2024年1月24日，非凡资本联合诸多合作伙伴在上海举行了“2024 AIGC应用发展高峰论坛”，近千名AI相关从业者参与了本次活动。本期内容整理自嘉宾主题演讲环节。

　　Q：请各位嘉宾简单介绍一下自己的公司、基金以及目前专注的赛道，同时简单回顾一下2023年的投资历程。

　　德同资本是2006年成立的一家风险投资机构，到现在已经有18年的光景了。在此期间，穿越了好几个周期，也经历过各种各样的风口。

　　这两年最大的风口无疑是AI，我们总共管理了大概180亿左右的基金，2024年又成立一个新的基金，其主力投资方向就是AI，包括AI infra、AI大模型、行业应用等等。

　　耀途是一家年轻的机构，成立于2015年。我们专注于投资新一代的信息技术，涵盖软件和硬件领域。我们之前投资的与算力相关的硬件公司在2023年迎来了一波较好的增长，这并不是说我们具有预见性，预测到了Generative AI的前景，而是我们从算力的视角去布局，例如算力的芯片和网络的芯片等。随着Chat GPT的出现，我们也做了相关的布局。

　　我们已经投资的硬件公司目前也在更好地满足大规模集群的计算和网络需求；在基础设施领域，我们也进行了一些类似于推理和训练的优化工作；在应用方面，我们也正在尝试一些新的项目。然而，关于游戏和教育行业的运营方式，我们仍在学习中，并希望能与AGI方向的创业者有更多的交流。

　　凯泰资本成立于2009年，目前管理着大约100亿人民币的基金，主要投资领域是生物医药和人工智能。自2017年起，我们开始在人工智能和大数据领域进行投资，至今已投资了大约40家公司。

　　我们感到非常荣幸和幸运的是，三四年前成功邀请到蓝振忠先生加入我们的团队。蓝先生是谷歌科学家出身，Albert论文的第一作者，也是西湖心辰公司的创始人。同时，在人工智能领域，我们还投资了许多其他公司，例如标贝科技、AG智能等等。

　　金沙江创投于2004年成立，是早期一批创业投资机构之一，目前已发展至第8期美元基金和第4期人民币基金，总规模达到35亿美元和等值人民币。

　　在我们的早期投资阶段，大家更熟悉的投资案例主要集中在移动互联网领域，包括饿了么、去哪儿、滴滴出行、小红书等项目。在这一阶段，我们取得了出色的回报和退出成绩。近年来，我们将更多精力投入到人工智能领域，并持续关注消费出海领域的发展。

　　我也借此做一个简单的介绍。我们诚美资本是一个小基金，目前在管资金大概30~40亿人民币。因为规模小，所以我们致力于寻找一些细分领域：一是关注最核心技术，即更早期的、更底层的技术，例如硬件架构、智能加速卡、云安全等——更底层、跟大模型AI有关的基础支持层面。二是盈利导向，关注于AI的应用场景，特别是营销科技内容。

　　Q：目前各位认为通用模型AI领域的投资策略和投资逻辑是什么？2023年大家的投资策略和逻辑发生了哪些变化？（包括项目的评估标准及其具体的信息）

　　过去一年发生了巨大的变化，从Open AI的崛起到如今我们所称的“千模大战”。在我们内部，有一个共识：大模型就像十多年前的互联网通讯技术一样重要。无论如何，人们都离不开通讯技术。我相信因此，我们肯定会在大模型领域进行投资。

　　关于Open AI在中国的未来是否能够生存尚不得而知，在这种情况下，势必会成为国产大模型的重要发展机会。在算力方面，大家都在进行大量的努力——无论是在芯片集群技术上，还是直接投资芯片，又或者是在芯片架构等方面。

　　至于门槛问题，目前对于大模型来说，我们并没有设置特定的门槛，关键在于团队的基础能力。在应用方面，我们主要投资于A轮，因此希望收入和场景的PMF（产品-市场匹配）能够有一些证明，而不只是停留在PPT的阶段。

　　举例来说，大部分公司每月收入在100万左右就非常不错，而那些做垂直模型或行业模型的公司，月收入能够达到700到800万且还在不断增长，就具有很强的发展势头。

　　从策略上来讲，我们坚定地看好算力的机会。随着AGI的到来，许多企业迎来了爆发式增长。此外，尽管美国对中国实施制裁，但除了像华为这样的龙头企业之外，中国仍然为许多创业公司提供了机会。

　　因此，我们不仅需要解决算力问题，还需要关注网络、带宽和传输等方面。例如，GPT-3.5需要5000张卡，而GPT-4和GPT-4.5需要上万张卡进行互联。其中包括传输、带宽和通信等问题都需要在中国得到解决，我认为这是底层硬件领域的机会。

　　在中间层面，基座大模型（foundation model）的创业机会已经不大，因为算力不足，手头的投资也不够，所以新公司需要有足够多的融资。在这个层面，AI基础设施和开发者工具的机会相对较多。在基础设施方面，可以优化训练和推理；在开发者工具方面，可以改进GUI，使其更流畅、更易用，更适合开发者使用。

　　AI-Enable市场：目前市场上有许多传统的SaaS公司，它们正在努力将自研模型与大模型集成。这些公司在客服和营销等领域积累了丰富的经验，剩下的核心功能是最关键的。只要能够适应新一轮的技术趋势，它们就具备了强大的竞争力。

　　大模型的原生市场：如果要投资新项目，我们需要关注一些完全由大模型催生的原生市场。例如，自动生成代码、自动补全代码等应用。这是我们目前正在密切关注的方向。

　　如果初创企业家推荐项目，我最关心的是他们是否具备实现PMF（产品-市场匹配）的思路。我认为软件要实现PMF非常具有挑战性，因此早期投资人通常会非常重视这一点。

　　因此，我们首先要思考这一波大模型技术的边界和有效性在哪里。技术的发展使得专业知识的民主化成为可能，同时也使得许多普通工作实现了全自动化。

　　哪些技术是可以商用的呢？我认为，可以分为“一个半”和“一个”。其中，“一个”指的是大模型在文本抽取、提炼、总结和生成方面的应用，而“半个”则是指在视频生成领域取得的一些进步。

　　大模型是一种技术，而不是产品。因此，如何将其应用到产品中，对于新一代创业者来说提出了更多的商业思考和挑战。我认为继续延续过去的逻辑是很难带来创新的。

　　举例来说，电竞竞猜官网官方智能手机引入了LBS定位系统，从而衍生出了美团、本地生活等产品；智能手机上的智能摄像头也推动了类似抖音的商业创新模式的出现。因此，做新一代创新必须结合硬件领域。全球超透镜、新一代传感器等新技术的出现，与新的芯片算法融合，才有可能创造出更新的产品。

　　一方面，我们关注技术和产品的创新性，另一方面，我们也关注商业模式的创新。为什么最终美团能够在团购领域脱颖而出？为什么最终抖音能够在短视频领域取得成功？只有让整个产业生态链的所有环节都能盈利，从而形成有效的商业模式，才能够实现持续繁荣。

　　过去一年，我们投资了大约10家与人工智能相关的公司，涵盖了AI的不同环节，包括基础设施和应用层。此外，我们坚信中国一定会拥有自己的巨型模型。

　　OpenAI的技术在通用模型的能力方面确实处于领先地位。然而，创业公司在构建通用大型模型时不仅面临着大厂的竞争，还需要应对开源模型的竞争。因此，商业价值的实现成为一个相当重要的问题。

　　鉴于这一点，我们在大型模型领域的布局会相对谨慎一些，电竞竞猜官网官方更加关注垂直领域的应用和模型+应用的结合。

　　一部分是去年新兴的早期创业公司，也被称为“AI原生”公司；另一部分是现有的企业服务公司，它们已经拥有相对成熟的场景和客户群体，并具备将AI融入其原有产品和服务、实现量级提升、找到第二增长曲线的能力。这些都是非常有趣且具有价值的应用案例。

　　举个例子，在AI与电商领域，图片和视频生成技术与实际场景需求相匹配，对客户产生的价值相对容易衡量和商业化。此外，AI在医疗保险领域、社交领域等方面的应用也备受关注。

　　至于PMF（Product-Market Fit）问题，从创业公司的角度来看，尽早考虑以下问题至关重要：

　　总之，我们对这个领域的投资框架从去年到现在并没有发生特别大的变化。AI领域一直在不断更新迭代，因此我们目前仍处于持续学习和快速学习的状态。

　　Q：大家认为在中国进行AI投资的挑战有哪些？比较大的机会在哪？最看好的领域是什么？

　　我认为最大的挑战在于：无论是中国还是美国，都非常卷。AI领域是一个大家相对有大的共识的领域，不管是创业公司、大厂还是各个细分领域的头部公司，都认可一定要拥抱和布局。而对于创业公司来说，何为弯道超车的可能性？与现有公司融入技术相比，何为更大竞争力？如何在大共识里面找到一些非共识？何为大公司暂时不会关注到的机会？——这是不管做哪个市场都会面临的问题。

　　关于“选择什么市场”，我认为，AI创业，选择中国市场还是海外市场并不是顾此非彼的——这是一个全球化的市场，选择取决于你要做的事情。

　　如果你做的是一个专业领域，那么你就需要比较敏感的高质量的行业数据；如果你做的是大客户，相比于做出海的门槛较高，中国市场可能是更具吸引力的选择；如果你做的是一个ToC或ToB的产品，那么其实你完全可以Day One就做全球化。因此，并不存在“纯中国市场面临挑战”的问题。

　　首先，AI在各行各业的应用。这取决于两点：一是通用大模型底层能力的提升，例如GPT 4.5、GPT 5的发布，以及解决幻觉问题等。二是与行业相结合，如何结合行业知识和高质量的行业数据。我认为，这是我们在应用层面会比较关注的地方。

　　其次，智能硬件的兴起。AI+消费电子逐渐受到关注，这个领域是中国创业者非常擅长的。从产品的定义、形态、交互方式，到供应链的整合，以及如何充分利用中国硬件供应链的成本和效率优势等，都是中国创业者可以发挥优势的领域。

　　今年AI的火爆程度以及中国厂商的积极参与，非常引人注目。在CES上，我们看到了许多与AI相关的产品，例如三星的AI手机、各种类型的机器人等。因此，AI与硬件结合也是我们关注的领域之一，我认为对中国创业者来说这是一个充满机会的领域。

　　尤其在应用层，有两个非常重要的点：一是，抓住人群红利——你的产品是卖给谁的？你希望你的服务对象是谁？

　　在过去的20年里，中国成功抓住了产业工人的人群红利，但在未来的20年里，我认为老年化的红利将会成为一个重要的市场。虽然老龄化对社会没有好的影响，但从产品角度来看，抓住快速增长的老年人群体，也就是银发经济，是非常具有潜力的。除此之外，老年人有一个特点，就是学习能力下降，更需要AI的辅助。

　　与之相反，年轻人的学习能力很好，对AI的依赖性相对较低，但老年人则非常需要，特别是在医疗、陪伴和情感方面。

　　二是，做产品要降低成本并提高效率。无论是为B端客户还是C端客户提供服务，你都必须给他们带来好处。目前在国内，我们看到的大多数应用似乎更多地服务于B端企业，而不是C端客户。尽管Open AI已经开放了个人会员，可以通过个人付费购买其服务，但我认为目前购买大模型会员的个人还是很少。

　　因此，当前大部分的应用仍以企业服务为主，而在企业服务的领域，我们必须回答“降低成本、提高效率”的问题。

　　我也想提醒各位创业者：如果你们正在做这方面的创业，尤其是在B端方面，不要害怕。虽然有很多巨头在前面，比如视频行业，但短视频的出现击败了他们，现在又有短剧的兴起。因此，要不断创新，保持创新的心态，大胆前行，利用好现有的技术，抓住市场和机会，我相信大家都会取得成功。

　　我们现在重点关注两个领域：一是营销——因为AI正在渗透到各行各业，例如企业级软件、经营管理等各个领域。在内容方面，营销一直以来都是各种新技术首先应用的领域。

　　二是社交——我们非常关注新一代的社交，过去的社交是人与人之间、人与不同地区之间的互动，而未来的社交可能会更进一步地深入到个人内心。

　　同时，我们也在思考技术的演进和应用逻辑。第一，加入AI——即将现有产品与AI相结合，全球许多公司已经做得非常好，例如Adobe、微软等。

　　第二，AI创造新的产品——我认为大家可以密切关注一下微软的Copilot，可以在此基础上做一些延伸和思考。第三，AI创造新的生态与模式——但这需要我们共同寻找和抓住机遇。

　　我认为“数字人”是有潜力的，但它只是一个单点工具。在过去，营销技术领域有许多公司努力形成完整的数据资产和数据闭环。通过数字人、虚拟人或是视频与图片等工具，这些公司可以整理用户数据和信息，并将其沉淀到自身的私域流量和CDP（客户数据平台）数据资产中。

　　通过这样的方式，它们可以增强自身的营销业务，并指导广告等活动，从而形成更强大的数据资产。然而，如果不能够形成完整的数据资产，仅仅依赖单一的工具，其价值可能会相对有限。

　　人工智能最后的目标肯定是：智能越来越像人一样；但今天最大的问题就在这一点上。做营销就要引入AIGC的概念，真正的做内容有时并不是像“A所有B”一样逻辑关系链那么清晰。AI拥有了一定的涌现能力，在黑匣子里头它会不会有出乎意料的东西出现？

　　同时，人最重要的特点就是不按逻辑来，有时反而会出现一些灵光乍现的东西，而在这个时候AIGC能不能实现质的突破，是一个难点。

　　“要跨界，要多元的融合来做研发”，所以我也特别建议研发团队/创业团队：如果有可能的话，团队里要更多一点视角，更多一点能力，而不是光靠硬件、软件、前端、后端等不同的岗位，甚至要加入更多其他的学科，例如：社会学、心理学、创意学等，跨学科的融合冲突，最后有可能会更好地帮助我们进行迭代。

　　我也非常看好应用领域，尤其是游戏和教育等领域，AGI在其中都能够发挥重要作用。我认为这些领域非常适合年轻的创业者。从投资人的角度来看，我的技术能力目前很难精确评估这些领域的早期项目。

　　一方面，早期项目很难判断成功的可能性，另一方面，很难追踪到最优秀的创业者。因此，从投资角度来看，尽管上述领域存在巨大机会，但成功率却非常低。

　　在基础设施领域，能够做的项目相对较少。我们也投资了一家推理优化的公司。目前，中国缺乏足够的算力支持应用的发展。即使华为昇腾等硬件逐渐发展起来，但在短期内仍然无法满足需求。因此，如何利用现有的硬件提升性能，支持更多的应用，在中国的商业环境下有很多机会。

　　从我的角度上来讲，我认为，区块链或者swearWeb更多的是改变一种生产关系，是一种激励的机制。故此，从其本身来讲，它跟AGI是一个可以互补也可以不相关的应用。

　　虽然我们立足中国，但还是要放眼全球。因为我这是一个超级大的机会，所以不能只把视角局限在国内。

　　一方面，我们可以在国内打磨产品；另一方面，我们一定要在未来能够出海——这对中国的toB特别重要。因为中国很多时候可能有用户，但不一定有付费的客户；而海外用户和客户都非常的繁荣。

　　开放式的系统思维非常重要。当前许多商业逻辑和商业模式与过去不同，包括产品研发、设计、营销和市场推广等方面都有所变化。

　　以 OpenAI 企业为例，从创立至今推出了大模型、进行开源、推出 API 等，他们内部对于“OpenAI 如何实现商业化、产品化、服务化”等问题可能有许多想法。这种逻辑与过去许多软件或硬件产品的逻辑不同，商业路径也不同。我希望大家能在这方面给予更多关注和思考。

　　我认为，如果你对这个领域有坚定的信念或对创业充满热情，就应该尽早地寻找机会参与其中。这个行业正在快速迭代，当前可能是产品的过渡阶段，也许第二次、第三次的尝试就会找到正确的方向。对于早期创业者来说，找到创业方向时要有所聚焦——不能什么都尝试。

　　在人力、资源和资金有限的情况下，找到一个比较精准的切入点，结合自己的资源、天赋和优势是很重要的。一些领域肯定存在着AI的机会，但这些机会是属于创业者还是现有公司，这也是需要认真思考的问题。

　　同时，要尽早关注产品市场适应性（PMF）和商业化。尽管AI已经成为当前市场上热度较高，但整体一级市场和风投手中的资金仍然比较紧缺，因此不能完全依赖融资来支撑业务发展，而应尽快开始盈利。

　　当然，我认为现在的风投也更多地考虑到长期可持续性和竞争优势，因此在这个阶段需要思考“长期可持续发展的关键因素是什么”。

　　我们投资了多个数据中心，过去它们称为IDC（Internet Data Center），但今天它们的定位是成为智算中心。

　　谈到算力，既然涉及到基础设施和基建，就必然涉及到一些效率的问题——毕竟不可能每个人都去建设数据中心，对于中小企业而言，购买大量的计算卡可能也无法充分利用。目前，全国各地的政府都在推动建设本地化的计算中心，包括上海、北京、广州、深圳等沿海经济发达城市和省份。

　　他们计划推出类似于国家超级计算中心的设施，因此我认为将来租赁这些中心也是一个经济和可行的方案。根据国情，我们现在也有一些限制，如果购买量太小，英伟达根本就不会考虑，更不用说其他供应商了。

　　但我相信我们会解决这个问题，即使可能需要更多的资源投入，甚至能源消耗会增加——毕竟芯片制造技术还存在一定限制。但最终我们肯定会找到解决方案。

　　这主要说的是Open AI吧。我认为，大部分团队在打磨产品的时候，可能都会先用Open AI打包好一些其他的功能，再做pilot、POC等，但等到未来正式上线时，你还是应该切换到国产大模型。所以，前期用Open AI打磨产品是可以的。

　　光有模型是不够的，数据也至关重要。这对创业者来说是一个非常关键且需要谨慎对待的问题。今天的模型就是“garbage in garbage out”——如果进去的数据不好，出来的东西也是垃圾。如何拿到好的数据？我们曾经建立了金融数据局，但在未来，这几个大公司最终的优势将在于他们拥有的数据。

　　对于创业公司而言，要拥有与大公司相媲美的数据是非常困难的——京东的数据不会共享给阿里，阿里也是如此。如果中小企业想要构建一些购物推荐的模型，那么该从哪里获取数据？如何让自己的模型变得更好？这其中将会产生一系列问题。

　　因此，我建议创业公司和创业者们多关注这个问题：如何获得更好的数据？与谁合作可以获取更好的数据？这对公司未来的发展至关重要。

　　关于数据，我想进一步补充一点，请各位创业者关注。我们谈论关于数据时，不能只看到表面的“数字”，如果可能的话，我们应该将“数字”和“数据”相对分开。“数字”指的是我们能够清晰看到的数据，比如营销领域的购买人数、退货率、点赞数量等等。而“数据”则是指隐藏在背后的整体逻辑体系，不同的数字在不同的逻辑体系下所代表的意义也是不同的。

　　举例来说，有一段时间户外露营变得非常流行，我们可以获取很多所谓的广义的“数据”，但大多数人实际上只得到了“数字”——他们知道有多少人购买了装备、旅行了、花了多少钱等等。然而，这些“数字”背后的“数据”其实是不同的。从更深层次来看：你与自然的关系——是以征服者的姿态去户外露营，还是以与自然融合的态度去户外露营呢？这两种不同的“数据”将导致完全不同的消费行为，进而影响到一系列产品的销售和设计。

　　从本质上讲，往下深挖一层：你与自然的关系——你是更偏向“山高我为峰”的户外露营还是更偏向“天人合一”的户外露营呢？这两个“数据”的不同，其消费行为就会完全不同，随之带来的一系列货品的销售、产品的设计都完全不同。

　　“以征服者姿态”的人可能更倾向于购买功能性更强的产品，“与自然融合”的人可能更注重产品的环保和可持续性。这两种思路需要不同的产品设计和销售策略，从而影响到生产、供应链、营销、渠道选择等方面。我们需要深入理解和洞察这些差异。因此，我建议创业者在团队中拥有多学科的视角，否则你可能会认为一切都可以通用化。

　　通用的大数据、模型在多大程度上适用于不同人的功能、需求和场景？而在不能通用的情况下，我们应该如何架起桥梁？这些都是AI创业者在应用层面需要进一步思考的问题。