6月14-15日，36氪WAVES新浪潮2024大会在北京郎园station·仓酷顺利举办。WAVES是浪潮的意思，也正是当下年轻人勇于追梦，敢于创造精神的缩影。此次WAVES大会聚焦四大板块：理想与现实、科技与人文、探索与深耕、传统与变革，每一个板块都指向年轻人关注的热议话题。都说人生是旷野，但是实践发现人生更像是海面，时而风平浪静、波光粼粼，时而巨浪滔天、风浪不止。Waver们没有在浪潮中随波逐流，而是靠自己的力量迎浪而上。
36氪作为一家和创投行业共同成长起来的商业媒体，一直和那些年轻的血脉一起探索边界、洞察未来。此次峰会，我们聚焦于创投，但又不止步于创投，我们和不同领域的人一起谈感想，和不同年龄的人聊未来，共创多元场景下的创投party，打造商界独一无二的视听盛宴。
在Day1下午，BV百度风投执行董事 温永腾、元璟资本管理合伙人 刘毅然、 华映资本海外合伙人 邱谆、 光速光合合伙人 朱嘉、国方创新合伙人 张治一起探讨了AI应用层的投资风向，本场的主题为“头上的星空，脚下的土地”。本场圆桌由暗涌Waves分析师郭允骁主持。
圆桌现场照片
以下是圆桌速记，经36氪编辑：
郭允骁：非常感谢大家不远万里来到「WAVES新浪潮2024」现场，请大家自我介绍。
温永腾：感谢36氪的邀请， BV百度风投专注在AI领域的布局和探索，我个人是从2021年开始看AI项目，重点关注多模态、AI应用，喜欢和年轻创业者交流。
刘毅然：元璟资本2015年成立，我们是双币种VC基金，最早是互联网背景出身，现在在AI、机器人、大数据等方面看的比较多。
邱谆：我是华映资本邱谆，华映有110亿人民币左右的募资规模，投了超过260个项目，15家上市或被并购。我自己曾在美国学人工智能方向，毕业后在硅谷工作, 曾是腾讯云的专家架构师，现在在华映负责AI投资和出海方向。
朱嘉：光速光合2011年开始独立运营管理自己的美元和人民币基金，目前投资主要是在科技领域。我自己做过7年的半导体研发，11年投资，一直都在科技赛道。从模型到应用和基础设施，人工智能当下都有很多机会。
张治：大家好，我来自国方创新，我们成立于2017年，管理规模超过300亿，到现在我们已经布局了市场上超过50家子基金和超过70个直投项目。人工智能是我们的三大重点投资板块之一，尤其是在这两年，我们在持续加大人工智能板块的投资比重。
郭允骁：主题是头上的星空、脚下的土地，这句话非常恰当的形容AI投资的务实派。有的参与了大模型的投资，有的也了解应用层和基础设施。大家如何衡量基础设施层和应用层的投资机会？
张治：国方创新在这一轮人工智能领域的投资会分产业链层次，分布在不同时间周期里。最早的投资在AI算力层，我们在三年多前就投了燧原科技，并在去年又做了加注；大模型这一层，去年也参与了MINIMAX的投资；今年的重点放在AI应用和AI基础软件层面。从大的时间来看，AI基础设施层，包括算力和大模型在当前时间点可能已经从资格赛、入围赛，逐渐进入到了淘汰赛的状态，投资选择可能更多会在目前剩下活跃的几家头部里面做挑选，对新的创业者来说挑战和难度会比较大一些；但是在应用层，我们认为依然是一个百花齐放的状态，有很多的机会，大家处于相对比较早期的状态，有很多可以尝试的领域。
朱嘉：从光速全球的角度看，我们投AI很早，光速在欧洲投了最大的大模型公司Mistral，在美国也布局了几个大模型公司。在应用侧，光速美国投了做文生音乐的公司Suno，也是华裔创办的文生视频公司Pika第一轮的投资人。借助光速全球的大平台，我们能够对整个行业有更为全面的覆盖研究以及更深的信息理解。光速光合在国内也陆续布局了AI相关的投资，包括大模型端的智谱科技，应用侧投了做AI视频剪辑的公司OpusClip。
基础设施侧也有早期布局，我们认为这是中国独特的机会。海外的英伟达已经完成了很多基础设施层面的建设，中国需要在这方面培养自己的基建，所以我们从算力、芯片、网络芯片，然后到整个网络相关的软件生态都做了一些投资布局。我们看到未来AI相关的基础设施建设可能每两年会是数倍的需求，带来的是一个万亿美金的市场机会，我们将会持续布局。
邱谆：华映也是在基础层和应用层布局，基础层算力侧投了壁仞芯片，数据侧投了星尘数据和天云数据，应用层投了金柚网, 知瓜瓜等, 这是我们目前的布局。我同意朱总的观点，整个大模型行业现在大多在初期。在座很多创业者和投资人，我观察到一个现象是，大家普遍感觉是基础层没有应用场景。
做底座模型的都被问应用场景是什么，所以底座层是比较纠结的。至于应用层被问的问题, 则是门槛在哪，这也是大家比较纠结的。做应用层的创业公司，如果直接调GPT的话，不要说在中国，即便是在美国也会有问题。因为如果只是调API，GPT一更新，比如到GPT4的时候, 应用层很多就被覆盖了。所以现在都比较分裂: 基础层没有应用场景，有应用场景的又没有门槛，为什么造成这样的现象?
其实我们思考一下, 还是很有一些规律存在。因为现在的大模型跟当年的互联网不在一个阶段，按照硅谷的一句话，就是"垂直分层没有完全发生"。现在基础层的人都在做应用，最好的例子就是OpenAI，OpenAI做底座大模型GPT，但它的应用层ChatGPT却是目前最好的应用。大家可以说出来的唯一杀手级应用还是ChatGPT，所以底座的人在做应用。而做应用的人现在也都有底座，也需要做底座，尤其在硅谷。
基础和应用层的分层为什么没有发生，我们可以思考一个问题，互联网的年代基础层跟应用层是分工很明显的。基础层不提供内容，比如互联网的基础层是协议和浏览器, 他们不提供内容，内容都是应用层也就是网页来提供、及获取流量。但在大模型的生态里面，你在用GPT的时候，就是应用层的人在调GPT接口的时候，GPT已经做了预训练，大量的内容已经在预训练的语料里。你调用GPT并把一个界面提供给终端用户，终端用户在提问题得到一个回答的时候，这里有多少是GPT通用语料训练出来的, 还是你的私有语料训练出来的, 不容易区分。
比如你是一家律所，你提供法律专业知识，然后调用了GPT，相当于你赋予了模型法律专业知识，但GPT给了模型历史、地理、数学、物理所有的基础知识。模型回答问题的时候是法律知识在提供，还是历史知识在提供，不太容易分出来。这造成平台和应用层非解耦的状态，也就是说还是在紧密耦合。所以单纯应用层的创业是危险的。硅谷和国内都有很多的创业者非常愿意在应用层创业，但我们现在看到的基本上纯应用层可以成功的很少，有长期存在价值和护城河门槛的都是有底座能力的，有底座大模型训练能力才能把私有数据充分利用，如果只是作为检索增强RAG用的话，其实门槛是不高的。
刘毅然：现在有个玩笑说市场上有一半的投资人信大模型，有一半不信大模型。我们也在思考大模型是否适合创业公司，大模型对数据和算力等等规模和资源的要求比较高，其实对创业公司不是特别友好。目前，在一些基础设施和应用，以及AI可以催生的新方向，我们都有一些投资。比如说算力中心里的芯片，因为AI要求更高速率的芯片，比如说在一些垂直场景里面的模型，比如可以自主维护场景的文生内容的应用，以及利用今天的AI结构才能做的一些事情，像科学计算，这些方向都是我们在活跃的看的。
温永腾：我们要从时间的角度看问题。从目前的周期上来看，肯定以基础层的投资为主，芯片的投入最关键，光是去年，全球有几百亿美金的芯片投入。随着时间的推移，应用层的收入会上来，对这点我们非常有信心。大家可以看一个数据，去年整个AI应用层收入是30亿美金，相信今年会在60亿美金左右。这是每年增长一倍的应用市场，我们非常看好未来应用层的发展。
接下来，我们还要看未来的收入在哪几层分配，大模型在互联网和移动互联网不一样，我们相信离用户最近，离用户数据使用习惯越近的地方会收到最多的钱。
很多创业者非常在乎的是应用层到底有没有壁垒？我应该如何在应用层中构建壁垒？这是一系列开放的问题。我们需要先有增长，然后再去寻找应用层的壁垒。我们相信大模型一定会改变未来的内容分发方式，在这种新的商业模式下去找到新的壁垒，才是更有价值的创新。不一定仅限于单纯大模型技术，传统工具因为GenAI而产生的内容分发方式的变化，也会形成壁垒优势。我们对这个事情挺有信心的，这是我们的看法。
郭允骁：刚刚聊了很多基础设施层跟应用层的东西，哪一些是相对更有投资价值的领域？今天的宣传片用到了一系列的文生视频，几位也投到了文生视频的公司。你们会觉得文生视频已经进入到某一种阶段了吗？
温永腾：在技术上，我们看好多模态和AI Agent的进展，我们沿着多模态的路径，投了西湖心辰、生数、Morph等公司。在应用场景上，除了Copilot，我们还很关注Assistant的发展，对Assistant而言，不管ChatGPT多好，未来与AI共生的世界中，大家不愿意只跟一个人聊天，这多无聊。除此之外，我们也很关注AI Platform的投资机会，我们一直思考AI是否可以创新内容分发形式，类似于推荐系统。这里的创新内容包含音频平台、视频平台、电商平台等等。沿着这样的思考，我们专注在文生视频的布局上，不管是传统的GAN方案，还是Sora的方案。这是一个很吃技术的赛道，但天花板很高，能产生很多好玩的内容以及创新模式，最近几个月行业进展也说明了这个赛道的关注度还是比较多的。
刘毅然：这个问题比较大。我们总的风格是比较喜欢端到端自主可控的，但我们说的端到端不是大家说的自动驾驶里的端到端的意思，还是强调说，从用户场景到底层的数据和模型都是自己可以控制的，这可以形成闭环或者说一个可闭环的自我场景，这一类项目是我们比较喜欢的。在这里，模型的收敛是AI最重要的因素，是否有一个自己可以控制的场景，有没有一个自己有控制力的模型可以根据场景的反馈不停的收敛，产生更加准确的效果，这是我们看重的。
邱谆：我们也是关注端到端，因为垂直分层尚未完全发生, 不垂直分层的意思就是就还是垂直整合，也就是端到端: 数据层到底座层再到应用层，这些都得具备。现在逻辑很简单，创业公司如果没有私有数据，大部分投资机构肯定都会很犹豫，现在很多应用开始只是调用API接口，再提供服务给终端用户, 然后才开始有私有数据，这时问题就来了，就是怎么真正的把私有数据训练到模型里去。这其实是非常大的问题。在座有想创业的朋友可以下来找我交流。
我家还在硅谷, 来回跑, 发现硅谷有很多拥有数据的公司也都不知道怎么训练，如果只做一个向量数据库再用RAG，你的价值点就变成了用户，而不是商业化的公司，商业化公司是要把服务提供给你的终端用户的，这是很难的。如文生视频公司, 要看有什么样的私有数据可以继续训练，这个非常难。不管做微调还是继续训练，都门槛非常高。文生视频看起来像是一个应用层的东西，其实是一个基础层的东西，这个会有迷思。你看Sora其实是在底座做的，而不是应用层做的。其实是个多模态大模型，所有的能力都在底座，不管是文生代码，还是文生硬件操作，即现在所谓的具身智能, 要真正实现自主智能体功能，这都是门槛。你要从底座的自主模型和自主数据集上着手才能实现多模态，才能实现包括像文生视频，文生代码，文生硬件模态，文生蛋白质结构，等等很多其他多模态，这样着手才能做出好内容。
朱嘉：文生视频的应用究竟能够带来什么样的价值？未来大家不会都去使用文生视频的工具，因为日常中真正需要创作高质量视频的人并不是很多，更多地是去大量消费视频，现在短视频已经占用大家很多日常时间。这样的工具可以帮助专业用户更快捷地创作视频。我们投资的OpusClip，可以把一个长视频自动剪切成一个1分钟的精选视频，帮助用户减少制作时间，提高制作效率，最终是观看视频的大众受益。1分钟的精选视频对我有吸引力的话，我就愿意观看长视频，这会产生价值。这也是为什么这家公司创业一年的时间可以有一千万美金以上的年收入，有大量的专业付费用户。我们看到AI在视频上的生态会越来越广泛，创造的价值不仅仅是一个产品。以这个例子看，未来有很多的想象空间。
张治：大家可能比较关注如何做出一个好的AI产品帮客户提高生产效率。我们除了会关注有端到端能力的AI应用工具以外，也会思考另外一件事，即是否有可能在未来通过AI给客户带来的价值是能够直接交付结果，而非仅仅帮助企业里的员工提高生产效率，这样对客户来说是一笔更容易计算ROI的帐。因此，我们也会关注AI是否有机会改造专业服务的市场，比如说以前我们可能需要100个专业服务的知识人员去服务一千个客户，未来是否有可能通过5-10个专业服务人员加上100个智能体去服务一千个客户，这就能解决以前专业服务市场在规模化过程中管理复杂度的问题和边际成本问题。我们看到这波AI带来的变化，是让以前非标的专业知识能够形成更加标准化的产品和一系列工具。对外使用可以向客户出售这些AI产品，对内使用也许会出现一些新型专业服务组织，颠覆以前的专业服务市场。
郭允骁：大家提过商业化，包括搞定一些B端的客户，这也是AI近一段时间讨论非常热的东西。怎样拥抱商业化，搞定PMF的问题。大家怎么理解AI应用方面的PMF问题，可以结合自己的情况具体的说说PMF怎么达到的。
温永腾：我们内部会寻着从无到有和好十倍的逻辑去看项目：第一，AI能否给消费者提供从无到有的体验。比如说以前拍视频需要一个人，我是否利用AI直接可以做，就是从无到有的需求。第二，AI能否在原有的体验上，提供好10倍的体验。无论是ToB还是ToC的产品，要看它是否符合初步的PFM，这里我们的思路会简单明晰一些，重点看付费留存率，以及付费转化情况。我们更注重是否满足这些条件，而对创业公司开始做的市场分析并没有太大的期待。希望他们能从在小的市场中打磨出挑战传统巨头的产品开始，来创造新一代伟大的公司。我们相信初创企业只有在小的市场上才有充足机会挑战传统巨头，在传统巨头没有意识到的很好的角落里面把产品做好，慢慢成长为伟大的公司。
刘毅然：对ToC来说就是留存，用户的中长期留存更有意义。很多AI体验产品刚上市有不错的效果，甚至爆红的效果，短期收获大量用户，这肯定比没有强，但我们更加关注后续中长期的留存。我们有一些被投企业可能有百万级以上的用户，但中长期的留存可以有四五十万的量级以上，我们认为这是正常健康的。而且这个不是到今天AI才有的现象，即使在原来整个的消费互联网的时代，要有这样的产品数据才能说初步找到了PMF。ToB简单来说，如果暂时看不到后面更加长期的付费留存，至少可以讨论定价逻辑，这些产品和公司还是要说清楚自己怎样向用户收费，为什么这样定价。如果可以讲清楚定价逻辑的背后，就可以跟客户算清楚创造价值的依据。如果讲不清楚自己怎样定价，很多的时候这是一个空对空，或者说虚对虚，这对长期的稳定性有影响。
邱谆：我们也这么划分PMF。ToC肯定还得再看在线时长，其实现在看到的问题是大部分的ToC产品，包括硅谷的很多产品都是在用户尝鲜阶段，很多时候是被投流吸引过来了, 之后用了几天、回答一些问题以后，基本上就没太多留存了，也没有太多在线时长，这是最多的情况，说明了PMF还是摸索阶段。ToB则复杂很多，第一种是ToB应用，就是直接的给公司解决销售、HR等场景的。第二种就是基础设施infra，其实更像工具，这个非常多，不管是解决算力还是网络优化等等。第三种则是底座大模型作为一个平台，就是在它之上再生成产品，就像苹果的IOS，IOS的PMF是找到了平台的位置，上面派生出来很多的App，IOS自己是App的底层，支撑所有App而不再只是简单的工具。
这三种不同的ToB形态都需要不同的PMF摸索，现在的状况是还在摸索之中，我们现在可能在任何的一个时间点上，ChatGPT自己在C端的摸索也没有完全完成。在B端的摸索也没有完成。还没有第三方公司完全利用GPT平台变成一个类似Uber的大应用，IOS可以在之上生出Uber或微信这样大的第三方商业公司，现在GPT还没有。GPT产生了一些公司，很快被自己干掉。OpenAI扶持了GPT生态，但更新到GPT-4的时候又杀死了很多。所以OpenAI的PMF也在寻找，大家不需着急，还有很多机会。趋势一定是对的，今天有点像互联网在浏览器出现之前，当浏览器出现之后大家认为互联网就是网页。但其实互联网在浏览器之前还有十年的时间，那时的应用是FTP等，如果应用公司想把服务提供给用户，还没办法用网页，当时是把内容放在FTP服务器，用户利用FTP客户端下载那些文件，然后访问内容，而不是通过打开网页的方式。还有电子邮箱, 也是当时所谓杀手级的应用, 存在了十年的时间，直到www出现以后，才产生了真正的杀手级应用。我们今天在大模型时代, 有点像已经有了FTP和电邮，ChatGPT可能是电邮。所有创业者在这个阶段是可以做很多布局和准备。
朱嘉：过去几年投资人越来越强调PMF，在互联网时代是否所有伟大的投资都是从一开始就有PMF？今天的AI远远没有定型未来会延展成什么样的产品形态，把未来的不确定性交给优秀的创业者去开启，他们可以改变和创新。我们投的一些做AI应用的企业，一开始做的并不是今天的应用，但他们能够敏锐地在市场上找到机会。除了PMF是一个好的投资时间点以外，在还没有达到PMF的时候，也许反而会更加有VC投资的潜在高回报的机会。跟互联网投资有相似的地方，我们要做的是去判断这个人、这件事未来的可能性，判断他的能力是否足够去开拓这些可能。在硬科技和新能源的投资领域需要强调PMF，你做的东西下游客户不需要的话肯定是很难成功的。但在To C领域，可以把不确定性包容进来，这是VC投资最大的机会。
张治：我们会把市场分两类，一类是创造性的市场，在大模型出来以前这个市场根本不存在，或者说这个应用和产品根本不存在，比如说情感陪伴，甚至像Sora都是在大模型之前不存在的。大家都在探索这个新的需求会不会是一个真的需求，是否会有更广泛的人用起来，这是创造性的市场。对这类的创业公司来说，我们会更加关注他们对技术的理解，因为知道技术的边界在哪里才能定义好产品的边界，我们也会关注他们在产品化方面是否有很强的定义能力，技术形成产品以后，如何让用户留下，持续创造新的需求，扩大TAM，提高产品粘滞度。
另一类在于我们会关注平替需求，也就是说这个市场原来就在，但通过AI和大模型可以让市场的效率以及客户服务的效率大幅提升，这在ToB领域会多一些。对于这类应用公司，我们会关注团队是否有很强的行业认知能力，很好的管理能力，经营目标是围绕着如何持续优化给客户服务的性价比这件事上持续展开的。
郭允骁：年轻是WAVES的主题，很多人说AI现在是一个属于年轻人的机会，大家怎么看在AI里面创业的年轻人，大家会在投AI的时候更倾向于年轻人吗？
温永腾：每一代人都有每一代人的机会。我很认可朱总说的，PMF是不断寻找的过程。今天虽然已经出现很多的独角兽企业，但我们相信在AI应用层在未来会有非常优秀的年轻人做出伟大的公司。我们现在非常关注的年轻人的成长性，在我们的想象中，这样的年轻人肯定已经存在，但他们可能在做要么特别小，要么大家现在看来没有任何壁垒的事情。他们需要时间，慢慢成长。但他们也必须出发，因为如果今天年轻人还不做AI，五年以后也不一定有机会。我们非常坚定的支持年轻人，希望陪伴他们一起成长。
刘毅然：ToB领域希望创业团队有经验，在企业客户的应对上，年轻人的优势在移动互联网的时代见过还是在ToC的产品，一些年轻的天才产品经理有巨大的奇迹。今天的AI时代，或者说早期的大模型AI时代，对这些年轻的AI原生产品有很好的理解，或者说没有枷锁的创业者来说。希望在技术侧，对底层模型理解上有充分的学习能力。回到我们讲的端到端，对今天的产品和底层模型能力的结合我们非常在乎，我们认为今天很多的AI产品底层模型能力就是产品能力的一部分。这样的年轻人我们会更加鼓励，更加欢迎。
邱谆：这代年轻人是原生的大模型一代，今天我认识的年轻人在学校都直接用ChatGPT，很多人已经在利用提示词思考，想的就是怎么写提示词。它是一个生产力工具，禁止也没有用。计算器和计算机出现的时候，一定会帮助年轻人做很多事情。学校不能就强制年轻人不上网，或者不能利用计算器。利用ChatGPT也是一个技能。但年轻人很多时候对底层的内容不愿深入，我之前参加过一个圆桌，问在座的年轻人，有谁在使用GPT吗，大家都举手。再问知道GPT三个字是什么的请举手，就发现这三个字母代表什么，年轻人其实很少知道。
GPT每一个字母的改变都是年轻人巨大的机会，如"G"(生成式)是一条新路线，年轻人可以改变它，不一定完成生成式去做现在的事情。又如"T"(Transformer)这个字母, 现在很多模型都试图做不同于T的模型，这些对年轻人都是巨大机会。当年谷歌这么大的巨头也不认可GPT路线，OpenAI最初也不认可，而是一个年轻实习生坚持走这个技术路线。所以年轻人不仅是要用GPT，更要知道GPT代表什么，并且如何掌控和改变它。
朱嘉：我们经常会低估年轻人，高估有经验的人。年轻人在当下有很大的机会，特别是面对一个技术转变极其迅猛的时代背景，他们有足够长的时间可以迭代，一定会抵达明亮的未来。
张治：我们偏好年轻人，从我们历史投资的经验看，如果两个项目都差不多属于第一梯队状态，我们更偏向于投资更年轻的团队。尤其是AI。大家是否相信AI是未来十年最大的一场浪潮？如果相信，那未来十年用AI和做AI的人，我理解更会是现在的年轻朋友们。我们看的是未来十年的变化，所以我们更相信年轻人。
郭允骁：感谢大家。