AI+3D 交互+Robotics，叠加底层的 Web3 技术，三浪叠加掀起生产力革命。
作者：石亚琼（shiyaqiong@geekpark.net)
排版：李亚静（liyajing@geekpark.net）
2024年3月6日首发于Founder Park公众号 （微信ID：Founder-Park）
编者按：
过去一年中，AGI领域几乎每个月都有新技术涌现，但昨天的创新极易被今天的创新所迭代，一切都有可能瞬间成为历史。创投圈告别了”野蛮生长“的时代，投资人也开始用更谨慎、保守的方式为创业公司估值，投资审美也趋近风险厌恶型。
为了更好的把握2024年的投资趋势，Founder Park邀请到了蓝驰创投的管理合伙人朱天宇，谈谈他眼中的过去、现在和未来，以及蓝驰2024年在AI赛道的投资逻辑，希望可以帮助创业者更好的了解投资人的考量和标准。
蓝驰已投 AGI 相关项目: 智元机器人、银河机器人、Moonshot、潞晨科技、西湖心辰、幂律科技等
蓝驰在管资金规模：超过 150 亿元人民币
核心观点：
1. AI+3D 交互+Robotics，叠加底层的 Web3 技术，三浪叠加掀起生产力革命。
2. 这个阶段具体的投资策略本质上还是投优秀的团队。
Q1：大模型出现对蓝驰的投资是否有影响？
朱天宇：外界一个知名的投资人对蓝驰在这波 AI 领域的投资评价是：可能是过去这一年最活跃的前三家之一。
但蓝驰看 AGI 领域的投资，并不仅仅是从 AI 单方面去看的。2022 年底，我们有一个判断：AI+3D 交互+Robotics，叠加底层的 Web3 技术，三浪叠加掀起生产力革命。这个是蓝驰看 AGI 的底层逻辑。
之前的互联网是二维的，人类处理的都是二维空间的数据；但是从人工智能开始，我们要处理的是三维空间，也就是立体的空间数据。当 AI 能够获取 3D 数据，它进阶的速度会加快。而机器人则是重要的执行终端。
现在可能还是互联网时代的 2000 年以前。从细节行业不同环节的价值来看，这一波的 AI 浪潮下的底层基础设施在未来的占比，可能会比互联网更高一些。互联网时代经常谈长尾效应，我们认为长尾应用的未来份额占比可能会超 50%。每一个小的任务单元，可能都比以往的价值更高。
Q2：蓝驰在 AI 领域的投资策略是什么？
朱天宇：从具体的投资策略上来看，本质上是投优秀的团队。优秀团队选择的方向，是基于他自己的一些很深刻的高维认知，不代表说他当下的切入角度或力度一定是对的，这只是他按照自己的逻辑进行试错的第一步而已。蓝驰有 20 多年的历史，且目前在早期机构中属于资金量比较充足的，选择优秀的头部团队是我们践行的一贯策略。
投资大模型的具体逻辑：
从全球来看，理论上，市场容量可能也就只有一两家。但是考虑到自主性，中国也会有自己的大模型。我们思考的是最后这个赛道上会留下几家？大模型公司的发展很大程度上取决于其人才密度、算力资源、数据资源。其中早期阶段，最核心的还是人才密度，尤其是天才科学家的密度。
投资具身智能的具体逻辑：
一个是我们相信三浪叠加的大趋势。一个是中国的比较优势是在制造业层面。具身智能现在进行到什么阶段，我们还需要观察。但是我们要在早期就想到终局，可能也会想到如何合作联合。但是我们认为，具身智能带来的是不一样的数据，是空间数据。我们认为，OpenAI 投资具身智能公司，很可能也是为了这样的数据。这是兵家必争之地。具身智能当前的投资阶段，最核心的也是人才密度。
投资应用的具体逻辑：
目前蓝驰投资了一些垂直方向，涵盖法律、教育、招聘、娱乐、销售等。实际的投资逻辑，一部分是找到那些有可能形成自己数据壁垒的场景，有助于形成数据飞轮。一部分也是因为看中了非常 AI-Native 的年轻团队。整体来说，还处于探索阶段。
看应用的话，目前蓝驰主要是看三个要点。首先，data rich 的场景，主要是要有上下文，且有足够多没有被数字化的场景的数据。其次，要一边赚钱、一边赚数据、一边赚知识，形成数据飞轮。三是要有降低成本的能力，比如要搭配不同的模型，甚至有自己训练的一些模型，80% 的请求通过自己的模型完成，借助 PMF 形成的数据飞轮，激发收入，并形成新的数据壁垒。
目前来看，能做出这样产品的「六边形战士」主要是是两类：一是之前真正从 0 到 1 做过产品，对数据、场景有理解的创业者；一类是年轻的 AI-Native 的创业者，可能还在大学前后，但是每天都在使用 AI，甚至可能已经在 AI 工具上实现了 1 万小时积累。
Q3：去年为什么没有大量的创业公司拿到融资？
朱天宇：美国投融资市场也很卷，VC 支撑美国这个市场已经走了五六十年，只有最厉害的创始人，才能拿到最头部机构的钱，才能拿到最多的钱。中国 VC 已经经过了 20 年的发展，也见多识广了。AGI 由于对算力、资源、资本要求高，必然呈现出高度竞争的状态。中国去年是百模大战，但后面可能也会合纵连横，未来也会有合并整合了。
对创业者来说，要么就专心做模型，要么专心做场景。基础模型日新月异，但做场景必须也要深刻认知到模型的能力和变化。
Q4：最近在思考的 AI 相关的问题是什么？
朱天宇：Sam Altman 说未来的创业公司也许是 1 个人就能做出独角兽公司。我们也在思考，什么样的人、什么样的场景能有 10 亿美元这样的杠杆率。
最近 Sora 发布，我也发了自己的思考问题：智能沿着数据生长，还是数据沿着智能生长？增量新数据和存量旧数据的特征分别是什么？新数据产生的场景怎么排序？
Q5：未来的超级应用可能是什么？
朱天宇：世界是多模态的，当前的大模型都是在消耗人类以往已经被数字化的知识，这些数据基本都是 2D 的。从空间角度来讲，人类现在生活空间可能还有 95% 的空间没有被数字化。所以当这些东西被数字化之后，可能带来什么样的应用啊？也许应该从这样的角度去思考未来的超级应用。
Q6：最近经常问创业者的问题是什么？
朱天宇：PMF 探索过程当中得到的收获是什么？
如何数据闭环，数据的壁垒在哪里？
如何降低成本，目前降低成本卡在哪里？
Q7：这一代 AGI 创投与上一代 AI 有什么不同？
朱天宇：在人工智能中，最值得期待的就是 NLP 的突破——NLP 是认知的入口，是基于语言文字的积累，能够调动的存量知识足够多，且跟人的交互更频繁、更接近行业应用。一旦 NLP 完成了突破，人类就可能「勾」到更高级的数据场景，训练出更高级的 AI。大语言模型的出现就是这样的突破。
上一代的信息革命、互联网，其实还是在传输信息，而这一代的 AI 是创造信息——例如 GPT——是在生成；之前的很多商业模式都是基于连接的，而接下来的商业模式是基于创造，所以就有一定的价值分配问题。之前的人机协作更像 SaaS 服务，但是接下来的人机协作很可能是机器会介入到人类的的思考和生产流程中，是有来有往的，不再只是外挂、辅助式的。
