这一个月，AI 继续高速向前推进：技术疯狂向前，价格疯狂下降。

OpenAI、Google 先后发布 GPT-4o、Project Astra 、微软刚发布 50 多项 AI 相关更新；字节的「豆包」大模型家族、腾讯的混元大模型集体亮相。

数小时内大模型算力进入「厘时代」，阿里云、百度、字节统统降价甚至免费，就差花钱补贴用户了。

在这样的氛围下，5 月 22 日，极客公园今夜科技谈邀请到矩阵起源创始人 & CEO 王龙做客，畅聊数据和算力这两个大模型发展的基础要素。

作为从数据库业务升级大模型操作系统，矩阵起源刚刚拿到 Pre A 轮的数千万美金融资。和硅谷明星数据公司 Databricks 一样，矩阵起源也是一家从大数据时代就坚持长期主义，在设计之初就考虑了未来与 AI 技术的对接，一开始就坚持自己做「数字世界操作系统」的愿景，直到迎来 AI 时代，成为更适配新时代的数据公司。

别看现在技术和价格卷得如火如荼，目前能用好 AI 能力的公司十分有限。当前阶段稍显「有价无市」的大模型落地，是一个显而易见的痛点。

王龙认为，首先要调整对大模型能力的认识和期待，「就像自动驾驶，L2-L3 已经可以带来很多价值了。」在企业应用大模型能力中，当前需要做很多繁琐的自适配。

矩阵起源依然在做难而正确的事，发布操作系统 Matrix OS，和世纪互联联合发布「Neolink.AI」，做未来的「大模型工作台」，像连接鼠标键盘一样连接数据和算力，帮助更多公司一键进入大模型时代。

正如王龙清晰地说到，「我们的操作系统连接数据存储和算力资源，服务对象包括大模型开发者和传统企业应用开发者，我希望以最简单、最合理的方式为他们提供所需的算力和数据资源。」

AI 降价了，但痛点不是价格

张鹏：最近大模型领域价格战很受关注，其实这场价格战背后，一方面是技术进步和规模效应带来的成本优势，另一方面也体现出行业想要让更多行业能真正应用大模型的意愿。

今天我们介绍的创业公司矩阵起源，正是从大模型发展中两个非常重要的因素——数据和算力领域内开展业务，他们刚刚拿了 Pre A 轮的数千万美金融资。他们要解决的是什么样的问题，让资本这么看好，这么大规模的投入？

我们邀请到了矩阵起源的创始人兼执行董事长王龙，您可以先做一下自我介绍。

王龙：我是行业老兵，在三个国家、十几个公司工作过。在中国过去几年主要是在腾讯做物联网、大数据和人工智能的负责人。2021 年再次创业，决定围绕数据做一些事。

我们最核心产品 MatrixOne 数据库和 MatrixOne Cloud 全托管云原生数据平台，是把结构化、非结构化的数据放在一起，把智能物联网和 AIGC 的数据，传统企业的数据放在一起，用同一套存储、同一个计算框架去处理。最近融资后，我们又加了一些算力的重点。

张鹏 ：最近 OpenAI 发布 GPT-4o，谷歌也推出 Project Astra，都提到了多模态技术，这个变化体现了什么?

王龙 ：说一个我的经历。之前我们公司为所有开发人员配备了 GitHub 的 Copilot 工具。在我亲自体验了最新的 GPT-4o 之后，我决定为所有员工购买 GPT 服务套餐。由于我最近有许多与 Office 相关的工作，如制作图表和撰写文档，我发现 GPT-4o 在处理多模态任务方面表现出色。

我想分享下我对大型模型的看法是如何发展的。大约在前年年底，GPT 首次发布时确实令人震撼。我当时就意识到，这是人机自然语言交互领域的一次革命。一开始，我并没有深入考虑太多，我觉得只与机器人聊天并不会带来太多实际收益。

在上一次深度学习浪潮中，大家利用它在人脸识别、安全监控、OCR 等领域赚钱。这些领域在半年到一年后才真正实现了商业化落地和盈利，而且赚钱过程也相当艰难。

但我发现这次 AI 浪潮与上一次深度学习技术有很大不同，这次 AI 的影响力和发展速度明显要快得多。2023 年 1 月到 2 月，已经有人开始利用这些技术赚取了数百万甚至上千万的收入，比如使用 AI 生成文案，进行广告营销等。这一次 AI 浪潮的发展速度和影响力至少是上次的十倍。

现在情况又有所不同，多模态技术让我们认识到，尽管纯文本有很大的想象空间，但与结合了图片、视频和音频的多媒体能力相比，文本的价值还是有所不足。其潜在的想象空间可能至少是 2016 年 AI 浪潮时的一百倍。虽然我还不敢断言它能否达到工业革命时蒸汽机的程度，但市场潜力已经非常巨大。

张鹏：现在看到多模态的能力未来能创造更大价值，那么多模态技术与大模型的核心能力之间的关系如何? 企业如何在大模型时代更好地认识和利用自身的数据资产，未来会发生哪些变化？

王龙：我创业的时候在考虑，是继续做数据相关还是 AI 相关。AI 更偏向于应用，更容易通过人和项目来赚钱，但数据则更加偏底层，需要靠产品来支撑。

因为不管未来 AI 如何发展，数据都是数字世界最为核心的要素。所以从一开始创立公司时，我们的目标就是要成为「数字世界的操作系统」，做一个奠基者，而不是仅仅做一个数据库。

张鹏：数据库是第一块砖，是吧？

王龙：对，无论未来 AI 发展如何，数据无疑都是最基础的「第一块砖」。无论是为 AI 服务还是其他系统服务，数据都起着关键作用。所以我们选择了专注于数据领域。

接下来我们思考，到底应该围绕哪些数据展开? 传统企业数据不太可靠，而互联网数据领域已有许多先驱。于是我们把目光转向新兴的智能物联网数据，包括摄像头、麦克风、工业传感器等产生的数据，希望能够建立一个数据操作系统，将这些异构数据整合在一起。

为了融合各种不同时代和系统的异构数据，我们的系统架构需要保持高度的创新性。而这种架构的优势，AI 兴起之后会变得更加明显。

现在我们的数据库系统，在推理模型、代理系统、向量处理等方面都已经具备了相应的能力。我们正在进一步规划如何将训练数据也有机地融合进来，以进一步增强系统的功能。

一开始我们就定下做「数字世界操作系统」的愿景，所以我们提前做了一些前瞻性的布局。现在看来，这不仅是我们得以成功融资的关键因素，也使我们的数据库系统脱颖而出，不再是一个普通的数据库，而是一个面向未来的创新型数据管理平台。

矩阵起源 Matrix OS | 图片来源：矩阵起源

张鹏：你认为数据库是一个有意义的面向未来的问题，所以你才会有新的架构、新的目标去做，当时你是怎么判断未来的？

王龙：我将数据大致划分为几类。

第一类是企业数据，主要涉及内部流程管理，如 ERP、进销存、OA 等系统产生的结构化数据。这类数据注重存储空间利用、数据完整性等特点，总体比较「乖巧」。

第二类是互联网数据，主要体现在个人消费、UGC 内容等领域。这类数据不像企业数据那么「严肃」，存在很多不确定性。像谷歌的 Hadoop（一个分布式系统基础架构）生态，就是针对这种数据量大、质量参差不齐的特点而设计的，它们的思路是忠实记录原始数据，然后交由检索系统去处理分析。

随着移动互联网的兴起，数据规模和复杂度进一步提升。这些演变过程反映了数据本质的变化——从早期结构化、确定性强的企业数据，到海量、多样、不确定的互联网数据。这就给数据管理和处理带来了全新挑战。

此外，智能物联网数据发生变化，之前的互联网数据大多源自人工产生，但物联网时代，很多数据来自于各类机器设备，如摄像头、手机等。

这种机器生成的数据，与人工数据不一样，如果这些数据出现错误，很难确定责任归属。相比之前，这类数据，不仅要关注数据的完整性和可靠性，还要处理数据出错时的责任认定问题。

随着 AI 时代的到来，数据的性质又发生了变化。之前 AI 主要基于公众互联网数据进行训练，但真正落地应用时，它又需要结合企业内部数据，以及物联网数据，比如说去做设计、去做勘探、去做工业控制。

张鹏：下一步的决策是怎么做的？

王龙：无论是做 AI 还是其他，未来人类都会倾向于将各类数据集中到同一个地方进行处理。因为只有数据聚合在一起，其价值才能最大化。

比如，生产数据可能存在企业内部，而营销数据则在互联网上，如果能将它们整合起来，就能实现更优化的应用。即便是互联网企业，内部也会有一些财务、管理等系统产生的数据。所以将这些异构数据统一管理，才是最优的。

为了满足不同时代数据的特殊需求，我们在设计系统架构时考虑了这些。首先，我们选用了云原生的存储技术，能够将各类异构数据统一存放在同一个存储系统中。无论是企业内部数据、互联网数据，还是物联网数据，云原生存储都能够灵活容纳。同时，我们对存储系统进行了精细化的设计，以支持高效的数据处理。

第二我们意识到不同类型的数据，对处理的需求也存在差异。有的需要记录错误信息，有的则要注重数据诞生的痕迹；有的对吞吐量有很高要求。为了满足这些差异化需求，我们采用云原生的计算资源细粒度调度技术，以灵活适配不同数据的特点。

张鹏：这不光是湖仓（开放式架构）的问题，还是存储的问题，这成了一个新的目标吗？

王龙：是的，然后我们采用了一种全新的架构来构建我们的计算框架，这当然有代价，就是团队无数次的代码重构。我们经历了一次又一次的试验，得到了一些非常重视我们理念的客户的支持，他们一直在提供真实数据来改进我们的产品。让我们不断发现需要改进的地方，并且及时做出调整。

到了去年 10 月，当我们正式发布产品时，已经有三四十位客户，感谢他们帮助我们打造了一个独特的管理、存储和计算资源的框架。

这套框架的优势在于，无论我们接入什么类型的数据，都变得非常容易。比如人工智能数据，或者接入任何类型的计算资源（如我们所说的制算资源或GPU资源）。这是因为我们的系统本质上是一个易于插拔的系统，类似于操作系统的概念，可以轻松地接入不同厂商的鼠标或显示屏。

许多创业公司可能在一两年内就获得了大量客户，而我们用了三年时间才获得了三四十个客户。然而，我认为这种努力是值得的，因为它帮助我们建立了一个强大的产品基础。

张鹏：在大模型技术爆发和国内对大模型的热潮中，你认为创业者应如何识别和把握未来的机遇，进行战略调整？你作为一个成熟创业者，当时是怎么经历的决策过程？

王龙 ：我和我们投资人世纪互联创始人兼执行董事长陈升有一次聊到说，有客户面临 IT 投入增长速度远超业务增长的问题，问我有什么方法可以控制这种不可控的增长。

我分析后发现，客户的软件成本增长还算合理。国内大多数厂商要么使用开源产品，要么使用国内软件公司的产品，他们不会因为使用了 500 台服务器就支付 500 台的费用。

那他们的成本主要增长在哪里？我原本以为，客户的硬件从 500 台增长到 1000 台，矩阵起源软件能帮助节省大约 200 台或 300 台。但客户要求减少一半成本，而软件的成本只占总成本的 20%，我就算不收钱，成本也只能减少 20%。

陈升说，客户现在的需求已经不在于使用普通的服务器机柜了，客户现在最关心的是智能算力。因为过去，作为一个企业信息化负责人，你搭建一套 IT 系统，投入可能分布如下：硬件占 50%，其他如电费、软件费用、服务费用等各占 10% 左右。

「一键 AI」难在少了「工作台」 从数据智能到「算力智能」