文｜光錐智能 郝鑫
編輯｜蘇揚 劉雨琦 王一粟
一掃去年裁員、股價暴跌的陰霾，硅谷憑借AI正在以“蓋茨比”式的姿態(tài)重新站到鎂光燈下。
據(jù)光錐智能不完全統(tǒng)計，180天里，硅谷在人工智能領域共完成了42起融資、拿下55%全球籌資金額。其中，8家人工智能明星獨角獸公司拔地而起，平均輪次融資金額3.3億美元。
熱錢從硅谷的天空撒下，美元堆起了新故事。
“對AGI時代來說，今年是過去十年中最好的一年，卻是未來十年中最差的一年?！眲?chuàng)業(yè)的氛圍充斥著每個角落，這幾乎成為了硅谷的共識。
“一周參加五六場聚會，從技術研討到應用機會，硅谷這半年都處于AI 的興奮之中。”畢業(yè)于斯坦福，常駐于硅谷的華人孔祥來不僅投身到AI電商導購的創(chuàng)業(yè)中，連其偶然發(fā)起的AI社區(qū)AGI降臨派，也在這波熱度下意外爆火。
身處大洋彼岸的中國創(chuàng)業(yè)者也受到了感染，王小川、李志飛等明星創(chuàng)業(yè)者和真格基金管理合伙人戴雨森、金沙江創(chuàng)投合伙人張予彤等眾多知名投資人不想再“霧里看花、水中望月”，一月連續(xù)三次飛往硅谷。
中美AGI領域雖然同樣火熱，但在市場的格局生態(tài)卻截然不同。
最明顯的區(qū)別是，與國內的“百模大戰(zhàn)”相比，基礎大模型創(chuàng)業(yè)在硅谷并不火熱?！癘penAI一家獨大，只有谷歌和Meta等大公司向其發(fā)起挑戰(zhàn)，創(chuàng)業(yè)公司很少做基礎大模型?！边h望資本合伙人、迅雷創(chuàng)始人程浩對光錐智能談到，但在中國，還是有人想賭一把，因為最終誰是中國的OpenAI還不確定，造神的這一過程既危險又性感。
而大模型之外，硅谷卻在中間層和垂類應用層里，呈現(xiàn)出百花齊放的熱鬧。但反觀中國，雖然投資人們嗅覺敏銳，早就聞到了“肉香”，卻“看得多投的少”；而AI創(chuàng)業(yè)領域，也鮮有全新的大模型之外的公司出現(xiàn)，更多是大中型公司的聲音。
無論是源于美元基金的撤退，還是國內的AI創(chuàng)業(yè)環(huán)境，與互聯(lián)網(wǎng)時代不同，在這一輪科技狂潮中，中國創(chuàng)業(yè)者和VC們正在經(jīng)歷著前所未有的迷茫，Copy to China的策略似乎逐漸失靈了。
“硅谷重視技術，埋頭升級大模型能力，而國內則更看重商業(yè)模式?！笨紫閬韺忮F智能說道。AGI時代，各自的商業(yè)邏輯依然沒有改變。
結合投資人、創(chuàng)業(yè)者的深度訪談，光錐智能復盤了今年上半年硅谷AI初創(chuàng)公司的融資和發(fā)展情況，希望能從中探尋到AI 2.0創(chuàng)業(yè)浪潮中的機遇和警示，以期給國內投資人和創(chuàng)業(yè)公司一點啟發(fā)。
AI掘金潮，熱錢撒向哪兒？
國外風投數(shù)據(jù)分析公司PitchBook數(shù)據(jù)顯示，上半年全球AI領域共計發(fā)生融資1387件，籌集融資金額255億美金，平均融資金額達2605萬美金。據(jù)融資服務機構Carta數(shù)據(jù)顯示，2023年Q1，美國A輪AI初創(chuàng)公司融資環(huán)比增長58.4%，種子輪公司估值增長了19%。
熱錢一半都流向了硅谷。據(jù)光錐智能不完全統(tǒng)計上半年硅谷一共有42起融資，總金額約140億美元，占世界總融資金額的55%。平均輪次融資金額為3.3億美元，是平均融資水平的近13倍之多。
最全硅谷AI創(chuàng)業(yè)公司梳理，制表：光錐智能
以OpenAI為首的AI新貴成為當之無愧的主角，在獲得投資的40家公司中，有近60%的公司成立時間在一年之內。其融資輪次也處于早期階段，42起融資事件中，種子輪次占了40%，B輪以前（包含B輪）占了86%。
孔祥來告訴光錐智能，硅谷這波創(chuàng)業(yè)大多采取小而精方式，早期創(chuàng)業(yè)項目團隊的人數(shù)在3-5人，中期項目團隊的規(guī)模也控制在十幾人～幾十人之間，當初Midjourney效果驚艷全世界，憑借早期11個人的團隊就做到了一億美金的營收，“AGI領域更重視技術創(chuàng)新，堆人沒有用。”孔祥來直言。
這跟國內創(chuàng)業(yè)方式有很大不同，國內創(chuàng)業(yè)團隊人數(shù)普遍較多，比如媒體報道稱王慧文的光年之外解散前有70人，王小川公開信中透露百川智能最初組建人數(shù)為50人。
不過，硅谷AI創(chuàng)業(yè)團隊規(guī)模雖然普遍偏小，但其吸金能力卻十分驚艷。
截至目前，按融資金額數(shù)量的AIGC初創(chuàng)公司的排名分別為：OpenAI（113 億美元）、Inflection（15.25 億美元）、Cohere（4.45 億美元）、Adept（4.15 億美元）、Runway（1.955 億美元）、Character.AI（1.5 億美元）和 Stability AI（約 1 億美元）。
站在他們背后的，仍是科技圈如雷貫耳的公司和大佬。光錐智能整理統(tǒng)計發(fā)現(xiàn)，上半年，微軟參與的AI融資項目有5起，谷歌出手4次，英偉達出手6次，OpenAI出手3次，這些巨頭加起來累計參與了約43%的AI領域融資。
將目光更聚焦一些，當下硅谷對AI關注的主要集中在三個方向：一是基礎大模型層；二是開發(fā)工具、數(shù)據(jù)庫等所在的中間層；三是垂直應用層。
程浩向光錐智能介紹，基礎大模型除了OpenAI、Anthropic兩家公司，其他創(chuàng)業(yè)者都在做開源模型；工具層創(chuàng)業(yè)者都在動員所有人才精英做開源社區(qū)，其核心壁壘在于創(chuàng)造開發(fā)者生態(tài)；應用層聚集著兩類創(chuàng)業(yè)公司，一類是像法律、HR招聘垂直領域的公司，一類是與文案、文生圖、文生視頻相關的通用型公司。應用層普遍扎堆B端，C端產(chǎn)品少很多，屬于在巨頭夾縫中求爆款的狀態(tài)。
從不同機會層面來看，上半年，硅谷基礎大模型層有8起融資，中間層有12起融資，垂直應用層面有23起融資。不過，在融資金額上卻呈現(xiàn)反比，分別融資金額為110.8億美元、3.5億美元和25.2億美元。
表面上看，基礎大模型層似乎是最熱的投資領域，但實際上完全由OpenAI一家撐起來，如果把OpenAI的103億美元巨額融資剔除，整個垂直大模型層的融資占比就直接從79%驟降至21%。
從上圖可以看出，目前垂直應用層面是硅谷最熱的投資領域，融資次數(shù)多，但單次融資金額不高；基礎大模型層OpenAI占據(jù)絕對的領先地位，其他大模型公司雖然單輪次的融資較高，但難以與OpenAI相匹敵，其業(yè)務范疇也在彌補OpenAI的不足；中間層是VC們近期發(fā)掘的新大陸，目前，已投出了估值7.5億美金的向量數(shù)據(jù)庫公司Pincone，半只腳踏入了獨角獸行列。
孔祥來表示，“硅谷投資人內部分為了兩派，一類只看好OpenAI，認為未來OpenAI會統(tǒng)治2C端應用，因而沒必要在C端應用領域投入過多時間，轉而去投B端與行業(yè)深度整合的AI公司；另一派則持相反態(tài)度，積極擁抱開源社區(qū)，也會看好2C端的垂直應用，認為在該領域也可以跑出獨角獸公司?！?/p>
總體而言，今年上半年以下方向在硅谷掀起了一波又一波的掘金潮：
基礎大模型層：小參數(shù)基礎模型、通用大模型。
中間層：向量數(shù)據(jù)庫、AI工具鏈、模型部署工具。
垂直應用層：文生視頻、文生語音、AI對話機器人、生成式AI搜索、法律垂類領域應用、人形機器人。
孔祥來補充總結表示，當下硅谷投資人重點看好幾個方向，分別是AI Agents（智能體）、多模態(tài)（文生圖、文生視頻）、解決行業(yè)幻覺（法律、醫(yī)學）、個性化方向（Character AI等對話機器人）、大語言模型的中間件以及AI深度賦能的行業(yè)場景應用。
站在淘金熱的風口，這些新貴們的身價隨著水漲船高，2022年，ChatGPT和AIGC領域吸金超過26億美元，共誕生出6家獨角獸，而截至到今年5月8日，獨角獸俱樂部的成員上升到14家(Midjourney暫無估值)。
1000家VC同時舉牌競價，帶來的是成立不到四個月的Baby公司，融到兩輪上億美元融資。6月29日，Inflection AI完成了13億美元的新一輪融資，成為融資第二多的生成式人工智能初創(chuàng)公司，資本再次成功造神。
奇跡降臨硅谷的同時，淘汰賽也正式開始。
數(shù)據(jù)，AIGC時代的唯一壁壘
僅僅半年，硅谷就已經(jīng)給AI創(chuàng)業(yè)貢獻了一波真金白銀的教訓。
一類是像Jasper這類靠接入OpenAI API接口成長起來的公司受到了沖擊。
作為第一批AIGC獨角獸公司，Jasper抓住了這波AI升級機會，估值飆到了15億美元。但其問題也十分致命，套殼公司產(chǎn)品壁壘非常薄，它的用戶體驗和品牌很好，但達不到最好，很容易被那些高價值細分領域構建的差異化產(chǎn)品而替代，通而不精是其最大的問題。
程浩認為，Jasper的最大競爭對手是ChatGPT、微軟Copilot、NotionAI等巨頭競爭對手，這些巨頭有品牌，價格也便宜很多，所以那些相對弱需求的用戶自然就不愿意繼續(xù)再為Jasper買單，其根本問題在于創(chuàng)造的額外價值不夠厚。對于Jasper這類公司來講，核心是想辦法在數(shù)據(jù)存儲、多人協(xié)同以及工作流整合等方面下功夫，增大用戶粘性。
另一類是VC支持的聊天機器人團隊，在去年的融資熱潮下籌集了不少資金，期望今年能向企業(yè)銷售。但年初市場中的聊天機器人便多如牛毛，技術壁壘不高，很容易被復制，再次走向同質化的怪圈。
另外，面向C端的AI搜索平臺Neeva因為商業(yè)落地困難，最終被大公司收購，有了這個前車之鑒，硅谷現(xiàn)在幾乎所有的公司都開始瘋狂進攻企業(yè)級市場。
“初創(chuàng)公司首先要選對路線，究竟是‘+AIGC’還是‘AIGC+’?！背毯普J為，選擇比努力重要。
選擇“+AIGC”與“AIGC+”的判斷標準是，AI在業(yè)務全價值鏈的比例。如果一家公司的AI成分占10%，業(yè)務邏輯占90%，那就比較適合走“+AIGC”的創(chuàng)業(yè)道路；若其AI成分占比在50%以上，那就更適合走“AIGC+”的路線。
多米諾骨牌已經(jīng)開始倒下，Jasper之后輪到誰尚未可知，但愈加清晰的是，AIGC時代初創(chuàng)公司也必須死死捍衛(wèi)自身的護城河。
投資人Chamath Palihapitiya認為，要么你處于絕對底部，掌握數(shù)據(jù)場景；要么處于絕對頂部，擁有核心算力資源。
“對于中間階段的公司，今天可能價值不菲，但明天可能一文不值?！?nbsp;Chamath Palihapitiya道。
“數(shù)據(jù)才是AIGC時代的唯一壁壘?！笨紫閬淼?。
孔祥來認為，模型和算力都不是AIGC時代的護城河。無論模型訓練的打榜分數(shù)有多高，最終都要落到實際應用中，在場景中積累的用戶分布數(shù)據(jù)會被納入到企業(yè)的微調模型數(shù)據(jù)集，經(jīng)過不斷的迭代，就會在企業(yè)端形成數(shù)據(jù)飛輪，在這基礎上被微調訓練的大模型也會越來越精準，形成正向的反饋效應。
隨著LLaMA2的開源，大模型的技術壁壘被進一步打破，正如傅盛所言“AI創(chuàng)業(yè)公司在半夜笑醒”，技術補齊的步伐加快，數(shù)據(jù)的競爭也會更加激烈。
中國式AI，不復制硅谷，也別復制舊自己
真金白銀的機遇和教訓都擺在眼前，中國式AI 要走向哪里呢？
“大模型將引發(fā)交互革命和生產(chǎn)力革命。”程浩告訴光錐智能，最先受益的是自然語言驅動的行業(yè)，所以，智能客服、售前咨詢、寫作、翻譯、垂直領域的法律、HR招聘等將成為交互革命爆發(fā)后的第一波受益者，這些“低垂的果實”自然一早就被創(chuàng)業(yè)者們盯上。
但是，“美國法律、心理咨詢相關的應用火熱，根本原因在于律師、心理咨詢師的人力成本非常高，大模型應用的經(jīng)濟模型能夠跑通。而在中國，沒有這樣的環(huán)境，盲目Copy走不通。”早在兩個月前，便有投資人對美國投資熱潮，進行了中國式點評。
除了文生圖、數(shù)字人，與硅谷一樣的是，眾多中國創(chuàng)業(yè)者也瞄向了新一代智能客服。但與此同時，對“同質化”的擔心和焦慮也悄無聲息地彌散。
“8個 AI 應用創(chuàng)業(yè)項目，客服營銷竟然占了將近一半”，看著正在路演的競爭對手，同樣從事AI客服營銷創(chuàng)業(yè)的楊季（化名）低聲驚嘆道。隨著路演進程的推進，他的神情也越來越緊張。
楊季告訴光錐智能，技術相對成熟，需求明確，客服營銷成為跑得最快的場景，現(xiàn)在已經(jīng)從國內市場卷到了東南亞。楊季的創(chuàng)業(yè)經(jīng)歷反映了一批創(chuàng)業(yè)者從互聯(lián)網(wǎng)到現(xiàn)在AIGC的通病，不想花精力啃下技術硬骨頭，只想通過找場景、做應用來走捷徑。
硅谷踩過的坑，中國創(chuàng)業(yè)者恐怕也得再踩一遍。黑格爾的這句話再次應驗，“人類從歷史中吸取的唯一教訓，就是人類不會從歷史中吸取教訓”。
沒有營收預測，沒有用戶數(shù)，PPT式的路演接二連三地上演，令中國VC們無從下手，“ChatGPT剛來，迷茫的是不知道投什么；到現(xiàn)階段，是沒有什么可投的?！?/p>
蜂擁而上做簡單的應用固然輕松，但AI產(chǎn)業(yè)崛起之路沒有捷徑可圖。
包含OpenAI在內的大模型巨頭公司，如今也來到了自身的發(fā)展瓶頸期。國外開源模型社區(qū)Hugging Face技術工程師尹一峰向光錐智能證實，“至少半年內，技術可能很難有新的突破，這將極大地限制應用的大規(guī)模落地?！?/p>
硅谷技術觸及天花板，不得不回過頭來去強化中間層的技術能力。對于中國來說，這恰恰也是補齊產(chǎn)業(yè)鏈的絕佳機會。
如果將開發(fā)大模型比作是“造房子”，那么中間層的AI Infra（AI 基礎設施）就是“工具箱”。參照硅谷的發(fā)展趨勢，數(shù)據(jù)工具的打造、企業(yè)端移動端的模型部署、AI Agents的實踐和應用，都將是下一步的發(fā)展方向。
克里斯坦森的《創(chuàng)新者的解答》中提到，產(chǎn)業(yè)鏈中有能留住財富的聚寶盆。TMT VC 投資人 Na Liu提到，“當前，AI Infra領域的聚寶盆在價值鏈中正在發(fā)生變化，從集成式結構的平臺化解決方案AutoML（以性能為主）轉向模塊化（靈活、速度、便利為主）。”這背后切中的是企業(yè)想要打開“黑盒化”的過程，希望能夠靈活地調整模型和構建工作流程中的每一個組件，以得到最適合其特定需求的系統(tǒng)和分析結果。
最具有價值的環(huán)節(jié)，也是最難啃的骨頭，中國現(xiàn)在正是缺少工具和原材料制造工廠，這也解釋了中國為何缺乏有競爭力的大模型的根本原因：底層薄弱，上層爆發(fā)乏力。
以AI三要素的數(shù)據(jù)為例，中國的數(shù)據(jù)相關產(chǎn)業(yè)鏈，幾乎都是云大廠“一站全包”，缺乏在某個垂直領域的深耕，而這對于初創(chuàng)公司而言每一個環(huán)節(jié)都將是機會，可以做精做專?！皵?shù)據(jù)準備”是中國特色機會，這里面就包括了數(shù)據(jù)質量、數(shù)據(jù)標注、數(shù)據(jù)合成和應用商城與工程。
目前，合成數(shù)據(jù)公司已經(jīng)逐步得到資本的青睞。擁有圖像合成數(shù)據(jù)能力的生成式AI公司“跨維智能”去年一年內完成天使及Pre-A輪億元級融資；今年剛成立的光輪智能半年內完成了三輪融資，天使+輪次后，其累計融資金額達數(shù)千萬元人民幣。
走過前期的技術崇拜，越來越多的創(chuàng)業(yè)者已經(jīng)意識到，OpenAI道路不是大模型時代的唯一解，有人向上突破，有人向下做精做專。
除了大模型，中間層是一條看似小眾，但更穩(wěn)妥的路；而看似最“低垂的果實”的應用層，卻是千軍萬馬過獨木橋，更容易贏者通吃、中大廠先行。
但對于中國式AI而言，比較容易知道，不能盲目復制硅谷；比較難做到的是，不復制“舊時的自己”，走向堆人搶項目的重交付老路。