AGI 回歸本質，百億美金創業機會湧現。
作者 | 矽兔君
" 專注 AI 技術叠代會讓我焦慮，關注業務我不會焦慮，有些問題十年前存在十年後還在，我現在就明确不卷模型，隻思考如何讓産品能自我‘造血’。"
一位正卷在 AI 創業洪流裏的矽谷創業者告訴矽兔君。" 我們的 AI 産品（ChatDesigner）4 個月就上線了，第 5 個月我就開始思考如何‘造血’，10 年前這是不可想象的，那時隻要有增長就行，現在，燒錢換來的增長，燒完就結束了，沒有下一輪融資，AI 也是一樣的。"
盡管形勢如此殘酷與激烈，2023 年全球仍然陷入了史無前例的 AI" 淘金熱 "，輪番上演着不同的造富神話。
GitHub 前 CEO 出手投了老東家的競品 1 億美元。
1 年多前，AI 編程助手Magic剛完成 2300 萬美元 A 輪融資，今年 2 月，該公司從上百家競品中脫穎而出，B 輪融資額翻 5 倍，獲得AI Grant（由 GitHub 前 CEO Nat Friedman和Daniel Gross創立）青睐。
左，Daniel Gross；右，Nat Friedman | 圖源：騰訊新聞
在頭部明确（GitHub Copilot），谷歌、亞馬遜等大廠布局，還有一衆初創企業激烈競争的 AI 編程領域，AI Grant 的大手筆投資震驚業界。
一個個新名詞 "ChatGPT Wrapper"（ChatGPT 套殼應用）、"Copilot" （聊天對話式 AI 助手）、"AI Agent（AI 智能體）" 、"AGI"（通用人工智能）成爲财富密碼，似乎隻要和它們沾邊，就能搭上獨角獸的快車。
風險投資的數據正在體現這一點，2023 年美國全年風險投資達 1706 億美元，相較 2022 年縮水了 716 億美元。然而其中進入 AI 的投資逆勢上漲，占全年投資額超過三分之一，累計 626 億美元，這個數字也遠超過去幾年的 AI 領域投資。
然而，造神的速度和跌落神壇的速度幾乎一樣快。
AI 語音公司ElevenLabs僅僅 1 年多時間跻身獨角獸行列，成爲今年風頭正盛的 AI 應用。而去年此時人人熱議的成立 1 年多估值超 10 億美元的Jasper AI經曆裁員、創始人離開、估值下調，黯然失色。
圖源：PC Guide
類似這樣的故事在矽谷的創業熱土上相繼上演。"AI 創業的馬太效應越來越強，同時汰換速度會加快。" 矽谷 VC UpHonest Capital 告訴矽兔君。
在過去 1 年多時間裏，AI 有關的技術叠代、商業應用、資本投入達到了有史以來的巅峰，投資機構 Coatue 認爲，AI 滲透 50% 的用戶所需的時間将比移動互聯網時代縮短一半（3 年）。
經曆了短時間内的巨變，矽谷的創業者和投資人有了哪些新的思考？融資數字背後濃縮了怎樣的 AI 創業現狀，AI 創業有哪些機會和坑？作爲 VC，又應該以何種姿勢參與到這次 AI 淘金中？
矽兔君與20多位創投和人工智能領域人士交流，試圖總結出如今在北美上演的 AI 淘金熱潮背後的經驗和教訓。
01
" 碎鈔 " 的造 " 錘子 " 運動
2023 年 8 月，爲 ChatGPT 奠定技術基礎的論文《Attention is all you need》（注意力是一切）最後一位留在谷歌的作者Llion Jones宣布離開谷歌，并創立全新路徑的 AI 模型公司，估值 2 億美元，這個價錢是大多數 AI 初創企業估值的 10 倍多。
距離 " 谷歌八子 " 提出 Transformer 架構已過去了 6 年。Transformer 是這一波生成式 AI 技術突破的源頭，簡單來說，相比以前隻能一個接一個的序列化處理信息，Transformer 在處理信息時可以一次性的 " 看見 " 所有信息，然後利用注意力機制将距離不同的單詞進行結合。
Transformer 論文八位作者，第一排第一位爲 Llion Jones | 圖源：Financial Time
因爲去掉了序列結構，Transformer 模型可以實現并行結構，這就使得它可以利用大量的算力和數據進行訓練。OpenAI發現當數據量、參數規模和算力達到一定規模，模型出現了 " 湧現 " 能力（在小規模模型中不存在，但在大規模模型中存在的能力），從 GPT-3、3.5 到 GPT-4，OpenAI 訓練用的數據量、模型參數規模和算力不斷放大，模型拟人程度越來越高。但這也意味着模型訓練成本指數級提升。
" 造錘子 "，在這一波浪潮中最熱，也最吸金。
2023 年大部分 AI 風險投資被基石模型吸收，最引人注目的故事就是，OpenAI 和 Anthropic 兩家基石模型初創公司共計融資 170 億美元，占 AI 投資總額的近 1/3。
現在看來，這種砸錢的做法還會在基石模型中繼續下去。
這本就是一種 " 暴力美學 " 的産物，以 Transformer 架構爲代表的大模型，本就是在數據量越大、質量越高的情況下效果越好，這意味着需要大量的 GPU 支撐數據運算。根據 GPT-3 披露的技術概要至少需要 1024 張 GPU 支撐其訓練，花費大約價值 500 萬美元。而 GPT-4 的參數規模有可能是 GPT-3 的 10 倍還要多，坊間傳聞 OpenAI 使用了大約 2.5 萬張 GPU 訓練，僅硬件成本投入就有可能超過 1 億美元。
現階段，基于 Transformer 架構的基石模型還遠未達到上限，scale law（規模定律）并沒有被打破，持續擴大模型參數規模、訓練數據和算力的實驗會持續下去。一位在全球市值排名前七的科技公司工程師告訴矽兔君，"想要線性提升模型能力，所需的資本投入需要指數型增長。"
OpenAI 計劃融資千億美元，另一家大模型公司 Anthropic 計劃未來 4 年融資 50 億美元。将來，花費 10 億美元訓練基石模型也不是不可能。
在基石模型公司的碎鈔能力面前，VC 的 " 鈔 " 能力似乎微不足道，因此在基石模型中，VC 參與的并不多，畢竟，沒有多少 VC 的基金規模高達 10 億美元，顯然這是屬于巨頭的遊戲。
微軟Azure 雲一周的收入就有 20 多億美元，所以投資 OpenAI 100 億美元隻消耗了這家科技巨頭 6 周多的收入。相比 VC 要等到項目退出才能看到回報，Azure 因爲整合了 OpenAI 的服務，僅 2023 年二季度收入就增長了 6%，比原先增加了 50 億美元到 60 億美元收入。
這筆經濟賬，對于巨頭們來說，不可謂不劃算。
從資本和業務的角度來看，或許隻有雲廠商和科技巨頭才是基石模型公司的長期夥伴。除了 OpenAI，微軟近期宣布與Mistral戰略合作并投資 1600 萬美元；亞馬遜和谷歌共同支持了Anthropic；甲骨文和Salesforce共同支持了企業級大模型Cohere；英偉達是所有企業戰投中最激進的，2023 年一口氣投資了 11 家基石模型公司（占 AI 總投資數量的 40%），涵蓋多個大語言模型、視頻和 3D 生成基石模型。
圖源：IRIS
而另一面，基石模型的公司也在分化出不同的格局。
目前，北美的基石模型格局已基本形成 OpenAI、谷歌、Anthropic、X.ai 等幾家公司指引閉源模型最新進展，Meta、Mistral 等引領開源生态進步。
一位在英偉達參與大語言模型開發的研究人員與矽兔君分享他所理解的企業進行大語言模型部署和應用的路徑，首先，頭部玩家一定會構建自己的大語言模型，以便擁有絕對的主導權；其次，基于目前已知的開源模型、根據自己的業務領域進行增強和研發；第三，調用通用基石模型的 API 接口和提示工程，将前端做厚，将特定業務需求與基石模型的語境适配，可以低成本更快地搭建出一些具體領域的應用。
矽谷 VC UpHonest Capital 從早期投資視角觀察到，第一條路徑的門檻太高，目前鮮有新創業者涉足。第二條和第三條路徑是目前創業者的普遍選擇，許多創業者可能在前期先選擇調用基石模型 API 快速試錯，有了更多資本、算力和人才資源後再嘗試基于開源模型微調，加深自己的護城河。
打造法律行業大語言模型的Harvey就是走的第三條路，他們先與 OpenAI 聯合開發，2023 年 12 月完成 8000 萬美元 B 輪融資，加強自研模型。
另一個特定業務需求的大模型開發公司Magic AI則是基于更早之前的 LSTM 架構開發針對代碼生成的基石模型，以便突破 Transformer 的輸入字符長度限制。
吸引了 General Catalyst 和 A16Z 5000 萬美元投資的Hippocratic，使用專業醫護人員提供的數據和反饋進行 RLHF 訓練，用于診斷以外的病患服務場景。
Hippocratic AI 和創始人 Munjal Shah | 圖源：General Catalyst
這些垂直行業 / 特定任務場景 LLM 初創企業的發展，也印證了谷歌前 CEO Eric Schmidt，Databricks 首席科學家Matei Zaharia、AI 初創 Samaya AI 創始人Maithra Raghu的共同觀點—— 未來的 AI 生态中，通用大模型負責解決長尾問題，高價值的業務場景将由專業 AI 系統來解決 。
02
" 釘子 " 會變得更細、更窄
雖然 AI Grant 的兩位創始人信心滿滿，" 未來 12~18 個月會有 AI 應用年收入突破百億美元！" 但哪怕是Adobe前 CTO 創立、1 年估值超過 10 億美元的生成式 AI 内容營銷工具Typeface也還在尋找 PMF。
Adobe 前 CTO Abhay Parasnis | 圖源：Linkedin
" 大部分 AI 應用處于概念驗證階段，大規模應用還未到來。"多位創業者、從業者向矽兔君如此反饋。
但這并不影響創業熱情。
矽谷 VC UpHonest Capital 告訴矽兔君，他們在過去一年接觸了比以往更多的辍學創業者和 PhD 學術研究創業者，這些創業者或是将之視爲 " 一生一次的機會 "，或是受到 Transformer 論文八位作者全部創業的激勵，一頭紮進 AI 賽道。這是在 2016 年那一次 AI 繁榮期也未發生過的景象。
同時，圍繞 AI 的創業項目數量更是前所未有。
以矽谷孵化器 YC 爲例，2023 年孵化的項目中接近一半是 AI 公司（約 231 家），再加上考慮到許多創業公司轉型，實際數量可能更多，" 有許多公司在我們投資一個月之後轉型做新的 AI 方向 " ，YC 的一位投資合夥人感慨，自從他在 YC 工作以來，從未見過像現在創始人這麽快的找到 / 轉型新方向。
一個明顯的轉型趨勢是，場景從寬泛到聚焦，從通用任務向具體任務細化。
例如 YC 上半年孵化的Fintool，這個創業團隊之前創立了 AI 驅動的法律資料檢索工具 Doctrine。Fintool 一開始想做金融領域的 LLM（"Bloomberg GPT"），經曆半年時間，目前聚焦到機構投資者的助手 Copilot（人參與到回路中）方向，幫助投資者總結、分析财報，更高效的梳理投資決策相關的信息。
另一家 AI 驅動的 SEC（美國證券交易所）合規自動化公司Hadrius，它的創始人認爲 AI 創業者在銷售時應該 " 聚焦在垂直場景本身 "，他們曾在銷售時強調産品 " 具有 AI 功能 "，結果發現沒有實際用處，因爲他們的客戶大概率不是極客，強調 AI 的概念不如講清楚如何解決客戶痛點。
圖源：Linkedin
咨詢公司 PwC 的一份數據調查顯示：61% 的 CEO 表示 2024 年，他們期望看到 AI 對産品或服務質量的幫助，期望看到 AI 投資的收益回報。由此可見，今年 ROI（投資回報率，以下均用 ROI 表示）将成爲 AI 應用産品不得不面臨的考驗。
科技 VC Madrona同樣認爲 "AI 産品的用戶心态将從「試一試」變成「追求 ROI」"，去年問 " 我們的 GenAI 戰略是什麽？" 的 CEO 今年将面臨完全不同的問題 " 我們的 GenAI ROI 是多少？"，因爲随着深入使用 AI，人們将發現應用 AI 的最大成本可能不是訓練模型而是模型一次次運算産生的推理成本。
因此，更容易測算和産生 ROI 的應用場景将更受用戶的歡迎。從頭部應用的收入增長軌迹我們可以初步判斷有哪些這樣的應用場景。
開發者網站 GitHub 的 Copilot 2023 年 ARR（經常性年度收入）超過 1 億美元，微軟 2024 年 Q2 财報數據顯示，目前付費開發者人數超過 130 萬、企業用戶超過 5 萬，Copilot 産品爲 GitHub 帶來了 40% 的年收入增長；AI 法律助手 Harvey 表現出了快速增長趨勢，半年多時間 ARR 增長了 10 倍達到 1000 萬美元；ChatGPT 2023 年 12 月收入約 1.67 億美元，年化收入約 20 億美元；GPT4 驅動的 Microsoft Copilot 收入更加可期，The Futurum Group 分析師預測該産品 2024 年收入達到 23.9 億 ~92 億美元。
考慮清楚這個前提條件之後，新創業者在選擇方向時還要小心翼翼的避開與巨頭正面競争，因爲今天的巨頭有資本、有人才、有完善的 AI 基礎設施還有充足的 GPU 卡。
VC UpHonest 早期投資的一家生成式 AI 公司HuHu AI的創始人Tianqiang經曆了 2016 年的 AI 創業熱潮，公司成功被亞馬遜收購，再次選擇 AI 創業，他認爲 "2012 年以 AlexNet 爲标志引發的 AI 浪潮中，大廠沒有人才、沒有成規模體系的 AI 架構，2012 年 -2016 年期間，AI 初創的商業模式同時退出方式可以說主要靠賣給大公司，經過這個時期的收并購，大廠補上了 AI 基礎設施和團隊短闆。所以，" 十年前，大廠沒有什麽，初創企業就可以做什麽；十年後，大廠什麽都可以做。在這樣的形勢下，創業公司就得做大廠顧不上或者不屑于做、偏垂直的事情。"
圖源：HuHu AI
矽谷 VC a16z 的一位合夥人同樣認爲，2024 年将看到範圍更窄的人工智能解決方案。雖然 ChatGPT 可能是一款出色的通用人工智能助手，但它不太可能 勝任所有任務。他預計，我們将看到一個專爲研究員打造的人工智能平台，一個專爲記者打造的寫作生成工具，以及一個專爲設計師打造的渲染平台，這隻是其中幾個例子。從長遠來看，人們日常使用的産品将根據他們的用例量身定制—— 無論是專有的底層模型，還是圍繞它構建的特殊工作流程。這些公司将有機會 " 擁有 " 新技術時代的數據和工作流程；它們将通過鎖定一個領域，然後進行擴展來實現這一目标。對于最初的産品來說，範圍越窄越好。
UpHonest Capital 認爲，在生成式 AI 時代創業，垂直、解決具體問題比提出一個寬泛的方向更好。互聯網巨頭、SaaS 公司，他們在 AI 以及業務領域的積累，一定程度上使之可以更快的疊加新技術。因此創業者必須找到自己的差異化并 10 倍放大。創業者需要更快的叠代速度，底層基石模型持續更新，甚至每次更新都能引發地震，因此需要更快的學習能力跟上技術叠代。
03
大模型正在 " 殺死 " SaaS
在與 UpHonest Capital 交流的過程中，他們所投資的一家初創企業引發了筆者興趣。這家 YC 孵化、拿到 AI Grant 投資的公司緻力于爲家政服務行業提供 AI 接線員服務，保證客戶不會漏聽電話，并完成服務預約。美國家政行業每年因爲漏接電話造成的損失高達數百萬美元，Sameday的創始人曾是全美增長最快的家政服務公司Ardent Servicing的 CMO，了解家政行業的痛點，其 AI 産品上線半年後快速增長，ARR（Annual Recurring Revenue，年度經常性收入）接近百萬美元。
圖源：YC
談及 Sameday 的投資理念，UpHonest 創始人表示他比較關注傳統行業跳過 SaaS（軟件化）階段，直接進入生成式 AI 時代的相關機會。
無獨有偶，a16z 也看好傳統行業的 AI 跨越。其醫療健康方向的投資人表示 " 正如新興市場從使用現金直接轉向移動支付（完全’跨越‘信用卡）一樣，醫療行業也将從傳真機直接轉向人工智能（跨越傳統的垂直軟件）。"
美國的醫療行業非常傳統，2023 年美國醫療行業讨論的話題是 AI 與傳真技術對醫療行業的效率提升。而且在美國市值前 100 的上市軟件公司中，隻有一家是服務醫療行業的，醫療行業的數字化程度之低可見一斑。
而現在，一些創業者跟矽兔君反饋他們認爲醫療行業有可能成爲美國最先擁抱 AI 立法的行業，他們在等待更明确的信号出來後加入 AI+ 醫療的創業行列中。
2024 年 YC 冬季孵化營的 AI 項目方向也反映出醫療從業者對 AI 的期待，今年 AI+ 醫療的應用格外多，甚至細化到牙醫的 AI 接診員，放射科醫生、家訪護士和住院護士的助手等。
此外，AI 産品 " 殺死 "SaaS 不僅體現在對傳統行業的滲透，還有可能從商業模式角度颠覆 SaaS 現在的訂閱制。
雖然目前大部分的 AI 應用還是延續 SaaS 的商業模式，提高員工的生産效率，按照使用的賬戶數量訂閱制付費，定價參考員工的雇傭成本。咨詢公司 PwC 和 Benchmark 投資人提出了一個新的觀點 " 未來的 AI 産品很有可能演變爲按照結果付費 "，"Sell work, not software（售賣結果，而非軟件）"。
例如服務人身意外傷害律師的 AI 助手EvenUp，B 輪融資 5050 萬美元，幫助人身傷害律師爲客戶準備索賠文件，例如案件摘要、醫療費用（包括誤工費）估算等。
圖源：EvenUp
如果 EvenUp 采用的是 SaaS 銷售思維，它的産品形式可能是爲人身傷害律師提供一款軟件，例如在準備文件流程的某個環節使用 AI 生成工具，訂閱收費，但這樣一來，EvenUp 期望的是客戶爲提升的效率付費（難以衡量且有限）。
相反，EvenUp 選擇了銷售 "Work Product"，即整個索賠文件資料。這樣，EvenUp 的定價參考的是律所使用外包團隊撰寫這樣一份資料的成本，因爲 EvenUp 可以完全取代這樣的人力勞動。從這個角度，Benchmark 的投資人認爲凡是需要外包團隊的工作，都有可能由 AI 産品取代，因爲這樣的工作普遍意味着枯燥、重複和基礎。
不過，有關 AI 的一切仍在瘋狂的進化中，創業者和投資人對此有無限的想象，也是因爲這些想象，AI 創業不可避免的陷入狂熱和泡沫中。
反思 2023 年的 AI 投資，Khosla Ventures 創始人認爲AI 創業投資過熱了。" 考慮到目前的炒作，AI 初創公司的估值過高，未來可能隻有少數幾家能存活下來 "。
YC 合夥人也發現去年很多人陷入 "Checkbox" 心态，因爲看到其他人在創業或者布局 AI 戰略，所以也要跟着做，他認爲這種心态很容易使人陷入"Tarpit ideas"陷阱，即看起來有前景但是坑的方向。
并且，去年的環境加劇了陷入 "Tarpit ideas" 的概率，因爲人人都想布局 AI 戰略，一些 AI Copilot 概念産品可能很容易吸引用戶試用、甚至轉化一定的付費用戶，但他們可能隻是認爲自己需要，還沒搞清楚到底需要 AI 幹啥。" 很多 AI 應用并沒有找到 PMF，它們似乎獲得了一些 traction（業績），但當我們仔細探究時，有人真正在使用嗎？實際用例是什麽？創始人一頭霧水。"
AGI 确實展示出無限的潛力，但回歸現實，AI 真正的應用和效益可能還沒實現。摩根斯坦利的 AI 助手并未被财富經理采用，因爲客戶想跟真人交流。試圖用 AI 撰寫的文章取代記者的新聞業務難以進行，因爲這些文章是錯誤的或無用的。
OpenAI 的 COO Brad Lightcap也不得不出來讓大家冷靜下，他告訴 CNBC 記者，人工智能無法大幅降低成本，也無法讓陷入困境的公司恢複增長。
在 AI 應用高速發展、野蠻生長的階段，有許多看不清、回答不了的問題。超級個人投資者Elad Gil最近在博客中表示，" 在大多數市場中，時間越久，事情越清晰。而在生成式 AI 領域，情況恰恰相反。時間越久，我就越不覺得自己真的懂了。"
YC CEO Garry Tan也承認現在很難确定的說有哪些方向一定會成爲 AI "Tarpit ideas"。
Garry Tan | 圖源：The Information
但相信有一點是矽谷投資人的共識，一位 a16z 合夥人曾表示，消費類人工智能應用将通過圍繞獨特的使用案例提供最佳用戶體驗而實現突圍，而不是僅僅依靠模型性能。LLM 可以成爲差異化的源泉，可能會提供先發優勢，但網絡效應、高轉換成本、規模和品牌等老式護城河仍将是長期取勝之道。
2020~2022，在生成式 AI 熱潮之前我們經曆了元宇宙和加密數字貨币浪潮，泡沫很快刺破。很難說，AI 熱潮不會步入前者後塵。但每次泡沫破裂之後，總會有真正的信道者堅守，默默推動技術進步。
正如 OpenAI CEO 山姆 · 奧特曼所言："AGI 正在來臨，但它對世界的改變可能并沒有我們想象的那麽多。"
但我們相信不論如何演變，尋找真實用例、打造可持續的商業模式的本質是不會改變的。
文末互動：
你認爲如何正确對待 AI 熱潮？
評論區留言告訴我們你的想法哦～
别忘了點關注，不迷路啊。
她，普通女孩，Y Combinator 合夥人，将自己的一場病換了 20 個億
喜歡就點個在看再走吧
