就像一个轮回，一级市场对AI(人工智能)的投资热情再次被点燃。

在五源资本投资人石允丰看来，当下行业的火热一个重要原因在于，2008年、2009年技术时代迭代时，因为犹豫带来的后果太过惨痛，国内平台型头部企业几乎换了一轮。十来年的肌肉记忆仍旧清晰，决策者尤甚。

2023年，因ChatGPT的火热而引发的投资热潮汹涌而持续，产业互联网时代到来、移动互联网红利见顶的观点似乎刚在耳边响过，如今资本再次热浪翻腾。一位关注产业技术的投资人对第一财经记者笑称：现在谁敢说反对的观点?只能说都是“周期”，遵循规律，顺应趋势。

但摆在创业者与投资人面前的技术差距、高额成本、落地应用试错，仍是不可避免的挑战。动辄数百万美元的训练成本到底是否适合初创公司杀入?拥有更优牌面的互联网大厂真的能笑到最后吗?本轮AI热潮相较上一波深陷亏损泥淖的明星公司们发生了什么变化?第一财经记者对话多位行业人士，试图在AI产业进入新一轮热潮的节点，给出冷静视角下的观察。

AI投资人重新亢奋

AI行业重新火热，在多位投资人士看来，具体表现在大家对于AI行业终于达成了共识——做通用型大平台。

一家日常对接一级市场投资机构与创业项目的机构(以下简称“FA机构”)，AI项目小组从2022年八九月便开始关注新的AI方向，当时生成式AI概念还未诞生，团队彼时暂将新方向定义为AI对内容行业的降本增效。

但那时，投资人群体尚未对AI行业形成一致认知，因此在推动项目过程中，不得不花费更多时间去教育投资人，或与对方一起探讨这个行业。单看TOB与SaaS赛道的投资人更多聚焦在商汤旷视等老一波AI逻辑的公司;关注TOC与TMT赛道的投资人多从传统互联网逻辑去考察创业公司项目的留存DAU(日活)等数据。行业并未形成统一的看项目的维度与标准。

2022年年底，文生图领域火起来，券商分析师密集发布AIGC(即人工智能生成内容)行业报告，国内投资人也开始关注跨模态或多模态的生成式AI。一夕之间，投资人群体关注点突然统一了——他们询问创业者“你们要不要做图?”“你们有没有文生图的能力?”

待到ChatGPT真正火起来，常把“技术性感”挂在嘴边、认为文字对文字这类项目不够性感的投资人，终于放下“偏见”，认识到文字仍是刚需，投入到寻找类ChatGPT项目的潮流中。

该AI项目小组对第一财经记者表示，由于生成式AI的爆火，投资人的选择风向一直在改变。但如今，大家不会像2022年10月、11月时，对生成式AI观点参差不齐，而是都对行业未来持有了信心。

这背后的根本原因在该AI项目小组看来，在于技术发展需要达到一个“节点”，开始向爆发性趋势走时，本没有关注这个行业的投资人也会被吸引。AI模型能力实际一直处在稳步提升发展的过程中，但当它没有一个落地应用出现时，市场上大众的注意力便不会被吸引，其中便存在一个认知迭代的过程。

去年年底到硅谷探访一圈的石允丰也持有相似观点，在他看来，目前湾区技术玩家——包括大公司与创业公司，也迅速达成了共识，新的通用型技术平台已经浮出水面，湾区优质创业项目估值基本都达到10亿美元级别，共识来得非常快，当然这也是在ChatGPT热度的带动下发生的。

算力或将成为追赶隐患

此次业界共识的主角大模型，成为AI未来确定的发展趋势。作为“大算力+强算法”的产物，搭建大模型的算力、算法、数据、硬件、工程化能力等，成为不同入局者竞争的重要指标。

此前，Meta首席人工智能科学家杨立昆(YannLeCun)表示，ChatGPT“没有太大创新”，基本仍是基于谷歌2017年发布的Transformer神经网络技术。曾效力于谷歌的人工智能伦理学家玛格丽特·米歇尔(MargaretMitchell)也表示，“我们大多数人都(对ChatGPT的爆红)感到意外”，“这项技术并没有推进任何的底层突破”。

对于该观点，石允丰对记者表示：“说得都对，但是，算法的核心要素没太大壁垒，数据的标注有壁垒，用户的反馈有壁垒，”谷歌与百度冲出来后，现在谁还觉得搜索有多高的技术难度?但一项技术突然火起来，是因为它发展到了一定程度，不难不代表没有突破。

所谓突破，在石允丰看来，包括算法创新、工程创新，以及面对未知目标投入的决心。当年OpenAI做决策，与今天行业做决策的难度是不同的，今天行业已经知道这个项目能成功，明白它将带来的商业价值。但当年OpenAI是冒着未知的风险在做巨量投入，所以今天他们获得了半年到一年的领先窗口期。

FA机构AI项目小组表示，所谓“没有明显技术迭代”，是指ChatGPT使用的仍是transformer——一个诞生了很多年的模型。但不能因为底层模型未发生质变，就说技术没有发展，如模型基础训练参数由十亿级别发展至百亿级别，其中需要巨量投入。另外，随着行业发展与社会资源投入变多，决定模型能力强弱的参数量也在直线上升。同时，伴随对模型算法与基础设施的优化，模型训练成本也在慢慢下降，这些都是进步的方面。

在宁畅副总裁兼CTO赵雷看来，ChatGPT最大的需求肯定是算力，若要实现理想化人工智能的算力需求，短时间来看也需要三个数量级