企业购入材料支付运费怎么做账？

正文 今年融资最火爆的赛道 AI给我们带来了一个很大的变化。但是大家应该更多地关注自己所在的行业到底是一个挖金子还是挖铁矿的行业。如果是挖金子的行业，可能卖铲子也不错；但如果是挖铁矿大家就直接挖铁矿，不要再卖铲子了。 2023年12月13日-15日，中国创投年度盛会——第二十三届中国股权投资年度论坛在上海举行。本届峰会由上海市地方金融监督管理局指导，清科创业、投资界主办，现场集结国内当下活跃的创投力量，共同探讨行业「坚守与适变」主题，共叙中国股权投资行业的现状与未来。本场《AI时代的投资机遇》圆桌讨论，由集富亚洲管理合伙人潘瑞婷主持，圆桌嘉宾为：云启资本合伙人 陈昱元璟资本管理合伙人 刘毅然华兴资本投行事业部AI负责人秦川北极光创投合伙人张朋同创伟业合伙人 张文军山行资本合伙人 朱思行以下为对话实录，经投资界（ID:pedaily2012）编辑：潘瑞婷：开始本场讨论之前，我先简单介绍一下我司。集富亚洲是一家老牌创投基金，成立时间超过50年，在国内已经深耕了30年。投资后上市的公司超过1000家。我加入创投行业已经超过15年，早期在硅谷见证了当年互联网是怎样改变各行各业的，那时我就非常激动，于是2007年后便回来加入创投大潮，想要投到一些可以改变世界的企业。这两年，很多创投圈有名的大佬都加入到AI时代的投资大潮中，认为这是20年来难得的机遇。如果跟不上AI发展的步伐，就会被时代抛弃，所以今天我非常有幸能主持本场讨论。接下来请几位嘉宾简单介绍一下所在的机构和本人的背景。陈昱：云启资本是一个相对比较新的基金，成立于2014年下半年，已经管理了三支人民币基金和四支美元基金。成立伊始，我们就关注科技的早中期投资，到目前为止已经投出了近200家企业，其中超过十分之一的企业达到了独角兽或者上市的状态。人工智能也是我们特别关注的领域。过去一年，我们布局了近十家人工智能相关的初创企业。我以前是谷歌的工程师，团队里还有一些来自谷歌、IBM、商汤等科技公司的成员，都是来自于产业而非单纯的金融背景，这有利于我们把握最新的科技前沿动向，在新技术发展初期就能够敏锐捕捉到机会。比如我们在18年天使轮投资了向量数据库Ziliiz；21年天使轮投资了大模型公司MiniMax。在当时的资本环境下，市场不太了解他们的用途，正因为我们都是产业出身，所以能够了解技术的发展方向，捕捉到早期的投资机会。刘毅然：元璟资本也成立于2015年，主要做早期VC阶段。我们是一个双币基金，美金和人民币币种都有，去年各做了四支基金，规模超过100亿，有100多家被投企业。我们的团队成员中既有早年在一线互联网公司成功的创业经历，也有投资公司里比较资深的老兵，算是一个创业+投资的组合基因。我们的投资方向，早年从互联网、数字科技开始，这几年在硬科技、AI、中国企业出海等领域都有很活跃的投资。今天的主题是AI科技，我们早年投的理想汽车，现在在自动驾驶上已经有一些成绩。此外还投了语音识别的思必驰，以及最近很热门的傅利叶智能。秦川：华兴资本主要以财务顾问的角色参与到AI交易中。在此，我简要介绍一下华兴资本。华兴资本是一家专注于新经济领域的综合性金融机构，业务覆盖投资与投行的诸多方面。从过去的交易记录来看，我们服务了我国互联网、高科技以及医疗领域中最知名的一批创业公司。我在华兴资本工作了九年左右，一直致力于软件和科技领域。在过去的一年里，我们在人工智能领域取得了丰硕的成果，也协助了许多与AI相关的投资和交易，其中包括智谱AI、百川智能和小度等公司的融资项目。张朋：北极光成立于2005年，是一家专注于投资早期、科技的美元和人民币双币基金，现在我们管理着六只美元基金和四只人民币基金。作为一家综合基金，我们主要关注三大赛道，科技、健康医疗和新消费。我主要负责科技领域的投资，包括与软件相关的行业、云计算、大数据，还有人工智能等。张文军：同创伟业成立于2000年，目前公司管理规模大概300多亿，已经投资项目600多家，目前有200多家已经实现退出，其中大概120家实现IPO上市。我们一直深耕深圳，覆盖全国。我们的投资方向主要是在硬科技、医疗健康以及消费这几大领域，我本人在同创是多支基金执行合伙人，我们目前管理了一支国家中小企业基金，我也是该基金的主要负责人。我们现在的打法和策略，是往早期走，投早、投小、投科技，这个策略实际上公司已经坚守了多年。与别人有一点不同的是，我们虽然投小，但是小企业转化为上市的比例还是比较高的，这也是我们机构的一个特色。朱思行：山行资本成立于2015年，到现在为止我们管理三期基金，美元和人民币同时在做。起初，我们主要投移动互联网，创始合伙人也都是移动互联网背景。我本人从研究生阶段开始，经历了几次AI迭代，之后又做工程师，到最后转向投资，这20年左右的时间一直非常关注AI领域，希望今天跟大家一起交流。潘瑞婷：感谢各位嘉宾的介绍。大家都知道AI行业是一个资本投入非常高的行业，算力、AI工程师都非常贵。也有一些新闻标题，比如说大模型创业300天，成者100亿估值， 80%的失败者出局。请各位聊一下在过去一两年在AI领域做的投资，以及行业观点分享，比如应该关注通用大模型，还是行业垂直模型，还是侧重应用方面的投资？陈昱：我们做大模型相关的投资相对比较早，2021年年初时，我们就已经开始和MiniMax接触，并在2021年末完成了投资。而大模型真正火起来，实际上是2022年下半年，随着ChatGPT横空出世，引爆破圈，大家才去关注这个领域。现在的大模型领域，算力是阻止其大规模应用的一个很重要的原因。一方面训练成本贵，另一方面推理成本更贵。训练成本非?：美斫?，有大量的数据要去处理，这个相对来说是一次性的；而推理成本，在每次对大模型做调用的时候，实际上都在做一次计算。当你的产品做得越好，这个模型的调用量就越多，推理成本就越高。我们观察大模型推理要用到的算力可能是训练的3-5倍，甚至更高，这是亟待解决的问题。要解决这个成本问题，其实可以从很多方面考虑。比如从软件方面，我们并非总需要用到这么大的模型，可以用大模型调教出一个相对较小的模型，或者用MoE——几个专家模型合并起来做成一个大的模型。这种情况下，因为模型参数量相对比较小，可以降低推理成本。另一方面，对一些不必要或者重复计算的东西，也可以使用向量数据库做缓存等。此外，我们也在密切关注AI芯片的发展，无论是英伟达，还是各个大厂，甚至创业公司都有自己的AI芯片方案。我们认为，未来两三年里面，AI行业也有成本下降的摩尔定律，每年成本会下降一倍以上。三五年以后，调用成本可能是现在的1%，那才是AI应用爆发的时候。至于AI方面的投资，TO B、TO C，还有具身智能三方面我们都在看。在TO C领域，我们重点关注虚拟陪伴以及游戏领域的应用。因为有了大模型以后，整个内容都可以做动态生成，可能会产生一些和以前完全不同的交互体验。在TO B方面，我们认为AI可以改造各行各业，所有的企业服务、产业互联网还有电商，现在都可以用新的AI技术重新做一次，这里面会有一些新的用户体验和成本优势。第三，大模型本身是一个纯数字世界的东西，怎么和实体世界产生连接？一个最好的东西就是机器人。具身智能相当于大模型在物理世界的执行载体，通过大模型可以让机器人变得更加通用化，能够像人一样完成各种各样的任务，这是未来五到十年值得期待的大领域。刘毅然：先从大模型说起，大模型现在的发展还是非常迅猛，很让人敬畏的。我们在通用大模型和底层大模型上比较谨慎，需要考考虑很多问题，包括考虑中国的创业公司在开源模型方面的直接竞争，和国际大厂自己尝试推出的方案之间的竞争。如果创业是九死一生，AI大模型创业是百死一生，风险很高，所以我们要非常谨慎和慎重。大模型最近的发展脉络，不同的媒体形态，现在的成熟度、机会，和阶段也不一样。以文本为代表的形态已经被大语言模型做得非?：?，已经有像GPT这样的超级应用出来了。图象基本上确定了以SD为基础的技术凸显，开始了诸多相对成功的，进行到一半的尝试，也有足够好的使用效果出现。如何建立自己的场景，如何建立自己的数据，如何做整体的防御门槛，是我们觉得可以进场的阶段。视频方面，如何解决长视频的问题，如何解决高精度的问题，以及解决动作不稳定性和连贯性的问题，我们密切跟踪这些方面的进展，希望在这里面找到下一个可以参与的角度。我们说，在纯数字技术上类似于“天空层”，AI有强有力的进展。另外还有除了数字技术本身的创新，AI究竟可以落在什么样的地面上，一个是硬件实体，承载着硬件形态，一个是具体的应用环境。各自举一个小例子，我们投了一家专门在分子跟微观仿真模拟的公司，在分子层面有了AI算力之后有了巨大的突破，开始向微观世界发起新的挑战，这是一类场景，能找到一个完全独立于大语言模型，不会轻易被GPT颠覆掉，同时又有完整的应变能力。今天比较常见的硬件形态就是新能源汽车和机器人。AI落在新能源汽车上，有大量自动驾驶的实践，车厂在做，自动驾驶公司也在做。另外一个是机器人，现在把它抽象成具身智能，我们最近投了原来在自动驾驶方面有很多积累的公司，如何用通用世界感知的能力，来做具身智能的创业，这都是我们关注的方面。秦川：我简要回顾一下过去一两年华兴主要参与的一些项目情况。实际上在这一波AI浪潮来临之前，我们就已经高度关注这一领域。在之前的CV时代和NLP时代，我们就参与了不少AI公司的融资，包括商汤、创新奇智、云从科技、达观数据、乐言科技，以及一些硬件载体的AI公司，如百度旗下的小度等。因此在过去很长时间里，我们都密切关注着AI领域的发展趋势。进入2020年，我们确实看到了深度学习技术在AI发展过程中的里程碑式意义，但同时也注意到了它的一些瓶颈。在2021年，我们有幸接触到清华大学计算机系成果转化项目——智谱AI，他们也是国内最早进入大模型领域的创业团队之一。之后的两年里，我们密集地在AGI各细分方向上进行了一些布局。在大模型领域，华兴参与了智谱AI、百川智能的融资以及光年之外的并购，我本人也有幸协助了智谱过去四轮融资。而在大模型之外，我们也在基础设施、多模态、具身智能及其他应用领域参与了诸多知名创业项目的融资。张朋：对于AI领域，从技术大模型角度，因为这个领域的技术路线是确定的，从国内和国际上的竞争，开源和闭源，还有国内BAT的竞争去看，不确定性很大，并且是未来需要资金投入很多的行业，到底适不适合VC去投也是个值得思考的问题，所以目前在这块我们还是比较保守的。我们重点放在基础设施和应用两个角度。基础设施方面，我们投资了无问芯穹，是一家做AI大模型加速的公司，通过大模型和芯片、算力之间的调度，做加速，提供最优的算力解决方案。在应用层，我们在很早期阶段就投资了小冰。通过投资，我们也更好地理解前端大模型的变化，以及AI在应用层面有哪些市场。从投资的角度来讲，虽然我们看了很多企业，但是投资的节奏并没有那么快。这一波AI大机会和当年移动互联网的大机会，我认为有相似之处，也有不同。相似点在于它们确实是一个完全技术迭代的范围，会有很多新的东西出来。不同在于AI没有一个非共识期，从Open AI和ChatGPT以来，半年之内整个行业，中 美包括全世界已经基本达到了一个完全的共识。在各行业里面，大公司、小公司和创业公司基本都加入进来了，所以AI除了底层大模型，再往上走的应用到底是什么形态，我觉得还有很多东西是值得探讨的。今天从前端行业来看，我认为除了电商行业，包括做虚拟人，以及内容的生成是有强需求的，还有在技术层面的供给，基本可以达到商业化的水平。在其他领域，很多都还处在非常早期的阶段，但是在电商领域，因为很多公司都能去做同样的东西，所以作为创业者要回答一个问题，就是差异化到底在哪里。总体来讲，还是需要再多观察、多看、多思考。出海我认为是一个非常明确的趋势，国内不管做TO B还是TO C，挑战还是蛮大的，有商业的问题，还有合规层面的问题。在海外，对于创业者的挑战之处不在商业模式，不是付费意愿，也不是法规，而是如何去理解海外用户的需求，对创业者来说是另外一个维度的挑战。整个海外市场潜力比国内大很多，中国有很多的创业公司，我们的工程师也都具备了出海的基础，所以出海也是我们一个重点关注的投资方向。张文军：自从16年阿尔法狗点燃了这个赛道，同创伟业就在机器视觉、自动驾驶等人工智能领域开始布局，有一些项目发展得还不错。今年年初大模型再次重新点燃了这个赛道。由大模型引导的人工智能，可能未来十年二十年会极大地影响我们的生活，投资的机会肯定很多。真正的好项目还在创业、创立之中，甚至还没有创立，这样的机会是留给每个投资人的。当下AI领域我们比较看好大模型，以及人工智能在中国的应用。中国是有14亿人口的市场，而且这个市场相对比较封闭，海外的机构很难在中国打开市场，还是要我们本土的创业公司来完成。我们有世界一流的、庞大的工程师团队，有一个很大的应用客群，所以我们这个市场在未来5-10年，甚至20年都会有机会长出很大的人工智能创业公司，这都是我们投资的方向。另外从人工智能整个赛道来讲，中间层面和基础层面都会有很多的机会。中国需要有自己的基础层大模型，现在海外尤其美国有一些公司跑在前面了，那么其他公司有没有机会？我们觉得是有的，需要给他们时间，比如说两三年以后，我们再来谈这个话题，可能结论是不一样的。中国自主知识产权的AI芯片，也是一个比较大的投资机会。总体来讲，在今天的时间点上，AI对所有机构和创业公司，都是一个很大的创业机会。未来如何去把握它，如何真正去吃到这一波发展红利，或者是最大的红利，需要我们认真思考，然后努力寻找。我们相信未来人工智能的巨无霸公司，一定会超过上一波互联网时代的巨无霸公司，只不过目前还在成长的路程之中。朱思行：其实我们在这一波AI创新领域已经关注了一年多的时间。我们最开始观察到这个拐点离使用非常接近的原因，是我们投了一些企业，他们真正开始使用这些技术。在ChatGPT发布以后，我们出手投资的案例数量其实是不多的。我们在内部讨论的时候，会分成两个类别，一个是描述成现在的AI PLUS，AI在这个领域能帮助我们更高效的解决问题，那个问题是什么，以及怎么来解决会更好。这种情况下，不要犹豫，去做就好了。AI最新的变化和演进，使原来不可能的事变成可能，诞生的投资机会是原来不存在的。我们对人的情绪价值满足等方面也看到了一些可能性，有可能会出现原来完全没有想象，或者原来觉得从成本上是不可实现的一些机会。这都是我们关注的领域。潘瑞婷：感谢各位嘉宾分享了AI赛道的投资机会，也延展到机器人、具身智能，还有AI 出海方向的分享。接下来跟大家讨论一下AI行业可能面对的一些挑战，一个是资金方面，一个是人才的储备，还有法律和数据。我分享个小观察，大家都知道美国的企服称霸全球，美国上市公司大概有三分之一的市值都是来自软件行业，微软两万亿美元的市值，谷歌一万亿美元的市值，这些巨头资金充裕，他们也投入了很多到AI时代里面。在人才方面，美国的软件企业经历了50年左右的时间发展，培养了一代又一代软件领袖，比如Salesforce的创始人就是来自Oracle, AI创业者也都来自各个成功的企服公司。相对来说，我们国内还是有一些小压力的，一方面就是资金的压力，这两年大家都需要面对国家的政策引导，要往硬科技这些方面去投，这两年的AI风潮，虽然现在非常热络，但会不会像之前企服SAAS 赛道一样，一开始大家非常担心缺席了saas行业的投资，就会被时代所抛弃。过了几年，saas行业却因为持续的高投入和亏损，被投资人抛弃了。这是从另一个角度看AI 行业，想请各位嘉宾简单分享一下观点。华兴秦总也可以更多从投融资方面分享一下最近AI 项目投融资进度如何？朱思行：我觉得钱上面，张朋总提到了全球共识比较彻底，这是一个根本性和基础性的变化，大家的投资积极性并没有什么问题。从资金的体量来说，其实也没有什么问题。我感受到大家的热情，或者市场泡沫的同时，也感觉到大家的纠结，核心在于，第一，如果我们从历史上看基础设施的变化，本身每一期产生的商业价值都是有限的，最终商业化变现来自于应用，我们来看这一波的AI应用到底是什么样的，大家都还在探索、观察，并没有一个非常明确的答案。在移动互联网时代，大家对产品、需求是非常在乎的。但是今天如果我们去问产品经理这个AI产品是好还是不好，怎么去衡量，怎么去设计，能听到很多种不同的想法。张文军：刚才提到一个话题，就是我们投资行业怎么看企业服务、软件和AI，AI的表现形式也是以软件为主。理想很美好，但是现实很骨感。软件类的企业要走到上市这一步，在国内是很难的。这里面可能有国别之间的原因，包括主持人也讲了Saas，Saas前几年非常热，很多投资机构投了很多项目，很多明星的企业上市后，尤其香港上的一些Saas公司，估值是很低的，因为本身也没有盈利。那么软件类的公司到底有没有硬科技的价值？我们讲硬科技，现在都讲的是有形的，但我们认为软件是无形的。比如半导体、高端芯片很受欢迎，实际上设计芯片就是一种软件思维，只不过是固化了而已。只是做一个软件的服务，在中国做的好的还是很少的。他们上市过程中有很多困难，当前整个上市体系是为制造业服务的。涉及到软件、企业服务，让监管层去理解它、批准它上市，难度还是挺大的。同创做了这么多年，投的项目也比较多，其中投硬科技、制造业的项目，上市相对容易。而软件类的项目我们自己也看好，企业发展也不错，研发费用也很高，盈利暂时体现不出来，这样的企业在上市的时候，难度是很大的。我建议大家看一看上海的科创板，科创板代表着中国科创属性最高的一批企业，但里面真正的软件企业是很少的?：芏嗾嬲玫娜砑?，科技含量、科技属性是非常高的，但是我们现在对它不是特别友好，这是我们未来所要面对的一些现实问题。我们也希望监管层能够认真地研究，是否对真正的、优质的、高端的软件类企业，有一个放绿灯的机会。张朋：我有一些不一样的看法。中国软件行业跟美国的软件行业有很大的不同，美国整个互联网行业，是从TO B开始的。美国60年代就有管理咨询，通过软件把管理咨询固化下来、标准化，然后向中小企业行业中去渗透，这是一种范式的升级。中国是从消费互联网兴起之后以BAT为主的生态，这些大公司在扩张的过程中，吃掉了很多中小企业的市场，留给中国软件公司做的只有中B和大B的市场，本身客户需求就是非标的，还要有服务。因为不够了解行业的规律，企业软件行业的创业者们，企业家们，以及我们投资人，过去都交了很多的学费，也从这里面学到了一些教训，再得到成长。一个企业尤其是TO B公司，在美国和中国的成长规律其实是类似的，在中国整个大环境下可能需要更长的时间。但是我们投资人在经历了消费互联网企业三年上市，五年退出，然后赚几十倍的经历过程后，再去投TO B的时候，也希望公司三五年就能去上市，走完别人十几年走完的路，从预期来讲就是不正确的想法。AI是通过软件的形态承载的，现在市面上所有的公司都在拼刺刀，谁能够在行业里面成长出来，不管做海外市场还是做国内市场，面临着的是一个不同的竞争环境。我认为当资本环境很不好时，大家因为在行业里面吃了亏，所以可能会给行业很负面的一些判断和结论。当冷静下来以后，这个行业慢慢发展并起来的时候，有一些公司会冒出来，也能够取得比较好的经营业绩。所以我对整个TO B发展的大趋势还是非常乐观的。秦川：资本节奏和业务节奏并非完全相关的。2021年时，我正在协助某知名SaaS公司的的Pre-IPO轮融资。当时一位投资者的问题令我印象深刻：如果公司不受到资金的制约，能把收入增长拉升到ToC应用的指数式水平吗？我记得公司CEO坚定地给出了否定的答复。企业级软件增长受制于众多因素，钱无法解决增长面临的所有问题。资本与业务本身是两回事，对企业服务而言，它们的节奏可能差别很大。在前几位嘉宾的发言中，他们谈到了过去两年中国企业级软件面临的障碍。但如果我们把时间周期拉得更长一些，回到2014年，收入过亿的SaaS公司寥寥无几。然而今天再看，如今市场上收入过亿的SaaS公司不在少数。尽管对投资者来说，当下的SaaS行业并不是最好的时候。但在过去十年里，这个行业还是取得了很大进展。谈及AI，情况类似。其实当前AI赛道的热度可能仍无法与2021年的SaaS比肩。因为除了互联网战投、美元基金和VC机构外，当时还有许多国内外的PE机构也参与到了SaaS领域的投资。当然，AI如今备受关注，从长期来看，我坚信AI还是会稳步向前发展，但结合众多前沿领域的经验，AI的资本路径也很难一帆风顺，免不了会经历起伏。回到业务方面，大家都在努力寻找所谓的AGI原生场景，但这个过程很难一蹴而就，很可能是一个逐步演进的过程。我们需要在AGI+的道路上，慢慢积累和提升对产品逻辑和商业逻辑的理解，并伴随着模型能力的提升，才能创造原生应用。正如抖音并非在移动互联网的初期就能诞生一样，AGI的发展也需要时间和耐心。因此，从长期来看，AGI还是会按照稳步向前的节奏发展，但这个过程中资本与业务节奏未必是直接关联的。刘毅然：我换一个角度，主持人提到了跟美国很多的对比，回到一开始讲的，我们一直把这个事看成有一个天空的AI层和地面的落地层，不同国家的国情和技术的发展，对应的投资和退出的特点也不同，美国AI很发达，软件很发达，纯软的AI就可以退出。中国资本市场，由于对制造业的很多鼓励，导致制造业退出更通畅。美国大量的AI是飘在天上的，像大模型和Open AI，美国有非常多的天上的公司，中国在这里面是一个追赶者，我们还是有足够多的互联网大厂在积极追赶，也有非常多的人才储备，虽然短期会有一些落后，但长期我们会紧紧跟随。如果看地面的力量对比完全是反的，美国只有特斯拉一家公司在地面孤独走着。而早年的小米，还有蔚小理，以及人形机器人公司等为代表，大部分是制造业效率成本和性价比为基础。如果我们是立足中国的投资人，就需要考虑如何把AI落在一个实体上，落成可以投资的生意，很多软件在资本市场上受欢迎，或者不受欢迎，究竟能不能持续的高增长，究竟能不能盈利，是不是一个可持续的生意。在目前的产业结构和中国环境下面，AI还是有很多可做的事情。陈昱：我讲一下这两个领域面临的挑战。AI面临的挑战是在于“增本不增收”。AI本身有算力需求，所以从成本结构上来说，无论是企业服务还是其他软件，使用AI时必然带来成本的增加，但能不能带来收入的增加？从我们观察来说，当一个企业服务软件有了AI功能以后，大家并没有马上为这个功能增量多付钱，造成的结果是现在所有企业服务软件都在拥抱AI，实际上并没有额外的收入，并且成本上去了。我们也有乐观的地方，大家能看到AI对生产力有实打实的提高。把这个时间拉得足够长，会降低企业的人力成本。我们能够推断出来，未来人力节省的成本会转化为AI软件公司的收入。同时，大家都在想办法降低算力成本，“增本不增收”的情况，可能在未来三五年会得到一个扭转。在那个时候，整个AI行业才能够有一个真正成熟的发展。另外就是企服的挑战，中国的软件不太受待见，用户付费习惯差，同样一个SaaS，在中国和美国就是汇率差，甚至不止汇率差。我们也在鼓励企业从创立第一天开始，就有意识走向全球市场。与此同时，全球化也对团队带来了挑战，必须要有国际化的视野。哪怕说像数据库这么通用的软件，到了美国市场、日本市场，也需要针对当地的企业使用习惯，定制化出适合当地销售的一些软件出来。这对于很多纯中国的团队是一个挑战，慢慢去组建当地的产品经理、当地的销售团队，然后再结合中国的工程师红利和场景快速验证，可以形成一批有竞争力的、能够出海的企业服务软件，这个道路非常漫长，我们也看到了一些初步成果，比如我们的早期投资的开源数据库公司PingCAP，今年在日本市场的收入增加了5、6倍。所以我们认为，未来中国企业服务软件的一大出路，就是出海做国际化。潘瑞婷：听了各位嘉宾的观点，我们还是要坚定拥抱AI时代，最后请各位嘉宾讲一讲明年对AI行业的展望，给在场AI行业的创业者，或者各行各业需要拥抱AI的企业家们一个简单的建议。陈昱：对于明年的展望和今年是一样的，积极拥抱AI，拥抱出海。刘毅然：我们关注端到端的AI故事，AI是你故事的一部分，但不是全部。如何结合AI做好自己的优势场景，如何用AI来加强自己的生意价值，可能是更切实的业务。秦川：我觉得就是需要耐心，做好产品。张朋：中国做端到端，出海做工具。张文军：AI是一个巨大的赛道，现在起步也来得及。朱思行：AI给我们带来了一个很大的变化。但是大家应该更多地关注自己所在的行业到底是一个挖金子还是挖铁矿的行业。如果是挖金子的行业，可能卖铲子也不错；但如果是挖铁矿大家就直接挖铁矿，不要再卖铲子了。潘瑞婷：非常感谢大家！ 本文来源投资界，原文：https://news.pedaily.cn/202312/527370.shtml 【本文为投资界原创，网页转载须在文首注明来源投资界（微信公众号ID：PEdaily2012）及作者名字。微信转载，须在微信原文评论区联系授权。违规转载必究责。】澳银资本胡艳：探索风险投资机构的长青之路

正文 OpenAI内斗，竞争对手兵临城下 说到底，生成式 AI 从来不只是 OpenAI 一家公司，不论围绕 OpenAI 的「大戏」结局会走向何处，都挡不住 AI 大潮的来势汹汹。 过去几天，作为新一轮 AI 浪潮的领头羊，OpenAI 面临一次的分崩离析的重大危机，从董事会宣布辞退创始人兼 CEO Sam Altman，到回归又被否，期间还经历了多次反转，包括 Altman 加入微软、员工逼宫、与 Anthropic（Claude）合并等。到了北京时间 11 月 22 日下午，OpenAI 又表示原则上同意 Altman 重返 OpenAI 担任 CEO，并组建新一届董事会，具体细节还在敲定中。在事情还没有正式敲定前就公开披露，可见现任董事会也明白 OpenAI 急需「稳定军心」，否则竞争对手还会继续「掏空」OpenAI。紧随官方之后，Sam Altman 以及之前刚辞任的总裁 Greg Brockman 也都发布了一条暗示回归 OpenAI 的推文，不管初衷如何，实质上也确实起到了「稳定军心」的作用。OpenAI 总裁 Greg Brockman，图/ X根据此前公开报道，包括 X（Twitter）、微软、谷歌、Anthropic 以及一大批有志于这一轮 AI 浪潮的公司都在重金挖角 OpenAI 员工，而很多 OpenAI 员工也在考虑跳槽事宜，这显然也会严重影响到 OpenAI 原定的一系列计划。与此同时，竞争对手们也不只是「围观看戏」，还希望抓住 OpenAI 犯错的机会，加快推陈出新的节奏，加速赶超 OpenAI。01 Token翻倍、「幻觉」减弱，Claude 2.1终于来了就在同一天，从 OpenAI 分化出来又背靠谷歌的 Anthropic 发布了新的聊天机器人——Claude 2.1。作为 ChatGPT 最有力的竞争者之一，Claude 2 原本就在上下文长度和语言理解上有一定的优势，同时还较早支持了链接和文档读取能力。在 Claude 2.1 上，更是将*支持 Token 数量从 10 万个增加到了 20 万个，远高于 ChatGPT 的* 3.2 万个 Token。Token 相当于机器视角的「字数」。经常使用 ChatGPT 或者类似聊天机器人的读者应该都知道，如果在上下文窗口内，一旦对话长度超过了 Token 限制，上下文窗口就会发生变化，聊天机器人会丢失早期对话的内容，等于忘记了之前的对话背景，会直接影响到后面的回答。甚至不需要超出 Token 限制，只要对话长度到一定阶段，机器就会开始遗忘早先的一些背景和要求，需要重复提醒。而 20 万个 Token 的长度，意味着将近 270 页文档的上下文和更强的「记忆容量」。换言之，Claude 2.1 用户现在可以上传整个代码库等技术文档、S-1 等财务报表，甚至是《伊利亚特》或《奥德赛》等长篇文学作品。通过能够与大量内容或数据进行交互，理论上 Claude 2.1 可以更好地进行总结、执行问答、预测趋势以及对比多个文档等。AI 创业者兼开发者 Greg Kamradt 在测试中，确实发现了 Claude 2.1 在性能上的进步。此外，Claude 2.1 在对抗大模型「幻觉」方面也取得了一定进步。与之前的 Claude 2.0 模型相比，Claude 2.1 虚假陈述的概率降低了 2 倍。图/Anthropic根据 Anthropic 的说法，他们设置了大量复杂的事实问题进行测试，测试显示 Claude 2.1 在面对错误信息以及不确定信息时更可能提出异议，而不是提供不正确的信息。比如反驳用户给出的「玻利维亚人口第五多的城市是蒙特（错误信息）」，或是承认「我不确定玻利维亚人口第五多的城市是什么」。这使企业能够构建高性能的人工智能应用程序，解决具体的业务问题，并以更高的信任度和可靠性在其运营中部署人工智能。02 视频版Stable Diffusion发布即开源，再一次改变视频生成？文本生成领域有 ChatGPT 和 Claude，图像生成领域有 Midjourney 和 Stable Diffusion，但在视频生成领域始终没有一个模型可以跑出。这不是说没有公司尝试，谷歌、Meta 很早就有公布 AI 生成视频的 Demo，还有大量初创团队都在「掘金」视频生成领域，比如 Runway 就接连发布了 Gen-1、Gen-2 两代，实现了真正的从零开始生成视频。当然，Gen-2 仍然存在细节?：?、形态扭曲等等品质问题，所以始终没能破圈。Stable Video Diffusion 会改变一切吗？还是北京时间 11 月 22 日，Stable Diffusion 背后的公司 Stability AI 发布了旗下*视频生成模型——Stable Video Diffusion。在很多人的意料之中，Stable Video Diffusion 基于图片生成模型 Stable Diffusion 进行开发而成，Stability AI 已经在 Github 上开源了全部代码，同时也上线了 Hugging Face 社区。图/ Github要指出的是，目前 Stable Video Diffusion 有两种输出形式，能以每秒 3 到 30 帧的可定制帧速生成 14 和 25 帧。换句话说，Stable Video Diffusion 目前最多也只能生成 8 秒左右的低帧率视频。图/ AssemblyAI但不要低估开源迭代的力量。Stable Diffusion 模型 2022 年最开始发布的时候，图片生成质量也比不上 OpenAI 的 DALL·E-2。然而由于开源的策略，Stable Diffusion 被各路初创公司、开发者、玩家频繁应用与改进，最终让 AI 生成图片彻底火出圈外，引发了一系列的变化。同时在开源力量的帮助下，不到半年内 Stable Diffusion 模型就迭代到了 2.1 版本。诚然，Stable Diffusion 的成功未必能够复刻，但可以肯定的是，不同于 Gen-2 这类私有模型，Stable Video Diffusion 可以聚集开源社区更多的开发力量，加速视频生成模型的迭代改进。03 生成式 AI，从来不只是 OpenAI11 月 15 日，Sam Altman 在还没有被董事会辞退之前就在 X（Twitter）上表示，OpenAI 将暂停新的 ChatGPT Plus（付费）用户注册，原因是使用量的激增已经超出了自身的承受能力。直到 11 月 22 日，OpenAI 依然还没有开放 Plus 用户注册。但与此同时，AI 时代的浪潮还在滚滚向前，Claude 2.1 和 Stable Video Diffusion 的发布之外：- 谷歌 DeepMind 在最新发布的音乐生成模型中采用了人耳听不见的「水印」；- 微软发布仅 130 亿参数规模的「大」模型，官方宣称其性能比起 700 亿参数的 Meta Llama-2 Chat 还要好；- 在下个月举行的 re:Invent 大会上，亚马逊云（AWS）预计也会重点介绍旗下 Olympus 大模型的能力。今年还有一个可能是最值得期待的大模型——谷歌 Gemini。根据此前半导体研究机构 SemiAnalysis 的报道，谷歌下一代大模型 Gemini 的算力高达 GPT-4 的 5 倍，同时谷歌手握自研 TPUv5 的数量比 OpenAI、Meta、Coreweave、甲骨文以及亚马逊拥有的 GPU 加起来还多。在此基础上，Gemini 还整合使用了强化学习和树搜索的 AlphaGO，以及机器人、神经科学等领域的技术，拥有语言和视觉两大能力。OpenAI 的首席科学家 Ilya Sutskever 在 2020 年就表示，仅文字就可以表达关于世界的大量信息，但它是不完整的，因为我们也生活在视觉世界中。说到底，生成式 AI 从来不只是 OpenAI 一家公司，不论围绕 OpenAI 的「大戏」结局会走向何处，都挡不住 AI 大潮的来势汹汹。 【本文由投资界合作伙伴微信公众号：雷科技授权发布，本平台仅提供信息存储服务。】投资界处理。江苏神通做LP，出资元禾厚望