嘉宾:一级市场美元基金海外投资者 Q:海外AI+层面的应用哪些已经落地?落地成效如何?分别的代表公司有哪些?A:今年GPT的出现已经开始影响很多人解决问题的习惯。最典型的场景就是使用自然语言作为输入,然后生成多模态数据,再嵌入到工作流不同的场景中,不同场景会有不同应用层面的应用。 文本生成:目前大家比较熟悉。 可以非常好的完成类似于新闻播报等结构性写作和相关内容的推荐;以及对非结构化写作内容的润色,比如说essay上线了帮助笔记的续写和传播,Jasper、Kaptur、慢点等相关的文本领域应用层公司,用人机写作的方式辅助人类提高写作的效率。 虚拟助理:心理咨询的机器人、美国比较成熟的税收领域的场景。 图像生成:最近非常火爆。随着算法模型的不断迭代,已经可以从去年的单个静物到现在基于prompt生成复杂的场景,应用在去除水印、提高分辨率、营销海报、模特图等场景,国内外都发展很快。Midjourney等软件的水平已经达到了产品级的设计水平。展望未来可能会接近于专业艺术家、设计师、摄影师,最新的V5的图片质量已经极度接近。 声音生成:OpenAI的开源模型可以做一些人声合成。音频生成领域消费和企业级在美国都不错的落地,比如文本播报、ai自动作曲。美国 music公司已经在做,国内网易、昆仑也在做尝试,国内可以期待。 视频生成:短视频的爆火让大家意识到人类对视频内容沉浸式的需求一直在上升。目前主要是基于XP模型做视频剪辑和生成。AI有一些初步应用,但还不够深入。目前 AI在原始视频中删去特定主体、生成特效跟踪剪辑等方面的应用已经在电商和内容制作领域落地。海外Runway公司从18年开始就持续在 AI+视频场景做探索,近期可能会有一些爆发,目前可以进行AI换脸、规模化剪辑等。未来可以期待视频和图片一样实现文生视频。代码生成:包括代码生成、代码记录、代码查错修改等。初创公司Copilot等已做过几十亿代码的训练,支持大多数编程语言。 除此之外家装设计、游戏、教育领域也都有融合探索。 Q:哪些领域会觉得有长期的成长空间,或者有机会成长为大公司? A:从商业模式上来讲,AI商业模式处于持续探索阶段,海外会先行一些,值得国内很多公司去借鉴。比如说从传统按量收费向SaaS拓展。典型按量计费的就是 OpenAI,按客户使用量计费;但很多不能直接提供API接口,可以使用类似SaaS的会员付费,或者按项目制付费,来降低规模化难度。比如说Jaspeer,文案辅助类的工作基础服务收费24美金一个月,可以使用不超过2万字。如果你有更高的需求单月费用可以有小几百美金。营销、影视、游戏、音乐场景也可以根据资产的销售来收费。Q:哪些领域可能有最高的天花板或者短期可能会爆发?A:大模型赛道上有很多的公司已经推出了自己的产品。除了ChatGPT之外还有Cloud等非常优秀的产品,Cloud是美国初创团队做的,使用的是自己的模型,目前在内测阶段,多对话能力和对人类的理解能力和ChatGPT不相上下,它的聊天机器人也获得了很多美国投资人的认可。其他不同语言也都有自己的模型,比如德语。在赛道内也有很多公司去找数据训练自己的模型,帮助下游的API作代码处理。ChatBot在办公和智能客服美国已经很成熟了, 相对落地时间会短一些。 国内可以关注教育,语言学习等典型案例。AI天然适合多轮对话式的语言学习和教育。后面可以在硬件层面、交互层面更新,在教育方式上和场景上进步。 另外一个场景是游戏,游戏资产也有很深的应用的可能性。 Q:国内有哪些独特的落地场景?A:目前大模型大厂已经开始探索了,除百度、腾讯、阿里、字节外,很多创业公司也都有自己的探索,比如澜舟科技等。主要是在文本领域的多轮对话、辅助写作等方向去探索;视频领域多数还在A轮或者比较早期,主要是去帮助出海卖方做宣传素材的生成;还有一些在探索AI+营销。国内外区别比较大,国内没有SaaS的付费环境,主要是以头部客户为主。所以我们对于中国公司主要关注他们对于应用场景的理解,而不是照搬海外技术,或者说接一个模型过来找到场景。核心是找到用户痛点,基于用户痛点设计出可以嵌入到工作流中并被反复使用的场景,同时找到可以持续付费的用户,从用户的反馈中不断进行产品迭代。总的来说教育可能是比较好的赛道,特别是付费的角度。虽然有K12的监管,但中国用户对教育付费意愿很强,对后续的探索比较乐观。 Q:加入AI后,应用端公司的核心壁垒是什么?A:在商业层面,我们主要判断接入大模型能否形成数据飞轮,不断为用户提供服务并生成新的数据。很多公司加入AI后,商业模式会有变化,AI可能会把SaaS在中国没做成的打通,比如流程化机器人或者教育出现增量的产品;另外AI的加入也可能提高毛利率。短视频时代LBS技术让用户体验提升,AI时代也会在产品中有变化,起码会更懂用户。 在垂直应用中,产品的可用性到产品的可卖性有非常大的鸿沟,很多公司可以很快完成0-60分的突破,但再向上很难。很多公司没想明白用户的场景和产品壁垒,壁垒主要是靠数据飞轮的形式来建立。模型在数据的反馈中不断更新,越来越好。 Q:微软产品和其他搭载GPT的产品的竞合关系?A:微软首先对AI非常重视,且继续在下重资投入。另 外微软作为早期的投资者,也提供了非常多的技术和算力支持,这些差距都存在。在全球层面,我认为其他公司接入GPT和微软相比在数据层面会有显著的差异,所以在同一个狭窄赛道内直接面对面竞争的话会非常困难。Q:一级市场最看好什么方向?模型训练还是应用端?应用端具体什么方向?A:首先是大模型训练这边,由于难度非常高,并不是一个简单的事情,所以一级市场会要求有一个非常顶级的团队,从资源到数据到行业的理解,包括科研院所的支持。应用层确实非常关注,现在担心如果应用层没有自己的小模型或者用户的数据,只是一个产品性的公司会比较难。方向主要聚焦图像和视频赛道,尤其是视频,是未来内容消费的两种形态,视频端会有更高的技术壁垒。Q:百亿参数模型未来是否还有机会?还是会被大模型 +插件降维打击?A:个人观点,关于开源和闭源最后谁胜出,我个人觉得开源会一直存在。对整个行业来说,很多小模型公司在插件出来后路就被堵住了。对创业者来说,如何理解行业的变化和你在行业的位置很重要。 Q:中国做大模型最大的壁垒是什么?A:国内相关顶尖人才非常非常少。主要是之前没有任何人或者机构拿钱持续探索。客观来讲差距很大。很多投资者都是拿钱去海外找华人联络。国内一级市场的大佬也很难找到顶级的人才。顶级的人才的薪资也是非常贵的。Q:应用端国内哪些是会比较支持的?A:政策确实非常重要,投资者也会去担心行业的边界在哪里。但我们没有看到特别的管控条例在出台。所 以我们觉得大家都在观察。 Q:对企业端SaaS有什么影响,那些会被削弱哪些会被增强?A:要分开讲。首先核心是交互方式的变化,传统的交互可能没有了,变成对话式的形态,会有超级入口的出现。其次,之前SaaS在中国落地比较难,但现在可能由于 AI会把整个流程都打通,给企业更多的服务。所以对 SaaS公司来讲可能是一个挑战,但真的了解业务流又有客户在手上的大公司是大机遇。 Q:国内在AI教育方面的进展? A:产品层进展的话,百度有教育线产品,一些头部教育公司有尝试接入百度或者GPT。目前GPT4除了语言类对于几何图形类能力也很强,国内都在探索但没有做宣传。国外可汗学院、多邻国都有产品在应用。 Q:哪些场景下的小模型会还有壁垒,不容易被大模型替代?A:垂直领域小模型还是非常有机会的,特别是金融和医疗领域。金融领域可能还需要再等一段时间。目前金融主要的数据都是公司自有的数据,公司是否上大模型会有合规方面考虑。所以自建小模型是我在这些领域相对看好的原因,一方面是因为天花板足够大,比如说一些量化基金利用AI去提升效果。另外一方面是因为金融、医疗的数据质量非常高,本身就是结构化数据,在这些领域AI也会给到一些足够多的效率提升和帮助。此外,美国市场未来也并不是说只有几家大模型,包括很多中型的公司,比如 50亿美金的公司,他们也会基于自身的业务,然后去做自己的模型。再往下就是刚刚我们说到金融或者医疗领域的一些垂直模型,有很好的结构化的数据+训练小模型需要的成本并没有特别的高。所以未来小模型也会有它自己的生存空间。