閱讀此文之前，麻煩您點擊一下「關注」，既方便您進行討論和分享，又能給您帶來不一樣的參與感，感謝您的支持！
激進與保守
這是激進派和保守派之間的認知挑戰。
「在矽谷，關於大規模模型和生成式人工智慧的話題，沒有討論是否投票。只有討論投哪個賽道、投哪個項目。」一位矽谷投資人告訴《鈦媒體創投家》。
矽谷的狂熱見證了這些數字。PitchBook數據顯示，自GPT-3發布兩年多以來，AIGC的風險投資增加了400%以上。到2022年，投資界將對生成式AI公司累計投資13.7億美元（摺合人民幣約93.69億元）。），幾乎相當於過去五年的總和，今年甚至達到了驚人的21億美元。
反觀中國，宏大模式已經狂奔了200多天，相互衝突的認知討論聲音大於實際實施進度。
手裡有真金白銀的風險投資人躍躍欲試，押注於大模子和AIGC；而另一組則說「讓球飛一會兒」。
《鈦媒體創投家》了解到，躍躍欲試的，要麼是真正有錢有勢、手上有足夠膽子的派系投資機構；趁這個機會「逆風翻盤」。
「那些讓子彈飛一會兒的人，一是沒錢，二是之前在技術領域沒有積累，還在努力學習和研究底層結構和趨勢。大型模型。」一位基金合伙人在《鈦媒體創投之家》評論中表示：「說白了，投資機構也怕被創業者斬草除根。」
「這是一場認知競賽，你對這個宏偉模式有什麼樣的認識，就會決定你會投票給什麼樣的項目。」在徐四清看來，阿爾法公社的創始人兼CEO。
大模型中的認知不一致不僅僅集中在個人身上。當投資者、創業者和需求方都存在認知偏差時，盛大模式中的「激進與保守」已經成為大多數玩家的共同狀態。
創業者獵豹移動CEO傅盛在朋友圈金沙江創投基金管理合伙人朱嘯虎表示，「矽谷一半的初創企業都是圍繞ChatGPT起步的，而我們的投資人竟然可以如此無知無畏」.」
稱霸一級市場多年的朱嘯虎回答道：「99%的價值都是GPT創造的，這樣的初創企業有什麼價值呢？」
乍一看，沒有對錯，只有態度不同。儒家級別的創業者一一下台，擼起袖子開始工作，從光年之外的王慧文，到擁有5000萬美元啟動資金進入大模的王小川，再到阿里框架主賈揚清辭職投身AI。懷揣夢想的創業者興奮得彷彿趕上了第二波互聯網創業浪潮。
二級市場的人工智慧概念股也一路上漲。從元旦到今年6月底，人工智慧指數（884201）上漲了近70%。但美國銀行策略師邁克爾·哈特尼特將人工智慧的崛起稱為「嬰兒泡沫」，並警告說它可能即將破裂。
真正用過AI產品的人並不多。最近，摩根士丹利對2000多人進行了一項調查，結果是80%的人從未使用過ChatGPT或谷歌的Bard。
激進主義、共識、保守主義、泡沫和怪異的許多對立面都擁抱著這場「技術革命」。是AGI、垂直模型、基礎設施層還是應用層的能力？
一群極客並沒有過多考慮自己的創業，而是直接接入ChatGPT開始探索商業化。
誰「喂票」AI
用戶是測試產品的最好方式。不管有價值與否，用戶都會選擇用腳投票。
跨境電商、視頻創作、會議錄製等場景成為ChatGPT的第一提效陣地。
《鈦媒體創投家》了解到，跨境無限生態鏈從去年12月開始就開始使用ChatGPT來提高產品頁面列表的效率。經過研究發現ChatGPT可以實現產品頁面的批量製作。生成後可直接達到商店標準。
創始人錢大柱表示：「以前需要四五個人一天才能完成工作，但現在只需一個ChatGPT導出器就可以在一個小時內完成所有工作，而且多餘的時間可以用來做更多的事情」東西..」
GPT-4啟動圖像識別功能後，需要通過網站導入產品圖像，讓GPT-4分析圖像，描述和提煉產品的賣點，輸入提示詞並要求模仿符合喜好的表達方式亞馬遜買家。一次生成8個不同的版本，這意味著8個商店同時推出一款產品，亞馬遜後端將無法識別相關性。每個門店都可以實現相同的客流量計算，這對於提升業績有很大的幫助。
「電商的門檻其實並不高，所以想要拉開與同類跨境貿易商的距離，就得靠運行速度或者新技術。」錢大柱說道。
技術流出的ShulexVOC創始人郭晨錄也是ChatGPT的踐行者。ShulexVOC是一款幫助賣家快速分析產品優缺點、購買動機、用戶期望和使用場景的插件。它可以在亞馬遜和Shpfiy平台上使用。底層邏輯是ChatGPT的演算法加上自研的小模型，通過自然語言處理用戶評論和照片，然後提取標籤並轉化為文本，最後分析對應的產品。目前有超過30,000名用戶。「很多跨境貿易商的優勢在於供應鏈能力，他們缺乏使用數字化增效產品的能力，也很少主動尋找除平台本身提供的產品之外的此類產品，但這些產品可以確實有幫助。賣家可以提高選擇產品和優化品類的能力，從而提高銷售業績。」亞馬遜產品經理說道。
不久前，AdobeCTOAbhayParasnis創立了人工智慧營銷工具Typeface，幫助企業在博客文章、Instagram帖子、LinkedIn主頁和公司官網等平台上生成營銷內容。帕拉斯尼斯稱其為「十倍內容工廠」。。
深跑的底層邏輯是穩定擴散和OpenAI數據的應用，加上自主研發的多模態、生成流程創新營銷產品。成立一年多來已獲得兩輪融資，融資總額達1.65億美元。投資者包括SalesforceVentures、GV（谷歌風投）、MenloVentures和M12（微軟風險投資基金），投資後估值達到10億美元。並與谷歌、微軟簽訂了商業合同。
「用大模型做表面應用或者產品驅動的應用，對於兩個B和兩個C來說都有很多機會。」阿爾法公社創始合伙人兼CEO徐四清告訴《鈦媒體創投家》。
自媒體創作者也是優勢之一。一位vi媒體創作者在與「鈦媒體創投家」的聊天中表示，將長文本內容轉換為短視頻內容對他來說一直是個問題，直到他使用了ChatGPT內容。總結歸納功能，一分鐘生成短視頻腳本，配合Clipping的智能視頻生成工具，團隊的視頻製作速度提升了5倍以上。
「粘貼全文，讓ChatGPT生成600字的視頻腳本文案，1分鐘就可以出結果，修改開頭就可以用了。視頻也是一樣，以前需要3分鐘製作一個視頻需要幾天時間，現在一天至少可以完成5-8個視頻。」這位自我調解者向《鈦媒體創投家》展示了他的績效提升神器。
就像經緯張鷹在混沌學院的演講一樣，他認為AI早期決勝的關鍵是敢於從ToC階段尋求突破，因為C端可以帶來的數據飛輪效應。
場景優先，數據為王。模型本身並不是用戶所需要的。用戶需要的是滿足客戶期望、提升商業化效益的產品。僅僅擁有一個沒有用例的大型模型就像用鎚子尋找釘子卻無處使用工具一樣。如何將AI模型的能力滲透到場景中，是一個值得深度投資的問題，就像APP時代，美團、滴滴、攜程幫助我們讓生活變得更輕鬆一樣。在瘋狂的平台級別或顛覆性的大機會之間，到處都有逐漸出現的、現實的小機會。
「吞金獸」，無商業模式
大模型的出現讓大家集體進入「免導航」的探索模式。
「OpenAI在訓練ChatGPT的時候，可能沒有想到這會讓大家震驚，也可能沒有想清楚如何將其商業化，只是覺得需要有更新的技術探索。」這是矽谷的徐老師在一次公開活動上說的。
「大機型目前還沒有商業模式。如果你有能力燒錢，建立生態系統，就投資大機型。」一位業內資深投資人告訴《TumbaMediaVentureCapitalist》。
大模型要燒多少錢？據TheInformation媒體報道，三位了解OpenAI財務狀況的人士透露，由於ChatGPT的開發以及去年從谷歌招聘關鍵員工，OpenAI的虧損大致翻了一番，達到約5.4億美元。
知情人士稱，OpenAI首席執行官SamAltman私下暗示，該公司可能在未來幾年籌集多達1000億美元，以進一步開發人工智慧能力。
利潤平平。上述兩名OpenAI財務內部人士透露，2022年，OpenAI的營收僅為2800萬美元，主要來自嚮應用開發商出售其人工智慧軟體的訪問許可權。占微軟去年年收入的0.14‰。
在利潤微薄的情況下，7月7日，OpenAI又推出了搶佔生態利基的殺手鐧策略。正式發布GPT-4API全面開放使用。現在所有付費API用戶都可以在8K上下文中直接訪問GPT-4，無需等待。
如何將「吞金」的宏偉模式商業化，是介於發展與現實之間的問題。沒有成熟的參考模式，中國大型模式中的盈利模式也是「摸著石頭過河」。
徐四清表示，上一代中國互聯網公司這次形成時，生態結構會發生很大變化。當時各大公司都有戰略方向，佔領一定領域，比如搜索的百度，遊戲、社區和實時通訊的騰訊，阿里的電商和位元組的互聯網，新媒體社區和廣告都各具特色。各自的領域。
在他看來，現在的情況已經發生了變化。較大的製造商不太可能直接涉足垂直領域。基本上他們會基於大語言模型快速佔領他們想要佔領的領域，並建立生態環境來創建一個大的新一代平台，因為AIGC的技術突破已經決定了很多產業結構將被重組，所以我相信大生產者會積極建設自己的生態環境，這是競爭的焦點。「只有抓住生態環境，才能抓住最大的受眾，建立更廣闊的前沿，這是中國企業以前很少面臨的機會。」徐思清說道。
「AI浪潮現階段，首先要技術驅動，產品定義最重要。未來的應用會和模型能力結合得更加緊密，所以模型之間的理解和差距將決定產品和用戶體驗有技術創新基因、有大能力的小團隊，一定要拼盡全力地跑。」在張穎看來。
「AI基礎設施本質上是算力、演算法、數據三位一體，最終誰能把三口井的能力整合起來，能夠提供更低的成本、更低的門檻，才是決定整個競爭的最重要的一點。但目前來看，還屬於混沌階段。」長雷資本創始管理合伙人時茂表示。
「就直接產生成果而言，我們認為要商業化、產品化還有很長的路要走。」國家語音創新中心首席專家張益田在華盈資本2023年年會上表示。
從長遠來看，新技術的產業發展本質上是由業務需求驅動的。一個業務是否需要大規模模型，必然會涉及到幾個因素。
最後
成功也是數據，失敗也是數據。
「從ChatGPT的發展速度來看，場景遲早會被取代，所以回歸ChatGPT的底層邏輯是數據，沒有人可以取代獨特的、有深度的價值數據。」據Shulex郭晨露介紹。
然而，一旦數據經過訓練，就不可能「取消訓練」或刪除或移除數據。對於許多公司來說，競爭的護城河是數據，他們不希望任何人免費獲得數據，例如嚴肅的醫療和法律行業。
如何在創新和數據安全之間取得平衡，是堅持小樣本訓練並擴大模型規模，還是信任大模型，沒有標準答案。
免責聲明：文章內容如涉及作品內容、版權圖片或其它問題，請在30日內與本號作者聯繫，如反映情況屬實我們將第一時間刪除責任文章。文章只提供參考並不構成任何投資及應用建議。
