当咱们投AI企业的时分，咱们在投什么？

8月22日，2024AGI商业趋势大会在深圳成功举行。活动由创业邦主办，南山区科技立异局、西丽湖世界科教城交融立异中心、深圳市“模力营”AI生态社区为支撑单位，揽胜运动为大会指定用车，搜狐为战略协作媒体。

本届大会以“AI刻画未来商场”为主题，约请人工智能范畴的职业专家、上市公司、独角兽企业、立异企业、出资组织代表，共享研讨最新的技能、创投、办理热点话题，并环绕产品商业化、人工智能+职业处理方案进行深度沟通，一起探寻更广泛的工业协作与立异时机。

会上，摩根大通银行履行董事钟音、美团龙珠合伙人于红、华映本钱办理合伙人章高男、讯飞创投合伙人朱永在主题为“当咱们投AI企业的时分，咱们在投什么”的对话中精彩观念如下：

1、正如比尔·盖茨在《The Age of AI has begun》文中所述，生成式AI被视为一个新年代的初步。面对这样一项革命性技能，作为出资人，咱们天然不想错失任何优质的出资时机，可是，“辨认趋势”与“在趋势中完成盈余”是两个不同的应战。

2、尽管咱们的互联网大厂能敏捷跟进美国的新作用，但这种快速跟进实质上是仿照，咱们依然是追随者。美国企业在定价和立异上引领潮流，而咱们缺少在无人区进行立异的土壤。

3、危机感是一种活泼的动力，惊惧会使人停滞不前。现在AI创业者所展示的危机感适可而止，让咱们有时机在这一波AI开展中不掉队，为捉住下一波时机做好预备。

4、咱们往往高估了AI现存的价值，而轻视了AI久远的价值。我觉得有意义的事是继续学习，严密跟从AI技能的开展，把AI思想更好地融入到咱们的工作和日子。

以下为对话内容，由创业邦收拾：

钟音（掌管人）：咱们好，我叫钟音，来自摩根大通，很快乐有时机掌管本场panel。咱们三位嘉宾中有一位来自typical的CVC，两位来自独立的VC组织，等待各位的观念磕碰。

人工智能概念自1956年提出，至今已阅历了迅猛的开展。从出资来讲，阅历了数个周期。2017年和2018年是上一个周期的顶峰，期间呈现了许多以视觉和语音辨认技能为中心的人工智能企业。与上一波比较，生成式AI与传统AI在技能根底层面有哪些显着改动？因为这些底层技能的前进，生成式AI展示出了哪些中心优势和共同特色？

朱永：2016年，DeepMind的AlphaGo引爆了整个人工智能商场，其背面的中心技能是CNN卷积网络，它专心于剖析像素或文本之间的附近联系。而现在，Transformer模型引进了注意力机制，能够剖析一切像素点和一切文本之间的相关，这使得其通用性和精确度逾越了上一代技能。

上一代人工智能首要运用于特定范畴，如核算机视觉（CV）技能在安防职业的运用，其运用规划相对有限。比较之下，现在人工智能的运用更为广泛，不管是作为功率东西，仍是与各行各业的结合，例如文本生成和视频制造，其运用规划都大大扩展。这便是为什么会有“一切的职业都值得用大模型重做一遍”这种说法。

章高男：我个人了解技能开展是衔接的，不应当简略划分为一代代的更迭。Transformer的共同性是注意力机制，可是实质仍是一个编码器和解码器的算法结构，从这个视点实践上是RNN的延伸。Transformer的独到之处是采用了自注意力机制，参数矩阵能够并行练习，而且是端到端的大局练习，这与RNN比较，显着前进了功率和精度。

当模型规划扩展，单一的自注意力机制或许不足以应对，这时多头注意力机制就显得必要。其实质相似于CNN中的卷积核，从这个视点也是是对CNN的延伸。

我以为，CNN、RNN、Transformer在数学上都是深度学习的不同运用，这些技能的演进并非彻底分裂，假如之前在CNN，RNN等神经网络范畴有丰厚的实践堆集，那团队向Transformer的演进相对更简略些。所以不存在分裂的上一代AI技能和下一代AI技能，渐进式的改善或许更切当一些。

于红：前面两位首要是从技能视点去论述这一代大模型跟上一代AI技能之间的差异，我想从运用视点谈谈。

榜首，这一波大模型尽管今日咱们有许多惊骇的心思，但实践上在我看来是一次技能的“普惠”。假如从差异视点来说，上一代的AI假如要运用，其实是需求许多专业的数据，这一代AI能够做到zero shot，one shot和few shot。举个比方，在安全范畴，曾经只要少量公司具有进行安全审阅的才能，因为它必须有比较照较多的数据，再配合一个AI的模型去练习，才能够把安全审阅抵达还不错的阈值。但在新的AI模型之下，few shot就能够处理这个问题，让许多公司自己就具有了相关的才能。

第二，在生成才能上来说，技能的演化它不是说昨日是0，今日就到了100，技能的演化是有必定的延续性，是在上一代根底之上去做迭代或许说立异，逐渐累计的效应。可是从作用的视点来说，是有打破的。也便是说在59分和75分之间便是大相径庭，或许便是从不可用到可用之间的差异。比方，上一代图片生成技能用GAN，作用就很差强人意，彻底无法运用。但今日AI生成图片，关于需求视觉相关的职业来说，现已产生了极为强壮的影响。

第三，推理才能。今日大模型的推理才能还不行强。它具有了许多常识，可是推理才能还不行强。 但相较于上一代来说，多轮对话的推理至少做的还OK，而且还在继续前进。归纳来看，这便是为什么这一代大模型技能出来之后反应火热的原因。

钟音（掌管人）：下一个问题或许是咱们比较关心的，与出资直接相关的—各位比较看好人工智能哪些细分赛道？这个问题能够拆解一下，首要有根底大模型，还有笔直模型以及运用，一起在运用范畴中又有2B和2C。在2B范畴，各位看好Saas公司和运用大模型，仍是更看好native大模型公司的笔直模型在某个职业的运用。关于2C的创业公司而言，他们的时机或切入点在哪里？

于红：从运用端视点来看，2B和2C范畴都存在巨大时机，详细讲一下咱们观察到的时机。

在2B范畴，咱们能够将其分为两类：一是专业的用户Prosumer，他们面向C端用户，但处理的是B端场景中的问题。例如，Midjourney便是典型的Prosumer产品。二是传统的SaaS服务。关于我国来说，这两个方向都有很大的时机。我国的C端商场现已培养了许多产品司理，他们运用大模型才能，在Prosumer范畴有很大的发明力。一起，新年代的AI-native SaaS，不仅仅是软件自身，而是实在供给服务。以自动驾驭职业为例，曾经各种辅佐驾驭许多，可是在抵达自动驾驭，代替实在的司机之前，其发明的价值或许是有限的，可是一旦抵达实在的自动驾驭，软件自身代替的司机服务是远远逾越传统软件所能发明的价值。

我以为，我国的软件尽管在上一个年代遇到了许多应战，但或许在AI年代，正是弯道超车的时机，因为没有巨子，更简略产生AI native的AI Saas。

咱们也很重视2C范畴的时机，咱们重视信息、沟通、娱乐和消费等四个大方向，今日时刻有限就不展开来讲了。

钟音（掌管人）：您提到了一个值得重视的观念，即SaaS向AISaaS的改动代表着一个根本性的腾跃。我想进一步讨论这个问题：SaaS在面对大客户或小客户不肯支付费用的应战时，AISaaS是否会遇到相同的问题？或许，正如您之前所言，AISaaS所供给的服务在实质上有了显着的前进，这是否足以增强客户的支付志愿？

于红：美团龙珠沿着美团的办法论，以慎重的情绪进行出资。在出资SaaS范畴时，咱们进行了深化研讨，包含对我国和美国CRM商场的头部公司进行了比照剖析。许多人以为中美软件收费差异仅是汇率问题，但经过咱们归纳研讨，在考虑了购买力平价等许多要素后，发现实践上在CRM范畴，我国软件的价格大约是美国的1/15，远低于简略的汇率转化。尽管我国具有数量巨大的软件工程师，但开发高质量软件的本钱依然不菲，单个程序员的研制本钱尽管相对较低，但不是数量级的距离，一起因为产品标准化的问题，终究导致咱们CRM的研制本钱与美国头部公司相差无几。

在上一代SaaS范畴，咱们面对的问题是：高本钱结构下发明的价值却相对较少。这首要是因为人均薪酬较低，导致能够供给给客户的功率前进的价值有限，因而咱们不得不以1/14的价格出售软件。

那么，在新年代，AI怎样改动这一局势？如方才所说，上一代的SaaS面对我国的低人均薪酬的布景下，价值前进并不显着。一起，这些软件在运用进程中给企业带来了诸多不便，特别是在我国快速开展且办理相对紊乱的布景下，软件的引进和流程的调整都十分困难，关于客户而言，产生的价值远远不行。

可是，在AI年代，这个逻辑显着不同了。 为什么咱们特别强调“service”自身？假如AISaaS仅仅是对现有人员进行赋能，其发明的价值或许与上一代软件比较有所前进，但并非根本性改动。实在的改造在于，假如AISaaS能够在供给端到端的服务，比方代替80%的客服人员，那么它所带来的价值和功率前进将是巨大的，因为不管之前的本钱是多低，和简直为0的本钱比起来，都是巨大的。

钟音（掌管人）：十分明晰，感谢。接下来请章总共享一下您的观念。

章高男：在底层硬件层面，存储技能改善或许有一些时机；Transformer对存储、内存和带宽有很高要求，其间存储是最大的瓶颈。长文本处理或许导致内存溃散，因而需求更高效、更强壮的存储处理方案。当然相似MOE的稀少化技能很有远景，但一起根底的存储空间怎样优化前进应该是一个方向。当然，类谷歌的TPU玩法也是一种削减对存储需求的办法，相同是值得重视的处理道路。

第二，带宽问题。跟着网络在5G、6G加持下的高速前进，数据中心和板级之间的高速衔接，把总线级的速度扩展到板级之间，前进集群算力功率，这个是归于根底设施范畴的出资时机。

关于大模型自身，咱们一向持慎重达观情绪。在运用层面，根据语义了解和内容生成的事务很有远景，但假如根底大模型晋级，这些运用或许会被替代。现在，所以是好生意未必是好出资。大模型的优化技能，如MOE（混合专家）和RAG等技能，极大前进了功率，但这些技能的开展需求强壮的技能才能，对我国出资者来说或许并不简略。尽管如此，这些技能对整个职业的开展具有重要意义。

我以为，大模型在语义了解方面现已做得很好，但要将了解转化为决议计划，这实践上是一个全新的应战。决议计划进程需求的不仅仅是输入，而是更深层次的逻辑和推理才能，这与大模型的中心功用并不直接相关。

我对我国在这方面的潜力持达观情绪，尽管许多公司正在测验，但要获得实质性开展十分困难。这或许需求数学上的新打破，以及在增强学习等办法上的立异。要完成这一点，咱们需求深化探究，发明而不仅仅是仿照，这需求算法上的实在改造。

朱永：咱们看大模型工业，将其划分为根底层、中间层、模型层和运用层。作为工业出资者，咱们重视协同效应。现在，咱们专心于根底层和运用层的出资。在根底层，咱们重视核算、存储和衔接，特别是那些架构立异的方向，如存算一体、类脑核算、量子核算等。

跟着大模型从云端向端侧搬运，端侧芯片的开展还处于前期阶段，这为咱们供给了出资时机。在存储方面，尽管国内已有大型IDM公司，但咱们仍在寻觅技能立异的公司进行出资。

咱们还重视智算中心的极连技能，特别是国内在这方面相对空白的片间、卡间、机间互联技能。

在运用层，咱们注意到国内C端运用在丰厚度和数量上远低于国外，咱们国内运用只要国外的1/3。咱们首要重视出产力东西类运用，因为这些运用依赖于强壮的技能才能。尽管这一范畴的创业公司面对变现和大公司竞赛的压力，但咱们以为这仍是一个有潜力的方向。

现在，我注意到国内C端陪同类运用商场尚处于空白状况，这为创业公司供给了巨大的时机。在这一范畴，产品力和运营才能是要害，我信任创业公司有时机获得打破。

此外，咱们还重视职业运用，比方军事范畴，咱们现已看到一些公司低沉地获得了许多订单。营销范畴中，大模型结合营销也展示出了很好的作用，尽管这些公司没有揭露融资。教育范畴也呈现出相似的状况，国内外的大公司都在进行相关运用的开发，体会比较上一代有了显着前进。

综上，职业运用和陪同类运用是咱们接下来将要点重视的出资范畴。

钟音（掌管人）：听完咱们的共享，我感到各位都坚持着理性的情绪，特别章总剖析了各种不能投的范畴，这与我接下来的问题休戚相关。我想了解的是，在做出出资决议计划时，各位根据的考虑逻辑是什么，或许在挑选项目时最垂青哪些先决条件？

当时，生成式AI被视为一个新年代的初步，正如比尔·盖茨在《The Age of AI has begun》文中所述。面对这样一项革命性技能，作为出资人，咱们天然不想错失任何优质的出资时机，可是，“辨认趋势”与“在趋势中完成盈余”是两个不同的应战。

方才几位嘉宾也带来了许多深思熟虑的剖析，能否共享一下在决议出资时，背面的考虑是什么？假如一个项目短期内无法盈余，是否应该出资，仍是应该寻求更具开创性的事物？各位的决议计划根据是什么？

于红：咱们大约能够分红三个方面共享，这些或许不必定与AI相关，但都是咱们出资考虑傍边的要害点。

首要，项意图潜在价值和影响力要特别大。咱们寻觅的是那些或许从不起眼的当地生长起来的大时机，因为处理小问题和大问题所支付的尽力往往也相差无几。因而，关于有限的时刻和资源而言，挑选一个潜在具有宽广远景的创业时机至关重要。

其次，明晰的客户价值。需求清晰知道方针客户是谁，以及产品或服务为客户处理了什么问题。例如，泳池清洁机器人的客户价值取决于方针客户是自己着手清洁、运用上一代的机器清洁，仍是雇佣他人清洁。不同的客户集体，其价值主张是不同的，哪怕运用的同一个产品。

最终，是否有创业公司的时机。假如一个项目短期内资金耗费巨大且显着是一致性的时机，或许并不合适创业公司。咱们更倾向于那些为创业公司留下空间的时机。

章高男：我的出资办法论其实这么多年从来没变过，便是一句话——前期增量商场、极高的难度，头部前三，这三点一起具有，我就会考虑出资。

我对大模型现在的开展阶段持慎重情绪。它还处于前期，且未来商场增加空间巨大，这是一个增量商场。我需求不断学习和紧跟AI的最新开展，一旦咱们对商场的增加潜力有了坚信，我会毫不犹豫地投入。

个人以为，在AIGC方面大模型做的很好，前进也很快。这些首要是在感知层面。可是进入到决议计划层面，现在大模型仍是有许多问题和应战，个人直觉是要实在处理决议计划问题，或许需求逾越Transformer，探究全新的办法，这或许是迈向实在AGI的榜首步，当然这步很难。

我对AGI的未来开展充溢等待。假如我能清楚地看到这一点，我会毫不犹豫地投身其间。

朱永：总结起来咱们在看项意图时分遵从几个要害词准则：稀缺性，协同性和商业价值。其间，稀缺性是中心，咱们投的都是比较前期的项目，团队的稀缺性、方向的稀缺性、把握资源的稀缺性，都是咱们考量的范畴。

在出资决议计划中，咱们还会考虑能否为出资项目供给实践协助。例如，在芯片项目还仅仅一个主意时，作为下流用户，咱们是否能供给辅导，协助前进初次流片的成功率。

项意图商业价值在于是否处理了一个实在的需求，而非伪需求。以咱们上一年出资的一个具身智能项目为例，上一年8月底咱们出资了该项意图天使轮，到现在它现已生长为国内该范畴融资较多的公司。咱们之所以挑选它，是因为在职业研讨中前期预测到这个范畴的运用远景，并在国内进行了深化的调研和评价。

我以为，出资就像捕鱼。PE出资者或许在鱼长大时才介入，而前期出资者则需求在鱼苗时期就辨认出它的潜力，这需求深化的范畴常识和前瞻性研讨。

钟音（掌管人）：咱们再换一个视角，讲一讲中美两个大国的距离和未来趋势。我记住2017年参加世界人工智能大会时，就在热议我国在算法和数据方面与美国好像旗鼓相当。但现在看来，咱们好像落后了。在你们看来，我国现在生成式AI的开展，详细到了哪个追逐阶段？你以为这个距离是会扩展仍是缩小？或许我国是否会走出共同的优势和途径，来开展自己的生成式AI？

朱永：我以为在算法层面，咱们与美国的距离并不大。首要差异在于：

榜首，算力层面。现在，因为芯片供给的约束，例如英伟达的高端芯片对咱们的禁售，给咱们带来一些应战。尽管国内公司在芯片规划上现已具有竞赛力，但在出产方面还有限制。不过，咱们信任这些问题将来会得到处理。

第二，中美比照。在美国，To B商场的运用层付费习气较为老练，而国内则因用户集体巨大，数据堆集更为丰厚。

第三，方针层面。在国内，大模型的开发需求存案，办理相对严厉，这或许对C端运用产生必定影响，但影响并不显着。

总的来说，中美尽管存在必定距离，首要是由算力差异形成，但在现有结构下，咱们信任这不会导致根本性的代差。

章高男：短期内我认同朱总的观点，尽管表面上中美在AI范畴好像齐头并进，但我以为实质上还有极大距离。我国具有优异的人才和不输于美国的根底设施，算力设备尽管暂时落后，但这不构生长时刻压力，因为时刻能够逐渐拉平。

实在的压力在于立异才能土壤。尽管咱们的顶尖大厂能敏捷跟进美国的新作用，但这种快速跟进实质上是仿照，咱们依然是追随者。美国企业在立异上引领潮流，咱们都是学习跟从。 大模型的发张和立异需求巨量的资金投入，咱们国内企业往往缺少冒险进行根底立异的勇气。与谷歌、Facebook等世界巨子比较，他们乐意投入巨额资金进行前沿探究，即便花了几十亿面对失利，而咱们国内的企业更乐意在他人现已探究成功后及时跟进，这样性价比更高，或许也是现在最务实有用的挑选。

期望有一天咱们跟着经济的开展，在AI无人区的立异探究能够百家争鸣。

于红：我十分附和朱总和章总的观念，他们的剖析很有见地。接下来我共享下个人的观点。

首要，我国在AI竞赛的“牌桌上”。当时商场环境或许有些过度失望。实践状况上是，全球来说，只要美国和我国是清晰在AI这个游戏的牌桌上的，要达观的看待，咱们是现已拿到了参加竞赛的入场券，其他国家能不能上牌桌仍是个问题。 AI竞赛的三个要害要素—大资金；数量巨大的高档优异人才以及参加竞赛AI的决计，这三大要害要素我国都具有。所以作为全球唯二现已在牌桌上的国家，咱们作为AI职业的参加者值得幸亏。

第二，认清咱们所在的阶段。曩昔10年，我国移动互联网职业获得了显着成果，给人一种咱们与世界先进水平齐头并进的形象，但实践上这仅仅一种幻觉。经过一个简略的数据比照就能够看出，美国有6家市值逾越万亿美元的科技公司，而我国市值最高的科技公司—腾讯，大约在5000亿美元左右，与美国的头部公司苹果、微软3万亿美元市值比较，仅相当于六分之一。意识到这一点，有利于咱们调整心态，正视现状，并在此根底上继续尽力。

第三，便是作为VC职业从业者，咱们观察到我国的立异环境正在发日子跃改动。尽管曩昔咱们缺少原创性立异的土壤，但现在年代和思想都在前进，立异的火花现已开端点着。例如，在生物技能范畴，我国现已从仿制药转型到原研药的开展。在大模型范畴，像DeepSeek这样的公司虽不是彻底原创，但也在测验对模型架构进行立异，探究在有限资源下优化模型的办法。每次来到深圳，我都能感受到这儿活泼的创业气氛，特别是硬件范畴的年青创业者们，他们的方针是直接面向海外商场，咱们的产品不限制于国内，而是要走向世界。在世界竞赛中，咱们展示出了强壮的竞赛力。

根据这三点，咱们能够看到我国正逐渐走向立异。在供认与领先者之间存在距离的一起，咱们也看到自己作为追随者的距离正在缩小。危机感是一种活泼的动力，但惊惧会使人停滞不前。现在AI创业者所展示的危机感或许适可而止，让咱们有时机正视咱们面对的应战，尽力坚持在这一波AI开展中不掉队，为鄙人一波时机弯道超车做好预备。

钟音（掌管人）：感谢几位嘉宾的共享，十分精彩。因为时刻联系，最终咱们留给每位嘉宾一句话的时刻。请咱们共享一下在AGI元年，给创业者的主张？

于红：从AI原点动身创业，不要仅仅是改进现有的产品。

章高男：咱们往往高估了AI现存的价值，而轻视了AI久远的价值。我觉得有意义的事是继续学习，严密跟从AI技能的开展，把AI思想更好地融入到咱们的工作和日子。

朱永：坚持做对的工作，坚持自己酷爱的工作，必定能抵达成功的对岸。