建立面向AI的新战略

摘要： 套用一个流行句式：“当我们说‘AI时代’时，我们在说什么？”对创业者而言，这个问题指向对移动互联网时代与AI时代生态差异的认知。具备同样素质的创业者，在移动互联网创业浪潮中能脱颖而...

套用一个流行句式：“当我们说‘AI时代’时，我们在说什么？”对创业者而言，这个问题指向对移动互联网时代与AI时代生态差异的认知。具备同样素质的创业者，在移动互联网创业浪潮中能脱颖而出，在AI浪潮中则可能溺水而亡。像王小川这样经历过多次洗礼的老炮，以及正谋求所谓“拥抱AI”的头部科技企业，也都需要完成自己能力的代际切换。

创业中有一些永恒的要素，如资本、技术、场景等，从移动互联网时代到AI时代都发生了一定变化。

首先，从资本角度看。中国一级市场的快速发展，与互联网和移动互联网的崛起相伴而生，因此之前一级市场更适应互联网和移动互联网的投资逻辑，和这套投资逻辑交互影响的就是商业逻辑，即追求边际效益的*化，随着规模扩张，当双边平台网络足够大，边际成本趋于零的公司*竞争力。如果用户规模到达某个级数，新盈亏平衡点出现，之后营收会呈指数性增长，最后赢家通吃。

从搜索到电商，从O2O到共享经济，赢家都沿着这套逻辑杀出来。资本需要支撑它们前期大规模“烧钱”，跑马圈地，以换取流量与市场份额。换而言之，资本本身就是移动互联网时代的核心竞争力。

但类似投资逻辑在今天已经不适用，如果沿用过去的框架来看市场，投资会很难，融资会更难。过去18个月以来，移动互联网逻辑下的很多公司，即使盈利能力很好，商业模式成熟，往往上市前最后一轮估值都会腰斩，或者多次递表也难以IPO。即使成功敲钟，往往在二级市场日均交易量也不活跃，无法给投资人赚钱。这其中自然有全球资本市场大环境的影响，但也需要重新审视投融资模式。

AI时代，模型公司需要花费巨大精力去提供定制化解决方案，这意味着投资不再严格遵循“数一数二”原则，移动互联网赢者通吃的局面很难出现，不会出现投 中一个巨头公司拿下一个庞大市场中的大部分份额的情形。

另外，如创新工场管理合伙人汪华在一次访谈中所说的，投资人在移动互联网早期“无共识而有行动”，对其前景缺乏一致认知，甚至很多人认为和PC互联网一样，创业者很难摆脱运营商控制。从2008年到2013年，用了5年时间共识才达成。尽管如此，这5年来移动互联网投融资活跃度依然很高，因为大家都不愿意错过周期性机会。大模型创业则是“有共识而少行动”，各方面几乎从*天开始就达成共识，ChatGPT发布两个月时间全球用户过亿，是史上用户增长最快的消费级应用程序。可大模型投融资降温速度也快于移动互联网早期，研究机构CB Insights发布过一份《2023年人工智能（AI）行业现状报告》，称2023年中国AI领域投融资数量约为232笔，同比下降38%；融资总额约为20亿美元，同比下降70%。

移动互联网时代，一级市场还是美元基金天下，追求小概率下的大成功，而AI时代，国内一级市场已经人民币化，更追求确定性回报。受这种偏谨慎风格的影响，创业者如何获得资本助力将是个新课题。

再看技术。一种技术一旦成为基础生产要素，上层所构建的商业建筑就会被重构，无论是工作方式，工具、协作方式、组织形式、商业模式、用户体验都会变得不一样。移动互联网如此，AI也会如此。只是不同的基础生产要素，所构建的商业建筑也不一样，更何况AI可是更底层的生产要素。

移动互联网时代同样存在技术壁垒，同样需要产品主义，只是经过之前PC互联网长期铺垫，不存在高成本与高门槛问题，关键是谁能在同样基础上做出更符合用户需求的应用。AI时代用户使用门槛与成本出现了百倍级下降，1.0阶段AI全部都是任务导向，假设做词性标注、车牌识别、人脸识别，每个不同任务都需要挑一套独立算法，实现一套独立逻辑，训练一个独立模型。到了2.0阶段，它已经是通用任务大师。即使如此，与移动互联网刚兴起时相比，门槛和成本依然很高，对算力、算法和数据的要求，更远远超出移动互联网创业的要求。

降本增效是企业永恒话题，AI时代的成本与效益计算方式和移动互联网时代不同。移动互联网具备重链接、轻算力点，需要最快产生网络效应，而快速获客不是AI时代企业达到盈亏平衡点的核心要素，后者在于单位用户算力成本与单位用户智能服务等效收益间的比较。因此过去创业先要考虑买怎样的云服务，很快可能需要考虑买多少Token，财务模型都会受到影响。

一些技术概念也发生了相应变化。以数据为例，移动互联网公司曾普遍认为结构化数据才能叫数据资产，因为之前大家更擅长处理结构化数据。实际上一家商业机构合同文本、会议纪要、采购单、发票、财务报表等，以文本、视频、音频等不同形式存在，至少95%都是非结构化的，这导致大量数据处于浪费状态。

AI时代非结构化数据有了重新激活的可能。大模型可以理解多种数据格式和上下文，生成自然语言文本，进而对非结构化数据进行处理和分析，反而过于结构化的数据因为人为标注，某种程度上视为受到污染，损失了上下文信息，因此连关于数据资产的定义都已不同。

就场景而言，移动互联网通过终端设备拓展了大量新场景，根据新场景又产生原生应用，这些应用更像有温度的工具。AI时代则模型、数据、场景完全统一，交互界面更加丰富，未来通过具身智能还可以将交互从数字世界拓展到物理世界。现在C端用户对大模型感知最深的交互场景依然是对话，其实大模型不是一种工具，而是一种能力，它最终会润物细无声地进入到生产和生活每个场景，在用户没有感知的情况下就达到全新体验。

移动互联网的商业化场景先自C端发力，从消费互联网普及，到2018年进入产业互联网阶段。当前业内较为统一的看法，是大模型*落地的商业化场景在B端，而在企业级市场，大模型会有更深度的场景应用。例如机器人过去能做到精确地抓取规则的零部件，但如果今天应用模型能力，要抓取不规则的零部件，机械臂需要通过机器视觉来判断，这要依赖一系列工程化的复杂解决方案。

从研究的角度，科学家自然希望能有一个或几个大模型解决一切场景中的问题，而具体到商业场景中落地，基础模型公司也会遇到自己的能力边界。Agent（智能体）的能力，本质上还是“模型能力+应用能力”，模型只是其中一部分。在最后一公里场景，更离不开Know-How和模型能力的结合，需要比移动互联网时代对垂直场景有更深刻的理解。

如智谱AI的COO张帆所说，当前面对大模型，企业容易产生两种极端思维。一种把它当成许愿池，好像什么都可以搞定；另一种，每时每刻都找一些大模型干不成的事，证明它不行——这两个极端都不对。当前对所有企业而言，都需要跳出极端，构建真正基于AI的新战略。

创业者的正确姿态是：首先要找到合适的基座模型矩阵；然后搭建与之配套的组织——AI时代的组织与移动互联网时代的组织会变得不一样，要将业务与技术更紧密结合，还要让数据工程师、微调工程师等扮演更重要角色；最后，要把数据资产转化为业务场景，进入应用。最终这一切流程，会成为正向飞轮，在场景中每转一圈，公司的能力才会更强。