗等过去无法想象的技术,但面对很多疾病仍然非常无力。癌症仍然是人类主要的死亡原因之一,阿尔茨海默病还没有真正意义上的治愈方法,大量罕见病因为患者数量少、研发成本高,长期缺乏有效药物,而新药研发本身又是一个周期很长、成本很高、失败率也很高的过程,从发现靶点、筛选化合物,到临床前研究,再到一期、二期、三期临床试验,任何一个环节失败,前面的投入都可能归零。

AlphaFold当然不会因为预测出了蛋白质结构,第二天就治愈癌症,但它展示了一种完全不同的可能性,就是让AI逐渐进入科学发现和药物研发的过程。AlphaFold 3已经进一步扩展到蛋白质与DNA、RNA、小分子等生物分子结构和相互作用的预测,Hassabis后来创办Isomorphic Labs,也是希望利用AI重新设计药物发现过程。药物研发不会因为AI出现就突然变成一件简单的事情,临床试验也不可能被模型完全替代,但如果原来需要大量实验才能筛选的方向,可以先通过AI进行计算和预测,如果原来需要几年才能理解的蛋白质结构和相互作用,可以更快获得线索,那么整个科学研究的试错空间就有可能被大幅压缩。

所以有人会说,AI可能让药物研发进入“超速时代”,我觉得这里真正值得期待的甚至不只是把一个原本需要10年的药物研发过程缩短到5年,而是让一些过去根本没有条件研究的问题第一次变得可以研究。很多罕见病并不是科学上完全没有价值,而是患者太少,市场太小,按照传统药物研发的成本结构,很难形成足够的商业回报;很多复杂疾病也不是没有人研究,而是在巨大的生物学可能空间里寻找有效靶点和药物,就像在一个几乎无限大的迷宫里不断试错。如果AI能够把这种搜索效率提高几个数量级,那么过去因为成本、时间和复杂度而无法推进的研究,也可能出现新的机会。

这也是我真正期待AGI的原因。我并不在意AGI出现以后,它是不是能够把一篇文章写得比我更好,或者一个程序员一天的工作缩短到一个小时,这些变化大概率都会发生,但它们还不是我认为最重要的事情。我更希望看到的是,当机器拥有远超过今天的推理、计算和研究能力以后,它能不能帮助科学家找到一种新的癌症治疗方法,能不能理解阿尔茨海默病真正的发病机制,能不能为一种全球只有几千名患者的罕见病设计药物,甚至有一天真正理解生命为什么衰老,以及衰老是否可以被干预。

梁文锋与Hassabis

从这个角度再来看梁文锋和Hassabis,我觉得两个人身上有一个很相似的地方,就是他们想做的事情都比较远,也不太容易用短期的商业回报去衡量。

商业社会天然喜欢确定性,做一个App可以看下载量和付费率,做SaaS可以看ARR,做电商可以看GMV,投资一个项目最好几年以后就能够看到回报。但真正的基础研究往往不是这样,DeepMind最初研究围棋的时候,很难计算AlphaGo未来能够带来多少收入,做AlphaFold的时候,也不是因为突然发现蛋白质结构预测是一个巨大的互联网市场。Hassabis真正想做的是研究智能,然后利用智能去解决科学问题;梁文锋和DeepSeek今天主要还在做另外一端的事情,就是如何把智能本身继续往前推进,研究模型架构、训练效率、推理能力以及通往AGI的路径。

当然,两个人所处的阶段并不一样,梁文锋现在更多是在寻找如何实现AGI,而Hassabis同样一直把AGI作为长期目标,只不过从AlphaFold开始,他已经提前展示了另外一种可能,就是我们并不一定非要等到某一天宣布“AGI正式实现”,才开始让AI解决科学问题。事实上,今天各种专用AI系统已经开始进入生物学、材料、数学、气象等领域,随着模型能力继续提高,通用模型和专业科学模型之间的边界也可能越来越模糊。

中国未来当然需要更强的基础模型,需要自己的GPT、Claude和Gemini,需要DeepSeek这样的公司,也需要芯片、算力、Agent和完整的AI产业链。今天大家讨论Benchmark、模型价格和Coding能力,也都有现实意义,因为如果基础模型本身不够强,后面的应用也无从谈起。但模型终究只是一种基础能力,就像望远镜真正的价值不是口径有多大,而是我们最终用它看到了什么,如果未来中国AI竞争一直停留在模型排行榜高几分、上下文增加多少Token、API价格又降低多少,那么仍然只是完成了第一阶段。

我更期待的是有一天,中国也能够出现自己的AlphaFold,用AI去发现新的药物,研究癌症和罕见病,寻找更好的电池和材料,解决能源问题,帮助数学家、物理学家和生物学家去研究那些困扰人类几十年甚至几百年的问题。当越来越多这样的成果出现以后,AI才真正不只是一个新的互联网产业,而会逐渐成为科研本身的一种基础工具。

AGI之后,我们到底想要什么

回顾人类过去几百年的技术进步,每一次工业革命其实都在扩大人的能力,蒸汽机和电力扩大了人的体力,汽车和飞机扩大了人的移动范围,计算机扩大了计算能力,互联网让信息的生产和传播成本大幅下降。我觉得AI可能带来的一个更深层变化,是扩大人类能够解决的问题范围,以前一个问题太复杂,人脑算不过来,一个实验组合太多,人类试不过来,一个科学家一生能够验证的假设太少,而AI理论上可以在这些地方不断突破人的限制。

所以我并不太纠结AGI究竟是在2028年、2030年还是更晚出现,也不太在意最终是哪家公司第一个宣布实现了AGI,因为无论这个时间点什么时候到来,真正重要的问题始终是,我们最终准备拿这种前所未有的智能去做什么。

如果只是生成更多广告、短视频、营销文案,让互联网里的内容再增加一百倍,或者让企业进一步降低人力成本,当然也算是一种技术进步,但我觉得远远不够。人类还有太多真正困难的问题没有解决,疾病、衰老、能源、材料、气候、基础科学,包括我们对生命和宇宙本身的理解,这些问题中的任何一个如果因为AI取得重大突破,产生的价值可能都远远超过今天整个生成式AI市场。

梁文锋还在寻找通往AGI的路,Hassabis同样在追求AGI,但AlphaFold已经让我们提前看到了一点拥有更强智能之后可能发生的事情。AlphaFold并不是AGI,却证明了AI的价值并不只是把人类已经会做的事情做得更快,也可以帮助我们进入过去很难进入的未知领域。

如果很多年以后回头看今天的AI革命,我们大概不会记得某个模型曾经在某个Benchmark上领先了几分,也不会记得哪家公司曾经拥有最长的上下文窗口,但如果AI最终帮助人类治愈了某些过去无法治愈的疾病,解决了能源问题,延长了健康寿命,或者让我们理解了一些过去几百年都没有理解的科学问题,这些事情一定会被记住。

我想,这才是AGI真正值得我们投入如此巨大资源去追求的原因。