明势资本夏令：相比超级应用，我们当前迫切需要一个更强大的AI大模型

在2024年英伟达GTC上，明势资本合伙人夏令分享了中国市场AI行业的创业和投资机遇。夏令表示，“明势资本坚信AI是未来10年核心的技术驱动力，将持续关注AI领域的投资机会，并与这个领域的创业者携手同行。”

明势资本成立于2014年，是国内专注科技赛道投资的早期VC，自成立以来持续关注新兴科技领域的发展机会。明势资本是目前国内若干家AI驱动的细分领域头部公司的早期投资人，包括智能电动汽车公司理想汽车，大语言模型公司MiniMax，通用机器人领域的逐际动力以及家用机器人公司云鲸智能等。

以下观点基于夏令分享内容整理：

基于Scaling Law找到AI大模型发展的潜在机会

大家都在关注AI发展带来的机会，大语言模型是2023年最大的投资热点和投资共识这一点是毫无疑问的。中国市场数有十家大模型创业公司和众多科技大厂一起涌入到这个赛道中。但经过一年的发展可以判断，最终真正能够跑出来的只会是少数的几家。

对于投资人来说，2024年首先要理解Scaling Law，在未来10年Scaling Law的重要性丝毫不亚于摩尔定律对于半导体产业的重要性的。

现在国内最大的算力集群是基于英伟达的H卡，也就是大概千张卡的规模。但是我们去设想一下，可能短则四五年长则七八年，那个时候所需要的算力集群可能是百万张甚至是千万张卡的规模，训练的token数量也将会是今天的100倍、1000倍甚至更多。

基于Scaling Law的发展方向，可以指导今天的投资。如果我们考虑的是未来在100万甚至1000万张卡这样的一个算力集群下训练一个新模型，它的数据、计算、通信、存储、能源，会遇到什么样新的挑战？这里面存在大量新兴、量级提升、指数增长的机会，值得我们作为投资人关注。

虽然大家对于AI的商业应用有着非常高的预期，但现实是当前的大模型能力还不足以支撑起广泛的商业应用。在当前阶段，做出一个更强大的AI大模型，它的紧迫性或者价值高于AI应用。所以，首先要基于Scaling Law去找到支撑AI大模型发展的潜在增量机会。

AI应用全面爆发需要技术和成本突破商业奇点

大家都在关注AI应用，期待能够涌现出移动互联网时代中像字节跳动、美团这样的公司。以2023年的情况来看，AI应用层的整体发展并不理想，甚至可以说是低于投资人预期，全球范围内能做到DAU过百万的AI应用屈指可数。

从人性上来讲，人们总是对一个新兴技术的短期发展过于乐观，长期发展过于悲观。AI确实是生产力的革命，但要对它短期发展的局限和长期发展的潜力有理性客观的认知，这一定程度上和人性相悖。

对于AI来说，它需要一个前期大量技术和基础设施积累，直到AI能力和成本突破一个奇点，才能实现商业价值。

一旦AI能力和成本突破这个奇点，应用层面一定会是百花齐放的景象。但当前AI的发展还没有突破这个奇点，我们对于AI应用的发展预期既要乐观，也要理性。

当下AI投资仍以技术驱动为主

因为AI大模型今天还没有成为commodity，AI的能力还处于指数增长期，AI的推理成本还非常高，所以当前AI投资更多的还是要找到技术驱动型的项目。一旦AI大模型的整体或者局部能力进入平台期，对应部分才出现大量类似互联网时代的需求驱动型的产品。

对于早期项目来说，团队是影响创业能否成功最重要的因素。作为早期投资人，项目的创始人或者团队自身的迭代速度一定不能滞后于AI的发展速度，否则在未来的发展过程中必将面临极大的挑战。团队对大模型技术有足够深刻的理解是不可或缺的，必须知道技术和需求的交界在哪里。当然，这对于投资人来说，对技术和项目的认知也要做出相应的调整。

具体商业化落地的机会上来看，从To C来说，中国企业在互联网时代积累了大量To C的产品、运营等方面人才，这方面相比于海外公司有碾压式优势，中国的创业团队有机会做出一些面向全球的新兴应用。对To B来说，中国市场下做提升效率工具很难；做结果交付的闭环服务，让大模型只是核心能力的一部分，反而在中国会更容易商业化成功。

端到端数据驱动的新技术范式产生颠覆性机会

今天大语言模型还处在类似于copilot这种辅助提效层面，但是如果仅仅停留于此的话并不足以让投资人们为之兴奋。

以大语言模型为代表的这一波AI，让大家看到了堪比蒸汽机和互联网带来的新一波生产力革命。这个生产力革命一定会创造新的供给，让之前很多行业的核心成本变得极其便宜。

比如说软件、医生、律师这些行业，它的扩张都是依靠拥有专业知识的人才，所以人力是非常核心且昂贵的边际成本。但AI将会把这个边际成本变成固定成本，这将颠覆这些行业的UE（单位经济模型）。

如果我们跳出LLM去关注整个AI的发展，更多关注的是大语言模型兴起背后，这种端到端数据驱动的新技术范式。自动驾驶的快速发展就是端到端数据驱动，大语言模型之后，文生图、文生视频、通用机器人、AI for science的应用包括药物研发、新材料发现，都将会基于端到端数据驱动的新技术范式产生颠覆性机会。

站在生产力革命视角上来看，随着AI的发展一定会出现新兴的行业。蒸汽机改造纺织行业的时候，人们并不知道蒸汽机会带来铁路、轮船等等这些新的运输行业，也无法预测到运输行业的改变会影响商业贸易。AI一定会改变很多生产关系，虽然今天还无法去准确预测，但一定会带来大量新的机会。