2023年12月，《自然》雜志發(fā)布年度“科學十大影響人物”榜單，今年有史以來首次有“非人類”入選了——名單中包括了ChatGPT。《自然》指出：“盡管ChatGPT并非個體，也不完全符合評選標準，但我們決定破例列入，以承認生成式人工智能正在從根本上改變科學的發(fā)展軌跡。”

　　▲ 圖片來源：Nature

　　在2023年的科技版圖上，生成式AI無疑標志著一個重要的轉折點。它的發(fā)展不僅引起了業(yè)界廣泛的關注，也對全球經(jīng)濟、社會結構乃至我們對未來的預期產(chǎn)生了深遠的影響。

　　這是每個普通人都可以參與的AI革新。從大型語言模型的持續(xù)發(fā)展，到AI技術在不同行業(yè)的廣泛應用，再到開源與閉源策略之間的持續(xù)較量，AI的每一步發(fā)展都在描繪著未來趨勢的輪廓。

　　面對滔滔浪潮，國家先后在《“十四五”國家信息化規(guī)劃》《關于加快場景創(chuàng)新以人工智能高水平應用促進經(jīng)濟高質量發(fā)展的指導意見》中出臺了一系列支持AI發(fā)展的政策措施。中國的人工智能產(chǎn)業(yè)規(guī)模也快速壯大，涌現(xiàn)出一批具有國際競爭力的AI企業(yè)。

　　時逢年末，我們回顧2023年生成式AI的發(fā)展，從技術對人類的影響、行業(yè)格局和未來發(fā)展趨勢、創(chuàng)業(yè)和投資機會等方面展開論述。這不僅是對AI領域過去一年的發(fā)展回顧，更是對AI發(fā)展走向的思考。

　　先分享核心結論：

　　在真正有價值的AI應用生態(tài)繁榮之前，押注大模型這樣的核心技術源頭及“賣鐵鍬”公司是有一定道理的。但目前正在蓬勃發(fā)展中的AI應用，同樣是價值創(chuàng)造的源泉和我們要追求的星辰大海。

　　像OpenAI這類閉源大語言模型，會向接入其端口的APP應用收取流量費。應用公司為了降低流量費用的負擔，一種方法是利用開源模型，自己訓練出一個中小模型，另一種方法是優(yōu)化商業(yè)模式，從而平衡流量費用。

　　隨著AI技術的進步，工作方式也會發(fā)生變革。AI技術既可能重構人們的工作流，也可能重構語言模型本身的工作流。

　　如何用好AI這樣極其智能的工具，對人類來說無疑是巨大的挑戰(zhàn)。但是，我們也不要那么悲觀，AI的能力是有邊界的。

　　在AI技術領域，美國和中國的發(fā)展路徑各有特色。美國的頭部大語言模型陣營已基本確立，中國的大型語言模型呈現(xiàn)了百花齊放的態(tài)勢。對于中國來說，更重要的是大力發(fā)展AI應用生態(tài)。

　　AI Agent是個值得關注的創(chuàng)業(yè)方向。AI Agent是一種能夠自主執(zhí)行任務、獨立決策、主動探索、自我迭代并能相互協(xié)作的智能軟件。

　　雖然大語言模型領域已經(jīng)實現(xiàn)了眾多技術突破，但仍然有不少可以迭代、提升的板塊，比如減少“幻覺”、增加上下文長度、實現(xiàn)多模態(tài)、具身智能、進行復雜推理以及自我迭代等等。

　　AI應用領域創(chuàng)業(yè)的幾個要點：要做出優(yōu)質的原生新應用體驗;更前瞻、發(fā)現(xiàn)非共識、有顛覆性;關注用戶增長和商業(yè)化潛力;把握宏觀趨勢紅利;跟大模型保持安全距離，有自己的業(yè)務縱深;最重要的還是團隊。

　　創(chuàng)業(yè)公司要敢于在非共識的領域，做正確而非容易的事。

　　希望能帶來新的思考角度。如果你是AI領域的創(chuàng)業(yè)者或者從業(yè)者，歡迎聯(lián)系本文作者，峰瑞資本投資合伙人陳石([email protected])。

　　/ 01 /

　　2023年，AI領域有哪些新變化？

　　AI發(fā)展至今，從業(yè)界的角度來看，可以分為兩個階段：1.0階段主要集中于分析和判斷，而2.0階段更側重于生成。2.0階段的代表模型是大型語言模型和圖像生成模型，Transformer和Diffusion Model這兩個算法模型推動著生成式AI的發(fā)展。(更多關于生成式AI的思考，歡迎閱讀)

　　2023年的大部分時間，OpenAI這家初創(chuàng)公司的產(chǎn)品穩(wěn)居大型語言模型高性能的榜首，特別是在3月OpenAI發(fā)布GPT-4語言模型之后，幾乎是一騎絕塵。但Google在12月成功發(fā)布最新的大型語言模型Gemini，與GPT-4形成雙雄割據(jù)的格局。

　　在AI領域，開源模型社區(qū)一直沒有缺席。開源模型社區(qū)在Meta(原Facebook)的開源大型語言模型LlaMa及LlaMa2的支持下，進行著密集的科研和工程迭代，比如：試圖用更小的模型，釋放出與大模型類似的能力;支持更長的上下文;采用效率更高的算法和框架來訓練模型等等。

　　多模態(tài)(圖像、視頻等多媒體形式)已經(jīng)成為AI領域研究的熱點。多模態(tài)分為輸入和輸出兩個方面。輸入是指讓語言模型能夠理解圖像和視頻中蘊含的信息，輸出是指除文本之外，生成其他媒體形式，比如文生圖�？紤]到人類生成和獲取數(shù)據(jù)的能力是有限的，未必可以長期支撐人工智能的訓練，未來可能需要用AI自己合成的數(shù)據(jù)，來訓練語言模型。

　　在AI基礎設施領域，英偉達憑借其GPU的巨大市場需求，成為行業(yè)的*，躋身1萬億美元市值俱樂部。但是它也將面臨來自老對手AMD、英特爾等芯片制造商，以及Google、微軟、OpenAI等大廠和語言模型新貴的激烈競爭。

　　除大模型外，業(yè)界對各種類型的AI應用有強烈的需求。生成式AI在圖像、視頻、編程、語音以及智能協(xié)作應用等多個領域取得了顯著進展。

　　全球用戶對生成式AI展現(xiàn)出極大的熱情。ChatGPT在短短2個月內，達到1億月活躍用戶數(shù)。相比智能手機時代的超級應用們，在大量推廣預算之下，TikTok用了9個月，Instagram用了2.5年，WhatsApp用了3.5年，YouTube和Facebook用了4年。

　　▲ 不同類型的科技應用達到1億月活躍用戶的時間。

　　圖片來源：7 Global Capital

　　創(chuàng)投機構也在投入重金，支持AI領域的進展。根據(jù)美國投資機構COATUE的統(tǒng)計，截止至2023年11月，風險資本投資機構向AI領域投入了近300億美元，其中約60%投向OpenAI等大型語言模型新貴，約20%投向支持和交付這些模型的基礎設施(AI云服務、半導體、模型運營工具等)，約17%投向了AI應用公司。

　　▲ 圖片來源：COATUE

　　在真正有價值的AI應用生態(tài)繁榮之前，這種押注核心技術源頭及“賣鐵鍬”公司的投資邏輯是有一定道理的。但目前正在蓬勃發(fā)展中的AI應用，同樣是價值創(chuàng)造的源泉和我們要追求的星辰大海。

　　▎多模態(tài)生成領域出現(xiàn)多項技術突破

　　2022年，在Stable Diffusion開源之后，我們見證了大量“文生圖”(由文字生成圖像)產(chǎn)品面世。這一年可以被視為圖像生成問題的解決之年。

　　緊接著在2023年，用AI識別聲音、生產(chǎn)音頻的技術也取得了顯著進展。如今，AI的語音識別和合成技術已經(jīng)非常成熟，合成聲音與人類聲音很難被區(qū)分。

　　隨著技術的持續(xù)發(fā)展，視頻的生成和處理將是下一個階段AI發(fā)展的重點。目前在“文生視頻”(由文字生成視頻)領域已經(jīng)出現(xiàn)了多項技術突破，AI在視頻內容生成方面展現(xiàn)出了潛力和可能性。借助AI視頻新秀Runway Gen-2、Pika以及斯坦福大學的W.A.L.T等模型及應用，用戶只需輸入對圖像的描述，就能得到一段視頻片段。

　　英偉達知名工程師Jim Fan認為，2024年，AI大概率要在視頻領域取得進展。

　　▲ 圖片來源：X.com

　　如果我們換一種維度，來思考不同形態(tài)的媒體格式，那么一張二維的圖像，如果增加一個時間的維度，就變成了視頻。如果增加一個空間的維度，就變成了3D。如果將3D模型經(jīng)過渲染，我們就能得到更加可精確控制的視頻�？赡芪磥鞟I也能逐漸攻克3D模型，但還需要更長的時間。

　　▎“壓縮即智能”

　　2023年，OpenAI的首席科學家伊利亞·蘇茨克維(Ilya Sutskever)在某次外部分享中，提出一種“壓縮即智能”的觀點，即語言模型對文本的壓縮比越高，就說明它的智能程度越高。

　　壓縮即智能，可能不一定嚴謹，但卻提供了符合人類直覺的解釋：最*的壓縮算法，為把數(shù)據(jù)壓縮到*，勢必需要在充分理解的基礎上，抽象出更高層次的意義。

　　以Llama2-70B這個Meta研發(fā)的語言模型為例，它是Llama2模型700億參數(shù)版本，是目前*的開源語言模型之一。

　　Llama2-70B使用大約10T(10萬億)字節(jié)的文本作為訓練數(shù)據(jù)，訓練出來的模型是一個140GB大小的文件，壓縮比大約是70倍(10T/140G)。

　　在日常的工作中，我們通常把大的文本文件壓縮成Zip文件，其壓縮比大約是2倍左右。對比之下，可以想見Llama2的壓縮力度。當然Zip文件是無損壓縮，語言模型是有損壓縮，不是一個標準。

　　▲ OpenAI副總裁Andrej Karpathy分享截圖。

　　圖片來源：Web3天空之城

　　神奇的地方在于，一個140GB的文件就可以把人類的知識和智能給保存下來。大部分的筆記本電腦都可以裝得下140GB的文件。當筆記本電腦的算力和顯存足夠大，只要再加上一個五百行的C代碼程序，就可以運行大語言模型。

　　/ 02 /

　　開源生態(tài)和大語言模型的流量稅

　　▎開放研究和開源生態(tài)是推動AI發(fā)展的重要力量

　　▲ 開源生態(tài)促進了AI技術創(chuàng)新。圖片來源：Coatue.com

　　開放研究是AI技術發(fā)展的基礎。全球最*的科學家和工程師在Arxiv等網(wǎng)站發(fā)表大量論文，分享他們的技術實踐。無論是早期的AlexNet卷積神經(jīng)網(wǎng)絡模型，還是奠定算法基礎的Google的Transformer，抑或是OpenAI、Meta等公司發(fā)表的模型實踐論文，都是科研和技術上的重大突破，引領著AI技術發(fā)展。

　　開源社區(qū)的發(fā)展和迭代尤其值得關注。在開源大語言模型的支持下，科研人員和工程師可以自由地探索各種新的算法和訓練方法。即使是閉源的大語言模型，也能向開源社區(qū)學習和借鑒。

　　可以說，開源社區(qū)實現(xiàn)了某種程度上的科技平權，讓全球的人們都能共享AI領域的*成果。

　　▎大型語言模型的“流量稅”

　　回歸商業(yè)本質，大型語言模型的訓練成本是非常昂貴的。以GPT為例，據(jù)遠川研究所統(tǒng)計，訓練GPT-3用了超過1000萬美金，訓練GPT-4用了1億多美金，下一代模型的訓練成本可能要達到10億美金。此外，運行這些模型并對外提供服務的時候，其算力和能源的消耗也是很昂貴的。

　　大型語言模型的商業(yè)模式是MaaS(Model As a Service)，它輸出智能的計費方法是按照輸入輸出的流量(或稱token，詞元)來收費。由于大語言模型昂貴的訓練和運行成本，它收取的流量費大概率會“水漲船高”。

　　▲ 圖片來源：openai.com

　　以OpenAI為例，上圖是其官網(wǎng)所展示的部分模型的流量計費方案。有人做過粗略估計，按照AI應用調用GPT-3.5 Turbo流量的中位數(shù)水平，只要有一個用戶每天使用該應用(DAU)，用戶背后的APP公司約需要向OpenAI支付0.2元人民幣左右的流量費用。以此類推，如果是千萬級別日活的APP應用接入了GPT的端口，那么每天要向OpenAI支付200萬人民幣的流量費。

　　▲ 圖片來源：微信公眾號@AI賦能實驗室

　　國內大模型的流量費報價如上圖所示，跟OpenAI的價格基本相當。部分中小模型會便宜一些，但性能有差距。

　　流量費用會影響到AI應用如何設計商業(yè)模式。為了降低流量費用負擔，有些創(chuàng)業(yè)公司會考慮利用開源生態(tài)的能力，自己做一個中小模型，去承接大部分的用戶需求。如果碰到超出中小模型能力范圍的用戶需求，再調用大型語言模型。

　　這類中小模型，可能會被直接部署在離用戶最近的終端側，成為“端側模型”。端側模型很考驗硬件的集成水平，未來我們的電腦和手機上，可能會更廣泛地集成GPU之類的硬件芯片，具備在終端側運行小模型的能力。Google、微軟已經(jīng)推出可以在終端側運行的小模型。Nano是Google發(fā)布的Gemini大模型中最小的一款，專門為在移動設備上運行而設計的，無需聯(lián)網(wǎng)，可以直接在設備上本地和離線運行。

　　/ 03 /

　　AI如何影響了人類社會？

　　▎每一次技術革命，都會帶來新的效率工具

　　人類歷史上有幾次大的技術革命。1760年左右興起的*次工業(yè)革命，產(chǎn)生了機械設備;1860年之后的第二次工業(yè)革命，產(chǎn)生了電子設備;1970年之后，我們又經(jīng)歷了計算機軟件、PC互聯(lián)網(wǎng)和智能手機這三次技術革新，有人統(tǒng)稱其為第三次工業(yè)革命即信息革命。

　　2023年開始的生成式AI革命，或許可以被稱為第四次工業(yè)革命，我們創(chuàng)造了新的智能。生成式AI是人類認知和改造世界的新工具，已經(jīng)成為新的抽象工具層。

　　根據(jù)歷史經(jīng)驗，每一次技術革命都會極大提升人類生產(chǎn)效率。*次和第二次工業(yè)革命后，自然世界形成了兩個抽象工具層，即機械和電子設備層。20世紀70年代，以計算機為代表的信息技術革命引入了新的抽象層——軟件。通過軟件，人們開始以更高效的方式理解、改造世界，并與之互動。隨后，PC互聯(lián)網(wǎng)和智能手機崛起，進一步推動了軟件技術的發(fā)展。

　　▎AI如何影響人們的工作？

　　除了關注AI帶來的效率提升，我們還要關注機器如何替代了人類的工作。據(jù)統(tǒng)計，英國*次工業(yè)革命之前，農(nóng)業(yè)人口占比約為75%，而工業(yè)革命之后降至16%。美國信息革命之后，工業(yè)人口從38%降至8.5%，當時那些工業(yè)人口大多轉變成白領人口。而這次AI的智能革命，首當其沖的正是白領人群。

　　隨著AI技術的進步，商業(yè)社會中的組織形式和協(xié)作方式可能會發(fā)生一系列變化。

　　首先是，公司可能往小型化發(fā)展。商業(yè)外包可能會變得非常普遍。比如，公司可以把研發(fā)、營銷等板塊外包出去。

　　其次是工作流的重構，也就是標準操作程序(SOP)可能會發(fā)生變化。每個人的能力和精力有所不同，因此，工作流能夠讓人們提高效率，各司其職。研究人員正在探索在AI可能替代某些職能的情況下，人們的工作流該如何調整。當前的語言模型也存在可以提升效率、增強能力的地方，語言模型可能也需要借助工作流的編排，進行協(xié)作。

　　除了技術技能之外，提高其他能力也變得至關重要。例如，提升鑒賞力和品味，才能讓AI輔助你生成更好的方案或者作品。再比如，增強批判性思維，能幫助你更好地判斷、鑒別AI生成的內容。

　　我們要更積極地利用AI，把它當作工作和生活中的輔助工具，或者說副駕駛，充分利用其潛力和優(yōu)勢。(更多關于未來工作的思考，歡迎閱讀)

　　▎AI的能力是有邊界的

　　在AI發(fā)展迅猛的當下，不少人提出了AI威脅論，擔心AI對人類造成的負面影響。確實，人類目前發(fā)明出了看起來比自己還聰明的工具。如何控制好AI這樣的“硅基生物”，對人類來說無疑是巨大的挑戰(zhàn)�？茖W家們正在嘗試解決這個問題，OpenAI也曾發(fā)表探討類似問題的論文。

　　但是，我們也不要那么悲觀，至少目前人類社會的數(shù)字化程度，可以限制AI的能力邊界。

　　如今的大語言模型主要是用大量文本數(shù)據(jù)訓練出來的。文本的數(shù)字化程度很高，又經(jīng)過人類的抽象，信息密度大，所以AI訓練的效果很好。

　　但是離開了文本空間，AI的智能會受到諸多限制，因為它沒有經(jīng)過相應的數(shù)據(jù)訓練。所以我們暫時不用太擔心，AI并沒有那么厲害和全面。我們有充足的時間去熟悉和適應它，找到跟硅基生物友好相處的方法。

　　/ 04 /

　　展望2024，

　　大語言模型與AI應用會如何發(fā)展？

　　▎頭部大語言模型陣營

　　在全球范圍內，大型語言模型呈現(xiàn)出顯著的區(qū)域化發(fā)展特征。比如，美國和中國的發(fā)展路徑各有特色。美國的頭部大語言模型陣營已基本確立，主要集中在幾家大型科技公司，或者它們跟幾家頭部模型創(chuàng)業(yè)公司的聯(lián)合體�？梢哉f，美國的AI領域已進入高成本的軍備競賽階段，新的參與者比較難入局。

　　而中國的大型語言模型則呈現(xiàn)了百花齊放的態(tài)勢，目前有百余個項目聲稱正在開發(fā)大型模型。中國可能更依賴于開源生態(tài)，二次開發(fā)出新的語言模型。

　　目前，除美國以外的其他國家，都還沒有開發(fā)出與GPT-4相當?shù)拇笮驼Z言模型。在大模型技術領域，中國和美國仍然存在差距。

　　但全球在AI領域的較量還未到終局。對于中國來說，最重要的是大力發(fā)展AI應用生態(tài)。在互聯(lián)網(wǎng)和數(shù)字經(jīng)濟時代，中國就是應用領域的優(yōu)秀生，也向海外輸出了相關的應用實踐。在緊跟大模型*的前提下，等應用生態(tài)繁榮起來之后，我們再反向去做技術突破，可能是一種解決思路。

　　▎大語言模型會如何發(fā)展？

　　雖然大語言模型領域已經(jīng)實現(xiàn)了眾多技術突破，但仍然有不少可以迭代、提升的板塊，比如減少“幻覺”、增加上下文長度、實現(xiàn)多模態(tài)、具身智能、進行復雜推理以及自我迭代。

　　首先，我們來討論“幻覺”現(xiàn)象�；糜X可以理解為一種錯誤的輸出，Meta將其定義為“自信的假話”�；糜X的產(chǎn)生最常見的原因是語言模型采集的知識或數(shù)據(jù)的密度不夠。不過，幻覺也可以被視為創(chuàng)造力的體現(xiàn)，就像詩人在酒后能寫出美妙的詩篇，AI的幻覺可能也會給我們帶來奇妙的內容。

　　減少幻覺的方法有很多種，比如使用更高質量的語料庫進行訓練;通過微調和強化學習來提高模型的準確性和適應性;在模型的提示詞中加入更多背景信息，讓模型基于這些信息更準確地理解和回應問題。

　　第二，增加上下文長度。上下文長度相當于語言模型的腦容量，現(xiàn)在通常是32K，最高的是128K，也就是不到10萬字或者英文單詞。如果想讓語言模型理解復雜的語言文本、處理復雜的任務，這個長度還遠遠不夠。下一代的模型大概率會努力擴大上下文長度，以提高處理復雜任務的能力。

　　第三是多模態(tài)。人類主要依靠視覺來獲取信息，而當前語言模型主要依靠文本數(shù)據(jù)來做訓練。視覺數(shù)據(jù)能夠幫助語言模型更好地認知物理世界。在2023年，視覺數(shù)據(jù)被規(guī)�；�地加入到模型的訓練過程中。比如，GPT-4引入了多模態(tài)數(shù)據(jù)，Google的Gemini模型據(jù)說也使用了大量的圖像和視頻數(shù)據(jù)。從Gemini演示視頻的表現(xiàn)來看，它的多模態(tài)交互似乎有明顯提升，但復雜推理等智力的提升還沒看出來。

　　第四是具身智能，是指一種基于物理身體進行感知和行動的智能系統(tǒng)，能夠從環(huán)境中獲取信息、理解問題、做出決策并行動。這個概念并沒有那么復雜，地球上所有的生物，都可以說是具身智能。比如人形機器人，也被認為是具身智能的一種形式。具身智能相當于給AI延展出了能活動的“手腳”。

　　第五是復雜推理。通常，GPT會一次性地給出回答，沒有太明顯地多步推理或回退迭代。而人類在思考復雜問題的時候，會在紙上列出一些步驟，反復推演和計算。研究人員想了一些方法，比如借助思維樹等思考模型，試圖讓GPT學會復雜的多步驟推理。

　　最后是自我迭代。現(xiàn)在的語言模型主要還是依靠人給它設計算法，提供算力，給它喂數(shù)據(jù)。暢想未來，語言模型能夠實現(xiàn)自我迭代嗎?這可能要依賴于新的模型訓練和微調方法，例如強化學習等。據(jù)說OpenAI正在嘗試一種代號為“Q*”的訓練方法，研究如何讓AI自我迭代，但具體進展尚未知曉。

　　大模型還處在高速發(fā)展期，還有很大的提升空間。除了以上列舉的幾點之外，還有很多待解決和提升之處，比如可解釋性、提升安全性、輸出的內容更符合人類的價值觀等等。

　　▎未來的應用軟件——AI Agent

　　2023年9月，紅杉美歐(Sequoia Capital)官網(wǎng)發(fā)布了《Generative AI’s Act Two》的文章，提到生成式AI已進入第二個階段。*個階段主要集中在語言模型及周邊簡單應用的開發(fā)，第二個階段的焦點則轉向研發(fā)真正解決客戶需求的智能新應用。

　　未來的應用軟件，可能會逐漸轉向AI Agent——一種能夠自主執(zhí)行任務、獨立決策、主動探索、自我迭代并能相互協(xié)作的智能軟件�，F(xiàn)有的傳統(tǒng)軟件可能需要進行相應的調整和改進。和傳統(tǒng)的1.0版本軟件相比，AI Agent能夠提供更接近真實的、高質量的一對一服務體驗。

　　但發(fā)展AI Agent的難點在于，語言模型目前還太不成熟和穩(wěn)定。如果要做出好的應用體驗，需要在語言模型基礎上，加上一些小模型、一些規(guī)則算法，甚至在某些關鍵環(huán)節(jié)加入人工服務，從而在垂類的場景或者具體行業(yè)中輸出穩(wěn)定的體驗。

　　多Agent協(xié)作已經(jīng)成為熱門的研究方向。在標準操作程序的基礎上，相互協(xié)作的多個AI Agent，能夠產(chǎn)生比單獨調用語言模型更優(yōu)的效果。這里有個比較符合直覺的解釋，每個Agent可能各有優(yōu)缺點和專攻方向，跟人類的分工是一樣的，大家組合到一起，通過新的標準操作程序(SOP)各司其職、互相啟發(fā)和監(jiān)督協(xié)作。

　　/ 05 /

　　創(chuàng)業(yè)和投資機會

　　▎在非共識的領域，做正確而非容易的事

　　在一個新的時代，作為創(chuàng)業(yè)公司，需要認真思考，基于這次技術革新，有哪些原生新模式的創(chuàng)業(yè)機會。同時還要考慮，哪些是新進入者的機會，哪些是現(xiàn)有行業(yè)*者的機會。

　　我們可以回看PC互聯(lián)網(wǎng)和智能手機兩次技術變革，如何產(chǎn)生出了新的機會。

　　PC互聯(lián)網(wǎng)時代，提供的主要能力是連接，即全球的PC、服務器和一些其他設備實現(xiàn)了聯(lián)網(wǎng)。PC時代產(chǎn)出的原生新模式包括：搜索、電商和社交通信等，誕生了BAT等各行各業(yè)的*企業(yè)。

　　智能手機時代，提供的主要能力是大部分人都擁有一臺手機，具備移動互聯(lián)、GPS、攝像頭等功能。這個基礎條件讓共享經(jīng)濟、即時通訊、短視頻分享、移動金融支付等新模式成為可能。前一時代的行業(yè)*企業(yè)是有很強先發(fā)優(yōu)勢的，搶占了不少新模式的機會，例如：騰訊和阿里分別做出了微信和支付寶。但是我們也看到美團、抖音和滴滴等一些新勢力，獲得了巨大成功。它們?yōu)槭裁纯梢宰龅?

　　我認為其成功的關鍵詞是，在非共識的領域，做正確而非容易的事情。

　　以美團和抖音為例。美團選擇的原生新模式叫“餐飲外賣”，屬于“共享經(jīng)濟”中的“O2O(線上到線下)”部分，左邊大量的餐飲店面，右邊是眾多各式各樣的消費者，中間是成千上萬的騎手，是“重模式”，但早期互聯(lián)網(wǎng)大廠更喜歡和擅長做“輕模式”，切入餐飲行業(yè)是“非共識”。外賣的履約服務鏈條太長、難以數(shù)字化，很難進行精細化運營。但最后美團把它做成了，這些難的事情成為其*的核心優(yōu)勢和競爭壁壘。

　　再看抖音，它選擇的原生新模式叫“短視頻分享”，屬于當時流行的“創(chuàng)作者經(jīng)濟”的一部分。抖音*的“反共識”是：它把視頻創(chuàng)作者經(jīng)濟跟萬億體量的電商GMV之間的橋梁打通了，形成規(guī)模化、有效率的轉化。

　　在電商直播崛起之前，有兩類直播，一種叫游戲直播，另一種叫網(wǎng)紅直播，變現(xiàn)主要靠觀眾打賞。這類變現(xiàn)模式的經(jīng)濟體量非常小，容納不了那么多優(yōu)秀的創(chuàng)作者。但抖音通過推薦算法、發(fā)展創(chuàng)作者生態(tài)和商家生態(tài)、建立抖音小店閉環(huán)、優(yōu)化內容電商轉化等各種努力，把內容往電商轉化這個巨大的商業(yè)閉環(huán)給做通了。做通之后，抖音就可以邀請全國最多*秀的創(chuàng)作者來抖音平臺創(chuàng)作內容，并報之以巨大的電商銷售收入作為獎賞。

　　所以，抖音的海外版TikTok出海后，很多當?shù)氐亩桃曨l和直播平臺都打不過它。因為Tiktok并不僅僅是一個左邊創(chuàng)作者右邊消費用戶的視頻內容平臺，它更是一個新型的創(chuàng)作者經(jīng)濟和海量電商GMV轉化的結合體，是新物種，具備復合型競爭優(yōu)勢。

　　總結來說，創(chuàng)業(yè)公司要敢于選擇和進入非共識的領域，在艱難的環(huán)境下，努力把事做成。

　　▎創(chuàng)業(yè)方向和要點

　　從創(chuàng)業(yè)的方向來說，大模型領域巨頭林立，大概率不會是創(chuàng)業(yè)者的*方向。而在大模型和應用之間有個“中間層”，大部分是基礎設施、應用框架、模型服務等，這個部分容易受到模型和應用的雙向擠壓，部分領域巨頭林立，創(chuàng)業(yè)空間不大。

　　綜上所述，我們傾向于認為，結合目前的技術和商業(yè)環(huán)境，我們應該大力發(fā)展AI應用生態(tài)。

　　上圖是我們投資的生成式AI相關的創(chuàng)業(yè)公司，包括：為語言模型設計的新型DevOps平臺、社交游戲平臺、智能陪伴服務、AI輔助RNA藥物開發(fā)、門店自動化營銷、服務全球的智能商業(yè)視頻SaaS、新型線上心理咨詢平臺和中 美工程師遠程雇傭工作平臺等等。

　　我們總結了AI應用領域創(chuàng)業(yè)的幾個要點：

　　*，要做出優(yōu)質的原生新應用。要抓住AI智能時代提供的新能力，即智能供給和藝術創(chuàng)作力供給，做出優(yōu)質獨特的原生新應用體驗，這個難度其實不小。我們在上文曾提到，語言模型的智能等還不夠成熟穩(wěn)定，存在明顯的能力邊界。創(chuàng)業(yè)公司可能需要選擇相對垂直細分的場景，采用各種技術和運營手段，做出良好體驗。

　　第二，非共識、更前瞻、有顛覆性。非共識指的是在賽道選擇上不要隨大流，敢于進入艱難的領域，“做正確而非容易”的事情。更前瞻是指選擇有挑戰(zhàn)的業(yè)務和技術路線。

　　例如，采用當下還在發(fā)展、更先進的技術架構，例如：創(chuàng)業(yè)者要優(yōu)先做Agent而不是CoPilot，CoPilot們更像是行業(yè)*者的機會(想想微軟和Github)。再比如，創(chuàng)業(yè)團隊可以考慮提前按照下一代語言模型的能力(如GPT-5)，去構思和設計應用。

　　顛覆性是指*對所切入的行業(yè)產(chǎn)生顛覆效果，例如：顛覆性的產(chǎn)品體驗、顛覆原有的商業(yè)模式等等。這類顛覆性的好處是有可能跑在行業(yè)*者前面。比如峰瑞投資的Babel(巴別科技)，抓住尚未成熟的“Serverless”、大語言模型等技術發(fā)展趨勢，致力于重構軟件開發(fā)的生產(chǎn)工具和生產(chǎn)要素，讓AI來做編程、調試、部署和運維等工作。

　　第三，關注用戶增長和商業(yè)化潛力。用戶增長潛力很重要，大家容易理解，即便你從一個細分市場切入，未來也可以做成大的規(guī)模。

　　我們早期為什么要關注商業(yè)化呢?

　　這要回到我們在上文提到的大模型的流量稅。如果你選擇接入大模型，從創(chuàng)業(yè)的*天開始，你就要給大模型支付流量稅。

　　面向個人用戶的應用，當前規(guī)模商業(yè)化的途徑通常有三種：前向收費(如游戲、增值服務等)、廣告以及電商。只有極少數(shù)應用有可能把電商做起來(例如淘寶、抖音等)。新應用直接向用戶收費很難，大多數(shù)創(chuàng)業(yè)者會有畏懼心理，會考慮選擇比較間接的方式，希望做大用戶規(guī)模后在應用里做廣告來商業(yè)化。

　　從智能手機時代的情況來看，除了電商應用之外，中國最頭部的幾個泛資訊類APP估計每天能夠在單個活躍用戶上賺到的廣告收入大約在0.1元到0.3元之間，這已經(jīng)是廣告商業(yè)化的*水平。而一般規(guī)模的APP，可能還遠遠達不到0.1元。

　　我們在前面講過語言模型的“流量稅”，每個用戶每天的成本約0.2元，廣告收入通常很難覆蓋得住這樣的成本。用戶規(guī)模越大，虧損反而越嚴重，除非你通過前面提到的端側模型等手段把“流量稅”降下來。

　　因此，AI應用在商業(yè)模式設計上可能需要優(yōu)先考慮前向收費。當然，在新的AI智能時代，說不定我們的創(chuàng)業(yè)者可以找到除上述三種規(guī)模商業(yè)化之外的其他商業(yè)化途徑，讓我們拭目以待。

　　第四，把握宏觀趨勢紅利。要預判和抓住中國的宏觀趨勢紅利，比如商品出海、視頻電商、工程師紅利等等。我們要努力抓住屬于時代的β。

　　峰瑞投資的創(chuàng)業(yè)公司特看科技，也在抓住中國商品出海、新型視頻電商等新趨勢的機會，立志通過產(chǎn)品創(chuàng)新技術打造世界級的商業(yè)視頻SaaS平臺，賦能海外視頻創(chuàng)業(yè)者和商家。

　　第五，跟大模型保持安全距離，有自己的業(yè)務縱深。安全距離大家應該有所耳聞，知名的海外反例有不少，比如一些生成文案的商業(yè)應用公司，雖然實現(xiàn)了“曇花一現(xiàn)”式的快速增長，終究難以逃脫大模型和其他創(chuàng)業(yè)公司的雙向沖擊。此外，創(chuàng)業(yè)項目的業(yè)務縱深也很重要，這個業(yè)務縱深是指大模型夠不著的地方，特別是一些難以數(shù)字化或者數(shù)字化不充分的場景。

　　當然，最重要的還是團隊，技術要好，團隊成員也要懂行業(yè)和場景，所謂“技術為先，場景為重”。我們期待能夠和AI領域的創(chuàng)新者同行，歡迎與我們聯(lián)系。