投资人眼中的AI商业化:“替代”并非目的,核心还是效率

关注
面对终将到来的冲击,用户、创业者、投资人们,大家准备好了吗?

微信公众号顶部贴片850-200.jpg

关于AI人工替代的争论,在过去的一年多从未停止。而在另一边,从无人驾驶出租车到辅导学生写作业的AI助手,大模型的如火如荼以及垂类应用的逐步落地,正在悄悄重塑舆论场的天平。

不管如何看待,面对终将到来的冲击,用户、创业者、投资人们,大家准备好了吗?又是如何看待这股汹涌浪潮的呢?

以下内容来自星际营25期“新锐AI之星融资加速计划”线下集结期间,盛景网联联合创始人、CEO刘燕与Monolith创始合伙人曹曦、蓝驰创投投资合伙人石建平、金沙江创投主管合伙人朱啸虎的对话,经创业邦整理后发布。

image.png

AI商业化的本质是“效率”

刘燕:几位都经历了互联网时代的全行业颠覆性创新。关于AI的崛起,现在有大量的说法,麦肯锡说2030年大概有8亿人的工作有可能被AI所替代,到底是大概率,还是只是一种期待抑或是一种危言耸听呢?

石建平:AI对整个行业数字化转型的趋势,最大的变化是带来了数字的大脑。在这个大的趋势下,上一代的数字化升级给整个社会带来了更大的连接或者效率的提升,但是距离真正能够替代人类的工作还很远。这次来了以后,我相信在很多场景上面肯定是逐渐少人,有可能到无人的方向,是不可避免的,就像特斯拉超级工厂一样。这也是未来的企业竞争优势,大势所趋。希望我们的创业者、从业者不是被替代的一方,而是All In改变、加强,提升边际效应。不用担心人类没有工作,每一个时代来了都创造了一拨新的想象空间和机会,在交接、交替的中间肯定会对人类造成很多不确定性和焦虑,这都很正常。但是从长的历史来看,都是老的行业被颠覆,产生很多新的行业,所以我觉得AI时代也会是同样的情况,我们期待改变这个世界,而不是被改变。

刘燕:这样一个进程,对于创业者的启示是什么?过去我们认为,中国和美国不同,美国SaaS作为工具有很大的市场空间,中国的企业或者企业家很难为工具买单。AI时代,在对人的替代进程发展中,对我们创业者的商业提出了什么要求?

石建平:我加入蓝驰以后,2019年底投了不少企业服务和产业互联网的项目,最深刻的体感是中国的企业服务数字化转型是很大的产业,但是作为工具和企业软件的提供方,在整个蛋糕上面吃到的红利是非常少的。反而用创新的思维找到最大的价值,用数字能力赋能解决场景的问题,这可能是最大的商业价值。我们用这种思路创业的被投企业,80人做50亿收入,净利润5千万的,也有不少类似项目的成功案例,这次AI来了以后也需要用同样的思路去做,而不是去做更好的工具。做更好的工具我认为是很难的,会被替代,替代的可能性更大,反而在行业里面由于这个革命我去做更好的行业,这有可能是更大的创新思路。你做AI律所或者做给律所提供AI的工具,这是完全不同的做法和方向,当然对团队的要求和能力象限要求也不一样,比拼认知和综合能力这很正常,但是千万不要自豪,所谓在自己舒服的地带去创业是双刃剑,往往竞争是非常激烈的。如果用综合能力做团队,创业的成功性可能会增加一些。

曹曦:这次AI的变化,其实就是能力比以前变得更强了,但还用不上颠覆、替代这些词。对创业者来说,有时候还是第一性原理去想产品、想技术、找PMF会比较好。具体到当下的状态,我们也看到很多应用出来,砺思也投了一些公司。但大模型能够提供的能力是有限的,toC的产品可能只有ChatGPT达到了PMF,这背后还是因为模型能力不足够强。当下大家还在期待各种模型能力边界的变化,那就说明模型能力的基础能力边界还有很大往上拓展的空间。

历史上大的商业机会,几乎都是在技术安全区里面做的。所以模型的能力越高,边界越高,技术安全区域越大,技术安全区越大,可能就给商业应用的空间越大。

有个有趣的例子是自动驾驶,大家已经做了七八年了,坦白讲很多公司估值都已经不低了,但是赚大钱的几乎没有。因为印象里自动驾驶公司一直在推技术边界,大家还在搞“99.99%”情形之外corner case。而在自动驾驶上,其实是扫地机器人先取得了市场,它是个在技术安全区里的商业应用。

回归到AI这件事,可能也不要去为了模型而模型,为了技术而技术,核心还是找到对的PMF。

朱啸虎:麦肯锡说替代8亿有点夸张,我们感觉今天这样大范围的算力提升、交付还是要做把关的,所以取代2亿—3亿人是可能的,剩下7亿—8亿人工作时间会更弹性,AI完全替代人是不可能的。根据算法,如果是AI百分之百替代的话,很多上市公司是没有机会的。目前是50%用AI,未来可能是80%,剩下20%是人类。用AI辅助工作,不能补充生产力。现在并不是生产力不够,现在的生产力质量非常好。很多软件企业也是,AI替代服务可能是未来方向,不用考虑多少AI,今天可能30%AI,未来可能70%AI,再过几年80%AI。电话中心就非常典型,以前可能10%是AI,90%靠人,今天用Llama2可能做到70%、80%是AI,这是今天最典型的一个用AI来取代人工服务的一个场景,所以我比较看好这个创投领域。

刘燕:其实很多时候我们做AI也好,包括之前的SaaS,我们更多地偏重于软的部分,事实上按照刚才石总谈到的,我们不仅仅是工具而是业务的时候,其实是人力+系统,中国乃至全球很多取得成功的业务都是如此。举个例子来说,比如说美国最著名的AI独角兽Deel,做人力资源全球化的招聘和薪酬支付,虽然说号称5分钟在线就能招到全球任何一个你希望适配的人员,但是为了做到这一点,线下在各个国家它都部署了大量的人力体系,包括律师和与之相关的线下服务团队,只有线上线下一体化构成一个业务,这个业务为结果负责,5分钟之内完成招聘和有效的全世界币种的支付,才能形成订单,形成有效的收入来源,我们理解不是单纯地考虑AI部分或者线上部分,而是考虑在线上的效率线下一体化,端到端的服务进程。

第一性原理Scaling Law的极限还未显现

刘燕:下面我们谈到AI和大模型。石总和曹曦总共同投了月之暗面,在中国非常明星气质的大模型,我们会想到Scaling Law是第一性原理,现在还是支持大模型快速迭代的第一性原理吗?

曹曦:至少现在还没有看到Scaling Law减慢的趋势,它肯定是维持模型能力迭代的一个重要要素,但不排除后面有人能做出新的东西,Transfomer这个架构也是后来出现的。那后面还会不会有更新的架构,这个事情我们不知道,也不需要强行做这个预测。坦白讲我们是做投资的,不是做技术的。现在有这么多优秀的创业者在干在突破,我们就找里面可能有突破的公司,有潜力的创始人做投资就好了。

石建平:我觉得大家都看到很多新闻,关于Scaling Law是不是碰到了极限,我还是比较乐观派。我们现在说AI的东西大部分说语言模型AI重一些,而多模态AI才开始。假如我们相信未来AI能实现工程性的方向,想象空间是非常大的。从技术乐观的角度来说,不希望人类或者整个地球生物体继续朝这个方向发展。Scaling Law这条路径是看不到光的,是不是唯一的路呢?不一定。作为投资人,我们可能更多地看这个方向,但是对创业公司来说就不一样了,会多个方向下注,对人类社会来讲也是多方向发展。至少现在,没看到Scaling Law的尽头,大家有可能认为大模型ChatGPT5会出现,我相信他们投入这么大的精力,会做更多的尝试,到今年年底会是一个比较重要的节点,大家都期望有一些突破,否则的话是一个比较悲惨的现象。

刘燕:Scaling Law还能支持大模型的快速迭代吗?在这个进程中对创业者有什么启示?

朱啸虎:Scaling Law今年下半年和明年上半年会比较关键,ChatGPT和Llama3进入一万卡集群,届时可以看到模型会不会显著比ChatGPT4提高。ChatGPT4是最早的,Llama3 2.4万行,基本上和8千行性能是一样的,在这样的集群下,现在看10万行今年年底应用的情况。我们感觉硅谷对10万行也不是那么虚心,如果10万行没有显著差异的话,有没有人敢达到30万行集群是很大的问号。所以Scaling Law能不能还有效,明年可以见分晓。美国数据比较多,不能要求它基于有瑕疵的数据重新生成时不出问题。所以我感觉如果在1万—3万行情况下,很多AI应用怎么保证内容的准确性、准确度,这是要思考的。

AI的商业化落地路线,要看主要矛盾

刘燕:现在凡事必AI,AI有点被当成万金油了,但是真正商业落地,到形成PMF,好像也没那么容易。这样的事情和场景怎么看?对于创业者有什么样的启发?

曹曦:我们思考这个事情有两个维度,第一是假设应用的主要矛盾是模型能力,这个事是有模型能力的公司来做的,特点就是以前没存在过,比如说ChatGPT、Sora这样的产品,因为有了新的模型才能做,这种大概率是在用闭源的,用自己的模型在干,也是我们说的AI Native的产品,离开了AI它的产品本身就不成立。

第二是假设这个产品主要矛盾不在模型能力,而在商业场景本身,AI就是个新的工具。这一点上开源或者闭源的都行,重要的还是商业本身。因为归根到底人类没变,人的基本需求没变。比如我们投了教育、游戏、社交方向,这些公司的创始人特点都是对垂直领域足够熟,我们自己觉得这些业务的核心矛盾还是那些商业场景本身。这些场景上创始人得先懂教育且愿意拥抱技术,先懂游戏愿意拥抱技术,而不是反过来。假设一个创始人的一万小时是在AI上,而没有在那些对应的场景,那他下场做肯定有学费要交,一万小时定律在哪都适用。

刘燕:您的意思是AI是技术,创业是做业务,创业的业务不要从AI出发,而是从业务和场景出发,找到你的核心客户,核心需求才能有你的核心产品,只是在这个过程中应用到了AI的技术去解决客户的核心需求,所以更多是从这个角度思考对吗?

曹曦:要看主要矛盾是什么。主要矛盾是不是技术?是技术的话这个事就是技术重要,如果主要矛盾是商业的,那就是商业是重要的。

刘燕:目前百模大战的格局,初创企业如何在这种格局下取得自己比较好的发展空间?

朱啸虎:我认为目前大模型在综合工程落地的经验能力还是非常稀缺的,需要一些技术积累,这些都是不够的,有没有高质量的行业数据很关键。比如说通义千问这些大模型的训练也需要行业数据,怎么降低错误率,提高准确性很重要。

刘燕:虽然是百模大战,但是垂类模型依然有很多机会,在垂类细分赛道和领域上如何获得高质量的数据,这对我们创业者来说会形成非常好的优质竞争壁垒。

AI创业公司出海,应该有对市场的敬畏

刘燕:很多创业者也面临全球化的问题,AI创业公司在融资时要考虑什么样的现实话题?

石建平:创业者有全球视野是好事,视野更宽了,解决问题的空间也大了,想象空间也大了。很多创业者没有真正理解全球市场,特别像美国比中国卷得多,没有大家想象中那么容易。加上地缘政治的挑战,不确定性大大提升了。尤其是业务做到一定规模的时候,问题会越来越复杂。我相信朱总、曹曦总以前在美元基金投整个中国市场的时候,是因为投中国的需求在美国有非常开放的路径,但是现在没有了,现在投美元的逻辑是做全球市场。其实我们这一代人少量海归,真正在海外成功连续创业的是很少的,反而国内创业者出海有很多优势。当然,大家需要有足够的审慎和认知上的压力,不要认为海外市场是容易的,能做到是很大的挑战,要从人才、能力象限上有足够的敬畏。

出海的市场取决于未来的退出渠道,不是说美国市场就一定拿美元,本身拿人民币也能做到一定的规模,肯定不像以前这么顺畅,但好好做产品至少还是有机会的。

在互动环节,关于如何在大模型的产品端创新体验和维护,并保持技术与业务的平衡,曹曦认为,技术应服务于提升用户体验,而不是成为炫耀的资本。拉新可能依赖技术,但留存和成长更依赖于服务质量本身。

谈到中小企业AI产品在C端变现的困境,朱啸虎指出,AI变现并非易事,需要深入的工程实现和细节处理。国内目前的实践经验表明,大模型落地的工程能力超出想象。

有提问者问及,AI初创企业是否应该多条腿走路,服务多领域的客户?刘燕认为,创业者应聚焦核心业务,利用有限资源实现突破。聚焦不仅是产品和技术,还包括研发体系和人才建设。初期应锁定特定市场,实现有效竞争后再考虑扩张。

当前许多AI工具类公司在看出海方向,但是对于如何落地实践并不清晰。石建平表示,出海团队需要对目标市场有深刻理解,包括人脉和用户场景。连续创业者在C端市场有优势,工具类项目则需要强大的迭代能力。生活场景和客户理解至关重要,否则失败率高。

长期以来,创业邦星际营作为DEMO CHINA的前哨战,助力创业者们以进阶姿态登上DEMO CHINA,以更完善的技术、产品,更全面的商业思考面向各领域知名投资人、行业专家、产业伙伴展示,拓宽他们的创业之路。

本次星际营25期的创业者们系统加速后,将登上2024 DEMO CHINA的舞台,在AI纪元绽放自己的创新力量。

让我们相约9月19-20日·成都,一起见证更多超能勇士的崛起。

微信文末贴片(小)900-250.jpg

反馈
联系我们
推荐订阅