雲啟合夥人陳昱
以下為訪談全文：
騰訊科技：ChatGPT讓大模型賽道的創業和投資變得很熱鬧，雲啟重點投資了哪些專案？當時做投資決策背後有哪些考量？
陳昱：ChatGPT在半年前進入大眾視線，我們大約在18個月之前投資了一款主打社交聊天軟體的多模態企業MiniMax，MiniMax以多模態大模型研發為主，有三種模態基礎架構：文字到視覺（text to visual）、文字到語音（text to audio）、文字到文字（text to text），基於大模型的主要產品是智慧對話機器人Glow，目前有五百萬使用者，並且也開放了API介面，與WPS等眾多企業合作。
我們的決議計劃邏輯主要是賭團隊和技術大方向。早在2021年1月份，我們就開始接觸MiniMax創始團隊，彼時他們還沒決定正式出來創業。當時GPT-2和GPT-3也已經出生避世，只是不像ChatGPT做得這麼好。到2021年底，團隊以為時機成熟，MiniMax正式成立，我們便投了天使輪。
MiniMax的起點是但願沿著通用人工智慧的方向做產品，底層是多模態大模型，這個設法和我們不謀而合，我們當時正好也在思索通用大模型這件事情。
具象地說，通用人工智慧相當於復刻一個數字人腦，人類擁有自由的思維、能夠透過學習推理出新的知識，通用人工智慧也應該能像人類一樣思索，它能夠完成多工操縱，即便面對沒見過的東西，也能給出一個謎底。
我們已經投資了MiniMax，並且聊過市面上大部分的模型創業公司，在這波潮流熱起來之後，至少在基建層目前不需要再投第二家大模型公司了，投資重心會轉移到應用層，重點關注能夠利用大模型特性做應用的專案。同時我們也會關注Open AI以外會有什麼新的技術泛起，但願能投資一些更具備創新性的東西。
騰訊科技：有一種說法以為，未來所有工業都值得用大模型重新做一遍，許多行業可能會利用大模型做進級，好比美團、淘寶這些生意是不是都能用大模型做一遍？創業公司有沒有機會為這些大公司的改變提供更多匡助？
陳昱：大模型時代下，未來的應用也有一個“二八定律”，大約有80%會是現在的應用接入大模型後的「升級版」，有20%是基於大模型的新能力開發出的新應用。
大模型是不是合用於所有行業，現在還沒有定論，第一個挑戰就是海內還沒有成熟的中文大語言模型可用，光這一步的最佳化就需要很多年時間。現在也不能確定海內哪一個模型使用體驗更強，由於使用的感覺非常主觀，並且每個模型都有自己擅長的地方，到最後仍是看綜合使用者體驗。
假如中文大語言模型發展得很成熟了，這波工業進級肯定也會先從網際網路行業開始，然後再逐漸過渡到傳統行業，這個過程可能也會持續5-8年時間。
未來大模型可能會變成所有應用的進口，舉例來說，現在大家買東西要上美團APP或者小程式，未來可能直接對大模型說幫我買一個東西，就完成了整個購買操縱動作，就沒有類似美團這種一級進口了，它的APP或小程式反而變成二級進口。未來，跟著人機互動方式的改變，這些都是很可能會發生的。
但這些改變之前也被嘗試過，好比蘋果Siri、各種智慧音箱都嘗試做這樣的場景改變，也鬧出過許多笑話，可能就是由於語言模型還不夠好，影響使用者的使用體驗，假如花一樣的時間但體驗不好，使用者就不會再用它了。
再看創業公司在這波工業進級中的機會，我以為各行各業的整體格式都不會由於大模型而發生大的改變，好比外賣行業原先就只有美團和餓了麼，本來也沒有創業公司存在，即便大模型改變了應用進口，也不會對貿易格式的本身產生大的改動，它只是一個體驗進級。
騰訊科技：如果說80%的存量應用可能會在接入大模型後做進級，那麼你提及的20%基於大模型開發出的新應用就相當於增量市場的機會，你以為這類AI原生應用會優先產生在哪些場景？從雲啟已經投資的專案中看，哪些屬於這20%的增量機會？
陳昱：先回答後一個題目，大家可能存在一個誤區，似乎今天投資了以後明天就能看到結果，這是不可能的事情。一個創業公司真正能夠做出東西、讓大家看到結果，至少要等18-24個月，一週能做出來的東西沒有壁壘和想象力，我們會關注更實際的東西。
從我們投資的案例來看，由於我們一般都在非常早期的階段進行投資，整體專案本身發展都還處於很早期，所以也很難判定這20%的原生應用是否已經做到。即便是MiniMax這樣已經能看出潛力的企業，回溯對它的投資歷程，實在我們在投資之前也觀察了近一年的時間。
再回到關於AI原生應用的機會猜測上，我以為AI原生應用的探尋挖寶過程，就像以往西部牛仔的淘金歷程一樣，需要敢於探險，這波的機會可能在這幾個地方：
第一，跨境電商，由於涉及多語言（multilingual）交流；
第二、面向開發者的AI解決方案（AI for Developers），匡助程式設計師寫程式碼或者檢查錯誤和安全漏洞；
第三、私有化部署，企業客戶會有個性化模型和資料安全方面的需求；
第四、AI安全，大模型的廣泛應用會帶來一系列安全題目，譬如模型天生的內容造成的虛假資訊傳播，還有針對模型進行提示詞注入攻擊（prompt injection）導致企業內部資訊洩漏等。
騰訊科技：在大模型帶來的機會中，高效利用有限資料的能力，好比資料標註、資料提煉等，以及利用私有資料做垂直模型，是否是創業公司潛伏的增長點？對投資人來說機會點在哪裡？
陳昱：前陣子谷歌內部洩露一份檔案，谷歌內部一名研究員以為Open AI沒有護城河，裡面也提到你可以透過一個開源模型做fine tuning得到一個80分的模型，但是它和GPT-4這樣95分的模型仍是有很大的差距。
固然創業者透過開源可以將做模型的本錢極度降低，但不意味著他們能做出95分的模型，而95分的模型會吃掉大部分的市場。這裡可以類比歷史上的谷歌，剛開始搜尋引擎市場也百花齊放，但最後90%以上的市場佔有率都在谷歌身上，所以當一個東西被做到極致之後，沒有多少終端消費者會願意使用非主流的產品。
在這樣的情況下，許多人以為模型層面的創業機會比較小，可能資料層面的創業機會比較多，但我以為市場並不缺資料，公然的資料大家都還沒有用好，ChatGPT和GPT-4的資料也只更新到2021年9月，對私有資料的考慮可以靠後，先把公有資料用好。
至於怎麼用好這塊資料，就要各顯神通了，這就需要團隊精益求精演算法、改進工程能力，本質上仍是看人。在軟體科技立異領域，我們一直誇大要投“智慧”並且“有野心”的“年輕人”，由於技術每年都會更新迭代，年輕人跟進的速度最快。
對於投資擁有自己獨特私有資料的垂直模型，我們持儲存立場。我們在研究機器學習的時候也能瞭解到，資料的獨特性本身比資料量更重要，但我以為真正擁有自己獨特私有資料的公司幾乎很少甚至是沒有的，而當通用大模型的練習資料裡某領域的資料足夠多的時候，垂直模型的表現不一定會比通用大模型好。
舉個例子，好比某教育類上市公司表露自己有許多私有的試卷資料，但實際上用公共網路上已有的試卷資料就能練習出不錯的結果，並不需要上市公司提供的私有資料。許多公司擁有的所謂私有資料實在沒有想象中的那麼重要，真正有價值的私有資料是獨特的資料，而且不需要許多的量就能做出不錯的效果，而這類獨特資料其實太少了，專有獨特的資料公司在整個市場可能都找不出幾家，即便有了這類資料，也不代表就能利用好它們或讓其產生商業價值，這幾個前提一卡，就會發現沒什麼專案可以投資。
此外，即便沒有大模型，類似智慧製造這些傳統行業也會擁有自己的資料，但假如在大模型泛起之前並沒有利用好這些資料，有了大模型後也不一定能明顯晉升資料利用效率，假如它們真的有投資價值，在大模型泛起之前應該已經被大家看到了。
騰訊科技：一方面，按照你的說法，模型的泛起並不會晉升擁有私有資料的公司的壁壘；另一方面，做大模型似乎並不難，在ChatGPT剛火的時候，行業預設大模型是大廠專屬，但從最近三個月的情況來看，越來越多的非大廠出品的大模型也泛起了。在這樣的背景下，是否可以以為大模型創業的門檻本身就不穩固？投資人是否需要重新評估投資機會？
陳昱：關於模型壁壘的題目，需要分層看待。一個模型做到80分可能不算擁有壁壘，但假如能做到95分，那肯定是一種壁壘。
固然海內各種公司都在做模型，但真正能全面碾壓GPT-4的還沒有泛起，由於它的核心壁壘是工程上的最佳化，即團隊對工程細節的反覆打磨，並且不僅僅是一兩個地方的最佳化，可能涉及50個甚至100個子工程的最佳化，而這是Open AI沒有公然的“秘密”，需要技術團隊自己在立異的過程中反覆試水調優，很難產生能被海內公司鑑戒的方法論，它是一項工程立異，而非技術創新。
在GPT-3.5及之前，Open AI仍是比較開放的，他們會在論文裡仔細地描述自己做了什麼，發展到GPT-4階段就開始“語焉不詳”了，外界只能靠預測或者找Open AI裡面的人去聊的方式，來了解一二，但團隊裡的人也不能洩露公司的秘密，對於外界來說這就像一個令人琢磨不透的黑匣子。
我曾經在谷歌擔任工程師，谷歌的搜尋引擎質量非常好，它的壁壘也在於工程最佳化。15年前谷歌就有超過200個工程師全職做搜尋質量的改進工作。每個工程師都會以不同的方式去最佳化搜尋引擎，透過A/B測試的方式，決定某項改進工作是否能終極釋出，這樣做的結果是量變引起質變，每年數百項的改進極大的進步了搜尋質量，但在這中間沒有任何一個人知道全景是怎麼樣的。
在這樣的背景下，假如總結對這類專案的投資判定尺度，我以為有這幾點：
第一，團隊成員至少長期耕耘在這個領域；
第二，要有很強的工程立異和實踐能力；
第三，做這類創業非常燒顯示卡、燒算力，這就要求團隊有很強的融資能力，否則很難上牌桌。
騰訊科技：海內大模型如雨後春筍湧現，對比國內外大模型，可以看出國外代表性的ChatGPT目前走的是to C訂閱模式，海內模型許多接入到工業層面。從投資角度看，大模型國內外投資方法和風格有哪些不同？國外AI發展的經驗比我們快，有沒有可以copy to China的東西？
陳昱：從國內外模型的差異來看，目前核心仍是技術的差異，第一梯隊的OpenAI GPT-4、第二梯隊的谷歌PaLM 2，還有從Open AI離職出來創業的Anthropic，他們都做得非常好，假如做測評的話，會發現中外模型之間的差異主要在技術層面。
另外，固然國外目前主流大模型ChatGPT是to C的訂閱付費模式，但不代表國外沒有做to B，他們的模型應用也是百花齊放的，但國外做to C的一個上風是他們使用者付費意願強，好比Midjourney團隊只有11個人，但是卻有1億美金的收入，這在海內是難以想象的。
從投資角度來看：
第一，在國外我們更願意投資單點技術創新類的專案，在海內的話許多投資機構會設想專案idea能不能做到IPO；
第二，從投資人的經驗來看，國內外各有擅長的東西，國外軟體做得普遍比海內好，海內偏硬體的東西做得比國外好。所以海內的投資機會更偏向機器人、電動車這類硬體的出海，由於它們利用了海內供應鏈上風將生產成本降到很低。假如在AI層面做到80分，再和硬體結合起來，產品的競爭力就很強了。我們看好通用人形機器人，它會是大模型和機器人的結合。
騰訊科技：為什麼國內外大模型投資策略會產生這樣的差異？
陳昱：國內外大模型投資策略的差異源自於專案退出途徑。在國外，投資單點技術創新類的專案能透過併購退出。反觀海內，因為併購案例稀少，投資機構更願意在終極能上市退出的大idea上下注。
不同的投資人可能有不同的風格，對於偏早期的投資人而言，投資就是投“變數”，假如一個專案缺乏未來想象空間，我們就不會投；假如它只是停留在想象力層面，團隊沒有落地能力和堅定信奉，我們也不會投。大模型才剛剛開始，能到上市階段至少是好幾年之後的事情，假如要投資“確定性”，可能就要等到專案上市前一兩年再投進去，這可能不是早期基金的風格。
另一方面，大家確實會考慮宏觀環境，好比當下大家投資硬科技專案會相對多一些，模式和軟體類的偏少一些，但大家的思路和設法是沒有變的，仍是跟隨變數、投資想象空間大的東西，並不斷關注技術帶來的工業變革。
可能這幾年受大環境的影響，許多人非常思慮退出題目，我以為不用過於憂慮，好比美元基金可以透過中外合資或QFLP投資專案，並且退出途徑也是比較多元的，港股也是其中一個選擇。
我們是比較早期的基金，許多專案都會經由多輪融資，在這中間也能實現適度退出，所以我們目前的投資都保持著自己的節奏。
騰訊科技：Open AI做出來的ChatGPT，算是近幾年國外單點技術創新的代表性案例，能否猜測Open AI的下一個樞紐變化節點？
陳昱：Open AI可能確實有“後招”：
第一，大語言模型未來會往多模態方向發展。“多模態”不僅體現在“輸入”，“輸出”也可以是文字、影象或影片；
第二，未來生成式AI的輸出結果可能從二維影象變成三維模型。OpenAI 近日對外發布前提天生模型 Shap-E，它可以用來天生3D資產。Shap-E 可以天生隱含函式的引數，這些函式可以被渲染成紋理網格或神經輻射場（NeRF），從而可以天生多功能的、現實的3D資產。
騰訊科技：最後，回到海內看AI管理，最近網信辦也頒佈了關於大模型相關的資料管理辦法，中國的生成式AI應該如何準確地應對監管法規？
陳昱：以前純靠人工去做監管，現在可能需要用模型去監管模型，由於模型天生的內容數目巨大，且輕易以假亂真，監管部門需要思索如何更好的利用技術來規範行業。此外，模型本身是有價值觀的，企業在練習模型的時候，就得對練習資料做仔細的篩選和清洗，並使之與準確的價值觀對齊。OpenAI在這方面下了很大的功夫，值得海內企業學習。
