5 月 23 日，36 氪舉辦「颠覆 · AIGC」産業發展峰會。本次峰會彙聚産業力量，共同探讨企業、行業在面臨變革時的應對策略，分享思考，探索和發現産業中最具潛力的企業與最具價值的技術，在激蕩的環境中探尋前行的方向。
大會的第二場圓桌論壇上，主持人華泰創新投資 VP 陳至聖，與 Nolibox 計算美學合夥人付博銘、億鑄科技高級副總裁徐芳、CMC 資本董事總經理易然，圍繞 AI2.0 時代技術創新和商業化如何兩者兼得的問題展開了熱烈的讨論。3 位嘉賓分别從 AIGC 應用層公司、AI 大算力芯片研發商、投資機構的角度，就初入 AI2.0 時代，創業公司商業化的重點和難點，以及未來發展趨勢分享了自己的看法。
Nolibox 計算美學合夥人付博銘認爲，先進的技術不等同于商業成功，商業化的本質是把握需求本質，構建可持續的商業模式。他指出，對産品側初創公司來說，保持技術優勢的關鍵是結合客戶需求和自有數據，将領域内的技術積累落實到具體業務場景中；同時，把握 2B 資源、利用好渠道也是 2B 公司構建商業化壁壘的路徑。對未來如何發展，付博銘表示，希望行業内從算力層到模型層、應用層保持開放合作的态度，發揮比較優勢，共同做大蛋糕。
億鑄科技高級副總裁徐芳認爲，對創業公司而言，在技術創新層面，需關注技術路線的選擇、核心團隊的建設和産業鏈上下遊資源整合；在商業化層面，需利用技術創新紅利，在資源有限的情況下做好産品、管理好現金流，精準撬動目标市場。談及 AI 算力目前的發展瓶頸和解決辦法，徐芳指出，當前，由于工藝制程演進遇到了摩爾牆，但算法模型的快速叠代又提出了更高的算力性能要求，出現了技術剪刀差；同時，能耗管控規則的升級對 AI 大算力能耗表現提出了高要求，因此需要采用創新的 AI 算力芯片技術，在優化算力性能的同時提升能源利用效率。
CMC 資本董事總經理易然則表示，AI2.0 時代是 toB 創業公司發展的好時期，但尚處于早期階段，市場風險和技術風險并存。他指出，現階段，創業者面臨如何找到 product-market-founder-fit 的挑戰，即定義好産品及其與市場需求和創業者本身能力的匹配；同時，在技術層面，要将新技術用到實際生産、決策環境中還需持續探索。易然認爲，嫁接大語言模型，基于對交互方式的優化，改良互聯網時代或 SaaS 時代的産品、服務，雖然是一種創新，但話語權更多掌握在模型層玩家手中，非模型層創業公司的優勢是行業 know-how，應該基于此深挖 AI2.0 時代的護城河。
圓桌論壇｜人工智能 2.0 的錢景：有沒有可能在不拔苗助長的情況下加快大模型的商業化進度
以下是嘉賓讨論實錄，經 36 氪整理編輯：
陳至聖：大家好，非常感謝 36 氪的邀請，也歡迎各位嘉賓參與我們此次圓桌。
我們要不先自我介紹一下，包括個人和所在公司。我先開始，我是華泰創新投資的至聖，我們是華泰證券戰略投資團隊，主要關注基礎軟件、金融科技，我們既是投資者也是場景方，近幾年一直關注 AI 大模型在金融科技及金融領域落地，我本人從 2018 年回國之後一直在大廠和投資機構進行 AI 相關投資與技術生态創新，也非常高興參與到這次圓桌讨論，這是很有趣的話題。
請各位嘉賓簡單介紹一下自己，易總開始依次介紹。
易然：我是 CMC 資本的易然，我們之前爲大家所熟知更多在互聯網、TOC 這方面的投資和一些産業布局，這幾年硬科技和 AI 也是我們的一大重點。因爲内容媒體這方面是我們的老本行，還有很多被投公司和産業生态裏的兄弟公司在這個行業，所以 AIGC 天然是我們非常關注的方向。另一方面，我們作爲産業風格的投資機構，自己下場孵化了上海數字大腦研究院，主要做決策方面的大模型和 AI 研究與産業應用，同時基于數研院孵化了商業化公司謎題科技，很高興今天和大家交流。
徐芳：大家好，非常感謝 36kr 對億鑄科技的邀請，我是徐芳，在億鑄科技擔任副總裁一職。億鑄科技，用存算一體這一先進計算架構，結合新型憶阻器和全數字的芯片設計路徑做 AI 大算力芯片，這一技術的作用和價值在于把當前 AI 大算力芯片的 150w 功耗提供 250T 的基準線，提高到 75w-100w 的功耗提供 1000T 以上的算力。
付博銘：感謝 36kr 邀請，我是 Nolibox 計算美學合夥人付博銘，「Nolibox 計算美學」聚焦于「人工智能」和「設計創意」的深度融合及商業化應用，是國内 AIGC 智能設計領域的頭部企業。我們爲企業及個人用戶提供前沿、可控的 AI 設計創意生成工具，緻力于讓每個人都能享受設計創意之美；Nolibox 也是國内最早實現爲個人及企業提供全棧式智能設計系統及 AIGC 工具産品的公司之一，先後服務了騰訊、阿裏、百度、海爾、商湯、中國電信等知名企業。
陳至聖：謝謝各位嘉賓。我們這場圓桌非常有意思，包含了底層算力提供者、AIGC 應用方，還有著名資本投資機構，這幾個角色加起來是可以有更全面的視角來看待 AI2.0 的未來。也想請各位介紹一下，在你們看來，智能湧現時代，創業公司如何在保持技術創新、技術追趕時，去喂飽自己呢？從付總開始。
付博銘：首先，技術的先進技術不等于商業成功，國外做智能文案的公司 Jasper.ai 例子擺在這，用的是 OpenAI 的 GPT3 接口，但是賺的錢比 OpenAI 多的多，商業化很成功。
最近我們可以看到一個現象，在大模型領域，開源是一股非常強大力量，谷歌研究員也承認谷歌自身、OpenAI 都沒有絕對的技術壁壘。所以對産品側初創公司來說，保持技術追趕或者技術領先更多是指結合具體的業務場景、結合本公司客戶需求、結合自有數據去做一個更好的領域技術的積累，最終要落實到具體業務場景上。
至于商業化，更本質還是要把握需求本質，構建可持續的商業模式；對于 2B 公司來說的話，把握 2B 資源、利用好渠道，這些都是商業化壁壘。
陳至聖：請徐總也分享一下。
徐芳：作爲一個創業者，這個問題可以說每天萦繞在我的腦海。它其實包含兩個方面，第一個就是怎麽樣實現技術創新及落地，第二個就是怎麽樣賺錢。
我覺得可以一分而二來回答這個問題。
首先技術創新的成功，我認爲離不開三個東西，當然處在産業不同環節，對于這個技術創新需要的要素權重優先級，肯定是各有各的矩陣組合。回到 AI 大算力芯片，第一個是對于技術路線的選擇，從某種程度上來說選擇大于努力。
第二，越是難的技術，越需要好的團隊，團隊的完整性，核心崗位人員自身的技術的洞察、認知和實踐積累。同時，在企業發展的不同階段，整個班子配置要能跟随企業産業發展而發展。
第三，産業鏈上下遊資源整合，尤其做 AI 大算力芯片這個事情，一個好的上下遊産業整合支持，對于新興技術的創新落地非常重要。
說到商業化，我覺得太陽底下無新事，要做好幾件事，選擇正确的目标市場，對于創業公司而言，需要用有限的資源，利用技術創新的紅利，精準撬動目标市場。
還有一個就是要做好産品，管好現金流。老老實實跑客戶，勤勤懇懇收集客戶訴求，打磨好産品，提供好服務，我覺得上述每條對 " 喂飽自己 " 來說都非常重要。
陳至聖：易總。
易然：回到主持人的問題，我猜更多是想問過去這個資本和創業周期，有挺多非理性的燒錢現象，很多商業化到最後沒有實際做好；目前這個節點又來了一波新的創新，又要大規模資本投入，這個時候我們怎麽吸取教訓，怎麽把商業模式和成本模式提前想好等等。
剛才兩位講法我都同意，我更多從投資者身份，現在看到一些初創公司現象，我談一下自己的感覺。
我覺得這個沒有魚與熊掌問題，目前我們所處的就是早期的階段。我們經常會說我們希望規避兩種風險，市場風險和技術風險，最多隻能接受一種風險；現在 AI 2.0 處于兩種風險都有的階段，而且絕大多數的公司還處于早期的産品定義階段。我覺得現在這個階段可能大多數公司還輪不到去規劃以後賺多少錢。前期做的好，後期才能更水到渠成。現在看到更多問題，像剛才徐總說的，可能産品還沒有定義清楚，或者是真正客戶需求沒有找到，這個才是不少公司現階段的生死問題。
也觀察到一到兩個小小的現象；第一個現象是，可能不少創業者都很年輕，出來做這個東西有自己的想法，很有朝氣，很多最開始時候并沒有真正想清楚需求和定位；比如所謂 product-market-founder-fit，爲什麽是你做這個産品，面對什麽樣的客戶，這個根本問題沒有完全花時間琢磨清楚；反而恰恰是這個階段要盡快達到的，現在去說長遠商業化東西意義不是很大，先把最簡單最重要的事情搞定。
很多公司首先要想清楚一個問題，做的東西到底是 feature 還是 product, 是一個功能還是真正是一套完整的産品服務。包括文生圖，文生文也好，語音也好，如果隻是一個簡單的功能，對于成熟産品來說很容易基于現有産品加一個插件就把這個事做了包絡了，用戶用的也很順，那這時候隻是一個功能，并不是完整産品。
也有不少公司，更多把是把以前在互聯網時代 saas 時代甚至傳統行業做過的一些服務或者産品，嫁接到 ChatGPT 或者其他語言大模型界面，隻是改了交互方式，這個當然是一個創新。但交互界面和交互能力是掌握在模型層 / 對話層大玩家的手裏，拿這些創業公司的優勢反而是在産業。比如說做營銷的，做設計的，包括剛才小庫設計他們，其實已經在産業裏積累很長時間，有非常多的真正客戶和場景，有很強的行業 know how；這是這類公司的真正優勢，在 AI2.0 的時代可以繼續去挖深這方面的護城河。
陳至聖：謝謝易總，我們知道您其實從 2015 年時就已經在看 AI 賽道了，也陪伴創業公司經曆了 AI 的起起伏伏。您覺得這些年，AI 賽道裏，變化的有哪些，又有哪些是沒變的？（可以從技術或者商業化維度來回答）
易然：剛才綠洲的津劍總對從曆史和社會的角度評價這一代 AI 作爲生産力革命的影響，我覺得說得很好。我剛好也想起來一些蒸汽機相關的數字。可能是從另一個角度。
瓦特蒸汽機改良是 1774 年，蒸汽機在 18 世紀初就已經出現，我想大家猜猜到 1830 年左右時候，蒸汽機在整個英國動力貢獻占比是多少？隻有 1.5%，一個世紀才做到 1.5% 的動力貢獻。在 1850 年以後渦輪蒸汽機出現，真正使得這個動力變得又好用，又廉價，帶領整個産業發展。
這個産業變革時間可能是非常漫長的。
但從樂觀角度來說，這一代 AI2.0 引起大家關注才半年，其實沒有多長時間。大家可以看到有多少變化，不管産品出現還是技術上的更叠，其實發展比以前快很多。
包括創業生态，現在大家知道是資本投資比較冷的時期；但是上周我同事參加某個高校的大模型創業比賽，有 150 個投資機構在現場參加，其實大家對這一塊的熱情時很高，對這個方向比較寬容，機會也挺多。
這一代和上一代的 AI 相比，第一個感受就是門檻大大降低，做 AI 的人在 2014-2015 的時候還很稀缺。現在已經培養了大量人才；而且我前段時間看不少論文，發現至少一半作者都是華人學者，這是非常好的一個現象，我們對于人才的儲備還是很有信心的。
另外這一代大模型的一個特性就是通用性，創業公司并不需要花那麽多錢養這麽多人，要找很多非常好的數據來做訓練，甚至可以選擇在硬件上不做太多投入。這個基礎上做創業門檻我們覺得應該是大大降低了。同時，通用性對于創業公司的成本結構也有很大的好處。
上一波看的很多 AI 公司，因爲不同場景 AI 得通用性不是那麽強，所以在研發成本，訓練成本、産品重複開發成本很高，盈利能力很受挑戰。現在這一代我們比較驚喜看到，就算做完全一樣事情，等價替換，由于剛才講的幾塊成本大大降低，其實利潤率大大提升是完全有可能的，對于 tob 類型的創業公司是一個很好的情況。
陳至聖：看起來道路還是很漫長，但是大家熱情很高漲。
想問一下億鑄科技的徐總，大家都說現在國内 AI 發展最大的瓶頸之一是算力，那咱們作爲底層的算力提供方，是否認爲這反而是我們彎道超車的機會呢？我們的商業化策略是如何配套的？
徐芳：對于現在 "AI 發展最大瓶頸是算力 " 的這個論斷，我很認同，但我想做點補充。AI 算力分不同類型，比如，大家都耳熟能詳的雲、邊、端算力。瓶頸現象最大的是在 AI 大算力這個領域。
爲什麽說這個領域會面臨這麽大的瓶頸呢？
一是工藝制程的演進遇到了摩爾牆，原來通過先進工藝的叠代提升産品能耗比的邏輯逐漸進入到了瓶頸階段。
二是算法模型在快速叠代，比如 ChatGPT 爲代表的大模型，對算力性能提出了更高的要求。這就形成了一個巨大的技術剪刀差。
三是在 " 雙碳 " 的大戰略背景下，能源結構升級的要求、能耗管控的規則都在持續升級，這對 AI 大算力的能耗表現也提出了更高的要求。但雙碳戰略、節能減排是一個功在千秋的國家戰略，這也反向給億鑄科技這種創新的技術提供了長期的産業政策的利好支撐。
第四就是當前特殊曆史周期内，地緣政治給産業鏈各環節的咬合帶來的一些不可控，或者說不可抗的影響因素。
這幾個維度的因素都在 AI 大算力這個點上彙集到了一起，所以 AI 大算力的瓶頸現象就比較明顯。
但就是因爲 AI 大算力的重要性、瓶頸現象的明确性，所以對于億鑄科技存算一體 AI 大算力芯片這樣的創新技術而言，無疑是非常好的發展機會。如同前面各位專家講的，現在 AI 應用發展進入 2.0 時代，對于算力的市場需求會越來越大；但是成本能耗的管控趨向于嚴格，這個巨大的剪刀差，需要通過怎樣的技術來彌合，或者能源相關的創新技術，比如核聚變、儲能、常溫超導等，亦或者是和 AI 算力相關的創新技術。從某種意義上來說，億鑄的技術是一個可以大大提升能源使用效率的 AI 大算力芯片技術。
至于說到商業化，就如我前面講的，太陽底下無新事。選擇正确目标市場，做好産品定義，打磨好産品，提供好服務，給客戶提供更有吸引力的價值，這是我們認爲能夠走向商業成功的唯一路徑。創新技術是一個支點、一個抓手，并不會改變商業成功的底層邏輯。
陳至聖：我剛剛突然想到一個詞 -" 守正出奇 "，這個道路上，算力是确定性訴求，其實不管未來會怎麽樣，大的趨勢還是存在的。
想問一下 Nolibox6 的付總，你們做應用層，離商業化更近。在此次熱潮之前，你們就曾提到要做 B 端商業化，你們是如何考慮的呢？
付博銘：首先 2C、2B 肯定都有價值，我們團隊更聚焦在 2B。做 C 端産品需要持續追熱點，比如說我們這邊有一些 API 客戶，上個月還在做 AI 繪畫小程序，下個月就做微信表情包生成去了，所以 2C 有一個風險，就是 C 端對 AIGC 的熱情可能是 " 好奇心泡沫 "，沒興趣就不會繼續玩了。
我們認爲 2B 有需求、2B 有價值、2B 可以構建一個可持續的商業模式，比如我們爲海爾提供整體産品方案，并牽頭完成項目落地；目前已完成初步交付，是目前已知的全國首個結合實際業務場景落地的 AIGC 工業設計 toB 解決方案。我們可以顯著降低海爾設計團隊的概念設計人力成本、提升概念産出效率，對企業來說有很大價值。同時這種需求有共性，其他工業設計公司也會有這樣的需求，我就可以把同一套服務推廣給其他公司。
我們公司的相對優勢在産品側，比如目前我們主推的無限畫闆産品，可以理解爲在線智能 PS，這個畫闆上可以承載多模态内容，比如文字、圖片甚至音頻、視頻，同時基于無限畫闆可以實現設計創意内容的可持續編輯和優化，讓 AI 繪畫不再是一個抽盲盒的過程，我們認爲這一點是 AIGC 服務專業設計場景的基本要求。我們希望把無限畫闆産品打造成 AI 繪畫專業設計場景的行業标準，服務于行業内其他友商以及對 AIGC 落地有需求的客戶。
陳至聖：其實有幸看到 Nolibox 的産品演示，我覺得大模型時代改變的就是生産力和生産關系，随着技術創新，生産力的提升也會更多。
大家覺得，AI2.0 要實現真正的全面的商業化，需要哪些要素共同具備呢？
我抛磚引玉，昨天晚上 ChatGPT 跑了一下這個 prompt，給大家分享一下。
根據 ChatGPT 回答，AI2.0 如果真正實現全面商業化，具備要素包含第一點大規模數據集，包括各個行業領域數據；第二點強大計算能力 - 訓練推理，第三點深度行業知識，不同行業 knowhow；第四點數據隐私和安全保障，第五點人機協作和可解釋性，第六點商業合作和生态系統，第七點包括法律與道德的框架，包括相應法律法規确保 AI 合理與負責任的使用。
看起來比較全面的，也想聽一下各位嘉賓觀點是什麽樣，謝謝。
易然：剛才聽您講這幾點列下來，這裏面有些是技術難題，有些是道德法律需要明晰的問題，背後可能都反映一個點。現在大模型技術雖然非常激動人心，雖然我們很相信未來發展，但技術上還是有非常長的路要探索。
以前我們感覺可能上一代 AI 更多像是一個低齡小孩的智商，隻能做簡單的事情；現在這代知道他的智力潛能非常大，有可能不亞于人類；但包括 OpenAI 也好，大家并不明确知道能有什麽樣更好方式構建真實世界反饋、完善訓練它，減少幻覺，減少錯誤，強化道德。這導緻可能創意類場景還可以，但在很多時候需要上到生産環境應用、做決策等等，還是有很多危險和挑戰。其中也包括法律和倫理部分，我自己覺得這點還是挺關鍵。我是充滿信心，我發現在學術上還是有很多很快的進展。但掌握更好的訓練和 alignment 方法，這一點還是很關鍵的。
徐芳：我覺得剛才通過陳總和 ChatGPT 的交互，讓我們感受了一把來自于矽基智能的壓力。
因爲圓桌時間的關系，我就講一點，就是我們要解決能源的問題。除了需要解決倫理、文化、民生、法律、穩定等等上層建築類的事情之外，還有很重要的一點就是能源問題。AI 技術在人類現有生活現狀基礎之上的發展，到底對能源有多大沖擊？我相信在座各位如果生活在北上廣深，或者工業、商業重鎮，甚至能源基礎不是特别豐厚的地方，可能都遇到過限電的情況，這個可以說隻是一個能源緊張的縮影而已。
如果說 AI 應用在人類社會全面開花，這對能源的需求，我認爲是很驚人的。今年年初 AMD 的 CEO 提出了一個核電站論述，假設在現有計算效率的基礎上，每兩年翻 2.2 倍，到 2035 年一台超級計算機的功率将會是半個核電站的功率，半個核電站的功率是 500MW，這是非常驚人的能源訴求。所以我想說，能源問題得到解決或者很大程度的改善，不管是用前面提及的各類新能源相關的技術，還是用億鑄這種創新的 AI 算力芯片技術，大大提升 AI 算力的能源利用效率，才能至少具備了 AI 應用在人類社會 " 全面開花 " 的前提條件之一。
付博銘：前面大家已經說了很多方面，我補充一個點，我們希望行業内從算力層到模型層、應用層大家都保持開放合作的态度，發揮各公司的比較優勢，把蛋糕作大。
Nolibox 一直秉持開放合作的态度，希望與行業内其他友商共同合作服務好 AIGC 客戶。比如說我們作爲總包去服務海爾，但我們隻提供前端産品，因爲無限畫闆是我們的比較優勢，設計師用我們的無限畫闆可以更方便快捷地完成概念設計，服務端功能及部署架構由我們合作夥伴猴子無限提供，計算資源由 AWS 提供。這種方式非常靈活，客戶想用哪家的模型、哪個雲服務廠商的算力都可以協調配置。
AIGC 方興未艾，是一塊廣闊的增量市場，現在 99% 的企業聽說過 AIGC，但隻有 1% 的企業用上了 AIGC，能不能讓 AIGC 在剩下 99% 的企業應用和落地，有賴于行業上下遊公司的共同努力。
陳至聖：謝謝付總，本次圓桌讨論到此結束，祝願廣大創業者、投資人、産業方，魚和熊掌都可以兼得謝謝。
