Cohere创始人分析企业AI应用现状与发展趋势

11月24日，知名科技播客《No Priors》请到了Cohere的联合创始人兼CEO Aiden Gomez，聊了聊企业AI应用的真实现状和未来走向。从坚持自研模型、Scaling Laws增速放缓，到模型降价是不是可持续，这位一线掌舵人给出了不少值得琢磨的判断。下面聊几个关键看法。

AI战略金字塔：通用工具 vs 专有解决方案

企业AI战略不是非此即彼的二选一，而是一个从底层到顶层的层级系统。底层是那些通用工具，可以直接外采；而到了顶层，那些真正能带来竞争优势的专属应用，则必须企业自己下场构建。Cohere给一家保险公司做的“研究助手”就是个典型案例，客户响应速度明显提升，最后直接拉动了业务增长。 

Scaling Laws曲线的平缓化

随着模型越做越大，Scaling Laws曲线正在变得越来越平缓。这意味着，只靠和模型对话来评估它的“智能”，已经不那么靠谱了。尤其是在物理、数学这些高度专业的领域，评估智能这件事更多要看领域专家的判断。模型处理简单任务时确实够用，但在那些需要深度专业知识的场景里，性能提升的难度显然在加大。

推理能力的重要性

推理能力的提升，是未来技术演进的一个关键方向。过去的模型往往是“输入-输出”式的直接应答，而现在越来越多的模型开始具备内在推理能力——能通过多步逻辑链条去拆解更复杂的问题。举个例子，以前的模型面对多项式可能只会给个最终答案，但有了推理能力的模型，能像人一样一步步分解过程，最后才给出结果。

开源模型的局限性

说到开源，Aiden的观点很直接：开源模型只能提供基础版本，没法灵活调整数据和训练流程。Cohere选择自研这条路线，为的就是能在研发过程中进行定制和优化，真正匹配企业客户的个性需求。基础模型是“毛坯房”，自研才能做到“精装修”。

企业应用的挑战与误区

推动企业用AI，最大的拦路虎是信任。在金融、医疗这类高度监管的行业，这个问题尤为突出。除此之外，很多企业还会高估模型的能力，忽视了数据呈现和输入输出的具体要求。为了帮客户少踩坑，Cohere不仅提供定制模型，还通过更结构化的产品设计来降低失败概率。

模型价格下降的不可持续性

说到价格，这一点值得多说两句。Aiden认为，基础模型的价格持续往下掉，这是不可持续的。随着市场增长压力加大、投资回报的需求日益明确，价格和技术都会朝着更稳定的方向走。目前大型企业还能在较低成本下开发出满足需求的模型，但未来价格会趋于稳定，而且会更多根据企业需求进行定制化收费。

Cohere的技术路线

Cohere的战略很清楚：不跟ChatGPT这种通用AI硬刚，而是专注于为企业客户提供更有针对性的AI方案。Aiden强调，Cohere的核心竞争力在于对专有模型的研发，以及对客户需求的深刻理解。他们的心态也很务实——不追求做第一个，而是在高效开发和灵活应用上多下功夫，真正满足企业端的实际需求。

AGI的现实与挑战

对于AGI（通用人工智能），Aiden的态度务实得让人安心。他并不痴迷于“超级智能爆发”或者“自我改进”这类宏大叙事，而是更看重怎么用现有技术创造真实的价值，帮企业解决具体问题。AI技术进步虽快，但AGI离真正的商业化落地，还有相当长的路要走。 从Aiden的访谈中，能感受到一家技术公司的务实打法：在技术演进、市场需求和资本逻辑之间找平衡，特别强调推理能力和专业化应用的价值。他对开源模型的局限性、以及模型降价不可持续性的判断，也给当下的行业热点了不少冷静的声音。