硅谷VC張璐：硅谷大模型市場(chǎng)分為三類，三大應(yīng)用領(lǐng)域迭代速度較快

白交 2024-05-26 15:56:57 來(lái)源：量子位

編輯部 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

身處全球科技創(chuàng)新中心的硅谷，AI產(chǎn)業(yè)生態(tài)已經(jīng)進(jìn)化到什么程度？投資者們的錢，又砸向何處？

硅谷知名投資人、技術(shù)VC Fusion Fund創(chuàng)始人張璐，在中國(guó)AIGC產(chǎn)業(yè)峰會(huì)上給出了這些關(guān)鍵判斷：

• 現(xiàn)階段，初創(chuàng)企業(yè)基本上都可以做“雞尾酒”模式，即調(diào)動(dòng)最前沿大模型的API，在上面配套使用開源模型，再自己做些修改進(jìn)行模型調(diào)優(yōu)。
• 在硅谷，模型的市場(chǎng)已經(jīng)比較相對(duì)明確，主要有三類，我個(gè)人非常看好開源平臺(tái)。
• 人工智能是超級(jí)工具，我們的機(jī)遇可能比互聯(lián)網(wǎng)時(shí)代大10倍，但只有1/3的機(jī)會(huì)留給初創(chuàng)企業(yè)。

張璐畢業(yè)于斯坦福大學(xué)，現(xiàn)管理近4億美元資本，專注醫(yī)療，AI和深科技領(lǐng)域投資。

為了完整體現(xiàn)張璐的思考，在不改變?cè)獾幕A(chǔ)上，量子位聯(lián)合大模型對(duì)演講內(nèi)容進(jìn)行了編輯整理，希望能給你帶來(lái)更多啟發(fā)。

中國(guó)AIGC產(chǎn)業(yè)峰會(huì)是由量子位主辦的行業(yè)峰會(huì)，20位產(chǎn)業(yè)代表與會(huì)討論。線下參會(huì)觀眾近千人，線上直播觀眾300萬(wàn)，獲得了主流媒體的廣泛關(guān)注與報(bào)道。

話題要點(diǎn)

• 人工智能是高效的超級(jí)工具，代表著全產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的趨勢(shì)，即Digital Transformation。
• 基礎(chǔ)設(shè)施層面，我們需要解決人工智能面臨的幾大挑戰(zhàn)：算力成本高、耗電量大、數(shù)據(jù)隱私問題和延遲問題。
• 在硅谷，人工智能的主題是賦能而非破壞或變革。賦能就意味著不僅是初創(chuàng)企業(yè)，大科技公司也能被賦能。對(duì)于初創(chuàng)企業(yè)來(lái)說，找到合適的切入點(diǎn)至關(guān)重要。
• 初創(chuàng)企業(yè)都可以采用雞尾酒模式，調(diào)用大平臺(tái)的API，結(jié)合自己的開源模型進(jìn)行優(yōu)化，構(gòu)建行業(yè)專屬模型。
• 今年與去年相比，對(duì)人工智能的期待變得更加現(xiàn)實(shí)。去年關(guān)注的是模型和算法的表現(xiàn)，今年則關(guān)注大規(guī)模產(chǎn)業(yè)應(yīng)用和成本控制。
• 應(yīng)用機(jī)會(huì)方面，醫(yī)療、金融保險(xiǎn)和機(jī)器人是迭代速度較快的領(lǐng)域。
• 基礎(chǔ)設(shè)施是關(guān)鍵，因?yàn)樗鼪Q定了人工智能應(yīng)用的成本。而且大規(guī)模的應(yīng)用成本是商業(yè)考量的第一要義。

在硅谷，AI的主題在于賦能而非破壞或變革

大家好，我是張璐。提到今天的主題——人工智能，雖然在硅谷已非新話題，自2016、2017年以來(lái)，它已成為base work。但是后面逐漸有新的主題被提出，到了2022、2023年，生成式AI不僅在科技圈，更在全產(chǎn)業(yè)掀起了對(duì)人工智能的廣泛關(guān)注。

我一直強(qiáng)調(diào)，人工智能是工具，代表著全產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的趨勢(shì)，即Digital Transformation。我也早在幾年前就提出，這次人工智能是高效的超級(jí)工具，能夠推動(dòng)全產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型。不僅科技行業(yè)廣泛應(yīng)用人工智能，其他產(chǎn)業(yè)也涌現(xiàn)出大量高質(zhì)量數(shù)據(jù)，為人工智能提供了展示其能力的舞臺(tái)。

我經(jīng)常強(qiáng)調(diào)，除了技術(shù)，我們還應(yīng)關(guān)注數(shù)據(jù)。

數(shù)據(jù)在哪里？為什么人工智能一直存在，現(xiàn)在卻能被應(yīng)用？

因?yàn)樵S多產(chǎn)業(yè)在十年前雖有人工智能，卻缺乏高質(zhì)量數(shù)據(jù)來(lái)訓(xùn)練模型。而近兩年產(chǎn)業(yè)自動(dòng)化推動(dòng)下，各產(chǎn)業(yè)都產(chǎn)生了大量高質(zhì)量數(shù)據(jù)，成為人工智能應(yīng)用和發(fā)展的基石。

大家可以看到，人工智能是超級(jí)工具，我們的機(jī)遇可能比互聯(lián)網(wǎng)時(shí)代大10倍，但只有1/3的機(jī)會(huì)留給初創(chuàng)企業(yè)。

特別是在硅谷，人工智能的主題是賦能而非破壞或變革。

賦能就意味著不僅是初創(chuàng)企業(yè)，大科技公司也能被賦能。

在硅谷，To C端應(yīng)用場(chǎng)景的特點(diǎn)是，大量高質(zhì)量用戶數(shù)據(jù)掌握在大科技公司手中。因此，初創(chuàng)企業(yè)和公司在應(yīng)用層面上，需要清楚地認(rèn)識(shí)到創(chuàng)新機(jī)會(huì)在哪里，哪些應(yīng)用場(chǎng)景和產(chǎn)業(yè)能獲得大量高質(zhì)量數(shù)據(jù)。同時(shí)，大科技公司，尤其是硅谷的公司，都在構(gòu)建自己的生態(tài)平臺(tái)，如英偉達(dá)、Meta、微軟等，他們多年前就開始搭建生態(tài)，希望助力初創(chuàng)企業(yè)發(fā)展。

因此，作為創(chuàng)業(yè)者和創(chuàng)新者，找到合適的切入點(diǎn)至關(guān)重要。

硅谷的模型市場(chǎng)已相對(duì)明確

在未來(lái)模型投資和模型的種類，在硅谷，模型的市場(chǎng)已經(jīng)比較相對(duì)明確，分為三類：

• 一類是以O(shè)penAI和Anthropic為代表的，背后有大型云服務(wù)公司支持，這些公司同時(shí)將模型作為服務(wù)和產(chǎn)品提供給第三方；
• 第二類如蘋果、Salesforce、NVIDIA等，他們的語(yǔ)言模型非常出色，但初衷是支持自身產(chǎn)品迭代升級(jí)，不會(huì)作為第三方產(chǎn)品；
• 第三類是開源平臺(tái)，我個(gè)人非?？春茫覀円苍谠擃I(lǐng)域布局了多家公司。

硅谷的開源生態(tài)正在蓬勃發(fā)展，Meta作為領(lǐng)軍企業(yè)，其LLama 2模型已助力許多企業(yè)快速發(fā)展。

未來(lái)幾個(gè)月，我們可能會(huì)看到LLama 3的發(fā)布，以及Mistral在開源方面的貢獻(xiàn)。

還有一些小型開源模型，如我們最近投資的一家公司——NEXA AI發(fā)布的一個(gè)在邊緣端運(yùn)行的小模型，最小的可能是10億到20億個(gè)token。這些開源模型的快速發(fā)展，為初創(chuàng)企業(yè)和大企業(yè)提供了另一種選擇，也能更高效地優(yōu)化能耗和基礎(chǔ)設(shè)施成本。

初創(chuàng)企業(yè)可以采用雞尾酒模式

我們的人工智能投資分為兩個(gè)維度：應(yīng)用端和AI基礎(chǔ)設(shè)施端。

• 應(yīng)用端主要集中在Healthcare Enterprise、AI和Industrial Automation三個(gè)方向。
• 在基礎(chǔ)設(shè)施層面，從芯片層到Cloud層再到安全層，都是關(guān)鍵技術(shù)節(jié)點(diǎn)。

應(yīng)用層面相對(duì)明確，每個(gè)行業(yè)都有不同應(yīng)用場(chǎng)景，但在基礎(chǔ)設(shè)施層面，我們需要解決人工智能面臨的幾大挑戰(zhàn)：

算力成本高、耗電量大、數(shù)據(jù)隱私問題和延遲問題。

基礎(chǔ)設(shè)施層不是單層解決方案，而是一個(gè)生態(tài)投資，從硬件到軟件，從云端到數(shù)據(jù)端，都需要布局，以更好地推動(dòng)AI生態(tài)發(fā)展。

在硅谷，人工智能應(yīng)用發(fā)展方向主要集中在To B領(lǐng)域，我們不投資To C公司。

我一直強(qiáng)調(diào)數(shù)據(jù)的重要性，如何利用海量高質(zhì)量數(shù)據(jù)優(yōu)化模型，使人工智能解決方案更實(shí)際、更商業(yè)化。

目前，初創(chuàng)企業(yè)可以采用雞尾酒模式，調(diào)用大平臺(tái)的API，結(jié)合自己的開源模型進(jìn)行優(yōu)化，構(gòu)建行業(yè)專屬模型。

在這個(gè)過程中，我們發(fā)現(xiàn)兩個(gè)特點(diǎn)：

一是數(shù)據(jù)質(zhì)量比數(shù)量更重要，高質(zhì)量數(shù)據(jù)可以以更低的成本和更快的速度進(jìn)行模型優(yōu)化；

二是我們不需要一個(gè)模型解決所有問題，在特定應(yīng)用場(chǎng)景和產(chǎn)業(yè)中，訓(xùn)練行業(yè)專屬的小模型，在表現(xiàn)上可以與通用大模型相匹敵，甚至在成本、效率和反應(yīng)速度上更快。

三大應(yīng)用領(lǐng)域迭代速度較快

在應(yīng)用機(jī)會(huì)方面，醫(yī)療、金融保險(xiǎn)和機(jī)器人是迭代速度較快的領(lǐng)域——

醫(yī)療領(lǐng)域在美國(guó)市場(chǎng)規(guī)模巨大，占GDP的20%。金融保險(xiǎn)行業(yè)數(shù)據(jù)質(zhì)量高，規(guī)則化，應(yīng)用場(chǎng)景多樣。機(jī)器人不僅是人形機(jī)器人，還包括各種自動(dòng)化和機(jī)械手臂，它們是新型的數(shù)據(jù)接口。

太空數(shù)據(jù)和太空科技也是一個(gè)重要領(lǐng)域，太空數(shù)據(jù)現(xiàn)在既有高質(zhì)量又有高數(shù)量，價(jià)值可觀。

我們經(jīng)常討論的潛在趨勢(shì)就是整個(gè)科技行業(yè)的監(jiān)管，而監(jiān)管的核心就是監(jiān)管數(shù)據(jù)，這幾個(gè)行業(yè)有一個(gè)極大的特點(diǎn)：它們本身是高監(jiān)管行業(yè)，對(duì)監(jiān)管的適應(yīng)更簡(jiǎn)單。

另外一個(gè)很大的機(jī)會(huì)在于AI Infrastructure，也是我們必須要解決的問題。

盡管人工智能發(fā)展前景巨大，但挑戰(zhàn)也會(huì)阻止我們進(jìn)行大規(guī)模布局。我們不僅要追求更好的算法和模型，還要關(guān)注成本，尤其是生成式AI的成本。GPU成本高，算力和能量成本也很高。我們可能沒有足夠的能量支持大規(guī)模生成式AI應(yīng)用，這也是追求小模型的另一個(gè)原因。此外，還有延遲問題，如何通過邊緣計(jì)算技術(shù)解決，以及數(shù)據(jù)隱私和安全問題。

在計(jì)算能力方面，GPU和各種芯片設(shè)計(jì)是討論的熱點(diǎn)。從軟件到硬件，大家都在探索新的架構(gòu)和設(shè)計(jì)。

我在斯坦福學(xué)習(xí)材料科學(xué)與工程，也進(jìn)行了新型材料的研發(fā)。現(xiàn)在的機(jī)會(huì)分為兩派：

• 一派是基于硅基的新型設(shè)計(jì)，如AMD的APU、谷歌的TPU和LPU；
• 另一派是新型材料的探索，如光學(xué)計(jì)算、3D設(shè)計(jì)等。在能耗方面，涌現(xiàn)出一些創(chuàng)新，如inference優(yōu)化和新型算法整合，有些公司有潛力將能耗降低百倍以上。

邊緣計(jì)算也是一個(gè)潛在技術(shù)，可以解決能耗和延遲問題。

我們從2018年開始投入邊緣計(jì)算，發(fā)布了行業(yè)報(bào)告，從芯片到serverless edge，再到云端邊緣解決方案，幫助在人工智能時(shí)代進(jìn)行邊緣端應(yīng)用。

邊緣解決方案有多種切入點(diǎn)，如NEXA AI的開源模型Octopus V3，是一個(gè)在邊緣上運(yùn)行的生成式AI語(yǔ)言模型，有助于拓寬AI快速發(fā)展的方向。此外，邊緣計(jì)算在開源層面上的靈活度也是一個(gè)優(yōu)勢(shì)。

數(shù)據(jù)隱私問題包括模型安全、Cloud Network安全和數(shù)據(jù)隱私。從芯片層進(jìn)行模型安全保護(hù)，網(wǎng)絡(luò)安全解決方案，以及聯(lián)邦學(xué)習(xí)和數(shù)據(jù)加密等都是創(chuàng)新機(jī)會(huì)。

總之，今年與去年相比，對(duì)人工智能的期待變得更加現(xiàn)實(shí)。去年關(guān)注的是模型和算法的表現(xiàn)，今年則關(guān)注大規(guī)模產(chǎn)業(yè)應(yīng)用和成本控制。

所以這里面我列了幾個(gè)分享的內(nèi)容：

第一，作為初創(chuàng)企業(yè)，要清楚競(jìng)爭(zhēng)和合作的市場(chǎng)前景，找到好的生態(tài)平臺(tái)支持成長(zhǎng)。

第二找到合適的應(yīng)用場(chǎng)景非常關(guān)鍵。回顧之前提到的，硅谷的C端市場(chǎng)有80%到90%的機(jī)會(huì)被大公司所主導(dǎo)，整體而言，在人工智能的創(chuàng)新領(lǐng)域，大約70%的優(yōu)勢(shì)機(jī)會(huì)同樣掌握在大公司手中。然而，即便如此，剩下的30%機(jī)會(huì)相比互聯(lián)網(wǎng)時(shí)代仍有十倍到二十倍的增長(zhǎng)，這依然代表著一個(gè)巨大的市場(chǎng)潛力。

怎么找到合適的應(yīng)用切入點(diǎn)非常關(guān)鍵，數(shù)據(jù)是核心，怎么讓數(shù)據(jù)成為競(jìng)爭(zhēng)優(yōu)勢(shì)更關(guān)鍵。

第三個(gè)數(shù)據(jù)質(zhì)量和多樣性也很關(guān)鍵。尤其是現(xiàn)在模型可以越做越小，可以進(jìn)行各種各樣的針對(duì)特定任務(wù)去打造小模型，數(shù)據(jù)的質(zhì)量比數(shù)據(jù)量更重要，定義數(shù)據(jù)質(zhì)量的時(shí)候，還有數(shù)據(jù)多樣性也很關(guān)鍵。

最后一點(diǎn)，基礎(chǔ)設(shè)施是關(guān)鍵，因?yàn)樗鼪Q定了人工智能應(yīng)用的成本，而大規(guī)模的應(yīng)用成本是商業(yè)考量的第一要義。

但好處是我們才剛剛開始。無(wú)論模型還是基礎(chǔ)設(shè)施的挑戰(zhàn)，都是機(jī)會(huì)。

現(xiàn)在身處硅谷，我經(jīng)常跟我的合伙人開玩笑講，就像每天有一個(gè)小的驚喜的糖果等待著我們，也很高興能在硅谷這個(gè)創(chuàng)新前沿與優(yōu)秀的企業(yè)家合作，希望通過分享促進(jìn)更多交流，期待未來(lái)在硅谷見到更多國(guó)內(nèi)外企業(yè)家。

— 完 —