硅谷投资人：AIGC浪潮到来，斯坦福教授也坐不住了|硅谷_新浪财经

股市瞬息万变，投资难以决策？来#A股参谋部#超话聊一聊，[点击进入超话]

　　作者：刘佳

　　[ 全球数据分析机构PitchBook的数据显示，GPT-3发布两年多以来，美国风投资本对AIGC的投资增长了400%以上，2022年投资圈向生成式AI公司共投入13.7亿美元。 ]

　　[ 已经沉寂一段时间的创投行业，太渴望新的刺激了。中美科技创业者的热情被ChatGPT点燃，他们确信这一次大模型带来的技术变革比以往经历过的任何一次都要激烈。但这并不是大模型创业的全部。 ]

　　ChatGPT拉开了全球新一轮AIGC（生成式人工智能）创业热潮。在引发这场全球科技海啸的中心——硅谷，正在经历一波创业躁动。

　　“我现在基本上看到所有的项目都带着AI的关键词，好像不摊上AI就已经out了。”硅谷未来资本创始合伙人洪淼语气略带调侃地说。

　　“大浪潮来到，所有的人都坐不住了。斯坦福、伯克利AI方面的教授都觉得自己应该出来创立公司，这样的机会不一定会再来。”在硅谷的SVC创始合伙人、Zoom早期投资人张于庆对第一财经记者表示。

　　中国的大模型从业者和投资人也频频踏上了往返中美的航班。前Google科学家、出门问问创始人李志飞今年一个月内两次动身前往硅谷交流取经。他说，走在硅谷学院路上，经过Blue Bottle咖啡厅，听到大家都在讨论GPT。百川智能CEO王小川也曾透露，自己4月底也飞去美国招募技术人才。有在硅谷的从业者告诉第一财经记者，在上半年一场活动中，曾遇到过创办光年之外的王慧文。

　　还有飞往硅谷的国内投资人说，本想过去一并考察SaaS、生物科技等其他赛道，结果几乎所有的会都与AI相关。

　　已经沉寂一段时间的创投行业，太渴望新的刺激了。中美科技创业者的热情被ChatGPT点燃，他们确信这一次大模型带来的技术变革比以往经历过的任何一次都要激烈。但这并不是大模型创业的全部。手握真金白银、穿越多次牛熊周期的风险投资人，选择出手的同时也透露出谨慎。这会是新一轮AI泡沫的开始吗？

　　教授们也去创业了

　　“不到硅谷，切身感受到AIGC的火热，我不会下定此刻是‘AI大模型时代’这一结论。”李志飞这样感慨。

　　“硅谷一半的创业企业都围绕ChatGPT开始了，我们的投资人还能这么无知者无畏。”猎豹移动董事长傅盛在朋友圈转发了一篇名为《朱啸虎：ChatGPT对创业公司很不友好》的文章并这样评论，更是引发了业界的一番激烈讨论。

　　可以看到的是，除了Google、Meta、Apple等科技巨头在大模型领域展开新一轮科技军备竞赛外，在一级市场，大额投资并购已经发生。

　　今年6月末，数据巨头Databricks以13亿美元收购AI初创公司MosaicML，这笔发生在硅谷的收购案，是今年截至目前生成式AI领域内金额最大的一笔。就在同一天，还有汤森路透以6.5亿美元收购AI法律初创公司Casetext，以及金融自动化平台Ramp收购Open AI对手Cohere.io两笔收购案达成交易。

　　紧接着，位于硅谷的AI创业公司Inflection AI在推出聊天机器人Pi后不到2个月，就完成了一笔价值13亿美元的新融资，这笔融资由微软、英伟达和多位科技亿万富翁领投。该轮融资过后，Inflection AI成为人工智能领域融资量仅次于Open AI的第二大初创公司。

　　全球数据分析机构PitchBook的数据显示，GPT-3发布两年多以来，美国风投资本对AIGC的投资增长了400%以上，2022年投资圈向生成式AI公司共投入13.7亿美元，几乎达到了过去5年的总和，今年已经达到21亿美元。而据The Belamy统计，目前已有超过30位Open AI高管/工程师/研究员等离职创业。

　　“生成式AI已经是硅谷早期投资人们每天都在讨论的事情了。”AMINO Capital管理合伙人徐霄羽说。这家专注投资人工智能和大数据的早期VC，眼下希望借助AI热点完成对被投企业们的技术重塑。

　　斯坦福数学博士、如今在硅谷创业的孙卿云从2012年就开始做AI。他回忆，自己上一次如此为AI激动还是在阿尔法狗战胜李世石时，但那个时代的AI需要大公司的数据，大家要么加入Facbook、Google，要么成立一个创业公司去服务大客户并积累好数据。他评价，Open AI是第一次展示出来独立的可以做通用AI的能力，并且用户愿意为此付费。

　　“大家都在想创业的事情。”孙卿云把硅谷围绕AI的创业分为新旧两种版本，一类是看看过去那些传统的行业、原有的业务能够和如GPT-4等结合的；一类是完全不一样的、基于GPT-4或者是生成式AI的新技术、新服务中找到新的创业机会。现在前者看起来更加主流，后者大家都还在找，目前一个比较典型的就是AI绘图工具MidJourney。

　　张于庆收到了大量关于AI、大模型的商业计划书。他对第一财经记者总结，硅谷围绕AI的创业，一种背景是学术派，他们对整个的技术算法有一定研究背景，受到Open AI的启发，经过了一段很简短时间的惊讶后，发现自己也可以去“拼一下”。“我们接触很多伯克利、斯坦福的教授，大家都觉得Open AI离他学校的研究工作非常近，并且离工业界也很近，所有的人都坐不住了，研究AI的教授都想来创立公司，他们都说我不能等了，这个机会过了以后就没有了，必须出来做一把。”

　　另一类是在大厂里的员工，他们做着AI技术相关的工作、有相当的积累，同时看到大模型的机会，加上风投的加持，选择出来创业；还有一群在应用层看到机会的年轻人，正在各种企业应用垂直赛道找落地场景的机会。

　　火热的大模型创投背后，张于庆表示，从2021年到现在整个投资行业经历了一个寒冬期，没有所谓的投资热点。在二级市场更加如此，很多投项目晚期的基金不敢投了，变得非常谨慎。总算现在一个新的投资热点形成，大家都来了。“AI大模型的潜力确实从各个角度都满足了大家的需求，所有的基金都在投，对中美的创业者来说，也要抓住机会看看能不能拼出来，所以就造成现在的现象。”

　　他对第一财经记者感慨，相比过去的早期的互联网创业，一个公司只要加上“．com”估值就能涨10倍，现在这波AI创业，正在以更厉害、更快的速度在集中。“中国和美国的创业者都在一窝蜂而上，我看到的关于大模型的评价和总结性中文文章，比美国的文章还要多。”

　　AI泡沫与机会并存

　　生成式AI创业热潮的背后，经历寒冬的投资人们想要出手，但同时也变得更加理性。

　　“我们会大量地看（AI项目），但是真正心动的项目并不多。”洪淼说。AI如此之热，令他想到了几年前的web3.0热潮，当时所有人都涌向web3.0创业。“行业里有个笑话，所有创业做web3.0的那帮人又全都去创业做AI了。”

　　洪淼曾经历过多轮周期，现在的情形让他回忆起2000年前后的互联网的泡沫，硅谷80%的互联网创业公司最后都消失了。“这让我对未来 AI的创业有很大的警醒：我相信在不久的将来会有一个AI的泡沫，经历大浪淘沙，因为AI创业的门槛并不低，它有点像生命科学，没有十年几十年的积累，很难轻易获得技术突破。”

　　在他看来，人工智能提出已经60多年，近年来因为数据、算法和算力三方面的突破，从而实现了技术性的又一次飞跃。但目前人工智能不论多热，仍处在早期的阶段，距离AI给人们的生活和社会带来巨大效益，实现真正的实用性大爆发，还有长远的路要走。“就像互联网一样，给我感觉目前的ChatGPT3.5和GPT4大概相当于1995年到1998年的互联网时代，真正互联网的应用发展要在2000年以后。”

　　听过太多次泡沫的张于庆也笑言：“AI来了，大家都会说这次跟以前的不一样（这次不是泡沫）。”

　　他说，行业以10年为一个周期来看，在互联网时代，那些失败的公司很快就被遗忘，但活下来的亚马逊、Google等带来的互联网革命远远比当时大家预期得还要猛烈。从短期来看，一定有AI公司融不到钱，继而倒下，但也会有伟大的公司跑出来，现在大家还在探索。“投资者的心态就是我们要投那1%。”

　　在评估AI初创公司项目的潜力和可行性时，张于庆强调人的重要性。他表示，对于2B应用来说，可量化的价值至关重要，并且产品销售不能比其他2B产品更加困难。而对于2C（对消费者）应用来说，则更具未知性，因为这涉及对未来和人类行为的预测。在选取投资项目时，TSVC仍然以团队为首要考虑因素。

　　当被问到教授创业的成功概率时，他说，这还要看教授是否全职去创业、他的执行团队如何，以及产品和市场的能力等是否匹配。“如果光有一个算法，根据你所做的行业，它有可能起了80%的作用，但有时也可能只起到30%的作用。”

　　“时机很重要。”他建议创业者如果想投身这场热潮，就要赶快行动。一方面要把基本功做好，技术扎实、有差异化，还要在赛道上比别人跑得更快，在应用上有独特的地方。如果是2C模式，要有足够的用户黏性，如果2B模式，要有较为清晰的商业模式，并且让人们能够看到AI解决问题所带来的价值。“比如一个过去只能打50分的律师，AI能够帮助他变成90分，让他获得更多的客人把生意做得更大，自然有用户会买单。”

　　在徐霄羽看来，硅谷在大模型应用层面有着较多的投资和创业公司，例如其投资的 Replit作为一家代码生成独角兽公司，通过自身数据的训练和开源，获得了超2000万订阅用户。她认为，通过应用获取数据，并以此推动AI大模型的进步，是未来的一个发展方向。此外，PLG（产品为主导的增长） Saas也是大模型落地的一个较为接地气的商业模式，比如MidJourney就是这样的公司。

　　洪淼则认为，真正大模型的研发往往由科技巨头主导，对于年轻人创业者来说，AI的机会在产业领域。

　　他解释道，因为目前所有大语言模型训练的数据都来自公有云，其实还有海量数据存在私有云上，比如说很多企业级数据不会放在公有云上，这就导致目前的大语言模型算法平台无法接触到这些私有云上的数据。“我觉得将来真正的应用应该是怎样利用大平台的API算法接口，然后把大模型应用在企业级数据上面，这样才能给企业级的生产力带来很大的提高，这和当年互联网的企业改造是类似的思路。”

　　他同时认为，AI创业还处在一个大家各自努力和高速发展的阶段，还没有谁做到绝对的领先，因此大家都有机会。