圖片來源@視覺中國

(資料圖)

最近一周，國內 AI 大模型競逐戰再掀高潮。

4月11日，阿里官宣全系產品接入“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）為發展戰略。同日，昆侖萬維也宣布即將推出國產大語言模型“天工”3.5。

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

越是在競爭的環境中，企業進化越快。不論是大廠還是明星創業者，他們的投入無疑將會幫助中國市場更快地產出真正有價值的 AI 大模型。同時21世紀經濟報道注意到，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，真正下注投資的創投機構寥寥。

“現在AI的基礎設施有點像90年代末時的互聯網基礎設施，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?！苯?，華創資本合伙人熊偉銘在接受21世紀經濟報道專訪時說。

據了解，華創資本在上一波的 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，華創資本保持高度關注，但出手仍相對謹慎。

對于目前大模型創業的市場競爭態勢，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。對國內的大模型創業者來說，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，大模型創業不是萬眾創業而是場小眾創業。只有在 AI 領域具備極高專業度并且在資本圈富有號召力的團隊，才有機會勝出?！彼f。

AI 行業發展拐點到來，但大模型是場小眾創業

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，一直到 ChatGPT 的出現，它體現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1000億個神經元，如今大模型的參數量已經超過了人類神經元的數量。按照現在的趨勢，很有可能實現生產力的大規模提升，由AI 去做很多人類不愿意做的工作。這確實是到了行業發展拐點的狀態，大家已經覺得 ChatGPT 很厲害了，但我們認為行業還剛剛起步。

熊偉銘：AI 行業現在的發展階段，確實有點像上世紀90年代末，互聯網行業發展初期時的狀態。

當時大家覺得互聯網很好玩，但是沒有方向感，不知道互聯網究竟能用來干什么。如果想成立互聯網公司，需要自己買帶寬、搭服務器，這是很重的資產投入。不過到現在，互聯網的基礎設施已經非常發達。如果按單位長度算，光纖甚至比面條還便宜。各種各樣的互聯網應用，隨之蓬勃發展。

回到 AI 行業，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。它的生產力高度被壟斷，創業成本也非常高。

熊偉銘：中國企業在算法人才的積累、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。但到了現在，華為的電腦質量做得非常好。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，投商業應用又稍微有點早

熊偉銘：現在 AI 的基礎設施有點像90年代末時的互聯網基礎設施，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。想做商業應用，又稍微有點早。

對大模型創業項目來說，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模可能只有幾億美元，不可能全投在一個大模型創業項目上。

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，或者是由大型互聯網企業去投入，看能夠在自己所處的領域形成怎樣的產品和競爭力。

但在跟醫療、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，所以在國內還沒有出現特別好的公司。

熊偉銘：我們現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現，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 的方式直接調用 ChatGPT 的算力，在其基礎上做點應用。這種公司短時間內能夠做點生意賺錢，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。當我們見到創始人時，他的語氣、表情、氣質等，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，創始人可能不會聊起過去的失敗創業經歷等。這些信息的獲取過程，是 AI 無法去實現的。

熊偉銘：對管理規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，這不是件規模經濟的事情，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。就像是你去樓下小賣部就可以買到水，沒必要專門去國貿買水。我做早期投資已經有20多年，有不少經驗也走過一些坑，讓我們做早期投資更具有優勢。華創過去的9期基金都是賺錢的，因為我們懂早期投資這件事。

關鍵詞：