圖片來源@視覺中國

(資料圖)

最近一周，國內(nèi) AI 大模型競逐戰(zhàn)再掀高潮。

4月11日，阿里官宣全系產(chǎn)品接入“通義千問”。此前一天，AI 四小龍之一的商湯科技宣布以“大模型+大算力”推進 AGI（通用人工智能）為發(fā)展戰(zhàn)略。同日，昆侖萬維也宣布即將推出國產(chǎn)大語言模型“天工”3.5。

當國內(nèi)大廠在大模型領域上演千帆相競的熱鬧場面，大模型創(chuàng)業(yè)的英雄榜中，也再涌現(xiàn)明星創(chuàng)業(yè)者激蕩啟航。4月10日，搜狗創(chuàng)始人王小川宣布，他和前搜狗COO茹立云聯(lián)合創(chuàng)辦百川智能，旨在打造中國版 OpenAI 基礎大模型及顛覆性上層應用。

越是在競爭的環(huán)境中，企業(yè)進化越快。不論是大廠還是明星創(chuàng)業(yè)者，他們的投入無疑將會幫助中國市場更快地產(chǎn)出真正有價值的 AI 大模型。同時21世紀經(jīng)濟報道注意到，雖然 ChatGPT 引領新一波的 AI 熱潮，AI 大模型市場的競賽熱鬧非凡，但一級市場仍處于相對冷靜的狀態(tài)，真正下注投資的創(chuàng)投機構寥寥。

“現(xiàn)在AI的基礎設施有點像90年代末時的互聯(lián)網(wǎng)基礎設施，對 VC 機構來說，可能‘過嘴癮’多過實際能干的事情，最興奮的時間點還沒有真正到來。”近日，華創(chuàng)資本合伙人熊偉銘在接受21世紀經(jīng)濟報道專訪時說。

據(jù)了解，華創(chuàng)資本在上一波的 AI 熱潮中斬獲頗豐，曾投出 AI 芯片公司深鑒科技、壁仞科技，自動駕駛公司文遠知行、智加科技。在 AI 大模型時代，華創(chuàng)資本保持高度關注，但出手仍相對謹慎。

對于目前大模型創(chuàng)業(yè)的市場競爭態(tài)勢，熊偉銘認為，微軟在2019年向 OpenAI 投資10億美元，又在今年初追加投資100億美元。對國內(nèi)的大模型創(chuàng)業(yè)者來說，沒有10億美元的啟動資金是不容易參加這場競賽的。

“同時，真正懂大模型的人才仍相對稀缺。這些都意味著，大模型創(chuàng)業(yè)不是萬眾創(chuàng)業(yè)而是場小眾創(chuàng)業(yè)。只有在 AI 領域具備極高專業(yè)度并且在資本圈富有號召力的團隊，才有機會勝出。”他說。

AI 行業(yè)發(fā)展拐點到來，但大模型是場小眾創(chuàng)業(yè)

熊偉銘：我從2014年左右開始關注 AI，當時計算機視覺（Computer Vision ）領域的發(fā)展達到高峰，人臉識別、自動駕駛等方面的應用隨之快速落地。反觀自然語言理解領域（NLP ），此前一直處于不溫不火的狀態(tài)，一直到 ChatGPT 的出現(xiàn)，它體現(xiàn)出機器自然語義識別的能力大幅提升。

隨著語義識別和圖像識別的打通，AI 將更加智能化，機器的能力甚至會超過人類的能力。我們知道，人腦有接近1000億個神經(jīng)元，如今大模型的參數(shù)量已經(jīng)超過了人類神經(jīng)元的數(shù)量。按照現(xiàn)在的趨勢，很有可能實現(xiàn)生產(chǎn)力的大規(guī)模提升，由AI 去做很多人類不愿意做的工作。這確實是到了行業(yè)發(fā)展拐點的狀態(tài)，大家已經(jīng)覺得 ChatGPT 很厲害了，但我們認為行業(yè)還剛剛起步。

熊偉銘：AI 行業(yè)現(xiàn)在的發(fā)展階段，確實有點像上世紀90年代末，互聯(lián)網(wǎng)行業(yè)發(fā)展初期時的狀態(tài)。

當時大家覺得互聯(lián)網(wǎng)很好玩，但是沒有方向感，不知道互聯(lián)網(wǎng)究竟能用來干什么。如果想成立互聯(lián)網(wǎng)公司，需要自己買帶寬、搭服務器，這是很重的資產(chǎn)投入。不過到現(xiàn)在，互聯(lián)網(wǎng)的基礎設施已經(jīng)非常發(fā)達。如果按單位長度算，光纖甚至比面條還便宜。各種各樣的互聯(lián)網(wǎng)應用，隨之蓬勃發(fā)展。

回到 AI 行業(yè)，大家覺得 ChatGPT 出來以后非常震撼，但沒有特別明確的方向感去應用它。同時，想成立一家大模型公司成本是非常高昂的，光買 CPU 卡就是非常重資產(chǎn)的投入。這就像90年代末時，你需要自己拉光纖、搭服務器。它的生產(chǎn)力高度被壟斷，創(chuàng)業(yè)成本也非常高。

熊偉銘：中國企業(yè)在算法人才的積累、算力芯片的儲備、資金量的投入方面都還存在差距，追趕還需要一定的時間。但中國的用戶數(shù)量龐大，能夠更好的實踐落地AI大模型的相關應用。

我覺得如果有些科技生產(chǎn)力會影響未來的一百年，就不必著急在一兩年的時間里去追趕。90年代的時候，中國沒有一家 PC 電腦廠家。但到了現(xiàn)在，華為的電腦質(zhì)量做得非常好。把時間拉長來看，問題的解決會更加從容。

VC 投大模型錢太少，投商業(yè)應用又稍微有點早

熊偉銘：現(xiàn)在 AI 的基礎設施有點像90年代末時的互聯(lián)網(wǎng)基礎設施，我們認為最興奮的時間點還沒有到來。VC 如果想投大模型，錢太少。想做商業(yè)應用，又稍微有點早。

對大模型創(chuàng)業(yè)項目來說，10億美元的啟動資金是參與競賽的門票。而一支早期投資基金規(guī)模可能只有幾億美元，不可能全投在一個大模型創(chuàng)業(yè)項目上。

所以我覺得這是超過 VC 投資范疇的領域，在大模型面前，所有 VC 都會覺得自己缺錢。它更適合由國家隊資金去投資，或者是由大型互聯(lián)網(wǎng)企業(yè)去投入，看能夠在自己所處的領域形成怎樣的產(chǎn)品和競爭力。

但在跟醫(yī)療、制造、游戲等相關的垂直場景的小模型領域，VC 有機會去參與投資。 不過由于AI基礎設施還沒搭建好，所以在國內(nèi)還沒有出現(xiàn)特別好的公司。

熊偉銘：我們現(xiàn)在有五個同事都在看 AI 方面的項目，但暫時還沒有在大模型和AIGC領域出手。

現(xiàn)在市場上 AI 項目的估值都挺高的，趕上這波浪潮的公司肯定都想融一筆大錢。但詳細聊下來你會發(fā)現(xiàn)，有些公司吆喝得很厲害，但做的東西并沒有那么實在，團隊和產(chǎn)品沒有讓人眼前一亮的感覺。

比如有的公司通過 API 的方式直接調(diào)用 ChatGPT 的算力，在其基礎上做點應用。這種公司短時間內(nèi)能夠做點生意賺錢，但沒有自己的算法、算力和模型，也沒有實際的創(chuàng)新點，很容易被取代，并不值得去投資。

熊偉銘：AI 能夠為我們提供幫助，但無法取代人去做早期投資。它的幫助主要在兩方面，一是對于海量信息的收集整理、關鍵點的提煉，AI 是非常好的幫手。二是做報告時，AI 的語法水平和圖表水平都是非常高的，能夠幫助人提升效率。

同時，早期投資行業(yè)很難標準化，并且具有信息壁壘，這讓 AI 無法取代人去做這件事。AI 對標準化的事情具有很強的學習能力，但早期投資行業(yè)不是標準化的。我們做的像是復雜工藝的木匠活，好不容易雕刻出來一件作品，第二次再雕刻樣子就不一樣了。

而且早期投資最大的壁壘是信息壁壘。在二級市場，公司信息是高度透明的，投資人只需要對信息做出判斷。在一級市場存在信息壁壘，需要物理上的見面來獲取信息。當我們見到創(chuàng)始人時，他的語氣、表情、氣質(zhì)等，都是信息的一部分。如果不見面聊兩三個小時，不去一塊兒喝酒，創(chuàng)始人可能不會聊起過去的失敗創(chuàng)業(yè)經(jīng)歷等。這些信息的獲取過程，是 AI 無法去實現(xiàn)的。

熊偉銘：對管理規(guī)模千億的大基金來說，如果拿出幾億美元做早期投資，每個項目投幾百萬美元，這不是件規(guī)模經(jīng)濟的事情，它的注意力肯定是在那些投資額度更大的項目上。如果大基金想投早投小，做 LP 去投資一些早期基金可能會效率更高。

同時，早期創(chuàng)新是非常分散的，早期投資機構也是百花齊放，各自捕捉自身擅長的機會點，不可能是一家獨大的狀態(tài)。就像是你去樓下小賣部就可以買到水，沒必要專門去國貿(mào)買水。我做早期投資已經(jīng)有20多年，有不少經(jīng)驗也走過一些坑，讓我們做早期投資更具有優(yōu)勢。華創(chuàng)過去的9期基金都是賺錢的，因為我們懂早期投資這件事。

關鍵詞：