12月13-14日，2023创业邦100未来独角兽大会暨创业邦年会在上海举行。大会始于2009年，已连续举办15年。众多优秀的上市公司、独角兽、未来独角鲁企业、投资机构、政府及学界代表年底相聚，守望前行。每年大会现场隆重发布“创业邦100未来独角兽榜单”，聚合创投圈最耀眼的未来新商业领袖。过往14年，共评选出1093家高成长企业（去重），根据创业邦数据分析平台睿兽分析显示，目前87家公司已经成功上市，65家企业被并购，143家独角兽企业。
本届大会以“向新而行”为主题，继续揭晓“2023创业邦100末来独角兽榜单”“2023年度创投人物”，并首次发布“2023硬科技创变者榜单〞。大会通过主题演讲、焦点对话、颁奖典礼、企业对接会、交流宴会、创新成果展览等多种形式，碰撞思维、激发合作！
会上，毕马威中国审计合伙人杨义萍、壹沓科技创始人兼CEO卞晓瑜、光鉴科技创始人&CEO朱力、Fabarta创始人兼CEO高雪峰、奎芯科技联合创始人兼副总裁唐睿、艾灵副总裁金雨晴在圆桌对话《焦点对话:“AI+”时代的无限可能》演讲中精彩观点如下：
1、智能化时代一定会到来，只不过在此过程中，我们要构建非常多的行业或本地的知识体系和垂直大模型。
2、作为创业的切入口：一个是深入一线发现痛点、解决痛点，做技术创新，做跨界融合。
3、创业公司只要真正专注在最擅长的点上，把它做专做透，完全可以和很多大企业做非常深度的合作。
4、没必要讲大故事、做大场景，最终而言如果真正和大公司在同样的条件和环境下竞争，小公司很难取得胜利，还是要靠细分和差异化。
5、为什么特斯拉能够做成现在的规模？本质上是两件事，一是技术上比别人好一点点，其次是在技术比别人好一点点的情况下，效率是别人永远跟不上的。
以下为演讲内容，由创业邦整理：
主持人（杨义萍）：非常荣幸今天和各位嘉宾分享主题，我是毕马威科技组的审计合伙人杨义萍，我从事审计20多年，主要是服务科技行业的企业在境内外的上市，接下来先让各位嘉宾简单介绍一下自己。
卞晓瑜：大家好，我是壹沓科技的卞晓瑜，我们公司是为企业提供数字员工机器人超自动化平台，帮员工从重复、高频工作当中解放出来，能够做更有价值、更具创造的事情。
高雪峰：大家好，我是 Fabarta 创始人 CEO 高雪峰。Fabarta 是一家致力于在人工智能时代，帮助企业打造核心数据基础设施的公司。
如今，人工智能技术正在逐步改变各行各业。我们过去认为大型模型能够广泛应用于各个精准领域，但后来我们逐渐意识到仅依赖大型模型存在一些问题，比如大模型幻觉、本地企业知识无法充分利用、本地数据安全性、模型逻辑推理能力的提升，以及人工智能可解释性等问题。随着企业对人工智能应用的需求不断增加，我们的核心数据基础设施旨在帮助企业解决 AI 落地过程中的遇到的上述核心问题，我稍后可以详细解释。
之前我在 IBM 担任人工智能研究院的院长，后来加入阿里云，负责阿里云大数据和人工智能产品。在大数据和人工智能领域摸爬滚打了将近 20 年，很高兴能在这里与大家交流。
金雨晴：大家好，我是艾灵的金雨晴，我在艾灵主要负责投融资和战略落地相关的工作，艾灵致力于为工业领域客户提供数字化智能化的云网基础设施服务。主要聚焦在工业、制造业现场的OICT技术融合，提供端到端5G产品、轻量化工业边缘智能中心与开放式应用管理平台等产品，为工业客户提供一站式、具备成本效益的场景化解决方案，致力于工业现场新型ICT基础设施建设，赋能产业数字化发展。我本人之前在投资行业做早期科技投资，后续也在科技企业负责投融资和上市筹备。
唐睿：大家好，我是奎芯科技的唐睿，奎芯科技是帮助AI芯片公司提供互联接口IP和小芯片设计方案的企业，这一块对目前大模型有很大的支撑作用，目前传统AI芯片算力无法支撑大模型的训练，甚至在端侧的推演需要互联IP和互联解决方案进一步扩充算力，为AI的应用带来无限的可能。我本人之前在苹果和甲骨文从事芯片的研发工作。
朱力：大家好，我是光鉴科技的朱力，光鉴是一家用视觉感知去解决各种智能设备和空间交互连接问题的公司，我们集合了光学传感和计算的技术去给机器人、汽车、智能消费电子和物联网各种智能设备提供视觉感知的方案，我创业前也在苹果和甲骨文从事芯片和传感器相关的工作。
创业者眼中的未来各行各业的AI图景
主持人：谢谢各位嘉宾的介绍，今天的主题是AI，请几位嘉宾从自身专注的角度描绘一下自己所在的领域AI是怎么样的图景？
卞晓瑜：我们公司业务主要聚焦大供应链领域（生产制造、物流配送、新零售），供应链本身是全球化，有很复杂的上下游连接的关系，我们的产品和服务的核心主要是围绕整个供应链端到端的自动化，包括上游的大型制造货主、中间的物流配送、下游零售的客户。本身在大模型出现之前，我们在AI领域已经有很大的投入，通过NLP去做整个自动化的应用和数智化产品落地。
大模型出来以后，我们还是很开心的，因为本质上基于大模型基座，我们有很大机会去做垂类大模型。过去，我们在中国服务了数千家头部供应链企业，拥有供应链行业深度Know-How，大模型出来以后大幅提升了原先自动化的产品和场景。
大模型本身具备知识检索的能力，可以更好地跟我们做的通过数字员工机器人超自动化平台，把日常办公室中大量的场景通过「白领员工+AIAgent 运小沓数字员工」的人机协作去完成，我们内部也在做很多的共创，国内知名的客户也在跟我们做下一代产品的测试，测下来还是挺超乎我们的预期，我们要拥抱新技术的出现。
高雪峰：我来聊一下刚才提到的人工智能技术在未来可能带来的重大变革。今年年初，ChatGPT 火爆出圈，甚至街边的商贩都在讨论。
但其实在此之前，我在阿里云用来给客户做demo的时候也用过当时阿里的大模型给客户展示一些很酷的能力，它已经能够做到只需给它一张图片即可生成漂亮的广告文案，所以当 ChatGPT 出现时，我们并不感到惊讶。不过当 GPT 4 推出时，我们还是有些惊讶的。因为 COT 给它带来了更强的逻辑推理能力。
现在大家谈论的话题，不再像 ChatGPT 刚出现时那样，只是关注大模型技术带来的变革，而是更关注广泛的 AI 技术在未来带来的变革。大家不再简单地将未来的 AI 技术与大型模型划等号，这对整个智能化市场是件好事。
那么未来的发展会是怎样的呢？我认为会有三个阶段：
第一个阶段，以 AIGC 内容生成为主，这也是当前应用最广泛的。比如生成广告文案、营销图片，甚至是人脸替换等，它可以生成文章、PPT。我觉得这个阶段大家在日常生活中已经广泛使用了。
第二个阶段，随着通用大模型在各行各业的深入应用，大模型能够掌握各种本地知识和复杂的业务逻辑，未来将会涌现出丰富多样的智能助手。无论是通过构建本地知识库的方式，还是利用本地数据对大型模型进行 SFT或 P-Tuning，都能让大模型对本地知识理解越来越精准。
比如，像现在本地生活或导航一类的应用，未来可能只需输入简单命令，如“今天是周末，我 10 点出门，下午晚上 5 点参加晚宴，期间要理发，不开车，想吃健康午餐，并且需要安静的环境，我要写 PPT 和开电话会议”，本地生活智能助手就能据此规划出非常完美的路径。
在工作中也是一样，例如在一个复杂的生产线上，智能助手可以整合所有零件维修所需的信息和知识，当出现故障时，拍张照片就能得到智能助手的建议，告诉你可能是哪个零件出了问题。
第三个阶段，当 AI Agent 结合各种智能化技术发展到一定程度时，它不仅能提供决策建议，更能直接帮助我们以正确的方式解决问题。就像我们在《钢铁侠》中看到的贾维斯一样。智能化的时代一定会到来，只不过我们需要构建更多行业或本地知识体系以及垂直大模型来实现这一切。
主持人：谢谢两位，从生活的各个角度分享了愿景。我的工作是审计，20多年年加入事务所的时候，第一年我干了几个月只做一件事，就是发银行询证函。
当时，我花了几个月的时间，发了500个银行询证函，20年过去了，我们现在怎么办？我们所有的银行询证函都是电子生成的，公司只要到我们的智联平台上把所有的信息输进去，银行询证函就能够自动生成。
银行成立了函证中心，询证函可以自动发到银行函证中心进行函证。当然，20年的时间非常长，我相信20年是一个0到1的过程，未来会非常快。
面对AI变革，创业者如何找准切入点？
主持人：我们刚才也说在大变革的时代，大家的愿景都非常宏大，很多创业者会从好的领域做一些切入口，请问金总、唐总、朱总如何看切入口难的问题？
金雨晴：创业项目的切入口，我觉得核心还是要发现痛点和解决痛点，我也是从艾灵自身的经验和大家分享。艾灵自成立三年以来，不管是技术人员，还是销售人员，都一直坚持深入到制造业的现场，在一线去蹲守，真正了解到工业客户他们的痛点和需求到底是什么，然后我们及时去解决。
我们采用跨界的方式，用原来的通信技术和整个传统的工业技术相融合，互相理解和懂得彼此语言，以跨界融合的形式，为工业客户提供降本增效以及提质的云网的综合解决方案。
综合下来，我觉得作为创业的切入口：一个是深入一线发现痛点、解决痛点；另一个是做技术创新，做跨界融合。
唐睿：我做奎芯科技这家公司是一步一步起来的，2018年我觉得AI算法和软件已经发展到一个阶段，需要专用的芯片支撑下游的应用，我当时开始着手创立AI芯片的初创公司，做了几年之后我发现自己被设计服务、互联IP限制住了，发觉到上游市场更有确定性也更急需。一块芯片面积上能够达到的算力其实是受限于晶圆厂的制程，也就是本身的制造环节。
我怎么把这个事情进行突破，当然我可以在软件和compiler上做一些事情，实际上我们发现了一个新的痛点。我的上游其实是一个很好的切入点，所以我才逐步创立现在这家公司。
我当时作为这条赛道的买方，我为此买过单，深知这个市场有多大，我很明确自己在第一个创业公司的痛点，进一步找到了更好的、更稳定的切入点来进行第二次创业。
第二次创业其实也是赶上了目前大模型对互联需求的风口，你也可以说这是等来的，也可以说是通过之前经验一步步累积出来的，其实都是机遇以及你对行业了解程度的综合反映。
朱力：我们是一个技术驱动的公司，在技术公司里面找方向不难，但是选方向很难，大家对于各种各样的问题都有很大的信心去解决，但是要选出有价值的问题。
我们思考问题的基本范式有以下几点：
第一，我们希望这个问题尽可能小，不太希望进入到有共识性的大的问题里，而是希望解决小问题。
第二，我们必须能够充分说服自己和客户，能做出来比现有解决方案提升几倍甚至上百倍效率的产品，如果仅提升30%、50%是打动不了市场的。
第三，我们需要有能力在竞品或者整个产品迭代周期一代的市场内，能够占领市场绝大多数的份额。
第四，创业者要进入的这个市场本身必须是快速增长的，要不然做这件事就没有价值。在市场增长过程中，我们希望看到有一些要素能够不断为我们构建壁垒。在AI行业中，通常像数据、用户的系统接入、用户数据的存储都是有黏性壁垒的平台。
基于这几个方向，我们就能够做一个漏斗筛选出有价值的方向。我们在人工智能应用于生物识别的领域，看到过去AI时代人脸识别各种各样的痛点问题，我们今年和微信合作推出了掌纹识别的方案，这就是我们应用漏斗筛选出的有价值的方向。
主持人：谢谢三位的分享，公司得有匠心，在一个小市场做到小而专才能做到小而美。现在比较流行的一个说法是任何一个行业都值得AI重新做一遍，例如审计行业。我是审计合伙人同时担任创新合伙人，现在年轻一代不愿意刷凭证、看凭证，我们怎么减少他做重复性的工作，所以我们要进行创新。
另外，我们做这件事的痛点是什么？我们以前做电商的审计，电商一年有几百万的订单。以前看订单和物流做完以后也达不到1%的覆盖面，所以我们才需要创新，通过系统去实现100%的测试。
面对巨头，创业公司如何发挥自己的优势？
主持人：我们企业去做创新，各个行业的巨头也会专注创新，刚才高总、唐总和朱总提到了自己曾经在行业的巨头工作过，巨头也在做AI的创新。那么，对于中小企业来说，怎么发挥自己的优势呢？
高雪峰：我来分享一下，我们很多时候都在谈 AI 技术要重塑各行各业。我在 IBM 的时候，IBM 推出了一个名为 Intelligent Workflow 的项目，旨在让各行业的工作流更智能化，包括 ERP 和核心交易等。虽然当时还没有类似大模型的成熟技术，但我们已经开始了尝试。我很认可 IBM 这种引领技术方向的策略。
智能化时代一定会来临，但并不是要用 AI 技术重写所有行业，而是用现有的 AI 技术赋能当前的工作流，让工作流更智能化。在这其中机会无处不在，我们可以将智能化引入任何行业和实际的工作流中。用 AI 技术切入工作流中的 1-2 个点就能养活一个小而美的公司。
对一个平台型的企业来说，如果能够让供应链体系变得极度智能化，就有可能成为一家国内甚至国外的巨头。类似于 Salesforce 在 ERP 的细分领域提供服务一样，就已经具备了一个成为巨头的潜质。未来我们只要专注在这个领域和行业中，也一定会成功。
当前经济形势下，每家公司都面临巨大挑战，即便对于巨头也是如此。大公司不会在所有领域盲目加大投入，这反而促进了更开放、更合作的态度。所以，我对任何创业公司的建议是：我们只要真正专注在最擅长的点上，把它做专做透，我们完全可以与很多大企业做非常深度的合作。
在刚才说到的智能化领域，我们本身就是这样做的。我们的团队在数据和人工智能融合的领域非常擅长。所以，我们专注打造智能化时代的核心数据基础设施，我们与各大公司的专注点并不冲突，与大模型更注重算法的领域也是不冲突的，并且相信在这个领域有着巨大的机会。我们可以与不同的大厂合作，一起把智能化做成足够大的蛋糕。
唐睿：这其实是一个比较永恒的话题，也被很多投资人问过，凭什么一个小公司在一个大公司也涉足的领域能够有所突破？
首先，这个行业正处于变局之中，没有变局的情况下很难有突破，现在AI带来的就是一个变局，几乎对所有行业都会产生影响，这是市场给你开的窗口。
第二，大公司普遍有大公司的通病，我也在很多大公司的创新部门工作过，和初创公司合作创新解决方案，实际落地都非常难。
每家公司往往都会有已有的商业惯性、技术惯性和阻力在里面，一旦成长为大公司，在他们看来我们公司所专注做的高速互联IP在以前并不是特别大的市场，他们所投入的精力、财力甚至都不一定比小公司大多少，再加上专注度、对赛道的认可以及其他的掣肘，小公司是非常有机会和大公司比拼的。
第三，作为创始人肯定要有一定的适应性，作为小公司的创始人和大公司的管理人可能是不一样的，更多考验的是在比较高压的情况下如何找到公司的生存之道，这也可以让你做出较快的反应以适应市场的变化。例如，客户发来一个需求，小公司可能下午就能让研发给客户反馈，欧美大厂则可能需要3-4天。
金雨晴：我非常认可唐总的说法，其实现在充满变局和各种不确定性的情况下，大厂和大公司在AI布局方面其实是有一定资金优势和人才招揽优势，一般情况下在内部以一个小团队的方式起步，会有一些路径依赖的问题存在。
但是对于小公司来说就会更灵活、更好地快速响应、更灵活化的处理，这里面需要找到和大公司差异化的竞争和底层的逻辑。
我分享一下艾灵的看法，首先我们认为整个AI连接的设备是不一样的，目前解决人和人之间的这套通讯系统满足不了AI的通信，无论是从性能和管理上都不能支撑。
我们希望能够在整个AI时代对底层的通信、计算的基础设施进行重构和升级，我们希望成为AI时代通信基础设施的构建者，在下一个阶段解决AI和AI的通信问题。
朱力：对我们来讲，几乎不会用竞争的视角看我们所做的事情。我认为一旦竞争发生了，就很难有赢家，实际上大家都是输家，特别是在国内内卷的环境下，我们还是偏向于选择细分、比较新的或者我们能够以十倍的效率去解决问题的赛道。
当价值已经体现出来以后，我们不太担心和大公司的竞争，因为对于我们这个规模的公司来说，如果告诉我有一个商业机会让我投入两年，产生几个亿的市场，那么这就是一个不错的生意。可能在百亿年收入的巨头面前，很难说服整个公司投入重兵去解决这个相对小的问题，所以我们其实是有差异化的优势。
因此，我认为没必要去讲大故事、做大场景，最终而言如果真正和大公司在同样的条件下、同样的环境下竞争，小公司是很难取得胜利的，还是得靠细分和差异化。
卞晓瑜：我认为本质上应该是你的资源和你的效率问题。对于大公司和小公司，首先我们要面对现实，你有什么资源。大公司有大公司的资源，小公司有小公司的资源。在整个资源的配套下，本质上你怎么能够把公司的组织在业务、研发、运营上比别人的效率高。
为什么特斯拉能够做成现在的规模？本质上是两件事，一是技术上比别人好一点点，其次是在技术比别人好一点点的情况下，效率是别人永远跟不上的。
对于小公司来说，本质上要取决于你自己的选择，你有什么样的资源，在现有资源下怎么选一个大的赛道当中的一个小的点，把组织的能力、资源、效率、能力发挥到最大，比别人更强，活得更长更久。
主持人：我汇总一下，专注一个行业，不要去跟大厂竞争，把这个行业做好，企业就专注于提高自己的效率、灵活度，自然就能在本领域做到NO.1。今天时间有限，我们共同期待AI的无限未来，谢谢大家！
