春光作序，万物和鸣。一年一度的“投资界百人论坛”于2024年3月1日在三亚举办，作为中国股权投资行业开年盛会，清科创业邀请创·投圈各位老友共聚一堂，把脉不一样的2024，聆听浪潮新声。
本场《AI时代的投资机遇》圆桌对话由英诺天使基金创始合伙人李竹主持，对话嘉宾为:
陈维广蓝驰创投管理合伙人
马 睿 峰瑞资本合伙人
欧阳滨 广州基金总经理
张 鹏 泰达科投合伙人
以下为演讲实录，
经投资界编辑:
李竹:今天几个讨论大家都提到了AI，在这个过程中，我们看到了在去年到今年这个时间AI发展得非常快，从ChatGPT的推出，大家对基础大模型关注，后来又有Sora，当然这个中间穿插着人形机器人等等，所以在这场变革当中AI到底有什么样的机会，我们又如何看待这个行业等，是我们今天要讨论的问题。
我们先请各位介绍一下自己的机构跟主要的投资领域跟方向，大家有一个了解。
陈维广:大家好！蓝驰创投起源于硅谷，我们主要专注于早期科技投资，是目前国内规模最大的早期基金之一，覆盖的投资领域有AI、硬科技，还有生命科学。
马睿:首先感谢清科的邀请，我们主要关注的领域有消费及TMT、生物医药、软硬科技、新能源以及这些方向的一些交叉投资。
欧阳滨:广州基金是广州市政府产业投融资平台、国有资本控股运营平台，整个平台上涵盖的业务链条比较长，从政府引导基金、VC、PE、并购，以及公募基金等全链条，我们都有具体的业务经营板块。广州基金作为政府产业投融资平台，肩负着“推动产业转型升级、放大财政资金引导效应、带动社会投资、强化区域金融中心地位”的初心使命，主要围绕着地方政府重点发展产业投资布局，但也有全国性的投资，跟各大机构开展产业、基金等层面上的合作。广州基金的存续时间比较长，跟在座很多机构也有合作，希望借今天的这个会议进一步加强跟大家的交流。
张鹏:大家好！泰达科投是一家成立于2000年的国资背景投资公司，聚焦于科技中早期的投资，投资方向如半导体、生物医药、智能制造，我本人主要负责半导体领域投资，在半导体领域我们已投资布局十几年，大概投资了100家项目，遍布半导体各个细分领域，其中算力基础设施和今天的AI主体相关，期待和大家分享。
李竹:我们下面讨论第一个问题，大家都认为现在是一个AI红利期，大家对于这个红利期有多长，有什么样的看法？你们现在投资的这些项目里面，有没有看到一些趋势性的东西？
而我们基于之前的投资布局，也会有在这些方向更深度的思考和发现，例如我们在新能源领域投资了理想汽车，在机器人领域也做了一些尝试。我们认为，除了类似ChatGPT这样的大模型发展方向外，基于大模型的深度学习，自动驾驶也会有天翻地覆的变化。回溯六七年前，自动驾驶企业主要依赖高精度地图以及传感器数据来感知周围环境。然而，当前无论是特斯拉还是国内汽车厂商，都开始关注并实践端到端的自动驾驶技术，即省去了中间处理环节，直接模拟人类驾驶员的驾驶习惯和驾驶方式，这无疑是一个重要的突破。
另外一点就是机器人，之前的机器人很多还是像早年手机一样就是功能机，你搞一个扫地机器人，或者给墙刷漆的机器人等都属于比较注重功能性，而接下来基于垂直大模型的泛化能力，你一套大模型注入到机器人，机器人可以做很多任务，而不是局限在一个单点任务，或者变成更加智能了，这是我们都在关注的趋势。机器人应用是不是做到一个低的成本在生活当中使用、是不是可以找到一个很好的商业路径我觉得这些创业公司都在努力探索。
李竹:我记得你们投了智元机器人，投资逻辑是什么？
陈维广:我们之前投了一些服务机器人像一些清洁机器人国内也有七八成的功能水平。智元会利用大模型的泛化能力，使得机器人能够完成不同的任务，甚至包括高度复杂的任务，而非仅仅局限于某一简单功能。这一点实际上构成了我们投资决策中的一个重要前提。这个可能是我们投的一个重要的假设，当然足够泛化、成本足够低可以解决比较复杂的问题。
李竹:核心还是通用的执行能力能够泛化？
陈维广:如果大家关注Sora视频，很多眼球都在专注于它的视频生成，更加关键一点是Sora证明我们要对物理世界有进一步的了解，要采集物理世界的数据，这里泛化的人机结合和物理世界打开了想象的空间，很有可能就是未来的一个机会。但能否形成一个好的商业模式，现在没有人能给出完全的答案。
李竹:不管是汽车，还是现在通用的机器人核心还是泛化能力，我们上一代的AI主要是感知，现在新一代的AI就是包括决策、包括执行都可以做，而且不光可以做交给它的任务，还有一定的泛化能力。
陈维广:而且在完成了一个任务当中生成新的数据。
李竹:完成任务当中可以不断地反哺强化，所以这个智能肯定跟强化学习结合非常紧的。
我之前去了一次谷歌，谷歌很多投资人认为将来人形机器人的大公司主要在中国，所以陈维广总您认同这个观点吗？关键零部件、成本这些因素中国更有优势？
陈维广:硬件这一块我们有优势，在软件这个方面还是要追赶。因为我担心中国的创业公司视角，如果美国他们在软件、深度学习以及算力上比我们做的更好，如果差距很大的话，我们有可能又回到富士康的年代，他挣99块钱我们挣1块钱，所以中国创业者除了在硬件这一块有传统的优势以外，在软件算力还是要继续耕耘和追赶。
李竹:因为对于物理世界的改变所以跟硬件有关，这一块我们看到了像特斯拉推出了人形机器人，但是国内的人形机器人成本下降非常快，要是将来一个人家里面买两三个人形机器人用几万块钱也是可以的，马睿总您刚才谈到了生命科技AI结合，这里有什么趋势，您认为个方面投资窗口期红利期多长？
马睿:首先对于AGI，现在大家认为它是下一次科技革命的开始，我们可以参照上一个移动互联网的周期，从出现iphone到出现抖音有10年时间，因此未来十年是一个非常大的红利期，现在只是刚刚开始，OpenAI相当于POC了大模型，大模型可以理解一本书、生成一张图、生成一个视频，未来AGI需要更加理解物理世界。
所以，我们有一个判断，下一轮科技革命开始于AI，但可能不会只是纯AI，还是要从AI最后回到物理世界，物理世界中的新材料、生物这些本身被AI加速，产生更大的生产驱动。我们看到了挺多机会。如果你去看美股，现在科技公司里面有五个超过一万亿美金市值的，而医疗领域现在市值最高的是礼来七千亿美金。这种对比也反映出生物医药领域有非常多的价值埋藏，但是挖掘还没有那么有效，就是因为生物很多问题都是特别复杂的，翻译到数学就是高维方程，这个很难用经验表述，我们可以设计桥梁，但是我们还做不到理性设计药物。我们可以设计桥梁，但是我们不能设计药物，我们只能发现药物偶尔碰到我们发现了，但是我们从头开始，像半导体一样完全设计出来了。
而AI是最适合解高维方程的，AI的进展会使得我们有可能定量的描述和理解复杂的生物学的底层规律，从而实现工程化的生物学。Open AI出来之前，我们主要看三条线，合成生物、脑科学、AI制药，这三个事情跟AI都有非常大的联系。合成生物刚才其实也有嘉宾讲过了，最重要的就是实现工程化，可以设计生物学，而不是逐渐试错。AI制药通过计算把药做出来，而不是通过盲筛。脑科学是研究我们人脑怎样工作的，会启发新的计算架构。
最后，其实利用大模型和大模型相关的算法来赋能生物医疗，举两个例子大家可以看得非常清楚。一个是AlphaGo利用计算来预测蛋白结构，达到试验一样的准确度，这在计算方法上是从未发生过的，其实AlphaGo主要做了两件事情，一是加了数据，把基因跟MSA的数据加进去了。第二就是引入了Transformer。
第二个例子，就是现在蛋白设计的成功率大大提高了，把算法拿到生物里面做应用得到了比较好的结果。美国有一些这样的公司，中国也有，我们也在密切关注。虽然并非所有的生物计算都会是基于单一庞大的基础模型完成，但是也能看到各种各样的创新。
李竹:您认为是十年的投资窗口，还是非常长的投资窗口，生命科技我们原来人蛋白结构复杂性数字化做得不够彻底，所以AI出来之后实际上对于行业范式应该有所改变，我们看到了像生命科技，像新材料、材料科学，现在新一代的AI出来之后都产生了很大驱动力？
马睿:其实峰瑞之前在生物科技领域重要的投资主线之一就是生物的数据化。你要先有一些测量、传感才能有数据去供AI学习，大模型来了之后一个很重要的话题就是怎样利用AI来产生数据。再补充一下，因为现在对于数据要求越来越高，我们未来要在生物里面扮演这样的一个平台，除了高效高速产生数据的这种机器人，未来在计算层面可以产生数据，我看AGI领域也是一个热点，就是从哪来数据，我们有没有这些数据，还有这些数据质量，这个未来比较重要的。
李竹:实际上AI在生命科技里面是应用比较多的，除了刚才您提到的，像分子结构预测、药的结构发现，还有合成生物学里面的酶，酶这个东西本来有知识产权，但是通过AI可以做新的设计也是产生了很大项目？
马睿:对于合成生物学来说，在元件层面做一些设计，在未来通路层面做一些设计，才能真正的实现把合成生物学类比成，把一个生物类比成半导体可以真正的做设计，我觉得可能我们会有20家一万亿生物医疗的公司，九十年代最高市值是做出来减肥药的公司。
李竹:我们看到生命科学领域融资比较低迷，AI会不会对这个现象有所改变，或者推动产生新的一波浪潮？
马睿:我觉得还是需要时间，因为整个行业本身也正处于复苏进程中，且内部各板块表现不一。例如，这两年中国的合成生物领域虽然每年的融资情况相对稳定，并未受到过大影响，但也呈现出从峰值逐渐回落的趋势，相比之下，创新药领域受到的影响更为显著。AI制药领域同样具有周期性特征，上一轮热潮几乎到达了一个高潮，数百亿的市场资金投入其中，我们投资的部分项目也正在进行申报，有的甚至接近上市阶段，以及其他企业的投资项目也处于退出过程中。
正如先前发言嘉宾所言，大家都对AI领域的商业化进展略感不满，因为AI制药、自动驾驶技术未能如最初设想般带来实质性的药品产出，或达到理想的自动驾驶水平，AI影像技术也尚未能全面替代医生的角色。不过，此刻技术正在向前迭代，有点类似螺旋式上升，尽管当前商业化的落地应用还不明晰，但可以观察到此次与上一轮热潮有所不同，可以看到不全是泡沫，或者是一个概念的东西，现在大家相信了，未来可能对于生物医药融资有所带动。
李竹:请欧阳总介绍一下，在AI领域你们怎样考虑？
欧阳滨:现在“拥抱AI”已成为一个广泛共识，在产业发展的各个领域都能够被AI赋能，各行各业应该说都AI化了。我认为，AI既然是一场变革，其影响应该更加持续深远，存在着巨大的投资红利期、窗口期。
首先，整个这个AI化全链条，就是每个环节每个领域，首先大的角度来讲全链条都是投资机会，包括算力、算力基础设施、数据处理以及应用层面。作为一家平台型公司，我们首先是基金投资公司，若按几个主要阶段划分，我们在算力基础设施硬件领域已有布局，例如国产替代化，涵盖了前端芯片及部分智能物联网芯片公司。
其次，在算法技术层面，无论是当前热议的“百模大战”，还是行业级大模型，我们不仅在广州本地，也在全国范围内进行了一系列投资。此外，应用层的投资同样备受关注。
总体来看，当前AI对整个产业链的影响是全面且深入的，链条布局也是比较开，感觉上面有几点，前面大的投资尤其硬件GPU国产化了，包括“百模大战”的确需要大投入，未来可能形成头部企业的集聚。
我们现在越来越关注前端机会，现在也在建这样一些算力基础设施，包括作为一个城市发展产业的基础设施，城市运行包括公共算力基础设施，作为国企也在投入，所以为城市的大模型底座，包括一些硬件的厂商也可以提供一些机会，带来一些应用场景。
再次，重在应用。人工智能赋能各行各业现在刚刚起步，每个人对于人工智能都有非常多的想象。在这个大环境下，可能即将迎来一场新的革命，这个过程我们是必须投入的。
同时，我们要关注的几个关键要素包括:拥有扎实的数据基础、广泛的应用基础以及卓越的产品开发能力，我们将重点关注这些主要应用能力所带来的投资机遇。
李竹:您刚才谈到了基础设施，我们也知道实际上基础设施的投资非常大，要建一个计算中心，像大一点的都要几十亿，所以我想这一块是不是国资有更大的优势？
欧阳滨:跟其他的专业股权投资机构不一样，广州基金是产业投资平台，我们从产业的基础到上面承载着产业到城市的运行，到产业的布局，到具体的股权项目，可能对于国企平台来说一个方面更加有优势。第二，这也是区域经济发展的一种要求，面向人工智能我们去迎接这个浪潮，有专门的这种板块去投资偏基础设施内容东西。
像刚才所说的几个链条，事实上想围绕着人工智能产业打造一个生态，从算力的基础设施，到应用创新的中心，再到产业的导入、资本的赋能、产业的孵化，我们想形成这样的一个生态，所以我们也有专门的新基建板块，不同类型的基金在投入，我们跟一些大模型合作，选择一个人工智能发展跟城市人工智能运行的底座，之后在这个上面孵化，形成一个生态。
李竹:您刚才提到了应用，我们知道广州基金在汽车产业链投了很多公司，汽车产业也是广州的一个非常重要的一个产业，在这个方面，能不能给这些创业公司提供一些应用场景，像刚才提到了车上的大模型应用智能性的交互，在这个方面跟创业公司合作，能不能跟他们做一些赋能的事？
欧阳滨:汽车产业是广州的支柱产业，广州基金对广汽集团全产业链进行布局投资，包括上市公司广汽集团、其前端的研发企业及产业链上的供应商，尤其是广汽体系孵化的企业，如电池超充企业，围绕广州汽车产业，我们的投资比例和链条覆盖度都是非常大的。每个创业公司的成长、每个技术成果的出现都要依附或服务于产业链条。作为区域性的产业投融资平台，我们在投资布局上会有一定的优势，能够更快、更近距离地高效融入到当地的重点产业上，围绕产业链进行金融赋能。
李竹:下面我们有请泰达张鹏总介绍一下。
张鹏:AI芯片最典型的应用是训练和推理，行业的代表公司就是英伟达，他们已经来到了两万亿美元市值，从市值来看英伟达已经远远超过了英特尔，这个是AI应用推动的一个变化趋势。
从投资角度看，我们必须评估技术路径的可行性及价值。在AI计算领域，当前存在多种技术路线，虽然CPU也可用于计算，但在对transformor模型的计算上其效率远低于GPGPU，谷歌的TPU等技术同样致力于提供计算加速。我认为选择投资的技术应具备较长的生命力，一个技术要有较长的生命力，就必须同时具备技术可行性、产业链支持和应用生态丰富这三个要素。例如英伟达目前作为AI硬件技术的行业领导者，其构建了CUDA生态，为AI赋能各行各业做了大量实质性贡献。在过去的十年里，GPGPU技术的发展路径清晰可见，得到了产业链的有效支持，构建丰富的应用生态环境，我认为GPGPU技术是目前的主流技术之一。
从这个角度来讲肯定选择去投资一个GPU的公司是一个对的方向。但如何选择对的赛手，涉及的问题比较复杂。我想提到的一点就是投资GPGPU的这个技术路线有一定的时间窗口和约束条件，需要一定的抗风险能力。如果看好这个方向，这个方向的投资特点就是高风险高收益。
李竹:您也投资了一些专注于训练的芯片公司，请问怎样看待半导体对于训练的这些芯片还有推理芯片，您觉得哪个更有投资价值？
张鹏:说到AI技术肯定就是AI芯片，可以看到国外很典型的就是英伟达这个行业翘楚，他们已经来到了两万亿美金市值，这个是一个很恐怖的事情。老牌的英特尔的市值远远低于他，英伟达已经远远超过了英特尔了，这个是一个变化趋势。
从投资角度看，我们必须评估技术路径的可行性及其正确性。在AI计算领域，当前存在多种技术路线，虽然CPU也可用于计算，但其计算效能可能不尽如人意。谷歌的TPU等技术同样致力于提供计算加速。选择投资的技术应具备较长的生命力，例如英伟达在此领域不仅是行业领导者，还做出了大量实质性贡献。一个技术要想具备可行性，就必须同时具备技术可行性、产业支持和应用支持这三个要素。在过去的十年里，GPU技术的发展路径清晰可见，它逐步演进并且与其他技术相互融合。我认为GPU技术是目前的主流技术之一。
这个角度来讲肯定选择去投资一个GPU的公司是一个对的方向，就是如何在这些标的里面选择，其中涉及情况比较复杂。我想提到的一点就是投资GPU的这个技术路线有一点的时间窗口还有一定的约束条件，而且风险相当大，投入相当大，基本上每年研发投入可以说十亿级起，需要一定的抗风险能力。如果看好这个方向，这个方向的投资就是高风险高收益。
李竹:现在我们最近看到二级市场，像除了英伟达，像AMD、英特尔等等，包括半导体材料设备还有应用材料这些公司股票大幅上涨，而且市盈率很高了，您认为中国半导体市场会因为AI带来一个很大拉动吗？
张鹏:我们确实也在思考这个问题，以前我们做半导体投资大逻辑是国产替代。之前业内有个普遍说法是半导体在美国是一个传统行业，但其实我们现在观察很多美国的半导体公司市值并不低。所以这里我们可以看见，像很多之前被我们定义为互联网或电子消费品企业的公司，现在其实有了更强的半导体属性，像谷歌、苹果、亚马逊这样的世界级大公司都在布局自己的芯片业务，而AI将无疑是助推这一转变的关键要素。其实AI应用出来之后，把半导体和下游的应用的边界模糊化了，把软件和硬件的边界也大模糊化了，虽然行业格局有了变化，但这其实是好的发展，因为整个行业有了很多的协同，打破边界意味着快速的技术迭代、资源优化、整个AI行业将像催化剂一样加速并引爆上述行业的发展和变革，对于半导体来说这无疑拓宽了边界，增加了新的机遇，对于投资半导体专业机构来讲，也意味着新的机遇正在来临。所以我相信在AI的带动下，中国半导体公司的估值将有更大的空间，具备真正AI能力的半导体公司将向美国同类公司看齐。
李竹:AI也会对半导体行业带来利好。每家投的方向虽然不一样，但是肯定有自己的今年重点投资跟AI相关的一些细分方向，每个人简单说两三个，你们细分方向上面AI持续投资你们投什么？
张鹏:AI方向上面，我们从技术角度来讲一个是算、一个就是传，单芯片算力密度提升速度已经不能不支撑现在的快速增长算力需求，所以我们要算的快，也要传得快，在高速数据传输领域有很多投资机会，我们也会关注这个方面。
李竹:欧阳总今年AI有没有布局想法投什么重要方向？
欧阳滨:主要的就是刚才所说的，最终的就是一个行业应用，我们会更加看重最终的应用。第二，就是投早投小，投一些颠覆性创新的技术。
马睿:我们主要两个，其中一个跟光相关，光电混合的。因为未来要考量的因素是三个，计算算力、内存、带宽。未来越来越要求传输跟内存，其实峰瑞资本投了很多光模块、光引擎，也投了光计算。另一个我们今年会继续关注AI制药2.0，例如蛋白设计的公司。
陈维广:我们去年主要是大模型人工智能，今年可能关注基础设施，也是类似的思路。光这一块，因为传输还是相对来说比较重要的，随着参数的增长比较重要。另外一个就是能源有关的，我们前年投了一个核聚变有关的企业。接下来如果算力要求越来越大，只靠低成本的传统能源不一定支撑得了，我们也在看是不是还有一些不一样的技术。
李竹:从英诺的角度来讲，首先我赞同各位提到的，跟算力基础设施相关的，这个方面其实中国跟美国比还是有一定的差距，不光是芯片，其实也包括了整个互联的这些高速交换，还有包括像算力效率提升等很多这些软件方面，其实都是还是很多的机会。
第二，在数字世界里面主要是能够推动大模型落地，因为大模型大家过去的概念就说，我提一些问题，我生成一些东西，实际上一旦介入流程可以应用，这是我们重点关注的方向。
第三，具身智能包括通用能力的机器人方面，工厂和家庭是重点的场景。
最后一个问题我想问大家，大家对于AI现在改变我们的现实世界，改变这个数字世界，你们认为在几年之内对于中国有一个明显的改变，是三年之内，还是五年之内，每个人预测一下？
陈维广:我个人看法，中国在AI输不起，或者说得更加极端一点，追赶如果差距太大的话，这个牵扯到生产利润，所以我觉得改变应该是会比较明显的，就像移动互联网一样，因为它是一个比移动互联网更加泛化的技术，这个改变会来得很快，只不过说各行各业渗透可能不一样。从咱们IT行业或者生产行业相对来说比较不一样，这个泛化随着算力、算法能力的提升越来越更加通用，我们投资人这边也有不同的思路，有些人说我应该投泛化的算法，有些说投应用，可是不知道大家有没有体会，每次Open AI宣布他们升级的时候，一堆做应用的就全部消灭掉了，这个泛化能力是不是可以持续的放大，可能是一个预期，这个有一点像每次升级可以把应用变成完全没有竞争力。随着能力的快速上升都会影响到每个人。
李竹:中国三年还是五年？
陈维广:这个比较难回答，我们圈层里面应该两三年变化很大了，可是具体传导到大众生活场景我觉得可能五年，就像当年移动互联网，2008年苹果手机第一次推出来的时候，我们还说地理位置，当时想地理位置会用到地图，可是逐渐地演变就是用到了外卖、打车，所以这个现在我们很难去完全判断结果，我觉得一定会影响到我们每个人。
张鹏:在AI行业应用中，垂直行业应用场景需求更加明确，发展会快一些。通用AI潜力更大，但在很多地方还需要完善。整体来看，我认为AI行业目前正处于一个积累突破阶段，类似于幂指数曲线，目前处于斜率较为平缓的阶段，一旦突破其行业发展将越来越快速，斜率将越来越陡峭。至于这个积累蓄力阶段会持续多久，确实难以精确预估，但推测不会太短暂也不会太长久。
李竹:如果一定让您选一个？
张鹏:可能需要8到10年去积累突破，再往后越来越快。3年内AI在垂直行业应用会陆续有突破，而我们狭义上理解的通用AI可能会需要更长时间。
欧阳滨:实际上，整个影响力以及人们的期望感受已逐渐发生改变。从全国范围来看，大规模算力基础设施的建设堪称我们的强项，也是中国的突出优势所在。从整个推动应用的角度来说，各行业的智慧也是无穷的，所以我可能更加偏向于乐观一点，我想三年会有一个比较明显的感觉。
马睿:要说AI对现实世界的改变，海内外是有差异的，美国从0-1强，但是产业存在一定程度的空心化，中国创新上还需追赶但是我们有最全的产业链。对美国而言，预计在接下来的三年内可能会有较大变化，原因是在芯片、模型上都比较领先，也做出了ChatGPT这样to C的应用。对中国而言，未来3-5年，我们需要加快步伐，追赶先进技术。一旦AGI成为了基础设施，放在8到10年的维度，由于AI的驱动，我相信中国在智能制造、生物制造、半导体等领域的面貌将发生根本性改变，并有可能超越美国。
李竹:非常有意思的问题，这个问题普华永道在美国企业家里面做过调查，大概35%的人认为三年之内，更多的人，三分之二的人认为五年之内会对美国经济产生一个巨大影响。实际上，不管三年还是五年都是一个不长的时间，所以我们其实看到了美国这些投资人都在大力地投资AI相关领域。这一波AI带来的经济增长带动可能大家现在没有想象到的，所以我想我们也拭目以待，我们在座的各位也会在AI方面做更多的投资，我们也希望大家都能够投资成功。谢谢！
