這兩天大盤慘不忍睹，來看看AI轉移下注意吧
所謂“炒新不炒舊”，幣圈一直在尋找著新敘事。從去年開始，出了不少Web3+AI項目，今年完成融資的AI項目就有50多個。
我今年也陸續入手了 $WLD、$LPT等熱門AI概念代幣。然而，卻一直好奇，主流AI發展如何？Web3+AI和純AI的差別在哪兒？Web3+AI還有什么樣的機會呢？
都說“人難以賺到認知以外的錢”。5月舊金山舉辦了一場萬人參與的GenAI大會@genaisummitsf，我就借機在美國呆了1個月，拜訪了在當地的AI、投資人、創業者、研究員@FinanceYF5等。接下來就和大家分享我的見聞和思考。
由于篇幅有限，此篇推文先以主流AI圈的發展為主，包括：
AI投融資情況
AI創業氛圍
AI細分賽道情況
中美AI發展
AI投融資情況
我看了今年融資額5000萬美金以上的項目，發現，絕大部分項目都是2B的，包括健康/醫療、交通/駕駛、金融財務等垂類，以及提高組織效率的工具；其次為云平臺或計算服務商；2C端的應用很少。
關于這個問題，我的看法是，現階段C段的陣亡率很高，現有AI用戶量遠不足以支撐C端應用的成本，且做C端應用所需的大量高質量數據都在大廠手中，而非初創企業。基于此，甚至有投資人認為，90%的C端機會，都在大廠。
AI創業氛圍
我在灣區的感受就是，連呼吸都是AI味的。GenAI大會的路演中，甚至有的項目只有個簡單想法，就開始pitch了，可見創業市場對這個領域還是比較包容的，有點當年“大眾創業、萬眾創新”的感覺了。
但是，真要從眾多AI項目中跑出來，遠比想象中要卷得多，依然是要比技術、看背景、拼資源。現在的明星AI項目，團隊清一色的北美頂尖高校+大廠背景，或者是連續成功創業者。
就項目的組織架構而言，我觀察到的一個特征就是“倒金字塔化”——即高層高質量高水平的成員多，junior的工程師反而少。
AI細分賽道發展情況
算力：現在市場對Nvidia有大量需求，但是供應非常有限，大公司內部也要搶GPU。現在大模型公司的競爭，更是一場殘酷的金錢角逐，要有更多的資本，才能購買更多的卡，搶奪更多的人才。除了GPU的供需問題外，能耗的降低，也是個需要解決。
數據：大模型發展需要強大的GPU，但與此同時，數據作為另一項關鍵資源也越來越受關注，所以，現在一些頂級AI實驗室也在競爭獲取更有價值的數據，他們會花費大量資金來購買數據、找專家生成數據，或者和像Scale AI這樣的公司合作進行數據標注。
有研究人員預測，高質量的數據將會在2026年用光。因此，合成數據的重要性日益提高。2024年，預計用于訓練AI的數據中有60%將是合成數據。
模型：關于開源、閉源模型誰更好的問題，我有聽到不一樣的看法。有投資人非常看好開源，認為開源能夠吸引貢獻者參與進來，不論是大公司還是初創公司，在開源的模式下或許能夠出現成本更低的模型。目前有模型已經能達到ChatGPT 4的水平了。另一種觀點認為，開源模型大部分都沒有經過算力驗證，市場不買單，肯定還是閉源的人才、資源支持力度更大。
基于開源的邏輯，嵌套個Web3的商業模式的話，那就是所有人都可以來對一套模型進行貢獻，基于貢獻度來共享模型收益。現在有項目在做類似的事兒了，但是否可行，這里就先不展開了。
另外，大部分相對成熟的模型背后都有云服務公司在支撐，比如月之暗面最近一輪10億美金的融資中，阿里作為領投，有一部分是以投算力作為投資。
像Salseforece這樣的企業軟件服務公司，也有自己幾百人的AI團隊，他們的AI就直接服務于自己的產品。
應用：Chatbot是大廠的必爭之地，搜索領域產品大廠入局相對較少，主要是微軟，NewBing目前基本處于壟斷地位。
雖然蘋果在今年開發者大會公布其在AI方面的計劃后，股價還跌了，但我個人還挺期待蘋果跟AI的結合的，畢竟蘋果算是日常用得最最多的電子設備，而且其有自己的模型、芯片、云，還有海量數據，這些組成了一個生態系統，每個環節優化一點，疊加起來就會很強。
