投资底层模型还是投资应用，过去一直是大模型投资的经典争论。大模型出来已经两年了，现在这些应用发展的到底怎么样？ 在寻找大模型的落地场景的时候，以埃森哲为代表的咨询公司成为了 AI “卖水人”，成为在这轮生成式 AI 浪潮中最赚钱的公司之一。根据埃森哲 2024 财年的财报，由生成式 AI 带来的新增订单金额已达 30 亿美元。在国内，字节、阿里和智谱等基座大模型供应商也扮演了类似的角色。 本期《硅谷 101》我们邀请了大模型领域的投资人和创业者，探讨大模型应用落地的挑战，以及尝试从 “人工智能” 的定义出发，聊聊投资人眼里应用类公司的核心竞争力。 【主播】 泓君 Jane，硅谷 101 创始人，播客主理人 【嘉宾】 邱谆 (Jonathan Qiu)，华映资本海外合伙人 翟琦 (Keith Zhai)，AgentQL (https://www.agentql.com/) 联合创始人 【你将听到】 大模型应用之困 05:09 创业者心态：范式革命到来时不需要思考要做什么，只需要开始做 08:45 投资人心态：纯应用没有护城河，需要垂直整合底层模型 11:29 创业公司商业化掣肘：有没有私有化的数据？ 14:32 缺失的中间层：大模型时代的操作系统尚未出现 17:40 模糊的边界：回答问题的是底层大模型，还是上层的应用？ 18:33 Notebook LM 和 Perplexity：短期靠产品力，长期靠数据和底层模型 24:10 “所有应用公司最后都会去拼自己的模型” 26:25 市场上的两类公司：赚钱的公司与投资人眼中的好公司 28:25 重新理解人工智能与三个关键人物：Alex Krizhevsky，李飞飞，吴恩达 35:49 获取数据是互联网领域的脏活儿 45:33 创业公司如何跟 OpenAI 拼底座训练：聚焦在垂类 49:12 Devon 的教训：“见光死” 应用遍地都是 50:46 大语言模型的另一个幻觉：误把生产工具当成了生产力本身 52:29 多模态产品的护城河：不依赖通用的底座模型 “埃森哲们” 的挣钱之道 54:51 美国公司的 AI 应用：吆喝大，落地少，有事先找咨询 57:05 基础建设不完善让埃森哲吃到大量 AI 红利 01:02:13 “埃森哲杀不死埃森哲”：脑力密集型公司很难转型成功为中间层 01:04:17 如果某个基层建设环节能实现交钥匙工程，整个生态就会被打开 01:14:14 做基础模型的公司也会抢埃森哲的生意 01:17:12 RAG 和微调的数据悖论：数据越多反而越难算出答案？ * 数据说明： 56:06 此处嘉宾提到的 “埃森哲营收” 应为 “由生成式 AI 带来的新增订单金额”，具体数据请参考埃森哲财报 (https://investor.accenture.com/~/media/Files/A/Accenture-IR-V3/quarterly-earnings/2024/q4fy24/accenture-reports-fourth-quarter-and-full-year-fiscal-2024-results.pdf) 【监制】 杜秀 【后期】 AMEI 【BGM】 Cold and Blue - Roy Edwin Williams Looking for Sisters - Daniel Fridell 【在这里找到我们】 公众号：硅谷 101 收听渠道：苹果｜小宇宙｜喜马拉雅｜蜻蜓 FM｜网易云音乐｜QQ 音乐｜荔枝播客 海外用户：Apple Podcast｜Spotify｜TuneIn｜YouTube｜Amazon Music 联系我们：podcast@sv101.net Special Guests: Keith Zhai and 邱谆.