一边是在乌镇和诸多集团的财报中站上C位，另一方面，在大模型公司高估值高成本、商业化前景却不明朗、人才储备不足等因素的集中曝光下，近来，“让AI投资回归理性”的说法也一纵而起。

　　这其中，不乏“大模型投资已经在变冷”的预判性结论。这一观点看似是理性降温，但事实上，理性的观点应该立足于技术和应用的掣肘本身，目的是积极探索发力的方向，并不是利用对于资本反馈的主观感受，为一个新兴行业制造焦虑。

　　作为国内大模型领域目前公开融资额最高的明星初创企业，百川智能今年连续完成了多轮大额融资，官方宣布金额为三亿美金；另一位选手智谱AI也随后宣布了今年累计融资25亿人民币的消息。MiniMax、澜舟科技、光年之外、月之暗面等其他优秀国产选手也在拼命涌现，传出的融资规模亦相当可观。

　　也就是说，大模型这一赛道并不是从今年才开始出现的，但今年的投资表现无疑远超历史规模。即使是横向对比其他公认的风口赛道，2023年，AI厂商能拿到的融资额和估值成长速度仍然是现象级的：智谱AI的估值已经超过100亿人民币，百川智能也在今年10月份的新一轮融资后位列独角兽。放在整个风投加持技术变革的长河中来看，国内资本在今年下半年对大模型的集中厚待是相当可观的。

　　首先要认同的是，现在的AI创业团队的确鱼龙混杂——这是很好理解的，每一个朝阳、繁荣的行业都是如此。过去，投资人可能是在10个AI项目里挑一个好项目，现在可能需要在100个里甄别10个好项目。好的团队和厂商其实是在变多、也在变卷的，筛选成本变高了，因此杂音也多了起来。

　　由于开源资源丰富，大模型入行门槛低、应用门槛高，创业本身就存在场景过载、技术不足的问题，再加上套壳产品频出，只看获投企业所占的创业项目数量比重等数据是没有意义的。

　　另外一个核心原因是，在全球科技巨头的快速入局中，很多人认为目前大模型领域的”圈地挤压“现象严重。仅从国内厂商来看，大模型”竞赛“愈发激烈，乃至在阿里、腾讯等大厂内部，不同事业群、产品组自研的大模型之间也可能会存在资源分配的问题，更别说初创企业的生存空间了。然而，这是一种只考虑市场、不考虑技术自身需求的片面认知。

　　实际上，比起竞争，如今大模型在应用层的表现用“百花齐放”来形容更加合适。技术带来的革命性，从本质上讲不是限缩，而是极大拓展了市场空间。也就是说，从大模型本身能够带来的价值边界来看，通识性合作，即共同建立标准，比竞争重要得多。因为新兴技术不是新兴媒介，不需要彼此抢夺用户的流量和时间，迭代用户的行为习惯才是硬道理。举个简单的例子，我们现在浏览任何网页和应用的时候，看到放大镜的图标就知道是搜索功能，也知道目前绝大多数的搜索都是基于平台内信息对照检索，这就是被一套通用的交互标准渗透心智后的成果。而大模型由于行业发展过于迅速，仿佛上一秒才刚刚被资本追逐，澳博体育app下一秒就已经快要来到占领用户交互入口的阶段。

　　大厂自研的大模型本身并不需要融资，这导致了很多人误以为大模型“融资时代“已经结束，从而不再关注更多的初创AI厂商。

　　但在故事的另一边，大厂们一边在自研，一边也在比从前更加积极地寻求跟投优质AI厂商。英伟达在AI初创企业上的广泛战略布局就是一个很直接的案例。截止目前，其在AI领域公开投资的初创企业超过30家，其中Cohere、Inflection AI等已经成为了领域内的头部厂商，同时也是英伟达重要的生态伙伴。

　　实际上，打造大模型生态圈几乎已经成了一种行业“共识”，无论中美，大厂和巨头的名字频繁出现在各路AI初创企业的投融资名单中。非但不“冷”，反而有一种根深叶茂的“热”。

　　也就是说，在不同的视角和判断标准之下，每个人对于“大模型究竟应该有怎样的融资表现，才配得上它的技术热度”，看法都是不一样的。大多数暗示AI投资在变冷的人，其实本身还是认可AI投资的热度的，但过高的心理预期也会给出一种期待式反抗：热度需要不断增加，否则就是在减少。

　　事实上，尽管这一论调主要针对的是国内市场，但无论是国内还是全球，AI投资不但没有遇冷，反而在整个创投圈显得有些手足无措的时候，成为了当下“唯一的可能解”。

　　也就是说，在创投大环境遭遇寒冬的时刻，投资机构的马太效应本身就在加强，投资的马太效应自然也会加强，主要体现为两点：第一，更多集中于大模型；第二，更多集中于优质厂商，所以现在一家明星企业单轮融资的数额更大了，跟投的机构和背后的资源导入也更多了。

　　以智谱AI为例，今年10月公开披露的战略投资中，13家投资方个个来历匪浅。一些投资人也表示过：市场不缺投向大模型的钱，初创企业挑选投资方的空间也比原来大得多，资金也不再是唯一的考量了。

　　当所有资本都在集中下注AI，就不会有那么多机构再特别强调自己专注于AI的前瞻性了。

　　其实，从以往的创投风口来看，几乎每个行业在诞生变革性的产品或基础设施之前，都会有较长的市场教育期，在早中期研发阶段，就帮助一部分客群提前预期与接受新兴技术。其中，资本和从业者会基于投融资事件来扩写一级市场的繁荣，从而吸引更多的钱和人才入局。

　　但大模型领域不同，它虽然也有过被“造势“的阶段，但目前已经是产品形态在反哺资本决策了——它的速度异乎寻常的快。OpenAI只用了几个月就在中国市场人尽皆知，GPT比以往革新性产品更低的门槛体验，也大幅缩短了AI的市场教育期。

　　到了今年下半年，国内技术和语境都步入了深水区，人们谈论Sam Altman像谈论乔布斯一样如鱼得水。更多人能参与到体验和团队故事中去，资本也没必要再从投资的单一角度加强市场信心。

　　也就是说，技术带来的想象力就像一部电影，而所谓的投资热度则是电影预告。预告好看的，电影不一定好，但如果电影本身已经非常好看了，大众也不会再去反复讨论预告片好不好。

　　甚至，某种程度上这造成了一种反效果——许多真金白银投了钱的投资人和拿了钱的公司，并不想要太高调。

　　但这绝不意味着AI投资“冷”。因为，技术狂热一般被解释为：市场的想象力已经追平或者超越了技术迭代速度所能提供的想象力。在此前提下，大模型拼的是研发层的算力、成本优化、应用层的资源与垂类数据训练等等，技术需求会比行业刚爆发的时候苛刻和重要得多。而这些标准更多的也并不直接指向商业化落地，它们依靠的是前沿技术团队的长期坚持、更多科研成果的迅速转化，换而言之，资本的投入在现在这个走向深水区、比拼内功的阶段，甚至是一道必答题。

　　尽管并不需要过度忧虑，但任何新兴事物在诞生和发展的重要节点上，都会受到不同方面的质疑。

　　早在去年12月，ChatGPT刚刚面世的时候，国内的第一批生成式AI厂商也差不多同期涌入大众的视野，以AI作画、AI写作等为主。当时，关于大模型的商业化路径，行业内就已经有了诸多忧虑。毕竟，作为”探路者“的OpenAI自身都没有想好怎么做商业化就开始“长期烧钱”了。当时的论调是：国内投资人都在关注AI，但不敢投应用层，又不可能放下趋势性的技术，所以会重点布局基础设施，相比应用侧融资，这种趋势显然不是一个在镁光灯下、有噱头的“热”消息。这成为“AI热，AI投资冷”的理论基础之一。

　　但经过一年的发展和集中研究，有大模型鉴别能力的投资人越来越多，“套壳型”应用的生存空间也越来越少。此外，来自大厂自研和战投两个方向的入局速度，也基本为创投圈打消了关于商业化的顾虑。一年之后看ChatGPT的爆发，能更好理解到它对整个产业加速迭代和竞争起到的推动作用。市场在快速急剧变化，大模型的普及速度是有史以来最快的，这让它更快地进入了深水区，而深水区中更深刻的变化，或许不会以那么“热”的形式为外界所知。现实的情况是，在如今互联网红利见顶、消费欲望萧条的当下，AI化已经成为公认的救命稻草，商业化的想象力需要靠大模型来重新激活。

　　没有人因为OpenAI的长期亏损就抹杀大模型的意义，但来到资本角度，那些因为短期商业化不明朗就预判“AI投资会变冷”的人，却会有意无意忽视一点：过去，国内新兴领域总是有资本造风口、资本带着用户跑等情形，所以让很多人有了“没人反复提融资就是融资不好”的惯有思维。而从国内大模型几乎与国外对齐的发展时间线来看，这一次，资本根本没有必要急着鼓吹，因为国内市场抢的已经不再是时间差，而是技术和市场的专注度。

　　相比几年前的上一波AI狂潮，如今的大模型无论是产业化技术融合、应用化落地还是政策向的扶持，都更加清晰有力。大家凝聚共识的速度前所未有，市场激烈竞争、快速变化的态势甚至也是前所未有。

　　包括比尔·盖茨在内的许多人都认为，这是一个几十年一遇的颠覆式、革命性机会，当我们用更长远的目光考量这一点，会意识到，过度理性也好，偏见也罢，在步入深水区以后，AI初创企业砥砺自身、坚持长期主义、不被一时的明星效应冲昏头脑才是更重要的。

　　所谓表面“冷”的背后，实际上涌动着的是始终如一的热。静水流深，自更磅礴。