生成式AI投资反思：幻想最多的可能不是大模型，而是AIGC

关注并将「人人都是产品经理」设为 ★ 星标

每天早上更新，与你一起成长

AIGC，或者叫做“生成式AI（Generative AI）”，是当下极其热门的投资领域。近期，在交流过海量项目，并对部分早期项目进行投资后，我认为有必要进行一些反思，对过去几个月的心路历程进行复盘。

本文内容仅为个人总结、个人观点，其中必然充满偏见和错误，希望可以抛砖引玉。请勿作为投资指导，DYOR。

模型

AIGC的第一个投资维度是模型。

生成式AI的爆发是伴随着ChatGPT在2022年11月的横空出世，此后，大量的大语言模型（LLM）也逐步走入市场。毫无疑问，从逻辑上看，模型是一个投资视角。

然而，问题很明显，投入过于巨大：模型的单次训练成本极高，人才要求极高，所以国内基本都是大厂——例如百度、阿里、科大讯飞等机构在做，虽然有一些非大厂已经提供了优秀的大模型，但是他们的估值大多数也已经达到数十亿元，这已经不是普通VC能接受的了。

换句话说，在国内，模型方面的投资窗口，从目前看，基本已经关闭了。

数据

AIGC的第二个投资维度是数据。

数据既要关注质又要关注量，比如Chat GPT的数据源就包括维基百科、特定书籍与期刊、Reddit精选内容（WebText）和特定的网络爬取内容（Common Crawl，这是2008年至今的一个网站抓取的大型数据集，数据包含原始网页、元数据和文本提取，它的文本来自不同语言、不同领域。），这就是典型的有质有量，叠加优秀的大模型，就可以发挥出很好的效果。

对于国内的生成式AI产业来说，有独特数据源的企业是值得关注的，也就是你有某个特定行业数据，这样，你的模型就是针对特定行业定制的，就是所谓的“一米宽一百米深”的逻辑，做垂直行业、细分行业的特定模型。

问题来了，你的数据从哪里来？

公开数据，嗯，这很好，但是要提一句，请注意数据的合规问题，不然就是“爬虫用的好，牢饭吃到饱”；

私有数据、内部数据，他们从哪里来呢？这就要看团队的积累了，可以说是团队过去多年“隐性资产”的变现能力：

比如，一个“AIGC+设计”的团队是来自于拥有海量图片、影音版权的平台，但是这个设计业务可能最终客户是在电商上销售产品的消费品品牌；

再比如，一个“AIGC+电商”的团队是来自阿里、京东等顶尖电商巨头，服务的可能是企业的电商客服或者选品、测款等步骤，最终目标是打造类SHEIN的小单快反等等。

规模

AIGC的第三个投资维度是规模。

规模——或者说是收入——一直是投资人最关注的指标，虽然规模并不意味着护城河，但是至少证明你是个值得重视的玩家。

事实上，生成式AI领域目前真正形成规模的项目是相当稀缺的，大部分项目依然处于早期阶段，而这些早期项目又开始陷入两个陷阱当中。

第一是项目制，做一单赚一单的钱，对于早期团队去做标杆案例、了解客户需求是有价值的，而且也会产生养活团队的现金流（我们暂时不考虑应收账款的问题）。这里的陷阱是，你如何证明你未来不是项目制，甚至从VC角度，当我们脑海里闪现出“项目制”三个字后，就是一件很麻烦的事情了。

更麻烦的是第二个陷阱，很多创业者说自己不是项目制，未来会走向订阅+按需付费，但是这种订阅本质上绝大多数是SaaS，无论你是如何用AI去赋能这个SaaS，你本质还是SaaS。

SaaS的问题有两点：

第一，国内针对小微企业的SaaS其实是相对伪命题，这点和美国市场有本质区别。而且，如果你真的是做SaaS的话，也请关注你的各类核心指标，例如CAC、LTV、ARPU、NDR等等，用这些指标来实时监控自己的发展。

第二，你的SaaS如果只是降本增效，那么十分抱歉，你基本收不到钱；只有增收——对，绝对不能仅仅是“增效”——才有可能从增量中抽佣，并且长期抽佣。

事实上，当你能做到增收的时候，你可能并不仅仅是个SaaS，而是切入业务、供应链的BaaS——这其实反过来对你的团队又有了新的要求。

最后总结一下，在AIGC领域的投资方面，模型看的是技术，目前投资窗口几乎已经关闭；数据看的是团队在过去的积累，有机会；而规模看的就是模式，一定要避免走偏。