·当下国内大模型的发展面临的很大挑战来自商业化，“基础技术可以追赶美国，但在商业化上缺乏成熟的软件市场。”华创资本创始合伙人熊伟铭告诉澎湃科技，国内大模型公司更像是拿着一把锤子到处找钉子的阶段，未来 5 年肯定看不见盈利的大模型，10 年没准也看不见。
尽管国内在大模型领域上呈现出千帆相竞的热闹场面，但大模型的态度分裂成两大阵营。一是以月之暗面创始人杨植麟为代表的技术信仰派，他们大多来自顶尖院校，强调技术创新和长期愿景的重要性。技术信仰派认为 AI 的发展不仅是为了与短期的产品市场契合，而是要在未来 10-20 年内实现对世界的深远改变。二是以金沙江创投主管合伙人朱啸虎为代表的市场信仰派，他们更注重大模型的商业模式和短期的商业可行性，对大模型公司的高估值和缺乏明确商业场景持怀疑态度。
作为硬科技投资人、华创资本创始合伙人的熊伟铭坦言，他也赞同朱啸虎的观点，他认为当下国内大模型的发展面临的很大挑战来自商业化，“基础技术可以追赶美国，但在商业化上缺乏成熟的软件市场。”日前，在接受澎湃科技专访时，熊伟铭作出上述表述，“现在大模型公司是到处‘找钉子’的阶段。”
华创资本创始合伙人熊伟铭。
华创资本曾投资 AI 芯片公司深鉴科技、壁仞科技，自动驾驶公司文远知行、智加科技，但在大模型领域，虽然华创资本保持高度关注，但至今尚未出手。
以下是澎湃科技与熊伟铭的对话实录。
“大模型我们缺人、缺时间，还需要一定积累”
澎湃科技：你一直关注人工智能，在过往这些年里，这一领域发生了哪些变化？
熊伟铭：大模型现在关注度很高，我们从 2015 年开始关注，当时网络参数达到 1 亿，我们已经觉得太了不起了，算是开启了人工智能的序幕。
从技术流派来分，一部分大模型做视觉，一部分做语义，当下这一波大模型实际上是语义。从 2018 年、2019 年开始，我们关注了斯坦福的 Stanford Question Answering Dataset（SQuAD），当时他们一直在追语义。
这几年，大模型又发生了一些变化。一方面模型的参数规模越来越大，ChatGPT 出现后，各种各样的模型参数级别都是上千亿级别，另一方面是 GPU 的算力提升，像英伟达就把 AI 算力大大提升了。
Sora 对外宣称 30 亿参数，是“大力出奇迹”，把大模型整体的算力提上了一个新的台阶。从 2016 年开始到现在，经过八年的时间，从编程（computation）到大语言模型，从以前模型完全不及人类的表现，到现在大语言模型能够部分达到人类的表现，这一点具有超越性。这在八年前很难想象，我们投资行业肯定是非常兴奋的。
澎湃科技：你们看好国内哪些大模型公司？目前大模型的发展面临哪些挑战？
熊伟铭：我觉得国内例如智谱清言、王小川的百川智能都是不错的团队。
但还得认识到，与世界领先水平相比，国内的大模型整体上还处在落后的状态。OpenAI 2015 年成立，早期因为不知道怎么赚钱，以非营利性研究实验室的方式成立。当时在国内，大家一看不赚钱谁都不敢干，除了清华、北大这些顶尖高校的老师，但投入极少。
所以在大模型上，我们整体投入不够、算力也不够，现在海外人才能回来的也不多。在大模型上，我们缺人、缺时间，我觉得还需要一定积累。
大模型的挑战肯定是在商业化上，我们商业化基础比较薄弱。基础技术还可能追赶美国，但在商业化上，我们还没有一个成熟的软件市场。
我们也很期待未来国内大模型的功能能够大规模提高，用户对于现有软件产品的付费意愿或付费能力能提高。
切口足够小的垂直行业适合发展 AI
澎湃科技：之前 Kimi 引发了一波国内大模型长文本的“内卷”，你怎么看这件事？
熊伟铭：目前市面上的大模型产品我们也都会尝试，国内大模型里 Kimi 跑出来后，可能会更适用于国内的中文环境。
从工业产品角度来看，可能大模型在商业上的场景覆盖还不够多。
我听说大公司们都在用大模型来做广告投放，但除此之外，还没有看到其他更多的应用。不是看见一个还不错的 Kimi，我们就要做 100 个 Kimi，从中比较出一个最好的 Kimi，而是要去考虑怎么让 Kimi 适用于各行各业。
现在大家看大模型的产品形态和应用，看得很窄，这是我们国内大模型公司一个问题。我们的大模型企业需要在行业里扎得足够深，它需要知道用户的痛点和需求。
现在的大模型公司更像是拿着一把锤子到处找钉子的阶段，哪里是最适合这把锤子的地方呢？我觉得那些垂直领域足够深、切口足够小的行业，很适合去发展 AI。
说到商业化，因为我们现在的市场基础还比较薄弱，这一点是我们大模型行业面临的很大挑战。但是我们有一个强大的政府采购市场，我们现在要拿 To G（Government 政府）的订单来补 To C（Consumer 消费者）的订单，但是最终价值落点还是在 To C 上。
当大模型能像手机应用一样，在终端设备比如手机、ipad 上运行了，这个产业才算真正发展起来。
澎湃科技：为什么大模型 To C 端的商业化会比较难？
熊伟铭：第一是缺应用，尤其是在国内。国外应用可能还更多一些，在美国市场里，会有很多独角兽公司或 Startup（新创企业）。毕竟以硅谷为中心的西方科技市场领先国内科技市场很多倍。
第二个原因是我们的月人均 GDP 比美国的 GDP 差很多，所以从基本面上承担不起大规模的投入，所以不会有像 OpenAI 这样的公司做大规模的投入和新产品的设计。
过去国内很多的创新其实都是在已知领域里迭代创新，而不是在未知领域里突破创新。因为从科技市场的角度来看，我们确实还处在一个刚刚起步的阶段。
就大环境来看，我们 GDP 总量是可以的，但占大头的是固定资产投资，而不是科技投资。
按照人均标准来看，我们人均对于科技产品的付费意愿和能力都极低，所以很多科技产品形态在中国是不稳定的。退潮之后，我们要诚实地面对现在国内科技水平和经济水平，我们到底推什么样的产品能够可行，我们应该去拿什么样的订单。
我觉得大模型公司现在会面向政府或是国企的商业诉求，这其实是更适合中国大模型公司的路径。
澎湃科技：我们之前采访了一些大模型专家，他们非常直截了当地说国内的大模型底层原始创新比较少，可能更多的是探索落地应用这些方面。你觉得现在国内大模型发展处于什么阶段？
熊伟铭：大部分的企业产品形态长什么样还不知道。文心一言去年出来都是 ChatGPT 形态，但这不见得是唯一可行的产品形态。
围绕着大模型的公司，其实都是巨亏的公司，我也不觉得投资人有什么所谓的洞察。我们太穷了，舍不得投大模型。我的 LP（有限合伙人）全都是人民币，我要关心我投的这些企业一是不是满足于科创板的上市要求，能否盈利。
我觉得未来 5 年我肯定看不见盈利的大模型，10 年没准也看不见。国内自动驾驶到现在已经 7 年时间，他说 10 年能盈利。这种特别前沿的事情在中国做不值钱，风险有点大。
深圳是中国的硅谷，这是肯定的
澎湃科技：所以你们公司大模型硬科技这块儿一个都没投吗？
熊伟铭：我们公司在大模型这个领域一个都没投，因为现在大模型公司是到处“找钉子”的阶段。前沿科技比如大模型、机器人这两块第一波曲线我们放弃了，在技术上我们现在已经错过基础设施的阶段，现在我们得看应用层面。第二波我们以实际落地的角度来看，还需要再等三年以后，再看大模型应用层面，垂直应用结合 To B 端和 To G 端，我会更有动力去看。
澎湃科技：你曾经在一次演讲中说，2022 年国内整个环境对于创业者来说有心理压力，现在这个环境在你看来发生了哪些变化？
熊伟铭：现在除了印度、日本，全世界范围内的创业者心理压力都很大。
硅谷的 VC 融资现在也非常困难，除了头部的几家和红杉这些老牌公司没有问题，其实大家业绩都不佳。美国今年资本化也很差，最成功的“美国贴吧”Reddit 融资了 7 亿美金。只不过美国如果你是头部 VC，你的募资能力还是可以保证。现在资金只往头部聚集。
中国国内没有这种市场环境，因为国内没有市场化资金，因为 IPO 理论上变得更加严苛，我们之前尝试一些新东西，刚开始就已经被喊停。所以 2023 年比 2022 年环境差一些，但 2024 年会稍微好一些，大家目前已经能心态平和地去面对失败。
澎湃科技：作为投资人，在你看来，国内有没有可能出现像苹果、英伟达这样的公司？如果出现，会在上海、北京还是深圳？
熊伟铭：我个人认为肯定是深圳。深圳实际上是东南亚市场的最北端，而不是中国市场的最南端，它是一个国际市场的高峰，深圳是中国的硅谷，这是肯定的。
现在深圳已经有很好的科技企业，比如华为的总部就在深圳。美国典型的科技头部公司比如英伟达这类企业一定要通过资本市场助力，但华为完全没有，华为是一个中国式科技企业样板的典型。在国内我比较看好这类特别本土化的公司，还有比亚迪和吉利。
澎湃科技：你们未来会比较看好哪些方向？ChatGpt 和 Sora 的出现让大家看到了人工智能的爆发，未来下一个爆发点会是什么？
熊伟铭：虽然我们没有投大模型公司，但我们也在关注这些大模型公司在干什么。比如现在的智谱清言已经开始有比较好的生态，他们也有投资团队。
未来，我个人认为 AI 能重塑（rebuild）很多内容。AI 会有无数机会，能赋能千行百业。我们认为，比如类似生物医疗行业，科学家做实验时，如果能借助 AI 会变得更有效率。在这些垂直行业扎根足够深、足够小，其实非常适合 AI，尤其是在数据价值高，而且获取数据有壁垒的行业里特别关键，所以我觉得 AI 可能会加速我们人均 GDP 或整个科技市场的成长。我们对 AI+ 这个模式是有所期待的。
