投資人看AI：投大模型風險可控，大廠VS獨角獸勝負難料

“萬一砸了四五千萬美金做出來別人開源了呢？”

金沙江創投主管合夥人朱嘯虎曾對通用大模型潑了一盆冷水，他對外稱不會投場上任何一家中國大模型公司，因爲“沒戲”。這一度在AI創投圈引發熱議。

看向業界，更多投資機構仍然在真金白銀下注，只紅杉一家就投了智譜AI、MiniMax和月之暗面，高瓴、啓明創投、達晨財智等機構同時投了智譜AI，深創投、順爲資本投了百川智能，真格基金、礪思資本則押注了月之暗面。

2021年，在ChatGPT還沒面世引發這輪AGI革命時，雲啓資本就已經爲MiniMax簽下了“第一張支票”，成爲其天使投資人。在獲得第一批牌照的8家大模型裡，中金資本也“差不多投了一半”。 資本市場正處寒冬期，但在衆多的不確定性裡，大模型帶動的AGI似乎是某種意義上投資的共識。

雲啓和中金資本都在科技領域有深入佈局，AI大模型是兩家機構共同的關注點。就AI與大模型投資的思路與趨勢判斷，第一財經記者與雲啓資本合夥人陳昱、中金資本董事總經理張清進行了一場對話，他們認爲，在通往AGI的路上，通用大模型的佈局有其必要性。

來自調研機構FutureSearch的最新數據稱，OpenAI的年化營收達到了34億美元。投資人的判斷是，至少在AI賽道中，這種量級的資金和這種確定性是過去多年少有看到的，這或許也是一個“天花板”很高的賽道。

大模型投資“風險可控”

2021年初，在大模型還是非共識時，陳昱和MiniMax創始人閆俊傑見了一面， “他當時就成功說服了我大模型纔是通往AGI的一條比較好的路徑。”陳昱在那時決定押注MiniMax。

“那時我們判斷，大模型如果真的有一天能實現通用人工智能，它的想象空間是巨大的。所以我們在早期碰到閆俊傑這樣優秀的人才的時候，我們是希望在他身上去賭一把的。”第一次見面時，閆俊傑就在和陳昱解釋大模型和若干個小模型能夠產生的效果差異，並且成功“遊說”了他。

雲啓的風格一直是投早、投小、投前沿科技。“一般來說，我們都會是給創業公司去寫第一張支票（的機構）。”在標的選擇上，陳昱提到，會更注重團隊技術的領先性，期待能夠做出一些比較顛覆的技術和應用，“看人，以及看這個人做的事。”

與雲啓相比，中金資本看重團隊技術背景、獨特的一些專利所構築的壁壘，但同時也看企業目前的商業進展。

在這輪通用大模型的投資裡，中金資本也沒有缺席，“第一批牌照的8家，差不多都投了一半，沒拿牌照的公司也投了一些。”張清提到。

對通用大模型的投資如何平衡其風險？在闡述投資邏輯時，張清對第一財經記者提到了通用大模型的確定性與天花板。

技術有一定的範式，也會走出一定的模式，“但凡你能對這個模式有更深的洞察，你就能夠往前走一些，我們靠推演提高勝率來進一步投資，而規模也是一個相對量。”張清認爲，企業需要有一定的造血能力，雖然通用大模型耗費的資金很多，但至少在這次大模型浪潮中，這個賽道的企業能取得的收入是較爲領先的，其他公司或許離收入還更遠。

如果目光看向海外做一個比較，OpenAI 2023年的營收已經奔着100億人民幣去了，“在AI賽道當中，這種量級的資金和這個確定性是過去很多年很少看到的。”張清判斷，從這個維度看，通用大模型是比較重要的。

2023年12月就有媒體消息稱，由於明星產品ChatGPT的迅猛增長，OpenAI的年化收入達到16億美元。就在今年7月，AI調研機構FutureSearch發佈了一份報告，其中提到OpenAI的年化營收將達到34億美元，OpenAI每月的付費用戶約爲988萬名。

在確定性之外，天花板也很重要，如果大模型真的到了AGI，那賽道的未來是不可限量的，不過，悖論也存在：有那麼多AGI嗎？張清提到，對於有很高天花板的領域，就可能要進行一個portfolio（組合投資）的佈局。

在投資人的視角，目前大模型的投資風險還是可控的。一方面，很多大模型創始人並不是埋頭只顧奔赴AGI這一件事情，他們同時也在找一些場景做商業化。同時，AGI的“盤子很大”，是一個大家共同參與分散風險的事，從這些維度看，投資通用大模型，風險較大是一方面，同時還在可控範圍，且可能性更大。

投資人朱嘯虎此前提出，通用大模型沒有投資價值，因爲未來開源最終會追平閉源。作爲躬身入局者，陳昱也投過較多的開源項目，在他看來，“開源和閉源本質上沒有太大區別，只不過開源可能會利用一些社區的槓桿，但這並不意味着開源沒有商業模式。”

以歐洲大模型獨角獸Mistral AI爲例，一開始團隊秉持的是開源路線，不過，隨着規模的擴大、更多的融資，Mistral AI越來越向閉源靠近，團隊在年初發布的旗艦大模型Mistral Large就採取了閉源路線，既不開放也不免費。對此Mistral創始人Arthur Mensch曾解釋稱，在構建商業模式和堅持開源價值觀之間找到一個平衡點是非常微妙的，“我們希望創造新的事物、新的架構，但是還想向我們的客戶提供一些額外的產品和服務。”

“從這點來看，其實開源公司和閉源公司並沒有太大的區別。”陳昱認爲，只不過開源大模型會給一個額外的選項：如果不用企業的雲服務也不想接受開源的技術支持，開發者自己仍然可以使用，但如果要用好，最後還是會去尋求原廠的支持。此外，也有部分開源模型會和雲廠商合作，通過提供推理服務獲得分成。

陳昱認爲，未來開源和閉源兩種模型可能都會存在於市場裡，開源模型相當於給了一個免費試用的過程，同時很多開源模型也會“兩條腿走路”，開源一個相對來說參數量較少、中杯或小杯的模型，但是超大杯的旗艦模型用於做商業化。

大廠VS獨角獸勝負難料

過去一年半時間裡，中國大模型獨角獸公司迅速融資、成長，據不完全統計，第一梯隊獨角獸的融資金額至少已達200億人民幣，目前行業已初步形成6家獨角獸大模型公司對陣BAT等大廠十幾個基座大模型的格局。

在大廠與獨角獸的賽跑中，誰能勝出？這是兩種完全不同風格的路線，大廠的出發點是，用大模型技術將旗下整個應用場景重新做一遍，創業公司的打法則是，先從基座出發，將模型往應用上做。

在張清的視角里，創業公司的業務或許會更聚焦，但大模型是資本密集型賽道，衆多的不確定性導致結果難料。

“很多科技創業過程中，經常是創業公司能獲勝。”背後的一個邏輯是，大廠往往有很多業務，會有支持也會有掣肘，張清認爲，理論來說創始人的重心應該會放在主要業務的穩定性、現金流，或者發展的戰略等問題上，在這期間，很多創業企業能夠走得比較領先。

同時，對於大廠來說還有一個性價比、考評的問題。張清認爲，大廠有它的優勢，某種意義上也反映出它的劣勢，所以在很多以往行業的討論中，創業企業勝的是更多的。

但大模型有一些差異的點在於，這個賽道需要拼資源、拼資金。只需要看微軟向OpenAI投的130億美元就能很直觀地知道，這不是一般人玩的遊戲。

退一步看，中國的創業企業工作效率很高，或許不需要到百億美元，但客觀的規律也要走，“該買卡還是要買卡，該付的費用還是要付。”張清認爲，這樣資本密集型的創業賽道，不是隨便一個人就能廣泛成功的，加上有的大廠有決心能拿出這樣量級的資金投入，誰是最後的王者在這個階段還很難預判。

現在大家都可以想到的是，會有幾個種子選手未來會往後走，但最後，很重要的一個前提是，“會不是AGI，什麼時候是AGI，如果到AGI這個層面，很多因素可能就不一樣了。”

陳昱認爲，“大廠肯定是有優勢的。以API服務爲例，大廠可以實現Token幾乎免費，但從雲計算上去賺錢。這種模式對於創業公司很難做到。”

5月，國內大模型廠商掀起價格戰，主力就是雲廠商，以致大模型甚至直接跨入免費時代。最初是字節跳動對外發布豆包大模型，以大幅低於行業價格的商業定價，打響了首波價格戰，接連幾天內，智譜、阿里雲等相繼宣佈大幅下調大模型API調用價格，隨後百度更是宣佈文心大模型的兩款主力模型全面免費。

在這輪價格戰中，折射出的一個問題是，廠商的大模型技術和能力等各方面趨同，廠商間並沒有特別強的壁壘。“我是覺得到最後，大家不能無節制地去打價格戰，重心還是得放在模型的質量上，這纔是一個比較可持續的商業模式。”陳昱說。

一定程度上，中國的創業公司和大廠目前還在伯仲之間。拋開未來不可預測的AGI不談，產業落地或許是未來競爭的分水嶺，“選擇什麼樣的場景、什麼樣的落地去實現商業化，我覺得是對整個企業的發展和未來誰能勝出至關重要的方面。”

應用層有更多投資機會

“去年一級市場的投資集中在幾個基礎大模型上，接下來兩三年的機會在AI應用上，特別是怎麼利用基礎大模型的能力，對應用做投資。”陳昱認爲，目前市場上大模型供給已經比較充足，獨角獸創業公司和大廠的一系列基座模型基本能滿足當下的應用開發需求。因此，基礎模型層的投資新機會所剩無幾。

對於未來應用層的投資機會，陳昱認爲，無論C端還是B端都具有巨大的潛力，具體方向上，生產力提升、科學研究、具身智能、娛樂、消費電子是雲啓會重點關注的領域。

陳昱的一個觀察是，目前社交軟件的AI應用落地進展相對較快，團隊發現，“大模型很大一部分消化量，差不多500億到1000億的Token是消化在情感陪伴類的社交軟件上。”類似社交、娛樂應用等C端場景有較大的機會，可以給用戶提供情緒價值。

目前行業普遍在做的生產力提升上有很多場景。在搜索場景上，大模型顛覆了傳統的搜索引擎，在工作場景中可以幫助內容生成提高效率，在任務的自動化上，大模型也可以通過AI Agent有效輔助完成相對複雜的重複性任務，陳昱表示，這些也是值得關注的應用方向。

第二個大的方面是科學研究（AI For Science），利用大模型輔助科學發現，“如新藥研究、化學路徑的合成、新材料的發現，甚至還有數學定理輔助證明，這些都可以加速研究人員拓寬科學的邊界，改善大家的生活。”陳昱介紹。

此外，時下熱門的具身智能也是雲啓關注已久的方向。陳昱認爲，得益於大模型以及強化學習等技術的發展，具身智能的泛化性和通用性優勢有望落地。

2024年被稱爲生成式AI落地的元年，行至過半，目前的落地情況符合投資人的預期嗎？

“有符合預期，也有低於預期的地方。”陳昱表示，符合或超出預期的地方是，模型自身降本疊加價格戰影響，大模型的使用價格在急劇下降，低於預期的方向則是，大模型基礎能力的進展比大家想象中更緩慢，但應用最後還是依賴於基礎模型的能力，如果基礎模型沒有更好的能力，應用就很難做出更好的用戶體驗。

“所以我們還是期待於基礎模型能力的一個進化，就像今年，大家下半年就會非常期待多模態模型的落地開花。”陳昱說。

在某種意義上，張清認爲，兼顧技術與落地是一件不容易的事情，“向着技術和理想在走，另一方面落地也要走，由於這樣的分散，使得模型落地進展可能不像大家想象的那個曲線一路往上走，但正如雨後春筍一樣，大量的落地是在行業裡展開的。