koko体育猎豹移动CEO傅盛与金沙江创投董事及总经理朱啸虎进行了一场“阈值”不同的朋友圈激辩，迅速在业内扩散并吸引了业内众多从业者讨论。

　　创业者的“激情”和投资者的“克制”正好折射出过去半年乃至一年间与大模型有关项目发展的真实写照。

　　一方面，以大模型为主导的AI技术能切实降本增效的前景，几乎让所有企业服务提供商感到兴奋和激动，百模大战仍有玩家入局，与大模型结合落地实践与场景应用、与产业生态融合也正如火如荼。

　　另一方面，通用大模型变现能力不明朗，创业公司商业逻辑难以闭环，C端市场对ChatGPT热度正在放缓（ChatGPT今年一月访问量环比增长率为131.6%，到5月份，这一数据仅为2.8%），二级市场陷入疲态koko体育，国内一级市场投资人谨慎入局。

　　更有甚者，过去一周，“昆仑万维创始人周亚辉前妻李琼借AIGC概念减持风波”与“光年之外创始人及CEO王慧文健康抱恙退场”等等行业事件无疑也在“人工智能”这把热情的火上浇盆冷水。

　　一次大模型浪潮下为何呈现两幅截然不同的面孔，一些投资人真的不看好AIGC赛道吗？从投资视角下，投资人是如何思考的？为此，「ToB行业头条」在近期与常垒资本创始管理合伙人石矛进行了一次对线 如果是我，今年不会选择投大模型相关

　　目前，整体大模型相关产业的演进顺序已经相对清晰，从基础层到模型层再到应用层逐级发展已有布局。从投资视角下，各投资机构也在遵循算力基础设施、硬件载体、大模型平台、应用这样的顺序去寻找收益标的。

　　在大模型发展的早期，最早受关注的应该是算力、算法、数据方向的公司和人才团队。

　　回顾过去半年甚至过去三个季度投融资情况会发现，大量的投资都集中发生在对大模型底层基础技术上的投入，而且基本呈现出“好项目不需要找人投”

　　“底层基础设施大厂和一线超级投资机构抢投”的局面。比如在像由前商汤科技副总裁创立的通用大模型初创企业MiniMax金山办公WPS AI接入的就是MiniMax自研大模型）就吸引了来自腾讯、IDG资本、高瓴资本等大厂和大投资机构的入局。

　　中国当下的算力创业者想在底层大模型训练场景替代国际巨头，还是不现实的。国内已经有几十家做大模型的团队了koko体育，从资金的使用效率角度和时间窗口看，我们对于底层大模型赛道整体Miss了。”石矛进一步说到，百模大战仍在不断涌入新玩家，想必大家都清楚一个事实，尽管投资机构投资底层技术公司是当下相对确定性的机会，但真正能脱颖而出的肯定是少数，AI基础设施本质上还是算力、算法、数据三位一体的东西

　　最后谁能将三者能力整合得好，提供更低成本、更低门槛的能力才是决定整个竞争最重要的点。但目前依旧属于混沌阶段。这也许是投资人保持谨慎观望的原因之一，也是投资正在变少的原因。

　　从目前实地与应用的结合实践上看，模型层与应用层的结合koko体育，产生了不小的鸿沟。

　　“我们目前还没在市面上看到与大模型结合很好的项目出现，尤其是在早期常垒资本接触到很多AIGC类的项目都是在做送水服务

　　石矛此话并非虚言，如果大家只是将AI技术（20%）简单接入到80%的产品和场景当中，这样经过大模型融合的基础能力几乎会在行业内形成同质化

　　投项目的意义最终不是在大模型能力本身，而是在于自身产品过去的护城河，这样的创业机会和差异价值点都会很小，并不会产生所谓的iphone时刻。价值更大的机会一定是基于AI能力原生出的

　　理想状态下koko体育，也许很快模型之争尘埃落定，每个模型都有它的独特性，届时企业会根据各自的模型做出端到端的超级应用，或者有第三方团队基于这些模型构建端到端的超级应用，或许价值点会更大。

　　二是有多少应用是真正基于AI原生出来的端到端的应用，或者创业者自身有没有一个明确的、有优势的大模型规模化产业应用落地案例。

　　这一轮大模型的产业落地和早期以深度学习为代表的AI产业落地有很大的区别，投入也不一样。

　　健康的公司一定是在企业容忍度和技术水平上找到一个平衡，最终才能够实现盈利。像过去的AI产业投入也很多，但总体产出却不尽人意，这也是大家诟病以AI四小龙为首的技术公司会出现大规模亏损的情况，由于技术局限性，导致的实际产业环境碎片化。

　　比如大家都争先涌入闸机人脸识别、支付识别这样的场景当中，根据不同应用、收集不同客户数据做训练、再拿去场景做适配，本质上是在做定制化的小样本、小场景的探索。

　　虽然技术上的准确性和精度达不到大模型的水平，但能达到客户容忍度，完成最终交付，也能实现商业正循环。当然，在基础大模型的加持下，这些小样本场景在未来也不需要太多精调数据，不需要训练太多轮次，就可以获得非常好的结果。

　　如今的AI大模型虽然更“聪明”，可在各个通用场景以及行业场景能达到商业化这件事是否被大家过度神化？

　　对于企业而言，过去的AI技术基于人工在某个小样本上基本可以达到商业可能，但就目前企业接入大模型做智能客服类、智能机器人类的整体体验来看，这代生成式大模型，最大的突破还是基于上下文理解的，通用泛化的多轮对话场景。

　　在技术突破商业化的临界点还没有出现之前，容忍度和技术水平没有达到平衡之前，我们确实需要等待

　　对于大多数企业和创业者而言，碍于自身的发展情况，应该深知不会去做成本投入高昂的大模型，而是思考如何去做融合与重构。

　　并不断地在某一个场景上去演练，形成局部的商业证明，当国内大模型厂商真正突破技术高墙，形成AI生产力的时候，再接入成熟的大模型，可能上手速度也会更快。算法和算力在短时间内都可以追赶和复制，但对数据的处理，反而是对整个大模型领域以及企业服务领域影响最大的因素之一。

　　在以数据为中心的大模型时代，模型能不能出彩实际上主要看数据，数据里面也潜藏着诸多细节，甚至可以决定大模型产品的成败以及企业应用的成败。

　　不管是医疗、工业、消费，甚至是某一个科技的场景，企业如果拿到或者深耕足够多的垂直数据，通过这些数据去设计场景，才会成为企业真正的核心武器。

　　另外koko体育，企业也可以一开始就从AI端做起，真正围绕AI原生去做一个新的交互，最终肯定会是一件翻天覆地的举动，但注定是在黑暗中航行。

　　无论是创业者还是投资者，大家都在摸索阶段，所以在内心上要拥抱变化，AI对于各个行业的变革是必然的，但眼光长远来看，这个变革也一定会经历高峰到低谷再到成熟的阶段。