欢迎来到「C位」，它是CMC资本团队全新打造的与创业圈、科技产业、学术界分享交流的频道。通过这个窗口，我们关注和记录在当下发生的诸如企业数字化、产业智能化、业务自动化、无人驾驶与智能车、新能源技术、元宇宙等一系列科技领域中的技术前沿、创业实践，以及行业趋势思考，内容形式包括业界对话、行业观察、投资观点等等。我们期望以开放的信息分享和坦诚的观点解构为特色，注重质量，持续输出。
近年来，CMC资本对生成式AI技术和公司有着非常密切的关注，我们也在之前的C位栏目中连载了两篇投资人对于这一领域的研究与思考，并获得很不错的市场反馈。前不久，CMC资本董事总经理易然受源橡科创汇邀请，参加以「生成式AI前景与展望」为主题的论坛活动，在会上与行业内的创业公司和投资机构同行就AIGC最新前沿技术、市场趋势、产业链合作机会和发展新机遇等问题进行了深入探讨。借本期C位，我们整理了易然在论坛上交流的一些核心观点，与大家做一个分享。
易然 Yi Ran
CMC资本 董事总经理
专注投资领域：基础软件、云计算、TMT、B2B、生成式AI
对话整理
主持人：
从整个生成式AI的行业划分看，可分为架构层、模型层，还有应用层，可能目前看到的一些创新项目更多的是在应用层以及模型层方面。针对这两个部分，我总结了一些问题，也是目前行业比较关注的焦点。
首先是应用层，我们可以看到2022年下半年开始像Stable Diffusion，它开源了之后，整个文生图的行业、文生图技术其实已经吸引到了很多互联网圈或者投资圈之外的一些普通用户的参与，出现破圈的现象。很多的创业公司都在做相关的产品。我也接触了很多设计师，看到大多数的产品效果，从整个模型的精准度看都不是特别的满意。
另外，我们也能看到Midjourney目前在国外其实已经迈出较为领先的第一步，现在也在逐渐进入到中国。您认为文生图方面的项目还是不是一个好的创业或者投资的机会？如果是或者不是的话，这里面的原因又是什么？在整个图片领域方面，未来还有没有一些比较大的机会？
易然：
文生图确实可能是生成式AI中效果比较显著的应用方向，最先出圈、竞争最白热化，实力强劲的大厂和平台层公司也往往喜欢先在这个方向展示实力。
图片应用可能性非常广泛。我们还是应该落实到具体的文生图应用，是否相对于现有解决方案的明显突破性。比如可以衡量是否能够替代高重复性和高人力消耗的任务，或是在一些人不愿意或难以做到的任务上提供协助。
现在我们见到的很多应用方向，往往还是仅仅停留在普通C端用户的自娱自乐上。也看到一些创业者还没有打开思路，比如解决的仅仅是大量生成相关图片的供给问题，但并没有比现有方案有明显优势。如果你只是需要找一张相关的图片，目前产业中图库资源是非常丰富的，关键词搜索（辅以一定的图片识别能力）可能早就有较好的效果。而且通过文字的生成同样有很多不精确甚至错误。仅仅局限于解决供给或避免版权费用的角度入手可能是不够的，需要更好地理解产业的痛点和工作方式。
另一个值得创业者关注的点是，大公司在自己专注领域的战略定位和影响力。这不仅是文生图方向，也包括其他应用层方向。虽然生成式AI能够带来非常多领域的创新机会，但在少数领域，一些传统技术和软件公司已经建立了非常强的用户习惯和生态。不论是Adobe，Figma/Canva也好，Autodesk和Github也好，尤其是Microsoft；他们本身提供的是完整而强大的应用软件和解决方案，如果生成式AI只是提供了解决方案中的一个单点功能而非颠覆性的能力，非常容易被这些完整的软件平台以插件等方式竞争和集成。
所以创业公司应该从战略上思考清楚自己在价值链上和这些强势公司的关系，否则在起步阶段对于不论是融资，还是真正来到竞争阶段，都会是一个非常有挑战的事情。
我们还是鼓励创业者们再挖深一些，找到一些更具有差异化的方向。我并不认为文生图等方向不能成功，但还是要避免陷入到显而易见的一些单点功能的红海竞争中，尤其是容易被巨头覆盖和自然集成的那些单点功能。有时候甚至反其道而行之，比如对生成式AI产生的内容进行识别和反欺诈，可能都比一些同质化的功能要强。
主持人：
从整个应用层的项目来看，目前可能大家比较聚焦像游戏、web3、数字人、电商，甚至还有包括像做coding、做语音聊天等等，想请您谈一谈，在未来三年或者一定时期之内，最有可能跑出来，并且有较大规模的行业会是哪些个领域？
易然：
这些方向确实都不失为好的应用领域，也有不少公司在做了。说实话，从投资机构的角度做这种预判一般得不出太靠谱的结果。我在此仅提供一个稍微不同的思路吧。
AI从上一代开始其实就是一个普适性能力而不是专门的赛道。尤其到了今天，随着训练和应用成本快速降低，也随着从业者人群的不断壮大，这种能力不但普适，也越来越普惠了。
我觉得一个思路就是，生成式AI的应用方向并不一定要是一个全新的事物，它完全可以结合企业在现有行业的需求场景和工作流。你可能本来就在这个行业里深耕了很多年，最了解核心需要解决的痛点，或哪些问题恰恰可以很好应用生成式AI，也比一般人更有相关的产业经验。无论之前是做软件开发，媒体娱乐，还是营销工具（比如Jasper首先是个martech公司）；甚至稍微传统一些的行业，比如建筑设计、装修或者电商等等，都可能找到应用生成式AI的结合点。
比如做视频编辑或视频广告的公司，可能之前就在服务直播电商或出海电商客户，但有一些环节的具体问题，限制了生产力和效果。有了生成式AI的帮助，替代掉大部分人的环节、批量生产能力加强、成本大幅降低，甚至能够覆盖更多的场景。
与其做一个通用的工具去竞争，或者做一个完全的创新突破，这样一件很难的事情，倒不如发挥好自己在垂直行业的认知和经验。包括从技术的角度上来看，大模型和大厂虽然有它天然的优势，但创业公司能进行很好的fine-tuning, 甚至融合进一些并非基于transformer等主模型架构的微创新，很有可能能取得更好的效果或是成本节约。
主持人：
在模型层，我们能看到国外的像Open AI这样的公司，已经可以称之为是一家比较现象级的企业，他们预计2024年可能能够实现10亿美金的收入。我们注意到现在不少国内的大厂，或者说创业公司都希望对标像Open AI这样的公司。如果从投资角度来看，什么样的公司我们觉得它未来有潜力，能成长为一家比较头部的模型层的公司？这样的公司需要具备哪些条件？
易然：
我们CMC资本自己在孵化一家做大模型的模型层的公司—上海数字大脑研究院，虽然不是在生成领域，但也很了解技术研发上的挑战以及需要投入的资源和心力。而过去一年的整体市场和融资环境大家也都看到了。如果现在只想做一个”Me too”的模型层公司，这扇机会大门肯定是渐渐关上了。哪怕是专注于中文和中国领域的价值可能也有限，因为国内也有诸多大厂在做。这些悲观的因素可能大家都很了解。如果乐观一点，放更长一些的眼光，也许我们应该关注两到三方面因素的变化，未来或许能促成在中国出现成功的模型层创业公司。
第一，模型训练成本在可预计的将来还是处于不断降低的。同时诸多大厂乃至Stability等创业公司已经在不断参与和推动模型层开源。虽然现在大家开源的程度还比较低，尤其是在参数层面。但开源这件事情对于模型层公司也是一个开弓没有回头箭的竞争，大家可能最后都不得不更加开放，以争取把自己打造成最大的平台和生态。这都将使得大家在模型层的创新有一些很好的条件和基础，至少有机会训练出某一领域的SOTA模型。
第二，今天的大模型大多还是沿着语言大模型上的迭代和创新发展出来的，但这也许只是一个流派，而大模型还有更多的可能性。包括OpenAI的创始人也说，很难想象过几年AI还是只按照transformer这个框架或流派走下去。除了生成式AI，在强化学习和一些决策领域其实也在发生很多进展。
就算在原来的流派基础上，我们对于模型本身的工作方式和能力边界也还远没有完全掌握，也看到学术界目前有不少很有意思的研究，尤其是探索怎么样在逻辑推理上对模型做更好的训练。我们还是很期待模型层下一个激动人心的变革出现，也许会不断创造新的机会。
此外，我们也不能排除模型层的能力会因为其关键性，同样成为国际政治和竞争战略的一个焦点。中国可能也需要尽早重视和扶植这方面的企业，不管是新兴公司还是龙头公司。
主持人：
2023年我们正式进入后疫情时代了，在后疫情时代，AI这个行业相对其他行业来说，还是充满了更多的机会和更多挑战。很多新的项目在它刚开始做的时候，收入可能比较少，又会面临例如融资、竞争方面的压力，针对目前的现状，以及对2023年的展望，请您给企业一些有用的建议。
易然：
我们基金和团队，在过去十年也看过不算少的赛道和行业。我个人感觉生成式AI，虽然关注度很高，但对于创业者来说确实算是最有挑战的赛道之一。大家都知道创业在不同的阶段需要不断去最小化技术风险和市场风险，最舒服的阶段当然是两个方面都已经被验证风险较小。但生成式AI在今天，对于很多创业公司来说，这两个风险可能是同时存在。
在今天的市场环境下，虽然已经是后疫情时代了，但是资本市场对于这两种风险同时存在的项目还是手偏紧的。所以我还是不得不老调重弹，希望各位创业者要保持注意力集中，千方百计地尽快达到所谓的product-market-fit，做出客户积极买单的产品。
今天，我们确实也发现还有很多公司的产品甚至在技术上还离能用的效果有不小的差距。可能需要尽快思考下是否需要转型，不管是在技术上采用一些变通的方式达到效果，还是打开思路转到一些相关的方向上去应用。
而如果技术上没有明显问题，千万不要花过长时间闭门造车，生成式AI和产业的结合是比较深的，需要尽快接触不同客户进行碰撞，迭代出可行的产品和业务模式。
