編者按：本文來自微信公眾號 適道(ID：survivalbiz，作者：適道，微新創(chuàng)想經(jīng)授權(quán)發(fā)布。

本期內(nèi)容摘要：

1.趨勢1：各行各業(yè)都將擁有自己的Copilot

2.趨勢2：生成式AI與生命科學(xué)

3.趨勢3：增強(qiáng)大模型在工作流中的可控性

4.趨勢4：生成式AI視頻率先用在企業(yè)服務(wù)領(lǐng)域

5.趨勢5：“用AI來寫AI”

6.趨勢6：把數(shù)字孿生用在醫(yī)學(xué)臨床試驗(yàn)

7.趨勢7：做好應(yīng)用，不要沉迷于做基礎(chǔ)大模型

8.趨勢8：鏈接提示詞和多步驟自動化

9.趨勢9：AI+硬件=更強(qiáng)大的機(jī)器人

10.中國的AI創(chuàng)業(yè)與投資，該往何處去？

不能“套殼”ChatGPT后，創(chuàng)業(yè)者不如真正去做好企業(yè)級的應(yīng)用“殺手”，打造一條屬于自己領(lǐng)域的垂直壁壘？

8月1日，有消息稱根據(jù)蘋果AppStore官方通知，中國區(qū)應(yīng)用商店所有應(yīng)用不允許提供ChatGPT相關(guān)服務(wù)，有提供的應(yīng)用需要下架整改，包括opencat在內(nèi)的數(shù)十個(gè)AI應(yīng)用被下架。

數(shù)十個(gè)AI應(yīng)用在8月1日被蘋果應(yīng)用商店下架

今年四月份，國家互聯(lián)網(wǎng)信息辦公室發(fā)布了《生成式人工智能服務(wù)管理辦法（征求意見稿）》的通知，并公開征求意見。這個(gè)文件涉及到生成式人工智能的相關(guān)規(guī)定和管理措施，可能與蘋果官方通知中國區(qū)應(yīng)用商店禁止提供ChatGPT相關(guān)服務(wù)有關(guān)。

顯然，“套殼ChatGPT”這個(gè)創(chuàng)業(yè)和產(chǎn)品方向在中國已經(jīng)行不通了。那么在AI領(lǐng)域，真正適合中國創(chuàng)業(yè)者的創(chuàng)業(yè)方向有哪些？我們先參考海外。

自ChatGPT和Midjourney等現(xiàn)象級產(chǎn)品掀起了生成式AI的熱潮，海外的AI領(lǐng)域頻頻誕生新獨(dú)角獸，例如做大模型的Anthropic、Cohere，做應(yīng)用的Typeface、Synthesia，做開源社區(qū)的Hugging face。

The Generalist （適道注：一家海外知名的創(chuàng)投深度媒體）的創(chuàng)始人和首席編輯Mario Gabriele近期對話了九位頂尖的AI投資人，他們分享了9個(gè)AI領(lǐng)域的創(chuàng)業(yè)新趨勢，歡迎中國的AI創(chuàng)業(yè)者參考：

趨勢1：各行各業(yè)都將擁有自己的Copilot

Copilot——這個(gè)單詞翻譯過來是“副駕駛員”，顧名思義，也就是能輔助人類工作的AI。

例如GitHub Copilot就是幫助程序員編寫、測試和優(yōu)化代碼的“副駕駛員”， 它可以根據(jù)注釋和你正在編輯的文件的上下文為你提供代碼建議，也就是說，《流浪地球2》里自動生成程序的世界已經(jīng)近在咫尺了。

同理，法律行業(yè)的Copilot可以幫律師查詢過往的案件和實(shí)踐范例，幫助起草合同等其他法律文件，還能輔助律師們找出各種法律文件中的錯(cuò)誤。在這個(gè)細(xì)分方向已經(jīng)有不少創(chuàng)業(yè)公司，例如Even UP、Harvey、Lexion等。

建筑行業(yè)的Copilot可以幫助建筑師們設(shè)計(jì)、模擬和優(yōu)化他們的建筑和結(jié)構(gòu)，還可以生成交互式的可視化效果，并幫助評估項(xiàng)目的環(huán)境、社會和經(jīng)濟(jì)影響。

“新的人工智能工具以前所未有的方式提高效率。它們幫助專業(yè)人士提高自己生產(chǎn)力水平，這帶來的經(jīng)濟(jì)收益不亞于一場工業(yè)革命。對于使用這些工具的專業(yè)人士來說，他們會有更多的時(shí)間專注于工作中最具創(chuàng)造性、戰(zhàn)略性和新穎性的部分。在五年之內(nèi)，每一種主要的職業(yè)都會有一個(gè)AI放大工具。” Greylock聯(lián)合創(chuàng)始人Reid Hoffman表示。

趨勢2：生成式AI與生命科學(xué)

生成式AI除了AIGC和大模型，還有什么領(lǐng)域值得看？Air Street Capital合伙人Nathan Benaich認(rèn)為大模型最有影響力的應(yīng)用方向應(yīng)該是與生命科學(xué)等領(lǐng)域的結(jié)合。

“現(xiàn)在的科學(xué)方法深深植根于數(shù)據(jù)驅(qū)動的實(shí)驗(yàn)中，這些解釋生物系統(tǒng)的數(shù)據(jù)，精度和規(guī)模不斷提高。我們利用人工智能去解析蛋白質(zhì)、細(xì)胞和化學(xué)分子式，這種能力可以推動蛋白質(zhì)結(jié)構(gòu)預(yù)測和藥物分子設(shè)計(jì)的突破。人工智能驅(qū)動的生物技術(shù)公司將顛覆萬億美元的制藥行業(yè)，讓新藥研發(fā)速度更快，成本更低。”Nathan Benaich介紹到。

加拿大公司Valence Discovery就是這個(gè)領(lǐng)域的典型代表。它能用生成式人工智能驅(qū)動的設(shè)計(jì)方法創(chuàng)造全新藥物分子，這些藥物分子結(jié)構(gòu)往往十分復(fù)雜，無法用傳統(tǒng)技術(shù)處理。Valence還與研究機(jī)構(gòu)們合作，進(jìn)行超大型的生成化學(xué)計(jì)劃，探索當(dāng)前生成式人工智能藥物設(shè)計(jì)方法的邊界。今年五月，這家公司已經(jīng)以4750萬美元的價(jià)格被AI制藥公司Recursion Pharma收購。

趨勢3：增強(qiáng)大模型在工作流中的可控性

目前，人類與大語言模型交互的界面基本是文本框，人們通過Prompt（提示詞）讓大語言模型做各種各樣的任務(wù)。提示詞工程和提示詞工程師也成為最新、最熱的技術(shù)和職業(yè)，各種思維鏈，思維樹等高等級的提示詞技巧層出不窮。

但是，提示詞并不是萬能的，一方面，它基本來自于大量試錯(cuò)和靈光一閃的技巧，而不完全來自邏輯，畢竟誰也不知道大模型理解提示詞的“黑盒子”是什么。

另一方面，相同的提示詞不一定能帶來相似的結(jié)果。如果你想把大模型嵌入自己的工作流，肯定希望提示語帶來的結(jié)果更加可控。

對于第一個(gè)問題，一些公司為個(gè)人和企業(yè)用戶提供經(jīng)過多次試錯(cuò)和優(yōu)化后得出的最佳提示詞模板，也有不少開源項(xiàng)目在這個(gè)方向耕耘。

對于大模型的可控性問題，Conviction創(chuàng)始人Sarah Guo分享了自己的觀點(diǎn)：“提升大模型的可控性，不能只從提示詞等人機(jī)交互手段入手，還得從大模型本身去改進(jìn)。Ilya Sutskever（適道注：OpenAI的聯(lián)合創(chuàng)始人和首席科學(xué)家） 將“提示詞”視為人類與大模型交互的一個(gè)暫時(shí)的過渡手段，我非常同意。

未來，我們希望人工智能對人類意圖的理解越來越準(zhǔn)確。但因?yàn)槿祟惖囊鈭D通常是變化的，所以人工智能不僅要理解“意圖”，更要理解人類的‘思維方式’。因此，大模型還會不斷進(jìn)化，直到讓用戶覺得更‘可控’。”

趨勢4：生成式AI視頻率先用在企業(yè)服務(wù)領(lǐng)域

生成式AI是一種全新的技術(shù)，它也催生了新的軟件形態(tài)，但普適的商業(yè)問題對于AI領(lǐng)域創(chuàng)業(yè)者仍然適用：你能否基于生成式AI構(gòu)建一個(gè)產(chǎn)品，解決某個(gè)問題的效果比傳統(tǒng)方式好10倍？隨著時(shí)間的推移，你能否構(gòu)建出自己的護(hù)城河？

FirstMark的管理合伙人Matt Turck認(rèn)為新晉的AI視頻獨(dú)角獸Synthesia是一個(gè)很好的例子。用戶只需在Synthesia的系統(tǒng)中設(shè)置幾行文本，進(jìn)行幾個(gè)步驟的簡單操作，幾分鐘內(nèi)，Synthesia就能生成特定個(gè)人形象的專業(yè)解說視頻，還能將視頻解說的文本自動翻譯成60種以上的語言。

Synthesia可以在多個(gè)企業(yè)級場景中使用，例如新員工的入職培訓(xùn)。在這個(gè)場景里，以往企業(yè)需要花費(fèi)數(shù)十萬美元請專業(yè)的團(tuán)隊(duì)和真人出鏡來制作視頻，而現(xiàn)在則只需要簡單的設(shè)置就能花很少的錢在短時(shí)間內(nèi)做同樣的任務(wù)。

此外，Synthesia擁有強(qiáng)大的技術(shù)團(tuán)隊(duì)，它的視覺大模型是自己訓(xùn)練的，不會遇到那些使用閉源大模型API的公司需要面對的平臺依賴性問題，因此擁有自己的核心競爭力。

趨勢5：“用AI來寫AI”

GitHub Copilot的發(fā)布，讓很多專業(yè)人士發(fā)現(xiàn)，人工智能模型已經(jīng)能輔助專業(yè)的軟件工程師編寫代碼。

GitHub Copilot會在編程界面內(nèi)對代碼編寫提出修改建議，甚至能根據(jù)自然語言描述自動生成可用的代碼。一些使用GitHub Copilot的軟件工程師表示，它每天都能幫助人們節(jié)省幾小時(shí)的工作時(shí)間。

Kleiner Perkins合伙人Leigh Marie Braswell認(rèn)為：“GitHub Copilot證明人工智能已經(jīng)有能力將編程和應(yīng)用開發(fā)自動化變?yōu)楝F(xiàn)實(shí)。企業(yè)用戶們可以用人工智能幫助執(zhí)行自動化代碼審查、代碼質(zhì)量改進(jìn)、shell命令自動完成，甚至前端和網(wǎng)站生成等高級任務(wù)。”

Braswel還進(jìn)一步介紹了AI編程領(lǐng)域創(chuàng)業(yè)公司的發(fā)展路線：“一些公司基于Codex這樣的閉源大模型構(gòu)建產(chǎn)品，并通過專有的數(shù)據(jù)形成數(shù)據(jù)飛輪構(gòu)建差異化。

另一些公司則訓(xùn)練自己的專有大模型，或?qū)﹂_源大模型進(jìn)行微調(diào)。隨著這些公司逐漸成熟，我們將更清楚的看到這個(gè)領(lǐng)域大部分的價(jià)值將積累在哪個(gè)方向，是AI基礎(chǔ)設(shè)施提供商，還是AI垂直應(yīng)用。”

趨勢6：把數(shù)字孿生用在醫(yī)學(xué)臨床試驗(yàn)

談到AI與生物醫(yī)藥，人們最熟悉的產(chǎn)品可能是DeepMind的AlphaFold，它的論文也登上了頂刊。

AI在醫(yī)療領(lǐng)域的另一個(gè)高潛力應(yīng)用是在臨床試驗(yàn)中使用數(shù)字孿生技術(shù)，它雖然暫時(shí)關(guān)注度和融資額不高，但可能幫助數(shù)百萬患者找到更好的藥物和治療方法。

現(xiàn)在的臨床試驗(yàn)效率低下、成本高昂，平均每種新藥需要花十年以上的時(shí)間和20億美元的投入才能開發(fā)完成并上市銷售。

臨床試驗(yàn)最大的痛點(diǎn)之一是試驗(yàn)志愿者的招募，一個(gè)臨床試驗(yàn)需要招募成百上千名志愿者參與其實(shí)驗(yàn)和對照組的研究，80%的臨床試驗(yàn)由于志愿者招募問題而出現(xiàn)延誤。

Radical Ventures合伙人Rob Toews介紹了數(shù)字孿生在臨床試驗(yàn)中的應(yīng)用方式：“數(shù)字孿生應(yīng)用于臨床試驗(yàn)的基本概念很簡單：利用生成式人工智能模型為臨床試驗(yàn)中的志愿者模擬安慰劑效果—每個(gè)參與試驗(yàn)組的志愿者都會擁有自己的數(shù)字孿生，模擬如果他們被分到對照組，其表現(xiàn)會是怎樣的。

這意味著制藥公司需要招募的試驗(yàn)志愿者大大減少，因?yàn)榇蟛糠謱φ战M的志愿者可以由數(shù)字孿生替代。這使臨床試驗(yàn)變得更快、更便宜，藥物和治療方案可以更快地上市。”

趨勢7：做好應(yīng)用，不要沉迷于做基礎(chǔ)大模型

隨著生成式AI越來越普及，越來越多的人體驗(yàn)到相關(guān)產(chǎn)品，我們對它的能力和特點(diǎn)有了更好的理解：那些有大量訓(xùn)練數(shù)據(jù)，對結(jié)果的精確度要求不是非常高，以及能夠隨著人類反饋逐漸做的更好的問題，是它擅長解決的。

AI已經(jīng)逐漸跨越鴻溝進(jìn)入主流，它將越來越多地被我們在工作中使用。AI Agent和AI增強(qiáng)的SaaS是兩類最適合被企業(yè)使用的工具，也是非常好的創(chuàng)業(yè)方向。

AI Agent適合輔助律師、工程師、會計(jì)師、醫(yī)生這些專業(yè)人士完成重復(fù)性高的知識類工作。AI增強(qiáng)的SaaS則利用AI的能力完成一些以前不能自動完成的工作，例如語言轉(zhuǎn)錄，會議內(nèi)容總結(jié)，以及其他有價(jià)值的能力。

Index Ventures合伙人Cat Wu對哪一類創(chuàng)始人能在這個(gè)領(lǐng)域脫穎而出有自己的觀點(diǎn)：“將AI能力嵌入現(xiàn)有的工作流，這個(gè)方向適合那些懂用戶、懂行業(yè)，并且能夠借助用戶反饋的數(shù)據(jù)把模型微調(diào)得更好的創(chuàng)始人。

一方面，他們要讓用戶不懂AI模型也能用好AI能力，另一方面，他們可以將用戶的數(shù)據(jù)高效利用，形成數(shù)據(jù)飛輪，構(gòu)建護(hù)城河。”

同時(shí)，Cat Wu也對創(chuàng)業(yè)者們提出了忠告：“這些創(chuàng)業(yè)者應(yīng)該專注在自己的核心能力上，而不是沉迷于訓(xùn)練基礎(chǔ)大模型。基礎(chǔ)大模型可以用那些具備強(qiáng)大能力的開源模型，例如，文生圖模型Stable Diffusion，音頻轉(zhuǎn)錄模型Whisper，以及Meta的大語言模型Llama 2。然后再在這些模型上微調(diào)就好。

他們應(yīng)該著力解決人類與AI模型的交互問題，以及盡量降低人們使用AI的門檻，并充分利用好人們在使用AI模型時(shí)產(chǎn)生的數(shù)據(jù)，不斷迭代和提升AI和產(chǎn)品的能力。”

趨勢8：鏈接提示詞和多步驟自動化

用提示詞讓大語言模型按照人類的意圖做任務(wù)，已經(jīng)是人們熟悉的體驗(yàn)。但是目前人們在使用大語言模型能力時(shí)，讓它完成的工作大多是單步驟的簡單任務(wù)，例如圖像生成、文本完善等。

如果我們能構(gòu)建鏈接提示詞的基礎(chǔ)設(shè)施，使大語言模型完成多步驟的復(fù)雜任務(wù)，將解鎖更大的價(jià)值。

這對于ToC和ToB的使用場景都有影響，尤其是對于ToB，大語言模型結(jié)合專有的數(shù)據(jù)管道完成多步驟復(fù)雜任務(wù)，將讓它適應(yīng)更多的行業(yè)和場景。

“將提示詞和不同類型的模型鏈接在一起使用，將比單純使用閉源大模型的API更有價(jià)值。例如新型搜索引擎WebGPT，它將GPT大模型能力嵌入到瀏覽器中，讓GPT聯(lián)網(wǎng)查詢和總結(jié)海量信息，完成多步驟的復(fù)雜任務(wù)。

總的來說，將多個(gè)提示詞鏈接在一起完成復(fù)雜任務(wù)，可能誕生新類型的軟件產(chǎn)品。將AI和人類的創(chuàng)造力整合起來，可能催生一些解決問題的新范式和新方法。”Compound管理合伙人Michael Dempsey總結(jié)了AI驅(qū)動的多步驟自動化具有哪些先進(jìn)特性。

趨勢9：AI+硬件=更強(qiáng)大的機(jī)器人

最新的AI大模型有眾多突破性進(jìn)展，這些突破使不少業(yè)務(wù)被重構(gòu)。但是，它們暫時(shí)還沒有把影響力大規(guī)模延伸到現(xiàn)實(shí)世界。餐館、建筑工地和工廠等辦公室之外的工作場所面臨著非常嚴(yán)重的勞動力短缺。

在美國，焊工的平均年齡是55歲，技術(shù)嫻熟的人類焊工每年數(shù)量減少7%，對焊工的需求卻增加了4%。到2024年，美國將有40萬個(gè)人類焊工的缺口。

Basis Set Ventures的創(chuàng)始人Lan Xuezhao介紹了自己的被投企業(yè)Path Robotics，它也是專注于機(jī)器人賦能制造業(yè)的頭部企業(yè)：“Path為企業(yè)客戶提供各種金屬應(yīng)用的自動焊接服務(wù)，從電線桿到液壓燃料罐到消聲器。接入Path的軟件后，客戶現(xiàn)有的機(jī)器人可以直接通過視覺學(xué)習(xí)如何焊接，而無需為了新任務(wù)重新進(jìn)行復(fù)雜編程。客戶也可以通過這種方法逐漸提高機(jī)器人性能。在未來，Path的核心技術(shù)可以應(yīng)用于許多其他的制造業(yè)任務(wù)，擴(kuò)展其業(yè)務(wù)邊界。”

中國的AI創(chuàng)業(yè)與投資，該往何處去？

在這波生成式AI的發(fā)展熱潮中，海外創(chuàng)業(yè)者們在基礎(chǔ)大模型領(lǐng)域已經(jīng)“過峰”，他們已經(jīng)擁有GPT-3.5/GPT-4等閉源大模型，Llama 2等開源大模型，Cohere等公司還推出了可定制，多云適應(yīng)的商用大模型。

如今，海外創(chuàng)業(yè)者現(xiàn)在進(jìn)攻的方向，一方面是做垂直應(yīng)用，例如Synthesia、Even UP、Harvey；另一方面是做中間層和基礎(chǔ)層，例如解決AI模型訓(xùn)練的數(shù)據(jù)源稀少問題，降低AI模型部署和微調(diào)的門檻，在這些方面有Replicate、Cleanlab、Unstructured等公司。

而在中國市場，“大模型”的PK似乎才剛剛開始。應(yīng)用層面，此前很多創(chuàng)業(yè)者用海外大模型“套殼”做聊天機(jī)器人、圖片生成軟件等應(yīng)用的道路已經(jīng)在近期被堵住，新的方向亟需探索。

盡管在媒體和輿論中，中國風(fēng)險(xiǎn)投資人們對生成式AI的熱情很高，但反映在一級市場的投資筆數(shù)和投資金額上，中國與美國暫時(shí)還有明顯的差距。以2023年1-7月為例，根據(jù)Crunchbase的數(shù)據(jù)，美國的人工智能領(lǐng)域投資事件為919筆，根據(jù)企名片數(shù)據(jù)，中國則為439筆，中國的投資數(shù)量不到美國的一半。

國內(nèi)投資人的“謹(jǐn)慎”或許在于：一來，海外大模型的商業(yè)價(jià)值還未在短期內(nèi)產(chǎn)生；第二，AI領(lǐng)域的技術(shù)迭代極快，還未看到“群雄逐鹿”的終點(diǎn)；第三，從上游技術(shù)研發(fā)到下游垂直行業(yè)的應(yīng)用成熟需要存在一個(gè)較長的周期，其中也包括了多場景的覆蓋、市場需求的挖掘，需要相關(guān)領(lǐng)域的投資者有長遠(yuǎn)的眼光和耐心。

但隨著大模型狂熱正在逐漸回歸現(xiàn)實(shí)，國內(nèi)大模型創(chuàng)投市場或許可以從本期對話中的九個(gè)趨勢獲得啟發(fā)——與其PK無法落地商用的大模型，不如先從做好企業(yè)級的應(yīng)用“殺手”開始，打造一條屬于自己領(lǐng)域的垂直壁壘？

本文為專欄作者授權(quán)微新創(chuàng)想發(fā)表，版權(quán)歸原作者所有。文章系作者個(gè)人觀點(diǎn)，不代表微新創(chuàng)想立場，轉(zhuǎn)載請聯(lián)系原作者。如有任何疑問，請聯(lián)系http://www.i0562.net/。