AI可以被定义为变革性的风口。当我们谈论一个共同的名字时，它代表着一种共同的“理念”或“形式”，比如猫可以是黑猫或白猫。然而，AI的复杂性使其难以用一个单一的概念来概括，它可以是模型、算法、手机应用或机器人。AI的兴起引发了深刻的哲学思考，也带来了新的机遇。
在风险投资领域，我们定义风口的标准是：它是否能够带动整个产业链的发展。智能电动车就是一个典型的例子，它推动了动力电池、汽车芯片和自动驾驶等领域的发展。AI同样具备变革性风口的特征，它包含了基础设施层、模型层和应用层，每个层次都蕴藏着颠覆性的机会。
作为一名资深投资人，我建立了以学习和交流为核心的反馈纠错机制，来深入理解和思考各个赛道。然而，AI的快速发展让我感受到了学习上的焦虑。今年3月，GPT-4、百度文心一言、Microsoft Copilot等AI技术的相继推出，让我们的朋友圈被AI刷屏。在焦虑和渴望的交织中，我与60多名AI领域的创业者和高管进行了深入交流，形成了一些思考和判断，今天与大家分享。
对AI发展的态度，我们既不会因为FOMO（Fear Of Missing Out）而盲目投资，也不会因为JOMO（Joy Of Missing Out）而过于保守。科技行业的投资需要谨慎，过于保守会错失科技大浪潮的机会，而过于盲目则可能被泡沫反噬。与美国OpenAI+微软+英伟达的模式不同，中国的大模型公司将在联盟、商业模式、C/B端收入贡献等方面展现出独特的特点。AI的发展是一条长期之路，与移动互联网的黄金十年（2010-2020）相比，AI才刚刚起步。
可能成功的AI公司，都应该打造自身的数据飞轮。AI产业链可以分为基础设施层、模型层、中间层和应用层，应用场景主要分为ToC和ToB。在AI早期，C端能够带来的数据飞轮效应至关重要。头部AI公司如OpenAI和Character.AI，既做模型又做产品，这与移动互联网的发展模式有所不同。在技术创新期，技术驱动产品是关键，而数据飞轮则成为提升产品竞争力的关键因素。无论是ToC还是ToB的公司，打造反馈闭环、形成数据飞轮都是必要的。对于初创公司而言，虽然挑战较大，但也因此拥有更多机会。
有专业壁垒的垂直模型可能是AI发展的新机遇。Eric Schmidt曾提出，未来将是多个垂直模型或垂直助理的时代，因为许多高价值、特定领域的工作流程依赖于丰富的专有数据集。彭博推出的Bloomberg GPT就是一个例子，它在金融领域展现出强大的能力。在国内，AI与产业融合的节奏可能会更快，特别是在实体经济、先进制造和智能驾驶等领域，将出现更多创新模式和应用场景，并得到政策的明显支持。AI时代可能会颠覆SaaS时代的许多想法，我们需要关注AI应用中GPT等大模型的能力和自身能力的结合，以避免产品在GPT的一次迭代升级中就被淘汰。
在AI浪潮中，数据的重要性不容忽视。全球数据正在变得越来越稀缺，高质量的自然语言数据可能最早在2026年被大语言模型耗尽。这意味着存量互联网的数据有限，对于国内公司而言，如何在达到标准水平后持续改进，关键在于获取合法合规、合商业逻辑的数据源。因此，国内大模型公司与各行业原始数据源头部公司的合作将更加紧密，甚至可能出现不同角度、立场和行业的大模型公司。模型、算力、数据和场景将是成功公司的四个核心维度。
大模型产品的未来可能朝两个方向发展：个性化和场景化。个性化方向包括给大模型装上“记忆”，使其能够记住用户对话并提供个性化服务。Character AI和Rewind等公司正在这个方向上寻求突破。场景化方向则包括给大模型装上“手”和“眼睛”，使其能够处理更多任务和获取更多信息。OpenAI Plugin就是一个给大模型装上“手”的例子，而多模态（文字、图片、影像等）则是装上“眼睛”的关键。这些发展方向都离不开大模型成本结构的下降，而中国创业者在应用层将发挥重要作用，未来将以月为单位出现更多应用创新。
AI的冰与火，实践尝试的意义大于坐而论道。尽管AI看似很热，但实际使用和应用的并不多。从今年3月到5月，召开业绩电话会议的标普500指数的公司中，有110家高管提到了AI，这是过去十年的三倍。然而，摩根士丹利的一项调研显示，80%的人没有使用过ChatGPT或谷歌的Bard。这组数字对比揭示了AI讨论热度与实际应用之间的差距。当前AI领域的高估值和复杂专业词汇，让许多人敢于谈论但怯于实践。事实上，AI正在许多地方发挥实际作用，以下是一些接地气的例子：
1. 通过拥抱AI获得实际的数据增长：Notion和Character.AI。Notion是一款个人笔记软件，通过接入ChatGPT，其功能得到极大强化，一个月内实现1000万美元ARR收入。Character.AI是一款基于AI大模型的聊天机器人，其记忆功能使其在移动端不到一周内被下载了170万次，4月访问量接近2亿。
2. 专业化、垂直模型的先行场景：DoNotPay和法律应用。DoNotPay提供针对“小官司”的AI法律服务，帮助用户解决实际问题。国内一家食品消费类被投公司也在法务环节使用AI，大幅提升工作效率。
3. 虽然很小，但意义重大的例子：医疗领域的应用。一位美国急诊科医生使用ChatGPT为老年痴呆症患者的家属提供解释，有效缓解了家属的情绪，节省了医生的时间。
4. 一些ToB场景的例子：电商、消费品、人力资源和编程领域。AI在电商场景中生成营销物料，在消费品行业自动化生成产品概念，在人力资源领域自动化筛选简历，在编程领域生成代码，都展现出强大的应用价值。
AI创业的几点建议：
1. AI的学习和应用，用起来、有效迭代大于一切。学会写提示词，知道如何提问，与AI互动是一门学问。
2. 尝试形成正确的底层工作逻辑，设计正确的AI改变工作生活的流程，按节奏确定目标和复盘。
3. AI浪潮在这个阶段，一定是技术驱动为先和定义产品为重的。技术创新基因和能力的小团队必须拼命奔跑。
4. AI创业，不但要能用好市面上的AI工具，更要从AI效率、变革的角度，去组织公司架构。
5. 如果是在做ToC产品，那数据飞轮带来的正反馈效应非常重要。重视产品的记忆性和个性化。
6. 在当下AI相关如此火的状态，也对创始人提出了更高、更全面的要求。创始人需要综合思考技术、市场情况、投资人预期、货币存量，这些因素都需要找到平衡点，并进行一定的前置预判。
7. AI创业一定要把握好融资节奏。美国AI市场非常热，中国才刚刚开始。目前资金变得更加珍贵，发展方向还比较混沌，但长期来看，各个方向都有机会。
结语：
新事物出来往往会有两个极端，我们不要神化AI，但也不可忽视它。有用的东西终将会留下和发展，不以个人的意志为转移。虽然现在大部分公司还没有通过AI产生可观收入，也还没有大量实践诞生，但一切都在紧锣密鼓的进行中，未来6-8个月是重要的窗口期。我们正处于AI渗透商业的早期，很多产品还在研发和内测中。事实上，像我们的一些智能电动车生产公司，已经将AI应用在了包括制造、客服、营销等多个环节，它是一种生产力环节的渗透。按照OpenAI创始人Sam Altman的说法，未来模型性能每18个月提升两倍。虽然目前AI还不能代替人，但我们能看到AI在各个生产力环节的参与，它降本提效的能力也会逐渐发挥出来，我们看到很多创业者都是无比兴奋的。如果我们想十年后，AI很有可能会消失于无形，渗透进我们工作、生活的各个角落，并改变世界，所有公司也都会变成AI公司。最后，有人总是觉得AI如果发展的非常迅猛，它最后大概率会变成人类的灾难。但我之前和很多人讨论过这点，这个判断的前提其实还是从我们的一些固有观念出发去思考AI，认为它会对“统治、占有”这些人类根深蒂固顽疾有继承性、一致性。但其实如果我们从另外的角度去想，也许AI的思维完全和我们不一样，它对这些也许根本没兴趣。当然我的意思也不是说，在AI发展的过程中，我们不需要任何的监管或者警惕。相反，我觉得在初始阶段，对使用AI的人的约束和监管可能是更加有必要的。随着发展，再往后，我们需要的也许是跳出固有思维，也许AI最后会颠覆掉我们现有的观念也不一定。这点也许是我们今天参与这个新时代的人，最应该去拭目以待的事情。但反正对我们做投资的来说，winning is so sweet because most of the time we lose，有这个心就好。
