AI新机会13 | 创业公司如何在AI牌桌上获得一席之位？【九合创投王啸】

本期课题 

随着AI的迅猛发展，大模型逐渐成为引领创新和商业应用的关键推动力。大模型成功商业化的关键是什么？

对此，九合创投创始合伙人王啸分享了他关于大模型商业化的思考和认知。

本期嘉宾

九合创投创始合伙人王啸

本质上AI是一种能力嘛。这种能力在哪个场景上能够商业化比较好？其实本质上就是一开始就要思考的问题，但是AI并不一定是稀缺的能力，因为其实像大模型什么的国内也很多家了，国外有更多家，我认为大模型能力在刚开始的时候可能还算稀缺，现在其实本质上来讲开源的也比较多，所以我觉得其实还是要看场景、看应用、看需求，所以我觉得我们其实不太看好说只是有技术，但是对整个市场的理解都比较差，我觉得这种团队一般是做不出来的。

最近的话就是Meta要买35万张英伟达的卡，这个其实就像100多亿的人民币的投入，而且还是一次性购买，他可能累计已经买了不少。所以可见这个大模型竞争是在百亿量级的这样的一个资源的竞争。

但我觉得创业公司实际上是，很难上这个牌桌的。因为它融资不可能融那么多钱，但是这个其实本质上是一个资源很大投入的一个，不管数据的梳理还是算力的购买、使用，还是工程师的这种密度和数量都是一个挺大的一个东西。所以我们更看好说基于大模型之上在行业当中的一些knowhow、 知识和对行业的需求的理解。以前可能没有这个大模型，有些需求是不能很好地被满足的，那这部分需求有没有可能通过大模型加行业的一些软件、硬件一起把它完成得更好，形成更好的对用户的需求的满足度，并且以此作为基础做成产品和服务。

举例子，我们可以利用它们来生成视频广告，以前其实是要靠拍摄的，现在不管是它的脚本，还是它的视频的生成，都是完全可以基于大模型的技术来完成的。广告的需求从提出到广告的播放之后的反馈，整个闭环是完全可以完成。它天然就有商业模式，他有广告主，有商品方、品牌方来出钱，他的商业模式天然就架构在这个产品的服务里面去了。所以我觉得这样更合适、更容易做出，就是可以持续迭代和持续发展的公司的。

我们大概在一年半前就投了一家做广告视频生成的公司，所以它应该是国内做得比较早的几家之一。现在业务其实发展还是速度比较快的，整体业务其实已经开始上体量了，技术上程度也高，所以我觉得他们有先发优势吧。第二个就是说也让他去做一些，除了广告之外的，在短剧生成这些方面上有没有可能再做一些突破。我觉得这个还是说做的人虽然多，但是真正能把这事做好的人也许没那么多，而做得早还是有优势，而且走全球化的路线可能更容易做。

新小知：那您觉得对于那些预算成本比较低的创业公司，他们还有哪些机会呢？

我觉得一方面其实是原有的一些公司具备了数据能力和一定客户能力的，他们其实在他们的核心能力之上加了大模型能力，提升了原有产品的体验和服务，这个我觉得是一波更明确的机会。第二波就是说重新开始做，收集数据，重新做一些垂直领域的模型，这个也有一些小公司在做，也有一些做得还好。大概就是分这么两拨人。因为真正的把大模型用好，在垂直领域当中满足客户需求，我觉得还是一个慢慢要尝试的过程。我并不觉得这事就在短期一两年内就能有一些特别明确的迹象出来，但未来三五年会有一批公司能够把这事做好，那具体是哪些方向、哪些领域、哪些创业团队，可能还得再过个两年、三年就能看出来。

因为大模型你如果做一些行业垂直训练和数据的话，可能会增加一部分成本，所以一定是比移动互联网最早期的那部分创业的那个启动成本是要高一些的，但是也没高到说一定是没法去从0启动的，所以我倒觉得还是可以去启动新的业务和产品线的。偏软件的话它的整个启动成本还是低一些，但是肯定比最早的移动互联网那个一两百万人民币，两三百万人民币就可以启动，要高一个数量级的。依然是可以在VC早期机构覆盖的范围里面去启动的。

大模型的应用的商业化我觉得并没有那么复杂，我觉得它其实反而是简单的。因为大模型本身是解决了生产力问题，为生产力来付费，我觉得是比较简单的，比如你以前需要10个人工，现在只需要一个人工，剩下9个人工，我用机器人替代了，所以大模型可能的商业化是比较困难的，但大模型的应用的商业化其实是比较简单的。

比如说唉呦，我帮你生成了一个视频广告，你原来视频广告拍摄的时候需要一个小团队，需要拍个两三天，需要花个10万块钱人币，现在我用这个大模型生成，我1万块钱人币，实际上我的成本只有1, 000块钱，我跟你讲1万块钱。是不是可以？当然可以，而且效果还不错，而且我可以在同时多复制，所以我觉得大模型应用的商业化实际上是清晰有效的。

大模型本身是一个平台型的技术，它需要生态的建立，需要大家买它的token，就需要你上面的应用层有丰富度，有挣钱能力，它才能够商业化。所以如果大模型应用的商业化普遍起来，大模型的商业化就没什么问题了。

因为大模型这波其实解决的是个生产力问题，它其实本质上因为它替代了一部分人的那个能力，所以它本质上是个生产力问题，生产力问题比生产力工具的问题其实更容易商业化。

本期观点总结

相比大模型本身，围绕场景、需求而诞生的大模型应用，更容易实现商业化。因此对于大部分AI创业公司来说，通过大模型赋能，提升原有产品的服务和体验，或者重新收集数据、做垂直领域模型，是相对来说更具前景和性价比的选择。

互动

听完这节课，你觉得大模型在哪些行业或场景能够更好地进行商业化？欢迎大家留言告诉我。我是能和你聊天、但不智障的机器人新小知。我们下期见。