以下文章來源于智東西 ，作者周志峰

編者按：引領(lǐng)新一代AI浪潮的大模型正在發(fā)揮巨大影響力，從研究實驗室和大型計算中心逐漸走進了我們的生活。在以“AI新紀元 創(chuàng)造新世界”為主題的GTIC 2023中國AIGC創(chuàng)新峰會上，啟明創(chuàng)投合伙人周志峰發(fā)表了《AI新浪潮中的創(chuàng)業(yè)機會與投資策略》主旨演講。

他介紹了目前底層技術(shù)架構(gòu)變革催動的AI大機會和啟明創(chuàng)投在投資AI過程中秉持的方法論——預(yù)判趨勢，提前布局。他進一步分析了大模型在目前的發(fā)展新浪潮中解決的AI創(chuàng)業(yè)難題，以及生態(tài)架構(gòu)中的基礎(chǔ)架構(gòu)層、模型層、應(yīng)用層所具備的創(chuàng)投機會。在周志峰看來，生成式AI像是互聯(lián)網(wǎng)90年中后期的階段，底層技術(shù)仍在迅速迭代，創(chuàng)業(yè)者也在積極進行應(yīng)用嘗試。啟明創(chuàng)投微信公眾號經(jīng)授權(quán)轉(zhuǎn)載。

啟明創(chuàng)投合伙人周志峰

在GTIC 2023中國AIGC創(chuàng)新峰會上，啟明創(chuàng)投合伙人周志峰以《AI新浪潮中的創(chuàng)業(yè)機會與投資策略》為題發(fā)表了主題演講。

40多年來，隨著算力和數(shù)據(jù)不斷爆發(fā)式增長，AI技術(shù)形態(tài)發(fā)生成倍加速變化。周志峰談道，這波由大規(guī)模預(yù)訓(xùn)練模型驅(qū)動的AI浪潮，從底層技術(shù)展現(xiàn)出變革性的泛化能力和涌現(xiàn)現(xiàn)象，一定程度解決了AI 1.0時代創(chuàng)業(yè)面臨的不少問題，包括AI算法的訓(xùn)練、數(shù)據(jù)、推理和具體應(yīng)用場景過度耦合從而無法規(guī)模性落地、缺乏完善的開發(fā)基礎(chǔ)設(shè)施與環(huán)境、缺乏上市公司和資本市場估值體系等。

隨著大模型和生成式AI浪潮爆發(fā)，AI再次成為創(chuàng)業(yè)和投資的熱點。2020年GPT-3發(fā)布的兩年內(nèi)，全球創(chuàng)投機構(gòu)對AI企業(yè)的投資增長了4倍，僅2022年就有13.7億美元的融資。

與百度創(chuàng)始人李彥宏稱“中國基本不會再出一個OpenAI”的觀點不同，周志峰認為，中國與美國對于AI通用底座大模型的生態(tài)環(huán)境非常不同，中國有很多獨特的機會。除了高技術(shù)壁壘、高人才密度和高資本需求的大模型方向，年輕創(chuàng)業(yè)者、垂直產(chǎn)業(yè)老兵、AI界大咖在工具鏈和應(yīng)用多個維度都有不同的創(chuàng)業(yè)機會。

啟明創(chuàng)投科技團隊總結(jié)了一張AI新浪潮生態(tài)架構(gòu)及重點布局領(lǐng)域“地圖”，從智算平臺、工具鏈、底座大模型、垂類模型、基于第三方模型構(gòu)建的應(yīng)用等領(lǐng)域分享了創(chuàng)投參考。

根據(jù)啟明創(chuàng)投科技團隊與100余家2020年后成立的企業(yè)的交流統(tǒng)計，在生成式AI創(chuàng)業(yè)領(lǐng)域，有14%的創(chuàng)業(yè)者聚焦于底層技術(shù)，57%的創(chuàng)業(yè)者聚焦多模態(tài)應(yīng)用，29%的創(chuàng)業(yè)者聚焦語言類應(yīng)用，能夠在AI技術(shù)上構(gòu)建自有壁壘的技術(shù)驅(qū)動型創(chuàng)業(yè)公司和可以融入產(chǎn)業(yè)工作流、提供高商業(yè)價值的應(yīng)用型創(chuàng)業(yè)公司更容易脫穎而出。

與此同時，他向創(chuàng)企提出了一個發(fā)人深省的問題：如果創(chuàng)業(yè)公司依賴開源模型或底座大模型API輸出的AI能力去做產(chǎn)品，那么當研發(fā)底座大模型的企業(yè)和科技大廠開始做相同的事，會不會立即趕超創(chuàng)業(yè)公司兩三年的努力，創(chuàng)業(yè)公司的優(yōu)勢是否還能維系？

以下系經(jīng)精編整理的演講實錄。

我將從投資與創(chuàng)業(yè)的角度來分享這一次人工智能新浪潮當中有什么樣的機會：

第一，我們?nèi)绾慰创@波人工智能新浪潮的生態(tài)架構(gòu)分層，每一層分別有什么樣的機會，以及目前中美創(chuàng)業(yè)公司在應(yīng)用層使用大模型技術(shù)的三種主要模式。

第二是投資策略，主要分享我們認為的在這波人工智能浪潮中的細分領(lǐng)域投資機會，包括什么樣的團隊是比較合適的創(chuàng)業(yè)團隊。

01/
反思AI 1.0時代創(chuàng)業(yè)瓶頸
預(yù)訓(xùn)練大模型帶來新變革

現(xiàn)在市場上對這一波AI新浪潮的定義很多，我眼中的AI新浪潮是從2018年基于Transformer的預(yù)訓(xùn)練大模型開始的。

到今天AI不知不覺已經(jīng)發(fā)展了七、八十年，四代底層技術(shù)架構(gòu)變革催動了四波AI大機會，每一波浪潮更新迭代更快，用40年走完第一波小規(guī)模專家知識，用20年走完第二波淺層機器學(xué)習(xí)，用8-10年走完一波深度學(xué)習(xí)，并取得一定的成就，現(xiàn)在是基于大規(guī)模預(yù)訓(xùn)練模型的深度學(xué)習(xí)的新篇章。

我們投資AI，主要秉持多年的方法論——預(yù)判趨勢，提前布局。在上一波深度學(xué)習(xí)發(fā)展期間，我們在2010年看到了深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的一些進展。2012年問世的AlexNet是一個大的奇點信號，之后我們在2013年投資了專注智能語音的云知聲，2015年投資了專注機器人的優(yōu)必選，2016年投資了自動駕駛公司文遠知行等。2016年迎來了AlphaGo引發(fā)的AI市場熱潮。

同樣在大規(guī)模預(yù)訓(xùn)練模型的發(fā)展中，我們在2018年觀察到一些很明顯的信號和重大突破，所以在2022年11月OpenAI發(fā)布的ChatGPT引爆市場之前，我們在兩年前已經(jīng)提前完成了一些項目的投資，包括中國的超大規(guī)模預(yù)訓(xùn)練模型公司智譜AI，前京東技術(shù)委員會主席周伯文創(chuàng)立的銜遠科技，前螞蟻金服副總裁、AI團隊負責人漆遠創(chuàng)立的無限光年等，預(yù)判了大模型的發(fā)展趨勢。

關(guān)于大規(guī)模預(yù)訓(xùn)練模型帶來的變革，很多專家都講了技術(shù)、應(yīng)用層面，我從投資創(chuàng)業(yè)層面分享一下。

我覺得最大的區(qū)別還是在深度學(xué)習(xí)前10年左右時間，即2010-2018年，數(shù)據(jù)、模型、任務(wù)是緊耦合的，AI模型需針對每個特定任務(wù)用特定數(shù)據(jù)去訓(xùn)練特定的算法。

大家覺得人臉識別應(yīng)用好像都差不多，比如商業(yè)樓宇的人臉識別門機閘口、到酒店前臺的人臉識別身份證比對，到公安系統(tǒng)智慧城市偵緝用的人臉識別。上面說的幾個細分場景，看起來差不多，但即使在一個公司一個團隊，使用數(shù)據(jù)集、訓(xùn)練模型、部署模型的時候，是幾件不同的事。

這表明了前一代深度學(xué)習(xí)的一個大問題——需要特別明確的任務(wù)去跟模型數(shù)據(jù)做強耦合。

這就解釋了為什么過去10年，我們一提深度學(xué)習(xí)做得好的公司，還是科技大廠或是AI獨角獸企業(yè)，因為那一代人工智能對人才要求非常高，因為數(shù)據(jù)、模型、場景、任務(wù)是強耦合的，這就意味著只有很少一部分人能夠完成模型算法調(diào)優(yōu)，做得比其他團隊更好。

這也是AI 1.0時代帶給創(chuàng)投市場的一些反省。那一代人工智能也曾經(jīng)很熱鬧，投入那么多錢，非常多的人出來創(chuàng)業(yè)，為什么到今天依然沒有看到AI賦能萬業(yè)的大規(guī)模落地，而還是在過去五六年那些耳熟能詳?shù)膱鼍埃?strong>核心其實是底層技術(shù)的問題。

這一代大規(guī)模預(yù)訓(xùn)練模型即AI 2.0有比較強的泛化能力，經(jīng)海量通用數(shù)據(jù)訓(xùn)練出的底座模型可以直接被下游的各種任務(wù)使用。去落地、賦能萬業(yè)的時候，AI 2.0就更能彰顯實力。這也是今天無論投資人、創(chuàng)業(yè)者還是科技大廠都對這一代AI釋放出這么強烈的信心和熱情的核心邏輯。

大規(guī)模預(yù)訓(xùn)練模型還具有效果好的特點。這么多大廠都展示了AI的能力，核心還是2018年后在Supervised Finetuning（監(jiān)督精調(diào)）、Reward Modeling（獎勵模型）、Reinforcement Learning（強化學(xué)習(xí)）等模型訓(xùn)練技術(shù)上的巨大突破。

AI從1950年開始，核心做的是感知、推理、決策。過去幾代AI都在感知、判斷和決策上有一些突破，唯獨欠缺中間的推理。今天，大規(guī)模預(yù)訓(xùn)練模型把推理能力提升了一個臺階，所以才有生成式AI等新的機會。

當然，涌現(xiàn)現(xiàn)象也是最近提得很多的一個類似玄學(xué)的概念。到底為什么大模型這么厲害？因為當訓(xùn)練量超過600億參數(shù)之后會有智能的涌現(xiàn)。

只要有一天我們還在講涌現(xiàn)現(xiàn)象，就說明我們還沒有透徹了解大模型背后真正的機制。

02/
拆解AI創(chuàng)業(yè)4大難題
預(yù)訓(xùn)練大模型解決了哪些？

之前2010-2018年的AI創(chuàng)業(yè)像經(jīng)歷了一次過山車，起來又落下了，核心有4個原因。我們看看這4個原因是否在今天的新浪潮中得到部分解決。

第一，不是產(chǎn)品、缺乏定位，得到了部分解決。

上一波AI基于深度學(xué)習(xí)小模型，最大的問題是，它只是一項技術(shù)。那時候我們期待AI能夠成為一個行業(yè)，就像我們把百度、阿里、騰訊稱作互聯(lián)網(wǎng)行業(yè)的巨頭一樣，我們期待AI技術(shù)變成一個新行業(yè)。

但是過去八年，AI沒有變成一個行業(yè)，我們今天很難稱某家公司是一家AI公司。原因就是AI技術(shù)雖然取得很大突破，但是放到產(chǎn)品場景中，它只是一個巨大產(chǎn)品中的很小的一個技術(shù)組件，并沒有把整個產(chǎn)品、整個場景變成顛覆性的新東西。

這是過去AI存在的問題。近年的ChatGPT、GPT-4、Stable Diffusion、DALL·E 2等模型，在誕生的第一天，不光給出了大模型，還給出了幾十個使用參考案例，起碼讓我們看到了這些模型、算法能夠用在什么場景，是在向產(chǎn)品化的方向去發(fā)展，這是跟之前的AI最大的區(qū)別。

過去AI技術(shù)應(yīng)用到哪個領(lǐng)域、做什么任務(wù)，需要專家來定義。例如做無人駕駛公司，需要非常有經(jīng)驗的人，去想視覺算法能用在無人駕駛的具體什么功能上；今天可能一個普通人看到GPT-4，腦子里就可以冒出來三、四個使用場景，想到這個技術(shù)能做哪些事。

第二點，對技術(shù)的合理預(yù)期，沒有得到很好解決。

創(chuàng)業(yè)者仍對技術(shù)創(chuàng)新帶來的效果提升有著更樂觀的估計，但給客戶的承諾往往無法實現(xiàn)，低估了客戶業(yè)務(wù)的復(fù)雜度，高估了模型的效果和迭代速度，大量AI產(chǎn)品仍然缺乏明確的效果評估指標。

我試用了ChatGPT、GPT-4、谷歌的BERT、百度的文心一言、微軟的New Bing及更多的開源模型，確實還有很多跟我的預(yù)期有差距的地方，這需要在座的很多從業(yè)者繼續(xù)努力，讓這波AI更上一個臺階。畢竟在這次浪潮中我們才剛剛開始，還有很長的路要走。

第三點是缺乏配套基礎(chǔ)設(shè)施，基本解決了。

上一代AI中，百度、谷歌都發(fā)布了自研的深度學(xué)習(xí)框架、訓(xùn)練平臺。但是你想想從1980年P(guān)C時代到今天，有幾萬、幾十萬種幫開發(fā)者做從底層操作系統(tǒng)層面到應(yīng)用層面開發(fā)的各種工具軟件。而上一代深度學(xué)習(xí)發(fā)展了十年，能想到的還是那幾個框架，沒有完善的基礎(chǔ)設(shè)施，幫助開發(fā)者去更容易地開發(fā)AI應(yīng)用。

這次不一樣，大廠也好，大模型公司也好，給應(yīng)用公司的就是一個基礎(chǔ)設(shè)施，應(yīng)用公司可以在上面構(gòu)建應(yīng)用，一下子把AI技術(shù)構(gòu)建應(yīng)用的難度降低了很多。

應(yīng)用公司可以根據(jù)AI大模型公司提供的API快速構(gòu)建應(yīng)用，甚至快速試錯更換方向，也不需要招募大量AI工程師進行底層模型的研發(fā)，有小規(guī)模融資就能快速拉起團隊創(chuàng)業(yè)。

第四點，缺乏上市公司參考，得到部分解決。

上一代AI過了2017年后，大家都很迷茫。之前更多是早期投資人出于情懷、對技術(shù)大趨勢的信仰進行投資，投資以后沒有資本市場對標，美國也沒有出現(xiàn)太多大型AI創(chuàng)業(yè)公司，資本市場不知道應(yīng)該怎么去估值、怎么后續(xù)投資，造成了那一波AI高開低走。

但到今天，有一批AI公司跑出來了，在二級市場公開發(fā)行股票，登陸了科創(chuàng)板或港交所，起碼為一級市場的創(chuàng)業(yè)公司和投資機構(gòu)提供了AI公司的估值參考體系。我相信這會對這一代AI的創(chuàng)業(yè)公司未來五年的發(fā)展是有利的，起碼大家知道你應(yīng)該值多少錢、你需要融多少錢。

03/
AI再成創(chuàng)業(yè)和投資熱點
2022年融資達13.7億美元

上一波AI中，從2012年AlexNet等深度學(xué)習(xí)技術(shù)的突破促使AI成為創(chuàng)業(yè)和投資熱潮到2015年，融資數(shù)量曲線在往上走。2016年3月8日AlphaGo戰(zhàn)勝圍棋圣手李世石，真正讓大眾注意到了深度學(xué)習(xí)和AI。但是2016年、2017年總?cè)谫Y額和新創(chuàng)立的AI企業(yè)的數(shù)量開始往下走，原因是之前很多AI企業(yè)在產(chǎn)業(yè)落地上沒有交出讓市場滿意的答卷。

所以我特別希望這一波AI發(fā)展不要重蹈覆轍。2022年11月ChatGPT引爆大眾熱情。這幾個月，每周都有新的生成式AI產(chǎn)品發(fā)布。我希望不會看到像上一波浪潮一樣，大眾熱情引爆的那一天就是這個行業(yè)的最高點，之后行業(yè)往下走。我個人對技術(shù)底層比較有信心，我認為AI 2.0應(yīng)該是一直往上走。

可以看到2017年后，種子輪、天使輪、A輪投資都在往下走，說明資本市場在那時候?qū)I的信心已經(jīng)疲軟了，創(chuàng)業(yè)者也不愿意出來創(chuàng)業(yè)做AI公司了，所以基本上2016年到了頂點，往后就越來越少。

2020年OpenAI的GPT-3模型的參數(shù)從15億發(fā)展到了1750億，預(yù)訓(xùn)練數(shù)據(jù)從幾GB變成45TB。在美國硅谷，AI重新變成了創(chuàng)業(yè)投資中最火爆的一個細分領(lǐng)域，也有很多公司融到了很多錢。GPT-3發(fā)布的兩年內(nèi)，創(chuàng)投機構(gòu)對Al企業(yè)的投資增長了4倍，僅2022年就有13.7億美元的融資。

04/
解讀AI新浪潮生態(tài)架構(gòu)：
投資熱點與重點布局

這是我們總結(jié)的今天AI新浪潮的生態(tài)架構(gòu)圖，分成三層：基礎(chǔ)架構(gòu)層、模型層、應(yīng)用層。紅色是一些我們投資的相關(guān)公司的例子。

基礎(chǔ)架構(gòu)層中，右邊的智算平臺是提供算力，智算平臺再往下一層是新一代AI芯片，包括我們投資的壁仞科技做通用GPU；左邊是工具鏈，我們認為會有很多新的投資機會。

今天，大模型在訓(xùn)練成本、訓(xùn)練效率、部署效率、推理成本、管理方便性等方面都有很多問題，畢竟我們才開始兩三年，需要大量改善。我們看到中美有越來越多的技術(shù)專家用在以前深度學(xué)習(xí)十年中積累的訓(xùn)練和推理的經(jīng)驗，去提供軟硬件方案，做模型訓(xùn)練和推理的優(yōu)化，因此工具鏈方面還會有很多機會。

第二層最關(guān)鍵的模型層，現(xiàn)在看到三種模式。

左邊是大家最了解的，對外提供通用底座模型，無論是提供API服務(wù)還是幫某個客戶、產(chǎn)業(yè)去提供定制化模型，不會把模型訓(xùn)練的細節(jié)、架構(gòu)公開，只是對外輸出能力。

OpenAI、Cohere、Anthropic，還有國內(nèi)創(chuàng)企，包括我們投資的智譜AI等等，這一類公司想做的是把AI能力變成電能直接向外輸出，使用者不用關(guān)心如何發(fā)電。

到底是不是像百度創(chuàng)始人李彥宏說的這一塊沒有創(chuàng)業(yè)機會？可以繼續(xù)思考，我抱有一些不同的意見。我覺得中國和美國的大模型生態(tài)不一樣，在美國，可能沒有更多的創(chuàng)業(yè)公司做底座大模型的機會，但在中國我認為還是有機會。

可以看到，除了大家知道的王慧文、王小川、李開復(fù)等產(chǎn)業(yè)領(lǐng)軍者以外，還有一些過去十年的深度學(xué)習(xí)領(lǐng)域的頂級技術(shù)團隊正在打造新一代的底座大模型，我覺得都很值得期待。

中間是開源模型及Model Hub。國外的Hugging Face上已經(jīng)提供了幾十萬個開源模型，Stability在多模態(tài)模型上也提供了高水平的開源模型，阿里云也有ModelScope開源社區(qū)。我覺得中國在這一塊沒有更多的創(chuàng)業(yè)機會了。

最右邊是在底座大模型以外還有一些做自建垂類模型的垂直應(yīng)用，從擁有垂直行業(yè)的特有數(shù)據(jù)、到訓(xùn)練模型、到特定的強化學(xué)習(xí)、到外掛知識圖譜、到開發(fā)終端應(yīng)用，端到端去做，是面對一個行業(yè)或一個大場景的特定模型。我相信，雖然今天大模型的類似于涌現(xiàn)機制等還沒有完全被搞清楚，但是針對某一個場景、用一些非常高質(zhì)量的數(shù)據(jù)做一些閉環(huán)訓(xùn)練的模型，最終基于這個模型開發(fā)出應(yīng)用，一定是有一些機會的。

如我們投資的周伯文博士創(chuàng)辦的銜遠科技，專門針對零售業(yè)打造的模型；我們投資的漆遠博士創(chuàng)辦的無限光年和更早投資的云知聲，在醫(yī)療領(lǐng)域去打造的行業(yè)大模型，這些都是非常值得關(guān)注的一種模式。

最上面的應(yīng)用層，90%的公司沒有自己去做模型，更多是調(diào)用大模型的API去做應(yīng)用。具體這些創(chuàng)業(yè)公司怎么使用這些模型？我把它簡單地歸為三類，大家可以判斷哪類更符合自己的創(chuàng)業(yè)模式或者投資邏輯，我覺得沒有哪個更高級或者更好。

第一種是其使用的90%的AI能力不屬于自己研發(fā)，要么是調(diào)用像OpenAI、百度這樣一些對外輸出的大模型能力，要么是拿像Stable Diffusion之類的開源模型做一些修改，團隊本身通常不會有很強的預(yù)訓(xùn)練模型開發(fā)能力，更多是具備應(yīng)用層的能力，能夠配置一些技術(shù)人員去調(diào)用API或開源模型，做一些自己的修改與精調(diào)，只要擁有數(shù)據(jù)處理團隊或做Prompt/Finetuning能力的工程團隊就可以了，工程團隊規(guī)?？赡茉?0至20個人左右。

我們看到無論在中國還是在硅谷，創(chuàng)業(yè)團隊有很鮮明的特點，基本是比較年輕的，或者是上一代互聯(lián)網(wǎng)老兵出來創(chuàng)業(yè)，或者是某些非常懂某個垂類行業(yè)的人出來創(chuàng)業(yè)。

第二種是創(chuàng)業(yè)團隊完成了一個更復(fù)雜的AI產(chǎn)品，70%-80%是調(diào)用大模型API或使用開源模型，但又要涉及到一些大模型以外的AI算法，比如做一個虛擬人，可能用OpenAI的GPT-4生成了文本，但還要用生成對抗算法GAN去做虛擬人的換臉或用NeRD創(chuàng)建3D渲染，則內(nèi)部要培養(yǎng)一些深度學(xué)習(xí)算法工程師，才能去完成公司的應(yīng)用。

第三種是從頭開始訓(xùn)練一個行業(yè)大模型，不僅在預(yù)訓(xùn)練大模型的架構(gòu)、并行計算基礎(chǔ)設(shè)施、數(shù)據(jù)處理上都要有自研團隊，甚至要解決大家經(jīng)常說的至少有1024張旗艦GPU的算力問題。

在這方面，中美都有一些AI產(chǎn)業(yè)界大咖出來創(chuàng)業(yè)，基本上當年都是科技大廠的C-level或者副總裁，以前在大模型領(lǐng)域有一定的經(jīng)驗，可能創(chuàng)始團隊都很豪華，天使融資就是億元人民幣以上，需要融資十億元以上才能對外交付產(chǎn)品。

這是我們看到的三種模式，背后的團隊和研發(fā)AI技術(shù)的方式是非常不同的。

05/
生成式AI創(chuàng)業(yè)浪潮洶涌
多模態(tài)應(yīng)用最熱

這是我們過去兩年半看過的100多家與大模型、生成式AI相關(guān)的中國團隊，不算那些舊瓶裝新酒的、在看到大模型技術(shù)能力后才切換過來的團隊。

這些在過去兩年半時間內(nèi)成立的100多家生成式AI新公司中，將近30%做語言類應(yīng)用；最多的是做多模態(tài)應(yīng)用的公司，占比57%；還有一些做底層大模型或是大模型基礎(chǔ)架構(gòu)優(yōu)化的，占14%。

具體方向中，ChatBot占11%，生產(chǎn)力工具占得最多，高達65%，包括文案寫作、腳本生成、虛擬人物、視頻廣告生成等等。

這類我只強調(diào)一點，大家需要思考一個問題：我們?nèi)绻€處在這一代AI浪潮的較早期階段，做這樣一個產(chǎn)品，并且依賴的主要AI能力是來自一些開源大模型或底座大模型API的能力，那么大廠如果把你做的東西變成它的大模型上的一個小feature（功能），它會不會比你做得還要好？你創(chuàng)業(yè)兩、三年的這些努力，會不會只在大廠加一個feature（功能）的動作下，就失去意義了？如果做得太薄，創(chuàng)業(yè)公司肯定會面臨大模型企業(yè)的挑戰(zhàn)。

過去幾個月，我經(jīng)常都是凌晨四、五點起床，去申請一些硅谷科技大廠發(fā)布新產(chǎn)品的試用碼。許多科技大廠一直都在研發(fā)生成式AI技術(shù)，又有多年場景、產(chǎn)品和用戶的積累，只要加一個feature（功能），可能比創(chuàng)業(yè)公司100多人做了兩、三年的產(chǎn)品還要好，創(chuàng)業(yè)是不是就比較危險？這是值得思考的問題。

確實看到大量的團隊在做這個領(lǐng)域，但是這些領(lǐng)域一定是科技大廠會用生成式AI技術(shù)去自我迭代的領(lǐng)域。

06/
真正顛覆性的應(yīng)用
也許還在路上

我來峰會之前，問了一下GPT-4：生成式AI處于什么發(fā)展階段？

它的回答正好跟我的個人思考差不多。之前有人說我們現(xiàn)在正處于90年代初剛產(chǎn)生Lynx、Mosaic瀏覽器的互聯(lián)網(wǎng)時代，基礎(chǔ)設(shè)施還沒有搭好，談應(yīng)用太早，現(xiàn)在的應(yīng)用公司都不會是互聯(lián)網(wǎng)最后走向大眾市場后成為巨頭的騰訊、谷歌和Facebook。也有人說不對，基礎(chǔ)架構(gòu)已經(jīng)搭成了，現(xiàn)在就是出現(xiàn)新的谷歌、新的騰訊、新的Facebook，即應(yīng)用爆發(fā)的階段。

我個人認為生成式AI更像互聯(lián)網(wǎng)90年中后期的階段，基礎(chǔ)架構(gòu)和核心技術(shù)還沒有特別成熟，但是大家看到了技術(shù)迭代的方向，正在拼命努力，也會像當年互聯(lián)網(wǎng)出現(xiàn)亞馬遜那樣的早期能夠最直接展現(xiàn)新一代技術(shù)能力的應(yīng)用企業(yè)。這些能力已經(jīng)被一些創(chuàng)業(yè)者看到了，他們正在做一些像互聯(lián)網(wǎng)早期的應(yīng)用嘗試。

但我也覺得，真正更顛覆互聯(lián)網(wǎng)的應(yīng)用可能在亞馬遜誕生之后的幾年才會出現(xiàn)，生成式AI領(lǐng)域往后的道路也還很漫長。

最后，邁向通用人工智能大方向，我們現(xiàn)在還是起始階段，剛剛起步。

所以無論您是創(chuàng)業(yè)者還是投資人，都不用特別焦慮，因為這些天實在信息量太大了，我覺得真正顛覆性的、改變?nèi)祟惖膽?yīng)用，也許還在路上，還有幾年才能到來。

我們多看看、多想想、多去用第一性原理思考，之后再去創(chuàng)業(yè)、再去投資布局，其實也不晚。謝謝大家！

 

來源 | 智東西