对话硅谷投资人张璐：不能熟练驾驭AI的人，注定会被淘汰
3月21日，英伟达CEO黄仁勋强调AI的“iphone时刻”来了；3月24日，OpenAI又发布更新，ChatGPT可联网，可以集成第三方插件，网友直呼这是AI的“APP Store时刻”。
全新时代已然到来。作为企业管理者和职场人士，现象背后，你更应该关注的是如何发现新机会，因此你需要——投资人视角。
今晚，混沌请来了Fusion Fund创始合伙人、硅谷著名投资人张璐来到混沌直播间，与大家分享如何看待AI大爆发时代的商业机会。张璐的投资决策相当精准，包括了早期对马斯克SpaceX的投资。
张璐老师认为，像混沌的很多学员，大家的公司虽然说没有大到几十亿美金，但可能现在已经在行业有一定积累的阶段，其实这类公司最受益的。让我们一起跟随硅谷创投女神，客观冷静地看待这波技术趋势，同时抓住它最大的应用机会。
同时，张璐老师也说道，在混沌有高质量的信息获取和思考，有各行业的高手同学交流，是一个让人充满好奇、保持热情，愿意不断探索的场域。
正值混沌在线春夏新课发布，我们希望在新时代，用新方法，洞察新技术背后的商业价值，在流动变化的时代找到开启未来的钥匙！活动期间入学或者续费，享受200元优惠。
以下是本次直播对谈笔记。该系列直播回放将陆续上架【混沌APP研值商城】，兑换后即可观看完整版。
直播嘉宾丨张璐 Fusion Fund创始合伙人、硅谷著名投资人
任鑫丨任鑫 混沌创新领教
看本质，如何正视AI爆发的时代？
任鑫：最近科技大爆发，天天工业革命，夜夜文艺复兴，无数产品在发布，每天学都学不完。您身处硅谷，会觉得这次是真的是生产力大爆发，还是又像Web3一样只是一波热浪？
张璐：这段时间硅谷也非常热闹，ChatGPT及其背后OpenAI的生成式人工智能带来很多兴奋点。从投资人的角度，任何新的趋势来之前，我们都需要有先决的研究和理解，去看这个技术未来的发展方向，以及它的机会与挑战在哪里。
生成式人工智能比web3更加落地，更具有大规模商业化前景。人工智能有史以来第一次如此接近现实的商业应用，同时能够进行如此广泛的行业布局，在不同的产业都有非常大的潜力。这段时间众多开发者入场，开始基于OpenAI的API或相关平台去进行各方面的应用开发，也是因为它打开了这样的可能。
当然，每次新的技术创新都会带来一轮泡沫。怎么保证泡沫是可控的，怎么更理性地看待新的技术创新，以合适的价格和资金状态去扶持对的企业和创业者，对投资人来说是非常重要的责任和挑战。
生成式人工智能确实让大家看到了人工智能巨大的潜力，但它也不是唯一的，一个技术无法解决所有的问题。 我们一定要看到，哪些行业更适合利用生成式人工智能，它对于数据的要求是什么？在它植入的过程中，哪些应用更能体现它的优越性，哪些应用可能会受限？这些都是从创业者和投资人的角度要去研究和明确的创新要点。
任鑫：请问这次与以往的人工智能进步有何不同之处？您认为其中哪些部分是虚假的泡沫，哪些是真实的趋势？
张璐：每次人工智能的发展，我最不喜欢听到的论断就是：人工智能会与人类竞争，甚至替代人类。人工智能本质是一种工具，需要人来使用并给出反馈。GPT4.0 版本的发布更具先进性，因为3.5版本后有上亿用户不断生成数据、制造反馈。
技术浪潮中人类扮演的角色非常重要。实际上，人工智能医生将替代不会使用人工智能的医生，有数字化转型工具的企业将替代没有数字化转型的企业。这些是技术变革带来的产业变化和新兴挑战。
确实有一大批创业者进入了人工智能领域。那么创业前景如何，我认为与技术本身的发展阶段，以及应用这项技术的行业相关。
第一，业内人士对于每种人工智能模型的智能程度都有很多讨论，并非所有人都认为生成式人工智能这种大型语言模型是最智能的，也还有许多其他的模型正在研究中。但是成式人工智能有非常大的优点：非常实用、易于落地，离商业化近，同时非常适合在它的基础上建立主要的应用。这是现在许多创业者和开发者非常兴奋的原因，终于可以通过技术快速地落地，做出有实际应用场景的产品。
第二，我们要选择正确的行业来应用生成式人工智能技术，并不是所有行业都适合。GPT展示了聊天型机器人，但这并不是唯一的应用方式，图像层面也有许多应用。如何在正确的行业中调用API并展示应用，是创业者需要思考的问题。
人工智能背后的核心是我们经常提到的大型语言模型，它需要大量高质量的数据。当API被调用到不同的行业时，为了确保结果的准确性和一致性，我们需要专注于行业的高质量、独特的数据库来重新训练模型，让模型更加准确，可以落地到特定行业的应用中。
对于已经拥有大量高质量数据的行业，应用人工智能的机会和效率更高。两年前，我们投资的好几家医疗公司已经开始与OpenAI合作。我们看到了一些实际落地并可以变现的商业场景，比如制药行业和医疗影像行业第一个生成式人工智能平台，保险、金融、物流和供应链等行业也具有类似的高质量的数据量，非常适合人工智能技术的应用。
人工智能的技术是一个方面，但更具有突破性的是拥有独特的数据。在公司做人工智能应用的过程中，独特的数据可以很快让公司脱颖而出，建立起自己的强大护城河，同时让自己的应用和商业模式有区别于竞争对手的特点。
从这个角度来看，我们可以理解为什么很多ToC的AI很难实现。因为ToC端的AI中用户的数据都是雷同的，其核心竞争力在于内容。如果数据内容相似，那么谁的数据量大，谁就能赢得竞争，那你怎么竞争得过有海量数据的大企业。此外，ToC端的数据常常充斥着“杂音”，需要花费大量的精力去处理这些数据。
此外，过去很多敏感行业，比如医疗行业、金融行业和保险行业等都是高度监管的行业，虽然这些行业拥有大量的数据，但是分享数据可能会带来数据隐私的连带责任问题。
现在有一种新技术叫做联邦学习（一种隐私计算技术），可以在一定程度上解决数据隐私的问题，让更多的公司愿意合作。因此许多医院愿意将自己的数据拿出来与人工智能公司合作，让人工智能公司能够更快地获取大量高质量的数据来训练模型，从而更快地推出商业化产品。这是非常令人兴奋的一点。
对于某些行业来说，如果没有高质量的海量数据，人工智能可能不是最适合的应用，因为生成式人工智能的优越性可能无法得到体现。但是，人工智能技术还有很多其他的优势和挑战。我们可以客观冷静地看待这波技术趋势，同时抓住最大的应用机会，这实际上是最好的创新点。
任鑫：除了OpenAI，您觉得人工智能领域还有哪些公司、产品以及趋势值得我们关注？
张璐：生成式人工智能会是一个基础设施一样的技术，让大家在上面去做各种各样的应用，所以我认为至少在硅谷，大家并没有很强的迫切性再做一个OpenAI出来。其实有好几家公司，包括谷歌投资了一家公司Anthropic，创始团队也来自OpenAI。只是当时在路线层面上两波人有一定的冲突，其实某种程度上，核心区别在于算力和数据的巨大优势。
本身这个技术建出来，它的目的就是要成为一个基础设施，让大家都可以去应用，在这个基础之上探索各种各样的不同的模型优化。在这个过程中，它的准确性、应用的效率性、成本的降低，都是创新关注的方向。
它是一个非常高效的工具，但不可能有一个工具可以解决你所有的问题。如果我们配套使用多种工具，可能会达到更好的效果。
生成式人工智能之外，还有另外一个方向是可解释人工智能（expandable AI）。
可解释人工智能非常大的优势是可以更好地找到相关性，让需要训练模型的数据量大规模减少，可能需要的数据量是以往的百分之五都不到。那对于需要强相关性的商业应用，或者高质量数据不多但核心数据多的行业，又或者希望降低应用数据的成本的企业或者行业，都可以考虑这个方向。
现在有很多关于新型人工智能模型的讨论， 越来越多的人工智能专家和科学家都有很强的脑神经学背景，因为对人类大脑的进一步探索，研究潜意识、意识如何协同合作形成我们现在的理性、感性以及潜意识的决策机制，未来可能会为我们的人工智能发展带来很多新机会和挑战。
因此，我们不应该认为有了一个如此强大的生成式人工智能，人工智能就达到了极限。相反，我们可能会看到更多的新模型和技术在接下来几年内快速涌现。许多当前看起来不实用的技术可能经过未来几年的研究后变得更加实用并商业化。
人工智能在各个应用领域中都得到应用。因此我们更应该关注投资哪些产业，比如医疗领域。医疗市场非常巨大，而且拥有高质量的数据，可以发挥出巨大的潜力。整个医疗行业正在快速推进数字化发展，包括数字化的诊断、治疗、生物学和生命科学，特别是对于癌症、心脑血管疾病、认知障碍、老年痴呆、抑郁症和躁郁症等高度个性化的疾病而言，数字化平台可以为每个人提供个性化服务方案。
另一个非常重要的方向就是数字化转型中发挥作用，尤其是第二步数据传输。数字化转型有三个步骤，第一步是数据收集，第二步是数据传输和保护，第三步是数据处理。
现在整个产业都在数字化转型，从数据收集开始，而且是一个良性循环。有更好的数据收集技术，我们能够将更多的数据传输到数据分析端。这样就可以生产出更好的个性化产品，再反馈到终端，产生更优质的数据。
数据传输现在可能处于有点卡脖子的阶段，因为我们的数据产生量非常大。尽管我们有5G技术，但这仅仅只让带宽扩大到了100倍，而我们的数据增长可能是几万倍，甚至几十万倍。
就像高速公路有太多的车，如果道路不够宽敞的话，一定会有数据延迟的问题。所以大家可能看到很多的应用场景，经常会遇到反馈延迟。此外，还有能耗的问题，当你需要传输海量的数据到云端，你的电脑和手机耗能都是巨大的。所以也要探讨怎么更加有效的使用能量和数据，同时降低能耗。
对此，边缘计算技术非常重要的应用场景就是把计算挪到边缘，不需要把所有数据都传到云端。有些核心数据挪到边缘对于保护数据隐私也很有帮助，同时核心的反馈在边缘完成，可以进行及时的反馈，不会有一个延迟性的问题。很多数据不需要传到云端，也在某种程度上降低了能耗。
现在，传统的物流供应链、化工制造、保险金融、制药和医疗等各个行业都在快速推进数字化转型。现在确实是一个科技创新和落地让人异常兴奋的时代。
加入混沌，更多精彩好课等着你！
找机会，企业如何在新浪潮中崛起？
任鑫：小公司通常缺乏强大的技术储备和数据沉淀，那么小公司如何在这个浪潮中脱颖而出呢？混沌许多学员的公司并没有达到千亿百亿规模，这些公司如何通过巧妙的方式来突围？
张璐：首先，只有开始走向应用之后，技术才能发挥作用。第一批受益的是大型公司，特别是已经拥有成熟云基础设施的大公司，比如微软等。科技创新的出现并不意味着“打倒”大公司的机会，我们必须保持警惕。
再次，像混沌的学员应该考虑如何将OpenAI的技术应用到不同的场景中。 你的产品不需要整个都通过生成人工智能去支持，但你可以把它做成你产品上一个小小的特色，提供一个小的附属产品，然后去用它增加你产品本身的数字化属性和人工智能属性，这就是一种人工智能的赋能。
因为每个企业内部都有大量的数据，可以看看产品层面上有没有可以通过人工智能赋能的部分，把产品变得更加的智能和个性化，更加高效。
最后，企业内部工作的流程应用的方向就更多。ChatGPT做的最好的应用方向其实是总结，所有的内容扔给它，可以给你做快速的总结和翻译，以及内容的拼接整合。这对内部的工作来讲可能是很大的效能提升。
你们可以直接在没有任何技术背景的情况下应用这个技术。如果你有技术背景，在它的基础之上可以建立的小应用就更多了，企业可以开发自己内部的人工智能驱动工具，关注工作流程。
OpenAI会成立自己的应用商店，大家可以在里面上传自己的应用。他们也在跟很多大科技公司讨论合作，生成一些独特的应用放到他们的“App Store”里面。
任鑫：现在硅谷爆发出非常多的科技创新，您认为中国和美国在人工智能领域目前存在差距的原因在哪里？这种差距可能影响人类文明进程的爆发吗？难道创新注定会更多地发生在某些特定的区域吗？
张璐：为什么硅谷能做成一个创新生态圈呢？还是回到创新的本质，就是原谅失败。个人认为中国的企业家和创业者非常不容易。在全球范围内，以硅谷为代表的北美商业圈是对初创企业最友好的商业圈。初创企业来有非常活跃的商业化的生态和落地的机会，可以在早期进行市场验证后推行。这很难在任何一个其他的商业圈快速复制。一方面需要思维理念的开拓，另外一方面也需要有一个过程。
放眼全球，其实华人在人工智能领域的影响力还是非常巨大的。我也接触过很多国内非常优秀的人工智能公司，听他们讲各种各样探索的商业应用场景。我觉得在做应用层面上，中国的企业家还是非常先进的，而且思维也是非常活跃的，对技术都很深入，灵活性也很强，不停探索不同的发展方向。
但是这次生成式人工智能的核心是一个大型语言模型，数据的质量和算力非常重要。算力不单纯是人工智能本身技术的瓶颈，还包括基础算力、芯片等各方面的技术。
国内人工智能企业家本身应用做得非常好，但突然间这个简单粗暴的算力差距来了，导致大家被按下了一大截。但我还是希望任何一个地方的企业家都可以在这个平台基础之上创建自己的应用。
无论是先发还是追赶，最后都会形成一个独特的生态圈。 每个技术创新来临的时候，就像之前的互联网行业繁荣，硅谷也走在前头，但中国很多企业家在追上来的过程中也涌现了很多优质的企业。
大家可能确实在时间线上不一定完全齐头并进，但是至少看到这边技术发展会给国内的创新圈带来一个非常明确的未来发展方向，更有的放矢地往这个方向去努力。
任鑫：如果只考虑商业和科技，您觉得哪些国内公司是您会比较看好的？您有什么评估的指标吗？
张璐：做投资非常重要的一点就是要本土化，要深耕在你所在的创新生态圈，才能够更好地了解这个生态圈的发展趋势，以及扶持创业者的方式。
所以我们在硅谷做投资的方式不一定适合在国内做投资。但我可以大概讲一下，我们看企业有一个框架，不是看一下觉得好就投，其实是很复杂的过程。尤其是早期投资是非常复杂的，因为你没有太多的数据去做金融层面上的分析，反而要从更加广泛的层面上去看：
1.市场风险。看市场方向和时机是否正确，市场的规模是否足够大。
2.技术风险。行业里需要的不一定是最好的技术，而是更好、更快、更便宜的技术，这样才可以去形成非常落地的应用。早些年有很多AI的创始人说，我的人工智能非常先进，你要用我的人工智能，你要把你的基础设施全部升级，全部搬到云端。客户不会做这件事情的，因为成本巨大。
最开始OpenAI的API放开，最大的挑战是太贵了。成本这么高怎么应用呢？所以它才大规模降低API的价格，砍掉了90%，所以才会看到各种各样的应用快速在它的平台上建立起来。
我们不仅要有能力去找到好的技术，还要有能力去辨别有些天方夜谭的技术，因为其实坑也很多。我们还要考虑到技术的应用的周期。我是学材料科学工程的，对于很多做材料的人，有一个小小的梦想就是核聚变可以商业化。我也用它去命名了我的基金Fusion Fund，但我从来没有投过核聚变公司。因为在这个技术虽然前景巨大，但距离商业化应用还有很长的一条路径。
3.团队风险，领导人有没有很强的洞见，有没有很强的引导力，可以吸引到业内最优秀的人加入？有没有非常强的长线思维来划分公司的股权，找到合适的合作方，规划公司发展路径？是否拥有超强的韧性？
4.竞争风险。它是红海还是蓝海，竞争者主要是大企业还是小企业，在竞争里面处在什么样的一个位置？
5.运营风险和退出风险。退出指的是上市还是被收并购，是多条路径，还是只有一条路径。
我们非常看重企业本身的商业性，你自己是不是有商业变现的能力。融资是为了活下去，还是为了快速增长。你所去认定的这个潜在客户愿不愿意为你的技术付费。
我们经常讲， 你需要做的产品是people need it，而不是people like it。大家都喜欢的一个东西，不代表他会为你去付费，当你的客户愿意去付费的时候，证明它是刚需。
即使在硅谷，每个VC看待和挑选企业的方式都是完全不一样，所以没有对与错的区别。多样化的投资人生态配套多样化的创业者的生态，就会形成整体多样化和高速发展的创新生态。
加入混沌，更多精彩好课等着你！
求成长，如何利用AI获得高效人生？
任鑫：我觉得人工智能已经嵌入到了我的工作流当中，对于数字化自己的工作流，您有什么可以跟大家分享的吗？您平时是怎么用这些数字化工作工具的？
张璐：举个例子，硅谷银行破产牵动了整个硅谷的科技行业，这个过程中我要做很多内部、外部的沟通。我很多时候就把邮件写好了扔给ChatGPT，让它帮我修改一下，让自己的表达更加本土化，有些文章和链接我会扔进去，它可以进行非常好的总结和翻译。
我还会直接问它一个小的程序怎么写，它给我一些指导，然后我再用微软Copilot写出一个小的程序。在工作流程中它是一个非常好用的小助手，个体的生产力和效率能得到大规模的提升。
任鑫：很多人一想到人工智能就会想到大数据、科学家、实验室等等，对于如何找到人工智能和自己的关系，您有什么建议？
张璐：首先，人工智能的核心是数据，所以我们每个人和人工智能息息相关。刚才我们讨论最多的其实不是人工智能，我们讨论最多的是数据。数据是由人产生的，所以无论是人还是机构、公司，在未来你身上增长速度最快的所谓的资产就是你的数据资产。
数据本身是一个必要的养料，去服务人工智能技术的训练模型和成长。作为数据生产方，如果你不了解怎么样去应用它，你可能就错失了拥有数据的机会，包括未来数据的变现。如果你对数据和技术不了解，很可能数据就白白被你浪费，或者被别人窃取。
谷歌、Linkedin、Facebook等大型客机公司的核心商业模式之一是卖用户数据。你不是在免费使用他的服务，你把自己的数据提供给他，你用你的数据交了费用。但未来大家有越来越清晰的技术解决方案去追踪拥有自己的数据，对于这些大的科技公司来讲也是一次巨大的挑战。他是不是要改变自己的商业模式。
对你而言，你的数据资产是不是在使用中能产生更加巨大的价值，怎么样保护它，大家一定要警醒起来，不然的话你的利益其实是在被伤害的。
第二，全产业的数字化转型在发生，也就意味着在未来，和人工智能技术整合的公司会替代掉没有整合的公司。个人也是如此。如果你不知道怎么使用这个工具，你的效率和生产力会被别人替代或超越，竞争力就会下降。
我们经常讲技术普惠过程，零代码人工智能平台的推进就是希望在未来它的使用者不需要有任何技术的背景，不设置任何技术的门槛。ChatGPT让大家看到了，不需要懂任何人工智能都可以使用。但如果你对技术没有基本的认知，但你的公司在进行数字化转型或者人工智能的植入，你是不是就会被抛下？
即使你的公司尚未进行大规模的技术整合和数字化转型，你仍然可以使用一些小工具来提高生产效率。以前可能需要一整天的时间来阅读几十篇文章，现在将文章放入ChatGPT让它总结出要点，一天可以浏览更多的文章。在电子邮件和长篇文章的修改等方面，数字化工具也可以显著提高效率。
如果你没有意识到这些数字化工具的应用，那么你的效能就会大打折扣。你是要成为一个纯粹靠自己能力的人，还是成为一个能够灵活运用工具的人？
事实上，如果将人工智能视为一种工具，那么你对待它的态度就会更加顺畅。就像最初发明汽车时，有些人不愿意坐汽车，还是选择步行。在没有电脑时代，有些人不使用电脑。逐渐地，人们发现不使用工具会被落下。人类之所以是先进的生物，就是因为我们具备智慧和使用工具的能力。现在，数字化工具已经变得非常强大，如果你不使用它们，那么你就会主动放弃一个非常重要的进化机会。
为什么很多人还没有挖掘到怎么使用这个工具，就是因为ChatGPT得到答案的质量高度依赖于问题的质量。你的问题越细致、越具体、越垂直，得到的答案就越细节、质量就越高。
比如你让它写一篇公众号文章，讨论人工智能发展趋势，它可能写得非常一般，因为给的范围太广。但如果你让它写一篇关于人工智能在医疗领域的应用的文章，同时重点讨论癌症的个性化诊断发展到哪个阶段。当你给出具体界定的时候，它写的质量会越来越高。
同样的工具，每个人使用出来的结果不同，你的能力决定了你提问的能力。
大家不用觉得，有了这个以后就高枕无忧了，不用竞争了。其实每次有新的技术发生的时候，或者当人类掌握了新的工具之后，大家经常提到一个字——卷。 每次有了更加高效的工具之后，卷的层次就不一样了。现在你写一篇文章，不只是看你词汇是不是优美或者地道，而是看你核心的内容是不是非常有价值和独特。
同样用一个工具，你是不是有能力把工作拆解成不同的模块，用最合适的模块和问题去协助工作，这其实是从管理和领导力的角度考验大家流程管理，而不是机械的执行能力。
所以不一定有更好的工具就会让大家觉得生活变轻松。 我们是在用工具不停提高生产力和生产效率，但是人类的提升是无止境的。不是说生产效率比以前翻一倍就可以高枕无忧了，还是要继续往前走。
我们生活有很多自动化的工具和应用之后，需要重复工作的部分变少，但是对于每个人的创造力、宏观规划、战略思维等能力可能的要求就会更高。
任鑫：我去年开始用Midjourney绘画，我发现我的语言能力不足以表达出我想要的效果，脑子里也缺乏合理的构图，不知道想要的风格应该怎么表达，我缺这些框架。
张璐：对一个画家来讲，更重要的是他的创意，还是说他画画的工艺？工具让我们解决了工艺的问题。但是历史上伟大的画家都是工艺最强的画家吗？并不是，伟大的画家最重要的是他的创意和思维理念，是他通过画要表达的开拓性的思想。你没有这个理念就无法表达出来。你有人工智能的工具，你还是无法去创造。
AI工具确实降低了很多事情的门槛， 但本质没有变—— 让更多有洞见的人，可以用更加多元的方式表达他的洞见。
那些有思维、有想法的人，就算不会画画这样精湛的技艺，也有别的方式去表达他自己的洞见、思维和想法，只是现在多了一个渠道。所以并不是真的让你从无到有，而是放大你本身已经有的东西。
任鑫：很多混沌的同学是公司高管，或者有一家自己的小公司，他们非常关心如何一直保持敏锐度，您是如何持续学习，持续迭代自己，塑造个人能力的呢？
张璐：在硅谷做VC这件事情让我很有热情，因为每天都在学习新的东西，正如查理·芒格说的，每天晚上睡觉前都比早上醒来的时候聪明一点点。作为投资人来讲，我每天要见一些非常顶尖的科学家和企业家，去了解未来20年的发展方向。我自己本身有好奇心和热情驱动，有种时不我待的感觉。感谢我所处的这个行业，给了我天然更好的平台去接触最新的信息。
混沌有非常高质量和多样的内容，保证自己有几个像混沌这样高质量的内容平台，可以持续接受不一样的信息，是非常关键的。
历史上每次科技趋势大规模发展的时候，基本上都是经济低潮期。因为在经济低潮期的时候，个人到企业都有非常迫切的欲望和愿望去提高生产力和生产效率，大规模推进技术的发展，进一步提升创造的价值，创造一个更富足的世界。
创业者要永远保持积极乐观。看起来是最坏的时代，可能正因为如此才是科技最好的时代，并且预示着一个更好时代的开启。最重要的还是改变世界。 大部分时候，是因为你改变了世界，给它创造了价值，才拥有了财富，而不是反过来。
加入混沌，更多精彩好课等着你！
AI时代浪潮下，如何看清楚、想明白、干漂亮？
2023混沌春夏新课重磅发布，
带你探索时代的“一”，创造美好作品。
混沌在线新课表发布，限时立减200！1298一年的全套学练赛服务模式，含2次小班私教课，享混沌App全部好课，进混沌高质量校友圈。
