AI Observation&Investment Recap#1

新闻

作者：微信文章
大家好，我是小蛋。姚顺雨说AI已经进入了下半场，那么我们在中场休息之际，来一起Recap一下到现在哪些是预期内的，哪些是超过预期，哪些是我们可以看清可以下注的。

LLM是否具备智能还是只是模仿不需要再争议，Pretrain先验的（语言）知识压缩和RL的推理实现逻辑泛化是通向AGI的充分必要条件，且前者是后者的基础。更重要的是，人类历史上第一次通过大规模算力掌握了这种更通用的方法，我们需要急迫地进入工程实现和场景设计阶段，找到那个真正有价值的任务，并把它做出来。RL很重要，是Player真正差异化的关键。environments层面一片空白，需要重新构建：long context，data labeling，reward model，不同的use case大概需要不同的task agent，要有独立的reward model，context engineering是个苦活累活，要实践摸索出来tool use和token消耗的最佳平衡点，筛选和构建最难的context是最有价值。RL才是真正产生用户粘性的途径，LLM并没有。目前还几乎很少的AI-Native产品有数据飞轮效应，但不代表用户数据不重要。LLM时代的数据飞轮效应还没有出来，SFT对不同用户反馈的调节基本没啥价值。但如果有一个task，它在推理的时候，还能收集人类操作/思考的方法，并且更重要的是，它能够在closed loop中闭环并得到直接验证，那就有点意思了，训推一体的人肉RL。目前能看到的coding agent有一些思考步骤数据是有类似的效应的，其他Agent行不行，一定可以，但是目前看unaffordable，且泛化性并不高ROI还不行，需要data infra和agent task设计两边共同能力，meeting in the middle。我觉得之前大家都低估了Cloud公司在这波AI时代的作用和位置。且不说第一波算力的红利就被云计算公司赚的盆满钵满，computing is a long slope with thick snow，更重要的是在infra和data层面，那些老牌云厂商和像Oracle这样的NeoCloud有着得天独厚的优势，IT Service Management会有一波巨大的红利和转型需求，Hybrid Cloud，AIOps，Workflow Automation，Security etc. Enterprise SaaS和Software公司可能会被LLM颠覆，但Cloud公司强者恒强。这波AI时代，到底Bet大公司还是初创公司。直接上暴论：2C赛道会收敛，大公司机会更大，2B赛道会分散，但28定律只能bet大赛道，目前AGI比较确定的大赛道，个人认为是机器人，搜索+广告+营销（这三者几乎是在同一个商业模式长出来的不同形态），AI Infra。好的Agent公司应该是去LLM中心化，把它放在和infra和environment一样的位置，才有可能设计出好产品，也是避免被LLM吞噬的唯一途径。因为任何一个大模型公司，他一定会把它最成功的产品作为路径依赖和资源倾斜，不断加强这一点。用魔法打败魔法，这可能也是为什么独立的coding场景率先跑出来了，但问题也出在这里，它离LLM太近了，data和场景的壁垒都还不够，下一个use case在哪里？虽然我不愿意用互联网类比当下的AI时代，很多产业要素发展都不一样，但为了简单直观的说明观点，姑且做个比较：互联网时代的基础设施是网络通信，所以诞生了Cisco这样的通信设备巨头；AI时代的基础设施是GPU，所以NV是领军人物。但是流量节点的建设终究是有限的，但是网络承载的信息创建和分发可以无限，所以产业更大的红利其实被互联网流量平台拿走了，那看这波AI时代，算力之上的更大的想象力在哪里？毫无疑问是token，谁能把token最大价值化，谁就处在这个时代的C位。这里面是有价和量的关系问题，现在模型或者应用厂商更多还是比的token推理消耗谁多，单位token价值这个事还没研究明白，但未来，谁能创建单位token价值越高，谁的经济模型就会更好，价值就越大，强如OAI和Anthropic，他们长尾流量的token变现现在还是没有的，下一步一定是重中之重。在token推理成本不断降低的趋势下，我们应该找寻那些可以将单位token价值不断提升的公司和行业，而不是用超高的任务效果付费来compensate免费流量，或者期待成本下降斜率快于ASP降价斜率，因为这样的应用领域最后很容易被卷导致UE不好。我可以给你举个例子做下参考：Cloudflare是全球最大的CDN厂商，做很多传统的网络安全相关业务，最近他们上线了一个Pay-per-crawl早期实验的业务模式，网站内容创作者可以主动对AI爬虫的“内容权限”进行设置，允许AI爬虫自由访问、按次爬取收费，或者直接封锁AI爬虫访问。LLM对于网站内容的抓取导致了传统网站流量的衰减和广告变现的下降，Pay-per-crawl产品可以帮助这些网站和内容创建者予以反击，并尝试建立一个新内容和平台之间的交易模式，一旦这个模式建立起来，基于token分成的方式也就可以成立，变成了一个单位经济模型向上的曲线，这可不是什么创业公司的idea，一个700多亿美金的上市公司做的AI产品创新。现在的AI基金投资策略需要想的很清楚，怎么投，选什么赛道，什么打法和审美，轮次，退出策略等等这些，特别是投早期的小基金。像上一代互联网撒胡椒面的效果可能不会太好，当然你要做一个AI的ETF基金也不是不可以，但是得想好怎么退出，现在没有以前美元vc/pe的接力环境和美股IPO退出的路径了，今年听闻不少美元风格的vc都投了很多ai项目，啥赛道都有，反正早期投人，单笔成本也不高可以赌。这些还算是有家底的美元vc其实都是vintage20，21年拿了最后一波美元LP的钱，前两年没什么地方花，今年可算逮到机会了，但是时代变了，即使中美再次走入缓和期，美元LP也很难再像之前一样allocate到国内的这些GP，更不要说你居然还要投AI。路径依赖不可取，新时代要走新的路。

未来会不定期的做Recap，把这个系列延续下去，欢迎想交流的小伙伴分享你的观察和总结。