8月22日，2024AGI商業(yè)趨勢大會在深圳成功舉辦?；顒佑蓜?chuàng)業(yè)邦主辦，南山區(qū)科技創(chuàng)新局、西麗湖國際科教城融合創(chuàng)新中心、深圳市“模力營”AI生態(tài)社區(qū)為支持單位，攬勝運動為大會指定用車，搜狐為戰(zhàn)略合作媒體。

本屆大會以“AI塑造未來市場”為主題，邀請人工智能領(lǐng)域的行業(yè)專家、上市公司、獨角獸企業(yè)、創(chuàng)新企業(yè)、投資機(jī)構(gòu)代表，分享研討最新的技術(shù)、創(chuàng)投、治理熱點話題，并圍繞產(chǎn)品商業(yè)化、人工智能+行業(yè)解決方案進(jìn)行深度交流，共同探尋更廣泛的產(chǎn)業(yè)合作與創(chuàng)新機(jī)遇。

會上，摩根大通銀行執(zhí)行董事鐘音、美團(tuán)龍珠合伙人于紅、華映資本管理合伙人章高男、訊飛創(chuàng)投合伙人朱永在主題為“當(dāng)我們投AI企業(yè)的時候，我們在投什么”的對話中精彩觀點如下：

1、正如比爾·蓋茨在《The Age of AI has begun》文中所述，生成式AI被視為一個新時代的開端。面對這樣一項革命性技術(shù)，作為投資人，我們自然不想錯過任何優(yōu)質(zhì)的投資機(jī)會，然而，“識別趨勢”與“在趨勢中實現(xiàn)盈利”是兩個不同的挑戰(zhàn)。

2、雖然我們的互聯(lián)網(wǎng)大廠能迅速跟進(jìn)美國的新成果，但這種快速跟進(jìn)本質(zhì)上是模仿，我們?nèi)匀皇亲冯S者。美國企業(yè)在定價和創(chuàng)新上引領(lǐng)潮流，而我們?nèi)狈υ跓o人區(qū)進(jìn)行創(chuàng)新的土壤。

3、危機(jī)感是一種積極的動力，恐慌會使人停滯不前。目前AI創(chuàng)業(yè)者所展現(xiàn)的危機(jī)感恰到好處，讓我們有機(jī)會在這一波AI發(fā)展中不掉隊，為抓住下一波機(jī)會做好準(zhǔn)備。

4、我們往往高估了AI現(xiàn)存的價值，而低估了AI長遠(yuǎn)的價值。我覺得有意義的事是持續(xù)學(xué)習(xí)，緊密跟隨AI技術(shù)的發(fā)展，把AI思維更好地融入到我們的工作和生活。

以下為對話內(nèi)容，由創(chuàng)業(yè)邦整理：

鐘音（主持人）：大家好，我叫鐘音，來自摩根大通，很高興有機(jī)會主持本場panel。我們?nèi)患钨e中有一位來自typical的CVC，兩位來自獨立的VC機(jī)構(gòu)，期待各位的觀點碰撞。

人工智能概念自1956年提出，至今已經(jīng)歷了迅猛的發(fā)展。從投資來講，經(jīng)歷了數(shù)個周期。2017年和2018年是上一個周期的高峰，期間出現(xiàn)了許多以視覺和語音識別技術(shù)為核心的人工智能企業(yè)。與上一波相比，生成式AI與傳統(tǒng)AI在技術(shù)基礎(chǔ)層面有哪些顯著變化？由于這些底層技術(shù)的進(jìn)步，生成式AI展現(xiàn)出了哪些核心優(yōu)勢和獨特特點？

朱永：2016年，DeepMind的AlphaGo引爆了整個人工智能市場，其背后的核心技術(shù)是CNN卷積網(wǎng)絡(luò)，它專注于分析像素或文本之間的鄰近關(guān)系。而現(xiàn)在，Transformer模型引入了注意力機(jī)制，能夠分析所有像素點和所有文本之間的關(guān)聯(lián)，這使得其通用性和精確度超越了上一代技術(shù)。

上一代人工智能主要應(yīng)用于特定領(lǐng)域，如計算機(jī)視覺（CV）技術(shù)在安防行業(yè)的應(yīng)用，其應(yīng)用范圍相對有限。相比之下，現(xiàn)在人工智能的應(yīng)用更為廣泛，無論是作為效率工具，還是與各行各業(yè)的結(jié)合，例如文本生成和視頻制作，其應(yīng)用范圍都大大擴(kuò)展。這就是為什么會有“所有的行業(yè)都值得用大模型重做一遍”這種說法。

章高男：我個人理解技術(shù)發(fā)展是連貫的，不應(yīng)當(dāng)簡單劃分為一代代的更迭。Transformer的獨特性是注意力機(jī)制，但是本質(zhì)還是一個編碼器和解碼器的算法框架，從這個角度實際上是RNN的延伸。Transformer的獨到之處是采用了自注意力機(jī)制，參數(shù)矩陣可以并行訓(xùn)練，并且是端到端的全局訓(xùn)練，這與RNN相比，顯著提高了效率和精度。

當(dāng)模型規(guī)模擴(kuò)大，單一的自注意力機(jī)制可能不足以應(yīng)對，這時多頭注意力機(jī)制就顯得必要。其本質(zhì)類似于CNN中的卷積核，從這個角度也是是對CNN的延伸。

我認(rèn)為，CNN、RNN、Transformer在數(shù)學(xué)上都是深度學(xué)習(xí)的不同應(yīng)用，這些技術(shù)的演進(jìn)并非完全割裂，如果之前在CNN，RNN等神經(jīng)網(wǎng)絡(luò)領(lǐng)域有豐富的實踐積累，那團(tuán)隊向Transformer的演進(jìn)相對更容易些。所以不存在割裂的上一代AI技術(shù)和下一代AI技術(shù)，漸進(jìn)式的改進(jìn)可能更確切一些。

于紅：前面兩位主要是從技術(shù)角度去闡述這一代大模型跟上一代AI技術(shù)之間的區(qū)別，我想從應(yīng)用角度談?wù)劇?/p>

第一，這一波大模型雖然今天大家有很多恐懼的心理，但實際上在我看來是一次技術(shù)的“普惠”。如果從區(qū)別角度來說，上一代的AI如果要應(yīng)用，其實是需要大量專業(yè)的數(shù)據(jù)，這一代AI可以做到zero shot，one shot和few shot。舉個例子，在安全領(lǐng)域，以前只有少數(shù)公司具備進(jìn)行安全審核的能力，因為它必須有相對比較多的數(shù)據(jù)，再配合一個AI的模型去訓(xùn)練，才能夠把安全審核達(dá)到還不錯的閾值。但在新的AI模型之下，few shot就可以解決這個問題，讓很多公司自己就具備了相關(guān)的能力。

第二，在生成能力上來說，技術(shù)的演變它不是說昨天是0，今天就到了100，技術(shù)的演變是有一定的延續(xù)性，是在上一代基礎(chǔ)之上去做迭代或者說創(chuàng)新，逐步累計的效應(yīng)。但是從效果的角度來說，是有突破的。也就是說在59分和75分之間就是天壤之別，可能就是從不可用到可用之間的區(qū)別。比如，上一代圖片生成技術(shù)用GAN，效果就很差強(qiáng)人意，完全無法使用。但今天AI生成圖片，對于需要視覺相關(guān)的行業(yè)來說，已經(jīng)產(chǎn)生了極為強(qiáng)大的影響。

第三，推理能力。今天大模型的推理能力還不夠強(qiáng)。它擁有了很多知識，但是推理能力還不夠強(qiáng)。 但相較于上一代來說，多輪對話的推理至少做的還OK，并且還在持續(xù)進(jìn)步。綜合來看，這就是為什么這一代大模型技術(shù)出來之后反響熱烈的原因。

鐘音（主持人）：下一個問題可能是大家比較關(guān)心的，與投資直接相關(guān)的—各位比較看好人工智能哪些細(xì)分賽道？這個問題可以拆解一下，首先有基礎(chǔ)大模型，還有垂直模型以及應(yīng)用，同時在應(yīng)用領(lǐng)域中又有2B和2C。在2B領(lǐng)域，各位看好Saas公司和應(yīng)用大模型，還是更看好native大模型公司的垂直模型在某個行業(yè)的應(yīng)用。對于2C的創(chuàng)業(yè)公司而言，他們的機(jī)會或切入點在哪里？

于紅：從應(yīng)用端角度來看，2B和2C領(lǐng)域都存在巨大機(jī)會，具體講一下我們觀察到的機(jī)會。

在2B領(lǐng)域，我們可以將其分為兩類：一是專業(yè)的用戶Prosumer，他們面向C端用戶，但解決的是B端場景中的問題。例如，Midjourney就是典型的Prosumer產(chǎn)品。二是傳統(tǒng)的SaaS服務(wù)。對于中國來說，這兩個方向都有很大的機(jī)會。中國的C端市場已經(jīng)培養(yǎng)了大量產(chǎn)品經(jīng)理，他們利用大模型能力，在Prosumer領(lǐng)域有很大的創(chuàng)造力。同時，新時代的AI-native SaaS，不僅僅是軟件本身，而是真正提供服務(wù)。以自動駕駛行業(yè)為例，以前各種輔助駕駛很多，但是在達(dá)到自動駕駛，替代真正的司機(jī)之前，其創(chuàng)造的價值可能是有限的，但是一旦達(dá)到真正的自動駕駛，軟件本身替代的司機(jī)服務(wù)是遠(yuǎn)遠(yuǎn)超過傳統(tǒng)軟件所能創(chuàng)造的價值。

我認(rèn)為，中國的軟件雖然在上一個時代遇到了很多挑戰(zhàn)，但也許在AI時代，正是彎道超車的機(jī)會，因為沒有巨頭，更容易產(chǎn)生AI native的AI Saas。

我們也很關(guān)注2C領(lǐng)域的機(jī)會，我們關(guān)注信息、交流、娛樂和消費等四個大方向，今天時間有限就不展開來講了。

鐘音（主持人）：您提到了一個值得關(guān)注的觀點，即SaaS向AISaaS的轉(zhuǎn)變代表著一個根本性的飛躍。我想進(jìn)一步探討這個問題：SaaS在面對大客戶或小客戶不愿支付費用的挑戰(zhàn)時，AISaaS是否會遇到同樣的問題？或者，正如您之前所言，AISaaS所提供的服務(wù)在本質(zhì)上有了顯著的提升，這是否足以增強(qiáng)客戶的支付意愿？

于紅：美團(tuán)龍珠沿著美團(tuán)的方法論，以嚴(yán)謹(jǐn)?shù)膽B(tài)度進(jìn)行投資。在投資SaaS領(lǐng)域時，我們進(jìn)行了深入研究，包括對中國和美國CRM市場的頭部公司進(jìn)行了對比分析。許多人認(rèn)為中美軟件收費差異僅是匯率問題，但經(jīng)過我們綜合研究，在考慮了購買力平價等眾多因素后，發(fā)現(xiàn)實際上在CRM領(lǐng)域，中國軟件的價格大約是美國的1/15，遠(yuǎn)低于簡單的匯率轉(zhuǎn)換。盡管中國擁有數(shù)量龐大的軟件工程師，但開發(fā)高質(zhì)量軟件的成本仍然不菲，單個程序員的研發(fā)成本雖然相對較低，但不是數(shù)量級的差距，同時由于產(chǎn)品標(biāo)準(zhǔn)化的問題，最終導(dǎo)致我們CRM的研發(fā)成本與美國頭部公司相差無幾。

在上一代SaaS領(lǐng)域，我們面臨的問題是：高成本結(jié)構(gòu)下創(chuàng)造的價值卻相對較少。這主要是因為人均工資較低，導(dǎo)致能夠提供給客戶的效率提升的價值有限，因此我們不得不以1/14的價格出售軟件。

那么，在新時代，AI如何改變這一局面？如剛才所說，上一代的SaaS面對中國的低人均工資的背景下，價值提升并不顯著。同時，這些軟件在應(yīng)用過程中給企業(yè)帶來了諸多不便，尤其是在中國快速發(fā)展且管理相對混亂的背景下，軟件的引入和流程的調(diào)整都非常困難，對于客戶而言，產(chǎn)生的價值遠(yuǎn)遠(yuǎn)不夠。

但是，在AI時代，這個邏輯顯著不同了。 為什么我們特別強(qiáng)調(diào)“service”本身？如果AISaaS僅僅是對現(xiàn)有人員進(jìn)行賦能，其創(chuàng)造的價值可能與上一代軟件相比有所提升，但并非根本性變化。真正的變革在于，如果AISaaS能夠在提供端到端的服務(wù)，比如替代80%的客服人員，那么它所帶來的價值和效率提升將是巨大的，因為無論之前的成本是多低，和幾乎為0的成本比起來，都是巨大的。

鐘音（主持人）：非常清晰，感謝。接下來請章總分享一下您的觀點。

章高男：在底層硬件層面，存儲技術(shù)改進(jìn)可能有一些機(jī)會；Transformer對存儲、內(nèi)存和帶寬有很高要求，其中存儲是最大的瓶頸。長文本處理可能導(dǎo)致內(nèi)存崩潰，因此需要更高效、更強(qiáng)大的存儲解決方案。當(dāng)然類似MOE的稀疏化技術(shù)很有前景，但同時基礎(chǔ)的存儲空間怎么優(yōu)化提升應(yīng)該是一個方向。當(dāng)然，類谷歌的TPU玩法也是一種減少對存儲需求的方法，同樣是值得關(guān)注的解決路線。

第二，帶寬問題。隨著網(wǎng)絡(luò)在5G、6G加持下的高速提升，數(shù)據(jù)中心和板級之間的高速連接，把總線級的速度擴(kuò)展到板級之間，提高集群算力效率，這個是屬于基礎(chǔ)設(shè)施領(lǐng)域的投資機(jī)會。

對于大模型本身，我們一直持謹(jǐn)慎樂觀態(tài)度。在應(yīng)用層面，基于語義理解和內(nèi)容生成的業(yè)務(wù)很有前景，但如果基礎(chǔ)大模型升級，這些應(yīng)用可能會被取代。目前，所以是好生意未必是好投資。大模型的優(yōu)化技術(shù)，如MOE（混合專家）和RAG等技術(shù)，極大提高了效率，但這些技術(shù)的發(fā)展需要強(qiáng)大的技術(shù)能力，對中國投資者來說可能并不容易。盡管如此，這些技術(shù)對整個行業(yè)的發(fā)展具有重要意義。

我認(rèn)為，大模型在語義理解方面已經(jīng)做得很好，但要將理解轉(zhuǎn)化為決策，這實際上是一個全新的挑戰(zhàn)。決策過程需要的不僅僅是輸入，而是更深層次的邏輯和推理能力，這與大模型的核心功能并不直接相關(guān)。

我對中國在這方面的潛力持樂觀態(tài)度，盡管許多公司正在嘗試，但要取得實質(zhì)性進(jìn)展非常困難。這可能需要數(shù)學(xué)上的新突破，以及在增強(qiáng)學(xué)習(xí)等方法上的創(chuàng)新。要實現(xiàn)這一點，我們需要深入探索，創(chuàng)造而不僅僅是模仿，這需要算法上的真正革新。

朱永：我們看大模型產(chǎn)業(yè)，將其劃分為基礎(chǔ)層、中間層、模型層和應(yīng)用層。作為產(chǎn)業(yè)投資者，我們注重協(xié)同效應(yīng)。目前，我們專注于基礎(chǔ)層和應(yīng)用層的投資。在基礎(chǔ)層，我們關(guān)注計算、存儲和連接，尤其是那些架構(gòu)創(chuàng)新的方向，如存算一體、類腦計算、量子計算等。

隨著大模型從云端向端側(cè)轉(zhuǎn)移，端側(cè)芯片的發(fā)展還處于早期階段，這為我們提供了投資機(jī)會。在存儲方面，盡管國內(nèi)已有大型IDM公司，但我們?nèi)栽趯ふ壹夹g(shù)創(chuàng)新的公司進(jìn)行投資。

我們還關(guān)注智算中心的極連技術(shù)，特別是國內(nèi)在這方面相對空白的片間、卡間、機(jī)間互聯(lián)技術(shù)。

在應(yīng)用層，我們注意到國內(nèi)C端應(yīng)用在豐富度和數(shù)量上遠(yuǎn)低于國外，我們國內(nèi)應(yīng)用只有國外的1/3。我們主要關(guān)注生產(chǎn)力工具類應(yīng)用，因為這些應(yīng)用依賴于強(qiáng)大的技術(shù)能力。雖然這一領(lǐng)域的創(chuàng)業(yè)公司面臨變現(xiàn)和大公司競爭的壓力，但我們認(rèn)為這仍是一個有潛力的方向。

目前，我注意到國內(nèi)C端陪伴類應(yīng)用市場尚處于空白狀態(tài)，這為創(chuàng)業(yè)公司提供了巨大的機(jī)遇。在這一領(lǐng)域，產(chǎn)品力和運營能力是關(guān)鍵，我相信創(chuàng)業(yè)公司有機(jī)會取得突破。

此外，我們還關(guān)注行業(yè)應(yīng)用，比如軍事領(lǐng)域，我們已經(jīng)看到一些公司低調(diào)地獲得了大量訂單。營銷領(lǐng)域中，大模型結(jié)合營銷也展現(xiàn)出了很好的效果，盡管這些公司尚未公開融資。教育領(lǐng)域也呈現(xiàn)出類似的情況，國內(nèi)外的大公司都在進(jìn)行相關(guān)應(yīng)用的開發(fā)，體驗相比上一代有了顯著提升。

綜上，行業(yè)應(yīng)用和陪伴類應(yīng)用是我們接下來將重點關(guān)注的投資領(lǐng)域。

鐘音（主持人）：聽完大家的分享，我感到各位都保持著理性的態(tài)度，尤其章總分析了各種不能投的領(lǐng)域，這與我接下來的問題息息相關(guān)。我想了解的是，在做出投資決策時，各位依據(jù)的思考邏輯是什么，或者在選擇項目時最看重哪些先決條件？

當(dāng)前，生成式AI被視為一個新時代的開端，正如比爾·蓋茨在《The Age of AI has begun》文中所述。面對這樣一項革命性技術(shù)，作為投資人，我們自然不想錯過任何優(yōu)質(zhì)的投資機(jī)會，然而，“識別趨勢”與“在趨勢中實現(xiàn)盈利”是兩個不同的挑戰(zhàn)。

剛才幾位嘉賓也帶來了許多深思熟慮的分析，能否分享一下在決定投資時，背后的思考是什么？如果一個項目短期內(nèi)無法盈利，是否應(yīng)該投資，還是應(yīng)該追求更具開創(chuàng)性的事物？各位的決策依據(jù)是什么？

于紅：我們大概可以分成三個方面分享，這些可能不一定與AI相關(guān)，但都是我們投資思考當(dāng)中的關(guān)鍵點。

首先，項目的潛在價值和影響力要特別大。我們尋找的是那些可能從不起眼的地方成長起來的大機(jī)會，因為解決小問題和大問題所付出的努力往往也相差無幾。因此，對于有限的時間和資源而言，選擇一個潛在具有廣闊前景的創(chuàng)業(yè)機(jī)會至關(guān)重要。

其次，清晰的客戶價值。需要明確知道目標(biāo)客戶是誰，以及產(chǎn)品或服務(wù)為客戶解決了什么問題。例如，泳池清潔機(jī)器人的客戶價值取決于目標(biāo)客戶是自己動手清潔、使用上一代的機(jī)器清潔，還是雇傭他人清潔。不同的客戶群體，其價值主張是不同的，哪怕使用的同一個產(chǎn)品。

最后，是否有創(chuàng)業(yè)公司的機(jī)會。如果一個項目短期內(nèi)資金消耗巨大且明顯是共識性的機(jī)會，可能并不適合創(chuàng)業(yè)公司。我們更傾向于那些為創(chuàng)業(yè)公司留下空間的機(jī)會。

章高男：我的投資方法論其實這么多年從來沒變過，就是一句話——早期增量市場、極高的難度，頭部前三，這三點同時具備，我就會考慮投資。

我對大模型目前的發(fā)展階段持謹(jǐn)慎態(tài)度。它還處于早期，且未來市場增長空間巨大，這是一個增量市場。我需要不斷學(xué)習(xí)和緊跟AI的最新進(jìn)展，一旦我們對市場的增長潛力有了確信，我會毫不猶豫地投入。

個人認(rèn)為，在AIGC方面大模型做的很好，進(jìn)步也很快。這些主要是在感知層面。但是進(jìn)入到?jīng)Q策層面，目前大模型還是有很多問題和挑戰(zhàn)，個人直覺是要真正解決決策問題，可能需要超越Transformer，探索全新的方法，這可能是邁向真正AGI的第一步，當(dāng)然這步很難。

我對AGI的未來發(fā)展充滿期待。如果我能清楚地看到這一點，我會毫不猶豫地投身其中。

朱永：總結(jié)起來我們在看項目的時候遵循幾個關(guān)鍵詞原則：稀缺性，協(xié)同性和商業(yè)價值。其中，稀缺性是核心，我們投的都是比較早期的項目，團(tuán)隊的稀缺性、方向的稀缺性、掌握資源的稀缺性，都是我們考量的范疇。

在投資決策中，我們還會考慮能否為投資項目提供實際幫助。例如，在芯片項目還只是一個想法時，作為下游用戶，我們是否能提供指導(dǎo)，幫助提高首次流片的成功率。

項目的商業(yè)價值在于是否解決了一個真實的需求，而非偽需求。以我們?nèi)ツ晖顿Y的一個具身智能項目為例，去年8月底我們投資了該項目的天使輪，到目前它已經(jīng)成長為國內(nèi)該領(lǐng)域融資較多的公司。我們之所以選擇它，是因為在行業(yè)研究中早期預(yù)測到這個領(lǐng)域的應(yīng)用前景，并在國內(nèi)進(jìn)行了深入的調(diào)研和評估。

我認(rèn)為，投資就像捕魚。PE投資者可能在魚長大時才介入，而早期投資者則需要在魚苗時期就識別出它的潛力，這需要深入的領(lǐng)域知識和前瞻性研究。

鐘音（主持人）：我們再換一個視角，講一講中美兩個大國的差距和未來趨勢。我記得2017年參加世界人工智能大會時，就在熱議中國在算法和數(shù)據(jù)方面與美國似乎勢均力敵。但現(xiàn)在看來，我們似乎落后了。在你們看來，中國目前生成式AI的發(fā)展，具體到了哪個追趕階段？你認(rèn)為這個差距是會擴(kuò)大還是縮??？或者中國是否會走出獨特的優(yōu)勢和路徑，來發(fā)展自己的生成式AI？

朱永：我認(rèn)為在算法層面，我們與美國的差距并不大。主要差異在于：

第一，算力層面。目前，由于芯片供應(yīng)的限制，例如英偉達(dá)的高端芯片對我們的禁售，給我們帶來一些挑戰(zhàn)。盡管國內(nèi)公司在芯片設(shè)計上已經(jīng)具有競爭力，但在生產(chǎn)方面還有局限。不過，我們相信這些問題將來會得到解決。

第二，中美對比。在美國，To B市場的應(yīng)用層付費習(xí)慣較為成熟，而國內(nèi)則因用戶群體龐大，數(shù)據(jù)積累更為豐富。

第三，政策層面。在國內(nèi)，大模型的開發(fā)需要備案，管理相對嚴(yán)格，這可能對C端應(yīng)用產(chǎn)生一定影響，但影響并不顯著。

總的來說，中美雖然存在一定差距，主要是由算力差異造成，但在現(xiàn)有框架下，我們相信這不會導(dǎo)致根本性的代差。

章高男：短期內(nèi)我認(rèn)同朱總的看法，雖然表面上中美在AI領(lǐng)域似乎并駕齊驅(qū)，但我認(rèn)為本質(zhì)上還有極大差距。中國擁有優(yōu)秀的人才和不輸于美國的基礎(chǔ)設(shè)施，算力設(shè)備雖然暫時落后，但這不構(gòu)成長期壓力，因為時間可以逐漸拉平。

真正的壓力在于創(chuàng)新能力土壤。雖然我們的頂尖大廠能迅速跟進(jìn)美國的新成果，但這種快速跟進(jìn)本質(zhì)上是模仿，我們?nèi)匀皇亲冯S者。美國企業(yè)在創(chuàng)新上引領(lǐng)潮流，我們都是學(xué)習(xí)跟隨。 大模型的發(fā)張和創(chuàng)新需要巨量的資金投入，我們國內(nèi)企業(yè)往往缺乏冒險進(jìn)行基礎(chǔ)創(chuàng)新的勇氣。與谷歌、Facebook等國際巨頭相比，他們愿意投入巨額資金進(jìn)行前沿探索，即使花了幾十億面臨失敗，而我們國內(nèi)的企業(yè)更愿意在別人已經(jīng)探索成功后及時跟進(jìn)，這樣性價比更高，可能也是目前最務(wù)實有效的選擇。

希望有一天我們隨著經(jīng)濟(jì)的發(fā)展，在AI無人區(qū)的創(chuàng)新探索能夠百花齊放。

于紅：我非常贊同朱總和章總的觀點，他們的分析很有見地。接下來我分享下個人的看法。

首先，中國在AI競爭的“牌桌上”。當(dāng)前市場環(huán)境可能有些過度悲觀。實際情況上是，全球來說，只有美國和中國是明確在AI這個游戲的牌桌上的，要樂觀的看待，我們是已經(jīng)拿到了參與競爭的入場券，其他國家能不能上牌桌還是個問題。 AI競爭的三個關(guān)鍵要素—大資金；數(shù)量龐大的高級優(yōu)秀人才以及參與競爭AI的決心，這三大關(guān)鍵要素中國都具備。所以作為全球唯二已經(jīng)在牌桌上的國家，我們作為AI行業(yè)的參與者值得慶幸。

第二，認(rèn)清我們所處的階段。過去10年，中國移動互聯(lián)網(wǎng)行業(yè)取得了顯著成就，給人一種我們與世界先進(jìn)水平并駕齊驅(qū)的印象，但實際上這只是一種錯覺。通過一個簡單的數(shù)據(jù)對比就可以看出，美國有6家市值超過萬億美元的科技公司，而中國市值最高的科技公司—騰訊，大概在5000億美元左右，與美國的頭部公司蘋果、微軟3萬億美元市值相比，僅相當(dāng)于六分之一。意識到這一點，有利于我們調(diào)整心態(tài)，正視現(xiàn)狀，并在此基礎(chǔ)上繼續(xù)努力。

第三，就是作為VC行業(yè)從業(yè)者，我們觀察到中國的創(chuàng)新環(huán)境正在發(fā)生積極變化。雖然過去我們?nèi)狈υ瓌?chuàng)性創(chuàng)新的土壤，但現(xiàn)在時代和思想都在進(jìn)步，創(chuàng)新的火花已經(jīng)開始點燃。例如，在生物技術(shù)領(lǐng)域，中國已經(jīng)從仿制藥轉(zhuǎn)型到原研藥的發(fā)展。在大模型領(lǐng)域，像DeepSeek這樣的公司雖不是完全原創(chuàng)，但也在嘗試對模型架構(gòu)進(jìn)行創(chuàng)新，探索在有限資源下優(yōu)化模型的方法。每次來到深圳，我都能感受到這里活躍的創(chuàng)業(yè)氛圍，特別是硬件領(lǐng)域的年輕創(chuàng)業(yè)者們，他們的目標(biāo)是直接面向海外市場，我們的產(chǎn)品不局限于國內(nèi)，而是要走向世界。在國際競爭中，我們展現(xiàn)出了強(qiáng)大的競爭力。

基于這三點，我們可以看到中國正逐步走向創(chuàng)新。在承認(rèn)與領(lǐng)先者之間存在差距的同時，我們也看到自己作為追隨者的差距正在縮小。危機(jī)感是一種積極的動力，但恐慌會使人停滯不前。目前AI創(chuàng)業(yè)者所展現(xiàn)的危機(jī)感也許恰到好處，讓我們有機(jī)會正視我們面臨的挑戰(zhàn)，努力保持在這一波AI發(fā)展中不掉隊，為在下一波機(jī)會彎道超車做好準(zhǔn)備。

鐘音（主持人）：感謝幾位嘉賓的分享，非常精彩。由于時間關(guān)系，最后我們留給每位嘉賓一句話的時間。請大家分享一下在AGI元年，給創(chuàng)業(yè)者的建議？

于紅：從AI原點出發(fā)創(chuàng)業(yè)，不要僅僅是改良現(xiàn)有的產(chǎn)品。

章高男：我們往往高估了AI現(xiàn)存的價值，而低估了AI長遠(yuǎn)的價值。我覺得有意義的事是持續(xù)學(xué)習(xí)，緊密跟隨AI技術(shù)的發(fā)展，把AI思維更好地融入到我們的工作和生活。

朱永：堅持做對的事情，堅持自己熱愛的事情，一定能到達(dá)成功的彼岸。