和熊伟铭聊AI

本文由 树龙谈 撰写/授权提供，转载请注明原出处。

文章来源于：树龙谈

作者：贺树龙

编辑：苏琦

学习新事物时，参考投资人的视角会很有帮助。

创业者往往乐观，看到一棵树苗，就会想到它将来成为参天大树的样子，然后想到整片森林，这种乐观是必要的，没有这种乐观精神就不可能踏入创业这场九死一生的游戏；媒体人往往悲观，看到一棵树苗，就会想到干扰它生长的100种因素，以及如果它成为参天大树会不会对周围的小花小草带来破坏，这种悲观背后的怀疑精神也是必要的，它能帮助媒体人提供真实、客观、中立、符合大众利益的信息；投资人呢，往往比较理性，因为他们要作出决定——是否给这棵树苗浇水施肥，前提是他们得确信它长成参天大树、收获丰硕果实的可能性较高，如果判断失误，投资人会功亏一篑。

所以如果你既不想冲昏头脑，又不想忧心忡忡，就应该多结交几位投资人朋友。

最近我在学习 AI，拜访了几位投资人。

熊伟铭是其中之一。他是华创资本的创始合伙人，在投资行业有着近 20 年经验。加入华创资本之前，熊伟铭曾在美国中经合集团、贝塔斯曼亚洲投资基金担任合伙人。技术领域是熊伟铭主要关注的领域之一，但在今年由 ChatGPT 带来的这一波 AI 浪潮里，他却没有出手。

华创资本创始合伙人熊伟铭

在与我的交流中，他表达了一些观点，比如：这波 AI 的机会是上一波的一万倍；这波AI浪潮里的早期投资人很尴尬；大模型混战的局面明年一季度就会消散；更看好华为这样的公司做大模型；通用大模型之外，垂直模型也有价值；未来AI会取代80%的工作岗位；但不必担心 AI 会消灭人类……等等。

我把这些观点整理如下，希望能对大家学习 AI 有所帮助。

2023 年被称为“大模型元年”，中国涌现出 200 多个大模型，掀起“百模大战”。很多创业项目的估值也水涨船高，动不动就几十亿美金，这让投资金额相对较小的早期基金十分尴尬——根本投不起。

前几年不是这样，以视觉识别、自动驾驶为代表的上一波 AI 浪潮里，投资人还得为 AI 行业辩解和正名，告诉大家这个行业不是忽悠，是真实存在的。现在AI成为显学，但是早期基金的投资规模与行业的估值增速匹配不上，AI 行业直接进入大厂竞争时代。

不光是中国，全球的早期基金都在面临这一尴尬境地。从 2019 年开始，微软向 OpenAI 连续投资 130 亿美元，今年 9 月 25 日，亚马逊向 Anthropic 注资 40 亿美元，后者的产品 Claude 正与 OpenAI 的 ChatGPT 展开竞争。可以说，国外也是“巨头打架”。

放眼资本市场，2023 年标普 500 指数的 70% 增长由 The Magnificent Seven（苹果、微软、英伟达、谷歌母公司 Alphabet、Meta、特斯拉和亚马逊）推动，“AI is the only hope，但我觉得 AI 主要是大公司的事儿。”熊伟铭称。

中美目前在 AI 方面的差距，熊伟铭认为有 3-4 年。除了算力的限制之外，也体现在资金投入和基础设施等方面。

中美资本市场环境的不同，加剧了中美在 AI 发展上的差距。OpenAI 成立于 2015 年，多年处于亏损状态，其一家公司就能拿到微软超百亿美金的融资，中国智谱 AI 融资 9 轮，背后站着数十家基金和企业战投，总共才融了 28+ 亿人民币、最新估值约百亿人民币。

美国的企业和资本愿意把资金投入到最先进的生产力研发中去，形成正向循环。同时因为市场发展充分，他们对资源的配置也更加灵活。我们需要足够的生产要素来匹配 AI 时代，资金、技术、人才、教育、基础设施都得跟上。

上一波 AI 浪潮中，最后跑出来的项目更多是已经有落地场景且可以规模化的 AI 项目，如自动驾驶中的小马智行、文远知行，或者以安防业务起家的 CV 四小龙（商汤、旷视、云从和依图）。

“跟上一波 AI 相比，这一波 AI 是其 1 万倍乃至 10 万倍的机会。”熊伟铭将这一波 AI 浪潮类比为恐龙灭绝、人类即将出现的时代。

AI 是互联网新的水电煤，但现在掌握新生产力的还是少数企业。华创的判断是，可以让子弹多飞一会儿，即使今年下半年没有出手，也不会错过所有的好公司，“这就像当年投不中亚信或者瀛海威的，可以等新浪、搜狐和百度出来，就算都没赶上，投腾讯、阿里和京东也行，我们可以慢慢琢磨应该在哪下手。”

不过，当期的基金都是“海鲜货”，时间不等人、资金不等人，熊伟铭眼下比较看好的方向是在 AI 或 AGI（通用人工智能）的路线上找 To B 的场景，因为 To B 的公司更容易证明商业模式。上一波AI浪潮中，华创就以同样的逻辑出手了AI芯片创业公司深鉴科技，其 2018 年被美国同行业巨头赛灵思 Xilinx 收购。同时，他认为很多之前商业模式没跑通的老公司，借助大模型提高效率或许也能跑通。

要做出一款好用、可用的大模型，技术门槛和成本门槛极高。即便一家公司技术实力过关，或者借用开源方案，训练模型的成本也让很多公司吃不消。训练一遍，往往需要耗资几百万元。

OpenAI 之所以能潜心研发这么多年，是有微软投入的百亿美金做支撑。国内整体在 AI 上投入的钱太少，大模型企业常常捉襟见肘，做出来的有很多是“减配”大模型。

智谱 AI 目前看起来是国内大模型的第一名，智谱 AI 首席科学家唐杰教授之前多年在清华潜心研究，不承担盈利 KPI，背后是数十家资本投注的 28+ 亿人民币的融资金额，公司的这种状态跟早年的 OpenAI 差不多。不过，如今智谱 AI 也开始开发闭源大模型，面向 B 端开放 API 接口，开启变现之路。

国内的百度、阿里、腾讯等互联网大厂，有过去多年的积累加上大量的资金投入，才能跟上潮流。但很多大公司做大模型是为了炒高股价，花在研发上的资金如果变多，利润就跟不上了，股市的表现也会反向制约公司的决定。

熊伟铭更看好华为这样的公司，有资金储备但不上市，可以更自由地在研发上进行投入。

这波大模型浪潮中，最早在 C 端赚到钱的公司是做应用的。比如 Jasper 就将业务建立在 OpenAI 之上，来生成各种写作模板套件，然后向 C 端收费。

这启发了美国一众创业公司，开始调用大模型的 API 来打造新应用，其中最火爆的要数 ChatGPT 这种 AI 对话机器人、Midjourney 这类 AI 图像生成产品以及 Pika 这类 AI 视频生成工具。

不过，这条路在国内尚未完全走通，国内的 AI 原生应用屈指可数。一方面，国内缺少 To C 的应用场景。另一方面，国内缺少相应的人才。

熊伟铭以郭文景（Pika APP 创始人）为例，指出优秀的 AI 人才不仅需要技术过关，更关键的是要懂用户和场景，“理论上，能懂用户的人就可以拿下这个市场，技术只能排在第二位，不过要把产品调得易用，也很关键。”

一些企业试图用大模型给零售、金融、制造等垂直领域进行智能化升级，背后的逻辑是，用行业数据对通用大模型进行精调，使其在特定领域表现更好。

不过，以李彦宏为代表的一些人认为，这样炼出来的大模型没有智能涌现能力，特定行业的参数规模不够大，不足以产生智能涌现。

在熊伟铭看来，这些垂直行业的大模型，更像是大模型的局部应用。大部分的行业其实不需要自己的大模型，但是大模型可以成为一个基座，用大模型的理解能力来替代人工、提高效率。

比如医疗诊断行业，整个行业加起来或许也只有几千万个参数，但是如果利用大模型提高效率，也许上一轮商业模型没有跑通的 AI 诊断项目，很快就能有新进展。再比如将大模型用在 Biotech（生物科技）研发领域，原来培养一个分子要等一年，还有实验失败的风险，现在大模型两秒就能生成 100 万个分子，大大加速了研究进程。

随着大模型和算力的发展，未来 20 年，80% 的工作都可能被 AI 取代。被取代的大部分都是重复劳动类型的工作，可以由虚拟人替我们去做。

当然，诸如医生、律师这样的专业工种是不会被替代的，他们可以借助 AI 工具提升效率和生产力。比如医生原来一天看 60 个病人已经到达极限，但如果利用 AI 诊断大部分基础病，医生接诊那些 AI 无法诊断的病人，就能实现效率最大化。

AI 可能会改变我们的工种、工作内容和工作方式，但人的重要性永远不可替代。只要世界上存在经济和政治系统，就需要人来维持这个系统，这个系统中间存在无数个需要平衡的个体和集体，这是机器从效率角度无法理解和替代的。

关于工作被取代，很多人其实关心的不是工作，而是担心没有那份工资。熊伟铭认为大家不必太过担心，总会有更多的新工作能替代原来的工作，“需要面临的其实是分配问题”。

以后的世界，AI 或许会和物理世界有更深度的耦合。比如每个人都有自己的 AI Agent（俗称人工智能代理，是一种能够感知环境、进行决策和执行动作的智能实体），来处理各项私人需求；再比如 AI 或许能开车、能养老、也能送小孩上学。以后，每个人一觉醒来，都可以选择今天是使用“碳基真人”还是“硅基分身”出现。

在 90 年代拍摄的多部 AI 相关的电影中，总会出现机器人有自我意识，机器人不伤害人类的设定失效等桥段，给大家造成了心理阴影，认为人类和 AI 之间，势必会在某一天爆发共存问题。但正如当年的“千年虫问题”没有出现一样，大家如今似乎也有点过于担心 AI 的负面效应了。

人类过去创造的技术都只是工具，如果没有人类，它们也不能独立存在——它们需要人类来为它们充电、更换太阳能板、维护系统等。而这种共生关系也将在未来长期存在。

AI 如果存在意识，它应该是一个高于人类的生命体，就像人类不会主动去追踩蚂蚁，AI 也不会来侵占人类。除非它们跟人类需要同样的空间和资源，才会爆发战争，但这种情况大概率不会发生。只有人会奴役人，更高阶的智慧物种可能不屑于这么做。

美国作为大模型的发源地，目前也只有十个左右的大模型。但中国到今年 10 月已经发布了 238 个大模型，产品的实际差异很小，有一些还是“套壳”——在Llama 开源模型的基础上训练而来，对外却宣称自己是“原创”。

从投产比的角度来看，中国是否真的需要有自己的 OpenAI？这个问题的答案或许是否定的，我们不需要那么多大模型，国内上市公司做大模型，看上去更像是一个提振股价的商业决定。

最终这些大模型也不会全部活下来，熊伟铭预判，大概到明年一季度，大部分大模型产品就会出局，这股大模型热潮也将在那时迎来尾声。一旦资本市场没有正循环——大模型的故事，既不能提升收入，也不能改善利润，企业们也将失去投入的动力。而对行业来说，重复造轮子也是对社会资源的极大浪费，这股风潮，终究会停止。

扫码关注公众号

获取更多技术资讯