60天月活1亿，OpenAI的ChatGPT横空出世，使得AI当下的创新更为大众所熟知，随后，谷歌、微软以及国内的百度等更多公司加入到竞争序列之中。
那么，在众所周知的AI既定的机会之下，谁在思考，谁又在行动？出手的投资人有之，观望的投资人也有之；积极乐观的创业者有之，谨慎布局的创业者也有之。
当然，王慧文、周伯文、唐杰等行业人士的不断入局，更是给ChatGPT为代表的AGI添了一把柴，受到了众多投资人的热捧，更何况语音识别、图像识别等AI细分赛道独角兽早就专美在前，以至于不论本身态度如何，为AI创新的向前推进摇旗呐喊成了一件非常正确的事情。
但问题在于，不是每一波技术浪潮的红利都可以被上一代的大公司真正抓住的，也不一定是初创公司就一定能抓住创新的机会，那么问题来了，人工智能正在迅速成为通用技术赋能百业，进入到通用大模型时代，是谁能真正抓住这次机会，趁机独立鳌头？
在这样的背景之下，2月28日，投中信息做了一场关于“AI新奇点”的闭门沙龙，在这次由光速中国支持的投中2½系列沙龙之AI闭门沙龙中，十几位与会的嘉宾为AI往前推动发展之现状提供了很多行业值得思考和投资的方向。
投或不投，都在旗帜鲜明地支持
沙龙现场，与会投资人中，不论人民币基金还是美元基金都在观察着AI相关的机会，并择机出手。
唯一区别只在于，用东方富海合伙人王兵的话来说，人民币基金更倾向于投资底层基础设施，商业模式清晰且有核心壁垒，回报率非常明确，就值得下注。
但美元基金更敢于冒险和重仓，红点中国合伙人刘岚表示，对于美元投资人来说，大模型的押注也是势在必得，希望可以通过更多的投入来追上甚至赶超，尤其是像王慧文、周伯文这样的创业者，具有非常高的融资能力，还有非常强的组团队能力，就值得一试。
不过众人也感慨到，当下众多公司都在GPT方向上一涌而上，百度已经是国内看起来最有决心的公司了，都还要等文心一言产品出来之后再看发展如何，众多初创公司更需要在“垂直”方向找机会，从而在差异中找到自身优势，形成国内真正的生态。
用中金资本董事总经理张清的话来说就是，现阶段AIGC或者AGI到底更类似于前两三年特别热闹但罕见落地的元宇宙，还是类似于互联网、移动互联网巨头频出，拓出一条宽广的赛道，也才刚刚起步。
即便是推进到当下的AIGC层面，至于从业者或投资人也并不是新故事，估值怎么合理？规范程度到底如何？生意如何落地？都有待于进一步验证。
毕竟，这么多年的AI发展历程中，语音、视觉等想象空间相对局限，当下的ChatGPT已经让很多人感觉超预期，之后如果这种“奇迹”的空间不亚于元宇宙所描绘出来的空间，乃至于巅峰产业、行业，就有待于真正的大力出奇迹了。
最终，AI还是会回归核心要素，算力、算法、数据和传感，这四者是协调且螺旋式上升的，只有在特定时间内把四要素筑了最高的壁垒，为什么大家觉得OpenAI无可匹敌？正是因为上述均衡发展到一定阶段了。一个美好的未来虽然展现在投资人和创业家面前，但是是门槛显著提高的未来。
线性资本董事总经理郑灿也阐述道，线性之前就关注并在AIGC场景有多项投资案例，当下所说的众多AIGC应用场景，此前就已经存在，无非是今天的大模型让众人看到加速泛化的能力，随之而来的是巨大的基础设施工作量和新的想象空间和机会。
这样一来，“钱、人、卡、数据”几个关键因素中，“钱”和“人”相对好搞，钱总有人出，人都知道上哪儿挖，无非是挖不挖得出来以及多少钱的问题，“卡”也不是那么担心，总有两三年可以把事情做出来，反而更加担心的是数据问题，一来数据清洗工作要求很高，二来商业回报相对少，毕竟只有好的中文数据集，以及未来跟其他模型连接，才能继续其他的创新和发展。
红点中国合伙人刘岚则以自身投资了两个算力芯片企业为例发现，中国有着巨大的数据量，也因此包括AI安防等细分赛道的初创企业能够成长起来，但当下这一波的核心反而变成了算法模型，但因为这件事在中国非常有意义，所以即便大模型的赔率最高，也一定要参与进去。
尤其是，只有中国有自己的算法模型，才能把在大厂或者创业乃至于在高校的人才更好地拉动起来，从而形成成熟的商业模式，当下众多从业者涌入进来，已经开始形成百花齐放的态势，所以完全可以按照先投模型再投应用的逻辑持续下注。
光速中国合伙人蔡伟也表示，上一波的AI创业浪潮中，很多投资人都下注且有所收获，但中间也遇到了AI的创新墙，直到2021年大模型的应用逐渐广泛起来，2022年生成模型出现了JaspeR等优秀应用，再加上光速在美国投了StaBIlITy.AI，现在又看到ChatGPT模型不断上升，AI的创新墙被打破了，让自身更加坚定在这一领域继续投资下去。
毕竟，当NLP产生涌现效应以后，图像是否也会产生涌现效应？未来的大模型是会直接变成垂直领域的大模型，还是会变成多模态大模型会统一世界？一旦发生变化，就会改变很多AI发展趋势从而产生更多新的落地商业模式，还可以赋能更多不同的行业，这正是很多机会的所在。
昆仲资本创始合伙人梁隽樟自去年开始就跟投资的很多AI公司探讨如何利用新一波机会借机把自身业务升级壮大，也因此更加关注的是当下更多的公司能不能针对行业应用做出针对性的行业解决方案，此外就是在众多眼花缭乱端一侧的应用上，依照自身投资习惯筛选标的。
此外，依照当下中美不同的情况，放在中国的环境中，To B公司通常并不能单独依靠产品就解决行业的痛点，反而还是要提供一套完整的方案和服务，这样已经在做的公司可以在原来的行业knowhow、客户积累、渠道等优势上，往前推动公司的发展。
相反，To C领域反而有可能有新的公司跑出来，不论是游戏还是娱乐领域，元宇宙的层面值得多加关注，就正如中国总是能跑出来一些游戏公司一样，值得期待。
乐言科技 CEO沈李斌也直言，美国有很多基于OpenAI的创业公司，但中国会不会有这一波的创业机会，还是未知的。更多可以看到的是大模型公司当下有两个机会，一个是做开源，另外一个是做垂直，毕竟通用模型并不能直接用于垂直领域，还有一定的时间窗口。
善用大模型技术的SaaS软件企业，特别是在重交互的领域，就会在同质化竞争中形成能力优势。技术是有窗口期的，用类似大模型的方式在垂直领域找到用法可能会领先半年到一年，两年没人追得上的可能性也太低了，所以更多的机会看起来是留给行业内已经到一定规模公司的，而不是刚刚进入行业的企业。
更深究进去的话，那是不是可以看下，所谓的“魔鬼在细节”，以客服领域为例，是否可以在交互过程中根据每家店不同的运营策略形成每轮不同的话术，从而使得技术创新和行业knowhow紧密结合在一起，反而更容易形成自己的壁垒。
做或不做，要更加甄别真假机会
在沙龙上，众多嘉宾激烈讨论为什么OpenAI并不是市场化的VC投资出来的？OpenAI起初做的时候是非营利机构，目标是研究AI对人类的后续影响，没有任何商业化KPI，任何商业化的VC一定需要被投资的标的有明确商业落地的目标。
也因此，当OpenAI把GPT-3做出来之后，微软看到前者的潜力所在，再加上微软想借机把自身的云服务做好，才最终投资了OpenAI。即便这样，微软的投资也是做生意型的，即80%的钱又回到了微软，成为了微软的业绩，股价借机上涨很多。
那么，对于当下更多的初创公司则要怎么借这波机会来发展壮大自己？
东方富海合伙人王兵则表示，纵观OpenAI的历史，其大概早在4年前就已经开始有无上限的费用在训练模型，也因此，在美国不开源的前提之下，国内众多公司想要摸索出来，还需要相当长的一段时间。
而这其中，可能存在三个壁垒：一方面是硬件层面的壁垒，头部公司可能没问题，但大部分的初创公司很难解决这个问题；一方面是人的壁垒，除了纯学术的壁垒外，即便是有经验的人才也需要积累；此外则是数据积累层面的积累，95%的学术文献是英文的，这些数据的准确性非常重要。
以前“AI四小龙”为什么到后面都不赚钱了？王兵分析到，归根到底，并不是因为专用的能力，反而是因为壁垒较低，所以不管是通用人工智能还是专用人工智能，技术和数据壁垒高才是赚钱的关键。
初心资本合伙人李可佳作为科技创业者和投资人分享了自己的观点，从用户视角和数据视角看，OpenAI依然一枝独秀，做强闭源大模型，随着面向开发者的成本大幅降低，立足OpenAI的“生态（寄生）创业机会”，依然是确定性最高的；OpenAI也在通过资本的方式强化这个假设，推出了加速器ConveRge，除提供资金外，还提供特别激励措施，包括授权折扣和早期获得GPT-4等新技术。
开源大模型，如Meta的LLaMA依然值得关注和投入，作为后来者，叠加一些安全和合规层面的问题，开源和闭源将在你追我赶之间推