2023年，大模型狂飆；但一級市場卻略顯十動然拒。

(資料圖)

一邊，大廠跟大佬all in大模型的規(guī)劃掀起賽道的狂熱，有VC搶做一個吃螃蟹的人，數(shù)億元融資成大模型投早標配。

譬如，啟明攜手經緯，數(shù)億元天使輪投向周伯文創(chuàng)辦的銜遠科技；創(chuàng)新工場孵化的AI 2.0 大模型瀾舟科技，也續(xù)上一筆數(shù)億元Pre-A輪，斯道資本和創(chuàng)新工場持續(xù)加碼。

但到了另一邊，卻仿佛現(xiàn)實照進理想，大模型自研所需的“鈔能力”讓不少VC望而生畏。

一次運算450萬美元（約合3000萬元）的開銷，以及月薪2萬至10萬/人的重金求賢爭奪賽，讓某家美元基金相關人員直接表示，“不關注AI大模型，太貴了。”

更有投資人直言，真實情況是項目根本搶不起來。一是估值體系還不成熟，幾億一輪融資，釋放10到20個點的股權，估值馬上超10億，而這估值還是按照一個大模型燒GPU消耗的成本去計算，而不是以其真正的商業(yè)價值去評估；二是國內存在商業(yè)化落地以及時機的不確定性。

“大家看好宏觀趨勢，也更愿意做跟投，但到具體項目，要領投可太需要勇氣了。而且一起進場投，很可能會追高。”

但有VC放棄，就會有VC勇往直前。

有幾家機構跟獵云網(wǎng)表示目前仍在持續(xù)學習中，但還未形成投資邏輯，處于想投但是多觀望的狀態(tài)。而這樣的狀態(tài)反應到項目端，卻也引發(fā)了部分創(chuàng)業(yè)者的吐槽，有創(chuàng)業(yè)者表示，很多基金與其說是投資溝通，不如說是找他們學習。

“有VC還在問一些很基礎的問題，譬如大模型跟原來小模型有什么不同。天天給人教育，相當于變成了一個免費的老師，后面的盡調也一直在問偏學術上的問題，商業(yè)上的考量都還沒有聊到。”

顯然，在一級市場投“真香”大模型上，多看少投甚至不投成為了大部分VC的日常。

國內大模型“冷飯熱吃”

說起大模型，其實也不算什么新鮮概念。

國外超大規(guī)模預訓練模型始于2018年谷歌提出BERT大規(guī)模預訓練語言模型，并在2021年進入“軍備競賽”階段。

2020年，OpenAI推出GPT-3超大規(guī)模語言訓練模型，參數(shù)達到1750億，用了大約兩年的時間，實現(xiàn)了模型規(guī)模從1億到上千億級的突破，并能實現(xiàn)作詩、聊天、生成代碼等功能。

再到2021年，谷歌推出的Switch Transformer模型成為歷史上首個萬億級語言模型多達 1.6 萬億個參數(shù)，并在12月提出了具有 1.2 萬億參數(shù)的 GLaM 通用稀疏語言模型，在7項小樣本學習領域的性能優(yōu)于 GPT-3。

同期，國內超大模型的研發(fā)發(fā)展也很迅速，2021年成為中國AI大模型爆發(fā)的一年。

商湯科技的計算機視覺模型、華為云聯(lián)合發(fā)布的盤古NLP超大規(guī)模預訓練語言模型和盤古α超大規(guī)模預訓練模型、阿里達摩院PLUG中文預訓練模型以及聯(lián)合發(fā)布的M6中文多模態(tài)預訓練模型以及百度的ERNIE 3.0 Titan模型陸續(xù)面世，其中達摩院M6模型的參數(shù)達到10萬億，直接將大模型的參數(shù)提升了一個量級。

雖然當時國內院校跟大廠都在做大模型，但在銀杏谷資本高級投資經理鐘偉成看來，這更多是科研上的效果復現(xiàn)，對國外較為前沿的AI模型的跟進。直到2022年年底StableDiffusion、ChatGPT的出現(xiàn)，才開始讓更多業(yè)內人士從觀望走向下場。

“之前產品的商用價值并沒有完全體現(xiàn)出來，大部分比較好的落地場景是心理慰藉的對話，或者文檔的改寫生成，以及此前的AI繪畫。ChatGPT出來后，大家發(fā)現(xiàn)說可以通過多輪對話去做不斷微調、上下文學習，然后去生成更好的內容。”

從技術和戰(zhàn)略層面上看，ChatGPT讓更多人意識到這不單只是一個應用工具，甚至會成為一個新的PaaS層基礎設施。從技術和戰(zhàn)略層面上，群雄爭霸，都想試圖成為一個新時代的基礎設施供應商。

再到2023年，上市公司和大廠陸續(xù)放出做大模型的信號，AIGC概念股股價翻番，外加“AI的iPhone時刻 ”無不讓這股熱度從二級市場涌向一級，引發(fā)對語言大模型的重點關注。

風口之下，從前年開始布局的學院派等語言大模型創(chuàng)企從去年開始浮出水面，擊中了有出手壓力的VC心巴。

鐘偉成表示，多數(shù)投資人在大環(huán)境不確定下，會傾向于尋求一些偏底層及回報較高、能最終形成一家獨大的投資領域，外加對錯過下一個時代風口的焦慮，使得語言大模型項目成為了市面上最為性感的一類投資標的。

然而賽道雖香，語言大模型的火爆表象下，技術差距并不止一點。

以當前國內大廠語言基礎大模型十幾億、幾百億的參數(shù)規(guī)模，以及大多數(shù)創(chuàng)業(yè)公司還在做一兩百億的參數(shù)模型來看，跟ChatGPT相比，還有2-3年的距離。

VC看多投少，項目端狂蹭熱點

正如上文所說，現(xiàn)在VC看大模型，光看鮮出手。

一方面，是因為一些基金是從AIGC火了后，才研究和關注大模型，開始找項目，正處于學習階段，而更主要的原因是貴。

以OpenAI為例，其在推出GPT3的API接口出來之前，已經燒了好幾億，后在微軟百億美元狂砸下，才有了GPT3的面世及能力的涌現(xiàn)。

所以想要對標ChatGPT，資金必不可少。

鐘偉成表示，過去，團隊健全的大佬創(chuàng)業(yè)項目，一般第一輪估值2-3億元就已經很高。但放到大模型創(chuàng)企來說，光1年租1000張GPU卡就要花大幾千萬到1億元的支出。

“這還只是試錯的成本，萬一技術路徑選錯了，模型訓練的過程中出了一些bug，重新弄根本吃不消。天使輪估值就這么高，等退出還要7-8年，跑出來的還不一定是投資的那一家。冒著整支基金回報的風險去投大模型，是項目推進時較大的阻力。”

與此同時，不同背景的基金之間，對于基金存續(xù)期以及試錯風險的承受度都有不同的要求，部分基金會要求被投企業(yè)盡早做商業(yè)化嘗試，而這樣的投資模式跟慢工出細活的通用基礎大模型并不適配。

就目前來說，旗下有美元基金的機構存續(xù)期較長，更容易下注投資語言大模型，但就目前主要投資早期輪來看，隨著語言大模型項目到第三四輪，一輪5-10億的砸錢下，估值到50億元后，誰來接盤又成為問題。

在鐘偉成看來，與百度阿里等大廠，有內部資金支持科研團隊去做不同，國內語言大模型創(chuàng)企，投資風險高就在于不確定因素太多，早期VC基金攢局投完以后，后期輪還是需要國資機構的投資介入，幫助創(chuàng)企緩和資金量，才能推動扶持出一家頭部企業(yè)。

他不禁感慨，“別看創(chuàng)業(yè)公司去做語言大模型好像很熱鬧，最后的格局可能還是一家特別大，兩家相對小的中文語言大模型存活下來。”

與此同時，以目前市面上的大模型項目來說，蹭熱點的也不在少數(shù)。

就華映資本董事劉天杰的感觸來說，他從年底開始開始看AIGC的項目，過去是一個月看5-10個，現(xiàn)在是每天都要看3-4個，其中大概有1/4跟大模型相關。在他看來，現(xiàn)在項目多到已經成為繼上一波移動互聯(lián)網(wǎng)以來的新一輪全球狂潮。

“所有人都想第一波沖進去，挺正常。現(xiàn)在很多做語音圖像識別的中后期輪甚至上市公司都在蹭這一波熱度，有些公司號稱做大模型，但最終是面向應用的，其中大模型也得分語言大模型，以及中度的促進性模型。”

故而在一級市場上，普遍VC采取看多投少的節(jié)奏，尤其是在大模型底層還未確定能發(fā)展多快的情況下，美元基金偏好語言大模型，人民幣基金則更偏向應用層，但總體出手還是相當審慎。

此外，劉天杰還指出，上一波AI公司現(xiàn)在往AIGC靠攏，其實已經很難追上。事實上，這就是一場AI的自我革命。

“國外大模型從2018年就開始研究，這不是一蹴而就的事情。傳統(tǒng)判別式或者做卷積網(wǎng)絡的AI團隊現(xiàn)在跳出來講大模型，但是他在傳統(tǒng)AI技術路線上投入了太多時間人力，歷史包袱成為其困局所在。”

同時，劉天杰也坦言，在基礎大模型領域，其實文字、圖形乃至視頻的創(chuàng)業(yè)機會都不大。

“因為這不是一個擁有幾個算法天才就能解決的事情，你需要一個非常龐大的算力基礎，這可能現(xiàn)在連國內的大廠都沒有，就更別說創(chuàng)業(yè)公司。同時你還需要一個巨大的高質量數(shù)據(jù)集基礎，純靠公網(wǎng)扒取、或者花錢去買，想要去做語言大模型真是挺困難。”

再回到現(xiàn)如今的大佬紛紛下場創(chuàng)業(yè)，在鐘偉成看來也并非獨具優(yōu)勢。

“很多大佬是邀請了一些以前參與過大模型訓練項目的人，把架構搭起來重造，但其實不同量級的語言大模型訓練，在工程化上都有很多不同的坑需要去逐步攻克，從0開始做，同行的競爭壓力還是蠻大的。”

應用層暫時失寵，模型層投資機會在“細分”

短期來看，國內互聯(lián)網(wǎng)大廠在研發(fā)語言及多模態(tài)大模型的節(jié)奏下，未來3-5年會出現(xiàn)各種不同垂直領域的大模型，甚至細分到各個公司私有化部署的大模型。

在這樣趨勢下，各家都會有一個嘗鮮期。

在鐘偉成看來，這就跟過去的中臺概念很像，短期內激發(fā)一波需求，會有很多大廠或初創(chuàng)公司，去輔助大企業(yè)煉制自己的AI大模型。而中國的市場里面，長遠來看還是會走出一兩家通用的語言大模型，由百家爭鳴的狀態(tài)走向大一統(tǒng)，且目前來看互聯(lián)網(wǎng)大廠的勝率較大。

“國內公域流量上的中文語料非常差，優(yōu)質的中文語料又集中在各個不同大廠的私域場景里，比方抖音的視頻數(shù)據(jù)、阿里的圖文數(shù)據(jù)、百度的文本數(shù)據(jù)，還有知乎跟小紅書等，這些數(shù)據(jù)都是不會共享出來給外部去做通用的大模型訓練。而有著私域數(shù)據(jù)及資金能力的互聯(lián)網(wǎng)大廠訓練各自領域的大模型后，再看哪一家有能力擴展到更多行業(yè)，變成一個通用的語言大模型，我覺得這是國內大模型比較符合常理的一個發(fā)展過程。”

那既然創(chuàng)業(yè)公司做基礎大模型對標ChatGPT的機會不大，那么大模型創(chuàng)業(yè)還能往哪卷？

對此，有投資人給出一些答案：投細分、投基礎設施。

劉天杰表示，現(xiàn)階段，國內有一些大模型在垂直領域的細分機會可以查漏補缺，包括一些現(xiàn)在在國際上比較前沿的領域，比如3D大模型、視頻大模型、多模態(tài)大模型等中型模型。

“微軟英偉達，他們也沒有足夠多的3D數(shù)據(jù)去訓練一個通用的3D大模型，而是用一些中型模型的路徑或者說用一些模型監(jiān)督強化學習的方式去迫近3D大模型。在這一點上，我覺得國內公司是有機會的。”

對此，鐘偉成也持相同看法。“關注垂直的語言大模型或多模態(tài)的大模型，國內創(chuàng)企還是有一定的數(shù)據(jù)優(yōu)勢，譬如字節(jié)或快手的人去做視頻生成，就很有可能做成。我認為在垂直領域，市場規(guī)模足夠大、你進得足夠早，比別人先積累一些領域內的私有數(shù)據(jù)，很有可能做到行業(yè)一霸。”

此外，他也認為未來針對模型推理/訓練的優(yōu)化、AI推理/訓練專用芯片等AI基礎設施方向，也是有比較明確的市場需求。

值得注意的是，目前相較于模型層，應用層暫時屬于失寵狀態(tài)。

過去移動互聯(lián)網(wǎng)或元宇宙浪潮，其最大特點是基礎設施發(fā)展較慢，但基礎設施架構上的應用發(fā)展較快。但到了這一波AI，基礎設施不僅已經迎來爆發(fā)式增長，更在大廠大模型的涌入下，不斷變化著。

在劉天杰看來，這種情況下講應用毫無意義，投入后一旦大廠發(fā)了一個新模型，就可能直接把應用干翻。

“在這種情況下，我們第二波才會看應用。現(xiàn)在的AI公司，如果能在目前中文大模型不那么完善的情況下，釋放功能給C端積累大量的高質量數(shù)據(jù)集，那這家公司才有意義和價值。”

此外，據(jù)鐘偉成透露，4月看大模型的投資人基本會對心儀的項目做最后推進，好幾家已經close了。現(xiàn)在還在市面融資的大模型項目相對變少，但還是會有很多做應用的AIGC項目主動找上門。

在他看來，眼下大廠百家爭鳴，大模型越割裂，對資本來說是一個利好，讓投資機構有機會參與到垂直領域的大模型投資。但對于創(chuàng)業(yè)者來說，無論是模型層還是應用層，都需要想清楚，一是找到一個AI原生的細分領域，二是認真思考其所帶來的根本性變化在哪，只是生成內容，還是內容的理解及后續(xù)合成。

顯然，這新一輪AI浪潮下，找VC拿錢的條件越來越高了。

標簽：