每經記者 可楊    每經編輯 梁梟    

國產大模型的競爭突然轉向了長文本。

最初，是月之暗面宣佈旗下對話式AI助理產品Kimi已支持200萬字無損上下文輸入；而後，阿里宣佈免費面向大衆開放最高1000萬字的長文本處理能力；有報道稱百度也將在4月開放長文本能力。

這多少有些令人意外。Sora問世之時，人們爭相討論的尚是AI技術是否邁過了一個全新的里程碑以及文生視頻將如何顛覆現有產業格局。

“長文本的競爭，並不是技術的競爭，而是商業模式之爭，本質上是消耗更多算力來取悅用戶。”工業和信息化部工業文化發展中心AI應用工作組執行組長、行行AI董事長、順福資本創始人李明順在近日接受《每日經濟新聞》記者專訪時表示。

“錯失恐懼”的焦慮和“巨頭遊戲”的壓力兼具，李明順穿梭於中、美、日、東南亞之間，專注AI領域和全球跨境項目的投資，而在此之前，他已在互聯網行業浸潤24年，並在15年前活躍於早期投資領域。

今年初，李明順前往美國硅谷參訪。在長達一個月的時間裏，他在當地接觸了四十餘個創業團隊，希望尋找大模型技術爆發中“超級應用”的方向。在他看來，解決大模型普惠的鑰匙依舊是超級應用，而當前儘管大模型已經成爲被數億人使用過的工具，但頻度依舊不夠，大模型應用在商業閉環中尚未找到最佳解決方案，這是中美技術界共同面臨的挑戰。

工業和信息化部工業文化發展中心AI應用工作組執行組長、行行AI董事長、順福資本創始人李明順在演講 受訪者供圖

AI優先：“沒有AI，可能在硅谷就融不到錢”

當今的科技圈幾乎言必稱AI，這在中美兩國都沒什麼差別。

“如果做一個新項目，裏面沒有AI，可能在硅谷就融不到錢，招人的時候，好的人才可能會覺得項目不夠‘漂亮’，而客戶則會疑惑這是一個什麼樣的公司。”這是李明順觀察到的硅谷的一種“共識”。

AI優先是當今的硅谷內各類項目的顯著特點，這與十年前移動互聯網席捲各行各業時如出一轍。AI會成爲改造原有生產力的最重要的工具之一，“強應用+多模型”的生態正在各行各業誕生。

李明順硅谷之行所接觸到的多是華人創業團隊，他們或是有大廠的工作經驗，或是畢業於頂尖名校。這些創業者亦是華人工程師在這波AI浪潮中的縮影，他們大多擁有強大的技術背景，致力於提升AI的認知能力，通過不斷優化參數與同行展開激烈競爭，更傾向於在技術層面尋找創業的突破口。

與美國的情況有所不同，中國的創業者們更傾向於在應用場景中發掘機會，例如社交、娛樂以及與電商結合的商業應用等。

“這是中美之間各自尋找的方向，也是各自的優勢所決定的。”李明順解釋稱，鑑於當前投資環境的變化，創業者獲取融資的難度更大，長期研究所需的成本可能難以覆蓋，如果沒有充足的風險投資（VC）支持創業者進行長期研究，就必須迅速實現商業成果，完成商業閉環，以確保項目的可持續發展。因此，中國的創業者也就更加“務實”。

不同於互聯網時期的創業潮，李明順認爲，當前的大模型創業潮與絕大多數創業者是無關的。

這不難理解。當前AI大模型的創業者，要麼是全球知名的頂級學霸，如月之暗面的楊植麟、智譜AI的張鵬，要麼是早已榮譽加身的業界知名大佬，如李開復、王小川。

與此同時，早期投資人似乎在“退場”。

在上一輪互聯網創業熱潮中聲名大噪的金沙江創投主管合夥人朱嘯虎明確表示，他不會投目前市場上任何一家中國大模型公司，“因爲一看就知道，這個肯定沒戲”。

“以前的遊戲規則已經失效。”作爲一個關注早期項目的投資人，李明順坦言，當前的大模型創業潮中，早期投資人所能發揮的作用很小。此前，早期投資人輔助企業在嬰兒期、幼兒期發展，然後退出，而項目未來的成長有後續A、B、C輪融資支撐；如今，僅把項目培養至嬰兒期並不能保證“成功”，現在的大模型初創企業大多在“Day 1”就需要集合多種資源的龐大資金，離開大額資本的支持將很難發展。

朱嘯虎的“不投”，李明順贊成一半。

“大部分應用如果僅僅是‘套皮應用’，就沒有商業價值，隨着模型的不斷演進，很多應用將被覆蓋。”李明順認爲，在當前環境下，從商業角度出發，AI應用在中國顯得尤爲重要。特別是在多數商業場景中，應用需要具備足夠的深度。如果只是簡單地利用大模型進行輕度調用，這種商業模式的根基不夠穩固。

不過，從生態角度，AI大模型卻是不得不投。李明順認爲，AI已成爲國家之間的競爭焦點，中國若放棄在大模型領域的投資，可能會錯失未來的發展機遇，因而國家背景的基金參與大模型的基礎研究投資是非常必要的。

洗牌不可避免：“AI四小龍”不代表大模型的成敗

AI領域掀起創業熱潮並非第一次，“AI四小龍”正是上一輪浪潮中的佼佼者。

2017年時，在刷新了單筆融資紀錄後一個月，曠視科技創始人印奇曾稱，未來兩年會有純人工智能的公司上市，希望曠視科技會是第一個。然而“AI四小龍”圍繞“第一股”展開的拉鋸戰，最終以商湯科技“後發制人”登陸港股落幕。

有觀點認爲，商湯科技的投資回報表現會是這一輪大模型創業公司的下限，但李明順並不認同。在他看來，從投資回報率的角度來看，“AI四小龍”並不理想。不過，它們的潮起潮落並不代表這波大模型公司的成敗，因爲在那個時期，AI是被高估的。

回頭覆盤，“AI四小龍”的技術原理並不如預想中具有革命性，視覺技術在多數應用場景，如安防和交通領域，所發揮的作用相對有限。後來這種技術迅速扁平化，失去了原有的壁壘，項目在初期獲得了超過其商業成就的估值，最終導致了資本退出時的“滑鐵盧”。

“在當前衆多競爭者均表現出色的背景下，除了技術實力外，商業模式的完整性和可持續性至關重要。”李明順預判，國內頭部大模型在下一階段可能會面臨一次洗牌，這一趨勢不可避免。若企業持續投入資金而無法形成商業閉環，最終依舊要面臨投入由誰買單的問題。

“明年這個時候，大概率會有一些公司產生合併，因爲這一輪它們的估值都到了幾十億美元的規模，再融一兩輪，如果有些公司融不到錢，可能就會被甩開。”李明順判斷。

洗牌不可避免，但這並不影響這波大模型熱潮的價值。李明順認爲，不同於“AI四小龍”時期AI是少數公司的“專利”，未來AI將滲透到各個行業，就像數字化對於當前公司的不可或缺性一樣，AI也將成爲未來所有公司競爭的核心力量。

李明順堅信，大模型是AI的“iPhone時刻”，在應用領域的拓展潛力巨大，回報同樣可觀。

而在這一輪大模型熱潮中，李明順在堅定地尋找應用領域的創業者。

在李明順看來，大模型應用若能與特定場景緊密結合，不是簡單地套用，就具有實際投資價值。在與衆多創業者交流時，他也鼓勵創業者專注於深度的行業和產業應用開發，而非僅僅侷限於當前熱門但較爲“膚淺”的領域，如換臉、製作表情包等。這些應用雖然在短期內可能吸引一定關注度，但長遠來看缺乏真正的核心競爭力，難以形成穩固的市場壁壘。

也正是出於這一邏輯，在當前的投資決策過程中，李明順並不過分關注項目中的AI成分，而是聚焦於市場本身的價值及其潛在的增長空間。

對於好項目的評判標準，他的四條準則是：用最先進的AI技術；賦能最成熟、最“肥”的商業場景；充分利用中國強大的供應鏈和生產能力，這包括傳統制造業的硬件資源以及工程師等軟性資源；在全球範圍內尋找最適合、最強大的團隊。類比而言，就如同在汽車行業這一成熟的商業場景裏，智能電動車和無人駕駛等AI技術的發展使汽車更加科技化，這就是好項目。

尋找超級應用：部分公司要轉向垂直領域求生

“尋找超級應用”永遠是新技術走向普惠的關鍵。就像當初人們在移動互聯網時代尋找到微信、美團、抖音，讓移動互聯網迅速普及一樣，在大模型時代，解決大模型普惠的鑰匙依舊是超級應用。

“科技對我們生活的改變，是潤物細無聲的。”李明順以移動支付的普及爲例：儘管此前已有相當的進展，但直到微信紅包的推出，給了一些本不熟悉技術的人羣接觸和使用移動支付的契機，這一技術纔算是走向了普惠。

大模型同樣需要一個更加普及、受歡迎的應用，讓“iPhone時刻”再昇華一步，覆蓋更廣泛的三四線城市甚至偏遠地區的用戶。

尋找超級應用是中美技術界共同面臨的挑戰，即便是OpenAI也沒有實現超越。儘管大模型已經被數億人使用過，但高頻度依舊不夠，因此大模型的應用在商業閉環中尚未找到最佳解決方案。

但李明順認爲，當前已經無限逼近於大模型第二波浪潮的來臨，就像iPhone誕生後，真正的超級應用在四到六年後才逐漸嶄露頭角，如微信、抖音、頭條、滴滴和美團等。這些應用經歷了一個孕育期，進而實現了真正的爆發式增長。

不過，李明順也指出，當超級應用被找到，未來僅需要大模型底座，可能僅有少數幾家公司存活，其他公司可能會將焦點轉向特定領域的場景價值挖掘。這意味着有一部分大模型公司要轉型成垂直領域的應用公司。

“我們在不同領域裏都看到了一些應用的雛形，但是距離超級應用還需要一些時間。”李明順認爲，國內做得比較好的大模型公司如Kimi，月活數據也僅僅爲200多萬，尚未達到超級應用的量級。

此外，許多在垂直領域的應用，無論是面向B端還是與特定行業結合的應用，用戶規模則更小。儘管這些應用可能在商業回報方面表現良好，如在電商領域已有超過億元的收入，但依舊不能被稱爲是超級應用，只能稱爲一個很好的商業模式。

更大的機會究竟是在C端還是B端？李明順認爲，C端無疑是一個巨大的市場，但B端市場的重要性同樣毋庸置疑。

“我們對大模型的看法是，它不是一個單純的技術，大模型在把所有的AI進行重構，比如多模型多模態，然後就誕生了2.0時代的AI。”李明順說，B端路線的公司穩健性更高，能夠更快與商業場景結合，存活的可能性也更大；但是C端一旦成功，企業的價值可能會更加顯著。

“就像珠峯的兩面，誰爬到最高峯其實都不容易，只是看你爬的是哪一面。Kimi和智譜我都很看好，但是我認爲最終（在行業洗牌期）他們都需要面臨生死存亡的挑戰。”李明順坦言。

在追求超級應用的過程中，最大的挑戰不僅僅是確定哪個場景將成爲其誕生地，大模型的理解力探索之路也仍然漫長。技術上，大模型仍需進一步的技術突破，以確保結果的精確性。儘管目前行業廣泛採用Transformer模型體系並已發展至萬卡時代，但這些模型的理解力仍基於邏輯，未能達到真正的認知水平，即具備獨立思考和價值情感判斷的能力，且當前這條路徑也面臨算力、能源方面的挑戰。

然而，作爲商業應用，創業者不必過於深究這些理論上的可能性，應當更加關注大模型當前的成熟度，以及它們能在哪些場景下替代傳統應用，進而改變人類的工作方式。

“相當於今天只有刀，就先讓刀成爲生產力，用刀切菜、打獵，到了火槍時代，再用槍去打獵。我們只能隨着這個時代的進步，去做這個時代的具體應用。”李明順說道。