界面新聞記者 | 李京亞

今年開始，基于大模型的生成式AI技術讓機器的智力第一次有機會接近專業(yè)投資經(jīng)理水平，這對于整個金融資管行業(yè)而言是一個真正意義上的相變點。立足于這個行業(yè)的創(chuàng)業(yè)者們，則大多經(jīng)歷了從年初的巨大興奮到年末淡然的情緒轉變。

熵簡科技是一家?guī)椭Y管機構實現(xiàn)投研數(shù)字化的科技初創(chuàng)公司，其聯(lián)合創(chuàng)始人李漁在上半年做了一個實驗，讓一組從業(yè)7到8年政策研究專家與GPT4一同分析房地產行業(yè)從中央到地方的政策對整個市場的影響，他最終發(fā)現(xiàn)，GPT4在輸入一定分析樣例后，得出的結論和觀點能夠與專家結論達到近80%的一致，并且速度更快。

這個實驗結果令他備受鼓舞。

“在大模型出現(xiàn)之前，做金融行業(yè)的問答工具，投入產出比很低，因為問答場景需要大量相關技術工程化拼接和優(yōu)化，需要龐大的人力支持。”李漁告訴界面新聞等媒體，年初大模型來臨之際，其公司快速對數(shù)據(jù)進行了深度治理并轉化成大模型智力，做出了一個定位于“投研分析師助理”的AI產品，能在很短時間內大量閱讀專家紀要、研究報告和財報，最后形成專業(yè)結論，這個產品在業(yè)務上達成了與三到四家頭部證券投資機構的合作，這令他們高度興奮。

但進入下半年，他逐漸感受到金融機構在應用生成式AI技術時的重重障礙，“事實上，大模型在金融行業(yè)從研發(fā)到落地需要更多時間，要一到兩年解決產品的準確性和數(shù)據(jù)安全，要三到五年完成全階段落地：從初級分析師到中級分析師，從基金經(jīng)理助理到獨立做投資組合，是一個逐漸演化的過程。”他發(fā)現(xiàn)，業(yè)務上的數(shù)據(jù)才會讓一家企業(yè)堅定信心去投資，比如一定能省多少錢、人員效率提升多少，以及對于推送的投資信息，新老客戶的留存率提升幾何，“生成式AI是有成本的，只有當價值明確時，買家才會放下懷疑。”他們整個團隊的步調開始放緩。

這并非金融行業(yè)的孤例，時間來到四季度，國內各領域初創(chuàng)對生成式AI的探索都已感受到預期和現(xiàn)實間的溝渠。

界面新聞了解到，目前創(chuàng)投圈資深人士達成了共識：今年下半年，頭部大模型初創(chuàng)的大語言模型LLM水準基本都提到了GPT3到GPT 3.5之間，但離GPT4尚有差距，要想實現(xiàn)對后者的趕超，至少要到明年上半年。

另一個不太積極的消息是，初創(chuàng)們可能需要更快速地尋找到成功的關鍵，因為百模大戰(zhàn)或許已經(jīng)進入收斂期。

中信里昂證券(CLSA)稱，目前中國市面上至少有130個大型語言模型(LLM)，占全球總數(shù)的40%，份額僅次于美國的50%。此外，各公司還宣布了數(shù)十個與其核心模型相關聯(lián)的“特定行業(yè)LLM”。但根據(jù)路透社的調研，很多投資者和分析師表示，這些大模型中大多數(shù)尚未找到可行的商業(yè)模式，而且彼此過于相似，他們目前正在努力解決成本激增的問題。

非凡資本合伙人胡小婧日前也表示，生成式AI行業(yè)在國外已經(jīng)出現(xiàn)了相對成熟的商業(yè)模式，但在國內尚未看到被大規(guī)模采用的情況，這說明我們仍然處于驗證階段。

更不利的是，在OpenAI開發(fā)者大會之后，幾乎創(chuàng)投圈都開始擔憂，“OpenAI會最終殺死所有應用層的AIGC公司”。

亞馬遜云科技大中華區(qū)戰(zhàn)略業(yè)務發(fā)展部總經(jīng)理顧凡也觀察到了這些現(xiàn)象，但立足于企業(yè)側的他態(tài)度更為樂觀，他告訴記者，幾個月前，國內創(chuàng)業(yè)者更多關注大模型的問題，現(xiàn)今，做生成式AI業(yè)務的大量新興初創(chuàng)都是做跟應用和工具鏈相關的創(chuàng)業(yè)，這確實是百模大戰(zhàn)進入收斂階段的表征。

“但生成式AI落地于企業(yè)端的需求并不冷，只是現(xiàn)在國內初創(chuàng)企業(yè)對于生成式AI的認知更加清醒了，比六個月前要更進了一步?！彼J為。

創(chuàng)業(yè)者們奮力求生，投資人們的認知也比半年前有所變化。

戈壁創(chuàng)投的董事總經(jīng)理童瑋亮接受路透社采訪時透露，一些投資人后悔在今年早些時候的“炒作高峰期”過早投資了LLM公司，因為這類初創(chuàng)公司大多難以構建強大的商業(yè)模式，現(xiàn)在他們很多開始謀求與科技巨頭合作來獲取客戶，或者試圖將自己出售給巨頭。

也有投資人對生成式AI賽道堅定看好，比如成功押注了小紅書和滴滴的金沙江創(chuàng)投主管合伙人張予彤。她告訴界面新聞，第四季度，供給側的熱度也沒有下降太多，其實是從百模大戰(zhàn)變化成了百“C”（Character.ai 一個著名的類ChatGPT對話式平臺）大戰(zhàn)，“大家現(xiàn)在都在做虛擬角色創(chuàng)業(yè)”，需求側則在消費者和企業(yè)端都有明顯紅利展現(xiàn)，她非常看好這次機會的延展性，因為“過往阻礙AI發(fā)展的規(guī)模化痛點已被這輪AI的通用泛化能力解決”。

對于被廣泛討論的具體落地場景痛點，她認為并不能影響投資周期，她目前更多看到的是生成式AI的商業(yè)化成果，正在不斷滲透到不同領域中去。

她也順勢向生成式AI創(chuàng)業(yè)者提出三點建議：

第一，關注用戶的需求。盡快找到PMF（Product Market Fit，產品市場匹配），讓用戶發(fā)現(xiàn)使用生成式AI能夠給其創(chuàng)造更大價值，或者找到新場景，幫自身核心用戶群體不斷創(chuàng)造價值；

第二，要積累。積累用戶數(shù)據(jù)，再反饋到場景模型，調整成更好的性能，創(chuàng)業(yè)公司如果能夠更早地跑起數(shù)據(jù)飛輪，從其模型里面帶來差異化體驗，就能吸引更多流量；

第三，筑起更高壁壘。一些用戶價值薄弱的公司，僅僅只做套殼，在模型能力還沒成熟時就不斷向外延伸，在這過程中很可能與其他模型能力重合，導致其價值迅速降低。創(chuàng)業(yè)公司應該想到怎樣在垂直場景里提供價值，這可能是通過數(shù)據(jù)的形式，也可能通過硬件的形式。