去年12月，我第一次关注ChatGPT。当时，它的用户在不到一周的时间内就突破了百万，一小群国内外的科技爱好者开始热烈讨论这款对话机器人。我以为它会像元宇宙一样，像会所一样，也像我追过的大多数热点一样，很快就会过期，消失在新闻尘埃里。没想到两个月后，国内掀起了一股人人谈ChatGPT的热潮。在我开始写这篇文章的那天，ChatGPT概念股又涨了，涨停360，尽管公司在之前一周已经声明目前的技术水平只能比GPT2.0略好。

股东们在狂欢，行业在反思。“中国开放AI”成为新的旗帜。在大厂之外，王会文将顶级VC带入游戏，让沉寂已久的创投圈再次热闹起来。引入资本的老王对人才提出了三点要求：业界公认的R&D顶尖人才；狂热地相信AI改变世界；坚定确保AI造福人类。几天后，在一张流传的朋友圈截图上，致远副总裁刘江宣布加入王会文的团队，感慨“此生有幸能参与如此伟大的事业”。

一个投资人朋友告诉我，VC去王会文目前只是“拿号”。它只能传达想要投资的资金数额，但没有定价。也就是说，这笔钱如果承诺投资，可以换多少股份？不知道据最新消息，美团前高级副总裁承诺募集的投资金额已经超过3亿美元。

他的即时主页签名也改了，目前正在“学习人工智能”。

回过头来看，上一波充满这种“改变世界”热情而毫不犹豫高举的，还是移动互联网时代的创业者和投资人。ChatGPT的火让共识迅速达成，对风口和趋势的敏感已经让他们中的一些人俯首称臣。

“相比前两年的超宇宙和Web3概念，这一波AI概念能让大家感同身受，带来的是更清晰、更长远、更深刻的变化。大语言模式可能是和移动互联网一个级别的东西。中国和美国的大公司正在全面进入这个市场。我知道中国很多互联网巨头也在思考如何带动自己的公司进行研究和变革。”真格基金管理合伙人戴宇森告诉我。

有人更早看到了趋势。记得去年9月，红杉美国的两位合伙人在一篇题为《Generative AI: A Creative New World》的文章中预测：“就像移动设备通过GPS、摄像头和网络连接等新功能发布新类型的应用一样，我们预计这些大型模型将刺激新一波的生成式AI应用。就像十年前移动互联网被一些杀手级应用打开市场一样，生成式AI的杀手级应用也会出现，竞争也将开始。”

游戏已经开始了。面对新浪潮，真正的态度是“全进”。在最近的一次内部会议上，这位管理合伙人说：“回到乔布斯刚刚发布iPhone的那一刻，没有任何一家风投基金的投资者会看到移动互联网项目。”然而，有人质疑王会文的入学时间，为什么他不早不晚，就在ChatGPT最火的时候。

当我把“时机”这个问题抛给戴雨森的时候，他试图用移动互联网的时间尺度来定义这个问题。“你不会说苹果发布iPhone两个月后进入市场的人来晚了吧？我认为现在是未来10至20年周期的头两个月。”

真的，这种理由，这种热情，这种关于“时机”的问答套路，和我前几年在互联网投资报道里看到的一模一样。甚至有专家在用“月活、流量、用户数”的框架来解构ChatGPT。我的同事曹卫宇也问过这个问题：ChatGPT能让TMT投资“借尸还魂”吗？

大型模型的虚拟空间

ChatGPT的突围节点必然与“问答”的应用场景有关，换句话说，与其在C端的流量突围密切相关。毕竟这是AI社区第一次向公众免费提供如此强大且人性化的工具。

在跟风的人看来，ChatGPT的吸引力在于它可以回答很多开放性的问题，以“高情商”的对话方式与你互动。比如你可以和它聊聊人生的哲理，探讨一下人生的意义，或者向它请教一下追求真爱的方法。

在关心技术和产业的人看来，与上一代自然语言处理(NLP)相比，ChatGPT的背后是AI技术范式的改变。与机器视觉、语音输入等专用人工智能相比，ChatGPT让人看到了通用人工智能(AGI)的曙光。

史明资本合伙人夏玲告诉我，GPT系列真正的标杆性变化其实是2020年的GPT-3，它代表了基于一个语言模型可以实现许多不同任务的通用人工智能(AGI)原型的诞生。后来在此基础上引入了人的反馈与安全的对齐研究。人们的直观感受是，他们可以用自然语言与ChatGPT对话，而ChatGPT的回答是“智商”和“情商”。

从行业角度看，ChatGPT背后的大语言模型(LLM)被视为新一代人工智能的基础设施，具有很强的通用能力，可以完成多场景任务，提高脑力劳动效率。夏玲告诉我，以前的人工智能公司需要根据不同的任务训练不同的模型。AI公司越商业化，越像项目公司。新一代AI公司可以用统一的大模型直接处理不同的任务，模型开发门槛高。然而，后续任务的开发工作量明显下降，AI公司的商业模式发生了变化。另外，用户的反馈对底层模型的迭代非常重要，所以新一代的AI公司有机会也需要直接为用户提供产品和服务。

Magi的创始人季逸超开发了一个基于机器学习的搜索引擎，现在他正在参与一个名为Open Assistant的开源项目，其目标是让更多人有机会使用像ChatGPT这样的对话式AI。谈及在中国创业AI的挑战，匹克告诉我，过去AI能否在一个行业落地，往往取决于这个行业是否有足够的标记数据，而标记数据是非常昂贵的，所以过去AI公司往往专注于金融、医疗等少数领域，那里有有钱有数据的人，很多细分市场未能享受到AI带来的数字化转型。

ChatGPT向他展示了一种新的可能性：不需要为一个任务单独调整模型，利用静态模型就可以实现一个全新的任务。“ChatGPT的跨行业对话效果非常惊人。在这种新范式下，原本没有被AI受益的蓝海领域可能会受益。ChatGPT可能会成为一个新的基地，基于它的生态会有更多的创业公司。”

戴雨森看到的商业价值是，与之前的ai创业公司相比，以ChatGPT为代表的AIGC，可能的应用范围更广，对技术精度的要求也低得多。很多技术80分就有做的空间，从而大大加快商业化进程。他以自动驾驶为例对比了这种差异。“每年国内外在自动驾驶上的投入都在数百亿以上，但即使技术可以扩展，用户场景还是比较单一，必须使用非常高的准确度。相比较而言，画图、文字生成等内容生成领域对准确性的要求没有那么高，现在就可以使用，带来娱乐价值，甚至商业价值。”

另外，上一波AI创业中的典型场景，比如人脸识别或者更多的2B场景，普通用户很难直接体验到，而现在AIGC公司可以直接提供ChatGPT、MidJourney等客户端产品。“总的来说，它和其他成功的互联网产品一样，使用门槛低，效果清爽，传播性强。”

换句话说，过去我们经历了移动互联网的黄金十年，探索了O2O、移动支付、短视频等典型场景。如今，以ChatGPT为基地，等待被填充的AI时代的应用场景正在慢慢展开。“我觉得ChatGPT带来的这一波变革，可能比移动互联网时代更为剧烈。互联网带来的只是效率的提升，AI才能提升生产力。”米勒，开国元勋

这样，就有了想象的空间。

“中国真的有像样的企业吗？”

机构已经随风而动。根据我一个朋友的观察，以前看消费、看海的投资者，现在都在看AIGC。

“国外已经跑过这个方向，中国最擅长的就是赶超。”米勒说。

一个美元基金的合伙人说，那些手里已经有产品，并且可以通过训练大模型马上产品化，有实际效率提升功能的团队，一开始会比较优越，最近他们的几个投资组合都加码了。

据我所知，最近有多家美元基金在关注一款叫Glow的AI社交产品。与AI聊天并不是一个新的应用方向，但随着AIGC的趋势，一些从业者将其戏称为“年度最大赛道”。“随着ChatGPT的API开放，许多公司将希望成为它的应用层。无论是用于聊天社交、客服、游戏、互动小说、营销，都会有它的应用空间。类似Jasper的中层公司会越来越多。”一位AIGC企业家告诉我。

真格过去投资了很多AI公司，戴雨森透露这些公司都在积极拥抱新技术。在我们采访的当天下午，他打算去见一个独角兽AI公司的创始人，对方正在考虑彻底转型做大模型的路径。

第一波敏锐的创业者已经开始考虑第一波应用的理想场景。戴雨森觉得做一个能快速反应，了解各行各业的私人助理，可能是一个不错的职位，但不是那么精准。在海外，当谷歌准备迎接ChatGPT带来的挑战时，一些初创企业已经推出了具有交互式AI或智能摘要功能的搜索引擎，如You.com和困惑AI。不过，在戴雨森看来，ai颠覆搜索引擎还为时过早。ChatGPT目前不能做数学计算，提供的信息有很多错误。“所谓的生成式AI侧重于生成，这与搜索引擎强调的信息检索是非常不同的任务。”

在他看来，苹果刚发布iPhone和App Store的时候，第一批的应用很多都不是很有用，但是很好玩，往往活不到最后。但一方面，如果应用能留住用户资产、数据资产、品牌资产等。才有可能变大。比如移动互联网早期，很多人做滤镜工具，大部分都消失了，但Instagram成为了最后的赢家。另一方面，早期入局的创业者会积累宝贵的经验，在后续的尝试中更有竞争优势。同时，他关注到像Jasper这样基于GPT-3在特定领域进行开发的应用层公司，拥有超过1亿美元的ARR，初步验证了商业模式的可行性。

他认为，AI行业未来可能会有一个类似于互联网领域的平台和应用的生态系统。也许大模型并不是语言模型的终结，但如果按照我们现在看到的最好的时间，大模型是底层的基础设施，随着越来越多的数据，越来越多的参数，以及更高的计算能力和用于训练的成本，它可能会变得越来越类似于公有云的商业模式，天花板非常高，壁垒非常强。它是一个基数，每个人针对不同的细分市场进行微调。

在ChatGPT引领的新浪潮中，史明资本主要关注三类公司：一是像OpenAI这样专注于大模型的公司；二是既做大模型，又直接应用垂直整合的公司，比如Midjourney第三种是调用大模型API的公司，专注于基于大模型开发特定场景的AI应用公司，比如Jasper。

过去两年，这三种类型的公司在海外迅速崛起，夏玲认为，中国也会出现类似的情况。“创业公司和大厂肯定会有几个大的样板公司。我相信大厂还是会有自己的位置，但这不代表创业公司没有机会。”

在他看来，要想赢得投资人的青睐，早期的创业公司必须至少具备以下核心能力之一。否则你的技术和工程能力特别强，比如能以更低的成本和更高效的迭代做出高级的大规模语言模型和反馈模型。不然你得对C端用户或者B端场景的需求有特别深刻的洞察，懂得如何将痛点和AI技术结合起来，打造强大的产品力。

但如今国内行业的实际情况是，大部分公司互不关联。“有能力自己开发大型模型的公司很少，大部分要么做基于开源模型的二次开发，要么做prompt工程。如果可以应用现有的AI技术，也是可以的，但是要想清楚，现有的AI技术是要解决哪个场景下的刚需问题。”

2022年，短暂出现一波AI绘画热。在海外，这条赛道甚至跑出了独角兽。去年10月，AI绘画平台Stable Diffusion背后的Stability AI宣布获得1.01亿美元投资，投后估值攀升至10亿美元。稳定扩散是一种开源模式，基于这种模式，人们可以快速拆分并推出自己的模式产品。技术差距似乎已经被拉平，但夏玲担心的是，国内高质量的人工智能生成图片公司仍然很少。“技术还远未成熟。今天，技术刚刚建立了商业化的一面。Midjourney用AI制作出最好的图片，并不是开源的。国内公司探索商业化并不难。”

summer的观察也得到另一位投资者Jack的验证，他来自一只双币种基金。去年，我在AIGC写的一篇报道吸引了杰克和我谈论这个项目。最近，当我问我的朋友最近的情况时，他告诉我，我已经很久没有关注AIGC了。去年他看到很多国内的AI画公司都是靠稳定扩散和Disco扩散，但是看了之后觉得挺失望的，一家都没投。他认为中国能投入的点不在于车型是否自主研发。按照他的说法，开源的时候直接用是可以的，但是还是要综合看后期的产品。

“但关键是产品不行，国内企业的产品力离中游越来越远。”这个投资人最近一直在忙着看新能源项目。当他知道我的话题时，他很好奇。在这一波ChatGPT中，中国真的有像样的企业吗？

“就像《三体》中的质子锁住了人类的技术。”

“国内能做出大模式的创业公司，一只手就能数过来。”这是我最近听到的。

智普华章是国内较早的大型模型研发公司。其前身是清华大学知识工程实验室。今年智普华章提供了近千份A100，和清华的几个实验室一起训练了GLM-130B，应该算是国内唯一可以和GPT-3基座模型比肩的开源双语模型了。

“ChatGPT的出现和惊人表现说明我们对大模型的研究还有代沟。”知普华章的负责人在给我的书面回复中很诚恳。他提出：一方面要静下心来，认真思考自己的差距在哪里。另一方面，我们也注意到ChatGPT也有一些不足，比如缺乏常识。

ChatGPT在回答一斤羽毛和一斤木头哪个更重的时候会犯逻辑错误。原因是OpenAI训练的每一次进步都是算法数据巧妙设计的结果，而这些训练过程中并没有考虑常识知识的加入。基于此，智普AI在大模型上增加了记忆模块和基于自我指导的自我反思机制。

有从业者告诉我，智普AI的技术水平相当于给中国打上了一个清晰的时间戳，——。我们现在比美国落后两到三年。在原创大模型的开发上，他比较看好两类公司，一类是百度、字节跳动等大的商业公司，一类是智普华章这样的国有研究院。

如果讨论赶超，首先要提到的就是高昂的培训成本。匹克告诉我，在GPT-3时代，一次完整训练的费用大约是400万美元，但一方面，这很困难

另外，目前OpenAI的GPT在国内被禁，Nvidia的A100等高端芯片在国内被禁，这是国内公司在做大型号过程中面临的两大挑战。

正是基于此，米勒认为，与大模型所代表的基础设施创新相比，以AI芯片为代表的底层硬技术的突破更为关键。米勒把这一波AI技术进步——形容为“打死大师”，相当于纯计算能力和数据在算法进步不大的情况下的产物。其实在ChatGPT流行之前，并没有多少人看好大模式的道路，但是如果这种模式继续下去，可能会再次遇到瓶颈。

“大模型当然值得关注，但是没有AI芯片可以训练。开发一个大模型就像无根之源。就像《三体》锁定人类技术的质子。你能怎么办？”

在这种形势下，做中国的ChatGPT没有捷径可走。

ChatGPT的工程能力不容忽视。一位AIGC从业者曾经在ChatGPT上跟我分享过Meta首席人工智能科学家LeCun的观点，认为可以代表很多业内人士的观点。LeCun认为，ChatGPT与其说是一项科学突破，不如说是一个像样的工程实例。当我把这个问题抛给Peak的时候，他也认为ChatGPT成功的算法和技术原因可能只占40%左右，甚至60%的成功都在工程上。

根据瑞银集团(UBS Group AG)2月份公布的未经证实的数据，截至今年1月份，ChatGPT的月活跃用户数估计已达1亿。“ChatGPT的用户数量爆炸式增长，背后的模式可以同时服务这么多用户。我不知道OpenAI和微软的分工是什么样的，但就其服务用户的能力而言，它也是一款革命性的产品。”

夏天告诉我，真正的困难不是钱。根据他掌握的资料，国内的训练模型成本比openAI低很多。挑战在于，大模型从业者需要用工程而非学术的思维来推动底层大模型的研发。“学术思维往往侧重于单点优化，比如参数个数最高，而工程思维则要求你根据场景的需求，在成本、规模、效率之间做出正确的权衡。能在AI领域做到这一点的人，在国内是稀缺的。”

ChatGPT固然是一个风向标，但对于今天的投资人来说，如果不能理解底层技术、项目落地、产品之间的巨大差距，简单照搬过去TMT投资用密集的资本推高项目估值的游戏，对“中国开放AI”来说无疑是一种遗憾。

泡沫和啤酒

最近看到一个投资人在朋友圈感慨，资本对于科技行业其实没那么重要，因为在真正的科技和商业天才面前，资本从来都是在车上的。我同意第二部分。但资本显然也很重要。毕竟上车容易，保持足够的专注和耐心很难。毕竟谁也不能保证一路都会是一帆风顺。

早在2019年，中科创星就投资了知普华章的天使轮。根据米勒的说法，大语言模型只是在最近两年才被探索出来，但当时没有人能清楚地预测未来。

米勒也看到了国内资本市场的一些问题，期待慢慢推动行业观念的改变。“国外可以花很长时间磨一个大招，国内相当于练两个小动作，下山砍柴。中国需要愿意支持创业公司十年磨一剑的耐心资本。我们希望行业内有越来越多真正有耐心的长期资本，也呼吁大家多关注真正的硬技术。”

“我相信中国不缺有实力的科学家，也会有和海外AI领军人物一样水平、眼光、品味的人，但如何让这些人得到长期的资金支持，是很难的。”匹克在和我谈国内AI公司面临的现实挑战时，也提到了资本。

另一个现实约束是，如果你是一家2B AI公司，客户可能从成立的第一天就要求你进行定制和私有化部署，这将驱使公司走上销售导向的道路。“AI公司不想变成项目制，但AI公司里谁不是项目制？”由此产生的问题是，创业者可能很容易被锁定在一个项目上，从而失去横向探索的机会，久而久之就会导致视野狭窄，技术落后。要知道，在科研领域，很多技术突破都不是深耕就能实现的。比如最近一年AI在图像领域的进步，其实得益于变换模型在NLP领域的应用。

技术、商业和资本并不总是互补的。即使是专注于科研的OpenAI，面对商业化也并非不为所动。2019年，OpenAI宣布重组，YC总裁Sam Altman正式加入OpenAI担任CEO。奥特曼解决了融资问题，但他将技术研发聚焦于更多商业价值的想法也导致了团队价值观的分裂。于是，2021年，OpenAI前研究副总裁达里奥阿莫代伊(Dario Amodei)带着几名员工离开了OpenAI，成立了自己的研究实验室Anthropic。

故事还在继续。在微软屡次加入OpenAI的时候，谷歌不仅精耕细作开发自己的模式，还向创业公司伸出了橄榄枝。2022年底，谷歌向Anthropic投资约3亿美元，从而获得10%的股份。这家公司的最新估值已经达到近50亿美元(折合人民币300多亿)，其ChatGPT竞品中有一款还在测试中，尚未推出。

戴雨森认为，在ChatGPT重燃的ai行业，现在看到高估值和疯狂的故事很正常。“对于新技术，我们总是短期高估，长期低估。从互联网诞生到现在，热的人还少吗？任何技术热点都会进入一个泡沫周期，但我觉得这个泡沫周期过后剩下的啤酒会比之前多。毕竟有些泡沫退去后，人们会发现根本没有啤酒，只有巨大的泡沫。”

(报道)