明星项目都在排队卖身，现在AI创业是不是晚了？丨投中吐槽大会

将东四十条资本设为“星标⭐”，第一时间收获最新推送

“硅谷投资人从来不问，如果谷歌做了你怎么办？”

2024年下半年这个时间点聊AI创业，其实整体情绪会很“沮丧”。虽然在新闻上，AI赛道仍然在造富，Cohere最新一轮的估值已经达到了55亿美元，Anthropic据说新一轮估值会接近200亿美元。但新闻的另一面，是你听说过的那些有头有脸的AI团队都在卖身：

近300亿的大模型明星企业Stability AI，一直在资金链断裂边缘反复徘徊，一会儿寻求卖身，一会儿寻求合并；拿到了英伟达和微软双重buff的Adept，正在和Meta讨论收购事宜；创新AI硬件Pin闻名的Humane，被曝在与一名财务顾问接触，寻找意向买家，目标价格是7.5-10亿美元；Character.AI则整了一个大活儿，创始人把自己和核心团队，卖给了谷歌，留给了Character.AI是技术和模型的使用许可费。

仔细想想，这好像真应了一年前ChatGPT刚诞生的时候，我和很多大模型投资人谈到的那句话：人工智能可能很难带来新的一波创业潮，它甚至会带来新的一轮“创业霸权”。

那么现在进行AI创业，晚了吗？而txyz.ai是个很有趣的样本——它的切口非常小，是身处很多人眼里“迟早会被基座模型取代”的垂直应用；它的创始人是全网百万粉丝的科普大V，先天自带光环；它的创始团队横跨中美，并且充满了科研底色，正等待着商业化转型——在他们的眼里，这个问题的答案是什么呢？

研讨会成员： 知名科普作者、AI应用txyz.ai创业者严伯钧；AI野生布道人、领英年度行家 余一

蒲凡： 之前我熟悉的严伯钧老师，是科普大V，是科普作家，但这一次对话的身份是“AI应用创业者”。我的话题也都是围绕着这个身份设置的。比如一款应用层面的AI创业项目，它的成形过程到底是怎样的？

严伯钧： 其实我们思考的出发点并不是创业。事情的背景是这样的，那是2022年的下半年，我正在计划去斯坦福大学去念物理学的博士，重新回归学术研究，导师都找好了，准备研究的课题是和量子材料有关的一个科研方向。

结果在这个过程中，赶上了大语言模型横空出世，每个人都感受到了大语言模型的强大。当然这时候我们的思考都还是很底层，更多是去分析了大语言模型跟过往的创新有什么不一样，更多集中在哲学观上的震撼。然后不断讨论，我们开始意识到，还要靠人来一个项目一个项目地做科研效率太低了——就像我经常说的一句话，人就不要搞物理，人应该去搞AI，然后让AI来搞物理。

毫无疑问，当我们思考到这个阶段，这件事就具备了创业所需要的商业视角。我们相信这个路径是能推起来了，于是就开始干了。

之前也有很多投资人问过我同样的问题， 我的回答就是，我不存在 “ 选择创业 ” 这件事。我们的路径还是建立在科研上 。再讲得高大上一点，我们寻求的是帮助人类拓展认知边界的效率更高，我们in the passion，是我们本身感兴趣的方向、人生追求。

蒲凡： 我可以理解，你所做的事情其实是一个产业发展到现阶段的必然结果。但是时间点呢？就像我在提纲里提到的背景，最近半年已经有很多明星项目，因为高军备竞赛顶不住了，要么倒闭要么卖身，创投行业的耐心正在慢慢一点耗尽。

另外，基座模型正在变得越来越强大。很多人都跟我说过AI时代会是一个“创业霸权时代”，任何一个细小的创意类产品，都会被基座模型快速抹平掉。所以我很好奇，你们不会觉得这个时间点再来做这件事，有点晚吗？

严伯钧： 不会。首先我们的产品是2023年下半年开始做的，已经跑了一段时间。

其次在我们来，人工智能技术带来的价值，其实跟互联网、移动互联网的价值完全不是一回事，我们将其总结为“ 降低人脑去处理信息的复杂度 ”。在以往的任何科技时代，没有任何的工具可以做到过这件事情。

再往深处剖析，AI的出现到底改变了什么？我们的理解是， 它改变了计算机输出信息的复杂度 。在过去的科技时代，任何计算机输出的信息，其复杂度都很低，基本上可以分为三种：复制、粘贴、排序。无论产生的过程有多复杂，出来的最终结果都比较简单，都来自于已有的数据，本质上仍然是人类在产生内容。所以这也解释了为什么这一代AI叫生成式AI，因为它在底层上是大幅提升计算机生成内容的复杂度。

从这个观点出发，一些传统的互联网、移动互联网的项目，他们的应用创新被底层模型去磨平，我觉得是很正常的，因为它复杂度不够高。尤其是如果一个行业能够拥有一个超级的互联网APP，就说明这个行业主要的矛盾、痛点是“信息不对称”，而互联网主要的作用就是“打破信息不对称”。 反过来说，如果是 10 亿的问题都可以用一个 APP 解决，那么这个行业的复杂度一定不会太高，必然不是什么特别复杂的问题。

而AI的能力，恰恰体现在复杂度，这是传统的互联网产品没有办法做到的。并且根据一些最新的研究，发现现在的通用模型开始出现“打地鼠现象”，你提升能力A，可能之前的能力B就会下降。

我们认为AI应用最有前途的是哪些行业呢？ 应该是那些即便互联网来了，也不能够大规模替代人类，且需要人类智能高度集中的领域 。比如说法律领域、金融领域、咨询领域等等，这些即便在有互联网的年代之下，人里面的价值还是无可替代，并且他们的收入工资非常高的这些领域，我觉得是AI才能够真正发挥力量的地方。

所以我们不会觉得我们的产品会被大模型磨平。因为如果你真打算要磨平的话，那对不起你就要直接一口气给我干到AGI。

余一： 这一两年，我试用了非常多国内外的AI产品，算起来使用时长可能已经接近1800个小时。包括严老师的产品，我也很认真去试用了一下。所以我的好奇更多来自产品的角度，比如严老师为什么会选择现在的产品形态？

另外，我之前其实在即刻上推荐过一款类似的科普类AI产品，是智谱团队出来做的Amine。此外国外也有一款叫做Consensus的产品，刚刚拿到融资，它的定位也是科普搜索相关。我在使用的时候，能够明显地感受到他们与现有的AI产品有明显的差异性，而严老师的Txyz跟perplexity、秘塔，差异性就没那么明显了。所以我同样好奇，在产品形态的取舍上，严老师是一个什么样的标准？

严伯钧： 其实也没有什么取舍和决策。你之所以看到产品呈现目前这个形态， 主要原因还是当前的功能简单、好做，先上了再说，先吸一波用户再说。 后面更多的功能上来之后，你就会发现当前的产品非常不一样。比如我们下个月就要上线AI写作功能，professional writing。

我们目前所上线的功能也都是免费的。关于用户愿不愿意付费，我们有一个很简单的判断标准， 那就是你对应的用户需求，在传统的场景当中是不是收费。 如果传统的场景不收费，你只是给了他一个更好的体验，那么用户的付费心智就没那么强。比方搜索、阅读这些功能，在传统的使用场景里是很少收费的，所以我们的产品目前也不会选择收费。

但professional writing，这个在传统的场景当中，你找别人来帮你写，我不管你是找枪手、代写，还是找你的秘书，付费心智都非常强，所以在我们的计划里，产品需要拥有写作功能之后再去收费。

但这仍然不是我们产品的愿景。还是那句话，我们选择先上阅读、搜索、写作这些功能，就是因为它比较容易做，能够在短期内吸引一定的精准的用户。我们的产品大招是一项被我们称之为 Self-organization network 的技术，可以理解为“ 自组织智能型网络 ”。

它的形态，简单形容就是每个用户都可以通过自然语言，去打造一些专业的work flow来解决问题，并且可以分享出去，然后形成一个marketplace。目前，我们实现了一个showcase，成功地通过AI去预测量子材料。传统场景中一个科研工作者一周的工作量，我们基本可以通过和AI对话的方式，用5分钟来完成。

这就是我们最终的目标，我们希望AI能够真正参与到一线，去做更深、更专业的专业，例如预测量子材料、量子计算等等实用方面发挥功能，最终演化成一个社区。我们的目标是专业用户，他脑子里有很多know how。我们希望通过一套技术，让用户可以把他脑子里的know how通过自然语言的方式，交给AI自动化进行处理。那时候就不再是“用户想要一个什么内容——我们来帮他开发”，而是用户可以通过自然语言，跳过写程序的这个阶段，就能解决自己的问题。

余一： 之前严老师提到过一组数据，目前txyz已经积累了500多篇论文、100万用户，那么现在的用户画像会有很突出的特征吗？我之所以关心这个问题，是因为直接影响了它们后面一些产品的策略。例如前面提到的Consensus，他们的主要用户就有两个明显的画像，一个是学生，另外一个是医疗行业，因此他们目前需要更多去和医疗、健康相关的数据集进行合作，有很多的设计也会重点去抓学生和医疗的群体。

严伯钧： 我当然不会阻碍大众来用，但我们的目标还是更加垂直的换专业，我们的最大领域也是医学，第二大领域是计算机，第三大领域材料、工程、物理等方面。总的来说，99%的用户基本上是专业人士，学生并不是最大的群体。

另外还有一组数据是，用户平均的使用时长是超过20分钟的，所以目前来看用户的黏度比较好。

蒲凡： 如果聊到用户画像，我其实更好奇地域分布。

严伯钧： 国内用户大概占30%多，其余大部分是国际用户。国际用户里，主要人群除了英语国家之外，西班牙语人群也是我们比较主要的用户群。

蒲凡： 在我的印象里，AI创业方向很受当地市场的影响。比如在美国那边，泛GPT产品实际上已经中学生文具化了，已经普及中学生做作业都开始用GPT的程度了，所以创业者们仍然对“垂直应用”的创业感兴趣。但是在国内，目前的AI应用，核心的产品驱动就是玩，或者就是为了塑造某种“效果”。

比如我第一次听说Minimax这家公司，就是因为他们的AI对话类产品Glow在“小学生语C文化”里很有名——“语C”的意思就是语言Cosplay——当然这或许不是他们主动规划的一个用户场景，更多是用户们后期自发探索的结果。

我特别想请教二位，在今天这个时间节点（2024年8月），中国和欧美市场在AI应用层面的差异到底是怎样的？又为什么会呈现出这样的差异？

严伯钧： 关于这个问题，很大一部分原因就是模型能力差异。当然，差距肯定没有一开始大，但是因为我们的需求集中在学术科研方面，对模型要求的能力很高，所以整体试用下来，发现目前国内的模型不太能够满足比较深入科研的需求。

如果更深入一些，从技术角度去谈为什么模型能力有一定差距，这就和中文语料有一定关系了。英文可以使用的语料非常多，并且 即便到了 2024 年，海外用户使用浏览器、使用网站的频次仍然不低，而由于我们国内移动互联网普及得特别深入，大量的数据私有化地积累在不同的 APP 里面 ，相应的积累在浏览器里、能够被扒到的数据就会少了很多。

最典型的一个场景是，当我向我的粉丝介绍txyz的时候，很多人第一反应是“这个APP在哪里下”。很多年轻人可能已经忘记有一个东西叫浏览器，浏览器里面有一个东西叫网站了。这种互联网生态之间的差别，会导致最终呈现的模型能力出现差异。

余一： 其实在这个问题上，我还挺有发言权的。因为我自称是AI野生布道师，不仅在公司内部进行了很多分享，也对外和许多企业沟通过很多问题，比如企业业务层面如何实现落地AI。我甚至帮别人梳理过实际的应用方案。

从我的观察而言，国内市场确实还是没有普及到大众应用层面。今年年初做分享的时候，我还特地去查了一下微信指数，发现虽然体感上AI的热度非常高，但在微信指数层面，直到Sam Altman的“宫斗”事件之后，AI、生成式AI、ChatGPT的指数才超过了元宇宙。也就是说，在大众认知层面，AI的热度并没有想象中那么高。

包括我前段时间把很多上市公司的2023年财报扒了下来，看看它们是否提到了生成式AI应用，以及他们用在哪个方面。好的地方是，凡是有全球化布局、业务与出海相关，需要进行能够跨越语言沟通，工作中需要频繁涉及到翻译、制作当地宣传等等，其实已经落地得非常广，甚至可以整个工作流都已经完全改变了。有很多应用类的AI产品，例如ElevenLabs，已经确立了自己主供应商的位置。

但距离大家所期待的，在工作中扮演“数字员工”的程度，其实还远远没有达到。这里的原因还是像严老师刚才提到的，模型能力还有不足的地方，还不足以处理庞大的工作流程。目前AI能够做到的，就是还不错地去完成一些任务，但这个过程很难脱离人的相关处理和帮助。

当然从个人的角度而言，你去评估AI的价值，一方面你可以从生产力的角度去评估，你需要去考虑ROI， 另一方面你也可以从怎么提高组织效率、怎么通过 AI 降低员工的工作痛苦去考虑 。这一块AI明显已经有很多案例。即使这些案例虽然它没有百分百完成这项职能，但是至少也提供了20%的协助。

所以我在内部也会给HR团队“洗脑”，说你可能需要更早一步去假设AI成为员工，思考你的组织要怎么变革，现阶段你如何去识别AI应用的最佳实践，遇到一些非常好的软件或者案例应该多去做推广等等。

不过今年还有一个特别明显的感觉， 就是大家已经产生疲态了 。无论是toC层面的新产品、还是面向产业的产品，哪怕在AI比较重度使用的群体里面，大家好像多多少少都有一些疲惫感。很多企业也重新思考AI到底对我的企业、对我的状态、对我的公司运营到底要发挥什么作用。

海外市场的话，我自己的观测可能会比国内的生态更好一些，我关注的很多产品，即便是通过订阅的方式，目前的发展状况也还算不错。比如我们前面提到的Consensus，它刚刚拿到拿到了一轮融资，现在的ARR大概是150万美元左右，积累了40万的用户——这算是一个比较健康的数字了。

蒲凡： 关于您刚才提到“疲态”，您能不能展开说一下呢？

余一： 我们还是以Consensus举例，去年的那一波AI应用产品，它们到底是怎么做推广，怎么获得用户的？其实这里面有第一波的红利，大家看到了AI画的饼，看到了AI对未来的描绘，激活了大家的新鲜感。包括我在内，很多人在去年疯狂地试用着新产品。 只要它能推出来，跟我描述有什么新的功能，发布了一些我想象不到的、很漂亮的视频，我都愿意打开去试一下，最起码加入自己的 wait list 当中。

我的wait list就收集了五六十个产品，到目前为止实现了20多个，还有30多个不知道是因为企业没了还是其他什么原因，现在没有后续了。总之在去年我们还能看到意愿非常强烈的尝鲜人群，再加上各种各样的新闻报道制造的流量，导致给与新产品的宽容度特别高。

但今年，拿我自己而言，通过各种各样的尝试，我已经有一些非常固定的使用习惯。已经拥有了自己的主供应商、主产品，也不再会像以前那样给与新产品机会，除非你有一个非常强的理由摆在我面前。

另外AI使用其实是有一定门槛的。它不是像原来移动互联网的应用那样有明确的使用场景，你会发现需要更多来自于你的探索。那么对于大众而言，如果他们带着过去使用软件的习惯，或者只是把AI当工具用，他们是没有“我们一起沉淀经验、去探索使用方式”的意愿的。 反过来说，一些纯粹是尝新的大众用户，由于需要时间去适应你跟 AI 的关系应该是 “ 协作 ” 而不是 “ 使用 ” ，那么这部分人也就逐渐不太怎么关注 AI 应用产品了 。

企业就不需要多说了，大家普遍感受到了资本环境的冲击，其次在付费率和用户增长方面都遇到了瓶颈。正像我前天提到的，非常多的普通用户开始思考，怎么能把AI真正地使用过来，而不是用来看新闻，但在这个过程中 有 很多受挫。那么第一波的新鲜感过去之后怎么做到用户持续付费，我觉得今年遇到的挑战比去年更大。

蒲凡：