AI“造神运动” 终结，杀死，重生

“专注 AI 技术迭代会让我焦虑，关注业务我不会焦虑，有些问题十年前存在十年后还在，我现在就明确不卷模型，只思考如何让产品能自我 ‘造血’。”

一位正卷在 AI 创业洪流里的硅谷创业者告诉硅兔君。“我们的 AI 产品（ChatDesigner）4 个月就上线了，第 5 个月我就开始思考如何 ‘造血’，10 年前这是不可想象的，那时只要有增长就行，现在，烧钱换来的增长，烧完就结束了，没有下一轮融资，AI 也是一样的。”

尽管形势如此残酷与激烈，2023 年全球仍然陷入了史无前例的 AI“淘金热”，轮番上演着不同的造富神话。

GitHub 前 CEO 出手投了老东家的竞品 1 亿美元。

1 年多前，AI 编程助手Magic刚完成 2300 万美元 A 轮融资，今年 2 月，该公司从上百家竞品中脱颖而出，B 轮融资额翻 5 倍，获得AI Grant（由 GitHub 前 CEO Nat Friedman和Daniel Gross创立）青睐。

左，Daniel Gross；右，Nat Friedman | 图源：腾讯新闻

在头部明确（GitHub Copilot），谷歌、亚马逊等大厂布局，还有一众初创企业激烈竞争的 AI 编程领域，AI Grant 的大手笔投资震惊业界。

一个个新名词 “ChatGPT Wrapper”（ChatGPT 套壳应用）、” Copilot”（聊天对话式 AI 助手）、“AI Agent（AI 智能体）” 、“AGI”（通用人工智能）成为财富密码，似乎只要和它们沾边，就能搭上独角兽的快车。

风险投资的数据正在体现这一点，2023 年美国全年风险投资达 1706 亿美元，相较 2022 年缩水了 716 亿美元。然而其中进入 AI 的投资逆势上涨，占全年投资额超过三分之一，累计 626 亿美元，这个数字也远超过去几年的 AI 领域投资。

然而，造神的速度和跌落神坛的速度几乎一样快。

AI 语音公司ElevenLabs仅仅 1 年多时间跻身独角兽行列，成为今年风头正盛的 AI 应用。而去年此时人人热议的成立 1 年多估值超 10 亿美元的Jasper AI经历裁员、创始人离开、估值下调，黯然失色。

图源：PC Guide

类似这样的故事在硅谷的创业热土上相继上演。“AI 创业的马太效应越来越强，同时汰换速度会加快。” 硅谷 VC UpHonest Capital 告诉硅兔君。

在过去 1 年多时间里，AI 有关的技术迭代、商业应用、资本投入达到了有史以来的巅峰，投资机构 Coatue 认为，AI 渗透 50% 的用户所需的时间将比移动互联网时代缩短一半（3 年）。

经历了短时间内的巨变，硅谷的创业者和投资人有了哪些新的思考？融资数字背后浓缩了怎样的 AI 创业现状，AI 创业有哪些机会和坑？作为 VC，又应该以何种姿势参与到这次 AI 淘金中？

硅兔君与 20 多位创投和人工智能领域人士交流，试图总结出如今在北美上演的 AI 淘金热潮背后的经验和教训。

01 “碎钞” 的造 “锤子” 运动

2023 年 8 月，为 ChatGPT 奠定技术基础的论文《Attention is all you need》（注意力是一切）最后一位留在谷歌的作者Llion Jones宣布离开谷歌，并创立全新路径的 AI 模型公司，估值 2 亿美元，这个价钱是大多数 AI 初创企业估值的 10 倍多。

距离 “谷歌八子” 提出 Transformer 架构已过去了 6 年。Transformer 是这一波生成式 AI 技术突破的源头，简单来说，相比以前只能一个接一个的序列化处理信息，Transformer 在处理信息时可以一次性的 “看见” 所有信息，然后利用注意力机制将距离不同的单词进行结合。

Transformer 论文八位作者，第一排第一位为 Llion Jones | 图源：Financial Time

因为去掉了序列结构，Transformer 模型可以实现并行结构，这就使得它可以利用大量的算力和数据进行训练。OpenAI发现当数据量、参数规模和算力达到一定规模，模型出现了 “涌现” 能力（在小规模模型中不存在，但在大规模模型中存在的能力），从 GPT-3、3.5 到 GPT-4，OpenAI 训练用的数据量、模型参数规模和算力不断放大，模型拟人程度越来越高。但这也意味着模型训练成本指数级提升。

“造锤子”，在这一波浪潮中最热，也最吸金。

2023 年大部分 AI 风险投资被基石模型吸收，最引人注目的故事就是，OpenAI 和 Anthropic 两家基石模型初创公司共计融资 170 亿美元，占 AI 投资总额的近 1/3。

现在看来，这种砸钱的做法还会在基石模型中继续下去。

这本就是一种 “暴力美学” 的产物，以 Transformer 架构为代表的大模型，本就是在数据量越大、质量越高的情况下效果越好，这意味着需要大量的 GPU 支撑数据运算。根据 GPT-3 披露的技术概要至少需要 1024 张 GPU 支撑其训练，花费大约价值 500 万美元。而 GPT-4 的参数规模有可能是 GPT-3 的 10 倍还要多，坊间传闻 OpenAI 使用了大约 2.5 万张 GPU 训练，仅硬件成本投入就有可能超过 1 亿美元。

现阶段，基于 Transformer 架构的基石模型还远未达到上限，scale law（规模定律）并没有被打破，持续扩大模型参数规模、训练数据和算力的实验会持续下去。一位在全球市值排名前七的科技公司工程师告诉硅兔君，“想要线性提升模型能力，所需的资本投入需要指数型增长。”

OpenAI 计划融资千亿美元，另一家大模型公司 Anthropic 计划未来 4 年融资 50 亿美元。将来，花费 10 亿美元训练基石模型也不是不可能。

在基石模型公司的碎钞能力面前，VC 的 “钞” 能力似乎微不足道，因此在基石模型中，VC 参与的并不多，毕竟，没有多少 VC 的基金规模高达 10 亿美元，显然这是属于巨头的游戏。

微软Azure 云一周的收入就有 20 多亿美元，所以投资 OpenAI 100 亿美元只消耗了这家科技巨头 6 周多的收入。相比 VC 要等到项目退出才能看到回报，Azure 因为整合了 OpenAI 的服务，仅 2023 年二季度收入就增长了 6%，比原先增加了 50 亿美元到 60 亿美元收入。

这笔经济账，对于巨头们来说，不可谓不划算。

从资本和业务的角度来看，或许只有云厂商和科技巨头才是基石模型公司的长期伙伴。除了 OpenAI，微软近期宣布与Mistral战略合作并投资 1600 万美元；亚马逊和谷歌共同支持了Anthropic；甲骨文和Salesforce共同支持了企业级大模型Cohere；英伟达是所有企业战投中最激进的，2023 年一口气投资了 11 家基石模型公司（占 AI 总投资数量的 40%），涵盖多个大语言模型、视频和 3D 生成基石模型。

图源：IRIS

而另一面，基石模型的公司也在分化出不同的格局。目前，北美的基石模型格局已基本形成 OpenAI、谷歌、Anthropic、X.ai 等几家公司指引闭源模型最新进展，Meta、Mistral 等引领开源生态进步。

一位在英伟达参与大语言模型开发的研究人员与硅兔君分享他所理解的企业进行大语言模型部署和应用的路径，首先，头部玩家一定会构建自己的大语言模型，以便拥有绝对的主导权；其次，基于目前已知的开源模型、根据自己的业务领域进行增强和研发；第三，调用通用基石模型的 API 接口和提示工程，将前端做厚，将特定业务需求与基石模型的语境适配，可以低成本更快地搭建出一些具体领域的应用。

硅谷 VC UpHonest Capital 从早期投资视角观察到，第一条路径的门槛太高，目前鲜有新创业者涉足。第二条和第三条路径是目前创业者的普遍选择，许多创业者可能在前期先选择调用基石模型 API 快速试错，有了更多资本、算力和人才资源后再尝试基于开源模型微调，加深自己的护城河。

打造法律行业大语言模型的Harvey就是走的第三条路，他们先与 OpenAI 联合开发，2023 年 12 月完成 8000 万美元 B 轮融资，加强自研模型。

另一个特定业务需求的大模型开发公司Magic AI则是基于更早之前的 LSTM 架构开发针对代码生成的基石模型，以便突破 Transformer 的输入字符长度限制。

吸引了 General Catalyst 和 A16Z 5000 万美元投资的Hippocratic，使用专业医护人员提供的数据和反馈进行 RLHF 训练，用于诊断以外的病患服务场景。

Hippocratic AI 和创始人 Munjal Shah | 图源：General Catalyst

这些垂直行业/特定任务场景 LLM 初创企业的发展，也印证了谷歌前 CEO Eric Schmidt，Databricks 首席科学家Matei Zaharia、AI 初创 Samaya AI 创始人Maithra Raghu的共同观点—— 未来的 AI 生态中，通用大模型负责解决长尾问题，高价值的业务场景将由专业 AI 系统来解决 。

02 “钉子” 会变得更细、更窄

虽然 AI Grant 的两位创始人信心满满，“未来 12~18 个月会有 AI 应用年收入突破百亿美元！” 但哪怕是Adobe前 CTO 创立、1 年估值超过 10 亿美元的生成式 AI 内容营销工具Typeface也还在寻找 PMF。

Adobe 前 CTO Abhay Parasnis | 图源：Linkedin

“大部分 AI 应用处于概念验证阶段，大规模应用还未到来。”多位创业者、从业者向硅兔君如此反馈。

但这并不影响创业热情。硅谷 VC UpHonest Capital 告诉硅兔君，他们在过去一年接触了比以往更多的辍学创业者和 PhD 学术研究创业者，这些创业者或是将之视为” 一生一次的机会 “，或是受到 Transformer 论文八位作者全部创业的激励，一头扎进 AI 赛道。这是在 2016 年那一次 AI 繁荣期也未发生过的景象。

同时，围绕 AI 的创业项目数量更是前所未有。

以硅谷孵化器 YC 为例，2023 年孵化的项目中接近一半是 AI 公司（约 231 家），再加上考虑到许多创业公司转型，实际数量可能更多，“有许多公司在我们投资一个月之后转型做新的 AI 方向” ，YC 的一位投资合伙人感慨，自从他在 YC 工作以来，从未见过像现在创始人这么快的找到/转型新方向。

一个明显的转型趋势是，场景从宽泛到聚焦，从通用任务向具体任务细化。

例如 YC 上半年孵化的Fintool，这个创业团队之前创立了 AI 驱动的法律资料检索工具 Doctrine。Fintool 一开始想做金融领域的 LLM（“Bloomberg GPT”），经历半年时间，目前聚焦到机构投资者的助手 Copilot（人参与到回路中）方向，帮助投资者总结、分析财报，更高效的梳理投资决策相关的信息。

另一家 AI 驱动的 SEC（美国证券交易所）合规自动化公司Hadrius，它的创始人认为 AI 创业者在销售时应该” 聚焦在垂直场景本身 “，他们曾在销售时强调产品 “具有 AI 功能”，结果发现没有实际用处，因为他们的客户大概率不是极客，强调 AI 的概念不如讲清楚如何解决客户痛点。

图源：Linkedin

咨询公司 PwC 的一份数据调查显示：61% 的 CEO 表示 2024 年，他们期望看到 AI 对产品或服务质量的帮助，期望看到 AI 投资的收益回报。由此可见，今年 ROI（投资回报率，以下均用 ROI 表示）将成为 AI 应用产品不得不面临的考验。

科技 VC Madrona同样认为 “AI 产品的用户心态将从「试一试」变成「追求 ROI」”，去年问"我们的 GenAI 战略是什么？"的 CEO 今年将面临完全不同的问题 “我们的 GenAI ROI 是多少？”，因为随着深入使用 AI，人们将发现应用 AI 的最大成本可能不是训练模型而是模型一次次运算产生的推理成本。

因此，更容易测算和产生 ROI 的应用场景将更受用户的欢迎。从头部应用的收入增长轨迹我们可以初步判断有哪些这样的应用场景。

开发者网站 GitHub 的 Copilot 2023 年 ARR（经常性年度收入）超过 1 亿美元，微软 2024 年 Q2 财报数据显示，目前付费开发者人数超过 130 万、企业用户超过 5 万，Copilot 产品为 GitHub 带来了 40% 的年收入增长；AI 法律助手 Harvey 表现出了快速增长趋势，半年多时间 ARR 增长了 10 倍达到 1000 万美元；ChatGPT 2023 年 12 月收入约 1.67 亿美元，年化收入约 20 亿美元；GPT4 驱动的 Microsoft Copilot 收入更加可期，The Futurum Group 分析师预测该产品 2024 年收入达到 23.9 亿～92 亿美元。

考虑清楚这个前提条件之后，新创业者在选择方向时还要小心翼翼的避开与巨头正面竞争，因为今天的巨头有资本、有人才、有完善的 AI 基础设施还有充足的 GPU 卡。

VC UpHonest 早期投资的一家生成式 AI 公司HuHu AI的创始人Tianqiang经历了 2016 年的 AI 创业热潮，公司成功被亚马逊收购，再次选择 AI 创业，他认为 “2012 年以 AlexNet 为标志引发的 AI 浪潮中，大厂没有人才、没有成规模体系的 AI 架构，2012 年-2016 年期间，AI 初创的商业模式同时退出方式可以说主要靠卖给大公司，经过这个时期的收并购，大厂补上了 AI 基础设施和团队短板。所以，“十年前，大厂没有什么，初创企业就可以做什么；十年后，大厂什么都可以做。在这样的形势下，创业公司就得做大厂顾不上或者不屑于做、偏垂直的事情。”

图源：HuHu AI

硅谷 VC a16z 的一位合伙人同样认为，2024 年将看到范围更窄的人工智能解决方案。虽然 ChatGPT 可能是一款出色的通用人工智能助手，但它不太可能 胜任所有任务。他预计，我们将看到一个专为研究员打造的人工智能平台，一个专为记者打造的写作生成工具，以及一个专为设计师打造的渲染平台，这只是其中几个例子。从长远来看，人们日常使用的产品将根据他们的用例量身定制—— 无论是专有的底层模型，还是围绕它构建的特殊工作流程。这些公司将有机会 “拥有” 新技术时代的数据和工作流程；它们将通过锁定一个领域，然后进行扩展来实现这一目标。对于最初的产品来说，范围越窄越好。

UpHonest Capital 认为，在生成式 AI 时代创业，垂直、解决具体问题比提出一个宽泛的方向更好。互联网巨头、SaaS 公司，他们在 AI 以及业务领域的积累，一定程度上使之可以更快的叠加新技术。因此创业者必须找到自己的差异化并 10 倍放大。创业者需要更快的迭代速度，底层基石模型持续更新，甚至每次更新都能引发地震，因此需要更快的学习能力跟上技术迭代。

03 大模型正在 “杀死” SaaS

在与 UpHonest Capital 交流的过程中，他们所投资的一家初创企业引发了笔者兴趣。这家 YC 孵化、拿到 AI Grant 投资的公司致力于为家政服务行业提供 AI 接线员服务，保证客户不会漏听电话，并完成服务预约。美国家政行业每年因为漏接电话造成的损失高达数百万美元，Sameday的创始人曾是全美增长最快的家政服务公司Ardent Servicing的 CMO，了解家政行业的痛点，其 AI 产品上线半年后快速增长，ARR（Annual Recurring Revenue，年度经常性收入）接近百万美元。

图源：YC

谈及 Sameday 的投资理念，UpHonest 创始人表示他比较关注传统行业跳过 SaaS（软件化）阶段，直接进入生成式 AI 时代的相关机会。

无独有偶，a16z 也看好传统行业的 AI 跨越。其医疗健康方向的投资人表示 “正如新兴市场从使用现金直接转向移动支付（完全’ 跨越 ‘信用卡）一样，医疗行业也将从传真机直接转向人工智能（跨越传统的垂直软件）。

美国的医疗行业非常传统，2023 年美国医疗行业讨论的话题是 AI 与传真技术对医疗行业的效率提升。而且在美国市值前 100 的上市软件公司中，只有一家是服务医疗行业的，医疗行业的数字化程度之低可见一斑。

而现在，一些创业者跟硅兔君反馈他们认为医疗行业有可能成为美国最先拥抱 AI 立法的行业，他们在等待更明确的信号出来后加入 AI+ 医疗的创业行列中。

2024 年 YC 冬季孵化营的 AI 项目方向也反映出医疗从业者对 AI 的期待，今年 AI+ 医疗的应用格外多，甚至细化到牙医的 AI 接诊员，放射科医生、家访护士和住院护士的助手等。

此外，AI 产品 “杀死” SaaS 不仅体现在对传统行业的渗透，还有可能从商业模式角度颠覆 SaaS 现在的订阅制。

虽然目前大部分的 AI 应用还是延续 SaaS 的商业模式，提高员工的生产效率，按照使用的账户数量订阅制付费，定价参考员工的雇佣成本。咨询公司 PwC 和 Benchmark 投资人提出了一个新的观点 “未来的 AI 产品很有可能演变为按照结果付费”，“Sell work, not software（售卖结果，而非软件）”。

例如服务人身意外伤害律师的 AI 助手EvenUp，B 轮融资 5050 万美元，帮助人身伤害律师为客户准备索赔文件，例如案件摘要、医疗费用（包括误工费）估算等。

图源：EvenUp

如果 EvenUp 采用的是 SaaS 销售思维，它的产品形式可能是为人身伤害律师提供一款软件，例如在准备文件流程的某个环节使用 AI 生成工具，订阅收费，但这样一来，EvenUp 期望的是客户为提升的效率付费（难以衡量且有限）。

相反，EvenUp 选择了销售 “Work Product”，即整个索赔文件资料。这样，EvenUp 的定价参考的是律所使用外包团队撰写这样一份资料的成本，因为 EvenUp 可以完全取代这样的人力劳动。从这个角度，Benchmark 的投资人认为凡是需要外包团队的工作，都有可能由 AI 产品取代，因为这样的工作普遍意味着枯燥、重复和基础。

不过，有关 AI 的一切仍在疯狂的进化中，创业者和投资人对此有无限的想象，也是因为这些想象，AI 创业不可避免的陷入狂热和泡沫中。

反思 2023 年的 AI 投资，Khosla Ventures 创始人认为 AI 创业投资过热了。“考虑到目前的炒作，AI 初创公司的估值过高，未来可能只有少数几家能存活下来”。

YC 合伙人也发现去年很多人陷入 “Checkbox” 心态，因为看到其他人在创业或者布局 AI 战略，所以也要跟着做，他认为这种心态很容易使人陷入“Tarpit ideas” 陷阱，即看起来有前景但是坑的方向。

并且，去年的环境加剧了陷入 “Tarpit ideas” 的概率，因为人人都想布局 AI 战略，一些 AI Copilot 概念产品可能很容易吸引用户试用、甚至转化一定的付费用户，但他们可能只是认为自己需要，还没搞清楚到底需要 AI 干啥。“很多 AI 应用并没有找到 PMF，它们似乎获得了一些 traction（业绩），但当我们仔细探究时，有人真正在使用吗？实际用例是什么？创始人一头雾水。”

AGI 确实展示出无限的潜力，但回归现实，AI 真正的应用和效益可能还没实现。摩根斯坦利的 AI 助手并未被财富经理采用，因为客户想跟真人交流。试图用 AI 撰写的文章取代记者的新闻业务难以进行，因为这些文章是错误的或无用的。

OpenAI 的 COO Brad Lightcap也不得不出来让大家冷静下，他告诉 CNBC 记者，人工智能无法大幅降低成本，也无法让陷入困境的公司恢复增长。

在 AI 应用高速发展、野蛮生长的阶段，有许多看不清、回答不了的问题。超级个人投资者Elad Gil最近在博客中表示，“在大多数市场中，时间越久，事情越清晰。而在生成式 AI 领域，情况恰恰相反。时间越久，我就越不觉得自己真的懂了。”

YC CEO Garry Tan也承认现在很难确定的说有哪些方向一定会成为 AI “Tarpit ideas”。

Garry Tan | 图源：The Information

但相信有一点是硅谷投资人的共识，一位 a16z 合伙人曾表示，消费类人工智能应用将通过围绕独特的使用案例提供最佳用户体验而实现突围，而不是仅仅依靠模型性能。LLM 可以成为差异化的源泉，可能会提供先发优势，但网络效应、高转换成本、规模和品牌等老式护城河仍将是长期取胜之道。

2020~2022，在生成式 AI 热潮之前我们经历了元宇宙和加密数字货币浪潮，泡沫很快刺破。很难说，AI 热潮不会步入前者后尘。但每次泡沫破裂之后，总会有真正的信道者坚守，默默推动技术进步。

正如 OpenAI CEO 山姆·奥特曼所言：” AGI 正在来临，但它对世界的改变可能并没有我们想象的那么多。”

但我们相信不论如何演变，寻找真实用例、打造可持续的商业模式的本质是不会改变的。

硅兔赛跑，原文标题：《AI“造神运动” 终结，杀死，重生》

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。