是什么卡住了大模型創業？

作者｜周雅

2023年春天，國內外AI人工智能度過了一個“瘋狂三月”， GPT4、MetaAI、斯坦福等國際大機構分別發布了AI大模型；國內也不甘落后，據不完全統計，目前國內已有百余個AI大模型先后發布，更被輿論渲染為“群模大戰”。大模型儼然成為了全球人工智能競賽的主戰場。

但是在大模型層面，高投入、高風險、高回報是其投資特點，這需要具備大算力、大數據和強算法等核心技術能力，技術門檻高、規模效應強，屬于科技巨頭的競賽。那這是不是意味著初創公司“沒戲了”？AI大模型創業投資，到底是不是藍海？如果不做通用大模型，垂直模型的蛋糕有多大？

對此，行行AI、科技行者、創投變辯辨、至頂科技，聯合組織了一場沙龍直播，至頂科技CEO兼總編輯高飛作為沙龍主持人，對話四位AI大模型領域的創業者：北京橙溪科技創始人陳煉、VitallyAI CTO蔣鎰珍、波特時空創始人劉大鴻、寧夏云瑞致勝科技有限公司CEO于千城，一起深度探討AI大模型風口下的新機遇、新挑戰。

【Part 1】大模型的機會到底有多大？

（1）談下一個大模型：給時間，總能大力出奇跡

高飛：在大模型領域，巨頭已經紛紛下場，國內的大模型創業還有沒有機會誕生下一個OpenAI？

于千城：這要區分來看。單從規模體量來看，有一定可能。但從創新性和社會責任感的角度，可能性幾乎沒有。

中國的公司還是太急功近利了，沒有哪一家公司真正靜下心來說“我真的是要推動生產力、推動社會的進步”，幾乎找不到這樣的公司。如果不能靜下心思考，還是很難實現突破的。

但中國有這么大的市場，若是出現一兩個有影響力的公司應該毫無問題，畢竟這是時代發展的趨勢。中國人實現從“1到N”的能力非常強，但是“從0到1”會存在社會機制、環境土壤的局限性。

蔣鎰珍：我的想法不太一樣。中國的大模型創業公司能否搞出一個OpenAI，答案基本上是No。OpenAI背后有個“金主”微軟，OpenAI全是煉金術，一路都在做實驗，大語言模型（LLM）基于GPT的所有實驗它基本上都做完了，做著做著才搞明白，ChatGPT最終才出來了。整個過程冒很大風險。

所以中國創業公司想搞出同樣的OpenAI，可能性幾乎沒有，但是會出現類似于“OpenAI”的東西，因為現在用不了美國的，中國只能自己搞。

國內的大廠，不管是百度還是阿里，肯定也知道自己要做一個通用大模型，至少是GPT-4的水準。所以，中國肯定會出現一個大模型，至于到底花落誰家？百度實力是有的。

總之，大語言模型在我看來，已經不是一個科學技術問題，而本質上就是一個工程問題，給點時間，總能大力出奇跡。

（2）談大模型創業：我們有一個什么樣的互聯網，就會有一個什么樣的大模型

高飛：大家雖然認為，國內會出現類似的大模型創業公司，但這中間肯定有困難之處。記得早些年談大數據之難，咱們有4個“V”標準（規模性Volume、高速性Velocity、多樣性Variety、價值性Value），那么同樣的問題，大模型的創業難度到底“難”在哪？是數據、算力、算法、資金、政策，到底是哪里卡住了大模型創業？

蔣鎰珍：大模型的創業基本上跟創業公司沒關系，尤其是通用大模型，只有大玩家才能“燒”的起。而對于中國第一個大模型，這里頭的障礙首先是數據。

OpenAI的數據基本是按照token來計算，而互聯網能爬取來訓練的數據量，也就10T-20T的token，況且國內的很多英文數據質量比較糟糕，很多科學期刊/學術論文的英文數據，相對還是要比中文富裕一些，只有片面的數據是悟不出背后的數據規律的。這里面還要注意，不能有錯誤數據，因為低質量的錯誤數據會壓著模型長智力；再加上中文還有一些敏感詞和敏感信息被過濾掉了，這些都會影響國內大模型的數據。

其次還有算力的挑戰。大模型的預訓練對卡的要求高到讓人恐懼，是成千上萬塊英偉達A100來支撐的，但是沒有卡你咋訓練大模型。所以能訓練大模型的公司，卡肯定得有，數據得有，這兩個挑戰加起來已經夠大了。

算法上我倒是覺得挑戰不大，因為算法基本已經成型，頂多你把模型的形狀改一改，能夠更適配GPU，或者把模型里的某個關鍵環節改一改算子，也不是什么問題，因為它已經成熟了。

劉大鴻：一方面，我覺得大模型的“大”更多是指“廣”，像ChatGPT覆蓋的范圍非常廣。語言本身是一個復雜的網絡，如果覆蓋不夠廣，很難去概率接龍，導致很多數據無法生成。

目前，國內很多大模型不算嚴格意義上的大模型，更像是一個簡體中文的垂直模型，覆蓋面有限。為真正達到大模型的效果，需要涵蓋更多領域和語言，這需要大量高質量的數據作為支撐，這對國內來說是一個短板。

國內網上公開的數據越來越少，而高質量的內容都出現在一些相對私域的地方，這都會影響大模型的訓練結果；同時，國內很多的網絡數據，經過了大量的過濾和敏感內容的處理，最終也會導致大模型的訓練結果有缺憾。

另一方面，大模型的“大”還體現在“工程浩大”，這個問題在包括中文在內的所有語言環境下存在。最初我看到一些報道，英文剛訓練出來的內容也是不忍直視的，OpenAI經過了大量的強化訓練，經過了RLHF（reinforcement learning from human feedback，譯為“以強化學習方式依據人類反饋優化語言模型”)，把這些內容做了人類偏好的處理。

數據處理是一個非常浩大的工程，需要大量人力和時間積累。就像剛才蔣總所說，“算法”已經趨于成熟，“數據”可能大公司也有不少，但是要實現整個工程就很難，并不是一堆原材料加一個方法就能做出來。

所以，國內大模型也要經歷從最初的內容出現、到不斷強化、到人類不斷反饋的一個生長過程，它可能會比OpenAI快一點，但快不了太多。我記得當時百度創始人李彥宏出來演講時說，“可能我們差幾個月或者差兩年”，但后面還接了句話說，“也可能我們永遠追不上”，這話我覺得是有深層含義的。

就像我們現在回看中國互聯網，大模型像是互聯網本身的映射，我們有一個什么樣的互聯網，就會有一個什么樣的大模型。所以，從體量上我們可能會做出來一個很大的公司，但是在數據的廣度和工程上，還是有一個漫長的過程。

（3）談大模型弱點：避免AI盛產垃圾信息

高飛：我們剛才談的略有些悲觀色彩，但是既然說到投資創業，總得向前看，有投資人提到 “大模型的弱點就是中國AI領域未來的創業機會”，你們認為既有玩家是否有致命弱點？

于千城：這扇窗已經被打開了，未來一定是往這個方向去走。既然中國有這么大的市場和需求，國家為什么還在觀望？我認為AI的“奇點”時刻確實是到了，所以盡管方向是對的，但是種種不確定因素還沒有被排除掉，所以國家也沒有完全在這塊發力。但是，各行各業都在發力，因為大家知道這是大趨勢。

中國的市場體量在那擺著，眾人拾柴火焰高，我相信中美之間未來在AI賽道的差距不會太大。從數據的角度，這么多年來，國人已經習慣把學術成果用英文來發表，給英文積攢了大量的語料，但是國家應該會越來越重視這件事，會慢慢的去積攢有質量的中文語料，去訓練符合國家需要的大模型，所以從前景來看，很難說中國會在這一塊落后多久。

陳煉：有個致命弱點。大模型所產生的內容，會不會成為曾經互聯網時代的垃圾郵件？人工智能確實是提升了內容生產的效率，但是沒有提升內容消費的效率，這會讓很多人處于一種垃圾信息的獲取狀態。

大模型生成的內容里，很多都是沒有靈魂的，純粹是為了節省成本而創造，這對社會可能并不是進步，甚至可能變成一個曾經的垃圾郵件狀態，這是致命問題。

【Part 2】大模型到底是不是創造了iPhone時刻？

（1）大模型與應用=iOS與App Store？

高飛：關于大模型，投資也好，創業也好，如果像黃仁勛說的是AI的iPhone時刻，大模型和應用的關系會不會類似iOS和App Store的關系？

陳煉：它們其實有很大的類似之處。iOS操作系統，本身是一個圖文、視頻、語音的交互存儲系統，是最底層的一個電子系統。而大模型更像是一個云服務平臺，是從圖文、視頻、語音量變引起質變的一個基于權重隨機的智能算法產物。它們本質都是基于圖文、視頻、語音做的一個操作系統，這是它們的相同點。

不同點在于，一個是硬件操作系統，另外是一個算法操作系統，在算法操作系統上一定會衍生出各種各樣的、基于人們生活工作的、不同領域的App，所以這種可能性是存在的。

于千城：我也覺得會有。量變產生質變，不光是在大模型上，在整個生態上也是一樣。各行各業的人都在創新，都在從他們的視角產生新想法，沒準兒某一天某行業某個人想出一個奇特的應用場景，所以我覺得形成應用商店是遲早的事情。

高飛：那我們有信心了，開發出一個媒體大模型應用出來。

（2）談大模型與小模型：要通才，也要專家

高飛：有些ToB用戶會有疑問說，大模型的應用應該怎么開發，如何把大模型的通用理解能力解耦出來，產生一種混合大模型或私有大模型？就像云領域的混合云和私有云。

蔣鎰珍：這肯定存在。首先真正的能叫得上大模型的，目前只有一個OpenAI的GPT，GPT-4叫大模型，GPT-3.5都有點弱。

但通用模型有個問題，因為它學的知識大都是泛泛的、通用的東西，這就導致很難完全對應到垂直領域。你讓一個人熟讀百書什么都懂，和一個行業專家放在一起，它的語料非常不一樣。所以你不可能要求一個通用大模型是全才，在各行各業都是專家，這對于它來說太難了。

所以垂直大模型絕對會存在，垂直大模型有可能還能細分，比如醫療行業都能細分出一大堆，偏向不同傾向的模型。

劉大鴻：拿我們公司的創業實踐來看，很多企業找我們想做一個自己的企業模型，比如說集團公司，它內部的資料非常多，覺得搜索起來很麻煩，就想要開發一個模型，像ChatGPT一樣，只要向它提問，它就能回答對應的內部資料內容。

這件事不好做（要是好做，我估計都能做20個客戶了），但為什么難做？因為當我們訓練模型時，發現如果沒有大模型的語言能力，訓練出來的東西它不會說話。

后來我有一個結論，這個結論可能對，也可能不對。在目前階段，一個垂直模型很難脫離大模型之外獨立成型，小模型或垂直模型是依附大模型的一個產物，它仍然要有基于大模型的語言能力。今天的大模型是Large Language Model，本質上還是語言模型，垂直模型很難有這種語言能力（它可能有內核訓練出來，目前我們的解決方案就是這么訓練的）。所以，垂直模型一定是未來的大趨勢，這是第一點。

第二，未來每一個在互聯網向外輸出內容的企業和個人，他們或許都會有模型。五六年前我看過一本書，講人工智能算法的，說到了模型的概念，說未來是一個模型社會，每個人、每個企業都有模型。比如員工去公司面試，其實是員工的模型和這家公司的模型先進行了交互，覺得OK了，員工的肉身再去面試。我覺得這個設想是成立的。

像是在互聯網上活躍的每個人，或者是一些消費者，都可能會形成各自的模型。今天的數字人背后，未來都會是一個小模型。我就在訓練我的模型，訓練好以后，我去抖音上，一邊是我另一邊是他，我們不停的對話，讓他接受我的思想，讓他越來越像我，他們也可以去學一些新東西，我覺得這是完全有可能的。

未來的大模型，包括百度的文心一言、阿里的通義千問、OpenAI的ChatGPT，它們已經云化了，我覺得大模型就是云。企業或個人有很多的數據，有的數據是私有的，無法向大模型去投喂。所以我覺得未來要出一些協議，什么樣的數據是大模型“允許采集的”和“不允許采集的”，什么樣的數據要通過加密算法、然后去脫敏、再去投喂給它（模型）等等，我覺得有非常多的空間可以做。但是我堅信的是，未來會有垂直模型，甚至個人會有模型。

（3）談大模型之上的超級應用

高飛：我們還想探討的是，如果說99%的應用都是基于ChatGPT開發的，那么這些應用是否還有成長的潛力？其實TikTok某種程度上來說，是基于移動平臺之上長出來的一個應用，所以大模型未來是否會長出一個超級巨頭出來？

陳煉：一定能。大模型本質上會讓草根創業變得更難，它會形成更有優勢的壟斷。大模型依賴強大的數據、算力，這其實是好多公司無法達到的，所以它的壟斷更容易。

蔣鎰珍：有點難說。因為ChatGPT在我看來它是個工具，OpenAI自己可能也在苦惱，“大家跟我的工具聊天，我也賺不了多少錢”，所以在它內部已經看到了一些外圍的應用，不管是感知上、信息獲取、還是應用場景，ChatGPT實際上是很難全打通的，而這個權利是握在創業者手上的，所以硅谷的創業基本上都是在ChatGPT之上干點什么小事兒。

我也希望看到大模型之上，能讓開發者在上面做應用，這件事遲早會發生。但要說這上面能不能長出一個巨大的應用，一個應用把什么事都干了，目前還看不太清楚，因為現在是百花齊放的狀態。

劉大鴻：我覺得一定會的，原因很簡單，今天的大模型一定會成為智能云，目前基于阿里云誕生的、用阿里云服務的公司有很多，美國很多公司都用亞馬遜云科技，這很正常。

今天我們來看整個生態，OpenAI的月活已經達到10億，我認為這不僅僅是它本身做得好，而是AI技術的突破，讓獲取AI能力的成本一下子降得非常低。所以巨頭的敵人可能不是這些挑戰者，而是到了某個時間一定會突然出現，然后巨頭就會被替代掉或被遺忘掉。

我去拜訪微軟時，學到一個詞叫“單位智能（Unit Intelligence）”，這個詞是OpenAI創始人Sam Altman和LinkedIn聯合創始人Reid Hoffman在一次訪談中提到的，當你獲取單位智能的費用和資源是之前的千分之一時，你作為個人、企業愿意為智能付費的意愿增加一千倍的時候，你把這兩個事情乘在一起，就是10的6次方 （一百萬倍），你要思考的是這個事情就在發生，即使在你的行業還沒有發生，那么很快它就會發生。

當你是一個個人、一個產品團隊、一個組織、一個公司或者整個國家，當你的手中有10的6次方的單位智能時，你可以想象這個世界會變成什么樣？所以我認為在未來的1-2年，會看到有一個新東西出來，快速成長成為一個巨頭，這是毋庸置疑的事情。

于千城：我認為一定是能的，原因有兩個。第一，大模型不會跳出Gartner技術成熟度曲線，也就是會有一個泡沫期，大家都蜂擁而上，最后跌落低谷，那么最后堅持下來的一定成為真正的主宰者。

第二，這東西它現在畢竟還不是生產力，造工具的企業一定很難親自把這個工具用到生產領域，因為它不懂生產，不能跟各行各業相結合，所以終究會有一個大巨頭出來，把工具變成生產力，來推動社會發展。

高飛：我覺得很難。蘋果是一個硬件公司，所以它對于開發太復雜的應用，其實沒有那么大野心。而OpenAI是一個互聯網公司，尤其是國內這些互聯網公司做大模型，其實有很強的做應用的沖動，比如阿里有釘釘，騰訊有騰訊會議，所以巨頭會不會把空間留出來，我要打個問號。我倒不是說不可能有巨頭應用出現，而是，是否存在這樣一個市場空間的問題。

（4）大模型值得讓“大部分行業”都再做一遍

高飛：前一陣子，陸奇在奇績創壇有個論斷被刷屏了，他說大模型值得讓所有行業都重新再做一遍，你們怎么看待這個問題？

劉大鴻：這對“大部分行業”應該是成立的，只是會有個先后順序。數字經濟領域一定是先開始，慢慢再延伸到制造業、電商、外貿等，我覺得不是每個公司都會去做大模型，但每個公司一定都會有自己的模型。

但再做一遍的方式是什么？ChatGPT出現之后，人機交互的方式發生了根本性變化（就像從諾基亞到iPhone一樣），以后所有產品的交互方式都會是以Chat為主。

未來，所有行業交互的效率，也會從過去的復雜方式變為自動化、智能化，這會是所有行業變化的“點”，由于交互方式發生了變化，所以效率革命一定會推動所有行業再做一遍。

陳煉：現在的AI看上去很智能，但其實智力是很弱的，它是基于量變引起質變的、基于數據權重的一個隨機智能算法產物，它其實并沒有真實的思考能力。但如果有一天，AI真能達到人的主動性思考能力時，確實需要去按照人工智能的方式再做一遍。

【Part 3】大模型是不是有血型？

（1）論大模型的自我修養

高飛：接下來我們來探討一個內在問題，我們會發現，跟大模型交流起來，它還挺有道德修養的，甚至有政治正確的敏感性，這是如何修煉出來的？

陳煉：主要看數據的基因和后天的培養。首先，當訓練數據本身具有政治正確性的時候，那么這個模型就會表現出政治正確性。其次，用一些技術手段來增強模型的道德和政治正確性，比如在算法上加一些規則和約束，來避免大模型產生偏見和歧視性的文本。

（2）AI分不分本地人？

高飛：各國都在做大模型，道德規范都不一樣，以后是否會進化出不同血型的大模型？就像我們各個民族一樣，每個國家都有自己種族的大模型？

陳煉：我覺得不太會。大模型很像是一個操作系統，大家在使用Windows操作系統時，如果發現系統崩潰了，就提交一個報告上去，微軟那邊就修復系統的一個Bug。所以，用的人越來越多，提交的Bug也會越來越多，Windows打的補丁也越來越多，系統就會越來越完善。

同理，大模型在使用過程中，訓練方也會用數據訓練數據，但是它存在一個問題，就是不同國家、不同區域的人使用的大模型其實是被全球壟斷的，全球的通用大模型其實只有那么幾個，當全球人在用這些大模型的時候，只會在完善這些大模型，但是并不會衍生出不同血型的大模型。就像操作系統一樣，全球也只有幾個操作系統。

除非是垂直領域，每個領域都有自己的模型，肯定會隨著當地使用人的習慣不同，訓練數據的不同，而造就出不同的垂直模型。

蔣鎰珍：如果是通用大模型，基本上是被頂部兩三個玩家給壟斷了。做應用的，肯定會挑通用能力更強的，弱一點就不會被選，生態也會督促頂部的幾個模型存活下來，所以大模型不會有各國的血型。

劉大鴻：我覺得一定會。就像字典，全球有名的字典是有限的，但是用有限的字典寫無限的文章的人太多了。所以最后一定會誕生出各種各樣的、不同特征的大模型。

現階段，我覺得文心一言、ChatGPT的回答不好玩，我們人類在聊天時是有非常豐富的情緒、情感、表情的，但是大模型現在還做不到，我覺得以后一定會出來，哪天我去訓練一個會說人話的大模型出來。

于千城：我覺得一定會。第一，大模型不僅僅是一個生產力技術，它對社會的影響是革命性的，所以文化、政治、軍事等方方面面都會受到影響。第二，人其實是喜歡當造物主的，好不容易造出一個硅基生命，自然也會想要把它做的更豐富，人類一定會朝這個方向努力。

高飛：插個題外話，大模型時代，巨頭都在快馬加鞭的布局，唯獨騰訊沒有動靜，騰訊是不是掉隊了？

劉大鴻：小馬哥在網上有個講話，說“我們不急于去造燈泡”，這就對應到之前業界有個比喻說“大模型像電力革命一樣”，所以如果大模型是電廠，那么我們生產產品的公司就是造電器的。

騰訊現在為什么還不著急？我有次跟騰訊的一個核心工程師吃飯，聽他講公司內部在做混元大模型，以及在應用層面上的一些想法，聽到后面我連飯都沒心思吃了，就想著趕緊回去干活，因為我覺得，如果騰訊的產品推出，市場上很多產品就沒有存在的價值了。所以我認為騰訊并沒有閑著，而是會一步邁到應用產品。

（3）大模型時代下，創業者還能做什么

高飛：如果說未來中國有自己的大模型，國外有國外的大模型，那么國內與海外對大模型領域投資邏輯的本質差別在哪里？

于千城：我覺得國外公司從技術儲備、到投資的遠瞻性，要遠遠超乎我們的想象。國內很多都在說，美國主要把大模型放在C端，但是我相信他們在B端應該已經做了很多沉淀，只不過沒有把它公布出來。

國內應該是有實力跟美國叫板，因為互聯網紅利見頂之后，大家還是有創新需求，AI正好給了大家這樣一個機會，跟元宇宙技術結合起來，前途會比較清晰，所以每個公司都會在這上面發力，資本市場當然也不會落后。

所以我的觀點是，現在也沒法談誰好誰壞，兩個國家肯定都在發力。只不過我們對美國的認識可能不清晰，真實的差距到底多大，其實我們不清楚。

劉大鴻：國內在大模型領域的投資，相比于美國來看，我覺得還是差很遠，完全不在一個量級上，它的創新速度以及產品迭代速度遠超國內。我甚至感覺我們是給國外大模型做宣傳的，國內媒體比較發達，事實上做的人還是非常少。

陳煉：國外可能更偏重長期的價值投資，不管是特斯拉，還是OpenAI，他們都是投資了10年8年才開始有回報。但國內可能更偏向于短期效益，兩三年之內是不是能實現盈利，能不能有流水，有多少活躍用戶，可能更偏向于這些。

所以現在的垂直大模型非常高效，因為它一訓練出來立馬就能見效，比如醫療模型搞一個大前端都能掙錢。

蔣鎰珍：確實美國的創新能力很強，中國離人家的距離還很遠，比如大模型這一波的投資。美國的好多投資你不用看什么回報，誰知道哪一天才能回來呢，它更大的野心很有可能很長遠，我們沒辦法想那么遠。

高飛：夢想總要有的，我們的生活也要繼續，總要做點什么事情。如果從總要做點事情的角度，基于大模型這一代，你們接下來想干點啥？

于千城：對于我們初創公司而言，訓練模型、微調模型這些路數基本上是不可能的，所以我們現在的主要工作，就是用本地知識庫，把客戶的數據變成本地的知識，輔助大模型來做垂直應用。

我們在夾縫當中，只能先讓客戶接觸到這種大模型工具，哪怕它不夠準確，但是類似于做市場教育，讓大家都知道這個時代已經到來了。

蔣鎰珍：我完全跟于總站在同一條戰線上，因為咱們做大模型壓根就沒戲，如果代價不高的話，做微調還是敢調的。實際上，行業客戶已經被AI浪潮的風吹到躍躍欲試，而且看到AI確實有很多用處，所以機會縫兒是有的，至于機會到底有多大，我們先沖進去再說，在垂直領域先深耕一下。

陳煉：我們雖然是小公司，但是我們有兩臺A100服務器，也訓練出來了醫生、律師等行業的垂直模型，部署了幾家出版社，都已經商用。

但是我現在真正想做的產品是“誰是誰”，因為在大模型時代，AI可以克隆人的聲音、克隆人的視頻、產生很多垃圾信息，所以我們想把“真實的”和“AI的”做一個識別，到底誰是誰，這肯定是下一個會爆發的需求點。

劉大鴻：從去年開始，我們已經在嘗試做個人助手，國外有一個對標產品叫“Pi”，我們做的是中國的Pi，只是我們比他們做的早一點。我們的產品叫“快秘書”，給每個人設計一個AI助手，同時也會給每個在網上輸出內容和服務的個人做垂直模型，這個市場歡迎度比較高。

【嘉賓簡介】

主持人：

高飛，知名媒體人，至頂科技CEO兼總編輯，中國輕工業信息中心智慧生活產業促進中心副主任，中國上市公司協會信息與數字化委委員。他長期致力于數字經濟、數字化轉型等方面的課題研究，參與撰寫了《中國云計算產業發展白皮書》等多份權威報告。作為知名科技策展人，其參與策劃的“世界智能大會”，是AI領域的首個國家級國際性會議。

對話嘉賓（排名不分先后順序）：

蔣鎰珍， 多年互聯網/AI經驗，在Adobe, HP software負責過研發軟件產品，目前在初創VitallyAI任職CTO。最近主要關注大模型：文生文， 文生圖以及多模態的實際垂直市場的應用。目前聚焦營銷/市場領域的AIGC應用開發和服務。

于千城，寧夏云瑞致勝科技有限公司CEO，目前聚焦于AI大模型創業，致力于服務垂直行業中小企業客戶。

陳煉，北京橙溪科技創始人，從事人工智能（大模型訓練）、互聯網(出版社等等)、虛擬3D（虛擬辦公室）、區塊鏈（公網Dapp，Layer2）等研發)。

劉大鴻，波特時空創始人。10億級AI數據預處理經驗，互聯網科技領域連續創業者，分布式存儲算法發明專利發明人。