1 月 5 日，由杭州未來科技城管委會、餘杭區科技局和餘杭區企業（人才）綜合服務中心聯合指導，時戳科技主辦，AI 新智界提供媒體特別支持的“智求共贏・中國 AIGC 產業應用峰會暨無界 AI 生態合作夥伴大會”在杭州正式開幕。

本次大會深度聚焦 AIGC 應用，邀請到了全國各地近百家合作夥伴參會，以及來自產研、投資機構、高校、AIGC 創業者等眾多行業精英和專家，共同分享過去一年 AIGC 應用進展，探討未來發展趨勢。

在當天下午的《全球化背景下的AI商業化之路》圓桌論壇上，各位嘉賓針對 AI 應用的商業化進行了深刻探討，分享了各自的產品商業化、出海、投資等方面的經驗。出海規劃師 Will 擔任圓桌主持人，其他嘉賓包括：

• 朗豫 MazeGuru 創始人、CEO
• 吳畏 非凡資本合伙人
• 風勝 數里行間科技 CTO
• Kisson 新識宇宙 Metaverse 聯創、COO

以下是AI新智界整理的演講內容，為方便閱讀進行了部分刪減：

Will：如何看目前 AI 在全球範圍內的發展狀況，以及未來一段時間的國際化競爭，AI 產品在國際化競爭中的挑戰和機遇是什麼？

朗豫：

ChatGPT 這樣的產品橫空出世，帶來了非常大的流量的曝光，也吸引了非常多的用戶來關注 AIGC 方向的應用或者是技術。我們現在每天都有新的 AI 方向的產品，包括一些論文，一些應用都在出現，也讓更多的大廠、各種各樣的用戶都來關注這樣的產品，我覺得這其實是一個非常好的方向，它幫助產品包括項目方吸收用戶、吸收相應的資本，這是一個非常大的機遇。在 ChatGPT 出現之前的一段時間，我們可以看到 AI 經歷了一個比較沉寂的泡沫期，我覺得這還是一個比較沉寂的點。但是在這個點之後，其實得到了將近十年來為數不多的機遇期。

AI 面臨的挑戰同樣巨大。最大的挑戰我覺得還是留存率或者說吸引度的問題。AI 產品如何在非常激烈，和傳統 App 競爭用戶的時間？我覺得這是非常大的難點。我們知道 AI 產品必須要付費，它不像其他的傳統的互聯網產品是可以橫向擴展，它去服務一億人或者服務一百萬人，它服務非常小的用戶，其實它的成本支出不是特別大。但是對於 AI 來說，GPU 可能是指數級的產品，它必須得收費。在這個階段，收費和免費之間就存在了鴻溝，這就是它的挑戰。所有的 AI 產品，雖然現在看起來很熱鬧，像 ChatGPT、Midjourney，可能還有其他的產品，但用戶的留存度非常低，我們可以看到一個月或者兩個月後的留存度可能只有 6% 或 5%，它很難和 TikTok、小紅書這樣的產品來競爭。如何讓 AI 真正被用戶拿來去消磨時間，或者拿來去玩、娛樂，佔據他生命中的一部分，而不是作為一個工具，或者說只是一個筆記本、做文章概括的簡單功能，我覺得這是它一個比較大的挑戰。

另外，如果它有了這樣的成就，後面還要面臨政治風險、意識形態的控制。AI 還有很長的一段路，未來我們不可知，但有非常多的人和資本投入進去，它未來的前景還是非常光明的。

吳畏：

從一些宏觀的数字來講，在過去的 2023 年，整個全球生成式 AI 一級市場融資數據大概接近兩千億人民幣左右，其中海外占 1600 億，國內大概只有 300 億。1600 億中間，有 100 億美金是 OpenAI 的，這是去年整個一級市場生成式 AI 融資的情況。

IDC 預測 2024 年一級市場的融資在生成式 AI 領域裏面大概要增長 4 倍左右，所以這還有巨大的空間。也就是說 2023 年對於很多創業者來講，包括某些企業來講，實際上它是一個真正的元年。可能 Stable Diffusion 2021 年就有了，GPT-1、-2 都是好幾年的事，但是真正出圈的 GPT-4 是 2023 年春節以後發布，2023 年春節以前是 3.5。所以，其實是因為這樣一個現象級的產品，現在這個產品月活 1.6 億，也是最快達到 1 億用戶的有史以來的最快 App。所以，其實整個 2023 年來講，還是一個特別早期，特別是很多產品可能還沒有真正落到具體商業場景裏面，只是做了一些酷炫的技術，但是我相信明年是商業化落地非常好的時間點。

風勝：

2023 年全球 23 家 AI 獨角獸裏面，美國、中國、歐洲一些國家都差不多，美國可能只領先一點點。在整個 AI 全球化過程中，歐美和中國基本上是處於同台競技的位置，可能我們也就落後半年，最多一年左右的時間。所以這裏面，我覺得機會還是很多的。

整個 AI 技術在日新月異的發展，每一周都會有很多新的 AI 框架、AI 產品推出。如果 AI 創業公司投大量精力做 AI 大模型，很難跟 GPT-4 同台競爭，因為 GPT-4 是全才，在各個領域都是調教得最好的狀態。對於 AI 創業公司來說怎麼做？我覺得只有做垂類大模型才有機會。比如我們紮根於電商，或者紮根金融，或者紮根垂直行業，基於大模型去訓練垂直的小模型，去定義整個行業的意圖，去深入跟這個行業的業務去打通、去集成，這樣的話我們才有機會跟全才的大模型去競爭。

Kisson：

我認為 2023 年是大模型轟轟烈烈，但實際上落地的場景很難閉環的一個狀態。原因就是我們碰到一個很大的挑戰，在 2023 年甚至是今年，都是大模型和小數據的挑戰。一旦你把一個行業裏面應用的小的數據跟大模型去結合在一起的時候，你會發現大模型要麼就是處理不了小數據的 context，要麼就是它把自己大的通用的知識也都忘記掉了，所以這是一個非常大的模型層面的限制，導致我們發現無論是商用還是 toC，到最後圖片真正比較多的應用還是在廣告。但如果作為工業設計，相對來說服裝設計的應用還是需要人完成最後一部分的設計。對於 toC 也是一樣，除了 AI 陪聊這方面，我們在做行業分析師、旅遊規劃師，到最後這一小部分都需要人為去做修改，才能夠使得最終的結果能被商用、能夠有價值。

Will：AI 技術的快速發展是否會加劇数字鴻溝，應該如何面對？怎麼看待技術垄斷和數據濫用的風險？

朗豫：

對於 Prompt 來說，它是非常重要的，我認為它應該是加劇了鴻溝。其實有兩個鴻溝是比較明顯的：

第一個鴻溝，認知鴻溝。有兩批人，第一批人會覺得 AI 是無所不能。另一批人是反對 AI。我覺得認知鴻溝導致整個世界割裂。

第二個鴻溝，數據鴻溝。當我去訪問一些海外數據網站，在 GPT 產生之前，我是可以直接登錄去訪問，或者不用登錄就可以訪問它的數據、看到它的內容。但現在 GPT-4 出來之後，還有一些圖片的網站出來之後，我不僅要登錄才能看到它，反而我要付錢才能看到它的答案。我覺得這是讓整個互聯網的數據已經變成一個又一個孤島，這是導致現在數據鴻溝非常明顯的趨勢，大家都認為自己的數據是非常重要的。

怎麼應對？一個是重視數據，把數據作為一個非常重要的資產；第二，善於利用大平台 AI 產生的數據，來作為自己的數據來源。

Will：從投資的角度，評估 AI 出海項目時主要看重哪些因素？行業投資是否存在泡沫和炒作現象，以及如何判斷一個 AI 項目的真正價值？

吳畏：

從兩個角度：

第一，這幾年中有不同的技術在迭代，最終大模型對你來講就是一個輪子或者是一個鎚子，客戶要的是一輛車，你如何把大模型的技術，結合其他的技術，有可能是一些過去已存在的，無論是向量數據庫、知識庫、NLP、視覺上的東西結合起來，最終交付給客戶，客戶願意買單，願意持續付費，這就是一個好的產品。

如果 2023 年往後看，整個投資機構在之前可能是一個美元基金為主流，現在變成一個產業資本為主流的階段。現在來說可能有幾個方向：第一，如果在國內，更多是 AI 和硬件，包括大模型結合的場景，能夠具體帶來一些實際看得到的，跟具體產業結合比較深的；第二，可能是全球化的資本，包括在美國的美元基金看到的方向，就是所謂的本地 AI 加全球化的方向。現在的狀態，看的人很多，學習的人很多，白嫖的人很多，出手的人非常少。所以建議哪怕現在在創業的 AI 公司，我覺得還是做業務，從客戶那裡拿錢是最持續、最長久的生意發展之道。到了你每個月 ARR 有很穩定很快的增長，那時候投資機構自然就會找過來。

吳畏：你覺得 2023 年這麼多新創立的，無論是大模型還是做應用的公司，2024 年會變少嗎？它會洗牌，會有人出局嗎？

Will：

我感覺應該還是會變多，我只能先說一下硅谷的情況。因為我想過這個事情，包括我看到國內出海的公司，總體來說大家對垂類結合的東西還是很有衝擊，只是它缺乏一個火車頭的帶動。還是拿 Perplexity 舉例，比如說垂類的 Devv，它就是一個垂類結合。其他的垂類結合，大家看到這個以後去模仿的肯定多，可能會馬上冒出來一百個，最後留下來五六個，肯定會有這個趨勢。但再往後看，那就說不定了。我覺得現在很多人還是觀望期，沒有全力試水，所以潛力還沒有被充分釋放。

Will：創業項目如何在海外市場中尋找到自己的定位，並且實現商業化落地？

風勝：

如果今天一家公司想去做出海的生意，我認為有幾點：

1. 先看看市場空間是不是足夠大，它是一個紅海市場還是一個藍海市場，我們進去的話有多大的機會。

2. 你做的產品是不是高頻，它如果是一個低頻的產品，很難做到很大的規模，因為用戶不會經常來用，所以留存率和用戶的復購率不會特別高。我們一定要切一個用戶比較高頻的場景，用戶每天都來用，每天都用這個產品給企業創造價值。

3. 你創建的產品是不是能創建新增量的價值。如果今天你做了一款 AI 產品只是解決了企業傳統流程里的效率，那它只能帶來效率的提升，這部分的價值對企業不是特別顯性的。對於我們來說，要考慮的是創建的東西是否給企業帶來增量的價值，而不僅是效率的提升。如果能帶來增量的價值，客戶願意付更多的錢買產品。如果只是效率提升，那它只是在效率里拿一部分錢付給你。

Will：對於創業項目來說如何保證技術創新的同時實現商業模式的可持續發展？

Kisson：

要想清楚自己要解決的是什麼問題，為哪些客戶，還是為用戶。

解決的問題，toB 無非就是降本增效，“增效”永遠比“降本”要好，這個商業模式永遠是更好的。

第二條路就是你能證明降本，比如說自動化取代一些人的生產力，幫助人提高生產力，這部分一旦你能證明它的生產力提高達到百分之多少，他也願意去付費。當然從這個角度來講，國外的用戶相對比國內的用戶在“降本、提效”方面相對付費意願會強一點的。

一是想清楚付費的邏輯是什麼，你要解決的痛點是什麼；第二，想清楚你的用戶/客戶是誰，一般來說這個很取決於創始人自己的基因了，因為很多時候你去做的一款產品，首先你自己要深入去了解它的痛點、用戶的使用習慣。

Will：出海過程中對於國內外業務的差異和需要關注最重要的兩個點是什麼？

朗豫：

第一部分要抓住用戶的據點，主要是 X 平台和 YouTube，我們一定要抱緊大腿，在 AI 的圈子里。第二，如果用戶進來了之後，它可能和國內不太一樣，比如國內需要一些利益上的交換，但在海外的這些用戶是非常純粹的，就是想用你的產品，或者想用你的產品做一些事情，達到他的預期。我覺得多溝通，特別是在社區里搞 AMA，同時這個項目的創始人或者相應的產品總監可以在社區里多露露面、多聊聊天，這是非常重要的。在國內的一些產品和海外的一些產品還是非常不一樣，國內不太願意露面，不太願意講團隊的情況，這個未來還是需要做一些改變，這是我感覺非常重要的經驗。

吳畏：

全球化或者出海的話題這幾個月越聊越多了，特別是在 AI 創業圈裡。也發現很多企業之前會把全球化戰略放在兩三年後，但最近他們基本上非常快的去加速，也有很多公司現在都在去做全球化。這個折射出來一個問題，就是國內太卷了，以及國內一些類型的產品全球化了以後機會更大。

這裏主要的挑戰，除了要做本地化的數據，本地化的合規，本地化團隊的搭建。有一個小點很有意思，就是創始人本身的英語能力，這個也都很關鍵，特指面向海外資本市場融資時，可能不是每一個創始人都具備的，特別是沒有多年海外留學經驗情況下。

風勝：

過去國內很多創業公司在做 SaaS 時追求大而全。經常我們會提業務中台、數據中台，想通過一個平台覆蓋所有的業務，所有的場景。其實在 AI 這個賽道，我們能看到很多都是一些小而美的公司，包括大家在 AI 這個圈子里能看到的 Midjourney、Stable-Diffusion、AutoGPT，還有一些 7 B 的小模型，很多都是幾個人小公司做起來，非常小，但切了一個非常聚焦的賽道，把公司的價值做得足夠大，這是第一個觀點。

第二，對於 AI 創業人才要求和以前不一樣了，傳統做 SaaS 化，AI 人才更多是前端後端、設計師、產品。但在 AI 這條賽道里要求更多的是算法，甚至還有 Prompt 工程師，還有後端。我自己的體感，這一兩年的體感，對 AI 創業公司來說追求的是人才的密度，而不是人才的數量。AI 要求的綜合素質比較高，既要懂技術，又要懂算法，又要懂產品，又要懂業務，所以人才的密度是非常重要的。一家公司能不能成長好，很核心是團隊里是不是有特彆強的，特別有領導力的，在這個技術領域有影響力的。

Kisson：

首先說國外大部分是歐美的用戶，他們付費的意願和分享的意願相對來說都會比較強一些，因為這個市場比較成熟。toB 方面，這個可以值得說一說，國外整個 SaaS 生態更加分散、標準化的。國內有很多，比如釘釘這樣的生態，它的一個應用里就已經包含了很多很多東西。如果我們要去做小而美的應用，在國內必須要和這些大的應用生態所綁定，才能夠有一席之地。因為國內這些客戶不太存在能夠把所有不同的應用接起來，在一個企業里去使用很多應用的習慣。

如果要 toB 的話，國內的話基本就是 SLG，銷售渠道引導，去和一些大廠商、大生態綁定。在海外歐美市場是存在 PLG，產品做得足夠好就能夠有一席立足之地。