在九合创投今年6月的年会上,这家VC机构做了一个不太常见的动作——除了召集创投圈人士做演讲和对谈,还发布了一份报告。报告的主题契合当下的科技热潮,名为“不朽的计算”。
其将“计算”视为一种表达与理解世界的方式,并作出了以下判断:
计算正涌现出无限的生命力和扩展性,其扩展的边界正在迅速蔓延,直至计算的范畴超出个体的生命边界与生命经验,直至计算的维度超出单一劳动力的知识密度和知识体量,直至计算数字化一切,不朽的计算成为现实。
在九合创投看来,AI将成为下一代计算平台,而当下正处于平台转变的初期阶段,这将深刻影响未来投资与创业机会。
九合创投成立于2011年,由“百度七剑客”之一王啸创立。成立近12年来,这家机构花了大量精力专注于硬科技赛道。ChatGPT风暴袭来后,团队对人工智能领域出手更为频繁和集中。2023年,该机构出手投资的项目中,近50%都和AI相关。
![](https://np-newspic.dfcfw.com/download/D25297332366138402312_w320h213.jpg)
在AI 1.0时代,国内形成了以“AI四小龙”(商汤、云从、旷视、依图)为主的市场格局。而在以大语言模型为核心的AI 2.0时代,更大规模的技术挑战与商业前景开始涌现。
尽管充满未知,没有一家关注科技领域的投资机构能够回避这股浪潮,他们的侧重点无非是站队底层大模型还是投身AI应用层。
九合创投没有出手任何一家通用大模型公司,但却为AI应用层准备了相对充足的弹药。目前不少AI应用公司已经可以满足需求、提供价值、初步尝试商业化。王啸指出,这在猎头、游戏、销售等领域都显现出了苗头。
如果一定要谈论更信仰市场还是技术这类话题,王啸认为相比“AGI(通用人工智能)什么时候可以实现”,自己目前更关心“AI应用什么时候会爆发”。
“技术是要有用的,没用的技术就是骗人的。”他说道。
但眼下一级市场整体趋冷,创业环境愈发艰险,更多VC机构偏爱现阶段就有造血能力的公司。九合创投会如何选择?
王啸认为,一级市场不能只看有市场、有收入的公司,要综合去看。“如果都只投有收入的公司,拿几倍市盈率用很便宜的价格买下来,中国科技不就完蛋了。”他指出,有时我们需要适当的泡沫,需要耗时间,也需要对未来的向往和想象力。
“如果没有想象力,谁会在只有两个人的时候投Google?”他说,“你只有敢想才敢投,只有敢投,它才有可能。”
以下是界面新闻对王啸的采访实录,略作编辑:
建立新的投资理解框架
界面新闻:为何在这个时间节点发这份报告?
王啸:为了年会准备内容,正好也遇到大模型的出现。这个主题比较好的地方在于,人的智能受到生命长度限制,随着生命体的终结,碳基智能某种意义上是死掉的。而机器学习相对来说不受时间限制,只要地球不毁灭,大模型估计可以一直存在,它的信息输入带宽也不太受限。
我们常说人永垂不朽,这里说“计算不朽”,某种意义上给智能赋予生命的概念,我们觉得这是一个不错的词。
界面新闻:强调计算的价值,对一级市场有什么意义?
王啸:我们的意图是从更宏观的角度来总结“计算”目前发生的这些变化,从而在投资时有一个比较好的理解框架。
界面新闻:这当中最重要的元素是什么?
王啸:是计算在整个人类生活演进过程中,在哪些方向上能够带来比较大的价值。
人工智能不仅仅是一项普通的技术,更有长期意义和颠覆性能力,它影响的深度有点像互联网。互联网把全球几十亿人连接起来,而人工智能是给绝大多数人提供智能的加持能力,比如开车借助自动驾驶技术,小孩由机器人来教育,工作有一部分是机器人完成的。
点明这一点有助于我们坚定投资的决心,因为投资本质上还是要相信哪些东西有不同的意义。
界面新闻:九合一直在关注“计算演进”带来的结构性变革。大语言模型出现之前,你观测到的几个重要节点是什么?它们各自衍生出了哪些创业机会?
王啸:从人工智能角度来看,以AlphaGo为标志性事件,第一波AI浪潮开始兴起,这个时候相对成熟的是图像处理技术,应用到自动驾驶、医疗影像这些领域。这一波我们投了Momenta和鹰瞳科技。
第一波AI浪潮影响范围相对小一些,没有出来太多真正的AI公司,大一点的有自动驾驶公司,以及一些影像检测公司。
从去年年初GPT走红开始,国内整体转向大模型。这第二波人工智能浪潮对能力的延伸比原来好,应用的领域和范围要比第一波大很多。但最终落地到什么程度,应用能变成什么样子,还要再观察三年。
界面新闻:这一波的创业机会比上一波大的原因是什么?
王啸:这波大模型的本质是机器学习的底层架构用Transformer来做,即把这些内容token化之后来学习,能吃进去的数据量很大,在某种意义上产生了智能。而上一波就是简单的图像识别,它能解决的是跟图像密切相关的事情。
现在的大模型既有多模态也有语言,而语言承载着人的某种认知状态。大模型具备了一定智能性,而智能性可以泛化到各个领域去。
比如说大模型可以辅助初级猎头记录候选人的职业规划等信息,有合适的职位时可以提高匹配效率。这件事靠人来记录就很有限,但大模型可以让猎头的工作效率翻三四倍。同理,在编程、美工、广告策划这些领域,那些不太高级的技能都能具备一定的生成能力。
界面新闻:本质上是这一代的应用门槛比上一代更低吗?用户的信任成本似乎降低了很多。
王啸:如果从自动驾驶这类应用来讲,这是肯定的,加入自动驾驶出错会是挺大的问题,所以门槛很高。而这一代应用体验现在还没那么好,或者说准确率没那么高,但也没有太大影响,我们愿意给AI留出成长的时间。
不投大模型,AI应用不一定需要AGI
界面新闻:达到所谓的AGI,对于实现你所投的AI应用公司的价值,你觉得是必要的吗?
王啸:不是必要的。现在很多场景已经在落地大模型,比如客服、游戏陪聊、机器人这些领域,它本质上提升人效,或者代替人。只是这些场景和案例还没有达到规模化的能力,收入水平也不高,但在这个实验过程里这些场景是成立的。
界面新闻:现在受到的限制会是什么?
王啸:每个领域不太一样,我觉得可能还是效果问题,真让它做特别智能的事也干不了,但聊天、总结文章这类基础任务,已经能干得很不错了。
界面新闻:这个效果还是跟模型的智能水平直接挂钩。
王啸:有两部分的效果,一个是基础模型的智能性,一个是在基础模型上要做一套自己的数据体系,比如游戏陪聊,需要要训练一套跟游戏相关的内容;做猎头,就要懂得所谓的专业术语。总之,你要有一套自己领域里独特的数据闭环,还要把它和基础模型放在一起形成更好的服务。
界面新闻:你现在投的AI应用公司都是用什么样的模型?数据体系的优化和基座大模型智能水平的提升,这两个进程之间是什么关系?
王啸:有些是用开源大模型,有些用类似于大模型的云服务,还有一些是自己在开源大模型上直接改。现在大模型也不贵,(价格)在中国被打下来了,所以我觉得中国的应用可能会迅速起来,甚至比美国还要快一些,因为生产资料确实便宜了。
数据体系方面,他们用大模型加上自己的一套数据体系形成服务,有了用户之后又能产生数据,再反过来训练自己的模型,这个数据闭环会越用越好。所以AI应用公司是有价值的,最终能形成一定的数据门槛。
界面新闻:但用别人的大模型,底层上还是受到大模型智能水平发展的限制。
王啸:这是肯定的,但也在不断地突破,现在开源大模型LIama 3.1已经堆到了千亿参数。
界面新闻:作为投资人,你接受这种限制吗?由一个行业的发展去决定这家公司的前景。
王啸:接受,这就是生态。一般AI应用公司自己也做不了大模型,因为很花钱。最好的办法是一次多用几个,有任何突发情况可以随时拆卸。
界面新闻:是否会担心比如闭源大模型的性能会比最好的开源大模型更好?如果那些公司做同样的应用,可能会迅速超过你投到的公司?
王啸:我不太担心,因为大模型是基础能力,用不同的模型可能有差异,但没那么大。AI应用公司在这个场景和行业当中做了一套数据的自闭环和服务,这个服务有它的独特性,这提高了它的能力。相较于在行业积累的数据和用户整体解决方案,大模型能力的变化对最终竞争力的影响没那么大。
界面新闻:所以你在同一个应用赛道去找公司的时候,会更加看重它们对自己场景独特性的理解,以及怎么做这个服务?
王啸:对。比如我们投了一家叫行者AI的公司,它做游戏行业相关的AI生成,包括图像生成、音乐生成。这家公司脱胎于一家游戏公司,两个创始人对游戏行业非常了解,他们的客户也大部分都来自于游戏领域。这家公司就是用大模型给游戏行业解决各种各样的问题,他们知道技术该往哪儿用,怎么用。
界面新闻:相比于大模型公司,判断AI应用公司的方式会更清晰一点吗?
王啸:相对容易一些,主要会考虑在这个行业里面有没有用,创始人是不是对行业和大模型技术有了解。对这两方面都了解的人本就不多,他还能做出产品,让用户用得不错,还能收到钱,结合起来是比较容易判断的。
大模型的竞争本质上是资源的竞争,包括融资能力、人才密度、显卡,算力大小等等。所以大模型更像是大公司的菜。OpenAI如果不是微软支持了那么多钱,也可能做不出来。小公司即使融10亿美金,也很难持续站在牌桌上。
界面新闻:这是你不投大模型的主要原因吗?
王啸:对。这事说白了是看不清,既没有什么先发优势,也没看到商业化潜力,更没有绝对的技术差距,很难去投。
界面新闻:但其实不和OpenAI比,在国内也会有可能投到一个有优势的创业公司。
王啸:有。我没投是因为这种公司要花很多钱,并且目前来看商业化前景不明确。大模型公司如果不做应用,其实没有什么明确的商业化路径,想通过token收费也很难。
Character.AI一开始也融了很多钱,后来发现卷模型卷不过,带着一批人重回谷歌,另外一部分人继续做应用,这时相当于开始用别人的模型。小的创业公司到最后会发现融的钱根本迭代不过别人,届时模型能力就会出现问题。
过两年等一些创业公司没什么钱的时候,这事可能就会水落石出。
界面新闻:你当时看过大模型创业公司吗?
王啸:看过,有“六小虎”里的,也有其他的,有的一上来就要价很贵。当然,竞争是自愿的,创业公司逻辑上没什么机会,有的话应该是在应用层,这样中国的AI创业才有可能百花齐放。
创业需要建立一个生态,良好的生态本质上应该是有人做底层,有人做应用层,而不是一拥而入全做一样的事情。
界面新闻:现在每家公司都觉得自己未来要做出一个所谓的超级应用,理论上规模很大,商业前景也很大,你是怎么判断的?
王啸:超级应用要有场景,这些公司本质上都是做模型的,现在都做了对话、聊天,其实用户留存率是存在挑战的,所以还得看在那个场景下有没有足够的能力,总得有一个切入点。
界面新闻:掌握大模型能力的公司招一个特别懂场景的团队,它们成功做出这种应用的概率会比一家应用公司高吗?
王啸:不一定。大模型公司去做应用,不一定就比那些直接用别人的大模型去做应用的公司有价值,除非它的大模型是独特的,不开源别人用不了,也能解决别人解决不了的问题。
我们现在也开始看一些其他模态的大模型,比如音乐,像Suno这样的公司,音乐大模型不开源其他人用不了,它来做应用我觉得是可以的。
界面新闻:现在你投的那些公司,你会推动它们去做商业化,还是说顺其自然?
王啸:算是顺其自然在推。To B(企业端)的肯定一开始就做商业化,To C(消费端)的会先保持用户增长,过程中适当做商业化尝试,而不是做到很大规模之后再去尝试。因为token是有成本的,必须要有一些商业化配合用户增长。
界面新闻:这个赛道要做规模化增长也是烧钱的。
王啸:对,也要投入资金获得用户。
界面新闻:现阶段会鼓励它们做这个动作吗?
王啸:鼓励,还是得拿用户,你肯定要先跑出来。但其实商业化没有那么难,现在用户已经培养出了一定的付费习惯,让用户付点小钱应该不是一件太难的事。
界面新闻:对于市场信仰派和技术信仰派这个话题,你会更关心AGI什么时候实现,还是AI应用赛道什么时候爆发?
王啸:现阶段我可能更关心AI应用什么时候爆发,技术是要有用的,没用的技术就是骗人的。科技是需要为人服务的,脱离人讲科技就是忽悠人。
本质上不能说我就只看市场,只看有收入的公司,还是要综合地看。现在的确有VC只看有收入的公司,用VC的价格投有市盈率的公司,因为现在PE投的比较谨慎,这种打法是能挣钱的。但如果都只投有市盈率的公司,拿几倍市盈率用很便宜的价格买下来,中国科技不就完蛋了?
短期内看不到超级应用
界面新闻:在投AI应用时,过往的投资逻辑有需要改变的地方吗?是靠以往的认知和共识就能想清楚,还是说出现了很多新的问题?
王啸:出现了很多新的问题。就拿互联网来说,它本身是连接属性,商业模式靠流量广告,而大模型我觉得它更重服务,最终的盈利模式不会是卖广告,可能是直接提供端到端的服务。
这就是要去思考的东西,需要区分哪些东西能够借鉴,哪些东西肯定不一样,这样才能建立一个自己的认知框架。
界面新闻:这当中有没有什么重要的变化,让你觉得居然要这么想问题了?
王啸:有一个变化可能是数据飞轮。互联网公司的数据壁垒是用户规模,而大模型公司的壁垒是数据闭环下的能力提升。数据飞轮是这场竞争的核心点,所以我们会比较看重生成的数据能不能反馈回来用于之后的模型训练,并且让模型变得更好。
还有一个是有没有独特的数据来源,这也能产生比较大的好处。
界面新闻:不少投资人和创业者认为今年是AI应用爆发的元年,明年彻底爆发,你怎么看?
王啸:AI应用有无数个细分赛道,可能会有一些赛道比较容易先起来,但每个行业不太一样。我觉得没有所谓AI应用爆发这回事,我对大模型现在适合应用在哪个领域更感兴趣。
界面新闻:但有了这些言论之后,有明显感觉到今年看AI应用的人变多了吗?
王啸:有,很多我们投了的项目陆续被其他人看,也有不少人给了TS(Term Sheet/投资条款清单),这种情况现在在中国已经很少见了。
界面新闻:所以总体来说还是件好事?
王啸:肯定的,资本市场活跃是好事,因为只有能融到钱,公司才能做大,对中国经济才有用。
有时候我们是需要适度泡沫的,需要耗时间,如果只看利润就没法弄,它天生需要一些想象力。没有想象力,谁会在只有两个人的时候投Google?当初那些美元基金又怎么投得出中国的互联网巨头?只有敢想才敢投,只有敢投,它才有更多可能。
界面新闻:现在对大模型的技术和应用各有什么期待?
王啸:一个是大模型智能水平能不能再上一个台阶,Scaling Law能否继续推动它打开局面。比如说高考至少要到本科线,现在大模型只有文科还可以,数理方面不太行。
再就是具身智能,或者说人形机器人能不能普及,这也是为数不多有点热度的赛道。
我目前不期待有一个所谓的杀手级大模型应用,它有可能是细分在各个领域的各种应用,而不是某一个应用。
界面新闻:报告里有提到“没有从模型的第一性原理回到产品的第一性原理,可能很难看到互联网时代的大规模使用产品”,你对这句话怎么理解?
王啸:之前大家都在卷模型的技术参数、性能跑分,这其实没有什么特别大的意义。我觉得本质上还是要看能提供给普通用户哪些差异化的能力,符合他们的需求。
界面新闻:这个产品会是一个已经见过的产品的优化版本,还是一个从来没有见过的产品?
王啸:有一部分可能是原来的产品做了升级,比如搜索大概率要被升级一次,它的载体甚至有可能不是手机,而是VR眼镜这类产品。
在各个领域中都有可能出现1到2个比较好的产品,比如AI医生、AI老师、AI律师、AI猎头,包括AI程序员、AI客服、AI销售等,这一系列产品都是有可能存在的。
界面新闻:谁可能最先做到这个事情?
王啸:没有办法准确的预期,就目前最简单的卷参数的逻辑,谁在里面肯砸钱谁就厉害,比如百度和字节。
Scaling Law本质上是个资金游戏,现在距离碰到天花板还早,大模型的智能水平还能再上一个台阶,到时才会有特别好的超级应用出来。