在全球科技創新的前沿，矽谷一直扮演着引領者的角色，無論是互聯網、人工智能、生物科技，還是新能源、新材料、新制造，矽谷都有着不斷湧現的創新型企業和颠覆性的技術突破。了解矽谷的最新趨勢和未來方向也許能幫助我們掌握科技創業的脈搏和機會。
那麽，在全球科創熱土矽谷，哪些領域最受投資人的青睐？
AI 與各行業的結合又誕生出了哪些新機會？
有哪些具體的商業應用案例可供我們參考學習？
時代發展，每一次技術創新帶來生産變革背後的底層邏輯又是否相通？
爲了探讨這些問題，前不久混沌特别邀請到 Fusion Fund 創始合夥人、矽谷著名投資人張璐老師，爲我們做了一次主題《解碼美國科技創業未來：從生成式模型到醫療深科技》的直播分享。張璐老師是一位有着豐富投資經驗和深厚技術背景的投資人，她創立了 Fusion Fund，專注于投資早期的硬科技創業公司，涵蓋人工智能、醫療健康、物聯網等領域。她曾經投資了多家成功的硬科技公司，如 SpaceX、Lyft、MissionBio、Grubmarket 等。
矽谷的創新氛圍和我的創業經曆
過去一年，矽谷每周都有新的東西産生。無論是從創業者的角度、科技投資人的角度或者各個産業的角度看，這一次由人工智能驅動的全産業數字化轉型，都是一個非常大的浪潮。五百強企業的首席技術官們都處在非常亢奮的狀态，而且這種狀态可能還會持續下去。
從 2015 年起，我一直立足矽谷，針對早期高科技公司尤其是醫療創新領域、企業級網絡的創新領域、傳統行業數字化轉型領域的企業進行投資，目前已經投資了超過 80 多家美國和加拿大企業，這些企業都是由很強的背景以及技術屬性很雄厚的科技創新企業所驅動的。
我個人的發展和矽谷科技創新息息相關。2010 年，我來到美國斯坦福大學攻讀材料科學工程，博士期間擁有了一些屬于自己的專利技術，其中有一項技術是二型糖尿病的早期診斷應用。在學校和導師的支持下，我體驗了從科研到技術商業化應用的全過程。畢業後，我利用自身專利組建的公司被美國一家五百強上市醫療器械公司收購，這次退出實現了我個人的第二次轉型。
通過早期的創業經驗，我對整個矽谷的創新生态、科技創新以及新技術在傳統行業中的應用有了更深入的認知。現在人們熟知的人工智能在醫療領域的應用，在當時僅僅是對一些數據的簡單應用、然後立足分析數據讓二級糖尿病的早期診斷更加精準化和個性化。在這之後，我開始從事天使投資，支持不同的企業家和創業者初期創業，其中很多企業家具有與我同樣的科技和醫療背景，于是我很順利地搭建了一個創業者族群。
我之所以投資人工智能領域，原因在于個人長期以來對醫療領域的關注。從早期的創業到後來的天使投資，我所涉及的都是醫療領域，因爲我對醫療産業的未來認知非常清晰，即人們需要個性化的診斷以及治療方案，無論是從生命工程還是生物學的角度，未來人們都需要數字化平台，而實現數字化的方式就是人工智能。癌症、心腦血管疾病、腦部疾病等都可以通過人工智能的植入進行更加精準和早期的診斷和治療。現在，美國的醫療領域經濟占國民 GDP 的 20%，這是一個非常巨大的數字。
2017 年起，我們大力推動人工智能在醫療領域的應用，并于同年發布了人工智能在醫療領域應用的行業報告。之後，我們看到了很多新的人工智能技術和企業級網絡技術的應用，以及傳統行業數字化轉型過程中的一些垂直領域應用。
人工智能的幾個概念
我們很早就關注了人工智能，我的一個合夥人之前在高盛、美林等大型金融機構做合夥人，2018 年他與谷歌合作，立足語言模型開發出了一個人工智能引擎。2019 年，他加入我所在的基金後，我們開始更多關注人工智能的算法和模型，并在 2020 年、2021 年期間正式布局人工智能産業。
雖然我們投資了很多人工智能公司，但從未将自身定義爲人工智能基金，也從不表明投資的是人工智能項目，這裏有幾個概念可以與大家分享：
第一，人工智能的确是一個超級工具，但人們要選擇對的行業和對的應用。人工智能作爲超級工具，可以幫助人們快速提升工作效能，但這并不意味着這種效果可以在每個産業或行業應用中得到體現。人工智能未來一定會越來越好，但當下它所給予的答案并不夠準确，有時甚至是随意編造的。當人工智能落地的産品變成剛需的應用場景，它的粘性就會增強，并會得到持續使用，但對于一些非剛需的應用場景，可能會涉及數據隐私等事項，一些企業并不希望使用人工智能。
第二，人工智能的驅動，尤其是生産人工智能的驅動，讓人們看到了全産業的數字化轉型。全産業不僅包括科技行業，還有醫療、金融、物流供應鏈等不同領域，面對海量的高質量數據，會有非常多的機會湧現，但這些機會中有一些是 ToC 的和 ToB 的，而且大部分的機會會被大型企業拿走，隻有少于 1/3 的機會是留給初創企業的。原因在于，大型企業有平台和技術，更重要的是擁有非常寶貴的用戶數據、企業級數據。所以，人們在探讨生成式人工智能的時候，一定要關注大型企業的生态和布局。作爲投資人，一定要了解大型企業的生态變化、内部産品進展等事項，一方面用于判斷最合适的投資機會，另一方面是幫助初創企業制衡大企業、并從中尋找成長機會。
初創企業的人工智能創新面臨諸多困難
初創企業的人工智能創新面臨諸多困難，主要在于數據的擁有權。就 C 端的用戶數據而言，隻有 Facebook、谷歌、蘋果等大型科技公司才擁有海量的高質量數據。例如，蘋果公司在生成式人工智能層面雖然沒有發布很多産品，但它仍是最厲害的公司之一，蘋果公司擁有屬于自己的人工智能芯片、雲端、人工智能算法、用戶數據，這相當于垂直壟斷，其它企業需要對每個模型進行優化才能提升效率，而蘋果僅需要每一層優化 5%，整個系統的優化工作就可以做到非常好。蘋果前段時間發布的 Apple Vision Pro 頭顯非常驚豔，實際上，它們這次使用的芯片是三年前生産的，并非最新産品。由此可見，蘋果在軟硬件整合層面具有非常巨大的優勢。作爲企業，單純關注軟件層面是沒有意義的。
Meta 公司主要做大語言模型開源，開源後會對整個生态産生非常有益的影響。每個企業都可以在模型基礎上搭建屬于自己的生态，生态可以吸引優質的初創企業和人才建立各類應用，從而推動企業間的良性競争。對于初創企業而言，一定要思考哪種模型和生态最适合自身，然後通過制衡和受益于大公司之間的競争，實現企業的快速成長。
Meta 除了自身強大的人工智能開發能力、人工智能團隊和開源模型，還有海量的高質量用戶數據，這也是強大的壁壘所在。大型企業擁有海量數據隐私，讓自身的商業應用在大場景應用層面更具有優勢。作爲初創企業的創始人以及投資人，不需要爲建造模型思慮過多，完全可以立足現有模型進行個性優化。
還有一些公司的經驗值得分享。Salesforce 公司有一個 AI 部門，下面有 900 多個人專門做大語言模型，他們現在擁有屬于自己的大語言模型，也正在搭建屬于自己的生态。Salesforce 本身業務是以 ToB 爲主，這也是他們的一個重要切入點。
英偉達在生态建設方面是所有算力公司中做得最好的，它在 GPU 市場的芯片以及硬件層面的能力是毋庸置疑的，是絕對的第一名。英偉達在算力提升、成本和能耗降低方面的表現讓人驚豔，并且擁有 infrastructure 層等方面的最大優勢，任何人工智能的應用都可以在英偉達的平台上直接插入、直接應用。
從天使投資的角度出發，如果一家企業可以搭建好生态平台，它吸引的創業企業量級是非常驚人的。目前，一些芯片公司也在考慮如何改變自己的生态打法和商業模式，從而吸引更多的初創企業開展合作。例如，過去十幾年一直和英特爾競争的 AMD，雖然硬件實力非常強，但軟件實力有所欠缺，現在微軟已經與 AMD 開展合作，幫助 AMD 強化軟件層，之後的 AMD 一定會成爲英偉達非常大的競争對手。在企業間的競争加劇後，會幫助人們降低算力的成本、提供更加多元的選擇，這對于初創企業而言是利好消息。
人工智能提供的很多機會是屬于大型企業的，因爲大型企業做了大量的工作，并且掌握了很多數據，大型企業隻需要在平台上增加一個應用環節，就可以抵掉很多初創企業的應用開發。所以，初創企業一定要了解身處的生态、未來的發展布局以及受限的地方。
人工智能的投資機會
在人工智能的投資機會層面，如何看待這些創新的機會？如何投資這些創新的機會？
我們要從垂直和水平兩個維度看待投資機會。
垂直領域的投資機會方面：
大廠現有的一些 ToC 端的數據優勢和産業優勢，這些産業是适合初創企業去做的，初創企業要首先思考哪些産業是可以大規模受益于人工智能的應用、并基于此産生巨大的商業變現能力。所以，海量的高質量數據顯得尤爲重要，數據不僅要有海量更要有質量，如果想進一步優化模型，數據的質量比數量更加重要。在此基礎上，一定要清晰哪些産業有海量的高質量數據，并且不會将數據分享給微軟、谷歌之類的大型企業。經過篩選，排名第一的是醫療産業，它擁有海量的高質量數據，并且應用場景多樣化，現在的醫療領域絕對是人工智能在垂直應用領域最大的産業機會之一。
排名第二的是保險産業，保險擁有萬億美金級别的市場，并且不會因爲技術的發展而消失，反而會随着技術整合産生更多的保險需求。最近我們投資了一家保險公司，它爲機器人和自動化機械提供保險服務。包括物流供應鏈在内的很多美國制造行業的工廠是又黑又冷的，因爲招工困難，這些工廠裏面已經沒有工人了，這些企業在壓力之下進行了全産業的數字化轉型。不同于以往對工人進行投保，現在投保的對象變成了工廠裏的機器人或者自動化機械，這類市場的份額增長非常快。
排名第三的是金融産業，同樣具備以上基礎條件，有一家公司針對金融領域開發了零代碼人工智能平台，可以針對客戶提出的數據和需求形成分析報告，并且可以根據客戶的要求适時修改。此外，其它垂直領域可以應用的場景還包括物流、供應鏈、太空科技。數字生物學是我個人非常喜歡的領域，數字生物學的加速不僅是因爲生成式人工智能，還受益于 2022 年谷歌發布的 AlphaFold，這是一項非常重要的技術，它用人工智能預測了人類所有已知的蛋白質折疊結構，并且數據庫是免費的，生物學家們找到了一種更加高效的方式進行研究，下一步就可以針對合成生物學進行探索。AlphaFold 不僅會加速醫療制藥領域的應用速度，也會推動化工領域和食品行業，甚至會大規模改變人類的日常生活。
水平領域的投資機會方面：
第一，人們雖然希望用具有大語言模型的生成式人工智能，但會遇到高算力成本等問題，而水平領域的雲基礎設施技術可以幫助人們解決這一問題，這是非常重要的一種技術應用。
第二，應用生成式人工智能的一項重大挑戰是耗電量。訓練大語言模型非常耗電，在某種程度上接近區塊鏈。當人們考慮将人工智能大規模進行商業應用的時候，一定要考慮電量損耗成本。
第三，溝通挑戰。多模态如何在數據傳輸過程中減少延遲甚至消滅延遲，這屬于邊緣計算範疇。邊緣計算是解決溝通挑戰的一項非常關鍵的技術。我們從 2018 起開始投資邊緣計算，近幾年一些公司已經成爲了各個垂直領域的首要應用企業。
第四，數據隐私和網絡安全挑戰。大型企業在盡快應用人工智能之前，首先要明确數據隐私和網絡安全的解決方案，人工智能數據監管的挑戰性非常大。我們在這個層面做了很多工作，一方面提供技術解決方案，另一方面人爲地進行推動。有一項關鍵的技術叫 Federated Learning，即 " 聯邦學習 "，如果擁有很多數據的醫院或者金融機構希望實現數據變現，卻又擔心轉移數據所産生的隐私問題，就可以使用 " 聯邦學習 "，這從某種程度上解決了數據孤島問題，同時也防護了數據隐私洩露。
結語
當人們真正驅動人工智能發展的時候，不要隻盯着最上面的人工智能應用層，一定要投資整個生态，要創新整個生态，包括硬件層面上的創新。一整套生态形成後，人工智能在各個産業的應用速度會大大加速。
人工智能的确令人興奮，生成式人工智能可以帶來更多更新的應用場景，但這項工作僅僅剛剛開始，它每天都在發生變化，甚至每周都會有新的東西出現。
人工智能算法還在不停進化，不停地推進到商業應用的各個場景，有些模型會讓人們看到更高效的反饋方式，有些模型會給人們更低成本的反饋方式，所有的一切整合到一起後，人們将擁有更廣泛的選擇。對于初創企業而言，這是一個非常快速的商業變現過程，也是技術創新的趨勢所在。人們可以看到非常明确的落地商業場景和企業級銷售、收入，這些收入驗證了市場，也增強了初創企業的創業者和投資人的信心。
掃碼限時免費領取 AI 好課
