當(dāng)天的對話是“風(fēng)波”發(fā)酵后簡仁賢首次和外界交流,，他十分坦誠，某些時刻甚至給人感覺已有些釋然,。

在對話中,，他分享了很多慘痛經(jīng)歷換來的經(jīng)驗，這些教訓(xùn)自然不如人們已然習(xí)慣的Sora類的驚艷驚喜驚嚇來的吸引人,，也不如網(wǎng)絡(luò)上用一個“全面停工”來概括一切更能迎合看客們“中美差距又在拉大”的情緒,，但對于那些和簡仁賢一樣，同時陷在大模型帶來的人類技術(shù)大突進和創(chuàng)業(yè)環(huán)境大低谷這兩個重要周期里的創(chuàng)業(yè)者和實干者們來說,，這一年簡仁賢所經(jīng)歷的,，顯然無比重要。

“我都還沒有放棄追逐夢想,，哪怕這把年紀,。”他說,。

“我希望把這些經(jīng)驗分享出來,，沒什么可藏著掖著，大家還是要一起往前走,?！?/p>

發(fā)生了什么,？

硅星人：所以最近到底發(fā)生了什么,？

簡仁賢：其實涉及不同層面的事情,。我先講我們最近發(fā)生的事。

一個企業(yè)發(fā)生這樣的事背后肯定有一長段的歷程,。這次事件的發(fā)酵是偶然的,，因為我們在暫停某一些業(yè)務(wù)，需要考慮到很多法律法規(guī),，要給員工正式通知,，但總是有員工會覺得不同意，就情緒化的傳出去了,，被錯誤解讀,，斷章取義說是全面停工。

其實是我們在調(diào)整業(yè)務(wù),。

硅星人：所以事實上你們在如何調(diào)整業(yè)務(wù),？

簡仁賢：這個說來比較長一點。

企業(yè)在三種不同因素影響之下,，必須要做一個重大的改變,。

第一個因素是融資環(huán)境非常不好。這個我毫不諱言,，本來我們每一年都有融資,，但2023 年年初的融資其實是 2022 年年底確定的，所以等于2023 年我們沒有完成融資,。

往年的話我們每一年都有融資事件，因為我們在新技術(shù)的投入上是最大的,。從 2015 年以后所有的 NLP 都是我們自研的,，里面沒有用過任何開源軟件,。除了像 MySQL 等等這些因為客戶會用之外,，我們沒有用過開源軟件做我們的NLP技術(shù)和我們的所有小模型的算法,。我們的產(chǎn)品也都是自研開發(fā)的,，甚至我們率先研發(fā)出來，再被很多企業(yè)去抄襲,，比如說我們的 bot factory,，?一個機器人平臺，這個平臺到現(xiàn)在也是我們毛利率最高的平臺,，里面有數(shù)千個不同的小模型在里面,。我們還有非常標準化的機器學(xué)習(xí)平臺，呼叫中心用的助手，知識工程的平臺以及知識庫的產(chǎn)品等,，這些都是我們用小模型歷史迭代起來的業(yè)務(wù),，其實在我們最高光的時候，這些業(yè)務(wù)都做得非常好,。

硅星人：然后ChatGPT來了,。

簡仁賢：對， 2022 年年底的時候 ChatGPT 突然橫空出世之后,，所有的行業(yè)里的人都開始焦慮跟急躁,，包括我在內(nèi)。你會發(fā)現(xiàn)說,，怎么一個大模型的技術(shù)就這么來了,？

因為2022 年年初的時候（InstructGPT論文發(fā)布后），我們在看 GPT 3 的時候都覺得這個東西至少還有兩到三年才有辦法承受,。為什么呢？因為它需要大量的算力,，這些算力很貴的,，非常貴。所以 2022 年的年初,，我并不覺得大模型有前途,，因為算力太貴，我們做 Tob 的我覺得不可能在 3 到 5 年之內(nèi)在 ToB 能夠廣泛落地,。

后來到 Google 的PaLM出來后,，我們從六七月開始，一直到 10?月的時候就開始用大模型來嘗試著要做一些小模型的東西,。后來發(fā)現(xiàn)大模型能幫助小模型去訓(xùn)練模型,，提高它的準確率，幫忙制造語料等,。那么到了 ChatGPT 真的出來以后,，我們發(fā)現(xiàn)整個的語義理解經(jīng)過大模型完全改變了。但是有一件事情沒變,，就是算力的需求還是很高,。高到企業(yè)里面根本受不了。

所以到2023 年初我就提出來新的產(chǎn)品策略,，叫 1 + 4 的產(chǎn)品策略,。因為企業(yè)算力需求肯定很大，所以我想說未來我們應(yīng)該是“賣算力”的——核心是提供一個平臺讓企業(yè)去做模型訓(xùn)練,。

因為企業(yè)的數(shù)據(jù)無法外傳,，一定要訓(xùn)練自己的模型，那么這樣子我提供了平臺讓他在我的平臺里面能夠去訓(xùn)練模型，去圍繞模型端到端的把各種環(huán)節(jié)都做好,，甚至連 GPU 的資源管理都做好,。然后我后面再去用云資源，再去用GPU,，我就可以賺中間的差價,。這是一門賣算力的生意。

想明白后,，我們就研發(fā)出來emotibrain,，也就是模型工廠?；旧峡梢运接胁渴?，也可以公有云。其實在美國已經(jīng)有幾家這樣的賣算力的公司,，做得非常不錯。

硅星人：美國有CoreWeave,。

簡仁賢：對，他們以前做區(qū)塊鏈，后來轉(zhuǎn)型把手上的資源拿去提供算力，可以在上面訓(xùn)練也可以租用,，當(dāng)然他們也研發(fā)了一個共享算力的平臺,。

但我們在國內(nèi)做不可能自己去買一萬塊GPU。我肯定就是用一些云計算資源,，比如說華為云,、移動云、電信云,、聯(lián)通云,，他們都有很多云資源，還有其他很多,，我就接他們,，我們就算中間廠商。

這聽起來是個非常好的商業(yè)模式,，對吧,？

硅星人：聽起來比較理想。

簡仁賢：對,。所以當(dāng)時我們也推了SaaS,。結(jié)果還真的簽了好幾個客戶。

硅星人：這個產(chǎn)品就是去年發(fā)布的對吧,。

簡仁賢：對，2023年年中推出的,，我們的定價分別有299,，399，和1000,。用戶上來可以用它做訓(xùn)練,，拿數(shù)據(jù)來我們這里做打標簽的工作，訓(xùn)練模型等,。

硅星人：299是一個月嗎,？

簡仁賢：對，299一個月可以讓它用幾個小時,。所以這個算力的差價其實是有利潤的,，很有利潤。現(xiàn)在我覺得這部分生意以后還是可以繼續(xù)以項目的方式做,。但是后來很快問題來了?，F(xiàn)實跟想象不同。

硅星人：哪里出了問題,。

簡仁賢：問題出在需求,。大客戶或者是中客戶雖然有這個需求，但是需求起得有點慢。

硅星人：為什么呢,？

簡仁賢：我們現(xiàn)在拋開一些表面上的這些問題,，用第一性原理的來解釋這些現(xiàn)象，其實用第一性原理來解釋整個大模型的進展,，就只有一句話,。就是——整個技術(shù)迭代太快。

因為整個技術(shù)迭代太快,，所以里面根本沒有商業(yè)價值,。

從All in 到 Half in

硅星人：就是你在這個基礎(chǔ)技術(shù)上面做開發(fā)和商業(yè)拓展，但下面的技術(shù)又往前跑了,。

簡仁賢：對,。如果一個新技術(shù)每個月迭代一次，To C當(dāng)然很容易嘩眾取寵,，但 ToB 的需要一段時間去消化,。所有 ToB 的客戶首先需要去學(xué)習(xí)，需要去探索,，需要去試驗,、去論證、去提報,。然后再去做ROI,， ROI 完以后要再去提預(yù)算。提預(yù)算完以后他才有辦法去做招標,，再有可能到開發(fā)到實現(xiàn),。

當(dāng)你每個月都迭代一次的時候，所有的客戶都會觀望,。哎,，那我再等一個月是不是有新的東西？所以整個的大模型從 ChatGPT 出來之后,，我們其實做了一個比較極端的決策,。就是我要 all in大模型?，all in ChatGPT,，除了emotibrain,，我們還開發(fā)了KK bot。

硅星人：就是1+4里面的后面四個,。

簡仁賢：對,，四個產(chǎn)品其中第一個。一個對話平臺,，專門基于大模型的,。它里面可以做Prompt 的優(yōu)化,，Prompt的 template ，Prompt的生成,，我們是第一個能夠做Prompt生成的一個軟件,。我們在2022年12月就推出來了Prompt Generator，可以產(chǎn)生prompt,。嗯,，那個時候我就認為 prompt 很重要，但是撰寫編寫跟設(shè)計 prime 的門檻相當(dāng)高,。所以我們就設(shè)計出來好一些的模板可以自動讓你生成,。

當(dāng)初我的要求就是第一降低模型訓(xùn)練的門檻，第二降低寫 Prompt 的門檻,，第三降低模型訓(xùn)練的成本,。全成本，total owner cost 全部降低,。這些體現(xiàn)在 1 + 4里面,。另外幾個也是在用大模型來升級我們已有的產(chǎn)品，比如培訓(xùn)產(chǎn)品,，知識庫產(chǎn)品,，可以用大模型來做知識的檢索。

當(dāng)我們推出的時候,，推到客戶那邊去,，每個客戶都很喜歡。不過他們都還在探索跟學(xué)習(xí)大模型,。他們也覺得那要怎么把它們用到業(yè)務(wù)里面去,？怎么樣去說服他們的高層？大模型可不可控,？光是在討論大模型可不可控，說話能不能控制這些問題,，企業(yè)的人基本上要花很多很多的時間自己去調(diào)研,，請專家調(diào)研，才有辦法去信任我們,，光是廠商跟他講是沒有用的,。

完了以后最重要的問題來了，數(shù)據(jù)不可外傳,，一定要本地,。那就要私有部署。

硅星人：回到項目制了,。

簡仁賢：對,。那我們幫你列一個私有部署方案,。那接下來，算力呢,？企業(yè)根本不知道算力要有多少,，當(dāng)你幫他算出來他的算力要有多少的時候。他慌了,。因為你訓(xùn)練時需要GPU,，推理時候 GPU 的需求可能又遠高于訓(xùn)練的數(shù)倍到數(shù)十倍，這取決于你的用戶數(shù)有多少,，你對它的響應(yīng)速度有多少,，以及你的場景數(shù)據(jù)有多復(fù)雜。

模型響應(yīng)快的可以四五秒,，但許多主流大模型都是十幾秒,。客戶無法接受,，你知道客戶要多少,，要兩秒。我說?從6 秒到 2 秒,，它的算力的需求可能都要 5 倍到 10?倍,。那時候一個 A100?的 DGX 的服務(wù)器都要 150?萬人民幣，八卡,。那么 10?個 8 卡就要 1500?萬,。

硅星人：太貴了。

簡仁賢：客戶的智能客服想要用這個大模型,，他不可能說先買幾百萬的 GPU 去做,，然后把他現(xiàn)在可能幾十萬、上百萬的智能客戶系統(tǒng)全換掉,。這個就符合我最初的判斷,，就是大模型在企業(yè)這種唾手可得的業(yè)務(wù)場景里面要落地是不可能，因為算力是相當(dāng)高,。

除此之外,，第二是數(shù)據(jù)成本也很高。訓(xùn)練大模型的數(shù)據(jù)跟企業(yè)做結(jié)構(gòu)化數(shù)據(jù)的梳理跟標注是完全不同的,。第三個問題是Prompt,，你幫企業(yè)部署一個大模型，可是企業(yè)用不起來的,。因為他不懂得怎么寫prompt,。我們也曾經(jīng)為一家大企業(yè)做一個垂直場景的大模型。對這種具體的場景,，通用模型的泛化能力是沒有用的,，所以我們要自己去訓(xùn)練一個模型,，我們也訓(xùn)練了兩三個月，我們的算法工程師自己在標數(shù)據(jù),，每一天都去調(diào)優(yōu),，然后又要去訓(xùn)練，一次訓(xùn)練都要七八個小時,，然后再跑出來啊,。這個整個的過程是很漫長的。

所以簡單的講,，這些原因才造成目前企業(yè)在大模型落地速度有點慢,。但是需求在不在？需求在,，需求很大,，可是落地的速度比較慢。從學(xué)習(xí)到驗證到最后立項才知道原來要這么多GPU,，然后打退堂鼓,。

硅星人：就要重新再來一遍。

簡仁賢：對,。這個在我們過去一年多來我們的嘗試耗費了大量精力,，我們投入太多，回報太少,。我可能投入這么多,，預(yù)期回報是這么多，現(xiàn)在回報只有這么少,。那我原來跟我們的股東講說我去年要盈虧平衡,，經(jīng)過這個大模型我又虧錢，那你說我應(yīng)該怎么辦,？

我說我做的這些產(chǎn)品技術(shù)都是業(yè)界最棒的,，我們 KK bot做出來的時候，其實國內(nèi)的基礎(chǔ)模型都還沒有那些功能,，五六月我們做出來的時候都還沒有,，都還沒有啊,。他們都只還是有一個模型。比如Prompt builder是11月底ChatGPT出來后四周我們就做出來,。但對客戶來說,，它是一套的東西。

硅星人：但你們已經(jīng)投入了一年了,。

簡仁賢：我們是更極端的 all in 整個大模型去做,，這導(dǎo)致我自己原先的產(chǎn)品的業(yè)務(wù)受損。但我認為其實我原先產(chǎn)品的業(yè)務(wù)可以是做得更好的,。所以到去年年底我就在思考,，我們的這個決定，就是1 + 4 all in 大模型的這個決定,，是不是應(yīng)該調(diào)整一下,？所以我調(diào)整的策略是什么呢？

是 Half in,。

硅星人：之前提到過去年您在用一個雙引擎的策略,，外界一度理解是你要大模型和傳統(tǒng)小模型的業(yè)務(wù)同時做，所以其實并不是,，而是all in 大模型,？

簡仁賢：雙引擎的確是大小模型雙引擎，但大小模型雙引擎是 all in大模型,，是大模型大帶小模型,。

硅星人：所以很多人說這次的問題是不夠all in 大模型，其實反而是因為all in帶來的問題,，過去的所有業(yè)務(wù)都要用大模型改造導(dǎo)致的,。

簡仁賢：我們是all in在做，比如KK bot是全部重新開發(fā),，EmotiBrain上都是大模型,。所以一個結(jié)果是我們所有的研發(fā)資源，所有整體的資源都往大模型里面去導(dǎo),，大模型的應(yīng)用,、大模型的中臺、大模型的底層,，甚至于我們也去做了模型訓(xùn)練的加速,。

硅星人：加速也做了？

簡仁賢：是的,，我們連加速都去做,，訓(xùn)練的加速。對,，加速,。加速 llama 2的 finetuning等,，整個全棧都做，所以到了 23 年的年底,，我覺得這樣子不行了,，所以接下來應(yīng)該怎么辦？我就覺得說我們應(yīng)該再調(diào)整我的策略,，就2024年不是 all in 大模型,，應(yīng)該叫 half in 大模型。

減少一半的意思是什么呢,？是我要以我原先的這些成熟的經(jīng)過好多年驗證,，經(jīng)過 6 、 7 年驗證的成熟的產(chǎn)品,，小模型在前面,，我用大模型在后面推。用大模型來幫助小模型,，然后用大模型來兜底小模型,。也就是說讓我們的產(chǎn)品，不但客戶能有小模型的快準省,，再加上大模型的泛化能力跟語義理解能力,。

所以我必須要暫停一些業(yè)務(wù)，比如說我們的 SaaS 業(yè)務(wù),，暫停一些我們的大模型的標準化產(chǎn)品的業(yè)務(wù),。再濃縮到我們原來成熟的產(chǎn)品，然后把基于我們的小模型的這個現(xiàn)有客戶,，未來幫他們升級成大模型的客戶,。這樣我希望能夠不讓我們的客戶受到干擾，不讓我們的投資人受到干擾,。

我們可能未來幾個月的時間要用行動來證明,，這個模式能在幾個月之內(nèi)讓我們現(xiàn)金流轉(zhuǎn)正，我自己能造血之后我再去看大模型,。

所以如果時間能回到2022 年的 12 月,，我可能就不會那么激進，我可能就會說讓子彈飛一會兒,。

硅星人：要等一等客戶,，不能比客戶跑得快太多。

簡仁賢：對,。不能比客戶跑得快,。這是我 30 年來的心得。?ToB 你要比客戶慢， ToC 你要比用戶快,。完全不一樣。別人的理解就跟我不一樣,，別人理解說 ToB 你可以有既定需求,， ToC 你不用去管你的需求，其實這是錯的,。ToB 就是一點,，你要賺錢速度就要比客戶慢。ToC 你要賺錢,，你就要搶在最前面,，剛好相反。

硅星人：所以當(dāng)初all in的時候甚至你想讓客戶也要跟著你一起 all in 大模型,，而現(xiàn)在 half in,，相當(dāng)于另外一半是自己逐漸消耗掉，自己繼續(xù)來理解這個大模型,，可能客戶不需要知道你很多東西是用了大模型,，但是你會在這個產(chǎn)品里用你們的技術(shù)積累和技術(shù)的認知去繼續(xù)改造。

簡仁賢：對,。我要往后推一些,。原來我們總是跑到最前面去引領(lǐng)創(chuàng)新，因為我的骨子里面一直都要走在最前面,。

硅星人：其實這引出來另一個我想問的問題,，你當(dāng)時為什么沒有做基礎(chǔ)模型？

簡仁賢：因為我們是7年的公司,，你不可能說用大模型的估值去融這么多錢,，融不到，而且相對應(yīng)的人才都很貴,，我要先融錢才有辦法,。我也跟投資人開玩笑說，可以竹間不做,，我另外再去起一個公司,，可以做一個 10?億的公司，馬上可以融2億來做,。但是這個是題外話,。

今天Half in的意思就是說我不能放棄我能賺錢的東西，而去追求一個還沒有需求爆發(fā)的東西,。所以我應(yīng)該是說,，我的客戶他們要的是什么？它要的是大模型么，它其實業(yè)務(wù)沒變,，存款還是存款,，貸款還是貸款，風(fēng)控還是風(fēng)控,，都沒變,。只是說他要你要解決他的業(yè)務(wù)問題，有沒有用最有效的方法,？

后來我發(fā)現(xiàn)我們的客戶都是怎么樣,，是我要你這個小模型的這個成熟產(chǎn)品，但是這兩個場景幫我用大模型做,。所以其實變成80%?用我們成熟產(chǎn)品,， 20%?用大模型去做探索性的場景，那么這些以后就變成二期,、三期了,，所以我們現(xiàn)在的方式是這樣。這是一個很大的轉(zhuǎn)型,，這樣企業(yè)才能生存,。

硅星人：每天被這些新技術(shù)FOMO式的沖擊，讓人們忘了NLP在過去十年有多成熟,，它是一個成熟的 ToB 的市場,，成熟的需求，成熟的產(chǎn)生現(xiàn)金流的跑通了的業(yè)務(wù)模式,。

簡仁賢：是的,，沒錯。

硅星人：而NLP公司們還有一個特征,，就是它已經(jīng)有一個成熟的業(yè)務(wù)模式但同時 NLP 它本身是一個一直在進步的技術(shù),，哪怕沒有大模型出來，它也是一直需要技術(shù)投入的一個行業(yè),。所以您提到的融資環(huán)境,，今天整個中國投資市場的彈藥就這么多了，那如果都去了大模型公司,，過往本身非常需要融資支持技術(shù)研發(fā)的NLP公司,，彈藥就不夠了。

簡仁賢：是的,，沒錯,。所以因應(yīng)這種環(huán)境，大部分的資金都是投月之暗面,，minimax,，智譜,，對吧？那我們怎么做呢,？很簡單,。我們就自己造血。

所以我為什么這次轉(zhuǎn)型就我要先自己造血完以后我能夠有盈余的,，我再加人,、再加產(chǎn)品，再加產(chǎn)品,、再投入。這樣子 we can survive for a long time,。

（不做基礎(chǔ)模型的另一個原因）是你說現(xiàn)在的這些大模型的公司,，其實他們經(jīng)歷的就是我們六年前的故事。其實歷史一直都在重復(fù),。

我們剛出來的時候,，我們做的 NLP 已經(jīng)是很牛啊。那個時候我們?nèi)ビ肂ert,，就有數(shù)十種不同的Bert,，一個模型也要用 CPU 訓(xùn)練好幾個小時。我們也知道業(yè)界里面去賣千億大模型的源代碼,，一年一年賣,，就幾百萬而已，還要提供人員去幫他做調(diào)試,，這種價格非常低的,，都是賠錢的。

所以現(xiàn)在這些大模型經(jīng)歷的可能是在走我們五六年前的路,，所以我現(xiàn)在調(diào)整的方向,，就是大模型落地是要基于我們的成熟產(chǎn)品去落地，還有我們的 know how 去落地,。我己有的高毛利的業(yè)務(wù)搬到前面來,，大模型在后面，然后等到大模型的成本降低了,，算力成本,、數(shù)據(jù)成本、推理成本都降低了,，我那時候能再次全部 all in,。

回歸到第一性原理，不要為新技術(shù)潮流所帶來的這一些瘋狂的追捧而迷惑我們應(yīng)該要有的企業(yè)發(fā)展方向,。

我要活下去,，才能看見夢

硅星人：必須走一條不同的路了。

簡仁賢：對，不是只有竹間,，是我們這一類的公司必須要去造血,，所以我們在走一個蛻變的路去造血。

其實這里有一個模式,，做 ToB 的公司它如果要在七八年就要盈利的話,，它的技術(shù)發(fā)展肯定會有遲滯。原來我不希望這樣子,，我希望每一年我們的技術(shù)都往上升,。但是這樣就每一年都要虧錢。

我舉一個例子,，美國很成功的一家公司叫Palantir 了,，它現(xiàn)在的股價為什么漲這么高呢？第一個它從去年 Q4 開始盈利,，連續(xù)兩季度盈利,，市場為什么來追捧他，因為認為在美國或者是歐洲所有的企業(yè)對于 AI 的需求會上升,，而它是最具有這個能力去幫他們提供服務(wù)的,。但是很多人不知道Palantir成立了幾年。

硅星人：20多年,。最初做美國軍方生意的,。

簡仁賢：對。他原來就是美國軍方業(yè)務(wù)占90%,，然后上市之后股價也一直都很低迷,。后來轉(zhuǎn)型做非軍方業(yè)務(wù),、非政府業(yè)務(wù),。但是他做了 20 年才開始盈利。因為他在技術(shù)的投入非常多,，數(shù)據(jù)的投入他叫 data intelligence,，這個投入非常非常多，現(xiàn)在他開始投入大模型就很容易做,，因為他客戶在那,。所以我覺得我們應(yīng)該是他這種模式，不能急躁,。

但問題是國內(nèi)的資本能不能忍受我們虧 20?年？

硅星人：目前看起來不太會了,。

簡仁賢：我們現(xiàn)在處于這個節(jié)奏,，就第一我們沒有美元資金，第二國內(nèi)的資金周期又比較短,，國內(nèi)的市場基金又不太可能忍受我們的這個虧損。那我們應(yīng)該怎么辦,？應(yīng)該忍痛停止一些業(yè)務(wù)先造血，只要我們這一關(guān)能夠 turn over,，能夠過去,，我們就變成一個很健康的企業(yè)模式了,，所以我一直在打磨這個模式。

硅星人：所以，竹間智能長大了,。

簡仁賢：是,，終于長大了,。

硅星人：你的身份也變了，以前是微軟的高管,，大廠里做創(chuàng)新業(yè)務(wù)，后來這八年是高光的不愁融資的明星創(chuàng)業(yè)者?，F(xiàn)在是不是面對整個公司做這樣的決定也讓你的角色變得更不同了,。

簡仁賢：是，這個要求其實蠻苛刻的,。這個要求是在讓我自己跟自己在做天人交戰(zhàn)。因為以前我們都是用第一人稱在做這個公司,，就所有的開頭都是“my dream”,。This is my dream,， this is my passion，this is my success,，his is what I do（這是我的夢想,，這是我的激情，這是我的成功,，這是我的做法）。

但是現(xiàn)在我遇到了一個完美風(fēng)暴：新技術(shù)排山倒海的在顛覆,，同時,，資本寒冬。而且我們自己曾經(jīng)原本已經(jīng)要上市,，后來窗口沒有了。三個方面的沖擊同時來,，完美風(fēng)暴，我該怎么做,。

其實過去這幾個月其實蠻煎熬的，其實就是我在尋求你剛才講的這樣一個轉(zhuǎn)變,。

后來我找到了一條出路，就是把自己抽出來,，不是第一人稱在做這個公司，而是抽出來,，自己成了別人，然后來建議我自己,，如果我是你我會怎么樣做。

然后要做一個非常大的調(diào)整,，這個大的調(diào)整就是否定自己做過的有些事情，你要去否定它,，這很難,，否定自己是最難的。因為你一旦沒有做好,，你的信心整個就沒了。所以你要去否定,，要去承認自己有些做的事情是錯誤的，那你要去調(diào)整它,，你能不能調(diào)整。而且當(dāng)你調(diào)整的過程當(dāng)中,，你的團隊有可能認為，你怎么變來變?nèi)サ摹?/p>

硅星人：因為沒有任何一個人能掌握跟你一樣的信息,。

簡仁賢：沒人能夠理解你的各種因素，投資人的壓力,，投資人股東,，你的財務(wù),、你的上司，你的合作伙伴,，還有你的這個工作的員工小伙伴,，等等的這些人，沒有人能夠去理解你的這個狀況,，那你自己就要抽出來了，抽出來了應(yīng)該怎么辦,？所以我們才做這樣一個比較重要的比較痛的一個決定,。

回到day zero，不要把自己當(dāng)做一個成熟公司,，融了好幾輪再繼續(xù)融,。no,，應(yīng)該把它當(dāng)作 day Zero,，是沒有錢的時候你怎么辦,，沒有人的時候你怎么辦,，沒有客戶的時候你怎么辦,。要用這樣的方式去思考你的商業(yè)模式,，用第一性原理去想你的問題,，這樣你就可以看到很多真相,，而這時候做決策其實很多是在否定自己,，那你能不能接受,，接受就能夠成功,，不能接受的那就沒了,。那剩下就是你有沒有這個膽量,，去執(zhí)行,。

硅星人：沒有被迫一定要做這些事情的時候，可能真的就逼不出來這樣的一個自己,。

簡仁賢：對,，非常對。就是一個人的認知都是在他真正經(jīng)歷磨難的時候才能夠理解的,。你平常去教他去建議他是沒有用的,，他必須要自己去踩。當(dāng)你在高光的時候一直在往亮的方面去走,，你看不到黑暗面，真的,，你到黑暗的時候你才知道理解到黑暗是什么,。我做了這么多年,，我現(xiàn)在才理解,。

硅星人：聽起來很殘酷,，那你創(chuàng)辦這家公司的那個夢也醒了是么,。

簡仁賢：其實夢還沒醒，這個夢還在,。就我常常提醒自己的一句話就是,， i will not give up on my dreams,， i will not give up on myself。我不會放棄我的dream,，我也不會放棄我自己。

但是我們要完成這個夢的過程當(dāng)中,，不會是每一天都是順的，這個是新的認知,，不像以前我們每一年都是順的，以前我們的過程當(dāng)中我們股東沒有退出的,，你信不信，他們都認為我們很有前途,。這個就是我的責(zé)任，這個夢的部分,，我最初要做這個情感機器人的部分,，我去年就是時候我看到GPT我覺得可以做了,，然后現(xiàn)在看到這個數(shù)字人的時候，我說,，哇，這個加上聲音克隆,，加上多模態(tài)，對,，就完全是我的 dream，我一直想做的那個,。

但是我要達到我的dream,，我必須要能survive,。所以我在做的工作,，不是夢醒,，而是要survive。If i don’t survive,， i will not see my dream come true（如果我不能活下來,，我不會看見我的夢想成真）,。我需要 survive till the day when my dream comes true（活下來直到夢想變成現(xiàn)實）,。

所以,，我的夢還在,。我年紀這么大但我還是不會放棄夢想放棄自己。