“万一投入了四五千万美元做出来别人却免费发布了呢？”
金沙江创投主管合伙人朱啸虎曾对通用大模型泼了一盆冷水，他对外表示不会投资任何一家中国大模型公司，因为“没有前景”。这一立场一度在AI创投圈引发热议。
看向业界，更多投资机构仍然在真金白银下注，只红杉一家就投了智谱人工智能、MiniMax和月球背面，高瓴、启明创投、达晨财智等机构同时投了智谱人工智能，深创投、顺为资本投了百川智能，真格基金、砺思资本则押注了月球背面。
2021年，在ChatGPT还没面世引发这轮人工通用智能（AGI）革命时，云启资本就已经为MiniMax签下了“第一张支票”，成为其天使投资人。在获得第一批牌照的8家大模型里，中金资本也“差不多投了一半”。 资本市场正处寒冬期，但在众多的不确定性里，大模型带动的AGI似乎是某种意义上投资的共识。
来自调研机构FutureSearch的最新数据称，OpenAI的年化营收达到了34亿美元。投资人的判断是，在人工智能领域，这样规模和这种确定性的资金往往是罕见的。也许这正是一个具有极高潜力的领域。
大型投资模型确保“风险可控”
2021年初，在大模型还是非共识时，陈昱和MiniMax创始人闫俊杰见了一面， “他当时就成功说服了我大模型才是通往AGI的一条比较好的路径。”陈昱在那时决定押注MiniMax。
“那时我们判断，大模型如果真的有一天能实现通用人工智能，它的想象空间是巨大的。所以我们在早期碰到闫俊杰这样优秀的人才的时候，我们是希望在他身上去赌一把的。”第一次见面时，闫俊杰就在和陈昱详细说明大模型和多个小模型可能带来的效果差异，并且成功“游说”了他。
云启的风格一直是投早、投小、投前沿科技。“一般来说，我们都会是给创业公司去写第一张支票（的机构）。”在标的选择上，陈昱提到，会更注重团队技术的领先性，期待能够做出一些比较颠覆的技术和应用，“看人，以及看这个人做的事。”
原文中的内容无需扩写，直接返回原文。
与云启相比，中金资本注重团队的技术背景和一些独特的专利，这些构成了企业的壁垒，但同时也关注企业目前的商业进展。
在这轮通用大模型的投资里，中金资本也没有缺席，“第一批牌照的8家，差不多都投了一半，没拿牌照的公司也投了一些。”张清提到。
技术有一定的范式，也会走出一定的模式，“但凡你能对这个模式有更深的洞察，你就能够往前走一些，我们靠推演提高胜率来进一步投资，而规模也是一个相对量。”张清认为，企业需要有一定的造血能力，虽然通用大模型耗费的资金很多，但至少在这次大模型浪潮中，这个赛道的企业能取得的收入是较为领先的，其他公司或许离收入还更远。
如果目光看向国外做一个比较，OpenAI 2023年的营收已经达到了100亿人民币，“在人工智能领域，这样规模的资金和这种确定性是过去很多年来很少见的。”张清判断，从这个角度来看，通用大模型显得尤为重要。
2023年12月就有媒体消息称，由于明星产品ChatGPT的迅猛增长，OpenAI的年化收入达到16亿美元。就在今年7月，AI调研机构FutureSearch发布了一份报告，其中提到OpenAI的年化营收将达到34亿美元，OpenAI每月的付费用户约为988万名。
在确定性之外，天花板也非常关键，假如大模型确实达到了AGI，那么赛道的前景是无限的，不过，悖论也存在：真的存在那么多AGI吗？张清提到，对于具有高天花板的领域，可能需要进行一个portfolio（投资组合）的布局。
在投资人的视角，目前大模型的投资风险还是可以控制的。一方面，许多大模型的创始人并不仅专注于追求AGI，他们同时也在寻找商业化的场景。同时，AGI的“市场潜力巨大”，是一个让所有人共同参与以分散风险的事业。综合考虑这些因素，投资于通用大模型，尽管风险存在，但仍在可控的范围内，并且成功的可能性更大。
投资人朱啸虎此前提出，通用大模型没有投资价值，因为未来开源最终会追平闭源。作为躬身入局者，陈昱也投过较多的开源项目，在他看来，“开源和闭源本质上没有太大区别，只不过开源可能会利用一些社区的杠杆，但这并不意味着开源没有商业模式。”
以欧洲大模型独角兽Mistral AI为例，一开始团队秉持的是开源路线，不过，随着规模的扩大、更多的融资，Mistral AI越来越向闭源靠近，团队在年初发布的旗舰大模型Mistral Large就采取了闭源路线，既不开放也不免费。对此Mistral创始人Arthur Mensch曾解释称，在构建商业模式和坚持开源价值观之间找到一个平衡点是非常微妙的，“我们希望创造新的事物、新的架构，但是还想向我们的客户提供一些额外的产品和服务。”
“从这点来看，其实开源公司和闭源公司并没有太大的区别。”陈昱认为，只不过开源大模型会给一个额外的选择：如果不想使用企业的云服务，也不需要接受开源的技术支持，开发者仍然可以自行使用。但如果希望充分利用，最终可能还是需要寻求原厂的支持。此外，还有部分开源模型会与云厂商合作，通过提供推理服务来获取收益。
陈昱认为，未来开源和闭源两种模型可能都会存在于市场里，开源模型相当于提供了一个免费试用的阶段，同时许多开源模型也会“双管齐下”，开源一些参数较少的、中型或小型的模型，但超大型的旗舰模型则用于商业化。
大厂与独角兽的胜负难以预料
过去一年半时间里，中国大模型独角兽公司迅速融资、成长，据不完全统计，第一梯队独角兽的融资金额至少已达200亿人民币，目前行业已初步形成六家独角兽大模型公司对阵BAT等大厂十几个基座大模型的格局。
在大厂与独角兽的赛跑中，谁能胜出？这是两种截然不同的策略路径，大厂的出发点是，利用大型模型技术重新构建其整个应用场景，创业公司则采取了从基础设施出发，逐步将模型应用到实际场景中。
在张清的看法中，创业公司可能会更专注于其业务，但大型模型是一个资本密集型的竞技场，其中许多不确定因素使结果难以预测。
“在许多科技创业过程中，通常情况下是创业公司能够取得成功。”这背后的一个逻辑是，大公司通常涉足多个业务领域，这既为创业者提供了支持，也带来了一定的限制。张清指出，从理论上讲，创业初期的创始人应该专注于主营业务的稳定性、现金流和发展战略等关键问题。在这一阶段，许多创业企业能够领先一步。”
同时，对于大型企业来说还有一个性价比和考评方面的问题。张清认为，大型企业有它的优势，某种意义上也反映出它的劣势，所以在很多以往行业的讨论中，创业企业胜的是更多的。
但大模型有一些差异的点在于，这个赛道需要拼资源、拼资金。只需要看微软向OpenAI投的130亿美元就能很直观地知道，这不是一般人玩的游戏。
退一步看，中国的创业企业工作效率很高，或许不需要到百亿美元，但客观的规律也要走，“该买卡还是要买卡，该付的费用还是要付。”张清认为，这样资本密集型的创业赛道，不是随便一个人就能广泛成功的，加上有的大厂有决心能拿出这样量级的资金投入，谁是最后的王者在这个阶段还很难预判。
现在大家都可以想到的是，会有几个种子选手未来会往后走，但最后，很重要的一个前提是，“会不是人工通用智能（AGI），什么时候会出现AGI，如果真的达到AGI这个层面，很多因素可能就不同了。”
陈昱认为，“大厂肯定是有优势的。以API服务为例，大厂可以实现Token几乎免费，但从云计算上去赚钱。这种模式对于创业公司很难做到。”
5月，国内大模型厂商掀起价格战，主力就是云厂商，以致大模型甚至直接跨入免费时代。最初是字节跳动对外发布豆包大模型，以远低于行业价格的商业定价，打响了首波价格战，接连几天内，智谱、阿里云等相继宣布大幅下调大模型API调用价格，随后百度更是宣布文心大模型的两款主力模型全面免费。
在这轮价格战中，折射出的一个问题是，厂商的大模型技术和能力等各方面趋同，厂商间并没有特别强的壁垒。“我是觉得到最后，大家不能无节制地去打价格战，重心还是得放在模型的质量上，这才是一个比较可持续的商业模式。”陈昱说。
一定程度上，中国的创业公司和大公司目前仍处于竞争激烈的状态。抛开未来不可预测的AGI不谈，产业落地可能成为未来竞争的转折点，“选择何种场景、何种落地方式来实现商业化，我认为对整个企业的发展和未来谁能脱颖而出至关重要。”
应用层有更多投资机会
“去年一级市场的投资集中在几个基础大模型上，接下来两三年的机会在AI应用上，特别是怎么利用基础大模型的能力，对应用做投资。”陈昱认为，目前市场上大模型供给已经比较充足，独角兽创业公司和大厂的一系列基座模型基本能满足当下的应用开发需求。因此，基础模型层的投资新机会所剩无几。
Explanation: The content within `
` and `` tags does not require paraphrasing or expansion as it is specific and contextually meaningful. Therefore, the original HTML structure with the content unchanged is returned.
对于未来应用层的投资机会，陈昱认为，无论C端还是B端都具有巨大的潜力，具体方向上，生产力提升、科学研究、具身智能、娱乐、消费电子是云启会重点关注的领域。
陈昱的一个观察是，目前社交软件的AI应用落地进展相对较快，团队发现，“大模型很大一部分消化量，差不多500亿到1000亿的Token是消化在情感陪伴类的社交软件上。”类似社交、娱乐应用等C端场景有较大的机会，可以给用户提供情绪价值。
目前行业普遍在做的生产力提升上有很多场景。在搜索场景上，大模型颠覆了传统的搜索引擎，在工作场景中可以帮助内容生成提高效率，在任务的自动化上，大模型也可以通过AI Agent有效辅助完成相对复杂的重复性任务，陈昱表示，这些也是值得关注的应用方向。
第二个大的方面是科学研究（AI For Science），利用大模型辅助科学发现，“如新药研究、化学路径的合成、新材料的发现，甚至还有数学定理辅助证明，这些都可以加速研究人员拓宽科学的边界，改善大家的生活。”陈昱介绍。
此外，时下热门的具身智能也是云启关注已久的方向。陈昱认为，得益于大模型以及强化学习等技术的发展，具身智能的泛化能力和适用范围优势有望实现。
2024年被誉为生成式人工智能广泛应用的开端年，已经过了一半，目前的应用情况是否符合投资者的预期呢？
“有符合预期，也有低于预期的地方。”陈昱表示，符合或超出预期的地方是，模型自身降本叠加价格战影响，大模型的使用价格在急剧下降，低于预期的方向则是，大模型基础能力的进展比大家想象中更缓慢，但应用最后还是依赖于基础模型的能力，如果基础模型没有更好的能力，应用就很难做出更好的用户体验。
“所以我们还是期待于基础模型能力的一个进化，就像今年，大家下半年就会非常期待多模态模型的落地开花。”陈昱说。
在某种意义上，张清认为，兼顾技术与落地是一件不容易的事情，“在技术与理想的道路上努力前行，同时也必须将其落实到实际中去，这种分散的努力可能会导致模型落地的进展并非一帆风顺，但就像春雨之后春笋般，行业中会迅速出现大量落地的案例。”
