最近看到两则新闻:

阿里巴巴CEO吴泳铭主张在阿里现有业务中全面实现“AI化”。阿里所有部门已被告知，他们2025年的绩效将通过如何利用AI促进增长来评估。 阿里所有部门已被告知，2025年的绩效将通过如何利用AI促进增长来评估. 各团队正在与通义千问的工程师密切合作，共同开发能够提高效率和用户体验的功能。 阿里云已启动了“T项目”，主要指面向下一代AI技术，做AI引擎、LLM、多模态等未知领域探索. T项目采用员工“借调”的方式，即从阿里云内部抽调精锐力量，组成专项团队。

字节跳动豆包大模型部门（Seed）召开全员会，由负责模型应用相关工作的朱文佳，与新近加入的负责 AI 基础研究探索工作的吴永辉共同主持。两人谈到了未来的目标，明确 Seed 部门的最重要目标是探索智能上限；同时强调进一步加强组织文化，提高技术开放程度，并考虑推进开源。

两条新闻都是表达 ALL in AI 的决心, 但却是不同的侧重点.

• 对于阿里巴巴而言, AI 级应用才是杀手锏, 所以它更侧重应用的落地. 整个集团所有的绩效都和 AI 挂钩, 具有明显的 KPI 驱动特征.
• 而对于字节而言, AI 的智能上限才是杀手锏, 它更侧重 AI 的长效发展, 所以取消了绩效评审.

这当然也可能是因为阿里作为上市公司需要落地的 AI 效能来证明自己, 不过本质还是大家对于未来的判断不一致.

“在公司内部，我们相信，基于成熟AI技术的下一个杀手级应用，一个甚至比抖音更受欢迎的应用，可能很快就会出现，”

阿里认为 AI 级的杀手应用即将出现, 换一个角度就是 AI 杀手级的模型已经不会出现了. 一个智能程度 85% 的模型和智能程度 95% 的模型, 体感是完全不一样的, 就好像体会过跟聪明人对话和普通人对话的区别. 智能程度 95% 的模型一定是秒杀智能程度 85% 的模型的, 此时路径和习惯性的护城河往往没有想象中的大.

虽然看起来阿里云的 "T 项目" 是用来追求智能的上限, 但这其实是很矛盾, 这种矛盾来源于: 表面的资源集中和实际执行中的效能耗散.

我们具体到通义团队来看, 他们既要追求智能的上限, 又要和业务部门对接 AI 功能追求落地, 这种会导致事实上的效能耗散. 哪怕 T 项目是另外一群人去干也会面临一样的问题, "借调" 看起来是集中力量办大事, 但是跨部门的沟通效率会降低, 同时不同业务背景的人才思维角度也不同, 则容易导致多目标协同的矢量抵消, 比如 电商场景的实时性要求与模型训练的batch优化冲突 . 而如果将整个考评都与 AI 部门挂钩, AI 部门可能会因为业务衔接而选择局部最优解 (比如依赖微调现有模型而不是底层的架构革新) , 最终导致失去潜在的技术发展机会.

所以长远看我更加看好字节在 AI 的投入和发展, 阿里给我的感觉像是马拉松一开始就冲刺的选手, 会面临后劲不足的问题. 这种动不动就要找到杀手级应用的论调, 更给我一种傲慢和自大的感觉.