在刚刚过去的 CES 2024(国际消费电子展)上,著名 AI 科学家吴恩达和李飞飞进行了一场长达 40 分钟的对谈(详见:《吴恩达对谈李飞飞:寻找你的北极星,让它引导你》。他们一致预测:这次由大模型引发的 AI 浪潮,不会再像 7 年前那样热闹几年后进入“冰河期”,人工智能的商业基础会持续增长。


但是未来这波浪潮里,又有多少机会是留给创业公司的?进入2024,创投圈的一个明显体感是: 大模型的窗口期已过,留给VC和创业公司的机会不多了。


这一观点并非空穴来风。从数据上看,根据美国投资机构COATUE的统计,截止至2023年11月,风险资本向AI领域的投入已经近300亿美元。具体到国内一级市场,绝大部分投资流向了AI大模型和AI基础设施的头部公司和明星项目。


英诺天使基金合伙人王晟提供了一组数据:目前我国在基金业协会备案VC数量约为12000家,真正敢于大手笔下注、布局了AI重要方向的VC仅为20余家。与此同时,大模型领域项目估值持续增高,第一轮动辄数亿美元的估值,让大部分投资机构望而却步。


这一语境下,2024年AI领域的机会又在哪里?小饭桌得到的一致答案是——应用端。


但一个现实的问题是,AI应用场景庞大且不集中,创业者还要尽量绕开巨头的必经之路,这无疑给新入局者带来了诸多挑战。在峰瑞资本投资合伙人陈石看来,寻找“非共识”机会,将成为创业者成功的关键。


那么,如何从确定性赛道中寻找“非共识”?AI应用端有哪些潜在的投资机会?以及在AI应用创业中又要关注哪些要点和风险?


带着这些问题,小饭桌特别邀请了峰瑞资本投资合伙人陈石、英诺天使基金合伙人王晟、凡卓资本合伙人王梦菲,以“洞见·2024:AI领域投资机遇与展望”为主题展开了深入探讨,并聊了聊如今火热的多模态大模型以及具身智能的创业机会。


一、多模态的机会不在初创公司,具身智能的拐点尚未到来


几乎所有投资人都相信,投资尤其是早期投资的巨大价值,往往隐藏在“非共识”里。


在王晟看来,从非共识变成共识,实际上是一个“Timing”的问题。“非共识分为三个层次,首先一定是建立在大的共识基础上的,只是对于关键时间节点的捕捉、技术范式的选择,以及人和团队的选择不同,造成了非共识。”


以多模态大模型为例。多模态作为下一阶段AI发展的重点,几乎已在业内达成共识。但王晟指出,这一方向对于初创公司的创新环境来说,算不上友好。


“多模态并不算是一个全新的命题,做好多模态大模型的前提,首先是做好大语言模型,如今AI大模型的竞争格局逐渐固化,巨头林立,创业公司的机会不多了。”


王晟认为,AI创业公司的发展机会在于解决新问题。像多模态生成式模型、3D模型等,仍然拥有极其巨大的市场,同时也是英诺更关心的领域。


关于最近持续升温的具身智能赛道,投资人也发表了不同的见解。


在陈石看来,具身智能无疑是AI未来一个比较确定的发展方向,但从技术角度出发,具身智能的实现还面临着诸多挑战。“具身智能首先是语言模型和行动模型的结合,目前行动模型仍然存在许多挑战,如果泛化地去做具身智能,其实是一个比较艰难的方向,而且很容易与巨头狭路相逢。”


他建议,创业公司可以选择在某一行业的垂类场景里去做尝试,积累一些经验,形成局部业务闭环。此外,与具身智能相关的,比如数据公司也是其比较看好的方向。


陈石认为,应用层创业的要点是技术为先,场景为重。团队首先要懂AI技术,准确地把握技术发展的路径,并将其恰当地应用到场景里。但这只是起点,长期来说,一家公司的壁垒很难靠AI建立,基于对行业的深度理解和思考,从而在场景层面领先,打通业务闭环,才是建立壁垒的好机会。


王梦菲对此也表示认同:“无论是AI也好,聚生智能也好,未来都一定是一个伟大的事业,但对于企业来说,前提是他得活到那一天,因此找到闭环,建立自己的壁垒非常重要。”同时她补充道,“尽量离大模型远一点,离大厂远一点。”


而从投资的角度来看,投具身智能究竟是应该投本体还是智能,亦或是关键零部件?


对此王晟则认为,无论是本体还是供应链的关键零部件,本身投资价值不大,具身智能的突破点在于搞定智能。“具身智能对技术团队的要求非常高,需要你既懂机器人又懂AI,这类人是很少的,因此可以看到目前市场上具身智能的项目非常有限。”


虽然团队已经明确将具身智能作为投资方向有挺长一段时间,但在王晟看来,具身智能的拐点尚未到来。


“至少要到今年下半年。多模态大模型突破之后,会给具身智能打开一个窗口。”


二、AI出海、AI安全大有可为,应用创业需注意“流量税”风险


除了在热门赛道寻找突破口,如何挖掘出原生新模式下的创业机会,也是摆在AI创业者面前的重要问题。


陈石指出,在一个新的时代,作为创业公司,需要认真思考,基于这次技术革新,有哪些原生新模式的创业机会。同时还要考虑,哪些是新进入者的机会,哪些是现有行业领先者的机会。


“AI这一波热潮与移动互联网时代有很大不同,因为后者拥有天然的流量优势,人们需要重新在手机上安装软件。但今天,用户终端的格局已经基本确定,我们需要从手机或者PC上的软件中去抢用户和使用时长。在这个过程中,如果创业公司跟行业领先者站在同一起跑线上,做同样的事情,是无法跑出来的。”


在他看来,AI创业者成功的关键,就是在非共识的领域,做正确而非容易的事情。即在赛道选择上不要随大流,敢于进入艰难的领域。


陈石建议,创业者还应积极捕捉和顺应一些宏观趋势,把握相关的红利和机会,例如商品出海、视频电商以及工程师红利等等。AI出海是峰瑞资本十分看好的一个方向。


此外,随着AI技术的进步,我们正面临着一系列与AI安全性相关的挑战。


“AI安全是非常急迫的,它与我们传统的网络信息安全不同。简单来说,新一代的AI能创造多大的价值,那它就有可能给你带来多大损失。”王晟表示。他指出,AI安全也是英诺天使基金重点关注的方向。


除了赛道选择,陈石还重点提到了大模型“流量税”问题,呼吁创业者在创业的早期就应该提前关注和思考未来的商业化问题。


大型语言模型的商业模式是MaaS(Model As a Service),其输出智能的计费方法是按照输入输出的流量(或称token,词元)来收费。


有人做过粗略估计,按照AI应用调用GPT-3.5 Turbo流量的中位数水平,只要有一个用户每天使用该应用(DAU),用户背后的APP公司约需要向OpenAI支付0.2元人民币左右的流量费用。目前国内大模型的流量费跟OpenAI的价格基本相当,部分中小模型会便宜一些,但性能有差距。


另据陈石介绍,目前面向个人用户的应用,规模商业化的途径通常有三种:前向收费(如游戏、增值服务等)、广告以及电商。其中,只有极少数应用有可能把电商做起来,新应用直接向用户收费很难,大多数创业者会考虑选择比较间接的方式——做大用户规模后在应用里做广告来商业化。


而从智能手机时代的情况来看,除了电商应用之外,中国最头部的几个泛资讯类APP估计每天能够在单个活跃用户上赚到的广告收入大约在0.1元到0.3元之间,这已经是广告商业化的极致水平。而一般规模的APP,可能还远远达不到0.1元。


也就是说,广告收入通常很难覆盖得住大语言模型的流量成本。用户规模越大,亏损反而越严重,除非你通过端侧模型等手段把“流量税”降下来。


因此他建议,面向个人用户的应用,当前入局的公司在商业模式设计上可能需要优先考虑前向收费。当然,随着算力成本的降低、模型训练和推理效率的不断提升及应用生态的繁荣发展,“流量税”在未来也存在逐步下降的可能。


陈石的分享也再一次提醒我们,无论商业世界如何星辰大海、竞争厮杀,但投资与创业终将回归商业本质。


本文来自微信公众号:小饭桌(ID:xfzmedia),作者:王满华,编辑:张丽娟