美团20.6亿收购光年之外，大模型创业是巨头游戏？8位一线从业者这样说
作者 | 头号AI玩家
采访 | 卷毛 月山橘 阿虎 张洁
20.6亿！美团昨日在港交所发布公告，宣布以约20.65亿元人民币的价格，完成对大模型创业公司“光年之外”的股权收购。
1. 怎么看傅盛和朱啸虎的这次“辩论”，怎么看美团收购光年之外？2. 怎么看“大模型创业是巨头的游戏”这一观点？个人或初创公司有哪些机会？3. 怎么看国内AI大模型应用层的现状？
“个人创业者的路径比大厂要多得多”
对朱啸虎，我觉得要听其言观其行，他的“屁股”在哪决定了他说什么样的话。上次朱啸虎跟马化腾辩论共享单车的情景我还历历在目，朱啸虎为ofo雄辩之后很快就跑了，成为了这个项目上唯一挣钱的投资人。所以这次还是要看朱啸虎的“屁股”坐在哪。我个人肯定是支持傅盛的，AIGC的未来充满机会。
对光年之外，我认为王慧文在美团多年打拼，神经应该足够坚强。这次因工作抱恙，还是很神奇的。目前中国有七八十个大模型，做大模型的创业者肯定会有很大的压力，比如技术成果的压力，资金的压力。光年之外账上有2.8亿，所以资金压力应该不大。那么压力就是技术成果的压力了。要用很短的时间达到GPT同等水平，可见还是很困难的事情。
关于“大模型创业是巨头的游戏”这个说法，王慧文不缺钱、不缺团队，他能调动的资源并不比巨头小，但还是退出了，可见这个游戏跟公司大小无关。国内的巨头从技术上来说在GPT面前也是小弟弟。任何一家国内巨头跟创业公司的技术差距，都远小于这个巨头跟OpenAI的差距。难点在怎么跟GPT竞争，怎么跟国内这么多模型竞争，怎么找到模型和应用之间的通路。
像我们就是深耕在视频AIGC这个通路上，目前国内巨头没有一家能够在视频领域的技术能力、工程化能力上跟我们竞争的。
@冯博 维京COO
“AI应用创业，电商、本地生活等都有大机会”
傅盛和朱啸虎的争论，看似是创业者和投资人角度不同，实质上是价值和壁垒之争。在我看来，大模型是巨头的游戏，中国不需要N个大模型，创业公司做AI应用风险小机会多。而应用层公司的核心第一是场景找准形成规模，第二是数据闭环强化模型形成壁垒。
纵观国内AI创业赛道，电商、娱乐、知识付费、本地生活都有行业机会，以我司AIIIN的本地生活xAIGC为例：支付宝数据8000万实体商家，入驻抖音本地生活的仅100万，能自己生产内容（无论质量高低）而不完全依赖外部达人的实体店更是凤毛麟角。
我们即将发布的一款产品产品，能实现以下3步：1.以商家私有商品甚至原材料数据为prompt；2.经小模型润色的大模型生成视频内容；3.通过员工账号把视频发布到抖音快手小红书；费用低于代运营，甚至按CPS取费，我相信商家没有太多拒绝的理由。
另外从应用层竞争的视角，仅看本地生活赛道，AI应用还在上一代AI应用（GPT3.5的出现为分水岭）的卖铲子游戏中，纯套壳AI应用也很少渗透进该赛道，而真正结合新AI技术付出精力打磨应用的公司并不多。
@马千里 无界AI联合创始人
“大模型不单纯是技术层面的竞争，更是模型生态的竞争”
这场争论的核心，其实是模型层和应用层哪个更有创业机会的问题。朱啸虎认为模型层创造99%的价值，应用层只是在模型层之上做了一个“界面”整合，创造价值不多，所以创业机会不大。
傅盛则认为底层模型虽然有价值，但简单地依靠底层模型，无法把问题或需求都解决掉，还需要应用层，因此应用层创业还有机会。有意思的是，在争论的最后，两人似乎达成了一个共识，即模型层创业机会是“BAT”级别的机会，而应用层创业机会则是零散的、小一些的机会。
从竞争激烈程度上来看，模型层要激烈得多，未来模型层可能会出现“赢者通吃”的局面。每个领域，不管是语言类模型还是文生图类模型，都可能会形成寡头竞争的格局。
应用层则可能会出现“百花齐放”的局面，即只要能够解决某一领域的特定问题，就会产生持续价值。甚至底层模型的竞争也会让上层应用受益，因为每个底层模型，都在千方百计地搭建一个繁荣的应用生态，可能会有一些手段激励到应用层。
百模千模大战仍将持续，有“退出”，但会有更多的“新入”，未来并购也会非常普遍。正如刚才提到的，大模型已经不单纯是技术层面的竞争，更是模型生态竞争。
大模型创业我认为有三股主要力量：微软和Google依然是一骑绝尘；第二股力量是“造模”新势力，国内的百模大战参与方都属于这一势力；第三股势力大家容易忽略，即开源势力，以llama（羊驼模型）为代表的开源势力发展也很快，轻量化、快速迭代、全球参与是其特征。
大模型应用层目前还没有“杀手级”应用，但是已经有一些“小而美”的应用出来了。比如国内的无界AI，是文生图的AIGC平台，服务了很多世界五百强B端用户和300万C端用户，已经实现了一定规模的营收和业务闭环。类似的应用层企业在杭州、北京、上海都有一些。
无界AI创作页面
个人创业者和初创公司相比大厂来说比较灵活，不需要考虑固有的商业模式或KPI。我知道有些大厂在做AIGC项目和功能的时候会有顾虑，因为有可能会颠覆掉现有的现金牛业务。
目前国内AI赛道的创业机会依然非常多，AIGC的底层算力、AIGC垂直模型训练、AIGC私有化小型化部署、AIGC数据标注及训练等，都还有很大空间，各行各业也可以结合自己的痛点找创业机会。
我们看到很多上市公司在做AIGC概念，可能相比于新上市公司，传统AI公司或AI相关业务上市的企业转型成为第一股的概率更大一点。
做LLM必备的几大资源：人、钱、算力、数据，确实巨头更有优势，因此我们看到即使创业公司做LLM，也都需要融到与大厂匹敌的资金和资源才能开展工作。
而做应用就没有这个限制，方向找得准、反应灵活、迭代快、全部资源砸在单点打穿打透，这都是创业公司的优势。
在很多应用场景中，模型贡献的价值占比过大，导致应用缺少壁垒，谁都可以轻易基于模型做出相似效果的产品。而创业又非常看重竞争壁垒，因此需要选择“自我价值占比更大”的场景来做。
这种应用场景当然是有的——比如即时在做的设计工具，我们积累了几千个功能点，竞争壁垒很高，这么大的工程量，不是随便谁都能很快复制的。
使用JS-Ulbotics模型更快速地生成Web设计稿
据我观察，国内应用层的公司整体都处于早期尝试的阶段。有些公司拿AI与已有产品进行融合，已经取得了不错的效果，比如即时的设计工具+AI，Notion、Flowus这类文档工具+AI。还有些基于AI重新打造的产品，大多还在早期版本迭代和试错中，比如市面上各种文生图的产品。
目前C端普通消费者对AI的感知还很有限，我认为2C的AI创业赛道可能会有新的机会。
不过，要建立新的范式、开发新的产品比大家想象的都要难，大部分人是低估了这个难度的。但也恰恰因为难，而且边界尚不清晰，所以反而有创业机会。
关于王慧文，我倒觉得是意料之外，情理之中。要做大模型本身是比创新产品更难的事，王慧文直接选择了一条最难的道路，所以最后退出也不影响我对他的钦佩和尊敬，我觉得他是非常勇敢的人。
至于大模型的“巨头论”，其实没有大模型的时候，很多事情都可以说是“巨头的游戏”，比如电商、出行、在线支付、内容社交，反而我觉得大模型的“巨头含量”是要低于其他领域的，巨头有机会，新人也有机会。不过，大模型一定需要大资金和大智力资本的投入，这一点巨头仍然有很大优势。之所以说“巨头含量”低，是和成熟的市场领域相比，成熟市场领域巨头更容易形成垄断。大模型的领域要比这些传统领域更不确定，更不可预料，所以相对来说巨头垄断的含量会低很多。
另外我觉得，如果说做一个大模型，巨头和初创公司的机会是五五开，那么做一个AI原生应用这件事，所有人都是平等的，巨头也没有想好，普通人更有机会乱拳打死老师傅。
我个人认为，目前大模型的生产力第一是教育，第二是翻译和文本的润色处理，三是个人和企业的知识助理。我觉得大家可能都被生成式AI的生成式给骗了，其实它不太擅长生成一样东西，它擅长的是改写和浓缩。
@连山 硅基智能合伙人
“在通用大模型研发上，BAT该承担起责任和义务”
两位圈内前辈的辨论非常精彩，同时也让大家看到了，在每一次时代的更迭中，有人眷恋不放，也有人奋勇向前。大模型的创业价值是无庸置疑的，在通用大模型研发上，诸如BAT这类头部大厂就该承担起自己的责任和义务。
王慧文因为身体原因退出肯定是行业的损失，美团作为移动互联网时代崛起的巨头，也有实力和责任将这份使命和事业延续。
围绕大模型的创业，智源、华为、BAT等均已参战，应用层还有很多创业机会。硅基智能在一个月前发布了“炎帝大模型”，用LLM大模型技术将行业私有域知识训练而成，叠加硅基原有的AIGC数字人技术，就可以成为该行业的“超级专家”，自动生成数字人视频、数字人直播、数字人电影剧集、数字永生。
硅基智能AIGC数字人
每一个时代都会诞生巨头，如Web 1.0时代的BAT，移动互联网时代的美团、滴滴、字节，AIGC时代才刚刚拉开序幕，乾坤未定，你我皆是黑马。
山高万仞只登一步，是否IPO只是资本市场上的一个结果，大模型创业应该以做出对人类社会、对这个时代有价值的公司和产品为己任。
@陈逸君 上海人工智能研究院研究员
“中小型企业要做出差异化，在垂直细分领域做出自己的特色”
我没有创业相关经验，但从技术工作者的角度来看，我认为“不要迷信通用大模型”这一点是对的。通用AI大模型领域有很强的聚集效应，企业巨头们不仅有先发优势，而且且掌握了丰富的数据和庞大的算力，中小型企业显然无法与之匹敌，不如从一些差异化的细分赛道切入。
国内的企业非常善于将AI大模型与自家的成熟产品相结合，改善用户体验。比如我们日常使用的淘宝等软件，在搭载大语言模型支撑的智能客服系统以后，对用户需求的理解显著增强。
在一些具体的业务领域，很多轻量级的模型已经能够稳定和高效地解决问题了，且具有很高的解释性。经过特定优化后，在时间开销、空间开销和精度上甚至全面优于大模型。这种情况下，企业往往不会倾向花费更高代价的大模型。
所以我认为中小型企业一定要做出差异化，更重要的是在垂直细分领域做出自己的特色，给予用户特别的体验。这就需要对数据进行定制化，对模型训练表现进行某些维度的侧重，提高具体领域内的精准度和数据可信度。比如西湖心辰宣称要做情感对话模型，会侧重于情感相关的数据，训练AI的情商，这就是一个很好的例子。
此外，最近我在关注DevOps for Machine Learning，或者说MLOps的技术发展。即通过MLOps管道管理、部署、监控和维护生产环境中的大模型的端到端流程。我认为MLOps的发展能真正将机器学习模型转化成生产力工具，实现产业的升级，或许是一个很好的创新方向。
“AI也不只是大模型，建议大家多关注技术进步”
相较而言，应用层是最适合初创公司进入的细分领域，适合规模较小，但能深入理解行业发展和用户需求的团队。但同时进入这一领域，需要找到能产生稳定复购及现金流的具体场景。
谈到应用现状，基于不同的价值创造逻辑，应用层可被划分为四类：生产可直接消费内容、结合底层系统生产高附加值内容、提供内容生产辅助工具、提供体系化解决方案。其中生产可直接消费内容是目前落地及变现进展最快的部分。整体而言，应用层的发展仍然处于相当早期的阶段，能够解决的行业痛点较少，整个生态的发展壮大，至少还要两三年的时间。
大模型现在非常火热，但整体仍然在刚刚起步的阶段，随着整个行业的发展，会涌现出各种各样的机会。新技术进展是一次生产力的进步，因而有机会参与各行各业的效率提升进程中。而且我们看到，大模型能力的应用门槛在逐步降低。
办公协同、在线游戏、影视传媒、电子商务、在线教育等领域，会率先被新技术影响。特别是对于内容相关创业者来说，更应该关注这一次的变革，毕竟无论是文字还是图片，大模型都已经展现出了相当的能力，另外大模型更好的视频创作能力也指日可待。
当然，AI也不只是大模型，实际上整个人工智能领域的研究一直在蓬勃发展，机器学习、深度学习还会不断产生新的前沿突破，而这些也将在未来不断影响和重塑我们生活的方方面面。建议大家多多关注技术进步，不要只局限于眼前的某一热点。
「头号AI玩家交流群」进群方式：添加微信“banggebangmei”并备注姓名+职业/公司+进群，欢迎玩家们来群里交流，一起探索见证AI的进化。