對話硅谷VC張璐：2/3生成式AI機遇屬于巨頭，奧特曼還無法與喬布斯馬斯克相提并論

楊凈 發自 凹非寺

量子位 | 公眾號 QbitAI

比互聯網時代機會規模大10倍，但三分之二機會可能是大公司的。

面對此次以生成式AI掀起的產業創新浪潮，硅谷技術VC——Fusion Fund的創始人張璐給出這樣的論斷。

不過即便只有三分之一的機會屬于初創企業，但大10倍機會規模還是非常可觀的。

張璐坦言：從年初到現在，硅谷早期投資生態非常活躍，要是有高質量的創業項目會很快拿到超募。

不過不同于國內千模大戰，現在硅谷，初創公司已經很少在做模型，大家關注點已經轉向應用層。用張璐一直以來對技術創新的周期判斷來講：

基礎創新階段已經過去，現在進入到應用創新大趨勢。像賈揚清創辦的LeptonAI，最近大火的首個超過GPT4性能的開源模型公司NexusflowAI，Cloudera創始人最新創建的Vectara等都是是張璐最新投資的項目。

這樣的發展，其實與張璐帶領的Fusion Fund一直以來的投資主線不謀而合：通過新技術整合推進全產業的數字化轉型。

而除了生成式AI，硅谷又有怎樣的New Trends？

量子位與張璐展開了年度硅谷連線。

硅谷現狀：商業化速度非常快，模型層已成熟

與上一波決策式AI浪潮發展不同的是，此次生成式AI商業化落地速度非常快。

這也是張璐最明顯的感知。從今年年初發展到現在，張璐坦言硅谷早期投資生態非常活躍。

除了看到落地速度，也發現很多初創公司不需要融很多錢了。因為開發成本沒有那么高、效率也提上來了，不需招那么多工程師。

對于很多高質量創業者來說，這會是個很好的創業時機。一些早期優質的項目經常可以拿到超募。“資本的馬太效應非常明顯。”

張璐也解釋了這背后的原因。

一來，美國天生有個非常獨特的市場環境，它可能是全世界做企業級(ToB)銷售最容易、也最成熟的商業市場；

二來，ChatGPT讓所有產業意識到「這個工具存在了，如果我不用，我的競爭對手會不會用？全產業數字化轉型整體加速」

除了生成式AI能提高產業效能、經濟形勢等方面的影響，張璐還談到了一個很有意思的現象，那就是產業玩家的緊迫性。

張璐2018年就和她的合伙人前惠普CTO Shane Wall，一起建了一個Fusion Fund CXO網絡，至今其中有44名500強企業的CTO，覆蓋了11個不同行業。網絡成員每個季度都會進行閉門討論分享，從今年初開始，與CTO們聊的一個大主題就是各種生成式AI的產業落地應用，從“企業的數字戰略”、“生成式AI的應用挑戰”到“人工智能時代的數據監管和隱私”等等，張璐就談到這些CTO的緊迫感非常強。

張璐總結這樣的緊迫感來自于兩個方面。

一方面是他們擁有海量的有價值數據，問題在于如何利用數據策略將數據的價值反映到公司的估值，也就是制定公司數據戰略。

另一方面，這些CTO發現公司員工會暗自使用ChatGPT，這背后也帶來了數據隱私的問題，急需一個行業專屬模型來替代，更重要的是效能提升的需求非常迫切，產業有更強的動力去應用新的技術

據張璐透露，這些大公司專門批給CTO或者是首席創新官，以及專門與初創企業戰略合作的預算越來越高，以前可能只有幾千萬、幾億美金，現在可以到十幾億美金。

這樣的情況，再加上得益于AI工具的助力，初創公司開發成本降低、效率增高，也進一步提高了很多初創企業的商業變現速度。

不過在面對「生成式AI是否能夠重塑各行各業」這個論斷時，張璐直言：

并不覺得會重塑，在硅谷更多看到的是Plug in，相當于是現在的行業應用，再加上生成式AI作為一個feature（功能）。

張璐認為目前這一階段仍只是人工智能的序曲，還沒有達到高潮。

而要實現真正的高潮，張璐主要談到了兩點。

一個是從跨領域生態上看，目前需要解決生成式AI應用的幾個挑戰：一是算力成本過高；二是耗電量比較高；三是數據傳輸和溝通的效率，以及數據隱私的問題。

第二個則是垂直領域的應用，這其中很重要一點就是拿到行業高質量數據。這對初創企業創始人就有一定的要求，比如要懂這個行業，懂得在模型訓練過程中去給專業的行業反饋；要有能力與行業龍頭成為戰略合作伙伴，并且拿到他們的高質量數據來去優化模型，打造行業專屬模型。

而早在2017年，張璐帶領的Fusion Fund團隊從AI在醫療領域的創新開始，深度布局各個行業的人工智能應用。從2021年開始，張璐帶領的Fusion Fund團隊就在生成式人工智能商業應用開始明確的投資布局。

最早就是You.com，由Salesforce前首席科學家做的生成式AI搜索引擎，直接對標Bing。You.com近年來實現了快速增長，即將成為領域內的獨角獸企業。

Fusion Fund還投資了各種垂直領域的企業，比如在制藥醫療、企業服務、金融保險、物流供應鏈等領域均有布局。這些垂直行業的被投企業商業化都做得非常好，年收入至少在1000萬美元以上，一些企業級的AI解決方案年收入超過了6000萬美金。

尤其是近年來涌現了諸多企業服務場景的公司。比如Fusion Fund投資的Vectara，就是用生成式AI進行企業級搜索，解決了如何將大模型應用到小的數據團隊里的問題，能夠完成跨文件格式及跨語言搜索等操作，以及針對企業級會議應用的Otter.ai。

此外，Fusion Fund還關注到一些在跨領域生態上驅動AI應用的企業，覆蓋從算力優化、邊緣計算、數據隱私，再到AI監管、聯邦學習等方面。比如業內最頂尖的邊緣計算芯片公司EdgeQ，賈揚清創始的Lepton AI，開源領域的Loft.sh和Nexusflow等。

這也引出了硅谷目前第二個現狀：

初創公司做模型已經非常少了，大家的關注點已經從模型來到了應用層。

張璐談到，這背后涉及美國公司的一個共性，那就是重點去做別人做不了的，然后再在周圍建生態，吸引很多公司在自己生態中成長起來。

英偉達就是個典型例子。英偉達有能力自己開發諸多應用，但他們并沒有自己去做應用，而是專注在硬件層+基礎平臺層，用自己的算力系統搭建好基礎設施與平臺，吸引初創公司在它的平臺上建立新的應用。

英偉達從數年前開始就在布局自己的生態，它推出了“初創加速計劃”（Nvidia Inception Program），在各個垂直領域精選優秀的AI初創企業，獲獎企業能夠獲得獎金并優先使用英偉達平臺的資源，而Fusion Fund投資的企業中已有9家企業入選該計劃。張璐團隊自2017年起也一直和英偉達緊密合作，最近Fusion Fund的創始人日活動就在英偉達總部和英偉達聯合舉辦，加速生態發展。

像谷歌、亞馬遜、微軟等大公司，他們也希望建立自己的生態，通過大模型來幫他們留住企業云客戶。OpenAI也曾公開表達沒有意愿去做垂直領域的應用。

在這樣的生態環境下，初創公司就能在科技巨頭開發的模型層上建立各種各樣的應用。而且初創公司的選擇，也會觸發模型層企業的良性競爭，模型成本也會逐漸降低。

這就是為什么在美國很少見到初創公司再去做模型了，因為沒有必要。

這也間接印證了張璐一直以來對技術周期的看法：技術創新的周期是“先基礎技術創新，再技術應用創新，最終會帶來新的商業模式創新”。現在大家一個共識是，目前已經進入到技術應用創新的周期。

總的來看，此次生成式AI浪潮，其實與張璐團隊一直以來強調的概念0代碼人工智能平臺不謀而合——

使用者不需要寫任何一行代碼，也不需要懂代碼，就可以直接應用和受益于人工智能解決方案。

之前大家一直不能理解，但現在通過ChatGPT進行了大規模的全產業教育，大家發現原來真的可以。尤其在B端，因為有非常落地的行業應用場景，推進速度非常快。

以前人工智能的概念也火過好幾次，但都不像這次如此落地。這也是生成式AI最大的一個優勢。從投資者的角度來看，商業落地進程加快，很快就可以解決實際問題。一個公司的發展前景就可以預測得比較明確了。

張璐建議初創公司要明智地選擇切入點，不要同大企業硬碰硬，而是要去得益于大企業間的競爭，選擇最有優勢的應用場景去切入，選擇最合適的生態去合作。另外隨著產業快速發展變化，大企業不管是提供底層模型的優化，還是生態的成長，都會為初創企業帶來新的行業機會。

兩條投資主線更為清晰

這樣的發展變化，在張璐團隊看來是原有的投資主線更清晰了。

也就是全產業的數字化轉型。而且是投資平臺性技術去挖掘數據的價值。

平臺型技術包括人工智能、邊緣計算等各種各樣的技術。所以生成式AI其實進一步推進了全產業對人工智能的認知以及對數字化的需求。

甚至有些行業，他們并不是真的擁抱AI，但看到同行業競爭對手開始使用人工智能，就會覺得必須要布局。

所以現在看到的各種探討，一方面在于我們到底怎樣在垂直領域應用人工智能，另一方面更多探討的是?build VS buy，是內部自建還是外部采購。

科技公司更傾向于前者，因為開發成本越來越低。但對于傳統行業來說，外部采購速度更快，多樣性更強，而內部去搭團隊周期較長，并且也涉及一些數據隱私考量。

另一大不變的投資主線在于技術應用是否能賦能到每個個體、每個企業。

人工智能最大一特點就是作為工具被人使用。現在很多人在探討說工具將完全替代人，但張璐認為現在還不到這個階段。

實際上，一個人使用AI等工具完成的工作量，可能就是以前三個人做的工作量。因此更需要關注的是，技術植入之后，如何更好地提升大家的生產力和生產效率。

近幾年，科技與創投圈每年都會迎來全民關注的新風口，從張璐的角度來看，這其中有些是真的、有些是假的。像區塊鏈、加密貨幣、元宇宙、Web3這些比較火熱的話題，張璐團隊一直都保持相對謹慎的態度。

但這次生成式AI所帶來的數字化轉型機遇，在張璐看來是真正可以落地的機會。所以不僅是Fusion Fund現在的布局，包括此前布局的AI公司，都圍繞著這種趨勢都在快速成長。

張璐解釋說，這背后有個很重要，也是非常簡單的一個判別式。

那就是回歸商業本質?，看這項技術是否在解決現實產業中一個重大的問題，還是只在自己生態圈里圈地自萌。

“We need to create something people need, not people like”，你做的技術產品必須是人/產業需要的，而不只是人/產業喜歡的。

這一點同樣也適用于人工智能熱潮，市場上也有不少的泡沫。比如C端一些很炫酷的應用，寫幾行字就能生成好玩的照片。但若想想，這個功能在未來幾年每個星期都會有人使用它嗎？它是否真的能可持續發展呢？

相較而言，一些產業應用確實解決能實際需求，比如利用AI解決醫學影像增強，分析，在金融行業做投研報告和數據分析等等。

看好四大產業方向

圍繞著這層邏輯，除了生成式AI，張璐還透露了看好四個產業領域的未來技術發展。

第一是醫療，主要有兩個值得關注的方向：一是數字化治療（Digital Therapeutics）；二是數字化生物學（Digital Biology），尤其是合成生物學。從AlphaFold的持續更新，再到今年生成式AI，都極大地加速了數字化生物學的產業進程。

第二是保險行業的數字化。目前保險行業有海量的高質量數據，市場量級非常大，但與此同時又面臨著利潤率越來越低的產業挑戰，這就讓保險科技及AI在保險領域的應用有了巨大的發展空間。

第三則是新一代的制造業和物流供應鏈。因疫情、人力成本越來越高等各方面原因，一些傳統物流供應鏈公司不得不推進自動化進程，由此衍生出一個非常大的趨勢即自動化機器人，越來越多數字工廠將誕生。

不過她強調，這里的機器人并非簡單意義上的人形機器人，而是各種各樣產線上自動化運作的機器人，這是一個大方向。

比如最近，張璐團隊投了一家保險科技公司——Koop，它是為這些應用大量機器人的工廠提供機器人保險。

除此之外，她還提到了另一種未來的想象。當機器人變得越來越小的時候，它所能做的事情、帶來的創新維度就會變得非常不一樣。

比如進入到臨床階段的納米機器人，他們在投的一家數字治療的項目，其產品就是一個智能膠囊，吞進去之后，就能實現整個消化系統的數據采集，以及定向定點的釋放藥物。

最后一個是太空科技。她給出論斷：?現在太空科技進入到第二個階段?。

第一個階段，太空科技更多的是傳統發射火箭、衛星，硬件比較多，成本也較高。但現在已經進入到第二階段，即太空數據時代。

再過兩年，馬斯克Starlink發射的衛星總量可能會超過肉眼可見的星星數量，所以太空是非常擁擠的，三維的太空日常交通情況會非常糟糕。

所以一來這產生了很強的需求，即如何去管理和經營太空中如此龐大的社群。張璐最近投資了一家公司就專注于太空中的交通管控，這是非常重要的應用。

二來，就是太空數據要如何應用，如何將其低成本化。

舉例來說，過去想要獲取太空數據需要自己發射衛星，但現在可能也不需要自己發衛星，而是直接運用太空中的衛星數據。未來，地球上各類大小企業都能更好地利用太空數據，更多人也將更好地受益于太空數據，這是非常有價值的部分。

而在這個過程中一旦有數據，就可以用人工智能。

張璐坦言：很多現在討論的技術，它都有一個很大的特點，就是它并不是突然間出現的拐點般的新技術。事實上，這些技術往往存在已久，只是現在產業開始大規模應用，而且是產業到了特定時間節點，必須要做出改變的情況下。

比如像腦機接口、人形機器人等技術，張璐覺得這些絕對是未來的發展方向，但現在技術層面的挑戰還需要一步一步解決。

而像AI Healthcare以及太空科技，張璐預測或將是明年的風口。

尤其像AI HealthCare正在火速成長過程中。人工智能在醫療領域的應用，本身就是現在的一個大趨勢和風口。

One More Thing：如何看待Sam Altman？

在被問到硅谷如何看待Sam Altman這個當紅明星，有沒有將他當做下一個馬斯克、下一個喬布斯。

張璐坦言，他（現階段）跟馬斯克和喬布斯，可能還無法相提并論。

“Sam當然也是非常厲害的領袖，他能夠非常堅持地去做這件事情，經歷了各種嘗試和挑戰，最終選定Transformer這個架構并一路走下來。所以我覺得Sam可能比較強的一點是他的Vision，還有對理念的堅持，確實也很有韌性。”

但是從另一方面來看，這個產品最早的idea并不來自于他，技術也不來自于他。他更多像是一個很杰出的領袖，在對的時間節點，將對的人湊在一起，然后去拿對的資源，將很多東西整合起來。

不過喬布斯和馬斯克也不是同一類人。喬布斯是真正的創造者，他真的是從零到一去做創新的人。

而馬斯克，其實很多他做的東西都不是完全原創，他也并非特斯拉最早創始人，但他能將其做成商業化。他更像是個Dreamer，敢于去挑戰一些非常難的產業問題。

Sam Altman，現階段來說跟喬布斯和馬斯克還是有明顯差距的。不可否認，OpenAI帶動了生成式AI浪潮，但在OpenAI的技術和研發中，首席科學家Ilya等在內的科學家，才是真正的OpenAI之父。