《AI未來指北》欄目由騰訊新聞推出，邀約全球業(yè)內(nèi)專家、創(chuàng)業(yè)者、投資人，探討AI領(lǐng)域的技術(shù)發(fā)展、商業(yè)模式、應(yīng)用場景、及治理挑戰(zhàn)。
文 / 騰訊科技 周小燕
(相關(guān)資料圖)
ChatGPT的出現(xiàn)，像極了2007年iPhone出世的時刻：由于基礎(chǔ)設(shè)施不夠成熟，人們很難想象未來的應(yīng)用產(chǎn)品畫像 。但曾經(jīng)iPhone掀起移動互聯(lián)網(wǎng)創(chuàng)業(yè)浪潮的經(jīng)歷，讓如今的投資人和創(chuàng)業(yè)者蓄勢待發(fā)，時刻為新的“iPhone時刻”的到來做準(zhǔn)備。
從2020年GPT-3出現(xiàn)開始，英諾天使基金合伙人王晟就一直關(guān)注生成式預(yù)訓(xùn)練模型的機會，在期間做了很多相關(guān)的思考和探索，他將新一代AI的投資自下而上分為三個層次：AI Infra、大模型和應(yīng)用。
AI Infra板塊主要看國產(chǎn)替代的機會，比如無損網(wǎng)絡(luò)、算力和軟件及生態(tài)機會；
大模型板塊包括語言大模型LLM，多模態(tài)大模型如圖像生成式AI、視頻生成式AI等，垂類域比如AI for Science & AI for Industry；
應(yīng)用端板塊主要分為AI改造舊場景以及AI創(chuàng)造新場景的機會。
他認為，當(dāng)下算力、模型訓(xùn)練框架層面還存在需要補足的地方，我們正處于完善AI訓(xùn)練和運行（推理）所需的基礎(chǔ)設(shè)施的階段，應(yīng)用端還沒有太好的投資標(biāo)的。可以一邊搭建基礎(chǔ)設(shè)施，一邊等待新的應(yīng)用機會和商業(yè)模式出現(xiàn)。
在大模型板塊上，王晟認為“AI for Science”的想象空間非常大，在諸如航空航天、軍艦甚至建筑和半導(dǎo)體設(shè)計方面，AI可能可以替代頂級科學(xué)家的計算和求解能力。
核心觀點：
1小模型的核心問題是無法泛化，它太“愚蠢”了，現(xiàn)在鼓吹小模型的無非是2個點：第一，大模型貴，但這是成本問題，后續(xù)通過工業(yè)化、規(guī)模化方式可以解決這一點，核心還是如何滿足用戶需求；第二，在有的場景里面，我們可能無法使用大模型，諸如對實時性要求較高、或者功能單一的IoT設(shè)備，比如：智能攝像頭、智能降噪耳機，在這些板塊小模型確實有一定需求，但主流的范式不會是小模型。 2在移動互聯(lián)網(wǎng)的創(chuàng)新涌現(xiàn)之前，各行業(yè)也都是原先業(yè)務(wù)的“大家伙”做一個遷移、換個流量入口而已。在AI時代也是，先是底層的Infra完善、工具鏈完善、開發(fā)環(huán)境完善，然后涌現(xiàn)創(chuàng)業(yè)者，再做業(yè)務(wù)移植。如果只依靠移植，不會產(chǎn)生什么真正的投資或創(chuàng)業(yè)機會，只有等“移植”階段過去，才會真正進入到模式創(chuàng)新的時代。 3現(xiàn)在處于AI Infra時代，傳統(tǒng)業(yè)務(wù)正逐漸遷移到AI中，在這個時代可能沒有太好的應(yīng)用端投資標(biāo)的，主要的投資機會還是在基礎(chǔ)設(shè)施上。基礎(chǔ)設(shè)施投資是一個長期的過程，但最重要的窗口是在當(dāng)下這個時代，后面的投資窗口可能會遷移到比如商業(yè)模式創(chuàng)新的板塊了。 4“AI for Science”板塊非常值得關(guān)注，這個板塊最重要的是“科學(xué)計算”，但主要是微軟和DeepMind在做，創(chuàng)業(yè)公司可能沒什么機會。比如設(shè)計一個大飛機，需要很多空氣動力學(xué)上的研究，目前都是需要依靠極其頂級的科學(xué)家來設(shè)計和求解、論證。如果AI來做這件事情，它就能解決很多問題，包括航空航天、軍艦甚至建筑和半導(dǎo)體設(shè)計。 5大模型+自動駕駛面臨的挑戰(zhàn)非常大，最大的問題是它對錯誤的容忍度太低。ChatGPT胡說幾句話無所謂，但用在自動駕駛上，哪怕是百分之一或萬分一的錯誤，都可能會出現(xiàn)很大的安全問題。英諾天使基金合伙人 王晟
以下為訪談內(nèi)容整理：
騰訊科技：這半年因為AIGC領(lǐng)域的關(guān)注度較高，一級市場的投資氛圍也很“卷”，大家都在尋找各種投資機會，投資人群體在這段時間的心態(tài)是怎么樣的？
王晟：絕大部分投資人是比較焦慮的，但也不完全是因為大模型，現(xiàn)在整個經(jīng)濟環(huán)境和投融資環(huán)境都比較令人焦慮。整個金融市場環(huán)境不利于資金流動，而較差的資金流動性不利于項目退出，從而形成一個不好的循環(huán)：沒有退出就會影響募資，影響募資就會影響投資。
在投資人群體里面，相比較于人民幣基金，美元基金投資人會更“沖動”一些。在過去，由于政策的原因，新能源或硬科技創(chuàng)業(yè)團隊不太敢要美元的錢，但AI對美元VC而言是一個很好的投資窗口，畢竟傳統(tǒng)的人民幣基金很難承受AI創(chuàng)業(yè)公司的長周期投資要求。
騰訊科技：在這波熱潮里，英諾基金的投資心態(tài)是怎樣的？
王晟：我們比較淡定，因為我們在大模型領(lǐng)域已經(jīng)深耕很長時間了。去年6月份，我們投資了預(yù)訓(xùn)練模型技術(shù)服務(wù)商深言科技，它的主要目標(biāo)是用NLP技術(shù)，尤其是大模型（LLM）技術(shù)，全流程服務(wù)信息處理。
如果追溯到更久，實際上在前年（2021年）下半年，我們內(nèi)部就非常確定，未來是大模型的世界，小模型的機會不多。
當(dāng)然，關(guān)于大模型和小模型誰更有機會，目前依舊存在爭議。在一些對安全性要求比較高的特定場景里，比如政府、企業(yè)等組織確實需要部署一些私有模型，但這并不代表整體市場的發(fā)展方向。我認為未來的主流方向在大模型，沒有小模型的世界。大模型像云服務(wù)一樣，它是新一代互聯(lián)網(wǎng)業(yè)務(wù)的基礎(chǔ)設(shè)施。
本來我們預(yù)估這兩年大模型的投資熱度會緩慢升溫，但Open AI突然發(fā)布ChatGPT，一下子點燃了這個賽道，突然涌現(xiàn)出很多大模型團隊，我們剛開始看這個賽道的時候根本不存在這些團隊。
騰訊科技：你們前年就發(fā)現(xiàn)大模型是趨勢，小模型沒什么機會，當(dāng)時經(jīng)歷了哪些實驗得出這個結(jié)論？
王晟：小模型的核心問題是無法泛化，它太“愚蠢”了，比如今天小模型能認出農(nóng)夫山泉，明天把農(nóng)夫山泉瓶子換成藍色的，它可能就不認識了。現(xiàn)在鼓吹小模型的無非是2個點：
第一，大模型貴，但這是成本問題，后續(xù)通過工業(yè)化、規(guī)模化方式可以解決這一點，核心還是如何滿足用戶需求。
第二，在有的場景里面，我們可能無法使用大模型，比如對安全性要求比較高，或者功能單一的IoT設(shè)備，如智能攝像頭、智能降噪耳機，它對實時性要求太高，大模型跑不進去。從這個角度來看，小模型確實有一定需求，但主流的范式不會是小模型。
大模型會成為主流，其中語言大模型是人工智能皇冠上的明珠，畢竟人類的知識大部分以語言文字的方式承載，維特根斯坦講人類語言的邊界就是我們思維的邊界。除了語言大模型之外，我們也非常關(guān)注其他模態(tài)的AI大模型，比如：圖像、視頻、3D等等。
2020年，Open AI發(fā)布GPT-3，我們初步預(yù)測生成式預(yù)訓(xùn)練語言模型是未來的方向；
2021年4月底，Open AI發(fā)布DALL-E模型之后，文生圖的模型更加趨向成熟，整個科研界都覺得這個路子是對的，它創(chuàng)建了CLIP+Diffusion的技術(shù)范式，接下來Stable Diffusion、Midjourney都順著這個技術(shù)路徑走，它比過去GAN、VAE“文生圖”模型更容易泛化，所以從2021年下半年開始，我們非常關(guān)注文生圖大模型范式；
2021年其實還涌現(xiàn)出很多其它多模態(tài)相關(guān)的AI技術(shù)，除了文生圖的CLIP+Diffusion，還有谷歌發(fā)布的NeRF，這是一種基于神經(jīng)場的渲染技術(shù)，可以用來生成視頻流或者重構(gòu)成3D Mesh。谷歌也利用NeRF技術(shù)重構(gòu)了舊金山市。
從2021年下半年開始，大模型被我們定義為一個很重要的投資方向，我們順著這個方向?qū)ふ翼椖俊５牵覀円灿龅搅撕艽蟮奶魬?zhàn)：真正投入做大模型的比如IDEA研究院、華為、百度，是我們投資不進去的；而市場上又找不到能做大模型的團隊，所以有勁兒沒處使。
騰訊科技：但你們?nèi)ツ昃屯顿Y了深言科技，當(dāng)時你們是通過什么方法找到他們的？
王晟：英諾在清華大學(xué)計算機系設(shè)立了一個獎學(xué)金，2021年豈凡超拿了這項獎學(xué)金的第一名，我們也開始關(guān)注到他們團隊做的事情，正好符合我們想要的項目的標(biāo)準(zhǔn)，就投資進去了。
2021年在多模態(tài)方向，我們接觸過多個文生圖的團隊，但是我們一直沒有出手投資，主要是沒看清商業(yè)化的轉(zhuǎn)換路徑。在文生圖領(lǐng)域，我們非常關(guān)注可控性問題：
首先，模型能不能被很好地控制？包括一些精確的布局控制，比如我想要生成一張圖，需要中間有一張桌子，旁邊站著一個人，以及很多主體的排布和控制等，模型能不能精準(zhǔn)地實現(xiàn)和控制需求非常關(guān)鍵；
其次，模型的持續(xù)性很重要，它又叫做“概念定義”，比如第一次要求機器畫出鋼鐵俠，第二次還是要畫鋼鐵俠，機器能不能把“鋼鐵俠”的概念定義出來很關(guān)鍵，還有二次創(chuàng)作（Inpainting）的問題，比如第一次畫的不盡如意，還需要基礎(chǔ)上修改一下。
在那段時間，我們看了很多項目，但他們也很難解決這兩個問題。
到2023年2月，這幾個問題都被ControlNet解決了，它的出現(xiàn)是里程碑式的模塊，整個文生圖的可控性被大大提高。
騰訊科技：ControlNet出現(xiàn)確實大大提升整個文生圖領(lǐng)域的生產(chǎn)力，但國內(nèi)的項目怎么和Midhourney這些進入中國的明星工具競爭？
王晟：對，我們確實又面臨下一個問題：能不能投？怎么去投？Midjourney的競爭力很強，Stable Diffusion開源又免費。此外，很多創(chuàng)業(yè)者可能也沒有勇氣做這個方向了，很多項目無非是拿Stable Diffusion結(jié)合某個行業(yè)做個工具鏈，很少有人會訓(xùn)練一個通用的文生圖模型。即便有的項目做，他們的估值太高，不適合早期機構(gòu)投資。
騰訊科技：大模型比較貴，估值也很高，所以也有一些投資人看一些有稀缺數(shù)據(jù)的垂直模型，你認為這個細分賽道有哪些場景和機會？
王晟：很多人強調(diào)大模型拿到的是通用知識，它沒有私有數(shù)據(jù)，但我認為這完全不重要。
第一，垂直模型拿到的知識，大模型都能拿到，沒有多少東西是某個個體純碎私有、別人沒有的，無非是大家解決問題的先后順序不同。
第二，大模型擁有了足夠知識后，很多細小的知識都不被需要了，Open AI內(nèi)部人曾經(jīng)提過，他們在訓(xùn)練GPT-4的時候，特意留下很多空白的知識域（Knowledge Domain），但在測驗的時候發(fā)現(xiàn)即便是沒有被投喂數(shù)據(jù)的領(lǐng)域的知識，GPT-4也能知道。人類的知識相關(guān)性太強了，GPT-4完全不需要數(shù)據(jù)投喂也能學(xué)會這些知識，所以指望那點稀有數(shù)據(jù)形成核心競爭力比較難。
騰訊科技：垂直模型不值得投入，那么大模型應(yīng)該怎么投？這一輪的大模型蛋糕是不是已經(jīng)被分完了？如果現(xiàn)在想要入場，AIGC領(lǐng)域還有哪些投資和創(chuàng)業(yè)機會？
王晟：任何一個新的產(chǎn)業(yè)技術(shù)范式誕生之后，都會存在一個發(fā)展周期，比如“iPhone時刻”的到來有很多技術(shù)積累，芯片的集成度和算力、觸摸屏、4G/5G通信等。
iPhone第一天出現(xiàn)的時候，用戶也很難理解它到底能做多少事，所以2007年iPhone出現(xiàn)，但2011年微信才出現(xiàn)，2012年才有了滴滴，2015年才有了拼多多，2016年才出現(xiàn)抖音。從2007年到2016年，中間整整隔了10年。
現(xiàn)在“AI時刻”也要到來了，它代表了一種新的技術(shù)范式，但它在初期階段能做的事情并不多。消費者的使用門檻高、基礎(chǔ)設(shè)施不夠完善、用戶對它的理解也差很多。可能技術(shù)范式的創(chuàng)新會讓AI Infra先起步，比如芯片的成本變得更低、開發(fā)工具更完善、終端保有量足夠多的時候，AI會迸發(fā)出更多的機會點。
在AI發(fā)展的第一個階段，由于大家的想象力還很有限，能做的事情可能是把舊的行業(yè)全移植一遍。
騰訊科技：但光依靠“移植”或“遷移”，現(xiàn)有移動互聯(lián)網(wǎng)的各細分行業(yè)的格局很難被改變。
王晟：在移動互聯(lián)網(wǎng)的創(chuàng)新涌現(xiàn)之前，各行業(yè)也都是原先業(yè)務(wù)的“大家伙”做一個遷移、換個流量入口而已。在AI時代也是，先是底層的Infra完善、工具鏈完善、開發(fā)環(huán)境完善，然后涌現(xiàn)創(chuàng)業(yè)者，再做業(yè)務(wù)移植。
其實，如果只依靠移植，這個時代不會產(chǎn)生什么真正的投資或創(chuàng)業(yè)機會，只有等“移植”階段過去，才會真正進入到模式創(chuàng)新的時代，它創(chuàng)造了新的用戶需求，但這是我們還看不到的東西，還需要時間、需要未來的創(chuàng)業(yè)者去創(chuàng)造。
當(dāng)這個周期過去，就會進入到“內(nèi)卷”階段，就像移動互聯(lián)網(wǎng)發(fā)展到2017年就已經(jīng)進入尾聲了，它很難產(chǎn)生真正的創(chuàng)新，也不會有新的商業(yè)模式出現(xiàn)了，大家都去卷內(nèi)容，比如卷短視頻、卷直播、卷帶貨。
我們現(xiàn)在處于AI Infra時代，處于傳統(tǒng)業(yè)務(wù)逐漸遷移到AI的過程中，在這個時代可能沒有太好的投資標(biāo)的，這3年我們會繼續(xù)投資基礎(chǔ)設(shè)施。當(dāng)然，基礎(chǔ)設(shè)施投資是一個長期的過程，但最重要的窗口是在當(dāng)下這個時代，后面的投資窗口可能會遷移到比如商業(yè)模式創(chuàng)新的板塊了。
騰訊科技：除了AI Infra，在模型層以及應(yīng)用層你們打算怎么布局？
王晟：在AI Infra板塊，硬件上我們投無損網(wǎng)絡(luò)、高速度光通信，包括存算一體、Chiplet等，我們也投資了光芯片和量子方向。近期，我們剛投資了一家AI Chiplet供應(yīng)商“原粒半導(dǎo)體”，它可以通過提高能效、降低成本的方式為多模態(tài)大模型提供算力支持。
再更上一層，我們也在關(guān)注 MLOps、AI開發(fā)框架、AI編譯器等方向。
再往上的大模型層面，我們除了會看語言大模型，也看多模態(tài)的大模型和垂類知識域的機會：
在語言大模型板塊我們投資了深言科技；
在多模態(tài)板塊，我們投資了3D掃描重建技術(shù)企業(yè)KIRI Innovation（麒礪創(chuàng)新），目前他們在做3D的人工智能的生成式模型，直接text to 3D；我們還投資了做虛擬人動作行為的大模型中科深智，屬于text to motion，它是端到端生成式AI虛擬人技術(shù)的公司，能有效改進游戲角色過于依賴動作庫和表情庫的現(xiàn)狀，依賴“庫”的模式會導(dǎo)致角色表現(xiàn)力欠缺變化、顯得僵化的問題。
CV領(lǐng)域過去有非常多的小模型公司，4月份我們看到Meta的SAM模型展現(xiàn)出非常強的泛化能力，我們也在觀察真正的CV大模型的投資機會。
圖像、視頻生成領(lǐng)域，由于SD開源、MJ和Runway都非常強大，我們看到的情況是國內(nèi)大量的創(chuàng)業(yè)者在基于SD做應(yīng)用，而不是自研模型和這幾家硬剛。我們非常期待國內(nèi)出現(xiàn)有勇氣、有實力的創(chuàng)業(yè)團隊。
大模型的另外一個投資方向是AI for Science，這是一個比較早期且富有爭議的領(lǐng)域，創(chuàng)業(yè)和投資的認知門檻非常高。
AI for Science板塊分三個范式：科學(xué)計算大模型、垂類域知識大模型和垂類域生成式AI。
其中，科學(xué)計算是最底層的范式，它可以利用AI幫助科學(xué)家做計算，從邏輯上看它能解決一切科研問題，但主要是微軟和DeepMind在做，創(chuàng)業(yè)公司可能沒什么機會。比如我們要設(shè)計一個大飛機，需要很多空氣動力學(xué)上的研究，目前都是需要依靠極其頂級的科學(xué)家來設(shè)計和求解、論證。如果AI來做這件事情，它就能解決很多問題，包括航空航天、軍艦甚至建筑和半導(dǎo)體設(shè)計。
第二個范式是垂類領(lǐng)域知識大模型，這也是我們目前最關(guān)注、馬上會做投資的范式，它以LLM大語言模型為底座，加上大量的科學(xué)Paper和相關(guān)實驗數(shù)據(jù)進行訓(xùn)練，期望以此涌現(xiàn)出類似ChatGPT和GPT-4的思維鏈和推理能力，甚至具備一定程度的theory of mind（心智）能力。
第三個范式是垂類域生成式AI，相比較于前兩個范式，盡管它跑得更早一些，但其發(fā)展程度并沒有比前兩個范式更成熟，它通過學(xué)習(xí)大量關(guān)于分子結(jié)構(gòu)知識和數(shù)據(jù)，來實現(xiàn)對DNA結(jié)構(gòu)、分子結(jié)構(gòu)的推測，同時做一些分子之間的力的分析和推測。它可以應(yīng)用于制藥、蛋白質(zhì)合成，尤其在大分子生物相關(guān)的應(yīng)用上的機會更多。但它面臨的爭議也比較大，盡管它所展現(xiàn)出的效率較高，能比人更快地推測出新結(jié)構(gòu)，但沒有經(jīng)過實驗證明其有效性。
不論是哪個范式，AI for Science從理論上來說可以解決一切科學(xué)領(lǐng)域的問題，比如和人類生活息息相關(guān)的可再生能源問題、氣候問題等，但整個AI for Science最重要的應(yīng)用方向有兩個：醫(yī)療制藥和材料領(lǐng)域，因為這兩個領(lǐng)域的賺錢能力最強。
騰訊科技：這些方向還是聚焦在模型層面，但現(xiàn)階段大家其實更關(guān)心應(yīng)用層面的機會，英諾從2020年就觀察AIGC的機會，現(xiàn)階段應(yīng)用層有哪些想象力？
王晟：在應(yīng)用方面非常難投。
我們不太想假設(shè)這件事，我認為現(xiàn)在還沒有到應(yīng)用創(chuàng)新的階段，沒有人能假設(shè)全新的場景，只有創(chuàng)業(yè)者做出來了，投資人才能看到，我們需要等待。
AI對傳統(tǒng)行業(yè)改造其實也不是創(chuàng)業(yè)者的“菜”，就算有人能做，這個人肯定在傳統(tǒng)領(lǐng)域極其有影響力，或者說特別懂這個行業(yè)、有非常強的資源，這些可能是非常特殊的領(lǐng)域。在其它領(lǐng)域，比如辦公場景，比如做智能PPT，只能微軟去做；做智能家居、建筑設(shè)計，只能AutoDesk去做，對創(chuàng)業(yè)者而言這些沒有太大意義。
騰訊科技：即便對很多試圖用AI改造傳統(tǒng)行業(yè)的公司而言，內(nèi)部還需要打通各種數(shù)據(jù)，也是一個非常艱難的過程。
王晟：對，非常難，可能需要很大的耐心去等待。
騰訊科技：你曾說AI3.0時代是“具身智能”的時代，可以用大模型驅(qū)動人形機器人，而自動駕駛和人形機器人的很多能力都是打通的，你認為大模型+自動駕駛算不算一個接地氣的應(yīng)用層面的機會？
王晟：大模型+自動駕駛面臨的挑戰(zhàn)非常大，我覺得最大的問題是它對錯誤的容忍度太低。ChatGPT胡說幾句話無所謂，但用在自動駕駛上，哪怕是百分之一或萬分一的錯誤，都可能會出現(xiàn)很大的安全問題。
我們可能沒辦法說這次AI的突破一定能使自動駕駛落地，但將智能座艙引入大模型肯定能提升用戶體驗，當(dāng)然也會增加用戶使用車的成本。
此外，我覺得會對整個自動駕駛產(chǎn)業(yè)有比較大的帶動，比如在車?yán)锏乃懔σo到多少才夠？這些算力由英偉達提供，還是由專門的車規(guī)級AI推理芯片來提供？
騰訊科技：這本質(zhì)上是不是因為大模型擅長解決公共屬性的問題，但很難解決自動駕駛一些很特殊的corner case（邊角場景）？
王晟：大模型也許不一定能有效識別這些corner case，但是大模型的智能水平會大幅度上升，即便它無法識別也可能有辦法處理。比如，我們在路上駕駛撞到了一個你從來沒見過的物體，人類駕駛員是知道如何處理這些情況的，大模型即便無法識別，但它有較高的智能水平，也許也能處理這些情況。
騰訊科技：如果一直堅持訓(xùn)練大模型識別各種各樣的corner case，也許它能無限逼近人類駕駛員的智力和識別水平？
王晟：對，我們不要低估未來，可能是我一個科技樂觀主義，我相信技術(shù)進步能解決很多問題。很多人比較容易高估短期趨勢，大幅度低估長期趨勢，包括大模型的投資熱潮也一樣，很多公司估值高的投不進去，其實這是對短期高度樂觀，并不理性。
騰訊科技：你曾經(jīng)說做大模型的清華系創(chuàng)業(yè)者里面，最能打的是王小川和深言科技，他們的壁壘主要存在哪些方面？
王晟：核心還是看團隊，最重要的是團隊的“信仰”，大家都看到了大模型，有的人信AGI，有的人不信。比如Transformer是谷歌做出來的，但是谷歌沒有那么大的信仰，他們一會兒說Encoder不錯，一會兒說Decoder也不錯，一會兒又做一個encoder+decoder 的 T5出來，但只有Open AI孤注一擲往GPT方向探索。
我們投資了深言科技后，馬上安排深言做下一輪融資，帶他們見了幾十家機構(gòu)，但沒有一家肯投。后來拉著紅杉的投資人和豈凡超一起吃了一頓牛肉火鍋，吃完后紅杉就答應(yīng)投資。現(xiàn)在，又有太多投資機構(gòu)想要擠進去，所以信和不信造成的結(jié)果差異還是很大的。
包括現(xiàn)在投資AI for Science也需要信仰，沒有人確定AI能不能涌現(xiàn)出科研能力，我們也判斷不了AI能在什么時間點、涌現(xiàn)出多大能力、解決多大問題，但我們“信”就行了。我們跟很多科學(xué)家都聊過AI for Science，有的科學(xué)家很興奮，有的認為啥也不是，在這種情況下即便你懂，也無從判斷。
關(guān)于誰能把這件事情做成，也要看投資人自己信不信，我們可以找很多理由，比如說做成大模型需要過去有經(jīng)驗，因為這里面要面臨的挑戰(zhàn)有很多，比如數(shù)據(jù)、工程化、算法、分布式訓(xùn)練等等，在這方面深言科技是有很大優(yōu)勢的。
如果認為做成大模型需要具備很強的融資能力，那么王慧文可能更好；如果認為科研和科學(xué)家更重要，那么就應(yīng)該投唐杰老師；如果你認為做工程更重要，那可以投資周伯文。
所以核心還是要看你相信什么，有時候不是因為你真的相信，只不過是因為你想讓自己相信。
騰訊科技：所以投誰或者不投誰，可能也要看“氣場”契合與否。
王晟：對，我們?nèi)ツ晖读松钛钥萍迹衲晡覀円舶咽袌錾舷嚓P(guān)的項目也談了一遍，談完之后反而強化了我們持續(xù)不斷加持深言科技的信心。因為過去投資了深言科技，你會很清楚他們的能力在哪里，會強化你的信仰。
但是對于新入場的人來說，他們沒有站隊，就會覺得企業(yè)家更重要，可能去投資王慧文或王小川。總的來說，這沒有核心的標(biāo)準(zhǔn)，每家都有自己的理由。
騰訊科技：你和王小川、王慧文都聊過嗎，為什么沒有投資他們？
王晟：主要是他們太貴了，對早期基金來說，5億美金或10億美金的投資額太貴了。
騰訊科技：英諾有幾個投資人看AIGC領(lǐng)域？
王晟：我們有一個AIGC小組，組里就3個投資人，但我們要求每個賽道的投資人都要理解AI，因為AI會改變所有行業(yè)。不論你看的是材料方向，還是生命科技，或是芯片、半導(dǎo)體方向，所有人都要把AI思考進去。
騰訊科技：你們什么時候設(shè)立這個小組的？
王晟：前年（2021年），這個小組主要由我來負責(zé)。
騰訊科技：這個小組的運轉(zhuǎn)方式是怎樣的？
王晟：我們不強調(diào)KPI，主要靠大家的自驅(qū)力，投資人們基本都在沒日沒夜地看項目，我們對投資人的要求是，首先要熱愛這個行業(yè)；其次要專業(yè)，這樣才能找到好項目；第三就要看投資成績，短期來看，如果投資到好的項目，項目增長很快，投資人也有很大的滿足感，長期來看，好項目最終產(chǎn)生的收益也會給大家一個很好的分配激勵機制。
騰訊科技：你們的AIGC小組現(xiàn)在投資了多少個項目？單筆投資大約是什么樣的體量？
王晟：在這一波大模型和生成式AI投資中，英諾算是接觸項目數(shù)量最多和質(zhì)量最高的機構(gòu)之一，但真正的好項目非常稀缺，我們投資的數(shù)量一只手就能數(shù)過來。投資數(shù)量的多少，也和各家基金的策略不同有關(guān)系。
我們希望每一個項目都投得精準(zhǔn)，比如有的項目我們都看過，我們沒投，但是紅杉資本投了。不是我們比他們更嚴(yán)格，而是他們的基金體量更大，有種子、VC、成長，甚至有二級市場業(yè)務(wù)板塊，他們更怕“錯過”，我們更怕“投錯”，可能我們也會因此錯過一些項目。
我們有兩類基金，一類是面向過去傳統(tǒng)的天使類型的投資，單筆大概會投資一千萬，現(xiàn)在也有一些早期項目變得很貴，所以我們又做了一個體量更大的基金，單筆投資兩三千萬左右。