來源：第一新聲
圖片來源：由無界AI生成
7月19日，Facebook的母公司Meta推出Llama 2大模型，將免費用於研究和商業用途，被稱為最強GPT-4平替開源。這將一改之前全球眾多大模型基於Llama開發，但又受限於無法免費商用的情況。
AI市場格局發生新變化，創投圈的關注點再次被鎖定。當人們討論人類人工智能奇點將近，AIGC時代全面到來時，隨著AIGC的一路狂奔，事情慢慢起了變化。
首先是對AIGC熱度還能持續多久的看法上，投資圈逐漸有了分化。有人表示，投資追求回報和確定性，而通用大模型的變現能力目前還不明朗。市場在降溫，出手需謹慎。
有人持相反觀點，認為AIGC的發展才剛剛開始，明年會更火。今天的AIGC還僅在文字領域，多模態的大模型還沒出來，到今年年末，Open AI在圖像上的一些突破，可能會進一步讓大家爆發想像力。
分化的不僅是態度，還有與市場高關注度能以匹配的冷淡數據。相關數據表示，從今年初到5月份，ChatGPT的訪問量增長率從131.6%降至2.8%。而從實際行動上看，投資人的投資次數之少和朋友圈刷屏的熱情相比形成巨大反差。
新事物的出現總是伴隨著“兩極化”態度，這似乎已經成為自然法則。在AIGC不斷發酵的200多天裡，投資人們達成了哪些共識？創業者的機會又在哪裡？
第一新聲聯繫了多位投資人，試圖立足當下釐清在AIGC在狂飆進程中沉澱下來了什麼？引導發生了什麼？希望以此對行業發展有所正向推動和價值貢獻。
AIGC浪潮開啟下一個時代的機遇
AIGC的爆火，讓投資圈也為之沸騰了。
根據量子位智庫的估算，預計到2030年，AIGC市場規模將超過萬億人民幣規模。
據公開數據顯示，2022年，我國AIGC行業逾500起投資事件，投資金額超900億元。根據天眼查和第一新聲不完全統計，2023年1-6月（截至6月27日），國內AIGC行業融資總額達49.59億元，融資次數共計46次。
時間回到2022年底。小苗朗程管理合夥人方正浩注意到，AIGC在技術圈、投資圈引起了小範圍的關注。 2023年3月份，ChatGPT火出圈，“朋友圈幾乎每天都被相關信息刷屏，人們對人工智能的興奮、潛在擔憂達到前所未有的頂峰。”方正浩表示。
隨著一些合成視頻圖像的生成在C端應用得到突破，“新的生產力範式變革已到來”的感覺在方正浩的心中愈加強烈。他認為，未來人工智能在各個垂直領域和行業應用中將扮演著更加重要的角色。
線性資本投資副總裁白則人有著相似的感受，“AIGC是一個非常長期的機會，類比互聯網，未來的發展趨勢也一定是AI如毛細血管般深入到各個場景。”對這波AIGC浪潮，他持樂觀態度，認為隨之而來的一定有大量投資機會。
“我們非常期待看到更多的創新和變革。”九合創投創始人王嘯表示，當新一波AI浪潮來臨，ChatGPT等應用快速普及的背後是以智能湧現為代表的新一代AI能力的出現。
“從現在開始，不論工作還是創業，請確保自己跟AI有關。”前微軟全球副總裁、百度COO、奇蹟創壇創始人陸奇的態度更為堅定，“AIGC不是什麼當下風口，風口意味著投機主義，未免太低估AI對世界發展的影響。”
未來十年，甚至下一個時代的機遇已經徐徐展開。
對大模型只看不投，真金白銀撒向垂直模型和應用層
在AIGC不斷發酵的200多天裡，投資人們達成了一些共識，主要體現在3個方面：
共識一：算力基礎設施存確定性機會，大模型是有錢人的“遊戲”
在由算力基礎設施層、模型層（底座模型、開源模型、自建垂類大模型）、應用層構成的AI新浪潮生態架構中，一些確定性的機會顯現出來。
首先，人工智能的發展，對算力的需求呈現爆發式擴張。在算力基礎設施層有確定性機會，已成為中美資本市場的共識。
二級市場的表現佐證了這一觀點。自2022年10月底至7月17日，英偉達股價從123美元/股一路飆升至464美元/股。自2023年初至今，寒武紀、中科曙光等國內算力基礎設施層的人工智能公司的股價一路堅挺。
其次，大模型會對研發和應用範式帶來巨大變革。有投資人認為，以大模型為主導的AI技術能切實降本增效的前景引發創業者的興奮點。這也是百模大戰能夠產生的原因。
百度推出“文心一言”、阿里發布通義千問、訊飛的星火大模型，美團、百川智能、雲知聲等也紛紛加入到大模型賽道。據統計，截至7月份，我國已有逾80個10億級參數規模以上的大模型。
如今，百模大戰由愈演愈烈到格局逐漸穩定。人們在模型層逐漸達成共識：模型層是大“玩家”的遊戲。這個“玩家”既指創業者，也包括投資人。
大模型的推理和訓練對芯片計算能力和顯卡提出直接要求,而且模型層需要非常強的技術團隊支撐，這使得資本投入非常巨大。
以Open AI為例，據相關統計，GPT-4訓練一次的成本約為6300萬美元，需要1.8萬億巨量參數。這還沒有將數據收集、RLHF等成本囊括進來。
歸根結底高端的技術人才和芯片都需要燒錢。 “這個階段最核心的就是看誰融資能力強，誰資本實力雄厚，誰成功的概率就會更大一些。”方正浩稱，局內創業公司面對算力端卡脖子的問題，和海外相比，大模型仍然有差距。在算力和高技術人才的基礎上，比拼誰的研發投入更有效，誰能在技術方面做得更好。
對於機構端來說，也是如此。
“在模型層的投資機會，目前只能在一些具有雄厚資本的玩家當中來繼續遊戲。”方正浩觀察到，對於管理規模並不是特別大的投資機構來說，如果沒有在行業火熱前儘早佈局，當前時點不太會再參與到大模型的投資中來。
去年佈局大模型會是一個比較好的時機，今年對大部分早中期投資機構來說已經不是一個好的時間窗口了。
除了成本巨大，導致投資人審慎出手的因素有多個，比如最佳時間窗口，商業變現能力等。
“如果是我，今年不會選擇投大模型相關的項目。”常壘資本創始管理合夥人石矛表示，在錯過了投資底層大模型賽道的最佳時間窗口後，他觀察到在模型層與應用層的結合上，目前產生了不小的鴻溝，而且大模型技術變現能力至今還不清晰。
值得注意的是，有明確需求和落地場景的垂直模型受到資本關注。
在今年年初，小苗朗程在內部達成共識，不投資大模型，對百億級的行業中大模型保持關注。 “相比已浮在水面上的大模型公司，在細分垂直領域當中，創業公司會更有機會。因為落地到具體行業之後，創業公司在裡面更容易增持出較高質量的數據集。”
這和金沙江主管合夥人朱嘯虎的看法形成一致。金沙江創投是在國內垂直AIGC出手最多的早期機構之一，朱嘯虎曾公開表示，對於大部分創業者來說，要“場景優先、數據為王”，訓練自己的垂直模型，而不要迷信通用大模型。
共識二：在應用層，某些垂直領域的“舊勢力”有比較好的機會
一個事實是，投資人更多在大模型上只看不投，將真金白銀更多的投到應用層。
“我們也非常關注大模型本身的進展和變化，考慮到目前市場競爭格局以及資本門檻，在出手時會傾向於投資應用層以及新的infra等機會。”白則人表示，線性資本更在意新技術落地產業怎麼更有效的解決產業問題，並給產業帶來的巨大商業價值，這是線性資本始終不變的投資邏輯。
“我們鼓勵所有被投企業思考業務將來有沒有和AIGC結合的可能，至少從公司管理的角度也肯定要思考如何通過AI提升內部人效。”白則人說道。
對於應用層上具體有哪些確定性機會，目前在投資圈還沒有共識。不過多位投資人表示，從企業端看，To B的各垂直領域的老玩家具有明顯優勢。
方正浩將先後進入人工智能領域的企業比做“舊勢力”和“新勢力”。 “舊勢力”是以2016年的深度神經網絡作為起點，在當時誕生的第一批人工智能公司，包括AI四小龍和一些創業公司。近幾年新出來的人工智能公司看作新勢力。
“某些垂直領域的’舊勢力’掌握了客戶的需求和場景，同時又能率先的去迎接AI技術的迭代。”在方正浩看來，這類公司是在應用層有相對確定發展機遇的公司。
有投資人表示了類似觀點，除了新創業公司之外，應用層在各垂直領域裡面其實有一批存量的人工智能公司，至今發展有六七年的時間，他們可能會成為接下來這一段時間應用端的人工智能公司當中的一批主角。 “因為他們掌握著客戶和場景，會更有競爭優勢 ”。
九合創投創始人王嘯表示，AI將改變各行各業，包括SaaS、工具軟件，以及上一代AI公司都有望藉助此次技術迭代，進行結構性升級。 “我們2015年投資的曉多科技基於大語言模型技術，近期推出了電商垂直領域的曉模型XPT，將藉助大模型和過往增持的行業數據，賦能更多電商業務場景，提供更好的解決方案。”
共識三：投資人關注團隊，關注商業化落地
在這波AIGC浪潮中，投資人主要是投人、投方向，隱形背景成為重要考量因素。
“創始人看到的未來是什麼樣子，他希望在未來扮演的角色是什麼。我們通過創業者描繪的未來和自己看到的未來，在中間去找共振點。然後再從創業者的成長背景和技術水平里判斷他是不是能夠去真正做到這一點。”這是綠洲資本創始合夥人張津劍在投資過程中的判斷核心邏輯。
除了投人，在具體考量因素上，各家機構多側重於項目的商業化能力。
在線性資本看來，商業化能力主要體現在三個方面：准入門檻，比如技術有足夠的差異化、能夠很好的適配特定的場景，或者場景本身是要有領域知識的；快速產品化，能夠在痛點問題上快速集成LLM能力做產品；形成有效的數據和反饋閉環。
投出鷹瞳科技、探跡科技等明星項目的九合創投，和線性資本的觀點相似，王嘯稱，投資中除了考慮創始人因素外，還要考慮有明確的落地場景和需求，能真正為客戶降本增效。
小苗朗程的投資策略主打精選，重倉。對於5%的不能錯過的項目積極的出手，對於95%的項目會以獵人的視角出發，耐心的做好研究。 “投資最核心的東西，是用心去表達對一個事情的理解。如果理解，就應該長期投，持續投。”
憂慮不同：技術發展速度，估值，商業模式
AI前兩波浪潮分別在2012年和2016年。
2012年，Geoffrey Hinton教授和兩名學生開發的基於深度學習的AlexNet獲得ImageNet大規模視覺識別挑戰賽的冠軍。從此，深度學習奠定了人工智能的底層技術基礎。
2016年，在人機圍棋比賽中，AlphaGo戰勝世界圍棋冠軍李世石，迅速點燃了全球人工智能創投之火。
一個不得不面對的事實是，在前兩波人工智能熱潮中，90%的創業公司是虧損的。而投資人也只有早期進入的賺到了錢。
一位CVC投資人表示，在生成式人工智能出現之前，大家對於AI的投資熱情極低，因為這些公司的商業化表現遠不及投資人的信心。 “大量的定制化、數據清洗和準備工作，大量的模型調參，每一個業務場景幾乎都是非標的項目制，加上行業人才成本結構不合理，導致上兩波的人工智能的浪潮中，盈利的公司不到1%。”
目前的第三波AI浪潮，被李開復形容為“從孤島到大陸”的進步。和前兩波相比，這次AI浪潮使通用成為可能，會以跨領域的能力搭建起一個新世界。一旦強大的模型有了足夠多數據的加持，在適合的場景下，AI將創造出超越人類的生產力。
當然，在這個過程中，顧慮也會存在。
線性資本對企業的擔憂為，團隊行動力不夠，無法在快速變化的技術和商業環境下靈活的試錯；切入的場景過於淺，無法形成有效閉環，在未來陷入紅海競爭。
小苗朗程的顧慮有兩點：首先，在於開源模型和算法發展之快會使技術獲取門檻降低，從而導致頭部人工智能公司在過去的技術投入變成無效投入，同質化競爭激烈下，投資人所期望的商業模式最終也會無法跑通。
其次，雖然目前人工智能有一定的通用化能力，但要達到高準確率，還要對每個場景進行學習和調參。客戶存在大量定制化服務的需求。也就是說，即便主模塊在模型層面已通用，但還有大量功能性插件要定制，最終會導致創業公司不得不提供定制化服務，從而陷入難以規模化的窘境。
在這波浪潮中，創業者如何把握住機會？多位投資人給出建議。
“如果世界有一個造物主的話，他已經發令了。”綠洲資本創始合夥人張津劍認為，在大浪潮中，創業者要去積極擁抱，不是去畫地圖，而是等發令槍響起衝刺，盡快的進入到產業裡面。
“在工業革命前，人們沒有冗餘的生產力，也就沒有商品，不存在商品流通。工業革命後，有了商品的流通，才有了交通行業的發展和零售行業的發展。如今進入AI時代，在理論上，世界500強都可以重做一遍。”張津劍表示。
方正浩建議創業者，利用好資本市場的窗口完成融資，同時不要在完成融資後拼命的燒錢，一定要謀定而後動。 “因為目前人工智能應用端的大爆發時點還沒有到來，創業者要去甄別當中哪些是屬於初創公司的真正機會，然後去打磨自己的產品和業務，以藉助這波機會跑得更遠。”
在投資人看來，任何行業都存在發展週期，真正的創業者是在行業周期起伏中，能夠經受住誘惑和考驗，且永不放棄，具備強大韌性的那批人。
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載