圖片來源 @視覺中國
文｜光錐智能，作者 | 郝鑫，編輯｜蘇揚、劉雨琦、王一粟
一掃去年裁員、股價暴跌的陰霾，矽谷憑借 AI 正在以 " 蓋茨比 " 式的姿态重新站到鎂光燈下。
據光錐智能不完全統計，180 天裏，矽谷在人工智能領域共完成了 42 起融資、拿下 55% 全球籌資金額。其中，8 家人工智能明星獨角獸公司拔地而起，平均輪次融資金額 3.3 億美元。
熱錢從矽谷的天空撒下，美元堆起了新故事。
" 對 AGI 時代來說，今年是過去十年中最好的一年，卻是未來十年中最差的一年。" 創業的氛圍充斥着每個角落，這幾乎成爲了矽谷的共識。
" 一周參加五六場聚會，從技術研讨到應用機會，矽谷這半年都處于 AI 的興奮之中。" 畢業于斯坦福，常駐于矽谷的華人孔祥來不僅投身到 AI 電商導購的創業中，連其偶然發起的 AI 社區 AGI 降臨派，也在這波熱度下意外爆火。
身處大洋彼岸的中國創業者也受到了感染，王小川、李志飛等明星創業者和真格基金管理合夥人戴雨森、金沙江創投合夥人周雨桐等衆多知名投資人不想再 " 霧裏看花、水中望月 "，一月連續三次飛往矽谷。
中美 AGI 領域雖然同樣火熱，但在市場的格局生态卻截然不同。
最明顯的區别是，與國内的 " 百模大戰 " 相比，基礎大模型創業在矽谷并不火熱。"OpenAI 一家獨大，隻有谷歌和 Meta 等大公司向其發起挑戰，創業公司很少做基礎大模型。" 遠望資本合夥人、迅雷創始人程浩對光錐智能談到，但在中國，還是有人想賭一把，因爲最終誰是中國的 OpenAI 還不确定，造神的這一過程既危險又性感。
而大模型之外，矽谷卻在中間層和垂類應用層裏，呈現出百花齊放的熱鬧。但反觀中國，雖然投資人們嗅覺敏銳，早就聞到了 " 肉香 "，卻 " 看得多投的少 "；而 AI 創業領域，也鮮有全新的大模型之外的公司出現，更多是大中型公司的聲音。
無論是源于美元基金的撤退，還是國内的 AI 創業環境，與互聯網時代不同，在這一輪科技狂潮中，中國創業者和 VC 們正在經曆着前所未有的迷茫，Copy to China 的策略似乎逐漸失靈了。
" 矽谷重視技術，埋頭升級大模型能力，而國内則更看重商業模式。" 孔祥來對光錐智能說道。AGI 時代，各自的商業邏輯依然沒有改變。
結合投資人、創業者的深度訪談，光錐智能複盤了今年上半年矽谷 AI 初創公司的融資和發展情況，希望能從中探尋到 AI 2.0 創業浪潮中的機遇和警示，以期給國内投資人和創業公司一點啓發。
AI 掘金潮，熱錢撒向哪兒？
國外風投數據分析公司 PitchBook 數據顯示，上半年全球 AI 領域共計發生融資 1387 件，籌集融資金額 255 億美金，平均融資金額達 2605 萬美金。據融資服務機構 Carta 數據顯示，2023 年 Q1，美國 A 輪 AI 初創公司融資環比增長 58.4%，種子輪公司估值增長了 19%。
熱錢一半都流向了矽谷。據光錐智能不完全統計上半年矽谷一共有 42 起融資，總金額約 140 億美元，占世界總融資金額的 55%。平均輪次融資金額爲 3.3 億美元，是平均融資水平的近 13 倍之多。
矽谷 AI 創業公司梳理，制表：光錐智能
以 OpenAI 爲首的 AI 新貴成爲當之無愧的主角，在獲得投資的 40 家公司中，有近 60% 的公司成立時間在一年之内。其融資輪次也處于早期階段，42 起融資事件中，種子輪次占了 40%，B 輪以前（包含 B 輪）占了 86%。
孔祥來告訴光錐智能，矽谷這波創業大多采取小而精方式，早期創業項目團隊的人數在 3-5 人，中期項目團隊的規模也控制在十幾人～幾十人之間，當初 Midjourney 效果驚豔全世界，憑借早期 11 個人的團隊就做到了一億美金的營收，"AGI 領域更重視技術創新，堆人沒有用。"孔祥來直言。
這跟國内創業方式有很大不同，國内創業團隊人數普遍較多，比如媒體報道稱王慧文的光年之外解散前有 70 人，王小川公開信中透露百川智能最初組建人數爲 50 人。
不過，矽谷 AI 創業團隊規模雖然普遍偏小，但其吸金能力卻十分驚豔。
截至目前，按融資金額數量的 AIGC 初創公司的排名分别爲：OpenAI（113 億美元）、Inflection（15.25 億美元）、Cohere（4.45 億美元）、Adept（4.15 億美元）、Runway（1.955 億美元）、Character.AI（1.5 億美元）和 Stability AI（約 1 億美元）。
站在他們背後的，仍是科技圈如雷貫耳的公司和大佬。光錐智能整理統計發現，上半年，微軟參與的 AI 融資項目有 5 起，谷歌出手 4 次，英偉達出手 6 次，OpenAI 出手 3 次，這些巨頭加起來累計參與了約 43% 的 AI 領域融資。
将目光更聚焦一些，當下矽谷對 AI 關注的主要集中在三個方向：一是基礎大模型層；二是開發工具、數據庫等所在的中間層；三是垂直應用層。
程浩向光錐智能介紹，基礎大模型除了 OpenAI、Anthropic 兩家公司，其他創業者都在做開源模型；工具層創業者都在動員所有人才精英做開源社區，其核心壁壘在于創造開發者生态；應用層聚集着兩類創業公司，一類是像法律、HR 招聘垂直領域的公司，一類是與文案、文生圖、文生視頻相關的通用型公司。應用層普遍紮堆 B 端，C 端産品少很多，屬于在巨頭夾縫中求爆款的狀态。
從不同機會層面來看，上半年，矽谷基礎大模型層有 8 起融資，中間層有 12 起融資，垂直應用層面有 23 起融資。不過，在融資金額上卻呈現反比，分别融資金額爲 110.8 億美元、3.5 億美元和 25.2 億美元。
表面上看，基礎大模型層似乎是最熱的投資領域，但實際上完全由 OpenAI 一家撐起來，如果把 OpenAI 的 103 億美元巨額融資剔除，整個垂直大模型層的融資占比就直接從 79% 驟降至 21%。
從上圖可以看出，目前垂直應用層面是矽谷最熱的投資領域，融資次數多，但單次融資金額不高；基礎大模型層 OpenAI 占據絕對的領先地位，其他大模型公司雖然單輪次的融資較高，但難以與 OpenAI 相匹敵，其業務範疇也在彌補 OpenAI 的不足；中間層是 VC 們近期發掘的新大陸，目前，已投出了估值 7.5 億美金的向量數據庫公司 Pincone，半隻腳踏入了獨角獸行列。
孔 祥來表示，" 矽谷 投資人内部分爲了兩派，一類隻看好 OpenAI，認爲未來 OpenAI 會統治 2C 端應用，因而沒必要在 C 端應用領域投入過多時間，轉而去投 B 端與行業深度整合的 AI 公司；另一派則持相反态度，積極擁抱開源社區，也會看好 2C 端的垂直應用，認爲在該領域也可以跑出獨角獸公司。"
總體而言，今年上半年以下方向在矽谷掀起了一波又一波的掘金潮：
基礎大模型層：小參數基礎模型、通用大模型。
中間層：向量數據庫、AI 工具鏈、模型部署工具。
垂直應用層：文生視頻、文生語音、AI 對話機器人、生成式 AI 搜索、法律垂類領域應用、人形機器人。
孔祥來補充總結表示，當下矽谷投資人重點看好幾個方向，分别是 AI Agents（智能體）、多模态（文生圖、文生視頻）、解決行業幻覺（法律、醫學）、個性化方向（Character AI 等對話機器人）、大語言模型的中間件以及 AI 深度賦能的行業場景應用。
（圖源：CB Insights）
站在淘金熱的風口，這些新貴們的身價随着水漲船高，2022 年，ChatGPT 和 AIGC 領域吸金超過 26 億美元，共誕生出 6 家獨角獸，而截至到今年 5 月 8 日，獨角獸俱樂部的成員上升到 14 家 ( Midjourney 暫無估值 ) 。
1000 家 VC 同時舉牌競價，帶來的是成立不到四個月的 Baby 公司，融到兩輪上億美元融資。6 月 29 日，Inflection AI 完成了 13 億美元的新一輪融資，成爲融資第二多的生成式人工智能初創公司，資本再次成功造神。
奇迹降臨矽谷的同時，淘汰賽也正式開始。
數據，AIGC 時代的唯一壁壘
僅僅半年，矽谷就已經給 AI 創業貢獻了一波真金白銀的教訓。
一類是像 Jasper 這類靠接入 OpenAI API 接口成長起來的公司受到了沖擊。
作爲第一批 AIGC 獨角獸公司，Jasper 抓住了這波 AI 升級機會，估值飙到了 15 億美元。但其問題也十分緻命，套殼公司産品壁壘非常薄，它的用戶體驗和品牌很好，但達不到最好，很容易被那些高價值細分領域構建的差異化産品而替代，通而不精是其最大的問題。
程浩認爲，Jasper 的最大競争對手是 ChatGPT、微軟 Copilot、NotionAI 等巨頭競争對手，這些巨頭有品牌，價格也便宜很多，所以那些相對弱需求的用戶自然就不願意繼續再爲 Jasper 買單，其根本問題在于創造的額外價值不夠厚。對于 Jasper 這類公司來講，核心是想辦法在數據存儲、多人協同以及工作流整合等方面下功夫，增大用戶粘性。
另一類是 VC 支持的聊天機器人團隊，在去年的融資熱潮下籌集了不少資金，期望今年能向企業銷售。但年初市場中的聊天機器人便多如牛毛，技術壁壘不高，很容易被複制，再次走向同質化的怪圈。
另外，面向 C 端的 AI 搜索平台 Neeva 因爲商業落地困難，最終被大公司收購，有了這個前車之鑒，矽谷現在幾乎所有的公司都開始瘋狂進攻企業級市場。
" 初創公司首先要選對路線，究竟是‘ +AIGC ’還是‘ AIGC+ ’。" 程浩認爲，選擇比努力重要。
選擇 "+AIGC" 與 "AIGC+" 的判斷标準是，AI 在業務全價值鏈的比例。如果一家公司的 AI 成分占 10%，業務邏輯占 90%，那就比較适合走 "+AIGC" 的創業道路；若其 AI 成分占比在 50% 以上，那就更适合走 "AIGC+" 的路線。
多米諾骨牌已經開始倒下，Jasper 之後輪到誰尚未可知，但愈加清晰的是，AIGC 時代初創公司也必須死死捍衛自身的護城河。
投資人 Chamath Palihapitiya 認爲，要麽你處于絕對底部，掌握數據場景；要麽處于絕對頂部，擁有核心算力資源。
"對于中間階段的公司，今天可能價值不菲，但明天可能一文不值。" Chamath Palihapitiya 道。
" 數據才是 AIGC 時代的唯一壁壘。" 孔祥來道。
孔祥來認爲，模型和算力都不是 AIGC 時代的護城河。無論模型訓練的打榜分數有多高，最終都要落到實際應用中，在場景中積累的用戶分布數據會被納入到企業的微調模型數據集，經過不斷的叠代，就會在企業端形成數據飛輪，在這基礎上被微調訓練的大模型也會越來越精準，形成正向的反饋效應。
随着 LLaMA2 的開源，大模型的技術壁壘被進一步打破，正如傅盛所言 "AI 創業公司在半夜笑醒 "，技術補齊的步伐加快，數據的競争也會更加激烈。
中國式 AI，不複制矽谷，也别複制舊自己
真金白銀的機遇和教訓都擺在眼前，中國式 AI 要走向哪裏呢？
" 大模型将引發交互革命和生産力革命。" 程浩告訴光錐智能，最先受益的是自然語言驅動的行業，所以，智能客服、售前咨詢、寫作、翻譯、垂直領域的法律、HR 招聘等将成爲交互革命爆發後的第一波受益者，這些 " 低垂的果實 " 自然一早就被創業者們盯上。
但是，" 美國法律、心理咨詢相關的應用火熱，根本原因在于律師、心理咨詢師的人力成本非常高，大模型應用的經濟模型能夠跑通。而在中國，沒有這樣的環境，盲目 Copy 走不通。" 早在兩個月前，便有投資人對美國投資熱潮，進行了中國式點評。
除了文生圖、數字人，與矽谷一樣的是，衆多中國創業者也瞄向了新一代智能客服。但與此同時，對 " 同質化 " 的擔心和焦慮也悄無聲息地彌散。
"8 個 AI 應用創業項目，客服營銷竟然占了将近一半 "，看着正在路演的競争對手，同樣從事 AI 客服營銷創業的楊季（化名）低聲驚歎道。随着路演進程的推進，他的神情也越來越緊張。
楊季告訴光錐智能，技術相對成熟，需求明确，客服營銷成爲跑得最快的場景，現在已經從國内市場卷到了東南亞。楊季的創業經曆反映了一批創業者從互聯網到現在 AIGC 的通病，不想花精力啃下技術硬骨頭，隻想通過找場景、做應用來走捷徑。
矽谷踩過的坑，中國創業者恐怕也得再踩一遍。黑格爾的這句話再次應驗，" 人類從曆史中吸取的唯一教訓，就是人類不會從曆史中吸取教訓 "。
沒有營收預測，沒有用戶數，PPT 式的路演接二連三地上演，令中國 VC 們無從下手，"ChatGPT 剛來，迷茫的是不知道投什麽；到現階段，是沒有什麽可投的。"
蜂擁而上做簡單的應用固然輕松，但 AI 産業崛起之路沒有捷徑可圖。
包含 OpenAI 在内的大模型巨頭公司，如今也來到了自身的發展瓶頸期。國外開源模型社區 Hugging Face 技術工程師尹一峰向光錐智能證實，" 至少半年内，技術可能很難有新的突破，這将極大地限制應用的大規模落地。"
矽谷技術觸及天花闆，不得不回過頭來去強化中間層的技術能力。對于中國來說，這恰恰也是補齊産業鏈的絕佳機會。
如果将開發大模型比作是 " 造房子 "，那麽中間層的 AI Infra（AI 基礎設施）就是 " 工具箱 "。參照矽谷的發展趨勢，數據工具的打造、企業端移動端的模型部署、AI Agents 的實踐和應用，都将是下一步的發展方向。
（AI Infra 産業鏈 圖源：CB Insights )
克裏斯坦森的《創新者的解答》中提到，産業鏈中有能留住财富的聚寶盆。TMT VC 投資人 Na Liu 提到，" 當前，AI Infra 領域的聚寶盆在價值鏈中正在發生變化，從集成式結構的平台化解決方案 AutoML（以性能爲主）轉向模塊化（靈活、速度、便利爲主）。"這背後切中的是企業想要打開 " 黑盒化 " 的過程，希望能夠靈活地調整模型和構建工作流程中的每一個組件，以得到最适合其特定需求的系統和分析結果。
最具有價值的環節，也是最難啃的骨頭，中國現在正是缺少工具和原材料制造工廠，這也解釋了中國爲何缺乏有競争力的大模型的根本原因：底層薄弱，上層爆發乏力。
以 AI 三要素的數據爲例，中國的數據相關産業鏈，幾乎都是雲大廠 " 一站全包 "，缺乏在某個垂直領域的深耕，而這對于初創公司而言每一個環節都将是機會，可以做精做專。" 數據準備 " 是中國特色機會，這裏面就包括了數據質量、數據标注、數據合成和應用商城與工程。
目前，合成數據公司已經逐步得到資本的青睐。擁有圖像合成數據能力的生成式 AI 公司 " 跨維智能 " 去年一年内完成天使及 Pre-A 輪億元級融資；今年剛成立的光輪智能半年内完成了三輪融資，天使 + 輪次後，其累計融資金額達數千萬元人民币。
走過前期的技術崇拜，越來越多的創業者已經意識到，OpenAI 道路不是大模型時代的唯一解，有人向上突破，有人向下做精做專。
除了大模型，中間層是一條看似小衆，但更穩妥的路；而看似最 " 低垂的果實 " 的應用層，卻是千軍萬馬過獨木橋，更容易赢者通吃、中大廠先行。
但對于中國式 AI 而言，比較容易知道，不能盲目複制矽谷；比較難做到的是，不複制 " 舊時的自己 "，走向堆人搶項目的重交付老路。
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體 App
