萬字圓桌實錄：AI投資趨勢及套用方向

袁曉輝：

下面我們進入今天的第二個圓桌環節，主題是AI投資趨勢及套用方向。歡迎三位老師。我的第一個問題，關於AI Agent，還是問周健老師，我們知道RPA機器人已經在軟件流程自動化中扮演了一定的角色。現在，隨著大型語言模型的出現，您認為AI Agent與以往的流程自動化機器人在本質上有哪些不同之處？同時，這又為我們帶來了哪些新的可能性？

周健：

我認為，過去RPA主要是一種UI自動化技術，它的核心任務是解決資訊化時代數據在不同資訊系統間的傳遞問題。比如，我們每個人都可能在手機上將檔從一個套用復制到另一個，比如從微信轉發到電子郵件，這正是RPA試圖解決的問題。然而，在AI 1.0時代，由於AI的語言理解能力有限，我們在進行自動化時，Agent對數據或文件並沒有真正的理解。但是，隨著大型語言模型的到來，我們現在獲得了一種成本效益更高的語言理解能力。這使得AI Agent在文件理解方面有了顯著的進步。

我們剛才討論的各種場景，無論是表格還是文件，都涉及到資訊的理解和轉化。AI Agent現在能夠幫助客戶解決報告生成、報告總結以及資訊搜尋等問題。我認為，這是一個已經發生的變化，因為AI Agent現在能夠理解這些內容。此外，今天我還看到了另一個可能性，那就是自然語言可以轉化為一種指令。例如，在銀行信用證的套用場景中，表格中的某個單元格可能包含一段描述，要求信用證必須按照特定的規則進行稽核。在過去，這種稽核過程是無法自動化的。但現在，大型語言模型能夠理解這些指令，並據此生成程式碼並執行，這在未來是非常有潛力的。我相信，如果這種能力得到進一步的發展和叠代，它將極大地推動生產力的爆發。在某種程度上，自然語言就像是魔法，而智能體將能夠理解這些「魔法」，並將它們轉化為自動化的行動。這將是一個極其強大的發展。

袁曉輝：

好的，感謝周老師。接下來我們討論一個相關的問題，那就是關於AI原生。我們知道，AI Native這個概念，類似於雲原生或數碼原生，是在AI時代或大語言模型的支持下才會湧現出來的商業模式。我想問問吳總和範老師，你們在投資或客戶服務過程中有沒有涉及到這個問題，或者對AI Native這個方向有什麽思考？比如像character.ai，或者我們之前提到的妙鴨相機，這些可能都是在AI或大語言模型出現後才可能出現的商業模式或創業方向。

吳世春：

目前我們看到的AI專案中，完全基於AI原生的專案大概占30%到40%。還有很多專案實際上是從過去的專案遷移過來的，這些專案可能在AI 1.0時代就已經存在，現在加上了大語言模型的業務。對於投資者來說，這些專案更快地展現出它們的造血能力，即產品有客戶的情況。而AI原生的專案首先需要教育市場，需要重新獲客。第一批使用者可能基於好奇，或者是行業內的自我消費。AI原生的專案實際上在為ChatGPT提供新的思路和叠代方向。我認為目前還處於一個快速叠代的階段，目前看到的很多套用還比較初級，我們還沒有看到非常強有力的AI原生專案，比如像流動互聯網時代出現的今日頭條、唱吧、美團、滴滴這樣完全基於手機套用的強大專案。我覺得在美國也沒有看到這樣的大型套用。

袁曉輝：

現在還有一些陪伴類的套用。

吳世春：

我認為這些都是很容易被新一代的升級所取代的，因為大模型本身在不斷前進演化和升級。所以我認為ChatGPT可能會淪陷你，但這與你無關。因為很難自己形成一個獨立的邏輯，完成使用者的某一個大的體驗服務閉環。

袁曉輝：

範老師，您有什麽想法？您這邊也是內容加AI。

範淩：

我自己其實很少娛樂，所以我覺得原生的套用在西方出現的可能性更大一些。就像吳總講的，我們已經很長時間沒有裝過新的C端套用了。

吳世春：

我覺得在美國，很多AI套用第一步賺錢的還是滿足使用者的邊緣需求。但在中國，這些需求是不被允許的。一個森林要萬木繁榮，有花有草有樹木才能繁榮起來。但現在的情況是不允許的，只允許高大上的硬科技。所以我覺得這對很多公司在早期生存是非常困難的。

範淩：

確實，許多AI原生套用都是面向海外市場的，這些套用往往與遊戲和某些特定內容相關。在To B場景中，要解決的問題本質上是不變的，關鍵在於尋找更高效的解決方案。這不僅僅依靠的是AI的加入，而是AI與其他領域的結合，比如工業互聯網和行銷科技。盡管AI原生的概念在中國引起了很多關註，導致許多概念股的股價上漲，但在美國，那些真正在To B領域賺到錢的公司，如CRM和行銷自動化公司，在加入AI後使用者體驗得到提升，業務流程更加順暢，股價表現也更好。我認為，真正的AI原生套用在現階段可能還太「脆弱」，需要時間來成熟和完善。

袁曉輝：

從AI原生的角度來看，AI Agent可能也是一個方向。我們也聽說GPT5在AI Agent方面可能會非常強大。周老師，您是否擔心GPT5的出現會超越現有的相關服務？

周健：

對於我們來說，我們並不擔心被超越。實際上，當GPT4在3月份釋出時，我們確實感到焦慮，但現在我們越來越不擔心這個問題。Sora談論的是世界模型，但我認為它更像是一種行銷手段。在企業環境中，組織有其流程和人員，就像愛因斯坦不可能在沒有學習組織內部環境的前提下成為上市公司的CEO一樣。我們認為大模型的增強會增強我們AI Agent企業內部服務客戶的能力，因為我們有組織內部的私域數據。AI Agent需要從環境中獲取資訊並改變環境。我認為，這需要借鑒一些仿生學原理，比如人類大腦的工作方式。最近我思考了AI Agent的短期和長期記憶問題，我開始認為記憶不僅僅是數據庫，而是一個更復雜的概念。人類大腦中的海馬體有兩種類別的細胞，它們與空間記憶有關。我認為，構建一個能夠理解時空相似性的世界模型是非常困難的，這不是簡單地透過公開數據就能解決的問題。在企業內部，我們可能需要在AI智能體中實作Next Action Prediction（下一步行動預測）是非常重要的。這可能是創造有趣智能體的前提。

袁曉輝：

您提到的這一點可能涉及到軟件層面，也可能涉及到硬件，以及與環境的互動，包括它如何透過與環境的互動獲取更多資訊，並叠代其過程。剛才三位都提到了場景化，包括我們的產業界對AI特別感興趣。目前，落地最快的或者說你們發現更有意願去采購現有的AI服務的行業領域和環節有哪些？能否分享一下？

周健：

我認為，AI技術的落地應該從傳統行業開始，尤其是金融和能源行業。以金融行業為例，像工商銀行等六大行已經部署了兩千張以上的顯卡，而券商雖然稍微落後，但也在三到六個月內跟進。政府方面，許多地方政府正在建設大型數據中心，擁有相當的算力。然而，零售和制造業由於利潤較低，在當前經濟環境下不太願意投資於可能無法確定帶來改變的專案，這是我在客戶群體中觀察到的現象。

範淩：

在當前的創業環境中，技術的套用需要非常具體，能夠直接幫助企業。要麽是在一年內幫助企業增加收入，要麽是在三個月內提高企業的效率，如果CEO的任期較長，那麽技術還應該能夠幫助他們在三年內提升效益。從我的角度來看，所有技術的最終目的都圍繞著這三個目標。

如果我們對這三個目標進行排序，「提高效率」可能是最優先的。「提高效率」的一個關鍵方式是降低成本和提高銷售效率，這在快速消費品、美妝、服裝零售等行業尤為明顯。醫藥制造業現在也因為集采政策的變化而開始關註這一方向。長期來看，增長空間可能在於如何營運新的渠道，比如將線上線下渠道結合起來。在這個過程中，AI可以發揮重要作用，例如在銷售復雜產品時提供個人化服務。我們有化妝品行業的客戶，客單價在3000到4000元，導購的個人化服務非常重要。現在透過AI技術，相當於給導購增加了一個助手，使得他們與消費者的溝通更加高效。

吳世春：

我認為，要分析行業痛點，可以畫三個圈來表示。第一個圈是哪些行業有資金，第二個圈是這些行業中存在哪些痛點，比如降本增效、賺錢省錢等。第三個圈是替代方案，即是否使用大模型會比傳統解決方案更好、更高效。這三個圈的交集，就是企業能夠獲得收益的地方。金融、安全、石油、電力等行業目前仍然是資金充裕的行業。大型品牌商也是資金充足的行業。我們投資的一家公司，原來是在營運領域，現在結合大模型推出了新的服務，主要針對關鍵客戶服務的關鍵套用，這些是企業最願意投資的地方。中國的ToB市場相對較小，2C市場可能與美國相當，但ToB市場可能不到美國的二十分之一。在這個市場中，大企業自行研發，中等企業使用開源技術，小企業則不使用。大模型可能是SaaS行業的一個新出路，我們也投資了幾個SaaS專案。在中國，SaaS行業面臨的挑戰是付費能力差，客製需求多。

袁曉輝：

有觀點認為，AI可能會給SaaS行業帶來新的希望。AI在交付、個人化客製、生成程式碼等方面可以為新客戶提供服務，帶來新的希望，或者能夠用更少的人力資源來提供個人化服務。

範淩：

在概念上，大家普遍認同AI的價值，但在實際套用中，尤其是在行銷領域，我們發現內容生產的效率雖然提高了，但在行銷鏈路中所占的時間和成本其實並不高，可能連10%都不到。例如，使用Midjourney技術可以迅速制作出一張海報，但前期的溝通工作卻非常復雜，占據了90%的時間。盡管AI可以快速生成大量影像，但管理層往往仍會針對單張影像提出具體修改意見，如要求字型加大，這導致工作流程又回到了人工操作，效率無法提升。如果甲方能夠接受AI提供的多個選項，而不是提出具體修改意見，那麽AI在提高效率方面的潛力將得到充分發揮。目前，企業在討論AI時，關註的不再是技術問題，而是如何進行工作流程和思維模式的變革，以及數據安全問題。例如，麥當勞不會將其核心數據提供給GPT。目前，我們討論的主要是生產力問題，而不是大模型的能力。

周健：

我的觀點略有不同。在過去，我們已經在市場中看到了許多RPA流程產品，盡管RPA時代最終只有少數公司能夠實作現金流為正。但現在，隨著個人化客製成本的大幅降低，我們開始在大型銀行中復制這些套用，並有機會將個人化客製成本降至10%。我們強調的是專家知識，如對一家公司財務狀況的快速分析和評估。這些知識和評估標準往往由行業規範或政府規定，因此可以復制。個人化的部份，如每個銀行的特定規則和需求，雖然各有不同，但所需的資訊來源大致相似。在當前場景中，我們可以看到開源模型的能力在不斷提升，大模型公司也在不斷進步。例如，在智能客服領域，我們已經能夠計算出盈虧平衡點。

袁曉輝：

對，紅杉最近發了一份報告說是在客服場景已經找到了這個PMF。

範淩：

我想知道吳總有沒有投過這樣的企業。可能不一定存在所謂的AI原生套用，但會有基於AI原生理念建立的企業。這些企業從成立之初就以AI為基礎，最佳化人與人之間的協作，提高效率。例如，AI Agent可能不僅僅是供人使用的，而是能夠扮演不同角色，互相協作完成工作。我認為，未來可能會出現AI原生的連鎖店或出海電商等新型企業，這些企業的價值可能遠超單一的AI套用。

袁曉輝：

您的意思是，利用各種工具將內部流程最佳化到極致。

範淩：

對，現在要把AI Agent或AI作為組織不可或缺的一部份，考慮如何組織它們與人類協作，共同解決問題。AI原生的商業組織從一開始就是基於這樣的前提構建的。

袁曉輝：

也就是說，從企業創立之初就構建了一支由數碼員工組成的強大團隊。

吳世春：

我認為，在組織層面，由於存在惰性，不會那麽快地迎合新技術的改變。可能需要等待矽谷等地的更多案例出現。目前，一種常見的模式是，美國發明了新技術，而中國則能夠將其規模化生產，甚至做成低價商品。這種趨勢在新能源車等領域已經顯現出來。AI領域也可能如此，一旦有新技術出現，中國很可能會迅速將其普及化，甚至把它卷成不賺錢。

袁曉輝：

我們最近進行了一項研究，訪談了100多位來自不同行業的專家，探討了哪些行業在使用AI方面更為積極。我們發現，金融行業由於其良好的數碼化基礎和員工對新技術的高接受度，顯然是走在前列的。數碼原生行業，如軟件、廣告、工具和SaaS等，也表現出較快的AI套用步伐。相比之下，農業和制造業這些重資產行業，或者那些與實體世界互動更為密切的行業，AI套用的步伐則相對緩慢。在產業鏈的環節上，我們可以看到設計研發和銷售客服，也就是在微笑曲線兩端的環節，AI套用較為迅速，而生產制造環節則相對落後。

吳世春：

我認為，那些使用AI越多的透明環節，反而越難形成有利競爭。相反，那些需要克服許多使用障礙的行業，一旦建立起有利競爭，市場地位將更加穩固。一開始容易賺錢的行業，隨著時間的推移，可能會越來越難以盈利。而那些一開始看似難以盈利的行業，如果你能夠逐步解決使用障礙，最終可能會形成堅不可摧的市場地位。

袁曉輝：

確實，我們應該堅持做正確而困難的事情，這些困難的事情往往能夠建立起競爭壁壘。

吳世春：

是的，一開始不賺錢的行業，可能因為缺乏關註和理解，但隨著時間的推移，它們能夠建立起高壁壘。而那些一開始看起來很賺錢、很透明的行業，最終往往是不賺錢的，因為總會有人以更低的價格提供服務。

袁曉輝：

好的，謝謝吳老師。剛才我們聊了相對更容易落地的行業或環節。現在我們再討論一下，在推動AI套用，去跟客戶做POC的過程中，企業面臨的痛點和卡點是什麽。是在算力、意識、人才等方面遇到了問題嗎？有沒有一些經驗可以分享？

範淩：

我們接觸的主要是大型企業，實際上，真正願意自己建立算力的市場化運作的企業非常少。大多數企業只是利用AI進行套用和推理，而不會自己去建立模型或銷售硬件。目前遇到的卡點主要有兩個：第一，企業的流程是否對AI友好，是否願意為了AI進行必要的改革；第二，企業是否能克服對合規和數據安全的擔憂。當然，現在有許多技術可以幫助解決這些問題，但企業本身也需要學習如何套用這些技術。就像吳總提到的，我們也發現，越是透明的領域，企業越願意投入，而這些領域往往不會形成太多的競爭壁壘。而那些更難做的領域，企業則更傾向於觀望。目前，國內企業在AI方面的預算大多是創新預算，換句話說，就是可以被削減的邊緣預算。在中國比如說有些藥廠，它確實在AI研發新藥上投入很大，因為一個新藥出來，就可能有十億美金的市場，所以它可以投入很大，但它沒有把這部份錢投在中國。在中國，大多數企業都是把AI投入到一些相對透明的工作上，比如影片制作或人力資源提效等。

袁曉輝：

有沒有什麽破局的思路？

範淩：

破局的思路有兩個：首先，我們需要對企業進行AI的科普，要把AI從一個Buzzword變成他們腦海中的可能，讓AI原生的概念深入人心。現在大家都在談論Sora、ChatGPT，但真正了解和使用這些技術的人並不多，因此，提高企業對AI的認知是非常重要的。其次，我們需要真正了解企業的需求，企業追求的是增長，包括短期和長期的降本增效。如果我們能夠用AI創造出一些具體的套用場景，企業通常還是願意接受的。如果僅僅是純粹的創新而沒有實際套用，其生命力往往是短暫的。

周健：

我想補充一些我們去年的觀察。起初，我們認為AI在律師和獵頭行業會很容易套用，但後來發現這兩個行業的資訊化程度實際上並不高。他們擔心「教會徒弟，餓死師傅」，比如獵頭，他們與候選人的初次電話溝通和線下見面是至關重要的。獵頭通常有自己的Excel表格來維護一個千人或兩千人的候選人名單，他們並不願意分享給公司。對於律師而言，情況也是類似的，尤其是在國內，律所的資訊化程度普遍較低，一旦有律師離職，他們手頭的專案可能就會無法繼續。

此外，中國的企業文化與美國存在較大差異，美國的管理更為標準化，而中國的老板們往往認為自己與眾不同，不願意分享自己的業務流程。這種心態在一定程度上限制了AI的套用。另外，如果企業想要有效利用AI，建立一個AI團隊是必要的。這個團隊需要有業務專家，他們可能不需要深入了解AI的技術細節，但必須對數據敏感。例如，在招聘過程中，如果企業內部沒有人能夠理解收到的簡歷數據，並定義匹配規則，那麽作為服務提供方的我們也會感到很困難。目前，懂得業務知識的AI產品經理非常稀缺，這是AI套用落地的一個關鍵因素。

吳世春：

我對創業者的建議是，目前能在手機上賺錢的場景基本上都被大廠占據了。在美國，盡管AI概念股的股價上漲，但實際上除了OpenAI之外，並沒有湧現出其他特別賺錢或特別厲害的公司。因此，創業者應該去做那些大廠不願意做或看不到的難而正確的事情。不要只盯著那些看似有機會的領域，而應該在一些目前看起來沒有機會的領域深耕，這樣最終才可能取得創業成功。基於手機的套用場景在過去五年裏並沒有產生新的千萬級套用，所有好的套用場景幾乎都被BAT、字節跳動、京東等大公司所占據，對於新的創業機會，我持比較悲觀的態度。

袁曉輝：

在選拔創業專案的過程中，投資者常會詢問創始人，是否有他們認為正確而其他人卻不認同的觀點或方向。例如，AirBnB在早期並不被許多投資者看好，但最終還是在投資人的堅持下跑出來了。

吳世春：

從電腦到手機作為載體的轉變催生了新的套用。目前，我們仍然看到許多以手機為載體的套用，但未來可能會有以VR、機器為載體，或車輛為載體的新機會出現。對於手機為載體的套用，如果現在仍然只是重復已有的東西，那麽很多努力可能都是徒勞的。

袁曉輝：

最後一個問題，回到此次活動的主題，關於大模型時代的創業生態。三位嘉賓都來自北京和上海，從創業生態的角度來看，如果讓您選擇一個可以提升的方向，您認為應該是哪個方面？

周健：

對於創業公司來說，當前最重要的可能是交流和需求對接。因為很多時候大模型廠商會說場景不對，我們特別希望有更多這樣的對接機會。今年我們因為品牌建設做得好，所以有很多需求自然而然地找上門來。在這個階段，我們特別需要專業的對接場景，比如銀行或零售行業聚集在一起，這樣可以更好地理解客戶是如何思考的，從而獲得更多客戶視角。

袁曉輝：

也就是說，行業間的交流非常重要。

範淩：

我認為，在當前競爭激烈的環境中，保持開放性非常重要。我之所以感興趣來參加這個論壇，是因為我覺得需要到處去看看，到處去感受不同的氣氛，這樣可以獲得不同的能量。對於我們所做的企業服務，尤其是與AI相關的，當發展到一定規模後，如果不突破，效率會越來越低。在美國，除了上市和創業失敗之外，還有並購等多種結束機制。在當前的中國環境下，創始人需要有更多合作方式，包括並購和合作。以前資金充裕時，大家不太在乎產品的質素，但現在大家都知道，只有好的產品才能降低獲客成本。產品的邊界拓展和結束機制應該有更多的選擇。

袁曉輝：

吳總，您怎麽看？

吳世春：

我認為，美國的新科技領袖，如馬斯克，他們並非標準的科學家出身，而是具有綜合效能力的人才，甚至是產品型的CEO。他們能夠整合研發、供應鏈、產品和銷售等多個環節，並具有跨界的視角。在中國，許多領軍企業的CEO都是科學家出身，這與美國有很大的不同。我們希望找到能夠將科技轉化為商業成果的人才，他們需要具備前瞻性、表演能力，能夠像雷軍一樣，將普通事物描述得非常吸引人。

袁曉輝：

好的，周總提到了交流機會，範總提到了開放性和多樣化的結束機制和服務體系，吳總談到復合型的人才，這些都是在大模型時代創業生態中非常重要的因素。非常感謝三位老師給我們下半場這個圓桌帶來新的思想輸入。謝謝！