全球投资人眼中的人工智能

今年以来人工智能在资本市场的热潮，是以美国的ChatGPT，Midjourney为首的生成式人工智能爆发式发展带动的。它的关注度吸引了整个投资界的关注，包括一级市场，二级市场，以及早期的天使投资人。自然的，全球各类投资者的眼光也都纷纷汇聚到这个主题，并纷纷参与其中。

所有的投资人，都认可长期来说这次人工智能的发展将会是一次“长坡厚雪”的投资机遇。不同的投资者，由于其投资阶段，投资风格，以及投资方法的不同，对人工智能未来的投资机会有不同的侧重。

我们可以通过不同人对人工智能主题的看法，帮助自己分析它的投资机会。

生成式人工智能的崛起并非凭空而出

而是逐步进化而来的

人工智能的概念已经存在很长时间了；甚至可以追溯到1950年，当时阿兰图灵为机器智能引入了图灵测试。像许多概念技术一样，它的进步在过去这些年时而兴奋，时而幻灭。”

由于大量的计算资源、强大的微处理器的开发和存储器存储的进步，人工智能系统在过去二十年中取得了长足的进步。我们在日常生活中已经遇到了很多人工智能，如智能手机上的美颜功能，抖音快手的智能推荐。

而新的架构，超强的计算能力，不断产生的大量数据，边缘计算的进步，促成了生成式人工智能的发展。它与近年来其他被炒作的技术的真正区别在于其有形、实用。它不仅仅是一个抽象的想法。

生成式人工智能的显著特征是它创造了与人类所能生成的内容几乎无法区分的全新内容。它可以在网络游戏中创建角色和故事情节，可以组合财务报告，还可以处理越来越复杂的客户服务问题。换句话说，生成式人工智能有可能改变我们的生活和工作方式。

根据国际数据公司（IDC）的数据，包括硬件、软件和服务在内的全球人工智能市场预计将以每年近19%的速度增长，到2026年将达到9000亿美元。

图：全球人工智能市场规模（实际值和预测值，单位：亿美元）

（数据来源：IDC）

从技术构成来看，生成式AI包括基础层、模型层和应用层。基础层主要聚焦算力、数据集、Transformer及CLIP等基础生成算法，为模型层提供基础的资源支撑；模型层主要包括通用大模型和行业大模型两类，是整个AIGC技术生态的核心，为上层应用提供智能化能力；应用层主要是大模型在行业、价值链上的具体展开，是AIGC真正落地和实现价值创造的场景和窗口。

对于不同类型的投资人，由于对不同阶段，不同风险偏好，因此，看重的不同技术层面的投资机会也不尽相同。

二级市场投资者更关注基础层的确定性机会

全球二级市场投资人的普遍观点是，现在生成式人工智能仍然处于早期发展阶段，现在断定应用端谁会最终胜出言之过早。

但是，强大的算力和基础设施的不断提升将是确定性的。这也是几乎所有二级市场投资者都认可的长期投资逻辑。

百达资产及施罗德就认为ChatGPT的爆发为超大型企业之间的人工智能的火热竞赛中加了一把油。这些企业的资本支出将继续用于被视为具有更高变现机会的人工智能/ML应用程序。人工智能的日益使用对半导体巨头影响巨大。对于计算能力要求的提高以及互相之间的竞赛，必然引起对于包括GPU在内的芯片市场的需求。

另外，以数据为中心的生成型人工智能需要由被称为超规模的大型云平台提供强大的云基础设施。人工智能也将推动社会向云计算的转变，因为所需的计算能力强度将需要汇集资源和资本支出方面设置更高的壁垒。

持同样观点的也有全球最大的PE基金之一金沙资本。他们预测在未来10年将看到人工智能计算需求增长50倍，相当于50%的年增长率。鉴于半导体行业的寡头垄断性质，可以假设半导体价值链上的最有价值的企业将享有显著的take rate。这将对在半导体产业链处于核心位置的企业带来巨大的投资价值。

模型层面的背后逻辑

人工智能模型能够提高效率，但它不是万能的。过去10年的人工智能潮起潮落就能够说明一些问题。而这次爆发，我们看到了生成式人工智能具备显著优势的清晰逻辑梳理。

硅谷最牛的创投机构之一A16Z，对当前的模型与传统人工智能进行了对比。

一直以来，人工智能领域的大量工作都集中在复制对人类来说很容易完成的任务上，例如识别物体或在物理世界中导航。基本上都是涉及感知的任务。然而，这些任务对人类来说之所以容易，是因为大脑经过数亿年的进化，专门针对这些任务进行了优化。另外，传统的人工智能虽然具备性能优势，但是由于其面临解决长尾问题，以及对正确性的要求，在经济性上很大程度无法战胜人类通过进化建立起的优势，这方面让人工智能在经济性上战胜人类也很难。

而生成式人工智能则能够自动进行自然语言处理和内容创建，而人脑在这方面的进化时间要短得多，由于这些基于语言或 "创造性 "的任务对人类来说难度更大，往往需要更高的复杂性。另外，在这个模型中，结果并不需要绝对正确，而是通过对话的方式令用户参与，而不是帮用户决策。因此，生成式人工智能的模型逻辑更具备优势。

应用层

一级市场关注突破

二级市场关注现有软件结合

在应用层上的投资机会，一二级市场投资人则完美表现了自己对于自身“能力圈”以及对风险控制的明显划分。

与过去的传统人工智能不同，生成式人工智能在自然语言处理和内容创建方面，已经能以比人类更快的速度完成。并且，由于从事此类工作的人往往拿着高薪（如律师、程序员），它的成本也更低。还是A16Z的分析，现在的模型在成本上比现在的人类3-4 个数量级，速度通常也会快 2-3 个数量级。因此，它已经具备清晰的商业模式，而非纯粹的概念炒作。

二级市场投资者关注能够将人工智能融入其产品的软件公司。如微软的GitHub Copilot是当今软件领域人工智能规模最大的例子。或者机会在网络安全软件领域，该行业可能不得不适应使用生成式人工智能来应对其他机器编写的恶意代码的潜在威胁。人工智能应该允许更快地检测和响应攻击。随着时间的推移，网络安全也将在保护人工智能应用程序使用的数据和确保数据质量方面发挥重要作用。

对于骏利亨德森来说，他们关注生成式人工智能可能带来的不同领域的破坏性革命影响，如：

• 编码和软件开发的自动化

• 数据安全和漏洞检测

• 教育领域的论文写作能力和对数学问题的自动辅导能力

• 药物和疫苗开发的

• 客户服务和销售职能的替代

• 内容创造自动化

• 现实世界的模拟

这些领域都会因此发生巨大变革。有些领域，如软件开发已经看到了影响的发生，而另外一些领域则需要进一步观察。

而从风险投资角度考虑，

对投资行业本身的影响

作为问题回答，分析见解提供的生成式人工智能，除了对于程序员、律师、治疗师等相关工作比人更快更高效。毫无疑问，大家也很关心对于同样需要进行分析的投资领域，是否会产生影响。

最好的方法是拿一个实际的Deal进行对比分析，就可以看得到其中的区别。这个案例是：金融危机前，私募基金Terra Firma用67亿美元收购了世界领先的音乐公司之一EMI。但是仅仅4年后，Terra Firma就因为欠债55亿美元而被花旗集团于2011年2月收购。这被广泛认为是私募股权历史上最大的失败之一。

在ChatGPT提问为什么Terra Firma收购EMI，给公司带来了亏损。总结而言ChatGPT将EMI的失败归咎于意想不到的外部冲击：

• 金融危机

• 音乐销量下降

• 销售额的下降加速了数字交付的趋势

但是这笔交易的操盘手，Terra Firma创始人盖伊·汉兹在自己的回忆录中，对错误的深入研究很有趣。他不关注错误本身，相反，他聚焦内部流程错误，这些错误使外部冲击是致命的。回忆录中列举了EMI交易出现的问题：

• 在上一笔交易中因为被其他价高者得后感到“获胜”的压力

• 不够了解他的团队：Terra Firma128 名员工中过去两年雇用的有 100 人

• 交易规模太大，超过了他们的最大头寸规模

• 一旦开始尽职调查，他们就忽略了对EMI的多个利润警告

• 他们忽视了对2008年大衰退开始的日益增长的担忧

• 他们缩短了正常的尽职调查，以适应卖方对快速卖出的愿望

• 他们没有意识到在收购上市公司时重新谈判条款有多难; 以前交易都是非上市企业

• 他们在设定债务条款之前承诺收购价格，让贷方占上风

• 他们担心如果他们退出交易会感到尴尬，即使他们怀疑这次收购是个错误

• 汉兹成为EMI的CEO，打破了他原来的规则，即企业所有者不应该成为管理者，因为他们失去了客观性。

• 也许最重要的原因是，他们接受了一种使他们无法长期投资的交易结构。根据行业可比，EMI 最终价值 250 亿美元，但债务持有人早在 EMI 价值浮出水面之前就获得了 EMI 的所有权。

ChatGPT在对这笔EMI失败的投资中发生的事情做归类（cataloging）方面做得很好，但完全忽略了Terra Firma应该采取不同做法的内在核心。

或者说，ChatGPT在投资方面有点像个秀才，非常擅长总结局外人可以看到的东西。

结束语

我们可以看到，各种类型的投资人都把目光投向了这次人工智能的变革。尽管大家的关注角度会有不同，但是都会承认，这是一个尚在早期的，具备无限可能，会对经济带来巨大变革，趋势确定的投资机会。这个领域必然会在各方的推动下不断发展，并且带来诸多的投资机会（及相应的风险）。

作者： Saint Paul