作者 | 王欣

　　編輯 | 劉景豐

　　“人工智能領域的泡沫，總是在不斷產生又破滅中循環。”

　　梅拉妮·馬歇爾在著作《AI3.0》中，這樣描述人工智能領域5到10年的周期循環。

　　2016年，擊敗圍棋世界冠軍李世石后，AlphaGo短暫掀起人臉識別、自動駕駛等人工智能浪潮。2023年，ChatGPT的橫空出世讓大模型成為AI界當之無愧的“頂流”。泡沫破滅，資本冷靜后，不理智的潮水終于褪去。如今，AI界鮮少再重談人臉識別，自動駕駛難以落地，而在國內，大模型也從當紅炸子雞慢慢成為投資人投不起的領域。

　　研究人工智能的群體已經熟悉了這一模式：在“人工智能的春天”，投資機構過度承諾，媒體過度炒作，緊接著便會迎來“人工智能”的寒冬。

　　環球并不同此涼熱。在美國，VC圈對人工智能投資熱情不減。而在積極擁抱AI的東南亞，中美正在進行AI技術與投資的角逐——2020到2021年，來自美國和中國的投資者，參與了267筆東南亞人工智能公司的投資交易，占總投資比重40%。

　　一個可喜的現象是，在東南亞，科大訊飛、華為、�？低�視等中國科技公司與東南亞當地產生千絲萬縷的聯系，中國科技企業正成長為東南亞AI界的中流砥柱。

　　曾經，普利策獎得主托馬斯·弗里德曼在《世界是平的》中，說世界的競技場已變得更加平坦，變平的世界讓每個個體、區域都站在同一水平線下。

　　環顧全球AI界，我們發現，世界并不總是平的。

　　全球范圍內，不同區域AI風向有何不同?當AI企業走出國門，又會迎來哪些機遇挑戰?ChatGPT為什么并不脫胎于騰訊、谷歌等數據集龐大的大廠?對于AI初創企業有什么啟發和意義?

　　現在整個國內投資界幾乎形成了一個共識，就是“大模型的投資熱正在冷卻”。

　　作為今年創投圈最火熱的賽道，大模型曾炙手可熱，無數科技大廠、AI創業公司掀起一股又一股的大模型浪潮。而今全球科技公司對大模型的競爭，正進入存量時代。

　　根據IT桔子數據，截止到2023年11月底，國內人工智能賽道一級市場的總融資額有580起，比2022年減少了26%，總融資金額是630億元，與去年同期也下降了38%。

　　而在大洋彼岸，美國的大模型融資依舊如火如荼。根據Crunchbase數據，去年VC階段的投資有11%流向了人工智能賽道，截止到今年下半年，2023年的比例增長了26%，有26%的VC階段的投資都流向了人工智能，美國投資界對大模型的參與熱情不減反增。

　　大洋東西，AI融資正面臨不同境遇。

　　這背后，不同融資環境差異到底是如何造成的?

　　首先，在美國，大模型已經達到了能夠產生巨大經濟效益的規模，并且在一定程度上影響了宏觀經濟。有研究發現，這一次自硅谷刮起的大模型之風，已經為美國的GDP貢獻了一個百分點的增長。而在中國，雖然百模大戰愈演愈烈，但大模型的變現之路仍處在摸索的初級階段，而商業化問題一直是上幾輪AI浪潮下，難以找到最佳solution的老難題。

　　其二，在中國尚未出現像OpenAI一樣的應用層全棧式AI公司，能夠從基層大模型、中間層一直做到應用層。而大模型這種極度依靠大算力暴力美學的領域，對于初創公司來說，太燒錢，門檻太高，堪稱軍備競賽。大模型不能投，但應用層又沒有特別多的公司出來，投資圈開始冷靜思索，大家都處在觀望狀態。

　　華映資本海外合伙人邱諄認為，這背后體現了中美技術原創能力的不同。

　　“硅谷還是一個以原創技術為核心的，為基座的驅動力，這還是很重要的，中國的優勢在于優化，不一定是原創，就是人有我有，可能人有我優，再者規�；�，上一波深度學習驅動的機器視覺，可以說是AI1.0，現在大語言模型算是AI2.0, 這兩波浪潮國內目前的參與都還主要在優化和規�；�方面。”

　　1997年從北京大學畢業后，邱諄就去美國學習人工智能，從南加州大學信息科學研究院畢業后，他加入了硅谷傳奇科技公司——思科，前幾年回國后加入了投過壁仞科技、星辰數據等AI領域知名公司的華映資本。他持續關注中美、東南亞等地的AI創投。時間倒回到千禧年，邱諄仍在硅谷深耕技術，那時正值AI寒冬，但整個硅谷還是在不斷的積累，很耐心地等待下一個突破。

　　“但如果我們到大洋的另外一面，就會看到一般來說，是在等美國出現下一個突破之后，我們再去投入，去做優化和規�；�的事情，所以它會有一定的延遲。”

　　“這個突破前的積累過程其實可能是需要一些耐心的，在這個階段過去之后，我們就真的到了互聯網.com那一波，就是中間層的相當于一個接口能夠出現的時候，這時候才到了應用層大量涌現的時候，在中國可能就會出現大量的像當年滴滴等一堆互聯網公司，這個時候可能還是會需要一定時間，可能大家還需要一定的耐心。”

　　在中美之外，東南亞也成為中美大模型交鋒的主戰場。

　　在東南亞，AI還正方興未艾，雖然落地步伐相對慢，但還是能看到希望。整個東南亞地區的國家，都在擁抱AI。中美兩股AI旋風正在東南亞交匯。

　　AI在東南亞并不算是新興行業，在大模型浪潮之前，東南亞就因低廉的人力成本等因素聚焦了智能客服、人工標注等AI相關應用。

　　但在今年來到東南亞后，科大訊飛云平臺事業群副總裁周傳福明顯的感受是：除了原來的這部分傳統項目，現在更多地看到像政府部門、媒體行業、金融行業等都在更加熱烈地討論、擁抱AIGC、大模型等新技術。

　　雖然目前東南亞使用最多的還是來自OpenAI等歐美AI公司的大模型，但在東南亞AI界，也不乏科大訊飛、華為、�？低�視等中國科技公司的身影�？拼笥嶏w、阿里巴巴相繼在東南亞推出大模型，東南亞國家隊也加入大模型競賽，新加坡政府投入5200萬美元的資金支持AI多模態大模型開發計劃(NMLP)。

　　周傳福告訴霞光社：“東南亞雖然是一個區域，但是打開來看，很多國家都有很大的不同。新加坡是東南亞唯一一個發達國家，它的AI落地會更快一些，像教育等等部門或者行業都有很多的落地應用。相對來說，新加坡(AI落地)走得比較靠前，活躍度更高，但是像馬來西亞、印尼、泰國等等國家也能深刻感覺到比原來更加熱烈，當然整個落地步伐相對慢，但是還是能看到希望。我們也會長期堅持在這些地方深耕。”

　　而越南在人工智能的競賽里也存在彎道超車的可能。摩根大通曾分析稱，越南處于新興東南亞人工智能發展的“前沿”。早在2021年1月26日，越南政府總理批準的《到2030年國家人工智能研究、開發和應用戰略》中，就明確了將人工智能發展成為支柱工業產業。

　　而英偉達CEO黃仁勛也再次押注越南AI，2023年12月，英偉達CEO黃仁勛會見越南政府總理范明政，并承諾將在越南建立半導體基地，將越南打造成為英偉達的第二故鄉。

　　東南亞已成為科大訊飛海外業務的第一站和戰略中心。2023年6月，科大訊飛攜星火認知大模型與C端智能硬件，在新加坡舉辦產品發布會暨訊飛AI TechDay·新加坡站活動。

　　“因為科大訊飛一直以相對底層技術的創新、研究為主，所以如果把這些技術用在更多的場景、更多的設備單靠科大訊飛自己其實不行。所以整個開發者生態方面花了很大的力氣。”周傳福告訴霞光社，在東南亞的開發者生態方面，科大訊飛搭建了以新加坡為中心的訊飛開放平臺國際站。

　　“其實我很羨慕，羨慕的點在于C端酷炫的產品是很容易抓到消費者的，但是底層技術的可能講兩天人家都不知道你在做什么。所以整個生態方面就是把技術落地應用生態是我們長期布局，不是靠一年兩年，至少3-5年才能把一個基礎做好，這是目前整個狀態。當然在東南亞我們也看到了很多的突破。”

　　他認為，在這些突破的背后，離不開技術創新和本地化。

　　東南亞歷史文化背景復雜，移民的跨國流動使得東南亞形成不同方言體系的多族群社會，各個地區方言眾多。比如印度尼西亞的官方語言主要在雅加達一帶通用，但其他地方又有非常多的方言。而要做語音識別和合成的核心技術創新，就要在提升通用能力之外，針對不同方言區域的口語場景去做提升。另外，識別合成大模型領域也是科大訊飛尋求突破的重要底層技術。

　　本地化是出海中企必須要面對的一個挑戰，而對于科大訊飛來說，這也是不得不做的事情。因為科大訊飛要面對很多B端用戶場景，其中并不存在捷徑，他們已經做好了深扎兩三年的準備，才能在當地把行業做熟做透。

　　目前科大訊飛的東南亞團隊規模還不是特別大，大概在二三十個人左右，native speaker大概占到40%左右。本地雇員的職務多是以商務拓展，市場等崗位。核心技術方面，還是以國內總部以及在當地派駐的技術支持為主。

　　在國內團隊和本地團隊協作過程中，文化差異帶來的挑戰不可小覷。周傳福認為，這種情況下，要把自己放到當地的國家去考慮問題，“而不能說我中國怎么怎么樣，外國怎么怎么樣，這對我們來說其實是一個適應的過程，說起來很簡單，但真正把自己的定位要放到當地的國家。”

　　除此之外，所有大模型企業要想跑通，都要跨越數據和人才兩座大山。

　　讓我們回到開頭的問題：

　　ChatGPT為什么并不脫胎于騰訊、谷歌等數據集龐大、人才濟濟的大廠?

　　騰訊和微軟數據一定是大過OpenAI的，為什么OpenAI有GPT，騰訊、微軟和谷歌都沒有GPT?這是因為對數據的有效利用和搜集非常關鍵。對初創公司來說尤甚，特別是想真正成為一家AI公司，或者只是被AI賦能的公司。

　　邱諄認為，私有性未必是價值本身的源泉。“你要真正能夠利用AI肯定要有數據，但私有數據未必都有價值。這個對于初創公司要有一定認知。”

　　積累和收集數據，一定要考慮算法。比如搭建數據棧平臺，但它的門檻其實很高，因此光是收集梳理數據的準入門檻就將很多人攔在外面。甚至于巨頭公司的數據都未必全有用。

　　提到大模型浪潮下的AI軍備競賽，卷算力或許重要，但核心的算法人才才是這輪競賽最重要的資源。

　　對于初創公司，邱諄的建議是，從現在開始去物色一些大模型算法核心人才：“作為一個初創公司，可能今天就要去搜尋一些真正核心的人才，聽上去好像有點遙遠，但我覺得我這個建議很可能是會有用的。對于一些初創公司，如果你今天就開始，不管你做什么，甚至你只是做應用層，都一定要過數據這一關，但光有數據又沒有用，最后很可能是要看你的算法，不管你是什么算法，可能不用碰到基座大模型，但即便你要做微調，甚至只是去調API，都會需要對訓練算法的深度認知，最重要的軍備其實是人才。”

　　這也是因為，目前國內大模型人才儲備資源緊缺。醫者AI CEO劉呈輝曾對媒體表示，“現在國內做基座類模型的人才90%都出自清華，國內真正會調模型、訓練模型的甚至不超過200個人。”而大模型搶人大戰也讓用人成本水漲船高，vivo副總裁周圍接受媒體采訪時曾表示:"vivo大模型現在每年20億~30億元的投入成本，總投入成本已經超過200億元，人才和數據算力各占一半，人才成本平均每人稅后100萬元。”在當下，尋找核心人才資源對于初創公司來說尤為關鍵。

　　大模型讓全球的AI競賽進一步加速進行，如何在全球化中找準自己的位置，并發揮自身優勢，是所有AI企業需要面對的新課題。