除了大模型，今年AI还能投什么？

“在目前的市场上，想要找到既能训练出好模型，又有充足的私有数据，同时实现数据飞轮的项目，是一件比较有挑战的事情。针对大模型应用层面，目前BV看好两类项目，一类是训练AI做个人助理类型，第二类是情感陪护类型。”在谈及当前在人工智能应用层面的投资方向时，BV百度风投CEO、管理合伙人高雪如此表示。

渶策资本创始合伙人胡斌也认为：“底层大模型虽然很卷，可中国也有自己的机会。在人工智能的赋能下，垂直领域会有很多的颠覆出现，它的组织形式和用户的入口和人机界面的形式都会发生革命性的变化。”

不难看出，虽然追逐ChatGPT风潮已经成为了VC/PE的共识，但在具体方向上，各家还是有着自己的观察和判断。

那么投资机构和创业者应该如何把握当下的机会？除了大模型，还应该关注哪些确定性的未来？

在由投中信息、投中网主办的“2023中国投资年会”上，BV百度风投CEO、管理合伙人高雪、渶策资本创始合伙人胡斌、五源资本合伙人刘凯、线性资本创始人兼CEO王淮和华创资本创始合伙人熊伟铭在火山石投资创始合伙人章苏阳的主持下就《中国呼唤GPT》这一议题进行了深入探讨。

在谈及中美的差距时，五源资本合伙人刘凯持相对乐观的态度，在他看来中美差距没那么大。“我是从两个方面考虑的：一是本身大模型的架构已经被定下来了，并不是一个盲人摸象。这对于后发者是很容易去学习的。二是算力的成本，很多人也在讲，大家预计未来三年成本与门槛也会大幅度降低。大家看到很多开源模型效果不错。”

在新一波AI浪潮所带来而伦理问题方面，对话嘉宾也给出了自己的看法。

“关于AI的这一轮涌现的能力是大家没有预测出来的，这就非常像生物了。虽然它还是一个工具类的存在，但这一工具目前超过了所有人的期待。”华创资本创始合伙人熊伟铭表达了对当前形势的担忧。 

同样，线性资本创始人兼CEO王淮表示：“现在改造刚刚开始，如果用得不好就是“潘多拉魔盒”，用得好就是“阿拉丁神灯”。竞合是不可避免的，对于国与国之间的关系的影响，如何发展，一个是我们怎么想，还有一个是我们怎么做的（问题），如果大家都把AGI当成对抗手段来对待的话，那最后一定是互相抗衡。如果大家都有敬畏之心，结果也许会不一样。比如美国最近立法不允许核弹最后的决策由 AI 来做，等于强行在所有操作中加了一道保险。如果大家都能这么做，我们可能要担心的是电影《终结者》最后的情节。”

以下为现场探讨实录，或可提供更多参考：

章苏阳：请台上嘉宾每一个人花1分钟时间介绍一下自己的公司和投资的方向。

高雪：大家好，我是BV百度风投的管理合伙人高雪，BV百度风投是由百度做单一LP的市场化风险投资机构，已经成立七年时间。我们注重早期的科技投资，具备专业、独立的决策机制。主要投资的方向包括新能源、自动驾驶、人工智能以及前沿的生命科技等。   

胡斌：大家好！我们是2019年成立的渶策资本，关注早期到扩张期阶段的创投基金，目前管理两期美元基金和一期人民币基金，管理规模超过10亿美元。我们主要投消费互联网以及科技领域。  

刘凯：我是五源的刘凯，我们是全币种的基金，成立到现在15年了，也是创投的老兵了，硬科技、软科技都有投。  

王淮：我是王淮，线性资本 2014 年成立，一直在上海，投了很多像大数据、AI、机器人这一领域的早期创业公司。像在大数据领域天使轮投资过神策数据、地平线，机器人领域投过思灵机器人。我们是从他们很小、很早时就陪着一起成长的，我们也是一群由工程师成立的机构，主要服务于工程师、科学家和PM这样的人群。我们希望帮助中国的科技企业提高效率，对于那些带来十倍、百倍效率提升的新技术，我们特别感兴趣一起探讨。   

熊伟铭：大家好，我来自华创资本，我们的投资方向是硬件、医疗、软件、消费，我们希望成为企业的第一个或者是第二个投资人。   

章苏阳：我是火山石的章苏阳。我们的投资方向是硬科技和生命科学。   

讨论第一个问题以前，我想问下所有的嘉宾，谁投了类似ChatGPT的大模型公司？

（无人举手）

我知道五源是投了王慧文的团队，现在国内已经有四、五个团队想做和大模型相关的创业公司了，实质性的钱也投进去了。当然，也有更多的人感觉大模型这个东西很难做，1、2个亿美金也不见得能做出来。所以大家会去关注垂直领域的机会。

我想先听一听百度风投高总的看法。从三年以内的情况来看，大模型在哪一方面，哪些方向会更现实一些，或者你们是更看好一些。

高雪：针对行业的洞察方面，BV相较其他机构有更多的机会了解百度视角的Insight，可以更深入、全面地探索这个领域的发展动态和前景。但是另一方面，BV对项目的判断更具市场化及独立性，这也为我们在技术探索中提供更大的空间。我们从两年前就在布局人工智能的领域。我们根据大模型的技术特点和产业结构，将大模型分为3层，分别是底层模型、行业模型和应用层。我们认为每一层都有不错的财务性投资的机会，但是在现在这个阶段来看，我们在每一层的投资侧重点会有所不同。

一是底层模型领域。整个文本模型的技术和商业化进展是比较快的，文本模型对于下游行业模型和应用的促进也非常大，这块是我们BV看好的底层技术领域，但并不是我们的投资重点。 

二是行业模型领域。我们认为这是一个非常好的投资领域，也已经看到不少团队在做尝试，无论是从技术往场景切，还是从场景往技术切，我们都认为有一定的机会。比如面向法律、医疗及金融等行业的模型，是我们最近讨论比较多。

不过，结合中国目前的国情和市场，想要找到既能训练出好模型，又有自己丰富私有数据，同时实现数据飞轮的项目，这是比较困难的。目前市面上呈现的垂直行业模型，很难达到上述效果，所以我们也在找能做出来真正高效准确的行业模型的团队。 

三、最后是应用层。人工智能应用层最近有很多产品崭露头角，我们也常感叹行业发展的迅速，察觉到应用层的投资有机会诞生很多非常伟大、发展迅速的公司。我们叫AI Native APP,对于应用层的投资逻辑上，比如说下一代基于生成式AI的AI助理或者AI伙伴。其实AI助理或者AI伙伴的概念在很久之前就存在了，但是直到LLM大语言模型的出现，才让我们看到这件事真正落地实现的可能。在这个领域，我们近期在投资两个具体方向，一是侧重效率的AI个人助理，二是侧重娱乐/情感的AI陪伴伙伴。 

在应用方面，由于海外生态发展繁荣，大量底层模型已趋成熟，提供了很多可接入的API。而中国刚刚开始，还需要时间去成长。BV目前看好的两类应用层面的人工智能产品，一类是助理类型，既具备人工智能的能力，又能解决用户生活、工作问题，实现提效。第二类是情感陪护类，陪伴用户度过日常点滴，给与情感陪护。

最后一类是我们非常看好大模型的伦理落地在机器人上。刚才线性资本也说他们投了非常多的机器人，我们认为上一代CV的能力也好， AI能力也好，落在机器人上都有限制，通用性很差。大模型发展起来后，人机交互可以比以往都做得更好，未来BV也持续关注多模态大模型甚至是AI对视频的理解。希望大模型的能力，最终在机器人领域也有好的用途，让机器人理解更多的事和做更好的东西，这也是广泛看和投资。这三个层次上，我们觉得可能是如果从早期投资的角度来说，我觉得后两个是比较丰富一些。

章苏阳：二级市场对于ChatGPT的概念炒得很热，一级市场虽然也有投资，但是没有那么疯狂。这有一定的道理，毕竟这类大模型的商业价值很难在相对短期内产生。 

那么大家是不是把这一轮当成了跟当年的PC互联网和移动互联网一样的机会了？因为PC互联网成就了BAT，移动互联网成就了4家新公司，都产生了世界领先的东西。这个事情交给胡斌回答。   

胡斌：谢谢章总，我个人持很乐观的态度。至于二级市场是有一定的泡沫，这是A股惯有的习惯。七八年前那一波AR/VR，其实VC们都很谨慎的，但是上市公司非常嗨，大家都使劲投资，股价向上涨。这一轮很像，有几个涨停，现在也有跌回一些。这本身是有泡沫在，但二级市场我不好多作评价。 

第二个从长期来看，这是颠覆式的机会，这等于是移动互联网甚至是互联网的机会，很有可能还是更大于他们的机会。我们看上一波移动互联网在十年前、二十年前，当时传统的公司占一半的份额甚至是一半多，传统的BAT在移动互联网中也是非常强势的。确实也给新创业的公司很多的机会，有些根本没有PC互联网的公司，仍然做到了独角兽甚至是更大的。比如美团、拼多多并没有PC版，还有很多O2O的公司，相信在人工智能的赋能下，垂直领域会有很多的颠覆出现，它的组织形式、用户的入口、人机界面的形式都会发生革命性的变化。

从VC的角度，我认为这是一个长的可以投资的赛道。但是长期的话，大家讨论的是底座大模型有多少家杀出来，我们也一直在研究，底层大模型虽然很卷，可中国也有自己的机会。在这上面长出来的应用会有非常多的垂直领域的颠覆机会。

章苏阳：这当中有一个问题，大模型、大算力的角度会耗费非常多的资源。因为将来无穷多的垂直领域的应用，都会用到一套技能的东西。那从您的角度来说，是国家队把大模型、大算力搞起来，还是让五源投的公司或者是现成的百度来做？未来大规模领域，是相结合的可能性大，还是国家发展的可能性大？这一生态，谁来引导？

胡斌：我个人觉得还是国家主导、民营为辅的可能性。我们自己测算过，对标一个GPT3.5左右的话，大概需要的钱至少是1亿美金，估计不用2亿美金，大概是这样一个范围，这是VC出得起的。如果卷上万亿的模型，在某些特定场合使用的话，不一定是VC的钱适合去做的。从应用的角度，绝大多数它能Cover到了，所以我觉得国家队可能会有特殊的某种大模型服务于某些战略的场合。当然，更多场合的大模型以及上面长出来的应用，应该是现有创业环境和创业公司可以做的。您提到的监管，互联网本身也是遭监管的，大家都蛮熟悉的，而且我相信创业者们是能做好的。 

章苏阳：谢谢胡斌。李彦宏说中美大模型相差2个月，还有的说是相差两年，各种各样讲的都有。我觉得2-3年可以赶上ChatGPT4，但是ChatGPT也在发展，如果它发展到5.0，我想问下大家感觉到三年以内，我们能够赶上这样的情况吗？包括算力、数据、大模型。

这个可能性会怎样？但是在C端的话，我们认为在垂直领域，我们还是很有希望的。

刘凯：我们从2020年开始就在看大模型。因为我们在很早的时候就投了第一波做AI To B的企业。不过我们认为最大的价值还是在To C，我们在种子轮和早期投了有十几家。到了这几年，关于中美的差异，我是相对乐观的。 

我是从几个点（考虑）的：一是本身大模型的架构已经被定下来了，并不是一个盲人摸象的事情，后发者是很容易去学习的。二是算力的成本，很多投资人也在讲，大家预计未来三年肯定是比现在便宜很多，门槛也是大幅度降低。大家也看到很多开源模型效果不错。 

从这几个层面看，我们站在巨人的肩膀上，也在进步，同时行业的门槛在降低，这是很像我们十年前投手机的时候，最初大家觉得做手机也很难。我觉得现在是很多要素具备了，目前可能还没有一个特别Ready的，但我个人相信还是会很快。我们有这么大规模的人群和数据，还有工程师的红利。我自己想不一定完全和OpenAI对标，就像百度很多的商业模式和Google不太一样。       

我觉得与美国是有差距的，但没有那种别人都做完了，我们无法做了的感觉。我自己投硬件半导体，如果人家卡着你，你会有非常长的空窗期。但是软件这块不会这样，包括开源对这块的支持巨大。三四年前我也投了一个数据库，大家觉得这个技术特别好，找不到特别好的应用场景，但是这两年大模型最基础的就是数据库。所以我觉得在关键模块上，中国公司都有涉及，我倒没有那么担心。

关于人民币和美元的投资策略及现状。我自己的感触蛮大的，因为我主要是投软件、SaaS的。美国这两年很火热，大家都在投AI替代SaaS，工具类SaaS最容易被替代，很容易商业化，订阅式付费已经很成熟了。中国的软件市场没那么成熟，本身我们自己的SaaS公司还没发展到那个程度。AI出来了，也并没有让SaaS活得更好。所以短期看，中国的投资热点和美国不一样。美国在未来可见的1—2年，关于To B的已有商业模式和场景的替换，这个领域竞争和内卷程度非常激烈。我也和同行聊，大家觉得像市场营销领域等SaaS不用做了，同领域美国公司的市值已经反映出来问题。而中国可能更多偏To C领域的竞争。

整体来看，除了大模型本身，我们也在围绕基础设施包括上层应用做投资，这也是中国创业者最擅长的。所以短期中美市场的侧重点非常不一样，拉长5—10年，长期来看，大家殊途同归。就像移动互联网时期，我是做移动互联网出身的，早期也很不一样，但最终大家都发现就那么几张船票，谁能拿到就可以进入新时代。  

章苏阳：有一种说法是ChatGPT打开了“潘多拉的盒子”，所以有人提出，是不是暂时先不要研发，6个月以后，当大家形成统一的想法，政策制度完善后，再让它发展。 

那我们是否打开了一个魔盒，假设打开了魔盒，是不是各国在GPT上面形成一个新的军备竞赛，相互之间会采取什么样的方式，来制约对方的发展？ 

王淮：第二部分太难回答了。第一部分关于魔盒，效果是近似达到这个效果，但是我们不把它当成潘多拉魔盒来对待，而是得到了一个可以问无穷问题的“阿拉丁神灯”。这是我们看待的角度和理解。 

从效果来看，它真的是把所有带有重复性、套路性的脑力劳动大幅度替代。我们判断，不需要那么久，可能只要三年，很多脑力劳动，类似我们这样开会都可以用5个AI机器人，拿我们的历史数据做训练，让他们对话就行了。只不过这些能力从出现到变成最后日常随处可用的产品中间是有差距的。而这样的差距正是“AIGC+应用”的机会。所以潘多拉也好，阿拉丁神灯也好，它的能力我们要重视起来，尤其是搞脑力劳动的。

另外我们有个概念是 Physical AI，今天我们做的很多的是Digital AGI，数字化，我们也投了很多机器人相关的项目，这块是有全新的训练方式，按照同样的套路，训练出来的是 Robotics native 的 physical AGI，这和我们今天谈的 chatGPT（属于 Digital AGI），两者一结合，负面的角度来看就是 Skynet terminator，到时候机器人又聪明又可以自己制造自己，你说生产能力不行，以后生产线上可以不需要工人而用机器人，我们投的思灵机器人就做了很多这样的工作，很多人干不了的工作逐渐被替代掉。

所以我觉得，未来的改造刚刚开始，如果用得不好就是“潘多拉魔盒”，用的好就是“阿拉丁神灯”。再回到第二个问题，竞合是不可避免的，很多新的东西出来，对于人类未来的影响，对于国与国之间的关系的影响，如何发展，第一取决于我们怎么想，第二是取决于我们怎么做的（问题），如果大家都把AGI当成对抗手段来对待的话，那最后一定是互相抗衡。如果大家都有敬畏之心，结果也许会不一样。比如美国最近立法不允许核弹最后的决策由 AI 来做，等于强行在所有操作中加了一道保险。如果大家都能这么做，我们可能要担心的是电影《终结者》最后的情节。

章苏阳：不管是神灯还是潘多拉，都代表了这个东西很厉害，有人叫它“iPhone时刻”，有些人叫奇点。

接下来的问题，大规模使用AGI会带来什么样的结果，比如说AI+机器人让他干什么就干什么，而且它可以不眠不休，24小时黑灯工厂，也不怕病毒、辐射，也不怕恶劣的条件。这样的情况下，AI最后会不会取代人类？

或者十年以后、二十年以后、三十年以后，远一点五十年以后，人类会不会被所谓的特别通用的AI和执行机构控制。这个东西对于人类来说，是不是一个悲剧？ 

熊伟铭：我和章老师有同样的担心，马斯克也说过，AI的这一轮涌现的能力是大家没有预测出来的，非常像生物了。 

因为生物学很多的东西我们说不清楚，如果没有一个mRNA的话，药就做不出来。AI本身是高度规则化、计算化和数字化的过程，居然出现了一些世界上最厉害的科学家都无法解释的能力。

生物学里面我们要把每个蛋白质从头到尾测序，将每个蛋白质做到1：1（一样），这就像制造。这个社会也是AI和制造融合的世界，所以也很有意思，也有可能我们理解生命的阶段比较浅。 

所以还有一种可能，我们有这么多的蛋白质和分布式的单元，理论上是不是存储不仅仅只有现在的数据，还有很多数据以分布式的方式存储在单元里，只不过我们无法读，我们能量太低了。

我们对于生命有这样那样的疑问，除了生物上解释我是生于什么时候，死于什么时候，这段生理期间的存在以外，当我死去以后我是完全归于尘埃，还是我以另外一种形式存在，AI目前问不出这样的问题。AI知道它存在，但是它不知道它存在，它也不会定义它的存在。

我觉得，从一个系统知道和这个系统知道它存在，是一个巨大无比的鸿沟，这决定了是生物或者是生命，我们说AI有生命特征，就像三体一样。

三、五十年有点短。包括我们对于生命的理解也是非常初级的，是不是我们和它，到最后都是Formation。

章苏阳：生命在地球上从原来无机变成有机生命花了10亿年的时间：有机物变氨基酸，氨基酸变蛋白，蛋白变生命。

熊伟铭：10亿年时间VS现在所说的三四十年，虽然从无机物到有机物智能水平低，但是它对自己的存在是有存在感的。AI的智能水平高，但是对自己的存在没有感知，这决定了我们怎样定义。

电脑很聪明，很多时候电脑输出的东西比我们自己做的好多了。电脑PPT比我手绘的强多了，以前所有大公司的PPT都是幻灯片，都是人画的，但却不能说电脑的生命力超过人类或者是任何一个mRNA或者是小片段，从生命的角度来说它是没有的。

所以回答您的问题，它还是一个工具类的存在，只不过这一工具目前超过了所有人的期待。工具能力这么厉害，就像大家说苹果手机，我们之前体验到最好的手机就是诺基亚和黑莓了，就像1999年，庞帝说实现每个孩子一台PC，现在实现了。 

我只是觉得工具的展现能力超过了人类的认知，但并没有在生命意义上超过我们这些碳基的存在。 

章苏阳：当然了，人类也在反抗。大家还有什么特别有意思的问题谈一谈吗？   

王淮：我有一个不同的观点。两三个月前，美国人很担心这块，就是看到像ChatGPT从出现到后来发展的加速度，改变了很多人对于AGI的发展的原本速度的看法。今天 Digital AGI 有一个很大的问题是，它的输入和输出都是由人组织了问题之后给它，基于文本，是文本和文本之间、Token和Token之间的关系形成的，其实这只是一种类型。就算我们所说的多模态，还是数字化的数据之间的。

但是人类有一个巨大的能力，目前所有 AGI 都还不具备，就是随时对周边的信息做输入和输出，今天的 Digital AGI 没有这个能力，但是这个能力在Physical AGI 上必然实现。当 Digital AGI和Physical    AGI结合，你会发现这个机器人随时在根据外界的输入输出，得出结论、下一步该怎么做并且去做。这和人类的行为在接口上不一定区别出来，但它做的很多的结论和决策，一定是和人类的利益一致的。为什么 chatGPT 最后一步叫 human alignment，其实他们在Digital AI领域已经在担心了，我觉得一旦把 Physical AI加上，这个担心会扩大百倍、千倍，这是可怕的。   

章苏阳：最后针对目前的AGI的情况，请每个人讲三个会被AGI取代的职业和行业。   

高雪：车发明的时候，马车取代掉，但是司机的工作出现了。在今天讨论的范畴上，无论是大模型还是AGI，它都是工具，工具是可以替代人的。比如它可以自己扫地，替代了清洁工。但是那个人可能去做了别的，比纯扫地更重要的事情。计算器发明的时候，替代的是打算盘的人。   

章苏阳：这次革命是革哪些岗位的命？   

高雪：我的答案是会减少一部分人的工作，比如说设计师。可能以前工作要10个，现在只要2个。再比如说在创造上，在重复性的工作上，它可以减少2个。比如说ROBOTAXI，不需要人开了，但是需要一个人解决出现问题以后的问题。   

章苏阳：如果是司机呢？   

高雪：那就不叫司机了，叫远程司机了。它是调到后面，之前是10个司机现在只有2个司机了，是这样的道理。所以我们觉得在重复性工作上，这些工种都可能从10个人变成5个人，变成4个人、3个人、2个人。   

章苏阳：从量的角度来变化，就是彻底干掉被取代还是比较难的。感谢5位大咖一起我们完成了这一讨论。《资本论》中之前有谈了这样一个观点，什么叫做理想的社会，按照马克思的理想就是随着生产力发展，人类的劳动不再是受雇于异化雇主的劳动的劳动，而就是可以做干自己感兴趣的事。我初步感觉到AGI好像让我们看到了是咱们实现这一点的曙光。

谢谢大家！