對比往年，九合創投創始人王嘯認爲自己在2023年出手相對保守了一些，對前期燒錢過多且不一定有收益的項目非常謹慎。
但對生成式AI項目除外。
對於這一他看好的賽道，他出手迅速。2022年底，王嘯曾判斷大模型將帶來一波新機會。2023年，他投了十多個AI相關項目，差不多佔據九合創投2023年投資項目總量的70%~80%。
之所以能在大環境遇冷的情況下，在AI賽道堅決出手，一方面是王嘯認爲自己的內核是樂觀的。“早期投資人如果不樂觀，根本就做不了早期投資這件事。”另一方面，相比投資遇冷的整體環境，科技賽道受到的影響相對較小，資本密度也沒有下降。
九合創投成立於2011年，創始人王嘯是中國互聯網行業最早一批從業者，此前爲百度初創團隊成員，被稱爲“百度七劍客”。目前九合創投已經投資近300家早期科技類企業，成功上市的企業有青雲科技、鷹瞳科技等。九合創投第五期人民幣基金正在募集中，據悉進展順利。
“我認爲大模型運用跟商業化的距離並不遙遠，部分團隊拿到一兩輪投資，就能依靠自己活下來了。”王嘯說。
但王嘯也認爲，大模型的競爭是大廠和資源的競爭，創業公司的優勢並不明顯。因此，他選擇了具身智能、多模態垂直模型以及大模型的應用开發三個方向。在王嘯看來，未來這些領域中有一定機會產生出新的行業巨頭。
以下爲王嘯的採訪整理，有刪節。
1、大模型上層應用的商業化路徑，相對清晰
AI這種能力應用在哪個場景進行商業化比較好，這是創業者一开始就要思考的問題。
因爲AI能力並不一定是稀缺的能力，尤其是大模型能力，在經過了最初期的“緊缺”後，現在國內外都有很多家大模型，且市場上的开源模型也越來越多。
所以我不太看好只有技術但不理解市場的團隊，我覺得做出來的難度很大。
另一方面，我始終認爲，大模型的競爭一定非常激烈，投入也非常高。前段時間，Meta表示將花幾十億美元購买35萬張英偉達H100顯卡，換算成人民幣就是百億級的投入，而這僅僅是一次性購买，它前期肯定累計採購了非常多算力資源。
由此可見，大模型競爭依舊處於百億元量級的資源競爭階段，包含數據的梳理、算力的購买使用以及工程師的選擇等層面，資金的密度和數量都很大。創業公司很難坐上牌桌，它也不可能融到那么多資金。
我們現在關注更多的是基於大模型之上的場景、應用和需求。在過去沒有大模型，有一部分用戶需求是無法被滿足的，但基於大模型之上的軟硬件服務搭配，就有可能完成得更好，從而提高這部分用戶的滿足度。以此爲基礎衍生出的產品或服務，就是很好的商業化落地方向。
在我看來，大模型上層應用的商業化路徑，並沒有大家想象得那么復雜，相反，我覺得是清晰的。
大模型本身解決的是生產力問題，爲生產力而非生產工具付費，是一件邏輯线更直接的事情。比如說過去一個崗位需要10個人工作，但現在只需要1個人，剩下9個人的任務用AI替代，但只需要花費僱傭2個人的費用，這在商業化邏輯上並不存在問題。
例如過去我們拍攝視頻廣告的時候，可能需要一個小團隊拍攝兩三天，成本至少要10萬元。但現在如果使用大模型生成視頻，可能只用付費1萬元，就可以獲得效果不錯的視頻，而且還可以同時進行多次復制。但實際上這1萬元的費用裏，AI生產供應商的成本可能只有1000元。所以，在我看來，大模型應用的商業化路徑是清晰有效的。
與之相對的是，大模型的商業化依賴於應用側的繁榮。
從目前來看，大模型應用的生態化不是輕易能夠搭建的。因爲大模型本身是一個平台型的技術，它需要在生態建立的基礎上，大家購买它的字符。這就需要構建在大模型上的應用層，有足夠的豐富度和商業能力，才能夠形成商業化閉環。
近期OpenAI推出的GPT store其實就類似於App Store，因爲大模型本身並不能很好地解決應用中的需求，所以它需要开發者在模型的基礎之上做开發，來更好地給用戶或者是客戶提供服務。
這是一個比較簡單的邏輯，而且這個生態一旦形成，數據能夠回歸到大模型裏面，大模型的能力也會顯著提升。
現在大模型還是從互聯網抓取數據進行清洗，但如果大模型應用能不斷給它反饋數據，它的能力就會顯著提升。
這也是百度文心一言能夠跑到相對頭部位置的本質原因，即發布早、用戶多，現在已經形成了數據、用戶和大模型之間的一個螺旋式上升的過程。對於大模型而言，數據飛輪的先發優勢非常明顯，即使像Google，現在面對OpenAI也很被動。
只有大模型應用的商業化普遍起來，大模型的商業化才會提速。
2、2024年，AI創業公司面臨“生死劫”
對於創業公司來說，無論是to B還是to C領域，兩邊都有（商業化的）機會，只不過解決的問題不一樣。to B端解決的更多是提高效率的問題，to C需要解決用戶的需求和痛點，可能更偏娛樂或陪伴。
從過去一年多的發展來看，我們目前看到AI創業公司的商業化落地路徑，主要有兩種類型。
第一種是原公司具備數據能力和一定的客戶能力，在自身核心能力之上加入大模型能力，提升原有產品的體驗和服務，在我看來這是一波更明確的機會。
第二種是從收集數據开始，重新做一個垂直領域的模型。目前已經有一些創業公司在嘗試做了，但想要真正把大模型運用好，在垂直領域中滿足客戶需求，這是一個慢慢嘗試的過程。我預計三到五年後，才會有一批公司出現，把這件事做好。具體是哪些方向、領域或創業團隊，可能還得再過兩三年才能看出來。
相比to B領域，to C的AI創業公司需要更長的商業化耐心，可以優先發展終端用戶規模，至於殺手級應用程序，還需要一段時間。
但值得注意的是，如果AI創業公司最开始沒有找到商業化落地的場景或機會，在大模型訓練成本普遍較高的情況下，融不到錢就很難存活下去。因此，今年可能有大批的早期大模型創業公司陷入融資困難，甚至團隊解散的困境。
在我看來，創業公司能做下去其實是小概率事件，“死掉”才是大概率。
2023年，九合創投投資了十幾個AI相關的項目，這期間，我們看了至少一兩百個AI相關項目。
我們也觀察到，目前國內AI創業者對於融資的態度更切合實際了，估值等各方面的考慮也更合適。他們也更務實了，會優先思考更多方面，比如商業化層面，公司成立初期就要有收入、利潤，而不是單純講故事。盡管當下的融資環境比較艱難，我認爲依然還有很多人在創業和嘗試創業的過程當中。
另一方面，在生成式AI領域，大家關注AI是共識，但從投資的角度來看，還存在很多非共識。
九合在過去一年的投資篩選邏輯也進行了一些微調。在團隊能不能創造比較好的價值、有沒有技術壁壘、能不能解決一些核心問題等大方向不變的基礎上，我們對於項目能不能持續生存、是否有造血能力這部分的考察比重在增加。如果自我造血能力短期內無法跟上，那么團隊的融資能力也是十分重要的一部分。
3、面對被“卡住”的風險，保持樂觀
很多人可能對中國的人工智能發展比較悲觀，擔心存在被“卡住”的風險，但我是相對樂觀的。
算力確實是人工智能發展的一個很重要的部分，但除了算力之外，場景、場景之上的數據，以及工程師的能力也非常重要。我認爲我們在算力外的其他幾個領域中，並不存在顯著的問題。甚至我們的場景更豐富、更多、更容易獲取數據；數據和數據處理能力也不錯、人力成本也都相對更低。所以我不認爲我們處在非常劣勢的位置。
但是在算力上，我們確實存在瓶頸，這也會影響我們的速度。比如說別人1個月訓練完，我們可能需要10個月。但我覺得對人工智能最終在中國的使用，以及大範圍地提高社會效率，產生的影響並不大。
即使是算力問題，通過一些其他技術解決方案，甚至有可能形成大規模算力的替代機會。
短期內我們可能會難受一些，但長期來看，我們不必悲觀。大範圍的模型應用能力，我覺得我們會更靠前。在這一領域，中國人的積極性、主動性和速度更快。因此，我覺得長期是樂觀的，中短期相對比較困難，但可以克服。
另一方面，在具身智能領域，我覺得中國甚至可能會領先半個身位，因爲我們的制造成本低，硬件創業公司多。
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。