到底有沒有人在投 AI？AI 賽道第一線實操體感分享 | 42章經

“壁壘是啥？”

“差異化是啥？”

“大模型自己做了怎么辦？”

“為啥你能做別人不能做？”

我們從 2 月開始到現在，接了 10 個左右 AI 的應用層項目做 FA，每個項目到最后都會反復遇到這些問題。

這幾個問題幾乎是振聾發聵，掩耳盜鈴，余音繞梁，三日不絕。

所以如果你是一個最近剛開始看 AI 應用的投資人，我有個辦法可以節省你一個月左右的時間：

只要遇到項目就直接問壁壘是啥，項目方如果說不上來，就直接 move on，反正聊到最后也要回頭糾結這個問題，不如五分鐘結束戰斗，這樣也能節省創業者更多的時間。

然后呢，你就可以得出和花了很多時間聊了很多項目的投資同行們幾乎一樣的結論：

“這些項目好像都沒啥壁壘，很難出手啊。。”

當然，以上只是一個小小的吐槽，just kidding...

實際情況是，大多機構在過去兩個月中核心精力都放在了大模型上，造成了國內大模型項目數量和融資火熱的景象，然后最近兩周大家開始看應用層的項目（中間層在國內更慘，似乎直接被忽略跳過了，默認沒有機會？），于是就來到了我上面講的情況。

我們的 10 個項目中，目前確定成交的有三個，在路上的希望很高的大概有三四個，很難的有三四個，大概是這個比例。而我還是有信心說我們聊過的在做的項目在市場上是有一定的代表性和水準的，對接的機構也是最主流在看這個方向的。所以，整體市場真正能拿到融資的應用層的項目比例要遠小于此。

從我們了解到的數據來看，在 AI 領域出手最多的機構大概有兩三家，每家大概投四五個項目（其中也以模型類為主），其他真正出手投過一兩個項目的大概有 20 家機構左右，所以真正的 AI 應用層項目能拿到融資的其實很少，至少和目前整體市場的熱度及共識是完全不匹配的。

那造成這個情況的原因都有哪些？創業者該如何應對？到底這個賽道的壁壘是什么呢？以下是我們近期思考的結論：

一）大模型的能力和意義被顯著高估了

Maithra Raghu 在谷歌大腦工作了八年，我很同意她最近的一篇文章（Does One Large Model Rule Them All）中關于大模型未來的觀點。

如上圖，她的觀點是會有幾個普適的通用大模型，去滿足廣義的中長尾的大眾需求，而在垂直的高價值大用戶基數的場景下（比如圖像生成、營銷文案協作、編程助手等場景），會有很多專業模型，這些模型更像是端到端的應用，會占據用戶場景，并建立自己的模型。

她的論證邏輯也非常簡單：

1）專業化領域的用戶對產品性能的要求高，需要更好的定制化的產品和技術的解決方案，直接調用通用大模型是難以滿足的。

2）要把產品做到更好，需要更完善和靈活的數據反饋和底層架構，而通用大模型在可控性上是難以做到的。

3）垂直場景的產品的護城河就是數據，最珍貴的也是數據，所以一旦有了場景和用戶，這些產品提供者有足夠強的動力去保護自己的數據不被其他大模型調用，所以自己基于類開源的大模型去訓練自己的模型就幾乎成為了必然的選擇。

4）AI 領域本身就是有非常強的協同性和開源性的，而且各項成本也是在不斷降低的，所以未來做自己的大模型的門檻會不斷降低。

所以基于以上原因，她的結論是未來可能會有非常多的大模型，有少數通用的，有更多垂直的，整個生態會無比繁榮，會有更多的端到端應用的機會，而非通用大模型本身。

我猜這也是為什么美國不斷有大額的應用層公司融資的新聞，而很少見到類似國內的一窩蜂去投大模型創業公司的新聞（美國的大模型公司似乎也都是端到端應用的公司，都是直接有產品和場景，大模型只是為了更好的滿足產品）。

其實我相信國內的大模型公司有很多也是追求場景和產品，而非只講通用大模型故事的，所以其實核心問題是這些公司到底該被稱為大模型公司還是應用公司呢？如果其實最終是端到端的應用公司那又該如何評估這些公司的核心競爭力呢？

另外，今天我和一個創業朋友聊天，他提到一個很有趣的問題，GPT3 其實是 2020 年發布的，在那個之后的兩年之中，為什么只有很少的大模型或者應用類的公司跑出來？難道 3.5 和 3 的差距有那么大嗎？那為什么 Jasper 或 Copy.ai 卻跑出來了呢？

我相信這也是一個值得很多從業者去思考的問題。

二）未來應用的發展軌跡到底會如何？

上圖是音遇創始人 Albert 對于未來用戶時間分布變化的思考。

在上一波移動互聯網的市場中，我們會發現不論是什么賽道，最終從用戶時間的維度上大家都是競爭者。

在 AI 2.0 時代，人類工作相關效率會不斷提升，所以目前大多 2B 類產品其實是去卷這一部分用戶的時間，最終也許讓用戶在產品上停留的時間越少則越成功？而娛樂相關體驗的產品則是另外一套邏輯，即怎樣用 AI 提升體驗而非效率才是最終的議題。

另外 A16Z 在上圖的文章中提到一個觀點，即 AI 會從生成內容到理解內容，從基于簡單的 prompt 生成長文，到基于海量的信息去總結精煉的 insights，然后基于 insights 去提供落地執行的建議（并自主執行？）。

我理解本質都是想怎么能更好的利用 AI 勞動力，一種是做從無到有的苦力，一種是做從多變少的分析活，這兩個結合起來就能取代大多日常的工作流程和場景。

所以在業務場景的選擇上，我們目前有以下幾個看法：

1）選擇對 human in the loop 的程度要求低的方向，或者盡量讓產品降低其程度，盡量讓 AI 從 copilot 的角色無限趨近于 pilot，這其實本質和最近 autogpt agent 的概念是一致的。

2）選擇大模型是工具和過程而非結果的事情，把大模型藏起來，盡量弱化大模型在產品流程中的意義和占比。

3）尋找需要大量人力去生成內容的場景，或者尋找有海量數據而原有人力難以處理分析得出 insights 的場景。

4）要明確做的是 killing time 的場景，還是 making money 的場景，一個是追求體驗，一個是追求效率，不可混淆。

5）尋找業務環節復雜，不同環節連通和積累能產生顯著數據飛輪效應的場景。

6）在 AI 時代，講要做個人助手，大概就像是在互聯網時代講有一個做社交的夢想一樣，需要尤其謹慎，而在 AI 時代，也很可能你本來沒想到要做個人助手，最后就發現自己做的其實就是一個個人助手。

三）人機交互界面到底會怎樣變化

很多人經常討論什么是 AI Native，交互式會話是不是未來產品核心形態等問題，但我個人仍然覺得這件事被過于強調了，所以在這里稍微提一句。

AI 對交互體驗帶來的本質變化是智能和靈活性，是對最小化供給模塊的解構和重新組合，而對話并不一定在所有場景下都是最高效的交互方式。

對此感興趣的可以去看 Geoffrey Litt 的文章 Malleable software in the age of LLMs，他在里面進行了很詳細的論證。

簡單結論我們在之前的文章中也有寫過，即對話和圖形界面的組合才是最高效的產品交互方式，最終在 AI 時代，產品最核心的變化潛力可能是每個用戶都有機會用對話去重塑自己的圖形界面（或至少是 AI 能基于用戶需求去提示和建議產品功能）。

（從另一個視角看，一個好的產品設計應該能讓人一心二用，即用戶可以一邊聊天一邊做事，而不是只有聊天才能做事。）

四）壁壘是什么

最后，我們終于進入到這個話題。

ELAD GIL 試圖在 Defensibility & Competition 這篇文章中解釋 AI 公司壁壘的問題，但他一上來其實就明確給出了結論：

極少有 SaaS 或 AI 的公司在早期就有壁壘的，大多這類的公司都是在后續發展中逐漸找到并形成自己的壁壘。

當然這個答案對于國內的投資人來說可能并不足夠。

那我們不妨想一下，投資人為什么在這個時候更看重壁壘？之前投 SaaS、投消費、或者我們回溯到早期投移動互聯網 APP 的時候，到底是不是天使輪就要論證出項目明確的壁壘呢？

我覺得出現這個情況有幾個原因：

1）過去幾年市場募資環境和投資方向的變化，讓大家對于確定性和壁壘的要求更高，但這是否相當于追求讓風險投資變的不那么有風險，是否值得商榷？當下市場中真正的天使投資是否供給不足？

2）AI 行業過去一段時間確實發展太快，大家決策的信息輸入不夠完備，所以要出手并不 comfortable，但當市場信息全都清晰的時候，該如何錯位獲取超額回報？

3）大家過于看重底層大模型的能力，覺得大模型是萬能的，這個觀點我們并不認同，也在上文中辯證了一部分，我們堅定的認為產品能力永遠是核心，技術只是解決用戶需求的手段，所以我們看好端到端應用，且認為國內創業者選擇從產品場景切入，再反向補足模型能力的路徑是合理且可行的。

4）大多創始人確實講的方向重疊，且錯誤預判了市場對 AI 的熱度，在產品未上線無數據的時候過早進行市場化融資，且對 AI 能力和用戶需求的理解上想的還不夠深入（大多時候也是因為沒有實踐，而非沒有能力）。

所以最后我們給大多關注該領域的創業者的建議是：

1）市場沒有想象中好，熱度不代表交易轉化，建議不要在產品未上線或沒有數據前期待利用市場熱度順利完成融資。

2）如果確實需要融資，建議理性客觀對待市場，大幅放低估值期待，先小額出讓股份，用低估值降低投資人對不確定性的顧慮，拿些小錢做到 POC 并不丟人。

3）問自己三個問題，關于 AI 我比別人更深的認知是什么、更巧妙的應用是什么？關于用戶需求和場景我比別人不一樣的理解是什么、不一樣的產品功能點是什么？關于壁壘和核心競爭力我該如何回答？

4）做好未來要擁有自己的垂直模型的準備，對于產品型創始人來說，這可能是未來對團隊能力的一個挑戰，誰能更好的講清和做到這點也可能是最終真正被買單的壁壘。

5）來找我們聊聊（微信 qukai42），看看市場一線的創始人在做什么講什么，到底哪些投資人真的在出手該領域，他們又有什么最新的想法和變化。

btw 如果你對 AI 感興趣，希望參與到這波 AI 的浪潮第一線中，我們也在招聘，尤其歡迎有技術背景或有良好的外文博客閱讀習慣的同學聯系我們，實習及全職皆可，我們的郵箱是 kaiqu@42zhj.com

42章經

思考事物本質