软件行业巨变在即 反派浪潮 守业者迎来春天 高阶模型开源碰壁 AI

新智元报道

编辑：编辑部

【新智元导读】 深耕科技的早期投资机构蓝驰创投近期将AGI投资观迭代至2.0版本。一些比拟亮眼的观念有：未来，软件公司或将隐没，GenAI将催生出一大波一人十亿美金初创公司。而且，开源模型的长处也将缓缓褪去，模型运行须要两手抓，还有......

去年上半年，蓝驰创投推出 《通向AGI之路》 栏目，多篇连载推演了GenAI时代的或许样态，也提出了蓝驰的AI投资观——

+新的交互界面+Robotics的三浪叠加， 将激荡出崭新的时代。

截至目前，蓝驰创投曾经沿着这个思绪启动了片面的规划：

过去一年中，蓝驰创投与最低劣的守业者共同描摹GenAI的状态，在前线亲历了最强烈的「炮火」，由此其AI投资观也在一直迭代、细化。

GenAI仍在减速退化中，战事尚未行至中场，蓝驰创投宿愿在此刻与守业者分享这些思索，激起更多探讨、减速退化。

01开源长处不会更大：大模型不会被一统天下，既做模型又做运行有何不同

关于开源/闭源、做模型还是做运行，过去一段期间有许多探讨。蓝驰创投有以下判别：

首先，模型要用得起才有可行性，所以基于开源模型做小型化、垂直化是肯定趋向。

但关于那些AGI制高点，比如 逻辑推理才干、多模态和视频生成模型，未来闭源的趋向估量还将继续。即使开源，最关键的「How」——模型如何训练、关键参数的设置等，也不会被解密，起初者无法复刻。

久远来看，真正能成功AGI的通用模型会十分有限，但基于不同场景的行业模型会百花齐放。同时由于文明差异、地缘政治等要素，不同国度或许会有各自的大模型。

假设不迭时投入，或许在竞争中会落上风。

其次，大模型和很多人罕用来类比的操作系统，其真实实质上是不同的。

操作系统实质上是一种技术，但对大模型来说，模型即运行，其迭代的环节中会积攒数据。

因此， 既做模型也做运行的打法是契合逻辑的。

只要一直搜集用户的反应、积攒模型的运行通常，守业者守业者才干深入认知自己对模型的需求、以及如何迭代模型。

当天的模型数据驱动属性越来越强，假设只是向外部放开API，很难构成用户反应闭环，远不似乎步做kimichat这样的运行更有效率。

最后，构建基础模型的门路是多样的。

就像雷同是做云平台，亚马逊是先经过Amazon.com构成了肯定的市场规模，在此环节中结构了AWS的才干，再对外输入；也有科技公司是间接打造云平台，把才干输入给客户。

第一种门路或许对中国市场更为有效， 当公司有业务需求、数据反应，会更懂基础设备应该怎样做。

02此时宜迭代数据认知：关注数据处置和多模态数据

去年，蓝驰创投提出一边赚钱、一边赚数据、一边赚常识。

往年，打造数据飞轮曾经成为市场的共识，蓝驰关于守业者的倡导是，继续更新对数据的认知：更多关注数据处置和多模态数据。

数据方面值得关注的有三层关键疑问：

1.有没有拿到海量的公域数据/共同的私域数据？

2.能不能找到协助模型继续极速学习、高品质迭代的数据？

3.能否对数据做妥善的增强，从而构建更高品质的数据结构？

最难的不是搜集数据，而是对数据的处置。

对守业团队而言，能否挑选、处置出真正适配场景的高品质数据，是对技术、模型、以及场景了解的综合考验，这最终或许造成用于训练的数据有2-3个数量级的差异。

在更高的维度上，有三个疑问值得守业者细心理考： 智能沿着数据成长、还是数据沿着智能成长？增量新数据和存量旧数据的特色区分是什么？新数据发生的场景怎样排序？

互联网时代，人类处置的都是二维空间的数据，但假设咱们把全球看作一个模型，数据就不应该局限于文本范围。

Sora和Gemini是基于什么数据？现实的智能驾驶、applevisionPro、大疆又是基于什么数据？在空间的维度上看，这个全球的数字化水平或许无余5%，残余95%的全球应该怎样、用多快的速度启动数字化？

蓝驰以为，在人工智能时代，对三维空间数据的失掉和处置会是兵家必争之地，这些 多模态的数据会催生新的超级运行，后者不肯定还搭载在手机上，而会联合其余新的交互界面、具身智能这样的口头终端而发生。

这也是OpenAI投资Figure的要素之一。 具身智能赛道中，蓝驰创投也在早期投资了智元机器人、河汉机器人等名目。

基于过去积淀的认知， 蓝驰关注AGI的底层逻辑是：AI+3D交互+Robotics的三浪叠加，以Web3作为辅佐。 三浪实践上是三种技术的driver，对应着不同的空间和口头才干。

AppleVisionPro带来的空间计算以及此前所说的元宇宙，形象成第一性原理就是3D交互，新一代的交互界面，Robotics则是具身智能加上口头结构。

03软件公司或将隐没，一人十亿美金公司会批量出现

移动互联网时代，运行占整个市场的大头，算力和基础设备占比拟小。

由于互联网的才干在于「衔接」，须要经过运行来兑现价值：人与人的衔接发生了社交运行，信息与信息的衔接发生搜查运行。

但在GenAI时代，底层的占比要更高，由于它的才干是「生成」，发明的价值比互联网更大、更间接。

同时，GenAI时代的长尾或许更为肥美，由于长尾上的每个小单元都可以自己发明价值。

比如ToB市场，短暂以来场景高度分化、数据扩散各处，造成相当多共性化的需求得不到满足，但GenAI或许能够将这些细分的需求聚合在同一个入口。

大家在探讨的AIAgent、AINative、Copilot，实质上都是AI-powerd的运行，这些运行会让每团体自主处置疑问的才干会大幅优化。

蓝驰创投判别， 当GenAI广泛地赋能集体，形式翻新随之出现，会有越来越多一人十亿美金公司出现。

过去20年，囿于优质人才的供应无余，法律、医疗、教育这些高端服务行业老本在继续回升。

但GenAI让咱们看到了「DoMorewithLess」的或许：当公司逐渐缩小对人的依赖，发明价值的单位老本也会随之急剧降落， 这将会催生新一代公司出现，即不再是赋能于垂直行业的软件公司，而是一家 模型驱动的行业player。

比如，如今守业者想做一家服务于批发行业的SaaS公司，首先要雇人开发软件，再把产品卖给批发公司；但未来，产品开发的上班或许由代码生成工具成功，系统保养也可以交给AI，这样企业实践上雇佣了一群批发数字员工，这家企业自身就是一家批发公司，而不再是「赋能批发行业的软件公司」。

04GenAI运行守业者的外围关注点

首先， 选择datarich的场景 ，关键指有高低文、或许尚未被数字化的场景。

其次， 要一边赚钱、一边赚数据、一边赚常识，构成数据飞轮。

对守业者来说第一关是构成PMF，但GenAI时代的PMF和之前不同。 现阶段的产品定义要基于技术的解放条件，守业者无论是不了解技术、还是适度定义产品，都很容易被秒杀。

守业者要去思索：在相应技术分类中，能否实用/依然实用ScalingLaw？技术的下限会在哪里？有什么实质是不会随着技术的迭代而扭转的？基于这些技术判别，守业者要决策一些关键疑问：产品驳回什么技术？是追技术的下限还是抓技术的下限？如何迭代？

所以懂AI的产品经理在GenAI产品的PMF阶段就很贵重，其所结构的反应机制须要能让用户在经常使用环节中进一步构成数据，这是最终能构成护城河的关键所在。

这群人往往阅历过几轮 技术的迭代，在GenAI开展环节中阅历、介入过模型的训练和对齐，并且尝试过基于AI才干从0到1构建产品。

三是要 留意降落老本。

在模型上，守业者要知道不同模型的外围才干是什么，模型才干的差异化如何高效低老本地适配到适宜的场景；同时，要借助PMF构成的数据飞轮来提高支出。

要置信大模型的ScalingLaw，也要置信大模型的costdown速度是十分快的。所以守业者要去思索，依照新摩尔定律，2-3年后公司的商业模型应该是怎样的？

ToC和ToB产品在不同阶段应该达成的milestone各有不同，蓝驰创投的思索如下：

toC的产品

「探求期」 有细分场景、有细调配置，成功外围用户的留存和付费

「验证中」 在原有场景、配置上叠加，用户群泛化，支出能笼罩模型调用的老本

「已验证」 产品及场景收敛，用户的规模指数级增长，获客老本大幅降落

toB的产品

「探求期」 有产品、有场景、大批试用客户，继续发散

「验证中」 有产品、有场景、大批付费客户，尝试收敛、继续的客户成功

「已验证」 产品及场景收敛，有商业化客户、有规模性支出（客户复购带来的upscale），有大批续费客户

05要看清自己的长处，也要具有全球视线

只管地缘政治会是一个无法避开的主旋律，但AI守业从一开局就须要有全球视线。

咱们须要继续吸取全球认知，引出全球级人才和资源，并用不偏不倚、中立、务虚的视角去观察全球各国——包含美国、中国的prosandcons，从中思索自身的时机和应战，以及与这个形势的相处之道。

咱们可以放开地去想：中国就算有再多的应战，自身的比拟长处是什么？美国就算有再多的上游长处，有没有阿喀琉斯之踵？

于是，咱们在思索下一阶段的AI运行时，还要思索一个关键疑问： 未来市场向何处舒展。

不论是中国还是海外的守业者，要谢全球形势中找到自己的站位、资本市场的进口。

蓝驰一直从全球视角来看中国比拟长处，基于深耕中国多年打下的基础，宿愿为AI守业者创形成为全球顶级公司的时机。

06模型小型化、垂直化与ScalingLaw不矛盾，但想探求AGI有难度

蓝驰 以为，ScalingLaw所带来的模型才干优化还远没有看到止境，仍能沿着它继续向前。

只管有的人担忧数据有限，但实践上仍有少量的数据没有被运行到模型训练中，比如私域数据，以及更关键的物理数据，这两类数据都会赋予模型更多或许。

一些学者、守业者尝试用更小的、端侧的模型去探求AGI。

这个路途和ScalingLaw并不矛盾， 它宿愿用更低老本、更极速度成功回升曲线更峻峭的智能优化。就像是咱们发现一个炼丹炉曾经能产出成绩了，如今宿愿它更高效地运转起来。

不过，这条路途十分考验团队的才干，触及到上方说的对数据的处置、选择，对超参数的设置等等。

未来这条路途的难度会逐渐放大，如上文所说，市场上关于高阶模型训练的地下信息会越来越少， 再想复刻、调优是更难的。

与此同时，作为投资人，蓝驰会一直坚持开安心态，对或许的路途坚持关注。人类对AGI的探求尚处早期，并不是没有新路途出现的或许。

蓝驰创投「不鸣守业营2024」正在招募

假设你是位守业者/延续守业者，融过资、做过产品、甚至公司曾经有了支出；或许你并没开局守业，仍在大厂中，用智慧发明笼罩全社会的ToB/ToB产品；或许你是在这些畛域继续研讨的学术人才，宿愿用试验室中发现的技术扭转全球；哪怕你是没有任何守业、上班阅历，但痴迷技术，对技术如何落地有想法的年轻人。

马上收录导航

---

---

相关标签： 守业者、 创投、 高阶模型、 ai、 蓝驰、

上一篇：莱夫利表示本赛季如同三年磨砺学有所成

下一篇：最高万元；B站弹幕破英伟达称霸全球市值16200