1. AI战略金字塔：通用工具 vs 专有解决方案

企业AI战略应包括从底层的通用工具，到顶层的专有解决方案。底层的通用工具可以外购，而对于能带来竞争优势的顶层应用，企业需要自己构建。比如，Cohere为一家保险公司定制的“研究助手”就是一个典型例子，这帮助客户大幅提升响应速度，最终带来业务增长。

2.  Scaling Laws曲线的平缓化

随着模型的规模不断增大，Scaling Laws曲线已经进入相对平坦部分。这意味着，仅仅通过与模型的交互来评估其智能已经不再那么有效，特别是在某些特定领域，如物理、数学等，评估“智能”更多需要领域专家的参与。模型在生成简单任务时表现良好，但在需要高度专业化的领域，性能提升面临更大的挑战。

3. 推理能力的重要性

推理（Reasoning）能力的提升是未来技术进步的一个重要方向。过去的模型通常只是根据输入输出对给出答案，而现在，越来越多的模型开始具备内在推理能力，能够通过多步骤推理来解决更复杂的问题。比如，过去的模型可能无法处理多项式问题的逐步解答，但具备推理能力后，它们能模拟人类的思维过程，逐步分解问题并解决。

4. 开源模型的局限性

对于开源模型，Aiden指出其局限性在于，它们只能提供基础模型，而无法灵活地调整数据和训练流程。Cohere选择自研模型，强调在自研过程中可以对模型进行定制和优化，以满足企业客户的特定需求。

5. 企业应用的挑战与误区

在推动企业采用AI时，Aiden提到最大障碍是信任，尤其是在金融和医疗等高度受监管的行业。此外，许多企业在使用AI时会犯一些常见的错误，例如过高估计模型的能力，忽视了数据呈现和模型输入输出的具体要求。为了帮助企业克服这些挑战，Cohere不仅提供定制化模型，还通过提供更结构化的产品来减少失败的可能性。

6. 模型价格下降的不可持续性

Aiden认为，基础模型价格的持续下降是不可持续的。随着市场的增长压力和投资回报需求的增加，价格和技术将向更稳定的方向发展。如今，大型企业能够在较低成本下开发符合需求的模型，但未来价格可能会趋于稳定，并且会根据企业需求进行定制化收费。

7. Cohere的技术路线

Cohere将继续专注于为企业客户提供更具针对性的AI解决方案，而不是直接与ChatGPT等通用AI竞争。Aiden表示，Cohere的核心优势在于其专有模型的研发，以及对企业需求的深刻理解。Cohere不追求做第一个，而是更注重如何通过高效开发和灵活应用满足企业客户的需求。

8. AGI的现实与挑战

Aiden对AGI（通用人工智能）的看法相对务实，他认为AGI的未来不仅是超级智能爆发或自我改进，而应该是通过现有技术创造实际价值，解决企业的具体问题。尽管AI技术进步迅速，Aiden认为AGI距离商业化应用还有很长的路要走。

总结：

Aiden的访谈展现了Cohere在推动企业AI应用的成熟过程中，如何在技术发展、市场需求、以及资本运作之间找到平衡。他特别强调了推理能力和专业化领域的应用，认为未来AI将更多依赖领域专家的参与，同时对开源模型的局限性和基础模型价格下降不可持续的观点也给予了清晰的解读。

- End -