半岛彩票“这是一个最坏的时代，坏的是疫情之后被打击的信心。这是一个最好的时代，因为我们现在处在一个衰退周期的底部和弱复苏的前期。已经很差了还会更差吗？我觉得不会。”中和投资总裁顾翀在融中2023（第九届）中国产业投资峰会论坛上表示。
“现在大家对大环境的信心比较低落，但是实际情况并没有那么差。所以向未来看，总是会有雨过天晴的那一天。”高捷资本合伙人孙玉如是说。
无论是经济结构调整、产业形态重塑，还是突破资源要素约束、推动绿色低碳发展，信息技术应用的创新发展都是决胜未来的破局大招。在构建数字经济新生态的进程中，2025年我国信创产业规模有望突破2万亿。面对广阔市场，如何进行布局，又该如何去共建信创产业的新生态？
2023年7月21日，由融中传媒、融中母基金研究院主办，融中财经、融中咨询协办的“融中2023（第九届）中国产业投资峰会”盛大举行。在以“软硬一体化，共建信创产业新生态”为题的新一代信息技术专场，中和投资总裁顾翀、创新工场执行董事兼前沿科技基金总经理任博冰、高捷资本合伙人孙玉、富坤创投管理合伙人田野、礼瀚资本合伙人许照云等嘉宾展开热烈讨论，达泰资本创始管理合伙人李泉生做论坛主持。
发力大模型，讲求“投入”和“生态”。一方面，算力层面、模型层面都需要巨大投入，另一方面，要为自己的产品构建良好的落地生态。要软硬都强，筑牢算力底座。
数据、算力和算法是AI的基础，随着智能化社会的到来，各行各业对人工智能的需求与日俱增。但不管下层的应用端如何变化，上层对算力提升和数据存储/传输的需求都会越来越高，这对相关领域的硬件、设备和原材料行业会有极大的带动。
AI 2.0改变了技术范式，重塑了产业格局。to B层面，企业如不跟上，势必会落后，因此市场机会巨大。to C层面，未来2-3年也许会有Killer APP面世，催生出下一个微信、美团。建议面对时代大机遇，要敞开想象，抱有希望，主动迎接它。
如今基础大模型领域群雄并起，未来的基础大模型有望成为“新基建”。但大模型在细分领域还有不足，对于了解应用行业的大模型中间层企业需要发挥行业knowhow，先把标杆项目做出来，再打深打透。用户的痛点，既是创业者的机遇，也是投资者的机遇。
新一代信息技术是基础性产业，在我们国家发展中又是具有先导性的战略新兴产业。AI 大模型等新技术兴起后，我们不仅要关注底层技术提升，更要关注新技术在实际应用的深度和宽度。同时要关注数据要素，包括数据的存储、传输和安全性。
大模型引发热潮，也为面向垂直行业应用的小模型带来发展新机遇。小模型不止可与大模型共存，还兼顾技术交融点，并在实时性、安全性、成本方面具备优势，势必引发产业新热点。
以下为“融中2023（第九届）中国产业投资峰会”上，“软硬一体化，共建信创产业新生态”专题论坛环节中的精彩对话实录，由融资中国整理。
许照云：大模型带来机会的情况下，小模型是否有机会。我认为小模型和大模型是能够并存的，举例就像高速公路与国道一样，都有自己的存在空间。另如高铁、轻轨、城轨，既能并存，同时又有交融点。现在大模型资源各方面基本上都倾斜于头部几个企业了，换个角度看，小模型反而是大家都在同一个起跑线上，有一个新的机会。这个时候切入反而是一种可能跳出来的机会。从实时性跟安全性来讲，小模型也有很多优胜的地方。
另外，小模型可以更好的赋能中小企业，比如垂直行业像电商一类，但用大模型的时候各方面的成本较高，降本增效方面不如小模型。所以如果说有做小模型的这类企业，或者出来创业的，我是鼓励并会重点关注的。
田野：在不同发展时期，信息技术产业新概念的提出，对于我们机构来讲，都是对行业进步认知的机会。新一代信息技术产业，其实是个基础性的产业，但是目前在整个国家产业发展中，它又具有一定的先导性，所以也具有战略新兴的时代意义，这也是目前时代赋予它的非常重要的角色。我们回溯一下这十多年来信息技术产业发展中提出的新概念，从2013、2014年提出大数据的概念，解决数据孤岛、在实际工业生产型企业中提高生产效率，之后出现AR/VR的概念，再往后出现包括区块链、量子通讯、元宇宙等，最新又提出了ChatGPT、AI大模型，其实整个十多年信息技术产业发展中，不同的时期都提出过不同的概念，而每个概念提出的背后，其实更值得关注的是底层技术提升，以及在实际应用中的深度和宽度。当然现在我们也看到了新技术在一些行业中的应用，比如金融、医疗等等。最近，Meta也已经公布将Llama开源并免费商业应用。整个技术的发展我们是看到了比较好的现象，技术底层也有了进一步提升，在实际应用中，我们重点关注数据要素。这里面涉及到数据的存储、传输及数据的安全性。对于我们来讲，数据安全性的关注度从来没有改变。
信息技术产业在国家发展产业结构中比重很高，我们走访过很多政府职能部门，在很多城市的产业机构中，信息技术产业在城市产业结构中占比还是比较高的，尤其是集成电路、5G通信产业等等。我们目前比较关注的是产业链中的某些核心点，比如光电模块，高端的电子元器件、上游核心新材料等等。整个十多年信息技术产业发展中，我们的核心关注点没有变，都在看新一代信息技术的真正应用，究竟是不是具有应用场景的适用性。其实跟有些企业聊的时候，他们对新兴技术概念的提出，尤其是技术应用与自身产业结合上是非常焦虑的，并不清楚新技术是不是适合自己当下的产业。我们在整个梳理完之后，觉得有的企业确实能够依靠信息技术产业发展，带来各种各样的技术升级、产业效率提升，但也有些企业确实不适合，新技术的应用反而会造成它自己很大效率的损失。当然我们更多的期许是希望在未来整个产业发展中，信息技术能够为更多方向上的企业提高生产经营效率，真正得以实际应用。从我们投资的角度来看，更多的是希望能够有实际应用的一些场景，让新的技术得到更广泛的应用。
孙玉：高捷从成立之初就专注于投早投小。早期项目在投资一开始就要问企业创始人，也问投资人自己：创业是想要解决什么问题，这个问题是否重要，这个团队是否有能力去解决这个问题。从这个角度，AIGC大模型和其它一些更早的偏概念性技术不同的是，它确实具备了解决问题，提高生产力的能力。比如说我们现在就用ChatGPT对于不熟悉领域去做初步的信息导入和学习。
所以我们认为大模型至少是有这样的一个生产力提升的作用。但是整个基础的大模型领域是一个群雄并起的状态，国内众多的企业也在做大模型开发工作。在人才、时间、金钱的作用下，我们觉得未来基础的大模型会是一个类似于“新基建”的行业形态。
就目前来看，大模型在细分领域还不太好用。比如基于训练过程和数据源有撒谎的问题。另外比如在一些细分领域，需要重新在对话中引导重建行业逻辑。在这样的过程中，基于行业应用大模型中间层的企业就会发挥出它的价值和生产力提升作用，这也是我们高捷现在关注的领域。这需要这些创业企业，其创始人或者至少联合创始人有行业的knowhow，有行业初始客户的导入能力等等。在一个领域先把标杆项目做出来，然后打深打透。
硬件方面，大模型基于它行业数据的需求，需要有数据来源，包括传感器、有边缘算力比较便宜的感算一体芯片等，都会在未来有比较大的市场爆发潜力。现在就是看谁的产品真正能做出来，并且真正好用。再进一步的，这些大模型逐渐进入2C端应用之后，提升了和人的交互能力，那么在消费端，是否会有一些新的产品形态出现，这也是高捷持续关注的。
任博冰：以大模型为代表的AI 2.0赛道已经集聚了人才、资金等各领域的顶尖资源。另外， ChatGPT只是一个大模型的爆款应用，我们把大模型生态分为基础模型层、中间层（工具层）、应用层三大层级，其中，基础模型层能容纳下初创企业、巨头在里面赛马，但胜出者会是里面的屈指可数的几个头部玩家；中间层、应用层的创业、投资机会相对更多一些。创新工场关注AI 2.0领域非常早，2020年的时候内部就非常激烈的讨论。2021年的时候就开始投大模型、生成式AI、3D等应用公司，陆续布局了澜舟科技、潞晨科技等十几家AI 2.0公司。2023年3月份孵化了大模型公司零一万物，目标是多模态和AIGC的未来。
创新工场认为，AI 2.0领域赛道宽且长，市场规模将会是Windows、安卓时代的十倍。
从软件层面看里面至少会有三种机会：第一，之前没有AI的领域，可能会被2.0覆盖，交易平台这样的方向已经看到有这样的机会。第二，是AI 1.0会被2.0蚕食掉，确实有不少的机会，也做了一些布局。第三，是AI 2.0自己原生的机会，这里面是觉得最大的，就是包括toB和toC，整体面临的状况，当年互联网时代刚开始，最早适应过程是很年轻的，我自己其实就是互联网时代刚开始的使用者，未来2.0时代会带来新的应用，这里面其实会看到生态会非常丰富，包括未来的社交形态，toB里面所有的工作办公软件，办公形式，整体组织架构，产业之间的互相连接，都有这样的机会。
从硬件层面看，虽然交互层面还没有看到新的爆款硬件，但是基于之前的手机和互联网硬件发展维度看，整体AI包括算力以及在端上面的一些应用，会驱动硬件进行迭代更新。
顾翀：人工智能分基础层、技术层和应用层。基础层包括数据、算法、算力。应用层未来在整个行业里面，应该是市场占比空间最大的，未来成长性也好，包括整个从金额来讲，市场空间是最大的，但竞争也是最激烈的。应用层的市场门槛比较高，但技术门槛相对基础层和技术层较低。如果说从市场规模来讲，中和投资会更关注金字塔顶部、更上游的、就是更偏基础、偏技术，尤其是一些硬件的应用，因为它本身相对周期性更弱一点。不管终端的应用，或者说消费电子等等这些领域汽车，它如何变化，上一层的原材料、传输技术、底层硬件算力提升是不变的，不论前几年的元宇宙概念，还是AIGC带来未来人工智能社会，最底层支撑它的东西，一直是基础，这是不变的。
所以中和投资对数据传输、算力提升这两个领域非常看重。数据传输这个领域，大家应该知道，算力尤其是CPU，GPU计算能力，过去20年算力提升了将近9万倍，但是整个数据的传输的速率其实只提高了二三十倍，是提升得很慢的，包括现在说的东数西算，数据传过去一次，计算完传回来一次，需要大量数据传输。中国现在光缆的生产能力是全球第一，光缆不是我们的弱项，但是中间的通信芯片，闸口是现在的弱项。这点是我们看到的，非常稀缺而且未来一定要突破并且大规模应用的一点。
另外，是大模型的构建。大模型现在我看到数据公布出来参数十亿以上的有79个，最高的已经有百万亿级别，这种大模型底层是需要大量的GPU，CPU，大量的算力和存储设备支撑的。包括以美团、云之声等等为代表的厂商，其实都在大规模的向美国采购计算芯片，都是几十万颗上百万颗采购。底层带来的不管是我们自己芯片的提升，还是国产替代，它的市场空间非常大。所以中和投资对于底层的硬件非常看好也持续在关注，一直在选择其中一些优质项目去投。
李泉生：两个层面，第一，解决算力问题。去年9月初在上海国际人工智能大会上成立了由燧原科技牵头10家研发CPU、GPU、DPU、VPU等企业组成的XPU联盟，都是独角兽或准独角兽，达泰投了其中的5家。第二，模型层面。疫情之前我们投了一个项目叫瑞莱智慧，开发第三代人工智能技术，可解释的人工智能和算法。这个公司是清华大学AI研究院首个产业化项目，也是世界人工智能领域领军者之一的张钹教授和他的团队创办的，他提出了很多理论上的创新。
大模型是需要比较大的投入，一个从底座算力层面，第二个从模型层面也非常大的投入。所以大家可以看到这样一个趋势，大模型本身的算力问题还得投入，国内某互联网巨头今年已经有这样的计划，先用一万片来训练，明年再下一代可能就是要八万片以上，可以看到对硬件巨大需求。
顾翀：我觉得国际化的竞争是好事情，不管别人对我们好还是有限制，成长永远都是在痛苦当中的量变到质变，像人的成长也一样，就是要在经历一些问题之后，才能痛定思痛，才能有质的变化。我觉得对于这一点来讲也是一样，其实不管对我们怎么限制，精准打击也好还是断供也罢，最终都会转化成整个行业痛定思痛后一个质的变化。现在已经有很多的企业在一些领域里面，不管是更低纳米还是更高的品质也好，还是在某些细分领域的突破也好，已经形成了趋势，包括有些企业已经在某些方面，已经成为国际领先的巨头。我觉得这个里面是有一些很好的基础的。
第一， 中国在整个半导体领域里面，或者在很多领域里面是全球最大的应用市场，我们有非常大的应用端的需求。应用端的需求就有大量的购买资本，大量的人，大量的信息、数据，会为行业成长提供非常多的试炼和基础支撑。这是任何一个市场都不具备的。会极大的加速整个行业的进化。
第二， 我觉得整个中国处在跟随赶超的路上，我们有大量的人才和技术，其实是从海外过来，然后自己做自主化，自主创新，自主去突破，甚至到现在自主可控。在这个过程当中，我觉得我们付出了非常多时间和精力。中国人的努力程度是全世界公认的。
第三， 整个产业链条非常齐全。几乎在任何一个国家找不到这样的一个产业链条，几乎在每一个细分领域里面，都可以做到完善的上下游搭配。五年前、八年前在做半导体领域某一个环节的时候，可能找不到供货商，但是在如今中国，基本大部分，虽然可能在良率，持久性，安全性等等不一定能达到欧洲，美国的那种水平，但是大概的可替代是可以实现的。比如在整个东亚地区可以找到一些可替代的供应商，以及资本的投入。这几年，对于自主可控，已经从政府引导到行业自主，变为整个产业不断自力更生的状态。让自主可控更倾向于市场化，不断向前的良性循环。
在我看来，以AI，包括整个自主可控全链条，已经出现了一个从引导到自发向上的良性过程。我非常看好这个行业的投资，不管是硬件也好还是软件也好，其实我们中和投资都有布局，包括现在整个政务端最大的云计算、云平台，其实都有参与。
孙玉：信创概念2016年提出来，2023年投资机会在哪里？低垂的果子都被摘得差不多了。接下来，无论新创业者还是投资人，需要面对一是还没有攻克的从0到1难的问题。二是现在能用的产品要怎么变得好用的问题。
未来几年，全自主可控的产品出来后，消费者可能会觉得不太好用。因为也许刚刚解决了能用的问题，但是还没有解决怎样好用的问题。但是这些消费者的痛点，既是对创业者的要求，也是创业企业和投资者的机遇所在。
在这个过程中，有什么具体的投资机会呢？比如新设备、新材料的国产替代，以及满足国外产品需求等等。以IGBT为例，需求非常旺盛，但是海外设备企业交期基本上是18-24个月，还要优先去保障国外企业供应。这种情况就给了国内设备企业从0到1发展新客户的机会。另外，可否用创新性封装技术，或者新材料、新方法，来弥补成熟制程和先进制程的差距，给客户提供更好的解决方案。这些是我们看到，并且市场正蓬勃发展的一些信创领域的投资机会。相信未来两三年，会有更多的中国企业解决从0到1，解决从能用到可用的问题，为消费者提供更好的产品。
李泉生：其实机会还是很大。信创领域未来肯定十年二十年，甚至更长时间的机会。非常希望各地方政府可以摆脱传统方式招商为主的惯性思维，能够有一些创新和改善，可以多跟我们交流，共同建生态，要有耐心，要多培育。所以希望能够回到自主可控，国产国造，特别是有条件的地方，珠三角、长三角、环渤海区域都应该这样做，这是我的建言。
任博冰：这个话题其实比较大，而且现在时间比较早，其实整体AI领域还是一个非常早期的过程，包括开源模型的出现。不过，的确在思维范式上带来了巨大改变。未来几年，大家会有很多的共识，AI带来的整体发展速度，让全球发展的时间被压缩，如果不去跟上加速度的话，是会逐渐落后的过程。toC的产品怎么去设计，怎么去定义，是不是两到三年有爆品上市，进而诞生下一个微信、美团，我觉得是非常有可能的。近几年也对企业造成了更大的挑战，甚至对创业者。大家纷纷尝试toB领域，如2022年投了很多AI＋生物医药公司，其实是用大模型工具做蛋白类，今年基本上把模型参数往上提升1-2个数量级，发现有了更好效果，能够快速进入，把之前研发的过程快速提升。而其它领域也在快速跟进。
另外，AI领域带来了巨大生产力的提升，特别对个人。对于企业，未来企业生态可以用更少的人创造新的品类做更多业务。这里80%的需求可能是共性的，只有20%的需求需要一些巨大的软件去提供。比如ERP类软件，大部分其它的功能基本上可以被通用或者相对垂直提供。同时未来可能小企业会比较有利润，愿意去付费的一个过程。这里面小企业代表了一些个人。所以toB是有巨大的机会，而且可能带来的思路是不太一样的。
同时这里面还有一些全球化的机会，过去中国的软件，很少有走出去的，走出去少数几个是toC的，toB能不能走出去？对于大模型来说这个不是问题，无论是跨语言还是交互界面，对这个事情本身全球快速统一的认知。中国会不会有些软件企业走出去，就像前几年美国、德国的这些软件企业快速渗透到中国来，以及硬件，如机器人、消费终端能不能走出去，这里也有toB、toC公司的机会。
田野：对我们来讲更加关注AI在实际场景中的应用。目前一些实际应用，需要很多人来配合，效率低且成本高。那么AI能否帮助我们完全解决实际中遇到的问题呢？其实我们也在思考。它的可实践性是具有很多前提条件的，并不是通过这种技术手段实现之后，就可以直接在应用中产生实际效果。所以对于不同场景、不同行业，一定要搞清楚是不是现在具备应用的前提。而未来AI能够在很多的行业中发挥价值，能够为产业带来更高的发展，是毋庸置疑的。只是说在目前的情况下一定要有充分的认知，在行业应用上是不是具备适用性。
许照云：我更关注应用安全性层面，因为涉及很多医疗、个人数据，不希望用公有云方式做存储。另外像中小微企业，他们的优势技术，一旦公开了，基本就没机会了。所以如前所提，大小模型的兼容并存，是有其独特空间的。
顾翀：现在一些企业主面对AI既兴奋又焦虑，兴奋点是效率提升，焦虑点则是他不会用，不知道如何养成自己的AI。现在的年轻人，如果不懂AI，不学习AI，使用AI，可能会跟不上未来的时代。当一个大时代来临的时候，早期可能会关注一些上层的投资，但是等它慢慢发展起来的时候，有一些应用端的细分投资，未来成长空间也会非常不错，包括流水上会非常好。
李泉生：补充几句。怎么看软件硬件在产业中的位置。举个例子，在被投的一家AI大芯片设计公司里，三分之二是软件工程师，只有三分之一是硬件工程师，这就很说明问题。现在新一代信息技术里最典型的是学科技术交叉，以及生态构建。所以做AI架构的最大挑战，是需要自己做软件生态，要软硬都强。而做产品的，不止要将硬件做好，还要将落地生态做好。做好算力底座以后，在应用层面的想象空间才会比较大。
