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