国内AI应用还投不投？怎么投？【FP投资研究】
2024 年过半，投资机构也迎来惯例的半年度复盘会与策略会。
有人坚定决心，也有人在反思错过与过错。
AI 行业正在迎来变局。国外，OpenAI 联创持续出走，Character.ai 把灵魂卖给 Google；国内，字节、快手等大厂自研模型及产品的迭代速度超过很多人预期，腾讯、阿里也在加码投资模型公司。
市场上的声音日益纷杂。有观点判断，大语言模型可能不是属于 VC 的游戏，AGI 应用创业也不是属于创业者白手起家的机会；有声音认为，AGI 应用的爆发期还有 1-2 年，年轻人天马行空的创意机会还在后面。
这背后的非共识，恰恰是因为 AGI 行业的确还处于早期。对于身处其中的创业者和投资人来说，也正因为一切尚早，有些问题的确难以回答。
Founders Summary
本月，我们与多家投资机构交流，基于我们的观察：
AI 依然是为数不多的投资热点，主要赛道依然是 ToC 应用（陪伴、效率为主）、具身智能、AI 硬件、AI 产业解决方案。 瞄准 AI 早期轮次的资金并不少，但投资机构普遍认为，新的技术和市场环境对创业者的要求系统性提高，缺少合适的标的（优秀的创业者 + 合理的估值 + 可能的回报）。 今年以来，多家投资机构调整了具体投资策略，如部分双币机构开始认真考虑投资海外创业者，对于小团队的应用创业者，部分机构有针对性地调整了投资决策过程和投后服务。 海外市场的 AI 公司并购也在一定程度上影响中国资本市场的心态：对比 Wiz 放弃 Google 230 亿美元收购，选择独立发展，AI 创业者对自己的行业没那么大的信心。部分投资机构反馈，一部分成熟创业者对退出的诉求和能力，低于他们的预期，未来会更倾向于连续创业者、大厂高管，现阶段会进一步挤压背景较弱的创业者的融资空间。部分机构因为并购案快速获得收益，整支基金收益压力减小，可能会更加积极。
01
核心观点：
1、用到明天的研发上的东西，跟今天的收入没有关系，基础设施的折旧应该拉长时间来看
2、无论是大企业还是初创企业，如果在用了 AI 之后能挣到钱就表示它有一个变成熟的可能性。
3、老革命也会遇到新问题，有经验的创业者要警惕不让经验成为包袱。
一、每隔半年 AI 项目的成熟度都会有大幅提升
Q1：2024 年 H2，线性资本的投资策略是怎样的？会发生哪些变化吗？
郑灿：线性资本整体对于 AI 赛道保持着积极拥抱的态度，所以我们下半年的投资策略不会有太大的变化。随着 AI 行业的日益成熟，我们可能有机会看到一些已经验证 PMF 的大体量应用。从我们的投资视角而言，还是要根据行业发生的变化，适时调整策略，适度提升投资金额，投资项目的阶段也可以更成熟一些。
我们其实从 2023 年上半年开始就在观察 AI 应用，但当时市场还处于萌芽期，多数创业者还在探索阶段，没有太想清楚，所以在那个阶段我们没有很激进的投资。到 2023 年底、2024 年初，我们发现了一些更为成熟的 AI 应用项目，同时，越来越多具备深厚专业知识的创始人开始深入思考 AI 行业的可能，他们的想法更加成熟。我们认为 AI 领域的变化是非常快的，每隔半年项目的成熟度都会有大幅提升，投资人的策略也会有很大的变化。
Q2：在这一波 AI 的投资中，现在来看的话，线性资本有哪些投资逻辑是对的？有哪些策略不一定完全对？
郑灿：这一波 AI 还在很早期的阶段。如果一定要说有什么不对的话，我认为是在 2022 年和 2023 年上半年，我们太希望看到成熟的创业者和成熟的产品了，在这个期待上投入了很多精力，但后来反思，创业者也需要时间来让思考沉淀，让想法成熟。
Q3：如何看待今年上半年海外的AI并购潮？
郑灿：对于早期投资而言，当然是利好的信号。收购在美国是一个很常见的市场行为，从某种意义上讲，这给创始人和投资人营造了一个相对健康的成长环境。
这也警告了我们还是要摸索 PMF，虽然在找到公司的 PMF 之后，还是有可能会被收购，但这种收购是更有价值的。
Q4：IPO 收紧对投资人的影响有哪些？
郑灿：在美国，公司从创立到上市的平均周期大概是 11 年，中国这一周期可能会更长，所以对于今天专注于早期投资的基金而言，现在讨论上市有点儿刻舟求剑了。
目前的上市环境肯定要发生变化，如果不发生变化，过去七八年里的这批科技企业怎么办？这里面也有很多不错的企业，如果不能上市，这些科技企业可能就面对糟糕的情况，希望未来两三年内会有一些变化。
二、某种意义上，转折点其实已经发生了
Q5：很多基金都在讲投资AI应用，但实际当中出手还是比较谨慎，这其中可能有哪些原因？
郑灿：投资机构现在出手比较谨慎，一方面是因为产业的成熟度还不够，现在产业还在非常早期的阶段，而且大模型出来之后，创业者、开发者还需要花很多时间去学习 AI、了解 AI，把新技术和旧产业结合也需要花很长时间；另一方面是因为 AI 本身也正处于快速变化阶段，这种快速变化的技术本身也会给开发者带来新的学习成本。
从模型发布到 AI 真正能在产业使用，其实是一个非常漫长的过程。整个生态，包括中间件、基础设施等关键环节都在逐渐成熟当中，在跟随应用协同发展，如果没有这些关键部件的支持，应用的建设会更难更慢。大家要明白一点，我用到明天的研发上的东西，其实跟今天的收入没有关系，基础设施的折旧应该拉长时间来看。
无论是大企业还是初创企业，其实在用 AI 之后能挣到钱就表示它有一个变成熟的可能性。在某种意义上，转折点其实已经发生了，比如像 ChatGPT 一样的产品，其实已经获得了收入，ChatGPT2022 年出来，2023 年收入 16 个亿，2024 年收入 30 亿美金，单独看这个产品很可能是盈利的，这显然是一个已经验证过了的 PMF。另外像 ServiceNow 这样成熟的 SaaS 企业因为 AI 收入和利润增加。今天 AI 行业大量的资金投入是为下一代技术、产品所储备。今天的高投入是为了带来之后的新拐点。
Q6：如何看待市场上不同类型的AI创业者？
郑灿：AI 作为新兴领域，其交互模式与传统的交互模式是截然不同的。有经验的创业者本身具有很多优势，比如更强的韧性、更丰富的认知经验、更强的团队管理能力等，但是老革命也会遇到新问题，特别是 AI 领域有极高的不确定性，有经验的创业者也要警惕不让经验成为包袱。现在也有很多年轻创业者，他们虽然在团队管理、市场推广等方面缺乏经验，但他们对新技术的嗅觉更加敏锐。
今天的 AI 还缺很多脚手架、中间件，使得它对于大团队的帮助还不太明显，但是在小团队中的帮助是非常明显的，从某种角度上讲，实际上这也拉近了年轻创业者和有经验的创业者之间的距离，这对年轻创业者而言是一件好事。
在筛选 Bolt 项目时，我们更加注重创业者对市场的深刻理解、实验验证的严谨性以及项目本身的价值潜力等综合因素，我们最看重的是创业者的学习能力和动手能力，动手能力主要包括两方面，一方面是能不能快速的迭代产品，另一方面是在执行上能不能按照创业者自己预计的想法执行，能够在产品和市场之间做快速的尝试和迭代。
三、设立 Bolt 投资项目，专门投资面向早期阶段、全球市场的 AI 应用
Q7：2024 年 H1 线性资本为什么选择做 Bolt 项目？
郑灿：首先，鉴于大模型驱动的 AI 项目尚处于萌芽阶段，与之相关的初创企业同样处于早期阶段，AI 本身仍处于早期，所以线性资本设立了 Bolt 投资项目，专门投资面向早期阶段、全球市场的 AI 应用。
其次，AI 也给创业生态带来了很大的变化，AI 时代的创业团队不需要很大，也能够非常快速的推出产品并通过快速迭代找到自己的 PMF，这种项目早期可能也不需要巨额资金，更需要的可能是一个快速的投资决策，Bolt 本身就是要链接早期、快速的项目，为创始人提供早期的帮助。
再者，当今的 AI 创业者拥有全球化的视野，很多项目从 Day one 就开始全球化了，Bolt 诞生的初衷就是能够更快、更轻、更灵活的去投资这些具备全球潜力的早期项目。
最后，AI 时代的创业者自带全球化思维，也善于利用 AI 把自己变成所谓的超级个体，但是他们可能在投资、市场拓展及国际化等方面经验不足，所以他们可能需要这方面的帮助，Bolt 不仅提供资金支持，还通过丰富的内容输出与活动组织，全方位助力年轻创业者，给他们提供一个快速启动并加速成长的平台。
Q8：Bolt 投资的项目风险会更高吗？
郑灿：我们有过一段长时间的思考和讨论，但最后我们得出一个清晰而坚定的共识：AI 是一个不可能回避且应该积极拥抱的领域。作为 AI 技术变革的亲历者、AI 产品的早期使用者，我们能够深切体会到 AI 是如何提升生产力的，我们可以看得到 AI 在今天带来的价值，也完全能想象未来 AI 在不同行业、不同领域内带来的变化，所以我们必须去拥抱 AI，去找到最好的投资 AI 的姿势。
如果只说单个早期项目的话，肯定是越早期风险越高，这种高风险特性的项目往往也会在估值中得到合理体现。
Q9：投资AI项目的资金在线性的资金总量中的占比是怎样的？
郑灿：我们内部在投资领域上保持着灵活的布局，除了 Bolt 之外，线性的主基金也会投 AI，Bolt 主要聚焦在早期的 AI 应用，正因为是早期阶段，所以在资金总量上占比会比较小。如果 Bolt 基金所投资的项目后续展现出强劲的发展势头，我们也可以以更加合理且优势的价格进行跟投。
Q10：Bolt 项目发布之后收到了怎样的市场反馈和效果？
郑灿：上半年我们筛选和评估了众多项目，最后大概投了 7-8 个 AI 应用，包括了教育、求职、陪伴、内容、消费、智能硬件等方向，Bolt 是面向全球市场的 AI 应用，对于范围没有限制。
02
核心观点：
1、强化「科大讯飞 CVC」的定位，围绕科大讯飞的产业链进行上下游布局，采取「投早、投小、投硬科技」的投资策略。
2、创业的本质是现金流。
3、具身智能技术需要先在封闭场景中打磨能力，之后再逐步迈向家庭。
一、回归「科大讯飞 CVC」的定位
Q1：2024 年 H2，你们自己的基金在投资策略上是否会发生一些变化？如果有，可能会如何变化？
朱永：之前，我们主要投资于 AI 领域，并涉足半导体、科学仪器等具备强国产替代潜力的硬科技领域，下半年我们将基于过去在 AI 领域上的蓄力，进一步强化「科大讯飞 CVC」的定位，持续聚焦人工智能产业链，较以往将更紧密围绕科大讯飞的产业链进行上下游布局，采取「投早、投小、投硬科技」的投资策略，以推动技术创新与产业融合。重点投资领域比如基础层的计算芯片、存储与连接技术，以及 To C 的 AI 教育硬件。
在当前的市场形势下，二级市场正处于调整阶段，鉴于此，我们今年的整体投资策略也采取了较为审慎的立场。当然我们也会等待一级市场与二级市场之间的联动调整趋于成熟，预计这一过程可能延续至明年，整个估值体系将回归至更为理性的水平。
Q2：如何看待今年上半年海外的 AI 并购潮？
朱永：这是一个很正常的现象，被上市公司收购的退出渠道是一个非常重要的渠道，我们也在为自己的被投拓展此类机会。鉴于当前 IPO 环境趋紧，投资人退出路径相对收窄，而许多上市公司为弥补内生增长不足，正积极寻求外延并购。我们投过的已经具备一定体量的公司也会考虑通过这种方式做退出。但我们目前的投资逻辑并不是以并购退出为主，还是希望公司能够通过自身发展、业绩提升、产品升级、技术迭代，使得估值上升，我们在此过程中实现退出。
Q3：2024 年 H2，关于AI你会重点关注什么？
朱永：一是关注核心技术的进步，中国与国外的大模型技术之间的差距预计会进一步缩短，比如现在的文生图、文生视频技术已经比较成熟了，但我们的关注点在于其成本能否有效降低，因为只有底层核心技术的成本优化，才能为上层应用发展奠定坚实基础。
二是关注哪些 skill 会出来，成熟度如何？
三是比较关注国内的 top 级应用的商业模式怎么样，用户发展的情况怎么样？
Q4：你最近思考最多的一个AI相关的问题是什么？
朱永：今年我思考最多的一个 AI 相关的问题是 AI 商业化，创业的本质是现金流，AI 商业化则是把 AI 技术、产品作为核心能力输出给广大消费者以及企业客户，让客户自主购买使用，为企业带来现金流，思考这个问题是因为：
AI 的科学研究和探索离不开大量的资本支持，企业也需要依赖商业应用的盈利来维持其对研发的健康投入； AI 商业化的本质是关注商业价值，这意味着 AI 公司需要开发出有价值的产品来吸引和保持客户，才能不断获得收益； AI 商业化是从企业自身业务良性循环的角度考虑，要让 AI 真正为产业赋能，就必须在 AI 商用化领域做出成绩，AI 商业化不仅是技术的展示，更是对产业发展的实质性贡献； 生成式 AI 的潜力巨大，能够赋能千行百业与众多职能，创造显著的经济价值。
经过思考得出一些想法，目前像文生图、文生视频的底层技术已经日益成熟，应用落地更加迅速，商业化的脚步也会随之加快，而文生 3D 和文生代码这些目前仍然处于探索阶段，在技术上获得突破后才能陆续实现应用。
Q5：2024 年，AI相关的行业，有哪些发展速度是超你预期的？有哪些发展速度是低于你预期的？
朱永：整体来说，我认为文生图和文生视频这样的效率工具发展速度是超过预期的，这两者都属于人工智能生成领域的重要方向。文生图技术在图像的分辨率和逼真度上有了显著提升，并拓展了更多的应用场景，此外，文生图技术的发展还呈现出模型文字理解能力的提升、本土化和专业化的模型效果优化以及模型组合使用的趋势。文生视频技术作为 AI 领域的新兴技术，整个行业的热潮已经逐渐从文生图转向了文生视频领域。特别是 OpenAI 发布的文生视频模型 Sora，标志着文生视频技术的一个重大突破，其视频效果大大超越了此前的技术水平。
不及预期的是 AI 应用生态并没有呈现百花齐放的态势，尽管技术在实验室中取得了成果，但 AI 在实际应用中面临诸多挑战，除了少部分应用已经处于成熟阶段，大部分应用落地仍处于探索阶段，主要因为大模型面临技术瓶颈和限制、数据和反馈获取难度大等方面的问题。此外，AI 领域的垄断现象都较为明显，主要体现在头部企业的市场占有率和技术实力上，行业进入壁垒很高，小企业无法入局，初创企业突破较为困难。
Q6 ：你认为，国内 2024 年下半年的AI领域的投资可能会呈现哪些特点？
朱永：我认为国内下半年 AI 领域的投资可能会呈现以下特点：
应用场景拓展，随着多模态技术的不断发展，AI 模型将迎接更加复杂多样化的交互场景； 垂直领域的落地应用，AI 在教育、法律、工业、金融场景等垂直领域的落地和应用可能将是 2024 年的主线； 投融资活动进入相对冷静期，整体融资环境有所收紧，人工智能行业投融资活动进入相对冷静期，这可能意味着投资者将更加谨慎地选择投资项目。
二、深度聚焦人工智能产业链
Q7：那讯飞创投在上游和下游里分别都是怎么投的？会重点看哪些领域？
朱永：在上游环节，讯飞创投主要聚焦具有创新结构的公司，以突破技术壁垒，降低边际成本。
像 CPU 这种产品一般到最后会进入寡头竞争的阶段，在全球范围内，最终可能只有两三家会胜出。国外的英伟达市场占有率非常高，国内主要有华为昇腾、寒武纪等这几家公司，在产品推出、用户体验、生态建设等方面有优势，一些其他公司比如上海的燧原、登林、沐曦完成多轮融资，构建起了一定的壁垒，所以新公司如果再沿袭传统的技术路线，无论是从技术还是生态上追赶，难度都是非常大的。
另外，我们也很关注存算一体相关的投资机会，比如存算一体的上游介质 MRAM、SRAM、进存计算、TPU、量子计算、光计算等技术方向。我们曾在早期天使轮投了在国内存算一体里比较领先的知存科技，目前已经被收购了。当下，随着大模型从云端向端侧迁移，模型参数缩减显著，端侧处理芯片的需求愈发迫切，我们也非常重视创新架构的端侧芯片的投资机会。
在下游应用上，我们始终认为应用层是大模型领域内最大的投资机会，大家都在拼基础模型，但最后的目的都是为了实现应用层的百花齐放。
今年上半年，我们一直在追踪国外大模型应用层的发展情况，其在应用广度与深度上均领先国内，比如我们很看好的陪伴类应用，C.ai 不仅仅停留在文字层面，还融合语音、视频等多模态交互。不过国内庞大的用户基数与数据资源，也为创新应用提供了得天独厚的优势。
第二，我们也很关注大模型与其他行业的结合：比如与教育领域的结合，AI tutor 成为热点，国内外企业如 Check、字节跳动、作业帮等竞相布局；以及与营销领域的结合，大模型已显著提升用户画像与商机匹配的效率。
第三，大模型与硬件的结合，新一代 AI 硬件不仅限于交流，更向具身智能方向发展，在大模型赋能下更趋人性化。
最后，大模型在效率工具方面的应用也不断成熟，如文生图、文生视频等，极大地提升了内容创作与营销文案的生成效率。
Q8：很多基金都在讲投资 AI 应用，但为什么实际当中出手还是比较谨慎？
朱永：投资事件的减少是由综合原因导致的：一是大家对行业预期发生了变化；二是行业里有很多投资机构的募资情况发生了变化，包括美元基金退出策略的调整等因素。但我们更应该看到另外一面，真正优秀的创业公司是不缺融资的。当前，资金并非稀缺资源，真正稀缺的是那些具备创新潜力与成长价值的高质量项目，对于这样的优质项目而言，反而在当前环境中更容易获得融资支持。
Q9：为什么去年没投效率应用和陪伴应用，当时的顾虑点是什么？为什么反而觉得现在是有机会的？
朱永：我们作为产业投资方还是非常谨慎的，未投陪伴类应用，主要因其需解决 RP、用户增长及运营能力等多重问题，且许多公司现在是想自建流量平台而非单纯的提供技术工具，我认为这种路径风险较大。再者，在商业模式方面，如文生视频的生成成本高昂，下游难以承受，所以我们持谨慎观望的态度。
但当前，二次元市场成为陪伴类应用追逐的高客单价领域，很多人为了买一张图，给图上的人物换身衣服，可能就舍得花 600 元人民币。传统的二次元创作者仅凭简单技术，月收入可达 8 万元，足见其市场潜力。如果加上大模型技术，这类应用将实现质的飞跃，不仅满足基本的陪伴需求，更将升级为用户深度参与的个性化体验。因此，其核心在于精准捕捉并满足真实的二次元及陪伴需求。
Q10：讯飞创投在具身智能领域有哪些投资倾向？
朱永：具身智能确实是一个「故事很长」的领域，应用也是非常广泛的，其终极目标虽指向家庭，但面临成本高昂以及中国家庭环境自身复杂性的挑战，因此，我们认为具身智能技术需要先在封闭场景如工厂、菜场、药房、便利店中打磨能力，之后再逐步迈向家庭，向家庭的渗透也是分阶段进行，初期可能聚焦于富裕家庭，定价大概在十几万人民币左右。
真正务实的创业公司都是在分步走的，先攻克封闭场景应用，如药房与零售自动化值守。中国的人口红利在慢慢消失，之后很多行业可能面临招人困难，尤其是在分拣领域。
具身智能赛道是去年集中爆发的，像我们投的银河通用机器人和上海智元整体的研发进展是领先于后来者的。如果再投一个相同概念的公司很难超过前者。因此，我们当前聚焦于两大方向：一是区别于通用机器人的行业机器人；二是聚焦于机器人共性核心零部件上的投资机会。
三、业务是创业的核心
Q11：如果投AI相关公司，基金会重点投什么轮次和阶段？你的投资标准里包括了哪些必备条件？
朱永：讯飞创投主要围绕企业的早期和成长期两阶段进行投资。
投资标准主要包括：
企业的发展空间，考察企业所在行业的前景以及企业在行业中的地位，推演三五年后企业的位置，投资是面向未来，要找三五年后的头部企业； 企业的核心技术，看一个企业是否掌握自己的核心技术，核心技术是企业核心竞争力的重要组成部分，也可能成为企业的竞争壁垒； 企业的创始人和团队，创始人的格局决定事业的格局，指出方向、发动群众、聚拢资源是优秀创始人的核心能力，多元化团队可以集合不同领域的人才，提供不同的观点和思维方式，促进创新和创造力的发展； 企业的主要产品和服务的市场空间，只有大市场才能长出大企业，只有大空间才能享受高估值，只有所提供产品和服务的基本需求在未来 50 年不会消失的企业才值得投资。
Q12：如果投 AI 相关公司，最看重哪些创业者的特质？
朱永：刚刚的问题也有提到创业者的核心能力，我个人比较看重创业者的特质如下：
目光长远，投资是对未来趋势的判断，创业者需要有长远的目光，在别人还模糊的时候看清楚，然后选择合适的方向进行投资； 富有韧性，创业之路任重而道远，是一个充满挑战和困难的过程，需要创业者具备坚持不懈的精神和强大的毅力； 领导能力，成功的创业者往往具备卓越的领导力和决断力，能在关键时刻引领团队，做出明智的决策，并勇于承担责任，善于倾听他人意见，同时能够果断地执行决策； 团队互补，一个企业的成功不是靠个人就可以实现的，离不开团队合作互补，充分发挥团队成员的知识和经验优势，扬长避短，产生正向合力。
Q13：对于 AI 领域的明星创业者有哪些建议？
朱永：一是关注 AI 大模型的应用层，需求与应用将成为驱动人工智能发展的关键因素，以行业特征和企业经营目标为导向，进入到行业中去进行技术突破和场景探索，发掘应用层的机会做垂直赋能，目前仍然存在大量行业场景的 AI 应用价值尚未得到充分开发。
二是形成高壁垒，企业要拥有自己的竞争壁垒，可以依靠研发核心技术，或者与合作伙伴一起整合解决方案，形成高壁垒，这不仅可以帮助创业公司快速成长，还可以提高其在竞争中的地位。
三是以拿到资金为主，在创业期间，一切以拿到融资资金为准，企业的运行和发展离不开资金支持，高效运营和良好的现金流管理同样重要，这有助于确保公司在面对不确定的市场环境时，能够持续发展和创新。
Q14：对于 AI 领域的非明星创业者有哪些建议？
朱永：对于 AI 领域的非明星创业者首要任务是提高自身的业务水平，业务是创业的核心，没有好的业务，就没有可持续发展的基础。特别是在初创企业竞争激烈的市场环境中，只有通过提供有竞争力的产品或服务，才能打动消费者，吸引更多的用户和客户，毕竟打铁还需自身硬。
03
核心观点：
1、在前沿科技领域的早期投资中，投得太早就是投错。
2、AI 大模型在未来 6 个月会进入短暂的技术稳定期，在此期间市场将逐渐趋于理性，创业公司也会出现第一波洗牌，这些信号是可以开始投资布局的积极信号。
3、应用层必须要确保前端与后端模型可解耦，使得后端模型如同可插拔的引擎，根据最新的技术发展进行适配。
一、下半年积极投资 AI 大模型应用
Q1：Capital O 下半年的投资策略是什么？
刘大卫：首先我们坚信投过早就是投错，尤其对于前沿科技领域的早期投资而言，在我们的策略中，对入场时机的把握和对标的基本面的判断同样重要，我们希望在合适的时机以合理的价格和方式进行投资和布局。
在过去几年里我们团队持续关注并投资了众多 AI 垂类应用，并在最早就击中了包括自动驾驶、AI 药物/材料发现等新领域第一股。但过去 12 个月总体来说我们还是比较谨慎的，没有盲目跟风大模型及细分应用的投资，反而是在一些其他前沿科技领域进行了布局，比如新材料、合成生物等。我们观察到 AI 大模型行业的热度占据了市场的主要注意力，使得其他领域的优质资产从估值上变得更有吸引力，我们相信 AI 大模型热潮趋于理性后，资本将重新回归这些被暂时忽视的领域，所以我们提前对这些优质资产进行了投资和布局。
诚然，基于 transformer 架构的模型及应用无疑是近两年市场关注度最高的赛道，其高速增长也比较符合典型 hype curve，我们也投入了大量的时间和精力，其中确有优质团队但供需关系导致风险回报比并不吸引人。展望下半年，我们认为 AI 大模型方向在经历了一波技术快速迭代期和市热之后，会在未来 6 个月左右进入短暂的技术稳定期（直到下一轮关键技术突破出现），在这个阶段市场将逐渐趋于理性，同时创业公司也会出现第一波洗牌，这些信号在我们看来是可以开始投资布局的积极信号。因此，我们预计会在下半年进行更加积极的投资和布局。同时，针对 AI 大模型应用创业团队的新趋势和新需求，我们也在探索创新的投资方式，希望在不久的将来能跟大家作进一步分享。
Q2：如何评价自己基金 2024 年 H1 在AI领域的投资策略？
刘大卫：在当前 AI 大模型热潮中，我们采取稳健策略，一边在其他领域稳步布局优质资产，一边加速自我迭代。在过去 12 个月，我们保持了克制的投资节奏，但我们投入了大量的时间和精力。根据我们的统计，过去十二个月我们筛选过的两百多个项目中有超过 70% 的项目和 AI 大模型相关，在这个过程中我们与一线的开发者、研究员、创业者社区和早期用户等都建立了密切的联系，这为我们之后的投资判断和新模式探索都打下了坚实的基础。同时，我们也和开发者合作，在内部定制了一些通过 AI 大模型技术赋能投研甚至投资全流程的产品，如果有同行感兴趣我们也愿意分享和开放部分工具。
回顾上半年，我们认为大模型在具体应用场景中的表现依然没有达到令大众用户满意的效果，具体表现为应用产品难以真正破圈从而形成网络效应。但同时我们也看到经过 1 年多的尝试，一些应用团队已经在某些场景小规模跑通了业务模式并积累了一定规模的用户基础，我们希望下一波模态质量的提升和推理成本的进一步下降，能帮助这些团队最终打磨出出圈的产品。
Q3：海外知名 AI 公司基本纷纷被并购，对国内外的投 AI 有影响吗？
刘大卫：影响不大。首先，我们并不认为被并购代表着创业公司的失败。需要指出的是，近期发生的一系列海外知名 AI 公司并购案例中投资机构都获得了合理的投资回报。事实上，我们认为美国本土 VC 其实比中国 VC 压力更大，这轮美国 AI 大模型公司的主力投资人基本上是 CVC。错过了底层大模型之后，美国 VC 又在去年争先恐后地布局 AI 应用，但目前看来效果一般。相比之下，在中国投资环境下，一些基金业绩不俗甚至已经实现了退出，整体表现可圈可点。
另外，从一开始我们就认为在这一波 AI 大模型浪潮中有很多新的形势和特点，我们很早就判断被战略方并购将成为创业公司长期进一步发展的重要方式，同时也会给投资机构提供了退出的方式。因此，在投资决策中，标的未来被并购的可能性也是我们会重点考虑的因素。
Q4：你们基金在AI领域的投资策略是怎样的？
刘大卫：我们主要聚集 AI 大模型应用的机会。在场景上，目前模型精度和鲁棒性还比较有限，但围绕内容（包括文字、音频、图片和视频等模态）生成的泛娱乐和社交等低精度场景将很有可能成为模型最先落地的领域。同时，AI 生成技术有可能从根本上改变内容生成的成本和时间，再加上内容分发、交互和消费的创新，我们认为在这个方向有很大可能出现平台型规模型机会。
在团队上，我们会更关注动手能力强、思路开阔的团队。与移动互联网时期相比，现阶段创业环境留给创业者的时间窗口更为紧迫，竞争更加激烈，但目前大多数应用场景都需要从头开始摸索，所以，对于非传统意义上的「明星创业者」仍然存在机遇，而且这种竞争环境可能会沉淀出更优质的 founder。
二、应用层的爆发时间点还没到
Q5：当前应用层的现状，您认为是由哪些原因导致的？
Aaron Qian：当前应用层的现状，根源可归结为多重因素交织。
首先，我们认为应用层还未爆发的核心原因是底层大模型能力尚不完美，虽然头部公司的旗舰模型已经在很多场景展示出了不错的能力，但对多数应用来说模型能力还没有跨过支撑大体量用户所需要的阈值。具体表现为，开发团队需要解决大量工程问题、幻觉问题依然存在、响应时长漫长、长程推理能力缺失等等。类比上一代以机器视觉为核心的 AI 技术，直到精度达到极高的水准后才出现技术渗透率的显著提升。我们认为应用大规模爆发，还需要 AI 底层大模型持续 1-2 次迭代。
现阶段 AI 大模型技术大致还处于「赋能（enabler）」阶段，对已经有用户有工作流的场景中可以作为一个可选的功能（「optional feature」）锦上添花，但还尚未达到原生 AI 应用场景进行「颠覆（disrupt）」的阶段，虽然我们非常期待那一天的到来。
因此，目前看来原生 AI 应用层大体类似手机生态中 app store 里的 app 机会，从规模上来看更类似现金流生意，核心问题是很难出圈，尚未形成网络效应，目前看来这些公司并没有证明自己可以突破规模瓶颈，可能还没有达到进行资本化规模放大的阶段。
虽然我们判断应用层的繁荣可能还需要一段时间，但我们同时认为现阶段已经下场的创业团队也有很大机会成为应用层最后的赢家。通过实战积累经验，打磨组织和团队，把某些场景里的与用户交互的「最后一公里」做好，等待底层模型能力提升、推理成本下降时迅速抓住市场机会，这种战略同样有机会。
最后，中国本土团队也需要面对融资困难的问题。市场上支持初创企业的基金比较少且分布不均，资金多集中于头部机构。头部基金在现阶段对小项目持谨慎态度，因为小项目管理难度大、不确定性高、成功率低。但总体上我们对应用层中国团队还是有信心的，特别是在人才密度、产品力和运营上，无论是国内市场还是出海应用中国团队都非常出色。
Q6：如果为未来储备AI应用项目，Capital O 会比较看重什么？
Aaron Qian：模型和场景解耦是关键。应用层必须要确保前端与后端模型可解耦，使得后端模型如同可插拔的引擎，根据最新的技术发展进行适配。尤其在 AI 领域，时间和技术都不能错。模型技术的先发优势是非常脆弱的，对应用层的团队，需要保持对底层技术的敏感性和前瞻性，理解当下模型能力的边界，但在实操中建议直接采用市场验证过的成熟解决方案，市场会自然筛选出能力和成本最优的模型和 API。我们不认为用户应该直接和模型进行交互。应用团队需要做的是在用户和模型之间搭建桥梁，从而实现更好的用户体验，这其中包括交互方式、RAG、模型调用方式等等。对应用层公司来说，用户体验是最终的考核标准，用户价值最终会体现在用户数量增长、留存率提高、付费意愿增强及用户反馈上，这些数据对我们来说是现阶段重点关注的指标。
此外，我们也很看重团队的第一性思考。我们观察到一些团队数据增长很快，但本质上并没有想清楚自己在做什么产品满足用户的什么需求，很多时候团队的动作是被技术和用户牵着走。相比之下，我们更青睐对产品本质有更深刻思考的团队，这将直接决定公司是否能找准北极星指标、制定长期正确的策略。
三、下半年会重点关注 OpenAI 的下一步动作
Q7：如何看待现阶段「投人」的投资逻辑？
Aaron Qian：我们把创业者群体可划分为三类：一是头部明星类，拥有成功创业履历，凭借卓越背景能够形成资本和人才的号召力；二是业内共识类，现阶段数据初具规模，甚至可以做到细分头部，产品口碑好，在行业内赢得共识；三是高潜类，有一些创新的有意思的想法和产品，但尚未规模性验证。
每一个类型的创业者都有自己的优势和要克服的困难。现阶段，对所有人来说，创新往往要求从零开始，旧有经验未必适用。就像我们自己常说的「规律有价值，惯性有风险。」在创业，尤其是创新的路径上，更是如此。我们会比较关注具有批判思维和反思精神的创新型创业者。
总的看来现阶段的市场环境对创业团队的要求是很高的，需要有综合实力，不仅仅是技术全栈能力，还要有渠道创建能力、产品开发能力、用户管理能力等。
一般来说，投资人在底层模型和中间层公司会更相信头部创业者，在应用层初期投资人可能更青睐成熟创业者。对年轻创业者来说也有机会，尤其在 AI 领域，他们是原生用户，对产品有着深刻的理解和应用体验，更直接的接触用户和社区，认知差异或许会成为其优势所在。
Q8：「投事」的转折点会在哪里？
Aaron Qian：大模型的幻觉问题是影响用户体验的核心问题，可以通过技术手段改善，但并不能根治。但我们认为在应用层可以通过场景的选择进行规避。简单来说就是「更好用」和「更好玩」。
「更好用」对应的是面向 B 端的专业服务类场景，比如金融、法律、语言学习等，数据结构化、需求明确、付费意愿强，有效率提升类 SaaS 产品的机会。在这个大方向上，RAG 等技术已经大幅降低了幻觉问题，但长程推理能力的缺失依然制约了产品体验。若 Q*等算法实现突破，从而实现 OpenAI 所描述的 L2 级别能力，那么在这个大方向上将会出现一次大的转折。
「更好玩」对应的是面向 C 端的泛娱乐内容场景，我们认为这个方向潜力更大，会出现平台型、规模型的机会，尤其是在社交娱乐领域，技术革新可以降低内容生产成本、扩张内容库，交互创新可以提升体验，从而为消费者提供新的内容消费体验，这是个β的机会。在这个方向上目前的瓶颈是视频等模态生产成本高质量差，但随着多模态内容生成质量提升成本下降，这个方向也会出现转折。此外我们认为α的机会可能会出现在一些垂类细分社区和群体，这种场景早期容易被大众忽视，但往往能表现出很好的用户交互数据。
Q9：很多基金都在讲投资AI应用，但实际当中出手还是比较谨慎，会有转折点么？
Aaron Qian：现在的问题就是基金不愿意出手，这是因为大家都没赚到钱，一旦有基金在某些项目获利，其财富示范效应将带动更多投资，所以现在关键在于这一盈利转折点的出现。
Q10：2024 年 H2，关于AI创投你会有哪些重点关注的事件？
Aaron Qian：我们下半年会重点关注 OpenAI 和 xAI 等头部公司的下一步动态。OpenAI 最近经历了一些动荡，但 GPT5 和 Q*算法最后实际落地的效果将很大程度上决定这个赛道未来的走向。另外 Musk 的 xAI 在完成融资后迅速搭建了万卡集群，我们也很期待 xAI 的人才密度和执行力能做出什么新的突破。
大方向上我们比较关注内容生成，包括视频生成、音频生成等，未来 token 成本持续下降，会有很多场景可以跑通的。
Vol 01：2024 年，中国的投资人们如何投 AI？
Vol 02：拿钱、增长、TMF，大模型应用层创业的 13 个 Tips
Vol 03：10位拿到钱的AI创业者：他们的焦虑、预判和规划
Vol 04：企业内部如何更好落地大模型？我们走访了 10+ 先行者
Vol 05：Q1 AGI 融资万字盘点：单笔最高30亿、PMF海外已跑通、资本军备竞赛已开启
Vol 06：什么样的 AGI 创业者更容易获得资本青睐？
Vol 11：过去三个月 AI 融资盘点：各投各的，该卖的卖了
如果你是 AGI 领域的创业者或者投资人，对投融资话题感兴趣，欢迎与我们沟通交流。
载入历史，YC新项目屠榜Product Hunt，病毒营销玩出新高度
1500 万月活的 AI 搜索：理解用户、做好产品，比模型更重要