來源：每天一首音樂 釋出時間：2023-07-03 11:41

AI Infra板塊主要看國產替換的機會，好比無損網路、算力和軟體及生態機會；

大模型板塊包括語言大模型LLM，多模態大模型如影象生成式AI、影片生成式AI等，垂類域好比AI for Science & AI for Industry；

應用端板塊主要分為AI改造舊場景以及AI創造新場景的機會。

他以為，當下算力、模型練習框架層面還存在需要補足的地方，我們正處於完善AI練習和執行（推理）所需的基礎設施的階段，應用端還沒有太好的投資標的。可以一邊搭建基礎設施，一邊等待新的應用機會和商業模式泛起。

在大模型板塊上，王晟以為“AI for Science”的想象空間非常大，在諸如航空航天、軍艦甚至建築和半導體設計方面，AI可能可以替換頂級科學家的計算和求解能力。

核心觀點：

• 1小模型的核心題目是無法泛化，它太“愚蠢”了，現在鼓吹小模型的無非是2個點：第一，大模型貴，但這是本錢題目，後續透過工業化、規模化方式可以解決這一點，核心仍是如何滿足使用者需求；第二，在有的場景裡面，我們可能無法使用大模型，諸如對實時性要求較高、或者功能單一的IoT裝置，好比：智慧攝像頭、智慧降噪耳機，在這些板塊小模型確實有一定需求，但主流的正規化不會是小模型。
• 2在移動網際網路的立異湧現之前，各行業也都是原先業務的“大傢伙”做一個遷移、換個流量進口而已。在AI時代也是，先是底層的Infra完善、工具鏈完善、開發環境完善，然後湧現創業者，再做業務移植。假如只依賴移植，不會產生什麼真正的投資或創業機會，只有等“移植”階段過去，才會真正進入到模式立異的時代。
• 3現在處於AI Infra時代，傳統業務正逐漸遷移到AI中，在這個時代可能沒有太好的應用端投資標的，主要的投資機會仍是在基礎設施上。基礎設施投資是一個長期的過程，但最重要的視窗是在當下這個時代，後面的投資視窗可能會遷移到好比商業模式立異的板塊了。
• 4“AI for Science”板塊非常值得關注，這個板塊最重要的是“科學計算”，但主要是微軟和DeepMind在做，創業公司可能沒什麼機會。好比設計一個大飛機，需要許多空氣動力學上的研究，目前都是需要依賴極其頂級的科學家來設計和求解、論證。假如AI來做這件事情，它就能解決許多題目，包括航空航天、軍艦甚至建築和半導體設計。
• 5大模型+自動駕駛面臨的挑戰非常大，最大的題目是它對錯誤的容忍度太低。ChatGPT胡說幾句話無所謂，但用在自動駕駛上，哪怕是百分之一或萬分一的錯誤，都可能會泛起很大的安全題目。

英諾天使基金合夥人 王晟

以下為訪談內容收拾整頓：

騰訊科技：這半年由於AIGC領域的關注度較高，一級市場的投資氛圍也很“卷”，大家都在尋找各種投資機會，投資人群體在這段時間的心態是怎麼樣的？

王晟：絕大部分投資人是比較焦急的，但也不完全是因為大模型，現在整個經濟環境和投融資環境都比較令人焦慮。整個金融市場環境不利於資金活動，而較差的資金流動性不利於專案退出，從而形成一個不好的輪迴：沒有退出就會影響募資，影響募資就會影響投資。

在投資人群體裡面，相比較於人民幣基金，美元基金投資人會更“衝動”一些。在過去，因為政策的原因，新能源或硬科技創業團隊不太敢要美元的錢，但AI對美元VC而言是一個很好的投資視窗，究竟傳統的人民幣基金很難承受AI創業公司的長週期投資要求。

騰訊科技：在這波高潮裡，英諾基金的投資心態是怎樣的？

王晟：我們比較淡定，由於我們在大模型領域已經深耕很長時間了。去年6月份，我們投資了預練習模型技術服務商深言科技，它的主要目標是用NLP技術，尤其是大模型（LLM）技術，全流程服務資訊處理。

假如追溯到更久，實際上在前年（2021年）下半年，我們內部就非常確定，未來是大模型的世界，小模型的機會不多。

當然，關於大模型和小模型誰更有機會，目前依舊存在爭議。在一些對安全性要求比較高的特定場景裡，好比政府、企業等組織確實需要部署一些私有模型，但這並不代表整體市場的發展方向。我以為未來的主流方向在大模型，沒有小模型的世界。大模型像雲服務一樣，它是新一代網際網路業務的基礎設施。

本來我們預估這兩年大模型的投資熱度會緩慢升溫，但Open AI忽然釋出ChatGPT，一下子點燃了這個賽道，忽然湧現出許多大模型團隊，我們剛開始看這個賽道的時候根本不存在這些團隊。

騰訊科技：你們前年就發現大模型是趨勢，小模型沒什麼機會，當時經歷了哪些實驗得出這個結論？

王晟：小模型的核心題目是無法泛化，它太“愚蠢”了，好比今天小模型能認出農夫山泉，明天把農夫山泉瓶子換成藍色的，它可能就不熟悉了。現在鼓吹小模型的無非是2個點：

第一，大模型貴，但這是本錢題目，後續透過工業化、規模化方式可以解決這一點，核心仍是如何滿足使用者需求。

第二，在有的場景裡面，我們可能無法使用大模型，好比對安全性要求比較高，或者功能單一的IoT裝置，如智慧攝像頭、智慧降噪耳機，它對實時性要求太高，大模型跑不進去。從這個角度來看，小模型確實有一定需求，但主流的正規化不會是小模型。

大模型會成為主流，其中語言大模型是人工智慧皇冠上的明珠，究竟人類的知識大部分以語言文字的方式承載，維特根斯坦講人類語言的邊界就是我們思維的邊界。除了語言大模型之外，我們也非常關注其他模態的AI大模型，好比：影象、影片、3D等等。

2020年，Open AI釋出GPT-3，我們初步猜測生成式預練習語言模型是未來的方向；

2021年4月底，Open AI釋出DALL-E模型之後，文生圖的模型更加趨向成熟，整個科研界都覺得這個路子是對的，它建立了CLIP+Diffusion的技術正規化，接下來Stable Diffusion、Midjourney都順著這個技術路徑走，它比過去GAN、VAE“文生圖”模型更輕易泛化，所以從2021年下半年開始，我們非常關注文生圖大模型範式；

2021年實在還湧現出許多其它多模態相關的AI技術，除了文生圖的CLIP+Diffusion，還有谷歌釋出的NeRF，這是一種基於神經場的渲染技術，可以用來天生影片流或者重構成3D Mesh。谷歌也利用NeRF技術重構了舊金山市。

從2021年下半年開始，大模型被我們定義為一個很重要的投資方向，我們順著這個方向尋找專案。但是，我們也碰到了很大的挑戰：真正投入做大模型的好比IDEA研究院、華為、百度，是我們投資不進去的；而市場上又找不到能做大模型的團隊，所以有勁兒沒處使。

騰訊科技：但你們去年就投資了深言科技，當時你們是透過什麼方法找到他們的？

王晟：英諾在清華大學計算機系設立了一個獎學金，2021年豈凡超拿了這項獎學金的第一名，我們也開始關注到他們團隊做的事情，正好符合我們想要的專案的尺度，就投資進去了。

2021年在多模態方向，我們接觸過多個文生圖的團隊，但是我們一直沒有出手投資，主要是沒看清商業化的轉換路徑。在文生圖領域，我們非常關注可控性題目：

首先，模型能不能被很好地控制？包括一些精確的佈局控制，好比我想要天生一張圖，需要中間有一張桌子，旁邊站著一個人，以及許多主體的排布和控制等，模型能不能精準地實現和控制需求非常樞紐；

其次，模型的持續性很重要，它又叫做“概念定義”，好比第一次要求機器畫出鋼鐵俠，第二次仍是要畫鋼鐵俠，機器能不能把“鋼鐵俠”的概念定義出來很樞紐，還有二次創作（Inpainting）的題目，好比第一次畫的不盡如意，還需要基礎上修改一下。

在那段時間，我們看了許多專案，但他們也很難解決這兩個題目。

到2023年2月，這幾個題目都被ControlNet解決了，它的泛起是里程碑式的模組，整個文生圖的可控性被大大提高。

騰訊科技：ControlNet泛起確實大大晉升整個文生圖領域的生產力，但海內的專案怎麼和Midhourney這些進入中國的明星工具競爭？

王晟：對，我們確實又面臨下一個題目：能不能投？怎麼去投？Midjourney的競爭力很強，Stable Diffusion開源又免費。此外，許多創業者可能也沒有勇氣做這個方向了，許多專案無非是拿Stable Diffusion結合某個行業做個工具鏈，很少有人會練習一個通用的文生圖模型。即便有的專案做，他們的估值太高，不適合早期機構投資。

騰訊科技：大模型比較貴，估值也很高，所以也有一些投資人看一些有稀缺資料的垂直模型，你以為這個細分賽道有哪些場景和機會？

王晟：許多人誇大大模型拿到的是通用知識，它沒有私有資料，但我以為這完全不重要。

第一，垂直模型拿到的知識，大模型都能拿到，沒有多少東西是某個個體純碎私有、別人沒有的，無非是大家解決問題的先後順序不同。

第二，大模型擁有了足夠知識後，許多細小的知識都不被需要了，Open AI內部人曾經提過，他們在練習GPT-4的時候，特地留下許多空缺的知識域（Knowledge Domain），但在測驗的時候發現即便是沒有被投餵資料的領域的知識，GPT-4也能知道。人類的知識相關性太強了，GPT-4完全不需要資料投餵也能學會這些知識，所以指望那點稀有資料形成核心競爭力比較難。

騰訊科技：垂直模型不值得投入，那麼大模型應該怎麼投？這一輪的大模型蛋糕是不是已經被分完了？假如現在想要入場，AIGC領域還有哪些投資和創業機會？

王晟：任何一個新的工業技術正規化誕生之後，都會存在一個發展週期，好比“iPhone時刻”的到來有許多技術積累，晶片的整合度和算力、觸控式螢幕、4G/5G通訊等。

iPhone第一天泛起的時候，使用者也很難理解它到底能做多少事，所以2007年iPhone泛起，但2011年微信才泛起，2012年才有了滴滴，2015年才有了拼多多，2016年才泛起抖音。從2007年到2016年，中間整整隔了10年。

現在“AI時刻”也要到來了，它代表了一種新的技術正規化，但它在初期階段能做的事情並不多。消費者的使用門檻高、基礎設施不夠完善、使用者對它的理解也差許多。可能技術正規化的立異會讓AI Infra先起步，好比晶片的本錢變得更低、開發工具更完善、終端保有量足夠多的時候，AI會迸發出更多的機會點。

在AI發展的第一個階段，因為大家的想象力還很有限，能做的事情可能是把舊的行業全移植一遍。

騰訊科技：但光依賴“移植”或“遷移”，現有移動網際網路的各細分行業的格式很難被改變。

王晟：在移動網際網路的立異湧現之前，各行業也都是原先業務的“大傢伙”做一個遷移、換個流量進口而已。在AI時代也是，先是底層的Infra完善、工具鏈完善、開發環境完善，然後湧現創業者，再做業務移植。

實在，假如只依賴移植，這個時代不會產生什麼真正的投資或創業機會，只有等“移植”階段過去，才會真正進入到模式立異的時代，它創造了新的使用者需求，但這是我們還看不到的東西，還需要時間、需要未來的創業者去創造。

當這個週期過去，就會進入到“內卷”階段，就像移動網際網路發展到2017年就已經進入尾聲了，它很難產生真正的立異，也不會有新的商業模式泛起了，大家都去卷內容，好比卷短影片、卷直播、卷帶貨。

我們現在處於AI Infra時代，處於傳統業務逐漸遷移到AI的過程中，在這個時代可能沒有太好的投資標的，這3年我們會繼承投資基礎設施。當然，基礎設施投資是一個長期的過程，但最重要的視窗是在當下這個時代，後面的投資視窗可能會遷移到好比商業模式立異的板塊了。

騰訊科技：除了AI Infra，在模型層以及應用層你們打算怎麼佈局？

王晟：在AI Infra板塊，硬體上我們投無損網路、高速度光通訊，包括存算一體、Chiplet等，我們也投資了光晶片和量子方向。近期，我們剛投資了一家AI Chiplet供應商“原粒半導體”，它可以透過進步能效、降低成本的方式為多模態大模型提供算力支援。

再更上一層，我們也在關注 MLOps、AI開發框架、AI編譯器等方向。

再往上的大模型層面，我們除了會看語言大模型，也看多模態的大模型和垂類知識域的機會：

在語言大模型板塊我們投資了深言科技；

在多模態板塊，我們投資了3D掃描重建技術企業KIRI Innovation（麒礪立異），目前他們在做3D的人工智慧的生成式模型，直接text to 3D；我們還投資了做虛擬人動作行為的大模型中科深智，屬於text to motion，它是端到端生成式AI虛擬人技術的公司，能有效改進遊戲角色過於依靠動作庫和表情庫的現狀，依靠“庫”的模式會導致角色表現力欠缺變化、顯得僵化的題目。

CV領域過去有非常多的小模型公司，4月份我們看到Meta的SAM模型展現出非常強的泛化能力，我們也在觀察真正的CV大模型的投資機會。

影象、影片天生領域，因為SD開源、MJ和Runway都非常強盛，我們看到的情況是海內大量的創業者在基於SD做應用，而不是自研模型和這幾家硬剛。我們非常期待海內泛起有勇氣、有實力的創業團隊。

大模型的另外一個投資方向是AI for Science，這是一個比較早期且富有爭議的領域，創業和投資的認知門檻非常高。