2023年，大模型狂飆；但一級市場卻略顯十動然拒。

(資料圖)

一邊，大廠跟大佬all in大模型的規劃掀起賽道的狂熱，有VC搶做一個吃螃蟹的人，數億元融資成大模型投早標配。

譬如，啟明攜手經緯，數億元天使輪投向周伯文創辦的銜遠科技；創新工場孵化的AI 2.0 大模型瀾舟科技，也續上一筆數億元Pre-A輪，斯道資本和創新工場持續加碼。

但到了另一邊，卻仿佛現實照進理想，大模型自研所需的“鈔能力”讓不少VC望而生畏。

一次運算450萬美元（約合3000萬元）的開銷，以及月薪2萬至10萬/人的重金求賢爭奪賽，讓某家美元基金相關人員直接表示，“不關注AI大模型，太貴了。”

更有投資人直言，真實情況是項目根本搶不起來。一是估值體系還不成熟，幾億一輪融資，釋放10到20個點的股權，估值馬上超10億，而這估值還是按照一個大模型燒GPU消耗的成本去計算，而不是以其真正的商業價值去評估；二是國內存在商業化落地以及時機的不確定性。

“大家看好宏觀趨勢，也更愿意做跟投，但到具體項目，要領投可太需要勇氣了。而且一起進場投，很可能會追高。”

但有VC放棄，就會有VC勇往直前。

有幾家機構跟獵云網表示目前仍在持續學習中，但還未形成投資邏輯，處于想投但是多觀望的狀態。而這樣的狀態反應到項目端，卻也引發了部分創業者的吐槽，有創業者表示，很多基金與其說是投資溝通，不如說是找他們學習。

“有VC還在問一些很基礎的問題，譬如大模型跟原來小模型有什么不同。天天給人教育，相當于變成了一個免費的老師，后面的盡調也一直在問偏學術上的問題，商業上的考量都還沒有聊到。”

顯然，在一級市場投“真香”大模型上，多看少投甚至不投成為了大部分VC的日常。

國內大模型“冷飯熱吃”

說起大模型，其實也不算什么新鮮概念。

國外超大規模預訓練模型始于2018年谷歌提出BERT大規模預訓練語言模型，并在2021年進入“軍備競賽”階段。

2020年，OpenAI推出GPT-3超大規模語言訓練模型，參數達到1750億，用了大約兩年的時間，實現了模型規模從1億到上千億級的突破，并能實現作詩、聊天、生成代碼等功能。

再到2021年，谷歌推出的Switch Transformer模型成為歷史上首個萬億級語言模型多達 1.6 萬億個參數，并在12月提出了具有 1.2 萬億參數的 GLaM 通用稀疏語言模型，在7項小樣本學習領域的性能優于 GPT-3。

同期，國內超大模型的研發發展也很迅速，2021年成為中國AI大模型爆發的一年。

商湯科技的計算機視覺模型、華為云聯合發布的盤古NLP超大規模預訓練語言模型和盤古α超大規模預訓練模型、阿里達摩院PLUG中文預訓練模型以及聯合發布的M6中文多模態預訓練模型以及百度的ERNIE 3.0 Titan模型陸續面世，其中達摩院M6模型的參數達到10萬億，直接將大模型的參數提升了一個量級。

雖然當時國內院校跟大廠都在做大模型，但在銀杏谷資本高級投資經理鐘偉成看來，這更多是科研上的效果復現，對國外較為前沿的AI模型的跟進。直到2022年年底StableDiffusion、ChatGPT的出現，才開始讓更多業內人士從觀望走向下場。

“之前產品的商用價值并沒有完全體現出來，大部分比較好的落地場景是心理慰藉的對話，或者文檔的改寫生成，以及此前的AI繪畫。ChatGPT出來后，大家發現說可以通過多輪對話去做不斷微調、上下文學習，然后去生成更好的內容。”

從技術和戰略層面上看，ChatGPT讓更多人意識到這不單只是一個應用工具，甚至會成為一個新的PaaS層基礎設施。從技術和戰略層面上，群雄爭霸，都想試圖成為一個新時代的基礎設施供應商。

再到2023年，上市公司和大廠陸續放出做大模型的信號，AIGC概念股股價翻番，外加“AI的iPhone時刻 ”無不讓這股熱度從二級市場涌向一級，引發對語言大模型的重點關注。

風口之下，從前年開始布局的學院派等語言大模型創企從去年開始浮出水面，擊中了有出手壓力的VC心巴。

鐘偉成表示，多數投資人在大環境不確定下，會傾向于尋求一些偏底層及回報較高、能最終形成一家獨大的投資領域，外加對錯過下一個時代風口的焦慮，使得語言大模型項目成為了市面上最為性感的一類投資標的。

然而賽道雖香，語言大模型的火爆表象下，技術差距并不止一點。

以當前國內大廠語言基礎大模型十幾億、幾百億的參數規模，以及大多數創業公司還在做一兩百億的參數模型來看，跟ChatGPT相比，還有2-3年的距離。

VC看多投少，項目端狂蹭熱點

正如上文所說，現在VC看大模型，光看鮮出手。

一方面，是因為一些基金是從AIGC火了后，才研究和關注大模型，開始找項目，正處于學習階段，而更主要的原因是貴。

以OpenAI為例，其在推出GPT3的API接口出來之前，已經燒了好幾億，后在微軟百億美元狂砸下，才有了GPT3的面世及能力的涌現。

所以想要對標ChatGPT，資金必不可少。

鐘偉成表示，過去，團隊健全的大佬創業項目，一般第一輪估值2-3億元就已經很高。但放到大模型創企來說，光1年租1000張GPU卡就要花大幾千萬到1億元的支出。

“這還只是試錯的成本，萬一技術路徑選錯了，模型訓練的過程中出了一些bug，重新弄根本吃不消。天使輪估值就這么高，等退出還要7-8年，跑出來的還不一定是投資的那一家。冒著整支基金回報的風險去投大模型，是項目推進時較大的阻力。”

與此同時，不同背景的基金之間，對于基金存續期以及試錯風險的承受度都有不同的要求，部分基金會要求被投企業盡早做商業化嘗試，而這樣的投資模式跟慢工出細活的通用基礎大模型并不適配。

就目前來說，旗下有美元基金的機構存續期較長，更容易下注投資語言大模型，但就目前主要投資早期輪來看，隨著語言大模型項目到第三四輪，一輪5-10億的砸錢下，估值到50億元后，誰來接盤又成為問題。

在鐘偉成看來，與百度阿里等大廠，有內部資金支持科研團隊去做不同，國內語言大模型創企，投資風險高就在于不確定因素太多，早期VC基金攢局投完以后，后期輪還是需要國資機構的投資介入，幫助創企緩和資金量，才能推動扶持出一家頭部企業。

他不禁感慨，“別看創業公司去做語言大模型好像很熱鬧，最后的格局可能還是一家特別大，兩家相對小的中文語言大模型存活下來。”

與此同時，以目前市面上的大模型項目來說，蹭熱點的也不在少數。

就華映資本董事劉天杰的感觸來說，他從年底開始開始看AIGC的項目，過去是一個月看5-10個，現在是每天都要看3-4個，其中大概有1/4跟大模型相關。在他看來，現在項目多到已經成為繼上一波移動互聯網以來的新一輪全球狂潮。

“所有人都想第一波沖進去，挺正常。現在很多做語音圖像識別的中后期輪甚至上市公司都在蹭這一波熱度，有些公司號稱做大模型，但最終是面向應用的，其中大模型也得分語言大模型，以及中度的促進性模型。”

故而在一級市場上，普遍VC采取看多投少的節奏，尤其是在大模型底層還未確定能發展多快的情況下，美元基金偏好語言大模型，人民幣基金則更偏向應用層，但總體出手還是相當審慎。

此外，劉天杰還指出，上一波AI公司現在往AIGC靠攏，其實已經很難追上。事實上，這就是一場AI的自我革命。

“國外大模型從2018年就開始研究，這不是一蹴而就的事情。傳統判別式或者做卷積網絡的AI團隊現在跳出來講大模型，但是他在傳統AI技術路線上投入了太多時間人力，歷史包袱成為其困局所在。”

同時，劉天杰也坦言，在基礎大模型領域，其實文字、圖形乃至視頻的創業機會都不大。

“因為這不是一個擁有幾個算法天才就能解決的事情，你需要一個非常龐大的算力基礎，這可能現在連國內的大廠都沒有，就更別說創業公司。同時你還需要一個巨大的高質量數據集基礎，純靠公網扒取、或者花錢去買，想要去做語言大模型真是挺困難。”

再回到現如今的大佬紛紛下場創業，在鐘偉成看來也并非獨具優勢。

“很多大佬是邀請了一些以前參與過大模型訓練項目的人，把架構搭起來重造，但其實不同量級的語言大模型訓練，在工程化上都有很多不同的坑需要去逐步攻克，從0開始做，同行的競爭壓力還是蠻大的。”

應用層暫時失寵，模型層投資機會在“細分”

短期來看，國內互聯網大廠在研發語言及多模態大模型的節奏下，未來3-5年會出現各種不同垂直領域的大模型，甚至細分到各個公司私有化部署的大模型。

在這樣趨勢下，各家都會有一個嘗鮮期。

在鐘偉成看來，這就跟過去的中臺概念很像，短期內激發一波需求，會有很多大廠或初創公司，去輔助大企業煉制自己的AI大模型。而中國的市場里面，長遠來看還是會走出一兩家通用的語言大模型，由百家爭鳴的狀態走向大一統，且目前來看互聯網大廠的勝率較大。

“國內公域流量上的中文語料非常差，優質的中文語料又集中在各個不同大廠的私域場景里，比方抖音的視頻數據、阿里的圖文數據、百度的文本數據，還有知乎跟小紅書等，這些數據都是不會共享出來給外部去做通用的大模型訓練。而有著私域數據及資金能力的互聯網大廠訓練各自領域的大模型后，再看哪一家有能力擴展到更多行業，變成一個通用的語言大模型，我覺得這是國內大模型比較符合常理的一個發展過程。”

那既然創業公司做基礎大模型對標ChatGPT的機會不大，那么大模型創業還能往哪卷？

對此，有投資人給出一些答案：投細分、投基礎設施。

劉天杰表示，現階段，國內有一些大模型在垂直領域的細分機會可以查漏補缺，包括一些現在在國際上比較前沿的領域，比如3D大模型、視頻大模型、多模態大模型等中型模型。

“微軟英偉達，他們也沒有足夠多的3D數據去訓練一個通用的3D大模型，而是用一些中型模型的路徑或者說用一些模型監督強化學習的方式去迫近3D大模型。在這一點上，我覺得國內公司是有機會的。”

對此，鐘偉成也持相同看法。“關注垂直的語言大模型或多模態的大模型，國內創企還是有一定的數據優勢，譬如字節或快手的人去做視頻生成，就很有可能做成。我認為在垂直領域，市場規模足夠大、你進得足夠早，比別人先積累一些領域內的私有數據，很有可能做到行業一霸。”

此外，他也認為未來針對模型推理/訓練的優化、AI推理/訓練專用芯片等AI基礎設施方向，也是有比較明確的市場需求。

值得注意的是，目前相較于模型層，應用層暫時屬于失寵狀態。

過去移動互聯網或元宇宙浪潮，其最大特點是基礎設施發展較慢，但基礎設施架構上的應用發展較快。但到了這一波AI，基礎設施不僅已經迎來爆發式增長，更在大廠大模型的涌入下，不斷變化著。

在劉天杰看來，這種情況下講應用毫無意義，投入后一旦大廠發了一個新模型，就可能直接把應用干翻。

“在這種情況下，我們第二波才會看應用。現在的AI公司，如果能在目前中文大模型不那么完善的情況下，釋放功能給C端積累大量的高質量數據集，那這家公司才有意義和價值。”

此外，據鐘偉成透露，4月看大模型的投資人基本會對心儀的項目做最后推進，好幾家已經close了。現在還在市面融資的大模型項目相對變少，但還是會有很多做應用的AIGC項目主動找上門。

在他看來，眼下大廠百家爭鳴，大模型越割裂，對資本來說是一個利好，讓投資機構有機會參與到垂直領域的大模型投資。但對于創業者來說，無論是模型層還是應用層，都需要想清楚，一是找到一個AI原生的細分領域，二是認真思考其所帶來的根本性變化在哪，只是生成內容，還是內容的理解及后續合成。

顯然，這新一輪AI浪潮下，找VC拿錢的條件越來越高了。

標簽：