投中网
搜索
登录 | 注册
投中网  >  资本市场  >  正文

人工智能加速进化,大模型之战将走向何方?

投中网   |   投中网
2024-05-15 16:47:25

面对AGI带来的技术革命,没有谁愿意错过并甘于人后。

随着人工智能加速进化,大模型之战也愈演愈烈。面对AGI带来的技术革命,没有谁愿意错过并甘于人后。

OpenAI、微软、谷歌、百度、字节、阿里、腾讯等实力强劲的玩家纷纷入局,月之暗面、百川智能、MiniMax、智谱AI、零一万物等国内大模型初创公司也已经成长为独角兽。

2024年5月8-10日,在由投中信息和投中网主办的“第18届中国投资年会·年度峰会”上,创享投资创始合伙人易丽君、小苗朗程管理合伙人方正浩、邦盛资本合伙人姬磊、力鼎资本合伙人刘睿、清源投资总经理潘海峰、东方富海合伙人王兵、致道资本总经理王晓春、凯联资本董事总经理姚宁波、元禾厚望合伙人俞伟就《人工智能进化提速》这一议题进行了深入探讨。 

在易丽君看来,大模型在中国是基础设施,对于产业资本而言,这件事是一场不能错过的战役;方正浩判断,现在国内的大模型公司还普遍停留在GPT3.5的阶段,如果GPT5远远超过了GPT4,那么这些公司还会持续融资烧钱打仗;姬磊直言,如果没有实现商业正循环,那么大模型公司必须持续融资,这场战役可能还会持续几年。 

刘睿表示,大模型在垂直场景的应用比较多,短期大模型应用最大的机会在影视、语音、图片等能重构内容创作方式的领域,长期应该是在人型机器人相关应用领域;俞伟则认为,以技术本身而言,目前大模型能够先在娱乐、消费、生产力等领域落地,但还不具备决策的能力;姚宁波判断,做大模型的公司更多是提供基础设施,未来每一个数字化领域可能都会产生一两家被大模型赋能的大公司,投资者可以重点关注卡大模型脖子的基础设施,以及能够释放大模型能力的应用场景。

“现在大模型的能力,在很多领域没法直接做商业化。”王兵觉得,最近几年,最好的商业模式可能都与AI的基础设施相关;“AI不能等于大模型,也不仅限于大模型。”潘海峰坦言,不确定大模型将来能不能成为实现通用人工智能的路径;王晓春对生成式AI持保留态度,他判断最后能活下来的公司可能不超过5家。

以下为现场探讨实录,由投中网整理: 

易丽君:很开心又来到投中的会议。人工智能实在是太火了,大家从去年到今年都在疯狂讨论。大家自我介绍一下,或者阐述跟AI相关的看法。

方正浩:大家好!我是小苗朗程的方正浩。小苗朗程从2015年成立至今一直专注在以人工智能为代表的新一代信息技术以及先进制造,以早中期科技投资为主,累计投资了超过120个项目,其中人工智能有关的公司超过40家。

过去一两年生成式人工智能和通用人工智能也是我们最重要的早中期投资方向,很高兴今天有机会跟大家进行分享。

姬磊:大家好!我是邦盛资本的姬磊。邦盛资本在南京,成立于2014年,以VC阶段投资为主。在人工智能方向,我们陆陆续续投了一些项目,包括做GPGPU的天数智芯,做高速光模块的海光芯创,以及做智能视觉芯片的神顶科技等,前期主要是在人工智能基础设施层面做了布局,后续会加强人工智能应用层面的投资。  

刘睿:大家好!我在力鼎资本主要负责人工智能和半导体板块的投资。力鼎资本成立于2007年,我们是一家人民币基金,目前管理规模超300亿。我们投过格灵深瞳、九章云极和聆思科技等一批人工智能领域的公司。很感谢投中的邀请,有机会跟大家一起学习交流。

潘海峰:大家好!我是清源投资的潘海峰。清源投资原来是深圳清华大学研究院的力合创投。我们自己定位是科技类中早期VC管理机构,专注于科技类中早期项目投资,现在投资了200多家中早期项目,也有30多家实现了IPO的退出。

从去年年底开始,生成式AI非常火热。我们没有投过大模型相关项目,不过公司已经投的项目和正在看的项目,有很多都与AI相关。

第一,我个人的观点是,AI不能等于大模型,也不仅限于大模型;第二,现在说通用人工智能,至于大模型将来会不会成为实现通用人工智能的路径,我个人存疑。

王兵:大家好!我是东方富海的王兵。东方富海是总部在深圳的民营人民币投资机构,今年算是成立第18年了,管理规模大概350亿,累计投资了超过550个项目,上市退出的项目有80家。

在人工智能、半导体芯片、机器人领域投资的项目有100多个,也经历了行业的各个周期。最近的投资重点是半导体算力相关的环节,包括大算力芯片、先进封装、先进制程设备,还有机器人各个产业链,包括人形机器人及人形机器人的核心部件。  

王晓春:大家好!我是来自致道资本的王晓春。致道资本是中方财团旗下的市场化股权投资平台,主要投向早中期的硬科技项目,团队管理规模大概在50亿人民币。投资的标的基本上都在硬科技领域,也非常关注人工智能方向。在人工智能方向,我们投了湃道智能、储慧智能、思必驰、深聪智能等企业。

 姚宁波:大家好!我是凯联资本的姚宁波。凯联资本是一家民营的人民币机构,成立于2015年,主要的投资范围为硬科技、智能制造等,在管规模差不多150亿。

我和人工智能渊源比较深,本身在英特尔工作了很多年,之前也在早期投资机构投了智谱华章、格林深瞳等。两年前,我在上海工作,当时在复星集团担任董事长助理,主要是做人工智能战略的制定、人工智能项目的推进等。因为复星的产业比较多,像零售、制造、医药都有和人工智能结合的项目在推进。我还是中关村青创的导师、中关村前沿科技大赛的评委,以及清华大学创意大赛的评委等。我也看了很多人工智能的项目,与北京市有很多关于生成式AI应用的探讨。

俞伟:大家好!我是元禾厚望的俞伟。元禾厚望是苏州工业园区元禾控股旗下一个市场化的基金平台,目前算是比较年轻的基金,正在做第二期主基金,累积管理规模50多亿,投资主要集中在硬科技赛道。

我本人一直学电子,也在半导体行业比较久,差不多小二十年,在元禾厚望主要负责以硅为基础的泛半导体硬科技投资。

今天的议题主要是人工智能,元禾厚望之前的投资主要集中在制造业、智能制造、半导体,属于和人工智能基础设施相关的项目。

我曾经也和行业内的专家交流过,人类是所谓的碳基智慧,人工智能就是所谓的硅基智慧。硅基智慧对硅片的需求是指数级增长,而碳基智慧对硅片已经到了瓶颈,我们主要在看这块有哪些增长机会。

具体到投资案例,在人工智能方面,除了投入比较大的基础制造类项目,还有专门做2.5D、3D封装的盛合晶微。在应用端,我们投了改进生产制造效率的未来工场,以及行业类应用的图灵智能等。   

易丽君:我简单介绍一下创享投资。创享投资于2014年在深圳成立,从成立初始就一直专注于早期投资,75%的投资都是天使轮。与人工智能的渊源,最早在互联网+时代。

我们早期专注于互联网领域,到互联网的应用端,再到机器人领域,投了云鲸扫地机器人、酷哇机器人等。现在沿着数字科技,往半导体的基础设施进行布局,也投了做AI芯片的墨芯人工智能。

今天非常有幸来主持论坛,共话未来10-20年的大机遇——人工智能。从去年到今年,国内讨论最多的是大模型。在这一轮大模型的投资和布局中,大家觉得资本仗会打到什么时候?产业资本既有亲自下场做模型,也有共同投资做大模型,大家怎么看中国的大模型格局?终局会如何,谁可能会留在牌桌上?希望讨论一下这个话题。

方正浩:我们主要是投早中期为主,目前大模型的估值区域对比其商业化进展超过了我的射程。今年我们团队到现在为止已经去了两次硅谷,也看了美国大模型的发展现状。总体来讲有几点认识:   

首先刚才第一个问题,资本仗会打到什么时候,我们认为首先要关注GPT5出来之后相比GPT4有没有非常大的革新,如果GPT5出来之后跟GPT4差别不大,那大家没必要卷了,现在做出来的东西基本就是成型的状态了。接下来不管是国内还是国外的大模型公司,更多的动态就不是在大模型本身技术的研发了,更多是往生态、应用端延伸,所以资本仗还是要看GPT5的效果。如果GPT5远远超过了GPT4的功能,而现在国内的公司还停留在GPT3.5的阶段,我想他们接下来还是会持续融资烧钱打资本仗。

第二,从大模型的商业价值来讲,中国的大模型公司与欧美的大模型公司可能还是会有差别。未来可能中国的大模型公司会更偏向于应用端变现。归根到底,不管是智谱还是moonshot这些公司,受限于中国软件的付费能力,他们在商业化上无法呈现出非常大的基础设施收费的潜力。虽然我们看到OPENAI也在向应用延伸,但相对来说美国更偏向于基础层,中国更偏向于应用端。 

易丽君:接下来请姬总讲,姬总在基础设施层、算力层都有一定的布局。   

姬磊:大模型融资仗打到什么时候,我觉得可能会持续个几年,什么时候明朗还很难判断。刚才方总也讲了,大模型在演进过程中,性能迭代的进展还不确定,如果持续卷下去,烧钱将持续下去。我个人是这么认为的,融资仗取决于什么时候能实现商业化正循环。从国外大模型和国内大模型来看,都是非常烧钱的阶段,如果没有实现正循环,那你必须得持续融资。

融资带来的挑战是,再往下走肯定是玩家越来越少,大量资金会集中在少数形成领先优势的厂商里。剩下的几家在融资上的竞争是非常激烈的,这是大模型创业公司面临的情况。 

对于像百度这些厂商而言,他们本身其他业务带来的现金流是非常充足的,他们是不需要融资的。对于创业公司来讲,怎么和他们竞争?这是非常重要的,要么他们在技术上的优势能持续领先于其他厂商,要么他们在行业应用上形成优势,能带来商业上的正循环,或者让我们看到大模型真正形成了比较好的盈利空间和非常好的成长性,才能得到资本的持续加注。 

走到那一天的时候,我们可能才能知道终局是怎么样,最后哪些厂商可能会留下来。我觉得现在判断这些事情都是非常困难的。 

易丽君:有请姚总也来谈谈这个话题,您毕竟有微软的背景,我们知道国外微软OpenAI等,国内都是被那边引爆的。   

姚宁波:从两个角度来看: 

关于大模型技术的发展,现在GPT5可能快要发布,未来会有一定的引领作用。目前的技术曲线还是非常陡峭的,无论是文生文的GPT,文生视频的SORA,技术方面还在大规模的发展过程中。

从融资角度来看,我之前自己投了智谱华章,去年前年智谱华章都过来融过资,当时我在PE,但感觉他们目前产品的成熟度还没有那么高。我认为这些企业目前还在发展早期,但未来会不会进行激烈的融资大战。从另外一个角度看,目前硅谷已经出现了一些技术,不一定有那么多的参数,但是效果很好,有一定好的训练方式,有可能在未来融的资没有那么多,但效果还是一样的好。

再回到您刚才说的另外一个话题,终局是什么样。我认为做大模型的公司更多是提供基础,但是未来可能在每一个数字化领域里都会产生一两家大公司,这些公司不一定把它叫做大模型公司,但可能是大模型赋能的公司,这些公司未来会成为行业的主流。 

现在是大模型发展的早期,大家看起来很多做算法的公司已经有很大的发展空间,在未来更大的空间是在垂直场景里长出来的大公司。终局是什么样?我同意姬总的观点,还要跟产业发展、用户使用习惯有关,还要过一段时间才能看到。 

易丽君:谢谢姚总的分享,刚刚姚总也提到了大家会在大模型里生成出各种场景型应用和场景型垂直模型的概念。基于中国本土的特色,大家会觉得在短期三年左右的时间,大模型应用在哪些场景端更容易落地,更优先落地。

刘睿:我觉得大模型垂直场景的应用的确比较多,国外标杆是OpenAI,累计融资应该已经超1000亿人民币,目前接近10亿的月活,去年收入应该已经到了20亿美金,基本处于“一览众山小”的状态,但在国内无论是智谱、MiniMax、月之暗面,他们在几个关键数据上都还没有达到。想直接参考国外订阅式的收费,像OpenAI那样发展我觉得在短期内还是有点难度,因为大家技术同质化还比较明显,产品也比较相似。

所以在垂直场景可能短期会有更多的机会,比如在内容重构这块,像影视、语音、图片,大模型对内容端创作方式会产生直接的影响,本身在移动互联网流量入口都被互联网巨头控制着的情况下,初创公司想直接找一个增量的垂直市场还是挺难的一件事。

如果人机交互的硬件不出现新的变化之前,短期找垂直场景想跟互联网巨头直接PK的话,创始人对产品的理解要有很强的前瞻性,可能短期在数字内容重构的领域,更有利于各家大模型拓展垂直的场景。

易丽君:刘总会觉得更看好垂直应用领域。

刘睿:除了上述领域,我最看好的还是养老或家用场景的服务型机器人,当然这个场景还比较遥远,但过去一年这块发展得非常快,机器人是人和大模型之间新的交互硬件,这块我比较看好。

易丽君:下面有请王兵总探讨一下,王兵总本身也专注于看人工智能,也投了一些算力相关的项目,对于中国场景落地有怎样考量?

王兵:现在大模型能力在很多领域直接做商业化还是不够的,我们处在算法发展非常早期的阶段,比方说对标苹果是在苹果1、苹果2的阶段,所以算法还要好多代的发展才能够真正解决实际业务中的问题。

在这个阶段,有一个数据很明显,美国大公司在英伟达买了500亿美金的芯片,实际上这些公司用这些芯片只产生了大概30亿美金的收入。所以今天美国大公司买GPU并不是为了赚钱,而是在AI这场战争里他们不能输,本质是军备竞赛。今天来讲,在最近几年内最好的商业模式可能都是投资AI的基础设施。

易丽君:在军备战的时候,大家还在做基础设施建设,还没有到下一个阶段。俞总在基础设施层有一定的投资和布局,我相信基础设施的建设也是基于服务场景未来发展的考量,听听您的观点。

俞伟:我本身也是做基础技术出身的,前面各位嘉宾都提到了看垂类的东西,这也符合中国今天的情况。不管是Kimi还是Mini Max,都是走的基模型跟随,Feature端差异化,应用端去落地并形成商业化闭环。

以技术本身而言,大模型今天能够先落地的是娱乐、消费、生产力,但在做决策方面,大模型目前还不具备这个能力,落地的除了影视娱乐,另外就是能帮到人提升效率,这都是OK的。

另外我们看到在中国特别的大B端、银行、电信领域做数据分析还是有落地机会的。

易丽君:您觉得中美之间的军备战基础设施层的技术差异有多大,用多长时间可能会赶上?  

俞伟:从上一代所谓的神经元网络战争看,我觉得差别还蛮大的,毕竟人家是原创的源头,我们得正视差距。但中国也有中国的优势,我们有广大的应用端市场。从上一代竞争来看,大家最后还是落地到应用端,有了应用驱动再反推基础的东西,才能慢慢把Gap缩小。  

以GPU为例,像英伟达的算力都讲多少个算力TFLOPS,但看真正有效的算力利用率,中国企业还是有很大的Gap,不过中国在应用端也在慢慢缩小Gap,我觉得大模型阶段也是类似的逻辑,从优势点切入,从应用端闭环,再反推回去。 

易丽君:俞总说了很好的观点,没必要死磕,先把应用端做好,才有可能反哺,形成正向的飞轮驱动。  

俞伟:我之前看到一个数据:微软最近在搞“星际之门”计划,未来三年计划投资1000亿美金,中国目前还不具备这个体量的投入。

我们关注到很多大型的平台公司,比如阿里、腾讯都在共同投资公司,这是个很有意思的发现,原来大家都是分阵营的,而在大模型时代,因为大模型是技术本身驱动的,需要技术、算力、人才的聚集。但为什么原来在移动互联网时代不这么去做呢?大家不会抱团呢?

说白了,那时候是用户和流量为基础,用户和流量是不可以拿来分享的,但技术是可以用来分享的,我觉得中国有一条自己的路去走。

易丽君:人工智能已经发展很久了,这一轮人工智能的热潮本质上是生成式AI所引领的,但探讨也不能局限于生成式AI。从去年到今年的过程中,大家在AI里看好什么样的机会,在做哪方面的投资?刚刚听到很多都在做类似AIGC有关的事,或应用层的事,我们细化听听大家在不同的基金和背景所带来的,更看好中国在AI投资领域具体方面的分享。 

方正浩:首先是算力和基础设施端,作为中期VC投资要找到新质生产力,意味着初创期企业相比传统公司要有更强乃至颠覆性的生产力优势。

首先基础设施在算力端,比如我们投了中国第一家做光量子计算芯片的公司图灵量子,去年投了做光计算芯片的光本位,他们用光质相变材料做的光电合封芯片,量产后有望比现有GPU有指数级的性能提升和功耗优势。总得来说,我们希望在算力端能够找到具备新质生产力的创新型公司投资机会。 

在应用端,我们则希望看到一些中国本身具备全球竞争优势的领域或潜在空间巨大的领域,比如说具身智能和人形机器人,我们从去年2、3月份就开始看这个赛道,累计看了七八十家公司后,最后投资了3家公司。

我们还投资了几家做AIGC生成视频的公司,目前主要的商业场景是在海外,因为目前阶段海外C端的付费能力比国内更强。像我们投资的一家公司叫Viggle,他可以把现实人物、卡通人物通过文字驱动和剧本驱动做出比较长时间的带有复杂动作的视频。最近在海外的Dicord社区上线,一两个月就有140、150万的活跃用户,现在也收到了硅谷一线基金投资的意向。

总得来说,我们觉得中国的优势一是在硬件端,因为中国在供应链、制造方面有非常强大的优势,所以机器人和GenAI结合肯定是值得看好的应用方式。第二是在C端。相反B端,过去中国企业级软件的发展和美国还有很大的差距,B端不管是软件还是AI的应用实际价值是对白领工作的自动化和替代,但中国白领待遇和美国、欧美的白领待遇差距非常大,既有客户付费习惯的问题,也替代的成本优势不突出的问题。推出AI+B端的应用在美国可以非常快地降本增效,但在中国落地就不会那么快。

姬磊:现在我更关注的是工业应用,To B领域,我们早期投了一些物联网的创业公司。第一阶段是通过传感器收集数据,大量数据采集上来之后,现在到了第二个阶段,基于数据,通过人工智能的算法和模型,在工业控制过程中优化参数,带来直接的生产效率提升、成本下降、良率提升,我个人认为这是比较好的方向。

做通用大模型、To C业务对创业公司是比较困难的,他们和大厂的竞争很激烈。但在一些细分行业领域,往往他的数据是封闭的数据,大厂的模型是没有办法获取到这些数据的,对于创业公司来讲,如果有条件和行业客户建立比较紧密的开发合作,根据他们提供的数据,利用他们在人工智能、AIGC方面的优势,就能形成对行业真正带来价值的产品,相对来讲有可能更早实现商业的正循环,这方面我会关注的比较多一点。

另外,我会关注在研发设计方面应用AIGC带来效率提升的项目,比如在结构设计、产品设计上。只有真正把AI应用在能帮助到客户,为客户创造价值,那我觉得客户是愿意买单的,客户愿意买单,有商业正循环的不断迭代、不断刺激,这类企业有可能在这个阶段相对走得会快一些。

机器人也是我们关注的方向,不光是人形机器人,还有四足机器人。人工智能技术的迭代也给机器人的设计和开发上带来颠覆性的改变,比如在人形机器人、四足机器人的控制上,最早用MPC的方式难度是非常大的,要是没有很深的技术基础,很难把它优化得很好。

但现在采用强化学习的方式把门槛降低了,现在很多机器人迭代的非常快,这两年每隔一段时间就会出现让我们觉得眼前一亮的进展。这些都是人工智能技术迭代带来的应用和产品上的快速发展,这些方向也值得关注。

易丽君:姬总提到在To B端,在工业细分行业举例如设计领域提升,共同看好人形机器人、四足机器人领域的发展。

刘睿:我们一直密切关注GPT、SORA这类公司,但从投资来说目前还挺难判断的,特别现在估值已经过百亿的情况下比较难出手,但我们团队一直也在思考,大模型真正给一些其他原来我们熟悉的行业会带来哪些增量的改变。

比如一方面像算力基础设施,也就是数据中心,数据中心最大的成本在于能耗,我们关注到数据中心冷却系统中如果能有更多三代半导体器件应用的话能带来能耗的极大减少,我们有一条投资主线就是关注三代半导体在节约能耗方面的应用。

另一方面我们去年也投了一家公司做终端语音SoC芯片,我们没有直接投云端的算力,其实说到终端语音芯片,五年前很多投资机构都在看,我们去年投了之后,发现人机交互方式改变了,语音SoC芯片市场在有基本盘的情况下不断增长。

我们投的这家公司在收入已经过亿的情况下,去年仍然实现收入翻倍,今年一季度的收入相比同期更是增长了2倍,在这样的经济环境下完全超出我们的预期。所以我们短期更关注大模型对我们过去熟悉赛道带来的增量机会,在熟悉的赛道有基本盘支撑的情况下,大模型带来的增量市场可以逐步提升公司价值。

易丽君:刘总提了有意思的观点,GPT火了之后关联产业也火了,语音带动更火了,这个也是非常好的投资方向。   

潘海峰:首先刚才大家提到基础设施,据我观察到的情况,这个产业链向上延伸还是挺长的。我们投的半导体产业的装备,包括薄膜装备、封装装备和检测的装备公司。从去年下半年开始到现在,装备公司的业务也很好,这是我的一个观察。 

不能把AI仅限于大模型,在大模型出来之前人工神经网络、深度学习,不管是我们投的项目还是在看的项目也已经在应用,之前投过几个做大数据的公司,之前就已经在用这些算法,而且能很好地满足客户的需求,这是一个方面。 

另外大模型出来以后,原来有互联网+的概念,现在是AI+的概念,大模型出来以后看到有一些公司,比如说代码编写,已经不是人工编写代码了,而是框架、架构设计好之后,直接大模型出来的代码,这个代码不比人工编出来的差,而且大大提高了代码编写的效率。 

有些细分行业,可能通用大模型、大公司军备竞赛投入算力大家在竞争,但有些细分的行业数据、要求和应用场景不一样。我看到有一些公司是用算法,Transformer的算法跟本行业的数据结合,我们观察到出来一些挺好的结果。

将来不管是AI还是大模型,发展下去,不管是在通用的大模型还是在细分行业的应用生态,大家还需要多观察。 

王兵:我们认为目前AI领域在国内主要机会在两方面: 

一方面,最落后的地方,是算力的基础设施,这个领域中美之间的差距在扩大,而且短期内是比较难追上的。链条特别长,不光是GPU、CPU、交换机芯片、光模块,还牵涉到生产用的所有设备,生产HBM的设计等,是非常长的链条,这个链条真正补足需要10-20年的时间。 

因为我们落后较多,所以很多标的的估值水平和国外标的的估值水平差距非常大,可能到1000倍的差距。换句话说,如果有成功的公司跑出来,回报可能是百倍级别的,所以这里面有相当多的机会。 

另外有相当多机会的是在我们特别有优势的地方,就是供应链优势,尤其是电子产品的供应链。在服务机器人、人形机器人、广义机器人、自动驾驶硬件、传感器、各种各样的智能硬件领域。 

我认为供应链转移到海外是不太靠得住的命题。我之前在一家公司工作负责机器人研发,大概用2-3年的时间把服务机器人的成本降低了一个数量级,差不多降低了10倍,这件事情只有在中国的供应链环境里才可以发生。很简单,我们可以在一个周末一个晚上完成在美国要几个星期才能完成的工作量,只要你给足够的费用,就会有无数人加班完成这件事情,这在美国是无法想象的。 

大公司现在去投资一些初创的大模型公司,本质上是在做人才的绑定,对国内的大公司来讲,大模型也是一场不能输的战争,除了内部花很多钱去建团队,也需要绑定外部优秀的人才。可以理解为他们就是在“买保险”,因为这是不能输的事情。 

我认为很多初创企业在后期会被并购,因为烧钱速度太快了,是指数级的烧钱。比如说GPT3是1亿美金的投入,GPT4可能就是10亿美金,到GPT5可能就是100亿美金。微软已经在帮OpenAI做了1000亿美元的超算。这个烧钱速度没有任何VC,甚至连大的PE都是跟不上的,而且这不是PE投资的事,是非常不确定的事,我认为大概率很多团队会被并购掉,所以这部分我们不太怎么去投。 

刚刚讲的两个领域,一个是算力的基础设施,一个是智能硬件和广义机器人的供应链,我觉得我们是有很多机会的。

王晓春:从两方面来讲:

第一,生成式AI。最近新闻报道说国内有110还是130多家(公司),其实我对整个行业并不是特别看好,我认为到最后能活下来的可能也就一只手。在座各位好像都没投过生成式AI,大厂会有大厂的优势,创业团队可能能跑出来的真是凤毛麟角,所以并不是特别看好这个赛道。 

反而是大厂为什么要投创新型企业?因为人工智能这件事情就像一架飞机,你坐在飞机头上还是飞机尾上都不重要,但是你要坐在飞机上。这是大厂的逻辑。但对VC来讲,并不是这个概念。

我一直在提,人工智能更多是倒过来看这件事情:产业+人工智能。即是说在产业端有丰富的经验,或者已经有很好的应用,而不是说人工智能+产业。 

当年的互联网产业发展也有一定的借鉴意义。比如说我们投了上海索辰,投了开目软件,索辰已经科创板上市了,开目发展得也不错。在类似做仿真的研发企业中,大量在采用人工智能,大大加快它在仿真端的应用。 

我们最近也在看模流仿真的公司,使用人工智能技术以后对模流仿真的速度、效率提高是非常快的。我们认为产业+人工智能是很好的应用。又比如说营销端,现在是比较好落地的,苏州一家做京东的运营商使用了大量人工智能解决高频率的普通工作,代替它节省成本,这是比较好落地的。另外思必驰做车辆语音,这种人工智能是比较容易落地的。 

从VC角度来看,更关注的是一些比较接地气、比较好落地的项目。 

姚宁波:现在人工智能跑的GPU本身目前正在颠覆中,我们也看到硅谷有些初创公司提到现有的硬件、芯片架构是不适合大模型的,他们已经提出来一些新架构。我在之前做人工智能早期投资时,因为算法在发展过程中,所以硬件早早就固定下来其实是不利的,目前还在发展过程中,这就是我说的卡大模型脖子的赛道。

因为我自己经历过安卓从零点几版本一直发展起来的过程。最早安卓刚出来的时候,大家都认为它不好用,有很多不人性化的地方,所以很多初创企业帮安卓做插件、外挂,做通讯录,全球有成百上千家公司在做。但随着安卓的升级,慢慢都被迭代掉。

回到大模型本身,如果在上面做修修补补的话,包括应用,我认为投资的期限和空间都是比较少的。为什么安卓上面还是长出来很多大公司,比如说location base service,无论是GPT还是SORA都是在发展的早期,他们未来可能能提供出一些基础的能力,能够改变人机交互的范式,这里面就会孕育出大量的投资机会。 

对于PE来讲,希望等到这样能力起来的时候再按照确定性去投,大家现在说的很多利用大模型做用户咨询、助理模拟,我认为目前竞争的门槛相对比较低,如果投资的话风险比较大,所以我们愿意等一等,看看大模型提供了那些最基础的能够改变人机交互范式的可能性能力的时候,再下重注。 

易丽君:姚总快速总结了,一个是卡大模型脖子,一个是放大大模型能力,把刚刚提到的很多观点都融合进去。 

俞伟:前面嘉宾的观点都比较一致了,我看到的头部大模型公司核心是属于投资的技术布局,更多是必须要拥有头部的平台型公司。 

大家都要从应用端形成闭环,要依托这些大的头部CVC,像腾讯、阿里可以解决算力和用户生态的问题,所以两者是互为需要的关系,这是他们的战场,他们比较适合。 

应用端最终要吃基础技术端的红利,包括通信技术、能源等。最近我听到消息,美国大的头部机构都在大量抢电力基础,都在自己建。没有基础的东西,上面的东西也是空中楼阁,以我们机构为例,更多会关注大模型会带来哪些对基础端的大需求爆发,包括前面嘉宾提到了基础技术,例如HBM以及HBM带来的热键合技术,都是国内所需要攻克的,都是大家需要关注的。当大模型应用端起来之后,对这块需求也是十倍、百倍的增长。像大模型带来的对能源的需求,尤其是电网,对传统电力网络的冲击是很大的。大模型负载和现在电网的负载是不一样的,现在的电网负载是可以预测的,充电高峰、工厂高峰都是可以预测的。但是AIGC、大模型对电网的冲击是另外一种冲击,包括怎么做新的散热技术,这些是我们机构会比较关注的。 

除了头部追求生态、追求用户外,还要看在垂类应用扎的比较深的有核心壁垒的团队和项目,这也是我们愿意去投资和愿意去布局的方向。

易丽君:今天基于人工智能这一轮的探讨,因为在场的大部分都是偏市场化、财务的VC机构,在座没有相关的产业资本,本质上这轮大模型之争财务机构参与度是偏少的,特别是人民币基金参与度偏少,我们理解产业资本参与这件事是一场军备赛,或者是一场不能错过的战役,这在中国是基础设施的建设。 

但大家不能只关注大模型,会有很多配套部分不足的地方,带来的更大的机会。人工智能在中国发展的比较有实力的应用市场机会,以及在中国制造业所带来机器人的机会,还有中国有非常好的行业基础,产业+人工智能,类似产业互联网的概念,怎么在工业,怎么在产业端结合人工智能提升效率。

感谢大家,这场论坛到此结束,谢谢大家!

 




网站编辑: 郭靖
本文为投中网原创文章,转载或内容合作请点击转载说明,违规转载法律必究

0

第一时间获取股权投资行业新鲜资讯和深度商业分析,请在微信公众账号中搜索投中网,或用手机扫描左侧二维码,即可获得投中网每日精华内容推送。

发表评论

 / 200

全部评论

—— 没有更多评论了 ——
—— 没有更多评论了 ——
联系我们 欢迎投稿
  • 投中网
  • CVS投中数据
  1. 创新经济的
    智识、洞见和未来

  2. 投资人都在用的
    数据专家

返回顶部