摘要：这句话出自加拿大 AI 独角兽 Cohere 联合创始人 Nick Frosst，而非网络 KOL。作为 Geoffrey Hinton 在 Google Brain 的第一位研究员，他正是 Cohere 企业级 AI 路线的关键设计者。

GPT-5 比 GPT-4 更差。

这句话出自加拿大 AI 独角兽 Cohere 联合创始人 Nick Frosst，而非网络 KOL。作为 Geoffrey Hinton 在 Google Brain 的第一位研究员，他正是 Cohere 企业级 AI 路线的关键设计者。

9月1日，Nick 接受了知名科技播客《20VC》的专访，进行了这场长达一小时的深度对话。

就在 8 月 14 日，Cohere 宣布完成 5 亿美元融资，估值 68 亿美元，由 Radical Ventures 与 Inovia Capital 领投，AMD、英伟达等机构参投；同时任命前 Meta AI Research 副总裁 Joelle Pineau 为首席 AI 官。

相比 Sam Altman 全球巡演、高调喊出 AGI 存在生存威胁，Nick 的态度要冷静得多：

AGI 是一种学术上不诚实的说法，它伤害了我们热爱的技术。

这不是唱反调，而是一个面向真实场景做产品的人，对 AI 落地边界的清醒判断。

在对话中，Nick 详细讲述了 Cohere 与 OpenAI、Anthropic、DeepMind 等完全不同的路径选择：

不迷信“排行榜”，只关心“能不能部署”

不等着“企业给数据”，而是自己造“假公司”练模型

不争“最强模型”的风头，而是争“最能干事”的那一个

这种务实策略为Cohere筑起了独特的护城河。

Nick 用一句话概括了这种理念：

“不是 AGI，而是 ROI。不是神话，而是能不能干活。”

在这场对话中，Cohere 联合创始人 Nick Frosst 多次强调：

“他们不做消费级产品，也不打算做。”

在OpenAI、Anthropic、Perplexity 等公司争抢普通用户注意力时，Cohere 选择专做企业级 AI，一款能帮你工作、接入企业系统、解决实际问题的工具。

✅ 别人卷体验，Cohere卷实用

Nick 说，他们从来没有让模型去追求什么“参与度”、“停留时长”这些指标。

我们不是在训练它成为令你惊叹的对话伙伴……

我们是在训练它帮助你完成工作。

而这种定位，直接决定了它的模型训练方向也完全不同。

Cohere 并不是给模型读百科，而是给它读企业的数据接口、内部文档、邮件记录等。

Nick 透露他们正在训练的模型，是这样的：

“你可以给它一堆工具和 API，让它访问你的业务数据，然后你说，‘帮我完成这个工作’，它就能按照流程把事做完。”

比如：

自动读取你拍的合同照片

查找公司内的章程规定

理解谁是审批人

知道要去哪儿提合同审批申请

这一整套流程，不是靠几句提示词就能糊弄过去的。它得能动手做事、看得懂公司内部东西、还要知道下一步该做什么。

✅ 模型好坏不看参数量，看部署稳不稳

相比 OpenAI 在做更大、更聪明的模型，Cohere 更关心的是：这个模型能不能落地？能不能跑起来？能不能对得起花钱的公司？

Nick 举了个非常具体的例子：

“我们的模型都训练得适合两个 GPU。两个 GPU 是性能、成本以及企业实际能获得多少 GPU 之间的平衡点。”

这句话什么意思？

不需要一整排昂贵的显卡阵列

不需要租用云服务商的大型 GPU 集群

企业可以用现有资源部署，降低了 AI 实际部署门槛

对于大多数企业来说，这远比"跑分全球第一"有用得多。

除了模型训练本身，Cohere 还在构建完整的企业应用方案。比如他们刚推出了一个叫 North 的框架，它能让企业快速接入模型，构建自己的 AI 助理。

Cohere 瞄准的正是一个现实问题：

在 AI 热潮中，企业真正需要的是创造实际价值的工具。

第二节｜护城河之二：Cohere 用“假公司”教 AI 做真活

“我们训练模型的方式，和你想的不一样。”

Cohere 并不依赖从网上抓取大量资料，也不完全依赖真实企业的数据。

他们正在做的事情，是自己建“假公司”，然后训练 AI 学会怎么在这些虚构的公司里帮人上班。

✅ 什么是“假公司”？

Nick 在对话中这样来解释：

“我们会生成大量数据，来创建虚构公司。这些公司有虚构的员工、虚构的邮件、虚构的 API 接口（相当于软件之间的对话通道）。然后我们让模型学会在这样的环境中提供帮助”

简单说就是：

构建一个“假的”公司内部系统

模拟员工之间的沟通、请假、报销、审批等流程

编出公司政策和工具接口

然后让 AI 模型“进入”这些流程，学会如何处理这些事务

✅ 为什么不用真实企业数据？

那为什么要这么麻烦，不直接用现成的企业数据呢？

首先，真实企业数据涉及隐私、保密、权限等问题。其次，现有数据未必涵盖 AI 需要学习的所有场景。

Nick 说：

合成数据的训练过程，起点仍是现实世界中的真实数据。

但一旦启动后，它就能让模型在缺乏真实权限时，也能完成必要的学习和能力提升。

这就像医学生学手术：

先要观察真实手术案例

但大量练习要靠模拟器和假人

目标是在真实手术台上处理各种突发情况

Cohere 做的就是为 AI “制造”各种商业场景的模拟器。

✅ 为什么这种训练方式更有效？

数据确实是瓶颈问题，但关键不在于数据量。大模型能力靠什么？

不是一味加参数。而是在对的场景中训练。

经过这样训练的模型有什么不同？它们具备了三项核心能力：

信息理解 — 怎么识别一封邮件里真正的任务

数据处理 — 哪些信息要提取出来、填进哪个表格

权限判断 — API 怎么调用，谁能批，谁是老板

听起来很基础？但这些正是企业最需要的。

其他模型靠喂数据，而 Cohere 的模型更像是“苦练三年”的工具人，专门处理那些最让人头疼的日常事务。

在 AI 圈子里，模型跑分、对比、能力榜单总是吵得火热。

但 Nick Frosst 直截了当回答：

“我们不太关注那些排行榜。”

这并非刻意唱反调，而是 Cohere 的战略选择。

✅ 模型不需要考满分，它得学会上班干活

Nick 的观察很关键：

我们的客户没有一个人要求模型做数学推理。

这话其实戳中问题本质：

比如：能不能帮忙整理报销、查政策、生成合同初稿……

讽刺的是，这些企业的真实需求在评测榜单中毫无踪影，却构成了办公场景的核心任务。

正是基于这种观察，Nick对当下流行的 AI 评测标准提出了质疑：

“现在很多人谈论的评估标准，和我们客户要模型做的事根本不一样。”

他说，行业里有些评测是让模型“看一张图，说出有几只猫”，或者“根据像素格子推下一个颜色”。这些东西在现实职场里几乎用不上。

他还提到以前的几个榜单，已经没人提了：

“像HelloSwag（测试常识推理）、LM1B（文本续写能力），几年前还很火，现在都没人说了。”

这说明这些评测标准本身就在快速变化，很难说它们真正反映了什么。

✅ 大模型进步很快，但要在自己公司真的用上它

那么，Cohere真正关心什么？

他们关心的是，客户是不是能把它部署上线，能不能真正节省人力、提高效率。

Cohere 的许多客户，选择他们不是因为模型“更强”，而是因为它：

可以自己部署，不用接外部服务器

在内部数据上表现更稳定

推理成本低，不需要大量 GPU 资源

不用担心数据外泄

这些需求，在排行榜上完全看不到，但企业特别在乎。

Nick 提到一个很实际的情况：

“有的模型排行榜上分高，但你把它接进工作流，发现它经常出错，没法自动运行。”

也就是说，模型“考得好”不代表“干得好”。

企业真正需要的是能独立执行的工作伙伴，而不是在标准化考试中得满分的学霸。

对话一开始，Nick Frosst 就毫不客气地发起了“攻击”：

“我不认为 Sam Altman 所说的 AGI 有什么益处。甚至可以说，是对技术的伤害。”

如此不留情面的批评，源于 Cohere 的务实立场： AI 是工具，不是救世主。

✅ AI 是合作者，不是替代者

Nick 明确表示他不担心 AI 抢人类饭碗，反而觉得：

真正用过大语言模型的人，都能感觉到：

有些事 AI 比人做得好，但大多数时候，人还是更擅长。

举个例子，Nick说：

“我不需要靠 AI 来秒回妈妈的消息。我更希望自己能主动多联系她，而且每条信息都要亲手写。”

这句话说到了关键点：AI 是工具，不是情感替身，也不是生活代理人。

但工作场景完全不同。

在职场里，确实有很多让人头疼的重复性任务。最典型的例子就是报销流程

他说未来你只需要对 AI 说一句：

帮我报销这个。

然后它就能自动处理整个流程，直到你拿到钱。

这些事看起来不复杂，但繁琐、耗时间、容易出错：模型就是该做这些你不想做、又不得不做的事。

这才是 AI 真正该上的地方。

✅ 不是 AI 太强，而是我们没有想好怎么用它

Nick 还提醒大家，不要把模型神化：

换句话说，它不是会思考，它只是学会了在类似的输入下，模仿别人是怎么写、怎么说、怎么处理的。

这和“会创造”“有意识”是两回事。

有了这样的认知，Nick 对 AGI（通用人工智能）的恐慌并不认同，但他也不是无脑乐观派。他说：

AI 可能不会毁灭世界，

但如果我们不重视收入不平等、不做好的就业政策，

它确实可能让问题更糟。

在他看来，AI 本质像电力一样，它能提升效率，但公平与否取决于我们如何使用它。

正因为如此， 他更希望讨论这些问题：

我们要怎么用 AI 让人工作更轻松，而不是更焦虑？

怎么让一线员工也用得上，而不是只有大公司白领受益？

怎么设计规则，让它成为一个帮手，而不是“管你的人”？

这就是 Cohere 的价值观： 比起科幻般的 AGI 愿景，他们更专注于造实用的工具箱。

Nick 说得最简单的一句话，也许能代表整个 Cohere 的态度：

“不是 AGI，而是 ROI。”

Cohere 从不炒作什么“新物种”诞生，也没有许诺“意识觉醒”的那天何时到来。

Nick Frosst 的观点是：

“我们不是在造一个惊喜，而是在造一个能干活的工具。”

这种路线不炫技，不高调，却异常清醒。68 亿美元的估值背后，是企业客户给出的答案：

不是最聪明的AI，而是最实用的模型

不是抢占"神"的话语权，而是解决报销、审批、查询等琐碎问题

不是站在AGI的高台上宣讲，而是埋头把工作先干完

未来的 AI，可能不属于最会造势的公司，而属于最能沉下心解决具体问题的团队。

Cohere 选择了一条没有聚光灯照耀、却有真金白银支撑的道路。

这，或许才是真正的护城河。

来源：趣闻捕手一点号