all in AI，你退休前最后一个创业机会？

公众号新闻

2023-03-06 10:03

来源丨42章经（ID：myfortytwo）

作者丨曲凯

ChatGPT的出现，引发了公众的极大关注和热烈讨论。中国能否有自己的ChatGPT，生成式AI的落地场景和创业机会有哪些？本文作者就这些问题发表了自己的看法。

首先，当下主流市场最关注的肯定是底层大模型的机会，也有很多人在思考我们到底能不能做出来自己的大模型，对此其实这几周聊下来我是偏乐观的。

虽然我们存在各种数据和审查等的问题，但正如上图中所说，大模型本质是一个工程问题，而非像光刻机一样是很难突破的技术瓶颈问题，而且目前我们是在前人的基础之上在做，市场上也不断有各种大模型开源，所以虽然当下公认的差距是两年左右的时间，但我觉得我们会以更快的时间追上。

其次就是，我们该如何给大模型或生成式 AI 定性的问题，只有定性正确了，我们才知道该以什么视角和心态来投入其中。

对此我的答案是生成式 AI 是互联网的延续，如果说 web1 是可读、web2 是可读+可写，则这波则是名副其实的 web3，即可读+可写+可生成。

有人说 gpt 是 iPhone moment，但按照上面这个逻辑，手机和移动互联网其实是助推了 web2 的发展，那不管是分布式技术还是 VR/AR/元宇宙，都很可能在未来助推这波生成式 AI 的繁荣。

那大模型到底带来了哪些核心的能力和改变呢？

1）让万物具备了常识

虽然当下生成式 AI 还有很多问题，但其通过图灵测试就在眼前，未来一切接入互联网的服务或 IOT 设备，都将在一个更高的基础上存在，每一个 APP 或终端都会像是一个拥有常识的人类。

那么，很多现在需要大量时间去克服的问题，就将不再是问题，比如企业内的数据库都可以成为公司内每个人的智能助手、比如老人的助听器也可以是他最好的陪伴、老人的轮椅又为什么不能是他形影不离的最佳看护？

当万物有了常识，即万物都可拟人化，万物也就都成为了沟通的媒介。

2）大幅降低各个领域的生产门槛

过去十年的经验告诉我们，生产门槛的降低和交易摩擦的减少，哪怕只是一点点，都有机会彻底颠覆一个行业。

如果你从业时间够长，那你可能还记得当年有一个特别流行的说法，叫“人人都是产品经理”，这个说法存在了十年后，这件事真正成为了现实，大模型让每一个提问（Prompt）都成为一次需求的提出和产品原型图的绘制。

过去五十年间，中国的识字率从 5% 变成了 95%，而当文字普及之后，图片、漫画、音乐、游戏、影视、APP 等的创作终于也即将变得彻底平民化。很快你在小红书等平台上看到内容后第一反应不是辨别这是不是广告，而是这是不是真人。

我记得之前有一篇长文，探讨互联网是不是人类历史的一段弯路，每当我点开微博评论的时候，我也经常会觉得互联网是在助纣，但在生成式 AI 面前，毫无疑问我们的社会和认知体系会经历更大的冲击。

但对此我仍然乐观，正如美剧《白宫风云》中所说：

怪人、疯子、极端主义者是民主制度下必然产生的副产品，正如色情出版物是言论自由的副产品一样。

但我们毕竟不能因为畏惧副产品而抗拒进步。

3）改变了交互形式

新的交互形式是最近很多产品人的关注焦点，我也一度觉得这会是一件非常有趣的事情。

我们当下经历的时刻就像当年 Facebook 或 QQ 向移动互联网迁移的过程一样，当年大家用了很多时间才探索清楚什么是 Mobile Native，最终所有的 APP 都长成了一个样子（比如右下角的 Tab 一定是“我”），而当下到底什么是 AI Native 还并没有标准答案。

但我也并不觉得会话式交互就是最有效的形式，我始终相信效率是王道（除非本身就是追求娱乐和体验的场景），而会话式交互其实是更重体验而降低了效率。

正如 Mingke 之前提到的，会话式交互是时间上排他，即同一时间你只能提出一个需求，且要把时间用在等待回复上，那效率自然不如图形界面的点击来的有效。

那么会话真正带来的底层价值是什么呢？

其实是对供给能力的打散重构。

我们目前的 APP 之所以长成现在这个样子，是有一群产品经理，基于用户的需求，提炼出最大公约数的场景，做成理论中最合理的样子。

但如果我的诉求更有差异化呢？那目前的产品逻辑和形态就限制了供给发挥最大的作用。

目前我们对供给的定义，就是产品上提供的几个 button，每个 button 背后都有明确的线索和逻辑，并用编程语言实现一个反馈，但未来，所有的数据都可以被拆散并成为供给。

举一个不一定恰当的例子，对于滴滴的用户来说，目前 APP 提供的供给就是快车、专车、自行车等，每个供给都是被封装好的存在，我一次只能选择一种供给工具实现我从 A 点到 B 点的诉求。

但如果我的诉求是用最快的速度从 A 到 B 呢？为什么这些供给不能被更好的重构和组合呢？

为什么滴滴不能直接给我一个全程解决方案说，我会先帮你叫专车从 A 到 C 点（因为快车要等待），下车你就会看到一个地铁口，你可以从 C 点坐到 D 点避开堵车，D 点出来就是我们的共享单车，你可以骑行进胡同因为汽车进不去，然后两分钟后就可以到达目的地 B，这个方案可以为你节省 20 分钟的时间，全程的费用是 50 块，你可以一次性支付。

那如果我们把快车、专车、自行车等换成其他更小单元的数据，这件事在各个领域都一样完全成立。

讲完了一些基础认知，我们再从创业和投资的视角看这件事实际的落地机会。

当下，主流机构最先关注的肯定是底层大模型的机会。据我所知，市面上大概有十家左右的公司在做大模型，其中也有几家其实已经默默做了两三年，相信这个数量和时间都是超过很多人一开始的预期的。

大模型终局会如何，这个我们不得而知，它可能是有几家公司瓜分市场，也可能会出现 iOS 和 Android 类似的少数几家公司的闭源和开源之争。

但总之，大模型的这波机会已经基本尘埃落地，这肯定不是绝大多数创业者和投资人的机会。

那在大模型之后，大家自然会关注 infra 层与中间层的机会，比如上图中提到的标注、训练、部署、监控等，也包括很多公司在探索的对多模态进行封装组合提供接口和 fine tuning，亦或只是 prompt engineering 层的平台机会。

我相信 infra/中间层是存在机会的，我们也在密切关注，并在做一些项目的 FA，但长期来看，如何辨别哪些 infra 层的机会有足够大的市场和盈利的空间还是个问题，以及我会怀疑最终一些大模型公司会转为中间层，而一些中间层公司会转为垂直领域。

最后，应用层的落地场景和机会其实当下存在很多分歧，很多人觉得在这个领域还看不到明确的落地，或者已有的落地都是很薄的接口调用，没有壁垒。

但在这个点上，我们和主流市场的观点是存在分歧的，我们在当下已经看到非常多应用层落地的机会，也已经接了很多项目，且持续在寻找好的团队，并长期坚定看好这个领域的发展。

1）文本/图片生成与接口调用类

GPT 类方向的项目，从商业回报角度来说，在美国最主流的就是类似 Midjourney 或 Jasper.ai 等公司，其中 Midjourney 是典型的端到端应用，自身具备强大的团队实力和模型能力，这类公司要从零做出来的难度很大，而 Jasper 这类的公司，当下也因为 GPT 本身的发展而饱受质疑。

如果只是调用接口，做一层比较薄的应用，确实很难看到长期的壁垒，这类的应用可能是最直接有应用场景和落地的，也可能是最快变现的，但却也是最可能沦为“生意”的。

所以我们也并不是特别看好此类公司。

2）垂直的 2B SaaS 类

这类是我们当下比较看好的方向，此类方向存在的问题是：

AI Native 的 SaaS 产品到底应该长什么样子？

哪些领域或形态的已有 SaaS 公司可以直接转型，哪些有机会重塑？

团队对大模型带来的变化的理解是否够深，是否能用神奇却不起眼的方式把其能力整合进垂直场景的业务流中？

技术、产品、客户与渠道资源到底什么是最重要的？

长期的壁垒到底如何做深？

这些问题我们自己有了一定的答案，但也仍然在摸索之中，欢迎这个领域的创业者交流。

3）2C 的平台级机会

所有人都能看到的是生成式 AI 对创作者的工具价值，但如果我们用工具垄断了内容生产者，之后再做集中式的内容分发会发生什么呢？