广告
加载中

圆桌对话:AI投资的星辰大海与暗流险滩

亿邦动力 2024-12-13 15:48
亿邦动力 2024/12/13 15:48

邦小白快读

EN
全文速览

文章讨论了AI投资的市场前景、成功概率和中美差异,提供实操干货和关键信息。

1. AI应用领域广泛,包括医疗(如AI肿瘤筛查提高效率)、安防、自动驾驶等,创业团队需既懂技术又懂行业才能成功。

2. 投资AI需关注团队甄别,失败率高但可通过小比例成功获得高回报;中国市场机会在软硬件结合(如智慧硬件)和垂直应用(如AIGC服务企业)。

3. 实操建议包括全力拥抱AI技术,根据其能力水平开发应用,例如利用智能巡店工具提升万店连锁效率。

文章分析AI对品牌营销、产品研发和消费趋势的影响,提供相关干货。

1. 品牌营销可利用AI如销售Agent替代人力,提高获客转化率(如从7%提升至12%-13%),同时关注用户行为变化,例如消费趋势中的万店连锁快速发展。

2. 产品研发应结合AI技术,实现颠覆式领先,如在制造业中AI赋能硬件产品(如智慧耳机),或通过AIGC创新服务企业。

3. 消费趋势显示AI替代脑力劳动,企业需研发新型产品应对市场需求,如结合AI实现效率与成本优化。

文章解读AI带来的增长机会、风险及应对措施,提供可学习点。

1. 增长市场机会在垂直领域(如高度分散产业),AI可解决瓶颈问题(如万店连锁中的智能工具),带来商业重构;消费需求变化如服务逻辑取代产品销售逻辑。

2. 风险提示包括AI人才短缺(中国仅200多人)、估值泡沫和政策环境差异;机会提示在软硬件结合方案。

3. 事件应对措施包括抱团取暖(如CIC产业孵化)、合作方式为联合创新创业(企业拉科技新锐);最新商业模式如AI包工头模式(包结果而非仅工具)。

文章探讨AI对产品生产、设计和数字化推进的启示,聚焦商业机会。

1. 产品生产和设计需求可借助AI实现自动化,例如智能巡店工具替代人工巡检,提升效率;在制造业中,AI赋能硬件生产(如新能源和钢铁行业应用)。

2. 商业机会在未被满足的产业需求(如高度分散行业),AI提供新突破点(如脑力劳动替代)。

3. 推进数字化和电商的启示包括结合AI技术(如大模型),优化生产流程,实现效率颠覆(如成本降低),并关注垂直领域应用。

文章分析行业趋势、新技术和客户痛点,提供解决方案干货。

1. 行业发展趋势显示大模型技术快速进步(快思考和慢思考能力提升),应用领域扩展(如客服、企业内部知识库);新技术如思维链和强化学习。

2. 客户痛点包括商业化困难(如中国定价逻辑不同)、AI人才稀缺,以及技术成熟度影响投资回报。

3. 解决方案如AI包工头模式(包工包料包结果),倡导全力拥抱技术(沿途下蛋),并利用软硬件结合方案解决痛点。

文章讨论商业对平台的需求、平台做法及运营管理,提供风向规避。

1. 商业对平台需求是AI与产业深度结合(如技术赋能平台),平台需支持团队甄别和产业合作;平台招商应聚焦熟悉产业(如生物医药、消费)。

2. 平台最新做法包括CIC产业孵化(大手拉小手联合创新),优化运营管理(如最大化企业隐形资产,最小化机制刚性)。

3. 风向规避策略包括避免估值泡沫风险,走中国特色路线(如耐心资本),并关注平台在AI时代的角色(提供生态支持)。

文章揭示产业新动向、问题及政策启示,探讨商业模式。

1. 产业新动向包括AI重构行业逻辑(如从产品转向服务),带来革命性变革(如万店连锁背后的AI能力);新问题如中美技术差距、人才储备不足。

2. 政策法规建议和启示呼吁耐心资本支持底层研究,政策推动AI产业化(如深圳出台雇佣数字人法律);启发走中国特色发展路径。

3. 商业模式探讨服务逻辑(如AI销售Agent)、垂直应用创新(出海工具软件),并提出产业孵化模式作为合作机制。

返回默认

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

The article analyzes the market prospects of AI investment, success probabilities, and differences between China and the US, providing practical insights and key information.

1. AI has broad applications across sectors like healthcare (e.g., AI tumor screening improves efficiency), security, and autonomous driving. Successful ventures require teams with both technical expertise and industry knowledge.

2. AI investment demands careful team evaluation; while failure rates are high, small successes can yield substantial returns. Opportunities in China lie in hardware-software integration (e.g., smart devices) and vertical applications (e.g., AIGC services for enterprises).

3. Practical advice includes fully embracing AI technology to develop applications aligned with its capabilities, such as using smart store inspection tools to enhance efficiency for chain retailers.

The article examines AI's impact on brand marketing, product development, and consumer trends, offering actionable insights.

1. Brands can leverage AI (e.g., sales agents replacing human labor) to boost customer conversion rates (e.g., from 7% to 12%-13%) while monitoring shifts in consumer behavior, such as the rapid expansion of chain retail.

2. Product R&D should integrate AI for disruptive innovation, such as AI-enhanced hardware (e.g., smart headphones) or AIGC-driven services for enterprises.

3. Consumer trends indicate AI is replacing cognitive labor, urging companies to develop new products that align with market demands for efficiency and cost optimization.

The article deciphers growth opportunities, risks, and countermeasures related to AI, highlighting key takeaways.

1. Growth opportunities exist in vertical sectors (e.g., highly fragmented industries) where AI addresses bottlenecks (e.g., smart tools for chain stores), enabling business restructuring. Shifts in demand include a focus on service logic over product sales.

2. Risks include AI talent shortages (e.g., only 200+ experts in China), valuation bubbles, and policy disparities. Opportunities lie in integrated hardware-software solutions.

3. Countermeasures involve collaboration (e.g., CIC industry incubation) and joint innovation (e.g., enterprises partnering with tech startups). Emerging models include AI contractor approaches (delivering outcomes, not just tools).

The article explores AI's implications for product manufacturing, design, and digitalization, focusing on commercial opportunities.

1. AI can automate production and design processes (e.g., smart inspection tools replacing manual checks) to boost efficiency. In manufacturing, AI empowers hardware production (e.g., in renewable energy and steel industries).

2. Opportunities arise from unmet industrial needs (e.g., in fragmented sectors), where AI offers breakthroughs like replacing cognitive labor.

3. Digitalization insights include integrating AI (e.g., large models) to optimize workflows, achieve cost reductions, and prioritize vertical applications.

The article analyzes industry trends, new technologies, and client pain points, proposing solutions.

1. Industry trends show rapid advancements in large models (e.g., enhanced reasoning capabilities) and expanding applications (e.g., customer service, internal knowledge bases). New technologies include chain-of-thought and reinforcement learning.

2. Client challenges include commercialization hurdles (e.g., differing pricing logic in China), AI talent scarcity, and ROI concerns due to technological immaturity.

3. Solutions involve AI contractor models (end-to-end outcome delivery), advocating for full technological adoption, and leveraging hardware-software integration to address pain points.

The article discusses business demands for platforms, platform strategies, and operational management, offering risk mitigation guidance.

1. Businesses seek platforms that deeply integrate AI with industries (e.g., technology-enabled platforms), requiring support for team vetting and industry collaboration. Platform recruitment should target sectors like biopharma and consumer goods.

2. Platform strategies include CIC industry incubation (large-small enterprise collaboration) and optimizing operations (e.g., maximizing intangible assets while minimizing rigidity).

3. Risk avoidance involves steering clear of valuation bubbles, adopting China-specific approaches (e.g., patient capital), and redefining platforms' roles in the AI era (e.g., ecosystem support).

The article reveals industrial shifts, challenges, and policy implications, exploring business models.

1. New trends include AI-driven industry restructuring (e.g., shifting from products to services) and transformative changes (e.g., AI enabling chain retail expansion). Challenges encompass the China-US tech gap and talent shortages.

2. Policy recommendations advocate patient capital for foundational research and government-led AI industrialization (e.g., Shenzhen's digital employee laws), emphasizing China-specific development paths.

3. Business models examine service logic (e.g., AI sales agents), vertical innovations (e.g., overseas tool software), and industry incubation as collaborative mechanisms.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

【亿邦原创】AI崛起为众多行业带来前所未有的潜力与动力,同时技术成熟度、数据安全、监管体系等因素也在直接间接地影响AI项目的商业价值和投资回报率。投资人们如何看待AI在产业中的应用价值与投资价值?什么样的团队更容易在AI时代获得成功?面对AI发展的全球竞争,中国AI企业面临哪些暗礁,又该如何找到自己的发展路径?

在2024亿邦产业互联网峰会上,东方富海合伙人周绍军、青蓝资本管理合伙人任刚、无届创新创始合伙人蔡景钟、胜辉资本高级合伙人丁勇吉就以上问题发表进行深入讨论。主持人为盛景网联联合创始人、首席执行官刘燕。

东方富海成立18年,基金规模近350亿,投资项目超六百个,2015年开始布局AI,目前在AI+医疗、AI+安防、自动驾驶等领域多有布局。东方富海合伙人周绍军认为,所谓大模型,是希望用一个通用模型解决很多应用场景的问题,所以AI时代需要技术与行业都很强的创业团队,如果团队仅懂AI不懂行业,很难跑出来。这也要求投资人加强对人的甄别,对团队的甄别。

青蓝资本一直关注软件、软硬结合的数智化、技术跟产业结合的项目,本轮AI浪潮中,青蓝资本在基础大模型、AI+软件、AI+硬件等领域都多有布局。青蓝资本管理合伙人任刚认为,面对AI这种大机遇,创业者应该立刻拥抱,同时客观认识AI发展进程,作出相应应用,全力拥抱,沿途下蛋,顺势而为。至于中国市场的AI发展机会,任刚指出,一个机会在软硬件结合方向,因为中国客户更愿意为一个“智慧”硬件买单。另一个机会是利用AIGC技术做新一代的服务企业,通过使用AI技术实现效率、成本、效果上的颠覆式领先。

无界创新一直关注产业互联网领域的投资。无届创新创始合伙人蔡景钟认为,从产业角度,看看中国有哪些产业高度分散,互联网也没能完成改造,这里一定有一些关键点没有突破,到了AI时代,AI有机会实现新的突破,也有机会重构整个产业。

盛辉资本一直以来扎根产业投资,在生物医药、消费、科技、供应链领域都有长期布局。胜辉资本高级合伙人丁勇吉认为,AI不仅会重构ICT软硬件行业,更重要的是在产业上带来更多革命性变革,让很多行业从产品销售逻辑转向服务逻辑。产业还有很多未被满足的机会,在这些方面成功概率更高。

盛景网联基金规模130亿,覆盖上市公司245家,同时拥有一套“CIC产业孵化”方法论,助力AI与产业双向奔赴,共同成长。盛景网联联合创始人、首席执行官刘燕认为,今天的AI创业已经不再是单打独斗,而是要抱团取暖;将优秀企业(上市公司、产业集团、独角兽)的产业能力等隐性资产最大化,并将大企业的战略刚性、机制刚性等隐性负债最小化,是“大手拉小手”联合创新创业的完美组合。盛景也呼吁更多的产业大咖和科技新锐携手共进,这样科技和产业才不是两张皮,而是双向奔赴。


温馨提示:本文为速记初审稿,在不影响原意的基础上,由亿邦动力编辑整理。

以下为对话实录:

1、AI+产业的市场前景

刘燕(盛景网联联合创始人、首席执行官):大家好,很高兴参加亿邦动力主办的这个论坛。我们这个环节是“如何看待AI在产业当中的投资价值”。投资领域有个说法是“无AI,不投资”,今天很高兴和我们在座的嘉宾一起,坐而论道。

进入到我们的话题环节,第一个话题是:各位投资者在AI赛道上面是有哪些布局,以及如何看待AI+产业的市场前景?

我们首先有请东方富海的合伙人的周总。周总是投资领域的产业大咖,有二十多年的投资历史,跨越了技术和产业的各个周期。在这样一个AI浪潮时代,周总对这个话题有怎样的思考和见解。

周绍军(东方富海合伙人):大家下午好,我是东方富海的周绍军。东方富海成立18年,总部坐落于深圳,管理基金规模近350亿,投资项目六百多个。这也是我从事投资行业的第24个年头。我们在2015、2016年开始进行AI投资。今天是一个大模型的时代,我们在AI+医疗、AI+安防、自动驾驶这几个领域投了非常多的项目。

所谓大模型,就是希望用一个通用模型解决很多应用场景的问题。在这种发展趋势下,怎么进行投资?对我们投资人也是一个新挑战。我先简单介绍这么多,后面我们还可以进行更多互动。

刘燕:好,谢谢周总。在产业赛道,除了大模型,垂类模型也是一个非常重要的趋势和赛道。下面我们有请青蓝资本的任刚任总分享一下,他们在AI赛道上有些什么样的布局,以及他任何看待对AI+产业赛道的前景。

任刚(青蓝资本管理合伙人):谢谢刘总,我是青蓝资本的任刚。我们基金主要的投资方向是软件、软硬结合的数智化、技术跟产业结合的项目。

AI技术经历了几代进步,最近三、四年大模型技术崛起带来新的投资热潮。我们这一轮投资了基础大模型公司,也投资了AI与软件结合、AI与硬件结合的公司,主要用在制造业领域,例如新能源和钢铁行业。

我们认为AI可以应用的领域是和AI的能力进步密切相关的。著名认知科学家卡尼曼提出,大脑思考可以分成快思考、慢思考两个部分。大模型这几年迅速做到很高水平的是快思考部分。快思考有些类似知识压缩,大模型读了万卷书,可以迅速解答知识型、常识性问题。在知识领域,例如客服、企业内部知识库,大模型都做得挺好。

另一部分是慢思考,这部分大模型原来做得比较差,直到今天还没有完全解决。但最近有了一些明显进展,比如OpenA最近发布的o1模型正式版,明显提升了逻辑推理能力和数学能力,加强了思维链、强化学习等技术的使用。

大模型现在处于什么状态呢?能干一些知识型的事情了,同时在深度智能上正在快速进步。我认为面对这种大机遇,大家不用等,应该立刻去拥抱AI,但是也不用对它期望太高,现在它还不是万能的,是在快速进化中的。

AIGC像一个征程,在这个征程中,AI能力到达什么水平就去做相对应的应用,全力拥抱,沿途下蛋,顺势而为。

刘燕:好,谢谢任总的分享。任总也谈到OpenAI o1在思维链上的进步,这确实跟传统的知识图谱有很多不一样的地方,会形成更多端到端的思考。这对于产业链里的应用会是一个大的跃迁。当然,这只是开始,企业家应该全力拥抱,沿途下蛋,去探索产业和AI的结合。非常精彩的分享,谢谢任总。

下面话题,我们给到来自于无界创新的蔡景钟蔡总。蔡总来自产业,之前在五星控股,对产业有非常深刻的认知。从产业迈向投资,尤其在AI这样一个浪潮当中,我们也听听蔡总跟大家有哪些心得想要分享。

蔡景钟(无届创新创始合伙人):大家好,我是来自无界创新的蔡景忠。我在十多年前参与汇通达的创立,后期一直做天使投资,focus在产业互联网这个领域。关于今天这个话题,我自己也在想,从原来的互联网时代进入到AI时代,到底什么变了?我们现在做投资,创业机会在哪里?我感觉最大变化就是机器实现从体力劳动到脑力劳动的跨越。

我们原来的产业互联网,比如找X网,都是人找货。我们代替业务推广人员去线下、去跑腿、去拓客。产业互联网让拓客效率更高,交易效率更高,订单效率更高,履约订效率更高。大部分是代替体力劳动。

为什么后面很多公司都出问题?因为他们创造的价值太薄了。大家知道to B公司不能仅提供信息撮合,背后有很多专业服务的东西要提供,这也是AI的机会。未来我相信会有很多这方面的案例出现。

这几年我还是专注早期投资,方向一个是出海,一个是消费投资。

消费里有一个重要趋势是万店连锁。以前做1万家店,要用20年时间,现在奶茶、零食等很多行业几年就做到万店连锁,这不是简单的数字化问题,背后有很多AI能力,让万店连锁变得简单了。

未来中国的商业升级,会有很多这样的机会出现在垂直领域,我们也将密切关注AI应用在传统行业中的变革与机遇。

刘燕:好,谢谢蔡总的精彩分享。不愧是从产业出来的,讲得非常通俗易懂,AI本质上是替代脑力劳动的过程。我们跟蔡总也很有渊源,因为盛景跟五星控股也是战略合作。

也简单介绍一下我们盛景,我们的基金规模大概是130亿,目前投资覆盖的上市公司是245家。像五星控股旗下的汇通达也是我们一起合作的产业互联网经典案例。

刚才蔡总也谈到了,过去是数字化,今天是AI化,可能有更多创造创意类工作被AI替代。确实,AI进化的终极形态将是AI agent,今天我们都在用各种APP,未来将是各种AI agent。

举个例子,我们已经看到在大消费领域,某日化用品公司已进行开始销售Agent提高销售效率,用过去累计的五六年三百多人的销售团队的数据训练的销售Agent,获客转化率达到12%-13%。

这是什么概念,真人销售顶尖top的获客转化率是15%,一般销售的转化率是7%。也就是AI销售Agent的能力虽然比top略低一点,但是已经远高于一般的销售。这就是很符合刚才蔡总说的,AI是个脑力劳动、创意、销售、店长、采购等领域的剧变,对各行各业都会带来巨大的机会,也值得大家去拥抱和关注。

好,谢谢蔡总。下面我们也把同样的问题问给盛辉资本的丁勇吉丁总。您在AI赛道当中有怎样的布局,如何看待AI加产业的未来布局?

丁勇吉(胜辉资本高级合伙人 ):谢谢刘总。大家好,我是胜辉资本丁勇吉,胜辉资本做了小二十年投资,也是一家一直以来扎根产业的投资机构。特别是在生物医药以及消费、科技、供应链领域,长期从产业角度来布局投资。所以我们对AI的研究,也是从赋能产业的角度去布局。

从信息化到数字化到大模型,我们看到AI不仅会重构ICT软硬件行业,更重要的是在产业上带来更多革命性的变化。很多行业从产品销售逻辑变成服务逻辑。所以我们在产业投资的过程中,非常积极地聚焦于我们长期熟悉的产业,不断去布局跟产业相关的AI技术以及团队。谢谢。

刘燕:好,谢谢丁总的分享。丁总也给了我们一个非常重要的概念,就是AI对很多产业不仅是赋能,甚至会产生颠覆,很多产业的商业模式和业态都会发生很大转型。

有句话叫“前沿科技,未来产业”,那我们怎么解读这句话呢?我们喜欢的解读是:科技有着无尽前沿,但都是产业的场景。产业有着无尽的未来,都需要科技的赋能。我想跟丁总讲的这个观点也是不谋而合。

今天来了非常多的产业界人士,从产业到AI,怎么帮助AI能够更好地找到产业场景,盛景也有很好的方法论叫“CIC产业孵化”,就是跟产业大手拉小手,进行共享和创新,帮助大量产业去实现第二曲线。

2、如何提高AI投资的成功概率?

刘燕(盛景网联联合创始人、首席执行官):我们的下一个问题是,如何从科技创业的角度来看待AI。

国家政策倡导要投早投小,但是我们都知道,投早投小面临很大风险,各位都是在科技赛道、创业赛道、投资赛道经历了起起伏伏周期的投资人。面对AI赛道这样一个新趋势,投资人应该如何提高AI投资的成功概率?希望大家从创业的角度和科技的角度做一个交流和分享。

这个问题我们先给到东方富海的周总。

周绍军(东方富海合伙人):我主要投早期,早期的失败率是非常高的,80%的失败率跟90%的失败率没有本质区别。所以对于我们来说,核心还是要挑到胸中有星辰大海,创业初心非常正的创始人。

回到AI这个话题,它有一些比较复杂的纬度——2016年我们开始投资AI时,我们就发现,创业团队如果仅懂AI不懂行业,很难跑出来。

比如我们投过一个杭州AI医疗公司,它通过AI提高肿瘤筛查效率——原来医生通过看片去筛查肿瘤。现在将上百张CT放在机器里,十秒钟不到全部筛查完毕,医生只需要签字确认。这个团队既有医生,又懂技术,这样的团队成功概率就会大一些。

另外我们也投了一个AI+安防的团队。在安防领域做应用,到了一定阶段,团队里必须要有跟政府、跟大B端打交道的人,才有可能获得成功。

所以大模型时代在找人方面同样有不一样的挑战。

我们把AI分成AI for Science,AI for软件,AI for硬件。前不久豆包收购了一家耳机公司,这是一家硬件公司还是一家AI公司?我的理解,实际上它是一家硬件公司,但是AI给它做了赋能。

另外我们投了一个产业互联网公司,前几年就开始用AI逐步取代客服,还可以帮用户去做品类对比。这家公司是一家平台型公司,还是一家人工智能公司呢?这又是我们在选择项目时看中的一个点。

所以对于刘总的问题,我认为,从早期投资来看,失败是大概率事件。作为投资人,我是做好这种心理准备的。但是我要保证通过小比例的成功获得极大的成果,拿了上百倍、上千倍的回报。这就要求我们加强对人的甄别,对团队的甄别。AI的时代需要一个技术+行业都很强的团队。

刘燕:好,特别感谢周总的精彩分享,我非常认同周总的这个观点,投早投小首先是看人和团队,团队既要有在技术领域的专业know-how,也要有产业领域的专业know-how。

今天我们说起“传统”这个概念,它不是一个贬义词。传统意味着什么?意味着它有规模,有成熟的客户和成熟的需求。创业最难的是找到核心客户、核心需求,所以如果有机会跟传统行业做结合,就意味着技术正在作为新质生产力去改变了一个产业。

好,同样的问题,我们问一下青蓝资本的任刚任总,对于投早投小,您是怎么理解和看待?

任刚(青蓝资本管理合伙人):非常赞同刚才周总说的,投资本质还是在投人,能把事儿想清楚、并且有执行能力的人。

补充一点,大模型领域找人挺难的。现在大家都在抢人,开的薪资非常高,因为懂大模型技术的人还是太少了。大模型技术是最近五六年因为OpenAI才火起来的,学习和研究大模型技术的人,很多是这几年刚毕业的博士生、年轻教授,有技术积累的人才数量并不多。

但是我觉得,AI+产业要找的人不一定是那种技术特别厉害的人,相反他应该是能跟踪最新技术发展,对模型能力有准确判断,知道怎么去用,对AI和业务结合的方法有准确判断和执行能力的人。我觉得找这样的人就行。不用去跟大厂、大模型创业公司去抢顶尖技术人才。

刘燕:好,谢谢任总的分享。任总其实谈了一个非常重要的概念,就是AI时代挖人的难度会变得更高。比如美国有超过1000名AI学者且一半以上在企业,中国只有200多人;因此,相对与美国,从绝对数量上中国存在AI人才储备不足、同时中国的人才大多数来自科研场景而非企业,因此AI创业团队商业化的认知薄弱,且产业化的资源能力严重不足,这导致大量的AI创业难以成功掉入“死亡之谷”,同时产业及场景无法被有效的AI产业化;

如何有效破局,激励大量的来自科技和产业的人才进入AI创业赛道,不断扩大水源涵养池,同时帮助AI创业者建立有效务实的商业化认知体系,更帮助建立产业化合作的能力和机制,助力各产业全面实现以AI为核心技术支持的新质生产力,盛景也在积极致力于推动“AI科创”的政策推动的谏言献策,以及前面提到的CIC产业孵化的产业合作。

也就是,今天的AI创业已经不再是单打独斗,而是要抱团取暖;将优秀企业(上市公司、产业集团、独角兽)的产业能力等隐性资产最大化,并将大企业的战略刚性、机制刚性等隐性负债最小化,是“大手拉小手”联合创新创业的完美组合。也呼吁更多的产业大咖和科技新锐携手共进,这样科技和产业才不是两张皮,而是双向奔赴。谢谢任总。

下面同样的问题,我们问到蔡总,关于投早投小,您作为产业界出来的资深人士,怎么理解和看待?

蔡景钟(无届创新创始合伙人):投早投小,如果从纯投资的角度来讲,本质上是投人。

最早在硅谷就有这样一个规律:我给你100万美元,占你八个点。投资人锁定的是一批人,一条赛道,把最优秀的人投一遍。这是一种投早投小的打法。

从我们的角度来讲,从产业投资人的角度来讲,我看好哪种呢?我看好的是,通过AI解决行业关键问题,让创业公司能够成长1000倍,我们赚100倍。我们看的更多是这样一些创业公司。

刚才我也讲到,很多行业都很分散。为什么这几年很多行业出现动不动就出现万店连锁?背后都有逻辑。打个比方,那种零食店为什么能够爆发式增长?因为原来巡店要靠有经验的人一家一家店去跑,现在有了智能巡店工具,他不需要出差能够解决这个重要问题。所以这个行业能够迅速发展。

原来很多问题要靠人去检阅、监督、管理,现在可以用人工智能去替代了原来的人工,这里面就会出现很多大的机会。

从产业的角度,我们就是看中国还有哪些产业高度分散,互联网也没有把他们改造起来,它们一定有一些瓶颈,有一些关键点没有突破。到了AI时代,AI有没有机会?我认为这样的机会在中国仍然还有很多。好,谢谢刘总。

刘燕:好,谢谢蔡总的精彩分享。蔡总从产业出发,特别务实地讲了如何解决这个问题。回到事物的第一性原理,不管技术怎样演进,终究要体现在成本和效率上。

尤其是我注意到,蔡总反复谈到,在大量人力密集的地方,是否有机会用AI极大提高效能。这就谈到AI一个非常重要的发展趋势,就是AI agent、AI数字人。

例如我们投的政务领域的AI数字人,特别具有未来启发意义的,这项费用支出不是政府的技术费用,而是用人力资源费用支出进行AI数字人采购,或者准确的说是“雇佣“。同时政府的费用支出要有政策依据,为此,深圳福田专门出台了雇佣数字人的法律政策。更有趣的是,“如何雇佣政务数字人”这个政策是谁出的呢?是AI数字人出的,这意味着我们真的开始进入“硅基碳基”的混合雇佣的新时代。

好,下面同样的话题给到盛辉资本的丁总,您是怎么看待投早投小?如何提高投早投小成功率?

丁勇吉(胜辉资本高级合伙人 ):谢谢刘总,提高投早投小成功率是投早期机构一直追求的一个目标,客观上是比较难的。那么在AI这个方向,是不是有可能提高成功率?

面对这几年的AI大模型发展趋势,我的一个看法是,早期AI大模型项目,一出来估值就已经很大了,所以如果投早投小都想做到,从大模型这几年来看是很难的。那么看看未来,我们觉得机会还是非常大的,或者说未来AI和产业的结合,是我们投早投小的重要机会。

我们的观点还是,一个成功的创业项目,核心要求是团队既有AI背景,又有产业背景,这是我们更看重的。当然,我跟蔡总也有共同的观点,我们认为产业还有未被满足的机会,还有重构的机会,可能在这样的方向上,会有更多的一个成功率。谢谢。

刘燕:谢谢丁总的分享。确实要提高投早投小的成功概率,是一件非常艰难的事情,刚才丁总谈到了AI跟产业结合,我非常认同。盛景也在这方面有所布局,因为今天我们会注意到,在AI与产业的结合中,除了要验证技术概念,还需要验证商业概念。

很多时候AI进入一个产业,最大的竞争对手是谁?不是你的AI同行,而是这个产业里原有的客户和原有的认知。哪怕他非常低效,但是他过去被验证过,是有效的。很多时候如果你不能了解它,你就很难进入它,更难去改变它。

Ai创业商业化,不仅要做产品研发,更要做客户研发;帮助AI创业者从基于“创始人信仰”的客户需求设想,转变为“基于证据”的客户需求验证,在这些方面,我们也在跟清华、北大、中科院做一些“AI极简增长加速营”,通过”核心客户、核心需求、核心产品、核心销售系统“商业的顶层设计,确认科技产业化进程中的关键任务、明确关键人才,助力精益创业,烧脑不烧钱,帮助创业者进行“商业概念的验证”,提高创业的成功概率。

3、中美AI投资的异同

刘燕(盛景网联联合创始人、首席执行官):好,下面我们进入到最后一个问题,因为时间的原因,最后一个问题大家可以回答得简短一点。

谈到投资,我们往往会对标美国,那么在对标美国的过程中,中国的AI投资有哪些借鉴,又有哪些不同,各位嘉宾大概用1到2分钟讲一个关键点就好。依然周总开始。

周绍军(东方富海合伙人):其实是相当不同的。在美国,美国创业你做A我就不做A了,我就去做B。中国创业比较雷同,你做A,我要比做一个比你更好的A。这是第一个。

第二个不同是,很多人喜欢用美国的估值方式来看中国创业公司。比如英伟达有上万亿的市值,很多人就认为,我在中国投一些芯片公司,也会有上万亿的机会。我觉得这是一个很大误区。如果你在中国投资,在美国上市,也许有这样的机会。但如果你在中国投资,在中国上市,你脱离了A股去看企业的估值,是不一样的。

现在很多企业一出来就是十几亿估值,我们觉得这里面有很大的问题,成不成功可能要到几年以后,公司真的能够走向资本市场的时候,才能够去做一个结论。所以我觉得美国跟中国在投人工智能方面,这两个方面非常不一样。

刘燕:美国更看客户,所以容易差异化。中国更看竞品,所以容易同质化,是吗?OK,这确实在中美特别不一样的地方。同样的问题问到任刚任总,您怎么看待中美在AI投资领域的异同?

任刚(青蓝资本管理合伙人):中美市场不一样的可能更多一些。

SaaS软件投资时,很多公司希望copy to China,把美国模式搬到中国来,后来发现不可行。为什么呢?因为中国的软件市场环境跟美国差异很大,尤其是客户对软件产品定价的认识。

在美国,软件产品是按价值定价的思维模式,要看软件给企业带来多少收益。例如软件给企业带来1000万收益,企业觉得花200万不算多。中国市场是按成本定价的思维模式,例如看你派了几个人来干活,这些人天的成本是50万,那我付你70万已经不少了。定价逻辑不一样。AI企业,在中国市场也会面临类似的难点。

但中国市场有自己特色的机会,例如软硬件结合的方案,客户更愿意为一个“智慧”硬件买单。另一个机会是利用AIGC技术做新一代的服务企业,通过使用AI技术实现效率、成本、效果上的颠覆式领先,打败传统公司。

刘燕:对,任总讲讲了一个很残酷的过去,SaaS时代几乎是哀鸿遍野,所以在SaaS投资时有句话叫“SaaS已死,Bus已来”。SaaS是工具,Bus是交易。同样在AI时代,如果AI只是作为工具,可能又会重蹈SaaS的覆辙。这在美国成立,但在中国真的不成立。

所以在中国投资AI,我们有个提法是:“AI创业应该是包工头模式,包工包料包结果。”你不是提供了一个工具,而是为一个业务结果去负责,这个时候才有大概率在中国取得成功。所以我非常认同任总的观点。

好,同样的问题,我们问一下蔡总,您怎么看待中美AI投资的差异?

蔡景钟(无届创新创始合伙人):其实中国最好机会还是在垂直应用里。我们本身数据积累比较多,在这上面长出一些模型,还是有竞争力的。

前两天我也参加了一些会议,发现很多外国人找过来,不是来找我们的产品,而是看中我们特有的一些数字化工具,我们先把这些工具软件出海,未来会带动这一块发展。

所以我的观点是,我们中国的优势应该是在一些垂直应用里找机会,跟垂直应用结合,这是更大的机会。

刘燕:特别棒。好,下面是丁总。

丁勇吉(胜辉资本高级合伙人 ):我非常赞成任总的观点,另外我们认为,更大的差异体现在底层技术上,虽然科学是无国界的,但底层的、基础性研究上,我们的差异还是很大。在这方面,我们需要更多的耐心资本。

当然,我们在产品、市场、商业模式上,也有非常大的差异,那就一定要走适合咱们中国特色的AI发展路线,这是我们的观点。

刘燕:好,谢谢丁总。在AI狂飙大时代要有耐心资本,而且要走中国特色之路,特别棒。非常感谢各位嘉宾的智慧与碰撞,也感谢各位来宾的共同参与。

无论如何,我们已经进入到叫“AI一天,人间一年”的百年未有之大变局时刻,每一个产业都值得用AI重新做一遍,也希望我们有机会产生更多碰撞,实现更多合作。好,谢谢大家。

文章来源:亿邦动力

广告
微信
朋友圈

FAQ回顾

AI投资如何提高成功概率?

投资成功的关键在于选择既懂AI技术又懂行业应用的复合型团队。例如AI医疗项目需要医生与技术专家结合,AI安防需要具备大B端资源。早期投资失败率高达80%-90%,需通过少数成功项目获得百倍回报。

中国AI市场有哪些独特发展机会?

中国市场的两大机会:一是软硬件结合方案,客户更愿为智慧硬件买单;二是利用AIGC技术打造新一代服务企业,通过效率、成本、效果的颠覆式领先打败传统公司。垂直领域应用结合数据积累是核心竞争力。

中美AI投资主要差异有哪些?

中美差异体现在三方面:美国创业注重差异化,中国易同质化;美国按价值定价,中国按成本定价;底层技术研究中国需更多耐心资本。中国需走特色发展路线,聚焦垂直应用和产业化结合。

这么好看,分享一下?

朋友圈 分享

APP内打开

赞 +1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0