数月前无人能预料，「涌现」（Emergence）——这个科学家口中的专有名词会被我们用在日常聊天中，就像无人能预料，以ChatGPT为代表的大型语言模型会突然「涌现」出如此惊人的智能。

面对全新的人机交互方式、持续高烧的GPT热度，以及可能即将出现的强AI，创新者和创业者怎样把握机会？近日，巴伦《科技投资课》邀请了三位知名早期投资人，听他们在激辩中如何拨开云雾直击本质。此次直播课由《巴伦周刊》中文版副总裁王晶主持。

嘉宾导师：

向江旭

澳门产业技术研究院执行院长、境成资本管理合伙人，负责数字经济、半导体集成电路与医疗大健康领域的创新、孵化与投资。

在软件、通信、物联网和互联网行业拥有30年专业经验，其中18年在美国硅谷思科、微软、戴尔以及初创企业担任核心技术高管。回国后相继担任微软亚太研发集团参谋长兼技术战略总监、苏宁IT执行副总裁兼技术研究院院长、美的集团IoT副总裁兼CTO等。

美国匹兹堡大学校长全球顾问、中国首席技术官领袖联盟主席、微软创投加速器创业导师、微软-同济大学移动与嵌入式中心执行主任、北京航空航天大学研究生校外导师。

张朋 

北极光创投合伙人。2008年加入北极光，主要负责企业服务、产业互联网、AI等领域投资，主导投资了纷享销客、Teambition、微步在线、杉数科技、大街网、TrustGo、新核云、速达非等项目。

曾在易凯资本从事财务顾问工作，完成了好孩子、橡果国际、华友世纪、红孩子、快乐购等知名企业的私募融资和并购工作。曾任职于普华永道会计师事务所，负责美国上市公司的审计及财务咨询工作。

谭茗洲

亚杰投资基金合伙人，明珠特训营导师，高智发明(IV)的发明专家，微软云加速器创业导师，国内多所大学客座教授。

2016年主持“谷歌AlphaGo对决李世石”直播大战。图灵机器人、朝夕日历、酷玩实验室等多家创业公司天使投资人和创业导师。

以下内容根据部分直播对话整理。

是否要去All in ChatGPT？

张朋：

如果简单回答这个问题，我就一句话：就应该All in。

我主要关注整个数字化行业，也包含软件、大数据、人工智能。这一波人工智能的到来，让我感觉到真的有新东西来了！新东西即意味着未来会出现很多新机会！

我现在跟我投过的所有公司都建议，一定要以非常开放的心态去看待ChatGPT，看这个自然语言大模型究竟是怎么回事，然后尽量把自己的产品去和ChatGPT做有机结合。

如果你用太封闭的心态说ChatGPT跟我无关，这只是国外的技术研究成果，咱们中国现在还不成熟，等将来成熟了我再做，那么我认为可能到时候你就会被那些尽早应用了ChatGPT的竞争对手弯道超车。如果你能把ChatGPT利用好，封装成有效的产品，能解决实际问题，那么你就非常有可能在未来成长路上加速跑一两年时间。

谭茗洲：

2016年我主持“谷歌AlphaGo对决李世石”直播大战后，看到了AI在创投圈的快速火爆又很快步入寒冬的过程，我这些年一直在思考商业模式问题。创业毕竟是九死一生的事情，我做投资这十几年，感觉创业者真的是一个最不容易的群体，在All in这个环节上，我个人觉得应该在商业模式上多思考。

我想说两个关键词。第一个关键词是“智力的交叉点”。多年前有一本书叫《奇点临近》，这本书很大部分在讲当人工智能一旦超越人脑智力时会产生怎样的变革，我觉得现在我们正是临近奇点的时候。提到这本书，是因为现在ChatGPT更像一个里程碑式的事件，类似于人机在智力的交叉点上。

第二个关键词是“生产力”。ChatGPT在本质上需要我们重新思考“生产力”。在数字经济里，生产力是源泉问题或动力问题，但ChatGPT本质是一个生产力革命。它不仅扮演工具的角色，帮助提高效率，ChatGPT还会让AI直接参与生产环节，成为生产要素里很重要的一部分。它可能改变生产系统本身，或者是系统性替代。

我们要不要All in进去，首先判断它是不是趋势，我认为人工智能在未来可见的时间里当然是趋势，但要不要现在做？我认为判断依据是：是否已有我们可以看见的、比较清晰的商业模式，或者是我们在这个商业模式里面，能否找到自己最合适的定位和角色，或者是我们自己目前从事的行业，能否利用ChatGPT的赋能产生最大的价值。

至少目前我还没看到让人满意的商业模式。

向江旭：

我建议大家要大胆地去拥抱这个事情。但是不是All in？跟你把所有的资金、人力、物力、财力都投入到它上面，这是两个不同的问题。

比尔·盖茨说ChatGPT的横空出世具有划时代意义，他说得有道理，我在微软的时候有幸跟他汇报过工作，他对技术的判断很有眼光，是一个很有远见卓识和前瞻性的人。

自然语言处理在大模型这种范式出来前，它和计算机视觉相比，技术和应用落地都相对落后。计算机视觉在人脸识别的应用中，因为计算机识别人脸的能力超过了人眼，这个技术于是取得了标志性突破，才使得计算机视觉这个行业飞速发展，它被广泛应用到安防监控、汽车自动驾驶等。

但自然语言处理基本上是基于规则和统计，比如说做聊天机器人去理解语言、生成语言，然后与人交流对话。自然语言处理的技术跟人相比差距太大，你跟一个机器人聊天对比你跟一个真人聊天，你明显感觉到巨大区别，所以在那个时代，聊天机器人被说成是人工智障，而非人工智能。

ChatGPT出世后，有人说它甚至能够通过图灵测试，意思就是你跟ChatGPT聊天的时候，你几乎分辨不出来是真人还是机器人，这个智能程度让人觉得机器非常聪明，那么这个时候，一定会引爆在商业和其它应用领域的突破。

至于是什么样的商业模式，虽然还有待观察，但是一定会带来不同行业的突破。

已有现成成熟业务的公司，应该思考怎么样去借助ChatGPT升级换代，而不是把已有的商业模式抛掉。但是传统的聊天机器人公司如果此时不再改变升级，很可能就会遭到淘汰。所以对于这类公司来说，很可能真的是要All in，要完全地投入升级换代。

关心ChatGPT不够，更要关心商业模式

张朋：

2016年AlphaGO对战李世石，也就是人工智能下棋赢了真人，我们就在关注整个人工智能的变化和发展趋势。

那时候就有计算机视觉、自然语言的语音识别、声音合成、语义理解这些技术，包括谷歌、微软，国内科大讯飞等公司，都有很多相关技术公布出来，很多技术也是开源的，可以直接调用服务。

但是这些技术都只像是人的某一种技能，或者说像人的五官中的某一个感官的功能，它都是单点的功能，且只具有单点的功能，并且还没找到相应的应用场景。

2017年和2018年，VC在人工智能上的投资额度很高，但也只有计算机视觉在社会治理领域找到了需求，我们用它做监控、车辆识别，公安部门用它做社会治理。但是，就只有这一个东西找到了商业模式，那其它的像对话也好，声音合成也好，它们都属于直接单点的技术，本身不构成产品，无法形成商业模式，所以在2019年到2020年，人工智能的热度开始下降，业界里很多原来一直在人工智能前线的一线工作者，都觉得人工智能好像很难再有机会和突破。

采用千亿参数量训练的GPT-3大语言模型，模型能力相比GPT-2发生了质的变化，出现了逻辑能力。虽然现在还无法解释这种“思维逻辑”到底是如何产生的，但加之语音、语义理解功能和声音合成，它好像更像一个真人。

我们可以开始把ChatGPT理解成一个初中生或者高中生，它能用正常人的思维逻辑和表达方式，理解一些相对没有那么专业的东西。因为ChatGPT没有被训练过更专业的内容，所以不能理解更加高深的专业内容。

但这些已经足够了，这已经是一个我们可以利用的一个初级员工，当它经过一些基本训练后，它能够像正常人一样，满足某些工作岗位的需求。

近几个月在美国围绕着ChatGPT也产生了很多新的应用场景，除了写文案，比如ChatGPT+PDF的功能也非常亮眼，ChatGPT能把PDF迅速阅读完，并总结文章的主要观点，还可以继续对话，询问更进一步的问题。比如你问它某个观点出自于哪里，它能说出具体出处和文档中位置，非常智能。

这些场景和变化，让人们看到ChatGPT可以帮助我们大幅度减少浪费在基础重复工作上的无意义时间。由ChatGPT代劳节省下的时间，可以用来做更高价值的事情。

我们只是现在还没有看到，或者还没有想象出来它的最终应用场景，但一定会有非常多的使用场景。

为技术兴奋之余，我更建议我的投后公司必须去琢磨，大语言模型跟现有的业务怎么结合，应用落地才是最关键的事儿，而现在就是一个非常好的探索应用的机会。

向江旭：

ChatGPT带来的这种人机交互的新方式，其实是一个非常自然的方式，值得创新者、创业者尽情畅想。

计算机的发展历史基本上就是人机交互的发展历史。最开始时候我们用大型主机，用的是很多年轻人从未见过的穿孔卡片，后来我们用键盘、鼠标，再后来使用手机触摸屏，到现在我们可以使用语音、手势、计算机视觉来操作。

随着我们语言、语音和计算机交互的能力几乎持平，AI就算是进入到了一个新时代。前期的AI更多是分析式、决策式的AI，那现在我们ChatGPT代表的是生成式的AI（Generative AI）。做分析决策，和去产生内容再做决策，其实也有比较大区别，但从技术上来说，ChatGPT有划时代的突破意义。

对于一些人工智能公司，现在是一个非常好的转型升级机会，有行业积累、用户积累、数据积累，一旦插上ChatGPT的翅膀，那一定会腾飞到下一个层次。

对于应用型公司，除了积极学习和拥抱新技术，怎样把现有的商业模式借助ChatGPT赋能？怎样才能让未来产品实现更好升级换代和发展？可能这种思考更加合适也更有必要，而不是说因为ChatGPT，就急急忙忙改变产品方向甚至整个公司定位，这样就有点操之过急。

在中国的大模型出来前，赶紧用OpenAI的ChatGPT或者其它大模型来验证你的创意，或做一些应用创新、验证商业模式，不要“只是等待”。时不我待，机不等人。

谭茗洲：

7年前那一轮AI热潮，激发了计算机视觉里面的深度学习那几年的热浪，但是后来AI回归冷静，我个人觉得核心问题还是商业模式，真正围绕人工智能的商业模式还没有找到。我觉得创业者、从业者、旁观者，都需要从不同角度思考商业模式。

ChatGPT引发的这次AI浪潮仅仅意味着是下一代互联网吗？之前我们的很多创造发明，包括各种工具软件、应用产品，很多都属于生产工具，而这一次，ChatGPT作为一个虚拟的“劳动者”，和人在同一个维度，参与了生产和劳动。这也是我最兴奋的一点。

ChatGPT产生以后，可能会消灭一些行业，也有可能会诞生一些新角色和新职业，比如数据标注方面，有可能会变得非常重要，但标注本身是不是会成为一个很大的行业？这个我不太确认。

是不是有新的商业模式，比如说像搜索引擎那样的商业模式，甚至当年授权模式软件那么清楚的商业模式？这个还有待观察，但是我觉得一定会找到。

to C或to B的应用，哪个更容易跑出来？

谭茗洲：

普通创业者知道自己的位置很重要。大公司在底层开源技术上，已经做了很多工作。普通创业者做底层创新，需要衡量自己的长板和优势再去介入，毕竟开源的速度和迭代的速度太快了，有可能你做的赶不上别人开源的速度。

向江旭：

计算平台、存储平台、算法平台基本上都在大厂那里，前段时间里几个业内大佬要All in或要重新出山攻大模型，他们是含着金钥匙出生的创业者，他们的行业口碑、人脉资源、财力物力，让他们有实力去攻大模型这一层。

从底层往上就是工具平台层，像提示工程Prompt Engineering，用它来帮助调参测试、部署开发这个模型，然后去训练这个模型。还有如说把大模型变成垂直领域小模型，比如说金融业、制造业的专业模型。再往上就是应用层，写文案、产生图片或视频等等。大厂那里有流量有用户，他们to C更有优势。

在to B的应用中，就像刚才张总说到企业内部的数字化转型和创新的四件事儿，让AI帮助企业和用户更好互动，帮助改进内部流程，帮助提升员工效率，以及帮助产品变得智能化。

中美之间创业环境不同，中国创业者做通用工具可能不一定占优势，反而是to B给垂直行业的那些应用工具更占优势，而且和大厂也不冲突。

张朋：

to C的应用机会大厂更占有流量优势，创业必须仔细推敲。to B层面，底层大模型需要的资金量巨大，不适合创业公司。中间层和应用层的机会更适合创业公司。

底层大模型到应用之间的一些工具，比如说模型如何训练和优化肯定有价值。在中国的环境下，如果你不把它直接做成产品的形态，我觉得很难卖给客户。美国可以卖工具，你给客户一个软件，他们自己可以用起来。但我们大量传统企业的IT人员可能不具备这样的能力，卖给他们产品的时候，必须要卖到场景应用里，需要告诉他们能解决什么问题，需要给他们交付具体应用。所以我们国内创业公司做中间层的东西，商业变现很难，反过来会被一些做应用的公司把中间层包进去一起卖给客户，因为客户只能懂具体应用。

从变现角度来讲，创业公司最好还是做应用层。基于谁都能用的公开技术、大模型形成自己的差异化，左手倒右手的事情不是能力，价值关键在于你在客户那要有自己的某个场景落地

。

比如原来你公司做智能客服，但现在用ChatGPT产生出一种新能力，智能客服能用“人的语言”、“人的思维”和你客户的用户们沟通，不仅把用户们的问题理解清楚并导入到工单里处理，待工单解决了用户问题后，再用“人性化”方式回复用户，如此形成一个新闭环。那么，这就是你公司利用GPT创造出来的新价值，不是准备话术的“死”的能力，这是一种“活”的能力，是新“生产力”，你改变了行业效率，不仅优化了你自己的成本结构，同时优化了你客户的成本结构。客户当然能为此买单。