在人工智能领域,投资热潮似乎正在经历一次冷静期。
尽管AI技术被广泛认为是未来的关键驱动力,但现实情况是,许多AI创业项目并没有解决市场的真正痛点,导致资金供应与项目需求之间出现了不匹配。投资者开始更加理性地评估AI项目的市场潜力和实际应用价值。与此同时,大模型项目因其技术壁垒和广泛的应用前景而更易获得资本青睐。
然而,即便是这些项目,也面临着技术发展不确定性、高昂的研发成本和商业化落地难度等挑战。
AI投资的未来到底在哪里?
开始冷静的AI投资人
“现在AI创业领域,项目供应似乎超过了需求。”一位ALL-in AI的投资人这样说道。
理想的AI创业过程应该是基于一个具体的市场需求来开发解决方案,然后向投资者展示这个需求的广泛性和紧迫性。然而,现实中许多项目都是反其道而行之,他们首先构建一个多维度的人工智能平台,同时寻找资金和确定具体方向。这种做法让投资者难以评估项目的具体盈利模式和市场潜力。
从资金供应的角度来看,虽然美元基金对AI创业项目很感兴趣,但今年他们自身在募资上也遇到了困难,这限制了他们对高风险、长周期的AI领域的投资。与此同时,一些成熟的人民币基金也在关注AI领域,但他们更倾向于投资那些已经通过市场验证并取得一定成绩的项目。
以自动驾驶为例,这一领域曾被看作是人工智能最具潜力的应用之一。然而,现实与理想之间存在差距。自动驾驶不仅需要技术的强大,还需要政策、法规的支持和市场宣传的配合。例如,自动驾驶车辆的上路规则、事故责任的界定都需要逐步完善。此外,汽车制造商对消费者的宣传也是提高自动驾驶接受度的关键。这些因素延长了自动驾驶商业化的进程,影响了投资者的热情。从2016年自动驾驶热潮开始,到2021年国内自动驾驶行业的投融资事件和规模都有所下降,2022年和2023年更是显著减少。
尽管AI在办公、创作、教育等多个领域都有创新项目,但许多在硬科技领域深耕多年的投资者认为,今年还没有出现足够引人注目的创新场景。他们认为,AI+模式需要有颠覆性的创新,能够真正提高生产效率,而不仅仅是表面的装饰。
AI领域的投资情况呈现出一定的分化,大模型项目相对容易获得资金,而针对特定应用场景的AI项目则融资较为困难。一位AI投资者指出,主要原因在于这些应用项目未能有效解决实际问题。例如,重庆一位创业者开发的作文批改项目,因其解决了实际需求而受到投资者的青睐,甚至有人追至机场拦截以求投资。同样,AI陪诊服务在孩子夜间生病时为家长提供快速诊断和就诊决策支持,也被视为解决了实际痛点。
相比之下,那些仅依靠信息差、教学或AI创业培训的项目,或者只是在原有项目基础上加入AI换脸、生成式内容等技术的项目,获得融资的可能性较低。
去年6月,新加坡一个博士团队研发的AI协同办公项目获得了个人投资者的资金支持。团队成员之一的晓阳(化名)表示,AI投资者对当前的热潮持谨慎态度,如果没有技术壁垒,仅凭概念性的商业计划书,没有经过测试的产品,或者产品容易被复制,那么获得融资的可能性几乎为零。
晓阳还介绍,他们的团队核心成员均来自新加坡大学的博士团队,自己接触语言模型项目已有三年时间。今年上半年,团队研发的项目已经通过测试,市场人员正在与B端企业建立商业化渠道。由于团队成员都是在读博士,他们经常参加学校的创新大赛,并通过导师结识了一些投资者资源。其中一个个人投资者对他们的项目表现出浓厚兴趣,在项目进行到三分之二时进行了投资,主要用于覆盖研发费用。
晓阳指出,AI之所以受到关注,是因为消费者看到了AI在更多应用场景中的潜力。但对于长期在这个领域的创业者和投资者来说,这并不是一个新鲜或可持续的增长点。因此,大多数投资者在收到这波热度下的创业计划书时,会理性地考察团队背景、在行业的深耕时间,并且在投资金额上相对保守,通常只覆盖下一阶段的研发费用,有进展后再追加投资。
被追捧的大模型们
近年来,涌现多家AI独角兽公司,包括智谱AI、百川智能、零一万物等,在细分领域中,技术层的计算机视觉与图像、应用层的智能机器人项目以及智能驾驶/自动驾驶项目是获得风险投资较多的领域 。
而要说起这两年备受资本追捧的AI公司之间,也有些共性。大模型自然是资本最爱的AI投资方向之一,许多AI独角兽公司专注于开发和利用大模型技术,如智谱AI、零一万物等,它们在大模型的基础上推出了各种应用,包括但不限于自然语言处理、图像和视频生成等。
此外,一些公司也开发了文本到视觉(text to visual)、文本到语音(text to audio)、文本到文本(text to text)的跨模态模型,显示了AI在处理不同类型数据方面的能力。
在AI独角兽公司中,开源协作往往是他们经常选择的方式,如智谱AI开源了中英双语对话模型ChatGLM-6B,促进了技术的共享与协作,加速了AI技术的发展;一些独角兽公司专注于将AI技术应用于特定行业或者垂直的场景,如智元机器人在人形机器人领域的研发、镁佳科技在汽车智能化和联网化零部件领域的创新 。
此外,不少AI独角兽公司拥有来自顶尖科技公司或知名高校的创始团队,这些团队成员往往具有丰富的研究和实践经验,为公司的技术创新提供了坚实的基础。
即使备受追捧,AI独角兽公司在技术创新过程中面临的最大挑战主要源自技术发展的不确定性、研发成本的高昂,以及技术商业化落地的难度。
技术发展日新月异,AI公司需要不断跟进最新的技术趋势,这不仅要求公司有持续的研发投入,而且要求研发团队能够快速适应技术变革,保持创新的活力。
高昂的研发成本是AI独角兽公司面临的另一个重要挑战。尤其是在大模型和深度学习领域,训练和部署这些模型需要巨大的计算资源和数据支持,而这些资源往往需要昂贵的硬件投资和运维成本。此外,AI技术的商业化落地同样充满挑战,如何将技术转化为市场接受的产品,如何找到合适的商业模式和盈利途径,都是AI独角兽公司需要解决的问题。
数据隐私和合规风险也是AI独角兽公司在技术创新过程中不可忽视的挑战。随着数据保护法规的日益严格,公司必须确保其数据处理和应用符合法律法规的要求,这不仅增加了合规成本,也对技术的设计和应用提出了更高的要求。
苛刻的投资要求也让投资人们对AI领域逐渐冷静。
2023年中国人工智能行业在一级市场的融资情况显示出一些变化。尽管整体投融资行业遇冷,人工智能领域融资形势相对而言仍较为热门。据IT桔子数据显示,截至2023年11月20日,人工智能赛道在一级市场的总融资事件数为530起,与去年同期相比减少了26%;总融资交易额估算为631亿元人民币,与去年同期相比下降了38% 。
困境与希望并存
AI投资领域正经历着多方面的挑战和困境。
随着技术的不断进步,投资者越来越关注AI项目的实际投资回报率(ROI)。尽管近年来AI项目的投资回报率有所提升,但市场对AI投资的效益预期已经从单纯的技术能力转向了实际收益。此外,AI技术的快速迭代要求企业持续跟进最新技术,这对投资者来说意味着需要对技术趋势有深刻地理解和准确地判断。
AI项目,尤其是大模型的训练,需要巨额且持续的研发投入,这对资金有限的创业公司来说是一个巨大的挑战。同时,AI公司在商业化过程中需要找到可规模化的落地场景,将技术转化为实际的商业价值,这一过程充满不确定性。数据隐私和合规风险随着数据安全法和个人信息保护法的实施而增加,给AI公司带来更高的合规成本和风险。
市场对AI投资的热潮也引发了对金融泡沫的担忧。有分析认为,目前对AI的巨额投资可能会导致金融泡沫,因为AI收益和支出之间的差距正在扩大,需要巨额的收入来保证投资产生预期的回报。此外,尽管AI技术在发展,但市场上缺乏带来实质性收益的AI产品,消费者真正使用的AI产品并不多。
在投资领域,一些AI公司的估值可能过高,导致一级市场难以接盘,且在持续亏损的情况下,二级市场也未必愿意买单。随着头部AI公司吸金能力增强,单笔巨额融资事件频现,这不仅拉高了行业整体平均融资额,也增加了投资的门槛。政策和监管环境的不确定性也是投资者需要考虑的因素,政策的变化可能会影响AI公司的运营和投资回报,特别是在数据使用和隐私保护方面。
投资者在考虑AI投资时,需要综合考虑这些因素,做出明智的决策。AI投资的复杂性和不确定性要求投资者具备深入的技术洞察力、市场分析能力和风险评估能力。
在AI投资领域,投资者面临着多方面的挑战,其中最大的挑战包括技术发展的不确定性、商业化落地的难度、高昂的研发成本、数据隐私与合规风险、市场泡沫的担忧以及估值过高等问题。面对这些挑战,投资者需要采取一系列策略来评估和管理风险。
首先,投资者必须对AI技术的最新发展和未来趋势有深刻地理解,这包括评估技术的成熟度和市场应用潜力。了解技术趋势对于预测行业的发展方向至关重要。其次,评估AI公司的商业模式是关键,特别是其产品或服务的市场需求、客户基础、收入来源和盈利能力。
考虑到AI项目通常需要巨额的研发投入,投资者需要仔细评估企业的资金状况和融资能力,以及预期的投资回报率。同时,数据合规性审查也是必不可少的,以确保AI公司的数据收集、处理和存储方式符合数据保护法规和隐私政策。
市场泡沫风险的识别对于避免在市场高点进行投资至关重要。投资者应该对AI公司的估值进行合理性分析,避免投资估值过高的项目。此外,通过多元化投资组合来分散风险,包括投资不同技术领域、不同发展阶段的AI公司,可以降低单一投资的风险。
投资后的持续监控和及时调整投资策略对于应对市场变化至关重要。建立风险管理机制,包括风险识别、评估、监控和缓解措施,可以帮助投资者更好地控制潜在的损失。在必要时,咨询行业专家或专业投资顾问可以提供更深入的市场洞察和投资建议。
总之,AI投资需要投资者采取全面和谨慎的方法来评估风险,确保投资决策基于充分的信息和专业的分析。通过这些策略,投资者可以更好地应对AI投资领域的挑战,实现稳健的投资回报。