【圆桌对话】AIGC的现实主义与理想主义

6月27日，以”AI赋能下的新质生产力“为主题的2024苏州人工智能产业投资沙龙暨项目投融资路演在苏州清科创新中心举办，本次活动由苏州工业园区科技招商中心、清科创业、永鑫集团联合主办，60余位从全国各地赶来的创投机构、企业代表齐聚一堂，共同探讨人工智能产业的发展趋势、投资机会和合作空间。

本次活动中，由小苗朗程投资合伙人赵沛舟主持，元禾原点合伙人姜明达、翌马资本副总经理贾天宇、元璟资本执行董事任易、唯实资本投资合伙人夏昊、智化科技创始人CEO夏宁参与，进行了一场围绕“AIGC的现实主义和理想主义”为主题的圆桌对话，内容十分精彩。

作为主持人，赵沛舟提到不论是硅谷还是国内，AI创业的热潮都非常的火爆，但从使用层面来看，理想和现实还有较大差距。

姜明达也从AI公司成长及投资者的角度提出他自己的观点，他认为现阶段还是比较谨慎一些，相比AI只是一个辅助工具提升效率的“X+AI”而言，他更加看好基于以AI为核心驱动的“AI+X”。

贾天宇也指出AI的价值核心，一是要服务于生产力，同时普惠化，重点关注于AI的基础设施，二是着重于能够云化的业务，三是关注AI给企业带来的降本增效。

“VC最需要具备的能力是去发现变化和投资变化，还要把握变化发生的时间点和适合去投资的时间点。”任易说到，同时他也指出了目前他关注AI的两个视角：高技术驱动与强商业落地，创业项目和投资人在追求这两者的齐头并进。

夏昊也从投资角度提到不管是to B还是to C，中国的AI科技公司要赚钱，首先得能帮助大家降本增效；大模型价格战的背后，反映的是竞争驱动与成本驱动。

作为AI化学药物研发公司，夏宁也表明AI对企业来说其实是一个工具，AI+化学真正的底层还是化学，一开始是一个提效的工具，但随着AI的进步一旦达到一个临界点，能够接近这些化学的博士、专家的水平时，它就会成为一个刚需。同时自身研发的大幅度的降本增效和行业稀缺性才能吸引投资者的眼光。

以下为圆桌对话实录（由清科创新中心精编整理，有删减）

主持人（赵沛舟）：大家下午好，今天的主题是AIGC的现实主义与理想主义，我是小苗朗程AI投资的负责人赵沛舟，今年我也去了两次硅谷，硅谷的创业热潮非常火爆，以前SaaS企业是估到20倍IRR的估值，现在AI+SaaS企业普遍在四五十倍IRR的估值，非常疯狂。并且美国硅谷那边大部分人认为，现在只是泡沫的开始，三五年后才是泡沫真正到顶峰的时间段，反观中国，大模型已经在打价格战，从个人作为AI用户的体验来看，整个AI的使用还不是那么高频，这次就来以现实主义为核心去探讨一下AIGC的发展。

那么我先来介绍一下小苗朗程，小苗朗程是紫江集团控股的紫竹高新区旗下的VC投资管理平台，我们专注于早中期科技投资，主要投资重点为新一代信息技术和先进制造，已投资120余家科技企业。对于苏州这个城市我们也是非常熟悉的，苏州的鼎纳自动化、光本位和盖泽科技我们也都有参与其中。刚才也提到，我是小苗朗程AI投资的负责人，那么在AI领域呢，我们也投资了非夕科技、赛舵智能和Viggle AI等为代表的企业，去年大概投了6家AI方向的企业，今年上半年也有不少还在交割中的。

下面请各位嘉宾介绍一下自己所在的机构，包括主要的投资方向以及企业基本情况，同时简单介绍一下在苏州有哪些合作和落地的项目。

姜明达：各位嘉宾大家好，我是元禾原点的姜明达，我们公司就在苏州，母公司叫元禾控股。我们是专注于做早期投资的机构，重点方向是两块，一块是科技，另外一块是医疗。我们投的项目很多，200多个，差不多有一半在苏州。

在2017年第一波AI来的时候，我们其实投了很多，那时候也很疯狂，一周之内把"AI四小龙"商汤、旷视、云从、依图都拜访了，后来我们投了云从。我们也投过寒武纪。智能驾驶一年之内我们投了4家，包括苏州的知行科技。第一波AI的投资效果还不错，从目前来看，该上市的上市，该独角兽的都独角兽，给我们带来不错的回报。

但是到这一波AI3.0、AI4.0的时候，我们反而比较谨慎，去年公司组织去看大模型，包括各种应用，最后我们只投了一家做AIGC生成3D建模的公司，我们觉得这块的应用比较明确，并且做的人相对少一点，稍微规避一下主战场。

贾天宇：大家好，我叫贾天宇，我们来自于恒生电子产业基金，恒生主营业务是做金融软件，迄今为止已经在A股上市了21年，恒生本身是一家杭州的公司，现在基本国内所有持牌的金融机构都是恒生的客户，包括银行、保险、券商、基金、信托这些，我们其实本质上就是一家To B的软件公司，但是是垂直行业类的，在金融行业做各种各样的核心交易系统、核心资管系统。

恒生的投资，首先从时间轴来看，我们是经历了原来做LP，到现在自己做GP，成立了翌马资本。以前我们给方广、鼎晖、中金等出过钱，和他们一起去做基金，后来我们慢慢自己去做自己的产业资本，主要的投资方向也是围绕着To B软件来投，To B软件也是现在比较惨淡的一个行业，但是我们觉得每个行业都有周期，虽然现在还处在比较低谷的状态，可能只有AI一个方向在整个软件领域掀起了一些波澜，但我们还是比较专注在这个方向。

另外，从投资类别来看，因为我们是产业资本，所以我们除了少数股权投资之外，还有一些并购的业务，我们基本把少数股权并购这些事情和思路想的比较清楚。我们有自己一套投资的逻辑跟考虑问题的方式，因此我们本身并没有把AI单独拎出来作为一个话题，而是放在整个To B软件领域里。

总体上，我们现在对AI还是有点谨慎，但在此之前我们投过不少跟AI相结合的公司，无论是在数据侧、算力侧或者在行业应用侧的都做过一些布局。跟苏州之前合作并没有那么紧密，但是未来可能会有一些合作。

任易：大家好，我来自元璟资本，元璟资本也是以“产业+投资”为特色的投资机构。

我们的投资主要三个方向：科技、医疗、消费。科技里包括硬科技，例如生产制造、核心零部件，科技方向上我们投过理想汽车，像思必驰、MINIEYE佑驾创新。我们会觉得AI本身是当今的单一大主力、单一大变化，VC都在看变化，AI可能在技术上给大家看到一个变化在发生的过程，但是这个变化最终会怎么落地？最后怎么变化成一个商业化的机会？大家还没有达到共识 ，所以我们也在看、也在找。AI是一个主题，但怎样才能长成一个特别大的赛道呢？例如AI跟机器人，AI跟SaaS之间的结合，AI跟各种各样的行业，这些可能都是我们今天在讨论的主题，我们也在找技术和商业之间的平衡点。目前我们认为不要太过高估AI1-2年的变化，但是同时不要低估5-10年的变化。

夏昊：我是代表唯实资本，唯实资本背靠的是网宿科技，和贾总的情况是非常接近，也是有年头的上市公司，2009年网宿科技上市，主营业务是CDN，或者说是互联网基础设施，大家平时看的视频、直播，这里很多内容都需要缓存和分发，这就是网宿的主营业务，基于这个业务上面，网宿又开发出了一些互联网安全业务，在企业的Wifi和网络应用防火墙这个领域也是国内前五，网络安全是一个独立的品牌，这方面的业务发展的也不错。

网宿战投这一块，一方面是公司的战略投资部，包括帮公司梳理战略，了解各种各样市场新的动态，例如公司的资本运作，买公司、卖公司、投资公司。同时，也对外和地方政府合作成立了两支基金，一支在湖北武汉的洪山区，另外一支在上海的嘉定区。我们作为网宿战略投资人，肯定是会围绕公司的主业，也就是看软件、信息安全比较多。

作为一个财务投资人，我们一是看新一代信息技术，这里的重头戏目前来看是AI，二是智能汽车产业链，三是光电产业链以及背后整个高端制造，包括最近也在看一些宇航方面、商业航天这些领域的标的。我们对AI，总的来说做的是比较务实，相对来说不是那么激进的公司，所以我们一直对AI保持了关注，也一直在聊，但目前为止出手还不太多。

夏宁：大家好，我叫夏宁，是智化科技的创始人兼CEO，简单介绍一下我们公司，我们是把化学和人工智能相结合，希望能够用算法、大数据+AI来部分替代或者是提效化学的科研研发。化学应用的领域很广，包括生物医药、新材料、农药、日化都有应用。

我觉得这个题目对我来说是比较契合，我是一个很理想主义的人，我本人是学化学的，2008年博士毕业之后一直在做一件事，就是怎么样用计算机解决化学合成的问题。经过十几年的研发，现在的梦想在一步步实现，大家知道我们公司英文是Chemical AI，那时候还没有人想到把化学跟AI相结合。但2015年的时候，我们已经做了很多年研发，因此很简单就注册了这个域名。

我觉得AI对我们来说其实是一个工具，真正的底层还是化学，我们研发的这些年里面逐渐发现有各种各样的工具来帮助我们实现这个梦想，直到现在人形机器人我们也非常感兴趣，我们已经基本解决了第一个问题，就是化学家的“大脑”，把化学家的思想变成算法，下一步由“身体”把实验操作也解决，我比较乐观，我相信3-5年内就会出现用机器人做实验，而且比人的效率更高、成本更低，届时不管对于是对制药行业还是其它化学研发都会是一个颠覆。所以我还是非常欣慰，我的理想在AI赋能下在一步步走向现实。

AI投资，在巨大的风口中寻找自己的锚点：技术稀缺性，AI+X的商业化，降本增效、退出的确定性

赵沛舟：谢谢各位嘉宾的介绍，大家也或多或少提到了各个企业、各个机构对AI关注的情况。下面想请教下大家，作为投资机构或者企业，您会重点关注 AIGC 哪些领域，以及投资以及企业运作方面会有哪些思考？

姜明达：关于AI，大家听得到的大公司、大模型，还有新公司，我们都花了很多时间去聊。到目前为止，真的跟AIGC相关的投了一家做3D模型生成跟渲染的，因为它的产业链比较成熟，产品相对来讲做的虽然少，降本跟提效也比较明确。

接下来我们重点看的AI有两种，一种是“什么+AI”，另外一种是“AI+什么”，其实是不太一样的，第一种内核还是原来的行业， AI只是一个增效的辅助工具。另外一种是“AI+什么”，它的核心是AI，基于以AI为核心驱动的时候，整个AI原生的流程就要做变化，产品也会发生变化。

我们可能比较偏好的是看“AI+什么”的这个赛道。这个领域的东西从投资来讲，我们不指望它很快IPO，更多的还是看稀缺性，技术的前沿性，有没有可能被并购，或者吸引大家后续投资的机会。

另外，我们今年重点在看AI和硬件结合的东西，不光是人形机器人，AI硬件的东西我们也会看，像刚刚提到的AI办公就是一个很好的产品，因为它很容易做成爆款，AI加上其他的，比如说加上家电，这些东西是不是可以出现一些新的场景，这块我们也会关注，也是创业者可以深挖的方向。

看人工智能我们觉得是一个很长期的东西，这是一个梦想，所有人小时候看科幻剧都会想着未来我有一个机器人，能够替我们干非常多的事情该多好，这是一个梦想，是不是能够短期实现不知道。既然是梦想，我们又是做早期投资，可能要为它买个单，看看它能不能成长起来，目前来看大模型是最好的解决方案之一，所以我们现在也是在重点在看这块。

贾天宇：先简单说一下我们现在对AI投资的大逻辑，刚才提到了我们整体比较谨慎，为什么谨慎呢？现在虽然大模型很火，其实AI本身面临的问题还没有得到更好的解决，比如说商业化的问题，比如上一波AI的浪潮就是以AI四小龙为典型代表的，他们依旧还是在亏损的状态，而这一波大模型可能亏的更严重，所以我们觉得商业化的问题本质上还没有解决。

另外困扰AI的隐私、安全等挑战也还没有解决，大家只是看到大模型提供了一个非常好的能力，给我们创造非常好的愿景，但困扰AI本身的这些问题没有解决。

另外一点在于我把它称之为数字摩尔定理，大家都知道摩尔定理就是18-24个月，晶体管的数量可以翻番。现在AI来了之后涉及到模型上的迭代可能比原来摩尔定律会更快，OpenAI自己公布的数据它可以16个月让它自己模型的能力double一下，其实它比我们常说的摩尔定律变化更快，所以我们把它称之为“在巨大的风口里面寻找自己的运气”，也因此我们对于AI本身的投资相对比较谨慎。

我们现在比较关注的是三个方向。第一个方向比较关注于AI的基础设施，这个基础设施逻辑是这样的，上一波AI四小龙的时代率先赚到钱的并不是商汤科技、旷世科技这样的公司，而是类似于像海康威视、大华股份这样的公司，这样的大模型大家也知道，率先赚到钱的可能是像英伟达这样的公司，所以我们会更加往下看一层，去看AI相关的基础设施。现在涌现出了一些公司，比如说无问芯穹这样的公司，我去衔接硬件侧和各种各样的模型，去提供一个更好的能力，成为他们中间的连接器跟路由器，类似这样的公司会比较关注。

第二个会关注的方向是云化的业务，云化的业务天然比较适合AI的场景，AI本身的起源是数据，无论做模型还是训练模型，都离不开数据。你的业务在云上能够最快的获取数据，同时用户能够更快更好的使用最新的功能，使用后又可以给你及时的各种反馈，你输出的这些结果用户是否能马上接受，还是做一些调整，这时候又会区分出一些good case、bad case，又可以再去反哺模型，形成一个良性的循环。

另外一个会关注的是效率提升与成本降低，像我们这样相对传统To B的软件公司非常关注AI是否能够给我们带来成本上的优化，甚至在未来很长一段时间里面，软件公司追求的并不是在利润表上收入规模能够有多大的增长，而是成本有多大的压缩，通过成本压缩才能产生源源不断的利润。

AI公司的To B之路：找到高技术驱动与强商业落地的平衡，还得帮助大家降本增效

赵沛舟：我这边想补充提问一下，因为您刚才也提到了，主要是AI和To B软件这块，过去的软件行业，已经发展了几十年时间，到现在为止尤其是最近几年，新的初创公司虽然受到资本的关注但很少能够独立资本上市运作，那么您如何看待AI和To B软件的结合呢？

贾天宇：我们总体上对AI是比较谨慎，但是AI跟软件公司的结合是一个比较理想的状态，当然，这个结合侧重点并不是在于AI，我们觉得可能是在于你本身公司对于行业的理解，包括夏总做的事，本身并不是在于他AI做的有多好，或者做Pre-training models做的有多好，更多还是他们本身在化学上有比较好的Know-how，结合去做这件事情，一旦结合的很好，就可以让成本大幅下降，对于企业来说利润表无非就两项，一个是收入的大幅提升，一是成本的大幅下降，而成本的大幅度下降往往也能带来收入的提升，因为成本一旦降下来，就会有更好的边际效应，你去做竞争的时候你有更好的成本优势，有价格优势。

任易：我们对于AI这个事会分两个视角去看，一个是高技术驱动，一个是强商业落地，这两个不冲突，我们把它当成两个轴，纵轴是强技术驱动，横轴是更强的商业落地。

左上是人形机器人，这个事今天为止技术路线不确定，商业落地还在探索，但是有非常强的技术驱动力，大家认为它可能需要比较长的时间，但有可能未来产生很大的机会。

最右下是什么？今天有很多人拿AI做广告投放和制片广告赚钱，商业化非常快，但是没有特别强的门槛。

我们觉得最好的公司不会忽略中间的斜线上，大部分最后还活着不错的公司都是找到了安放的场景。

比如说商汤当时从左上往右下走的，是从强技术驱动往中间这条线走。像海康、大华本来从更多的商业化项目往上走，但大家最后都在中间那条线上，所以我们觉得未来好的公司大概率是要往中间那条线上走。

今天为止，我们也会在两边布局一些。比如说我们的机器人领域也会投一些，一些最开始做应用，同时慢慢迭代自己的技术的，我们也会投，我们期望他们最后能够往中间这条线上走。

那么在AI领域，谁现在的方向已经在中间这条线上了？举个例子：文生图，文生图找到了一些商业化的空间和技术空间，又有足够的留存，又有一定的覆盖，当然除了这个以外，很多项目都在两边往中间的过程，我们也在看这里面有什么样的方向有可能是我们可以布局的，或者两边都会综合考虑一下，看大家能不能往中间去走。

夏昊：首先，网宿自己是一个做基础设施的公司，所以我们肯定对AI的基础设施比较感兴趣，我们有遍布全国的CDN节点，就会考虑CDN节点上有没有可能做分布式推理，另外怎么调度好分布式推理和降低推理的成本。同时，我们也有管理服务这样的一些业务，也在考虑这些业务的出海，在这些业务的过程中也会用Agent，会用自己的推理，云端的一些东西，我们一方面是看应用，一方面是看基础设施。

另一方面，从我自己个人来看的话，中国的AI要赚钱，AI本身是软件，但是你要赚钱的话，中国传统的付费习惯就是硬件王，不管是To B、To C都是一样的。还有一个相当于降本增效，减少用工成本，基本上这两个方向比较容易见到钱，也比较现实。

我们现在总的来说还没有那么明确的来定义我们要看什么样的赛道，我们是各种项目都在接触，保持对行业和新技术的敏感，我们很清楚的知道，现在的技术还是在一个早期阶段，大家知道基于Transformer模型最近有一个比较有意思的动向，《Nature》上面发文说，语言本身不是智能，基于Transformer它能做的事情有限，还有要有新的基础架构，Transformer能够用更小的算力成本做到同样的事情，这很有可能影响到将来的业态，要保持密切关注和紧密跟踪。

赵沛舟：夏总，您把AI用在了您公司主营业务的化学合成上，同时AI机器人可能会赋能行业，想请教您对其他行业AI的应用有什么特别看好的点吗？另外关于化学合成请您具体分享您对AI的应用有什么心得，尤其是大家会说现在小模型时代转到了大模型时代，您觉得有什么变化吗？

夏宁：重点我来介绍一下化学领域AI到底能帮哪些。

首先AI的发展还是一个早期。尽管现在已经开始商业化了，有很多付费用户，但是它还是处于早期，为什么？我们做的AI生成的是化合物的合成路线，以及条件推荐，但要对标的是人类化学专家，这些人都是博士甚至还工作了十几年的老专家，因此最开始是可以帮人提效的工具，一旦达到一个临界点，能够接近这些老专家的水平的时候，它才会成为一个刚需。

我认为AI的发展类似这个过程，像AlphaGo在早期下棋下不过人的时候，可能大家觉得它只是一个游戏，当它下过一个人的时候，大家觉得围棋如果是一个工作就没必要要人来做，大家有一定的耐心去等AI从一个小学生成熟到成为一个专家，然后再完成它更大的价值。

我们这个产品早期可能就是一个本科毕业生的水平，过了两年发现已经达到博士加几年工作经验的水平，再过几年可能会有更高的水平了，这是AI在落地过程当中必须要经历的周期。刚才有投资人也提到了，如果做软件它的市场偏小，如果要跟硬件结合，不光要把方案给到你，还能用机器人去实现，这时候它的价值会成百倍的往上翻，因此我认为机器人是更未来、更大的事情。

AI公司的To C之路：利润、技术掌控力、差异化、持续高留存？非自研大模型底座的创业公司的机会究竟在哪？

赵沛舟：谢谢夏总，刚才提到的是AI和To B的结合。中国庞大的人口基数加上互联网时代大的平台，经常能够诞生更好的To C的一些应用和产品，包括ChatGPT本身也是To C的产品，To C这一块的应用各位怎么看呢？另外大模型公司像Kimi、miniMax等，本质都是C端的应用产品，这些大模型公司要结合着场景落地，底层模型变化这么快，非自研大模型的初创公司在To C领域有没有机会，有哪些机会，大家有什么看法呢？

姜明达：我觉得现在要把它放到大的环境下面，基于现在的生态竞争环境、融资环境，从我个人来讲如果要从底层开始做To C的话，只能说祝你好运，我们保持关注，除非这个团队真的超强，一上来就是各种国家队的资金，各种最头部的专家，但基本上不大现实。我们也和很多大公司以及17年那波起来的AI公司交流过创业公司做底座的机会，大部分都不太看好。

至于机会，AI Agent是目前一个很好的方向，怎么把AI用好，真的去解决一些问题。至于2C，用户对于你这个模型到底有多高效、算的有多快、准确率多高，C端没有明显的感觉，我反而觉得于其纠结于一些技术，在产品本身去发力反而会带来一些很好的机会，就像思必驰的AI笔记本。随着AI的各种基础设施能力的不断提升，大模型越来越便宜了，甚至免费的都有。这个其实给很多C端创业者带来了很多机会，不一定你能融到钱，但有可能能够赚到钱。

任易：这个问题核心是你怎么定义什么叫做自研底座模型？我觉得今天这个时间点上，大家对AI究竟能解决什么问题还在探索中，而且AI本身的技术又在快速的变化，我们觉得今天大部分在这个领域创业的团队，无论To B还是To C，对自己的底层技术要有一定的掌控力，因为它得知道这个技术能够让我解决一个什么样的服务，不管是To B还是To C，我得知道未来技术变化和趋势会是怎样的，哪些东西可以被我拿来提供更好的服务，所以今天为止产品和技术之间还是紧耦合的，所以团队必须要有一定程度上掌控自己底层技术的能力，这个是一。

但你倒不一定要自研底层所谓的AI Arm。比如说搜索这些产品其实它不会自己去自研AI Arm，但会在上面加很多东西，包括有自己的底层对技术的控制能力，这些能力帮助它提供了一个有差异化的产品，这个是我们看好的。

回到To C的话题上，首先我不是干To C的，我不是那么专业，我觉得它有一定的空间，因为大家对AI这件事情的接受程度是很高的，你今天推出一个很不错的产品很容易就能完成0到1，更大问题是1到10，或者1到100，因此今天的流量增长是快的，但是留存是低的。

我们之前看过一个图，大家总结了从互联网时代和今天时代获得流量的时间和留存的时间，今天AI的产品获得流量的速度远远大于当年互联网产品获得流量的速度，同样，今天所有AI产品的留存是远远低于当年互联网产品的。所以今天更难做的反而是留存，我真的让用户进来尝鲜，觉得不错了之后怎么让这批用户留下来持续在用，这个是关键，比起流量来讲，我觉得可能对于To C来说我们会更关注他们究竟怎么能够持续产生一个好的留存。

大家一起卷？大模型价格战的背后既是一种商业化策略，也是AI普惠大众的必由之路

赵沛舟：下一个问题请教一下贾总和夏昊总，主要现在关注到像阿里、腾讯、字节、智谱都纷纷的降价，大模型价格战的背后，两位觉得代表了什么呢？

贾天宇：我觉得降价也不能说是完全的价格战，而是一个必然发展的趋势，一方面降价的核心还是来自于供需的关系，以前大家觉得你要做AI、做大模型首先得要有算力，所以大家买算力的需求和租赁算力需求非常大。现在大家慢慢觉得，可能大模型以后会变成一个“公共资产”，并不是说需要所有人都做Pre-training models，很多人基于别人的Pre-training models去做一些完善，也能够产生一个很好的效果，在供需侧本身就发生了一些变化。

其次，本质上大模型现在的训练成本也在逐步下降，这也是OpenAI自己披露的数据，他在GPT-4o的时候，比它训练自己的GPT-4的算力消耗已经下降了50%，还有一点也符合整个时代的大趋势，AI要产生价值核心还是普惠，你怎么让AI变的普惠，怎么让更多的人使用它，你能够得到更多的数据，能够把模型做的更好，能建立更好的社区才是比较有价值的一件事情。

我觉得未来成本还会继续下降，甚至于在To C的领域可能很多都会推自己免费的策略，包括现在GPT-4已经是免费在给大家用了。

夏昊：我的看法是这样的，现在的核心问题是大家手里面都有“枪”，不知道“猎物”在哪里。包括Open AI也是，它现在没有真正找到商业化路径到底能做一些什么东西能挣钱？如果单靠微软的这些合作，其实是难以支撑它目前的市值和股市。现在国内所有的大厂都在做同样的事情，就是做自己品牌的大模型，一方面是有市场需求，另一方面是有巨大潜力，但市场到底在哪里没有人搞清楚，所以把数据把API交出去，让别人去做创新，找到潜在的应用点，我相信是所有大厂之前做过现在也在做的事情。一边找到应用点，还有一个就是积累数据，问答数据本身，问题本身就很有价值。这些我觉得是底层基础设施发展了以后，要找到应用的必由之路。

一个是竞争驱动，一个就是成本驱动，确实成本端也是在下降，大家肯定对于成本端的下降有一定的远景规划，至少在半年、一年以后能下降到什么样子，我能达到什么位置？我估计是这么来做决策的。既然有人开始卷起来了，其他人就得跟上，我认为基本上就是这样的大概逻辑。这意味着什么？意味着去做应用创新的人现在是有低成本去做出东西的机会，这是一件非常好的事情，刚才姜总说的能够用To C来赚钱，这是一个非常好的事。

任易：我觉得这个事首先是一个商业策略，当成一个开源，我把最基础的版本免费，大家都来用。刚才姜总也提了，大部分免费的东西是低版本，上面的东西要收钱的，你把它当成一个开源版本，只要让更多的人来用，生态起来了，能够让更多人用上我的商业版，这是最基础的商业策略。

再往后走，不同的厂商有一部分降价，有一部分不降价，大家怎么看这件事？降价更多是把大模型当成基础设施、当成云资源在用，所以你会发现降价的大部分公司卖大模型的同时也在卖自己的整个云服务，把大模型当成基础设施来做，对他来讲只是基础设施当中的一环，是可以被开源的一环。对于不降价的这部分人来讲，大部分是把大模型当产品，这是我的产品，我是一对一的产品思路，他会觉得今天不是低价卖，希望用户每天都能够过来感受到价值，能够付钱，这是两种不同的定位，这个没有对错。

降价这件事的背后，一方面是模型本身的训练成本确实下降了，大家会发现有时候免费也能商业化，只要进来流量，卖其他的东西也可以。另外，大家确实希望在上面能有更丰富的运用，这样就有更多的商业化空间。

元禾原点：区域聚焦打法策略，实现财务回报与政府诉求，以及自身发展的三方共赢

赵沛舟：谢谢，下一个问题请教一下姜总，现在的一级市场大家很多人就觉得比较悲观，您个人觉得你们机构，包括您个人觉得整体来说体感怎么样？

姜明达：从我朋友圈来看，大家普遍肯定不乐观，大部分机构我觉得这两年的目标是留在牌桌上，留着就还有机会。因为我们有一个新募的基金，其实今年的投资压力还是很大的。

可以看到，现在一级市场有钱的机构，他们依然还是在干活的，我觉得有一半的机构至少还是很积极的，不管是做增值服务也好，做招商也好，去跟券商、上市公司寻找并购、合作也好，大家都在寻找新的方向。投资方向也在趋同，AI是一块，硬科技、新材料等也在趋同。现在整个大环境的变化，造成大家都挺冷的，看看怎么样能够抱团，在这个牌桌上多坚持几年，希望能够有新的变化出来。

我觉得这也是一个好事，原来一级市场太热了，现在是一个冷静期，让大家好好思考一下我们未来的核心价值，我们这个行业存在的意义是什么，我们这个机构核心的价值是什么，大家重新整理一下再出发。

赵沛舟：现在很多都会说投资机构都是要帮政府做一些招商的，元禾原点作为地方国资与市场化团队的合资，做的非常成功，想请教一下姜总，元禾原点是怎么做到财务回报与政府诉求以及自身发展的三方共赢的呢？

姜明达：是不是做的很成功我们不敢说，但是一直在坚持着去做。策略上，区域聚焦、精耕细作。我们大概10年前就开始做一些区域的布局。根据清科的统计报告，哪些城市相对来讲创业是最活跃的，政府的支持力度也是比较大的，我们就在哪些城市，比如说是北上广深、杭州、苏州等等都设立了当地的机构，尝试着在当地去做一些基金。每只基金我们会带部分资金过来，当地再配一些投资，但基金所有的钱都投在当地，并在当地建立团队专注区域，紧密做好当地政府和LP的服务。

我们内部也有很清晰的定位，每一个投资人想要继续留在牌桌上，必须要客观认识现状，现在整个行业就是“既要又要还要再要”，这个没有办法，把这些东西都纳入到平时的工作流程和KPI中去，让每个员工都知道。每个项目在什么样的时间节点对接给LP、招商等政府部门等，我们内部是有SOP的，也有专门的人来干这样的事情。

我们元禾原点的定位就是做好政府、LP、被投企业、产业资源等之间的超级链接者。把信息、资源、人脉做好连接。当然还有很多需要进一步优化，怎么样让各方满意，让被投企业真正感受到我们是给他们提供服务的，而不是给他们增加任务的，仍然任重道远。

翌马资本、唯实资本：CVC投资的策略是用股权投资补充新技术，用并购做协同，补充业务及获取财务回报

赵沛舟：学习了，元禾原点通过区域聚焦的方式去把政府和投资能够有机结合在一起，关于CVC投资的话，首先请教一下贾总和夏总，不同的集团策略差异比较大，您的主营业务上投资有什么特别的策略，包括现在大家都会提的比较多的像并购，包括其他的投资策略，不知道您在最近一两年中会不会有一些变化，大概具体什么样的策略？

贾天宇：刚才介绍到，我们这块除了股权投资之外也有并购的业务，我们其实对于并购和股权投资这两块业务的定位也比较明确。

首先，基于恒生自身的业务来说，并购我们是希望补全自己的业务的，这个点在于，比如说我们看中某个公司某款产品，我们会分析市场占有率和我们的短板，综合考虑把它并购以后是不是能够补足我们的业务。而且我们内部有一些明确的划分，比如说单产品在市场上的占有率做到30%，它是一个市场里面比较有竞争力的角色，做到51%的时候，就在市场上有了绝对的成本优势，做到70%的时候可能在市场上单产品已经有充分的定价能力，可以反向去压价甲方，所以从并购的角度要补自己的业务。

从少数股权投资角度来讲，一个侧重点在于补技术，因为我们是一家行业的软件公司，我们投很多的标的，比如做云计算的或者做大数据的，可能往往是横向的公司，可能既会拓金融行业，也会拓零售业、能源行业等，我们自身去做这些技术，本身性价比没有那么高，因为我们做出来只能服务于金融机构，但我们投资的企业做出来之后，一方面恒生能够带他们去拓各种各样的金融机构和生态，另一方面，他们在别的行业、别的场景里面这些客户能反哺到他们的技术研发迭代上面，能够让我们把这个产品用的更好，所以我们投资上基本以补技术为主，并购上是以补业务为主。

其次，并购我们是追求财务回报的，更多是追求更好的服务客户或者加强在市场上的地位。投资上一方面补技术，另一方面，我们还是要挑市场上比较优秀的公司，能够让我们实实在在赚到钱。

夏昊：网宿之前也做了很多的布局，大的逻辑其实是和贾总那边一样的，并购一般是业务，投资往往是补技术或者是加深对某一个领域的认识。

举个例子，我们之前在韩国、俄罗斯都是有并购，当地的CDN业务发展的也不错，我们去年就退出了俄罗斯的业务，其实资本回报也是不错的。但今年，原先这些业务更像是合并同类项，我们有类似的业务，我们看得懂再看其他的国家和地区有没有这样的业务机会，能够拓展整体的，因为做我们这样的企业肯定要考虑整体的出海业务，和增加我们的规模。

今年一方面公司也有自己的战略方向，也有可能通过并购来拓展更新的业务，或者实现既有业务的大规模增加。我们在并购的时候，肯定是希望能够有这种协同效应，是能赚钱的。

在投资方面，我们之前也投过云管理，当时自己要做上云，要拓展这块的业务，这样一个方式也应该会再持续，现在在AI方面，我们持续的在看公司，不管是并购还是投资可能都是和公司业务方向是相协调的。

元璟资本的投资方法论：寻找不同变化发生的时间点及合适的投资时间点

赵沛舟：谢谢夏总的分享，两位产业资本都给出了比较相近的答案，就是在自己的主营范围内去做一些并购，在其他的技术方向去补一些短板和做一些行业学习。请教一下元璟资本的任总，您这边机构曾经投资了理想汽车，而理想汽车曾经是很多VC都不会投的企业，站在这个角度来看，您机构过去在发展过程当中有形成特别的投资方法论吗？

任易：我们在这一点上更重视变化，首先，VC更重要的就是去发现变化和投资变化，我们今天有很多的方法论找出什么时候会发生什么样的变化，什么变化催生了大的机会，比如说手机怎么开始出现，到电动车什么时候开始出现，到为什么今天大家会看机器人，这个背后有哪些技术的变化，为什么有这些变化，这些变化的背后驱动是什么。

再到我们到什么样的时间点该去接受这样的变化，什么时候我们可以投资它。我们的合伙人刘毅然也提到过，有一个前提就是那个时间点，我们当时看到了一些Trigger，那个Trigger让我们觉得说电动车可以投了，所以我们投了理想的A轮，我们会看到有技术的驱动、某些行业里面新的东西的出现，无论是需求还是技术路线的变化，在这个时间点上产生一些迹象，甚至可能会出现超级物种，我们可能会选择在这个时间点找这个超级物种是什么，同时随着这个超级物种的出现，可能会带动整个产业链和整个行业，所以我们为了这个产业链的上下游也会投，比如我们投了理想汽车以后，从机构的角度，我们投了很多自动驾驶相关的公司和汽车零配件，我们在找不同的变化，大的变化、小的变化发生的时间点和适合去投资的时间点。

智化科技：企业获得投资的秘诀：拥有行业颠覆性的技术

赵沛舟：谢谢任总的分享，最后请教一下智化科技的夏总，您公司的投资机构的阵容比较豪华，包括红杉在内连续投资了两轮，您觉得投资机构最看好您公司带来哪些点呢？

夏宁：我觉得他们最看重的还是AI制药的这个环节，AI制药前一段时间很火，但是我认为最大的限速步骤就是合成，我们已经实现了高通量的设计分子，高通量的生物测试以及自动化的分析过程，但是合成一直是手工业，就是人用自己的手去做，很慢而且很贵。一旦这个流程打通，我们制药行业就会有一个颠覆性的变化，从以前的低速高成本的模式，进入一个高速低成本的模式，它是行业颠覆性的技术，所以这是我们能够一直得到他们大力支持的原因，这个也是在近期内还是有很大希望能看到的。

赵沛舟：确实投资机构主要投资非常关注的点就是稀缺性、行业的发展的时间点，感谢各位嘉宾和专家的分享，今天的圆桌讨论到此结束，谢谢。

文章内容为嘉宾观点，不代表清科创新中心立场。