圆桌论坛：人工智能2.0的钱景，有没有可能在不拔苗助长的情况下加快大模型的商业化进度｜WISE2023颠覆AIGC产业发展峰会

5月23日，36氪举办「颠覆·AIGC」产业发展峰会。本次峰会汇聚产业力量，共同探讨企业、行业在面临变革时的应对策略，分享思考，探索和发现产业中最具潜力的企业与最具价值的技术，在激荡的环境中探寻前行的方向。

大会的第二场圆桌论坛上，主持人华泰创新投资VP陈至圣，与Nolibox计算美学合伙人付博铭、亿铸科技高级副总裁徐芳、CMC资本董事总经理易然，围绕AI2.0时代技术创新和商业化如何两者兼得的问题展开了热烈的讨论。3位嘉宾分别从AIGC应用层公司、AI大算力芯片研发商、投资机构的角度，就初入AI2.0时代，创业公司商业化的重点和难点，以及未来发展趋势分享了自己的看法。

Nolibox计算美学合伙人付博铭认为，先进的技术不等同于商业成功，商业化的本质是把握需求本质，构建可持续的商业模式。他指出，对产品侧初创公司来说，保持技术优势的关键是结合客户需求和自有数据，将领域内的技术积累落实到具体业务场景中；同时，把握2B资源、利用好渠道也是2B公司构建商业化壁垒的路径。对未来如何发展，付博铭表示，希望行业内从算力层到模型层、应用层保持开放合作的态度，发挥比较优势，共同做大蛋糕。

亿铸科技高级副总裁徐芳认为，对创业公司而言，在技术创新层面，需关注技术路线的选择、核心团队的建设和产业链上下游资源整合；在商业化层面，需利用技术创新红利，在资源有限的情况下做好产品、管理好现金流，精准撬动目标市场。谈及AI算力目前的发展瓶颈和解决办法，徐芳指出，当前，由于工艺制程演进遇到了摩尔墙，但算法模型的快速迭代又提出了更高的算力性能要求，出现了技术剪刀差；同时，能耗管控规则的升级对AI大算力能耗表现提出了高要求，因此需要采用创新的AI算力芯片技术，在优化算力性能的同时提升能源利用效率。

CMC资本董事总经理易然则表示，AI2.0时代是toB创业公司发展的好时期，但尚处于早期阶段，市场风险和技术风险并存。他指出，现阶段，创业者面临如何找到product-market-founder-fit的挑战，即定义好产品及其与市场需求和创业者本身能力的匹配；同时，在技术层面，要将新技术用到实际生产、决策环境中还需持续探索。易然认为，嫁接大语言模型，基于对交互方式的优化，改良互联网时代或SaaS时代的产品、服务，虽然是一种创新，但话语权更多掌握在模型层玩家手中，非模型层创业公司的优势是行业know-how，应该基于此深挖AI2.0时代的护城河。

圆桌论坛｜人工智能2.0的钱景：有没有可能在不拔苗助长的情况下加快大模型的商业化进度

以下是嘉宾讨论实录，经36氪整理编辑：

陈至圣：大家好，非常感谢36氪的邀请，也欢迎各位嘉宾参与我们此次圆桌。

我们要不先自我介绍一下，包括个人和所在公司。我先开始，我是华泰创新投资的至圣，我们是华泰证券战略投资团队，主要关注基础软件、金融科技，我们既是投资者也是场景方，近几年一直关注AI大模型在金融科技及金融领域落地，我本人从2018年回国之后一直在大厂和投资机构进行AI相关投资与技术生态创新，也非常高兴参与到这次圆桌讨论，这是很有趣的话题。

请各位嘉宾简单介绍一下自己，易总开始依次介绍。

易然：我是CMC资本的易然，我们之前为大家所熟知更多在互联网、TOC这方面的投资和一些产业布局，这几年硬科技和AI也是我们的一大重点。因为内容媒体这方面是我们的老本行，还有很多被投公司和产业生态里的兄弟公司在这个行业，所以AIGC天然是我们非常关注的方向。另一方面，我们作为产业风格的投资机构，自己下场孵化了上海数字大脑研究院，主要做决策方面的大模型和AI研究与产业应用，同时基于数研院孵化了商业化公司谜题科技，很高兴今天和大家交流。

徐芳：大家好，非常感谢36kr对亿铸科技的邀请，我是徐芳，在亿铸科技担任副总裁一职。亿铸科技，用存算一体这一先进计算架构，结合新型忆阻器和全数字的芯片设计路径做AI大算力芯片，这一技术的作用和价值在于把当前AI大算力芯片的150w功耗提供250T的基准线，提高到75w-100w的功耗提供1000T以上的算力。

付博铭：感谢36kr邀请，我是Nolibox计算美学合伙人付博铭，「Nolibox计算美学」聚焦于「人工智能」和「设计创意」的深度融合及商业化应用，是国内AIGC智能设计领域的头部企业。我们为企业及个人用户提供前沿、可控的AI设计创意生成工具，致力于让每个人都能享受设计创意之美；Nolibox也是国内最早实现为个人及企业提供全栈式智能设计系统及AIGC工具产品的公司之一，先后服务了腾讯、阿里、百度、海尔、商汤、中国电信等知名企业。

陈至圣：谢谢各位嘉宾。我们这场圆桌非常有意思，包含了底层算力提供者、AIGC应用方，还有著名资本投资机构，这几个角色加起来是可以有更全面的视角来看待AI2.0的未来。也想请各位介绍一下，在你们看来，智能涌现时代，创业公司如何在保持技术创新、技术追赶时，去喂饱自己呢？从付总开始。

付博铭：首先，技术的先进技术不等于商业成功，国外做智能文案的公司Jasper.ai例子摆在这，用的是OpenAI的GPT3接口，但是赚的钱比OpenAI多的多，商业化很成功。

最近我们可以看到一个现象，在大模型领域，开源是一股非常强大力量，谷歌研究员也承认谷歌自身、OpenAI都没有绝对的技术壁垒。所以对产品侧初创公司来说，保持技术追赶或者技术领先更多是指结合具体的业务场景、结合本公司客户需求、结合自有数据去做一个更好的领域技术的积累，最终要落实到具体业务场景上。

至于商业化，更本质还是要把握需求本质，构建可持续的商业模式；对于2B公司来说的话，把握2B资源、利用好渠道，这些都是商业化壁垒。

陈至圣：请徐总也分享一下。

徐芳：作为一个创业者，这个问题可以说每天萦绕在我的脑海。它其实包含两个方面，第一个就是怎么样实现技术创新及落地，第二个就是怎么样赚钱。

我觉得可以一分而二来回答这个问题。

首先技术创新的成功，我认为离不开三个东西，当然处在产业不同环节，对于这个技术创新需要的要素权重优先级，肯定是各有各的矩阵组合。回到AI大算力芯片，第一个是对于技术路线的选择，从某种程度上来说选择大于努力。

第二，越是难的技术，越需要好的团队，团队的完整性，核心岗位人员自身的技术的洞察、认知和实践积累。同时，在企业发展的不同阶段，整个班子配置要能跟随企业产业发展而发展。

第三，产业链上下游资源整合，尤其做AI大算力芯片这个事情，一个好的上下游产业整合支持，对于新兴技术的创新落地非常重要。

说到商业化，我觉得太阳底下无新事，要做好几件事，选择正确的目标市场，对于创业公司而言，需要用有限的资源，利用技术创新的红利，精准撬动目标市场。

还有一个就是要做好产品，管好现金流。老老实实跑客户，勤勤恳恳收集客户诉求，打磨好产品，提供好服务，我觉得上述每条对“喂饱自己”来说都非常重要。

陈至圣：易总。

易然：回到主持人的问题，我猜更多是想问过去这个资本和创业周期，有挺多非理性的烧钱现象，很多商业化到最后没有实际做好；目前这个节点又来了一波新的创新，又要大规模资本投入，这个时候我们怎么吸取教训，怎么把商业模式和成本模式提前想好等等。

刚才两位讲法我都同意，我更多从投资者身份，现在看到一些初创公司现象，我谈一下自己的感觉。

我觉得这个没有鱼与熊掌问题，目前我们所处的就是早期的阶段。我们经常会说我们希望规避两种风险，市场风险和技术风险，最多只能接受一种风险；现在AI 2.0处于两种风险都有的阶段，而且绝大多数的公司还处于早期的产品定义阶段。我觉得现在这个阶段可能大多数公司还轮不到去规划以后赚多少钱。前期做的好，后期才能更水到渠成。现在看到更多问题，像刚才徐总说的，可能产品还没有定义清楚，或者是真正客户需求没有找到，这个才是不少公司现阶段的生死问题。

也观察到一到两个小小的现象；第一个现象是，可能不少创业者都很年轻，出来做这个东西有自己的想法，很有朝气，很多最开始时候并没有真正想清楚需求和定位；比如所谓product-market-founder-fit，为什么是你做这个产品，面对什么样的客户，这个根本问题没有完全花时间琢磨清楚；反而恰恰是这个阶段要尽快达到的，现在去说长远商业化东西意义不是很大，先把最简单最重要的事情搞定。

很多公司首先要想清楚一个问题，做的东西到底是feature还是product,是一个功能还是真正是一套完整的产品服务。包括文生图，文生文也好，语音也好，如果只是一个简单的功能，对于成熟产品来说很容易基于现有产品加一个插件就把这个事做了包络了，用户用的也很顺，那这时候只是一个功能，并不是完整产品。

也有不少公司，更多把是把以前在互联网时代saas时代甚至传统行业做过的一些服务或者产品，嫁接到ChatGPT或者其他语言大模型界面，只是改了交互方式，这个当然是一个创新。但交互界面和交互能力是掌握在模型层/对话层大玩家的手里，拿这些创业公司的优势反而是在产业。比如说做营销的，做设计的，包括刚才小库设计他们，其实已经在产业里积累很长时间，有非常多的真正客户和场景，有很强的行业know how；这是这类公司的真正优势，在AI2.0的时代可以继续去挖深这方面的护城河。

陈至圣：谢谢易总，我们知道您其实从2015年时就已经在看AI赛道了，也陪伴创业公司经历了AI的起起伏伏。您觉得这些年，AI赛道里，变化的有哪些，又有哪些是没变的？（可以从技术或者商业化维度来回答）

易然：刚才绿洲的津剑总对从历史和社会的角度评价这一代AI作为生产力革命的影响，我觉得说得很好。我刚好也想起来一些蒸汽机相关的数字。可能是从另一个角度。

瓦特蒸汽机改良是1774年，蒸汽机在18世纪初就已经出现，我想大家猜猜到1830年左右时候，蒸汽机在整个英国动力贡献占比是多少？只有1.5%，一个世纪才做到1.5%的动力贡献。在1850年以后涡轮蒸汽机出现，真正使得这个动力变得又好用，又廉价，带领整个产业发展。

这个产业变革时间可能是非常漫长的。

但从乐观角度来说，这一代AI2.0引起大家关注才半年，其实没有多长时间。大家可以看到有多少变化，不管产品出现还是技术上的更迭，其实发展比以前快很多。

包括创业生态，现在大家知道是资本投资比较冷的时期；但是上周我同事参加某个高校的大模型创业比赛，有150个投资机构在现场参加，其实大家对这一块的热情时很高，对这个方向比较宽容，机会也挺多。

这一代和上一代的AI相比，第一个感受就是门槛大大降低，做AI的人在2014-2015的时候还很稀缺。现在已经培养了大量人才；而且我前段时间看不少论文，发现至少一半作者都是华人学者，这是非常好的一个现象，我们对于人才的储备还是很有信心的。

另外这一代大模型的一个特性就是通用性，创业公司并不需要花那么多钱养这么多人，要找很多非常好的数据来做训练，甚至可以选择在硬件上不做太多投入。这个基础上做创业门槛我们觉得应该是大大降低了。同时，通用性对于创业公司的成本结构也有很大的好处。

上一波看的很多AI公司，因为不同场景AI得通用性不是那么强，所以在研发成本，训练成本、产品重复开发成本很高，盈利能力很受挑战。现在这一代我们比较惊喜看到，就算做完全一样事情，等价替换，由于刚才讲的几块成本大大降低，其实利润率大大提升是完全有可能的，对于tob类型的创业公司是一个很好的情况。

陈至圣：看起来道路还是很漫长，但是大家热情很高涨。

想问一下亿铸科技的徐总，大家都说现在国内AI发展最大的瓶颈之一是算力，那咱们作为底层的算力提供方，是否认为这反而是我们弯道超车的机会呢？我们的商业化策略是如何配套的？

徐芳：对于现在“AI发展最大瓶颈是算力”的这个论断，我很认同，但我想做点补充。AI算力分不同类型，比如，大家都耳熟能详的云、边、端算力。瓶颈现象最大的是在AI大算力这个领域。

为什么说这个领域会面临这么大的瓶颈呢？

一是工艺制程的演进遇到了摩尔墙，原来通过先进工艺的迭代提升产品能耗比的逻辑逐渐进入到了瓶颈阶段。

二是算法模型在快速迭代，比如ChatGPT为代表的大模型，对算力性能提出了更高的要求。这就形成了一个巨大的技术剪刀差。

三是在“双碳”的大战略背景下，能源结构升级的要求、能耗管控的规则都在持续升级，这对AI大算力的能耗表现也提出了更高的要求。但双碳战略、节能减排是一个功在千秋的国家战略，这也反向给亿铸科技这种创新的技术提供了长期的产业政策的利好支撑。

第四就是当前特殊历史周期内，地缘政治给产业链各环节的咬合带来的一些不可控，或者说不可抗的影响因素。

这几个维度的因素都在AI大算力这个点上汇集到了一起，所以AI大算力的瓶颈现象就比较明显。

但就是因为AI大算力的重要性、瓶颈现象的明确性，所以对于亿铸科技存算一体AI大算力芯片这样的创新技术而言，无疑是非常好的发展机会。如同前面各位专家讲的，现在AI应用发展进入2.0时代，对于算力的市场需求会越来越大；但是成本能耗的管控趋向于严格，这个巨大的剪刀差，需要通过怎样的技术来弥合，或者能源相关的创新技术，比如核聚变、储能、常温超导等，亦或者是和AI算力相关的创新技术。从某种意义上来说，亿铸的技术是一个可以大大提升能源使用效率的AI大算力芯片技术。

至于说到商业化，就如我前面讲的，太阳底下无新事。选择正确目标市场，做好产品定义，打磨好产品，提供好服务，给客户提供更有吸引力的价值，这是我们认为能够走向商业成功的唯一路径。创新技术是一个支点、一个抓手，并不会改变商业成功的底层逻辑。

陈至圣：我刚刚突然想到一个词-“守正出奇”，这个道路上，算力是确定性诉求，其实不管未来会怎么样，大的趋势还是存在的。

想问一下Nolibox6的付总，你们做应用层，离商业化更近。在此次热潮之前，你们就曾提到要做B端商业化，你们是如何考虑的呢？

付博铭：首先2C、2B肯定都有价值，我们团队更聚焦在2B。做C端产品需要持续追热点，比如说我们这边有一些API客户，上个月还在做AI绘画小程序，下个月就做微信表情包生成去了，所以2C有一个风险，就是C端对AIGC的热情可能是“好奇心泡沫”，没兴趣就不会继续玩了。

我们认为2B有需求、2B有价值、2B可以构建一个可持续的商业模式，比如我们为海尔提供整体产品方案，并牵头完成项目落地；目前已完成初步交付，是目前已知的全国首个结合实际业务场景落地的AIGC工业设计toB解决方案。我们可以显著降低海尔设计团队的概念设计人力成本、提升概念产出效率，对企业来说有很大价值。同时这种需求有共性，其他工业设计公司也会有这样的需求，我就可以把同一套服务推广给其他公司。

我们公司的相对优势在产品侧，比如目前我们主推的无限画板产品，可以理解为在线智能PS，这个画板上可以承载多模态内容，比如文字、图片甚至音频、视频，同时基于无限画板可以实现设计创意内容的可持续编辑和优化，让AI绘画不再是一个抽盲盒的过程，我们认为这一点是AIGC服务专业设计场景的基本要求。我们希望把无限画板产品打造成AI绘画专业设计场景的行业标准，服务于行业内其他友商以及对AIGC落地有需求的客户。

陈至圣：其实有幸看到Nolibox的产品演示，我觉得大模型时代改变的就是生产力和生产关系，随着技术创新，生产力的提升也会更多。

大家觉得，AI2.0要实现真正的全面的商业化，需要哪些要素共同具备呢？

我抛砖引玉，昨天晚上ChatGPT跑了一下这个prompt，给大家分享一下。

根据ChatGPT回答，AI2.0如果真正实现全面商业化，具备要素包含第一点大规模数据集，包括各个行业领域数据；第二点强大计算能力-训练推理，第三点深度行业知识，不同行业knowhow；第四点数据隐私和安全保障，第五点人机协作和可解释性，第六点商业合作和生态系统，第七点包括法律与道德的框架，包括相应法律法规确保AI合理与负责任的使用。

看起来比较全面的，也想听一下各位嘉宾观点是什么样，谢谢。

易然：刚才听您讲这几点列下来，这里面有些是技术难题，有些是道德法律需要明晰的问题，背后可能都反映一个点。现在大模型技术虽然非常激动人心，虽然我们很相信未来发展，但技术上还是有非常长的路要探索。

以前我们感觉可能上一代AI更多像是一个低龄小孩的智商，只能做简单的事情；现在这代知道他的智力潜能非常大，有可能不亚于人类；但包括OpenAI也好，大家并不明确知道能有什么样更好方式构建真实世界反馈、完善训练它，减少幻觉，减少错误，强化道德。这导致可能创意类场景还可以，但在很多时候需要上到生产环境应用、做决策等等，还是有很多危险和挑战。其中也包括法律和伦理部分，我自己觉得这点还是挺关键。我是充满信心，我发现在学术上还是有很多很快的进展。但掌握更好的训练和alignment方法，这一点还是很关键的。

徐芳：我觉得刚才通过陈总和ChatGPT的交互，让我们感受了一把来自于硅基智能的压力。

因为圆桌时间的关系，我就讲一点，就是我们要解决能源的问题。除了需要解决伦理、文化、民生、法律、稳定等等上层建筑类的事情之外，还有很重要的一点就是能源问题。AI技术在人类现有生活现状基础之上的发展，到底对能源有多大冲击？我相信在座各位如果生活在北上广深，或者工业、商业重镇，甚至能源基础不是特别丰厚的地方，可能都遇到过限电的情况，这个可以说只是一个能源紧张的缩影而已。

如果说AI应用在人类社会全面开花，这对能源的需求，我认为是很惊人的。今年年初AMD的CEO提出了一个核电站论述，假设在现有计算效率的基础上，每两年翻2.2倍，到2035年一台超级计算机的功率将会是半个核电站的功率，半个核电站的功率是500MW，这是非常惊人的能源诉求。所以我想说，能源问题得到解决或者很大程度的改善，不管是用前面提及的各类新能源相关的技术，还是用亿铸这种创新的AI算力芯片技术，大大提升AI算力的能源利用效率，才能至少具备了AI应用在人类社会“全面开花”的前提条件之一。

付博铭：前面大家已经说了很多方面，我补充一个点，我们希望行业内从算力层到模型层、应用层大家都保持开放合作的态度，发挥各公司的比较优势，把蛋糕作大。

Nolibox一直秉持开放合作的态度，希望与行业内其他友商共同合作服务好AIGC客户。比如说我们作为总包去服务海尔，但我们只提供前端产品，因为无限画板是我们的比较优势，设计师用我们的无限画板可以更方便快捷地完成概念设计，服务端功能及部署架构由我们合作伙伴猴子无限提供，计算资源由AWS提供。这种方式非常灵活，客户想用哪家的模型、哪个云服务厂商的算力都可以协调配置。

AIGC方兴未艾，是一块广阔的增量市场，现在99%的企业听说过AIGC，但只有1%的企业用上了AIGC，能不能让AIGC在剩下99%的企业应用和落地，有赖于行业上下游公司的共同努力。

陈至圣：谢谢付总，本次圆桌讨论到此结束，祝愿广大创业者、投资人、产业方，鱼和熊掌都可以兼得谢谢。