2023 年 8 月 14 日，由 GAIR 研究院、雷峰網(wǎng)、世界科技出版社、科特勒咨詢(xún)集團(tuán)聯(lián)合主辦的第七屆 GAIR 全球人工智能與機(jī)器人大會(huì)在新加坡烏節(jié)大酒店拉開(kāi)帷幕。

在 AI 創(chuàng)業(yè)大爆發(fā)的時(shí)代，作為一個(gè)國(guó)際性的 AI 論壇，此次大會(huì)吸引了眾多亞洲的創(chuàng)業(yè)者和投資人。大會(huì)共開(kāi)設(shè) 10 個(gè)主題論壇，聚焦大模型時(shí)代下的 AIGC、Infra、生命科學(xué)、教育、SaaS等熱門(mén)領(lǐng)域的變革創(chuàng)新。在首天的「GPT時(shí)代的杰出貢獻(xiàn)者」專(zhuān)場(chǎng)，硅谷先鋒投資人、Fellows Fund創(chuàng)始合伙人 Alex Ren 分享了「硅谷視角下的 AI 價(jià)值創(chuàng)造」主題演講。

過(guò)去半年，AI的創(chuàng)業(yè)如火如荼。對(duì)企業(yè)和消費(fèi)者而言，AI 意味著更好的決策、更好的行動(dòng)、更好的結(jié)果以及更好的體驗(yàn)。比起過(guò)去幾年，現(xiàn)在的AI公司有的已經(jīng)開(kāi)始盈利，前景非?？捎^！

Alex Ren 認(rèn)為，當(dāng)前 AI 的投資可以從四個(gè)維度出發(fā)：一是生產(chǎn)力的釋放，即 AI 驅(qū)動(dòng)的工具自動(dòng)執(zhí)行任務(wù)并提供輸出；二是對(duì)產(chǎn)業(yè)的改變，即使用人工智能優(yōu)化流程以提高效率、降低成本并改善結(jié)果；三是 AI 中間層，指 AI 中間層連接 LLM 以構(gòu)建可擴(kuò)展和定制的 AI 應(yīng)用程序；四是 AI Agent（AI 智能體），由 AI 代替人與機(jī)器進(jìn)行互動(dòng)并學(xué)習(xí)。

在與華映資本海外合伙人邱諄的對(duì)話(huà)環(huán)節(jié)中，二人還就 AI 如何顛覆社交媒體內(nèi)容生產(chǎn)方式、初創(chuàng)公司的商業(yè)化路徑等問(wèn)題進(jìn)行了探討。

以下為 Alex Ren 的現(xiàn)場(chǎng)演講內(nèi)容，雷峰網(wǎng)作了不改變?cè)獾木庉嫾罢恚?/p>

AI 投資的四大方向

我們是一家位于硅谷的風(fēng)險(xiǎn)投資基金，與其他 VC 公司看項(xiàng)目的角度不同，我們會(huì)從三個(gè)點(diǎn)出發(fā)：空間，即初創(chuàng)公司的空間在哪里；時(shí)間，技術(shù)發(fā)展的程度如何、是否已進(jìn)入可大量商業(yè)化階段；維度，公司的核心能力是什么、與大公司競(jìng)爭(zhēng)的方法論。

圍繞這三大維度出發(fā)，我們提出了 AI 投資的四大方向。

第一個(gè)方向就是生產(chǎn)力的釋放，即 AI 驅(qū)動(dòng)的工具自動(dòng)執(zhí)行任務(wù)并提供輸出。今天用戶(hù)已經(jīng)普遍可以感受到 AI 工具帶來(lái)的效率提升，比如用 ChatGPT 生成文本、寫(xiě)一首歌、或是寫(xiě)代碼等等，很快就能完成。在我們投資的公司中， Gamma.app、Taskade、CodeComplete、Opus Clip 等幾家AI公司，其技術(shù)模式都是通過(guò) AI 工具組合來(lái)提供 AI 能力，從而提升模型在領(lǐng)域中處理問(wèn)題的能力，提高工作生產(chǎn)率。

第二個(gè)方向是行業(yè)的模式轉(zhuǎn)換。許多行業(yè)都會(huì)有自己的數(shù)據(jù)，例如生物、保險(xiǎn)、家居服務(wù)等等，通過(guò)將 AI 嵌入至行業(yè)的 Workflow 中進(jìn)行優(yōu)化，可以提高效率、降低成本并改善結(jié)果。如我們投資的生物領(lǐng)域的Diffuse Bio, 保險(xiǎn)領(lǐng)域的Kyber,生活服務(wù)領(lǐng)域的LiveX AI等。

第三個(gè)方向是 AI 的中間層。如果說(shuō) AI 技術(shù)的底層是大模型，那在技術(shù)通往最終的應(yīng)用之間，我們將需要更多的中間件，比如 LangChain、LlamaIndex 或其他面向某個(gè)領(lǐng)域或架構(gòu)的中間件工具。如我們投資的Anarchy AI。

第四個(gè)、也是近一兩個(gè)月最熱門(mén)的一個(gè)方向，就是 AI Agent（AI 智能體），AI Agent 很早之前就被提出來(lái)，但直至 GPT 的出現(xiàn)，引起大家對(duì) AI Agent 的思考，目前硅谷有很多工程師都在做這方面的創(chuàng)業(yè)，我們所投的 Anothermind.ai 正是一家新型的 AI agent 初創(chuàng)公司。

簡(jiǎn)單回顧 AI 過(guò)去的三個(gè)階段：最早是 Classical ML 時(shí)期，出現(xiàn)了很多從結(jié)構(gòu)化數(shù)據(jù)和預(yù)定義特征中學(xué)習(xí)的統(tǒng)計(jì)方法。隨后進(jìn)入了深度學(xué)習(xí)階段，神經(jīng)網(wǎng)絡(luò)可以從圖像、文本和音頻等非結(jié)構(gòu)化數(shù)據(jù)中進(jìn)行學(xué)習(xí)。Transformer 以后，我們也邁向了生成式人工智能和基礎(chǔ)模型階段，基于 GPT 方法可以生成各種文本、圖像、代碼或芯片設(shè)計(jì)算法等，可以說(shuō)，生成式 AI 就是下一輪的突破。

我們團(tuán)隊(duì)自 2016、2017 年關(guān)注 AI ，可以發(fā)現(xiàn)，目前 AI 公司與此前的創(chuàng)業(yè)公司相比，其核心區(qū)別在于：過(guò)去幾年中，以自動(dòng)駕駛為代表的場(chǎng)景應(yīng)用在盈利上未及預(yù)期，但今天許多 AI 公司均具備很強(qiáng)的盈利能力，我們已經(jīng)可以看到一些 AI 公司在賺錢(qián)。

那么 AI 到底能夠產(chǎn)生什么價(jià)值？我們將其總結(jié)為更好的決策、更好的行動(dòng)、更好的結(jié)果以及更好的體驗(yàn)。

首先是用 AI 去做更好的決策，比如在市場(chǎng)銷(xiāo)售場(chǎng)景中使用其分析信用評(píng)分、解析金融風(fēng)險(xiǎn)等。

第二，更好的行動(dòng)，即通過(guò)用戶(hù)動(dòng)作推斷、提供更好的推薦個(gè)性化服務(wù)。

第三，更好的結(jié)果，也就是通過(guò)優(yōu)化來(lái)獲得更好的產(chǎn)出結(jié)果。

最后是給用戶(hù)提供更好的體驗(yàn)。舉個(gè)例子，如果你在美國(guó)打電話(huà)給某個(gè)銀行或航空公司經(jīng)常需要等很長(zhǎng)時(shí)間，用戶(hù)服務(wù)體驗(yàn)非常差，但有了 AI 客服對(duì)內(nèi)部流程進(jìn)行優(yōu)化后，用戶(hù)的體驗(yàn)也能得到極大提升。

具體應(yīng)用時(shí)，上述所提及的 AI 體驗(yàn)都需要有一個(gè) Workflow 來(lái)完成。

舉個(gè)例子，媒體寫(xiě)一篇文章需要經(jīng)歷稿件批注、編輯等流程后才能發(fā)表，如果借助 AI 從最開(kāi)始的草稿、文章修改、總結(jié)等來(lái)進(jìn)行輔助，使用 AI 和不使用 AI 情況下，其價(jià)值曲線(xiàn)會(huì)有所不同。

在沒(méi)有 AI 輔助的情況下，受限于個(gè)人能力或速度效率，很快就會(huì)達(dá)到極限。但有了 AI 的幫助，即便是一個(gè)沒(méi)有法律文書(shū)撰寫(xiě)經(jīng)驗(yàn)的作家，也可以借助大模型來(lái)完成相關(guān)文書(shū)的編寫(xiě)，對(duì)內(nèi)容進(jìn)行有效的補(bǔ)充，同時(shí)通過(guò)人的不斷學(xué)習(xí)，進(jìn)一步提升我們創(chuàng)造價(jià)值的能力。在這個(gè)過(guò)程中，AI 通過(guò)理解人的需求做推斷和執(zhí)行，最后在寫(xiě)作的流程中完成對(duì)人的輔助。

這里簡(jiǎn)單介紹一下大模型如何用 Agent 來(lái)提升自身的能力。

由于大模型是基于歷史數(shù)據(jù)進(jìn)行訓(xùn)練的，因此無(wú)法理解當(dāng)下所發(fā)生的事件。假設(shè)我們讓大模型將今天東南亞所有城市的天氣溫度做個(gè)排名，這個(gè)時(shí)候，大模型就需要一些工具去能夠同外界溝通以獲取這些信息，再基于信息完成推理，這就是 Agent 的概念。也就是說(shuō)，Agent 時(shí)大模型的眼睛、耳朵，使大模型能夠理解環(huán)境，從而能夠處理我們現(xiàn)在的信息。

大模型革新 Agent 范式

接下來(lái)我想討論的問(wèn)題是，AI 能為我們做些什么事情呢？

主要包括三個(gè)方面，分別是自動(dòng)化和輔助性 AI，即 AI 在 Workflow 里邊如何將流程自動(dòng)；釋放創(chuàng)造性；更好的人機(jī)交互。

在自動(dòng)化和輔助性 AI 中，我們可以用兩個(gè)維度的區(qū)分其不同價(jià)值。面對(duì)復(fù)雜度較低、任務(wù)量大的問(wèn)題，通過(guò)將 AI 嵌入至 workflow 自動(dòng)化流程，可極大提高企業(yè)的生產(chǎn)效率；在面對(duì)復(fù)雜度更高的任務(wù)時(shí)，AI 則是作為人的工具、扮演輔助性角色。比如在藥物開(kāi)發(fā)、材料設(shè)計(jì)領(lǐng)域中，任務(wù)本身比較復(fù)雜，對(duì)專(zhuān)業(yè)性知識(shí)的要求也更高，因此它所利用的 AI 能力往往不是一個(gè)會(huì)畫(huà)畫(huà)的 AI 所能解決的。

舉一個(gè)我們之前投的用 AI 做項(xiàng)目管理的案例。在Taskade中，向 AI 發(fā)出一個(gè)市場(chǎng)營(yíng)銷(xiāo)方案的指令，并生成各種用戶(hù)身份角色，將打包好的各種 PDF 文件交給 AI 作文本分析和處理，這種就屬于任務(wù)驅(qū)動(dòng) AI。

它是一個(gè)集成式的任務(wù)管理工具，加上 AI 嵌入，可對(duì)完成的生產(chǎn)環(huán)節(jié)實(shí)現(xiàn)全流程管理。這個(gè)工具中很重要的一點(diǎn)，就是對(duì)用戶(hù)行為的研究，以?xún)?nèi)容去跟用戶(hù)做交互，內(nèi)容的生產(chǎn)也可以直接根據(jù)用戶(hù)行為來(lái)生成，并從用戶(hù)側(cè)得到反饋反哺模型，同時(shí)還可以借助個(gè)性化推薦把產(chǎn)品廣告推送給用戶(hù)。

因此我們認(rèn)為，這應(yīng)該是下一代電商、零售領(lǐng)域發(fā)展的大趨勢(shì)。

要注意的是，基于大模型釋放生產(chǎn)力這件事今天如微軟等大公司也在做，初創(chuàng)公司又該如何競(jìng)爭(zhēng)？

我們發(fā)現(xiàn)，很多大公司在 AI 產(chǎn)品體驗(yàn)上往往存在「最后一公里」未能達(dá)到的問(wèn)題，也就是說(shuō)，雖然它們的產(chǎn)品、技術(shù)能力非常強(qiáng)，但是在后期的迭代、用戶(hù)交付體驗(yàn)等方面通常會(huì)做得比較差，這或許可以成為初創(chuàng)公司同大公司競(jìng)爭(zhēng)的一個(gè)間隙——迭代足夠快，給用戶(hù)提升更好的體驗(yàn)。

例如此前我們投資的一家AI 視頻生成公司Opus.pro，上線(xiàn)僅兩個(gè)月時(shí)間已經(jīng)收獲了一大批忠實(shí)客戶(hù)。用戶(hù)只需輸入一個(gè) YouTube 視頻鏈接，平臺(tái)即可在三四分鐘內(nèi)生成十幾個(gè)短視頻，并將視頻直接分發(fā)至 TikTok、Instagram、YouTube 上。類(lèi)似的AI內(nèi)容生成能力在游戲、電影等方面都有很大的潛力。

而在用戶(hù)交互溝通上，AI 還可以解決在自然語(yǔ)言理解上的問(wèn)題，例如人和機(jī)器的交互、不同地區(qū)語(yǔ)言的溝通等，與過(guò)去以 API Call 為主的交互方式不一樣，大模型的出現(xiàn)使得交互方式也發(fā)生巨大轉(zhuǎn)變，這種通過(guò)大語(yǔ)言模型理解、人機(jī)和人人交互的模式，形成了以 Agent 為主的全新交互范式。例如在翻譯、搜索等場(chǎng)景，許多工作正在被 AI 重新定義。

但同時(shí)我們也要看到大模型的局限性。比如搜索的幻覺(jué)、信息滯后等問(wèn)題。舉個(gè)例子，當(dāng)我們向 Google 搜索某個(gè)人的離職消息時(shí)，由于模型訓(xùn)練使用了大量過(guò)去的數(shù)據(jù)進(jìn)行訓(xùn)練，信息未能及時(shí)更新時(shí)，大模型所生成的答案就會(huì)產(chǎn)生錯(cuò)誤結(jié)果。需要通過(guò)人的指正或引導(dǎo)，對(duì)問(wèn)題加以進(jìn)一步的綜合處理和迭代，最后才能得出一個(gè)正確的結(jié)論，這就是我們目前強(qiáng)調(diào)在搜索場(chǎng)景下的大模型革新。

在自動(dòng)化測(cè)試應(yīng)用上，目前 AI 也被應(yīng)用于藥物篩查、新材料設(shè)計(jì)等方面，比如在藥物篩查設(shè)計(jì)領(lǐng)域，過(guò)去一個(gè)藥物元素的研發(fā)周期長(zhǎng)達(dá) 7 到 12 年，通過(guò) AI 輔助可以有效縮短藥物的研發(fā)周期。如我們投資的Diffuse Bio和Persist AI，分別將 AI 應(yīng)用在藥物篩查和藥劑封裝上面。

AI 生態(tài)系統(tǒng)和投資架構(gòu)如今也發(fā)生了很大的變化。 如果將最底層定義為 AI 的操作系統(tǒng)，這個(gè)操作系統(tǒng)中包括了各種框架，比如 TensorFlow、PyTorch、計(jì)算機(jī)硬件以及開(kāi)放領(lǐng)域數(shù)據(jù)等。基于開(kāi)放領(lǐng)域數(shù)據(jù)可以處理一些開(kāi)發(fā)領(lǐng)域的模型，例如常見(jiàn)的各種 GPT 模型、Diffusion model 等，這是我們對(duì)最新的操作系統(tǒng)的定義。

在這個(gè)基礎(chǔ)上加入垂直領(lǐng)域數(shù)據(jù)，這些數(shù)據(jù)是 OpenAI 或者 Google 等公司都不具備的數(shù)據(jù)，基于特定領(lǐng)域訓(xùn)練專(zhuān)有的領(lǐng)域大模型，輔以工具對(duì)模型進(jìn)行更好的訓(xùn)練，解決向量數(shù)據(jù)庫(kù)以及數(shù)據(jù)私有化等問(wèn)題，加上今天很熱的 Chat Agent 輔助人做一些事情，還有部分面向特定應(yīng)用領(lǐng)域用 AI 重塑用戶(hù)體驗(yàn)的工作。

過(guò)去，互聯(lián)網(wǎng)將我們數(shù)字化，不管是人、場(chǎng)景、物體、或行為，基于數(shù)字化衍生搜索引擎、各種電商平臺(tái)等，以互聯(lián)網(wǎng)的形式對(duì)其進(jìn)行管理。但到今天，我們所要做的事情，變成了如何將部分任務(wù)或 AI 可實(shí)現(xiàn)的問(wèn)題做成 Agent，實(shí)現(xiàn)自動(dòng)化、更高效地處理，這將成為AI下一個(gè)突破的焦點(diǎn)。

通過(guò) AGI（Artificial General Intelligence、通用人工智能），未來(lái) AI 超越人將成為可能，并將人釋放至更具創(chuàng)造性、有價(jià)值的事情中去。我們可以轉(zhuǎn)去做一些更有意思、有價(jià)值或是更需要「人」的能力的一些事情。 AI 的發(fā)展?jié)摿Ψ浅４螅也⒉粨?dān)心，在這當(dāng)中，我們看到的是每一代的技術(shù)革新給人類(lèi)帶來(lái)的便利，使人類(lèi)得以做更多有價(jià)值的事情。因此，我們也希望未來(lái)能夠更好地為各個(gè)領(lǐng)域的創(chuàng)新者提供支持，在硅谷、在全球各地幫助大家創(chuàng)立一些偉大的事業(yè)！

Alex Ren 對(duì)話(huà)華映資本邱諄

邱諄：我在硅谷投資多年，近期主要是中美之間跑得多，比較關(guān)注中國(guó)企業(yè)出海的一些方向，AI 正是這當(dāng)中最重要的一塊。想請(qǐng)教 Alex 的第一個(gè)問(wèn)題，剛剛你提到了許多關(guān)于 AI Value Creation（AI 價(jià)值創(chuàng)造），我們常說(shuō)當(dāng)中 Value Creation 的部分就是 AI，作為創(chuàng)業(yè)公司中的一個(gè)關(guān)鍵因素，可否分享一些案例是如何落地的？社交媒體和電商目前已經(jīng)進(jìn)入瓶頸期，AI 能否帶來(lái)什么顛覆性的改變？從投資角度如何評(píng)估？

Alex Ren ：當(dāng)前我們看到很多關(guān)于 AI 的討論，主要圍繞如何融入日常工作生活幫人們節(jié)省時(shí)間提高效率，另一方面就是在娛樂(lè)和交互上。

AI 的一大優(yōu)勢(shì)在于其講故事的能力，傳統(tǒng)的故事內(nèi)容生產(chǎn)無(wú)論是電影、小說(shuō)還是 YouTube 上的視頻，其背后都是人完成的。我經(jīng)常舉個(gè)例子，例如曹雪芹寫(xiě)《紅樓夢(mèng)》，賈寶玉出家、林黛玉死去，這個(gè)故事是既定的，但新時(shí)代的敘事邏輯中，每個(gè)人應(yīng)該都能去體驗(yàn)紅樓夢(mèng)，并且所得到的結(jié)果是不一樣。例如在我的故事里，我可以跟賈寶玉聊天，問(wèn)他為什么要出家，我也可以改變林黛玉的結(jié)局。

因此，Gen AI實(shí)際上是一個(gè)產(chǎn)生新時(shí)代下內(nèi)容敘事邏輯非常好的機(jī)會(huì)。每一代的社交媒體用新的方式產(chǎn)生內(nèi)容，這種新的方式也產(chǎn)生了一種新的媒體，因此，新的媒體實(shí)則是一個(gè)高度個(gè)性化的敘事工具。電商同樣如此，未來(lái)的亞馬遜電商平臺(tái)是不是可以用 Peer to Peer 的模式，用模型在背后去理解人的需求，匹配需求，甚至是生產(chǎn)。 因此，這種傳統(tǒng)大平臺(tái)的形式在未來(lái) AI 發(fā)展過(guò)程中或許將被完全顛覆，我們需要做的是找到、并放大這些機(jī)會(huì)，去產(chǎn)生新代社交媒體、新的電商平臺(tái)，它的方式可能完全不同于我們今天所用的方式。

邱諄：這個(gè)很有意思，也提醒了我電商最早的形態(tài)其實(shí)是 P2P。確實(shí)，從 Unit Economics（單位經(jīng)濟(jì)效益）角度來(lái)講，這種有太多人工運(yùn)營(yíng)干預(yù)的模式較難實(shí)現(xiàn)，但如果用 AI、尤其用大模型的方式，這可能變成一個(gè)很非常核心的方向。第二個(gè)問(wèn)題，如果從商業(yè)化路徑層面來(lái)看，能否給 AI 大模型創(chuàng)業(yè)公司一些方向？

 

Alex Ren ：從初創(chuàng)公司的角度來(lái)說(shuō)，我們要清楚自身的局限性，也即是我們能做什么？擅長(zhǎng)什么？

正如我前面所說(shuō)的，初創(chuàng)公司在跟大公司競(jìng)爭(zhēng)時(shí)，其優(yōu)勢(shì)并不在訓(xùn)練模型或是做 Infra 上，反而在實(shí)現(xiàn)客戶(hù)價(jià)值上有一定的可能性。中國(guó)創(chuàng)業(yè)者有一個(gè)特別的優(yōu)勢(shì)，就是在互聯(lián)網(wǎng)時(shí)代學(xué)會(huì)了如何快速迭代、找到用戶(hù)的痛點(diǎn)。消費(fèi)互聯(lián)網(wǎng)不是一個(gè)「你告訴我需求、我給你做」，而是「我們大家講一句話(huà)，把一大堆泥巴扔到墻上，看哪一塊可以黏住，我們就選擇那個(gè)東西」的模式，這種模式今天做 AI 也適用。 另外，我們要注意 adoption（落地）速度。市場(chǎng)上有三種不同的客戶(hù)，一種是 To C，一種是 Prosumer（專(zhuān)業(yè)消費(fèi)者），第三種是企業(yè)。就今天市場(chǎng)而言，顯然 To C 和 Prosumer 的落地速度要快多了，但企業(yè)場(chǎng)景會(huì)更慢。因此在這個(gè)過(guò)程中，初創(chuàng)公司要想清楚你的落地場(chǎng)景、你的客戶(hù)是誰(shuí)，他們的痛點(diǎn)是什么？你 adoption 的速度快不快。如果落地速度比較慢，對(duì)公司發(fā)展而言是比較痛苦的，企業(yè)能夠構(gòu)建的就是技術(shù)門(mén)檻。當(dāng)然這也可以做，但就相對(duì)比較慢一點(diǎn)。

邱諄：我也補(bǔ)充一下。其實(shí)今天我們看很多跟商業(yè)化相關(guān)的項(xiàng)目，我們還是比較看重創(chuàng)業(yè)者本身及其產(chǎn)業(yè)背景、他對(duì)應(yīng)用場(chǎng)景的理解等。從大模型領(lǐng)域來(lái)看，中美初創(chuàng)公司路徑差異主要有兩塊：一個(gè)是實(shí)現(xiàn)的路徑，第二塊是 adoption 的狀況。從你的觀察來(lái)看，二者有沒(méi)有一些差異？

 

Alex Ren ：今天不管是中國(guó)還是新加坡的創(chuàng)業(yè)者，普遍在 To C 和 To SMB 上比較有優(yōu)勢(shì)，但 To Enterprise 是比較難一些，因?yàn)槠髽I(yè)客戶(hù)在美國(guó)市場(chǎng)化這塊也是一個(gè)很大的挑戰(zhàn)，每個(gè)美國(guó) To B 企業(yè)中都需要建立一個(gè)很大的銷(xiāo)售團(tuán)隊(duì)和市場(chǎng)團(tuán)隊(duì)，這不僅是中國(guó)的公司，可以說(shuō)是所有海外創(chuàng)業(yè)者都會(huì)遇到的挑戰(zhàn)。

二者的差異在于，硅谷多數(shù)初創(chuàng)公司在 A 輪之前很少會(huì)講宏觀戰(zhàn)略，更多聚焦在產(chǎn)品如何解決用戶(hù)痛點(diǎn)，這個(gè)是最關(guān)鍵的，另外就是發(fā)展趨勢(shì)，因此會(huì)更落地一些。硅谷往往強(qiáng)調(diào) PLG，Power Lead Growth，通過(guò)產(chǎn)品功能的提升來(lái)吸引用戶(hù)使用，這是一個(gè)核心捷徑，關(guān)注用戶(hù)每次對(duì)產(chǎn)品的問(wèn)題反饋，再進(jìn)行快速迭代。

 

邱諄：目前國(guó)內(nèi)的AI公司非常多，不管是應(yīng)用層、底層包括 Infra 層，大家都很活躍。相比之下在美國(guó)創(chuàng)業(yè)公司的 adoption 進(jìn)度如何衡量？大概在一個(gè)什么樣的階段？

 

Alex Ren ：現(xiàn)階段比較成熟的是文本、文生圖。從最早的公司 Jasper AI，到 ChatGPT，以及文生圖領(lǐng)域的 Midjourney，其實(shí)它們落地的速度都很快。但它們共同的特點(diǎn)就是，都是面向 C 端的消費(fèi)者或 Prosumer。

美國(guó)公司有一個(gè)很有意思的現(xiàn)象，就是比如說(shuō) Midjourney 是通過(guò) Discord 這樣的一個(gè)平臺(tái)去調(diào)用的，即我們?cè)诨ヂ?lián)網(wǎng)時(shí)代講的網(wǎng)絡(luò)效應(yīng)，在 Discord 社區(qū)里使用 Midjourney 時(shí)，每次生成的圖片用戶(hù)都能看到，Prompt 也都能看到，有了別人的案例后我也可以來(lái)進(jìn)行生成，這個(gè)網(wǎng)絡(luò)效應(yīng)就在用戶(hù)之間互相學(xué)習(xí)，因此 Discord 也是一個(gè)很重要的產(chǎn)品發(fā)行平臺(tái)，尤其是針對(duì) Prosumer 來(lái)講，大家可以很快形成社區(qū)。

這種模式對(duì)早期公司而言非常重要，在用戶(hù)之間形成的網(wǎng)絡(luò)效應(yīng)能加速產(chǎn)品傳播，使用戶(hù)群體很快就爆發(fā)了。當(dāng)然，就目前來(lái)說(shuō)，現(xiàn)在爆發(fā)的應(yīng)用還是以文本、二維圖像生成處理為主，其他技術(shù)還不夠ready，仍在發(fā)展中。 

（雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))雷峰網(wǎng)）

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。