来源：创业邦
关于AI人工替代的争论，在过去的一年多从未停止。而在另一边，从无人驾驶出租车到辅导学生写作业的AI助手，大模型的如火如荼以及垂类应用的逐步落地，正在悄悄重塑舆论场的天平。
不管如何看待，面对终将到来的冲击，用户、创业者、投资人们，大家准备好了吗？又是如何看待这股汹涌浪潮的呢？
以下内容来自星际营25期“新锐AI之星融资加速计划”线下集结期间，盛景网联联合创始人、CEO刘燕与Monolith创始合伙人曹曦、蓝驰创投投资合伙人石建平、金沙江创投主管合伙人朱啸虎的对话，经创业邦整理后发布。
AI商业化的本质是“效率”
刘燕：几位都经历了互联网时代的全行业颠覆性创新。关于AI的崛起，现在有大量的说法，麦肯锡说2030年大概有8亿人的工作有可能被AI所替代，到底是大概率，还是只是一种期待抑或是一种危言耸听呢？
石建平：AI对整个行业数字化转型的趋势，最大的变化是带来了数字的大脑。在这个大的趋势下，上一代的数字化升级给整个社会带来了更大的连接或者效率的提升，但是距离真正能够替代人类的工作还很远。这次来了以后，我相信在很多场景上面肯定是逐渐少人，有可能到无人的方向，是不可避免的，就像特斯拉超级工厂一样。这也是未来的企业竞争优势，大势所趋。希望我们的创业者、从业者不是被替代的一方，而是All In改变、加强，提升边际效应。不用担心人类没有工作，每一个时代来了都创造了一拨新的想象空间和机会，在交接、交替的中间肯定会对人类造成很多不确定性和焦虑，这都很正常。但是从长的历史来看，都是老的行业被颠覆，产生很多新的行业，所以我觉得AI时代也会是同样的情况，我们期待改变这个世界，而不是被改变。
刘燕：这样一个进程，对于创业者的启示是什么？过去我们认为，中国和美国不同，美国SaaS作为工具有很大的市场空间，中国的企业或者企业家很难为工具买单。AI时代，在对人的替代进程发展中，对我们创业者的商业提出了什么要求？
石建平：我加入蓝驰以后，2019年底投了不少企业服务和产业互联网的项目，最深刻的体感是中国的企业服务数字化转型是很大的产业，但是作为工具和企业软件的提供方，在整个蛋糕上面吃到的红利是非常少的。反而用创新的思维找到最大的价值，用数字能力赋能解决场景的问题，这可能是最大的商业价值。我们用这种思路创业的被投企业，80人做50亿收入，净利润5千万的，也有不少类似项目的成功案例，这次AI来了以后也需要用同样的思路去做，而不是去做更好的工具。做更好的工具我认为是很难的，会被替代，替代的可能性更大，反而在行业里面由于这个革命我去做更好的行业，这有可能是更大的创新思路。你做AI律所或者做给律所提供AI的工具，这是完全不同的做法和方向，当然对团队的要求和能力象限要求也不一样，比拼认知和综合能力这很正常，但是千万不要自豪，所谓在自己舒服的地带去创业是双刃剑，往往竞争是非常激烈的。如果用综合能力做团队，创业的成功性可能会增加一些。
曹曦：这次AI的变化，其实就是能力比以前变得更强了，但还用不上颠覆、替代这些词。对创业者来说，有时候还是第一性原理去想产品、想技术、找PMF会比较好。具体到当下的状态，我们也看到很多应用出来，砺思也投了一些公司。但大模型能够提供的能力是有限的，toC的产品可能只有ChatGPT达到了PMF，这背后还是因为模型能力不足够强。当下大家还在期待各种模型能力边界的变化，那就说明模型能力的基础能力边界还有很大往上拓展的空间。
历史上大的商业机会，几乎都是在技术安全区里面做的。所以模型的能力越高，边界越高，技术安全区域越大，技术安全区越大，可能就给商业应用的空间越大。
有个有趣的例子是自动驾驶，大家已经做了七八年了，坦白讲很多公司估值都已经不低了，但是赚大钱的几乎没有。因为印象里自动驾驶公司一直在推技术边界，大家还在搞“99.99%”情形之外corner case。而在自动驾驶上，其实是扫地机器人先取得了市场，它是个在技术安全区里的商业应用。
回归到AI这件事，可能也不要去为了模型而模型，为了技术而技术，核心还是找到对的PMF。
朱啸虎：麦肯锡说替代8亿有点夸张，我们感觉今天这样大范围的算力提升、交付还是要做把关的，所以取代2亿—3亿人是可能的，剩下7亿—8亿人工作时间会更弹性，AI完全替代人是不可能的。根据算法，如果是AI百分之百替代的话，很多上市公司是没有机会的。目前是50%用AI，未来可能是80%，剩下20%是人类。用AI辅助工作，不能补充生产力。现在并不是生产力不够，现在的生产力质量非常好。很多软件企业也是，AI替代服务可能是未来方向，不用考虑多少AI，今天可能30%AI，未来可能70%AI，再过几年80%AI。电话中心就非常典型，以前可能10%是AI，90%靠人，今天用Llama2可能做到70%、80%是AI，这是今天最典型的一个用AI来取代人工服务的一个场景，所以我比较看好这个创投领域。
刘燕：其实很多时候我们做AI也好，包括之前的SaaS，我们更多地偏重于软的部分，事实上按照刚才石总谈到的，我们不仅仅是工具而是业务的时候，其实是人力+系统，中国乃至全球很多取得成功的业务都是如此。举个例子来说，比如说美国最著名的AI独角兽Deel，做人力资源全球化的招聘和薪酬支付，虽然说号称5分钟在线就能招到全球任何一个你希望适配的人员，但是为了做到这一点，线下在各个国家它都部署了大量的人力体系，包括律师和与之相关的线下服务团队，只有线上线下一体化构成一个业务，这个业务为结果负责，5分钟之内完成招聘和有效的全世界币种的支付，才能形成订单，形成有效的收入来源，我们理解不是单纯地考虑AI部分或者线上部分，而是考虑在线上的效率线下一体化，端到端的服务进程。
Scaling Law的极限还未显现
刘燕：下面我们谈到AI和大模型。石总和曹曦总共同投了月之暗面，在中国非常明星气质的大模型，我们会想到Scaling Law是第一性原理，现在还是支持大模型快速迭代的第一性原理吗？
曹曦：至少现在还没有看到Scaling Law减慢的趋势，它肯定是维持模型能力迭代的一个重要要素，但不排除后面有人能做出新的东西，Transfomer这个架构也是后来出现的。那后面还会不会有更新的架构，这个事情我们不知道，也不需要强行做这个预测。坦白讲我们是做投资的，不是做技术的。现在有这么多优秀的创业者在干在突破，我们就找里面可能有突破的公司，有潜力的创始人做投资就好了。
石建平：我觉得大家都看到很多新闻，关于Scaling Law是不是碰到了极限，我还是比较乐观派。我们现在说AI的东西大部分说语言模型AI重一些，而多模态AI才开始。假如我们相信未来AI能实现工程性的方向，想象空间是非常大的。从技术乐观的角度来说，不希望人类或者整个地球生物体继续朝这个方向发展。Scaling Law这条路径是看不到光的，是不是唯一的路呢？不一定。作为投资人，我们可能更多地看这个方向，但是对创业公司来说就不一样了，会多个方向下注，对人类社会来讲也是多方向发展。至少现在，没看到Scaling Law的尽头，大家有可能认为大模型ChatGPT5会出现，我相信他们投入这么大的精力，会做更多的尝试，到今年年底会是一个比较重要的节点，大家都期望有一些突破，否则的话是一个比较悲惨的现象。
刘燕：Scaling Law还能支持大模型的快速迭代吗？在这个进程中对创业者有什么启示？
朱啸虎：Scaling Law今年下半年和明年上半年会比较关键，ChatGPT和Llama3进入一万卡集群，届时可以看到模型会不会显著比ChatGPT4提高。ChatGPT4是最早的，Llama3 2.4万行，基本上和8千行性能是一样的，在这样的集群下，现在看10万行今年年底应用的情况。我们感觉硅谷对10万行也不是那么虚心，如果10万行没有显著差异的话，有没有人敢达到30万行集群是很大的问号。所以Scaling Law能不能还有效，明年可以见分晓。美国数据比较多，不能要求它基于有瑕疵的数据重新生成时不出问题。所以我感觉如果在1万—3万行情况下，很多AI应用怎么保证内容的准确性、准确度，这是要思考的。
AI的商业化落地路线
要看主要矛盾
刘燕：现在凡事必AI，AI有点被当成万金油了，但是真正商业落地，到形成PMF，好像也没那么容易。这样的事情和场景怎么看？对于创业者有什么样的启发？
曹曦：我们思考这个事情有两个维度，第一是假设应用的主要矛盾是模型能力，这个事是有模型能力的公司来做的，特点就是以前没存在过，比如说ChatGPT、Sora这样的产品，因为有了新的模型才能做，这种大概率是在用闭源的，用自己的模型在干，也是我们说的AI Native的产品，离开了AI它的产品本身就不成立。
第二是假设这个产品主要矛盾不在模型能力，而在商业场景本身，AI就是个新的工具。这一点上开源或者闭源的都行，重要的还是商业本身。因为归根到底人类没变，人的基本需求没变。比如我们投了教育、游戏、社交方向，这些公司的创始人特点都是对垂直领域足够熟，我们自己觉得这些业务的核心矛盾还是那些商业场景本身。这些场景上创始人得先懂教育且愿意拥抱技术，先懂游戏愿意拥抱技术，而不是反过来。假设一个创始人的一万小时是在AI上，而没有在那些对应的场景，那他下场做肯定有学费要交，一万小时定律在哪都适用。
刘燕：您的意思是AI是技术，创业是做业务，创业的业务不要从AI出发，而是从业务和场景出发，找到你的核心客户，核心需求才能有你的核心产品，只是在这个过程中应用到了AI的技术去解决客户的核心需求，所以更多是从这个角度思考对吗？
曹曦：要看主要矛盾是什么。主要矛盾是不是技术？是技术的话这个事就是技术重要，如果主要矛盾是商业的，那就是商业是重要的。
刘燕：目前百模大战的格局，初创企业如何在这种格局下取得自己比较好的发展空间？
朱啸虎：我认为目前大模型在综合工程落地的经验能力还是非常稀缺的，需要一些技术积累，这些都是不够的，有没有高质量的行业数据很关键。比如说通义千问这些大模型的训练也需要行业数据，怎么降低错误率，提高准确性很重要。
刘燕：虽然是百模大战，但是垂类模型依然有很多机会，在垂类细分赛道和领域上如何获得高质量的数据，这对我们创业者来说会形成非常好的优质竞争壁垒。
AI创业公司出海
应该有对市场的敬畏
刘燕：很多创业者也面临全球化的问题，AI创业公司在融资时要考虑什么样的现实话题？
石建平：创业者有全球视野是好事，视野更宽了，解决问题的空间也大了，想象空间也大了。很多创业者没有真正理解全球市场，特别像美国比中国卷得多，没有大家想象中那么容易。加上地缘政治的挑战，不确定性大大提升了。尤其是业务做到一定规模的时候，问题会越来越复杂。我相信朱总、曹曦总以前在美元基金投整个中国市场的时候，是因为投中国的需求在美国有非常开放的路径，但是现在没有了，现在投美元的逻辑是做全球市场。其实我们这一代人少量海归，真正在海外成功连续创业的是很少的，反而国内创业者出海有很多优势。当然，大家需要有足够的审慎和认知上的压力，不要认为海外市场是容易的，能做到是很大的挑战，要从人才、能力象限上有足够的敬畏。
出海的市场取决于未来的退出渠道，不是说美国市场就一定拿美元，本身拿人民币也能做到一定的规模，肯定不像以前这么顺畅，但好好做产品至少还是有机会的。
在互动环节，关于如何在大模型的产品端创新体验和维护，并保持技术与业务的平衡，曹曦认为，技术应服务于提升用户体验，而不是成为炫耀的资本。拉新可能依赖技术，但留存和成长更依赖于服务质量本身。
谈到中小企业AI产品在C端变现的困境，朱啸虎指出，AI变现并非易事，需要深入的工程实现和细节处理。国内目前的实践经验表明，大模型落地的工程能力超出想象。
有提问者问及，AI初创企业是否应该多条腿走路，服务多领域的客户？刘燕认为，创业者应聚焦核心业务，利用有限资源实现突破。聚焦不仅是产品和技术，还包括研发体系和人才建设。初期应锁定特定市场，实现有效竞争后再考虑扩张。
当前许多AI工具类公司在看出海方向，但是对于如何落地实践并不清晰。石建平表示，出海团队需要对目标市场有深刻理解，包括人脉和用户场景。连续创业者在C端市场有优势，工具类项目则需要强大的迭代能力。生活场景和客户理解至关重要，否则失败率高。
长期以来，创业邦星际营作为DEMO CHINA的前哨战，助力创业者们以进阶姿态登上DEMO CHINA，以更完善的技术、产品，更全面的商业思考面向各领域知名投资人、行业专家、产业伙伴展示，拓宽他们的创业之路。
本次星际营25期的创业者们系统加速后，将登上2024 DEMO CHINA的舞台，在AI纪元绽放自己的创新力量。
让我们相约9月19-20日·成都，一起见证更多超能勇士的崛起。
“掌”握科技鲜闻 （微信搜索techsina或扫描左侧二维码关注）
