深度|国内AI创业公司交流纪要

之前的半导体内容果然又惨遭删除。所以要看完整纪要，请加入星球。

需要更及时的看到干货信息，以及部分文章因敏感性问题删除，因此只在星球留存，望周知。请加星主微信！

本纪要首发星球。添加星主微信号：chain-capital，加入星球及时获得相关纪要信息。绝大数调研信息只发到星球，比如有粉丝在后台问某个具体公司的调研信息，我们已经上传星球。

之前连续发布AIGC相关文章，因篇幅原因放在文末供参考。

嘉宾:国内一级美元投资经理

Open AI做得最重要的事情就是底层闭源的Propriety Foundation Model，大语言模型是GPT，文生图是DALL-E-2。同时也有很多公司在做开源模型。此外基础底层还包括model Hub(模型库)、开源数据集等。

中间层是工具层，服务新的基础设施长出新东西的层级，在foundation model基础上还需要做prompt engineering和training，中间层就是围绕这两件事情展开的，帮助用户更好的做prompt和training，代表公司为Lang Chain、Fixie。此外，值得注意的是，工具层是当前的机会，未来可能底层基础设施可能会做应用层，就不会存在工具层。现在之所以存在，是因为应用层需要工具帮忙开发AI+应用；长期是否成为独立的商业模式是存疑的。此外，针对deployment也有人做，也就是如何更好的评估和优化模型，比如海外的HoneyHive和Human Loop。

上层是应用层，是目前数量最多的一层，理论上市场空间最大，门槛稍低一些的层面。目前有两类公司：1)类似于Notion、Unity、Adobe等传统软件公司，现在可以加上AI功能；2)新AI初创公司，但不是所有初创公司都是AI native application。现在大部分AI创业公司都是在做AI+Saas。

AI+SAAS是指已有既有的软件能解决某类需求，现在加上AI能更好解决需求或降低使用门槛或者提升效率。AI native application指的是以前软件公司不能解决，但是AI可以提出来新解决的应用方向。比如TO C的知识管理库，以往人类传统接受信息量的方式是搜索+零星的内容获取，之前没有人解决如何更高效的获取知识这一问题，现在chatGPT可以理解用户的需求，通过学习过往阅读的信息，并提取用户的搜索关键词，从而定期推送和总结给用户。

现在所有的创业公司都要回答两个问题：1)怎么和chatGPT竞争？和企业场景以及和私域场景结合较深的是未来比较好的方向，即是否可以切到企业的工作流以及私域数据，比如BI和feature store；2)怎么和现有SaaS公司竞争？我们认为诞生比较厉害的公司，要么是底层模型公司，要么是AI native application。

国内重点公司

底层除了大厂外，minimax是闭源的fundamental mode(l小fundamental model+应用的形式)。

国内做底层的公司主要包括两类，一是完全复刻GPT；二是希望底层有一些突破的，主要是在diffusion model进行优化和改变，很多实验室背景的研究院愿意研究多模态的底层模型。

阿里三个团队，一个做大语言模型，一个是做文生图模型，还有个是做多模态模型的(偏实验室角度)。

问答环节：

Q：目前国内主流大模型参与者哪些比较有机会？

A：站在全球视角看，华人做一个比较大的模型是比较难的。国内视角看，主要是国产替代逻辑，比如智源研究院、清华朱军教授的实验室等。底层模型需要具备哪些条件：1)足够多的钱，OpenAI每个月要给微软5000万美金的算力费；2)芯片，清华人大等学院有芯片+买得早(商汤、阿里等储备比较多)，现在大面积买比较难；3)工程能力，OpenAI今天的突破不是底层学术的突破，而是工程的突破，如何训练和预处理大数据集，是个很复杂的事情，要有经历模型训练和推理的人才，国内还是有这类人才的，没有大家想的那么悲观。AI四小龙也都是经历过中等模型的，只是NLP没有坚持太久而已。4)流量入口和场景。在这四个方面，大厂的优势很明显，钱和算力的起跑线差不多。个人比较看好字节，其次是阿里和腾讯。百度AI人才密度比较高，有先发优势，并且有工程化探索的经验。场景上市字节和腾讯比较好，腾讯偏语言模型，字节偏内容模型。

未来语言和内容线会融合成真正的多模态，目前更多是两个模型的融合(GPT4是input图片output文字)，未来可能是input文字图片各种形式，output文字图片各种形式。

底层方面，大厂希望更多，创业公司长期活一家左右。应用层方面，大厂更有机会。

Q：GPT时代，国内软件公司替代国外软件巨头是更容易还是更难？

A：个人感觉是更难。企服软件包括两大类：1)企业管理流程的线上化，比如CRM等；2)面对专业使用者的工作软件，比如Adobe。第一类软件目前受到影响较少，他们的核心是把管理理念注入到软件中；第二类工具软件方面，华人在定义工具软件方面比较弱，并且这一波AI中大部分受益者是既有的SaaS，中国公司不占优势，比较难弯道超车。但中国公司比较擅长做C端、供应链相关的产品，比较看好重新定义一款C端的应用。此外，中国也比较擅长软硬结合的东西，可能在这方面会做得比较好。

Q：AI+制造业/医疗业是否会带来明显的变化？

A：制造业目前没有看到太大的影响。偏工作流程软件在这波中受到影响不大，受影响比较大的是多模态Chat GPT+机器人，目前机器人还是上一代技术，前端加摄像头控制，暂时没有语义和交互的功能，如果GPT功能融合到自动化机器手臂中，会比现在做得更好。目前Chat GPT创造机会比较大的是线上化的行业，传统行业目前这波影响比较小。

Q：是否是只有能力达到3.5才对应用进步更有意义？国内突破GPT3.5的瓶颈是什么？

A：3到3.5有一个很大的提升，但目前国内还处于复现3的阶段。3已经对长文本的理解有很好的效果，但3不是TO C的东西，达到3是有意义的，当时3也催生出Copilot等公司。想从3到3.5，核心还是要解决工程化的能力和中文数据集质量的问题。目前文心一言效果不太好，不一定是3和3.5区别的问题，可能是工程化能力不够以及中文数据集较差。工程化能力问题只能找踩过坑的人去问避哪些坑。

Q：大模型对工作台等软件(Adobe)的影响？midjourney等软件是否会被GPT颠覆？

A：这波AI是对既有的头部SaaS公司的利好，主要是：1)加上AI后ARPPU增加；2)免费到付费的转化率提升，付费意愿提升。但这些利好的前提是本身这个SaaS有很多注册用户，不然就没太大利好。MJ替代是原画师和图库，而不是最终可以商业化的素材(比如营销物料、海报等)。如果MJ不沿着垂直领域做深的话，可能会被GPT颠覆掉，最好还是output真正垂类可商业化的东西，比如用AI生成海报，而不是图片。MJ目前在包装等垂类行业的尝试是很好的。AI想去替代人力成本是走不通的，只有比人创造的更好，比如设计官网、产品主页等。

Q：GPT模型的成功是否会拉开商汤等传统AI公司的差距？什么场景不容易被大模型颠覆？

A：AI四小龙方向主要是CV，但GPT主要是NLP方向。四小龙也在尝试做大模型，目前和互联网大厂相比都是从头开始；但四小龙之前训练过中模型，相较于传统云厂商更有优势一点，但优势不明显。目前难颠覆的是传统非线上化的行业，实体企业受影响更小；线上的话，如果和私域数据结合的紧密一点不容易被颠覆。

请点击此链接，获得更多调研纪要内容，或请添加星主微信号：chain-capital

免责声明:本文所载内容并非给他人所做的操作建议。本文所载内容仅供参考之用，读者不应单纯依靠本文的信息而取代自身的独立判断，应自主做出决策并自行承担风险。本文不作为任何法律文件，观点仅供参考，文中的所有信息或所表达意见不构成投资、法律、会计或税务的最终建议，作者不就文中的内容对最终操作建议做出任何担保。在任何情况下，作者不对任何人因使用本资料中的任何内容所致的任何损失负任何责任。市场有风险，入市需谨慎。

之前连续发布AIGC相关文章。