https://www.youtube.com/watch?v=rrHuun5jC1g
这个视频是硅谷坐标创始人曹卿云在 HYSTA 2026 年会闭幕 keynote 之后，与 Fireworks AI 联合创始人兼 CEO 乔琳进行的深度对话 [00:39]。访谈主要更新并探讨了 Fireworks AI 的最新动态、AI 行业的商业模式以及技术趋势。
以下是对话的核心要点总结：
1. 核心战略：什么是「专有智能（Specialized Intelligence）」？
- 与通用智能并行： 乔琳指出，全球绝大多数数据并没有被大模型吸收，而是沉淀在各个企业内部和垂直应用中 [01:08]。Fireworks 核心追求的是帮助应用和企业将自身的私有数据转化为独有的智能体 [01:25]。
- 发布专有评测指数： 市场上的公共评测集（Public Benchmark）普遍面临“训练饱和”的问题（即模型通过刷题拿高分，却无法反映真实能力） [02:56]。为此，Fireworks 推出了 Specialized Intelligence Index，把企业私有的评测汇总起来，用以衡量新模型在真实专业场景下的表现 [00:13], [03:08]。
2. AI 商业模式 vs. 传统 SaaS：「有 Product Market Fit 也可能破产」
- 成本结构根本不同： 传统的 SaaS 业务只要有了产品市场契合度（PMF），就可以尽可能快速扩张，因为人力和 CPU 存储成本相对便宜。但 AI 的基础设施成本极高 [04:23]。
- Scale into bankruptcy（越扩张越亏损）： 许多 AI 小公司即使找到了 PMF、业务需求呈超线性增长（Superlinear demand），也可能因为高昂的推理成本而资金链断裂 [00:08], [04:52]。大公司同样面临这个问题——由于流量巨大，若将新 AI 功能推送给所有用户，成本将极其高昂，从而限制了创新 [05:08]。
- 降本与供应链控制： Fireworks 通过技术手段帮助客户将运营成本降低 5 到 10 倍，同时通过开源模型加自有数据定制，帮助企业摆脱对单一闭源模型供应商的依赖，避免受制于“既是 Vendor 又是 Competitor”的尴尬关系 [04:49], [06:39]。
3. 自研模型 Ember-One 及技术亮点
- Ember-One 模型： Fireworks 在 9 月 23 日发布了自有模型 [01:41]。其核心优化之一是缩短思维链（Chain of Thought） [07:35]。
- 高性价比与智能并存： 传统的思考过程成本很高，Ember-One 能够在保证效果不变的前提下，把思考量缩短两倍，使成本降低一倍 [07:31]。
- 端到端协同与一致性（Bitwise Equivalent）： 平台实现了训练（Training）和推理（Inference）的协同优化，保证训练和推理结果逐位一致（Bitwise equivalent），没有精度损失 [11:08]。这对于需要连续执行几十步到上千步的 Long horizon agent 极其关键，能有效防止微小误差（如 0.1% 的偏离）在长达上百步的任务中累积放大 [11:18], [11:29]。
- 智能路由 Nexus： 推出智能路由工具 Nexus，能够根据客户需求自动在闭源模型、开源模型和定制模型之间进行最优调度 [11:58]。
4. 2026—2027 年应用新趋势
- 从 Coding 走向多元化： 继去年 Coding（代码辅助）应用爆发之后，今年（2026年）知识工作者（Knowledge worker）的助手迎来了大爆发 [09:10]。
- 行业渗透广泛： 应用场景高度多元化，涵盖医疗助手、生命科学（药物发现、癌症治疗、临床试验筛选）、客户支持、招聘、市场营销以及网络安全（从检测到防御） [09:30]。
- C 端应用展望： 尽管 C 端目前处于早期试验阶段，但随着今年各项实验的推进，预计明年（2027年）C 端应用将迎来大规模起量 [10:25]。
Top comments (0)