《AI未來指北》欄目由騰訊新聞推出，邀約全球業內專家、創業者、投資人，探討AI領域的技術發展、商業模式、應用場景、及治理挑戰。

文 / 騰訊科技 周小燕

ChatGPT的出現，像極了2007年iPhone出世的時刻：由于基礎設施不夠成熟，人們很難想象未來的應用產品畫像 。但曾經iPhone掀起移動互聯網創業浪潮的經歷，讓如今的投資人和創業者蓄勢待發，時刻為新的“iPhone時刻”的到來做準備。

【資料圖】

從2020年GPT-3出現開始，英諾天使基金合伙人王晟就一直關注生成式預訓練模型的機會，在期間做了很多相關的思考和探索，他將新一代AI的投資自下而上分為三個層次：AI Infra、大模型和應用。

AI Infra板塊主要看國產替代的機會，比如無損網絡、算力和軟件及生態機會；

大模型板塊包括語言大模型LLM，多模態大模型如圖像生成式AI、視頻生成式AI等，垂類域比如AI for Science & AI for Industry；

應用端板塊主要分為AI改造舊場景以及AI創造新場景的機會。

他認為，當下算力、模型訓練框架層面還存在需要補足的地方，我們正處于完善AI訓練和運行（推理）所需的基礎設施的階段，應用端還沒有太好的投資標的。可以一邊搭建基礎設施，一邊等待新的應用機會和商業模式出現。

在大模型板塊上，王晟認為“AI for Science”的想象空間非常大，在諸如航空航天、軍艦甚至建筑和半導體設計方面，AI可能可以替代頂級科學家的計算和求解能力。

核心觀點：

1小模型的核心問題是無法泛化，它太“愚蠢”了，現在鼓吹小模型的無非是2個點：第一，大模型貴，但這是成本問題，后續通過工業化、規模化方式可以解決這一點，核心還是如何滿足用戶需求；第二，在有的場景里面，我們可能無法使用大模型，諸如對實時性要求較高、或者功能單一的IoT設備，比如：智能攝像頭、智能降噪耳機，在這些板塊小模型確實有一定需求，但主流的范式不會是小模型。 2在移動互聯網的創新涌現之前，各行業也都是原先業務的“大家伙”做一個遷移、換個流量入口而已。在AI時代也是，先是底層的Infra完善、工具鏈完善、開發環境完善，然后涌現創業者，再做業務移植。如果只依靠移植，不會產生什么真正的投資或創業機會，只有等“移植”階段過去，才會真正進入到模式創新的時代。 3現在處于AI Infra時代，傳統業務正逐漸遷移到AI中，在這個時代可能沒有太好的應用端投資標的，主要的投資機會還是在基礎設施上。基礎設施投資是一個長期的過程，但最重要的窗口是在當下這個時代，后面的投資窗口可能會遷移到比如商業模式創新的板塊了。 4“AI for Science”板塊非常值得關注，這個板塊最重要的是“科學計算”，但主要是微軟和DeepMind在做，創業公司可能沒什么機會。比如設計一個大飛機，需要很多空氣動力學上的研究，目前都是需要依靠極其頂級的科學家來設計和求解、論證。如果AI來做這件事情，它就能解決很多問題，包括航空航天、軍艦甚至建筑和半導體設計。 5大模型+自動駕駛面臨的挑戰非常大，最大的問題是它對錯誤的容忍度太低。ChatGPT胡說幾句話無所謂，但用在自動駕駛上，哪怕是百分之一或萬分一的錯誤，都可能會出現很大的安全問題。

英諾天使基金合伙人 王晟

以下為訪談內容整理：

騰訊科技：這半年因為AIGC領域的關注度較高，一級市場的投資氛圍也很“卷”，大家都在尋找各種投資機會，投資人群體在這段時間的心態是怎么樣的？

王晟：絕大部分投資人是比較焦慮的，但也不完全是因為大模型，現在整個經濟環境和投融資環境都比較令人焦慮。整個金融市場環境不利于資金流動，而較差的資金流動性不利于項目退出，從而形成一個不好的循環：沒有退出就會影響募資，影響募資就會影響投資。

在投資人群體里面，相比較于人民幣基金，美元基金投資人會更“沖動”一些。在過去，由于政策的原因，新能源或硬科技創業團隊不太敢要美元的錢，但AI對美元VC而言是一個很好的投資窗口，畢竟傳統的人民幣基金很難承受AI創業公司的長周期投資要求。

騰訊科技：在這波熱潮里，英諾基金的投資心態是怎樣的？

王晟：我們比較淡定，因為我們在大模型領域已經深耕很長時間了。去年6月份，我們投資了預訓練模型技術服務商深言科技，它的主要目標是用NLP技術，尤其是大模型（LLM）技術，全流程服務信息處理。

如果追溯到更久，實際上在前年（2021年）下半年，我們內部就非常確定，未來是大模型的世界，小模型的機會不多。

當然，關于大模型和小模型誰更有機會，目前依舊存在爭議。在一些對安全性要求比較高的特定場景里，比如政府、企業等組織確實需要部署一些私有模型，但這并不代表整體市場的發展方向。我認為未來的主流方向在大模型，沒有小模型的世界。大模型像云服務一樣，它是新一代互聯網業務的基礎設施。

本來我們預估這兩年大模型的投資熱度會緩慢升溫，但Open AI突然發布ChatGPT，一下子點燃了這個賽道，突然涌現出很多大模型團隊，我們剛開始看這個賽道的時候根本不存在這些團隊。

騰訊科技：你們前年就發現大模型是趨勢，小模型沒什么機會，當時經歷了哪些實驗得出這個結論？

王晟：小模型的核心問題是無法泛化，它太“愚蠢”了，比如今天小模型能認出農夫山泉，明天把農夫山泉瓶子換成藍色的，它可能就不認識了。現在鼓吹小模型的無非是2個點：

第一，大模型貴，但這是成本問題，后續通過工業化、規模化方式可以解決這一點，核心還是如何滿足用戶需求。

第二，在有的場景里面，我們可能無法使用大模型，比如對安全性要求比較高，或者功能單一的IoT設備，如智能攝像頭、智能降噪耳機，它對實時性要求太高，大模型跑不進去。從這個角度來看，小模型確實有一定需求，但主流的范式不會是小模型。

大模型會成為主流，其中語言大模型是人工智能皇冠上的明珠，畢竟人類的知識大部分以語言文字的方式承載，維特根斯坦講人類語言的邊界就是我們思維的邊界。除了語言大模型之外，我們也非常關注其他模態的AI大模型，比如：圖像、視頻、3D等等。

2020年，Open AI發布GPT-3，我們初步預測生成式預訓練語言模型是未來的方向；

2021年4月底，Open AI發布DALL-E模型之后，文生圖的模型更加趨向成熟，整個科研界都覺得這個路子是對的，它創建了CLIP+Diffusion的技術范式，接下來Stable Diffusion、Midjourney都順著這個技術路徑走，它比過去GAN、VAE“文生圖”模型更容易泛化，所以從2021年下半年開始，我們非常關注文生圖大模型范式；

2021年其實還涌現出很多其它多模態相關的AI技術，除了文生圖的CLIP+Diffusion，還有谷歌發布的NeRF，這是一種基于神經場的渲染技術，可以用來生成視頻流或者重構成3D Mesh。谷歌也利用NeRF技術重構了舊金山市。

從2021年下半年開始，大模型被我們定義為一個很重要的投資方向，我們順著這個方向尋找項目。但是，我們也遇到了很大的挑戰：真正投入做大模型的比如IDEA研究院、華為、百度，是我們投資不進去的；而市場上又找不到能做大模型的團隊，所以有勁兒沒處使。

騰訊科技：但你們去年就投資了深言科技，當時你們是通過什么方法找到他們的？

王晟：英諾在清華大學計算機系設立了一個獎學金，2021年豈凡超拿了這項獎學金的第一名，我們也開始關注到他們團隊做的事情，正好符合我們想要的項目的標準，就投資進去了。

2021年在多模態方向，我們接觸過多個文生圖的團隊，但是我們一直沒有出手投資，主要是沒看清商業化的轉換路徑。在文生圖領域，我們非常關注可控性問題：

首先，模型能不能被很好地控制？包括一些精確的布局控制，比如我想要生成一張圖，需要中間有一張桌子，旁邊站著一個人，以及很多主體的排布和控制等，模型能不能精準地實現和控制需求非常關鍵；

其次，模型的持續性很重要，它又叫做“概念定義”，比如第一次要求機器畫出鋼鐵俠，第二次還是要畫鋼鐵俠，機器能不能把“鋼鐵俠”的概念定義出來很關鍵，還有二次創作（Inpainting）的問題，比如第一次畫的不盡如意，還需要基礎上修改一下。

在那段時間，我們看了很多項目，但他們也很難解決這兩個問題。

到2023年2月，這幾個問題都被ControlNet解決了，它的出現是里程碑式的模塊，整個文生圖的可控性被大大提高。

騰訊科技：ControlNet出現確實大大提升整個文生圖領域的生產力，但國內的項目怎么和Midhourney這些進入中國的明星工具競爭？

王晟：對，我們確實又面臨下一個問題：能不能投？怎么去投？Midjourney的競爭力很強，Stable Diffusion開源又免費。此外，很多創業者可能也沒有勇氣做這個方向了，很多項目無非是拿Stable Diffusion結合某個行業做個工具鏈，很少有人會訓練一個通用的文生圖模型。即便有的項目做，他們的估值太高，不適合早期機構投資。

騰訊科技：大模型比較貴，估值也很高，所以也有一些投資人看一些有稀缺數據的垂直模型，你認為這個細分賽道有哪些場景和機會？

王晟：很多人強調大模型拿到的是通用知識，它沒有私有數據，但我認為這完全不重要。

第一，垂直模型拿到的知識，大模型都能拿到，沒有多少東西是某個個體純碎私有、別人沒有的，無非是大家解決問題的先后順序不同。

第二，大模型擁有了足夠知識后，很多細小的知識都不被需要了，Open AI內部人曾經提過，他們在訓練GPT-4的時候，特意留下很多空白的知識域（Knowledge Domain），但在測驗的時候發現即便是沒有被投喂數據的領域的知識，GPT-4也能知道。人類的知識相關性太強了，GPT-4完全不需要數據投喂也能學會這些知識，所以指望那點稀有數據形成核心競爭力比較難。

騰訊科技：垂直模型不值得投入，那么大模型應該怎么投？這一輪的大模型蛋糕是不是已經被分完了？如果現在想要入場，AIGC領域還有哪些投資和創業機會？

王晟：任何一個新的產業技術范式誕生之后，都會存在一個發展周期，比如“iPhone時刻”的到來有很多技術積累，芯片的集成度和算力、觸摸屏、4G/5G通信等。

iPhone第一天出現的時候，用戶也很難理解它到底能做多少事，所以2007年iPhone出現，但2011年微信才出現，2012年才有了滴滴，2015年才有了拼多多，2016年才出現抖音。從2007年到2016年，中間整整隔了10年。

現在“AI時刻”也要到來了，它代表了一種新的技術范式，但它在初期階段能做的事情并不多。消費者的使用門檻高、基礎設施不夠完善、用戶對它的理解也差很多。可能技術范式的創新會讓AI Infra先起步，比如芯片的成本變得更低、開發工具更完善、終端保有量足夠多的時候，AI會迸發出更多的機會點。

在AI發展的第一個階段，由于大家的想象力還很有限，能做的事情可能是把舊的行業全移植一遍。

騰訊科技：但光依靠“移植”或“遷移”，現有移動互聯網的各細分行業的格局很難被改變。

王晟：在移動互聯網的創新涌現之前，各行業也都是原先業務的“大家伙”做一個遷移、換個流量入口而已。在AI時代也是，先是底層的Infra完善、工具鏈完善、開發環境完善，然后涌現創業者，再做業務移植。

其實，如果只依靠移植，這個時代不會產生什么真正的投資或創業機會，只有等“移植”階段過去，才會真正進入到模式創新的時代，它創造了新的用戶需求，但這是我們還看不到的東西，還需要時間、需要未來的創業者去創造。

當這個周期過去，就會進入到“內卷”階段，就像移動互聯網發展到2017年就已經進入尾聲了，它很難產生真正的創新，也不會有新的商業模式出現了，大家都去卷內容，比如卷短視頻、卷直播、卷帶貨。

我們現在處于AI Infra時代，處于傳統業務逐漸遷移到AI的過程中，在這個時代可能沒有太好的投資標的，這3年我們會繼續投資基礎設施。當然，基礎設施投資是一個長期的過程，但最重要的窗口是在當下這個時代，后面的投資窗口可能會遷移到比如商業模式創新的板塊了。

騰訊科技：除了AI Infra，在模型層以及應用層你們打算怎么布局？

王晟：在AI Infra板塊，硬件上我們投無損網絡、高速度光通信，包括存算一體、Chiplet等，我們也投資了光芯片和量子方向。近期，我們剛投資了一家AI Chiplet供應商“原粒半導體”，它可以通過提高能效、降低成本的方式為多模態大模型提供算力支持。

再更上一層，我們也在關注 MLOps、AI開發框架、AI編譯器等方向。

再往上的大模型層面，我們除了會看語言大模型，也看多模態的大模型和垂類知識域的機會：

在語言大模型板塊我們投資了深言科技；

在多模態板塊，我們投資了3D掃描重建技術企業KIRI Innovation（麒礪創新），目前他們在做3D的人工智能的生成式模型，直接text to 3D；我們還投資了做虛擬人動作行為的大模型中科深智，屬于text to motion，它是端到端生成式AI虛擬人技術的公司，能有效改進游戲角色過于依賴動作庫和表情庫的現狀，依賴“庫”的模式會導致角色表現力欠缺變化、顯得僵化的問題。

CV領域過去有非常多的小模型公司，4月份我們看到Meta的SAM模型展現出非常強的泛化能力，我們也在觀察真正的CV大模型的投資機會。

圖像、視頻生成領域，由于SD開源、MJ和Runway都非常強大，我們看到的情況是國內大量的創業者在基于SD做應用，而不是自研模型和這幾家硬剛。我們非常期待國內出現有勇氣、有實力的創業團隊。

大模型的另外一個投資方向是AI for Science，這是一個比較早期且富有爭議的領域，創業和投資的認知門檻非常高。

AI for Science板塊分三個范式：科學計算大模型、垂類域知識大模型和垂類域生成式AI。

其中，科學計算是最底層的范式，它可以利用AI幫助科學家做計算，從邏輯上看它能解決一切科研問題，但主要是微軟和DeepMind在做，創業公司可能沒什么機會。比如我們要設計一個大飛機，需要很多空氣動力學上的研究，目前都是需要依靠極其頂級的科學家來設計和求解、論證。如果AI來做這件事情，它就能解決很多問題，包括航空航天、軍艦甚至建筑和半導體設計。

第二個范式是垂類領域知識大模型，這也是我們目前最關注、馬上會做投資的范式，它以LLM大語言模型為底座，加上大量的科學Paper和相關實驗數據進行訓練，期望以此涌現出類似ChatGPT和GPT-4的思維鏈和推理能力，甚至具備一定程度的theory of mind（心智）能力。

第三個范式是垂類域生成式AI，相比較于前兩個范式，盡管它跑得更早一些，但其發展程度并沒有比前兩個范式更成熟，它通過學習大量關于分子結構知識和數據，來實現對DNA結構、分子結構的推測，同時做一些分子之間的力的分析和推測。它可以應用于制藥、蛋白質合成，尤其在大分子生物相關的應用上的機會更多。但它面臨的爭議也比較大，盡管它所展現出的效率較高，能比人更快地推測出新結構，但沒有經過實驗證明其有效性。

不論是哪個范式，AI for Science從理論上來說可以解決一切科學領域的問題，比如和人類生活息息相關的可再生能源問題、氣候問題等，但整個AI for Science最重要的應用方向有兩個：醫療制藥和材料領域，因為這兩個領域的賺錢能力最強。

騰訊科技：這些方向還是聚焦在模型層面，但現階段大家其實更關心應用層面的機會，英諾從2020年就觀察AIGC的機會，現階段應用層有哪些想象力？

王晟：在應用方面非常難投。

我們不太想假設這件事，我認為現在還沒有到應用創新的階段，沒有人能假設全新的場景，只有創業者做出來了，投資人才能看到，我們需要等待。

AI對傳統行業改造其實也不是創業者的“菜”，就算有人能做，這個人肯定在傳統領域極其有影響力，或者說特別懂這個行業、有非常強的資源，這些可能是非常特殊的領域。在其它領域，比如辦公場景，比如做智能PPT，只能微軟去做；做智能家居、建筑設計，只能AutoDesk去做，對創業者而言這些沒有太大意義。

騰訊科技：即便對很多試圖用AI改造傳統行業的公司而言，內部還需要打通各種數據，也是一個非常艱難的過程。

王晟：對，非常難，可能需要很大的耐心去等待。

騰訊科技：你曾說AI3.0時代是“具身智能”的時代，可以用大模型驅動人形機器人，而自動駕駛和人形機器人的很多能力都是打通的，你認為大模型+自動駕駛算不算一個接地氣的應用層面的機會？

王晟：大模型+自動駕駛面臨的挑戰非常大，我覺得最大的問題是它對錯誤的容忍度太低。ChatGPT胡說幾句話無所謂，但用在自動駕駛上，哪怕是百分之一或萬分一的錯誤，都可能會出現很大的安全問題。

我們可能沒辦法說這次AI的突破一定能使自動駕駛落地，但將智能座艙引入大模型肯定能提升用戶體驗，當然也會增加用戶使用車的成本。

此外，我覺得會對整個自動駕駛產業有比較大的帶動，比如在車里的算力要給到多少才夠？這些算力由英偉達提供，還是由專門的車規級AI推理芯片來提供？

騰訊科技：這本質上是不是因為大模型擅長解決公共屬性的問題，但很難解決自動駕駛一些很特殊的corner case（邊角場景）？

王晟：大模型也許不一定能有效識別這些corner case，但是大模型的智能水平會大幅度上升，即便它無法識別也可能有辦法處理。比如，我們在路上駕駛撞到了一個你從來沒見過的物體，人類駕駛員是知道如何處理這些情況的，大模型即便無法識別，但它有較高的智能水平，也許也能處理這些情況。

騰訊科技：如果一直堅持訓練大模型識別各種各樣的corner case，也許它能無限逼近人類駕駛員的智力和識別水平？

王晟：對，我們不要低估未來，可能是我一個科技樂觀主義，我相信技術進步能解決很多問題。很多人比較容易高估短期趨勢，大幅度低估長期趨勢，包括大模型的投資熱潮也一樣，很多公司估值高的投不進去，其實這是對短期高度樂觀，并不理性。

騰訊科技：你曾經說做大模型的清華系創業者里面，最能打的是王小川和深言科技，他們的壁壘主要存在哪些方面？

王晟：核心還是看團隊，最重要的是團隊的“信仰”，大家都看到了大模型，有的人信AGI，有的人不信。比如Transformer是谷歌做出來的，但是谷歌沒有那么大的信仰，他們一會兒說Encoder不錯，一會兒說Decoder也不錯，一會兒又做一個encoder+decoder 的 T5出來，但只有Open AI孤注一擲往GPT方向探索。

我們投資了深言科技后，馬上安排深言做下一輪融資，帶他們見了幾十家機構，但沒有一家肯投。后來拉著紅杉的投資人和豈凡超一起吃了一頓牛肉火鍋，吃完后紅杉就答應投資。現在，又有太多投資機構想要擠進去，所以信和不信造成的結果差異還是很大的。

包括現在投資AI for Science也需要信仰，沒有人確定AI能不能涌現出科研能力，我們也判斷不了AI能在什么時間點、涌現出多大能力、解決多大問題，但我們“信”就行了。我們跟很多科學家都聊過AI for Science，有的科學家很興奮，有的認為啥也不是，在這種情況下即便你懂，也無從判斷。

關于誰能把這件事情做成，也要看投資人自己信不信，我們可以找很多理由，比如說做成大模型需要過去有經驗，因為這里面要面臨的挑戰有很多，比如數據、工程化、算法、分布式訓練等等，在這方面深言科技是有很大優勢的。

如果認為做成大模型需要具備很強的融資能力，那么王慧文可能更好；如果認為科研和科學家更重要，那么就應該投唐杰老師；如果你認為做工程更重要，那可以投資周伯文。

所以核心還是要看你相信什么，有時候不是因為你真的相信，只不過是因為你想讓自己相信。

騰訊科技：所以投誰或者不投誰，可能也要看“氣場”契合與否。

王晟：對，我們去年投了深言科技，今年我們也把市場上相關的項目也談了一遍，談完之后反而強化了我們持續不斷加持深言科技的信心。因為過去投資了深言科技，你會很清楚他們的能力在哪里，會強化你的信仰。

但是對于新入場的人來說，他們沒有站隊，就會覺得企業家更重要，可能去投資王慧文或王小川。總的來說，這沒有核心的標準，每家都有自己的理由。

騰訊科技：你和王小川、王慧文都聊過嗎，為什么沒有投資他們？

王晟：主要是他們太貴了，對早期基金來說，5億美金或10億美金的投資額太貴了。

騰訊科技：英諾有幾個投資人看AIGC領域？

王晟：我們有一個AIGC小組，組里就3個投資人，但我們要求每個賽道的投資人都要理解AI，因為AI會改變所有行業。不論你看的是材料方向，還是生命科技，或是芯片、半導體方向，所有人都要把AI思考進去。

騰訊科技：你們什么時候設立這個小組的？

王晟：前年（2021年），這個小組主要由我來負責。

騰訊科技：這個小組的運轉方式是怎樣的？

王晟：我們不強調KPI，主要靠大家的自驅力，投資人們基本都在沒日沒夜地看項目，我們對投資人的要求是，首先要熱愛這個行業；其次要專業，這樣才能找到好項目；第三就要看投資成績，短期來看，如果投資到好的項目，項目增長很快，投資人也有很大的滿足感，長期來看，好項目最終產生的收益也會給大家一個很好的分配激勵機制。

騰訊科技：你們的AIGC小組現在投資了多少個項目？單筆投資大約是什么樣的體量？

王晟：在這一波大模型和生成式AI投資中，英諾算是接觸項目數量最多和質量最高的機構之一，但真正的好項目非常稀缺，我們投資的數量一只手就能數過來。投資數量的多少，也和各家基金的策略不同有關系。

我們希望每一個項目都投得精準，比如有的項目我們都看過，我們沒投，但是紅杉資本投了。不是我們比他們更嚴格，而是他們的基金體量更大，有種子、VC、成長，甚至有二級市場業務板塊，他們更怕“錯過”，我們更怕“投錯”，可能我們也會因此錯過一些項目。

我們有兩類基金，一類是面向過去傳統的天使類型的投資，單筆大概會投資一千萬，現在也有一些早期項目變得很貴，所以我們又做了一個體量更大的基金，單筆投資兩三千萬左右。