从 ChatGPT 3.5 问世起，中美两地就刮起一股生成式 AI 的投资浪潮。在美国，大厂们纷纷投入重金与 OpenAI 竞争，而中国更是出现了“百模大战”的竞争态势。

在靖亚资本和崔牛会联合主办的 “2023 Cloud 100 China 榜单发布暨CEO峰会”上，一场主题为“AI 时代大赢家：Who Will Win in the Age of Generative AI”的对话中，麦肯锡资深顾问郑香霖作为主持人，与Emergence Capital 合伙人 Santi Subotovsky、中金资本董事总经理孙威威和靖亚资本创始管理合伙人 Peter 郑靖伟，就生成式 AI 在中美如何投资以及如何能在 AI 浪潮中拔得头筹进行了深度的探讨。

Santi 认为，创业者需要专注于利用 AI 解决一个真正的商业问题，悄悄地成长，不必将其宣称为生成式 AI，因为你吸引到资本的同时也容易吸引到竞争对手。

他说，大家有些高估 LLM (大语言模型) 在有些商业场景的实用性。在接下来的几年里，垂类模型将变得非常重要。AI 并不是泡沫，虽然确实在 ChatGPT 看到了一些泡沫。AI 将创造许多伟大的公司，也会使一些我们认为会永远存在的公司面临风险。

在生成式 AI 时代，很多的创新都在同时发生，因此，这为全球的创业者带来了巨大的机会，可能从第一天开始就有全球的机会，这是当前时代所独有的。

孙威威表示，电商、制造、数据库、新药研发等领域会与生成式 AI 产生比较大的化学反应。中国和美国的垂类 AI 公司的起点其实差不多，因此，当我们的企业出海时，不论是去欧美、中东，还是南美、东南亚，都很有机会。

他还特别补充了一个 AI 场景的机会，就是另类资产管理 (Alternative Investment)，他说，这个行业对系统的需求非常强烈，但是市场上目前可以有效快速部署的 SaaS 还很少。

在 Peter 看来，中国肯定会出现对标 GPT-4 的 LLM (大语言模型)，创业公司有巨大的机会，但也要注意大厂的竞争。

在生成式 AI 的时代，很多美国的大企业也不接受把自己的数据给到 OpenAI，中国的大企业也会有这个顾虑，未来，面向大企业的私有部署大模型会有巨大的机会。

如果你看到了一个行业的问题，并且有客户的私域数据，其实都不一定需要大模型，可以用开源的模型结合调优的工具，然后与工作流整合，这样才能建立护城河。

以下为本次对话的内容整理：

郑香霖  (主持人)：麦肯锡今年发布了 'State of AI Report'，第一个问题想请各位分享一下各自的基金是否有投资 Generative AI (生成式 AI)，投的多吗，为什么投或不投？

Peter 郑靖伟 (靖亚资本)：我们投了一些生成式 AI 的公司，有一个是做 text to 3D，就是可以通过自然语言描述来生成 3D 动画、模型。我们也投了一个做低代码的平台，它是把生成式 AI 的功能嵌入，让定制化的软件更容易研发出来。

最近，我们也盘点了一下，除了 Zilliz 作为生成式 AI 领域非常关键的向量数据库基础设施外，我们还有其他八、九个公司，或是生成式 AI 原生、或者是已经拥抱了生成式 AI 在它的应用里。所以，算下来我们可能目前有 25% 左右的被投企业已经拥抱了生成式 AI，或者说本身就是 AI 原生的应用软件。

之后这个比例肯定会更高，因为有许多创业公司还在找场景，但也不能因为生成式 AI 而生成式 AI。因为你做了之后客户不一定付钱。不是说你有了自然语言交互，客户就会多付你 50% 的费用。

孙威威（中金资本）：AI 在电商场景、大数据等方面的潜力也非常大，我们在这些领域已经有一些直投项目。从母基金的角度来看，我们目前已经投了近 300 多只 VC 基金。类似于生物医药领域，我们看到大家在积极拥抱 AI 进行药物研发，比如 AlphaFold。这个趋势在国内正在快速兴起，也有不少案例了，这是我们从间接投资看到的一些趋势。

Santi（Emergence Capital）：跟 Peter 很像，我们基金一直以来也很专注。我们从 2000 年初就开始投资 Cloud 行业，当时，其他机构认为我们很愚蠢，因为没人相信 Cloud 行业。

我们也一直在布局生成式 AI，只是在过去的七年里，我们没有将其称之为生成式 AI，而是称之为 Coaching Network。我们积极投资于从第一天就开始做生成式 AI 的公司，同时也投资于那些传统 Cloud 的业务模型但正在结合生成式 AI 的公司。因此，回顾我们的投资组合，像 Salesforce、Box、 Zoom、 Bill.com 这样的公司，几乎每家都是生成式 AI 公司，尽管他们最开始的商业计划书中并没有提到这一点，而且他们的估值当时要低很多。

郑香霖 (主持人)：在美国，LLM (大语言模型) 几乎都集中在几家大公司手里，而在中国短短几个月之内就出现了超过 100 家大语言模型公司，并且其中有不少已经成长为独角兽。请各位分享一下中美在 LLM 方面有什么不一样？有什么机会点？

Santi（Emergence Capital）：当我们提到 LLM (大语言模型) 时，每个人都认为大语言模型对于生成式 AI 来说必不可少，好似这是唯一能够创立一个成功的 B2B 企业的方式。但如果你仔细思考，假设你在医疗行业尝试解决一个问题，此时你向 ChatGPT 寻求答案，如果那个答案只有 80% 的准确性，那就满足不了要求。因此，大家有些高估 LLM (大语言模型) 在有些商业场景的实用性。

我们认为在接下来的几年里，垂类模型将变得非常重要。如果你从事医疗、建筑等行业，你其实并不关心答案是否用漂亮的英语句式来表达，你只是想要正确的答案。这就是为什么在真实商业场景中，拥有与你所关注的领域相关的数据最终会比通用的 LLM (大语言模型) 更有价值。

孙威威（中金资本）：谈到中美的不同，其实大家的起步是差不多的。虽然有些从技术上会说中国的很多公司要落后美国半年到两年之间，但现阶段，两国 AI 公司都同样面临找应用场景的问题。比如：很多创业公司都在做 AI Agent（AI 智能体），实际上，大家都需要将 AI 大模型快速应用到行业里。所以，不管是在美国，还是在中国，无论是生物科技，还是营销科技，其实都在尝试把 LLM（大语言模型）用到产业里，从商业底层逻辑上来说，中美是一样的。

我们和美国的垂类 AI 公司的起点其实差不多。因此，当我们的企业出海走出去时，不论是去欧美、中东，还是南美、东南亚，我觉得都很有机会。

Peter 郑靖伟（靖亚资本）：中国不论什么行业都比较卷，当年是“千团大战”。美国出了一个 GroupOn，中国出了 1000 个团购。现在，美国出了一个大模型，我们出了 100 个，而最终，这 100 个肯定不会全部留下来，但留下来的一定是比较出色的。就像刚才报告里面说的，中国肯定会出现对标 GPT-4 的LLM (大语言模型)。在今年 Cloud 100 China 榜单里也有几家（做大模型）上榜的，未来肯定有机会。但也要注意 BBAT（字节、百度、阿里、腾讯）和华为等大厂，他们也来势凶猛。

郑香霖（主持人）：除了 LLM，生成式 AI 有没有别的机会？

Santi（Emergence Capital）：在 Emergence，我们花了很多时间努力判断哪些是有趣的机会。

正如 Peter 所说，仅仅依靠生成式 AI 的概念来创办一个公司是不够的——这可能会让你早期融资比较容易，因为今天每个人都在关注生成式 AI 公司，但这并不意味着你将创立一个持久成功的公司。

你需要专注于解决一个真正的商业问题，而现在是一个巨大的机会，因为你可以悄悄地自我成长，不必与所有声称在做生成式 AI 的公司竞争。你可以尝试解决一个商业问题，比如自动化营销或客户关系管理或候选人面试。你可以专注于工作流，收集数据，然后利用这些数据将生成式 AI 纳入软件的工作流里。

这样的一个公司是 AI 原生的，但你不必将其宣称为生成式 AI，因为一旦你开始将其称为生成式 AI，你将吸引到资本，但同时也将吸引到很多竞争对手。因此，我们认为，创业者应该悄悄地在幕后使用生成式 AI 来解决一些商业问题。

孙威威（中金资本）：非常同意。我认为在中国的 AI 创业者还有一些独特的机会，比如：在制造业，我们投了一些做工业检测的公司，它实际上就是用 AI 在图像方面的技术和模型来做检测，可以用于包括半导体以及精密加工件的检测。它会在 LLM 上进行结合和叠加，但它的应用场景在中国有巨大且独特的优势。

Peter 郑靖伟（靖亚资本）：我觉得机会非常多，最关键的是找到合适的场景。刚才孙总提到了制药领域，我们之前也看到一个 AI 制药公司，制药生物学里的参数跟大模型的参数有的比，都是百亿级的。以前试一个药，需要花很长的时间，现在通过生成式 AI 是可以大大加速进程的。

这只是一个场景，关键在于你能不能找到一个 AI 可以实际起到作用的场景，而不是仅仅将大模型的功能包进来，因为这样是没有护城河的。从大模型应用的角度，如果你看到了一个行业的问题，并且有客户的私域数据，其实都不一定需要大模型，可以用开源的模型结合调优的工具，然后跟工作流整合，这样才能够建立护城河。

郑香霖（主持人）：再来聊一聊 AI 应用。麦肯锡的报告里特别提到有三大应用场景，第一是刚才 Peter 提到的销售和营销，包括很多广告公司在协作和创意领域都用到了生成式 AI 的工具。

第二是产品研发，如何更快更标准以及符合客户需求地回应给客户也是大家在努力的方向。第三是客服，如何在减少人手的情况下做得更好。除了这几点之外，各位有没有注意到其他的功能或是应用场景可以分享给大家？

Santi（Emergence Capital）：刚刚提到的很多都是不错的场景，在这些场景中，生成式 AI 可以帮助我们更快速、更准确地解决原先需要人力来解决的问题。

但值得注意的是，有一些我们过去已经解决的问题，比如：客户关系管理（CRM）、人力资源管理（HCM）或费用跟踪等，其实也可以通过生成式 AI 来更好地解决。所以当我们与创业者交流时，我们总是鼓励他们不仅要考虑可以用生成式 AI 解决的新问题，也要考虑哪些现有问题可以通过生成式 AI 更好地被解决。

就像 Cloud 以不同的交付方式取代了很多本地软件一样，现在 AI 可以用 AI 驱动的解决方案来取代传统的 Cloud 业务。而且其中的魔力在于，你不需要让客户为此创建一个新的预算项，你只需要告诉他们既然已经在传统的工作流工具上花费了这么多钱，现在只需要用更好的解决方案来替代它们即可。这样也可以使资本效率更加高效地提升。

孙威威（中金资本）：我觉得 AI 肯定会影响和赋能千千万万的行业，哪些行业现在就有机会呢？比如：刚刚提到的制药、制造、电子商务，在这些领域可能进展会比较快速，因为它的数据量比较大，而且本身就已经有技术基础和数据底层基础。

我最近参加了几个医药医疗基金的投资人大会，最火的话题就是 AI + Biotech（生物科技），现阶段这应该算是一个爆发性的机会。再往后，金融科技和政务这类的客户潜力也很大，因为有大量的降本增效的空间。

Peter 郑靖伟（靖亚资本）：因为刚才孙总已经讲了生物制药，我就不多提了。大家都觉得好像国外的企业特别接受公有云 SaaS，但其实在生成式 AI 的时代，很多美国的大企业也不太接受把自己的数据给到 OpenAI。

举个例子，假如你是某化妆品巨头，你有 100 年的历史，在过去有和无数的客户和供应商签定的合同，现在你有一个场景，希望通过 AI 加速公司内部律师的效率，你觉得他们会把公司过去 100 年所有的历史合同和修改历史喂给 OpenAI 去学习吗？中国的大企业也会有同样的顾虑。

郑香霖 (主持人)：除了金融科技、AI 之外，还有没有什么赛道各位想分享一些建议给大家参考？

Peter 郑靖伟（靖亚资本）：生物制药和国央企这种有“信创”概念的，我觉得在国内特别有机会。

孙威威（中金资本）：我特别补充一个客户，就是我们这个行业，另类资产管理（Alternative Investment），就像靖亚资本。因为我们观察到，我们这个行业大部分对系统的需求很强烈，但是，目前市场上没有看到一款可以有效快速部署的软件，更不用说是 SaaS 了。

其实，这个行业很大。VC/PE 在中国可能有 2 万家，管理的资金量也很大，有至少几万亿，甚至十几万亿，但却没有很好的 IT 产品。我们既管 FoF，又管 VC Funds，所以很多 LP 就会问我们系统和数据怎么管？我们是找了一个 IT 公司专门开发一套系统，所以如果有创业者能做出来，是很有价值的。

Santi (Emergence Capital)：在 Emergence，我们会研究每一个垂直领域和通用领域。在垂直领域中，我们认为每一家初创公司和大厂都可以利用生成式 AI。在通用领域，比如销售、营销、客服和财务等都可以通过使用具有人工智能引擎的工作流工具变得更加高效，这已经几乎覆盖了整个市场。因此，整个市场都有可能被改革。就像本地部署迁移到云上并创造了很多成功的企业服务公司一样，我们相信 AI 也会发生这种规模的变革。

AI 是泡沫吗？

郑香霖（主持人）：去年 ChatGPT 发布之后，已经有很多人（甚至图灵得主）都提出了警告。作为行业专家，各位有没有一些警告给到大家？或者说的直接点，AI 会不会是泡沫？

Santi（Emergence Capital）：我不认为 AI 是一个泡沫。我不认为它会像非同质化代币（NFT）或虚拟现实那样。

但是我们确实在 ChatGPT 看到了一些泡沫。有多少人每天会多次使用 ChatGPT？通常情况下，只有极少数人会每天多次使用 ChatGPT。ChatGPT 确实向我们展示了一个巨大的机会——我们不认为这是一个时髦词汇，相反，我们认为 AI 是真实的。AI 将创造许多伟大的公司，也会使一些我们认为会永远存在的公司面临风险。

孙威威（中金资本）：我和 Santi 的看法一致的是，我不认为现在 AI 领域有很大的泡沫。我其实想把 AI 与七八年前的新能源行业做比较，当时，大家对新能源还有很多顾虑，很多公司（包括理想和蔚来）都在亏损，上市后股价压力也很大。

但是现在我们看到中国的道路上跑着这么多新能源汽车，就是在这短短几年间发生的。所以，就看大家是不是相信 AI？如果相信 AI，找到自己的切入点和方向，把握好自己的节奏，将来的机会是非常大的。

Peter 郑靖伟（靖亚资本）：我觉得生成式 AI 作为一个长期的趋势是没有泡沫的，但是短期的估值还是有疑问的。以我曾经在腾讯做广告技术举例，我当时推出一个产品都需要大半年，这还是一个大家觉得很简单的广告技术。

然而，现在才半年多的时间，已经有 100 个公司说他们已经做了 OpenAI 花了好几年才做成的事。如果大模型的门槛真的这么低，那我觉得目前有些创业公司的估值其实是过高的。当然，这更多可能是我们投资人的问题，不是创业者的问题。换一种角度说，这个时候是最好的创业时机，因为总有人愿意给钱，估值也很好。