編者按：本文來自微信公眾號騰訊科技（ID：qqtech），作者：周小燕，微新創(chuàng)想經(jīng)授權轉(zhuǎn)載。

今年6月，朱嘯虎和傅盛在朋友圈進行了一場關于GPT對創(chuàng)業(yè)公司價值的“辯論”：

① 朱嘯虎給大模型創(chuàng)業(yè)潑了一盆冷水，他認為，99%的價值都是GPT創(chuàng)造，依附于GPT的創(chuàng)業(yè)公司本身的價值不大；

② 傅盛則更加樂觀地認為，硅谷一半公司都在圍繞GPT做創(chuàng)新，它是一個平臺，創(chuàng)業(yè)者可以基于這個平臺衍生出各自不同的價值。

以GPT為代表的大模型是工具和平臺，這場爭論的本質(zhì)，是創(chuàng)業(yè)者能否運用好這款工具，做出有壁壘的產(chǎn)品。朱嘯虎和傅盛代表了這個問題的兩面。

我們和一位硅谷華人投資人、Fusion Fund創(chuàng)始人張璐聊了聊這個問題，她從2018年ChatGPT1.0剛出來便開始關注生成式AI的投資機會，長期關注AI+醫(yī)療的創(chuàng)新技術，通過和張璐的探討來看，“數(shù)據(jù)”的質(zhì)量產(chǎn)業(yè)信息是生成式AI創(chuàng)業(yè)者的核心壁壘。

如果看To C機會，朱嘯虎的觀點可能更占據(jù)優(yōu)勢，因為C端的數(shù)據(jù)基本都掌握在大公司手中。在中國，這些公司可能是阿里巴巴、京東等；而在美國，如蘋果、Google和Facebook等科技巨頭擁有大量高質(zhì)量的C端用戶數(shù)據(jù)。相比之下，小型初創(chuàng)企業(yè)很難與大企業(yè)競爭數(shù)據(jù)質(zhì)量和獲取數(shù)據(jù)的機會，并且C端產(chǎn)品基本上都調(diào)用Open AI的API，同質(zhì)化嚴重。

如果看To B機會，傅盛的視角更立得住腳，雖然大量的數(shù)據(jù)掌握在大企業(yè)手中，但它們卻沒有自己的人工智能開發(fā)能力，它們需要與初創(chuàng)企業(yè)合作，將這些數(shù)據(jù)分享給它們。此外，基于大企業(yè)之間的競爭關系，它們不太可能將數(shù)據(jù)分享給像蘋果或谷歌這樣的巨頭，而更傾向于與小公司合作。面向B端的創(chuàng)業(yè)公司，可以通過和大企業(yè)合作，或者基于在某個領域獨特的數(shù)據(jù)優(yōu)勢而擁有壁壘。

丨核心觀點

●盡管硅谷風險投資領域資金充裕，但現(xiàn)在的投資更加謹慎。與去年同期相比，本季度整體投資項目的數(shù)量大幅下降，但投資金額并未如人們想象的那樣大幅降低。這是因為優(yōu)質(zhì)項目依然吸引大量資本，這正是馬太效應的典型體現(xiàn)。

●過去半年以及未來一段時間的并購活動非常活躍，而且買家不僅限于傳統(tǒng)科技公司，還包括金融和保險等行業(yè)，它們正在收購各種垂直領域的人工智能公司。并購金額從幾億美元到幾十億美元不等，這是一個極其重要的信號。這次人工智能確實影響了整個產(chǎn)業(yè)，大趨勢是全產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型。

●經(jīng)濟低潮階段意味著大型企業(yè)、上市公司和財富500強公司面臨著巨大挑戰(zhàn)。現(xiàn)在與往年不同的是，往年大企業(yè)可能認為技術整合和創(chuàng)新是只是錦上添花，但現(xiàn)在如果不進行新技術的整合，效率將降低，生產(chǎn)力將下降，同時各種成本和競爭性問題也困擾著這些大型上市的財富500強企業(yè)。

●中美之間AI發(fā)展存在著一個技術創(chuàng)新周期的區(qū)別。中國可能仍在基礎設施的創(chuàng)新階段，而美國的基礎技術創(chuàng)新已經(jīng)完成，成為了一個模型。硅谷目前很少談論投資人專注于投入模型的情況，而是專注于下一步，即技術應用創(chuàng)新。

●與數(shù)據(jù)的數(shù)量相比，當前數(shù)據(jù)的質(zhì)量至少在美國已經(jīng)變得更為重要，選擇投資行業(yè)的首要條件是找到具有海量高質(zhì)量數(shù)據(jù)的行業(yè)。只有擁有大量高質(zhì)量的數(shù)據(jù)，才能充分展現(xiàn)人工智能技術的優(yōu)越性。其中醫(yī)療行業(yè)是首選，因為它擁有的數(shù)據(jù)量最大、質(zhì)量最高，無論在中國還是美國都是如此。相比之下，像消費者數(shù)據(jù)和用戶數(shù)據(jù)這樣的數(shù)據(jù)往往較為雜亂。

●針對C端市場，硅谷的創(chuàng)業(yè)者們?nèi)悦媾R挑戰(zhàn)。小型初創(chuàng)企業(yè)很難與大企業(yè)競爭數(shù)據(jù)質(zhì)量，數(shù)據(jù)成本和獲取數(shù)據(jù)的機會。然而，B端市場情況不同。大量的大數(shù)據(jù)掌握在大企業(yè)手中，但它們卻沒有自己的人工智能開發(fā)能力，它們需要與初創(chuàng)企業(yè)合作，將這些數(shù)據(jù)分享給它們。

Fusion Fund創(chuàng)始人張璐

以下為具體訪談內(nèi)容：

01

硅谷創(chuàng)投圈的“馬太效應”明顯，

好項目面臨并購潮，

規(guī)模高達幾十億美金

騰訊科技：你2010年就去美國斯坦福大學讀書，之后開始在硅谷創(chuàng)業(yè)，請分享一下目前整個硅谷的創(chuàng)投生態(tài)是怎么樣的？

Fusion Fund 張璐：盡管今年市場環(huán)境不佳，硅谷銀行破產(chǎn)并導致金融市場波動，但事實上，硅谷銀行對生態(tài)系統(tǒng)的影響并不像人們所想象的那么大。硅谷銀行實際上是由政府托管，確保了企業(yè)、投資者和其他資產(chǎn)儲戶的現(xiàn)金安全。銀行的破產(chǎn)并沒有產(chǎn)生巨大的實質(zhì)性影響，更多是在生態(tài)系統(tǒng)中缺少一個活躍的金融服務提供方。

雖然風險投資領域資金充裕，但現(xiàn)在的投資更加謹慎，“馬太效應”明顯。與去年同期相比，本季度整體投資項目的數(shù)量大幅下降，但投資金額并未如人們想象的那樣大幅降低，因為優(yōu)質(zhì)項目然吸引大量資本。一些具備巨大市場潛力、在收入和客戶層面表現(xiàn)出色的領軍企業(yè)吸引了頂級資本，它們通常在募資過程中能夠超額募資150%至200%.我們自己的企業(yè)今年融資的基本都是超募，有一家深科技的邊緣計算芯片公司幾個月前融資B輪，也是200%超募。

在金融市場和公開市場的影響下，現(xiàn)在的投資者在選擇公司時的條件和要求與以前有很大不同。過去更注重公司是否能實現(xiàn)超高速增長，而現(xiàn)在更注重是否有明確的市場驗證、良好的現(xiàn)有收入和數(shù)據(jù)增長。我認為，這實際上是回歸商業(yè)本質(zhì)。

騰訊科技：在這樣的環(huán)境下，反而更容易催生出一批偉大的企業(yè)？

Fusion Fund 張璐：沒錯，仔細觀察風險投資市場，可以看到目前的一個重要特點是，創(chuàng)業(yè)者的平均素質(zhì)和質(zhì)量比往年要高得多，他們要么是連續(xù)成功創(chuàng)業(yè)者，要么具有豐富的行業(yè)經(jīng)驗。

在過去幾十年的創(chuàng)新浪潮中可以看出一個規(guī)律，經(jīng)濟低潮、經(jīng)濟變化和轉(zhuǎn)折階段是最容易出現(xiàn)偉大企業(yè)的時候。

第一，這是周期性變化，在觸底后必定會反彈，反彈過程中能夠順勢崛起的公司將會更快成長。

第二，資本在這個時候更加集中地投資，優(yōu)質(zhì)公司可以獲得更多集中的資本、資源和人才。

第三，現(xiàn)在的經(jīng)濟低潮階段意味著大型企業(yè)、上市公司和財富500強公司面臨著巨大挑戰(zhàn)。現(xiàn)在與往年不同的是，往年我們可能認為技術整合和創(chuàng)新是可有可無的，但現(xiàn)在必須進行整合，包括與人工智能這一批新技術的整合。

如果不進行新技術的整合，效率將降低，生產(chǎn)力將下降，同時各種成本和競爭性問題困擾著這些大型上市的財富500強企業(yè)。它們迫切需要與技術進行整合，這也證明初創(chuàng)企業(yè)可以更快地獲得訂單和市場驗證。

硅谷整體的創(chuàng)投環(huán)境可以用核心幾個詞來概括：

首先是“馬太效應明顯”；

其次是“崛起”，我們正處于一個調(diào)整期和快速崛起的前期階段；

最后是“活躍”，盡管中晚期有很多基金備用金和資金，但大家仍在觀察市場的調(diào)整，等待優(yōu)質(zhì)企業(yè)崛起后再進行重點投資。

騰訊科技：你提到在周期性變化中，“觸底后必定會反彈”，現(xiàn)在已經(jīng)處于周期性變化的底端了嗎？“反彈”是不是即將來臨？

Fusion Fund 張璐：還需要時間來實現(xiàn)反彈，因為反彈的核心是整合和推動新技術。現(xiàn)在的人工智能具有許多優(yōu)勢，特別實用。

企業(yè)應用的發(fā)展進展非常迅速，但要將它們大規(guī)模推廣像IBM、微軟和輝瑞這樣的公司可能需要一年的時間。

一旦進入客戶端，要讓它們的訂單從幾百萬美元增加到幾千萬美元甚至更高，也需要一年的時間。

在未來一到兩年內(nèi)，人工智能將迅速崛起，但不會像人們想象的那樣在幾個月內(nèi)完成，它仍然需要一個周期。在這個過程中我們將會經(jīng)歷經(jīng)濟周期，但同時也會看到各種垂直領域的人工智能應用蓬勃發(fā)展。

騰訊科技：這一兩年內(nèi)，企業(yè)需要做哪些技術上的搭建和準備，才能把握和應對垂直領域人工智能的發(fā)展機會？

Fusion Fund 張璐：中美之間存在著一個技術創(chuàng)新周期的區(qū)別。中國可能仍在基礎設施的創(chuàng)新階段，而美國的基礎技術創(chuàng)新已經(jīng)完成。

我們目前很少談論投資人專注于投入大模型的情況，而是專注于下一步，即技術應用創(chuàng)新，但加速仍需要一定時間。此外，推動力不僅僅是技術創(chuàng)新本身。你開發(fā)出的技術需要被人們使用，需要被應用于產(chǎn)業(yè)。當前，美國的大型公司（包括500強公司）的CTO(首席技術官)手中有很大的預算，甚至可以達到數(shù)十億美元。這些巨額資金專門用于與初創(chuàng)企業(yè)合作，進行訂單戰(zhàn)略合作或并購。

你會發(fā)現(xiàn)過去半年以及未來一段時間的并購活動非常活躍，而且買家不僅限于傳統(tǒng)科技公司，還包括金融和保險等行業(yè)，它們正在收購各種垂直領域的人工智能公司。并購金額從幾億美元到幾十億美元不等，這是一個極其重要的信號。

同時收并購的速度也很快，過去2年我們有8家公司被收購，幾個月前我們的一家和Nvidia合作的AI公司，在兩個月內(nèi)被一家上市公司高價全現(xiàn)金收購，所以技術整合的速度在加速。我們之所以對此感到興奮，是因為過去在互聯(lián)網(wǎng)時代數(shù)字化轉(zhuǎn)型主要集中在科技領域，其他行業(yè)雖然提到了"互聯(lián)網(wǎng)+"但仍不是深度應用。但是這次人工智能確實影響了整個產(chǎn)業(yè)，大趨勢是全產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型。

騰訊科技：在全產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型過程中，生產(chǎn)力和生產(chǎn)關系會發(fā)生調(diào)整，大家會面臨很多的動蕩和變化，比如企業(yè)裁員、很多人面臨失業(yè)，這是一個必然的趨勢嗎？

Fusion Fund 張璐：裁員有兩個原因，一方面是經(jīng)濟形勢的調(diào)整，大家都希望增加現(xiàn)金流；另一方面，特別是科技公司，它們不再需要那么多工程師，因為通過優(yōu)化工作流程和降低開發(fā)成本，就可以實現(xiàn)大規(guī)模的成本降低。

如果一個員工的生產(chǎn)力和效率提高，整個公司是否需要更少的員工就可以運轉(zhuǎn)？我認為數(shù)字化轉(zhuǎn)型的核心就是自動化，產(chǎn)業(yè)越自動化，對人力需求就越少。

實際上，目前美國存在一定的對立情況，科技行業(yè)進行裁員，而傳統(tǒng)行業(yè)卻招不到人。

例如，我自己創(chuàng)辦了CXO網(wǎng)絡，其中有44位來自全球1000強企業(yè)的首席技術官，我的合伙人之一是曾任惠普全球首席技術官的Shane Wall，我們可以了解現(xiàn)在這些產(chǎn)業(yè)領袖的預算和下一步數(shù)字化轉(zhuǎn)型的戰(zhàn)略布局。

其中，一家大型物流供應鏈公司的首席技術官告訴我，他們的人才流動率高達130％，因為年輕人不愿意從事該行業(yè)的工作，所以他們無法招到人才，不得不開始推進更多的自動化。

與此相反，科技公司之所以裁員，是因為新的人工智能技術的出現(xiàn)降低了開發(fā)成本，使得他們不再需要那么多的員工。此外，一些科技公司過去幾年的估值過高，快速增長導致人力成本過高，這也是裁員的原因之一。

我認為在看待整體問題時，需要分別看待不同的生態(tài)和產(chǎn)業(yè)，從宏觀和微觀的角度思考。雖然很多科技公司在裁員，資金鏈緊張，但并不代表它們會一直“貧窮”，相反，如果你來到硅谷，會發(fā)現(xiàn)這里聚集諸多優(yōu)質(zhì)的項目和大量的資金。

只是現(xiàn)在大家投資更加謹慎，也更加集中，這就是為什么好項目能夠崛起的原因。想象一下，將同樣的資金分散投資到100個公司，那么每個公司的成功可能性都不太高。但現(xiàn)在，資金大部分集中在最優(yōu)質(zhì)的企業(yè)中，他們的成功概率自然更高。

02

硅谷進入AI驅(qū)動的全產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型時代

騰訊科技：今年3月，創(chuàng)新工場董事長李開復認為，AI已經(jīng)從1.0邁入2.0的拐點，ChatGPT則是AI 2.0時代的第一個現(xiàn)象級應用。在硅谷，有沒有對AI的發(fā)展做過類似的階段劃分？

Fusion Fund張璐：硅谷沒有對AI發(fā)展階段做過類似的概念區(qū)分，但硅谷一致認同，現(xiàn)在是一個AI推動全產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的時代。在ChatGPT出現(xiàn)之前，大家談論AI的語境主要集中在科技產(chǎn)業(yè)里，但現(xiàn)在基本探討的都是AI和全產(chǎn)業(yè)的整合。

騰訊科技：從什么時間點開始，你非常明顯地感覺到，AI推動了全產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型時代的到來？

Fusion Fund張璐：大概在今年（2023年）年初，大眾才開始對AI推動全產(chǎn)業(yè)發(fā)展有所反應，ChatGPT其實做了一個重點工作，它給全產(chǎn)業(yè)做了一場AI教育。

但如果真的從全產(chǎn)業(yè)應用來說的話，我們從2019年就一直在投“零代碼人工智能平臺”方向，也就是說使用它的人不需要懂一行代碼。ChatGPT的出現(xiàn)，讓不需要有任何技術背景的人也可以使用先進技術，這是ChatGPT帶來最大的效應之一。

從投資角度看，我們從2018年就開始投資生成式人工智能了，當時ChatGPT 1.0出現(xiàn)了，我們有一個合伙人在2018年和谷歌合作非常緊密，他們也在探索用Transformer做一些金融層面的應用，但彼時大模型還沒有現(xiàn)在這么成熟好用，從GPT 3.5出現(xiàn)開始，整個產(chǎn)業(yè)的加速變快了。

騰訊科技：在2018年ChatGPT 1.0出現(xiàn)的時候，你們內(nèi)部是怎么思考生成式AI的？比如國內(nèi)有的投資人會畫一個生成式AI的投資圖譜，按照AI Infra、模型層、應用層三個層面逐一尋找頭部項目，硅谷投資人也會做這樣的分層嗎？

來源：英諾天使基金合伙人 王晟

Fusion Fund張璐：我也同意這個分層。我們投資布局人工智能的時候，大語言模型只是其中一個模型類型，我們同時也投聯(lián)邦學習、可解釋性人工智能等。雖然我們很早就看到大語言模型的機會，但是確實沒想到它發(fā)展的速度這么快。我們當時判斷，語言模型基本上會由幾個大公司或者大機構把它作為一個底層基礎提供出來。

在AI Infra層面，我們投資布局了一些模型優(yōu)化公司，主要集中在算力、能耗、數(shù)據(jù)質(zhì)量提升三個大方向；

在模型層面，我們非常看好開源平臺，但開源平臺和閉源平臺不會取代彼此，需要針對不同的應用來選擇相應的模型，有的應用適合調(diào)用Open AI的API，有的適合調(diào)用谷歌的PaLM，有的則適合用Meta的Llama 2，每個應用根據(jù)需要的場景各取所需；

在應用層面，我們主要看垂直to B的應用，青睞具有海量高質(zhì)量數(shù)據(jù)的行業(yè)。只有擁有大量高質(zhì)量的數(shù)據(jù)，才能充分展現(xiàn)人工智能技術的優(yōu)越性。其中醫(yī)療行業(yè)是首選，因為它擁有數(shù)據(jù)量最大、質(zhì)量最高的數(shù)據(jù)，同時應用場景非常多樣，無論在中國還是美國都一樣。相比之下，像消費者數(shù)據(jù)和用戶數(shù)據(jù)這樣的C端數(shù)據(jù)往往較為雜亂。

現(xiàn)階段監(jiān)督學習仍然遠大于生成式AI，兩者都將繼續(xù)增長，生成式AI的增長速度可能會更快。同時生成式AI使得監(jiān)督學習的發(fā)展變得比原來可能快100倍、同時也更便宜，并更容易為公眾所接受。

硅谷生成式AI的投資邏輯：10%精力看大模型，90%精力看應用和Infra

騰訊科技：在模型層面，什么樣的應用會選擇閉源模型、什么樣的應用選擇開源模型，這里面存在著什么樣的規(guī)律？

Fusion Fund張璐：這里面可能沒有特殊規(guī)律可遵循，核心的考量在安全隱私層面，比如金融保險這類傳統(tǒng)機構不會使用開源模型，但科技產(chǎn)業(yè)類企業(yè)對開源模型的態(tài)度更加開放一些。現(xiàn)在也有初創(chuàng)企業(yè)動態(tài)選擇不同的模型來支持不同的應用，優(yōu)化整體效率。

騰訊科技：可以理解為，Open AI、谷歌、Meta基本搶占了硅谷大模型的天下，所以你們在模型層面不會做其它投資動作了？

Fusion Fund張璐：并不是說完全不看模型層面的機會，只是會有側(cè)重點，我們會用10%的時間去關注模型，剩下90%

的時間關注Infra優(yōu)化和在垂直領域的應用。美國還是有很多人在持續(xù)探索模型層面的優(yōu)化以及其它不同方向，比如如何用更小的數(shù)據(jù)量進行新一代的算法優(yōu)化等，現(xiàn)在只是一個開始。

騰訊科技：在這10%的精力里面，你們會用什么樣的邏輯去探索新的模型層面的機會？

Fusion Fund張璐：由于它還是一個比較新的事物，我們只能永遠去保持關注，在關注的同時不一定有新的東西可以馬上投，還需要時間讓模型更成熟并且適合大規(guī)模商業(yè)應用，但我們一定會持續(xù)花時間去探索。大語言模型非常Amazing，但它不是AI的全部，它只是AI的開始。李開復老師也說AI有1.0到2.0的迭代，這說明它還會有3.0甚至4.0，未來會有更好的算法、更優(yōu)化的模型幫助我們實現(xiàn)真正的零代碼人工智能平臺，這就像傻瓜相機出現(xiàn)后，大家不用具備專業(yè)的調(diào)光知識也能去拍照一樣。

騰訊科技：在AI Infra層面，你提到關注數(shù)據(jù)質(zhì)量提升，和質(zhì)量相比，數(shù)量不重要嗎？

Fusion Fund張璐：在美國，垂直領域的To B應用發(fā)展很快，尤其在GPT-3.5之后，如果想讓模型變得更精準和高效，數(shù)據(jù)質(zhì)量比數(shù)量更重要。要想在大模型基礎上訓練專屬模型，所需要的行業(yè)數(shù)據(jù)的量其實并沒有大家想象的那么多，因為垂直領域的應用是有邊界的，這和to C端應用不同。

很多人不理解為什么ChatGPT要用大量數(shù)據(jù)，而做專屬行業(yè)應用則不需要。我們可以設想，ChatGPT是C端應用，它需要應對人類所提出的亂七八糟的各類多樣化和發(fā)散問題，這就導致它必須不停延展自己的能力邊界，只有吸取大量數(shù)據(jù)才能覆蓋所有問題。

但行業(yè)專屬模型，只需要專注在一個領域就行。比如我們投了一家針對藥廠的公司Huma AI，它相當于醫(yī)藥領域的ChatGPT，藥廠可能會直接問它“新藥的臨床試驗怎么設計”“某兩種藥的副作用有什么關聯(lián)”這類問題，它的答案都無比準確。聽起來好像很難做到，但是藥廠所問的問題都局限在它所掌握的數(shù)據(jù)范疇之內(nèi)，所以它的變量比To C應用小得多。

在這樣的背景之下，其實訓練數(shù)據(jù)的數(shù)量很小，但是質(zhì)量很重要。在數(shù)據(jù)質(zhì)量提升方面，我們投資過一家公司名為Optimal Dynamics的公司，專注于傳統(tǒng)物流供應鏈行業(yè)。它的產(chǎn)品不僅是一個簡單的人工智能平臺，還具備傳感器，可以在物流供應鏈過程中收集大量數(shù)據(jù)，并通過人工智能在終端進行處理。

在Infra層面，除了數(shù)據(jù)質(zhì)量優(yōu)化之外，過去的一年我們也投資了一些在算力和能耗層面上進行優(yōu)化和提升的公司，有些是在Cloud層面，有些是和Edge Computing（邊緣計算）相結合，也有在芯片層面上的優(yōu)化。雖然這些公司都還很早期，商業(yè)化進程都很快，包括Nvidia，AMD，高通等芯片巨頭公司都在和初創(chuàng)企業(yè)合作。

03

硅谷生成式AI的應用機會：

C端應用同質(zhì)化嚴重，

B端應用更有壁壘

騰訊科技：之前國內(nèi)投資人朱嘯虎發(fā)文表示“ChatGPT對創(chuàng)業(yè)公司很不友好”，傅盛回應“國內(nèi)投資人的思想怎么這么落后，在硅谷現(xiàn)在已經(jīng)有1萬家公司都圍繞這個東西做創(chuàng)新。”在硅谷，生成式AI主要有哪些應用層面的創(chuàng)新模式？

Fusion Fund 張璐：比較于C端的機會，硅谷投資人更看重B端的機會。

針對C端市場，硅谷的創(chuàng)業(yè)者們面臨很大挑戰(zhàn)。目前的差異化已經(jīng)不再只關注誰的生成式AI模型算法更出色，因為模型一旦問世并開源后，任何人都可以使用。相反，數(shù)據(jù)的獨特性和質(zhì)量才是壁壘和天花板。而C端的數(shù)據(jù)基本都掌握在大公司手中。在中國，這些公司可能是阿里巴巴、京東等；而在美國，如蘋果、Google和Facebook擁有大量高質(zhì)量的C端用戶數(shù)據(jù)。相比之下，小型初創(chuàng)企業(yè)很難與大企業(yè)競爭數(shù)據(jù)質(zhì)量和獲取數(shù)據(jù)的機會，數(shù)據(jù)成本也很高。

然而，B端市場情況不同。大量的大數(shù)據(jù)掌握在大企業(yè)手中，但它們卻沒有自己的人工智能開發(fā)能力，或者不想自己在內(nèi)部開發(fā)因為擔心潛在監(jiān)管的風險，它們有動力與初創(chuàng)企業(yè)合作，將這些數(shù)據(jù)分享給它們。此外，基于大企業(yè)之間的競爭關系，它們不太可能將數(shù)據(jù)分享給像蘋果或谷歌這樣的巨頭，而更傾向于與小公司合作。

騰訊科技：你在B端應用層面的思考過程是怎樣的？在應用發(fā)展方向上的布局優(yōu)先級是怎樣的？

Fusion Fund張璐：在To B方向，每個行業(yè)都會需要行業(yè)專屬模型，生成式AI應用需要滿足三個條件：

第一，基礎條件是行業(yè)數(shù)據(jù)質(zhì)量高且規(guī)模巨大；

第二，應用場景要足夠多樣；

第三，這個行業(yè)本身的市場空間巨大，只有在足夠大的市場里，用戶的付費意愿才足夠強。

按照這個邏輯，排名第一的行業(yè)一定是醫(yī)療，其它行業(yè)依次是金融、保險、供應鏈、化工行業(yè)等。

醫(yī)療市場占據(jù)美國GDP的20%。不僅我一直在強調(diào)這一點，在其他會議上，許多大型人工智能公司的首席執(zhí)行官也表達了相同觀點。例如，NVIDIA最新的文章關注數(shù)字生物學，微軟和谷歌也在關注人工智能在醫(yī)療行業(yè)的應用，AI醫(yī)療絕對是一個最大的趨勢之一。

醫(yī)療行業(yè)本身又有很多分支，它的應用場景非常多樣化，我們的邏輯是在醫(yī)療行業(yè)的每個垂直領域中尋找它的Number One.

對于一家早期的AI醫(yī)療企業(yè)來說，一方面要關注它的解決方案，另一方面也要看團隊是否具備獲取優(yōu)質(zhì)數(shù)據(jù)的能力，企業(yè)能夠擁有高質(zhì)量專屬數(shù)據(jù)的數(shù)據(jù)庫，這個數(shù)據(jù)庫可以由企業(yè)自己建立，也可以通過和別人戰(zhàn)略合作獲取。此外，還需要擁有專業(yè)的行業(yè)知識可以在訓練行業(yè)專屬模型時給予高質(zhì)量反饋進行模型優(yōu)化本身。

但這些專屬數(shù)據(jù)并不掌握在初創(chuàng)公司手里，而是主要掌握在一些傳統(tǒng)大公司手中，他們可能會與第三方初創(chuàng)公司合作將數(shù)據(jù)分享出去。

騰訊科技：從應用場景上來看，你會把醫(yī)療行業(yè)分成哪幾個應用環(huán)節(jié)？生成式AI能改變的是哪幾個環(huán)節(jié)？

Fusion Fund張璐：我們主要分四個方向看醫(yī)療：

數(shù)字化診斷

數(shù)字化治療（Theraputics）

數(shù)字化生物學（Biology）

醫(yī)療體系的企業(yè)級軟件（Enterprise AI focus on health care）

它們并不是都需要用到生成式AI，展開來說：

數(shù)字化診斷主要和路線圖有關系，我們投資了深透醫(yī)療（Subtle Medical ），他們通過生成式AI將CT，MRI等醫(yī)療影像從低精度升級成高精度人工智能，病人只需要做5分鐘的低精度掃描就能獲得高質(zhì)量的圖像，而不需要做3小時的高精度掃描，提升診斷效率的同時，也降低診斷成本。但數(shù)字化診斷并不需要全部都使用生成式AI技術，它可能只需要有可解釋人工智能就夠了，如果AI pathology，人工智能讀片，其實并不一定需要使用生成式AI。

數(shù)字化生物學一方面會用到生成式AI，另一方面會用到AlphaFold的數(shù)據(jù)庫，用來推算蛋白質(zhì)折疊結構。我們投資了Ruby Bio，就是針對化工行業(yè)的合成生物學公司。

醫(yī)療體系的企業(yè)級軟件，我們投資了Huma AI，它主要面向制藥行業(yè)和生命科學行業(yè)，它所訓練的數(shù)據(jù)主要基于藥廠內(nèi)部的大量數(shù)據(jù)，醫(yī)藥廠商只要輸入和藥相關的信息，Huma AI都能輸出相關的知識。我們也投資了一些針對醫(yī)生的medical coding with AI，醫(yī)療保險等應用。

騰訊科技：B端的機會很多，但是C端完全放棄了嗎？比如類似于像Midjourney這樣的C端應用，團隊只有11個人，但收入1億美金，類似的機會也不關注嗎？

Fusion Fund張璐：硅谷也有很多機構持續(xù)看C端機會，投資人尋找的時間成本更高一些，C端產(chǎn)品基本上都直接調(diào)用現(xiàn)有的API，并且同質(zhì)化也很嚴重。

騰訊科技：最后，我們探討一些硅谷新趨勢。除了AI，硅谷現(xiàn)在的投資方向是否有其它高度聚焦的新主題？

Fusion Fund 張璐：這波趨勢并不是只聚焦人工智能，人工智能是一個新的強力工具，它應該盡可能地被應用到各個領域。然而，并不意味著所有使用人工智能的領域都可以創(chuàng)造巨大的商業(yè)價值，所以對于投資來說，也要挑選哪些產(chǎn)業(yè)和應用可以更快創(chuàng)造巨大的商業(yè)價值，最適合優(yōu)先應用。

在這個關注層面上，首先是醫(yī)療領域的數(shù)字化轉(zhuǎn)型。數(shù)字化是驅(qū)動人工智能作為高效工具的關鍵。比如，我們公司一直關注醫(yī)療領域，其中重要的就是人工智能在醫(yī)療領域的應用。

第二個關注點是企業(yè)級網(wǎng)絡技術和企業(yè)級人工智能，即企業(yè)級AI和企業(yè)級網(wǎng)絡，還有數(shù)據(jù)隱私保護。

最后是傳統(tǒng)行業(yè)的數(shù)字化轉(zhuǎn)型。這涉及到硬件和軟件兩個方面。軟件方面就是人工智能的應用，涉及到許多垂直行業(yè)。所以，當評判一個公司是AI公司還是醫(yī)療公司時，我認為本質(zhì)上它還是一家醫(yī)療公司，因為人工智能本身只是一個驅(qū)動工具。同時數(shù)字化轉(zhuǎn)型包括數(shù)據(jù)收集，數(shù)據(jù)傳輸保護，和數(shù)據(jù)處理三個部分。需要軟硬件層同時升級，才可以滿足產(chǎn)業(yè)需求。

總之，現(xiàn)在的大趨勢是各種不同類型的公司都要在不同程度上應用人工智能，或者說圍繞人工智能生態(tài)系統(tǒng)進行開發(fā)。

本文（含圖片）為合作媒體授權微新創(chuàng)想轉(zhuǎn)載，不代表微新創(chuàng)想立場，轉(zhuǎn)載請聯(lián)系原作者。如有任何疑問，請聯(lián)系http://www.i0562.net/。