激进与保守
激进与保守之间是一场认知的挑战赛。
“在硅谷，关于大模型、生成式AI的话题，没有投或不投的讨论，只有投哪个赛道，投哪个项目的讨论。”一位硅谷投资人向「钛媒体创投家」表示。
硅谷的疯狂印证在数字上。据PitchBook 数据显示，GPT-3发布两年多以来，风投资本对AIGC的投资增长了 400% 以上，2022年投资圈向生成式AI公司共投入13.7亿美元（折合人民币约93.69亿元），几乎达到了过去5年的总和，今年甚至达到了惊人的 21 亿美元。
目光转回国内，大模型狂奔200多天，矛盾认知讨论的声音大过于实际落地进展。
手握真金白银的风险投资者们，一派跃跃欲试，押注大模型、AIGC；一派则是表示“让子弹再飞一会儿”。
「钛媒体创投家」了解到，跃跃欲试派，要么是真有钱，手握充足子弹的，实力派系投资机构；要么是长期钻研技术、深刻了解技术变量、技术突破的实干派系投资机构，终于等来这一次“逆风翻盘”的机会。
“让子弹再飞一会儿的，一是没钱，二是此前并没有技术领域的积累，现在还在努力学习和研究大模型的底层架构和趋势。”一位基金合伙人对「钛媒体创投家」表示，“说白了，投资机构也怕被创业者割韭菜。”
“这是一场认知的竞赛，对大模型有怎样的认知，就会投出什么样子的项目。”在阿尔法公社创始合伙人&CEO许四清看来。
大模型的认知矛盾并不只集中在个体身上。当投资人、创业者、需求方都存在认知偏差的时候，对于大模型的“激进与保守”，就成了大多数玩家的普遍状态。
连续创业者猎豹移动CEO傅盛，在朋友圈怼金沙江创业投资基金主管合伙人朱啸虎“硅谷一半的创业企业都围绕ChatGPT开始了，我们的投资人还能这么无知者无畏。”
叱咤一级市场多年的朱啸虎回应，“99%的价值都是GPT创造的，这样的创业公司有什么价值。”
乍一看没有对错，只是立场不同。大佬级的创业者们纷纷下场，撸袖子开干，从王慧文的光年之外，到带着5000万美金启动资金入场大模型的王小川，再到阿里框架大神贾扬清，离职投身AI。心怀梦想的创业者，像抓到第二波互联网创业浪潮般兴奋不已。
二级市场的人工智能概念股亦是一路狂飙。从元旦到今年6月底，人工智能指数(884201)涨幅就接近了70%。但是，美国银行策略师迈克尔·哈特内特（Michael Hartnett）却将本轮人工智能上涨称为“婴儿泡沫”，并警告称这一泡沫可能正在破裂。
真正用过AI产品的人其实并不多，最近摩根士丹利做了一个2000多人的调研，结果竟然是有80%的人没有用过ChatGPT或是谷歌的Bard。
激进、共识、保守、泡沫、陌生感多重矛盾，裹挟着这场“科技革命”。其中的机会是在AGI、垂直模型、中间层、基础设施层，还是应用层？
一群极客的创业并没有过多地思考，而是直接接入ChatGPT开始探索商业化。
谁在用“脚”投票AI
用户是检验产品的*方式，价值与否，用户会选择“用脚”投票。
跨境电商、视频创作、会议记录等场景，成为ChatGPT的首批提效阵地。
「钛媒体创投家」了解到，跨境无界生态链从去年12月，就开始用ChatGPT提升产品页面的上架效率，研究后发现，ChatGPT可以实现批量化的产品页制作，生成后可达到直接上店铺的标准。
创始人钱大柱表示：“ 原先一组四五个人花一天干完的工作，现在只要一个ChatGPT的输出者，一个小时就能把这些工作全都做好，多出来的时间可以做更多的事情。”
在GPT-4上线识图功能后，通过网址端引入一张产品图片让GPT-4分析图片、对产品的卖点进行描述和提炼，输入提示词，要求模仿成符合亚马逊买家喜好的表达方式，一次生成8个不同版本，这就意味着，8个店铺同时上线一款产品，且不会被亚马逊后台识别出关联性，每个店铺能够获得同等流量计算，对业绩提升起到巨大帮助。
“电商的门槛其实并不高，所以想要拉开与同类跨境商家之间的距离，要么靠跑的速度，要么靠新的技术。”钱大柱表示。
技术流出来的ShulexVOC创始人郭辰璐，亦是ChatGPT的践行者。ShulexVOC是帮助卖家快速分析产品的优缺点，购买动因，用户期望及使用场景的一款插件，在Amazon和Shpfiy平台都可以使用。底层逻辑是ChatGPT 的算法加自研小模型，把用户的评论、照片通过自然语言处理，再把标签提取出来变成文本，最后对应到商品进行分析，目前已有3万多用户。
“很多跨境商家的优势是供应链能力，他们对于数字化提效产品应用的能力是欠缺的，而且除了平台自主提供的，他们也很少主动去寻找此类型的产品，但是这些产品着实可以帮助卖家提升选品、优化品类的能力，从而提升销售业绩。”亚马逊的产品经理表示。
前不久，Adobe首席技术官Abhay Parasnis创立的人工智能营销工具Typeface，帮助企业完成博客文章、Instagram帖子、LinkedIn主页和公司官网等平台营销内容的生成，Parasnis将它称之为“10倍内容工厂”。
深扒底层逻辑是应用Stable Diffusion和OpenAI的数据，加上自研多模态生成式流程创新营销产品。成立一年多获得2轮融资，总融资额达到 1.65 亿美元，投资方包括Salesforce Ventures、GV（谷歌风投）、Menlo Ventures 和 M12（微软风投基金），投后估值达到10亿美元，并获得了谷歌、微软签订了商业合同。
“借助大模型做浅表层应用或者产品驱动型的应用，不管To B还是TO C都有非常多的机会，”阿尔法公社创始合伙人&CEO许四清向「钛媒体创投家」表示。
自媒体创作人亦是受益人之一，一位自媒体创作人在与「钛媒体创投家」聊天时表示，长篇的文字内容转成短视频内容一直是他的困扰，直到使用了ChatGPT内容总结概括功能，1分钟生成短视频脚本，再配合剪映的智能生成视频工具，让团队制作视频速度提升了5倍以上。
“把全文粘贴进去，要求ChatGPT生成一篇600字的视频脚本文案，1分钟就能拿到结果，再修订一个开头就可以使用了，视频也是同样的方式，以前做一个视频要3天，现在1天最起码能完成5-8个视频。”这位自媒体人向「钛媒体创投家」炫耀着他的提效神器。
正如经纬张颖，在混沌学园的发言，他认为，AI早期决胜的关键是敢于从ToC场景里寻求突破，因为C端能带来的数据飞轮效应。
场景优先、数据为王，模型本身不是用户需要的，用户需要的是符合客户预期和提升商业化收益的产品。光有大模型没有应用场景，就好比拿着锤子找钉子，工具再好也没地方使。如何将AI模型的能力渗透进入场景是一件值得深度投入的事情，正如APP时代，美团、滴滴、携程帮助我们便利生活一样。
在狂热的平台级或颠覆性的大机会之间，逐渐涌现出、现实的零零散散的小机会。
“吞金兽”，没有商业模式
大模型的出现，让大家集体进入一场“无导航”模式的探索之中。
“OpenAI在训练ChatGPT的时候，可能也没有想到它会震撼所有人，可能也没有想清楚它如何商业化，就是觉得应该有更新的技术探索。”硅谷徐老师在一次公开活动上表示。
“大模型目前没有商业模式，烧得起钱、等得起生态搭建，就投大模型。”一位业内资深投资人向「钛媒体创投家」表示。
大模型到底有多烧钱， 据The Information媒体报道，三位了解OpenAI财务状况的人士透露，由于去年开发ChatGPT并从谷歌招聘关键员工，OpenAI的亏损大约翻了一番，达到5.4亿美元左右。
上述知情人士还透露，OpenAI首席执行官Sam Altman曾私下暗示，公司可能会在未来几年筹集至多1000亿美元资金，以进一步开发人工智能的能力。
盈利却一般般，上述OpenAI财务知情人士中的2名透露，2022年OpenAI的收入仅有2800万美元，主要来自向应用程序开发商出售其人工智能软件的访问权限，这一收入水平，仅为微软去年全年营收的0.14‰。
在盈利微薄的情况之下，7月7日OpenAI在抢占生态位上又出一个杀手锏策略，其官方发布GPT-4 API全面开放使用，现所有付费API用户都可直接访问8K上下文的GPT-4，无需任何等待。
“吞金”的大模型如何商业化，横亘在发展与现实之间，没有成熟的参照模式，中国大模型的盈利模式也是 “摸着石头过河”。
许四清表示，这次和上一代中国互联网企业形成的时候，生态格局会有很大的变化，当时各个大厂把持一个战略方向，占领某个领域，比如百度做搜索，腾讯做游戏、社区和即时通信，阿里做电商，字节做互联网新媒体的社群和广告，分别在各自的领域里独树一帜。
在他看来，这一轮的情况变了，各大厂直接做垂直领域的可能性不大，基本是基于大语言模型快速占领，自己想占领的领域，建立生态环境，由此打造一个大的新一代平台，因为AIGC技术突破决定了很多产业格局会重构，所以我认为大厂会在积极的建立自己的生态环境上面下工夫，这是竞争的焦点。
“只有抢占了生态环境，才能够抢占最多的受众群体，和建立更广阔的边界，这个是中国企业以前比较少面对的机会。”许四清说道。
“AI浪潮在这个阶段，一定是技术驱动为先和定义产品为重的。未来的应用与模型能力结合更紧密，所以对模型的理解与差距，会决定产品与用户体验，有技术创新基因和能力的小团队，必须拼命奔跑。“在经纬张颖看来。
“AI基础设施本质上还是算力、算法、数据三位一体的东西，最后谁能将三者能力整合得好，提供更低成本、更低门槛的能力才是决定整个竞争最重要的点，但目前依旧属于混沌阶段。”在常垒资本创始管理合伙人石矛看来。
“在直接生成结果上，如果要商业化、产品化，我们认为还是有很长的路要走的。”国家语音创新中心首席专家张熠天在2023年华映资本的年会上表示。
从长远看，新兴技术的产业发展，本质是靠业务需求的驱动，企业究竟是否需要大模型，这其中必然包含多重因素。
最后
成也数据，败也数据。
“以Chat GPT发展的速度来看，做场景早晚会被替代，所以回归到ChatGPT的底层逻辑是数据，*的、深度价值的数据谁都替代不了。”在Shulex郭辰璐看来。
可是数据一旦接受了训练，就不可能“取消训练”或删除或移除数据。对于很多公司来说，竞争的护城河是数据，他们不希望任何人免费抓取数据，比如严肃的医疗、法律行业。
在创新与数据安全之间如何寻求一个平衡，还是坚守小样本训练加大模型，还是依附于大模型，没有标准答案。
