界面新闻记者 |
今年开始，基于大模型的生成式AI技术让机器的智力第一次有机会接近专业投资经理水平，这对于整个金融资管行业而言是一个真正意义上的相变点。立足于这个行业的创业者们，则大多经历了从年初的巨大兴奋到年末淡然的情绪转变。
熵简科技是一家帮助资管机构实现投研数字化的科技初创公司，其联合创始人李渔在上半年做了一个实验，让一组从业7到8年政策研究专家与GPT4一同分析房地产行业从中央到地方的政策对整个市场的影响，他最终发现，GPT4在输入一定分析样例后，得出的结论和观点能够与专家结论达到近80%的一致，并且速度更快。
这个实验结果令他备受鼓舞。
“在大模型出现之前，做金融行业的问答工具，投入产出比很低，因为问答场景需要大量相关技术工程化拼接和优化，需要庞大的人力支持。”李渔告诉界面新闻等媒体，年初大模型来临之际，其公司快速对数据进行了深度治理并转化成大模型智力，做出了一个定位于“投研分析师助理”的AI产品，能在很短时间内大量阅读专家纪要、研究报告和财报，最后形成专业结论，这个产品在业务上达成了与三到四家头部证券投资机构的合作，这令他们高度兴奋。
但进入下半年，他逐渐感受到金融机构在应用生成式AI技术时的重重障碍，“事实上，大模型在金融行业从研发到落地需要更多时间，要一到两年解决产品的准确性和数据安全，要三到五年完成全阶段落地：从初级分析师到中级分析师，从基金经理助理到独立做投资组合，是一个逐渐演化的过程。”他发现，业务上的数据才会让一家企业坚定信心去投资，比如一定能省多少钱、人员效率提升多少，以及对于推送的投资信息，新老客户的留存率提升几何，“生成式AI是有成本的，只有当价值明确时，买家才会放下怀疑。”他们整个团队的步调开始放缓。
这并非金融行业的孤例，时间来到四季度，国内各领域初创对生成式AI的探索都已感受到预期和现实间的沟渠。
界面新闻了解到，目前创投圈资深人士达成了共识：今年下半年，头部大模型初创的大语言模型LLM水准基本都提到了GPT3到GPT 3.5之间，但离GPT4尚有差距，要想实现对后者的赶超，至少要到明年上半年。
另一个不太积极的消息是，初创们可能需要更快速地寻找到成功的关键，因为百模大战或许已经进入收敛期。
中信里昂证券(CLSA)称，目前中国市面上至少有130个大型语言模型(LLM)，占全球总数的40%，份额仅次于美国的50%。此外，各公司还宣布了数十个与其核心模型相关联的“特定行业LLM”。但根据路透社的调研，很多投资者和分析师表示，这些大模型中大多数尚未找到可行的商业模式，而且彼此过于相似，他们目前正在努力解决成本激增的问题。
非凡资本合伙人胡小婧日前也表示，生成式AI行业在国外已经出现了相对成熟的商业模式，但在国内尚未看到被大规模采用的情况，这说明我们仍然处于验证阶段。
更不利的是，在OpenAI开发者大会之后，几乎创投圈都开始担忧，“OpenAI会最终杀死所有应用层的AIGC公司”。
亚马逊云科技大中华区战略业务发展部总经理顾凡也观察到了这些现象，但立足于企业侧的他态度更为乐观，他告诉记者，几个月前，国内创业者更多关注大模型的问题，现今，做生成式AI业务的大量新兴初创都是做跟应用和工具链相关的创业，这确实是百模大战进入收敛阶段的表征。
“但生成式AI落地于企业端的需求并不冷，只是现在国内初创企业对于生成式AI的认知更加清醒了，比六个月前要更进了一步。”他认为。
创业者们奋力求生，投资人们的认知也比半年前有所变化。
戈壁创投的董事总经理童玮亮接受路透社采访时透露，一些投资人后悔在今年早些时候的“炒作高峰期”过早投资了LLM公司，因为这类初创公司大多难以构建强大的商业模式，现在他们很多开始谋求与科技巨头合作来获取客户，或者试图将自己出售给巨头。
也有投资人对生成式AI赛道坚定看好，比如成功押注了小红书和滴滴的金沙江创投主管合伙人张予彤。她告诉界面新闻，第四季度，供给侧的热度也没有下降太多，其实是从百模大战变化成了百“C”（Character.ai 一个著名的类ChatGPT对话式平台）大战，“大家现在都在做虚拟角色创业”，需求侧则在消费者和企业端都有明显红利展现，她非常看好这次机会的延展性，因为“过往阻碍AI发展的规模化痛点已被这轮AI的通用泛化能力解决”。
对于被广泛讨论的具体落地场景痛点，她认为并不能影响投资周期，她目前更多看到的是生成式AI的商业化成果，正在不断渗透到不同领域中去。
她也顺势向生成式AI创业者提出三点建议：
第一，关注用户的需求。尽快找到PMF（Product Market Fit，产品市场匹配），让用户发现使用生成式AI能够给其创造更大价值，或者找到新场景，帮自身核心用户群体不断创造价值；
第二，要积累。积累用户数据，再反馈到场景模型，调整成更好的性能，创业公司如果能够更早地跑起数据飞轮，从其模型里面带来差异化体验，就能吸引更多流量；
第三，筑起更高壁垒。一些用户价值薄弱的公司，仅仅只做套壳，在模型能力还没成熟时就不断向外延伸，在这过程中很可能与其他模型能力重合，导致其价值迅速降低。创业公司应该想到怎样在垂直场景里提供价值，这可能是通过数据的形式，也可能通过硬件的形式。
