拥有八年以上科技领域投资工作经历。创新工场前沿科技基金已经投资或孵化了澜舟科技、潞晨科技、Affine、呈元科技等十余个覆盖AI、企业服务、机器人、生物、新能源等领域的前沿科技早期项目。

　　第一财经 高 远：感谢您接受第一财经专访，在 AI大模型出来后，在一二级市场都引发了几轮相关标的上涨，但我们也看到一个很现实的情况是像ChatGPT目前仍然属于大模型的初级的阶段，所以可能会有一种困惑就在于 AI大模型所带来的最直接的对于投资的拉动作用是否仍然集中在硬件等基础设施的领域？

　　创新工场 任博冰：第一波机会里面确实有很多基础设施和硬件的机会。基础设施里面也包括软件和硬件。

　　在硬件层面其实也有在算力层面其实是一个掣肘，无论是在训练的算力还是终端推理的算力，其实目前这两个方面都有比较大掣肘，在推理层面我们目前看到即使是在iPhone上面去跑一个小模型，其实也是相对而言比较难的。

　　后面如果我们要在iPhone上面跑大模型，包括长期存储的问题、通信问题、算力本身都有问题、带来的电池的问题、以及现在VN-PRO（超级编程器）发布出来，即使VN-PRO目前的硬件对中国来说还需要几年的时间的追赶，VN-PRO如果带来一波新的应用提升，他们对算力、对在终端上面算力的需求，终端上面其他硬件组件的变革的需求其实都需要变，而现在基本还是拿着在手机端和PC端的硬件再去组装，肯定未来会有自己的一些独特的硬件设计，所以这里面有很多基础设施软件和硬件方面的机会。

　　第一财经 高 远：目前整个行业当中可以说开源模型和开源数据在大量的出现。对于很多的AIGC领域的创业来讲，究竟它的门槛是变高了还是变低了，对于你们选择这类标的是否带来了一些困惑？

　　其实在过去几年里面，开源就一直占了AI算法研究方面的一个比较重要的部分，只不过在这波大模型里面开源变得更加激烈，核心也是闭源模型走得很靠前，并且有巨大的资源聚集，导致了一部分公司希望能够有一个差异化的竞争能力，所以会把一些相对比较领先的模型进行开源。但是最领先的模型是不是会被开源以及什么时候开源，这个其实是一个问号，所以我们觉得这里面会持续地去看。

　　当然对创业者来说开源是一件非常好的事情。他们能够有机会接触到这些最领先或相对领先模型的内部的架构，包括如何去训练，甚至如何去改造这些模型为己用。这里面对创业者，特别是对行业里面其他的一些，特别是AI1.0和传统行业的公司来说也是好事。它可以围绕自己的需求去定制或找第三方去定制，我觉得这个是一件非常有意义的事情，这样也会造成仅仅依赖模型提供服务的公司可能不一定走得很长，大家最后都会围绕到产品本身怎么去设计投资，怎么去围绕用户去做创新这一层。

　　第一财经 高 远：开源模型的大量出现之后，是否给那些初创的企业的机会就变少了，是否会形成一种所谓的大厂的垄断的这种情形？您是否有这种担忧？

　　创新工场 任博冰：我觉得很难说大厂会垄断，因为即使是在美国，目前几家大厂都在做，而最领先的也是几家创业公司，大厂也围绕创业公司都去做投资布局，甚至大家会投资布局同一家公司，而自己也会布局多家公司一起做一个制衡。

　　比如说微软，比如说Google这样公司都在做，内部也在研究，所以从这个角度来讲，我觉得相对而言是个比较混战的状态。特别是对AI人才来说，他们现在这一波新的AI人才对技术的追求、对目的的认知、比如大家会追求这种通用人工智能，其实和大厂里面有的文化是相对比较排斥的。而且组织结构上来看，其实现在整体研发并不需要特别多的人，但是需要算力的集聚、目标的统一、高效、以及一些比如包括算法、基础设施层的一些创新，在大厂里面很难完全调动这些资源。

　　所以目前我觉得在算法层面持续的创新大概率是在创业公司，而不是在大厂内。但是最后的生态一定是紧密结合的，因为好多资源其实目前是大公司在把持着。

　　第一财经 高 远：互联网的精神是开放的开源的，但是在AI的投资领域当中，您在选择标的的时候，更看重的是他们与开源的这种链接的精神和能力，还是更看重它自主的创造能力？

　　创新工场 任博冰：我们首先会看它对AI的认知是什么样的，因为很多技术是要不断提升的，这里面有的技术其实不只是模型本身的技术，或者不只是大模型的技术，其实很多公司它可以不用自己去重新做一遍大模型，或者不会完全做，它围绕着开源模型做一些Finetune或对齐，但事实上它可能自己还得做一些别的模型，包括一些决策模型、一些多模态的模型，比如我们投的一个公司做多模态的生成、多模态的驱动，他们都要自己围绕去做一些多模态模型，以及围绕产品本身可能还需要一些别的资产和组件。

　　龙八国际

　　比如说如果做3D的交互，我们投的AI 3D交互，它交互层就要建很厚的一层平台，包括多模态驱动，在新的数字资产、可驱动的数字资产层面，他要做很多的工作，而这个工作可能不是一个几年就能做出来，可能需要10年以上的积累，这里面都会形成它的壁垒。

　　所以即使没有大语言模型的壁垒，这些应用公司它还有别的领域的技术壁垒。比如说它去做了一个新的交易平台，这个事情带来它需要用到很多其他的领域技术，包括它的认知，包括它之前在产业里面积累的这些经验，新的组织形态其实也是壁垒。

　　这个里面其实我们在过去互联网和移动互联网时代就已经看到，后来在移动互联网和互联网的后期，我们看到大数据类的技术，包括新的这种基础设施硬件，其实也是后来被这些需求方逐渐提出来和使用和革新的，所以我觉得这是一个逐步迭代的过程。

　　第一财经 高 远：但是进入AI2.0的投资之后，您怎么来判断一个标的究竟是模式创新还是所谓的技术的创新？

　　创新工场 任博冰：我们其实有时候会把它混在一起，就像刚才提到我们目前看到三类机会，比如说之前非AI被AI所改造，AI1.0被AI2.0改造。实际上第一个很有可能它的商业模式会被改变，这里面有巨大模式创新，而巨大模式创新可能又不是单独的，它模式创新必然会依赖于一类的产品，无论是to B和to C的，而这个产品本身设计又会提到，我们刚才提到的不光是大语言模型生成模型，他自己也会做一些其他的 AI算法的创新或者非AI的一些积累，所以这里面我们觉得是融合在一起的。

　　第一财经 高 远：我们也看到在 AI大模型这个领域当中，据说80%是共性的这种需求问题，有20%左右是特殊性的需求的问题。那么选择这类标的的时候，你们是看重80%还是更看重那20%呢？

　　创新工场 任博冰：大型软件确实在过去基本上还是围绕着定制化，包括一类特殊类的需求去不断去做厚的。现在我们觉得AI2.0的整体技术能不能有机会把这类软件做的薄一些，或者说把里面比较共性的跨行业的、甚至是跨领域、跨工作流的一些机会把它抽离出来，用AI来替代，我们觉得这是一类机会。

　　但是大型软件本身是无法替代的。特别对大型公司来说，这个东西本身是跟它的SOP生命线、业务流紧密相关的，这里面我们觉得还是会有大型软件本身的提升，因为这里面代表了它们另外20%的需求，而这类20%的需求是不是还是之前那些公司是不是有一些新的公司机会，我们觉得也在看，但至少那80%的需求被新公司替代，我们觉得这个机会就已经带来了，甚至那80%的这个需求能不能下放到给一些中小企业，我觉得这也是有可能的，因为现在AI2.0带来的很重要的一点就是个人生产力的提升，而小组织其实在现在有可能快速上升，有很少的钱、很少的人，他可以利用新的工具去吃一部分它之前没有办法吃、需要花太多的工程师、算法工程师在公司内部才能去迭代产品慢慢去做，现在整体的话它已经不需要这些大的累赘，几个人就可以去做，给小企业提供这样的生产力，这样的话我们觉得这两部分其实都有可能带来整个产业的很多软件方面的机会。

　　第一财经 高 远：在整个的IT领域来讲，微软是一个神奇般的存在，可以说在过去很多年都是一统天下的这样一个格局。但是后来它被拆分，包括很多新兴的IT公司出现之后，它有些势弱，但是我们发现AI大模型，包括ChatGPT出来之后，似乎微软的势头又重新回来了，我不知道您怎么来看待这样一个情形，对于很多的初创企业来说，它们的机会还多吗？

　　创新工场 任博冰：我觉得像微软、Google这样的公司，它们是一直在革自己的命理财，但是它总有一些掣肘它是没有办法革命的。这些掣肘就是在组织本身和产品本身，有的基础设施尾大不掉的、有些利润不可能快速放弃、快速拥抱一个新的，比如说像比较典型的就像微软的office套件龙八国际，当时也是被收购、内部整合，然后把它云化到office365，这里面占了微软的收入的很大一部分，而这一部分想要把它变革掉龙八国际，比如说AI2.0整体带来的多模态、新的交互界面、新的交互方式、意图的理解，还有模块的生成、工作流也可以自动化，这个事情需要把它放到一个新的这个工作平台上，office是无法承担的。

　　所以说实话就是office copilot其实是一个它自己的升级，但事实上我觉得新一代的工作者，特别是未来年轻一代工作者，一定会拥抱新的这种office，新的office的定义，包括它的整体上下的结构跟之前是不一样的，我觉得在微软内部很难去出现这样的东西，它自己做了一个Loop这样软件想自我变革，这个就做得不伦不类，内部也拿不到很多的资源，我们觉得这个事情就是一个新公司的机会。

　　但微软它有自己很多的优势，但我觉得太颠覆自己资源、内部的组织架构、之前的思考、以及把自己的很多战略的钱要拱手让掉，我觉得对大公司来说这个是一个巨大的决策成本。

　　第一财经 高 远：正如您所看到的就是整个AI领域当中投资是太热了，我们似乎应该给它泼一点冷水，因为从投资的角度来讲，更多的应该讲求的是对于人类终极的这种需求，比如说能源、比如说健康、比如说生命，但AI能够做到这一点吗？我们是否可以给予它这种愿望？

　　创新工场 任博冰：我觉得其实站在这个时间点其实是比较难判断的，因为事实上大家的认知在过去半年内快速拉起，其实这是一件不是很好的事情，因为有点过于兴奋了。但是从另外一面讲，这个东西刚刚产生，事实上很多未来要发生的事情是我们不知道的。

　　举一个例子，电磁波的发现者之一赫兹，当时刚发现完，他就说“我觉得无线电没有什么用。”但事实上现在整个人类社会可以说一大部分应用都是带着无线电所产生的，无论是我们的网络还是什么，所以其实很难说在那个时间点怎么去看这个事儿，我觉得AI更是这样。

　　AI现在就是基础设施一部分，大语言模型，也不一定代表这就是未来的AGI，或一定能走到AGI，有可能只是AGI的一个组件，但是在这个时间点我们得相信就是AI2.0这一波和AI1.0不一样的是，全人类快速认识到这是一个重要的事情，以及各行各业的人才，不光是AI领域，快速聚集到这个领域，开始去思考，上游下游的公司开始围绕这个方向去尝试做自我的变革。

　　这可以类比到之前互联网和移动互联网时代看做一个整体带来这个现象，而且比那个时候更快。因为刚开始互联网时候大家还觉得各种不相信，刚开始特别浅的应用，现在AI2.0刚出来就有一些相对比较深的应用，大家的主动性特别强。