自ChatGPT正式上线以来，生成式AI引爆的创业潮在全球范围内持续蔓延，燃烧300天后，赛道内依旧火热。当前，生成式AI技术将颠覆生产力变革这一长期价值成为业界共识。然而，长路漫漫，如何将技术落地，加速创新应用纵深场景开拓与实现商业化是这场革新背后的冷思考。

在产品变革与产业格局重塑之际，微软加速器与线性资本近日共同举办了一期闭门主题沙龙，共汇聚了60余位投资人、创始人、技术专家、行业专家于一堂，就AI+垂直应用落地这一议题 ，从投融资、产品创新和技术的角度进行了深度分享与交流。

(资料图)

分享嘉宾（按出场顺序）分别来自微软、线性资本、Whale帷幄、幂律智能、沃时科技。此外，本次活动还吸引到来自博世、达能、强生、帝亚吉欧、阿里巴巴、商汤科技、中信投资、上海国有资本、淡马锡等大型企业和机构中高层共同参与。

以下是嘉宾们在活动中分享的观点回顾：

-------------------------------------

1. 线性全面拥抱AIGC

我们把这一次的AI比作工业革命，它产生了新的叫做机器通用智能的生产要素，将人类社会原来最稀缺和最不可标准化的智力活动抽象为用计算机算力支撑的可规模化的生产力。这样一种生产力被巨大释放的过程一定会在各个产业和场景中进行深度改造。从今年年初开始，更多的创业集中在大模型和计算平台领域，但我们认为在更长的时间跨度上新AI的应用领域将会出现更大的机会。

2. 投资组合：既有脚踏实地，也有仰望星空

前者主要侧重在解决垂直场景的痛点问题，我们看到产业里有大量可以通过数据智能驱动的科技创新手段赋能的机会，过去也一直在做这个主题下的投资，我们在营销、设计、工业、建筑、医药、法律、农业等等垂直产业领域支持了非常多的AI创业公司。今天的AI能力要比原来的小模型能力强得多，我们相信一定会带来更大的价值。后者主要侧重在今天的AI带来了一种全新的人机交互和处理信息的形式，在我们摄取和处理信息的效率能够被大幅提升的潜力面前，一定会出现新的产品形态、甚至是新的硬件产品。海外这个领域已经出现了类似Rewind、Humane等公司，我们认为中国也同样有这样的机会。

3. AIGC时代对创业团队提出更高的要求

今天使用AI的门槛被大幅降低，但是用好AI去打造一个可商业落地的产品仍然充满挑战。首先团队需要对要解决的问题有深刻理解，同时有很强的成长性，要紧跟技术的变化，才能做到TPF（Technology-Problem Fit）。另一方面，我们始终非常看重团队的韧性，创业是非常艰辛的，能走到最后的都是打不死的小强。

-------------------------------------

1. OpenAI的独特优势—“思维链”技术（Chain of Thought）是指openAI会对问题进行逐步推理，展示其分析问题的过程，这种思考方式对比其他直接给结果的大模型更具优势，能够生成更准确、逻辑性强的结果。另外，Azure 微软云为OpenAI提供了企业级能力，如数据安全、模型丰富性、定制化、内容过滤和权限控制等，保障企业使用过程中的安全性与合规性。

2. 微软将openAI服务与自身应用打通，形成一套完整的工具箱微软打通企业级AIGC应用的最后一公里，充分结合OpenAI的功能，利用这种长枪加短炮的方式，为客户提供一套完整的工具箱，使得客户能够更大限度地运用 AIGC 能力，不用让他们从0开始去开发。例如在 Microsoft 365中都会内置微软的 AIGC 功能，我们叫 Copilot 副驾驶，你直接可以用这种对话的形式去要求它帮你做任何事情。

3. AIGC落地，微软从增加品牌影响力，提高内部运营效率，提升员工的幸福感和革新用户体验四个维度思考微软正在帮助企业寻找AIGC技术的最佳结合点，如智能客服、员工培训、企业私域知识库等，充分运用了大模型强大的语义理解和总结能力，可以极大地节省企业在方面投入的人力成本，属于运用较为成熟，也是容易落地的AIGC解决方案。

4. 大模型的能力是有望对话的

这个对话主要分五大方面，分别是talking to doc、talking to data、talking to application、talking to web 和 talking to multimedia。微软的 Azure OpenAI 是唯一一个可以正常使用OpenAI的平台。只要企业有微软国际版账号，开通了 OpenAI 服务，便可以API 的这个形式正常使用。

-------------------------------------

1. 我们在最初想清楚了整个营销销售架构，在这个基础之上做产品体系，分步骤GTM

帷幄在创始初期就确定为品牌提供AI技术服务的底层逻辑，在这个基础上产生产品矩阵。我们看到这种类型的公司终局一定是为客户提供产品集合，以满足客户的运营需求（如Microsoft Dynamics, Adobe 或者 Salesforce）。我们的每一个产品和功能，都是从客户出发，从客户的需求中产出。比如 Whale Harbor（帷幄内容营销中心） 是两年前就有这个产品，创业第一天就有这个产品的雏形，只不过那时候叫CMS.，不然不可能短时间做一个大产品出来。所以并不是我们在「调整」或者「扩张」产品线，而是我们想清楚整个营销销售架构，在这个基础之上做一个产品体系，分步骤GTM。

2. 帷幄是很多 agency 的合作伙伴，不抢他们生意

这一波大模型创业中，我们认为最快落地的其实就是营销，在应用层，因为营销或者销售离钱最近，我们在做每件事情的时候跟客户说就是ROI，我投入每一块钱的 AI 都能够帮助你去产生功劳的转化。AIGC或者说AGI可以大规模定制内容，正符合营销销售对个性化内容的需求。内容营销是品牌与消费者的触达：以内容为核⼼，连接⼈与货。在⻜轮式的营销结构中，营销、销售、服务等⼏乎所有环节和所有⻆⾊都会与消费者直接触达，⼴告、电商、直播、私域、全场域的各类⻆⾊⼏乎全天候地与⽤户接触，这就产⽣了⼏乎⽆限数量与⽆限场景的内容需求。但帷幄不做 agency 的事情，也就是不直接做 AIGC 图片服务。帷幄的优势在与全国的客户覆盖度，我们一直在跟行业客户对话，累积了大量行业最佳实践和know-how. 我们在这个基础上研究的技术，会在各个垂类行业中找到最好的PMF。

3. 做大模型：数据 > 计算资源 > ⼈才 > 模型

⾼质量的数据将是稀缺资源，尤其是产生中文的大模型。因为中国的语言是非常丰富的，对比英文，其表现的形式会更加多样且复杂程度更高，抽样其中的逻辑也更为困难。第二个是计算资源，它是模型增⻓推动⼒，这块投资往往会非常大。第三个是人才，练模型的专业知识⾮常重要，而有很少的⼈能够做到。训练模型就像是魔法师和艺术家⼀样，需要根据直觉和天赋。最后一个模型，现在大部分模型其实已经可以公开来获取。

帷幄在 AGI 技术上的积累主要做了三件事情。

第一件事情是企业私有化的 LM 模型，我们正在积极探索参数⾼效的微调(PEFT)⽅法，为营销⽬的提供专有模型。

第二是图像模型 ，我们致⼒于为企业营销案例中的图像⽣成模型服务， 例如电⼦商务海报、EDM中的图像等。最后一款是图引擎（Graph Engine） 我们也在研究代理商使⽤案例，以提供与企业内部系统API交互的⾃动化执⾏。

-------------------------------------

1. 由于技术适配和痛点清晰，法律行业成为垂直大模型的重要方向法律场景的大部分任务都是满足文本输入、文本产出的一个特点，而这与当下的大模型功能是高度适配的。海外的大模型在法律赛道的应用较为成熟，已经进入到了整合阶段。中国法律服务市场规模虽然与美国相比差距巨大，但快速增长，潜在法律服务需求巨大。不过目前法律服务获取成本与客户支付能力的不平衡仍是主要矛盾。有了大模型之后，将给解决目前最主要的矛盾带来非常巨大的机会。

2. 打造垂直模型的核心能力是大模型开发能力和高质量数据获取能力幂律联合智谱AI推出国内首个自研法律大模型PowerLawGLM，核心功能包括合同抽取、合同审查、合同起草和日常法律咨询。我们做这个大模型非常考验两个能力，一个是这个大模型开发能力，它对于这个基座大模型的要求非常高。另外一块就对于数据样本的要求非常高。因为模型主要服务于法律垂直场景，需要训练合同知识数据、合同文本数据、标注数据和用户使用反馈数据，构建相关的数据飞轮来保证模型效果持续领先。

3. 创业过程中遇到的大挑战在于方向选择，需要进行不断的试错和学习

这涉及到对行业的理解，对痛点的把握，对客户的选择。法律的很多场景面临着市场空间、客户付费能力、壁垒及差异化的问题，选择一个与自身匹配且适合长期深耕的方向非常难，需要进行不断的试错和学习。做出法律大模型不是最终目的，要推动其应用于具体产品并解决企业在在法律服务过程中的真实问题，让客户愿意为这个产品付费。

-------------------------------------

1. 医药是AI应用的高频场景，具有长期价值

医药行业是相对信息化，智能化，自动化程度普遍偏低的行业。不管是从整个法规合规性要求，以及精细化运营，或者是整个国产替代等等，处于一个市场缺口。同时，医药行业的研发，包括合成场景的一个链条是非常长的。因此，面对这样的市场机会，沃时推出了两大平台产品：AI 计算平台和自动化合成平台。目前，我们已经通过子模型实现药物结构设计、反应条件优化、用量预测等实验，经过验证，证明AI模型可以推荐出更好的反应条件,提高产率，还可以发现新的反应路径。总体来看,沃时科技通过医药AI和自动化的结合,以端到端的方式提升了药物研发效率,降低了研发成本。

2. AI+医药，任重而道远

虽然AI在医药行业中的价值正逐渐被认可和验证，但快速的商业化落地仍然备受挑战。关于如何推进商业化进展，以及上线标准化相关的软件产品，我们始终遵从商业化驱动的研发思路，从产品的立项，到开发，都是与客户需求紧密相连的。虽然沃时科技还是一个较为年轻的团队，但基于我们常年累月积累的数据积累，产品落地，以及GTM市场经验，已经树立起一道很深的护城河。