Fellows Fund 創始人Alex Ren ：矽谷視角下的AI 價值創造

來源：雷鋒網

作者：黃楠

2023 年8 月14 日，由GAIR 研究院、雷峰網、世界科技出版社、科特勒諮詢集團聯合主辦的第七屆GAIR 全球人工智能與機器人大會在新加坡烏節大酒店拉開帷幕。

在AI創業大爆發的時代，作為一個國際性的AI 論壇，此次大會吸引了眾多亞洲的創業者和投資人。大會共開設10 個主題論壇，聚焦大模型時代下的AIGC、Infra、生命科學、教育、SaaS等熱門領域的變革創新。在首天的「GPT時代的傑出貢獻者」專場，矽谷先鋒投資人、Fellows Fund創始合夥人Alex Ren 分享了「矽谷視角下的AI 價值創造」主題演講。

過去半年，AI的創業如火如荼。對企業和消費者而言，AI 意味著更好的決策、更好的行動、更好的結果以及更好的體驗。比起過去幾年，現在的AI公司有的已經開始盈利，前景非常可觀！

Alex Ren 認為，當前AI 的投資可以從四個維度出發：一是生產力的釋放，即AI 驅動的工具自動執行任務並提供輸出；二是對產業的改變，即使用人工智能優化流程以提高效率、降低成本並改善結果；三是AI 中間層，指AI 中間層連接LLM 以構建可擴展和定制的AI 應用程序；四是AI Agent（AI 智能體），由AI 代替人與機器進行互動並學習。

在與華映資本海外合夥人邱諄的對話環節中，二人還就AI 如何顛覆社交媒體內容生產方式、初創公司的商業化路徑等問題進行了探討。

以下為Alex Ren 的現場演講內容，雷峰網作了不改變原意的編輯及整理：

01、AI 投資的四大方向

我們是一家位於矽谷的風險投資基金，與其他VC 公司看項目的角度不同，我們會從三個點出發：空間，即初創公司的空間在哪裡；時間，技術發展的程度如何、是否已進入可大量商業化階段；維度，公司的核心能力是什麼、與大公司競爭的方法論。

圍繞這三大維度出發，我們提出了AI 投資的四大方向。

第一個方向就是生產力的釋放，即AI 驅動的工具自動執行任務並提供輸出。今天用戶已經普遍可以感受到AI 工具帶來的效率提升，比如用ChatGPT 生成文本、寫一首歌、或是寫代碼等等，很快就能完成。在我們投資的公司中， Gamma.app、Taskade、CodeComplete、Opus Clip 等幾家AI公司，其技術模式都是通過AI 工具組合來提供AI 能力，從而提升模型在領域中處理問題的能力，提高工作生產率。

第二個方向是行業的模式轉換。許多行業都會有自己的數據，例如生物、保險、家居服務等等，通過將AI 嵌入至行業的Workflow 中進行優化，可以提高效率、降低成本並改善結果。如我們投資的生物領域的Diffuse Bio，保險領域的Kyber，生活服務領域的LiveX AI等。

第三個方向是AI 的中間層。如果說AI 技術的底層是大模型，那在技術通往最終的應用之間，我們將需要更多的中間件，比如LangChain、LlamaIndex 或其他面向某個領域或架構的中間件工具。如我們投資的Anarchy AI。

第四個、也是近一兩個月最熱門的一個方向，就是AI Agent（AI 智能體），AI Agent 很早之前就被提出來，但直至GPT 的出現，引起大家對AI Agent 的思考，目前矽谷有很多工程師都在做這方面的創業，我們所投的Anothermind.ai 正是一家新型的AI Agent 初創公司。

簡單回顧AI 過去的三個階段：最早是Classical ML 時期，出現了很多從結構化數據和預定義特徵中學習的統計方法。隨後進入了深度學習階段，神經網絡可以從圖像、文本和音頻等非結構化數據中進行學習。 Transformer 以後，我們也邁向了生成式人工智能和基礎模型階段，基於GPT 方法可以生成各種文本、圖像、代碼或芯片設計算法等，可以說，生成式AI 就是下一輪的突破。

我們團隊自2016、2017 年關注AI ，可以發現，目前AI 公司與此前的創業公司相比，其核心區別在於：過去幾年中，以自動駕駛為代表的場景應用在盈利上未及預期，但今天許多AI 公司均具備很強的盈利能力，我們已經可以看到一些AI 公司在賺錢。

那麼AI 到底能夠產生什麼價值？我們將其總結為更好的決策、更好的行動、更好的結果以及更好的體驗。

首先是用AI 去做更好的決策，比如在市場銷售場景中使用其分析信用評分、解析金融風險等。

第二，更好的行動，即通過用戶動作推斷、提供更好的推薦個性化服務。

第三，更好的結果，也就是通過優化來獲得更好的產出結果。

最後是給用戶提供更好的體驗。舉個例子，如果你在美國打電話給某個銀行或航空公司經常需要等很長時間，用戶服務體驗非常差，但有了AI 客服對內部流程進行優化後，用戶的體驗也能得到極大提升。

具體應用時，上述所提及的AI 體驗都需要有一個Workflow 來完成。

舉個例子，媒體寫一篇文章需要經歷稿件批註、編輯等流程後才能發表，如果借助AI 從最開始的草稿、文章修改、總結等來進行輔助，使用AI 和不使用AI 情況下，其價值曲線會有所不同。

在沒有AI 輔助的情況下，受限於個人能力或速度效率，很快就會達到極限。但有了AI 的幫助，即便是一個沒有法律文書撰寫經驗的作家，也可以藉助大模型來完成相關文書的編寫，對內容進行有效的補充，同時通過人的不斷學習，進一步提升我們創造價值的能力。在這個過程中，AI 通過理解人的需求做推斷和執行，最後在寫作的流程中完成對人的輔助。

這裡簡單介紹一下大模型如何用Agent 來提升自身的能力。

由於大模型是基於歷史數據進行訓練的，因此無法理解當下所發生的事件。假設我們讓大模型將今天東南亞所有城市的天氣溫度做個排名，這個時候，大模型就需要一些工具去能夠同外界溝通以獲取這些信息，再基於信息完成推理，這就是Agent 的概念。也就是說，Agent 是大模型的眼睛、耳朵，使大模型能夠理解環境，從而能夠處理我們現在的信息。

02、大模型革新Agent 範式

接下來我想討論的問題是，AI 能為我們做些什麼事情呢？

主要包括三個方面，分別是自動化和輔助性AI，即AI 在Workflow 裡邊如何將流程自動；釋放創造性；更好的人機交互。

在自動化和輔助性AI 中，我們可以用兩個維度區分其不同價值。面對複雜度較低、任務量大的問題，通過將AI 嵌入至workflow 自動化流程，可極大提高企業的生產效率；在面對複雜度更高的任務時，AI 則是作為人的工具、扮演輔助性角色。比如在藥物開發、材料設計領域中，任務本身比較複雜，對專業性知識的要求也更高，因此它所利用的AI 能力往往不是一個會畫畫的AI 所能解決的。

舉一個我們之前投的用AI 做項目管理的案例。在Taskade中，向AI 發出一個市場營銷方案的指令，並生成各種用戶身份角色，將打包好的各種PDF 文件交給AI 作文本分析和處理，這種就屬於任務驅動AI。

它是一個集成式的任務管理工具，加上AI 嵌入，可對完成的生產環節實現全流程管理。這個工具中很重要的一點，就是對用戶行為的研究，以內容去跟用戶做交互，內容的生產也可以直接根據用戶行為來生成，並從用戶側得到反饋反哺模型，同時還可以藉助個性化推薦把產品廣告推送給用戶。

因此我們認為，這應該是下一代電商、零售領域發展的大趨勢。

要注意的是，基於大模型釋放生產力這件事今天如微軟等大公司也在做，初創公司又該如何競爭？

我們發現，很多大公司在AI 產品體驗上往往存在「最後一公里」未能達到的問題，也就是說，雖然它們的產品、技術能力非常強，但是在後期的迭代、用戶交付體驗等方面通常會做得比較差，這或許可以成為初創公司同大公司競爭的一個間隙——迭代足夠快，給用戶提升更好的體驗。

例如此前我們投資的一家AI 視頻生成公司Opus.pro，上線僅兩個月時間已經收穫了一大批忠實客戶。用戶只需輸入一個YouTube 視頻鏈接，平台即可在三四分鐘內生成十幾個短視頻，並將視頻直接分發至TikTok、Instagram、YouTube 上。類似的AI內容生成能力在遊戲、電影等方面都有很大的潛力。

而在用戶交互溝通上，AI 還可以解決在自然語言理解上的問題，例如人和機器的交互、不同地區語言的溝通等，與過去以API Call 為主的交互方式不一樣，大模型的出現使得交互方式也發生巨大轉變，這種通過大語言模型理解、人機和人人交互的模式，形成了以Agent 為主的全新交互範式。例如在翻譯、搜索等場景，許多工作正在被AI 重新定義。

但同時我們也要看到大模型的局限性。比如搜索的幻覺、信息滯後等問題。舉個例子，當我們向Google 搜索某個人的離職消息時，由於模型訓練使用了大量過去的數據進行訓練，信息未能及時更新時，大模型所生成的答案就會產生錯誤結果。需要通過人的指正或引導，對問題加以進一步的綜合處理和迭代，最後才能得出一個正確的結論，這就是我們目前強調在搜索場景下的大模型革新。

在自動化測試應用上，目前AI 也被應用於藥物篩查、新材料設計等方面，比如在藥物篩查設計領域，過去一個藥物元素的研發週期長達7 到12 年，通過AI 輔助可以有效縮短藥物的研發週期。如我們投資的Diffuse Bio和Persist AI，分別將AI應用在藥物篩查和藥劑封裝上面。

AI 生態系統和投資架構如今也發生了很大的變化。如果將最底層定義為AI 的操作系統，這個操作系統中包括了各種框架，比如TensorFlow、PyTorch、計算機硬件以及開放領域數據等。基於開放領域數據可以處理一些開發領域的模型，例如常見的各種GPT 模型、Diffusion model 等，這是我們對最新的操作系統的定義。

在這個基礎上加入垂直領域數據，這些數據是OpenAI 或者Google 等公司都不具備的數據，基於特定領域訓練專有的領域大模型，輔以工具對模型進行更好的訓練，解決向量數據庫以及數據私有化等問題，加上今天很熱的Chat Agent 輔助人做一些事情，還有部分面向特定應用領域用AI 重塑用戶體驗的工作。

過去，互聯網將我們數字化，不管是人、場景、物體、或行為，基於數字化衍生搜索引擎、各種電商平台等，以互聯網的形式對其進行管理。但到今天，我們所要做的事情，變成瞭如何將部分任務或AI 可實現的問題做成Agent，實現自動化、更高效地處理，這將成為AI下一個突破的焦點。

通過AGI（Artificial General Intelligence、通用人工智能），未來AI 超越人將成為可能，並將人釋放至更具創造性、有價值的事情中去。我們可以轉去做一些更有意思、有價值或是更需要「人」的能力的一些事情。 AI 的發展潛力非常大，但我並不擔心，在這當中，我們看到的是每一代的技術革新給人類帶來的便利，使人類得以做更多有價值的事情。因此，我們也希望未來能夠更好地為各個領域的創新者提供支持，在矽谷、在全球各地幫助大家創立一些偉大的事業！

03、Alex Ren 對話華映資本邱諄

**邱諄：**我在矽谷投資多年，近期主要是中美之間跑得多，比較關注中國企業出海的一些方向，AI 正是這當中最重要的一塊。想請教Alex 的第一個問題，剛剛你提到了許多關於AI Value Creation（AI 價值創造），我們常說當中Value Creation 的部分就是AI，作為創業公司中的一個關鍵因素，可否分享一些案例是如何落地的？社交媒體和電商目前已經進入瓶頸期，AI 能否帶來什麼顛覆性的改變？從投資角度如何評估？

**Alex Ren ：**當前我們看到很多關於AI 的討論，主要圍繞如何融入日常工作生活幫人們節省時間提高效率，另一方面就是在娛樂和交互上。

AI 的一大優勢在於其講故事的能力，傳統的故事內容生產無論是電影、小說還是YouTube 上的視頻，其背後都是人完成的。我經常舉個例子，例如曹雪芹寫《紅樓夢》，賈寶玉出家、林黛玉死去，這個故事是既定的，但新時代的敘事邏輯中，每個人應該都能去體驗紅樓夢，並且所得到的結果是不一樣。例如在我的故事裡，我可以跟賈寶玉聊天，問他為什麼要出家，我也可以改變林黛玉的結局。

因此，Gen AI實際上是一個產生新時代下內容敘事邏輯非常好的機會。每一代的社交媒體用新的方式產生內容，這種新的方式也產生了一種新的媒體，因此，新的媒體實則是一個高度個性化的敘事工具。電商同樣如此，未來的亞馬遜電商平台是不是可以用Peer to Peer 的模式，用模型在背後去理解人的需求，匹配需求，甚至是生產。因此，這種傳統大平台的形式在未來AI 發展過程中或許將被完全顛覆，我們需要做的是找到、並放大這些機會，去產生新代社交媒體、新的電商平台，它的方式可能完全不同於我們今天所用的方式。

**邱諄：**這個很有意思，也提醒了我電商最早的形態其實是P2P。確實，從Unit Economics（單位經濟效益）角度來講，這種有太多人工運營干預的模式較難實現，但如果用AI、尤其用大模型的方式，這可能變成一個很非常核心的方向。第二個問題，如果從商業化路徑層面來看，能否給大模型創業公司一些方向？

**Alex Ren ：**從初創公司的角度來說，我們要清楚自身的局限性，也即是我們能做什麼？擅長什麼？

正如我前面所說的，初創公司在跟大公司競爭時，其優勢並不在訓練模型或是做Infra 上，反而在實現客戶價值上有一定的可能性。中國創業者有一個特別的優勢，就是在互聯網時代學會瞭如何快速迭代、找到用戶的痛點。消費互聯網不是一個「你告訴我需求、我給你做」，而是「我們大家講一句話，把一大堆泥巴扔到牆上，看哪一塊可以黏住，我們就選擇那個東西」的模式，這種模式今天做AI 也適用。另外，我們要注意adoption（落地）速度。市場上有三種不同的客戶，一種是To C，一種是Prosumer（專業消費者），第三種是企業。就今天市場而言，顯然To C 和Prosumer 的落地速度要快多了，但企業場景會更慢。因此在這個過程中，初創公司要想清楚你的落地場景、你的客戶是誰，他們的痛點是什麼？你adoption 的速度快不快。如果落地速度比較慢，對公司發展而言是比較痛苦的，企業能夠構建的就是技術門檻。當然這也可以做，但就相對比較慢一點。

**邱諄：**我也補充一下。其實今天我們看很多跟商業化相關的項目，我們還是比較看重創業者本身及其產業背景、他對應用場景的理解等。從大模型領域來看，中美初創公司路徑差異主要有兩塊：一個是實現的路徑，第二塊是adoption 的狀況。從你的觀察來看，二者有沒有一些差異？

**Alex Ren ：**今天不管是中國還是新加坡的創業者，普遍在To C 和To SMB 上比較有優勢，但To Enterprise 是比較難一些，因為企業客戶在美國市場化這塊也是一個很大的挑戰，每個美國To B 企業中都需要建立一個很大的銷售團隊和市場團隊，這不僅是中國的公司，可以說是所有海外創業者都會遇到的挑戰。

二者的差異在於，矽谷多數初創公司在A 輪之前很少會講宏觀戰略，更多聚焦在產品如何解決用戶痛點，這個是最關鍵的，另外就是發展趨勢，因此會更落地一些。矽谷往往強調PLG，Power Lead Growth，通過產品功能的提升來吸引用戶使用，這是一個核心捷徑，關注用戶每次對產品的問題反饋，再進行快速迭代。

**邱諄：**目前國內的AI公司非常多，不管是應用層、底層包括Infra 層，大家都很活躍。相比之下在美國創業公司的adoption 進度如何衡量？大概在一個什麼樣的階段？

**Alex Ren ：**現階段比較成熟的是文本、文生圖。從最早的公司Jasper AI，到ChatGPT，以及文生圖領域的Midjourney，其實它們落地的速度都很快。但它們共同的特點就是，都是面向C 端的消費者或Prosumer。

美國公司有一個很有意思的現象，就是比如說Midjourney 是通過Discord 這樣的一個平台去調用的，即我們在互聯網時代講的網絡效應，在Discord 社區裡使用Midjourney 時，每次生成的圖片用戶都能看到， 也都能看到，有了別人的案例後我也可以來進行生成，這個網絡效應就在用戶之間互相學習，因此Discord 也是一個很重要的產品發行平台，尤其是針對Prosumer 來講，大家可以很快形成社區。

這種模式對早期公司而言非常重要，在用戶之間形成的網絡效應能加速產品傳播，使用戶群體很快就爆發了。當然，就目前來說，現在爆發的應用還是以文本、二維圖像生成處理為主，其他技術還不夠ready，仍在發展中。