文 | 霞光社 王欣
編輯 | 劉景豐
“人工智能領(lǐng)域的泡沫，總是在不斷產(chǎn)生又破滅中循環(huán)。”
梅拉妮·馬歇爾在著作《AI3.0》中，這樣描述人工智能領(lǐng)域5到10年的周期循環(huán)。
2016年，擊敗圍棋世界冠軍李世石后，AlphaGo短暫掀起人臉識(shí)別、自動(dòng)駕駛等人工智能浪潮。2023年，ChatGPT的橫空出世讓大模型成為AI界當(dāng)之無愧的“頂流”。泡沫破滅，資本冷靜后，不理智的潮水終于褪去。如今，AI界鮮少再重談人臉識(shí)別，自動(dòng)駕駛難以落地，而在國(guó)內(nèi)，大模型也從當(dāng)紅炸子雞慢慢成為投資人投不起的領(lǐng)域。
研究人工智能的群體已經(jīng)熟悉了這一模式：在“人工智能的春天”，投資機(jī)構(gòu)過度承諾，媒體過度炒作，緊接著便會(huì)迎來“人工智能”的寒冬。
環(huán)球并不同此涼熱。在美國(guó)，VC圈對(duì)人工智能投資熱情不減。而在積極擁抱AI的東南亞，中美正在進(jìn)行AI技術(shù)與投資的角逐——2020到2021年，來自美國(guó)和中國(guó)的投資者，參與了267筆東南亞人工智能公司的投資交易，占總投資比重40%。
一個(gè)可喜的現(xiàn)象是，在東南亞，科大訊飛、華為、海康威視等中國(guó)科技公司與東南亞當(dāng)?shù)禺a(chǎn)生千絲萬(wàn)縷的聯(lián)系，中國(guó)科技企業(yè)正成長(zhǎng)為東南亞AI界的中流砥柱。
曾經(jīng)，普利策獎(jiǎng)得主托馬斯·弗里德曼在《世界是平的》中，說世界的競(jìng)技場(chǎng)已變得更加平坦，變平的世界讓每個(gè)個(gè)體、區(qū)域都站在同一水平線下。
環(huán)顧全球AI界，我們發(fā)現(xiàn)，世界并不總是平的。
全球范圍內(nèi)，不同區(qū)域AI風(fēng)向有何不同？當(dāng)AI企業(yè)走出國(guó)門，又會(huì)迎來哪些機(jī)遇挑戰(zhàn)？ChatGPT為什么并不脫胎于騰訊、谷歌等數(shù)據(jù)集龐大的大廠？對(duì)于AI初創(chuàng)企業(yè)有什么啟發(fā)和意義？
01
現(xiàn)在整個(gè)國(guó)內(nèi)投資界幾乎形成了一個(gè)共識(shí)，就是“大模型的投資熱正在冷卻”。
作為今年創(chuàng)投圈最火熱的賽道，大模型曾炙手可熱，無數(shù)科技大廠、AI創(chuàng)業(yè)公司掀起一股又一股的大模型浪潮。而今全球科技公司對(duì)大模型的競(jìng)爭(zhēng)，正進(jìn)入存量時(shí)代。
根據(jù)IT桔子數(shù)據(jù)，截止到2023年11月底，國(guó)內(nèi)人工智能賽道一級(jí)市場(chǎng)的總?cè)谫Y額有580起，比2022年減少了26%，總?cè)谫Y金額是630億元，與去年同期也下降了38%。
而在大洋彼岸，美國(guó)的大模型融資依舊如火如荼。根據(jù)Crunchbase數(shù)據(jù)，去年VC階段的投資有11%流向了人工智能賽道，截止到今年下半年，2023年的比例增長(zhǎng)了26%，有26%的VC階段的投資都流向了人工智能，美國(guó)投資界對(duì)大模型的參與熱情不減反增。
大洋東西，AI融資正面臨不同境遇。
這背后，不同融資環(huán)境差異到底是如何造成的？
首先，在美國(guó)，大模型已經(jīng)達(dá)到了能夠產(chǎn)生巨大經(jīng)濟(jì)效益的規(guī)模，并且在一定程度上影響了宏觀經(jīng)濟(jì)。有研究發(fā)現(xiàn)，這一次自硅谷刮起的大模型之風(fēng)，已經(jīng)為美國(guó)的GDP貢獻(xiàn)了一個(gè)百分點(diǎn)的增長(zhǎng)。而在中國(guó)，雖然百模大戰(zhàn)愈演愈烈，但大模型的變現(xiàn)之路仍處在摸索的初級(jí)階段，而商業(yè)化問題一直是上幾輪AI浪潮下，難以找到最佳solution的老難題。
其二，在中國(guó)尚未出現(xiàn)像OpenAI一樣的應(yīng)用層全棧式AI公司，能夠從基層大模型、中間層一直做到應(yīng)用層。而大模型這種極度依靠大算力暴力美學(xué)的領(lǐng)域，對(duì)于初創(chuàng)公司來說，太燒錢，門檻太高，堪稱軍備競(jìng)賽。大模型不能投，但應(yīng)用層又沒有特別多的公司出來，投資圈開始冷靜思索，大家都處在觀望狀態(tài)。
華映資本海外合伙人邱諄認(rèn)為，這背后體現(xiàn)了中美技術(shù)原創(chuàng)能力的不同。
“硅谷還是一個(gè)以原創(chuàng)技術(shù)為核心的，為基座的驅(qū)動(dòng)力，這還是很重要的，中國(guó)的優(yōu)勢(shì)在于優(yōu)化，不一定是原創(chuàng)，就是人有我有，可能人有我優(yōu)，再者規(guī)模化，上一波深度學(xué)習(xí)驅(qū)動(dòng)的機(jī)器視覺，可以說是AI1.0，現(xiàn)在大語(yǔ)言模型算是AI2.0, 這兩波浪潮國(guó)內(nèi)目前的參與都還主要在優(yōu)化和規(guī)模化方面。”
1997年從北京大學(xué)畢業(yè)后，邱諄就去美國(guó)學(xué)習(xí)人工智能，從南加州大學(xué)信息科學(xué)研究院畢業(yè)后，他加入了硅谷傳奇科技公司——思科，前幾年回國(guó)后加入了投過壁仞科技、星辰數(shù)據(jù)等AI領(lǐng)域知名公司的華映資本。他持續(xù)關(guān)注中美、東南亞等地的AI創(chuàng)投。時(shí)間倒回到千禧年，邱諄仍在硅谷深耕技術(shù)，那時(shí)正值A(chǔ)I寒冬，但整個(gè)硅谷還是在不斷的積累，很耐心地等待下一個(gè)突破。
“但如果我們到大洋的另外一面，就會(huì)看到一般來說，是在等美國(guó)出現(xiàn)下一個(gè)突破之后，我們?cè)偃ネ度耄プ鰞?yōu)化和規(guī)?；氖虑椋运鼤?huì)有一定的延遲。”
“這個(gè)突破前的積累過程其實(shí)可能是需要一些耐心的，在這個(gè)階段過去之后，我們就真的到了互聯(lián)網(wǎng).com那一波，就是中間層的相當(dāng)于一個(gè)接口能夠出現(xiàn)的時(shí)候，這時(shí)候才到了應(yīng)用層大量涌現(xiàn)的時(shí)候，在中國(guó)可能就會(huì)出現(xiàn)大量的像當(dāng)年滴滴等一堆互聯(lián)網(wǎng)公司，這個(gè)時(shí)候可能還是會(huì)需要一定時(shí)間，可能大家還需要一定的耐心?！?/p>
02
在中美之外，東南亞也成為中美大模型競(jìng)爭(zhēng)的主戰(zhàn)場(chǎng)。
在東南亞，AI還正方興未艾，雖然落地步伐相對(duì)慢，但還是能看到希望。整個(gè)東南亞地區(qū)的國(guó)家，都在擁抱AI。中美兩股AI旋風(fēng)正在東南亞交匯。
AI在東南亞并不算是新興行業(yè)，在大模型浪潮之前，東南亞就因低廉的人力成本等因素聚焦了智能客服、人工標(biāo)注等AI相關(guān)應(yīng)用。
但在今年來到東南亞后，科大訊飛云平臺(tái)事業(yè)群副總裁周傳福明顯的感受是：除了原來的這部分傳統(tǒng)項(xiàng)目，現(xiàn)在更多地看到像政府部門、媒體行業(yè)、金融行業(yè)等都在更加熱烈地討論、擁抱AIGC、大模型等新技術(shù)。
雖然目前東南亞使用最多的還是來自O(shè)penAI等歐美AI公司的大模型，但在東南亞AI界，也不乏科大訊飛、華為、海康威視等中國(guó)科技公司的身影。科大訊飛、阿里巴巴相繼在東南亞推出大模型，東南亞國(guó)家隊(duì)也加入大模型競(jìng)賽，新加坡政府投入5200萬(wàn)美元的資金支持AI多模態(tài)大模型開發(fā)計(jì)劃(NMLP)。
周傳福告訴霞光社：“東南亞雖然是一個(gè)區(qū)域，但是打開來看，很多國(guó)家都有很大的不同。新加坡是東南亞唯一一個(gè)發(fā)達(dá)國(guó)家，它的AI落地會(huì)更快一些，像教育等等部門或者行業(yè)都有很多的落地應(yīng)用。相對(duì)來說，新加坡（AI落地）走得比較靠前，活躍度更高，但是像馬來西亞、印尼、泰國(guó)等等國(guó)家也能深刻感覺到比原來更加熱烈，當(dāng)然整個(gè)落地步伐相對(duì)慢，但是還是能看到希望。我們也會(huì)長(zhǎng)期堅(jiān)持在這些地方深耕?！?/p>
而越南在人工智能的競(jìng)賽里也存在彎道超車的可能。摩根大通曾分析稱，越南處于新興東南亞人工智能發(fā)展的“前沿”。早在2021年1月26日，越南政府總理批準(zhǔn)的《到2030年國(guó)家人工智能研究、開發(fā)和應(yīng)用戰(zhàn)略》中，就明確了將人工智能發(fā)展成為支柱工業(yè)產(chǎn)業(yè)。
而英偉達(dá)CEO黃仁勛也再次押注越南AI，2023年12月，英偉達(dá)CEO黃仁勛會(huì)見越南政府總理范明政，并承諾將在越南建立半導(dǎo)體基地，將越南打造成為英偉達(dá)的第二故鄉(xiāng)。
東南亞已成為科大訊飛海外業(yè)務(wù)的第一站和戰(zhàn)略中心。2023年6月，科大訊飛攜星火認(rèn)知大模型與C端智能硬件，在新加坡舉辦產(chǎn)品發(fā)布會(huì)暨訊飛AI TechDay·新加坡站活動(dòng)。
“因?yàn)榭拼笥嶏w一直以相對(duì)底層技術(shù)的創(chuàng)新、研究為主，所以如果把這些技術(shù)用在更多的場(chǎng)景、更多的設(shè)備單靠科大訊飛自己其實(shí)不行。所以整個(gè)開發(fā)者生態(tài)方面花了很大的力氣?！敝軅鞲８嬖V霞光社，在東南亞的開發(fā)者生態(tài)方面，科大訊飛搭建了以新加坡為中心的訊飛開放平臺(tái)國(guó)際站。
“其實(shí)我很羨慕，羨慕的點(diǎn)在于C端酷炫的產(chǎn)品是很容易抓到消費(fèi)者的，但是底層技術(shù)的可能講兩天人家都不知道你在做什么。所以整個(gè)生態(tài)方面就是把技術(shù)落地應(yīng)用生態(tài)是我們長(zhǎng)期布局，不是靠一年兩年，至少3-5年才能把一個(gè)基礎(chǔ)做好，這是目前整個(gè)狀態(tài)。當(dāng)然在東南亞我們也看到了很多的突破。”
他認(rèn)為，在這些突破的背后，離不開技術(shù)創(chuàng)新和本地化。
東南亞歷史文化背景復(fù)雜，移民的跨國(guó)流動(dòng)使得東南亞形成不同方言體系的多族群社會(huì)，各個(gè)地區(qū)方言眾多。比如印度尼西亞的官方語(yǔ)言主要在雅加達(dá)一帶通用，但其他地方又有非常多的方言。而要做語(yǔ)音識(shí)別和合成的核心技術(shù)創(chuàng)新，就要在提升通用能力之外，針對(duì)不同方言區(qū)域的口語(yǔ)場(chǎng)景去做提升。另外，識(shí)別合成大模型領(lǐng)域也是科大訊飛尋求突破的重要底層技術(shù)。
本地化是出海中企必須要面對(duì)的一個(gè)挑戰(zhàn)，而對(duì)于科大訊飛來說，這也是不得不做的事情。因?yàn)榭拼笥嶏w要面對(duì)很多B端用戶場(chǎng)景，其中并不存在捷徑，他們已經(jīng)做好了深扎兩三年的準(zhǔn)備，才能在當(dāng)?shù)匕研袠I(yè)做熟做透。
目前科大訊飛的東南亞團(tuán)隊(duì)規(guī)模還不是特別大，大概在二三十個(gè)人左右，native speaker大概占到40%左右。本地雇員的職務(wù)多是以商務(wù)拓展，市場(chǎng)等崗位。核心技術(shù)方面，還是以國(guó)內(nèi)總部以及在當(dāng)?shù)嘏神v的技術(shù)支持為主。
在國(guó)內(nèi)團(tuán)隊(duì)和本地團(tuán)隊(duì)協(xié)作過程中，文化差異帶來的挑戰(zhàn)不可小覷。周傳福認(rèn)為，這種情況下，要把自己放到當(dāng)?shù)氐膰?guó)家去考慮問題，“而不能說我中國(guó)怎么怎么樣，外國(guó)怎么怎么樣，這對(duì)我們來說其實(shí)是一個(gè)適應(yīng)的過程，說起來很簡(jiǎn)單，但真正把自己的定位要放到當(dāng)?shù)氐膰?guó)家。”
除此之外，所有大模型企業(yè)要想跑通，都要跨越數(shù)據(jù)和人才兩座大山。
03
讓我們回到開頭的問題：
ChatGPT為什么并不脫胎于騰訊、谷歌等數(shù)據(jù)集龐大、人才濟(jì)濟(jì)的大廠？
騰訊和微軟數(shù)據(jù)一定是大過OpenAI的，為什么OpenAI有GPT，騰訊、微軟和谷歌都沒有GPT？這是因?yàn)閷?duì)數(shù)據(jù)的有效利用和搜集非常關(guān)鍵。對(duì)初創(chuàng)公司來說尤甚，特別是想真正成為一家AI公司，或者只是被AI賦能的公司。
邱諄認(rèn)為，私有性未必是價(jià)值本身的源泉。“你要真正能夠利用AI肯定要有數(shù)據(jù)，但私有數(shù)據(jù)未必都有價(jià)值。這個(gè)對(duì)于初創(chuàng)公司要有一定認(rèn)知?！?/p>
積累和收集數(shù)據(jù)，一定要考慮算法。比如搭建數(shù)據(jù)棧平臺(tái)，但它的門檻其實(shí)很高，因此光是收集梳理數(shù)據(jù)的準(zhǔn)入門檻就將很多人攔在外面。甚至于巨頭公司的數(shù)據(jù)都未必全有用。
提到大模型浪潮下的AI軍備競(jìng)賽，卷算力或許重要，但核心的算法人才才是這輪競(jìng)賽最重要的資源。
對(duì)于初創(chuàng)公司，邱諄的建議是，從現(xiàn)在開始去物色一些大模型算法核心人才：“作為一個(gè)初創(chuàng)公司，可能今天就要去搜尋一些真正核心的人才，聽上去好像有點(diǎn)遙遠(yuǎn)，但我覺得我這個(gè)建議很可能是會(huì)有用的。對(duì)于一些初創(chuàng)公司，如果你今天就開始，不管你做什么，甚至你只是做應(yīng)用層，都一定要過數(shù)據(jù)這一關(guān)，但光有數(shù)據(jù)又沒有用，最后很可能是要看你的算法，不管你是什么算法，可能不用碰到基座大模型，但即便你要做微調(diào)，甚至只是去調(diào)API，都會(huì)需要對(duì)訓(xùn)練算法的深度認(rèn)知，最重要的軍備其實(shí)是人才。”
這也是因?yàn)?，目前?guó)內(nèi)大模型人才儲(chǔ)備資源緊缺。醫(yī)者AI CEO劉呈輝曾對(duì)媒體表示，“現(xiàn)在國(guó)內(nèi)做基座類模型的人才90%都出自清華，國(guó)內(nèi)真正會(huì)調(diào)模型、訓(xùn)練模型的甚至不超過200個(gè)人?！倍竽Ｐ蛽屓舜髴?zhàn)也讓用人成本水漲船高，vivo副總裁周圍接受媒體采訪時(shí)曾表示:"vivo大模型現(xiàn)在每年20億~30億元的投入成本，總投入成本已經(jīng)超過200億元，人才和數(shù)據(jù)算力各占一半，人才成本平均每人稅后100萬(wàn)元。”在當(dāng)下，尋找核心人才資源對(duì)于初創(chuàng)公司來說尤為關(guān)鍵。
大模型讓全球的AI競(jìng)賽進(jìn)一步加速進(jìn)行，如何在全球化中找準(zhǔn)自己的位置，并發(fā)揮自身優(yōu)勢(shì)，是所有AI企業(yè)需要面對(duì)的新課題。