人工智能时代，AI赛道如何投？
6月21日，金沙江创投合伙人朱啸虎在“创投十年”高峰论坛上，分享了以“扬鞭奋蹄正当时”为主题的演讲，聚焦创投行业当前的新形势和新变化作出分享。
投资作业本课代表整理了要点如下：
1、
今天一级市场，在估值回调时，现在真的是投资的最好时机点。
2、
这次生成式AI可能又是一个非常像PC互联网和移动互联网的，以十年为单位的长周期的机会。
3、
如果大模型的迭代速度放缓，应用创新的机会就会增多
。
我们认为从今年开
始
，
在AIGC应用端可能会出现大量机会。
4、
如果到年底还不能推出GPT-5，我认为Open AI和英伟达的股价可能都要狂跌。
5、C端应用确实能够创造很多的价值。但是今天C端应用明显还不够成熟，还没有到时机点。
6、
五年以后可能不会再有独立的大模型公司存在，要么只有AI应用公司，要么就是云服务。
7、
在中国，AI核心永远不是技术，而是用户体验。在中国，技术永远不是壁垒，因为聪明人很多。
8、千万不要迷信大投入，做AI并不需要大量资金或算力。
9、
千万不要小看任何一个垂直场景，很多垂直场景里面都蕴藏着机会。
创业者一定要找到这种能引起客户尖叫的场景。
以下是投资作业本课代表（微信ID：touzizuoyeben）整理的精华内容，分享给大家：
最近几天中国的一级市场非常火热。我们的岁寒三友王冉同学说一级市场已经消亡了，对吧？大家要重新唤醒一级市场，我觉得王阳明说的特别好。
要知易行难，要做到知行合一真的非常难。做投资的一直在说，我们要在别人的恐惧时贪婪，在别人贪婪时恐惧，但很多情况下都是在别人贪婪时更贪婪，就像今天的英伟达，在别人恐惧时更恐惧，这就是今天的一级市场。
所以我们感觉今天一级市场，在估值回调时，现在真的是投资的最好时机点。
投资确实是有很多周期性，中国过去25年的一级市场的创业和投资经历了很多周期。但
中国的周期都是短周期，基本都是三年一个周期。
从最早的门户网站，新浪、网易、搜狐，可能今天的年轻人都已经不用这些门户网站了；后面是SP游戏，腾讯当年是靠SP游戏上市的，今天的年轻人估计也没有人知道SP；之后是彩铃、彩图，彩色的小照片，当年腾讯是靠这些收入上市的；然后是端游盛大，盛大天桥同学已经在美国退休很多年了；之后是电子商务，再后来是移动互联网、O2O、新消费、短视频、直播，
基本都是三年一个周期。
但是美国是很不一样的，美国基本上是十年一个周期
，从1999年2000年互联网泡沫破裂以后，然后重新再增长，一直到增长到2009年。然后是金融危机，之后是资本泡沫破裂，又重新增长到今天，那基本上是十年周期的。
中国可能是第一次经历一个以十年为单位的长周期。所以这是对很多创业者，包括对投资人的考验，怎么来穿越长周期，怎么来忘记过去三年的短周期。
以前岁寒三友，基本上每一两年就出来讲一下“
冬天来了，现金为王
”，现在不讲了，因为现在也不知道这个周期什么时候会结束，
但可能我们感觉是10年为周期的。这个会向美国看齐，所以我们感觉还是有很多现在是很好的时机点。
过去20年基本经历了两个十年的长周期
，一个是PC互联网，一个是移动互联网，都是十年一个周期的。
这次生成式AI可能又是一个非常像PC互联网和移动互联网的，以十年为单位的长周期的机会
。而且从2022年GPT出来以后，在前面过去一两年保持迭代速度很快。
年底若
GPT-5未发布
，
英伟达和OpenAI股票可能狂跌
从GPT-3到GPT-4，从GPT-4发布到现在已经有15个月了。GPT-5一直没有发布，一直在推迟。
我最近访问硅谷时发现，那里的人也在高度怀疑GPT-5是否还能问世，或者即使问世，是否还能在核心推理能力上有显著提升。目前这是一个非常不确定的问题，所以我认为今年年底将是验金石。
昨晚，Anthropic刚刚推出了Claude 3.5，它在很多场景下已经显著超越了GPT-4。
如果到年底还不能推出GPT-5，我认为Open AI和英伟达的股价可能都要狂跌。
但这对中国创业者来说是个好消息。因为如果大模型的迭代速度放缓，那么应用创新的机会就会增多。
过去，许多投资者不敢投资AIGC应用，因为大模型的演化速度太快，可能会颠覆许多创业公司的应用场景。
但如果大模型的迭代速度放缓，应用创新的机会就会增多
。我们认为从今年开始
，在AIGC应用端可能会出现大量机会。
AI时代应用公司机会很大
会比上个时代公司创造的价值多个0
无论是PC互联网还是移动互联网，它们都经历了类似的周期：首先是硬件增长最快，然后是基础设施，最后才是应用。在2000年PC互联网时代，市值最高的公司是思科；今天市值最高的公司是英伟达，尽管昨天股价有所下跌。
正如马克·吐温所说，历史总是踩着相似的旋律。从移动互联网时代的高通、ARM到苹果、三星，真正创造巨大价值的是像亚马逊、谷歌、Facebook这样的应用型公司。
我们认为，
在AI时代，应用公司同样有很大的机会，甚至可能比上一个时代公司创造的价值多一个0
。在美国，这一点已经非常明显。
目前，
一线大模型公司几乎都已经与巨头结盟，二线大模型公司则只能卖身了。
AI初创公司Inflection是一个很好的例子
。尽管它从微软获得了15亿美元的投资，但最终也只是被微软挖走了团队。投资者以本金加利息的方式退出。
我认为中国的情况可能也会类似。我可以断言，
五年后可能不再有独立的大模型公司存在，要么只有AI应用公司或云服务公司。
今天的大模型公司很难单独存在，因为它们没有自己的商业模式。
国内大厂的通义千问价格已经在许多创业型大模型公司的成本线以下，创业公司如何跟进，大厂在大模型价格战中，创业公司几乎无法跟上，因为它们的成本比大厂的售价还要高。而且它们也没有专有数据，很难建立长期的壁垒。
为什么打价格战？大模型公司为什么讲价格战是中国创业者最熟悉的赛道？因为大家都在一条起跑线上，性能上基本没有差异，所以最终只能拼价格。
C端应用没到时机点
在B端，
AI
能创造约8万亿-20万亿年产值
很多大模型公司都想做C端应用。C端应用确实能创造更多价值，可能最多的价值。但今天C端应用还不够成熟，时机未到，可能明年此时，我们可以更多地探讨C端应用。
目前，我们在B端上。在任何技术周期中，首先被采用的都是企业服务端。只要技术能给企业创造价值，即使价格稍高，企业也愿意买单。例如，80年代，一部大哥大可能要几万人民币，是很高的价格，但企业端是首先使用的。
PC互联网也是如此。PC电脑386、486刚出来时，也是几万人民币一台，企业端先采用。
AI领域同样如此。麦肯锡预测AI能创造2万亿到4万亿美元的价值。我认为这个价值还是低估的。
根据电脑和Office的用户数，
全世界约有10亿白领，假设每个白领年均产值约4万美元，提升20%到50%的效率是轻而易举的。
今天AI之所以能轻易提升效率，并不是因为AI有多聪明，而是因为很多白领上班时并不那么用心。用AI取代那些摸鱼的白领是很容易的。因此，我们很容易就能创造至少40万亿美元的20%，即8万亿，最多创造20万亿美元的年产值。
国内企业的案例我就不分享了，我分享一个北欧的案例。
Klarna是做消费金融的企业，它用GPT-4，通过自己的数据训练，轻而易举地优化了700个客服人员，去年一两个月就实现了，每年增加了约4000万美元的利润。
在国内，我们也可以看到很多类似案例。在微信营销端、电话中心客服端、电话中心营销端，都可以用通义千问或Llama2进行垂直优化后，轻松取代50%的人。
五月份我去了美国，
发现美国对AI应用落地的态度相对更理性。他们对落地速度的期望值较低，原因在于今天的大模型本身还存在不少错误，且结果的可控性不高。
这些错误和结果的不可控性是落地过程中最困难的问题，而解决这些问题正是创业者的机会所在。
我们常用一个比喻来说明问题：
即便是像GPT-4这样的大模型，可能只相当于清华北大本科毕业的水平。尽管如此，对于许多垂直场景，它们缺乏专业知识，无法胜任工作，容易出错。因此，很多时候还需要进行职业培训。
例如，无论是成为审计师、咨询顾问，还是设计图纸、编写程序，如果没有经过垂直领域的专业训练，即便是清华北大的本科毕业生也难以胜任。在某些情况下，他们的表现可能还不如经过专业培训的中专毕业生。
我们的国产大模型或Llama2这样的开源模型可能相当于中专毕业生的水平。但经过高质量的垂直数据训练后，它们的表现可能比未经培训的清华北大毕业生还要好。
因此，对于今天的中国创业者来说，
如何保证交付的可靠性，是AI创业者最重要的考量点。
苹果公司两周前发布了Apple Intelligence，重新定义了AI，什么叫AI，
核心不在于技术，而在于用户体验。技术永远不会成为壁垒
，
尤其是在中国，
因为中国的聪明人太多，一旦有人做出了某项技术，很快就会有成百上千的人能够复制。因此，在中国，核心永远不是技术，而是用户体验。
苹果定义“入口为王”：
最值钱的是入口，而不是技术
苹果在iPad上首次推出了计算器功能，这项功能虽然看上去非常简单，只需手写就能自动显示答案，甚至生成函数图，但它确实保证了用户体验非常好。
苹果再次定义了"入口为王"的概念，最重要还是最值钱的永远是入口，最值钱的永远不会是技术本身。
苹果允许iPhone和iPad用户无需注册登录即可使用OpenAI的ChatGPT。这背后的隐含的含义是什么？
苹果不会将用户交给OpenAI，因为用户是苹果的用户。苹果允许用户无需注册即可使用ChatGPT，并且不会将用户数据交给ChatGPT。此外，苹果可以随时在后台切换掉OpenAI。
对中国创业者来说，
我认为最核心的是不要在底层技术研发上投入过多。因为大模型本身已经非常强大，并且仍在不断迭代。在垂直场景上进行优化，我认为存在很多机会。
而且，千万不要迷信大投入，做AI并不需要大量资金或算力。
如果有人说需要几百人投入几千万人民币，要很多卡来做算力，才能研发做AI，那他很可能是在忽悠你。
