华映资本章高男：我们往往高估了AI现存的价值，而低估了AI长远的价值

 以下为对话实录，由华映资本、创业邦删改整理：

钟音（主持人）：人工智能概念自1956年被提出，至今已经历了迅猛的发展。从投资来讲，经历了数个周期。2017年和2018年是上一个周期的高峰，期间出现了许多以视觉和语音识别技术为核心的人工智能企业。与上一波相比，生成式AI与传统AI在基础技术层面有哪些显著变化？由于这些底层技术的进步，生成式AI展现出了哪些核心优势和独特特点？

章高男：我个人认为技术的发展是连贯的，不应当被简单划分为一代代的更迭。Transformer的独特性是注意力机制，但其本质上还是一个编码器和解码器的算法框架，从这个角度来说，它实际上是RNN的延伸。但Transformer的自注意力机制，使参数矩阵可以并行训练，并且是端到端的全局训练，这与RNN相比，显著提高了效率和精度。

当模型规模扩大，单一的自注意力机制可能不足以应对，此时多头注意力机制就显得有必要，这本质上类似于CNN中的卷积核。从这个角度来说，Transformer也是对CNN的延伸。

我认为，CNN、RNN、Transformer在数学上都是深度学习的不同应用，这些技术的演进并非完全割裂，如果之前在CNN、RNN等神经网络领域有丰富的实践积累，那团队向Transformer的演进相对就更容易些。所以不存在割裂的上一代AI技术和下一代AI技术，渐进式的改进可能更确切一些。

钟音（主持人）：各位比较看好人工智能哪些细分赛道？这个问题可以拆解一下，首先有基础大模型，还有垂直模型以及应用，同时在应用领域中又有to B和to C，在to B领域，各位是看好Saas公司和应用大模型，还是更看好native大模型公司的垂直模型在某个行业的应用？对于to C的创业公司而言，他们的机会或切入点在哪里？

章高男：在底层硬件层面，存储技术改进与带宽提升可能会存在一些机遇。

Transformer对存储、内存和带宽有很高要求，其中存储是最大的瓶颈。长文本处理可能导致内存崩溃，因此需要更高效、更强大的存储解决方案。当然，类似MOE的稀疏化技术很有前景，但同时怎么优化提升基础的存储空间也是一个方向。与此同时，类谷歌的TPU玩法是一种减少存储需求的方法，同样是值得关注的解决路线。

而关于带宽问题，随着网络在5G、6G加持下高速提升，数据中心和板级之间的高速连接使得总线级的速度得以扩展到板级之间，从而提高集群算力效率。这是属于基础设施领域的投资机会。

对于大模型本身，我们一直持谨慎乐观态度。在应用层面，基于语义理解和内容生成的业务很有前景，但如果基础大模型升级，这些应用可能会被取代。大模型的优化技术，如MOE（混合专家）和RAG等技术，极大提高了效率，但这些技术的发展需要强大的底层能力，对中国投资者来说可能并不容易。即便如此，这些技术的发展对整个行业来说仍是具有重要意义。

我认为，大模型在语义理解方面已经做得很好，但要将理解转化为决策是一个全新的挑战。决策过程需要的不仅仅是输入，更是深层次的逻辑和推理能力，这与大模型的核心功能并不直接相关。

尽管许多公司正在该层面进行尝试，但要取得实质性进展非常困难。因为过程中需要数学上的新突破，以及在增强学习等方法上的创新。我认为中国企业在这方面很有潜力，只是需要深入探索、进行创造而不仅仅是模仿，在算法上真正革新。

钟音（主持人）：当前，生成式AI被视为一个新时代的开端，正如比尔·盖茨在《The Age of AI has begun》文中所述。面对这样一项革命性技术，作为投资人，我们自然不想错过任何优质的投资机会，然而，“识别趋势”与“在趋势中实现盈利”是两个不同的挑战。

刚才几位嘉宾也带来了许多深思熟虑的分析，能否分享一下在决定投资时，背后的思考是什么？如果一个项目短期内无法盈利，是否应该投资？

章高男：我的投资方法论其实这么多年从来没变过，就是一句话——早期增量市场、极高的技术壁垒、头部前三，这三点同时具备，我就会考虑投资。

我对大模型目前的发展阶段持谨慎乐观态度。它还处于早期，且未来市场增长空间巨大。我需要不断学习和紧跟AI的最新进展，一旦我们对市场的增长潜力有了确信，我会毫不犹豫地投入。

从感知层面来说，大模型在AIGC方面表现很好，进步也很快。但是进入到决策层面，目前大模型还是有很多问题和挑战。我觉得，要真正解决决策问题，可能需要超越Transformer，探索全新的方法，这可能是迈向真正AGI的第一步，当然这步很难。

我对AGI的未来发展充满期待，如果能清晰地看到机会，我会毫不犹豫地投身其中。

钟音（主持人）：我们再换一个视角，讲一讲中美两个大国在AI领域的差距和未来发展趋势。我记得2017年参加世界人工智能大会时，大家就热议中国在算法和数据方面与美国似乎势均力敌。但现在看来，我们又似乎是落后了。在你们看来，中国目前生成式AI的发展，具体到了哪个追赶阶段？你认为这个差距是会扩大还是缩小？或者中国是否会走出独特的优势和路径来发展自己的生成式AI？

章高男：表面上看，中美在AI领域似乎是并驾齐驱。中国拥有优秀的人才和不输于美国的基础设施，算力设备虽然暂时落后，但时间可以将其逐渐拉平，所以这并不构成真正的长期压力。

但从本质来看，中美还是存在较大差异——我们缺乏培养创新能力的土壤。虽然我们的顶尖大厂能迅速跟进美国的新成果，但这种快速跟进其实是模仿，我们仍然是追随者。美国企业在创新上引领潮流，我们都是学习跟随。

大模型的发展和创新需要巨量的资金投入，国内企业往往缺乏冒险进行基础创新的勇气。谷歌、Facebook等国际巨头愿意投入巨额资金进行前沿探索，而国内企业更多选择在别人已经探索成功后及时跟进，这样性价比更高，可能也是目前最务实有效的选择。

希望有一天随着经济的发展，国内企业能在AI无人区的创新探索中百花齐放。

钟音（主持人）：最后我们留给每位嘉宾一句话的时间。请大家分享一下在AGI元年，给创业者的建议。

章高男：我们往往高估了AI现存的价值，而低估了AI长远的价值。我觉得有意义的事是持续学习，紧密跟随AI技术的发展，把AI思维更好地融入到我们的工作和生活。