AIGC会给ToB公司带来爆发式增长吗？ | 盛景x金沙江闭门研讨会

▼

主持人：请大家先分别介绍一下自己和机构，以及在AI+这个赛道中，你们最看重的三个投资机会是什么？请分析一下原因。

达晨财智子基金合伙人杨廷辉：达晨财智是一支在国内成立了20多年的人民币基金，致力于在人民币市场为创业者提供更好的服务。目前，我们累计投资了700多个项目，管理规模超500亿元。

去年，我们最新募集了一期80亿元的人民币平行基金，杭州是30亿元的规模，深圳是50亿元的规模。目前，我们已经投资了30亿元，今年的投资速度会稍微放缓一些，计划在未来两三年内投资完这支基金，以成长期项目为主。人工智能+这个领域也是我们基金重点布局的方向之一。

针对刚才主持人提到的问题，在AI这个领域，我们北京团队投资了智谱AI这样的大模型公司，在文生视频，文生3D领域也有布局。在AI方向上，我个人比较看好的第一个投资领域就是AI+搜索，因为搜索本身具有ToC属性，同时在交互体验上可能具备颠覆性的机会，未来或许能跑出来BAT级别的公司。

第二个领域，我比较看好AI+内容营销，在降本增效和开源获客这些方面，企业级付费对于开源获客的刚需更强一些，2022年在ChatGPT出来之前，传统的AI深度学习领域我们就投资过一家AIGC新媒体内容技术服务商，整体而言，AI+内容营销是一个可以极大提高生产效率的方向。

第三个就是AI Infra领域，去年我们在这个领域也投资过一些项目。未来，国内资本市场对这种围绕大模型上下游的新基建项目，会给予比较高的认可度。

软通智算高级副总裁/战略发展部总经理刘怡：从产业投资的角度来看，软通动力其实是一个“新兵”。软通动力创立时间较早，我们是IT服务市场排名第一的公司，全球拥有9万名左右的员工。

目前，集团的产业板块主要分为三个方向：一是传统的IT服务；二是我们收购同方计算机之后产生的软硬件结合的服务；三是今年4月18日刚刚组建的子集团板块——软通数字能源和智慧算力，在这个板块组建的同时，我们也开始思考产业基金的布局，与传统VC/PE机构不同的点在于，我们会跟产业进行深度绑定。

我们切入智算的点是双边的算力调度平台。

这个平台依据于我们在整个行业中的三个基础性判断：一是国产信创的算力和美国算力会长期并存；二是国家“东数西算“八大数据节点的设立虽然解决了骨干网络的问题，但我们认为更为关键的是在小规模推理需求、离经济生活比较近的地方的智算中心和资源整合尚缺乏标准和规划；三是2-3年基模尘埃落定，将出现巨大的需求释放，同时，推演算力的极端平民化需要解决弹性调度难题。

我们认为，不论是在互联网时代、移动互联网时代或是智算时代，运营平台的概念会一直存在。所以我们需要先建立一个智算运营的网络平台，叫天元算力调度网，这个平台会在7月内测，年底公测。

这一轮智算革命会真正开启数字模拟物理以及重构物理时代的新纪元，这是我们的基础性判断。

今年年初，触发我们一定要成立一个子集团进入到这个革命性变局里边的真正原因在于：一是ChatGPT的大模型和多模态技术，在很多领域出现不亚于人类的理解能力和推理能力，开始有能力发现一些未知的科学规律；二是Sora展现出的世界模拟器的巨大潜能，实际上是推理能力所体现出的对于虚拟世界的模拟能力；三是Apple Vision Pro的出世，是空间计算里程碑，模糊了物理世界和数字世界的边界，世界将不再真实。虚拟世界和物理世界将高度融合。

所以，我们认为2024年会是智算时代的真正元年，这也是促成我们子集团正式躬身入局的一个很重要的原因。我们观察了很久，对于一个长期存在的公司来说，它真正躬身入局的时间点一定是变革已经真正出现且这个变革可以对实体经济产生非常大的改变作用，同时离钱还要近。这样公司才会汇集所有资源作出如此重大的战略调整，开始我们第三个板块的创建。

那么，子集团为什么会配置产业投资基金呢？其实就是要把软通的能力进行充分的释放，因为软通在过往20多年间形成了对ToB端的深刻理解、对行业应用场景的持续发掘以及与客户之间建立了信任关系。

在这种程度下，一旦新的变革出现，智算时代将彻底颠覆过往诸多商业模式，形成一种新的商业范式。所以，我们希望有一支基金可以配合新商业范式公司的出现。

第一，我们会投资靠近经济发达地区的小规模智算中心；第二，我们会投资垂直领域中的AGI联合创新，这和盛景的理念不谋而合，我们会基于行业龙头客户本身去做创新，这个创新又分为两部分：一是AGI for management process，即工作流程中能够实现降本增效的部分；二是AGI for product，即核心产品和核心能力如何与AI相结合。

其实很多龙头企业，他们内部的AI专家和顾问并不比创业公司少，我们需要帮他们整理核心场景的长名单、短名单，以及利用他们内部顾问来巩固和夯实核心竞争力，使其成为新时代具有核心竞争力的企业，我们基金也会围绕这一领域进行投资。

金沙江创业投资基金合伙人刘佳：金沙江创投于2004年成立至今，管理规模超 30亿美元，在人工智能、企业服务、消费、数字金融和数字医疗等领域均有投资。近几年，我个人在人工智能、企业服务和消费领域花费不少时间并投资了一些项目。

那么具体讲到大模型时代的投资，我们现在比较关注的三个方向：一是服务型的ToB公司，以前的服务型ToB公司因为重交付、重服务，导致规模很难做大。比如，一家公司想要做到上亿的收入规模，这背后需要上百人甚至更多的服务团队进行交付。如果想要把收入规模做大，那管理负担就会变重，效率也会越来越低。但现在有了AIGC的赋能，很多企业在做客户服务交付的时候，效率能够提升5倍甚至10倍，收入增长速度也会随之加快，以前的规模天花板可能会被突破。

二是垂直场景的服务，除了大家比较共识的专有知识、专有数据、数据闭环外，还有很多客户有私有化的需求，不管是客户本身的诉求，还是监管的诉求，这个市场空间都很大，所以我们在这块也尝试做了一些布局。

三是我个人比较期待C端的AIGC爆发，现在来看行业还处于一个很早期的阶段，未来可能会诞生与当前交互方式、体验完全不同的产品，并非是在现有的交互上做一些大模型的简单叠加，我相信会有更大的突破，这就需要留给创业者更多创造、想象的时间与空间。

除上述三个方向之外，在这样充满变革的时代，作为早期投资人，我们非常期待颠覆性的机会，但可能很多大的机会并非在我们现在关注的领域，所以我们要长期保持警惕，避免错过爆发性的机会。

盛景嘉成AI基金主管合伙人王湘云：回顾互联网产业过去30年完整的大周期，我们注意到一个从“半导体/基础设施—硬件和系统—应用”次第发展的小周期，并且最终应用的总体市场规模和公司数量要数倍于前二者。

因此，在当前相对早期阶段，盛景会关注和布局一些创新性的基础性技术和产品，包括硬件和软件，芯片（如推理芯片）、硬件（如具身智能机器人）、系统与软件（如大模型时代的加速计算系统以及数据技术等）。

其次，在应用领域，我们会更关注人工智能2B进行生产力赋能，尤其是大模型赋能下的AI Agents和端到端服务。如果说工业革命是用机械替代体力劳动并实现产品生产标准化前提下的规模化，那人工智能时代是用人工智能替代智力+体力劳动并实现服务多样化、个性化前提下的规模化；人工智能给2B企业的生产力赋能往往是静水流深，不易吸引大众眼球，但是现在每天却在加速发生，并且逐步形成从单一场景—小流程闭环—大流程闭环的飞轮效应，并最终构筑起“端到端流程+行业Knowhow/数据+交付结果而不仅仅提供工具“的系统性门槛。

再者，我们也会关注为人工智能软、硬件和应用提供上下游产业链配套的创新机会，譬如AI安全、传感器、材料等，这些领域都会由于人工智能的发展会产生倒逼性的创新和升级需求，并且门槛较高。

主持人：在之后AIGC应用的过程中，很多创业者希望通过不烧钱的方式就能实现倍数级的增长或者控制成本，各位投资人是否可以给创业者分享1-2个最佳实践或案例？

达晨财智子基金合伙人杨廷辉：最近几年，疫情、中国ToB商业环境、付费意愿、项目制特征等因素，都在困扰着创业者和投资人。但是也会有一些ToB公司抓住AI这一波生产力工具来提升客户体验和客户价值。先列举两个我投资过的案例，比如e签宝借助AI+低代码能力确确实实在交付环节节省了很多交付成本，另外它还有一个AI合同的功能。这类企业的特征本身还是端到端的服务，通过整合AI能力，在交付环节降本增效，在帮助客户做好合同管理方面提供更大的价值。

另一个案例，在AI+内容营销领域，我们在2021年投了一家垂直行业的公司叫阿凡提科技，帮助大企业做新媒体内容素材生成和获客，且可以量化leads成本，使其获得更多的潜在客户。在AIGC出来之前，他们通过模板及AI深度学习的方式来做业务，AIGC出来之后，他们可以利用海外Midjourney及国内外其他AI公司的产品生成更多丰富的内容。AI工具能大幅降低成本，并可以数量级的提升客户体验。在AI的浪潮中，百模大战后AI模型本身的同质化可能很难大规模商业化，反倒是这类掌控场景、数据、客户的公司会率先受益。

整体而言，在这样的市场行情里，这两家公司的案例比较具有代表性。

软通智算高级副总裁/战略发展部总经理刘怡：过往我投资过三家SaaS公司，其中一家是做保险前端产业工具的公司，目前在海外市场发展的非常好。因为海外很多金融保险类公司的科研投入很低，他们没有那么多钱去做信息化，业态与国内完全没法比。所以，我认为出海是一个非常好的选择。

另外，软通本身也是一个很好的案例，作为软通资深员工，我亲历了软通很多次的至暗时刻。2003年的非典以及2020年的疫情给公司带来了诸多挑战，软通作为人力密集型公司，DSO（企业销售变现天数）一旦放缓，DPO（应付账款周转天数）将没有任何弹性。

所以，在ToB领域，如果能兢兢业业的专注做一件事，也一定会成功。在过去20年的发展历程中，很多同行业的竞争对手已经消亡，而我们通过持续的创新探索走到了今天。比如，在公司上市后，因为看重信创市场，所以我们集中所有力量来提高硬件能力。之后我们又开始聚焦智算领域，如何找到切入点也非常考验一个企业的战略智慧。我认为，这些关键节点可以为创业者提供一个很好的借鉴。

金沙江创业投资基金合伙人刘佳：我想简单讲一下近屿智能，相比于同行业的其他竞争对手，它的融资金额较少，但却是目前增长最好的一家公司。在创业初期，他们没有把钱花在教育市场上，因为当时产品和技术还不成熟，所以他们选择修炼产品和技术来沉淀行业认知。后来，这家公司也终于迎来了行业红利和外界的市场变化。

近屿智能的主要业务是AI智能招聘，疫情让很多公司开始接受远程面试的概念。同时，由于经济下行的缘故，更多企业开始拥有降本增效的需求，也愿意用AI辅助面试流程。

此外，大模型技术也让很多客户从完全质疑AI面试的效果，到逐渐愿意尝试和接受，显著提升了客户体验。近屿智能本身没有烧钱，团队也一直在修炼自己的产品，直到外界各个因素和时机都成熟后才开始发力，这个时候形成了“剩者为王”的格局。

在这样的格局下，从去年开始公司业绩就增长迅猛，今年也同样会有一个很大幅度的增长，我认为这是值得大家借鉴的一个案例。

盛景嘉成AI基金主管合伙人王湘云：我想来探讨一个AI实现端到端服务的方法和路径问题。

大家都知道，目前AI端到端做的最好的就是特斯拉的FSD，FSD之前版本的30多万行代码都是人类程序员编写的规则；后来马斯克推出了FSD V12版本，并且在试驾直播中表示，FSD V12是有史以来第一个端到端AI自动驾驶系统（Full AI End-to-End），从头到尾都是通过AI实现们没有编程，没有程序员写一行代码来识别道路、行人等概念，全部交给了神经网络自己思考。

V12的C++代码只有2000行，而V11有30万行，不到原来的1%；目前在城市道路场景已经基本胜任。中国一家自动驾驶公司的CEO今年3月在美国体验FSD v12 后，承认还是低估了它的能力：“去之前我认为可能是80分的东西，但实际做到了90分。”

如何提取用于训练端到端模型的数据？到 2023 年初，特斯拉就声称已经分析了从特斯拉客户的汽车中收集的 1000 万个视频片段（clips），特斯拉判断完成一个端到端自动驾驶的训练至少需要100万个、分布多样、高质量的clips才能正常工作。特斯拉通过分布在全球的几百万量产车，基于影子模式，每当自动驾驶决策与人类司机不一致时，就会采集并回传一个clip，已经累积了200P以上的数据。

所以，我理解，特斯拉端到端模型的最终形成是人类和AI模型在长期协同工作下获取高质量的人类决策和行为数据并用于训练模型的结果。

因此，我理解零犀科技这家公司也是类似的逻辑和模式。零犀科技卖给客户的不是一个AI技术工具，而是一个端到端的销售顾问服务，最终要帮助客户实现销售顾问服务的结果，因此有了现成可行的商业模式—即按销售收益佣金分成。

但是，传统的靠人力实现的服务效率差、成本高、很难赚钱，所以零犀科技用人工+AI模型协同服务的方式，一方面向客户交付服务，一方面通过这种方式吸收高质量的数据来更好地训练和提升AI的能力，给人类更大的助力；而大模型的到来，使得零犀科技在技术上突破了原来小模型的瓶颈，实现了有效的能力迁移和泛化，从而使得同样的人力投入，在AI的助力下实现了更高的销售产出和更好的盈利能力。我认为这是一种可行的、向AI端到端服务的进化升级路径。所以，也许未来所有的外包公司都必须是一家AI公司，没有AI能力的外包公司可能将会在竞争中被逐步淘汰，因为生产效率低，盈利能力差。

主持人：刚才我们都是在讲机遇，那么最后一个问题我们来谈谈风险，目前很多人认为大模型这个产业生态中有很多坑，看到美国也有很多钱打了水漂。那么，从投资和对创业者建议的角度，大家可以谈谈，哪些风险需要我们重点关注？以及有哪些建议可以更好的应对这些风险？

达晨财智子基金合伙人杨廷辉：我认为有两个风险，一是大模型的迭代会侵蚀到应用层，如果你的应用层比较薄的话，那公司跑着跑着可能就没了，这是非常大的风险。对于企业来说，应该把应用层做厚、建立壁垒，这样无论模型怎么进步，都能从中受益。

二是缺乏数据闭环的能力，对于企业来说，只有不断迭代自身产品才能保持住生命力。

目前针对这两个风险创业者要保持警惕和敬畏，不断建立数据、场景、业务的闭环，创业者需要时刻琢磨并补齐可能存在的短板。

软通智算高级副总裁/战略发展部总经理刘怡：完全同意刚才杨总提到的两点，这也是我们寻到行业龙头企业做联合创新孵化的原因，一是它有数据，二是如果它是链主公司的话能够在生态链中实现自闭环。这样的公司只需要做好从0到1，然后我们很容易就能帮它实现从1到100。

如果我要去看一家公司的话，我肯定会从这个角度去评估它未来的可能性。

金沙江创业投资基金合伙人刘佳：我再补充一下，一方面要有数据闭环；另一方面，到底AI在整个业务逻辑中的占比是多少？是很小一部分还是占比很大，我认为这还是有区别的。

在某些垂直行业中，那些有客户基础、产品基础和完整产品逻辑的公司，通过AI的赋能，它的效率或许能提升80%-100%，客户体验或许能提升5-10倍。

除此之外，它可能沉淀了另外95%的业务逻辑，即使大模型公司或者这个公司做业务延伸，它也能拥有足够的防御力。

还有一个是我们最近的思考，以前我们认为跟编程相关的业务，一定会处在巨头的射程范围之内，所以我们会比较谨慎。但今天我们发现在很多垂直领域，客户有非常强烈的本地化部署和数据安全的需求。其实，很多巨头也很难去服务这些有本地化需求的客户，那么在这样的情况下，创业公司还是会有一定的机会。

除了刚才提到的这些以外，我们还会关注的一点就是创业公司要尽可能避免在通用技术问题上做投入和努力，我认为这是非常危险的，因为在未来两年你或许还有技术领先性，但可能在半年后随着一个新技术的发布，导致你所有的投入都将灰飞烟灭。所以，对创业公司来说，这样的赌注我们会非常谨慎。

大模型不是在所有事情上都能做得特别好，当把它真正应用到产品上的时候，要充分考虑现在模型本身的能力，要扬长避短，契合自己的产品去做AIGC相关的应用。

所以，每家AI应用创业公司在选择用户和场景的时候，要进行充分的分析、论证和取舍。

第一， 创业早期不能盲目的求大求全，还是要从短流程、小场景切入，先形成一个小闭环，即技术—产品—需求—价值的小闭环。如果一个创业团队不具备形成小闭环的能力，那么这个团队很难做大，也很难赚钱；

第二， 在初期进行小闭环验证的同时，也要有长线思维，要考虑创业早期所选择的短流程、小场景未来是否能够进一步进化，在进化的过程中是否能够处于吸收其它场景的地位，还是被其它场景所吸收的地位；

第三， 特别认同刘佳总说的数据闭环，在设计每一个小闭环和大闭环的时候，数据都是一个重要的、不可或缺的维度。

第四， 懂商业化的团队，并且大B、小B、和2C的商业化路径和模式可能会有很大的差别，在选择商业化团队的背景和经验时，不能错配。

https://mp.weixin.qq.com/s/VVKnUn83UnGToYw0mFy95w