林骏超：从一级市场角度看AI的投资机会

应用层可以分为通用大模型和垂直行业大模型，我们主要关注通用大模型领域内的新一代AI赋能生产力工具和各垂直行业领域的大模型应用机遇。

to C—AI赋能生产力工具

疫情时代，Notion、Figma、Canva等以协作为主题的生产力工具发生了变革。同样，在这波AI浪潮下，生产力工具也将迎来新一次的变革。

如今我们看到大模型已在文本、代码、图像、音乐、视频、3D等方面不同程度的渗透，各类新产品和新应用层出不穷，例如文本领域的聊天机器人和办公产品copilot，代码领域的GitHub copilot，图像领域的Midjourney和Stable Diffusion，之前音乐领域火爆一时的AI孙燕姿，视频领域的runway等等，国内如百度、金山办公、印象笔记、智谱华章等也纷纷推出了类似的AI产品，都在不同程度地改变传统生产力工具的形态，但目前还仅限于各领域工业生产过程中的效率工具，无法实现真正意义上的AGI。

同时，可以看到微软office、Adobe Photoshop、Unity、Notion等厂商也在积极拥抱这波AI浪潮，将AGI能力嵌入到自家的产品和工具链中。原以为Midjourney和Stable Diffusion的出现会完全替代Photoshop，但后来发现AGI因为在可控性等方面的问题，反而让结合AI生成能力的Photoshop，变得更加强大和好用。

3D领域是目前最难实现AI化的领域之一，核心因素主要在于高质量的3D数据太少。目前，3D内容的AGI主要还是NVIDIA、Unity、Stability.ai和科研院所在探索和引领，但现阶段都还是Demo和散点状的工具为主，离真正能够应用到影视特效、游戏、元宇宙等工业领域还有很长的路需要走。

to B—垂直行业大模型

目前，各大厂推出的大模型产品，大多属于通用大模型，但面向垂直行业时，B端客户需要的是高准确性、高一致性、轻部署的大模型，能够用较少的数据、较低的算力、高效地解决具体场景问题。华为最新发布的盘古3.0大模型就在基础大模型之上，增加了N个L1行业大模型和X个L2场景模型能力。

垂直行业大模型的核心关键点在于高质量的行业数据集和模型调优、压缩和部署的工程化能力。这也是投资机会点，就如同云原生时代下的容器机遇一样，大量传统行业中小B企业，需要依靠专业化的容器厂商帮助自己走上云原生的道路。

目前，海外在垂直行业大模型领域已有大量的探索和实践，例如FinGPT领域的BloombergGPT，Bloomberg将过去40年积累的金融数据转换成了3650亿token的金融数据集，并结合通用数据集训练了自己的500亿参数BloombergGPT；LawGPT领域的EvenUp（个人伤害索赔案件文件处理）、Casetest（被汤森路透以6.5亿美元收购）等；MedGPT领域，谷歌的Med-PaLM 2、微软的Nuance（集成GPT-4发布支持语音的医疗病历生成应用程序—DAX Express）等。

最后谈一下海外AGI赛道的资本关注点：从投资数量来看，前五大分别是营销类文本应用、音频、客户支持/客服机器人、图像和MLOps平台；从融资金额角度来看，资金更多地流向了MLOps平台，它的核心价值在于降低开发大模型门槛，其次是客服机器人、音频、数字人及配音、图像。

问答

Q1:做数据标注、辅助AI发展的外包服务公司，最近好像生意也非常好，你们的投资倾向会是怎样？

A:这两个方向目前我们都在关注。数据标注领域主要关注这些公司如何借助大模型的能力来提高标注效率，例如使用GPT-4来标注文本，使用SAM来标注图片等。因为数据标注领域目前的核心竞争点是效率和毛利，谁能够借助大模型能力实现更高效的标注。大模型服务方面，会类似云原生时代下的容器机遇，需要有专业厂商来降低大模型的训练、开发和部署门槛，帮助每个企业实现大模型自由。

Q2: AI现在有TO C和TO B两大类方向，您觉得TO C机会更大还是TO B机会更大？

A:我们更关注TO B。因为TO C领域，有太多的互联网巨头，特别像国内APP应用生态这么强的地方，大厂能够更容易地在自己的APP中嵌入AI能力。因此，我们更关注他们的数据整合能力、商业化理解和工程化能力。

Q3:即便是十亿参数以上的大模型，国内已报告的有80多家。在大模型这块的投资趋势怎么样？开源和闭源的比较会如何选择？

A:对于开源和闭源，要思考如何用好开源以及如何用好开源模型进行商业化，比如LLaMA在开源协议内就有商业化的限制。闭源就需要自己做生态和支持，这可能只有大厂才有能力和财力来维持。

Q4:从AI创业者的角度，可以分成三大类。一类来自大厂，已经有很大名气的创始人。另一类是学院派，来自清华系或其他领域的院士和专家。还有一类偏向草根派的创业者。对于这三类，您更看好哪一类？

A:国内这波大模型浪潮，很多是在Open AI发布了ChatGPT，LLaMA和Bloom等大模型开源之后才出现的，我们目前持观望态度。当然，国内也有不少前瞻性较强的大厂、学院派创业公司在这波大模型热潮出现之前，就已经在探索。

对于学院派团队来说，如何实现商业化，最具挑战。所以我认为未来没有必要自己做到底，如OpenAI和微软的合作，可以将大模型能力赋予大厂。我们现在就在围绕开源中国寻找标的，因为它有IDE产品线，需要代码的copilot，所以在寻找与学院派团队的合作可能性，我认为这种方式更走得通一些。

Q5:在B端有哪些垂直行业最有可能实现商业化突破？

A:由于大模型的能力具有泛化和多模态的特点，像法律领域是一个非常常见的场景，对文字内容的需求非常大。大模型正好具备这种能力，尽管准确性方面仍需要解决一些问题。另外，个人助理类的产品也是一个可以遐想的场景，尽管发展周期可能较长。

过去半年，AI大模型如雨后春笋般涌现，不论是一级市场还是二级市场，国内的AI投资非常火热。基于大模型的相关应用迅速兴起，数月内仅国内就有近百家AI企业推出了大模型产品。在刚刚过去的世界人工智能大会上，大模型同样成为全场的焦点，30多款大模型集中亮相，20多场大模型论坛应接不暇。整个行业有太多的新机遇值得探索。钛资本为投资机构和优秀企业搭建桥梁，共促产业上下游交流，见证产业高速发展带来的世界新格局。

【文章来源】钛资本研究院；特别声明：以上内容(如有图片或视频亦包括在内)来自网络，已备注来源；本平台仅提供信息和存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by user of ASKAI, which is a social media platform focused on technology of CHATGPT and only provides information storage services.