在2024年英偉達GTC上，明勢資本合伙人夏令分享了中國市場AI行業的創業和投資機遇。夏令表示，“明勢資本堅信AI是未來10年核心的技術驅動力，將持續關注AI領域的投資機會，并與這個領域的創業者攜手同行?！?/p>

明勢資本成立于2014年，是國內專注科技賽道投資的早期VC，自成立以來持續關注新興科技領域的發展機會。明勢資本是目前國內若干家AI驅動的細分領域頭部公司的早期投資人，包括智能電動汽車公司理想汽車，大語言模型公司MiniMax，通用機器人領域的逐際動力以及家用機器人公司云鯨智能等。

以下觀點基于夏令分享內容整理：

基于Scaling Law找到AI大模型發展的潛在機會

大家都在關注AI發展帶來的機會，大語言模型是2023年最大的投資熱點和投資共識這一點是毫無疑問的。中國市場數有十家大模型創業公司和眾多科技大廠一起涌入到這個賽道中。但經過一年的發展可以判斷，最終真正能夠跑出來的只會是少數的幾家。

對于投資人來說，2024年首先要理解Scaling Law，在未來10年Scaling Law的重要性絲毫不亞于摩爾定律對于半導體產業的重要性的。

現在國內最大的算力集群是基于英偉達的H卡，也就是大概千張卡的規模。但是我們去設想一下，可能短則四五年長則七八年，那個時候所需要的算力集群可能是百萬張甚至是千萬張卡的規模，訓練的token數量也將會是今天的100倍、1000倍甚至更多。

基于Scaling Law的發展方向，可以指導今天的投資。如果我們考慮的是未來在100萬甚至1000萬張卡這樣的一個算力集群下訓練一個新模型，它的數據、計算、通信、存儲、能源，會遇到什么樣新的挑戰？這里面存在大量新興、量級提升、指數增長的機會，值得我們作為投資人關注。

雖然大家對于AI的商業應用有著非常高的預期，但現實是當前的大模型能力還不足以支撐起廣泛的商業應用。在當前階段，做出一個更強大的AI大模型，它的緊迫性或者價值高于AI應用。所以，首先要基于Scaling Law去找到支撐AI大模型發展的潛在增量機會。

AI應用全面爆發需要技術和成本突破商業奇點

大家都在關注AI應用，期待能夠涌現出移動互聯網時代中像字節跳動、美團這樣的公司。以2023年的情況來看，AI應用層的整體發展并不理想，甚至可以說是低于投資人預期，全球范圍內能做到DAU過百萬的AI應用屈指可數。

從人性上來講，人們總是對一個新興技術的短期發展過于樂觀，長期發展過于悲觀。AI確實是生產力的革命，但要對它短期發展的局限和長期發展的潛力有理性客觀的認知，這一定程度上和人性相悖。

對于AI來說，它需要一個前期大量技術和基礎設施積累，直到AI能力和成本突破一個奇點，才能實現商業價值。

一旦AI能力和成本突破這個奇點，應用層面一定會是百花齊放的景象。但當前AI的發展還沒有突破這個奇點，我們對于AI應用的發展預期既要樂觀，也要理性。

當下AI投資仍以技術驅動為主

因為AI大模型今天還沒有成為commodity，AI的能力還處于指數增長期，AI的推理成本還非常高，所以當前AI投資更多的還是要找到技術驅動型的項目。一旦AI大模型的整體或者局部能力進入平臺期，對應部分才出現大量類似互聯網時代的需求驅動型的產品。

對于早期項目來說，團隊是影響創業能否成功最重要的因素。作為早期投資人，項目的創始人或者團隊自身的迭代速度一定不能滯后于AI的發展速度，否則在未來的發展過程中必將面臨極大的挑戰。團隊對大模型技術有足夠深刻的理解是不可或缺的，必須知道技術和需求的交界在哪里。當然，這對于投資人來說，對技術和項目的認知也要做出相應的調整。

具體商業化落地的機會上來看，從To C來說，中國企業在互聯網時代積累了大量To C的產品、運營等方面人才，這方面相比于海外公司有碾壓式優勢，中國的創業團隊有機會做出一些面向全球的新興應用。對To B來說，中國市場下做提升效率工具很難；做結果交付的閉環服務，讓大模型只是核心能力的一部分，反而在中國會更容易商業化成功。

端到端數據驅動的新技術范式產生顛覆性機會

今天大語言模型還處在類似于copilot這種輔助提效層面，但是如果僅僅停留于此的話并不足以讓投資人們為之興奮。

以大語言模型為代表的這一波AI，讓大家看到了堪比蒸汽機和互聯網帶來的新一波生產力革命。這個生產力革命一定會創造新的供給，讓之前很多行業的核心成本變得極其便宜。

比如說軟件、醫生、律師這些行業，它的擴張都是依靠擁有專業知識的人才，所以人力是非常核心且昂貴的邊際成本。但AI將會把這個邊際成本變成固定成本，這將顛覆這些行業的UE（單位經濟模型）。

如果我們跳出LLM去關注整個AI的發展，更多關注的是大語言模型興起背后，這種端到端數據驅動的新技術范式。自動駕駛的快速發展就是端到端數據驅動，大語言模型之后，文生圖、文生視頻、通用機器人、AI for science的應用包括藥物研發、新材料發現，都將會基于端到端數據驅動的新技術范式產生顛覆性機會。

站在生產力革命視角上來看，隨著AI的發展一定會出現新興的行業。蒸汽機改造紡織行業的時候，人們并不知道蒸汽機會帶來鐵路、輪船等等這些新的運輸行業，也無法預測到運輸行業的改變會影響商業貿易。AI一定會改變很多生產關系，雖然今天還無法去準確預測，但一定會帶來大量新的機會。