2024年9月19-20日，第十八屆DEMO CHINA在成都舉行。本屆大會由創(chuàng)業(yè)邦主辦，成都市經(jīng)濟和信息化局成都市新經(jīng)濟發(fā)展委員會、成都市科學(xué)技術(shù)局、成都市投資促進局、成都市博覽局為指導(dǎo)單位。
近兩年，大會圍繞“AI+科技投資”展開。創(chuàng)新中國 AI紀元，本屆DEMO CHINA以“Rise of Transformers”為主題，102家早期科技公司在大會現(xiàn)場參與超級展示、企業(yè)對接。其中，AI企業(yè)高達48家。致力于打造中國具有影響力的早期科技企業(yè)展示及對接平臺，十余年來，DEMO CHINA吸引45000+創(chuàng)業(yè)企業(yè)報名，1404家企業(yè)登臺展示。其中，572家企業(yè)成長到A輪以后，309家企業(yè)參與后進入下一輪融資，33家企業(yè)成功上市。
大會現(xiàn)場，創(chuàng)業(yè)邦星際營25期新銳AI之星融資加速計劃、2024高通創(chuàng)投-紅杉中國創(chuàng)業(yè)大賽、2024淡水河谷綠色創(chuàng)新計劃、Banglink企業(yè)對接會同期舉行。200+投資機構(gòu)代表齊聚成都，帶來一場創(chuàng)投盛宴。
會上，普華資本管理合伙人蔣純，紅點創(chuàng)投合伙人劉嵐、OPPO巡星投資總經(jīng)理喬雨婷，創(chuàng)新工場執(zhí)行董事兼前沿科技基金總經(jīng)理任博冰，Singtel Innov8新電投資中國董事總經(jīng)理蘇放，卓源資本創(chuàng)始合伙人、董事長袁宏偉，錦秋基金聯(lián)合創(chuàng)始人、投資負責人、執(zhí)行董事臧天宇在由摩根大通大中華區(qū)科技及創(chuàng)新經(jīng)濟業(yè)務(wù)董事總經(jīng)理晏楠主持的主題對話——《當熱錢投向生成式 AI 應(yīng)用》中的精彩觀點如下：
1. 每一次商業(yè)模式的革命，其結(jié)果都是未知的。只能靠創(chuàng)業(yè)者，只能將足夠多的錢給足夠聰明的人來創(chuàng)造答案。
2. 今天與上一輪移動互聯(lián)網(wǎng)創(chuàng)業(yè)潮不一樣的是，除了你有好的產(chǎn)品、有好的PMF之外，還有一個問題：底層技術(shù)、算力會不會制約到你的產(chǎn)品能力，導(dǎo)致最后你的競爭會變?nèi)酰?/strong>
3. 面對大廠的競爭，創(chuàng)業(yè)公司來講，可能選一個大廠沒有那么關(guān)注的賽道會更好。另外就是在達到PMF之前，盡量少去做過大的投入。
晏楠：我想請教一下各位嘉賓，在生成式AI領(lǐng)域從To B和To C兩個方面來看，你們大家認為有哪些細分賽道是你們大家最為看好的？作為我們在座的很多初創(chuàng)公司來講，如何在跟大廠的競爭中，尤其是那些自帶數(shù)據(jù)、流量和資金優(yōu)勢的大廠競爭中擺正自己的位置，建立自己的競爭優(yōu)勢？
蔣純：大廠的競爭一直是一個問題，例如上一代互聯(lián)網(wǎng)著名的“騰訊之問”。但我覺得現(xiàn)在和上一代互聯(lián)網(wǎng)不太一樣的是：整個AI格局未定，我們現(xiàn)在有太多的問題需要去解決和探索。例如由于科技戰(zhàn)的封鎖，導(dǎo)致目前中國在AI領(lǐng)域和美國還是有著一定差距。所以我們現(xiàn)在一方面是要去解決應(yīng)用的問題，其實更大一塊還是要解決基礎(chǔ)的問題，基礎(chǔ)算力、算法和模型。
算力這一塊是現(xiàn)在最明顯的問題。核心就是你怎么能用自主可控的供應(yīng)鏈把AI芯片做出來，面對封鎖，我們既要有正面強攻的隊伍，比如我們投的江原這樣，走國芯國造的路徑；也需要迂回包抄，通過創(chuàng)新的技術(shù)來突破，比如說我們投的知存、蘋芯這樣的模擬運算，或者是我們投的芯盟這樣的3D芯片的做法。
第二個就是算法，算法跟數(shù)據(jù)未來會是一個很關(guān)聯(lián)的事情。因為我們現(xiàn)在整個大模型的發(fā)展，基本上已經(jīng)把現(xiàn)在互聯(lián)網(wǎng)上已經(jīng)有的語料，或者說是我們?nèi)祟愂澜缒軌蛴玫腡oken差不多已經(jīng)用完了。但其實我們?nèi)祟愂澜缒軌蛎枋龌蛘哂^察到的還只是整個世界非常小的一部分。我們現(xiàn)在說的AI，一直有“連接主義”和“符號主義”之爭，現(xiàn)在是連接主義大獲勝利，scaling law高歌猛進。但是很有意思的一點，他們的基礎(chǔ)還是用的“符號”，是人類的語言，而超越此之外的、大量的數(shù)據(jù)還沒有被充分利用過，所以發(fā)掘更多的數(shù)據(jù)這個是未來非常大的一部分潛力，會遠遠大于我們目前基于人類的Token來做出來的模型。
所以這個一方面會帶來很大的未來，另外一方面一定會沖擊模型。我們基于現(xiàn)有Token的模型很可能不是最優(yōu)的，但是我們不知道，你說未來Transformer還是不是最優(yōu)的？我們不知道，但或許這一塊會有很大的改變。
如果scaling law一直走下去，那確實就像你剛才所說，大廠一定是有優(yōu)勢的。但如果以上這些條件變化了，也許這樣的scaling law并不是終極正確的路。也許有一天我們會發(fā)現(xiàn)別的方法也很有效，這時就會有新的機會，而不是你只能在大廠的模型上搞點微調(diào)，這樣也許就會帶來大量新的屬于創(chuàng)業(yè)公司的機會。
第三個方面：數(shù)據(jù)，就像上面講的，今后的數(shù)據(jù)會有大量的變化，更多直接來自物理世界的、來自傳感器的數(shù)據(jù)可能會直接被AI利用。我們現(xiàn)在發(fā)展航天、發(fā)展機器人，其實就是為了能收集到更多的數(shù)據(jù)，超越人類這樣一種生活在地表、身高一兩米、僅能看到可見光這樣一種生物的限制，從天空、從海洋、從完全不同的視角、完全不同的電磁波和機械波波段去直接收集更多更全面的數(shù)據(jù)，從而讓AI更多認識真實的物理世界，而無須通過人類token的轉(zhuǎn)述。
最后說說應(yīng)用這一塊，我仍然覺得每一次商業(yè)模式的革命，它其實都是未知的。我們今天看到很多東西似曾相識，有些東西像互聯(lián)網(wǎng)時代的某個東西，像美顏相機或者是互聯(lián)網(wǎng)時代To B的東西，但是其實一定不一樣。最后這個新的體系會怎么樣改變?nèi)祟惿鐣?、怎么樣革命？這個東西我們無法從歷史經(jīng)驗中獲取答案。
這個時候我覺得怎么辦？說白了真的沒有答案，只能靠創(chuàng)業(yè)者，只能將足夠多的錢給足夠聰明的人，讓他們來創(chuàng)造答案，這就是AI 應(yīng)用領(lǐng)域的魅力。
所以我的總結(jié)是機會很多，從算力、數(shù)據(jù)、算法，有大量新的技術(shù)需要去革新，而應(yīng)用會需要新一代創(chuàng)業(yè)者的智慧去創(chuàng)造。其中有大量的機會，我們希望我們投資機構(gòu)能和創(chuàng)業(yè)者一起去探險和開拓。
晏楠：劉總對于您來說To B和To C領(lǐng)域看好的細分賽道是什么？您對于初創(chuàng)公司的建議是什么？
劉嵐：先講To B，因為我們過去幾年都在投軟件相關(guān)的，這波生成式AI來了以后我們第一件事想的是讓我們所有Portfolio去擁抱它，看會產(chǎn)生什么樣的變化。目前來講不管是To B領(lǐng)域的AI+還是+AI，這個感覺還是一個提效的過程，真正一種原生AI Native的應(yīng)用對于To B來說，特別是企業(yè)級客戶使用上來說，肯定是他需要，但是什么樣新的業(yè)態(tài)出來，目前還沒有跑出來的。
對比有些垂直領(lǐng)域，像法律、教育、醫(yī)療，感覺中美之間差異很大，法律領(lǐng)域美國有非常好的公司出來，教育現(xiàn)在中國有很多創(chuàng)業(yè)者在做，但是最后還是受限于政策，可能更多會走出海這一條路。而且我們也看到一些出海后發(fā)展得非常好AI教育的公司。醫(yī)療國內(nèi)國外的政策法規(guī)也不一樣，我們投資的百川就在這個領(lǐng)域發(fā)力，海外醫(yī)生的助手更得到青睞。
純To C消費這一塊之前可能梳理下來，大家覺得虛擬陪伴是一個好的方向，但是結(jié)果C.AI自己也沒有撐下去，導(dǎo)致它被迫賣身給Google。國內(nèi)一堆學(xué)它的，有些人也跟我們說，一是驚訝，第二也很迷茫。
目前來看中美跑出來一些垂直搜索產(chǎn)品，國內(nèi)不管是秘塔還是360、天工的搜索都是這個領(lǐng)域的產(chǎn)品，在美國可能成功，但是國內(nèi)我們看了一圈，覺得這個賽道確實被巨頭給把持著，因為它更容易獲客、更容易獲取流量。美國因為1%的市場份額可能就幾十億美元，搜索這個市場還是非常大。
其他幾個方面目前看到了一些我們比較感興趣的產(chǎn)品，但是國內(nèi)國外生態(tài)又不一樣，比如說編程的助手在美國接了最新的Claude 3.5以后的效果，碼農(nóng)完全能夠用起來這些東西，而且代碼接收率特別高。但在國內(nèi)這些模型可能對于RIO的使用特別少，或者是大家還沒有演進到那一步。確實看到一些創(chuàng)業(yè)者在嘗試，但是商業(yè)化特別差。我看到阿里給前20的券商提供的編程助手一共簽了35萬，基本上創(chuàng)業(yè)公司在這里頭也沒有辦法跟阿里卷這個事情，這也是大的一些互聯(lián)網(wǎng)巨頭在各個領(lǐng)域?qū)τ趧?chuàng)業(yè)者、初創(chuàng)公司確實形成一個碾壓。但是還有很多領(lǐng)域，我覺得大企業(yè)肯定沒有辦法發(fā)揮他們的優(yōu)勢，甚至可能大企業(yè)本身會成為它的劣勢。
我們現(xiàn)在積極地都在看一些AI的應(yīng)用，但可能跟之前移動互聯(lián)網(wǎng)這一波最大的不一樣是，除了你有好的產(chǎn)品、有好的PMF之外，還有一個問題：底層技術(shù)、算力會不會制約到你的產(chǎn)品能力，導(dǎo)致最后你的競爭會變?nèi)酰?/p>
整體來說，我們心態(tài)非常積極開放地跟創(chuàng)業(yè)者聊，但是從出手的角度確實非常謹慎，希望能夠看見一些PMF，同時能夠看見不管在算法、數(shù)據(jù)或者是其他維度，有自己明顯的壁壘的企業(yè)。
所以相對來說這一波生成式AI應(yīng)用的發(fā)展，確實不管國內(nèi)還是全球，大家感覺目前處于這個泡沫在要破未破的時候，大家也在看英偉達的股價什么時候往下跌。但整體來說，可能破了之后是個好事，大家會更冷靜思考什么樣的東西能夠真正撬動整個市場，或者是結(jié)合需求能夠發(fā)展下去。
晏楠：謝謝劉總，喬總您對細分賽道的看法，還有對初創(chuàng)公司的建議是什么？
喬雨婷：其實國內(nèi)的AI創(chuàng)業(yè)還是很卷的，尤其是面對大廠的競爭，創(chuàng)業(yè)公司來講，可能選一個大廠沒有那么關(guān)注的賽道會更好。另外就是在達到PMF之前，盡量少去做過大的投入，不管是流量還是獲客，增強自身應(yīng)對外部環(huán)境風險的能力。
關(guān)于To B、To C的問題，我們覺得To B現(xiàn)在純軟的商業(yè)模式在國內(nèi)還是有點難的。純軟的我們看到電商領(lǐng)域有一些文生圖，它可能面對的客戶是小B會好一些，但是大B定制化的服務(wù)或者是私有化部署確實對創(chuàng)業(yè)公司資金占用量很大。
另外To C有一些還是不要走大廠關(guān)注主力的賽道，其實搜索這些都是大廠非常重視的賽道，切一些比較細分一點的，從細分領(lǐng)域入手，找到自己的PMF，找到用戶的剛需，引導(dǎo)客戶的需求，再去擴大。
任博冰：我們覺得To C和To B的應(yīng)用目前還是有很多的機會，To B現(xiàn)在看到隨著模型能力增強，可能業(yè)務(wù)形態(tài)會從Copilot到Autopilot這種過程中，可能會帶來多種多樣的變化。
一個是你的產(chǎn)品和這個企業(yè)本身關(guān)系的變化，還有產(chǎn)品和企業(yè)里面人的關(guān)系的變化。比如說美國現(xiàn)在有AI服務(wù)即軟件的模式，這也是模型能力在部分領(lǐng)域，無論是in-house，還是out- source這兩個服務(wù)形態(tài)。
比如說out-source之前像法律，內(nèi)部的in-house，比如說像IT這樣的領(lǐng)域，只能在Copilot的狀態(tài)下，事實上可以以服務(wù)的形式服務(wù)輸出，所以出現(xiàn)了AI服務(wù)即軟件的形態(tài)，這都是一些關(guān)系的改變。
在To C方面，我們覺得現(xiàn)在其實還是一個原點的狀態(tài)，因為還有很多東西讓我們重新定義，有可能遠遠超過以前互聯(lián)網(wǎng)或者是移動互聯(lián)網(wǎng)的空間。所以我們最近在和極客公園合作AI2C的孵化營，關(guān)注AI時代的社交、內(nèi)容、娛樂等。我們看到了很多做出掀翻牌桌的應(yīng)用的可能性，來自于底層模塊的變化。比如說像我們手機的前置攝像頭因為可以識別人臉，所以打開了支付和認證入手，或者是識別二維碼，打開了O2O的入口?，F(xiàn)在我們AI的攝像頭的功能是可以識別世界萬物，而且這個攝像頭開在任何地方，所以我們用手機，包括用電腦去瀏覽網(wǎng)頁、看視頻，本質(zhì)上你只要打開AI功能，后面它可以理解你所有的東西，包括語音和電影中片段中的一個東西，甚至整個語義。
所以這只是舉一個例子，我們看到至少有十多個這樣的功能，包括之前用戶分析、用戶影響、內(nèi)容特征理解等等，這些其實都可以AI重新定義一遍，所以可以做出下一個Meta這樣的公司，我們對這個事情很有信心。
蘇放：我們這邊主要是關(guān)注中國公司出海，出海當然也可以分成To B跟To C。我覺得To B在出海的場景下，因為中國公司供應(yīng)鏈非常強，基本上以跨境電商為主賣貨這種，無論是小家電，還有自行車，包括AR眼鏡之類的，就是這種Consumer electronics，是中國出海的主要的爆點。
這塊如果跟AI Agent結(jié)合起來，如何能夠幫助B2C，就是Direct to customer這種品牌降本增效，在Marketing promotion這方面讓它花更少的錢，能夠獲得更多的客戶，包括更多的成交的量，這肯定是一個最核心的。
我關(guān)注的今年上半年基本上To B和出海這一塊的AI Agent或者是Co pollen方面，主要還是以電商賽道為主。很多是這種文生圖、文生視頻，包括一整套的解決方案，從投放到最后轉(zhuǎn)化率，然后幫助客戶分析客戶的流失率，這一整套電商的Marketing全流程分析。有的是做其中一個點，有的是做整個全流程，基本上還是圍繞中國出海的跨境電商這一塊做。
另外如果做大B，我覺得目前還沒有看到特別好的初創(chuàng)公司的項目。To C我覺得大家除了那個AI搜索之外，當然是社交媒體，大家希望在AIGC這個大的背景之下，能夠產(chǎn)生下一代的TikTok之類的，這個TikTok肯定是全球性的APP，是一個超級APP，這是大家最終想投的結(jié)果。
但是現(xiàn)在To C這一塊現(xiàn)狀還是關(guān)注于某一個場景，這種社交媒體大的場景的AI Agent賦能的超級APP可能目前還沒有看到。但是像Mini max去年年初嘗試了幾款做海外的社交媒體產(chǎn)品，我個人感覺好像從新聞媒體來看，沒有太多的后續(xù)的發(fā)展。社交媒體這一塊可能也是一個長線打法，就看大廠跟初創(chuàng)公司這兩邊哪方面能夠在這種場景下在產(chǎn)品上產(chǎn)生一些突破。
袁宏偉：因為我們開始關(guān)注AI是比較早，投資也比較早，以我們的經(jīng)驗來說，To B這一塊其實你做一個純軟件，尤其不是一個大的平臺，對于初創(chuàng)公司挑戰(zhàn)還是挺大的。
我們在投數(shù)據(jù)中臺的時候發(fā)現(xiàn)，最終大家利用自己某一方面的純軟的專項優(yōu)勢，專注一個方向，把它硬件化，形成了一個To B的市場。
因為To B市場其實對中國的初創(chuàng)公司來說還是在中國的市場為主，中國的中大的B，他們都會有采購等各方面的預(yù)算一個特殊的流程，如果不結(jié)合在硬件里，你是很難形成一個讓你能夠獲得回報的價格。
即使是To B，我覺得還是To一些中小的B可能對初創(chuàng)公司更友好一些，因為大的這些可能大的平臺都涉獵了，自然也是他們不會放棄的人工智能化的市場。
還有一點得特別提醒的是我們初創(chuàng)公司一定要兼顧到中國市場自身的競爭優(yōu)勢——就是在硬件的供應(yīng)鏈完備的生態(tài)上。所以你如果能在這個方向上把AI結(jié)合到適合的、有競爭力的、產(chǎn)品力很強的硬件上，它在全球市場都是有我們自己的競爭力。這是一個非常適合中國初創(chuàng)企業(yè)做的市場，因為大的平臺做硬件是需要做一個非常大的硬件，才能夠覆蓋它的長期研發(fā)支出。在供應(yīng)鏈上如果是一些初創(chuàng)的產(chǎn)品，對于大公司來說也沒有特別的成本優(yōu)勢。
所以這一塊對于初創(chuàng)企業(yè)應(yīng)該是一個很好的市場，而且出海的時候如果不是非常大的產(chǎn)品，受到各種非經(jīng)濟因素影響的制約也會少很多，所以這個方向應(yīng)該是一個挺不錯的方向，就這么多。
臧天宇：今年市場上其實漸漸地涌現(xiàn)出了很多比較創(chuàng)新的AI創(chuàng)業(yè)項目。錦秋基金今年到現(xiàn)在為止在2C、2B應(yīng)用和算力領(lǐng)域投資出手了9個AI相關(guān)的項目，我們一直在非常積極高效地投資。
如果是ToC方向的話，其實我們更多關(guān)注的還是跟社交、娛樂、內(nèi)容相關(guān)的領(lǐng)域，因為對于LLM來講，它對于產(chǎn)品很大的價值就是能夠很顯著地提升用戶的Engagement，帶來比較高的黏性和使用的時長。這是一個很好的起點，因為時長背后對應(yīng)的是潛在的商業(yè)價值，只是說你需要找到一個合適的商業(yè)產(chǎn)品的形態(tài)，最終去實現(xiàn)它，我們已經(jīng)從我們投資的項目里面看到了這個趨勢。
如果是To B，我們看很多項目下來的體會，LLM比較核心的兩個價值：
第一個，從海量非結(jié)構(gòu)化數(shù)據(jù)里面快速提取特征或者是Insights的能力，很好的做數(shù)據(jù)清洗的工具，這個是過去需要用比較復(fù)雜的機器學(xué)習(xí)技術(shù)棧來實現(xiàn)的，現(xiàn)在相對來講可以做到即插即用。
第二個，可以用LLM來串聯(lián)起一些比較非標的流程，實現(xiàn)一些簡單的Action。
這兩點結(jié)合，對于很多原有的To B應(yīng)用領(lǐng)域都可以帶來比較顯著的變化。
從具體的應(yīng)用方向來講，我們優(yōu)先關(guān)注跟企業(yè)的Top line結(jié)合緊密的方向，就是說幫助企業(yè)去做獲客，去提升用戶Engagement的一些領(lǐng)域，比如說營銷增長，我們今年出手投的幾個To B類應(yīng)用項目都落在這個范疇內(nèi)。
從最終實現(xiàn)商業(yè)價值的模式上比較認同剛剛博冰說的提供服務(wù)，尤其是可衡量效果的服務(wù)，而不是簡單地提供一個工具，這可能是我們這段時間接觸和投資一些創(chuàng)業(yè)公司后的體會。
