SpaceX的投资人张璐：硅谷的首席技术官们都处在非常亢奋的状态中

在全球科技创新的前沿，硅谷一直扮演着引领者的角色，无论是互联网、人工智能、生物科技，还是新能源、新材料、新制造，硅谷都有着不断涌现的创新型企业和颠覆性的技术突破。了解硅谷的最新趋势和未来方向也许能帮助我们掌握科技创业的脉搏和机会。

那么，在全球科创热土硅谷，哪些领域最受投资人的青睐？

AI与各行业的结合又诞生出了哪些新机会？

有哪些具体的商业应用案例可供我们参考学习？

时代发展，每一次技术创新带来生产变革背后的底层逻辑又是否相通？

为了探讨这些问题，前不久混沌特别邀请到Fusion Fund创始合伙人、硅谷著名投资人张璐老师，为我们做了一次主题《解码美国科技创业未来：从生成式模型到医疗深科技》的直播分享。张璐老师是一位有着丰富投资经验和深厚技术背景的投资人，她创立了Fusion Fund，专注于投资早期的硬科技创业公司，涵盖人工智能、医疗健康、物联网等领域。她曾经投资了多家成功的硬科技公司，如SpaceX、Lyft、MissionBio、Grubmarket等。

硅谷的创新氛围和我的创业经历

过去一年，硅谷每周都有新的东西产生。无论是从创业者的角度、科技投资人的角度或者各个产业的角度看，这一次由人工智能驱动的全产业数字化转型，都是一个非常大的浪潮。五百强企业的首席技术官们都处在非常亢奋的状态，而且这种状态可能还会持续下去。

从2015年起，我一直立足硅谷，针对早期高科技公司尤其是医疗创新领域、企业级网络的创新领域、传统行业数字化转型领域的企业进行投资，目前已经投资了超过80多家美国和加拿大企业，这些企业都是由很强的背景以及技术属性很雄厚的科技创新企业所驱动的。

我个人的发展和硅谷科技创新息息相关。2010年，我来到美国斯坦福大学攻读材料科学工程，博士期间拥有了一些属于自己的专利技术，其中有一项技术是二型糖尿病的早期诊断应用。在学校和导师的支持下，我体验了从科研到技术商业化应用的全过程。毕业后，我利用自身专利组建的公司被美国一家五百强上市医疗器械公司收购，这次退出实现了我个人的第二次转型。

通过早期的创业经验，我对整个硅谷的创新生态、科技创新以及新技术在传统行业中的应用有了更深入的认知。现在人们熟知的人工智能在医疗领域的应用，在当时仅仅是对一些数据的简单应用、然后立足分析数据让二级糖尿病的早期诊断更加精准化和个性化。在这之后，我开始从事天使投资，支持不同的企业家和创业者初期创业，其中很多企业家具有与我同样的科技和医疗背景，于是我很顺利地搭建了一个创业者族群。

我之所以投资人工智能领域，原因在于个人长期以来对医疗领域的关注。从早期的创业到后来的天使投资，我所涉及的都是医疗领域，因为我对医疗产业的未来认知非常清晰，即人们需要个性化的诊断以及治疗方案，无论是从生命工程还是生物学的角度，未来人们都需要数字化平台，而实现数字化的方式就是人工智能。癌症、心脑血管疾病、脑部疾病等都可以通过人工智能的植入进行更加精准和早期的诊断和治疗。现在，美国的医疗领域经济占国民GDP的20%，这是一个非常巨大的数字。

2017年起，我们大力推动人工智能在医疗领域的应用，并于同年发布了人工智能在医疗领域应用的行业报告。之后，我们看到了很多新的人工智能技术和企业级网络技术的应用，以及传统行业数字化转型过程中的一些垂直领域应用。

人工智能的几个概念

我们很早就关注了人工智能，我的一个合伙人之前在高盛、美林等大型金融机构做合伙人，2018年他与谷歌合作，立足语言模型开发出了一个人工智能引擎。2019年，他加入我所在的基金后，我们开始更多关注人工智能的算法和模型，并在2020年、2021年期间正式布局人工智能产业。

虽然我们投资了很多人工智能公司，但从未将自身定义为人工智能基金，也从不表明投资的是人工智能项目，这里有几个概念可以与大家分享：

第一，人工智能的确是一个超级工具，但人们要选择对的行业和对的应用。人工智能作为超级工具，可以帮助人们快速提升工作效能，但这并不意味着这种效果可以在每个产业或行业应用中得到体现。人工智能未来一定会越来越好，但当下它所给予的答案并不够准确，有时甚至是随意编造的。当人工智能落地的产品变成刚需的应用场景，它的粘性就会增强，并会得到持续使用，但对于一些非刚需的应用场景，可能会涉及数据隐私等事项，一些企业并不希望使用人工智能。

第二，人工智能的驱动，尤其是生产人工智能的驱动，让人们看到了全产业的数字化转型。全产业不仅包括科技行业，还有医疗、金融、物流供应链等不同领域，面对海量的高质量数据，会有非常多的机会涌现，但这些机会中有一些是ToC的和ToB的，而且大部分的机会会被大型企业拿走，只有少于1/3的机会是留给初创企业的。原因在于，大型企业有平台和技术，更重要的是拥有非常宝贵的用户数据、企业级数据。所以，人们在探讨生成式人工智能的时候，一定要关注大型企业的生态和布局。作为投资人，一定要了解大型企业的生态变化、内部产品进展等事项，一方面用于判断最合适的投资机会，另一方面是帮助初创企业制衡大企业、并从中寻找成长机会。

初创企业的人工智能创新面临诸多困难

初创企业的人工智能创新面临诸多困难，主要在于数据的拥有权。就C端的用户数据而言，只有Facebook、谷歌、苹果等大型科技公司才拥有海量的高质量数据。例如，苹果公司在生成式人工智能层面虽然没有发布很多产品，但它仍是最厉害的公司之一，苹果公司拥有属于自己的人工智能芯片、云端、人工智能算法、用户数据，这相当于垂直垄断，其它企业需要对每个模型进行优化才能提升效率，而苹果仅需要每一层优化5%，整个系统的优化工作就可以做到非常好。苹果前段时间发布的Apple Vision Pro头显非常惊艳，实际上，它们这次使用的芯片是三年前生产的，并非最新产品。由此可见，苹果在软硬件整合层面具有非常巨大的优势。作为企业，单纯关注软件层面是没有意义的。

Meta公司主要做大语言模型开源，开源后会对整个生态产生非常有益的影响。每个企业都可以在模型基础上搭建属于自己的生态，生态可以吸引优质的初创企业和人才建立各类应用，从而推动企业间的良性竞争。对于初创企业而言，一定要思考哪种模型和生态最适合自身，然后通过制衡和受益于大公司之间的竞争，实现企业的快速成长。

Meta除了自身强大的人工智能开发能力、人工智能团队和开源模型，还有海量的高质量用户数据，这也是强大的壁垒所在。大型企业拥有海量数据隐私，让自身的商业应用在大场景应用层面更具有优势。作为初创企业的创始人以及投资人，不需要为建造模型思虑过多，完全可以立足现有模型进行个性优化。

还有一些公司的经验值得分享。Salesforce公司有一个AI部门，下面有900多个人专门做大语言模型，他们现在拥有属于自己的大语言模型，也正在搭建属于自己的生态。Salesforce本身业务是以ToB为主，这也是他们的一个重要切入点。

英伟达在生态建设方面是所有算力公司中做得最好的，它在GPU市场的芯片以及硬件层面的能力是毋庸置疑的，是绝对的第一名。英伟达在算力提升、成本和能耗降低方面的表现让人惊艳，并且拥有infrastructure层等方面的最大优势，任何人工智能的应用都可以在英伟达的平台上直接插入、直接应用。

从天使投资的角度出发，如果一家企业可以搭建好生态平台，它吸引的创业企业量级是非常惊人的。目前，一些芯片公司也在考虑如何改变自己的生态打法和商业模式，从而吸引更多的初创企业开展合作。例如，过去十几年一直和英特尔竞争的AMD，虽然硬件实力非常强，但软件实力有所欠缺，现在微软已经与AMD开展合作，帮助AMD强化软件层，之后的AMD一定会成为英伟达非常大的竞争对手。在企业间的竞争加剧后，会帮助人们降低算力的成本、提供更加多元的选择，这对于初创企业而言是利好消息。

人工智能提供的很多机会是属于大型企业的，因为大型企业做了大量的工作，并且掌握了很多数据，大型企业只需要在平台上增加一个应用环节，就可以抵掉很多初创企业的应用开发。所以，初创企业一定要了解身处的生态、未来的发展布局以及受限的地方。

人工智能的投资机会

在人工智能的投资机会层面，如何看待这些创新的机会？如何投资这些创新的机会？

我们要从垂直和水平两个维度看待投资机会。

垂直领域的投资机会方面：

大厂现有的一些ToC端的数据优势和产业优势，这些产业是适合初创企业去做的，初创企业要首先思考哪些产业是可以大规模受益于人工智能的应用、并基于此产生巨大的商业变现能力。所以，海量的高质量数据显得尤为重要，数据不仅要有海量更要有质量，如果想进一步优化模型，数据的质量比数量更加重要。在此基础上，一定要清晰哪些产业有海量的高质量数据，并且不会将数据分享给微软、谷歌之类的大型企业。经过筛选，排名第一的是医疗产业，它拥有海量的高质量数据，并且应用场景多样化，现在的医疗领域绝对是人工智能在垂直应用领域最大的产业机会之一。

排名第二的是保险产业，保险拥有万亿美金级别的市场，并且不会因为技术的发展而消失，反而会随着技术整合产生更多的保险需求。最近我们投资了一家保险公司，它为机器人和自动化机械提供保险服务。包括物流供应链在内的很多美国制造行业的工厂是又黑又冷的，因为招工困难，这些工厂里面已经没有工人了，这些企业在压力之下进行了全产业的数字化转型。不同于以往对工人进行投保，现在投保的对象变成了工厂里的机器人或者自动化机械，这类市场的份额增长非常快。

排名第三的是金融产业，同样具备以上基础条件，有一家公司针对金融领域开发了零代码人工智能平台，可以针对客户提出的数据和需求形成分析报告，并且可以根据客户的要求适时修改。此外，其它垂直领域可以应用的场景还包括物流、供应链、太空科技。数字生物学是我个人非常喜欢的领域，数字生物学的加速不仅是因为生成式人工智能，还受益于2022年谷歌发布的AlphaFold，这是一项非常重要的技术，它用人工智能预测了人类所有已知的蛋白质折叠结构，并且数据库是免费的，生物学家们找到了一种更加高效的方式进行研究，下一步就可以针对合成生物学进行探索。AlphaFold不仅会加速医疗制药领域的应用速度，也会推动化工领域和食品行业，甚至会大规模改变人类的日常生活。

水平领域的投资机会方面：

第一，人们虽然希望用具有大语言模型的生成式人工智能，但会遇到高算力成本等问题，而水平领域的云基础设施技术可以帮助人们解决这一问题，这是非常重要的一种技术应用。

第二，应用生成式人工智能的一项重大挑战是耗电量。训练大语言模型非常耗电，在某种程度上接近区块链。当人们考虑将人工智能大规模进行商业应用的时候，一定要考虑电量损耗成本。

第三，沟通挑战。多模态如何在数据传输过程中减少延迟甚至消灭延迟，这属于边缘计算范畴。边缘计算是解决沟通挑战的一项非常关键的技术。我们从2018起开始投资边缘计算，近几年一些公司已经成为了各个垂直领域的首要应用企业。

第四，数据隐私和网络安全挑战。大型企业在尽快应用人工智能之前，首先要明确数据隐私和网络安全的解决方案，人工智能数据监管的挑战性非常大。我们在这个层面做了很多工作，一方面提供技术解决方案，另一方面人为地进行推动。有一项关键的技术叫Federated Learning，即“联邦学习”，如果拥有很多数据的医院或者金融机构希望实现数据变现，却又担心转移数据所产生的隐私问题，就可以使用“联邦学习”，这从某种程度上解决了数据孤岛问题，同时也防护了数据隐私泄露。

结语

当人们真正驱动人工智能发展的时候，不要只盯着最上面的人工智能应用层，一定要投资整个生态，要创新整个生态，包括硬件层面上的创新。一整套生态形成后，人工智能在各个产业的应用速度会大大加速。

人工智能的确令人兴奋，生成式人工智能可以带来更多更新的应用场景，但这项工作仅仅刚刚开始，它每天都在发生变化，甚至每周都会有新的东西出现。

人工智能算法还在不停进化，不停地推进到商业应用的各个场景，有些模型会让人们看到更高效的反馈方式，有些模型会给人们更低成本的反馈方式，所有的一切整合到一起后，人们将拥有更广泛的选择。对于初创企业而言，这是一个非常快速的商业变现过程，也是技术创新的趋势所在。人们可以看到非常明确的落地商业场景和企业级销售、收入，这些收入验证了市场，也增强了初创企业的创业者和投资人的信心。

扫码限时免费领取AI好课