6月14-15日，36氪WAVES新浪潮2024大會在北京郎園station·倉酷順利舉辦。WAVES是浪潮的意思，也正是當(dāng)下年輕人勇于追夢，敢于創(chuàng)造精神的縮影。此次WAVES大會聚焦四大板塊：理想與現(xiàn)實(shí)、科技與人文、探索與深耕、傳統(tǒng)與變革，每一個板塊都指向年輕人關(guān)注的熱議話題。都說人生是曠野，但是實(shí)踐發(fā)現(xiàn)人生更像是海面，時而風(fēng)平浪靜、波光粼粼，時而巨浪滔天、風(fēng)浪不止。Waver們沒有在浪潮中隨波逐流，而是靠自己的力量迎浪而上。

36氪作為一家和創(chuàng)投行業(yè)共同成長起來的商業(yè)媒體，一直和那些年輕的血脈一起探索邊界、洞察未來。此次峰會，我們聚焦于創(chuàng)投，但又不止步于創(chuàng)投，我們和不同領(lǐng)域的人一起談感想，和不同年齡的人聊未來，共創(chuàng)多元場景下的創(chuàng)投party，打造商界獨(dú)一無二的視聽盛宴。

在Day1下午，BV百度風(fēng)投執(zhí)行董事 溫永騰、元璟資本管理合伙人 劉毅然、 華映資本海外合伙人 邱諄、 光速光合合伙人 朱嘉、國方創(chuàng)新合伙人 張治一起探討了AI應(yīng)用層的投資風(fēng)向，本場的主題為“頭上的星空，腳下的土地”。本場圓桌由暗涌Waves分析師郭允驍主持。

圓桌現(xiàn)場照片

以下是圓桌速記，經(jīng)36氪編輯：

郭允驍：非常感謝大家不遠(yuǎn)萬里來到「WAVES新浪潮2024」現(xiàn)場，請大家自我介紹。

溫永騰：感謝36氪的邀請， BV百度風(fēng)投專注在AI領(lǐng)域的布局和探索，我個人是從2021年開始看AI項(xiàng)目，重點(diǎn)關(guān)注多模態(tài)、AI應(yīng)用，喜歡和年輕創(chuàng)業(yè)者交流。

劉毅然：元璟資本2015年成立，我們是雙幣種VC基金，最早是互聯(lián)網(wǎng)背景出身，現(xiàn)在在AI、機(jī)器人、大數(shù)據(jù)等方面看的比較多。

邱諄：我是華映資本邱諄，華映有110億人民幣左右的募資規(guī)模，投了超過260個項(xiàng)目，15家上市或被并購。我自己曾在美國學(xué)人工智能方向，畢業(yè)后在硅谷工作, 曾是騰訊云的專家架構(gòu)師，現(xiàn)在在華映負(fù)責(zé)AI投資和出海方向。

朱嘉：光速光合2011年開始獨(dú)立運(yùn)營管理自己的美元和人民幣基金，目前投資主要是在科技領(lǐng)域。我自己做過7年的半導(dǎo)體研發(fā)，11年投資，一直都在科技賽道。從模型到應(yīng)用和基礎(chǔ)設(shè)施，人工智能當(dāng)下都有很多機(jī)會。

張治：大家好，我來自國方創(chuàng)新，我們成立于2017年，管理規(guī)模超過300億，到現(xiàn)在我們已經(jīng)布局了市場上超過50家子基金和超過70個直投項(xiàng)目。人工智能是我們的三大重點(diǎn)投資板塊之一，尤其是在這兩年，我們在持續(xù)加大人工智能板塊的投資比重。

郭允驍：主題是頭上的星空、腳下的土地，這句話非常恰當(dāng)?shù)男稳軦I投資的務(wù)實(shí)派。有的參與了大模型的投資，有的也了解應(yīng)用層和基礎(chǔ)設(shè)施。大家如何衡量基礎(chǔ)設(shè)施層和應(yīng)用層的投資機(jī)會？

張治：國方創(chuàng)新在這一輪人工智能領(lǐng)域的投資會分產(chǎn)業(yè)鏈層次，分布在不同時間周期里。最早的投資在AI算力層，我們在三年多前就投了燧原科技，并在去年又做了加注；大模型這一層，去年也參與了MINIMAX的投資；今年的重點(diǎn)放在AI應(yīng)用和AI基礎(chǔ)軟件層面。從大的時間來看，AI基礎(chǔ)設(shè)施層，包括算力和大模型在當(dāng)前時間點(diǎn)可能已經(jīng)從資格賽、入圍賽，逐漸進(jìn)入到了淘汰賽的狀態(tài)，投資選擇可能更多會在目前剩下活躍的幾家頭部里面做挑選，對新的創(chuàng)業(yè)者來說挑戰(zhàn)和難度會比較大一些；但是在應(yīng)用層，我們認(rèn)為依然是一個百花齊放的狀態(tài)，有很多的機(jī)會，大家處于相對比較早期的狀態(tài)，有很多可以嘗試的領(lǐng)域。

朱嘉：從光速全球的角度看，我們投AI很早，光速在歐洲投了最大的大模型公司Mistral，在美國也布局了幾個大模型公司。在應(yīng)用側(cè)，光速美國投了做文生音樂的公司Suno，也是華裔創(chuàng)辦的文生視頻公司Pika第一輪的投資人。借助光速全球的大平臺，我們能夠?qū)φ麄€行業(yè)有更為全面的覆蓋研究以及更深的信息理解。光速光合在國內(nèi)也陸續(xù)布局了AI相關(guān)的投資，包括大模型端的智譜科技，應(yīng)用側(cè)投了做AI視頻剪輯的公司OpusClip。

基礎(chǔ)設(shè)施側(cè)也有早期布局，我們認(rèn)為這是中國獨(dú)特的機(jī)會。海外的英偉達(dá)已經(jīng)完成了很多基礎(chǔ)設(shè)施層面的建設(shè)，中國需要在這方面培養(yǎng)自己的基建，所以我們從算力、芯片、網(wǎng)絡(luò)芯片，然后到整個網(wǎng)絡(luò)相關(guān)的軟件生態(tài)都做了一些投資布局。我們看到未來AI相關(guān)的基礎(chǔ)設(shè)施建設(shè)可能每兩年會是數(shù)倍的需求，帶來的是一個萬億美金的市場機(jī)會，我們將會持續(xù)布局。

邱諄：華映也是在基礎(chǔ)層和應(yīng)用層布局，基礎(chǔ)層算力側(cè)投了壁仞芯片，數(shù)據(jù)側(cè)投了星塵數(shù)據(jù)和天云數(shù)據(jù)，應(yīng)用層投了金柚網(wǎng), 知瓜瓜等, 這是我們目前的布局。我同意朱總的觀點(diǎn)，整個大模型行業(yè)現(xiàn)在大多在初期。在座很多創(chuàng)業(yè)者和投資人，我觀察到一個現(xiàn)象是，大家普遍感覺是基礎(chǔ)層沒有應(yīng)用場景。

做底座模型的都被問應(yīng)用場景是什么，所以底座層是比較糾結(jié)的。至于應(yīng)用層被問的問題, 則是門檻在哪，這也是大家比較糾結(jié)的。做應(yīng)用層的創(chuàng)業(yè)公司，如果直接調(diào)GPT的話，不要說在中國，即便是在美國也會有問題。因?yàn)槿绻皇钦{(diào)API，GPT一更新，比如到GPT4的時候, 應(yīng)用層很多就被覆蓋了。所以現(xiàn)在都比較分裂: 基礎(chǔ)層沒有應(yīng)用場景，有應(yīng)用場景的又沒有門檻，為什么造成這樣的現(xiàn)象?

其實(shí)我們思考一下, 還是很有一些規(guī)律存在。因?yàn)楝F(xiàn)在的大模型跟當(dāng)年的互聯(lián)網(wǎng)不在一個階段，按照硅谷的一句話，就是"垂直分層沒有完全發(fā)生"?，F(xiàn)在基礎(chǔ)層的人都在做應(yīng)用，最好的例子就是OpenAI，OpenAI做底座大模型GPT，但它的應(yīng)用層ChatGPT卻是目前最好的應(yīng)用。大家可以說出來的唯一殺手級應(yīng)用還是ChatGPT，所以底座的人在做應(yīng)用。而做應(yīng)用的人現(xiàn)在也都有底座，也需要做底座，尤其在硅谷。

基礎(chǔ)和應(yīng)用層的分層為什么沒有發(fā)生，我們可以思考一個問題，互聯(lián)網(wǎng)的年代基礎(chǔ)層跟應(yīng)用層是分工很明顯的。基礎(chǔ)層不提供內(nèi)容，比如互聯(lián)網(wǎng)的基礎(chǔ)層是協(xié)議和瀏覽器, 他們不提供內(nèi)容，內(nèi)容都是應(yīng)用層也就是網(wǎng)頁來提供、及獲取流量。但在大模型的生態(tài)里面，你在用GPT的時候，就是應(yīng)用層的人在調(diào)GPT接口的時候，GPT已經(jīng)做了預(yù)訓(xùn)練，大量的內(nèi)容已經(jīng)在預(yù)訓(xùn)練的語料里。你調(diào)用GPT并把一個界面提供給終端用戶，終端用戶在提問題得到一個回答的時候，這里有多少是GPT通用語料訓(xùn)練出來的, 還是你的私有語料訓(xùn)練出來的, 不容易區(qū)分。

比如你是一家律所，你提供法律專業(yè)知識，然后調(diào)用了GPT，相當(dāng)于你賦予了模型法律專業(yè)知識，但GPT給了模型歷史、地理、數(shù)學(xué)、物理所有的基礎(chǔ)知識。模型回答問題的時候是法律知識在提供，還是歷史知識在提供，不太容易分出來。這造成平臺和應(yīng)用層非解耦的狀態(tài)，也就是說還是在緊密耦合。所以單純應(yīng)用層的創(chuàng)業(yè)是危險的。硅谷和國內(nèi)都有很多的創(chuàng)業(yè)者非常愿意在應(yīng)用層創(chuàng)業(yè)，但我們現(xiàn)在看到的基本上純應(yīng)用層可以成功的很少，有長期存在價值和護(hù)城河門檻的都是有底座能力的，有底座大模型訓(xùn)練能力才能把私有數(shù)據(jù)充分利用，如果只是作為檢索增強(qiáng)RAG用的話，其實(shí)門檻是不高的。

劉毅然：現(xiàn)在有個玩笑說市場上有一半的投資人信大模型，有一半不信大模型。我們也在思考大模型是否適合創(chuàng)業(yè)公司，大模型對數(shù)據(jù)和算力等等規(guī)模和資源的要求比較高，其實(shí)對創(chuàng)業(yè)公司不是特別友好。目前，在一些基礎(chǔ)設(shè)施和應(yīng)用，以及AI可以催生的新方向，我們都有一些投資。比如說算力中心里的芯片，因?yàn)锳I要求更高速率的芯片，比如說在一些垂直場景里面的模型，比如可以自主維護(hù)場景的文生內(nèi)容的應(yīng)用，以及利用今天的AI結(jié)構(gòu)才能做的一些事情，像科學(xué)計算，這些方向都是我們在活躍的看的。

溫永騰：我們要從時間的角度看問題。從目前的周期上來看，肯定以基礎(chǔ)層的投資為主，芯片的投入最關(guān)鍵，光是去年，全球有幾百億美金的芯片投入。隨著時間的推移，應(yīng)用層的收入會上來，對這點(diǎn)我們非常有信心。大家可以看一個數(shù)據(jù)，去年整個AI應(yīng)用層收入是30億美金，相信今年會在60億美金左右。這是每年增長一倍的應(yīng)用市場，我們非常看好未來應(yīng)用層的發(fā)展。

接下來，我們還要看未來的收入在哪幾層分配，大模型在互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)不一樣，我們相信離用戶最近，離用戶數(shù)據(jù)使用習(xí)慣越近的地方會收到最多的錢。

很多創(chuàng)業(yè)者非常在乎的是應(yīng)用層到底有沒有壁壘？我應(yīng)該如何在應(yīng)用層中構(gòu)建壁壘？這是一系列開放的問題。我們需要先有增長，然后再去尋找應(yīng)用層的壁壘。我們相信大模型一定會改變未來的內(nèi)容分發(fā)方式，在這種新的商業(yè)模式下去找到新的壁壘，才是更有價值的創(chuàng)新。不一定僅限于單純大模型技術(shù)，傳統(tǒng)工具因?yàn)镚enAI而產(chǎn)生的內(nèi)容分發(fā)方式的變化，也會形成壁壘優(yōu)勢。我們對這個事情挺有信心的，這是我們的看法。

郭允驍：剛剛聊了很多基礎(chǔ)設(shè)施層跟應(yīng)用層的東西，哪一些是相對更有投資價值的領(lǐng)域？今天的宣傳片用到了一系列的文生視頻，幾位也投到了文生視頻的公司。你們會覺得文生視頻已經(jīng)進(jìn)入到某一種階段了嗎？

溫永騰：在技術(shù)上，我們看好多模態(tài)和AI Agent的進(jìn)展，我們沿著多模態(tài)的路徑，投了西湖心辰、生數(shù)、Morph等公司。在應(yīng)用場景上，除了Copilot，我們還很關(guān)注Assistant的發(fā)展，對Assistant而言，不管ChatGPT多好，未來與AI共生的世界中，大家不愿意只跟一個人聊天，這多無聊。除此之外，我們也很關(guān)注AI Platform的投資機(jī)會，我們一直思考AI是否可以創(chuàng)新內(nèi)容分發(fā)形式，類似于推薦系統(tǒng)。這里的創(chuàng)新內(nèi)容包含音頻平臺、視頻平臺、電商平臺等等。沿著這樣的思考，我們專注在文生視頻的布局上，不管是傳統(tǒng)的GAN方案，還是Sora的方案。這是一個很吃技術(shù)的賽道，但天花板很高，能產(chǎn)生很多好玩的內(nèi)容以及創(chuàng)新模式，最近幾個月行業(yè)進(jìn)展也說明了這個賽道的關(guān)注度還是比較多的。

劉毅然：這個問題比較大。我們總的風(fēng)格是比較喜歡端到端自主可控的，但我們說的端到端不是大家說的自動駕駛里的端到端的意思，還是強(qiáng)調(diào)說，從用戶場景到底層的數(shù)據(jù)和模型都是自己可以控制的，這可以形成閉環(huán)或者說一個可閉環(huán)的自我場景，這一類項(xiàng)目是我們比較喜歡的。在這里，模型的收斂是AI最重要的因素，是否有一個自己可以控制的場景，有沒有一個自己有控制力的模型可以根據(jù)場景的反饋不停的收斂，產(chǎn)生更加準(zhǔn)確的效果，這是我們看重的。

邱諄：我們也是關(guān)注端到端，因?yàn)榇怪狈謱由形赐耆l(fā)生, 不垂直分層的意思就是就還是垂直整合，也就是端到端: 數(shù)據(jù)層到底座層再到應(yīng)用層，這些都得具備?，F(xiàn)在邏輯很簡單，創(chuàng)業(yè)公司如果沒有私有數(shù)據(jù)，大部分投資機(jī)構(gòu)肯定都會很猶豫，現(xiàn)在很多應(yīng)用開始只是調(diào)用API接口，再提供服務(wù)給終端用戶, 然后才開始有私有數(shù)據(jù)，這時問題就來了，就是怎么真正的把私有數(shù)據(jù)訓(xùn)練到模型里去。這其實(shí)是非常大的問題。在座有想創(chuàng)業(yè)的朋友可以下來找我交流。

我家還在硅谷, 來回跑, 發(fā)現(xiàn)硅谷有很多擁有數(shù)據(jù)的公司也都不知道怎么訓(xùn)練，如果只做一個向量數(shù)據(jù)庫再用RAG，你的價值點(diǎn)就變成了用戶，而不是商業(yè)化的公司，商業(yè)化公司是要把服務(wù)提供給你的終端用戶的，這是很難的。如文生視頻公司, 要看有什么樣的私有數(shù)據(jù)可以繼續(xù)訓(xùn)練，這個非常難。不管做微調(diào)還是繼續(xù)訓(xùn)練，都門檻非常高。文生視頻看起來像是一個應(yīng)用層的東西，其實(shí)是一個基礎(chǔ)層的東西，這個會有迷思。你看Sora其實(shí)是在底座做的，而不是應(yīng)用層做的。其實(shí)是個多模態(tài)大模型，所有的能力都在底座，不管是文生代碼，還是文生硬件操作，即現(xiàn)在所謂的具身智能, 要真正實(shí)現(xiàn)自主智能體功能，這都是門檻。你要從底座的自主模型和自主數(shù)據(jù)集上著手才能實(shí)現(xiàn)多模態(tài)，才能實(shí)現(xiàn)包括像文生視頻，文生代碼，文生硬件模態(tài)，文生蛋白質(zhì)結(jié)構(gòu)，等等很多其他多模態(tài)，這樣著手才能做出好內(nèi)容。

朱嘉：文生視頻的應(yīng)用究竟能夠帶來什么樣的價值？未來大家不會都去使用文生視頻的工具，因?yàn)槿粘Ｖ姓嬲枰獎?chuàng)作高質(zhì)量視頻的人并不是很多，更多地是去大量消費(fèi)視頻，現(xiàn)在短視頻已經(jīng)占用大家很多日常時間。這樣的工具可以幫助專業(yè)用戶更快捷地創(chuàng)作視頻。我們投資的OpusClip，可以把一個長視頻自動剪切成一個1分鐘的精選視頻，幫助用戶減少制作時間，提高制作效率，最終是觀看視頻的大眾受益。1分鐘的精選視頻對我有吸引力的話，我就愿意觀看長視頻，這會產(chǎn)生價值。這也是為什么這家公司創(chuàng)業(yè)一年的時間可以有一千萬美金以上的年收入，有大量的專業(yè)付費(fèi)用戶。我們看到AI在視頻上的生態(tài)會越來越廣泛，創(chuàng)造的價值不僅僅是一個產(chǎn)品。以這個例子看，未來有很多的想象空間。

張治：大家可能比較關(guān)注如何做出一個好的AI產(chǎn)品幫客戶提高生產(chǎn)效率。我們除了會關(guān)注有端到端能力的AI應(yīng)用工具以外，也會思考另外一件事，即是否有可能在未來通過AI給客戶帶來的價值是能夠直接交付結(jié)果，而非僅僅幫助企業(yè)里的員工提高生產(chǎn)效率，這樣對客戶來說是一筆更容易計算ROI的帳。因此，我們也會關(guān)注AI是否有機(jī)會改造專業(yè)服務(wù)的市場，比如說以前我們可能需要100個專業(yè)服務(wù)的知識人員去服務(wù)一千個客戶，未來是否有可能通過5-10個專業(yè)服務(wù)人員加上100個智能體去服務(wù)一千個客戶，這就能解決以前專業(yè)服務(wù)市場在規(guī)?；^程中管理復(fù)雜度的問題和邊際成本問題。我們看到這波AI帶來的變化，是讓以前非標(biāo)的專業(yè)知識能夠形成更加標(biāo)準(zhǔn)化的產(chǎn)品和一系列工具。對外使用可以向客戶出售這些AI產(chǎn)品，對內(nèi)使用也許會出現(xiàn)一些新型專業(yè)服務(wù)組織，顛覆以前的專業(yè)服務(wù)市場。

郭允驍：大家提過商業(yè)化，包括搞定一些B端的客戶，這也是AI近一段時間討論非常熱的東西。怎樣擁抱商業(yè)化，搞定PMF的問題。大家怎么理解AI應(yīng)用方面的PMF問題，可以結(jié)合自己的情況具體的說說PMF怎么達(dá)到的。

溫永騰：我們內(nèi)部會尋著從無到有和好十倍的邏輯去看項(xiàng)目：第一，AI能否給消費(fèi)者提供從無到有的體驗(yàn)。比如說以前拍視頻需要一個人，我是否利用AI直接可以做，就是從無到有的需求。第二，AI能否在原有的體驗(yàn)上，提供好10倍的體驗(yàn)。無論是ToB還是ToC的產(chǎn)品，要看它是否符合初步的PFM，這里我們的思路會簡單明晰一些，重點(diǎn)看付費(fèi)留存率，以及付費(fèi)轉(zhuǎn)化情況。我們更注重是否滿足這些條件，而對創(chuàng)業(yè)公司開始做的市場分析并沒有太大的期待。希望他們能從在小的市場中打磨出挑戰(zhàn)傳統(tǒng)巨頭的產(chǎn)品開始，來創(chuàng)造新一代偉大的公司。我們相信初創(chuàng)企業(yè)只有在小的市場上才有充足機(jī)會挑戰(zhàn)傳統(tǒng)巨頭，在傳統(tǒng)巨頭沒有意識到的很好的角落里面把產(chǎn)品做好，慢慢成長為偉大的公司。

劉毅然：對ToC來說就是留存，用戶的中長期留存更有意義。很多AI體驗(yàn)產(chǎn)品剛上市有不錯的效果，甚至爆紅的效果，短期收獲大量用戶，這肯定比沒有強(qiáng)，但我們更加關(guān)注后續(xù)中長期的留存。我們有一些被投企業(yè)可能有百萬級以上的用戶，但中長期的留存可以有四五十萬的量級以上，我們認(rèn)為這是正常健康的。而且這個不是到今天AI才有的現(xiàn)象，即使在原來整個的消費(fèi)互聯(lián)網(wǎng)的時代，要有這樣的產(chǎn)品數(shù)據(jù)才能說初步找到了PMF。ToB簡單來說，如果暫時看不到后面更加長期的付費(fèi)留存，至少可以討論定價邏輯，這些產(chǎn)品和公司還是要說清楚自己怎樣向用戶收費(fèi)，為什么這樣定價。如果可以講清楚定價邏輯的背后，就可以跟客戶算清楚創(chuàng)造價值的依據(jù)。如果講不清楚自己怎樣定價，很多的時候這是一個空對空，或者說虛對虛，這對長期的穩(wěn)定性有影響。

邱諄：我們也這么劃分PMF。ToC肯定還得再看在線時長，其實(shí)現(xiàn)在看到的問題是大部分的ToC產(chǎn)品，包括硅谷的很多產(chǎn)品都是在用戶嘗鮮階段，很多時候是被投流吸引過來了, 之后用了幾天、回答一些問題以后，基本上就沒太多留存了，也沒有太多在線時長，這是最多的情況，說明了PMF還是摸索階段。ToB則復(fù)雜很多，第一種是ToB應(yīng)用，就是直接的給公司解決銷售、HR等場景的。第二種就是基礎(chǔ)設(shè)施infra，其實(shí)更像工具，這個非常多，不管是解決算力還是網(wǎng)絡(luò)優(yōu)化等等。第三種則是底座大模型作為一個平臺，就是在它之上再生成產(chǎn)品，就像蘋果的IOS，IOS的PMF是找到了平臺的位置，上面派生出來很多的App，IOS自己是App的底層，支撐所有App而不再只是簡單的工具。

這三種不同的ToB形態(tài)都需要不同的PMF摸索，現(xiàn)在的狀況是還在摸索之中，我們現(xiàn)在可能在任何的一個時間點(diǎn)上，ChatGPT自己在C端的摸索也沒有完全完成。在B端的摸索也沒有完成。還沒有第三方公司完全利用GPT平臺變成一個類似Uber的大應(yīng)用，IOS可以在之上生出Uber或微信這樣大的第三方商業(yè)公司，現(xiàn)在GPT還沒有。GPT產(chǎn)生了一些公司，很快被自己干掉。OpenAI扶持了GPT生態(tài)，但更新到GPT-4的時候又殺死了很多。所以O(shè)penAI的PMF也在尋找，大家不需著急，還有很多機(jī)會。趨勢一定是對的，今天有點(diǎn)像互聯(lián)網(wǎng)在瀏覽器出現(xiàn)之前，當(dāng)瀏覽器出現(xiàn)之后大家認(rèn)為互聯(lián)網(wǎng)就是網(wǎng)頁。但其實(shí)互聯(lián)網(wǎng)在瀏覽器之前還有十年的時間，那時的應(yīng)用是FTP等，如果應(yīng)用公司想把服務(wù)提供給用戶，還沒辦法用網(wǎng)頁，當(dāng)時是把內(nèi)容放在FTP服務(wù)器，用戶利用FTP客戶端下載那些文件，然后訪問內(nèi)容，而不是通過打開網(wǎng)頁的方式。還有電子郵箱, 也是當(dāng)時所謂殺手級的應(yīng)用, 存在了十年的時間，直到www出現(xiàn)以后，才產(chǎn)生了真正的殺手級應(yīng)用。我們今天在大模型時代, 有點(diǎn)像已經(jīng)有了FTP和電郵，ChatGPT可能是電郵。所有創(chuàng)業(yè)者在這個階段是可以做很多布局和準(zhǔn)備。

朱嘉：過去幾年投資人越來越強(qiáng)調(diào)PMF，在互聯(lián)網(wǎng)時代是否所有偉大的投資都是從一開始就有PMF？今天的AI遠(yuǎn)遠(yuǎn)沒有定型未來會延展成什么樣的產(chǎn)品形態(tài)，把未來的不確定性交給優(yōu)秀的創(chuàng)業(yè)者去開啟，他們可以改變和創(chuàng)新。我們投的一些做AI應(yīng)用的企業(yè)，一開始做的并不是今天的應(yīng)用，但他們能夠敏銳地在市場上找到機(jī)會。除了PMF是一個好的投資時間點(diǎn)以外，在還沒有達(dá)到PMF的時候，也許反而會更加有VC投資的潛在高回報的機(jī)會。跟互聯(lián)網(wǎng)投資有相似的地方，我們要做的是去判斷這個人、這件事未來的可能性，判斷他的能力是否足夠去開拓這些可能。在硬科技和新能源的投資領(lǐng)域需要強(qiáng)調(diào)PMF，你做的東西下游客戶不需要的話肯定是很難成功的。但在To C領(lǐng)域，可以把不確定性包容進(jìn)來，這是VC投資最大的機(jī)會。

張治：我們會把市場分兩類，一類是創(chuàng)造性的市場，在大模型出來以前這個市場根本不存在，或者說這個應(yīng)用和產(chǎn)品根本不存在，比如說情感陪伴，甚至像Sora都是在大模型之前不存在的。大家都在探索這個新的需求會不會是一個真的需求，是否會有更廣泛的人用起來，這是創(chuàng)造性的市場。對這類的創(chuàng)業(yè)公司來說，我們會更加關(guān)注他們對技術(shù)的理解，因?yàn)橹兰夹g(shù)的邊界在哪里才能定義好產(chǎn)品的邊界，我們也會關(guān)注他們在產(chǎn)品化方面是否有很強(qiáng)的定義能力，技術(shù)形成產(chǎn)品以后，如何讓用戶留下，持續(xù)創(chuàng)造新的需求，擴(kuò)大TAM，提高產(chǎn)品粘滯度。

另一類在于我們會關(guān)注平替需求，也就是說這個市場原來就在，但通過AI和大模型可以讓市場的效率以及客戶服務(wù)的效率大幅提升，這在ToB領(lǐng)域會多一些。對于這類應(yīng)用公司，我們會關(guān)注團(tuán)隊(duì)是否有很強(qiáng)的行業(yè)認(rèn)知能力，很好的管理能力，經(jīng)營目標(biāo)是圍繞著如何持續(xù)優(yōu)化給客戶服務(wù)的性價比這件事上持續(xù)展開的。

郭允驍：年輕是WAVES的主題，很多人說AI現(xiàn)在是一個屬于年輕人的機(jī)會，大家怎么看在AI里面創(chuàng)業(yè)的年輕人，大家會在投AI的時候更傾向于年輕人嗎？

溫永騰：每一代人都有每一代人的機(jī)會。我很認(rèn)可朱總說的，PMF是不斷尋找的過程。今天雖然已經(jīng)出現(xiàn)很多的獨(dú)角獸企業(yè)，但我們相信在AI應(yīng)用層在未來會有非常優(yōu)秀的年輕人做出偉大的公司。我們現(xiàn)在非常關(guān)注的年輕人的成長性，在我們的想象中，這樣的年輕人肯定已經(jīng)存在，但他們可能在做要么特別小，要么大家現(xiàn)在看來沒有任何壁壘的事情。他們需要時間，慢慢成長。但他們也必須出發(fā)，因?yàn)槿绻裉炷贻p人還不做AI，五年以后也不一定有機(jī)會。我們非常堅定的支持年輕人，希望陪伴他們一起成長。

劉毅然：ToB領(lǐng)域希望創(chuàng)業(yè)團(tuán)隊(duì)有經(jīng)驗(yàn)，在企業(yè)客戶的應(yīng)對上，年輕人的優(yōu)勢在移動互聯(lián)網(wǎng)的時代見過還是在ToC的產(chǎn)品，一些年輕的天才產(chǎn)品經(jīng)理有巨大的奇跡。今天的AI時代，或者說早期的大模型AI時代，對這些年輕的AI原生產(chǎn)品有很好的理解，或者說沒有枷鎖的創(chuàng)業(yè)者來說。希望在技術(shù)側(cè)，對底層模型理解上有充分的學(xué)習(xí)能力?；氐轿覀冎v的端到端，對今天的產(chǎn)品和底層模型能力的結(jié)合我們非常在乎，我們認(rèn)為今天很多的AI產(chǎn)品底層模型能力就是產(chǎn)品能力的一部分。這樣的年輕人我們會更加鼓勵，更加歡迎。

邱諄：這代年輕人是原生的大模型一代，今天我認(rèn)識的年輕人在學(xué)校都直接用ChatGPT，很多人已經(jīng)在利用提示詞思考，想的就是怎么寫提示詞。它是一個生產(chǎn)力工具，禁止也沒有用。計算器和計算機(jī)出現(xiàn)的時候，一定會幫助年輕人做很多事情。學(xué)校不能就強(qiáng)制年輕人不上網(wǎng)，或者不能利用計算器。利用ChatGPT也是一個技能。但年輕人很多時候?qū)Φ讓拥膬?nèi)容不愿深入，我之前參加過一個圓桌，問在座的年輕人，有誰在使用GPT嗎，大家都舉手。再問知道GPT三個字是什么的請舉手，就發(fā)現(xiàn)這三個字母代表什么，年輕人其實(shí)很少知道。

GPT每一個字母的改變都是年輕人巨大的機(jī)會，如"G"(生成式)是一條新路線，年輕人可以改變它，不一定完成生成式去做現(xiàn)在的事情。又如"T"(Transformer)這個字母, 現(xiàn)在很多模型都試圖做不同于T的模型，這些對年輕人都是巨大機(jī)會。當(dāng)年谷歌這么大的巨頭也不認(rèn)可GPT路線，OpenAI最初也不認(rèn)可，而是一個年輕實(shí)習(xí)生堅持走這個技術(shù)路線。所以年輕人不僅是要用GPT，更要知道GPT代表什么，并且如何掌控和改變它。

朱嘉：我們經(jīng)常會低估年輕人，高估有經(jīng)驗(yàn)的人。年輕人在當(dāng)下有很大的機(jī)會，特別是面對一個技術(shù)轉(zhuǎn)變極其迅猛的時代背景，他們有足夠長的時間可以迭代，一定會抵達(dá)明亮的未來。

張治：我們偏好年輕人，從我們歷史投資的經(jīng)驗(yàn)看，如果兩個項(xiàng)目都差不多屬于第一梯隊(duì)狀態(tài)，我們更偏向于投資更年輕的團(tuán)隊(duì)。尤其是AI。大家是否相信AI是未來十年最大的一場浪潮？如果相信，那未來十年用AI和做AI的人，我理解更會是現(xiàn)在的年輕朋友們。我們看的是未來十年的變化，所以我們更相信年輕人。

郭允驍：感謝大家。