本文来自微信公众号：第一新声（ID：thefirstnewvoice），作者：Elune，编辑：九木，策划：Eason，原文标题：《AIGC沸腾200多天后，投资人达成三大共识》，题图来源：unsplash

7月19日，Facebook的母公司Meta推出Llama 2大模型，将免费用于研究和商业用途，被称为最强GPT-4平替开源。这将一改之前全球众多大模型基于Llama开发、但又受限于无法免费商用的情况。

AI市场格局发生新变化，创投圈的关注点再次被锁定。当人们讨论人类人工智能奇点将近、AIGC时代全面到来时，随着AIGC的一路狂奔，事情慢慢起了变化。

首先是对AIGC热度还能持续多久的看法上，投资圈逐渐有了分化。有人表示，投资追求回报和确定性，而通用大模型的变现能力目前还不明朗。市场在降温，出手需谨慎。

有人持相反观点，认为AIGC的发展才刚刚开始，明年会更火。今天的AIGC还仅在文字领域，多模态的大模型还没出来，到今年年末，Open AI在图像上的一些突破，可能会进一步让大家爆发想象力。

分化的不仅是态度，还有未能与市场高关注度相匹配的冷淡数据。相关数据表示，从今年初到5月份，ChatGPT的访问量增长率从131.6%降至2.8%。而从实际行动上看，投资人的投资次数之少和朋友圈刷屏的热情相比形成巨大反差。

新事物的出现总是伴随着“两极化”态度，这似乎已经成为自然法则。在AIGC不断发酵的200多天里，投资人们达成了哪些共识？创业者的机会又在哪里？

第一新声访谈了多位投资人，试图立足当下，厘清AIGC在狂飙进程中沉淀下来了什么？发生了什么？希望以此对行业发展有所正向推动和价值贡献。

一、AIGC浪潮开启下一个时代的机遇‍‍‍‍‍‍‍‍‍‍‍‍

AIGC的爆火，让投资圈也为之沸腾了。

根据量子位智库的估算，预计到2030年，AIGC市场规模将超过万亿人民币。

据公开数据显示，2022年，我国AIGC行业逾500起投资事件，投资金额超900亿元。根据天眼查和第一新声不完全统计，2023年1~6月（截至6月27日），国内AIGC行业融资总额达49.59亿元，融资次数共计46次。

时间回到2022年底。小苗朗程管理合伙人方正浩注意到，AIGC在技术圈、投资圈引起了小范围的关注。2023年3月份，ChatGPT火出圈，“朋友圈几乎每天都被相关信息刷屏，人们对人工智能的兴奋、潜在的担忧达到前所未有的顶峰。”方正浩表示。

随着一些合成视频图像的生成在C端应用得到突破，“新的生产力范式变革已到来”的感觉在方正浩的心中愈加强烈。他认为，未来人工智能在各个垂直领域和行业应用中将扮演着更加重要的角色。

线性资本投资副总裁白则人有着相似的感受，“AIGC是一个非常长期的机会，类比互联网，未来的发展趋势也一定是AI如毛细血管般深入到各个场景。”对这波AIGC浪潮，他持乐观态度，认为随之而来的一定有大量投资机会。

“我们非常期待看到更多的创新和变革。”九合创投创始人王啸表示，当新一波AI浪潮来临，ChatGPT等应用快速普及的背后是以智能涌现为代表的新一代AI能力的出现。

“从现在开始，不论工作还是创业，请确保自己跟AI有关。”前微软全球副总裁、百度COO、奇迹创坛创始人陆奇的态度更为坚定，“AIGC不是什么当下风口，风口意味着投机主义，未免太低估AI对世界发展的影响。”

未来十年，甚至下一个时代的机遇已经徐徐展开。

二、对大模型只看不投，真金白银撒向垂直模型和应用层

在AIGC不断发酵的200多天里，投资的人们达成了一些共识，主要体现在3个方面：

共识一：算力基础设施存确定性机会，大模型是有钱人的“游戏”‍

‍在由算力基础设施层、模型层（底座模型、开源模型、自建垂类大模型）、应用层构成的AI新浪潮生态架构中，一些确定性的机会显现出来。

首先，人工智能的发展，对算力的需求呈现爆发式扩张。在算力基础设施层有确定性机会，已成为中美资本市场的共识。

二级市场的表现佐证了这一观点。自2022年10月底至2023年7月17日，英伟达股价从123美元/股一路飙升至464美元/股。自2023年初至今，寒武纪、中科曙光等国内算力基础设施层的人工智能公司的股价一路坚挺。

其次，大模型会对研发和应用范式带来巨大变革。有投资人认为，以大模型为主导的AI技术能切实降本增效的前景引发创业者的兴奋点。这也是百模大战能够产生的原因。

百度推出“文心一言”、阿里发布通义千问、讯飞的星火大模型，美团、百川智能、云知声等也纷纷加入到大模型赛道。据统计，截至7月份，我国已有逾80个10亿级参数规模以上的大模型。

如今，百模大战由愈演愈烈到格局逐渐稳定。人们在模型层逐渐达成共识：模型层是大“玩家”的游戏。这个“玩家”既指创业者，也包括投资人。

大模型的推理和训练对芯片计算能力和显卡提出直接要求，而且模型层需要非常强的技术团队支撑，这使得资本投入非常巨大。

以Open AI为例，据相关统计，GPT-4训练一次的成本约为6300万美元，需要1.8万亿巨量参数。这还没有将数据收集、RLHF等成本囊括进来。

归根结底高端的技术人才和芯片都需要烧钱。“这个阶段最核心的就是看谁融资能力强，谁资本实力雄厚，谁成功的概率就会更大一些。”方正浩称，局内创业公司面对算力端卡脖子的问题，和海外相比，大模型仍然有差距。在算力和高技术人才的基础上，比拼谁的研发投入更有效，谁能在技术方面做得更好。

对于机构端来说，也是如此。

“在模型层的投资机会，目前只能在一些具有雄厚资本的玩家当中来继续游戏。”方正浩观察到，对于管理规模并不是特别大的投资机构来说，如果没有在行业火热前尽早布局，当前时点不太会再参与到大模型的投资中来。

去年布局大模型会是一个比较好的时机，今年对大部分早中期投资机构来说已经不是一个好的时间窗口了。

除了成本巨大，导致投资人审慎出手的因素有多个，比如最佳时间窗口，商业变现能力等。

“如果是我，今年不会选择投大模型相关的项目。”常垒资本创始管理合伙人石矛表示，在错过了投资底层大模型赛道的最佳时间窗口后，他观察到在模型层与应用层的结合上，目前产生了不小的鸿沟，而且大模型技术变现能力至今还不清晰。

值得注意的是，有明确需求和落地场景的垂直模型受到资本关注。

在今年年初，小苗朗程在内部达成共识，不投资大模型，对百亿级的行业中大模型保持关注。“相比已浮在水面上的大模型公司，在细分垂直领域当中，创业公司会更有机会。因为落地到具体行业之后，创业公司在里面更容易积累出较高质量的数据集。”

这和金沙江主管合伙人朱啸虎的看法形成一致。金沙江创投是在国内垂直AIGC出手最多的早期机构之一，朱啸虎曾公开表示，对于大部分创业者来说，要“场景优先、数据为王”，训练自己的垂直模型，而不要迷信通用大模型。

共识二：在应用层，某些垂直领域的“旧势力”有比较好的机会‍

一个事实是，投资人更多在大模型上只看不投，将真金白银更多地投到应用层。

“我们也非常关注大模型本身的进展和变化，考虑到目前市场竞争格局以及资本门槛，在出手时会倾向于投资应用层以及新的infra等机会。”白则人表示，线性资本更在意新技术落地产业怎么更有效的解决产业问题，并给产业带来的巨大商业价值，这是线性资本始终不变的投资逻辑。

“我们鼓励所有被投企业思考业务将来有没有和AIGC结合的可能，至少从公司管理的角度也肯定要思考如何通过AI提升内部人效。”白则人说道。

对于应用层上具体有哪些确定性机会，目前在投资圈还没有共识。不过多位投资人表示，从企业端看，To B的各垂直领域的老玩家具有明显优势。

方正浩将先后进入人工智能领域的企业比做“旧势力”和“新势力”。“旧势力”是以2016年的深度神经网络作为起点，在当时诞生的第一批人工智能公司，包括AI四小龙和一些创业公司。近几年新出来的人工智能公司看作新势力。

“某些垂直领域的‘旧势力’掌握了客户的需求和场景，同时又能率先的去迎接AI技术的迭代。”在方正浩看来，这类公司是在应用层有相对确定发展机遇的公司。

有投资人表示了类似观点，除了新创业公司之外，应用层在各垂直领域里面其实有一批存量的人工智能公司，至今发展有六七年的时间，他们可能会成为接下来这一段时间应用端的人工智能公司当中的一批主角。“因为他们掌握着客户和场景，会更有竞争优势 ”。

九合创投创始人王啸表示，AI将改变各行各业，包括SaaS、工具软件，以及上一代AI公司都有望借助此次技术迭代，进行结构性升级。

共识三：投资人关注团队，关注商业化落地‍

在这波AIGC浪潮中，投资人主要是投人、投方向，隐形背景成为重要考量因素。

“创始人看到的未来是什么样子，他希望在未来扮演的角色是什么。我们通过创业者描绘的未来和自己看到的未来，在中间去找共振点。然后再从创业者的成长背景和技术水平里判断他是不是能够真正做到这一点。”这是绿洲资本创始合伙人张津剑在投资过程中的判断核心逻辑。

除了投人，在具体考量因素上，各家机构多侧重于项目的商业化能力。

在线性资本看来，商业化能力主要体现在三个方面：准入门槛，比如技术有足够的差异化、能够很好的适配特定的场景，或者场景本身是要有领域知识的；快速产品化，能够在痛点问题上快速集成LLM能力做产品；形成有效的数据和反馈闭环。

投出鹰瞳科技、探迹科技等明星项目的九合创投，和线性资本的观点相似，王啸称，投资中除了考虑创始人因素外，还要考虑有明确的落地场景和需求，才能真正为客户降本增效。

小苗朗程的投资策略主打精选，重仓。对于5%的不能错过的项目积极地出手，对于95%的项目会以猎人的视角出发，耐心地做好研究。“投资最核心的东西，是用心去表达对一个事情的理解。如果理解，就应该长期投，持续投。”

三、忧虑不同：技术发展速度、估值、商业模式

AI前两波浪潮分别在2012年和2016年。

2012年，Geoffrey Hinton教授和两名学生开发的基于深度学习的AlexNet获得ImageNet大规模视觉识别挑战赛的冠军。从此，深度学习奠定了人工智能的底层技术基础。

2016年，在人机围棋比赛中，AlphaGo战胜世界围棋冠军李世石，迅速点燃了全球人工智能创投之火。

一个不得不面对的事实是，在前两波人工智能热潮中，90%的创业公司是亏损的。而投资人也只有早期进入的赚到了钱。

一位CVC投资人表示，在生成式人工智能出现之前，大家对于AI的投资热情极低，因为这些公司的商业化表现远不及投资人的信心。“大量的定制化、数据清洗和准备工作，大量的模型调参，每一个业务场景几乎都是非标的项目制，加上行业人才成本结构不合理，导致上两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，被李开复形容为“从孤岛到大陆”的进步。和前两波相比，这次AI浪潮使通用成为可能，会以跨领域的能力搭建起一个新世界。一旦强大的模型有了足够多数据的加持，在适合的场景下，AI将创造出超越人类的生产力。

当然，在这个过程中，顾虑也会存在。

线性资本对企业的担忧为，团队行动力不够，无法在快速变化的技术和商业环境下灵活的试错；切入的场景过于浅，无法形成有效闭环，在未来陷入红海竞争。

小苗朗程的顾虑有两点：首先，在于开源模型和算法发展之快会使技术获取门槛降低，从而导致头部人工智能公司在过去的技术投入变成无效投入，同质化竞争激烈下，投资人所期望的商业模式最终也会无法跑通。

其次，虽然目前人工智能有一定的通用化能力，但要达到高准确率，还要对每个场景进行学习和调参。客户存在大量定制化服务的需求。也就是说，即便主模块在模型层面已通用，但还有大量功能性插件要定制，最终会导致创业公司不得不提供定制化服务，从而陷入难以规模化的窘境。

在这波浪潮中，创业者如何把握住机会？多位投资人给出建议。

“如果世界有一个造物主的话，他已经发令了。”绿洲资本创始合伙人张津剑认为，在大浪潮中，创业者要去积极拥抱，不是去画地图，而是等发令枪响起冲刺，尽快的进入到产业里面。

“在工业革命前，人们没有冗余的生产力，也就没有商品，不存在商品流通。工业革命后，有了商品的流通，才有了交通行业的发展和零售行业的发展。如今进入AI时代，在理论上，世界500强都可以重做一遍。”张津剑表示。

方正浩建议创业者，利用好资本市场的窗口完成融资，同时不要在完成融资后拼命地烧钱，一定要谋定而后动。“因为目前人工智能应用端的大爆发时点还没有到来，创业者要去甄别哪些是属于初创公司的真正机会，然后去打磨自己的产品和业务，以借助这波机会跑得更远。”

在投资人看来，任何行业都存在发展周期，真正的创业者是在行业周期起伏中，能够经受住诱惑和考验，且永不放弃，具备强大韧性的那批人。