LP说要签名打赌，我一晚上都睡不着
06-18
AI创业目前如火如荼。
现在是参与的好时机吗？ AI项目在哪些领域更容易获得融资？哪些类型的AI产品流量更大、用户粘性更强？ AI 2.0阶段的创业与AI 1.0阶段的创业经历了哪些技术范式的转变？ 对于准备入行、目前涉足AI领域的创业者来说，金秋基金投资副总裁郑晓潮，通过对AI行业、趋势、产品等维度的分析，明确了最重要的两个从投资角度看人工智能创业的各个方面。
问题是——正确的方向和正确的时间。
作为专注于人工智能投资的金秋基金，始终走在行业最前沿，了??解人工智能技术的发展趋势和创业市场的变化。
过去，它投资了多家具有全球视野和技术创新和商业化能力的人工智能公司。
头部企业。
这是金秋基金、火山引擎、飞书、长江商学院联合推出的“AI未来空间站”项目的首个公开课程内容。
能力、一线风险投资视角、潜力资本赋能、系统专业管理理念赋能新一代AI创业者和企业家。
本文是金秋基金投资副总裁郑晓《从投资视角看AIGC发展趋势》演讲的精华，有部分删节：AIGC正处于技术萌芽期和预期扩张阶段。
一项新技术在其发展过程中会经历一个相对缓慢的休眠期等，过了一个临界点后就会进入一个快速发展期，然后进入一个相对稳定的发展阶段。
这就是我们通常所说的创新扩散的“S形曲线”。
事实上，之前的几个技术周期都经历过这样的过程。
PC互联网时代，PC出货量在2016年开始达到顶峰，随后进入逐年下滑的阶段。
今年以来，移动互联网已经蛰伏多年，围绕iPhone的各种移动互联网应用也纷纷涌现。
字节也开始出现在.现阶段，移动互联网开始接管PC互联网，进入快速增长阶段。
不过，2009年，智能手机出货量也开始见顶。
从2016年至今，整个移动互联网的创新速度明显放缓。
从2010年的iPhone 10到最近发布的iPhone 15，作为一名铁杆苹果粉，我已经逐渐不再关注春晚了，因为很多创新实际上已经变成了微创新，并没有让人感觉很特别。
兴奋点。
不过，今年6月份苹果发布的Vision Pro还是非常令人期待的。
Vision Pro项目大概是在2016年左右成立的，当时智能手机出货量开始达到顶峰，新技术又开始冬眠。
另外一个有趣的点是，为这波大模型奠定基础的论文——Transformer 技术框架《Attentions? is All You Need》也是 Google 团队在今年 6 月提出的。
经过多年的积累，今年ChatGPT彻底引爆了整个市场，目前已经进入大型车型快速发展的早期阶段。
当然，大模型可能不是这个周期中最重要的。
AR和VR也是不可忽视的技术变量。
我们来看看大模型的具体开发周期。
Gartener 技术成熟度曲线旨在说明新技术通常经历的阶段。
目前，基于AIGC的AI 2.0正处于技术萌芽阶段，期望值过高。
我们看到ChatGPT流量从今年5月份开始达到峰值，近几个月一直在下降，所以我认为整体市场预期正在慢慢变得平静。
对于整个大模型引领的这一波新技术，长期来看我们会保持乐观，但短期我们会保持相对理性。
文本和图像 AIGC 应用层机会开始出现。
每一项技术创新在整个周期的不同阶段在价值链中都有不同的位置，这就是价值链的转移。
随着价值链的转移，其市场规模正逐步扩大几个数量级。
虽然应用层的市场规模最大，但其市场集中度会降低，而底层技术、硬件框架、操作系统市场则相对更加集中（否则对于应用开发者来说将是一场灾难）。
所以一般来说，上游集中度非常高，可能两三个公司占据了一半以上的市场，但下游会处于百花齐放的状态，大量的应用会上马。
比如PC互联网时代，早期能够捕捉到整个产业链价值的其实都是硬件公司，比如IBM、苹果。
后来又传给做操作系统的微软、做芯片的英特尔，然后再传给应用层。
像Google、Facebook等。
同样，移动互联网也会经历类似的循环，从智能手机到Android和iOS，再到ARM或高通，最后到字节跳动和美团等应用程序。
对于大型模型，我们认为像OpenAI和芯片公司NVIDIA这样的大型模型公司实际上起到了大型模型技术浪潮的技术基础的作用。
随着大语言模型和Vincentian图模型的成熟，我们看到了Midjourney、Character.ai等许多优秀应用的出现。
这里的一个要点是我们需要在正确的时间做正确的事情。
当底层技术还不够成熟的时候，就可以进行技术创新，因为这时候技术优势可以带来非常强的产品竞争力。
比如ChatGPT之所以非常强大，是因为它有自己庞大的底层模型，而Midjourney的效果也很惊人。
因为底层大模型是他们自己做的，所以产品力非常突出。
但当底层技术非常成熟时，创业者应该在应用层寻找更多的创新机会。
如果这个时候我们尝试做大规模的语言模型创新，将会非常复杂和困难。
3D、音频和视频大型模型仍处于技术发展的早期阶段。
细看，目前不同模式的大型车型技术发展水平存在差异。
您目前可能更关注文本和图像。
两者都已进入相对成熟的阶段，应用开始爆发。
大语言模型 对于大语言模型来说，它实际上分为几个发展阶段。
第一个阶段是从2016年6月Transformer论文到2015年Bert模型出现，这个时期是非共识阶段。
大家都知道它，但它能起到什么作用就不清楚了。
2006年，Bert模型被提出，并开始应用于翻译等一些场景。
这时候大家发现基于Transformer预训练的模型可以提高翻译各种文本的效率，但当时它只是作为提高任务能力的工具。
第三阶段，随着GPT 3的出现，新的共识开始形成，即几乎所有任务都可以通过预训练的通用大模型来完成。
只要下一个代币预测变得越来越准确，就可能会产生更多的智能。
那就是“涌现”，这是大模型人工智能的基本原理。
过去的各种小模型和架构可能会逐渐被抛弃。
现在大型语言模型已经有了GPT 4等闭源基石模型，同时Llama 2等开源模型也出现了。
从底层技术来看，大语言模型已经相对成熟，已经有像ChatGPT这样月活过亿的杀手级应用，教育了整个市场和用户。
因此，大语言模型已经进入了应用快速爆发的阶段，包括各个企业可能正在利用AI工具和Copilot结合业务场景来构建企业知识库、聊天机器人、游戏NPC等。
事实上，这些都在发生。
Vincent Picture 其次，图像生成领域也已经进入了一个相对成熟的阶段。
更重要的基石理论Diffusion扩散模型在2008年提出，2015年推出OpenAI DALL-E。
2018年上半年推出了闭源模型Midjourney V 1，但当时还处于起步阶段。
非常粗糙且难以商业化。
明年8月，Stable Diffusion发布了开源模型，随后整个文生图开始进入非常快速的发展阶段。
直到今年，Midjourney发布了V5版本，图像生成的效果已经达到了让设计师们恐慌的程度。
。
目前，Midjourney 的 Discord 社区拥有超过 10,000 名用户，是 Vincent Tu 的杀手级 APP。
在图像生成领域，其闭源基石模型和开源基石模型均已出现，并开始进入应用爆发阶段。
秒呀、Lensa等一系列应用如雨后春笋般涌现。
与大型语言模型和图像相比，其他模态目前在整个发展阶段都相对滞后，关注度也不高，例如在3D生成、视频生成和音频生成领域。
NeRF作为3D生成的基石理论于2001年提出，此后进入加速发展阶段。
大量的模型出现了，比如早期的DreamFusion、Magic3D等，但至今还没有出现一个被大家认可的基石。
模型。
但通过不断的研究，我们也发现，在一些游戏资产、元界资产、数字人资产的生成上，3D生成应用的探索相对较多。
视频生成此外，视频生成也是一个非常重要的方向。
它基于图像扩散模型，将不同图像的动作逐帧连接并关联成视频。
事实上，从去年开始，视频生成领域已经出现了非常丰富的论文和产品。
目前正在做的就是Runway，估值为15亿。
我们判断，目前视频生成的商业化还处于比较早期的阶段。
音频生成在音频生成领域，基于Transformer预训练的新技术范式相比之前的TTS语音将会有较大的质的飞跃，但目前还处于早期的应用探索阶段。
原因是没有丰富的图像和文字的音频数据。
值得一提的是，今年微软和Meta提出了一些有趣的音频生成模型，类似于ChatGPT的提示。
用户输入3秒的声音，它可以快速克隆用户自己的音色。
就连说话的情绪语气都是一样的。
但总体而言，3D视频和音频仍处于技术创新的早期阶段。
文字和图片AIGC访问*，商业AIGC正在崛起。
为了更清晰地洞察整个AI行业的创业格局，我们整理了今年8月份单月的AI海外产品走访情况。
如果排除ChatGPT等大型应用，今年8月份整个AI市场的访问量与我们上面介绍的分布情况比较吻合。
目前访问量最多的应用是文本，其次是图像，其次是业务领域、代码生成、音视频。
我们发现访问量最大的大型语言模型产品主要是虚拟人物，类似于character.ai，其次是一般书写。
图像更多的是图像生成和编辑领域。
商业领域主要包括各个垂直行业的应用。
上述访问量反映出带有文字和图像的AIGC产品目前比较容易找到PMF，但也表明创业者已经开始在这些领域发力。
聊天机器人的访问量最高，虚拟伴侣应用的用户粘性最强。
从动态变化的角度来看，AIGC热门产品近三个月的流量变化。
可以明显看出，整个市场实际上是从5月份开始见顶，6-8月份开始小幅下滑。
访问量最大的聊天机器人是 ChatGPT，但聊天机器人流量已连续三个月下降。
虽然 NewBing 等搜索的流量相对稳定，但图片生成产品的流量从 6 月到 8 月略有增加。
从平均用户时长来看，虽然虚拟伴侣应用的访问量不是特别多，仅在所有应用中排名第五，但其平均用户时长却是最长的，平均为25分钟，并且还在不断上升。
。
例如，character.ai 当前的平均用户时间为 34 分钟。
排名第二和第三的用户分别是生产力助手和文档制作。
AI集中度变高，副驾驶型创业占比近半。
YC创业营基本上是北美创业的标杆。
我们从YC孵化器今年冬夏两个创业营的数据中可以观察到AI海外创业的趋势。
首先，人工智能的集中度快速提升，这也意味着人工智能创业变得更加复杂。
今年上半年，37%的项目是人工智能项目。
截至今年9月，AI项目占比已增至60%。
其次，不同类型人工智能项目的占比和分类也发生了明显变化。
低水平大模创业数量不断减少，从14%下降到6%。
更多的创业者开始转向应用层和中间层，其中更多的集中在Copilot上。
今年上半年，Copilot主要专注于ChatUI，相对浅薄。
与 Workflow 深度集成的 Copilot 已成为热门初创公司。
以法律行业为例。
法律行业的副驾驶扮演的是专业律师的合伙人角色。
它可以帮助律师审查合同、记录会议记录以及搜索公司内部知识库。
它不仅仅是一个用于法律问题和答案的对话框。
。
AIGC在通用场景融资较多，在垂直场景更容易启动。
从AI创业项目的融资金额来看，不同领域获得的融资金额不同。
从to B应用来看，一般场景的初创公司获得了较多的融资，而专注于垂直场景的to B应用仅获得了约1/5的融资。
to C应用主要分为个人通用应用和个人效率工具。
截至9月17日，个人通用应用的融资金额约为个人效率工具的两倍。
同样的趋势也出现在平均单笔投资金额上。
垂直场景下通用to B工具平均收到的钱是垂直行业的4倍左右。
一般to C应用平均获得的单笔融资金额约为单点工具to C应用的2.5倍。
由此我们还可以得出结论，通用场景往往成本更高，因为它需要兼顾不同领域的知识和能力，迎合更广泛的人群。
相对而言，专注于单点应用的垂直场景或工具并不实用。
它需要大量的资金来启动。
从新范式转变的角度看AIGC创业时机。
本文总结了过去和国外人工智能产品的新趋势和变化。
那么对于创业者来说，现在开始AIGC创业合适吗？在此我愿与大家分享几点看法。
*、预训练的大型模型带来了新的范式转变，使得利用AI技术进行应用开发的门槛比以前显着降低。
如果做to B业务，也会带来配送成本的大幅降低。
原理很简单。
在AI 1.0阶段，如果你想做一个AI应用，你需要计算能力和大量的数据准备，比如数据清洗、标签、结构化，然后根据你想要的任务将拆解的部分拆解完全的。
您可能需要训练小型模型，然后进行模型的运维和部署来支持您的应用程序。
而如果你做的是to B类型的，你可能必须为每个to B客户重做模型。
如果没有几十人的团队，是很难做到的。
但到了AI 2.0阶段，开发门槛发生了显着变化。
上述所有复杂任务都可以通过通用的大型模型来解决。
您可以使用通用大模型的API进行调用，也可以使用开源模型finetune自己创建一个。
如果团队强大，也可以自己训练一个大模型。
这个通用大模型可以解决之前10个小模型无法解决的问题。
问题。
当然，这是最简单的图。
您还可以添加向量数据库、思维链和思维树，使 AI 代理能够解决更复杂的问题。
但无论怎样，与AI 1.0时期相比，应用开发的门槛已经降低了一个数量级。
其次，大模型带来人机协作的新范式。
过去，人工智能是一个简单的工具，可能没有什么特别的帮助。
现在大家都在做AI Copilot，让AI成为你工作的伙伴。
你给它设定目标，它快速执行任务，然后你进行修改、调整和确认，最后AI完成任务。
我们现在正在从 Copilot 迁移到代理模式。
在代理模式下，AI作为公司员工，可以组建自己的团队。
你给AI代理一个任务，它可以自动将任务分配给产品经理、架构师、运维、程序员，让他们自己观察和思考。
，行动，然后结束整个任务。
在这种模式下，会诞生很多超级个人或者超级团队。
人类的作用是为人工智能设定目标、提供资源、进行检查、评估和反馈。
事实上，我们发现很多AIGC团队不再需要那么多人。
他们背后可能有许多人工智能机器人在工作。
例如，在一个10人的AI创业团队中，如果你担任CEO，CTO可能是GPT，CMO可能是Midjourney。
。
下一阶段的发展可能会进入AI社会模式，其中人类和智能体的角色相对平等。
他们既可以提出独立的需求，又可以互相提供资源。
当然，这是一个更长远的问题。
AIGC产品的开发门槛大幅降低，这也意味着只需要极少量的资金就可以推出AI产品。
据A16Z最新统计，访问量最高的AIGC公司TOP50中，有20多家从未获得过融资，这在之前的互联网时代其实是没有出现过的。
这里我们发现互联网的烧钱逻辑发生了变化。
创业者用少量资金推出人工智能产品是可行的。
原因就在于我们前面提到的开发门槛的降低以及新型人机协作带来的生产力提升。
另一方面对AI创业者来说的好消息是，消费者的使用意愿和付费意愿也大幅提升。
右图中，对比AIGC产品与非AIGC产品的自然获客情况，我们发现AIGC*四分位流量中只有2%来自付费流量，98%是自然增长。
与此同时，在AIGC TOP50公司中，90%的公司已经实现盈利。
对于非 AIGC 产品，前四分位 70% 的流量是付费的。
因此，与过去的互联网和移动互联网相比，人们对AIGC产品的使用和付费意愿增加了很多。
我认为背后的逻辑是，AIGC产品的一方面是为了提高生产力，而人们普遍更愿意“开源”而不是“省钱”付费。
另一方面，也有类似妙芽的产品，在满足消费者对美、好玩的社交需求方面，较前几代技术有了质的提升。
回到一开始的问题，现在是AIGC创业的好时机吗？我的结论是，是的，AIGC 仍处于整个新创新周期的早期阶段。
AI创业：从中国到全球 中间的图是我今年2月份拍的截图。
我想这就是中国移动互联网的高光时刻：北美APP商店排行榜前五的应用中有四个来自中国，第一是拼多多的Temu，第二是capcut，就是抠图，第三是TikTok，第四名是谷歌，第五名是Shein。
这说明中国团队完全有能力做出世界级的应用。
右图是斯坦福大学的一项研究，显示中国的AI论文指数在2016年就超过了美国。
这说明中国也拥有大量的AI人才积累，但需要清醒地看到的是，中国拥有大量AI论文。
，但缺乏原创性和有影响力的研究。
虽然美国在引领这股 AIGC 浪潮，但既然 OpenAI 等人已经领先，我们追赶起来并不困难。
我认为中国的创业者应该有全球野心。
在一些技术成熟的细分赛道上，会在全球范围内应用，因为中国有最好的程序员、产品经理和运营。
在一些技术尚未成熟的领域，比如3D、视频、音频、AI代理等，中国的创业者也有能力开拓，成为更多行业的SOTA。
【本文经授权发表，不代表投资界立场。
本平台仅提供信息存储服务。
】如有疑问，请联系投资界（）。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
06-08
06-18
06-18
06-06
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态