在2024年英偉達GTC上，明勢資本合伙人夏令分享了中國市場AI行業(yè)的創(chuàng)業(yè)和投資機遇。夏令表示，“明勢資本堅信AI是未來10年核心的技術(shù)驅(qū)動力，將持續(xù)關(guān)注AI領(lǐng)域的投資機會，并與這個領(lǐng)域的創(chuàng)業(yè)者攜手同行。”

明勢資本成立于2014年，是國內(nèi)專注科技賽道投資的早期VC，自成立以來持續(xù)關(guān)注新興科技領(lǐng)域的發(fā)展機會。明勢資本是目前國內(nèi)若干家AI驅(qū)動的細(xì)分領(lǐng)域頭部公司的早期投資人，包括智能電動汽車公司理想汽車，大語言模型公司MiniMax，通用機器人領(lǐng)域的逐際動力以及家用機器人公司云鯨智能等。

以下觀點基于夏令分享內(nèi)容整理：

基于Scaling Law找到AI大模型發(fā)展的潛在機會

大家都在關(guān)注AI發(fā)展帶來的機會，大語言模型是2023年最大的投資熱點和投資共識這一點是毫無疑問的。中國市場數(shù)有十家大模型創(chuàng)業(yè)公司和眾多科技大廠一起涌入到這個賽道中。但經(jīng)過一年的發(fā)展可以判斷，最終真正能夠跑出來的只會是少數(shù)的幾家。

對于投資人來說，2024年首先要理解Scaling Law，在未來10年Scaling Law的重要性絲毫不亞于摩爾定律對于半導(dǎo)體產(chǎn)業(yè)的重要性的。

現(xiàn)在國內(nèi)最大的算力集群是基于英偉達的H卡，也就是大概千張卡的規(guī)模。但是我們?nèi)ピO(shè)想一下，可能短則四五年長則七八年，那個時候所需要的算力集群可能是百萬張甚至是千萬張卡的規(guī)模，訓(xùn)練的token數(shù)量也將會是今天的100倍、1000倍甚至更多。

基于Scaling Law的發(fā)展方向，可以指導(dǎo)今天的投資。如果我們考慮的是未來在100萬甚至1000萬張卡這樣的一個算力集群下訓(xùn)練一個新模型，它的數(shù)據(jù)、計算、通信、存儲、能源，會遇到什么樣新的挑戰(zhàn)？這里面存在大量新興、量級提升、指數(shù)增長的機會，值得我們作為投資人關(guān)注。

雖然大家對于AI的商業(yè)應(yīng)用有著非常高的預(yù)期，但現(xiàn)實是當(dāng)前的大模型能力還不足以支撐起廣泛的商業(yè)應(yīng)用。在當(dāng)前階段，做出一個更強大的AI大模型，它的緊迫性或者價值高于AI應(yīng)用。所以，首先要基于Scaling Law去找到支撐AI大模型發(fā)展的潛在增量機會。

AI應(yīng)用全面爆發(fā)需要技術(shù)和成本突破商業(yè)奇點

大家都在關(guān)注AI應(yīng)用，期待能夠涌現(xiàn)出移動互聯(lián)網(wǎng)時代中像字節(jié)跳動、美團這樣的公司。以2023年的情況來看，AI應(yīng)用層的整體發(fā)展并不理想，甚至可以說是低于投資人預(yù)期，全球范圍內(nèi)能做到DAU過百萬的AI應(yīng)用屈指可數(shù)。

從人性上來講，人們總是對一個新興技術(shù)的短期發(fā)展過于樂觀，長期發(fā)展過于悲觀。AI確實是生產(chǎn)力的革命，但要對它短期發(fā)展的局限和長期發(fā)展的潛力有理性客觀的認(rèn)知，這一定程度上和人性相悖。

對于AI來說，它需要一個前期大量技術(shù)和基礎(chǔ)設(shè)施積累，直到AI能力和成本突破一個奇點，才能實現(xiàn)商業(yè)價值。

一旦AI能力和成本突破這個奇點，應(yīng)用層面一定會是百花齊放的景象。但當(dāng)前AI的發(fā)展還沒有突破這個奇點，我們對于AI應(yīng)用的發(fā)展預(yù)期既要樂觀，也要理性。

當(dāng)下AI投資仍以技術(shù)驅(qū)動為主

因為AI大模型今天還沒有成為commodity，AI的能力還處于指數(shù)增長期，AI的推理成本還非常高，所以當(dāng)前AI投資更多的還是要找到技術(shù)驅(qū)動型的項目。一旦AI大模型的整體或者局部能力進入平臺期，對應(yīng)部分才出現(xiàn)大量類似互聯(lián)網(wǎng)時代的需求驅(qū)動型的產(chǎn)品。

對于早期項目來說，團隊是影響創(chuàng)業(yè)能否成功最重要的因素。作為早期投資人，項目的創(chuàng)始人或者團隊自身的迭代速度一定不能滯后于AI的發(fā)展速度，否則在未來的發(fā)展過程中必將面臨極大的挑戰(zhàn)。團隊對大模型技術(shù)有足夠深刻的理解是不可或缺的，必須知道技術(shù)和需求的交界在哪里。當(dāng)然，這對于投資人來說，對技術(shù)和項目的認(rèn)知也要做出相應(yīng)的調(diào)整。

具體商業(yè)化落地的機會上來看，從To C來說，中國企業(yè)在互聯(lián)網(wǎng)時代積累了大量To C的產(chǎn)品、運營等方面人才，這方面相比于海外公司有碾壓式優(yōu)勢，中國的創(chuàng)業(yè)團隊有機會做出一些面向全球的新興應(yīng)用。對To B來說，中國市場下做提升效率工具很難；做結(jié)果交付的閉環(huán)服務(wù)，讓大模型只是核心能力的一部分，反而在中國會更容易商業(yè)化成功。

端到端數(shù)據(jù)驅(qū)動的新技術(shù)范式產(chǎn)生顛覆性機會

今天大語言模型還處在類似于copilot這種輔助提效層面，但是如果僅僅停留于此的話并不足以讓投資人們?yōu)橹d奮。

以大語言模型為代表的這一波AI，讓大家看到了堪比蒸汽機和互聯(lián)網(wǎng)帶來的新一波生產(chǎn)力革命。這個生產(chǎn)力革命一定會創(chuàng)造新的供給，讓之前很多行業(yè)的核心成本變得極其便宜。

比如說軟件、醫(yī)生、律師這些行業(yè)，它的擴張都是依靠擁有專業(yè)知識的人才，所以人力是非常核心且昂貴的邊際成本。但AI將會把這個邊際成本變成固定成本，這將顛覆這些行業(yè)的UE（單位經(jīng)濟模型）。

如果我們跳出LLM去關(guān)注整個AI的發(fā)展，更多關(guān)注的是大語言模型興起背后，這種端到端數(shù)據(jù)驅(qū)動的新技術(shù)范式。自動駕駛的快速發(fā)展就是端到端數(shù)據(jù)驅(qū)動，大語言模型之后，文生圖、文生視頻、通用機器人、AI for science的應(yīng)用包括藥物研發(fā)、新材料發(fā)現(xiàn)，都將會基于端到端數(shù)據(jù)驅(qū)動的新技術(shù)范式產(chǎn)生顛覆性機會。

站在生產(chǎn)力革命視角上來看，隨著AI的發(fā)展一定會出現(xiàn)新興的行業(yè)。蒸汽機改造紡織行業(yè)的時候，人們并不知道蒸汽機會帶來鐵路、輪船等等這些新的運輸行業(yè)，也無法預(yù)測到運輸行業(yè)的改變會影響商業(yè)貿(mào)易。AI一定會改變很多生產(chǎn)關(guān)系，雖然今天還無法去準(zhǔn)確預(yù)測，但一定會帶來大量新的機會。