7月，Meta发布开源免费的Llama 2，一经上线便火速俘获全球开发者的芳心，ChatGPT也推出了被称为史上最强功能的「代码解释器」。
眼下，大厂忙着卷参数，创业公司思索寄托开源速成。大家都清楚这波AI机会百年难遇，也都知道大浪淘沙，笑到最后何其不易。现在，大方向是共识，但是具体怎么做没有明确的答案。即使是OpenAI和微软，也在逐渐摸索大模型的产品化和商业模式。行业其他从业者又该以何种姿态，面对席卷而来的AI巨浪？
近日，行行AI和DataFun联合举办了一场“怎么干！冲向AI大潮的技术、产业应用与资本论坛”活动，汇聚AI领域的投资人、创业者、专家学者，共同探讨生成式AI技术的热点话题。至顶科技担任论坛主持机构，CEO兼总编辑高飞担任主持人。
活动现场干货满满、金句频出，基于此，我们梳理了其中关于大模型的技术发展趋势、行业人才需求、中小企业机遇、垂直应用场景以及创业投资逻辑等方向的21个金句，作为《是什么卡住了大模型创业？》的续集，把脉大模型产业发展动向。
从风暴中心硅谷，看大模型风向
美国硅谷未来资本创始合伙人洪淼：现在几乎所有项目都带着AI关键词，但真正让我心动的并不多。目前AI还处在非常早期的阶段，离实用性大爆发还有长远的路要走，在不久的将来会出现AI泡沫，行业会经历大浪淘沙。将来真正的应用是，怎么用大平台的API算法接口，在企业级应用上提高生产力。
硅谷TSVC基金联合创始人Eugene Zhang：硅谷的投资人一拥而上，斯坦福、伯克利AI相关的教授都要出来创立公司，但再过几年很多公司都会出局，大家都在探索中。AI赛道的投资上，ToB应用需要看是否有明确的价值和清晰的买家，ToC应用则更具未知性。
AMINO Capital管理合伙人徐霄羽：我们的投资主线一直都是数据相关，如果没有数据、只有算法，一个大模型的保鲜期也就只有半年。从商业模式上，PLG(产品驱动增长) Saas是大模型落地的一个较为接地气的商业模式，Midjourney就是如此。
Meta AI科学家Xin Liu：很多公司包括谷歌、Meta都在快速投入AI。至于LLaMA 2，它的思路跟OpenAI不同。我们很相信开源的模式，通过开源共享技术。这其中，没有能力训练基础模型的中小企业会更受益，它们可以根据自己的数据和应用场景，来优化模型。
Credit karma数据科学家Michael Cai：AI的基础概念在五六十年前就有了，现在这些GPT产品的出现，其实并不意外。大模型需要大数据和大算力去支撑，而我们不是直接研究大模型的公司，优势在于特有的数据，因此我们专注的方向就是——怎么将这些数据与大模型结合。
Generative Alpha公司CEO、斯坦福大学数学系博士孙卿云：AI经历过几次大突破，比如ImageNet、AlphaGo的出现，但当时AI很难成为一个独立产品，OpenAI的ChatGPT第一次展示了AI作为一个独立产品，可以获得Product Market Fit（产品市场契合）。硅谷现在有两个创业方向：一类是基于以前的AI技术，比如给传统行业做数字化；另一类基于GPT或Llama2这些新技术，探索如何落地。
Pinterest数据科学家陈卓然：Pinterest和目前很多公司一样，对大模型的安全性和隐私信息还有犹豫。现在，技术上还没有完全攻克将大模型和私有数据融合，既有大模型的精确性，又能用企业的内部数据，这个方向我觉得很有前景。另外，如何将AI技术用于产品？社交网络平台会用AI生成一些广告素材，但还未出现完全成熟的产品。
从产业前沿视野，看大模型机遇
行行智能发起人、董事长、顺福资本创始人李明顺：我看到一个巨大的机会，在这波AI浪潮中，哪怕不一定能够站在浪尖，但至少要沾上浪花。我认为任何一行都需要AI的改造和设计，更需要AI人才去实现应用落地。今天很多行业都在减员，而对AI人才的需求，是少数在增长的领域。我们投资了一个开发者社区，每天有约200万技术人员访问，我们希望把上面的IT工程师改造成未来的AI的工程师或AI训练师，赋能各行各业，未来三年我们的目标是培养100万AI人才。
创业黑马创始人、董事长、中国企业家杂志前总编辑牛文文：硅谷在技术的最前沿，但我们要看向硅谷，也要面朝大地。作为一家面向中小企业的科创服务公司，我们在5月底发布了科创大模型，为企业提供科技项目申报材料智能撰写和数据填报服务，我们不追求全知全能，但这对中国千万的中小企业，已是一个巨大的降本增效。我们的价值观是“让伟大人物引领世界，让小人物也有力气面向未来”。我们希望，把中小企业需求与提供技术和模型服务的人才和机构对接起来。
世界说CEO、哈佛Nieman新闻学者安替：ChatGPT创造了一个新的范式，比如原来ToB软件是做企业流程的标准化和自动化，而ChatGPT则直接给结果，从流程的自动化变成了AIGC。但是ChatGPT胡说八道这点，对于企业服务是要命的，还要做好专业数据库的对齐和防逃逸，不能让它被问出你不想让它回答的结果。
汉坤律师事务所顾问律师李潜：这波AI浪潮，对我们法律从业者造成了一定冲击，不过目前AI在法律服务行业主要是赋能者的角色。新一代AI具备很强的学习和逻辑思维能力，市场上一些法律科技的产品和服务，已经能够一定程度上替代律师起草、审阅一些基础的合同或协议。在尽职调查方面，也可以做数据的抓取和整理，并提供建议。
北京协和医学院胸外科教授郭惠琴：之前华西召集了很多主治大夫与人工智能同时处理一个案例，人工智能得到7.2分，我们的医生得到7.5分，几乎没有显著性差异，甚至在某个问题上，人工智能超越了医生的思维。现在，国内外都已经在用新一代AI技术减轻大夫的工作强度、方便患者，这是目前AI对医学最大的一个帮助。
千里马招标大数据平台创始人兼CEO王剑波：AIGC降低了行业成本，重构了商业模式。以前用户有需求，但受限于成本太高无法跑通的项目，现在可以承接了。另外AIGC降低了技术门槛，对底层运营能力的要求反而更高了，同时数据成为企业的一个护城河。
厦门爱尔卓科技有限公司CEO 、91助手创始人熊俊：相比于做大模型，我们更多考虑AIGC在具体行业里的应用，很多公司造航空母舰，总要有人要去开航空母舰。以前流程改造上很多工作是人来做，现在利用AIGC做数据分析，能很大程度简化企业流程的工作，虽然完全由AI执行流程有难度，但在有人类监督的情况下，它是很好的助手。
至顶科技创始人、资深科技媒体人高飞：语言大模型创造了三个层次的创新机会。第一层是「基础设施」。一波技术浪潮崛起的时候，首先要消耗软硬件资源。大模型改变了早年间算力无处施展的问题，甚至需要更多优化的算力供给。第二层是「独立应用」。大模型的应用场景是随语言流动，一切有语言的地方（或者说有人的地方），都可能被大模型所优化，并创造出新的APP。第三层是「融合场景」。IT业永远有技术遗产问题，大量既有的IT系统，行业Know-how如何与新的大模型API相融，也会创造新的商业模式。
从风险投资视角，看大模型创业
华创资本创始合伙人熊伟铭：现在这个行业很热闹，但是目前还没多少结果出来。国内的策略是让子弹先飞一会儿，国际上是特别大的机会。AIGC ToC最容易起量，但是国内做ToC比较难，资本化差，可能得四五年之后，等到互联网的阿里巴巴时刻，才可能出现一些有意义的东西。
真格基金合伙人刘元：我们上半年到现在投了20多个项目，基本都是AI相关。投资理念就是去找最优秀的创始人，所谓投资人就是投资“人”。对于ToC应用，我们会看对方对用户的理解是否深刻，对于增长的方法论是否全面，我们非常希望他们很早就有产品化或者商业化的想法。对于ToB项目，我们会看对方的行业经验。今天很多VC都去投早期，后续的融资反而比较难。
零以创投创始合伙人郑连发：做大模型难度巨大，又要持续投入大量资金，做出来以后卖给谁、怎么应用，都是未知。我们特别讲究最后的效力，只投应用里面变现能力最直接、账算得最明白的。第二层就是投安全，这也跟国策有关。
执一资本合伙人汪天扬：我们以前主要投产业互联网，现在是科技方向，主要是网络安全，聚焦在应用层面。我们的逻辑是平常心，流水不争先，不要用学术的方式思考，用一个工程师实际的思路去思考。现在ToC应用有“网络效应”的还比较少，ToB应用效率工具比较多，深入到垂直行业里的少。
锦秋基金执行董事臧天宇：我们团队主要是两条投资主线，一个「技术主线」是AI和智能化，另一个「商业主线」是全球化，我个人看AI和机器人的方向比较多。看得比较多的项目是应用层，然后是工具链，另外多模态模型和具身智能，我们也有关注。
42章经创始人曲凯：一个量化的感受是，今年大概有100家AI公司拿到融资，其中可能十几二十家做「大模型」，二十多家做「中间层」，剩下的大多数是做「应用层」。现在大多数基金看得多、投得少，市场超快速形成了“AI是大趋势”的共识，但是市场里面又有很强的非共识，到底什么项目能被投？壁垒是什么？其实很多基金想出手，但发现项目有各种各样的问题。
