您的位置首页 >人工智能 >

张朝阳复盘错失移动互联网大模型比拼资源门槛高,切忌盲目跟风 AI

张朝阳在公开分享中复盘当年错失移动互联网的经历,同时表达了对当下 AI 赛道的判断,核心看法是基础大模型赛道重度比拼资金、算力这类资源,自身条件很难支撑,企业不要被 AI 热潮裹挟、盲目入局。之所以做出这样的判断,一方面是基础大模型训练、持续迭代需要海量算力、高额资金投入,资源消耗规模远超早年互联网业务,属于重资产赛道;另一方面,过往移动互联网的经验也提醒他,不是每一波风口都适合自己,跟风追热点很容易分散资源,反而丢掉本身具备优势的业务。企业在面对 AI 浪潮的时候,可以先客观盘点手里的资金、算力、技术团队储备,区分底层大模型自研和 AI 应用落地两条不同路线,优先结合自身原有业务寻找轻量化 AI 结合点,理性评估投入产出,不强行挤入资源竞争激烈的基础大模型赛道。他的观点不是否定 AI 价值,而是提醒从业者理性看待风口,分清赛道门槛,避免在不匹配自身能力的方向上投入。

错失移动互联网带来的经验总结

  • 风口不代表适合自身,要客观判断自身资源、组织能力能不能匹配时代机会
  • 赛道存在明显门槛差异,有些机会需要提前布局、持续投入,临时追赶难度极大
  • 盲目跟随热点,容易打乱原有业务节奏,分散核心团队精力
  • 要区分 “趋势本身” 和 “自己能做的业务”,二者不能混为一谈

基础大模型赛道拼资源的核心门槛清单

  1. 算力资源:训练、持续微调、推理集群需要大量高端 GPU,采购、运维成本高昂
  2. 资金投入:从数据清洗、标注到模型训练、安全对齐,全链路资金消耗巨大
  3. 人才储备:需要算法、分布式工程、数据治理等复合型专业团队
  4. 长期持续投入:不是一次性投入,后续迭代、升级、运维需要源源不断追加资源
  5. 数据供给:高质量合规训练数据的获取、治理也需要较高成本

理性布局 AI、不盲目跟风的落地思路

  1. 拆分赛道:不硬啃自研基础大模型,优先考虑基于成熟大模型做上层应用
  2. 锚定主业:把 AI 作为原有业务的增效工具,围绕已有产品做赋能
  3. 小步验证:先用小场景试点 AI 功能,验证收益之后再扩大投入
  4. 设定投入上限:提前划定预算边界,避免持续无底洞式投入
  5. 保持观察:持续跟踪行业技术变化,等待适配自身资源的机会

【常见问题】

问题 1:张朝阳复盘错失移动互联网之后提出大模型拼资源做不起,是不是意味着 AI 完全没有机会?

回答 1:不是,张朝阳这个观点针对的是资源密集的基础大模型自研赛道,并不是全盘否定 AI,企业可以避开高资源门槛的底层模型赛道,选择 AI 应用方向,结合自身业务去落地 AI 能力。

问题 2:大模型需要拼资源,主要是哪些资源会卡住想要入局的团队?

回答 2:大模型比拼的核心资源包含高端算力、资金预算、高质量训练数据、专业算法团队,这些都是重投入项,也是张朝阳判断自身做不起基础大模型的关键原因。

问题 3:别被 AI 盲目带跑,按照这个思路,企业在 AI 布局上最该避开什么坑?

回答 3:需要避开只追逐热点、不评估自身资源能力的误区,不要单纯因为 AI 是风口就仓促投入基础大模型研发,优先评估投入产出,避免像盲目追风口的项目一样消耗资源。

【数据来源】

[2026-05-10](张朝阳复盘移动互联网得失:大模型重资源,不盲目冲 AI)新浪科技

[2026-05-07](张朝阳访谈:理性看待 AI 热潮,区分底层模型与应用赛道)36 氪

[2026-05-01](互联网创业者访谈:大模型赛道算力与资金门槛分析)第一财经

【免责声明】

本文仅整理张朝阳公开访谈中的个人观点,仅作行业观点科普;该看法不代表 AI 赛道统一结论,不同企业资金、算力、业务基础不一样,AI 相关赛道机会和风险各不相同,企业做技术与业务决策请结合自身实际独立研判。

今日大家都在搜的词: