年7月8日上午，经纬创投创始管理合伙人张颖做客混沌“一”思维创新嘉年华，并带来主题分享《如何看待AI拐点》。以下为会议分享内容精编。
AI可以被定义为是变革性的风口。
今天大会的主题是AI，没有想到有一天我会在混沌的平台上讲AI。有点意思的是，我之前还在说，在语言概念上，“混沌”可能正是当下市场在接入AI以后呈现出来的那个最初形态。
我们知道，凡是一定数量的个体都拥有一个共同的名字，它们就有一个共同的“理念”或者“形式”。我们用这个同一性质去统领形态各异的东西。比如白猫黑猫都是猫。但是AI非常复杂，好像还很难用一个同一性去表述它，它可以是模型、算法、手机上的APP应用，也可以是一个具体的机器人。所以AI兴起之后，有很多哲思的东西变得很微妙也很有新的趣味。
回到我们风险投资机构，我们定义一个概念，或者大家感兴趣的，我们定义一个风口，是一时的还是变革性的，它的理念就在于它是不是一个孤立的赛道，还是能带动一整条产业链的，比如智能电动车，就带动了动力电池、汽车芯片、自动驾驶等等方向，所以我们才称之为是变革性的风口。AI在这个理念上，它具备变革性风口的形式特征：包含了基础设施层、模型层和应用层，每个方向上都有颠覆性机会。
作为一个应当算是资深的投资人，面对一个新兴赛道，我也会感到“混沌”，所以我这十几年来基本建立了一套以学习、交流为核心的反馈纠错机制，去对一个赛道进行学习和思考。但是这次的AI，迭代实在太快，让我多少也会感受到学习上的焦虑。我印象非常深刻的就是今年3月的第三周，连续出现了GPT-4、百度文心一言、MicrosoftCopilot、斯坦福大学的Alpaca7B、清华大学的ChatGLM-6B……那段时间，你我应该一样，我们的朋友圈都被AI刷屏了。
带着被动的焦虑和主动的渴望，最近几个月我跟60多名AI领域的创业者，或是准备把AI切入自己业务的高管进行了密集的聊天，多多少少也有一点思考和判断，今天在这里分享给大家。虽然站在三年后看不一定都对，但还是希望能给大家一些启发。
一、对AI发展的一些判断
1.对AI发展的态度，不FOMO，也不JOMO。
今天人工智能很多能力的涌现，不是从去年底ChatGPT出现才开始的，而是从-18年就开始的新一轮数据和算力革命，是技术累积的量变到质变。
先说说我们的态度，我们既不会因为FOMO而仓促出手（FearOfMissingOut），也不会因为JOMO（JoyOfMissingOut）而过于保守，科技行业的投资就是这样，太JOMO了会错过科技大浪潮的板块性机会，太FOMO了又可能会被泡沫反噬。
相比美国OpenAI+微软+英伟达的模式，中国最终能成功的大模型公司，不管在联盟、商业模式、C/B端收入贡献等方面，都会有很大的不同，未来发展需要时间。
我一直在内部强调要“喧杂中冷静，冷静中持续激进”，有必要分清楚什么阶段是风口，什么阶段是价值。整体上，我们觉得这是一条长期之路，如果拿移动互联网的黄金十年（-）来比较，最优秀的公司其实成立于年之后的3-4年内，现在AI才刚刚开始。
2.可能成功的AI公司，都应该打造自身的数据飞轮。
对AI产业链的一个经典划分，是基础设施层、模型层、中间层和应用层，应用场景的横向划分可以主要分为ToC和ToB。在当下，我们认为未来真正能出现一家AI新公司，去挑战现有巨头，还得是敢于从ToC场景里寻求突破的，因为C端能带来的数据飞轮效应，可能是在AI早期决胜的关键。
图：
不知道大家有没有注意到，现在最头部的AI公司比如OpenAI、Character.AI，都是既做模型又做产品，这与移动互联网非常不同，LBS、4G/5G等移动互联网的基础技术，和上层应用比如淘宝、滴滴还是相对分离的。
这不是一个偶然现象，是市场发展阶段导致。AI确实还处于早期的技术创新期，这个阶段的典型特征是需要用技术来驱动产品，比如ChatGPT的创新之处就是用一个聊天界面，直接将大模型触达用户。这是在技术渗透S曲线的早期，需要通过不断提升技术效果，才能够把产品做好，逐渐接近渗透率大幅提升的临界点。在这样的阶段，数据飞轮就变得无比重要。
图：技术渗透率S曲线
我前几天和MoonshotAI创始人杨植麟交流，他认为最好的情况就是模型不断为用户提供服务，然后用户不断为模型生成新的数据。Midjourney一个很成功的地方是，它在自己最核心的流程中嵌入了用户反馈，因为每一个用户都必须强制在AI生成的4张图里，选出最符合自己预期的1张，这就是一个巨大的数据飞轮。而对ChatGPT来说，虽然也有这样的反馈机制，但并不在其核心流程里。
所以在产品设计上，如何形成反馈闭环非常关键，数据飞轮会不断优化模型能力，这种差距最终会决定能给用户提供多少价值。无论是ToC或ToB的公司，打造反馈闭环、形成数据飞轮也是理所当然的一个选择。而对一些从零开始的小公司，这件事可能会很难，但也因为你们没有包袱，所以也有机会。
3.有专业壁垒的垂直模型也许是真正机会所在。
前Google创始人EricSchmidt有一个观点，他认为未来会是多个垂直模型或者多个垂直助理，包括各种高价值、专业化的AI系统。这是因为很多高价值、特定领域的工作流程，特别且必须依赖于丰富的专有数据集。比如彭博最近推出了BloombergGPT，彭博就是把模型做小，参数量在50B左右，相比于GPT-3的B小了很多，虽然削弱了通用性，但在金融领域就是更强。
在国内AI与产业融合节奏上，也会有一些特有的机会，特别是在实体经济、先进制造、智能驾驶等领域，国内的发展有可能会更快，会出一些更创新的模式、应用场景，大概率政策的支持也会非常明显。
AI时代可能会颠覆SaaS时代的很多想法。我们在当下会去看一个AI应用有多少是GPT等大模型的能力，有多少是自己的能力。如果壁垒太低，很多产品可能活不过GPT的一次迭代升级。我们也在不断的思考哪些是新观察点。
在这场AI的浪潮中，我们多重视数据的重要性都不为过。因为，从全球来看，数据都在变得更稀缺。根据一篇联合研究《Willwerunoutofdata？》，由人类原生的数据，未来可能会越来越稀缺，而高质量的自然语言数据，最快可能在年就会被大语言模型耗尽。
图：
这意味存量互联网的数据有限，对于国内的相关公司来说，大家也许会先达到一个标准水平，但之后如何改进，就要看怎么能持续获取合法合规、合商业逻辑的数据源，真正的价值会变成可持续性的高质量数据。基于此，国内的大模型公司与各行业原始数据源头部公司的合作、绑定，可能会更深、更平等，甚至在某些领域数据源会更强势，这种背景下，大概率会出现不同角度、立场、行业为主的大模型公司，模型+算力+数据+场景，将是成功公司最本质的四个维度。
4.大模型产品的两个方向：个性化场景化。
如果我们再看远一点，大模型产品的下一步可能是两个方向：
个性化：给它装上“记忆”。
之前大语言模型一个缺失的地方是，它缺乏记忆更新，每次当你重新打开ChatGPT，它并不记得你们的上一次对话。有些AI公司正在这个方向上寻求突破，比如估值10亿美金的CharacterAI，和估值3.5亿美金的Rewind。
在我们接触的AI创业团队中，不少团队都希望产品有记忆能力，并且带来用户的个性化。由于包含人类的情感，对你需求的理解，对你个性化的满足，这是AI比以前移动互联网时代更进一步的革新，令AI可以真正成为人类的工作助理或是陪伴者，这也带来了AIInfra比如向量数据库的机会。
场景化：给它装上“手”和“眼睛”。
如果你觉得ChatGPT只能问一些问题，还干不了太多事，那你需要去试试OpenAIPlugin，这是OpenAI新推出的一个应用商店，上面几百个插件涵盖了衣食住行、社交、工作学习等各种日常所需场景，可以说是给大模型装上了“手”。
比如一个叫KlarnaShopping的插件，它的功能是比价，你只需要输入问题：“请比较不同购物网站上索尼单反相机的价格”，ChatGPT就能给你答案。再比如KAYAK，它可以实时搜索航班、住宿和租赁汽车信息，根据你的预算提供旅行推荐。比如订酒店，你只需要问它：“请在纽约现代艺术博物馆附近找一家预算为每晚美元的酒店。”
图：
OpenAI正沿着类似苹果“硬件+AppStore”的模式，迈向更高的战略系统地位，看到OpenAIPlugin上百花齐放的App，是不是有点类似曾经移动互联网创业的感觉。
而“眼睛”，则是多模态（文字、图片、影像等），我们日常不仅仅是通过纯语言（文本）来交流，通过眼睛获取的信息比例非常高。像漫威电影里贾维斯（J.A.R.V.I.S.）、《光环》游戏里的科塔娜那样的高级AI，需要多模态的介入，这是重要的发展方向。
图：
要想装上“记忆”“手”和“眼睛”，离不开大模型成本结构的下降。我们看到今年4月之后，训练+推理成本都在迅速降低。而中国创业者一向在应用层会有很好发挥，在未来半年到一年，将以月为单位出现更多应用创新，我们也会很