2022年年底，ChatGPT引爆了新一轮人工智能浪潮，AIGC成为科技创新领域的“顶流”，国内巨头迅速加入“千模大战”，一大批创业者奔赴AI创业的新战场，巨额的资金也涌向AIGC领域。
目前，市场上的AIGC创业项目很多，投资界的热度也很高，但在这一轮投资热潮中，投资人在看AI项目时，出现了一个很有意思的现象——“看得多，投得少”。
“在一级市场，大家超高速地形成了一个共识，即AI是一个大趋势，每个基金也都想出手，但到底选择什么样的项目进行投资，投资人们变得更加谨慎。”顺福资本创始人李明顺在接受《中国经营报》记者采访时表示，“心急吃不了热豆腐，如今在AI方面的投资就是一种‘热豆腐现象’，投资人们想‘吃’但又怕投错。”
赚钱比商业模式更重要
ChatGPT引发的新一轮AI热潮从美国蔓延至全球，国内国外市场都在爆发着一股AI热潮。据7月份非凡产研发布的《2023年H1全球AIGC行业半年报》指出，2023年上半年，全球AIGC行业融资总额达1066.56亿元，融资次数共计78次。国内AIGC行业融资总额达62.39亿元，融资次数共计56次，上半年全国获最高融资金额的企业为 Minimax名之梦，融资金额达2.5亿美元。上半年全国平均单笔融资规模为1.18亿元。
现在国内投资市场也认可AI是发展大趋势。上述报告中还有一个数据更能看到国内AIGC赛道发展迅猛，2022年10月至2023年6月，国内AIGC赛道企业融资规模达66.9亿元人民币，占2020～2022年总计融资额的116.28%。
另外，中国信通院数据测算，2022年我国人工智能核心产业规模（增加值）达到5080亿元，同比增长18%。AI赋能经济社会发展各领域，有望成为科技跨越发展、产业优化升级、生产力整体跃升新动能。2022年中国AIGC行业市场规模仅为74亿元，市场呈现迅猛增长态势；AIGC正经历一个渗透率快速提升的阶段，为人工智能行业打开全新的成长空间。
投资人虽然对AI项目有很高的热情，但在选择上更加谨慎。因为愿意出手的美元基金比往年减少了，国内市场人民币基金在AI项目上较为积极，但在选择具体项目时虽然很想出手，只不过落实到具体项目上时，往往会因为各种问题不敢出手。
在第四届“数据智能创新与实践人工智能大会”上，零以创投创始合伙人郑连发指出，如今的AI资本市场既火热又冷淡，对于创业团队来说算账清楚至关重要。AI领域的投资热潮虽然带来了巨大机遇，但同时也伴随着激烈竞争和市场风险。在这样的环境下，创业团队必须清晰地规划自身的发展路径，并且对投资回报进行精确的计算。郑连发还透露，他所在的基金今年投资了两家AI公司，选择的都是可以马上应用变现的公司。
“我们看到现在很多AI公司可以在半年之内做出一个有几十万甚至几百万名用户的产品，并且很快就能实现盈利，这在四五年前是比较少见的。所以我们今天在投项目的时候，非常希望很早就能够看到产品化或者商业化的想法。”真格基金合伙人刘元说道。
华创资本创始合伙人熊伟铭更是直言，现在创业to VC已经不行了，必须赚钱。“如今的AI创业不像以前可以拿到A、B、C、D多轮融资，现在基本就是两轮——天使轮和A轮，所以我们在投资时会非常现实，看这个项目能不能赚钱，能不能赚很多钱。”
更关注应用层
AIGC三层架构分别为基础层、模型层、应用层，2023年上半年AIGC赛道国内投融资规模以模型层为主，占比最高，融资规模达43.09亿元，其次为应用层，融资规模达11.54亿元，而基础层所获融资金额占比最少，仅1亿元。
虽然各大基金在选择项目上有各自的偏好，但这一轮AI浪潮中，较多的投资人把目光放在了应用层。从投入来说，算力层、模型层对人力、物力、资金的投入要求更高，尤其大模型的打造更是烧钱，目前国内市场做大模型的以大型互联网公司为主。而应用层离客户更近，商业化的可能性更高。
锦秋基金执行董事臧天宇表示：“最近看得比较多的AI项目集中在应用层和工具链领域。”
刘元也表示，真格基金在今年投了20多个AI相关的项目，但在算力层和模型层关注得比较少，更多的精力放在中国比较有优势的应用层领域。“目前to C的AI应用，无论在中国还是美国都比较少，聚集to B领域的效率工具和应用比较多，但真正深入到行业的应用还是偏少。”刘元说道。
美国硅谷未来资本创始合伙人洪淼进一步指出，对于年轻人创业者来说，AI的机会在产业领域，因为目前所有大语言模型训练的数据都来自公有云，其实还有海量数据存在私有云上，比如说很多企业级数据不会放在公有云上，这就导致目前的大语言模型算法平台接触不到这些私有云上的数据。“我觉得将来真正的应用应该是怎样利用大平台的API算法接口，然后把大模型应用在企业级数据上面，这样才能给企业级的生产力带来很大的提高。”
李明顺认为，未来各行各业都离不开AI。“我们深知未来是‘三百六十行，行行需AI’，AI应用将无处不在，AI人才市场非常奇缺，除了尖端的AI模型和算法人才之外，大量的AI应用落地人才所需要的数量将更加庞大。”
相关文章
