AI時代的投資機遇

　　春光作序，萬物和鳴。一年一度的“投資界百人論壇”于2024年3月1日在三亞舉辦，作為中國股權投資行業開年盛會，清科創業邀請創·投圈各位老友共聚一堂，把脈不一樣的2024，聆聽浪潮新聲。

　　本場《AI時代的投資機遇》圓桌對話由英諾天使基金創始合伙人李竹主持，對話嘉賓為：

　　陳維廣藍馳創投管理合伙人

　　馬睿峰瑞資本合伙人

　　歐陽濱廣州基金總經理

　　張鵬泰達科投合伙人

　　以下為演講實錄，

　　經投資界（ID:pedaily2012）編輯：

　　李竹：今天幾個討論大家都提到了AI，在這個過程中，我們看到了在去年到今年這個時間AI發展得非�？�，從ChatGPT的推出，大家對基礎大模型關注，后來又有Sora，當然這個中間穿插著人形機器人等等，所以在這場變革當中AI到底有什么樣的機會，我們又如何看待這個行業等，是我們今天要討論的問題。

　　我們先請各位介紹一下自己的機構跟主要的投資領域跟方向，大家有一個了解。

　　陳維廣：大家好!藍馳創投起源于硅谷，我們主要專注于早期科技投資，是目前國內規模最大的早期基金之一，覆蓋的投資領域有AI、硬科技，還有生命科學。

　　馬睿：首先感謝清科的邀請，我們主要關注的領域有消費及TMT、生物醫藥、軟硬科技、新能源以及這些方向的一些交叉投資。

　　歐陽濱：廣州基金是廣州市政府產業投融資平臺、國有資本控股運營平臺，整個平臺上涵蓋的業務鏈條比較長，從政府引導基金、VC、PE、并購，以及公募基金等全鏈條，我們都有具體的業務經營板塊。廣州基金作為政府產業投融資平臺，肩負著“推動產業轉型升級、放大財政資金引導效應、帶動社會投資、強化區域金融中心地位”的初心使命，主要圍繞著地方政府重點發展產業投資布局，但也有全國性的投資，跟各大機構開展產業、基金等層面上的合作。廣州基金的存續時間比較長，跟在座很多機構也有合作，希望借今天的這個會議進一步加強跟大家的交流。

　　張鵬：大家好!泰達科投是一家成立于2000年的國資背景投資公司，聚焦于科技中早期的投資，投資方向如半導體、生物醫藥、智能制造，我本人主要負責半導體領域投資，在半導體領域我們已投資布局十幾年，大概投資了100家項目，遍布半導體各個細分領域，其中算力基礎設施和今天的AI主體相關，期待和大家分享。

　　李竹：我們下面討論第一個問題，大家都認為現在是一個AI紅利期，大家對于這個紅利期有多長，有什么樣的看法?你們現在投資的這些項目里面，有沒有看到一些趨勢性的東西?

　　陳維廣：為什么大家現在如此關注AI，主要原因我認為在于大模型的通用性逐漸顯現。之前大模型并未受到廣泛關注，直至Open AI的出現，人們才開始重視起來。如今的大模型不僅在文字領域，在圖片和視頻領域也展現出強大的泛化通用性，大家在媒體也看得比較多了。

　　而我們基于之前的投資布局，也會有在這些方向更深度的思考和發現，例如我們在新能源領域投資了理想汽車，在機器人領域也做了一些嘗試。我們認為，除了類似ChatGPT這樣的大模型發展方向外，基于大模型的深度學習，自動駕駛也會有天翻地覆的變化。回溯六七年前，自動駕駛企業主要依賴高精度地圖以及傳感器數據來感知周圍環境。然而，當前無論是特斯拉還是國內汽車廠商，都開始關注并實踐端到端的自動駕駛技術，即省去了中間處理環節，直接模擬人類駕駛員的駕駛習慣和駕駛方式，這無疑是一個重要的突破。

　　另外一點就是機器人，之前的機器人很多還是像早年手機一樣就是功能機，你搞一個掃地機器人，或者給墻刷漆的機器人等都屬于比較注重功能性，而接下來基于垂直大模型的泛化能力，你一套大模型注入到機器人，機器人可以做很多任務，而不是局限在一個單點任務，或者變成更加智能了，這是我們都在關注的趨勢。機器人應用是不是做到一個低的成本在生活當中使用、是不是可以找到一個很好的商業路徑我覺得這些創業公司都在努力探索。

　　李竹：我記得你們投了智元機器人，投資邏輯是什么?

　　陳維廣：我們之前投了一些服務機器人像一些清潔機器人國內也有七八成的功能水平。智元會利用大模型的泛化能力，使得機器人能夠完成不同的任務，甚至包括高度復雜的任務，而非僅僅局限于某一簡單功能。這一點實際上構成了我們投資決策中的一個重要前提。這個可能是我們投的一個重要的假設，當然足夠泛化、成本足夠低可以解決比較復雜的問題。

　　李竹：核心還是通用的執行能力能夠泛化?

　　陳維廣：如果大家關注Sora視頻，很多眼球都在專注于它的視頻生成，更加關鍵一點是Sora證明我們要對物理世界有進一步的了解，要采集物理世界的數據，這里泛化的人機結合和物理世界打開了想象的空間，很有可能就是未來的一個機會。但能否形成一個好的商業模式，現在沒有人能給出完全的答案。

　　李竹：不管是汽車，還是現在通用的機器人核心還是泛化能力，我們上一代的AI主要是感知，現在新一代的AI就是包括決策、包括執行都可以做，而且不光可以做交給它的任務，還有一定的泛化能力。

　　陳維廣：而且在完成了一個任務當中生成新的數據。

　　李竹：完成任務當中可以不斷地反哺強化，所以這個智能肯定跟強化學習結合非常緊的。

　　我之前去了一次谷歌，谷歌很多投資人認為將來人形機器人的大公司主要在中國，所以陳維廣總您認同這個觀點嗎?關鍵零部件、成本這些因素中國更有優勢?

　　陳維廣：硬件這一塊我們有優勢，在軟件這個方面還是要追趕。因為我擔心中國的創業公司視角，如果美國他們在軟件、深度學習以及算力上比我們做的更好，如果差距很大的話，我們有可能又回到富士康的年代，他掙99塊錢我們掙1塊錢，所以中國創業者除了在硬件這一塊有傳統的優勢以外，在軟件算力還是要繼續耕耘和追趕。

　　李竹：因為對于物理世界的改變所以跟硬件有關，這一塊我們看到了像特斯拉推出了人形機器人，但是國內的人形機器人成本下降非常快，要是將來一個人家里面買兩三個人形機器人用幾萬塊錢也是可以的，馬�？偰鷦偛耪劦搅松�命科技AI結合，這里有什么趨勢，您認為個方面投資窗口期紅利期多長?

　　馬睿：首先對于AGI，現在大家認為它是下一次科技革命的開始，我們可以參照上一個移動互聯網的周期，從出現iphone到出現抖音有10年時間，因此未來十年是一個非常大的紅利期，現在只是剛剛開始，OpenAI相當于POC(Proof of concept，概念驗證)了大模型，大模型可以理解一本書、生成一張圖、生成一個視頻，未來AGI需要更加理解物理世界。

　　所以，我們有一個判斷，下一輪科技革命開始于AI，但可能不會只是純AI，還是要從AI最后回到物理世界，物理世界中的新材料、生物這些本身被AI加速，產生更大的生產驅動。我們看到了挺多機會。如果你去看美股，現在科技公司里面有五個超過一萬億美金市值的，而醫療領域現在市值最高的是禮來七千億美金。這種對比也反映出生物醫藥領域有非常多的價值埋藏，但是挖掘還沒有那么有效，就是因為生物很多問題都是特別復雜的，翻譯到數學就是高維方程，這個很難用經驗表述，我們可以設計橋梁，但是我們還做不到理性設計藥物。我們可以設計橋梁，但是我們不能設計藥物，我們只能發現藥物偶爾碰到我們發現了，但是我們從頭開始，像半導體一樣完全設計出來了。

　　而AI是最適合解高維方程的，AI的進展會使得我們有可能定量的描述和理解復雜的生物學的底層規律，從而實現工程化的生物學。Open AI出來之前，我們主要看三條線，合成生物、腦科學、AI制藥，這三個事情跟AI都有非常大的聯系。合成生物剛才其實也有嘉賓講過了，最重要的就是實現工程化，可以設計生物學，而不是逐漸試錯。AI制藥通過計算把藥做出來，而不是通過盲篩。腦科學是研究我們人腦怎樣工作的，會啟發新的計算架構。

　　最后，其實利用大模型和大模型相關的算法來賦能生物醫療，舉兩個例子大家可以看得非常清楚。一個是AlphaGo利用計算來預測蛋白結構，達到試驗一樣的準確度，這在計算方法上是從未發生過的，其實AlphaGo主要做了兩件事情，一是加了數據，把基因跟MSA(Multiple sequence alignment，多序列對比)的數據加進去了。第二就是引入了Transformer。

　　第二個例子，就是現在蛋白設計的成功率大大提高了，把算法拿到生物里面做應用得到了比較好的結果。美國有一些這樣的公司，中國也有，我們也在密切關注。雖然并非所有的生物計算都會是基于單一龐大的基礎模型完成，但是也能看到各種各樣的創新。

　　李竹：您認為是十年的投資窗口，還是非常長的投資窗口，生命科技我們原來人蛋白結構復雜性數字化做得不夠徹底，所以AI出來之后實際上對于行業范式應該有所改變，我們看到了像生命科技，像新材料、材料科學，現在新一代的AI出來之后都產生了很大驅動力?

　　馬睿：其實峰瑞之前在生物科技領域重要的投資主線之一就是生物的數據化。你要先有一些測量、傳感才能有數據去供AI學習，大模型來了之后一個很重要的話題就是怎樣利用AI來產生數據。再補充一下，因為現在對于數據要求越來越高，我們未來要在生物里面扮演這樣的一個平臺，除了高效高速產生數據的這種機器人，未來在計算層面可以產生數據，我看AGI領域也是一個熱點，就是從哪來數據，我們有沒有這些數據，還有這些數據質量，這個未來比較重要的。

　　李竹：實際上AI在生命科技里面是應用比較多的，除了剛才您提到的，像分子結構預測、藥的結構發現，還有合成生物學里面的酶，酶這個東西本來有知識產權，但是通過AI可以做新的設計也是產生了很大項目?

　　馬睿：對于合成生物學來說，在元件層面做一些設計，在未來通路層面做一些設計，才能真正的實現把合成生物學類比成，把一個生物類比成半導體可以真正的做設計，我覺得可能我們會有20家一萬億生物醫療的公司，九十年代最高市值是做出來減肥藥的公司。

　　李竹：我們看到生命科學領域融資比較低迷，AI會不會對這個現象有所改變，或者推動產生新的一波浪潮?

　　馬睿：我覺得還是需要時間，因為整個行業本身也正處于復蘇進程中，且內部各板塊表現不一。例如，這兩年中國的合成生物領域雖然每年的融資情況相對穩定，并未受到過大影響，但也呈現出從峰值逐漸回落的趨勢，相比之下，創新藥領域受到的影響更為顯著。AI制藥領域同樣具有周期性特征，上一輪熱潮幾乎到達了一個高潮，數百億的市場資金投入其中，我們投資的部分項目也正在進行申報，有的甚至接近上市階段，以及其他企業的投資項目也處于退出過程中。

　　正如先前發言嘉賓所言，大家都對AI領域的商業化進展略感不滿，因為AI制藥、自動駕駛技術未能如最初設想般帶來實質性的藥品產出，或達到理想的自動駕駛水平，AI影像技術也尚未能全面替代醫生的角色。不過，此刻技術正在向前迭代，有點類似螺旋式上升，盡管當前商業化的落地應用還不明晰，但可以觀察到此次與上一輪熱潮有所不同，可以看到不全是泡沫，或者是一個概念的東西，現在大家相信了，未來可能對于生物醫藥融資有所帶動。

　　李竹：請歐陽總介紹一下，在AI領域你們怎樣考慮?

　　歐陽濱：現在“擁抱AI”已成為一個廣泛共識，在產業發展的各個領域都能夠被AI賦能，各行各業應該說都AI化了。我認為，AI既然是一場變革，其影響應該更加持續深遠，存在著巨大的投資紅利期、窗口期。

　　首先，整個這個AI化全鏈條，就是每個環節每個領域，首先大的角度來講全鏈條都是投資機會，包括算力、算力基礎設施、數據處理以及應用層面。作為一家平臺型公司，我們首先是基金投資公司，若按幾個主要階段劃分，我們在算力基礎設施硬件領域已有布局，例如國產替代化，涵蓋了前端芯片及部分智能物聯網芯片公司。

　　其次，在算法技術層面，無論是當前熱議的“百模大戰”，還是行業級大模型，我們不僅在廣州本地，也在全國范圍內進行了一系列投資。此外，應用層的投資同樣備受關注。

　　總體來看，當前AI對整個產業鏈的影響是全面且深入的，鏈條布局也是比較開，感覺上面有幾點，前面大的投資尤其硬件GPU國產化了，包括“百模大戰”的確需要大投入，未來可能形成頭部企業的集聚。

　　我們現在越來越關注前端機會，現在也在建這樣一些算力基礎設施，包括作為一個城市發展產業的基礎設施，城市運行包括公共算力基礎設施，作為國企也在投入，所以為城市的大模型底座，包括一些硬件的廠商也可以提供一些機會，帶來一些應用場景。

　　再次，重在應用。人工智能賦能各行各業現在剛剛起步，每個人對于人工智能都有非常多的想象。在這個大環境下，可能即將迎來一場新的革命，這個過程我們是必須投入的。

　　各行各業是百花齊放的局面，如果結合我們自己廣州的優勢，一定是從優勢的產業當中率先產生，廣州的“造車健城”，圍繞著幾個主賽道發展人工智能的應用，造是先進制造，車是智能駕駛，健是生物健康，城是城市運行，這樣的行業大應用可能形成率先突破，廣州我們連通政府部門包括專業機構，去年評選了一百個人工智能場景，80%是來源于這幾個賽道，這種場景越來越豐富了，所以我覺得既有業績又有流量還有應用的產品更容易跑出來，產品的形態可能軟硬件結合在一起，面向行業、面向低端，以及這樣幾個領域可以提供真正形成行業上面率先的變革跟應用，我覺得這一塊是應用導向上的一個投資的機會。

　　同時，我們要關注的幾個關鍵要素包括：擁有扎實的數據基礎、廣泛的應用基礎以及卓越的產品開發能力，我們將重點關注這些主要應用能力所帶來的投資機遇。

　　李竹：您剛才談到了基礎設施，我們也知道實際上基礎設施的投資非常大，要建一個計算中心，像大一點的都要幾十億，所以我想這一塊是不是國資有更大的優勢?

　　歐陽濱：跟其他的專業股權投資機構不一樣，廣州基金是產業投資平臺，我們從產業的基礎到上面承載著產業到城市的運行，到產業的布局，到具體的股權項目，可能對于國企平臺來說一個方面更加有優勢。第二，這也是區域經濟發展的一種要求，面向人工智能我們去迎接這個浪潮，有專門的這種板塊去投資偏基礎設施內容東西。

　　像剛才所說的幾個鏈條，事實上想圍繞著人工智能產業打造一個生態，從算力的基礎設施，到應用創新的中心，再到產業的導入、資本的賦能、產業的孵化，我們想形成這樣的一個生態，所以我們也有專門的新基建板塊，不同類型的基金在投入，我們跟一些大模型合作，選擇一個人工智能發展跟城市人工智能運行的底座，之后在這個上面孵化，形成一個生態。

　　李竹：您剛才提到了應用，我們知道廣州基金在汽車產業鏈投了很多公司，汽車產業也是廣州的一個非常重要的一個產業，在這個方面，能不能給這些創業公司提供一些應用場景，像剛才提到了車上的大模型應用智能性的交互，在這個方面跟創業公司合作，能不能跟他們做一些賦能的事?

　　歐陽濱：汽車產業是廣州的支柱產業，廣州基金對廣汽集團全產業鏈進行布局投資，包括上市公司廣汽集團、其前端的研發企業及產業鏈上的供應商，尤其是廣汽體系孵化的企業，如電池超充企業，圍繞廣州汽車產業，我們的投資比例和鏈條覆蓋度都是非常大的。每個創業公司的成長、每個技術成果的出現都要依附或服務于產業鏈條。作為區域性的產業投融資平臺，我們在投資布局上會有一定的優勢，能夠更快、更近距離地高效融入到當地的重點產業上，圍繞產業鏈進行金融賦能。

　　李竹：下面我們有請泰達張鵬總介紹一下，您這個半導體跟基礎設施算力密切相關的?

　　張鵬：我們投資半導體方向更加側重于底層基礎算力硬件，這個是AI上層建筑的基石，應該是整個AI行業最先發展的方向。整體上我們是這樣看AI行業的，AI其實跟歷史上前幾次的工業革命很類似，都是先提升生產力，進而提升效率，再變化生產關系或生產方式做最終的價值提升。

　　AI一開始賦能各個行業，把人的效率極大提升，這個期間是以人為主。而AI相對終極的發展是改變生產組織方式，把以人為中心的生產方式轉變為不以人或少依賴人為主的生產方式，進而把人從生產過程中抽離出來，進而得到更大的價值提升。從這個角度去看，包括歷史上幾次工業革命的驗證，我們不用懷疑AI價值，它的價值會持續很長時間。

　　但我們也要關注到現階段AI行業所面臨的一些問題和挑戰，如人工智能還不太“智能”、應用還需要大量優化，算力需求和硬件技術、軟件算法供給的不匹配，大量算力對能源巨大的消耗等問題，但這些都阻擋不了AI的前行。

　　從半導體投資的視角，我想用三個一萬億的數據從側面說明AI行業的發展前景。

　　一是到2030年，整個全球半導體市場應該達到一萬億美元，雖然面上看上去不算很大，但是半導體是一個基礎行業，它是很多行業的基石，所以這個底座還是比較大的，近幾年整個全球半導體行業可能也就六七千億美元，到2030年會來到一萬億美元。目前半導體收入占比最多的是消費、通訊、汽車等，但是到2030年，預測占比構成最大的需求是高性能計算，預計會達到40%，這個結構變化和整體的增長，證明AI行業的空間是很大的。

　　第二個一萬億，是整個我們大語言模型發展，從初代的1億量級的樣本參數到現在一萬億量級的樣本參數，這幾年樣本參數的快速增長，推動我們的大模型越來越智能，數據量的快速增張造成對基礎算力硬件的需求會越來越大。

　　第三個一萬億，整個半導體技術的演進方向是比較清晰的，從目前的FINFET到Nanosheet、CFET，技術演進可以帶來單位面積算力成倍提升，功耗顯著降低等好處，進而支持AI未來十年的底層硬件技術發展，當然這還遠遠不夠。單位面積算力提升面臨技術實現和能耗降低的持續挑戰，但算力需求確實巨大的，當前單芯片上的晶體管數量約為一千億個晶體管，但我們通過采用先進的封裝技術，能夠在單個算力單元內實現一萬億個晶體管的集成，所以必須有效結合新的半導體制造工藝和先進封裝技術來實現解決好算力和需求的供需矛盾關系。

　　這是在未來十年內可以預見的技術發展趨勢。除此之外，還有很多新興的計算形式、算法模型、傳輸存儲方式，甚至包括能源結構的變化，這些新的技術都將可能逐漸打破現有的格局，創造出新的投資機會。這就是我們從宏觀角度對AI的理解。根據這一認知，我們需要構建一個有效的投資組合，并將其合理分布在時間軸上，這是我們對AI領域投資策略的一種考量。

　　李竹：您也投資了一些專注于訓練的芯片公司，請問怎樣看待半導體對于訓練的這些芯片還有推理芯片在投資上的看法，您覺得哪個更有投資價值?

　　張鵬：AI芯片最典型的應用是訓練和推理，行業的代表公司就是英偉達，他們已經來到了兩萬億美元市值，從市值來看英偉達已經遠遠超過了英特爾，這個是AI應用推動的一個變化趨勢。

　　從投資角度看，我們必須評估技術路徑的可行性及價值。在AI計算領域，當前存在多種技術路線，雖然CPU也可用于計算，但在對transformor模型的計算上其效率遠低于GPGPU，谷歌的TPU等技術同樣致力于提供計算加速。我認為選擇投資的技術應具備較長的生命力，一個技術要有較長的生命力，就必須同時具備技術可行性、產業鏈支持和應用生態豐富這三個要素。例如英偉達目前作為AI硬件技術的行業領導者，其構建了CUDA生態，為AI賦能各行各業做了大量實質性貢獻。在過去的十年里，GPGPU技術的發展路徑清晰可見，得到了產業鏈的有效支持，構建豐富的應用生態環境，我認為GPGPU技術是目前的主流技術之一。

　　從這個角度來講肯定選擇去投資一個GPGPU的公司是一個對的方向。但如何選擇對的賽手，涉及的問題比較復雜。我想提到的一點就是投資GPGPU的這個技術路線有一定的時間窗口和約束條件，需要一定的抗風險能力。如果看好這個方向，這個方向的投資特點就是高風險高收益。

　　李竹：現在我們最近看到二級市場，像除了英偉達像AMD、英特爾等等，包括半導體材料設備還有應用材料這些公司股票大幅上漲，而且市盈率很高了，你認為中國半導體市場會因為AI帶來一個很大拉動嗎?

　　張鵬：我們確實也在思考這個問題，以前我們做半導體投資大邏輯是國產替代。之前業內有個普遍說法是半導體在美國是一個傳統行業，但其實我們現在觀察很多美國的半導體公司市值并不低。所以這里我們可以看見，像很多之前被我們定義為互聯網或電子消費品企業的公司，現在其實有了更強的半導體屬性，像谷歌、蘋果、亞馬遜這樣的世界級大公司都在布局自己的芯片業務，而AI將無疑是助推這一轉變的關鍵要素。其實AI應用出來之后，把半導體和下游的應用的邊界模糊化了，把軟件和硬件的邊界也大模糊化了，雖然行業格局有了變化，但這其實是好的發展，因為整個行業有了很多的協同，打破邊界意味著快速的技術迭代、資源優化、整個AI行業將像催化劑一樣加速并引爆上述行業的發展和變革，對于半導體來說這無疑拓寬了邊界，增加了新的機遇，對于投資半導體專業機構來講，也意味著新的機遇正在來臨。所以我相信在AI的帶動下，中國半導體公司的估值將有更大的空間，具備真正AI能力的半導體公司將向美國同類公司看齊。

　　李竹：AI也會對半導體行業帶來利好，我們看到兩個比較簡短的問題，第一個每家投的，雖然方向不一樣，但是肯定有自己的今年重點投資跟AI相關的一些細分方向，每個人簡單說兩三個，你們細分方向上面AI持續投資你們投什么?

　　張鵬：AI方向上面，我們從技術角度來講一個是算、一個就是傳，單芯片算力密度提升速度已經不能不支撐現在的快速增長算力需求，所以我們要算的快，也要傳得快，在高速數據傳輸領域有很多投資機會，我們也會關注這個方面。

　　李竹：歐陽總今年AI有沒有布局想法投什么重要方向?

　　歐陽濱：主要的就是剛才所說的，最終的就是一個行業應用，我們會更加看重最終的應用。第二，就是投早投小，投一些顛覆性創新的技術。

　　馬睿：我們主要兩個，其中一個跟光相關，光電混合的。因為未來要考量的因素是三個，計算算力、內存、帶寬。未來越來越要求傳輸跟內存，其實峰瑞資本投了很多光模塊、光引擎，也投了光計算。另一個我們今年會繼續關注AI制藥2.0，例如蛋白設計的公司。

　　陳維廣：我們去年主要是大模型人工智能，今年可能關注基礎設施，也是類似的思路。光這一塊，因為傳輸還是相對來說比較重要的，隨著參數的增長比較重要。另外一個就是能源有關的，我們前年投了一個核聚變有關的企業。接下來如果算力要求越來越大，只靠低成本的傳統能源不一定支撐得了，我們也在看是不是還有一些不一樣的技術。

　　李竹：從英諾的角度來講，首先我贊同各位提到的，跟算力基礎設施相關的，這個方面其實中國跟美國比還是有一定的差距，不光是芯片，其實也包括了整個互聯的這些高速交換，還有包括像算力效率提升等很多這些軟件方面，其實都是還是很多的機會。

　　第二，在數字世界里面主要是能夠推動大模型落地，因為大模型大家過去的概念就說，我提一些問題，我生成一些東西，實際上一旦介入流程可以應用，這是我們重點關注的方向。

　　第三，具身智能包括通用能力的機器人方面，工廠和家庭是重點的場景。

　　最后一個問題我想問大家，大家對于AI現在改變我們的現實世界，改變這個數字世界，你們認為在幾年之內對于中國有一個明顯的改變，是三年之內，還是五年之內，每個人預測一下?

　　陳維廣：我個人看法，中國在AI輸不起，或者說得更加極端一點，追趕如果差距太大的話，這個牽扯到生產利潤，所以我覺得改變應該是會比較明顯的，就像移動互聯網一樣，因為它是一個比移動互聯網更加泛化的技術，這個改變會來得很快，只不過說各行各業滲透可能不一樣。從咱們IT行業或者生產行業相對來說比較不一樣，這個泛化隨著算力、算法能力的提升越來越更加通用，我們投資人這邊也有不同的思路，有些人說我應該投泛化的算法，有些說投應用，可是不知道大家有沒有體會，每次Open AI宣布他們升級的時候，一堆做應用的就全部消滅掉了，這個泛化能力是不是可以持續的放大，可能是一個預期，這個有一點像每次升級可以把應用變成完全沒有競爭力。隨著能力的快速上升都會影響到每個人。

　　李竹：中國三年還是五年?

　　陳維廣：這個比較難回答，我們圈層里面應該兩三年變化很大了，可是具體傳導到大眾生活場景我覺得可能五年，就像當年移動互聯網，2008年蘋果手機第一次推出來的時候，我們還說地理位置，當時想地理位置會用到地圖，可是逐漸地演變就是用到了外賣、打車，所以這個現在我們很難去完全判斷結果，我覺得一定會影響到我們每個人。

　　張鵬：在AI行業應用中，垂直行業應用場景需求更加明確，發展會快一些。通用AI潛力更大，但在很多地方還需要完善。整體來看，我認為AI行業目前正處于一個積累突破階段，類似于冪指數曲線，目前處于斜率較為平緩的階段，一旦突破其行業發展將越來越快速，斜率將越來越陡峭。至于這個積累蓄力階段會持續多久，確實難以精確預估，但推測不會太短暫也不會太長久。

　　李竹：如果一定讓您選一個?

　　張鵬：可能需要8到10年去積累突破，再往后越來越快。3年內AI在垂直行業應用會陸續有突破，而我們狹義上理解的通用AI可能會需要更長時間。

　　歐陽濱：實際上，整個影響力以及人們的期望感受已逐漸發生改變。從全國范圍來看，大規模算力基礎設施的建設堪稱我們的強項，也是中國的突出優勢所在。從整個推動應用的角度來說，各行業的智慧也是無窮的，所以我可能更加偏向于樂觀一點，我想三年會有一個比較明顯的感覺。

　　馬睿：要說AI對現實世界的改變，海內外是有差異的，美國從0-1強，但是產業存在一定程度的空心化，中國創新上還需追趕但是我們有最全的產業鏈。對美國而言，預計在接下來的三年內可能會有較大變化，原因是在芯片、模型上都比較領先，也做出了ChatGPT這樣to C的應用。對中國而言，未來3-5年，我們需要加快步伐，追趕先進技術。一旦AGI成為了基礎設施，放在8到10年的維度，由于AI的驅動，我相信中國在智能制造、生物制造、半導體等領域的面貌將發生根本性改變，并有可能超越美國。

　　李竹：非常有意思的問題，這個問題普華永道在美國企業家里面做過調查，大概35%的人認為三年之內，更多的人，三分之二的人認為五年之內會對美國經濟產生一個巨大影響。實際上，不管三年還是五年都是一個不長的時間，所以我們其實看到了美國這些投資人都在大力地投資AI相關領域。這一波AI帶來的經濟增長帶動可能大家現在沒有想象到的，所以我想我們也拭目以待，我們在座的各位也會在AI方面做更多的投資，我們也希望大家都能夠投資成功。謝謝!