沒有想象中火熱。
在人工智能領域，投資熱潮似乎正在經曆一次冷靜期。
盡管AI技術被廣泛認為是未來的關鍵驅動力，但現實情況是，許多AI創業項目并沒有解決市場的真正痛點，導緻資金供應與項目需求之間出現了不比對。投資者開始更加理性地評估AI項目的市場潛力和實際應用價值。與此同時，大模型項目因其技術壁壘和廣泛的應用前景而更易獲得資本青睐。
然而，即便是這些項目，也面臨着技術發展不确定性、高昂的研發成本和商業化落地難度等挑戰。
AI投資的未來到底在哪裡？
開始冷靜的AI投資人
“現在AI創業領域，項目供應似乎超過了需求。”一位ALL-in AI的投資人這樣說道。
理想的AI創業過程應該是基于一個具體的市場需求來開發解決方案，然後向投資者展示這個需求的廣泛性和緊迫性。然而，現實中許多項目都是反其道而行之，他們首先建構一個多元度的人工智能平台，同時尋找資金和确定具體方向。這種做法讓投資者難以評估項目的具體盈利模式和市場潛力。
從資金供應的角度來看，雖然美元基金對AI創業項目很感興趣，但今年他們自身在募資上也遇到了困難，這限制了他們對高風險、長周期的AI領域的投資。與此同時，一些成熟的人民币基金也在關注AI領域，但他們更傾向于投資那些已經通過市場驗證并取得一定成績的項目。
以自動駕駛為例，這一領域曾被看作是人工智能最具潛力的應用之一。然而，現實與理想之間存在差距。自動駕駛不僅需要技術的強大，還需要政策、法規的支援和市場宣傳的配合。例如，自動駕駛車輛的上路規則、事故責任的界定都需要逐漸完善。此外，汽車制造商對消費者的宣傳也是提高自動駕駛接受度的關鍵。這些因素延長了自動駕駛商業化的程序，影響了投資者的熱情。從2016年自動駕駛熱潮開始，到2021年國内自動駕駛行業的投融資事件和規模都有所下降，2022年和2023年更是顯著減少。
盡管AI在辦公、創作、教育等多個領域都有創新項目，但許多在硬科技領域深耕多年的投資者認為，今年還沒有出現足夠引人注目的創新場景。他們認為，AI+模式需要有颠覆性的創新，能夠真正提高生産效率，而不僅僅是表面的裝飾。
AI領域的投資情況呈現出一定的分化，大模型項目相對容易獲得資金，而針對特定應用場景的AI項目則融資較為困難。一位AI投資者指出，主要原因在于這些應用項目未能有效解決實際問題。例如，重慶一位創業者開發的作文批改項目，因其解決了實際需求而受到投資者的青睐，甚至有人追至機場攔截以求投資。同樣，AI陪診服務在孩子夜間生病時為家長提供快速診斷和就診決策支援，也被視為解決了實際痛點。
相比之下，那些僅依靠資訊差、教學或AI創業教育訓練的項目，或者隻是在原有項目基礎上加入AI換臉、生成式内容等技術的項目，獲得融資的可能性較低。
去年6月，新加坡一個博士團隊研發的AI協同辦公項目獲得了個人投資者的資金支援。團隊成員之一的曉陽（化名）表示，AI投資者對目前的熱潮持謹慎态度，如果沒有技術壁壘，僅憑概念性的商業計劃書，沒有經過測試的産品，或者産品容易被複制，那麼獲得融資的可能性幾乎為零。
曉陽還介紹，他們的團隊核心成員均來自新加坡大學的博士團隊，自己接觸語言模型項目已有三年時間。今年上半年，團隊研發的項目已經通過測試，市場人員正在與B端企業建立商業化管道。由于團隊成員都是在讀博士，他們經常參加學校的創新大賽，并通過導師結識了一些投資者資源。其中一個個人投資者對他們的項目表現出濃厚興趣，在項目進行到三分之二時進行了投資，主要用于覆寫研發費用。
曉陽指出，AI之是以受到關注，是因為消費者看到了AI在更多應用場景中的潛力。但對于長期在這個領域的創業者和投資者來說，這并不是一個新鮮或可持續的增長點。是以，大多數投資者在收到這波熱度下的創業計劃書時，會理性地考察團隊背景、在行業的深耕時間，并且在投資金額上相對保守，通常隻覆寫下一階段的研發費用，有進展後再追加投資。
被追捧的大模型們
近年來，湧現多家AI獨角獸公司，包括智譜AI、百川智能、零一萬物等，在細分領域中，技術層的計算機視覺與圖像、應用層的智能機器人項目以及智能駕駛/自動駕駛項目是獲得風險投資較多的領域 。
而要說起這兩年備受資本追捧的AI公司之間，也有些共性。大模型自然是資本最愛的AI投資方向之一，許多AI獨角獸公司專注于開發和利用大模型技術，如智譜AI、零一萬物等，它們在大模型的基礎上推出了各種應用，包括但不限于自然語言處理、圖像和視訊生成等。
此外，一些公司也開發了文本到視覺（text to visual）、文本到語音（text to audio）、文本到文本（text to text）的跨模态模型，顯示了AI在處理不同類型資料方面的能力。
在AI獨角獸公司中，開源協作往往是他們經常選擇的方式，如智譜AI開源了中英雙語對話模型ChatGLM-6B，促進了技術的共享與協作，加速了AI技術的發展；一些獨角獸公司專注于将AI技術應用于特定行業或者垂直的場景，如智元機器人在人形機器人領域的研發、鎂佳科技在汽車智能化和聯網化零部件領域的創新 。
此外，不少AI獨角獸公司擁有來自頂尖科技公司或知名高校的創始團隊，這些團隊成員往往具有豐富的研究和實踐經驗，為公司的技術創新提供了堅實的基礎。
即使備受追捧，AI獨角獸公司在技術創新過程中面臨的最大挑戰主要源自技術發展的不确定性、研發成本的高昂，以及技術商業化落地的難度。
技術發展日新月異，AI公司需要不斷跟進最新的技術趨勢，這不僅要求公司有持續的研發投入，而且要求研發團隊能夠快速适應技術變革，保持創新的活力。
高昂的研發成本是AI獨角獸公司面臨的另一個重要挑戰。尤其是在大模型和深度學習領域，訓練和部署這些模型需要巨大的計算資源和資料支援，而這些資源往往需要昂貴的硬體投資和運維成本。此外，AI技術的商業化落地同樣充滿挑戰，如何将技術轉化為市場接受的産品，如何找到合适的商業模式和盈利途徑，都是AI獨角獸公司需要解決的問題。
資料隐私和合規風險也是AI獨角獸公司在技術創新過程中不可忽視的挑戰。随着資料保護法規的日益嚴格，公司必須確定其資料處理和應用符合法律法規的要求，這不僅增加了合規成本，也對技術的設計和應用提出了更高的要求。
苛刻的投資要求也讓投資人們對AI領域逐漸冷靜。
2023年中國人工智能行業在一級市場的融資情況顯示出一些變化。盡管整體投融資行業遇冷，人工智能領域融資形勢相對而言仍較為熱門。據IT桔子資料顯示，截至2023年11月20日，人工智能賽道在一級市場的總融資事件數為530起，與去年同期相比減少了26%；總融資交易額估算為631億元人民币，與去年同期相比下降了38% 。
困境與希望并存
AI投資領域正經曆着多方面的挑戰和困境。
随着技術的不斷進步，投資者越來越關注AI項目的實際投資回報率（ROI）。盡管近年來AI項目的投資回報率有所提升，但市場對AI投資的效益預期已經從單純的技術能力轉向了實際收益。此外，AI技術的快速疊代要求企業持續跟進最新技術，這對投資者來說意味着需要對技術趨勢有深刻地了解和準确地判斷。
AI項目，尤其是大模型的訓練，需要巨額且持續的研發投入，這對資金有限的創業公司來說是一個巨大的挑戰。同時，AI公司在商業化過程中需要找到可規模化的落地場景，将技術轉化為實際的商業價值，這一過程充滿不确定性。資料隐私和合規風險随着資料安全法和個人資訊保護法的實施而增加，給AI公司帶來更高的合規成本和風險。
市場對AI投資的熱潮也引發了對金融泡沫的擔憂。有分析認為，目前對AI的巨額投資可能會導緻金融泡沫，因為AI收益和支出之間的差距正在擴大，需要巨額的收入來保證投資産生預期的回報。此外，盡管AI技術在發展，但市場上缺乏帶來實質性收益的AI産品，消費者真正使用的AI産品并不多。
在投資領域，一些AI公司的估值可能過高，導緻一級市場難以接盤，且在持續虧損的情況下，二級市場也未必願意買單。随着頭部AI公司吸金能力增強，單筆巨額融資事件頻現，這不僅拉高了行業整體平均融資額，也增加了投資的門檻。政策和監管環境的不确定性也是投資者需要考慮的因素，政策的變化可能會影響AI公司的營運和投資回報，特别是在資料使用和隐私保護方面。
投資者在考慮AI投資時，需要綜合考慮這些因素，做出明智的決策。AI投資的複雜性和不确定性要求投資者具備深入的技術洞察力、市場分析能力和風險評估能力。
在AI投資領域，投資者面臨着多方面的挑戰，其中最大的挑戰包括技術發展的不确定性、商業化落地的難度、高昂的研發成本、資料隐私與合規風險、市場泡沫的擔憂以及估值過高等問題。面對這些挑戰，投資者需要采取一系列政策來評估和管理風險。
首先，投資者必須對AI技術的最新發展和未來趨勢有深刻地了解，這包括評估技術的成熟度和市場應用潛力。了解技術趨勢對于預測行業的發展方向至關重要。其次，評估AI公司的商業模式是關鍵，特别是其産品或服務的市場需求、客戶基礎、收入來源和盈利能力。
考慮到AI項目通常需要巨額的研發投入，投資者需要仔細評估企業的資金狀況和融資能力，以及預期的投資回報率。同時，資料合規性審查也是必不可少的，以確定AI公司的資料收集、處理和存儲方式符合資料保護法規和隐私政策。
市場泡沫風險的識别對于避免在市場高點進行投資至關重要。投資者應該對AI公司的估值進行合理性分析，避免投資估值過高的項目。此外，通過多元化投資組合來分散風險，包括投資不同技術領域、不同發展階段的AI公司，可以降低單一投資的風險。
投資後的持續監控和及時調整投資政策對于應對市場變化至關重要。建立風險管理機制，包括風險識别、評估、監控和緩解措施，可以幫助投資者更好地控制潛在的損失。在必要時，咨詢行業專家或專業投資顧問可以提供更深入的市場洞察和投資建議。
總之，AI投資需要投資者采取全面和謹慎的方法來評估風險，確定投資決策基于充分的資訊和專業的分析。通過這些政策，投資者可以更好地應對AI投資領域的挑戰，實作穩健的投資回報。