AI可以被定義為是變革性的風(fēng)口。

今天大會的主題是AI，沒有想到有一天我會在混沌的平臺上講AI。有點(diǎn)意思的是，我之前還在說，在語言概念上，“混沌”可能正是當(dāng)下市場在接入AI 以后呈現(xiàn)出來的那個最初形態(tài)。

我們知道，凡是一定數(shù)量的個體都擁有一個共同的名字，它們就有一個共同的“理念”或者“形式”。我們用這個同一性質(zhì)去統(tǒng)領(lǐng)形態(tài)各異的東西。比如白貓黑貓都是貓。但是AI非常復(fù)雜，好像還很難用一個同一性去表述它，它可以是模型、算法、手機(jī)上的APP應(yīng)用，也可以是一個具體的機(jī)器人。所以AI興起之后，有很多哲思的東西變得很微妙也很有新的趣味。

回到我們風(fēng)險投資機(jī)構(gòu)，我們定義一個概念，或者大家感興趣的，我們定義一個風(fēng)口，是一時的還是變革性的，它的理念就在于它是不是一個孤立的賽道，還是能帶動一整條產(chǎn)業(yè)鏈的，比如智能電動車，就帶動了動力電池、汽車芯片、自動駕駛等等方向，所以我們才稱之為是變革性的風(fēng)口。AI在這個理念上，它具備變革性風(fēng)口的形式特征：包含了基礎(chǔ)設(shè)施層、模型層和應(yīng)用層，每個方向上都有顛覆性機(jī)會。

作為一個應(yīng)當(dāng)算是資深的投資人，面對一個新興賽道，我也會感到“混沌”，所以我這十幾年來基本建立了一套以學(xué)習(xí)、交流為核心的反饋糾錯機(jī)制，去對一個賽道進(jìn)行學(xué)習(xí)和思考。但是這次的AI，迭代實(shí)在太快，讓我多少也會感受到學(xué)習(xí)上的焦慮。我印象非常深刻的就是今年3月的第三周，連續(xù)出現(xiàn)了GPT-4、百度文心一言、Microsoft Copilot、斯坦福大學(xué)的Alpaca 7B、清華大學(xué)的ChatGLM-6B…那段時間，你我應(yīng)該一樣，我們的朋友圈都被AI刷屏了。

帶著被動的焦慮和主動的渴望，最近幾個月我跟60多名AI領(lǐng)域的創(chuàng)業(yè)者，或是準(zhǔn)備把AI切入自己業(yè)務(wù)的高管進(jìn)行了密集的聊天，多多少少也有一點(diǎn)思考和判斷，今天在這里分享給大家。雖然站在三年后看不一定都對，但還是希望能給大家一些啟發(fā)。

混沌在上海滴水湖洲際酒店舉辦“一”思維創(chuàng)新嘉年華活動。用一整座島、打造兩天兩夜的共學(xué)場，2000位混沌同學(xué)熱烈參與其中！邀請AI 全明星陣容空降授課。

此次，張穎做客混沌“一”思維創(chuàng)新嘉年華帶來的分享是《如何看待AI拐點(diǎn)》。本文為混沌“一”思維創(chuàng)新嘉年華大課筆記第三篇。

授課老師｜張穎 經(jīng)緯創(chuàng)投創(chuàng)始管理合伙人

編輯丨混沌商業(yè)研究團(tuán)隊(duì)

支持丨混沌前沿課

對AI發(fā)展的一些判斷

1.對AI發(fā)展的態(tài)度，不FOMO，也不JOMO。

今天人工智能很多能力的涌現(xiàn)，不是從去年底ChatGPT出現(xiàn)才開始的，而是從2017-18年就開始的新一輪數(shù)據(jù)和算力革命，是技術(shù)累積的量變到質(zhì)變。

先說說我們的態(tài)度，我們既不會因?yàn)镕OMO而倉促出手（Fear Of Missing Out），也不會因?yàn)镴OMO（Joy Of Missing Out）而過于保守，科技行業(yè)的投資就是這樣，太JOMO了會錯過科技大浪潮的板塊性機(jī)會，太FOMO了又可能會被泡沫反噬。

我一直在內(nèi)部強(qiáng)調(diào)要“喧雜中冷靜，冷靜中持續(xù)激進(jìn)”，有必要分清楚什么階段是風(fēng)口，什么階段是價值。整體上，我們覺得這是一條長期之路，如果拿移動互聯(lián)網(wǎng)的黃金十年（2010-2020）來比較，最優(yōu)秀的公司其實(shí)成立于2010年之后的3-4年內(nèi)，現(xiàn)在AI才剛剛開始。

2.可能成功的AI公司，都應(yīng)該打造自身的數(shù)據(jù)飛輪。

對AI產(chǎn)業(yè)鏈的一個經(jīng)典劃分，是基礎(chǔ)設(shè)施層、模型層、中間層和應(yīng)用層，應(yīng)用場景的橫向劃分可以主要分為ToC和ToB。在當(dāng)下，我們認(rèn)為未來真正能出現(xiàn)一家AI新公司，去挑戰(zhàn)現(xiàn)有巨頭，還得是敢于從ToC場景里尋求突破的，因?yàn)镃端能帶來的數(shù)據(jù)飛輪效應(yīng)，可能是在AI早期決勝的關(guān)鍵。

不知道大家有沒有注意到，現(xiàn)在最頭部的AI公司比如OpenAI、Character.AI，都是既做模型又做產(chǎn)品，這與移動互聯(lián)網(wǎng)非常不同，LBS、4G/5G等移動互聯(lián)網(wǎng)的基礎(chǔ)技術(shù)，和上層應(yīng)用比如淘寶、滴滴還是相對分離的。

這不是一個偶然現(xiàn)象，是市場發(fā)展階段導(dǎo)致。AI確實(shí)還處于早期的技術(shù)創(chuàng)新期，這個階段的典型特征是需要用技術(shù)來驅(qū)動產(chǎn)品，比如ChatGPT的創(chuàng)新之處就是用一個聊天界面，直接將大模型觸達(dá)用戶。這是在技術(shù)滲透S曲線的早期，需要通過不斷提升技術(shù)效果，才能夠把產(chǎn)品做好，逐漸接近滲透率大幅提升的臨界點(diǎn)。在這樣的階段，數(shù)據(jù)飛輪就變得無比重要。

我前幾天和Moonshot AI創(chuàng)始人楊植麟交流，他認(rèn)為最好的情況就是模型不斷為用戶提供服務(wù)，然后用戶不斷為模型生成新的數(shù)據(jù)。Midjourney一個很成功的地方是，它在自己最核心的流程中嵌入了用戶反饋，因?yàn)槊恳粋€用戶都必須強(qiáng)制在AI生成的4張圖里，選出最符合自己預(yù)期的1張，這就是一個巨大的數(shù)據(jù)飛輪。而對ChatGPT來說，雖然也有這樣的反饋機(jī)制，但并不在其核心流程里。

所以在產(chǎn)品設(shè)計(jì)上，如何形成反饋閉環(huán)非常關(guān)鍵，數(shù)據(jù)飛輪會不斷優(yōu)化模型能力，這種差距最終會決定能給用戶提供多少價值。無論是ToC或ToB的公司，打造反饋閉環(huán)、形成數(shù)據(jù)飛輪也是理所當(dāng)然的一個選擇。而對一些從零開始的小公司，這件事可能會很難，但也因?yàn)槟銈儧]有包袱，所以也有機(jī)會。

3.有專業(yè)壁壘的垂直模型也許是機(jī)會所在。

前Google創(chuàng)始人Eric Schmidt有一個觀點(diǎn)，他認(rèn)為未來會是多個垂直模型或者多個垂直助理，包括各種高價值、專業(yè)化的AI系統(tǒng)。這是因?yàn)?strong>很多高價值、特定領(lǐng)域的工作流程，特別且必須依賴于豐富的專有數(shù)據(jù)集。比如彭博最近推出了Bloomberg GPT，彭博就是把模型做小，參數(shù)量在50B左右，相比于GPT-3的175B小了很多，雖然削弱了通用性，但在金融領(lǐng)域就是更強(qiáng)。

在國內(nèi)AI與產(chǎn)業(yè)融合節(jié)奏上，也會有一些特有的機(jī)會，特別是在實(shí)體經(jīng)濟(jì)、先進(jìn)制造、智能駕駛等領(lǐng)域，國內(nèi)的發(fā)展有可能會更快，會出一些更創(chuàng)新的模式、應(yīng)用場景，大概率政策的支持也會非常明顯。

AI時代可能會顛覆SaaS時代的很多想法。我們在當(dāng)下會去看一個AI應(yīng)用有多少是GPT等大模型的能力，有多少是自己的能力。如果壁壘太低，很多產(chǎn)品可能活不過GPT的一次迭代升級。我們也在不斷的思考哪些是新觀察點(diǎn)。

在這場AI的浪潮中，我們多重視數(shù)據(jù)的重要性都不為過。因?yàn)椋?/strong>從全球來看，數(shù)據(jù)都在變得更稀缺。根據(jù)一篇聯(lián)合研究《Will we run out of data？》，由人類原生的數(shù)據(jù)，未來可能會越來越稀缺，而高質(zhì)量的自然語言數(shù)據(jù)，最快可能在2026年就會被大語言模型耗盡。

這意味存量互聯(lián)網(wǎng)的數(shù)據(jù)有限，對于國內(nèi)的相關(guān)公司來說，大家也許會先達(dá)到一個標(biāo)準(zhǔn)水平，但之后如何改進(jìn)，就要看怎么能持續(xù)獲取合法合規(guī)、合商業(yè)邏輯的數(shù)據(jù)源，真正的價值會變成可持續(xù)性的高質(zhì)量數(shù)據(jù)?；诖?，國內(nèi)的大模型公司與各行業(yè)原始數(shù)據(jù)源頭部公司的合作、綁定，可能會更深、更平等，甚至在某些領(lǐng)域數(shù)據(jù)源會更強(qiáng)勢，這種背景下，大概率會出現(xiàn)不同角度、立場、行業(yè)為主的大模型公司，模型+算力+數(shù)據(jù)+場景，將是成功公司最本質(zhì)的四個維度。

4.大模型產(chǎn)品的兩個方向：個性化&場景化。

如果我們再看遠(yuǎn)一點(diǎn)，大模型產(chǎn)品的下一步可能是兩個方向：

l 個性化：給它裝上“記憶”。

之前大語言模型一個缺失的地方是，它缺乏記憶更新，每次當(dāng)你重新打開ChatGPT，它并不記得你們的上一次對話。有些AI公司正在這個方向上尋求突破，比如估值10億美金的Character AI，和估值3.5億美金的Rewind。

在我們接觸的AI創(chuàng)業(yè)團(tuán)隊(duì)中，不少團(tuán)隊(duì)都希望產(chǎn)品有記憶能力，并且?guī)碛脩舻膫€性化。由于包含人類的情感，對你需求的理解，對你個性化的滿足，這是AI比以前移動互聯(lián)網(wǎng)時代更進(jìn)一步的革新，令AI可以真正成為人類的工作助理或是陪伴者，這也帶來了AI Infra比如向量數(shù)據(jù)庫的機(jī)會。

l 場景化：給它裝上“手”和“眼睛”。

如果你覺得ChatGPT只能問一些問題，還干不了太多事，那你需要去試試OpenAI Plugin，這是OpenAI新推出的一個應(yīng)用商店，上面幾百個插件涵蓋了衣食住行、社交、工作學(xué)習(xí)等各種日常所需場景，可以說是給大模型裝上了“手”。

比如一個叫Klarna Shopping的插件，它的功能是比價，你只需要輸入問題：“請比較不同購物網(wǎng)站上索尼單反相機(jī)的價格”，ChatGPT就能給你答案。再比如KAYAK，它可以實(shí)時搜索航班、住宿和租賃汽車信息，根據(jù)你的預(yù)算提供旅行推薦。比如訂酒店，你只需要問它：“請?jiān)诩~約現(xiàn)代藝術(shù)博物館附近找一家預(yù)算為每晚300美元的酒店?！?o:p>

OpenAI正沿著類似蘋果“硬件+App Store”的模式，邁向更高的戰(zhàn)略系統(tǒng)地位，看到OpenAI Plugin上百花齊放的App，是不是有點(diǎn)類似曾經(jīng)移動互聯(lián)網(wǎng)創(chuàng)業(yè)的感覺。

而“眼睛”，則是多模態(tài)（文字、圖片、影像等），我們?nèi)粘２粌H僅是通過純語言（文本）來交流，通過眼睛獲取的信息比例非常高。像漫威電影里賈維斯（J.A.R.V.I.S.）、《光環(huán)》游戲里的科塔娜那樣的高級AI，需要多模態(tài)的介入，這是重要的發(fā)展方向。

要想裝上“記憶”、“手”和“眼睛”，離不開大模型成本結(jié)構(gòu)的下降。我們看到今年4月之后，訓(xùn)練+推理成本都在迅速降低。而中國創(chuàng)業(yè)者一向在應(yīng)用層會有很好發(fā)揮，在未來半年到一年，將以月為單位出現(xiàn)更多應(yīng)用創(chuàng)新，我們也會很關(guān)注在技術(shù)和產(chǎn)品上領(lǐng)先的團(tuán)隊(duì)。

AI的冰與火，

實(shí)踐嘗試的意義永遠(yuǎn)大于坐而論道

一個我被問到過的小問題，但我認(rèn)為很有必要拿出來聊一下。這個問題是：“現(xiàn)在AI看似很熱，但好像大多都是在討論、在聊、在分享，而實(shí)際真正使用和應(yīng)用的并不多，你怎么看這個問題？”

我想先舉兩個很有意思的數(shù)字對比。一個數(shù)字是從今年3月到5月，召開業(yè)績電話會議的標(biāo)普500指數(shù)的公司中，有110家公司的高管提到了AI，這是過去十年的3倍。另一個數(shù)字是摩根士丹利最近做了一個2000多人的調(diào)研，結(jié)果竟然是有80%的人沒有用過ChatGPT或是谷歌的Bard。

大家發(fā)現(xiàn)這兩個數(shù)字的對比，有意思在哪里了嗎？顯然，摩根士丹利調(diào)研的群體，大概率就是在這一輪熱潮中討論過、分享、演講、提到過AI的那群人。而這不是個例，現(xiàn)實(shí)世界的情況，應(yīng)該和這組數(shù)字對比的體感差不多，一面是大家都在談?wù)?/strong>AI，另一面是真正用過AI產(chǎn)品的人不多。

一個可能的原因是當(dāng)前那些動不動十幾億美金估值，成千上萬塊GPU的故事，大量的專業(yè)詞匯，都顯得過于高大上了，一下拉遠(yuǎn)了我們和AI的距離，讓我們敢于談?wù)?，但怯于?shí)踐。所以，AI真的離我們這么遠(yuǎn)嗎？

事實(shí)上，AI正在很多地方發(fā)揮實(shí)際作用，我特別想舉幾個很接地氣、有意思的小例子，來給大家一些直觀感受。這些例子的意義和價值，就是讓我們各位有意參與的創(chuàng)新創(chuàng)業(yè)者，亦或可能的個人和企業(yè)用戶，可以更加積極地投身到AI實(shí)踐當(dāng)中。

1、通過擁抱AI而獲得實(shí)際的數(shù)據(jù)增長：Notion和Character.AI

Notion是一家十年前成立的公司，我不知道在座的各位同學(xué)有沒有使用過。它是一款個人筆記軟件，可以用來寫博客、社交媒體文案、會議紀(jì)要、工作郵件等等。在去年底第一波接入ChatGPT后，這個產(chǎn)品一下子引爆了，因?yàn)樗鲜龅倪@些功能與ChatGPT融合后，生成的內(nèi)容只需要簡單修改就可以直接使用，它的應(yīng)用場景被大大簡潔、高效、強(qiáng)化了。

這種應(yīng)用場景的實(shí)現(xiàn)，直接的結(jié)果就是Notion只用了一個月就做到了1000萬美元ARR收入。

Character.AI也是一個很有意思的應(yīng)用，它是一款基于AI大模型的聊天機(jī)器人。相比ChatGPT和New Bing而言，記憶功能是Character.AI一個很強(qiáng)的特點(diǎn)，ChatGPT在你下一次跟它開啟聊天時，是不記得上一次你們聊了什么，但Character.AI記得。所以，你可以在上面創(chuàng)建和訓(xùn)練自己的個性化人工智能，也可以選擇已有的公共虛擬角色，比如埃隆·馬斯克、蘇格拉底等等，你可以和馬斯克聊火箭，可以和蘇格拉底談?wù)軐W(xué)。

這種應(yīng)用場景的實(shí)現(xiàn)，直接的結(jié)果就是在移動端不到一周的時間內(nèi)，被下載了170萬次，是ChatGPT 3倍多，在4月有接近2億的訪問量。不僅增長很快，用戶在Character.AI上的停留時間也很長，每次訪問時間達(dá)到了25.4分鐘。

這在未來，也指向了有一定角色意識的虛擬人，雖然倫理上可能還有一些問題，但離實(shí)現(xiàn)并不遠(yuǎn)，通過軟硬件的結(jié)合，會有很大的想象空間。

2、專業(yè)化、垂直模型的先行場景：DoNotPay和法律應(yīng)用

由于大模型在文本處理方面是最成熟的，所以在文本很多的法律行業(yè)有天然優(yōu)勢，這在海外已經(jīng)被驗(yàn)證。

美國有一家叫DoNotPay的熱門公司，它主要提供針對“小官司”的AI法律服務(wù)。對于很多小事，大家往往也不會去打官司，因?yàn)樾詢r比太低。DoNotPay利用AI將整個法律流程數(shù)字化，個人很容易操作，并且只收取少量費(fèi)用。比如你想停掉健身房的會員費(fèi)，在美國很多地方都缺少人工客服，而且需要很繁瑣的手續(xù)來退費(fèi)。用DoNotPay，就可以幫你找到正確的聯(lián)系方式，寫完備的申斥郵件，幫你退費(fèi)。而這種場景只是DoNotPay上百個幫人解決切實(shí)痛點(diǎn)的法律場景中的一個而已。

你可能說美國和國內(nèi)不同，那再舉一個國內(nèi)公司在法律領(lǐng)域使用AI的例子。我們有一家食品消費(fèi)類被投公司，他們就在法務(wù)環(huán)節(jié)用到了AI。他們的法務(wù)部門每天最頭疼的事情，是確認(rèn)某種營銷話術(shù)能不能對外說，這種判斷在之前非常依賴于個人經(jīng)驗(yàn)，耗時耗力，效率不高。他們用AI試了3-4個月，效果非常好，即便再經(jīng)驗(yàn)豐富的人也很難達(dá)到AI的判斷質(zhì)量和效率。AI甚至能告訴你涉及哪些法律條文，以及曾經(jīng)類似的判決案例是什么，非常便捷。

這些場景其實(shí)都非常普遍，只是我們還沒有特別便捷的入口去應(yīng)用，但這就是機(jī)會。

3、 雖然很小，但意義重大的例子：醫(yī)療領(lǐng)域的應(yīng)用

再換一個更加普遍，但專業(yè)度可能更高的場景，我前不久看了一篇公眾號文章，講了一個美國急診科醫(yī)生的經(jīng)歷，他在凌晨3點(diǎn)治療一位96歲的老年癡呆癥患者，由于她的肺部有液體，所以呼吸困難。患者的三個孩子也都是70多歲的老人，他們也在急診室里，情緒激動、言辭激烈，他們根據(jù)自己的經(jīng)驗(yàn)開始不斷提出要求，但這些要求實(shí)際上對這位96歲的患者是非常錯誤的。

由于還有好幾個病人同時需要處理，如果這位醫(yī)生去和這些70歲以上情緒不穩(wěn)定的家屬解釋、爭論，非?；〞r間并且影響治療。這位醫(yī)生給ChatGPT-4下了一個“為什么不能給嚴(yán)重肺水腫和呼吸困難的人進(jìn)行靜脈輸液，并且用富有同情心的語言來解釋”的指令。ChatGPT寫了一篇非常好的回答，醫(yī)生讓護(hù)士把這篇回答念給這些家屬，聽了這篇有道理、有邏輯、有同理心的解釋之后，家屬們激動的表情融化為了平靜的同意。

這個例子我印象很深，像急診室這種時間緊迫的時刻，如果ChatGPT能為每位患者平均節(jié)省5分鐘，每年急診室就診人數(shù)超過1.3億人次，這意味著每年可以節(jié)省1000萬小時的時間，即便我的這個計(jì)算很理想主義，但即便數(shù)字再縮小十倍，那也極為有意義。

這其實(shí)是一個非常小的場景，不涉及到付費(fèi)和業(yè)務(wù)流程，但這就是擁抱AI最細(xì)的顆粒度。

4、 一些ToB場景的例子

剛才提到的基本都是ToC的例子，離大家都很近。而在很多ToB場景中，AI其實(shí)也在快速應(yīng)用。

比如電商場景中營銷物料的生成，質(zhì)量上不會顯著低于人工，但成本會降低1-2個數(shù)量級；在消費(fèi)品行業(yè)，AI可以自動化生成多個專業(yè)級產(chǎn)品概念，供客戶在產(chǎn)品研發(fā)初期選擇使用，啟發(fā)早期靈感；在人力資源領(lǐng)域，AI可以高效地根據(jù)HR的需求，自動化篩選某個崗位的所有簡歷，大大提升HR的工作效率；在編程領(lǐng)域，如今GitHub上有41%的代碼是AI生成的，這個過程僅用了6個月……這些場景可能離在座的一些人相對遠(yuǎn)，但離一些人一定也非常近。

所以，回到這個部分的開頭，為什么我說這個問題值得被拿出來聊一下？因?yàn)槲覀兇蠖鄶?shù)人還停留在坐而論道的狀態(tài)，我們熱切于討論和學(xué)習(xí)，因?yàn)槲覀冇蠪OMO的情緒，但更有意義的可能就是去親自實(shí)踐一下，在生活中，在工作中，在產(chǎn)品中，去做一些嘗試性的實(shí)踐，這樣我們才能真的不被這個新的AI時代所拋棄。

關(guān)于AI創(chuàng)業(yè)的幾點(diǎn)建議

最后，主持人在大會上問我，“在經(jīng)歷過那么多次真真假假的風(fēng)口后，你能不能給臺下想擁抱AI的創(chuàng)業(yè)者一些建議？”

最近也有不少朋友問過我類似的問題，我也認(rèn)真思考了一下，結(jié)合最近與幾十位創(chuàng)業(yè)者的交流內(nèi)容，我覺得不算建議吧，也是我自己在做的事情，供大家參考。

1、AI的學(xué)習(xí)和應(yīng)用，大家一定注意，用起來、有效迭代大于一切。這點(diǎn)其實(shí)在剛剛的第二部分已經(jīng)有提到。多說一句的話，一個簡單的關(guān)鍵點(diǎn)就是要學(xué)會寫提示詞，知道如何提問非常關(guān)鍵，怎么能更好的與AI互動也是一門學(xué)問。

2、大家可以嘗試形成正確的底層工作邏輯，或者設(shè)計(jì)正確的AI改變工作生活的流程，按節(jié)奏確定目標(biāo)和復(fù)盤。比如公司業(yè)務(wù)流程梳理，合適AI工具的使用，最合理合適的切入點(diǎn)。在自己的人脈圈，去找到最合適的人、公司、產(chǎn)品、服務(wù)，讓自己（不管懂不懂技術(shù)）都能真正意義上迭代認(rèn)知。每個技術(shù)的演進(jìn)，從開始萌芽到形成市場，都是有周期的，不同的時間點(diǎn)，不同的策略，不同的產(chǎn)品，不同的業(yè)務(wù)線滲透。創(chuàng)始人最怕的是弄錯了所處的階段、踏錯了時間點(diǎn)節(jié)奏、花錯錢。

3、AI浪潮在這個階段，一定是技術(shù)驅(qū)動為先和定義產(chǎn)品為重的。未來的應(yīng)用與模型能力結(jié)合更緊密，所以對模型的理解與差距，會決定產(chǎn)品與用戶體驗(yàn)，有技術(shù)創(chuàng)新基因和能力的小團(tuán)隊(duì)，必須拼命奔跑。

4、AI創(chuàng)業(yè)，不但要能用好市面上的AI工具，更要從AI效率、變革的角度，去組織公司架構(gòu)。更好地運(yùn)用AI工具，一定會帶來更高效的人均產(chǎn)出，AI時代如果還是落后的組織架構(gòu)、人才密度，那說明創(chuàng)始人的迭代和對AI的真正理解都沒有到位。

5、如果你是在做ToC產(chǎn)品，那數(shù)據(jù)飛輪帶來的正反饋效應(yīng)非常重要。這個飛輪需要從第一天的產(chǎn)品設(shè)計(jì)里面就重視起來，更好的數(shù)據(jù)才能產(chǎn)生真正的飛輪效應(yīng)。像很多我們看到的優(yōu)秀的產(chǎn)品，不管是Character.AI還是Midjourney，他們的反饋機(jī)制設(shè)置都非常好。這個反饋會讓你的數(shù)據(jù)飛輪形成正向的循環(huán)，不斷螺旋上升。同時要重視產(chǎn)品的記憶性和個性化，這可能是AI時代最大的產(chǎn)品特性之一。

6、在當(dāng)下AI相關(guān)如此火的狀態(tài)，也對創(chuàng)始人提出了更高、更全面的要求。創(chuàng)始人需要綜合思考技術(shù)、市場情況、投資人預(yù)期、貨幣存量，這些因素都需要找到平衡點(diǎn)，并進(jìn)行一定的前置預(yù)判，要能夠綜合把握自身和公司全面成長的速度，以及對各種風(fēng)險都要有前瞻意識。

7. AI創(chuàng)業(yè)一定要把握好融資節(jié)奏。

這點(diǎn)需要展開說一說。目前的總體情況是，美國非常熱，中國其實(shí)才剛剛開始。根據(jù)PitchBook Data的數(shù)據(jù)，美國在2023年前五個月，就有127億美元的投資額，而去年全年也才48億美元而已。最近最大的一筆融資是Inflection，13億美元融資，估值40億美元，而Inflection成立也就才一年半。最大的一筆收購也在最近誕生，Databricks以13億美金收購了MosaicML，比其估值溢價了快6倍。

但對于國內(nèi)來說，大家現(xiàn)在是看得多下手少，雷聲大雨點(diǎn)小，為什么會這樣？

第一點(diǎn)是在今天的大環(huán)境下，資金變得更加珍貴。對于創(chuàng)新型公司，特別是那些需要資金有很大容忍度，商業(yè)模式還沒有被驗(yàn)證，失敗率比較高的細(xì)分賽道的公司，今天市場上可以給到這些公司的錢，我感覺比3年前少了10倍。

第二點(diǎn)是從發(fā)展方向上來說，目前還比較混沌。市場上真正拿到融資的大模型公司不算很多，做中間層的稍微多一點(diǎn)，應(yīng)用層更多些。從時間線來看，ChatGPT出現(xiàn)后國內(nèi)也迅速跟進(jìn)，大廠、科研院所、創(chuàng)業(yè)公司等等各方勢力都很快推出自己的大模型，大家的目標(biāo)都是要做中國版的OpenAI。而后來開源模型的發(fā)展，以及OpenAI開放API接口改變了很多，開源導(dǎo)致對自有大模型的擁有成本降低，開放接口使得在大模型之外，不少中間層、應(yīng)用層的創(chuàng)業(yè)機(jī)會凸顯。

所以，長期來看，我樂觀地認(rèn)為各個方向都有機(jī)會，只是現(xiàn)在還不是那么清晰，當(dāng)然不清晰本身就是機(jī)會。那對創(chuàng)業(yè)者來說，無論是基礎(chǔ)設(shè)施、模型層、中間層、前端應(yīng)用，開源模型或閉源模型，都會各有各的場景與優(yōu)勢。當(dāng)然，我個人的觀點(diǎn)還是如前所述，最終國內(nèi)最優(yōu)秀的AI公司，極有可能是既做模型，又做應(yīng)用的。

結(jié)語

總而言之，新事物出來往往會有兩個極端，我們不要神化AI，但也不可忽視它。有用的東西終將會留下和發(fā)展，不以個人的意志為轉(zhuǎn)移。

雖然現(xiàn)在大部分公司還沒有通過AI產(chǎn)生可觀收入，也還沒有大量實(shí)踐誕生，但一切都在緊鑼密鼓的進(jìn)行中，未來6-8個月是重要的窗口期。經(jīng)緯的不少被投公司，也都在積極嘗試，比如猿輔導(dǎo)在很多業(yè)務(wù)環(huán)節(jié)都在嘗試切入AI工具；再比如冪律智能，他們與國內(nèi)的大模型公司合作，共同訓(xùn)練了法律領(lǐng)域垂直大模型PowerLawGLM……我們正處于AI滲透商業(yè)的早期，很多產(chǎn)品還在研發(fā)和內(nèi)測中。事實(shí)上，像我們的一些智能電動車生產(chǎn)公司，已經(jīng)將AI應(yīng)用在了包括制造、客服、營銷等多個環(huán)節(jié)，它是一種生產(chǎn)力環(huán)節(jié)的滲透。

按照OpenAI創(chuàng)始人Sam Altman的說法，未來模型性能每18個月提升兩倍。雖然目前AI還不能代替人，但我們能看到AI在各個生產(chǎn)力環(huán)節(jié)的參與，它降本提效的能力也會逐漸發(fā)揮出來，我們看到很多創(chuàng)業(yè)者都是無比興奮的。如果我們想十年后，AI很有可能會消失于無形，滲透進(jìn)我們工作、生活的各個角落，并改變世界，所有公司也都會變成AI公司。

最后我想到一個很有意思的話題，有人總是覺得AI如果發(fā)展的非常迅猛，它最后大概率會變成人類的災(zāi)難。但我之前和很多人討論過這點(diǎn)，這個判斷的前提其實(shí)還是從我們的一些固有觀念出發(fā)去思考AI，認(rèn)為它會對“統(tǒng)治、占有”這些人類根深蒂固頑疾有繼承性、一致性。但其實(shí)如果我們從另外的角度去想，也許AI的思維完全和我們不一樣，它對這些也許根本沒興趣。

當(dāng)然我的意思也不是說，在AI發(fā)展的過程中，我們不需要任何的監(jiān)管或者警惕。相反，我覺得在初始階段，對使用AI的人的約束和監(jiān)管可能是更加有必要的。隨著發(fā)展，再往后，我們需要的也許是跳出固有思維，也許AI最后會顛覆掉我們現(xiàn)有的觀念也不一定。這點(diǎn)也許是我們今天參與這個新時代的人，最應(yīng)該去拭目以待的事情。

但反正對我們做投資的來說，winning is so sweet because most of the time we lose，有這個心就好。

在混沌APP，提升AI時代的必備的個人競爭力和商業(yè)思維

AI季入學(xué)特別福利