ChatGPT能讓TMT投資“借屍還魂”嗎？

去年12月，我第一次關注到ChatGPT，當時它在不到一週內使用者破百萬，海內外一小撮科技愛好者開始熱情地談論這個對話機器人。我以為它會像元宇宙，像Clubhouse，像我追過的大多數熱點一樣，很快過期，消散在新聞塵煙中。未曾想到兩個月後，國內掀起人人談論ChatGPT的熱潮。就在我開始寫這篇文章的日子，ChatGPT概念股再掀漲停潮，三六零漲停，哪怕這家公司已經在前一週聲明，目前的技術水準只能做到略強於GPT2.0。

股民在狂歡，業界在反思，“中國OpenAI”成了一面新旗幟。大廠之外，王慧文攜頂級VC入局讓沉寂許久的創投圈再度熱鬧了起來。帶資入場的老王對人才提出了三條要求：業界公認頂級研發人才；狂熱相信AI改變世界；堅定確保AI造福人類。幾天後，一張流傳的朋友圈截圖上，智源副院長劉江宣佈加入王慧文團隊，感慨“此生有幸，能夠參與這麼偉大的事業”。

一位投資人朋友對我講，VC去王慧文那裡目前就是“拿號”，只能溝通希望投入的資金額度，但沒有定價，也就是說錢要承諾投出去，能換多少股份？不知道。按照最新的消息，這位前美團高級副總裁籌集的承諾投資額度，已經超過了3億美元。

他的即刻首頁簽名也換了，目前是“正在學習人工智慧”。

追憶起來，上一波洋溢著這種“改變世界”熱情並且不吝高舉高打的，還是移動網際網路時代的創業者和投資人。ChatGPT的火讓共識迅速達成，對風口和趨勢的敏感，已經讓他們當中的一些人躬身入局。

“比起過去兩年的元宇宙和Web3概念，這一波AI的概念更能夠讓大家感同身受，由此帶來的是更加清晰、長遠和深刻的變化。大語言模型是一個可能跟移動網際網路相當等級的事情，中美大公司都在全力入場，我知道國內很多網際網路大佬級人物也都在思考如何驅動自己的公司進行研究和變革。”真格基金管理合夥人戴雨森告訴我。

一些人更早看到了趨勢。我想起去年9月，紅杉美國的兩位合夥人在一篇題為《Generative AI: A Creative New World》的文章裡曾預判：“正如移動裝置通過GPS、攝影機和網路連線等新功能釋放了新類型的應用程式一樣，我們預計這些大型模型將激發生成式AI應用程式的新浪潮。就像十年前移動網際網路被一些殺手級應用打開了市場一樣，生成式AI的殺手級應用程式也會出現，比賽開始了。”

比賽開始了。面對新浪潮，真格的態度是“All-in”。在不久前的內部會上，這位管理合夥人放言：“回到賈伯斯剛剛發佈iPhone的時刻，當年的任何一家VC基金，有多少投資人去看移動網際網路項目都是不嫌多的。”但已經有人質疑王慧文入場的時間，為何早不做晚不做，剛好是在ChatGPT最火的時候站出來了。

當我把“時機”的問題拋給戴雨森，他嘗試用移動網際網路的時間尺度來界定這個問題。“你不會說蘋果發佈iPhone兩個月後入場的人來晚了是吧？我覺得現在就是未來10年到20年的週期裡剛開始的那兩個月。”

真的，這種理由，這種熱情，這種關於“時機”的問答套路，都和前幾年我在網際網路投資報導裡見到的一模一樣。甚至行家們也都在用“月活、流量、使用者數”這套你我熟得不能再熟悉的框架在解構ChatGPT，我的同事曹瑋鈺同樣提出了這樣一個問題：ChatGPT能讓TMT投資“借屍還魂”嗎？

大模型的想像空間

ChatGPT的爆發節點，一定是和“問答”這個應用場景有關的，換句話說，是和它在C端流量的爆發緊密相關。畢竟，這是AI界第一次免費向公眾提供如此強大，而使用介面又如此友好的工具。

在追逐潮流的人眼中，ChatGPT的吸引力在於，可以回答很多開放式問題，並以“高情商”的對話方式與你互動。比如，你可以和它聊聊人生哲學，探討一下生命的意義，或是找它尋求追求真愛的建議。

在關心技術和行業的人看來，跟上一代自然語言處理（NLP）相比，ChatGPT背後則是AI技術範式的變化。和機器視覺、語音輸入等專用人工智慧相比，ChatGPT更讓人看到通用人工智慧（AGI）的曙光。

明勢資本合夥人夏令告訴我，GPT系列裡真正的標竿性變化其實是2020年的GPT-3，它代表著基於一個語言模型能實現眾多不同任務的通用人工智慧（AGI）雛形的誕生。後來在此基礎上又引入人類反饋和安全性的對齊研究，人們的直觀感受就是可以用自然語言與ChatGPT對話，而ChatGPT的回答“智商”和“情商”很高。

從產業的維度看，ChatGPT背後的大型語言模型（LLM）被視為新一代人工智慧的基礎設施，它通用能力強，可以完成多場景任務，提高腦力勞動效率。夏令告訴我，以前的AI公司需要根據不同的任務訓練出不同的模型，AI公司越商業化越像一個項目型公司；而新一代AI公司可以一個統一的大模型直接應對不同的任務，模型開發門檻高，但後續實現不同任務的開發工程量大幅下降，AI公司的商業模式發生變化。加上使用者在環、使用者反饋對底層模型迭代異常重要，新一代AI公司有機會也需要直接面向使用者提供產品和服務。

Magi 創始人季逸超開發過基於機器學習的搜尋引擎，現在正參與一個名為Open Assistant的開放原始碼專案，其目標是讓更多人有機會使用類似ChatGPT的對話式AI。談及在國內AI創業的挑戰，Peak告訴我，過往AI在一個行業能不能落地，往往要看這個行業有沒有足夠多的有標註的資料，而有標註的資料很貴，所以過去AI公司往往會盯著金融、醫療等少數幾個“有錢有人有資料”的領域在做，很多細分市場沒能享受到AI帶來的數位化轉型。

ChatGPT讓他看到一種新的可能性：不需要為一項任務單獨調整模型，利用靜態的模型也可以達成一項全新的任務。“ChatGPT跨行業對話的效果是驚人的，在這套新範式之下，原來沒被AI惠及的藍海領域都有可能被惠及，ChatGPT可能成為一個新的底座，會有更多建立在它的生態之上的創業公司出現。”

戴雨森看到的商業價值則在於，跟之前的AI創業公司相比，ChatGPT為代表的AIGC可能應用的領域更加廣闊，且對技術精確度要求低很多，存在很多技術做到80分就可以去做的空間，由此大大加速商業化處理程序。他以自動駕駛為例對比了這種不同。“每年國內外在自動駕駛上投資超過幾百億美元，但即使技術可以拓展，使用者場景還是相對單一，必須做到非常高的精準度才可以用。相較而言，繪圖、生成文字等內容生成領域對準確性的要求往沒有那麼高，現在就可以用起來，帶來娛樂價值甚至是商業價值。”

此外，上一波AI創業中的典型場景如人臉識別還是更2B的場景，普通使用者難以直接體驗，但是現在的AIGC公司可以直接提供ChatGPT、MidJourney這樣的使用者端產品。“通俗來講，它像其他成功的一些網際網路產品一樣，具有很低的使用門檻，讓人耳目一新的效果，以及很強的傳播性。”

換句話說，過去，我們經歷了移動網際網路的黃金十年，開掘了O2O、移動支付、短影片等典型場景。如今，以ChatGPT為底座，徐徐展開的是等待填充的AI時代的應用場景。“我覺得ChatGPT帶來的這波變革可能比移動網際網路時代的還要劇烈，網際網路帶來的只是效率的提升，AI是能提升生產力的。”中科創星創始合夥人米磊告訴我。

如此看來，想像空間已經有了。

“國內真有像樣的企業嗎？”

機構們已經聞風而動。按我一位朋友的觀察，原來看消費、看出海的投資人，現在又都一股腦看AIGC了。

“國外已經跑通了這個方向，中國最擅長的就是追趕超越。”米磊說。

某美元基金合夥人表示，現在手裡已經有產品的，靠大模型訓練能立刻產品化並且有實際效率提升功能的團隊，一開始會比較佔優，他們有幾個portfolio最近已經加碼。

據我瞭解，多家美元基金最近在都關注一個叫Glow的AI社交產品。和AI聊天，這不算是新的應用方向了，但藉著AIGC的風潮，已經有從業者戲稱其為“本年度最卷賽道”。“隨著ChatGPT的API即將開放，很多公司都會想成為它的應用層，不管是用在做聊天社交，還是客服、遊戲、互動小說和行銷，都會有它的應用空間，類似於Jasper的中間層公司會越來越多。”一位AIGC創業者告訴我。

真格過往投了不少AI公司，戴雨森透露，這些公司都在積極擁抱新技術。我們採訪的這天下午，他計畫見一個獨角獸AI公司的創始人，對方正考慮徹底轉型到大模型的路徑。

第一波敏銳的創業者已經開始考慮第一波應用的理想場景。戴雨森認為，做能快速反應、各行各業都懂但又沒有那麼精確的個人助手，或許是一個很好的定位。海外，在Google準備應對ChatGPT帶來的挑戰時，一些初創公司已經推出了You.com、Perplexity AI等具有對話式AI或智能總結能力的搜尋引擎。但在戴雨森看來，AI顛覆搜尋引擎還為時尚早，ChatGPT目前無法進行數理計算，而且提供的很多資訊存在錯誤。“所謂生成式AI，重點是在生成上，這和搜尋引擎強調的資訊取回是很不一樣的任務。”

在他看來，當蘋果剛發佈iPhone和App Store的時候，最初推出的很多App並沒有太多用處，只是讓人覺得好玩，往往也不一定能夠活到最後。但一方面，應用如果能夠留存使用者資產，資料資產，品牌資產等，是有可能做大的。比如，在移動網際網路早期有很多人做濾鏡工具，最後大部分都消失了，但Instagram成為最後的贏家。另一方面，在早期就入局的創業者會積累寶貴的經驗，在後續的嘗試中會更加有競爭優勢。與此同，他關注到，像Jasper這樣基於GPT-3在某個具體領域發展起來的應用層公司已經有超過1億美金的ARR，初步驗證了商業模式的可行性。

他認為，AI行業未來也許會出現類似網際網路領域的平台加應用的生態。也許大模型不是語言模型的終局，但如果按照現在大家看到的最佳時間，大模型作為底層的基礎設施，隨著資料越來越大，參數越來越多，訓練需要的算力和成本越來越高，它可能就會變得越來越類似於公有雲的商業模式，具有非常高的天花板和很強的壁壘——它是一個底座，大家進行fine-tuning（微調），針對不同的細分領域開發應用場景，這就跟在公有雲上做應用類似。

在ChatGPT引領的新浪潮之中，明勢資本主要關注三類公司：一是像OpenAI一樣專注於大模型的公司；二是既做大模型，又做直接應用垂直一體化的公司，如Midjourney；三是呼叫大模型API的公司，基於大模型重點開發具體場景的AI應用公司，如Jasper。

這三類公司過去兩年在海外快速湧現，夏令相信在國內也會看到類似的局面。“創業公司和大廠裡肯定都會有幾家做大模型的公司出來。我相信大廠還會有自己的位置，但這並不意味著當中就沒有創業公司的機會。”

在他看來，處於早期階段的創業公司，要想獲得投資人的垂青，以下核心能力至少要具備一項。要麼，你的技術和工程化能力得特別強，比如能夠更低的成本和更高效的迭代做出先進的大型語言模型和反饋模型。要麼，你得對C端使用者或者B端場景的需求有特別深刻的洞察，知道怎麼把痛點跟AI技術結合，打造很強的產品力。

然而，今天國內業界的實際情況是，大多公司兩者都不沾邊。“有能力自研大模型的公司很少，大多數要麼基於開源模型做二開，要麼做prompt engineering（提示工程）。如果是能夠應用好現有AI技術也是可以的，但需要想清楚可用的AI技術要解決的是何種場景之下的剛需問題。”

2022年曾短暫地湧起過一波AI繪畫熱。海外，這個賽道甚至已經跑出了獨角獸。去年10月，AI繪畫平台Stable Diffusion背後的Stability AI宣佈獲得1.01億美元投資，投後估值攀升至10億美元。Stable diffusion是一個開源模型，人們可以基於它進行快速二開，推出自己的模型產品。技術上的差距彷彿被拉平了，但夏令關注到，國內的優質的AI生成圖片公司仍然很少。“技術遠沒有成熟，今天技術只是剛剛與商業化搭了個邊。AI生成圖片效果最好的Midjourney不開源。國內公司探索商業化的難度不小。”

夏令的觀察在另一位來自某雙幣基金的投資人Jack那裡也得到了驗證。去年我寫的一篇AIGC的報導吸引來Jack找我交流項目情況。最近我詢問這位朋友的近況時，他告訴我已經很久沒關注AIGC了。去年，他看了不少依託於Stable diffusion 和Disco diffusion起來的國內AI繪畫企業，但看完感覺挺失望，一個都沒投。他倒是覺得國內能投的點不在於模型是不是自研。按他的話說，開源了直接能用也行啊，還是得綜合看後面的產品。

“但關鍵是產品也不行，國內企業的產品力距離Midjourney越來越遠了。”這位投資人最近在忙著看新能源的項目，得知我的選題，他好奇道，ChatGPT這波，國內真有像樣的企業嗎？

“就像《三體》裡質子把人類科技鎖死一樣”

“國內能做大模型的創業公司，一隻手數得過來。”這是我最近聽到的說法。

智譜華章是國內較早進行大模型研發的公司，其前身是清華大學知識工程實驗室。今年，智譜華章提供近千張A100，聯合清華幾個實驗室一起訓練出了GLM-130B，這應該算是國內唯一一個可與GPT-3基座模型對標的開源雙語模型。

“ChatGPT的橫空出世和驚豔表現表明我們在大模型上的研究還存在代差。”智譜華章負責人在給我的文字回覆中言辭誠懇。他提出：一方面，要靜下心來，認真思考我們差距在哪裡，另一方面，我們也留意到ChatGPT也存在一定的不足，例如常識缺失。

ChatGPT在回答一斤羽毛和一斤木頭誰重的時候會出現邏輯錯誤。究其原因，OpenAI訓練的每一次進步都是演算法+資料巧妙設計的結果，但這些訓練過程都沒有考慮常識知識的加入。基於此，智譜AI在大模型中加入記憶模組、加入基於self-instruct的自我反思機制。

有從業者告訴我，智譜AI的技術水平相當於給國內蓋了一個明確的時間戳——我們現在落後美國大概兩到三年的節奏。在原創大模型開發方面，他更看好兩類公司，一類是百度、位元組等商業大公司，一類是智譜華章這樣的國資背景的研究所。

若討論追趕，首先不得不提的是高昂的訓練成本。Peak告訴我，GPT-3時代進行一次完整訓練的成本大概是400萬美元，但一方面，大模型很難一次完成，另外，除了訓練階段，線上的推理階段價格也非常昂貴。中美在語料質量上的差異也是需要解決的問題。

此外，當前OpenAI的GPT對中國停用，輝達的A100等高端晶片對中國禁售，是國內公司在做大模型過程中面臨的兩大挑戰。

正是基於此，米磊認為，相較於大模型所代表的基礎設施創新，AI晶片為代表的底層硬科技的突破更為關鍵。米磊用“亂拳打死老師傅”形容這波AI技術進展——它相當於在演算法進展不大的情況下純粹堆算力和資料的產物。事實上，在ChatGPT火爆之前，並沒有太多人看好大模型這條路徑，但按這一模式繼續下去也可能會再度遭遇瓶頸。

“大模型當然值得關注，但沒有AI晶片來訓練，開發大模型就如同無本之源。這就像《三體》裡質子把人類科技鎖死了一樣，你能怎麼辦？”

在此形勢下，要想做出中國的ChatGPT，沒有捷徑可走。

ChatGPT的工程化能力也不應被忽視。一位AIGC從業者曾與我分享Meta首席人工智慧科學家LeCun對ChatGPT的看法，認為那能代表業內很多人的觀點。LeCun認為，與其說ChatGPT是一個科學突破，不如說它是一個像樣的工程實例。當我把這個問題拋給Peak，他同樣認為，ChatGPT的成功，演算法跟技術方面的原因可能只佔到40%左右，甚至60%的成功是在工程方面。

根據瑞銀集團2月發佈的未經證實的資料，截至今年1月，ChatGPT的月活躍使用者數預計已達1億。“ChatGPT的使用者量呈爆炸式增長，而背後的模型能同時服務這麼多使用者。我不知道OpenAI跟微軟之間的分工是怎麼樣的，但就從它服務使用者的容量來說，這也是一個革命性的產品。”

夏令告訴我，真正的難點倒不是錢。以他掌握的資訊來看，國內訓練模型的成本方式遠比openAI低，挑戰在於，大模型從業者需要以工程化而不是學術的思維推進底層大模型研發。“學術思維往往著眼於單點最優，比如參數量最高，而工程的思維則要求你能基於場景需求在成本、規模和效率之間做成正確的權衡取捨，AI領域能做到這一點的人當下在國內很稀缺。”

ChatGPT當然是個風向標，但對於今天的投資人來說，如果不能理解從底層技術到工程落地到產品之間的巨大鴻溝，只簡單複製過去TMT投資用密集資本推高項目估值的玩法，那無疑將是“中國Open AI”的遺憾。

泡沫和啤酒

最近我看到一位投資人在朋友圈感慨，資本對科技行業其實沒那麼重要，因為在真正的技術和商業天才面前，資本從來都是蹭蹭上車的。我同意後半句。但資本顯然也很重要，畢竟上車容易，保持足夠的定力和耐心很難，畢竟誰也不能保證一路都是順風車。

早在2019年，中科創星投資了智譜華章的天使輪。按米磊的說法，大語言模型是最近兩年才摸索出來的方向，但在當時還沒有人能清晰地預判未來。

米磊也看到了國內資本市場的一些問題，期待能慢慢推動行業理念的變革。“國外可以花很長時間磨一個大招出來，國內相當於練兩個小招就下山砍柴去了，中國需要願意支援創業公司十年磨一劍的耐心資本。我們希望行業裡能夠有越來越多真正有耐心的長期資本，也呼籲大家多多關注真正的硬科技。”

“我相信咱們國內不缺厲害的科學家，會有跟海外AI領軍人物水平、視野和品味相當的人，但怎麼能讓這些人拿到長期的資金支援，這一點是很難的。”在跟我談及國內做AI公司面臨的現實挑戰時，Peak也提到資本。

另一個現實掣肘是，如果你是一家做2B的AI公司，那可能從成立第一天起，客戶就會對你提出定製和私有化部署的要求，這會驅使公司走上銷售主導的路子。“AI公司都不想變成項目制，但AI公司誰不是項目制呢？”由此導致的問題是，創業者可能很容易被鎖死在一個項目上，從而喪失水平探索的機會，久而久之會導致視野狹窄，技術落後。要知道，在科研領域，很多技術突破並不是靠深耕就能獲得的。比如，最近一年AI在圖像領域的進展其實得益於NLP領域Transform模型在圖像中的應用。

技術、商業和資本，這三者之間的關係並不總是相輔相成。即使是專注科研的OpenAI，在商業化面前也並非巋然不動。2019年，OpenAI宣佈重組，YC總裁Sam Altman正式加入OpenAI擔任CEO。Altman解決了融資問題，但他讓技術研發聚焦在更具商業價值方面的主張也導致了團隊價值觀的分裂。結果是，2021年，OpenAI前研究副總裁Dario Amodei帶著數名員工離開OpenAI，成立了自己的研究實驗室Anthropic。

故事還在繼續。當微軟多次加注OpenAI，Google除了緊鑼密鼓地開發自己的模型，也向初創公司伸出橄欖枝。2022年底，Google向Anthropic投資了約3億美元，由此獲得10%的股份，這家公司的最新估值已近50億美元（折合人民幣300多億元），而它的一款ChatGPT競品還在測試，尚未上線。

戴雨森認為，在被ChatGPT重燃的AI行業，現在看到很高的估值和很瘋狂的故事，也都正常。“對於新技術，我們總是短期高估，長期低估。從網際網路誕生到現在，蹭熱度的人還少嗎？任何科技熱點都會進入一個泡沫週期，但我覺得這次泡沫週期過後留下來的啤酒會比之前多。畢竟，有的泡沫退去之後，人們會發現原來根本沒有啤酒，只有一個巨大的泡沫。”

（文中Jack為化名）

本文來自微信公眾號“投中網”（ID:China-Venture），作者：劉燕秋，36氪經授權發佈。

本文經授權發布，不代表36氪立場。

如若轉載請註明出處。來源出處：36氪