“人工智能领域的泡沫，总是在不断产生又破灭中循环。”
梅拉妮·马歇尔在著作《AI3.0》中，这样描述人工智能领域5到10年的周期循环。
2016年，击败围棋世界冠军李世石后，AlphaGo短暂掀起人脸识别、自动驾驶等人工智能浪潮。2023年，ChatGPT的横空出世让大模型成为AI界当之无愧的“顶流”。泡沫破灭，资本冷静后，不理智的潮水终于褪去。如今，AI界鲜少再重谈人脸识别，自动驾驶难以落地，而在国内，大模型也从当红炸子鸡慢慢成为投资人投不起的领域。
研究人工智能的群体已经熟悉了这一模式：在“人工智能的春天”，投资机构过度承诺，媒体过度炒作，紧接着便会迎来“人工智能”的寒冬。
环球并不同此凉热。在美国，VC圈对人工智能投资热情不减。而在积极拥抱AI的东南亚，中 美正在进行AI技术与投资的角逐——2020到2021年，来自美国和中国的投资者，参与了267笔东南亚人工智能公司的投资交易，占总投资比重40%。
一个可喜的现象是，在东南亚，科大讯飞、华为、海康威视等中国科技公司与东南亚当地产生千丝万缕的联系，中国科技企业正成长为东南亚AI界的中流砥柱。
曾经，普利策奖得主托马斯·弗里德曼在《世界是平的》中，说世界的竞技场已变得更加平坦，变平的世界让每个个体、区域都站在同一水平线下。
环顾全球AI界，我们发现，世界并不总是平的。
全球范围内，不同区域AI风向有何不同？当AI企业走出国门，又会迎来哪些机遇挑战？ChatGPT为什么并不脱胎于腾讯、谷歌等数据集庞大的大厂？对于AI初创企业有什么启发和意义？
大洋以西，国境以东：中 美A融资不同境遇
现在整个国内投资界几乎形成了一个共识，就是“大模型的投资热正在冷却”。
作为今年创投圈最火热的赛道，大模型曾炙手可热，无数科技大厂、AI创业公司掀起一股又一股的大模型浪潮。而今全球科技公司对大模型的竞争，正进入存量时代。
根据IT桔子数据，截止到2023年11月底，国内人工智能赛道一级市场的总融资额有580起，比2022年减少了26%，总融资金额是630亿元，与去年同期也下降了38%。
而在大洋彼岸，美国的大模型融资依旧如火如荼。根据Crunchbase数据，去年VC阶段的投资有11%流向了人工智能赛道，截止到今年下半年，2023年的比例增长了26%，有26%的VC阶段的投资都流向了人工智能，美国投资界对大模型的参与热情不减反增。
大洋东西，AI融资正面临不同境遇。
这背后，不同融资环境差异到底是如何造成的？
首先，在美国，大模型已经达到了能够产生巨大经济效益的规模，并且在一定程度上影响了宏观经济。有研究发现，这一次自硅谷刮起的大模型之风，已经为美国的GDP贡献了一个百分点的增长。而在中国，虽然百模大战愈演愈烈，但大模型的变现之路仍处在摸索的初级阶段，而商业化问题一直是上几轮AI浪潮下，难以找到*solution的老难题。
其二，在中国尚未出现像OpenAI一样的应用层全栈式AI公司，能够从基层大模型、中间层一直做到应用层。而大模型这种极度依靠大算力暴力美学的领域，对于初创公司来说，太烧钱，门槛太高，堪称军备竞赛。大模型不能投，但应用层又没有特别多的公司出来，投资圈开始冷静思索，大家都处在观望状态。
华映资本海外合伙人邱谆认为，这背后体现了中 美技术原创能力的不同。
“硅谷还是一个以原创技术为核心的，为基座的驱动力，这还是很重要的，中国的优势在于优化，不一定是原创，就是人有我有，可能人有我优，再者规模化，上一波深度学习驱动的机器视觉，可以说是AI1.0，现在大语言模型算是AI2.0, 这两波浪潮国内目前的参与都还主要在优化和规模化方面。”
1997年从北京大学毕业后，邱谆就去美国学习人工智能，从南加州大学信息科学研究院毕业后，他加入了硅谷传奇科技公司——思科，前几年回国后加入了投过壁仞科技、星辰数据等AI领域知名公司的华映资本。他持续关注中 美、东南亚等地的AI创投。时间倒回到千禧年，邱谆仍在硅谷深耕技术，那时正值AI寒冬，但整个硅谷还是在不断的积累，很耐心地等待下一个突破。
“但如果我们到大洋的另外一面，就会看到一般来说，是在等美国出现下一个突破之后，我们再去投入，去做优化和规模化的事情，所以它会有一定的延迟。”
“这个突破前的积累过程其实可能是需要一些耐心的，在这个阶段过去之后，我们就真的到了互联网.com那一波，就是中间层的相当于一个接口能够出现的时候，这时候才到了应用层大量涌现的时候，在中国可能就会出现大量的像当年滴滴等一堆互联网公司，这个时候可能还是会需要一定时间，可能大家还需要一定的耐心。”
在中 美之外，东南亚也成为中 美大模型交锋的主战场。
在东南亚，AI还正方兴未艾，虽然落地步伐相对慢，但还是能看到希望。整个东南亚地区的国家，都在拥抱AI。中 美两股AI旋风正在东南亚交汇。
AI在东南亚并不算是新兴行业，在大模型浪潮之前，东南亚就因低廉的人力成本等因素聚焦了智能客服、人工标注等AI相关应用。
但在今年来到东南亚后，科大讯飞云平台事业群副总裁周传福明显的感受是：除了原来的这部分传统项目，现在更多地看到像政府部门、媒体行业、金融行业等都在更加热烈地讨论、拥抱AIGC、大模型等新技术。
虽然目前东南亚使用最多的还是来自OpenAI等欧美AI公司的大模型，但在东南亚AI界，也不乏科大讯飞、华为、海康威视等中国科技公司的身影。科大讯飞、阿里巴巴相继在东南亚推出大模型，东南亚国家队也加入大模型竞赛，新加坡政府投入5200万美元的资金支持AI多模态大模型开发计划(NMLP)。
周传福告诉霞光社：“东南亚虽然是一个区域，但是打开来看，很多国家都有很大的不同。新加坡是东南亚*一个发达国家，它的AI落地会更快一些，像教育等等部门或者行业都有很多的落地应用。相对来说，新加坡（AI落地）走得比较靠前，活跃度更高，但是像马来西亚、印尼、泰国等等国家也能深刻感觉到比原来更加热烈，当然整个落地步伐相对慢，但是还是能看到希望。我们也会长期坚持在这些地方深耕。”
而越南在人工智能的竞赛里也存在弯道超车的可能。摩根大通曾分析称，越南处于新兴东南亚人工智能发展的“前沿”。早在2021年1月26日，越南政府总理批准的《到2030年国家人工智能研究、开发和应用战略》中，就明确了将人工智能发展成为支柱工业产业。
而英伟达CEO黄仁勋也再次押注越南AI，2023年12月，英伟达CEO黄仁勋会见越南政府总理范明政，并承诺将在越南建立半导体基地，将越南打造成为英伟达的第二故乡。
东南亚已成为科大讯飞海外业务的*站和战略中心。2023年6月，科大讯飞携星火认知大模型与C端智能硬件，在新加坡举办产品发布会暨讯飞AI TechDay·新加坡站活动。
“因为科大讯飞一直以相对底层技术的创新、研究为主，所以如果把这些技术用在更多的场景、更多的设备单靠科大讯飞自己其实不行。所以整个开发者生态方面花了很大的力气。”周传福告诉霞光社，在东南亚的开发者生态方面，科大讯飞搭建了以新加坡为中心的讯飞开放平台国际站。
“其实我很羡慕，羡慕的点在于C端酷炫的产品是很容易抓到消费者的，但是底层技术的可能讲两天人家都不知道你在做什么。所以整个生态方面就是把技术落地应用生态是我们长期布局，不是靠一年两年，至少3-5年才能把一个基础做好，这是目前整个状态。当然在东南亚我们也看到了很多的突破。”
他认为，在这些突破的背后，离不开技术创新和本地化。
东南亚历史文化背景复杂，移民的跨国流动使得东南亚形成不同方言体系的多族群社会，各个地区方言众多。比如印度尼西亚的官方语言主要在雅加达一带通用，但其他地方又有非常多的方言。而要做语音识别和合成的核心技术创新，就要在提升通用能力之外，针对不同方言区域的口语场景去做提升。另外，识别合成大模型领域也是科大讯飞寻求突破的重要底层技术。
本地化是出海中企必须要面对的一个挑战，而对于科大讯飞来说，这也是不得不做的事情。因为科大讯飞要面对很多B端用户场景，其中并不存在捷径，他们已经做好了深扎两三年的准备，才能在当地把行业做熟做透。
目前科大讯飞的东南亚团队规模还不是特别大，大概在二三十个人左右，native speaker大概占到40%左右。本地雇员的职务多是以商务拓展，市场等岗位。核心技术方面，还是以国内总部以及在当地派驻的技术支持为主。
在国内团队和本地团队协作过程中，文化差异带来的挑战不可小觑。周传福认为，这种情况下，要把自己放到当地的国家去考虑问题，“而不能说我中国怎么怎么样，外国怎么怎么样，这对我们来说其实是一个适应的过程，说起来很简单，但真正把自己的定位要放到当地的国家。”
除此之外，所有大模型企业要想跑通，都要跨越数据和人才两座大山。
让我们回到开头的问题：
ChatGPT为什么并不脱胎于腾讯、谷歌等数据集庞大、人才济济的大厂？
腾讯和微软数据一定是大过OpenAI的，为什么OpenAI有GPT，腾讯、微软和谷歌都没有GPT？这是因为对数据的有效利用和搜集非常关键。对初创公司来说尤甚，特别是想真正成为一家AI公司，或者只是被AI赋能的公司。
邱谆认为，私有性未必是价值本身的源泉。“你要真正能够利用AI肯定要有数据，但私有数据未必都有价值。这个对于初创公司要有一定认知。”
积累和收集数据，一定要考虑算法。比如搭建数据栈平台，但它的门槛其实很高，因此光是收集梳理数据的准入门槛就将很多人拦在外面。甚至于巨头公司的数据都未必全有用。
提到大模型浪潮下的AI军备竞赛，卷算力或许重要，但核心的算法人才才是这轮竞赛最重要的资源。
对于初创公司，邱谆的建议是，从现在开始去物色一些大模型算法核心人才：“作为一个初创公司，可能今天就要去搜寻一些真正核心的人才，听上去好像有点遥远，但我觉得我这个建议很可能是会有用的。对于一些初创公司，如果你今天就开始，不管你做什么，甚至你只是做应用层，都一定要过数据这一关，但光有数据又没有用，最后很可能是要看你的算法，不管你是什么算法，可能不用碰到基座大模型，但即便你要做微调，甚至只是去调API，都会需要对训练算法的深度认知，最重要的军备其实是人才。”
这也是因为，目前国内大模型人才储备资源紧缺。医者AI CEO刘呈辉曾对媒体表示，“现在国内做基座类模型的人才90%都出自清华，国内真正会调模型、训练模型的甚至不超过200个人。”而大模型抢人大战也让用人成本水涨船高，vivo副总裁周围接受媒体采访时曾表示:"vivo大模型现在每年20亿~30亿元的投入成本，总投入成本已经超过200亿元，人才和数据算力各占一半，人才成本平均每人税后100万元。”在当下，寻找核心人才资源对于初创公司来说尤为关键。
大模型让全球的AI竞赛进一步加速进行，如何在全球化中找准自己的位置，并发挥自身优势，是所有AI企业需要面对的新课题。
