- 行业先锋
- 文章详情
比互联网时代机会规模大10倍，但三分之二机会可能是大公司的。
面对此次以生成式AI掀起的产业创新浪潮，硅谷技术VC——Fusion Fund的创始人张璐给出这样的论断。
不过即便只有三分之一的机会属于初创企业，但大10倍机会规模还是非常可观的。
张璐坦言：从年初到现在，硅谷早期投资生态非常活跃，要是有高质量的创业项目会很快拿到超募。
不过不同于国内千模大战，现在硅谷，初创公司已经很少在做模型，大家关注点已经转向应用层。用张璐一直以来对技术创新的周期判断来讲：
基础创新阶段已经过去，现在进入到应用创新大趋势。像贾扬清创办的LeptonAI，最近大火的首个超过GPT4性能的开源模型公司NexusflowAI，Cloudera创始人最新创建的Vectara等都是是张璐最新投资的项目。
这样的发展，其实与张璐带领的Fusion Fund一直以来的投资主线不谋而合：通过新技术整合推进全产业的数字化转型。
而除了生成式AI，硅谷又有怎样的New Trends？
量子位与张璐展开了年度硅谷连线。
硅谷现状：商业化速度非常快，模型层已成熟
与上一波决策式AI浪潮发展不同的是，此次生成式AI商业化落地速度非常快。
这也是张璐最明显的感知。从今年年初发展到现在，张璐坦言硅谷早期投资生态非常活跃。
除了看到落地速度，也发现很多初创公司不需要融很多钱了。因为开发成本没有那么高、效率也提上来了，不需招那么多工程师。
对于很多高质量创业者来说，这会是个很好的创业时机。一些早期优质的项目经常可以拿到超募。“资本的马太效应非常明显。”
张璐也解释了这背后的原因。
一来，美国天生有个非常独特的市场环境，它可能是全世界做企业级(ToB)销售最容易、也最成熟的商业市场；
二来，ChatGPT让所有产业意识到「这个工具存在了，如果我不用，我的竞争对手会不会用？全产业数字化转型整体加速」
除了生成式AI能提高产业效能、经济形势等方面的影响，张璐还谈到了一个很有意思的现象，那就是产业玩家的紧迫性。
张璐2018年就和她的合伙人前惠普CTO Shane Wall，一起建了一个Fusion Fund CXO网络，至今其中有44名500强企业的CTO，覆盖了11个不同行业。网络成员每个季度都会进行闭门讨论分享，从今年初开始，与CTO们聊的一个大主题就是各种生成式AI的产业落地应用，从“企业的数字战略”、“生成式AI的应用挑战”到“人工智能时代的数据监管和隐私”等等，张璐就谈到这些CTO的紧迫感非常强。
张璐总结这样的紧迫感来自于两个方面。
一方面是他们拥有海量的有价值数据，问题在于如何利用数据策略将数据的价值反映到公司的估值，也就是制定公司数据战略。
另一方面，这些CTO发现公司员工会暗自使用ChatGPT，这背后也带来了数据隐私的问题，急需一个行业专属模型来替代，更重要的是效能提升的需求非常迫切，产业有更强的动力去应用新的技术
据张璐透露，这些大公司专门批给CTO或者是首席创新官，以及专门与初创企业战略合作的预算越来越高，以前可能只有几千万、几亿美金，现在可以到十几亿美金。
这样的情况，再加上得益于AI工具的助力，初创公司开发成本降低、效率增高，也进一步提高了很多初创企业的商业变现速度。
不过在面对「生成式AI是否能够重塑各行各业」这个论断时，张璐直言：
并不觉得会重塑，在硅谷更多看到的是Plug in，相当于是现在的行业应用，再加上生成式AI作为一个feature（功能）。
张璐认为目前这一阶段仍只是人工智能的序曲，还没有达到高潮。
而要实现真正的高潮，张璐主要谈到了两点。
一个是从跨领域生态上看，目前需要解决生成式AI应用的几个挑战：一是算力成本过高；二是耗电量比较高；三是数据传输和沟通的效率，以及数据隐私的问题。
第二个则是垂直领域的应用，这其中很重要一点就是拿到行业高质量数据。这对初创企业创始人就有一定的要求，比如要懂这个行业，懂得在模型训练过程中去给专业的行业反馈；要有能力与行业龙头成为战略合作伙伴，并且拿到他们的高质量数据来去优化模型，打造行业专属模型。
而早在2017年，张璐带领的Fusion Fund团队从AI在医疗领域的创新开始，深度布局各个行业的人工智能应用。从2021年开始，张璐带领的Fusion Fund团队就在生成式人工智能商业应用开始明确的投资布局。
最早就是You.com，由Salesforce前首席科学家做的生成式AI搜索引擎，直接对标Bing。You.com近年来实现了快速增长，即将成为领域内的独角兽企业。
Fusion Fund还投资了各种垂直领域的企业，比如在制药医疗、企业服务、金融保险、物流供应链等领域均有布局。这些垂直行业的被投企业商业化都做得非常好，年收入至少在1000万美元以上，一些企业级的AI解决方案年收入超过了6000万美金。
尤其是近年来涌现了诸多企业服务场景的公司。比如Fusion Fund投资的Vectara，就是用生成式AI进行企业级搜索，解决了如何将大模型应用到小的数据团队里的问题，能够完成跨文件格式及跨语言搜索等操作，以及针对企业级会议应用的Otter.ai。
此外，Fusion Fund还关注到一些在跨领域生态上驱动AI应用的企业，覆盖从算力优化、边缘计算、数据隐私，再到AI监管、联邦学习等方面。比如业内最顶尖的边缘计算芯片公司EdgeQ，贾扬清创始的Lepton AI，开源领域的Loft.sh和Nexusflow等。
这也引出了硅谷目前第二个现状：
初创公司做模型已经非常少了，大家的关注点已经从模型来到了应用层。
张璐谈到，这背后涉及美国公司的一个共性，那就是重点去做别人做不了的，然后再在周围建生态，吸引很多公司在自己生态中成长起来。
英伟达就是个典型例子。英伟达有能力自己开发诸多应用，但他们并没有自己去做应用，而是专注在硬件层+基础平台层，用自己的算力系统搭建好基础设施与平台，吸引初创公司在它的平台上建立新的应用。
英伟达从数年前开始就在布局自己的生态，它推出了“初创加速计划”（Nvidia Inception Program），在各个垂直领域精选优秀的AI初创企业，获奖企业能够获得奖金并优先使用英伟达平台的资源，而Fusion Fund投资的企业中已有9家企业入选该计划。张璐团队自2017年起也一直和英伟达紧密合作，最近Fusion Fund的创始人日活动就在英伟达总部和英伟达联合举办，加速生态发展。
像谷歌、亚马逊、微软等大公司，他们也希望建立自己的生态，通过大模型来帮他们留住企业云客户。OpenAI也曾公开表达没有意愿去做垂直领域的应用。
在这样的生态环境下，初创公司就能在科技巨头开发的模型层上建立各种各样的应用。而且初创公司的选择，也会触发模型层企业的良性竞争，模型成本也会逐渐降低。
这就是为什么在美国很少见到初创公司再去做模型了，因为没有必要。
这也间接印证了张璐一直以来对技术周期的看法：技术创新的周期是“先基础技术创新，再技术应用创新，最终会带来新的商业模式创新”。现在大家一个共识是，目前已经进入到技术应用创新的周期。
总的来看，此次生成式AI浪潮，其实与张璐团队一直以来强调的概念0代码人工智能平台不谋而合——
使用者不需要写任何一行代码，也不需要懂代码，就可以直接应用和受益于人工智能解决方案。
之前大家一直不能理解，但现在通过ChatGPT进行了大规模的全产业教育，大家发现原来真的可以。尤其在B端，因为有非常落地的行业应用场景，推进速度非常快。
以前人工智能的概念也火过好几次，但都不像这次如此落地。这也是生成式AI最大的一个优势。从投资者的角度来看，商业落地进程加快，很快就可以解决实际问题。一个公司的发展前景就可以预测得比较明确了。
张璐建议初创公司要明智地选择切入点，不要同大企业硬碰硬，而是要去得益于大企业间的竞争，选择最有优势的应用场景去切入，选择最合适的生态去合作。另外随着产业快速发展变化，大企业不管是提供底层模型的优化，还是生态的成长，都会为初创企业带来新的行业机会。
两条投资主线更为清晰
这样的发展变化，在张璐团队看来是原有的投资主线更清晰了。
也就是全产业的数字化转型。而且是投资平台性技术去挖掘数据的价值。
平台型技术包括人工智能、边缘计算等各种各样的技术。所以生成式AI其实进一步推进了全产业对人工智能的认知以及对数字化的需求。
甚至有些行业，他们并不是真的拥抱AI，但看到同行业竞争对手开始使用人工智能，就会觉得必须要布局。
所以现在看到的各种探讨，一方面在于我们到底怎样在垂直领域应用人工智能，另一方面更多探讨的是 build VS buy，是内部自建还是外部采购。
科技公司更倾向于前者，因为开发成本越来越低。但对于传统行业来说，外部采购速度更快，多样性更强，而内部去搭团队周期较长，并且也涉及一些数据隐私考量。
另一大不变的投资主线在于技术应用是否能赋能到每个个体、每个企业。
人工智能最大一特点就是作为工具被人使用。现在很多人在探讨说工具将完全替代人，但张璐认为现在还不到这个阶段。
实际上，一个人使用AI等工具完成的工作量，可能就是以前三个人做的工作量。因此更需要关注的是，技术植入之后，如何更好地提升大家的生产力和生产效率。
近几年，科技与创投圈每年都会迎来全民关注的新风口，从张璐的角度来看，这其中有些是真的、有些是假的。像区块链、加密货币、元宇宙、Web3这些比较火热的话题，张璐团队一直都保持相对谨慎的态度。
但这次生成式AI所带来的数字化转型机遇，在张璐看来是真正可以落地的机会。所以不仅是Fusion Fund现在的布局，包括此前布局的AI公司，都围绕着这种趋势都在快速成长。
张璐解释说，这背后有个很重要，也是非常简单的一个判别式。
那就是回归商业本质 ，看这项技术是否在解决现实产业中一个重大的问题，还是只在自己生态圈里圈地自萌。
“We need to create something people need, not people like”，你做的技术产品必须是人/产业需要的，而不只是人/产业喜欢的。
这一点同样也适用于人工智能热潮，市场上也有不少的泡沫。比如C端一些很炫酷的应用，写几行字就能生成好玩的照片。但若想想，这个功能在未来几年每个星期都会有人使用它吗？它是否真的能可持续发展呢？
相较而言，一些产业应用确实解决能实际需求，比如利用AI解决医学影像增强，分析，在金融行业做投研报告和数据分析等等。
看好四大产业方向
围绕着这层逻辑，除了生成式AI，张璐还透露了看好四个产业领域的未来技术发展。
第一是医疗，主要有两个值得关注的方向：一是数字化治疗（Digital Therapeutics）；二是数字化生物学（Digital Biology），尤其是合成生物学。从AlphaFold的持续更新，再到今年生成式AI，都极大地加速了数字化生物学的产业进程。
第二是保险行业的数字化。目前保险行业有海量的高质量数据，市场量级非常大，但与此同时又面临着利润率越来越低的产业挑战，这就让保险科技及AI在保险领域的应用有了巨大的发展空间。
第三则是新一代的制造业和物流供应链。因疫情、人力成本越来越高等各方面原因，一些传统物流供应链公司不得不推进自动化进程，由此衍生出一个非常大的趋势即自动化机器人，越来越多数字工厂将诞生。
不过她强调，这里的机器人并非简单意义上的人形机器人，而是各种各样产线上自动化运作的机器人，这是一个大方向。
比如最近，张璐团队投了一家保险科技公司——Koop，它是为这些应用大量机器人的工厂提供机器人保险。
除此之外，她还提到了另一种未来的想象。当机器人变得越来越小的时候，它所能做的事情、带来的创新维度就会变得非常不一样。
比如进入到临床阶段的纳米机器人，他们在投的一家数字治疗的项目，其产品就是一个智能胶囊，吞进去之后，就能实现整个消化系统的数据采集，以及定向定点的释放药物。
最后一个是太空科技。她给出论断： 现在太空科技进入到第二个阶段 。
第一个阶段，太空科技更多的是传统发射火箭、卫星，硬件比较多，成本也较高。但现在已经进入到第二阶段，即太空数据时代。
再过两年，马斯克Starlink发射的卫星总量可能会超过肉眼可见的星星数量，所以太空是非常拥挤的，三维的太空日常交通情况会非常糟糕。
所以一来这产生了很强的需求，即如何去管理和经营太空中如此庞大的社群。张璐最近投资了一家公司就专注于太空中的交通管控，这是非常重要的应用。
二来，就是太空数据要如何应用，如何将其低成本化。
举例来说，过去想要获取太空数据需要自己发射卫星，但现在可能也不需要自己发卫星，而是直接运用太空中的卫星数据。未来，地球上各类大小企业都能更好地利用太空数据，更多人也将更好地受益于太空数据，这是非常有价值的部分。
而在这个过程中一旦有数据，就可以用人工智能。
张璐坦言：很多现在讨论的技术，它都有一个很大的特点，就是它并不是突然间出现的拐点般的新技术。事实上，这些技术往往存在已久，只是现在产业开始大规模应用，而且是产业到了特定时间节点，必须要做出改变的情况下。
比如像脑机接口、人形机器人等技术，张璐觉得这些绝对是未来的发展方向，但现在技术层面的挑战还需要一步一步解决。
而像AI Healthcare以及太空科技，张璐预测或将是明年的风口。
尤其像AI HealthCare正在火速成长过程中。人工智能在医疗领域的应用，本身就是现在的一个大趋势和风口。
One More Thing：如何看待Sam Altman？
在被问到硅谷如何看待Sam Altman这个当红明星，有没有将他当做下一个马斯克、下一个乔布斯。
张璐坦言，他（现阶段）跟马斯克和乔布斯，可能还无法相提并论。
“Sam当然也是非常厉害的领袖，他能够非常坚持地去做这件事情，经历了各种尝试和挑战，最终选定Transformer这个架构并一路走下来。所以我觉得Sam可能比较强的一点是他的Vision，还有对理念的坚持，确实也很有韧性。”
但是从另一方面来看，这个产品最早的idea并不来自于他，技术也不来自于他。他更多像是一个很杰出的领袖，在对的时间节点，将对的人凑在一起，然后去拿对的资源，将很多东西整合起来。
不过乔布斯和马斯克也不是同一类人。乔布斯是真正的创造者，他真的是从零到一去做创新的人。
而马斯克，其实很多他做的东西都不是完全原创，他也并非特斯拉最早创始人，但他能将其做成商业化。他更像是个Dreamer，敢于去挑战一些非常难的产业问题。
Sam Altman，现阶段来说跟乔布斯和马斯克还是有明显差距的。不可否认，OpenAI带动了生成式AI浪潮，但在OpenAI的技术和研发中，首席科学家Ilya等在内的科学家，才是真正的OpenAI之父。
发评论，每天都得现金奖励！超多礼品等你来拿
登录 后，在评论区留言并审核通过后，即可获得现金奖励，奖励规则可见： 查看奖励规则