文章來源：極客公園

文章作者：FP 研究中心

圖片來源：由無界AI生成

AGI 領域的融資競賽已在水下開啟。 賬上資金體量，很大程度上影響這些 AGI 領域初創公司的生死存亡。市場上剩餘資金體量，很大程度上影響其他 AGI 領域初創公司可能獲得的融資機會。 因此，在這個時間點上，我們與多家不同資金體量、不同成立時間、不同類型、不同風格的投資機構進行了訪談，他們的投資策略，某種程度上代表了當前市場上 AGI 樂觀派投資人的普遍看法，或者有可能影響到更多可能進入 AGI 投資資金的看法。

我們與我們這次的訪談對象也希望用這樣的形式，幫助 AGI 領域的創業者，還原不同資金規模體量的投資機構是如何思考 AGI 相關投資的。 我們採訪了以下投資機構，可以結合要點進行針對性閱讀。

01. 周志峰 啟明創投 合伙人
02. 朱天宇 藍馳創投 管理合伙人
03. 王嘯 九合創投 創始人
04. 張津劍 綠洲資本 創始合伙人
05. 溫永騰 BV百度風投 執行董事
06. 白則人 線性資本 投資副總裁
07. 楊孟彤 Atom Capital 創始合伙人

Founders Summary
在做了十幾家機構的訪談后（部分交流及訪談未獲得授權無法公開），我們認為：

1.高 Token 消耗的應用場景是明星創業團隊的機會，低 Token 消耗的應用場景適合普通創業者突圍。
普通背景的創業者，在高 Token 消耗的應用場景創業，會讓很多投資人打退堂鼓。
高 Token 消耗的應用場景，其價值顯而易見，是「共識賽道」，是屬於「明星創業團隊」的機會，也大概率是是模型公司會切入的方向，他們的資金槓桿率遠高於行業均值。
模型與應用雙螺旋增長，高 Token 消耗的場景，既需要團隊有模型層的能力，又需要團隊有足夠的資金支撐。普通創業者往往難以在這兩方面給到投資人信心。
反而是在低 Token 消耗的場景中，快速解決具象問題，獲得經驗，贏得新的籌碼，更有可能獲得投資人的初始支持。這樣的場景，往往不在明星創業團隊的潛在殺傷區，拼的是創業者對技術應用的理解、對場景的敏感度、對人性的洞察。

2. 「AI-Native」的團隊是融資的必要條件。
無論創業者背景如何，「AI-Native」團隊已成為融資的必要條件。如果無法利用 AI 提升團隊效率，就難以證明自己對 AGI 有深刻理解，自然也就難以贏得投資者的青睞。
AGI 時代，諸多任務將被 AI 取代，人在公司運營中的作用很可能也會發生變化，創業公司的形態會向更小規模、更敏捷、更低成本演變。
當下，擁抱 AI 的相關初創公司以驚人的速度在市場中嶄露頭角。如，Pika 做到 50 萬用戶、5500 萬美元融資、2 億美元估值時，只有 4 個正式同事，只用了 6 個月。Carrd 做到 260 萬用戶時，團隊不超過 3 個人。
這些小團隊的成功並非偶然，他們憑藉著對 AGI 的敏銳洞察和獨特理解，藉助 AI 的力量實現了快速 PMF、高速 ARR 增長，從而獲得了公司持續運營、擴張的新融資。
這也將成為投資機構未來的共性要求，不斷提高對創業公司人效的評價標準。OpenAI CEO Sam Altman 認為，AI 時代會創造出一種全新的創業公司，一個人的獨角獸公司，則是一種極致人效、資金效率的要求。
對於年輕的應用開發者來說，在 AI 應用中積累足夠的經驗，完成「1 萬小時積累」，體現對 AI-Native 應用及 AI-Native 社會的理解，是證明自己的有效途徑之一。

3. 持續的融資能力是投資機構考核創業者的隱形標準。
首先，不同於移動互聯網時代在一個清晰的賽道上比拼團隊執行效率，今天 AGI 領域（特別是應用領域），創業團隊的「生命力」成為了重要的投資決策要素。
這個要素可以由兩個角度的能力構成，首先是「創始人的持續融資能力」是當前 AGI 相關賽道創始人最重要的能力之一，也是投資機構考察創業者的重要「隱性」標準之一。這是由於 AGI 領域早期技術迭代迅速，沒有人能一上來就「大力出奇迹」的豪賭，而是需要足夠的靈活性才能進行探索和試錯。
所以如果創業者不是「明星創業者」，那麼第二個角度則是能否迅速形成一定程度的商業正循環，以較低融資額獲得留在牌桌上的「看牌」的能力，這些產品實踐足夠多、代價足夠小的團隊特質，也是投資機構會考量的因素，因為這是他們認為創業者能否有足夠的「試錯機會」、是否願意下注的前提。

4. 警惕市場上的「兩輪退」策略。
大部分上一代 AI 公司的投資人並未獲得回報，僅在早期投入到諸如安防、自動駕駛等賽道才獲得了回報，這讓部分投資人對新一代的 AI 創業公司仍存有疑慮。因此當前市場上也出現了諸多「兩輪退」的投資策略（這樣的投資策略並未被我們吸納到本文的訪談里），以保證基金利益最大化，創業者在融資過程中往往很難洞悉這樣的投資策略。
AGI 領域還處於萌芽狀態，這可能是一場至少為期數年的創業之旅。「兩輪」后，創業者往往面臨更激烈的市場競爭，這樣的「退出策略」無疑會加大創業者的後續融資難度。即使面臨融資壓力，尋找到有包容度的資金，快速試錯、迭代，才能確保公司在穩健發展的道路上不斷前行。

01
啟明創投 周志峰

啟明創投已投 AGI 相關項目: 智譜AI、優必選、無問芯穹、銜遠科技、階躍星辰、生數科技、自由量級、雲知聲、梅卡曼德、銀河通用、無限光年等

啟明創投已募管理資產總額：95 億美元

核心觀點：
1. 模型層的高技術密集型創業團隊會產生顯著的虹吸效應。
2. 絕大多數致力於開發大模型的公司最終將演變為模型應用一體化企業。
3. 生成式AI產業的發展正從超級模型向超級應用轉型。

Q1：2023 年有哪些預判被證實或者證偽了？
周志峰：第一，我們把 AI 生態分成了基礎架構層、模型層和應用層，去年投資布局的重點是模型層和基礎架構層的企業，這個投資策略被證明是正確的。
其次，我們在 AI 上繼續遵循我們一貫的科技投資方法論，我們覺得是正確的。科技浪潮的發展，會有技術奇點和市場引爆點，技術落地會有幾個階段。我們認為生成式人工智能還處於早期階段，目前主要由技術創新驅動，尚未進入到產品和商業模式的創新階段。
第三，2023 年初我們預判，模型層的高技術密集型創業團隊會產生顯著的虹吸效應。越是 AI 大咖創業，越是專註於前沿模型開發的公司，其「吸金」能力就越強。最後基本上也得到了證實，中國至少有 80% 甚至更多的資金、資源都投向了少數幾家大模型開發公司。
第四，我們當時認為可能會有三類創業者出現：第一類是 AI 界頂級大咖；第二類是產業界老兵，如騰訊、字節跳動、快手等科技大廠背景的領軍者；第三類則是像 PC 時代的比爾·蓋茨、史蒂夫·喬布斯、互聯網時代的馬克·扎克伯格那樣的年輕創業者，他們對新技術有深刻的洞察和極大的熱愛。這個觀點也經過了一定的驗證。
此外，後來的事實也證明了當年我們比較猶豫的一些方向。我們曾經考慮過布局一些利用第三方大語言模型的應用產品，尤其當時美國企業 Jasper.ai 非常火爆。我們對這類項目的壁壘和可持續增長性有一定的擔憂，但仍然認為中國應該會出現很多應用層公司。中國的生成式 AI 應用公司 2023 年在中國的成功度遠遠低於美國的應用公司，也在資本市場上沒有達到美國的投資熱度。去年美國市場上融資額超過 5000 萬美元的應用公司有二十家以上。我們去年看了大量的應用層的公司，國內大約有 300 多家，並追蹤了國外差不多 1000 多家公司，但最終出手的並不多。


Q2：啟明創投在 AI 賽道會有什麼特色的投資邏輯？
周志峰：啟明創投應該是國內投資大模型公司數量最多的機構之一。這和市場上很多機構的投資策略不同，我們相信這個類別中可以湧現出多家成功的公司。
我們的底層邏輯是，絕大多數致力於開發大模型的公司最終將演變為模型應用一體化企業。在每一輪技術革新中，應用層往往會捕獲最大的市場價值。自研模型的公司未來不僅會在模型和算法上有所建樹，還將根據自研模型和所掌握數據的特點，深入到特定的應用場景中，從而創造更大的商業價值。
現階段，我們將模型層的公司分為三類。第一類是基礎模型公司，它們類似於建造電廠，旨在讓其他企業接入並使用其服務，代表公司如 OpenAI 和智譜 AI。第二類是開源模型運營平台，它們提供開源模型、模型優化和託管等服務，如 Hugging Face 和中國的阿里雲魔搭社區。第三類，我們最初稱之為垂類模型，但現在更適合稱其為模型應用一體化公司，這些公司直接利用自研模型去開發自己的垂直行業類或特定功能類應用。
生成式 AI 技術還處於發展早期階段，類似於互聯網的早期，各家公司還需要自己參与構建一部分技術基礎設施，或不斷適應動態發展的底層技術。
短期內，我們認為自研模型的公司將展現出更大的競爭力。它們能夠從訓練數據、模型優化等多個維度進行差異化競爭。模型層的公司根據自己的技術特點，開發出不同的應用來凸顯其自有模型的優勢。舉例來說，如果一家專註於娛樂領域的模型應用一體化公司，它們在預訓練和對齊階段都使用了大量的愛情小說和電影情節數據，那麼其訓練出來的模型在對話時具有更加豐富的情緒表達，就會與一些通用的基礎模型形成鮮明對比。
另外，從資本體量和試錯成本上來看，模型層的公司做應用也具有優勢。在 2023 年，模型層的公司融資額是以數億美元計算，而應用層的公司融資額在千萬美元這個級別，這意味着模型層的公司去探索應用時可以負擔足夠的試錯成本去迭代自己的應用產品。
市場上，一些人可能會看到 OpenAI 在全球範圍內的領跑地位，從而對模型層的其他創業企業比較悲觀。我們也觀察到一個有趣的現象：一旦 OpenAI 探索出一個新的技術創新，其他公司往往能夠以更低的成本復刻，並縮小與其的差距。我們目前的觀察是，包括中國在內的全球第一梯隊的近 20 家模型研發公司，成本上，正在以大約 1/5-1/10 的成本去實現 OpenAI 的目前一代先進模型的水平；速度上，追趕的周期越來越短。而在 2023 年上半年，大家普遍認為追趕者和 OpenAI 有 18 個月左右的差距。
在投資策略上，我們今年會更注重早期投資布局。
雖然啟明創投管理的資金體量相對較大，但作為一家創投機構，一方面當前很多研發語言模型和多模態模型的企業即使是早期，估值也不便宜，後期就更難投資。另一方面，生成式 AI 公司需要走過 TMF（Technology Market Fit）、PMF（Product Market Fit）階段，一般來說需要的周期是遠長於消費品牌產品等其他領域的公司。一旦生成式 AI 企業完成了 TMF 和 PMF，過了拐點，其上升趨勢的斜率則更為陡峭，那時企業的價值會變得很高。


Q3：啟明創投最近有什麼對於 AI 的新思考？
周志峰：我們最近一直在思考，生成式 AI 產業的發展從超級模型向超級應用轉型時，我們從投資角度應該如何應對。
因為我們投資了多家大模型團隊，他們與產業鏈上下游的夥伴之間合作緊密，這些合作為我們揭示了潛在超級應用方向的信號。最近，一些歷史上取得成功的創業者和科技大廠高管開始湧入這個領域，有些是選擇直接創業，有些是選擇加入創業公司，助力產品和應用的開發。
要實現從超級模型到超級應用的轉變，我們需要思考三個關鍵問題：這一轉變何時發生？以何種方式發生？以及由誰來驅動發生？
為了更深入地理解這種轉變，我們研究了歷史上幾代科技大浪潮中湧現出的科技巨頭的成長史，訪談了很多包括抖音早期團隊在內的業界專家，試圖找到一些底層規律性的東西。
這個問題是有一定時效性的，技術在不斷變化，之前的判斷可能在某個時間點后就不再成立了。在投資應用公司時，關鍵在於明確最我們要投什麼樣的技術能力、背景和策略的團隊或企業。
短期內，我們看好自研模型去探索應用的公司，它們可以從數據、算法、系統、算力、模型優化等多個方面進行差異化競爭。


Q4：這一代大模型相關的 AI 創投浪潮與上一代會有什麼區別？
周志峰：這一次是以預訓練模型驅動的生成式 AI 為主，上一代主要是以感知為主的判別式 AI。
判別式 AI 的核心特點主要有兩點：第一，它主要是進行視覺和語音的判斷，而無法進行深層推理，它的應用場景較為有限，主要在人臉識別、物體識別、語音識別、基於視覺的智能駕駛等任務上取得了較大的發展。第二，上一代 AI 模型需要為特定任務定製，其泛化能力有限。
這也是為什麼在過去 10 年中，人工智能企業在技術落地時會遇到較大挑戰的原因，因為它們需要為不同場景組建不同的團隊。例如，很多人認為酒店入住時的人臉識別系統與公共場所的基於人臉識別的智能安防系統的功能相似，然而，從模型構建、訓練到部署，以及芯片和攝像頭等配套硬件上，兩者存在顯著差異。
之前的十年，人工智能技術主要在三個場景取得了規模化應用的成功：第一個是互聯網的推薦系統，代表公司是字節跳動；第二是智慧城市，市場體量足夠大，只有場景體量大才能形成閉環迭代，不斷降低成本和提升性能；第三是智能駕駛，比如特斯拉通過幾百萬輛車完成了軟硬件生態的閉環迭代。
今天的生成式 AI，為我們打開了無限的可能性。
對於未來可能出現的大應用場景，目前我們暫時認為有三類：
第一類是使用AI提升生產力效率的場景，如針對特定行業或領域的軟件工具，自動化重複性任務、提供決策支持、優化資源分配；
第二類是泛娛樂領域，包括遊戲和其他創新型人機互動、內容生成的娛樂應用；
第三類是變革信息流轉方式的創新應用。

Q5：為什麼中國的產品層創業暫時低於預期？
周志峰：美國在應用創業方面做得很好，用戶基數及增長的量比國內大。一個側面的數據是 2023 年美國頭部創投基金投資生成式 AI 應用公司的比例是非常高的，佔到了 AI 投資的 50% 甚至更高。
由於 OpenAI 等企業的先發優勢，美國的大模型生態比中國起步早，目前更成熟。更多的應用公司利用這個成熟的生態做出了好產品。而中國的大模型生態還在初期發展中，基本上是從去年年中開始，比美國滯后一些。
美國的這些應用公司中可以分為兩類，一類是 ToB，一類是 ToC。ToB 的公司主要是針對中小型企業的，美國的中小企業付費意願更高，產品型企業更容易找到 PMF，做出 ARR，並獲得融資，形成正向循環。而 ToC 的公司目前主要是陪伴型 AI 產品獲得了初步的成功。


Q6：這一波大模型的出現，對啟明創投本身有什麼影響？
周志峰：ChatGPT 的出現並獲得了巨大的商業成功，這無疑是一個引爆點。在過去的一年中，我們一直在逆勢招人，不斷補充 AI 團隊成員。我們現在團隊中有一部分成員是具有機器學習專業背景的，有實操訓練大模型的經驗，也補充了對 AI 應用非常有熱情的、正在沉浸式使用 AI 的同事。在國內機構中，像啟明創投一樣投入了這麼多資源在這個賽道上的還不多。
我們回顧 2023 年發現，啟明創投在 AI 領域的投資佔比與美國幾個活躍布局 AI 的頂級 VC 基金在相同水平上。
2023 年，美國創投市場投向 AI 的資金約為 250 億美元，而中國僅為十幾億美元或等值人民幣，可以看出兩國在 AI 投資上的差距。今年，我們預計中國市場化機構對 AI 的投資將比去年更加活躍。去年美國市場大量的資金來自於科技大廠的戰投；在中國，去年活躍的投資者主要包括少數頭部美元 VC，以及美團、騰訊、阿里巴巴、螞蟻金服、小米、金山、商湯等戰投，以及一些政府引導基金。
我們預計，今年投向 AI 領域的資金會有所增加。這一預測基於多方面的原因：我們與眾多機構進行了深入的交流，發現他們對 AI 的興趣在不斷增加，無論是美元基金還是人民幣基金，都在积極尋找 AI 領域的投資機會。
其他一些积極的信號也包括：隨着 AI 技術的不斷髮展和應用場景的拓展，越來越多的有經驗的「老兵」和有熱情的新銳創業者湧入這個領域，為投資者提供了更多的選擇；政府層面也開始重視並推動 AI 產業的發展等，如推動算力基礎設施建設、數據共享和開發利用等。
此外，中國在製造業和產業升級方面具有顯著優勢，為具身智能等 AI 技術的應用提供了廣闊的發展空間。

02
藍馳創投 朱天宇

藍馳已投 AGI 相關項目: 智元機器人、銀河機器人、Moonshot、潞晨科技、西湖心辰、冪律科技等
藍馳在管資金規模：超過 150 億元人民幣

核心觀點：
1. AI+3D 交互+Robotics，疊加底層的 Web3 技術，三浪疊加掀起生產力革命。
2. 這個階段具體的投資策略本質上還是投優秀的團隊。
3. 創業者要麼就專心做模型，要麼專心做場景。

Q1：大模型出現對藍馳的投資是否有影響？
朱天宇：外界一個知名的投資人對藍馳在這波 AI 領域的投資評價是：可能是過去這一年最活躍的前三家之一。
但藍馳看 AGI 領域的投資，並不僅僅是從 AI 單方面去看的。2022 年底，我們有一個判斷：AI+3D 交互+Robotics，疊加底層的 Web3 技術，三浪疊加掀起生產力革命。這個是藍馳看 AGI 的底層邏輯。
之前的互聯網是二維的，人類處理的都是二維空間的數據；但是從人工智能開始，我們要處理的是三維空間，也就是立體的空間數據。當 AI 能夠獲取 3D 數據，它進階的速度會加快。而機器人則是重要的執行終端。
現在可能還是互聯網時代的 2000 年以前。從細節行業不同環節的價值來看，這一波的 AI 浪潮下的底層基礎設施在未來的佔比，可能會比互聯網更高一些。互聯網時代經常談長尾效應，我們認為長尾應用的未來份額佔比可能會超 50%。每一個小的任務單元，可能都比以往的價值更高。


Q2：藍馳在 AI 領域的投資策略是什麼？
朱天宇：從具體的投資策略上來看，本質上是投優秀的團隊。優秀團隊選擇的方向，是基於他自己的一些很深刻的高維認知，不代表說他當下的切入角度或力度一定是對的，這隻是他按照自己的邏輯進行試錯的第一步而已。藍馳有 20 多年的歷史，且目前在早期機構中屬於資金量比較充足的，選擇優秀的頭部團隊是我們踐行的一貫策略。
投資大模型的具體邏輯：
從全球來看，理論上，市場容量可能也就只有一兩家。但是考慮到自主性，中國也會有自己的大模型。我們思考的是最後這個賽道上會留下幾家？大模型公司的發展很大程度上取決於其人才密度、算力資源、數據資源。其中早期階段，最核心的還是人才密度，尤其是天才科學家的密度。
投資具身智能的具體邏輯：
一個是我們相信三浪疊加的大趨勢。一個是中國的比較優勢是在製造業層面。具身智能現在進行到什麼階段，我們還需要觀察。但是我們要在早期就想到終局，可能也會想到如何合作聯合。但是我們認為，具身智能帶來的是不一樣的數據，是空間數據。我們認為，OpenAI 投資具身智能公司，很可能也是為了這樣的數據。這是兵家必爭之地。具身智能當前的投資階段，最核心的也是人才密度。
投資應用的具體邏輯：
目前藍馳投資了一些垂直方向，涵蓋法律、教育、招聘、娛樂、銷售等。實際的投資邏輯，一部分是找到那些有可能形成自己數據壁壘的場景，有助於形成數據飛輪。一部分也是因為看中了非常 AI-Native 的年輕團隊。整體來說，還處於探索階段。
看應用的話，目前藍馳主要是看三個要點。首先，data  rich 的場景，主要是要有上下文，且有足夠多沒有被数字化的場景的數據。其次，要一邊賺錢、一邊賺數據、一邊賺知識，形成數據飛輪。三是要有降低成本的能力，比如要搭配不同的模型，甚至有自己訓練的一些模型，80% 的請求通過自己的模型完成，藉助 PMF 形成的數據飛輪，激發收入，並形成新的數據壁壘。
目前來看，能做出這樣產品的「六邊形戰士」主要是是兩類：一是之前真正從 0 到 1 做過產品，對數據、場景有理解的創業者；一類是年輕的 AI-Native 的創業者，可能還在大學前後，但是每天都在使用 AI，甚至可能已經在 AI 工具上實現了 1 萬小時積累。


Q3：去年為什麼沒有大量的創業公司拿到融資？
朱天宇：美國投融資市場也很卷，VC 支撐美國這個市場已經走了五六十年，只有最厲害的創始人，才能拿到最頭部機構的錢，才能拿到最多的錢。中國 VC 已經經過了 20 年的發展，也見多識廣了。AGI 由於對算力、資源、資本要求高，必然呈現出高度競爭的狀態。中國去年是百模大戰，但後面可能也會合縱連橫，未來也會有合併整合了。
對創業者來說，要麼就專心做模型，要麼專心做場景。基礎模型日新月異，但做場景必須也要深刻認知到模型的能力和變化。


Q4：最近在思考的 AI 相關的問題是什麼？
朱天宇：Sam Altman 說未來的創業公司也許是 1 個人就能做出獨角獸公司。我們也在思考，什麼樣的人、什麼樣的場景能有 10 億美元這樣的槓桿率。
最近 Sora 發布，我也發了自己的思考問題：智能沿着數據生長，還是數據沿着智能生長？增量新數據和存量舊數據的特徵分別是什麼？新數據產生的場景怎麼排序？


Q5：未來的超級應用可能是什麼？
朱天宇：世界是多模態的，當前的大模型都是在消耗人類以往已經被数字化的知識，這些數據基本都是 2D 的。從空間角度來講，人類現在生活空間可能還有 95% 的空間沒有被数字化。所以當這些東西被数字化之後，可能帶來什麼樣的應用啊？也許應該從這樣的角度去思考未來的超級應用。


Q6：最近經常問創業者的問題是什麼？
朱天宇：PMF 探索過程當中得到的收穫是什麼？
如何數據閉環，數據的壁壘在哪裡？
如何降低成本，目前降低成本卡在哪裡？


Q7：這一代 AGI 創投與上一代 AI 有什麼不同？
朱天宇：在人工智能中，最值得期待的就是 NLP 的突破——NLP 是認知的入口，是基於語言文字的積累，能夠調動的存量知識足夠多，且跟人的交互更頻繁、更接近行業應用。一旦 NLP 完成了突破，人類就可能「勾」到更高級的數據場景，訓練出更高級的 AI。大語言模型的出現就是這樣的突破。
上一代的信息革命、互聯網，其實還是在傳輸信息，而這一代的 AI 是創造信息——例如 GPT——是在生成；之前的很多商業模式都是基於連接的，而接下來的商業模式是基於創造，所以就有一定的價值分配問題。之前的人機協作更像 SaaS 服務，但是接下來的人機協作很可能是機器會介入到人類的的思考和生產流程中，是有來有往的，不再只是外掛、輔助式的。

03 
九合創投 王嘯

九合已投 AGI 相關項目: CreativeFitting（井英科技）、行者 AI、心影隨形等
九合在管資金規模：數十億人民幣

核心觀點：
1. 大數據配合大模型才能解決一些更深度、更難的問題。
2. 會傾向於投資用大模型相關技術能力去做一些更貼近用戶和客戶需求的解決方案。
3. 技術公司的回報周期往往超出了一支基金的存續期，希望未來的生態匹配更健康。

Q1：AGI、LLM 的出現，對自己的基金產生了一些什麼樣的影響？
王嘯：九合自 2015 年開始關注 AI 賽道，從 AI 的底層到應用層都有布局。當時市場以大數據、小模型為主，但我們認為還不能解決很多問題，大數據配合大模型才能解決一些更深度、更難的問題。
2022 年，隨着 ChatGPT 的出現，我們對於通用人工智能的實現可能性有了更樂觀的看法，感覺它已經在時間表上了。儘管我們對通用人工智能的定義可能有所不同，但我們認為包括 GPT 在內的一些算法已經具備了通用智能的特性。
這意味着人工智能已經從 1.0 升級到了 2.0，這是一個顯著的代際差別。過去，我們主要依賴圖像識別技術的成熟和準確率的提升，從而實現了從人臉識別到自動駕駛，再到醫療照片識別等一系列應用場景的拓展。然而，現在的大模型技術不僅局限於單一的任務，具有泛化能力，將催生更多場景中更具價值的應用的誕生，其影響的場景規模和數量將更為龐大，且持續時間可能更長。互聯網已經影響了我們二十多年，智能手機也已經存在了十幾年，大模型的影響周期可能會更加深遠。


Q2：2024 年，在 AI 投資方向的具體策略是什麼？
王嘯：在投資策略上，我們主要關注大模型作為一種基礎能力，如何與應用場景相結合，解決用戶和客戶的需求。我們會傾向於投資用大模型相關技術能力去做一些更貼近用戶和客戶需求的解決方案。
目前，我們不太可能直接投資大模型，因為我們認為這是非常重的競爭，需要很強的資源，不一定是創業公司的機會。相反，九合的基金更適合於投資那些利用大模型技術的中間件和 ToB/ToC 應用。


Q3：2023 年，有哪些關於 AI 的投資策略的思考是被證實了，哪些被證偽了？
王嘯：在此之前，我們就很看好大模型在多模態上的應用，並認為這是一個有機會的方向。在去年和前年看過一些多模態的創業公司，當時覺得他們的技術方案沒有形成突破，結果上還不理想，比如不能生成完美的視頻，另外覺得圖像生成可能不能單獨成為一個公司的主營業務。
這些現在倒回來看都已經被證實。現在我們比較關注大模型真正的落地應用場景和應用方向在哪裡，比如九合投資了 CreativeFitting（井英科技）、行者 AI 等，都是聚焦在細分的場景中。我們最近也在思考 AI 在教育、醫療、法律等方向的應用。但我們覺得新一代的公司需要解決上一代技術公司要解決的問題。


Q4：現在有一些什麼樣的新的思考？
王嘯：上一波的 AI 里，只有投資了少數幾個場景、且在早期投資的投資機構獲得了回報。前者是因為上一波 AI 具有的泛化能力有限，只能解決單一問題；後者是因為大量的創業公司天花板沒有那麼高，長期發展上蓄力不足。大模型時代，可能做大的場景會變多。
創新是需要資本去鼓勵的。以前中國的互聯網創新很多是靠美元基金支撐的。現在，中國的科技創新也需要更多包容性的資本去支持和培育。
但當前基金整體的問題可能是，技術公司的回報周期往往超出了一支基金的存續期。九合的基金在人民幣中屬於比較長期的，是十年期，很可能未來的技術回報需要更長的時間，希望以後這個生態更匹配更健康。

04
綠洲資本 張津劍

綠洲已投 AGI 相關項目: MiniMax，無問芯穹、Boson.ai、逐際動力等
綠洲在管資金規模：超 5 億美元

核心觀點：
1. 数字化機會——利用科技手段更好地服務甚至替代這些專業服務。
2. 非常看好 Agent 領域，所有的軟件都會因其被重塑。
3. AI 與中國供應鏈的深度結合也是一個重要方向。

Q1：AGI、LLM 的出現，對自己的基金或者自己產生了一些什麼樣的影響？
張津劍：去年 AI 熱潮興起后，綠洲資本在 AI 領域的投資非常积極。
這主要源於綠洲資本對中國數智化升級這一主題的理解和探索。
中國當前面臨的一個巨大機會——過去 20 年高速增長帶來的巨大需求與專業人才不足之間的矛盾。
這種專業人才不足的現象在各行各業都顯而易見，如記者、教師、心理醫生、律師等。中國缺乏真正意義上的大規模優秀人才，而專業人才的培養需要時間。
這種巨大的差距正是綠洲資本看到的数字化機會——利用科技手段更好地服務甚至替代這些專業服務。
但過去無論是通過軟件還是硬件去解決這些問題，往往依賴於特定場景的規則一一映射，只能在特定場景下發揮作用，不具有泛化能力。
直到 2022 年，看到了 Stable Diffusion 開源，我們意識到有可能找到了一個突破特定場景限制的方法。這是綠洲資本看到的最大機會。
另一個綠洲在這波 AI 創投浪潮积極投入的原因是，我們認為，科技的發展不是線性的，當一個重要的科技分支取得進展，其他很多科技樹、技能往往也可以點亮，併產生出難以想象的融合價值。
ChatGPT 的出現讓我們意識到代表着以 Transformer 為底層結構的一種新的思考問題的方式得到了證明。
因此，從去年開始，我就跟團隊說，要關注兩件事情。第一是整個通用大模型本身的發展所帶來的未來機會，尤其是對專業服務的重塑。第二是AI 與其他技術的融合所帶來的機會，PC 電腦和互聯網的融合誕生了互聯網時代，Transformer 模型與其他技術的融合也將帶來新的機會。


Q2：2023 年，有哪些關於AI的思考是被證實了，哪些被證偽了？
張津劍：去年綠洲資本在投資策略上確實經歷了許多變化，有些策略被證實是有效的，有些則被證偽。
首先，綠洲資本嘗試投資了一些 AIGC 相關的項目，包括文生圖、文生 3D 等，但是最終決定不投資文生視頻領域。思考的邏輯是，我們沒有看到該領域的護城河和最大價值所在。如果事情足夠簡單，那麼生成圖片或文字的公司可能順帶就做了；如果事情極度複雜，這可能是大廠的機會，因為對算力、人才、資金等的要求會更高。目前來看，這個決定暫時是正確的，最近 Sora 帶來的震撼確實很大。
其次，綠洲資本一直以來都非常看好 Agent 領域，所有的軟件都會因其被重塑。2023 年一年這個觀點還沒有得到證實，主要原因是業界還沒有找到爆發性的應用場景。
我們認為現在還沒有到臨界線，還需要繼續尋找爆發點。
綠洲資本依然對這個領域持樂觀態度，認為它是今年的一個重點方向。
此外，綠洲資本在人形機器人領域也進行了很多研究和投資。雖然大家都說人形機器人與 AI 的結合是未來的趨勢，但目前來看，這個結合點還不夠緊密。這可能是因為機器人本身的反饋系統和傳感器的精度與 AI 的結合還存在一些差距。


Q3：2024 年，你自己對 AI 思考最多的幾個問題是什麼？
張津劍：AI 的巨大突破、人形機器人的出現、AR/VR 的新接入設備、區塊鏈技術的日漸成熟以及元宇宙時代的到來都為綠洲資本帶來了巨大的機會。綠洲資本更多地思考這場社會變革而不僅僅是關注技術本身。
如果說工業革命是讓人類被迫從體力勞動升級為了腦力勞動，這次的技術革命，很可能的結果是所有靠所謂的知識的創造價值的工作都會被 AI 幹掉，人類被迫進一步的升級到「心力勞動」，去創造更大的價值。
我最近在想的就是未來的核心資源要素是什麼。今天有人說是算力和能源，我認為這個思考是站在過去和現在去思考未來的，但是未來可能不是這個樣子。比如過去 20 年，你只要參与了中國的這個城鎮化建設，都會享受到社會的紅利。典型的行為是機構開發房地產、散戶買房。
那接下來 20 年的AI技術革命浪潮中，Agent 可能成為最要的交互載體。那什麼是 Agent 的土地？Agent 跟 Agent 之間的長期關係是什麼？如何估值甚至評估一個 Agent ? 這些問題將決定人們在 AI 時代的命運和未來。


Q4：2024 年，基金的主要投資方向有哪些？
張津劍：今年會有越來越多的人開始關注機器人本身。隨着像 Sora 這樣的技術的出現，行業意識到模型層的差距，也會開始尋找中國在大模型時代的策略與優勢。
此外，我認為 AI 與中國供應鏈的深度結合也是一個重要方向。無論是 AI 手機還是未來的智能硬件，都將發生改變。比如，如果 AI 能夠理解並處理更多的複雜交互，比如通過語音或其他方式接收並處理你的需求，人類的生活方式將發生更大的變化。當然，這可能也會涉及到大規模的網絡通信和計算、隱私保護、設備間的信息互通等問題。
這些都可能引發 IT 技術結構的變化。這種變化將涉及到雲、邊、端、網絡底層的基礎設施以及上層支持的 Agent 的重塑。


Q5：如何判斷一個好的 AI 公司創始人？
張津劍：綠洲一直堅信「創業者的生命力本身」，即創業者與生俱來的韌性和不斷自我突破的能力。
進入新的世界需要的是勇士，最重要是他們能否實事求是地自我成長和突破，能否成熟地面對各種變化的環境，在變化中如何最大化利用外部資源，快速做出正確決策。
比如，出海和全球化並不是一件遙不可及的事情，這很可能如同當年鄉鎮企業進軍全國市場。一旦突破了思想上的束縛，中國創業者就能夠更好地參与國際競爭並在全球市場中脫穎而出。
一個好的創業者應該是一個被激活的狀態。無論是國內還是國外，這一輪人工智能科技浪潮非常多優秀的人才都是 85 后，甚至 90 后。這是一個屬於他們的時代，一個充滿生命力和希望的時代。
2023 年，綠洲投資了很多第一輪的項目，這些項目在投資時並沒有 PMF。我們認為，PMF 是一個后驗的概念，更重要的是人在對的方向上的理解。因此，綠洲資本更看重的是人，一個有生命力的人。

05
BV百度風投 溫永騰

BV已投 AGI 相關項目: 生數科技、Morph Studio、西湖心辰、智元機器人等
BV在管資金規模：超 7 億美元

核心觀點：
1. AIGC 時代可能能構建一個基於用戶即時現實需求提供即時反饋的生成式推薦系統。
2. 視頻模態在所有模態中具有最高的商業化天花板，且應用場景極為廣泛。
3. 中國有望成為全球最大的生成式 AI 消費級應用市場。

Q1：BV百度風投在 AI 領域的投資策略是什麼？
溫永騰：BV百度風投從 2021 年開始探索基於 GAN 技術的 AI 生成技術和產品，當時我們就將其稱為 AIGC。儘管那個時候的技術還不夠成熟，但仍然讓我們看到了生成式 AI 的巨大潛力。


我們的初衷並非僅僅追求生成能力，而是希望構建一個基於用戶即時現實需求提供即時反饋的生成式推薦系統。這樣的推薦系統需要強大的生成能力作為支撐，一旦實現，將對互聯網應用和平台的格局產生深遠影響。


2023 年，大語言模型的發展，尤其是 ChatGPT 的發布使我們離這一願景更近了一步。


我們的策略是希望可以領先市場一年左右的時間投出好的團隊和產品，之前 BV百度風投主要關注多模態領域，並在 23 年初投資了生數科技和 Morph Studio，這兩家都是當前比較早進行多模態模型研發的團隊，已經進行了不少相關的技術和產品儲備。
BV百度風投之所以如此重視多模態，主要有兩個原因。


首先，從模型本身的角度來看，多模態數據和能力是實現 AGI 的必要條件。人的思考和學習過程並非單一文本模態所能涵蓋，因此，要實現 AGI 多模態是必由之路。
其次，從應用的角度來看，多模態更符合用戶的交互習慣。我們不能期望用戶僅限於單一的文本模式交互。相反，視頻、3D 等多種模態不僅更貼合用戶的使用偏好，而且能夠吸引用戶投入更多的時間。這種多樣化的交互模式，不僅豐富了用戶體驗，也為應用開發者提供了更廣闊的創新空間。


Q2：Sora 發布，基礎模型的競爭進入多模態新階段，創業公司還有機會么？
溫永騰：Sora 發布，對中國創業公司正產生影響。
外界一種聲音認為 OpenAI 會壓制創業公司的生存，特別是在視頻領域的多模態公司。但我認為這種想法是有偏頗的，忽略了幾個關鍵的因素：
首先，Sora 的成功證明了 ViT、DiT 路線的價值，就像當年的 Transformer 技術一樣。儘管 Vit/DiT 的技術路線並非 OpenAI 最早提出，但其成功驗證了這一方向的有效性。對於中國的公司而言，這既是一個挑戰也是一個機遇。它說明，接下來的關鍵不僅僅在於探索方向，而更在於中國公司的技術執行力和產品執行力。中國市場對本土化的模型也有迫切的需求，預示着接下來將會出現類似於當年 LLM 一樣的基礎模型激烈競爭。這不再僅僅是跨模態模型的競爭，而是更廣泛的多模態基礎模型的競爭。
當下，大部分的 LLM 創業公司都需要重新思考自己的戰略：是否要跟進多模態的進展。因為資源有限，且之前的人才布局和研發重點大部分都不在多模態領域，因此這也是一個相對慎重的戰略決定。多模態模型的研發需要龐大的算力、人才以及其他資源支持，想要在這一領域脫穎而出，創業公司需要解決幾個關鍵問題。
首先，團隊當前最核心的因素。在多模態研究領域，真正具備多模態實力的團隊仍然相對稀缺。接下來的競爭焦點之一將是如何吸引和獲取這些優秀團隊。儘管 OpenAI 指明了方向，但技術的具體研發落地仍然充滿未知和挑戰，需要有經驗的團隊來深入探索和解決，BV百度風投參与投資的生數科技和 Morph Studio 都在這個領域有很深積累。
其次，資本投入也是一個重要的考量因素。在多模態模型的研發過程中，資本將起到關鍵作用。投資者在考慮投資時，會關注團隊的稀缺性和在該領域的積累。
我們不太認可市場上關於「做出 Sora」需要的巨量資金體量的悲觀判斷。有些聲音認為國內公司可能無法跟進如此龐大的資源消耗。一方面我們不能靜態地看待這個問題，隨着技術的不斷進步和算力成本的下降，未來國內公司完全有能力跟進並做出自己的貢獻。
另一方面，我們也需要考慮到多模態模型特別是視頻模態模型的商業化前景。我們認為，視頻模態在所有模態中具有最高的商業化天花板，且應用場景極為廣泛。無論是商業視頻還是娛樂視頻，都存在着巨大的市場需求。因此，隨着多模態技術的不斷髮展，將解鎖更多新的應用場景和商業機會。
對於創業公司來說，2023 年開始的第一波投資只是開始，2024 年的第二波投資競爭將更加殘酷，需要看這些團隊能否真正將類似 Sora 和原型和其商用產品做出來。


Q3：AGI 創投的未來的引爆點可能是什麼？
溫永騰：應用層的機會與空間依然很大。


理論上，就像移動互聯網時代，一個成熟的產業的生態格局中，應用層的收入會佔大頭。2023 年，儘管 AGI 相關行業在算力層面的收入達到百億美元體量，應用層在整體收入也達到了數十億美元的體量。雖然兩者在收入上還存在着一個數量級的差距，但是海外 AI 產品的商業化能力依舊超出了預期，這種情況在中國也一定會發生。


中國應用層的創投層面的爆發還需要一兩個契機。比如，有創業公司能夠做到 1000 萬以上的 MAU 或者訂閱收入達到 1 億元人民幣，投資人對行業的看法將會發生比較大的改觀。


在應用層，BV百度風投特別看好消費級應用成為這樣的「引爆點」。儘管之前有很多同行認為生成式 AI 消費級應用領域門檻不高，差異化不明顯。但我們依舊對依舊在美國驗證的產品形態結合國內優秀產品技術團隊的落地能力的組合抱有很高的信心。


在這個階段，投資的主要依據是團隊。核心看創業者如何理解技術的邊界和如何做一個滿足用戶需求的產品。


我們認為，AI 產品獲得用戶信任的關鍵在於提供以前無法實現的服務或比現有方案好十倍的解決方案，需要創新而不僅僅是在現有產品上添加功能。


創業者應該勇於嘗試錯誤、開發產品，並考慮產品-市場契合度（PMF）。應用層的投資邏輯與模型層不同，如果無法實現 PMF，公司可能難以持續融資。對於消費級應用，關鍵指標是用戶增長和留存；對於企業級應用，則是 ARR 和付費留存。我們希望看到創業者勇於嘗試、反覆迭代，而不是只停留在邏輯推導上。我們觀察到，海外知名應用，如 Perplexity AI 等發版迭代周期也很短。未來的「張一鳴們」現在做的事情可能還很小，還不那麼性感，但如果足夠 AI 原生，就應該堅定選擇這樣的方向先去試錯。


在考慮創業和投資時，必須認識到中美市場的本質差異。現在美國是全球生成式 AI 最大的企業級應用市場，但中國有望成為全球最大的生成式 AI 消費級應用市場。中國擁有世界級的工程師和產品經理，這為國內應用的發展以及中國團隊在全球市場的表現提供了堅實的基礎。因此，不管是針對國內市場的發展，還是中國團隊打造面向全球的應用，我對此都持有強烈的信心。

06
線性資本 白則人

線性已投 AGI 相關項目: 心識宇宙、TIAMAT、Encred、靈宇宙、冪律智能等
線性在管資金規模：20 億美元

核心觀點：
1. 更傾向於投資 AI 相關的應用，即 useful agent。
2. AGI 帶來生產力變革、交互形式創新。
3. 投AI原生應用時，創業團隊自身必須是 AI 的踐行者。

Q1：2024 年，AI 在基金投資策略里的定位是什麼？
白則人：線性自成立之初就一直專註在數據智能及科技深度賦能產業的投資方向。
當前，我們重點關注有重大技術突破、及這些技術突破在豐富應用場景中落地的項目。方向上，主要體現在投資新能源、新材料、生物科技、機器人先進製造以及 AI 等領域。


Q2：2024 年，基金大概會有多少量級的基金投向 AI？
白則人：AI 在我們的整個投資策略中佔據重要地位。
以 2023 年為例，AI 方向的投資項目在總體項目投資數量中佔比超過 20%，今年會繼續增加。按照我們的在投基金體量測算，今年投向 AI 方向的資金大約會有大幾千萬美元。
去年上半年，我們曾考慮投資一家大模型公司，但最終沒有實現。其原因體現着我們對投資策略的思考變化。現在，我們更傾向於投資AI相關的應用，內部稱之為 useful agent，意為解決實際的商業問題。接下來將圍繞這個方向進行投資。


Q3：2024 年基金在 AI 投資方向的具體策略是什麼？
白則人：我們認為，2024 年 AI 發展已進入第二階段。
此前第一階段里，行業更多關注模型本身基礎能力的提升。當前，我們認為會有更多可以落地在垂直場景的 AI 應用成長、成熟。
原因在於：
第一，雖然模型能力仍然在不斷提升，但其基礎能力已經展現了相當的泛化性，能夠在通用的內容生成場景上達到不錯的效果；其次，整個 AI 開源生態的繁榮使得應用層的公司能夠以更低門檻和更高的效率使用最強大的 AI 能力；最後，我們也看到，在摩爾定律與模型調優的雙重作用下，推理（inference）成本不斷降低，為 AI 大規模應用商業化提供了可能。
接下來行業面臨的問題是，AI在更垂直領域、更長流程、更複雜的場景下如何落地，如法律、醫療、教育、金融等等領域。這裏需要解決如何有效地獲取領域數據，如何做模型調優使結果更精確可控、如何更好地融入用戶的 workflow 等問題。我們非常期待見到既懂模型又有行業 know-how 的創業團隊。
在 AI 的具體投資方向上，我們今年原則上採取不設限的投資策略。原因在於，我們相信這一次 AI 浪潮帶來的首先是生產力的變革、其次是新的交互形式，這兩點的變化理論上可以在相當廣泛的領域中產生強烈的化學反應。所以，所謂不設限首先是投資方向上不設限，無論是模型層、Infra 層、中間件、工具還是應用層我們都會關注。雖然我們會投更多的應用項目但同時我們也會跟上最前沿的模型發展以幫助我們更好地判斷應用投資項目。
第二，無軟硬件限制區分。我們看好 AI 與硬件的結合，不論是能對物理世界有更強感知與交互的機器人還是新的消費硬件機會。去年我們在這兩個方向上都已經投資了相關的公司。
第三，面向受眾 ToB 和 ToC 不設限。過去線性的投資項目以 ToB 為主，但去年我們看到了很多有趣並有商業價值的面向 C 端的產品想法。所以今年我們會走出自己的舒適區，积極擁抱這個領域的變化，這也是做投資令人興奮的體驗。
從去年下半年開始，我們也更關注那些應用方向上，积極在早期就考慮發展全球市場的國內或者海外華人創業者們。


Q4：2023 年，有哪些關於 AI 的投資策略的思考是被證實了，哪些被證偽了？
白則人：我們當時預測技術發展速度會很快，但實際完全超出預期。去年此時，我們判斷開源生態追上 GPT-3.5 大概需要兩年時間，多模態的基礎模型出現可能要更久。但現在看來，速度比我們想象的要快得多。
第二，AI 的應用要建立模型能力之外的壁壘，如場景閉環，以及如何積累獨家有效數據。這是我們去年投資 AI 項目最主線的思考之一。
第三，投 AI 原生應用時，創業團隊自身必須是 AI 的踐行者，要用 AI 提效。海外去年比較活躍的公司，團隊規模都不大，基本是 10 人左右。


Q5：2024 年，你自己對 AI 思考最多的幾個問題是什麼？
白則人：站在這個時間點上，我比較強烈感受到的是，AGI 行業發展到了「stage two」，第二階段。大模型可能會滲透到非常多行業，包括機器人、自動駕駛等。基於視覺的 agent 是否有機會出現，更高效地解決現有問題，甚至創造一些新需求，都是值得思考的。
這段時間我個人思考比較多的問題，站在投資的角度，商業上 AI 最先落地的 ToC 和 ToB 的場景和應用究竟會是什麼。當 AGI 實現時，它可能不僅是技術問題，更是社會問題。這些問題暫時都還沒有答案。


Q6：你預估 2024 年的 AI 投資環境會如何？
白則人：儘管從去年下半年開始整體融資環境有所收緊，但我們預判 2024 年投資 AI 的資金會相對充裕。
第一是在當前宏觀環境下，美國降息預期會使股權投資資金更充裕；同時國內還有不少基金尚未投資大模型公司，這部分資金很可能會被用於繼續投資 AI。
全球市場尤其是美國市場已經大量投資在 AI，只不過集中在確定性比較強的方向，如算力。但長期來看，當算力等基礎設施發展成熟后，它一定會為一個更繁榮的 AI 應用市場提供服務。
去年 AI 相關的投資看起來比較冷，原因在於，上半年大家都在投大模型，絕大部分的資金都投到了大模型上，留給應用的機會不太多。另一方面，AI 的發展太快了，很多做應用的創業公司被模型能力衝擊、碾壓。尤其是去年 OpenAI DevDay 之後，很多簡單包裝 LLM 的應用以及給模型「打補丁」的淺層中間件公司相當於浪費了半年的時間。因此，大家也在摸索模型的邊界到底在哪裡。
我們不太擔心創業的數量會少。儘管去年下半年整體市場沒有投出什麼項目，但我們接觸的項目數量並沒有減少。閉源模型的能力提升帶動開源社區的繁榮，最聰明的一群人正在思考應該在哪個方向落地。


Q7：2024 年，AI 早期創業者可能面臨哪些創業問題？
白則人：今天的 AI 創業者需要更早思考商業模型，要在創業第一天就具備賺錢的能力。一方面 AI 的建立門檻被大幅拉低，今天 AI 創業絕大多數情況下少了一個成本項，也就是不需要再走一遍「傳統 AI」的研發投入過程；另一方面賺錢的背後是降低試錯成本，今天 AI 變化太快了，在你能夠在看到正確且大的市場方向前活下來，過程中同步打磨產品能力，提高整體開發效率，建立獨有的數據壁壘，那就再好不過了。這其實對創業的要求更高了，但底層邏輯是尊重商業本質——創造價值，這一點永遠不變。

07
Atom Capital 楊孟彤

已投 AGI 相關項目: HydroX AI、瀾碼科技等

核心觀點：
1. 重點關注多模態、開源及其帶來的機會、Agent 平台。
2. 這一輪AI是顛覆性的技術變革，創業者需要 think out of box。
3. 大模型能力是 Moving Target，要對場景和技術足夠敏銳。

Q1：2024 年，在 AI 投資方向的具體策略是什麼？
Melissa：關於我們當前關注的重點，分為三個主要方向：多模態、開源及其帶來的機會、Agent 平台。
首先，多模態。
視頻本身引入了時間的維度，這使得它能夠更好地表達因果邏輯，提高對物理世界的認知。視頻包含了大量的信息，用戶與大模型之間的交流帶寬得到了大幅提升。這種交互帶寬的提升將有望催生出許多新的應用。
舉一個簡單的例子，以前難以用語言描述的信息，比如工程圖等，現在可以通過視頻輸入到大模型中。這將使得許多以前難以處理的任務變得可能，並有望帶來一系列應用的爆髮式增長。
其次，我們關注開源及其帶來的機會。
當前，許多大模型都採用了 MoE 架構，包括 Sora 和 Gemini 1.5 Pro 等。與傳統的作為一個龐大的神經網絡運行的 Transformer 不同，MoE 模型由眾多小型的「專家」神經網絡組成，結果是大幅優化了推理效率和成本。
我們認為 MoE 架構的普及有可能會打破目前大模型領域閉源與開源的格局，讓開源大模型迎來新的發展機遇——MoE 的每個專家模型都很小，開源社區完全可以「拼齊」這些模塊；或基於開源的 MoE 大模型，針對一兩個專家模型做對應的優化，從而提升其在某個專業領域的能力。這大幅降低了開源模型在算力、數據、資本等資源上的劣勢對其發展的影響。
此外，我們還將持續關注 Agent 平台及其應用領域的發展。Agent 平台也是實現多模態應用的重要載體之一。


Q2：2023 年，有哪些關於 AI 的投資策略的思考是被證實了，哪些被證偽了？
Melissa：我們的投資策略是專註於我們能夠理解併為其創造價值的領域。
在基金成立之初，我們就已經明確了我們不投資大模型。這並不是因為大模型沒有價值，相反，它在產業鏈中的價值是非常清晰的, 但並不是初創公司的模式，它需要龐大的資金支持，不是我們這類新基金的優勢。
我們只投資我們自己能夠看明白有判斷的領域。回顧過去一年，我們有幾個重要判斷目前看是被證實的。
一個是大模型帶來了產業的水平分工。大模型作為底層基礎設施，其上衍生出 infra、Agent 平台、終端應用等幾個層面，每一層都對應着一些創業機會。
第二個是 Agent 的巨大發展潛力。在去年 2、3 月，我們就看到了隨着 LLM 的發展，Agent 在未來可能成為一個巨大的產業，並在早期就做了投資布局。
有些領域我們還在觀察和思考中，比如開源和閉源的問題。
有些領域我們之前選擇性地沒有投資，是因為我們覺得看不清楚。比如 AIGC 領域中的文生圖、文生視頻等方向。我們看了很多項目，覺得同質化非常嚴重，沒有想明白這個領域的壁壘是什麼。
最近 Sora 出現之後，大模型有了物理模型基礎，對物理世界有了一定的認知，這提供了可以持續發展的技術基礎。接下來我們會重點關注多模態領域。


Q3：2024 年，你自己對 AI 思考最多的幾個問題是什麼？
Melissa：一直以來，我思考最多的問題就是AI 的上限和邊界到底在哪裡。這個問題對於創業者來說至關重要，因為它決定了賽道的方向和機會。我也關心 AI 技術能夠賦能哪些應用場景，並從中尋找投資機會。
此外，是開源和閉源的市場格局。比如 MoE 給開源帶來的機會，讓這個格局還存在很大的變數。


Q4：2024 年，AI 早期創業者可能面臨哪些創業問題？
Melissa：我們接觸了很多中美 AI 創業者，注意到一個普遍的問題。很多創業者對用 AI 要解決什麼樣的問題、落地場景其實理解得不夠深入。大家都是技術強，很多人都選擇做 framework，沒有找到尖銳的切入點，使得產品趨於同質化。
其次，一些資深的 AI 創業者，在這輪創業時只是在他們之前的技術上疊加了些新技術（比如自然語言界面），並沒有真正發揮新技術最大的能力。這可能與沉沒成本、路徑依賴有關。因為這一輪是顛覆性的改變，創業者需要 think out of box，用新的眼光來發現機會解決問題。
此外，我覺得有些創業公司內部對 AI 的使用不夠。在這一輪技術變革下，內部用 AI 來創新和提升效率的公司，競爭優勢會越來越显示出來。


Q5：你感受到兩地的 AI 的創業、AI 的投資有什麼差異？
Melissa：首先，從產業生態的角度來看，美國的水平分工更加成熟。很多小公司專註於某個領域或某個點，在美國就可以活得很好。在中國大廠傾向於上下游通吃。
其次，中美投資機構對項目的偏好存在差異。如果一個項目只是在某個點上做得很好，美國投資人可能會更多地從投入產出比的角度來考慮投資。然而，在中國，投資人會覺得這樣的項目規模太小。這可能主要是中美在退出路徑上存在差異，中國沒有成熟的併購文化。
第三點，中美對於早期創業的支持程度也有差異。在硅谷，早期投資機構對創業的支持更加全面，包括資金、導師指導、客戶資源等。然而，在中國，早期創業的支持相對較少。這也是 Atom 想做到的地方。
另外，關於中美在 AI 上的投資節奏，其實 2023 年中開始，美國 AI 投資也趨於理性，這與技術的發展階段是相關的。技術的發展是非線性的。當一個新的技術橫空出世時，如 ChatGPT 的出現，它會掀起一波投資浪潮。然而，隨着時間的推移，投資者會發現技術的落地存在局限性，投資就會趨於理性。
從長期來看，AI 仍然是一個大事。只要投資者能看到 AI 賦能越來越多的場景，他們就會繼續投資。比如，在美國，世界 500 強在 AI 領域的投入是確定的，去年夏天他們就為這一輪 AI 技術預留了很多預算。


Q6：Atom Capital 出手並不多，主要的顧慮還是有哪些？
Melissa：我們去年投資的案子並不多，在中國和硅谷一共投了三個項目，包括 2B 和 2C 的 Agent 以及大模型安全。最近正在 close 一個新的項目。
對於 AI 領域，我們認為當前還處於非常早期的階段，我們的投資節奏是跟隨技術的落地和產生的實際價值來的。之前技術的成熟程度距離實際應用和落地還有很大的空間。我們認為今年落地方面會有更大的進展。


Q7：LLM 出現，對自己的基金產生了一些什麼樣的影響？
Melissa：LLM 的出現直接促成了這支基金的誕生。
2022 年年底，ChatGPT 的發布引起了我的極大關注。我認為這是一個顛覆性的技術，將對產業產生長期影響。基於這個判斷，我決定創辦一支專註於新一代 AI 投資的基金，即 Atom Capital，在中美兩國都有投資。
我的初衷是希望利用我的創業和技術背景、跨境經驗和資源優勢（清華+微軟），能夠提供更前瞻性的視角，給早期創業者帶來些真正的幫助。
我們定位自己為研究型基金，自成立以來，我們在投資之外也做了大量的行業研究，並通過基金公眾號進行了輸出。做這些研究的核心目的是希望找到 AI 技術帶來的長期價值機會。
這需要考慮兩個因素：一是 AI 技術本身的成熟度；二是 AI 技術是否能落地到產業中產生實際價值。AI 技術發展是有脈絡的，我們想通過深入研究，抓住並預測它的發展方向和節奏。
現在行業處於早期快速發展階段，新技術新應用層出不窮，在這個 Moving Target 的過程裏面，很多原來看起來是機會的方向，很快就會被淹沒，所以一定要對技術迭代、行業最前沿足夠敏銳，才能夠挖掘到真正有價值的機會。
AI 技術的發展需要資本的推動來加速落地，而這需要創投圈的共識。因此，在這波 AI 浪潮中，要靠創業者、投資人和用戶高度互動、互相塑造，從而建立一定的共識。
作為研究型基金，我們希望參与並貢獻到這個共識形成的過程，找到符合共識的創業項目，實現資本和資源的效率最大化。