图片来源：由无界 AI工具生成

来源：AI商业研究所

在AI1.0时代，机器开始在计算机视觉、自然语言理解技术等领域超越人类，并创造了显著的价值。

但是在过去几年的发展，AI 1.0也遇到了瓶颈，大多数行业想利用AI，需要花费巨大的成本来收集和标注数据，而这些数据集和诸多模型各成“孤岛”缺乏纵效。

这是为什么大部分的AI 1.0企业投入大笔研发经费仍然长年亏损。

此外，AI 1.0缺少像互联网时代的Windows和Android一样的规模化能力，来降低应用开发的门槛，打造完善生态链。几年下来，AI 1.0尚未真正实现商业上的成功。

如今，AI 2.0克服了前者单领域、多模型的限制，可以用无需人工标注的超级海量数据去训练一个具有跨领域知识的基础大模型（Foundation Model），通过微调等方式适配和执行五花八门的任务，真正有望实现平台化的效应，进而探索商业化的应用创新机会。

创新工场主要关注三大方向，一个是AI 2.0智能应用，AI 2.0应用将会迎来遍地开花的阶段，包括各行各业的垂类AI助理、元宇宙应用等之前做不出的应用都会出现。

除了新的应用，很多现在已有的应用都可以被重新改写，比如搜索引擎、内容创造、广告营销，AI 2.0将革新用户体验，创造出全新的商业模式，蕴含非常巨大的想象空间。

AI 2.0平台将会加速新一代AI 2.0应用的研发和商业化，创新工场看好具有战略高度的AI 2.0平台公司，推动AI 2.0的生态循环和良性竞争。

除了应用和平台之外，支持AI模型运维，管理，训练的基础设施也是创新工场重点关注的，包含支撑AI 2.0巨型模型训练的AI芯片公司，以及那些能够加速、降低成本和简化AI训练的AI 2.0基础设施的创新技术型企业。

大模型是一个非常重要的科技事件，或者说它是科技发展过程中的一个非常重要的里程碑，这件事情是确认的。

人工智能往往带来的是协同，协同我们去完成以前完成不了的事情，而不是说取代某一个岗位。比如有PC电脑的时候，最先能够很好地去掌握电脑工具的人，就会比其他人更有优势。

大家开始对大模型在多场景泛化的能力满怀期待。

一方面表现在，随着大模型性能的提升，AI在更多消费级to C场景加速渗透，消费级场景潜力巨大。

另一方面，AI也在过去近十年间完成了从感知、理解到推理性能的全面提升，由此带来定义新一代交互、生产方式、生产关系的可能。

对于投资机构来说，大家都对新一代大模型的性能打开和赋能to C场景感到振奋，因为技术的突破使得纵向构建新的商业模式成为可能。

同时，我觉得它们也给行业带来一定的反思和激励。在过去一段时间内，资本市场对以OpenAI为代表的、底层基础学科科研导向公司的态度非常审慎，因为它们大部分从非营利机构起步，专注科学底层突破，在看不到快速商业化前景时持续做投入。但相信以后一段时间内，这类公司会得到更多关注和资本配置。

但这并不意味着相关创业公司的前景一定乐观，因为从目前来看，受限于算力、历史投入、科技人才密度、数据量级、资金实力等方面，大型科技公司的优势明显优于创业公司。

大模型通过被持续调用、喂新数据、训练，不断强化性能，并在应用场景上泛化，有较大可能挤压提供小模型闭环方案的一些创业公司的生存空间。

所以，我们目前会更关注大型科技公司在底层模型上的动态，以及业务流能借用大模型的性能、并且在垂类应用上构建出一定壁垒的创业公司。

以下几种类型的创业公司也会受到我们的关注：一是市场上已有AI公司对大模型的融合；二是已有消费级公司，借助大模型构建的与现有业务集成起来的新功能；三是以AI为基础研究导向的新科研团队。一旦它们构建了相应的壁垒，未来非常值得期待。

ChatGPT的大火，并不是突然发生的，其背后的技术趋势和变革已经发展很多年了。

从OpenAI的GPT-1/2/3，再到现在的3.5，每一代都在进步，终于实现了通用人工智能AGI的突破，产生了AI技术范式的变化。

明势资本从2021年底、2022年初就在考察、投资和布局这一赛道。

在明势资本看来，目前市场上有三类AI公司有投资价值：一是专注于大模型的公司，以OpenAI为代表；二是既做大模型，又做直接应用垂直一体化的公司，比如Midjourney；三是调用大模型API的公司，与第一类公司合作，重点开发具体场景的AI应用公司，如Jasper等。

大模型方面，尽管它的技术壁垒和门槛相对较高，但中国的创业公司从迭代效率和反馈质量上而言，比欧美很多公司更具优势。所以即使国内的大模型现在跟海外有差距，但我们认为这些技术差距是可以追赶上的。

在此基础上，我们认为国内创业公司也有很大发展机会。尽管之前大厂也都在做大模型，但过去他们的投入和重视度并不够，因为他们没有以工程化的方式去做大模型，所以目前大厂的大模型，在实用性上相对不足。而国内的大学研究院也不是基于工程化产品化的视角去做，也存在一定缺陷。

另外，ChatGPT这类应用，未来可以广泛应用到生活的各个方面，在数字经济的各个方面都有结合的机会，也会相应产生非常多的丰富应用，这肯定会带动一批创业公司去做探索和尝试。这一背景下，国内已有少数具备很强技术研发和工程化能力的创业公司投入大模型研发，甚至比国内大厂有先发优势。

我认为如今ChatGPT是新一代AI技术的起步，未来技术的天花板以及它带来的商业可能性还是非常广阔的。

AIGC把人工智能技术带向了一个新的高度，是人工智能发展过程中一个非常重要的拐点。

AI企业也从主要集中在深度学习的判别式AI，发展为产出新内容的生成式AI，这是技术的一个大的飞跃。

从技术层面分类，我们把整个生成式AI分成了三层。底层是生成式AI的基础设施层，中间为最重要的模型层，以及最上层的依赖于底座模型的应用层。

在我看来，今天生成式AI所依托的超大规模语言模型是一个更先进的算法架构，集中了人类的全部数据，汇集大量算力，进行集约化训练，训练出来的AI能力供应所有用户使用，这也是十几年前AI界专家所设想的那样，AI未来一定会成为类似“水电煤”的人类公共资源。只有这样，才能做到AI赋能万业。

智算平台更适合有规模效应，如已有的公有云平台，或数据中心运营方介入。

而工具链方面，随着大模型持续发展迭代，用更好的工具去帮助大模型的训练和管理去降本增效，一定是有机会的，且会有一些顶级AI工程人才不断进入，我觉得这肯定是一个很标准的VC投资机会。

在闭源模型及API服务领域，未来肯定也会有越来越多科技大厂进入，创业公司是否还有进入的机会，我觉得值得观望，因为这对于人才密度的要求和资本的投入都是巨大的。

技术开发应用的基础上，我觉得未来的主要趋势，是利用第三方模型构建应用的方式。我们预计会有成千上万个创业公司涌入这个市场。对于创业者而言，不用从头建一个AI模型，只需要直接利用这些底座模型的能力，加上他们对于场景和行业的深刻理解，就可以做出一家应用型公司。

此外，某些特定的领域、行业、场景，可能会有一些创业者选择从头做，自建模型及应用，端到端，我觉得也是有机会的。

在我看来，AI能力的真正体现，并不仅仅局限于作画、对话聊天领域。AI很明显是一个能够改变人类发展的技术，它应该融入所有行业、所有应用。想要真的实现这一步，我觉得目前我们才刚刚开始，它远比我们今天看到的一些示范性的to C应用更有价值。

在未来的三五年加速发展后，AI可能不只是停留在媒体或者人们的幻想中。十年后，它有可能真正去实现大规模落地，赋能万业。

短短几个月内，ChatGPT的用户迅速破亿，且还在飞速增长。即使对投资人而言，这也是一个非常现象级的情况。种种迹象都表明，它的产品或技术肯定有独到的地方，或者值得期待的价值趋势。

目前的大背景是，国外的大公司如微软、谷歌等都动作频频，甚至可以称之为“疯狂”，这也会使整体市场发展得非常迅速。不过，从国内目前的状况来看，无论是大公司还是创业公司，包括投资人，更多还处于跟随的状态。

确实从这两年能感受到，AIGC的进展飞速，尤其在海外，无论是模型端，还是应用层面，甚至包括现在发布的一些产品，在C端用户体验层面，都达到了一定的高度，并可以进入消费级市场。

技术上的突破，可能已经到了一个相对临界点的状态。因为人工智能的想象力其实是挺高的，它确实是新的一个生长性方式，包括人机交互的方式，已经从原来的机器语言（编程、代码）等，到现在可以理解自然语言，其实这是一个非常大的突破。从这方面来说，很多软件和硬件，包括一些互联网产品都有可能因其升级，或被替代。

一方面，对已有的部分传统产品，人工智能可以加持一些应用。具体体现在产品上，如谷歌或微软的搜索，如果加上类ChatGPT技术或者应用，传统的搜索可以进行升级，提升整体使用的体验，对信息的处理和生成也可以更加优化。

另一方面，人工智能可以产出新的产品或玩法，也就是所谓的替代。比如自动生成图片等功能，此前图片的产出需要人力手工绘图，但现在可以利用AI自动生成图片，从而减少人力和时间成本。此外，在AI的加持下，可能还有一些新的产品或新的应用面世。

除了互联网产品这些软件外，一些硬件产品，例如家电等工具，如果配备相应的人工智能技术应用，也可能会有全新的服务和体验。

由此衍生出来的未来行业方向或模式，对于相关公司来说，都存在发展机会。且随着人工智能技术的不断发展，它确实可以影响到很多行业，包括不同的一些模式。对于它的未来，我觉得确实是值得期待的。

过去有很多风口，元宇宙也好、Web3.0也好、区块链等等，嘉御都没有去涉足。

我们判断是否真伪的一个核心，两个方面；一是它是否对各个行业有突破性的变化，是不是真正的价值创造，有些技术行业局限得非常窄，有些技术本身是旧瓶装新酒，换了个名字，赶时髦又来了。这些风口嘉御从来没有涉足过；

但是这次从ChatGPT、GPT3到GPT4，让我们感到这次是真技术、真需求。

唯一还欠缺的是一个真的商业模式，那这样三个很核心的要素中，两个真实的存在。这次我们认为ChatGPT带来的技术变革是真实的，离商业化并不遥远，嘉御资本一定会高度关注这个领域的变化，不仅在中国，也包括在海外。

比尔·盖茨说ChatGPT的横空出世具有划时代意义，他说得有道理，我在微软的时候有幸跟他汇报过工作，他对技术的判断很有眼光，是一个很有远见卓识和前瞻性的人。

自然语言处理在大模型这种范式出来前，它和计算机视觉相比，技术和应用落地都相对落后。计算机视觉在人脸识别的应用中，因为计算机识别人脸的能力超过了人眼，这个技术于是取得了标志性突破，才使得计算机视觉这个行业飞速发展，它被广泛应用到安防监控、汽车自动驾驶等。

但自然语言处理基本上是基于规则和统计，比如说做聊天机器人去理解语言、生成语言，然后与人交流对话。自然语言处理的技术跟人相比差距太大，你跟一个机器人聊天对比你跟一个真人聊天，你明显感觉到巨大区别，所以在那个时代，聊天机器人被说成是人工智障，而非人工智能。

ChatGPT出世后，有人说它甚至能够通过图灵测试，意思就是你跟ChatGPT聊天的时候，你几乎分辨不出来是真人还是机器人，这个智能程度让人觉得机器非常聪明，那么这个时候，一定会引爆在商业和其它应用领域的突破。

已有现成成熟业务的公司，应该思考怎么样去借助ChatGPT升级换代，而不是把已有的商业模式抛掉。但是传统的聊天机器人公司如果此时不再改变升级，很可能就会遭到淘汰。所以对于这类公司来说，很可能真的是要All in，要完全地投入升级换代。

随着我们语言、语音和计算机交互的能力几乎持平，AI就算是进入到了一个新时代。前期的AI更多是分析式、决策式的AI，那现在我们ChatGPT代表的是生成式的AI（Generative AI）。做分析决策，和去产生内容再做决策，其实也有比较大区别，但从技术上来说，ChatGPT有划时代的突破意义。

ChatGPT带来的这种人机交互的新方式，其实是一个非常自然的方式，值得创新者、创业者尽情畅想。

计算平台、存储平台、算法平台基本上都在大厂那里，前段时间里几个业内大佬要All in或要重新出山攻大模型，他们是含着金钥匙出生的创业者，他们的行业口碑、人脉资源、财力物力，让他们有实力去攻大模型这一层。

从底层往上就是工具平台层，像提示工程Prompt Engineering，用它来帮助调参测试、部署开发这个模型，然后去训练这个模型。还有比如说把大模型变成垂直领域小模型，比如说金融业、制造业的专业模型。再往上就是应用层，写文案、产生图片或视频等等。大厂那里有流量有用户，他们to C更有优势。

在to B的应用中，企业内部的数字化转型和创新的四件事儿，让AI帮助企业和用户更好互动，帮助改进内部流程，帮助提升员工效率，以及帮助产品变得智能化。

中美之间创业环境不同，中国创业者做通用工具可能不一定占优势，反而是to B给垂直行业的那些应用工具更占优势，而且和大厂也不冲突。

我建议大家要大胆地去拥抱这个事情。

我主要关注整个数字化行业，也包含软件、大数据、人工智能。这一波人工智能的到来，让我感觉到真的有新东西来了！新东西即意味着未来会出现很多新机会！

我现在跟我投过的所有公司都建议，一定要以非常开放的心态去看待ChatGPT，看这个自然语言大模型究竟是怎么回事，然后尽量把自己的产品去和ChatGPT做有机结合。

如果你用太封闭的心态说ChatGPT跟我无关，这只是国外的技术研究成果，咱们中国现在还不成熟，等将来成熟了我再做，那么我认为可能到时候你就会被那些尽早应用了ChatGPT的竞争对手弯道超车。

如果你能把ChatGPT利用好，封装成有效的产品，能解决实际问题，那么你就非常有可能在未来成长路上加速跑一两年时间。

采用千亿参数量训练的GPT-3大语言模型，模型能力相比GPT-2发生了质的变化，出现了逻辑能力。虽然现在还无法解释这种“思维逻辑”到底是如何产生的，但加之语音、语义理解功能和声音合成，它好像更像一个真人。

我们可以开始把ChatGPT理解成一个初中生或者高中生，它能用正常人的思维逻辑和表达方式，理解一些相对没有那么专业的东西。因为ChatGPT没有被训练过更专业的内容，所以不能理解更加高深的专业内容。

但这些已经足够了，这已经是一个我们可以利用的一个初级员工，当它经过一些基本训练后，它能够像正常人一样，满足某些工作岗位的需求。

近几个月在美国围绕着ChatGPT也产生了很多新的应用场景，除了写文案，比如ChatGPT+PDF的功能也非常亮眼，ChatGPT能把PDF迅速阅读完，并总结文章的主要观点，还可以继续对话，询问更进一步的问题。比如你问它某个观点出自于哪里，它能说出具体出处和文档中位置，非常智能。

这些场景和变化，让人们看到ChatGPT可以帮助我们大幅度减少浪费在基础重复工作上的无意义时间。由ChatGPT代劳节省下的时间，可以用来做更高价值的事情。

我们只是现在还没有看到，或者还没有想象出来它的最终应用场景，但一定会有非常多的使用场景。

为技术兴奋之余，我更建议我的投后公司必须去琢磨，大语言模型跟现有的业务怎么结合，应用落地才是最关键的事儿，而现在就是一个非常好的探索应用的机会。

to C的应用机会大厂更占有流量优势，创业必须仔细推敲。to B层面，底层大模型需要的资金量巨大，不适合创业公司。中间层和应用层的机会更适合创业公司。

底层大模型到应用之间的一些工具，比如说模型如何训练和优化肯定有价值。在中国的环境下，如果你不把它直接做成产品的形态，我觉得很难卖给客户。美国可以卖工具，你给客户一个软件，他们自己可以用起来。但我们大量传统企业的IT人员可能不具备这样的能力，卖给他们产品的时候，必须要卖到场景应用里，需要告诉他们能解决什么问题，需要给他们交付具体应用。所以我们国内创业公司做中间层的东西，商业变现很难，反过来会被一些做应用的公司把中间层包进去一起卖给客户，因为客户只能懂具体应用。

从变现角度来讲，创业公司最好还是做应用层。基于谁都能用的公开技术、大模型形成自己的差异化，左手倒右手的事情不是能力，价值关键在于你在客户那要有自己的某个场景落地。

比如原来你公司做智能客服，但现在用ChatGPT产生出一种新能力，智能客服能用“人的语言”、“人的思维”和你客户的用户们沟通，不仅把用户们的问题理解清楚并导入到工单里处理，待工单解决了用户问题后，再用“人性化”方式回复用户，如此形成一个新闭环。那么，这就是你公司利用GPT创造出来的新价值，不是准备话术的“死”的能力，这是一种“活”的能力，是新“生产力”，你改变了行业效率，不仅优化了你自己的成本结构，同时优化了你客户的成本结构。客户当然能为此买单。

2016年我主持“谷歌AlphaGo对决李世石”直播大战后，看到了AI在创投圈的快速火爆又很快步入寒冬的过程，我这些年一直在思考商业模式问题。创业毕竟是九死一生的事情，我做投资这十几年，感觉创业者真的是一个最不容易的群体，在All in这个环节上，我个人觉得应该在商业模式上多思考。

我想说两个关键词。第一个关键词是“智力的交叉点”。多年前有一本书叫《奇点临近》，这本书很大部分在讲当人工智能一旦超越人脑智力时会产生怎样的变革，我觉得现在我们正是临近奇点的时候。提到这本书，是因为现在ChatGPT更像一个里程碑式的事件，类似于人机在智力的交叉点上。

第二个关键词是“生产力”。ChatGPT在本质上需要我们重新思考“生产力”。在数字经济里，生产力是源泉问题或动力问题，但ChatGPT本质是一个生产力革命。它不仅扮演工具的角色，帮助提高效率，ChatGPT还会让AI直接参与生产环节，成为生产要素里很重要的一部分。它可能改变生产系统本身，或者是系统性替代。

我们要不要All in进去，首先判断它是不是趋势，我认为人工智能在未来可见的时间里当然是趋势，但要不要现在做？我认为判断依据是：是否已有我们可以看见的、比较清晰的商业模式，或者是我们在这个商业模式里面，能否找到自己最合适的定位和角色，或者是我们自己目前从事的行业，能否利用ChatGPT的赋能产生最大的价值。

7年前那一轮AI热潮，激发了计算机视觉里面的深度学习那几年的热浪，但是后来AI回归冷静，我个人觉得核心问题还是商业模式，真正围绕人工智能的商业模式还没有找到。我觉得创业者、从业者、旁观者，都需要从不同角度思考商业模式。

普通创业者知道自己的位置很重要。大公司在底层开源技术上，已经做了很多工作。普通创业者做底层创新，需要衡量自己的长板和优势再去介入，毕竟开源的速度和迭代的速度太快了，有可能你做的赶不上别人开源的速度。

ChatGPT引发的这次AI浪潮仅仅意味着是下一代互联网吗？之前我们的很多创造发明，包括各种工具软件、应用产品，很多都属于生产工具，而这一次，ChatGPT作为一个虚拟的“劳动者”，和人在同一个维度，参与了生产和劳动。这也是我最兴奋的一点。