【新智元導(dǎo)讀】深耕科技的早期投資機(jī)構(gòu)藍(lán)馳創(chuàng)投近期將AGI投資觀迭代至2.0版本。一些比較亮眼的觀點有：未來，軟件公司或?qū)⑾В珿enAI將催生出一大波一人十億美金初創(chuàng)公司。而且，開源模型的優(yōu)勢也將慢慢褪去，模型應(yīng)用需要兩手抓，還有......
去年上半年，藍(lán)馳創(chuàng)投推出《通向AGI之路》欄目，多篇連載推演了GenAI時代的可能樣態(tài)，也提出了藍(lán)馳的AI投資觀——
AI+新的交互界面+Robotics的三浪疊加，將激蕩出嶄新的時代。
截至目前，藍(lán)馳創(chuàng)投已經(jīng)沿著這個思路進(jìn)行了全面的布局：
過去一年中，藍(lán)馳創(chuàng)投與最優(yōu)秀的創(chuàng)業(yè)者共同描摹GenAI的形狀，在前線親歷了最激烈的「炮火」，由此其AI投資觀也在不斷迭代、細(xì)化。
GenAI仍在加速進(jìn)化中，戰(zhàn)事尚未行至中場，藍(lán)馳創(chuàng)投希望在此刻與創(chuàng)業(yè)者分享這些思考，激發(fā)更多討論、加速進(jìn)化。
01 開源優(yōu)勢不會更大：大模型不會被一統(tǒng)天下，既做模型又做應(yīng)用有何不同
關(guān)于開源/閉源、做模型還是做應(yīng)用，過去一段時間有許多討論。藍(lán)馳創(chuàng)投有以下判斷：
首先，模型要用得起才有可行性，所以基于開源模型做小型化、垂直化是必然趨勢。
但對于那些AGI制高點，比如邏輯推理能力、多模態(tài)和視頻生成模型，未來閉源的趨勢預(yù)計還將持續(xù)。即便開源，最關(guān)鍵的「How」——模型如何訓(xùn)練、關(guān)鍵參數(shù)的設(shè)置等，也不會被解密，后來者無法復(fù)刻。
長遠(yuǎn)來看，真正能實現(xiàn)AGI的通用模型會非常有限，但基于不同場景的行業(yè)模型會百花齊放。同時由于文化差異、地緣政治等原因，不同國家可能會有各自的大模型。
如果不及時投入，可能在競爭中會落下風(fēng)。
來源：「Open-source LLMs vs closed-source LLMs: An enterprise perspective」
其次，大模型和很多人常用來類比的操作系統(tǒng)，其實在本質(zhì)上是不同的。
操作系統(tǒng)本質(zhì)上是一種技術(shù)，但對大模型來說，模型即應(yīng)用，其迭代的過程中會積累數(shù)據(jù)。
因此，既做模型也做應(yīng)用的打法是合乎邏輯的。
只有不斷收集用戶的反饋、積累模型的應(yīng)用實踐，創(chuàng)業(yè)者創(chuàng)業(yè)者才能深刻認(rèn)知自己對模型的需求、以及如何迭代模型。
今天的模型數(shù)據(jù)驅(qū)動屬性越來越強(qiáng)，如果只是向外部開放API，很難形成用戶反饋閉環(huán)，遠(yuǎn)不如同步做kimi chat這樣的應(yīng)用更有效率。
最后，構(gòu)建基礎(chǔ)模型的路徑是多樣的。
就像同樣是做云平臺，亞馬遜是先通過Amazon.com形成了一定的市場規(guī)模，在此過程中構(gòu)造了AWS的能力，再對外輸出；也有科技公司是直接打造云平臺，把能力輸出給客戶。
第一種路徑可能對中國市場更為有效，當(dāng)公司有業(yè)務(wù)需求、數(shù)據(jù)反饋，會更懂基礎(chǔ)設(shè)施應(yīng)該怎么做。
02 此時宜迭代數(shù)據(jù)認(rèn)知：關(guān)注數(shù)據(jù)處理和多模態(tài)數(shù)據(jù)
去年，藍(lán)馳創(chuàng)投提出一邊賺錢、一邊賺數(shù)據(jù)、一邊賺知識。今年，打造數(shù)據(jù)飛輪已經(jīng)成為市場的共識，藍(lán)馳對于創(chuàng)業(yè)者的建議是，繼續(xù)升級對數(shù)據(jù)的認(rèn)知：更多關(guān)注數(shù)據(jù)處理和多模態(tài)數(shù)據(jù)。數(shù)據(jù)方面值得關(guān)注的有三層重要問題：1. 有沒有拿到海量的公域數(shù)據(jù)/獨特的私域數(shù)據(jù)？2. 能不能找到幫助模型持續(xù)快速學(xué)習(xí)、高質(zhì)量迭代的數(shù)據(jù)？3. 能否對數(shù)據(jù)做妥善的加強(qiáng)，從而構(gòu)建更高質(zhì)量的數(shù)據(jù)結(jié)構(gòu)？最難的不是收集數(shù)據(jù)，而是對數(shù)據(jù)的處理。對創(chuàng)業(yè)團(tuán)隊而言，能否篩選、處理出真正適配場景的高質(zhì)量數(shù)據(jù)，是對技術(shù)、模型、以及場景理解的綜合考驗，這最終可能導(dǎo)致用于訓(xùn)練的數(shù)據(jù)有2-3個數(shù)量級的差別。在更高的維度上，有三個問題值得創(chuàng)業(yè)者仔細(xì)思考：智能沿著數(shù)據(jù)生長、還是數(shù)據(jù)沿著智能生長？增量新數(shù)據(jù)和存量舊數(shù)據(jù)的特征分別是什么？新數(shù)據(jù)產(chǎn)生的場景怎么排序？互聯(lián)網(wǎng)時代，人類處理的都是二維空間的數(shù)據(jù)，但如果我們把世界看作一個模型，數(shù)據(jù)就不應(yīng)該局限于文本范疇。Sora和Gemini是基于什么數(shù)據(jù)？理想的自動駕駛、Apple Vision Pro、大疆又是基于什么數(shù)據(jù)？在空間的維度上看，這個世界的數(shù)字化程度可能不足5%，剩余95%的世界應(yīng)該怎樣、用多快的速度進(jìn)行數(shù)字化？藍(lán)馳認(rèn)為，在人工智能時代，對三維空間數(shù)據(jù)的獲取和處理會是兵家必爭之地，這些多模態(tài)的數(shù)據(jù)會催生新的超級應(yīng)用，后者不一定還搭載在手機(jī)上，而會結(jié)合其他新的交互界面、具身智能這樣的執(zhí)行終端而產(chǎn)生。這也是OpenAI投資Figure的原因之一。具身智能賽道中，藍(lán)馳創(chuàng)投也在早期投資了智元機(jī)器人、銀河機(jī)器人等項目。基于過去沉淀的認(rèn)知，藍(lán)馳關(guān)注AGI的底層邏輯是：AI+3D交互+Robotics的三浪疊加，以Web3作為輔助。三浪實際上是三種技術(shù)的driver，對應(yīng)著不同的空間和執(zhí)行能力。Apple Vision Pro帶來的空間計算以及此前所說的元宇宙，抽象成第一性原理就是3D交互，新一代的交互界面，Robotics則是具身智能加上執(zhí)行結(jié)構(gòu)。03 軟件公司或?qū)⑾В蝗耸畠|美金公司會批量出現(xiàn)
移動互聯(lián)網(wǎng)時代，應(yīng)用占整個市場的大頭，算力和基礎(chǔ)設(shè)施占比較小。因為互聯(lián)網(wǎng)的能力在于「連接」，需要通過應(yīng)用來兌現(xiàn)價值：人與人的連接產(chǎn)生了社交應(yīng)用，信息與信息的連接產(chǎn)生搜索應(yīng)用。但在GenAI時代，底層的占比要更高，因為它的能力是「生成」，創(chuàng)造的價值比互聯(lián)網(wǎng)更大、更直接。同時，GenAI時代的長尾可能更為肥沃，因為長尾上的每個小單元都可以自己創(chuàng)造價值。比如To B市場，長久以來場景高度分化、數(shù)據(jù)分散各處，導(dǎo)致相當(dāng)多個性化的需求得不到滿足，但GenAI或許能夠?qū)⑦@些細(xì)分的需求聚合在同一個入口。大家在討論的AI Agent、AI Native、Copilot，本質(zhì)上都是AI-powerd的應(yīng)用，這些應(yīng)用會讓每個人自主解決問題的能力會大幅提升。藍(lán)馳創(chuàng)投判斷，當(dāng)GenAI普遍地賦能個體，模式創(chuàng)新隨之發(fā)生，會有越來越多一人十億美金公司出現(xiàn)。過去20年，囿于優(yōu)質(zhì)人才的供給不足，法律、醫(yī)療、教育這些高端服務(wù)行業(yè)成本在持續(xù)上升。但GenAI讓我們看到了「Do More with Less」的可能：當(dāng)公司逐漸減少對人的依賴，創(chuàng)造價值的單位成本也會隨之急劇降低，這將會催生新一代公司出現(xiàn)，即不再是賦能于垂直行業(yè)的軟件公司，而是一家AI模型驅(qū)動的行業(yè)player。比如，現(xiàn)在創(chuàng)業(yè)者想做一家服務(wù)于零售行業(yè)的SaaS公司，首先要雇人開發(fā)軟件，再把產(chǎn)品賣給零售公司；但未來，產(chǎn)品開發(fā)的工作可能由代碼生成工具完成，系統(tǒng)維護(hù)也可以交給AI，這樣企業(yè)實際上雇傭了一群零售數(shù)字員工，這家企業(yè)本身就是一家零售公司，而不再是「賦能零售行業(yè)的軟件公司」。04 GenAI應(yīng)用創(chuàng)業(yè)者的核心關(guān)注點
首先，選擇data rich的場景，主要指有上下文、或者尚未被數(shù)字化的場景。其次，要一邊賺錢、一邊賺數(shù)據(jù)、一邊賺知識，形成數(shù)據(jù)飛輪。對創(chuàng)業(yè)者來說第一關(guān)是形成PMF，但GenAI時代的PMF和之前不同。現(xiàn)階段的產(chǎn)品定義要基于技術(shù)的約束條件，創(chuàng)業(yè)者無論是不理解技術(shù)、還是過度定義產(chǎn)品，都很容易被秒殺。創(chuàng)業(yè)者要去思考：在相應(yīng)技術(shù)分類中，是否適用/仍然適用Scaling Law？技術(shù)的上限會在哪里？有什么本質(zhì)是不會隨著技術(shù)的迭代而改變的？基于這些技術(shù)判斷，創(chuàng)業(yè)者要決策一些關(guān)鍵問題：產(chǎn)品采用什么技術(shù)？是追技術(shù)的上限還是抓技術(shù)的下限？如何迭代？來源：「Designing Generative AI Products That Users Will Love」所以懂AI的產(chǎn)品經(jīng)理在GenAI產(chǎn)品的PMF階段就很寶貴，其所構(gòu)造的反饋機(jī)制需要能讓用戶在使用過程中進(jìn)一步形成數(shù)據(jù)，這是最終能形成護(hù)城河的關(guān)鍵所在。這群人往往經(jīng)歷過幾輪AI技術(shù)的迭代，在GenAI發(fā)展過程中經(jīng)歷、參與過模型的訓(xùn)練和對齊，并且嘗試過基于AI能力從0到1構(gòu)建產(chǎn)品。在模型上，創(chuàng)業(yè)者要知道不同模型的核心能力是什么，模型能力的差異化如何高效低成本地適配到合適的場景；同時，要借助PMF 形成的數(shù)據(jù)飛輪來提高收入。要相信大模型的Scaling Law，也要相信大模型的cost down速度是非常快的。所以創(chuàng)業(yè)者要去思考，依照新摩爾定律，2-3年后公司的商業(yè)模型應(yīng)該是怎樣的？To C和To B產(chǎn)品在不同階段應(yīng)該達(dá)成的milestone各有不同，藍(lán)馳創(chuàng)投的思考如下：「探索期」有細(xì)分場景、有細(xì)分功能，實現(xiàn)核心用戶的留存和付費
「驗證中」在原有場景、功能上疊加，用戶群泛化，收入能覆蓋模型調(diào)用的成本
「已驗證」產(chǎn)品及場景收斂，用戶的規(guī)模指數(shù)級增長，獲客成本大幅降低「探索期」有產(chǎn)品、有場景、少量試用客戶，持續(xù)發(fā)散
「驗證中」有產(chǎn)品、有場景、少量付費客戶，嘗試收斂、持續(xù)的客戶成功
「已驗證」產(chǎn)品及場景收斂，有商業(yè)化客戶、有規(guī)模性收入（客戶復(fù)購帶來的upscale），有少量續(xù)費客戶05 要看清自己的優(yōu)勢，也要具備全球視野
雖然地緣政治會是一個不可避開的主旋律，但AI創(chuàng)業(yè)從一開始就需要有全球視野。我們需要持續(xù)吸取全球認(rèn)知，引入世界級人才和資源，并用不偏不倚、中立、務(wù)實的視角去觀察世界各國——包括美國、中國的pros and cons，從中思考自身的機(jī)會和挑戰(zhàn)，以及與這個局勢的相處之道。我們可以開放地去想：中國就算有再多的挑戰(zhàn)，自身的比較優(yōu)勢是什么？美國就算有再多的領(lǐng)先優(yōu)勢，有沒有阿喀琉斯之踵？于是，我們在考慮下一階段的AI應(yīng)用時，還要考慮一個重要問題：未來市場向何處伸展。不管是中國還是海外的創(chuàng)業(yè)者，要在世界局勢中找到自己的站位、資本市場的出口。藍(lán)馳始終從全球視角來看中國比較優(yōu)勢，基于深耕中國多年打下的基礎(chǔ)，希望為AI創(chuàng)業(yè)者創(chuàng)造成為全球頂級公司的機(jī)會。06 模型小型化、垂直化與Scaling Law不矛盾，但想探索AGI有難度
藍(lán)馳認(rèn)為，Scaling Law所帶來的模型能力提升還遠(yuǎn)沒有看到盡頭，仍能沿著它繼續(xù)向前。雖然有的人擔(dān)心數(shù)據(jù)有限，但實際上仍有大量的數(shù)據(jù)沒有被應(yīng)用到模型訓(xùn)練中，比如私域數(shù)據(jù)，以及更重要的物理數(shù)據(jù)，這兩類數(shù)據(jù)都會賦予模型更多可能。一些學(xué)者、創(chuàng)業(yè)者嘗試用更小的、端側(cè)的模型去探索AGI。這個路線和Scaling Law并不矛盾，它希望用更低成本、更快速度實現(xiàn)上升曲線更陡峭的智能提升。就像是我們發(fā)現(xiàn)一個煉丹爐已經(jīng)能產(chǎn)出成果了，現(xiàn)在希望它更高效地運行起來。不過，這條路線非常考驗團(tuán)隊的能力，涉及到上面說的對數(shù)據(jù)的處理、選用，對超參數(shù)的設(shè)置等等。未來這條路線的難度會逐漸加大，如上文所說，市場上關(guān)于高階模型訓(xùn)練的公開信息會越來越少，再想復(fù)刻、調(diào)優(yōu)是更難的。與此同時，作為投資人，藍(lán)馳會始終保持開放心態(tài)，對可能的路線保持關(guān)注。人類對AGI的探索尚處早期，并不是沒有新路線出現(xiàn)的可能。藍(lán)馳創(chuàng)投「不鳴創(chuàng)業(yè)營2024」正在招募
如果你是位創(chuàng)業(yè)者/連續(xù)創(chuàng)業(yè)者，融過資、做過產(chǎn)品、甚至公司已經(jīng)有了收入；或者你并沒開始創(chuàng)業(yè)，仍在大廠中，用智慧創(chuàng)造覆蓋全社會的To B/To B產(chǎn)品；或者你是在這些領(lǐng)域持續(xù)鉆研的學(xué)術(shù)人才，希望用實驗室中發(fā)現(xiàn)的技術(shù)改變世界；哪怕你是沒有任何創(chuàng)業(yè)、工作經(jīng)驗，但癡迷技術(shù)，對技術(shù)如何落地有想法的年輕人。
