账上资金体量，很大程度上影响这些 AGI 领域初创公司的死活存亡。
市场上剩余资金体量，很大程度上影响其他 AGI 领域初创公司可能得到的融资机会。
因此，在这个韶光点上，我们与多家不同资金体量、不同成立韶光、不同类型、不同风格的投资机构进行了访谈，他们的投资策略，某种程度上代表了当前市场上 AGI 乐不雅观派投资人的普遍意见，或者有可能影响到更多可能进入 AGI 投资资金的意见。
我们与我们这次的访谈工具也希望用这样的形式，帮助 AGI 领域的创业者，还原不同资金规模体量的投资机构是如何思考 AGI 干系投资的。
我们采访了以下投资机构，可以结合要点进行针对性阅读。
01. 周志峰启明创投 合资人
02. 朱天宇蓝驰创投 管理合资人
03. 王啸九合创投 创始人
04. 张津剑绿洲成本创始合资人
05.温永腾BV百度风投 实行董事
06.白则人线性成本 投资副总裁
07. 杨孟彤AtomCapital 创始合资人
Founders Summary
在做了十几家机构的访谈后（部分互换及访谈未得到授权无法公开），我们认为：
1.高 Token 花费的运用处景是明星创业团队的机会，低 Token 花费的运用处景适宜普通创业者突围。
普通背景的创业者，在高 Token 花费的运用处景创业，会让很多投资人打退堂鼓。
高 Token 花费的运用处景，其代价显而易见，是「共识赛道」，是属于「明星创业团队」的机会，也大概率是是模型公司会切入的方向，他们的资金杠杆率远高于行业均值。
模型与运用双螺旋增长，高 Token 花费的场景，既须要团队有模型层的能力，又须要团队有足够的资金支撑。普通创业者每每难以在这两方面给到投资人信心。
反而是在低 Token 花费的场景中，快速办理具象问题，得到履历，赢得新的筹码，更有可能得到投资人的初始支持。这样的场景，每每不在明星创业团队的潜在杀伤区，拼的是创业者对技能运用的理解、对场景的敏感度、对人性的洞察。
2. 「AI-Native」的团队是融资的必要条件。
无论创业者背景如何，「AI-Native」团队已成为融资的必要条件。如果无法利用 AI 提升团队效率，就难以证明自己对 AGI 有深刻理解，自然也就难以赢得投资者的青睐。
AGI 时期，诸多任务将被 AI 取代，人在公司运营中的浸染很可能也会发生变革，创业公司的形态会向更小规模、更敏捷、更低本钱演化。
当下，拥抱 AI 的干系初创公司以惊人的速率在市场中崭露锋芒。如，Pika 做到 50 万用户、5500 万美元融资、2 亿美元估值时，只有 4 个正式同事，只用了 6 个月。Carrd 做到 260 万用户时，团队不超过 3 个人。
这些小团队的成功并非有时，他们凭借着对 AGI 的敏锐洞察和独特理解，借助 AI 的力量实现了快速 PMF、高速 ARR 增长，从而得到了公司持续运营、扩展的新融资。
这也将成为投资机构未来的共性哀求，不断提高对创业公司人效的评价标准。OpenAI CEO Sam Altman 认为，AI 时期会创造出一种全新的创业公司，一个人的独角兽公司，则是一种极致人效、资金效率的哀求。
对付年轻的运用开拓者来说，在 AI 运用中积累足够的履历，完成「1 万小时积累」，表示对 AI-Native 运用及 AI-Native 社会的理解，是证明自己的有效路子之一。
3.持续的融资能力是投资机构考察创业者的隐形标准。
首先，不同于移动互联网时期在一个清晰的赛道上比拼团队实行效率，本日 AGI 领域（特殊是运用领域），创业团队的「生命力」成为了主要的投资决策要素。
这个要素可以由两个角度的能力构成，首先是「创始人的持续融资能力」是当前 AGI 干系赛道创始人最主要的能力之一，也是投资机构稽核创业者的主要「隐性」标准之一。这是由于 AGI 领域早期技能迭代迅速，没有人能一上来就「大力失事业」的豪赌，而是须要足够的灵巧机能力进行探索和试错。
以是如果创业者不是「明星创业者」，那么第二个角度则是能否迅速形成一定程度的商业正循环，以较低融资额得到留在牌桌上的「看牌」的能力，这些产品实践足够多、代价足够小的团队特质，也是投资机构会考量的成分，由于这是他们认为创业者能否有足够的「试错机会」、是否乐意下注的条件。
4. 当心市场上的「两轮退」策略。
大部分上一代 AI 公司的投资人并未得到回报，仅在早期投入到诸如安防、自动驾驶等赛道才得到了回报，这让部分投资人对新一代的 AI 创业公司仍存有疑虑。因此当前市场上也涌现了诸多「两轮退」的投资策略（这样的投资策略并未被我们吸纳到本文的访谈里），以担保基金利益最大化，创业者在融资过程中每每很难洞悉这样的投资策略。
AGI 领域还处于抽芽状态，这可能是一场至少为期数年的创业之旅。「两轮」后，创业者每每面临更激烈的市场竞争，这样的「退出策略」无疑会加大创业者的后续融资难度。纵然面临融资压力，探求到有原谅度的资金，快速试错、迭代，才能确保公司在稳健发展的道路上不断前行。
01启明创投 周志峰
启明创投已投 AGI 干系项目: 智谱AI、优必选、无问芯穹、衔远科技、阶跃星辰、生数科技、自由量级、云知声、梅卡曼德、银河通用、无限光年等
启明创投已募管理资产总额：95 亿美元
核心不雅观点：
1. 模型层的高技能密集型创业团队会产生显著的虹吸效应。
2. 绝大多数致力于开拓大模型的公司终极将演化为模型运用一体化企业。
3. 天生式AI家当的发展正从超级模型向超级运用转型。
Q1：2023 年有哪些预判被证明或者证伪了？
周志峰：第一，我们把 AI 生态分成了根本架构层、模型层和运用层，去年投资布局的重点是模型层和根本架构层的企业，这个投资策略被证明是精确的。
其次，我们在 AI 上连续遵照我们一向的科技投资方法论，我们以为是精确的。科技浪潮的发展，会有技能奇点和市场引爆点，技能落地会有几个阶段。我们认为天生式人工智能还处于早期阶段，目前紧张由技能创新驱动，尚未进入到产品和商业模式的创新阶段。
第三，2023 年初我们预判，模型层的高技能密集型创业团队会产生显著的虹吸效应。越是 AI 大咖创业，越是专注于前沿模型开拓的公司，其「吸金」能力就越强。末了基本上也得到了证明，中国至少有 80% 乃至更多的资金、资源都投向了少数几家大模型开拓公司。
第四，我们当时认为可能会有三类创业者涌现：第一类是 AI 界顶级大咖；第二类是家当界老兵，如腾讯、字节跳动、快手等科技大厂背景的领军者；第三类则是像 PC 时期的比尔·盖茨、史蒂夫·乔布斯、互联网时期的马克·扎克伯格那样的年轻创业者，他们对新技能有深刻的洞察和极大的热爱。这个不雅观点也经由了一定的验证。
此外，后来的事实也证明了当年我们比较犹豫的一些方向。我们曾经考虑过布局一些利用第三方大措辞模型的运用产品，尤其当时美国企业 Jasper.ai 非常火爆。我们对这类项目的壁垒和可持续增长性有一定的担忧，但仍旧认为中国该当会涌现很多运用层公司。中国的天生式 AI 运用公司 2023 年在中国的成功度远远低于美国的运用公司，也在成本市场上没有达到美国的投资热度。去年美国市场上融资额超过 5000 万美元的运用公司有二十家以上。我们去年看了大量的运用层的公司，海内大约有 300 多家，并追踪了国外差不多 1000 多家公司，但终极脱手的并不多。
Q2：启明创投在 AI 赛道会有什么特色的投资逻辑？
周志峰：启明创投该当是海内投资大模型公司数量最多的机构之一。这和市场上很多机构的投资策略不同，我们相信这个种别中可以呈现出多家成功的公司。
我们的底层逻辑是，绝大多数致力于开拓大模型的公司终极将演化为模型运用一体化企业。在每一轮技能改造中，运用层每每会捕获最大的市场代价。自研模型的公司未来不仅会在模型和算法上有所建树，还将根据自研模型和所节制数据的特点，深入到特定的运用处景中，从而创造更大的商业代价。
现阶段，我们将模型层的公司分为三类。第一类是根本模型公司，它们类似于建造电厂，旨在让其他企业接入并利用其做事，代表公司如 OpenAI 和智谱 AI。第二类是开源模型运营平台，它们供应开源模型、模型优化和托管等做事，如 Hugging Face 和中国的阿里云魔搭社区。第三类，我们最初称之为垂类模型，但现在更适宜称其为模型运用一体化公司，这些公司直策应用自研模型去开拓自己的垂直行业类或特定功能类运用。
天生式 AI 技能还处于发展早期阶段，类似于互联网的早期，各家公司还须要自己参与构建一部分技能根本举动步伐，或不断适应动态发展的底层技能。
短期内，我们认为自研模型的公司将展现出更大的竞争力。它们能够从演习数据、模型优化等多个维度进行差异化竞争。模型层的公司根据自己的技能特点，开拓出不同的运用来凸显其自有模型的上风。举例来说，如果一家专注于娱乐领域的模型运用一体化公司，它们在预演习和对齐阶段都利用了大量的爱情小说和电影情节数据，那么其演习出来的模型在对话时具有更加丰富的感情表达，就会与一些通用的根本模型形成光鲜比拟。
其余，从成本体量和试错本钱上来看，模型层的公司做运用也具有上风。在 2023 年，模型层的公司融资额因此数亿美元打算，而运用层的公司融资额在千万美元这个级别，这意味着模型层的公司去探索运用时可以包袱足够的试错本钱去迭代自己的运用产品。
市场上，一些人可能会看到 OpenAI 在环球范围内的领跑地位，从而对模型层的其他创业企业比较悲观。我们也不雅观察到一个有趣的征象：一旦 OpenAI 探索出一个新的技能创新，其他公司每每能够以更低的本钱复刻，并缩小与其的差距。我们目前的不雅观察是，包括中国在内的环球第一梯队的近 20 家模型研发公司，本钱上，正在以大约 1/5-1/10 的本钱去实现 OpenAI 的目前一代前辈模型的水平；速率上，追赶的周期越来越短。而在 2023 年上半年，大家普遍认为追赶者和 OpenAI 有 18 个月旁边的差距。
在投资策略上，我们今年会更看重早期投资布局。
虽然启明创投管理的资金体量相对较大，但作为一家创投契构，一方面当前很多研发措辞模型和多模态模型的企业纵然是早期，估值也不便宜，后期就更难投资。另一方面，天生式 AI 公司须要走过 TMF（Technology Market Fit）、PMF（Product Market Fit）阶段，一样平常来说须要的周期是远长于消费品牌产品等其他领域的公司。一旦天生式 AI 企业完成了 TMF 和 PMF，过了拐点，其上升趋势的斜率则更为陡峭，那时企业的代价会变得很高。
Q3：启明创投最近有什么对付 AI 的新思考？
周志峰：我们最近一贯在思考，天生式 AI 家当的发展从超级模型向超级运用转型时，我们从投资角度该当如何应对。
由于我们投资了多家大模型团队，他们与家当链高下游的伙伴之间互助紧密，这些互助为我们揭示了潜在超级运用方向的旗子暗记。最近，一些历史上取获胜利的创业者和科技大厂高管开始涌入这个领域，有些是选择直接创业，有些是选择加入创业公司，助力产品和运用的开拓。
要实现从超级模型到超级运用的转变，我们须要思考三个关键问题：这一转变何时发生？以何种办法发生？以及由谁来驱动发生？
为了更深入地理解这种转变，我们研究了历史上几代科技大浪潮中呈现出的科技巨子的发展史，访谈了很多包括抖音早期团队在内的业界专家，试图找到一些底层规律性的东西。
这个问题是有一定时效性的，技能在不断变革，之前的判断可能在某个韶光点后就不再成立了。在投资运用公司时，关键在于明确最我们要投什么样的技能能力、背景和策略的团队或企业。
短期内，我们看好自研模型去探索运用的公司，它们可以从数据、算法、系统、算力、模型优化等多个方面进行差异化竞争。
Q4：这一代大模型干系的 AI 创投浪潮与上一代会有什么差异？
周志峰：这一次因此预演习模型驱动的天生式 AI 为主，上一代紧张因此感知为主的判别式 AI。
判别式 AI 的核心特点紧张有两点：第一，它紧张是进行视觉和语音的判断，而无法进行深层推理，它的运用处景较为有限，紧张在人脸识别、物体识别、语音识别、基于视觉的智能驾驶等任务上取得了较大的发展。第二，上一代 AI 模型须要为特界说务定制，其泛化能力有限。
这也是为什么在过去 10 年中，人工智能企业在技能落地时会碰着较大寻衅的缘故原由，由于它们须要为不同场景组建不同的团队。例如，很多人认为酒店入住时的人脸识别系统与公共场所的基于人脸识别的智能安防系统的功能相似，然而，从模型构建、演习到支配，以及芯片和摄像头等配套硬件上，两者存在显著差异。
之前的十年，人工智能技能紧张在三个场景取得了规模化运用的成功：第一个是互联网的推举系统，代表公司是字节跳动；第二是聪慧城市，市场体量足够大，只有场景体量大才能形成闭环迭代，不断降落本钱和提升性能；第三是智能驾驶，比如特斯拉通过几百万辆车完成了软硬件生态的闭环迭代。
本日的天生式 AI，为我们打开了无限的可能性。
对付未来可能涌现的大运用处景，目前我们暂时认为有三类：
第一类是利用AI提升生产力效率的场景，如针对特定行业或领域的软件工具，自动化重复性任务、供应决策支持、优化资源分配；
第二类是泛娱乐领域，包括游戏和其他创新型人机互动、内容天生的娱乐运用；
第三类是变革信息流转办法的创新运用。
Q5：为什么中国的产品层创业暂时低于预期？
周志峰：美国在运用创业方面做得很好，用户基数及增长的量比海内大。一个侧面的数据是 2023 年美国头部创投基金投资天生式 AI 运用公司的比例是非常高的，占到了 AI 投资的 50% 乃至更高。
由于 OpenAI 等企业的先发上风，美国的大模型生态比中国起步早，目前更成熟。更多的运用公司利用这个成熟的生态做出了好产品。而中国的大模型生态还在初期发展中，基本上是从去年年中开始，比美国滞后一些。
美国的这些运用公司中可以分为两类，一类是 ToB，一类是 ToC。ToB 的公司紧张是针对中小型企业的，美国的中小企业付费意愿更高，产品型企业更随意马虎找到 PMF，做出 ARR，并得到融资，形成正向循环。而 ToC 的公司目前紧张是陪伴型 AI 产品得到了初步的成功。
Q6：这一波大模型的涌现，对启明创投本身有什么影响？
周志峰：ChatGPT 的涌现并得到了巨大的商业成功，这无疑是一个引爆点。在过去的一年中，我们一贯在逆势招人，不断补充 AI 团队成员。我们现在团队中有一部分成员是具有机器学习专业背景的，有实操演习大模型的履历，也补充了对 AI 运用非常有激情亲切的、正在沉浸式利用 AI 的同事。在海内机构中，像启明创投一样投入了这么多资源在这个赛道上的还不多。
我们回顾 2023 年创造，启明创投在 AI 领域的投资占比与美国几个生动布局 AI 的顶级 VC 基金在相同水平上。
2023 年，美国创投市场投向 AI 的资金约为 250 亿美元，而中国仅为十几亿美元或等值公民币，可以看出两国在 AI 投资上的差距。今年，我们估量中国市场化机构对 AI 的投资将比去年更加生动。去年美国市场大量的资金来自于科技大厂的战投；在中国，去年生动的投资者紧张包括少数头部美元 VC，以及美团、腾讯、阿里巴巴、蚂蚁金服、小米、金山、商汤等战投，以及一些政府勾引基金。
我们估量，今年投向 AI 领域的资金会有所增加。这一预测基于多方面的缘故原由：我们与浩瀚机构进行了深入的互换，创造他们对 AI 的兴趣在不断增加，无论是美元基金还是公民币基金，都在积极探求 AI 领域的投资机会。
其他一些积极的旗子暗记也包括：随着 AI 技能的不断发展和运用处景的拓展，越来越多的有履历的「老兵」和有激情亲切的新锐创业者涌入这个领域，为投资者供应了更多的选择；政府层面也开始重视并推动 AI 家当的发展等，如推动算力根本举动步伐培植、数据共享和开拓利用等。
此外，中国在制造业和家当升级方面具有显著上风，为具身智能等 AI 技能的运用供应了广阔的发展空间。
02蓝驰创投 朱天宇
蓝驰已投 AGI 干系项目: 智元机器人、银河机器人、Moonshot、潞晨科技、西湖心辰、幂律科技等
蓝驰在管资金规模：超过 150 亿元公民币
核心不雅观点：
1. AI+3D 交互+Robotics，叠加底层的 Web3 技能，三浪叠加掀起生产力革命。
2. 这个阶段详细的投资策略实质上还是投精良的团队。
3. 创业者要么就专心做模型，要么专心做场景。
Q1：大模型涌现对蓝驰的投资是否有影响？
朱天宇：外界一个有名的投资人对蓝驰在这波 AI 领域的投资评价是：可能是过去这一年最生动的前三家之一。
但蓝驰看 AGI 领域的投资，并不仅仅是从 AI 单方面去看的。2022 年底，我们有一个判断：AI+3D 交互+Robotics，叠加底层的 Web3 技能，三浪叠加掀起生产力革命。这个是蓝驰看 AGI 的底层逻辑。
之前的互联网是二维的，人类处理的都是二维空间的数据；但是从人工智能开始，我们要处理的是三维空间，也便是立体的空间数据。当 AI 能够获取 3D 数据，它进阶的速率会加快。而机器人则是主要的实行终端。
现在可能还是互联网时期的 2000 年以前。从细节行业不同环节的代价来看，这一波的 AI 浪潮下的底层根本举动步伐在未来的占比，可能会比互联网更高一些。互联网时期常常谈长尾效应，我们认为长尾运用的未来份额占比可能会超 50%。每一个小的任务单元，可能都比以往的代价更高。
Q2：蓝驰在 AI 领域的投资策略是什么？
朱天宇：从详细的投资策略上来看，实质上是投精良的团队。精良团队选择的方向，是基于他自己的一些很深刻的高维认知，不代表说他当下的切入角度或力度一定是对的，这只是他按照自己的逻辑进行试错的第一步而已。蓝驰有 20 多年的历史，且目前在早期机构中属于资金量比较充足的，选择精良的头部团队是我们践行的一向策略。
投资大模型的详细逻辑：
从环球来看，理论上，市场容量可能也就只有一两家。但是考虑到自主性，中国也会有自己的大模型。我们思考的是末了这个赛道上会留下几家？大模型公司的发展很大程度上取决于其人才密度、算力资源、数据资源。个中早期阶段，最核心的还是人才密度，尤其是天才科学家的密度。
投资具身智能的详细逻辑：
一个是我们相信三浪叠加的大趋势。一个是中国的比较上风是在制造业层面。具身智能现在进行到什么阶段，我们还须要不雅观察。但是我们要在早期就想到结局，可能也会想到如何互助联合。但是我们认为，具身智能带来的是不一样的数据，是空间数据。我们认为，OpenAI 投资具身智能公司，很可能也是为了这样的数据。这是兵家必争之地。具身智能当前的投资阶段，最核心的也是人才密度。
投资运用的详细逻辑：
目前蓝驰投资了一些垂直方向，涵盖法律、教诲、招聘、娱乐、发卖等。实际的投资逻辑，一部分是找到那些有可能形本钱身数据壁垒的场景，有助于形成数据飞轮。一部分也是由于看中了非常 AI-Native 的年轻团队。整体来说，还处于探索阶段。
看运用的话，目前蓝驰紧张是看三个要点。首先，data rich 的场景，紧张是要有高下文，且有足够多没有被数字化的场景的数据。其次，要一边赢利、一边赚数据、一边赚知识，形成数据飞轮。三是要有降落本钱的能力，比如要搭配不同的模型，乃至有自己演习的一些模型，80% 的要求通过自己的模型完成，借助 PMF 形成的数据飞轮，引发收入，并形成新的数据壁垒。
目前来看，能做出这样产品的「六边形战士」紧张是是两类：一是之前真正从 0 到 1 做过产品，对数据、场景有理解的创业者；一类是年轻的 AI-Native 的创业者，可能还在大学前后，但是每天都在利用 AI，乃至可能已经在 AI 工具上实现了 1 万小时积累。
Q3：去年为什么没有大量的创业公司拿到融资？
朱天宇：美国投融资市场也很卷，VC 支撑美国这个市场已经走了五六十年，只有最厉害的创始人，才能拿到最头部机构的钱，才能拿到最多的钱。中国 VC 已经经由了 20 年的发展，也见多识广了。AGI 由于对算力、资源、成本哀求高，一定呈现出高度竞争的状态。中国去年是百模大战，但后面可能也会合纵连横，未来也会有合并整合了。
对创业者来说，要么就专心做模型，要么专心做场景。根本模型日月牙异，但做场景必须也要深刻认知到模型的能力和变革。
Q4：最近在思考的 AI 干系的问题是什么？
朱天宇：Sam Altman 说未来的创业公司大概是 1 个人就能做出独角兽公司。我们也在思考，什么样的人、什么样的场景能有 10 亿美元这样的杠杆率。
最近 Sora 发布，我也发了自己的思考问题：智能沿着数据成长，还是数据沿着智能成长？增量新数据和存量旧数据的特色分别是什么？新数据产生的场景怎么排序？
Q5：未来的超级运用可能是什么？
朱天宇：天下是多模态的，当前的大模型都是在花费人类以往已经被数字化的知识，这些数据基本都是 2D 的。从空间角度来讲，人类现在生活空间可能还有 95% 的空间没有被数字化。以是当这些东西被数字化之后，可能带来什么样的运用啊？大概该当从这样的角度去思考未来的超级运用。
Q6：最近常常问创业者的问题是什么？
朱天宇：PMF 探索过程当中得到的收成是什么？
如何数据闭环，数据的壁垒在哪里？
如何降落本钱，目前降落本钱卡在哪里？
Q7：这一代 AGI 创投与上一代 AI 有什么不同？
朱天宇：在人工智能中，最值得期待的便是 NLP 的打破——NLP 是认知的入口，是基于措辞笔墨的积累，能够调动的存量知识足够多，且跟人的交互更频繁、更靠近行业运用。一旦 NLP 完成了打破，人类就可能「勾」到更高等的数据场景，演习出更高等的 AI。大措辞模型的涌现便是这样的打破。
上一代的信息革命、互联网，实在还是在传输信息，而这一代的 AI 是创造信息——例如 GPT——是在天生；之前的很多商业模式都是基于连接的，而接下来的商业模式是基于创造，以是就有一定的代价分配问题。之前的人机协作更像 SaaS 做事，但是接下来的人机协作很可能是机器会参与到人类的的思考和生产流程中，是有来有往的，不再只是外挂、赞助式的。
03九合创投 王啸
九合已投 AGI 干系项目: CreativeFitting（井英科技）、行者 AI、心影随形等
九合在管资金规模：数十亿公民币
核心不雅观点：
1. 大数据合营大模型才能办理一些更深度、更难的问题。
2. 会方向于投资用大模型干系技能能力去做一些更贴近用户和客户需求的办理方案。
3. 技能公司的回报周期每每超出了一支基金的存续期，希望未来的生态匹配更康健。
Q1：AGI、LLM 的涌现，对自己的基金产生了一些什么样的影响？
王啸：九合自 2015 年开始关注 AI 赛道，从 AI 的底层到运用层都有布局。当时市场以大数据、小模型为主，但我们认为还不能办理很多问题，大数据合营大模型才能办理一些更深度、更难的问题。
2022 年，随着 ChatGPT 的涌现，我们对付通用人工智能的实现可能性有了更乐不雅观的意见，觉得它已经在韶光表上了。只管我们对通用人工智能的定义可能有所不同，但我们认为包括 GPT 在内的一些算法已经具备了通用智能的特性。
这意味着人工智能已经从 1.0 升级到了 2.0，这是一个显著的代际差别。过去，我们紧张依赖图像识别技能的成熟和准确率的提升，从而实现了从人脸识别到自动驾驶，再到医疗照片识别等一系列运用处景的拓展。然而，现在的大模型技能不仅局限于单一的任务，具有泛化能力，将催生更多场景中更具代价的运用的出身，其影响的场景规模和数量将更为弘大，且持续韶光可能更长。互联网已经影响了我们二十多年，智好手机也已经存在了十几年，大模型的影响周期可能会更加深远。
Q2：2024 年，在 AI 投资方向的详细策略是什么？
王啸：在投资策略上，我们紧张关注大模型作为一种根本能力，如何与运用处景相结合，办理用户和客户的需求。我们会方向于投资用大模型干系技能能力去做一些更贴近用户和客户需求的办理方案。
目前，我们不太可能直接投资大模型，由于我们认为这是非常重的竞争，须要很强的资源，不一定是创业公司的机会。相反，九合的基金更适宜于投资那些利用大模型技能的中间件和 ToB/ToC 运用。
Q3：2023 年，有哪些关于 AI 的投资策略的思考是被证明了，哪些被证伪了？
王啸：在此之前，我们就很看好大模型在多模态上的运用，并认为这是一个有机会的方向。在去年和前年看过一些多模态的创业公司，当时以为他们的技能方案没有形成打破，结果上还不理想，比如不能天生完美的视频，其余以为图像天生可能不能单独成为一个公司的主营业务。
这些现在倒回来看都已经被证明。现在我们比较关注大模型真正的落地运用处景和运用方向在哪里，比如九合投资了 CreativeFitting（井英科技）、行者 AI 等，都是聚焦在细分的场景中。我们最近也在思考 AI 在教诲、医疗、法律等方向的运用。但我们以为新一代的公司须要办理上一代技能公司要办理的问题。
Q4：现在有一些什么样的新的思考？
王啸：上一波的 AI 里，只有投资了少数几个场景、且在早期投资的投资机构得到了回报。前者是由于上一波 AI 具有的泛化能力有限，只能办理单一问题；后者是由于大量的创业公司天花板没有那么高，长期发展上蓄力不敷。大模型时期，可能做大的场景会变多。
创新是须要成本去鼓励的。以前中国的互联网创新很多是靠美元基金支撑的。现在，中国的科技创新也须要更多原谅性的成本去支持和造就。
但当前基金整体的问题可能是，技能公司的回报周期每每超出了一支基金的存续期。九合的基金在公民币中属于比较长期的，是十年期，很可能未来的技能回报须要更长的韶光，希望往后这个生态更匹配更康健。
04绿洲成本 张津剑
绿洲已投 AGI 干系项目: MiniMax，无问芯穹、Boson.ai、逐际动力等
绿洲在管资金规模：超 5 亿美元
核心不雅观点：
1. 数字化机会——利用科技手段更好地做事乃至替代这些专业做事。
2. 非常看好 Agent 领域，所有的软件都会因其被重塑。
3. AI 与中国供应链的深度结合也是一个主要方向。
Q1：AGI、LLM 的涌现，对自己的基金或者自己产生了一些什么样的影响？
张津剑：去年 AI 热潮兴起后，绿洲成本在 AI 领域的投资非常积极。
这紧张源于绿洲成本对中国数智化升级这一主题的理解和探索。
中国当前面临的一个巨大机会——过去 20 年高速增长带来的巨大需求与专业人才不敷之间的抵牾。
这种专业人才不敷的征象在各行各业都显而易见，如、西席、生理年夜夫、状师等。中国缺少真正意义上的大规模精良人才，而专业人才的培养须要韶光。
这种巨大的差距正是绿洲成本看到的数字化机会——利用科技手段更好地做事乃至替代这些专业做事。
但过去无论是通过软件还是硬件去办理这些问题，每每依赖于特定场景的规则逐一映射，只能在特定场景下发挥浸染，不具有泛化能力。
直到 2022 年，看到了 Stable Diffusion 开源，我们意识到有可能找到了一个打破特定场景限定的方法。这是绿洲成本看到的最大机会。
另一个绿洲在这波 AI 创投浪潮积极投入的缘故原由是，我们认为，科技的发展不是线性的，当一个主要的科技分支取得进展，其他很多科技树、技能每每也可以点亮，并产生出弗成思议的领悟代价。
ChatGPT 的涌现让我们意识到代表着以 Transformer 为底层构造的一种新的思考问题的办法得到了证明。
因此，从去年开始，我就跟团队说，要关注两件事情。第一是全体通用大模型本身的发展所带来的未来机会，尤其是对专业做事的重塑。第二是AI 与其他技能的领悟所带来的机会，PC 电脑和互联网的领悟出身了互联网时期，Transformer 模型与其他技能的领悟也将带来新的机会。
Q2：2023 年，有哪些关于AI的思考是被证明了，哪些被证伪了？
张津剑：去年绿洲成本在投资策略上确实经历了许多变革，有些策略被证明是有效的，有些则被证伪。
首先，绿洲成本考试测验投资了一些 AIGC 干系的项目，包括文生图、文生 3D 等，但是终极决定不投资文生视频领域。思考的逻辑是，我们没有看到该领域的护城河和最大代价所在。如果事情足够大略，那么天生图片或笔墨的公司可能顺带就做了；如果事情极度繁芜，这可能是大厂的机会，由于对算力、人才、资金等的哀求会更高。目前来看，这个决定暂时是精确的，最近 Sora 带来的震荡确实很大。
其次，绿洲成本一贯以来都非常看好 Agent 领域，所有的软件都会因其被重塑。2023 年一年这个不雅观点还没有得到证明，紧张缘故原由是业界还没有找到爆发性的运用处景。
我们认为现在还没有到临边界，还须要连续探求爆发点。
绿洲成本依然对这个领域持乐不雅观态度，认为它是今年的一个重点方向。
此外，绿洲成本在人形机器人领域也进行了很多研究和投资。虽然大家都说人形机器人与 AI 的结合是未来的趋势，但目前来看，这个结合点还不足紧密。这可能是由于机器人本身的反馈系统和传感器的精度与 AI 的结合还存在一些差距。
Q3：2024 年，你自己对 AI 思考最多的几个问题是什么？
张津剑：AI 的巨大打破、人形机器人的涌现、AR/VR 的新接入设备、区块链技能的日渐成熟以及元宇宙时期的到来都为绿洲成本带来了巨大的机会。绿洲成本更多地思考这场社会变革而不仅仅是关注技能本身。
如果说工业革命是让人类被迫从体力劳动升级为了脑力劳动，这次的技能革命，很可能的结果是所有靠所谓的知识的创造代价的事情都会被 AI 干掉，人类被迫进一步的升级到「心力劳动」，去创造更大的代价。
我最近在想的便是未来的核心资源要素是什么。本日有人说是算力和能源，我认为这个思考是站在过去和现在去思考未来的，但是未来可能不是这个样子。比如过去 20 年，你只要参与了中国的这个城镇化培植，都会享受到社会的红利。范例的行为是机构开拓房地产、散户买房。
那接下来 20 年的AI技能革命浪潮中，Agent 可能成为最要的交互载体。那什么是 Agent 的地皮？Agent 跟 Agent 之间的长期关系是什么？如何估值乃至评估一个 Agent ? 这些问题将决定人们在 AI 时期的命运和未来。
Q4：2024 年，基金的紧张投资方向有哪些？
张津剑：今年会有越来越多的人开始关注机器人本身。随着像 Sora 这样的技能的涌现，行业意识到模型层的差距，也会开始探求中国在大模型时期的策略与上风。
此外，我认为AI 与中国供应链的深度结合也是一个主要方向。无论是 AI 手机还是未来的智能硬件，都将发生改变。比如，如果 AI 能够理解并处理更多的繁芜交互，比如通过语音或其他办法吸收并处理你的需求，人类的生活办法将发生更大的变革。当然，这可能也会涉及到大规模的网络通信和打算、隐私保护、设备间的信息互通等问题。
这些都可能引发 IT 技能构造的变革。这种变革将涉及到云、边、端、网络底层的根本举动步伐以及上层支持的 Agent 的重塑。
Q5：如何判断一个好的 AI 公司创始人？
张津剑：绿洲一贯坚信「创业者的生命力本身」，即创业者与生俱来的韧性和不断自我打破的能力。
进入新的天下须要的是勇士，最主要是他们能否实事求是地自我发展和打破，能否成熟地面对各种变革的环境，在变革中如何最大化利用外部资源，快速做出精确决策。
比如，出海和环球化并不是一件遥不可及的事情，这很可能犹如当年州里企业进军全国市场。一旦打破了思想上的束缚，中国创业者就能够更好地参与国际竞争并在环球市场中脱颖而出。
一个好的创业者该当是一个被激活的状态。无论是海内还是国外，这一轮人工智能科技浪潮非常多精良的人才都是 85 后，乃至 90 后。这是一个属于他们的时期，一个充满生命力和希望的时期。
2023 年，绿洲投资了很多第一轮的项目，这些项目在投资时并没有 PMF。我们认为，PMF 是一个后验的观点，更主要的是人在对的方向上的理解。因此，绿洲成本更看重的是人，一个有生命力的人。
05BV百度风投 温永腾
BV已投 AGI 干系项目: 生数科技、Morph Studio、西湖心辰、智元机器人等
BV在管资金规模：超 7 亿美元
核心不雅观点：
1. AIGC 时期可能能构建一个基于用户即时现实需求供应即时反馈的天生式推举系统。
2. 视频模态在所有模态中具有最高的商业化天花板，且运用处景极为广泛。
3. 中国有望成为环球最大的天生式 AI 消费级运用市场。
Q1：BV百度风投在 AI 领域的投资策略是什么？
温永腾：BV百度风投从 2021 年开始探索基于 GAN 技能的 AI 天生技能和产品，当时我们就将其称为 AIGC。只管那个时候的技能还不足成熟，但仍旧让我们看到了天生式 AI 的巨大潜力。
我们的初衷并非仅仅追求天生能力，而是希望构建一个基于用户即时现实需求供应即时反馈的天生式推举系统。这样的推举系统须要强大的天生能力作为支撑，一旦实现，将对互联网运用和平台的格局产生深远影响。
2023 年，大措辞模型的发展，尤其是 ChatGPT 的发布使我们离这一愿景更近了一步。
我们的策略是希望可以领先市场一年旁边的韶光投出好的团队和产品，之前 BV百度风投紧张关注多模态领域，并在 23 年初投资了生数科技和 Morph Studio，这两家都是当前比较早进行多模态模型研发的团队，已经进行了不少干系的技能和产品储备。
BV百度风投之以是如此重视多模态，紧张有两个缘故原由。
首先，从模型本身的角度来看，多模态数据和能力是实现 AGI 的必要条件。人的思考和学习过程并非单一文本模态所能涵盖，因此，要实现 AGI 多模态是必由之路。
其次，从运用的角度来看，多模态更符合用户的交互习气。我们不能期望用户仅限于单一的文本模式交互。相反，视频、3D 等多种模态不仅更贴合用户的利用偏好，而且能够吸引用户投入更多的韶光。这种多样化的交互模式，不仅丰富了用户体验，也为运用开拓者供应了更广阔的创新空间。
Q2：Sora 发布，根本模型的竞争进入多模态新阶段，创业公司还有机会么？
温永腾：Sora 发布，对中国创业公司正产生影响。
外界一种声音认为OpenAI 会压制创业公司的生存，特殊是在视频领域的多模态公司。但我认为这种想法是有偏颇的，忽略了几个关键的成分：
首先，Sora 的成功证明了 ViT、DiT 路线的代价，就像当年的 Transformer 技能一样。只管 Vit/DiT 的技能路线并非 OpenAI 最早提出，但其成功验证了这一方向的有效性。对付中国的公司而言，这既是一个寻衅也是一个机遇。它解释，接下来的关键不仅仅在于探索方向，而更在于中国公司的技能实行力和产品实行力。中国市场对本土化的模型也有急迫的需求，预示着接下来将会涌现类似于当年 LLM 一样的根本模型激烈竞争。这不再仅仅是跨模态模型的竞争，而是更广泛的多模态根本模型的竞争。
当下，大部分的 LLM 创业公司都须要重新思考自己的计策：是否要跟进多模态的进展。由于资源有限，且之前的人才布局和研发重点大部分都不在多模态领域，因此这也是一个相对慎重的计策决定。多模态模型的研发须要弘大的算力、人才以及其他资源支持，想要在这一领域脱颖而出，创业公司须要办理几个关键问题。
首先，团队当前最核心的成分。在多模态研究领域，真正具备多模态实力的团队仍旧相对稀缺。接下来的竞争焦点之一将是如何吸引和获取这些精良团队。只管 OpenAI 指明了方向，但技能的详细研发落地仍旧充满未知和寻衅，须要有履历的团队来深入探索和解决，BV百度风投参与投资的生数科技和 Morph Studio 都在这个领域有很深积累。
其次，成本投入也是一个主要的考量成分。在多模态模型的研发过程中，成本将起到关键浸染。投资者在考虑投资时，会关注团队的稀缺性和在该领域的积累。
我们不太认可市场上关于「做出 Sora」须要的巨量资金体量的悲观判断。有些声音认为海内公司可能无法跟进如此弘大的资源花费。一方面我们不能静态地看待这个问题，随着技能的不断进步和算力本钱的低落，未来海内公司完备有能力跟进并做出自己的贡献。
另一方面，我们也须要考虑到多模态模型特殊是视频模态模型的商业化前景。我们认为，视频模态在所有模态中具有最高的商业化天花板，且运用处景极为广泛。无论是商业视频还是娱乐视频，都存在着巨大的市场需求。因此，随着多模态技能的不断发展，将解锁更多新的运用处景和商业机会。
对付创业公司来说，2023 年开始的第一波投资只是开始，2024 年的第二波投资竞争将更加残酷，须要看这些团队能否真正将类似 Sora 和原型和其商用产品做出来。
Q3：AGI 创投的未来的引爆点可能是什么？
温永腾：运用层的机会与空间依然很大。
理论上，就像移动互联网时期，一个成熟的家当的生态格局中，运用层的收入会占大头。2023 年，只管 AGI 干系行业在算力层面的收入达到百亿美元体量，运用层在整体收入也达到了数十亿美元的体量。虽然两者在收入上还存在着一个数量级的差距，但是外洋 AI 产品的商业化能力依旧超出了预期，这种情形在中国也一定会发生。
中国运用层的创投层面的爆发回须要一两个契机。比如，有创业公司能够做到 1000 万以上的 MAU 或者订阅收入达到 1 亿元公民币，投资人对行业的意见将会发生比较大的改不雅观。
在运用层，BV百度风投特殊看好消费级运用成为这样的「引爆点」。只管之前有很多同行认为天生式 AI 消费级运用领域门槛不高，差异化不明显。但我们依旧对依旧在美国验证的产品形态结合海内精良产品技能团队的落地能力的组合抱有很高的信心。
在这个阶段，投资的紧张依据是团队。核心看创业者如何理解技能的边界和如何做一个知足用户需求的产品。
我们认为，AI 产品得到用户信赖的关键在于供应以前无法实现的做事或比现有方案好十倍的办理方案，须要创新而不仅仅是在现有产品上添加功能。
创业者该当勇于考试测验缺点、开拓产品，并考虑产品-市场契合度（PMF）。运用层的投资逻辑与模型层不同，如果无法实现 PMF，公司可能难以持续融资。对付消费级运用，关键指标是用户增长和留存；对付企业级运用，则是 ARR 和付费留存。我们希望看到创业者勇于考试测验、反复迭代，而不是只勾留在逻辑推导上。我们不雅观察到，外洋有名运用，如 Perplexity AI 等发版迭代周期也很短。未来的「张一鸣们」现在做的事情可能还很小，还不那么性感，但如果足够 AI 原生，就该当武断选择这样的方向先去试错。
在考虑创业和投资时，必须认识到中美市场的实质差异。现在美国是环球天生式 AI 最大的企业级运用市场，但中国有望成为环球最大的天生式 AI 消费级运用市场。中国拥有天下级的工程师和产品经理，这为海内运用的发展以及中国团队在环球市场的表现供应了坚实的根本。因此，不管是针对海内市场的发展，还是中国团队打造面向环球的运用，我对此都持有强烈的信心。
06线性成本 白则人
线性已投 AGI 干系项目: 心识宇宙、TIAMAT、Encred、灵宇宙、幂律智能等
线性在管资金规模：20 亿美元
核心不雅观点：
1. 更方向于投资 AI 干系的运用，即 useful agent。
2. AGI 带光降盆力变革、交互形式创新。
3. 投AI原生运用时，创业团队自身必须是 AI 的践行者。
Q1：2024 年，AI 在基金投资策略里的定位是什么？
白则人：线性自成立之初就一贯专注在数据智能及科技深度赋能家当的投资方向。
当前，我们重点关注有重大技能打破、及这些技能打破在丰富运用处景中落地的项目。方向上，紧张表示在投资新能源、新材料、生物科技、机器人前辈制造以及 AI 等领域。
Q2：2024 年，基金大概会有多少量级的基金投向 AI？
白则人：AI 在我们的全体投资策略中霸占主要地位。
以 2023 年为例，AI 方向的投资项目在总体项目投资数量中占比超过 20%，今年会连续增加。按照我们的在投基金体量测算，今年投向 AI 方向的资金大约会有大几千万美元。
去年上半年，我们曾考虑投资一家大模型公司，但终极没有实现。其缘故原由表示着我们对投资策略的思考变革。现在，我们更方向于投资AI干系的运用，内部称之为 useful agent，意为办理实际的商业问题。接下来将环绕这个方向进行投资。
Q3：2024 年基金在 AI 投资方向的详细策略是什么？
白则人：我们认为，2024 年 AI 发展已进入第二阶段。
此前第一阶段里，行业更多关注模型本身根本能力的提升。当前，我们认为会有更多可以落地在垂直场景的 AI 运用发展、成熟。
缘故原由在于：
第一，虽然模型能力仍旧在不断提升，但其根本能力已经展现了相称的泛化性，能够在通用的内容天生场景上达到不错的效果；其次，全体 AI 开源生态的繁荣使得运用层的公司能够以更低门槛和更高的效率利用最强大的 AI 能力；末了，我们也看到，在摩尔定律与模型调优的双重浸染下，推理（inference）本钱不断降落，为 AI 大规模运用商业化供应了可能。
接下来行业面临的问题是，AI在更垂直领域、更长流程、更繁芜的场景下如何落地，如法律、医疗、教诲、金融等等领域。这里须要办理如何有效地获取领域数据，如何做模型调优使结果更精确可控、如何更好地融入用户的 workflow 等问题。我们非常期待见到既懂模型又有行业 know-how 的创业团队。
在 AI 的详细投资方向上，我们今年原则上采纳不设限的投资策略。缘故原由在于，我们相信这一次 AI 浪潮带来的首先是生产力的变革、其次是新的交互形式，这两点的变革理论上可以在相称广泛的领域中产生强烈的化学反应。以是，所谓不设限首先是投资方向上不设限，无论是模型层、Infra 层、中间件、工具还是运用层我们都会关注。虽然我们会投更多的运用项目但同时我们也会跟上最前沿的模型发展以帮助我们更好地判断运用投资项目。
第二，无软硬件限定区分。我们看好 AI 与硬件的结合，不论是能对物理天下有更强感知与交互的机器人还是新的消费硬件机会。去年我们在这两个方向上都已经投资了干系的公司。
第三，面向受众 ToB 和 ToC 不设限。过去线性的投资项目以 ToB 为主，但去年我们看到了很多有趣并有商业代价的面向 C 真个产品想法。以是今年我们会走出自己的舒适区，积极拥抱这个领域的变革，这也是做投资令人愉快的体验。
从去年下半年开始，我们也更关注那些运用方向上，积极在早期就考虑发展环球市场的海内或者外洋华人创业者们。
Q4：2023 年，有哪些关于 AI 的投资策略的思考是被证明了，哪些被证伪了？
白则人：我们当时预测技能发展速率会很快，但实际完备超出预期。去年此时，我们判断开源生态追上 GPT-3.5 大概须要两年韶光，多模态的根本模型涌现可能要更久。但现在看来，速率比我们想象的要快得多。
第二，AI 的运用要建立模型能力之外的壁垒，如场景闭环，以及如何积累独家有效数据。这是我们去年投资 AI 项目最主线的思考之一。
第三，投 AI 原生运用时，创业团队自身必须是 AI 的践行者，要用 AI 提效。外洋去年比较生动的公司，团队规模都不大，基本是 10 人旁边。
Q5：2024 年，你自己对 AI 思考最多的几个问题是什么？
白则人：站在这个韶光点上，我比较强烈感想熏染到的是，AGI 行业发展到了「stage two」，第二阶段。大模型可能会渗透到非常多行业，包括机器人、自动驾驶等。基于视觉的 agent 是否有机会涌现，更高效地办理现有问题，乃至创造一些新需求，都是值得思考的。
这段韶光我个人思考比较多的问题，站在投资的角度，商业上 AI 最先落地的 ToC 和 ToB 的场景和运用究竟会是什么。当 AGI 实现时，它可能不仅是技能问题，更是社会问题。这些问题暂时都还没有答案。
Q6：你预估 2024 年的 AI 投资环境会如何？
白则人：只管从去年下半年开始整体融资环境有所收紧，但我们预判 2024 年投资 AI 的资金会相对充裕。
第一是在当前宏不雅观环境下，美国降息预期会使股权投资资金更充裕；同时海内还有不少基金尚未投资大模型公司，这部分资金很可能会被用于连续投资 AI。
环球市场尤其是美国市场已经大量投资在 AI，只不过集中在确定性比较强的方向，如算力。但长期来看，当算力等根本举动步伐发展成熟后，它一定会为一个更繁荣的 AI 运用市场供应做事。
去年 AI 干系的投资看起来比较冷，缘故原由在于，上半年大家都在投大模型，绝大部分的资金都投到了大模型上，留给运用的机会不太多。另一方面，AI 的发展太快了，很多做运用的创业公司被模型能力冲击、碾压。尤其是去年 OpenAI DevDay 之后，很多大略包装 LLM 的运用以及给模型「打补丁」的浅层中间件公司相称于摧残浪费蹂躏了半年的韶光。因此，大家也在摸索模型的边界到底在哪里。
我们不太担心创业的数量会少。只管去年下半年整体市场没有投出什么项目，但我们打仗的项目数量并没有减少。闭源模型的能力提升带动开源社区的繁荣，最聪明的一群人正在思考该当在哪个方向落地。
Q7：2024 年，AI 早期创业者可能面临哪些创业问题？
白则人：本日的 AI 创业者须要更早思考商业模型，要在创业第一天就具备赢利的能力。一方面 AI 的建立门槛被大幅拉低，本日 AI 创业绝大多数情形下少了一个本钱项，也便是不须要再走一遍「传统 AI」的研发投入过程；另一方面赢利的背后是降落试错本钱，本日 AI 变革太快了，在你能够在看到精确且大的市场方向前活下来，过程中同步打磨产品能力，提高整体开拓效率，建立独占的数据壁垒，那就再好不过了。这实在对创业的哀求更高了，但底层逻辑是尊重商业实质——创造代价，这一点永久不变。
07Atom Capital 杨孟彤
已投 AGI 干系项目: HydroX AI、澜码科技等
核心不雅观点：
1. 重点关注多模态、开源及其带来的机会、Agent 平台。
2.这一轮AI是颠覆性的技能变革，创业者须要 think out of box。
3. 大模型能力是 Moving Target，要对场景和技能足够敏锐。
Q1：2024 年，在 AI 投资方向的详细策略是什么？
Melissa：关于我们当前关注的重点，分为三个紧张方向：多模态、开源及其带来的机会、Agent 平台。
首先，多模态。
视频本身引入了韶光的维度，这使得它能够更好地表达因果逻辑，提高对物理天下的认知。视频包含了大量的信息，用户与大模型之间的互换带宽得到了大幅提升。这种交互带宽的提升将有望催生出许多新的运用。
举一个大略的例子，以前难以用措辞描述的信息，比如工程图等，现在可以通过视频输入到大模型中。这将使得许多以前难以处理的任务变得可能，并有望带来一系列运用的爆发式增长。
其次，我们关注开源及其带来的机会。
当前，许多大模型都采取了 MoE 架构，包括 Sora 和 Gemini 1.5 Pro 等。与传统的作为一个弘大的神经网络运行的 Transformer 不同，MoE 模型由浩瀚小型的「专家」神经网络组成，结果是大幅优化了推理效率和本钱。
我们认为MoE 架构的遍及有可能会冲破目前大模型领域闭源与开源的格局，让开源大模型迎来新的发展机遇——MoE 的每个专家模型都很小，开源社区完备可以「拼齐」这些模块；或基于开源的 MoE 大模型，针对一两个专家模型做对应的优化，从而提升其在某个专业领域的能力。这大幅降落了开源模型在算力、数据、成本等资源上的劣势对其发展的影响。
此外，我们还将持续关注 Agent 平台及其运用领域的发展。Agent 平台也是实现多模态运用的主要载体之一。
Q2：2023 年，有哪些关于 AI 的投资策略的思考是被证明了，哪些被证伪了？
Melissa：我们的投资策略是专注于我们能够理解并为其创造代价的领域。
在基金成立之初，我们就已经明确了我们不投资大模型。这并不是由于大模型没有代价，相反，它在家当链中的代价是非常清晰的， 但并不是初创公司的模式，它须要弘大的资金支持，不是我们这类新基金的上风。
我们只投资我们自己能够看明白有判断的领域。回顾过去一年，我们有几个主要判断目前看是被证明的。
一个是大模型带来了家当的水平分工。大模型作为底层根本举动步伐，其上衍生出 infra、Agent 平台、终端运用等几个层面，每一层都对应着一些创业机会。
第二个是 Agent 的巨大发展潜力。在去年 2、3 月，我们就看到了随着 LLM 的发展，Agent 在未来可能成为一个巨大的家当，并在早期就做了投资布局。
有些领域我们还在不雅观察和思考中，比如开源和闭源的问题。
有些领域我们之前选择性地没有投资，是由于我们以为看不清楚。比如 AIGC 领域中的文生图、文生视频等方向。我们看了很多项目，以为同质化非常严重，没有想明白这个领域的壁垒是什么。
最近 Sora 涌现之后，大模型有了物理模型根本，对物理天下有了一定的认知，这供应了可以持续发展的技能根本。接下来我们会重点关注多模态领域。
Q3：2024 年，你自己对 AI 思考最多的几个问题是什么？
Melissa：一贯以来，我思考最多的问题便是AI 的上限和边界到底在哪里。这个问题对付创业者来说至关主要，由于它决定了赛道的方向和机会。我也关心 AI 技能能够赋能哪些运用处景，并从中探求投资机会。
此外，是开源和闭源的市场格局。比如 MoE 给开源带来的机会，让这个格局还存在很大的变数。
Q4：2024 年，AI 早期创业者可能面临哪些创业问题？
Melissa：我们打仗了很多中美 AI 创业者，把稳到一个普遍的问题。很多创业者对用 AI 要办理什么样的问题、落地场景实在理解得不足深入。大家都是技能强，很多人都选择做 framework，没有找到尖锐的切入点，使得产品趋于同质化。
其次，一些资深的 AI 创业者，在这轮创业时只是在他们之前的技能上叠加了些新技能（比如自然措辞界面），并没有真正发挥新技能最大的能力。这可能与沉没本钱、路径依赖有关。由于这一轮是颠覆性的改变，创业者须要 think out of box，用新的眼力来创造机会办理问题。
此外，我以为有些创业公司内部对 AI 的利用不足。在这一轮技能变革下，内部用 AI 来创新和提升效率的公司，竞争上风会越来越显示出来。
Q5：你感想熏染到两地的 AI 的创业、AI 的投资有什么差异？
Melissa：首先，从家当生态的角度来看，美国的水平分工更加成熟。很多小公司专注于某个领域或某个点，在美国就可以活得很好。在中国大厂方向于高下游通吃。
其次，中美投资机构对项目的偏好存在差异。如果一个项目只是在某个点上做得很好，美国投资人可能会更多地从投入产出比的角度来考虑投资。然而，在中国，投资人会以为这样的项目规模太小。这可能紧张是中美在退出路径上存在差异，中国没有成熟的并购文化。
第三点，中美对付早期创业的支持程度也有差异。在硅谷，早期投资机构对创业的支持更加全面，包括资金、导师辅导、客户资源等。然而，在中国，早期创业的支持相对较少。这也是 Atom 想做到的地方。
其余，关于中美在 AI 上的投资节奏，实在 2023 年中开始，美国 AI 投资也趋于理性，这与技能的发展阶段是干系的。技能的发展是非线性的。当一个新的技能横空出世时，如 ChatGPT 的涌现，它会掀起一波投资浪潮。然而，随着韶光的推移，投资者会创造技能的落地存在局限性，投资就会趋于理性。
从长期来看，AI 仍旧是一个大事。只要投资者能看到 AI 赋能越来越多的场景，他们就会连续投资。比如，在美国，天下 500 强在 AI 领域的投入是确定的，去年夏天他们就为这一轮 AI 技能预留了很多预算。
Q6：Atom Capital 脱手并不多，紧张的顾虑还是有哪些？
Melissa：我们去年投资的案子并不多，在中国和硅谷一共投了三个项目，包括 2B 和 2C 的 Agent 以及大模型安全。最近正在 close 一个新的项目。
对付 AI 领域，我们认为当前还处于非常早期的阶段，我们的投资节奏是跟随技能的落地和产生的实际代价来的。之前技能的成熟程度间隔实际运用和落地还有很大的空间。我们认为今年落地方面会有更大的进展。
Q7：LLM 涌现，对自己的基金产生了一些什么样的影响？
Melissa：LLM 的涌现直接匆匆成了这支基金的出身。
2022 年年底，ChatGPT 的发布引起了我的极大关注。我认为这是一个颠覆性的技能，将对家当产生长期影响。基于这个判断，我决定创办一支专注于新一代 AI 投资的基金，即 Atom Capital，在中美两首都有投资。
我的初衷是希望利用我的创业和技能背景、跨境履历和资源上风（清华+微软），能够供应更前瞻性的视角，给早期创业者带来些真正的帮助。
我们定位自己为研究型基金，自成立以来，我们在投资之外也做了大量的行业研究，并通过基金"大众年夜众号进行了输出。做这些研究的核心目的是希望找到 AI 技能带来的长期代价机会。
这须要考虑两个成分：一是 AI 技能本身的成熟度；二是 AI 技能是否能落地抵家傍边产生实际代价。AI 技能发展是有脉络的，我们想通过深入研究，捉住并预测它的发展方向和节奏。
现在行业处于早期快速发展阶段，新技能新运用层出不穷，在这个 Moving Target 的过程里面，很多原来看起来是机会的方向，很快就会被淹没，以是一定要对技能迭代、行业最前沿足够敏锐，才能够挖掘到真正有代价的机会。
AI 技能的发展须要成本的推动来加速落地，而这须要创投圈的共识。因此，在这波 AI 浪潮中，要靠创业者、投资人和用户高度互动、相互塑造，从而建立一定的共识。
作为研究型基金，我们希望参与并贡献到这个共识形成的过程，找到符合共识的创业项目，实现成本和资源的效率最大化。
如果你是 AGI领域的创业者或者投资人，对投融资话题感兴趣，欢迎与我们沟通互换。
本文源自极客公园