我们正身处一个通用人工智能（AGI）崛起的时代。大模型的涌现，让我们看到了 AGI 呼之欲出的曙光。
互联网时代核心是「编码」，依靠供需两端流量的聚集，对生产要素进行重新分配，解决的是标准化服务的低成本实现；
AGI 时代的核心是「建模」，依赖个性化的数据聚集，精准建模，对供需关系精准匹配解决的个性化服务的低成本实现。
这意味着，长线来看，AGI 所带来的是一个前所未有的机遇，一个可能颠覆各行各业、改变未来格局的转折点。在未来，不仅有可能长出来只有一个员工的独角兽公司，也有可能长出远超今天科技巨头的「超级操作系统」。
但在经历了前几年的投资狂热后，投资者们开始更加审慎地看待创业项目，对盈利模式、技术成熟度、市场前景等要求更为严格。对应用层创业者而言，融资难是创业者普通的体感。
事实上，这并非是因为投资者对 AI 的长线价值失去了信心，相反，他们对于 AI 技术的潜力和前景依然抱有极高的期待，只是资金对于回报的倍数与周期有要求，与当前 AI 领域的高风险、长周期特性不完全匹配。
在这样的大背景下，我们希望对当前的 AI 领域投资状况进行深入的分析和报道，希望为广大的开发者和提供一份有价值的参考。
Founders Summary
经过 Founder Park 研究中心对于一线创业者、投资人的多方访谈，对国内外公开信息的研究，我们认为：
1. 投入到应用的钱或比想象的多，新的资金主要来自于：未能投入到大模型公司的资金、大模型公司市场教育吸引到的新资金、部分有公司职务的高净值人群。
2. 大模型头部公司或成新投资方；短期内互联网战投、A 股战投的钱还不太会直接投资到应用层。
3. 美元投资的是带有模型能力的应用，人民币投的是带有产业能力的应用；应用层公司能拿到投资的逻辑：对标美国主流赛道、主打中国优势能力、快速迭代自身 AI-Native 能力。
4. 美国知名应用的早期投资也来自于非知名基金，非明星创业团队可以考虑一些非知名投资机构。
5. 资本市场的转折点：达到 1 亿 ARR 还是千万 MAU 的产品。
6. AI-Native 应用时代，用户的价值更高，但获得用户的成本也会更高，因此应该将考低成本储备用户列入日程。
7. 不能低估 2023 年全球「AI」自然流量增长对产品增长的带动，不能高估 2023 年 AGI 相关技术对 AI 产品增长的价值。
8. 当前 AI+ 应用仍是主流，AI-Native 应用的 TMF 周期可能会高于预期；Web 端阶段性更适合新锐 Gen AI 产品，移动端暂时可能更适合ROI生意。
9. 需求端高频变化的场景才是 ToB 新创公司的机会，低频变化的场景更适合老玩家。
10. 大模型技术能力是成为独角兽公司的必备要素，但如果公司目标不在于资本市场退出，更应该考虑快速试错迭代。
01
投入到应用的钱或比想象的多
新的资金主要来自于：未能投入到大模型公司的资金、大模型公司市场教育吸引到的新资金、部分有公司职务的高净值人群。
随着大模型公司估值的快速上升到 20 亿美元以上，许多机构原本预留给模型公司的投资资金可能无法如愿投入。这部分资金很可能会转向 AI 应用的投资。Founder Park 与多位投资人、FA 交流中，曾获得了类似的信息。
2024 年初，Sora、Mistral 等重量级模型先后发布，加剧了 AGI 模型层市场的竞争。不论是模型层，还是包含了自研模型业务的团队，都加强了市场教育、投资人教育的投入，以竞争稀缺的资金和资源。
应用层作为模型层的下游，也会因此受益——商业层面，Sora 为代表的多模态模型，不仅拓展了 AI 的技术边界，更为大量开发者提供了新的创新空间、商业可能性；资金层面，模型层的市场宣传也会为应用层带来新的资金增量，但这些增量资金未必会直接投向高风险、长周期、现在仍受到质疑的模型层。
此外，一些有公司职务的高净值人群很可能会成为应用的投资方。虽然当前股市处于低点，但是不少上市公司账上有大量的现金，并稳定的产出每年过千万元甚至数亿元的理财收入，有投资、并购的考虑。其中一些公司可能会成为重要的投资方，如根据公开资料及水下行业信息，文娱公司、消费公司等在 AI 领域积极布局。
但这类公司的投资决策周期很可能会超过 6 个月，且当前的 AI 应用普遍都处于前两轮融资阶段，资金需求量都在千万级别，因此，很可能会吸引部分有公司职务的高净值个人先进行投资。
此外，在我们近期的访谈中，我们也发现，一些融资能力相对较强的公司，也在计划以老板个人投资或者公司投资的形式，投资甚至并购一些小的应用开发团队，或是为了吸收新的潜力团队，或是受抖音收购 Musical.ly 最终做成 TikTok 的启发。
但是，这里也要说明下，在我们与行业交流的过程中，也会发现，目前很多投资人也会对市场上非明星创业者目前展现出来的实力和潜力存在一定的顾虑。
02
大模型头部公司或成新投资方
2024 年，AGI 的核心赛道仍然是大模型。大模型公司在 2024 年应该想办法构建自己的核心壁垒与护城河。
模型层的公司呈现出闭源化和开源化的派别之争。以OpenAI 为代表的闭源派代表，将以AI为核心，成为交互和流量入口，通过聚拢大量中小 APP，培育生态，实现「技术——Token——流量——数据」的飞轮。
以头部大模型公司为例，这个阶段，很可能需要自研一些「生态合作伙伴」、「*方应用」，实现对自己 Token 的大量消耗和反馈，因此投资或是一种可以考虑的方式。
这方面也可以参考 OpenAI。
根据公开信息，2021 年 5 月，OpenAl 启动了来自微软和其他投资者支持的 1 亿美元创业基金，投资了至少 16 家公司。此后，OpenAl 推出创业加速器 Converge，投资了至少 10 家公司。除提供资金外，OpenAl 还为这些创业公司提供了包括授权折扣、更早使用*的一些扶持政策。
当前，头部大模型公司、具身智能公司账上都有远其自身需要的现金，有能力进行投资和并购。模型公司在 2023 年的收购还是以技术投资为主，如光年无限收购一流科技，智谱收购聆心智能、投资面壁科技等。
随着模型厂商陆续公布 10 亿美元级别融资，手握大量资金，竞争日益激烈，生态上的竞争也会更加激烈。
当前模型公司的估值高于应用层公司的估值。核心赛道的创业公司通过融资获得了大量高溢价倍数的投资款，然后「低价」去投资、收购中小企业，可以获得更低成本的营收、现金流或者利润。这种策略在上一波的 AI 热潮里曾多次出现，并被验证其效果。
03
短期内战投的钱
还不太会直接投资应用层
2023 年，中国 AI 的投资领域，战投的占比还不高，多以 VC 投资为主。主要的战略投资包括了小红书投资 Minimax、知乎投资面壁智能，百度投资必优等。上市公司的投资多是以提振市值为主要目的。
2024 年，随着竞争路线图的明朗，互联网战投或进一步布局。与此同时，市场上的财务投资人已经很难提供足够的弹药，因此战投方也将成为重要的争取对象。如，可以看到，近期月之暗面的 10 亿美元新融资中，包括了阿里等战略投资人。
同时，在锁定资金的同时，很多公司也希望进一步锁定核心关键资源，战略资源投资方或会进一步加强。这是因为，大模型公司仍需要消耗大量的资金、资源，且资源具有稀缺性。为了锁定关键的资源，股权是一种理想的绑定方式。比如，英博数科投资了百川智能、潞晨科技、Minimax 等。
但是，2024 年，竞争的主赛道仍在应用层。即使是上市公司的战投，也很可能会倾向于有模型能力的应用，才能支撑相应的市值管理需求。应用层标的阶段较早，往往还需要进行大量的市场验证和产品迭代；相对体量较小，因此可能不符合这些投资者的立即回报要求。
投资方很可能选择「孵化投资」，组建团队，占较大的股比。这种方式可以确保投资方在公司的运营和管理方面具有更大的影响力，从而更容易实现其投资目标。
04
美元投资带有模型能力的应用；
人民币投带有产业能力的应用
中 美在生成式 AI 的投资上还是呈现出明显的差异。
美国市场：技术创新与 AGI 的持续关注
美国市场在 AI 领域的投资持续聚焦于技术创新，特别是 AGI（通用人工智能）的潜力。这反映了美国作为全球科技创新*的地位，以及其对颠覆性技术的高度敏感性。美国投资者倾向于支持那些能够推动技术边界的项目，以及那些能够带来全新商业模式的创新企业。
中国市场：应用驱动与市场容量的双重优势
中国市场则更注重 AI 技术的应用和市场潜力。中国庞大的互联网用户基础和多样化的应用场景为 AI 技术提供了广阔的发展空间。因此，中国投资者更倾向于投资那些能够迅速实现商业化、产生实际效益的项目。这种应用驱动的投资策略，使得中国市场在 AI 领域的投资更加务实和高效。
我们粗略盘点了 2023 年的中国金额最高的 1000 笔种子、天使轮融资，基本均是先进制造主题。对比之下，美国则是医疗健康、人工智能、清洁能源三分天下。
这一差异的形成，也与中 美在移动互联网时代形成的投资逻辑和产业逻辑密切相关。
从成熟的投资范式来看，移动互联网时代，美国的投资人在 SaaS 的投资中获得了稳定的回报，仅少量投资人在包括 Airbnb 等少数 ToC 应用中获得回报；中国的投资人在有战略意义的 C 端应用中收获回报，但投资 SaaS 模式的软件公司普遍处于未退出状态，仅有少量的投资机构在少量的并购交易中获得回报。
从资金的来源来看，中国市场的资金普遍以政府及国资背景为主，这类资金则倾向于「有产线、有营收、有利润、有就业岗位、有税收」的项目。先进制造主题则是最有可能实现「五有」的技术方向之一。
可以看到在生成式 AI 热点出现之前，中国资本市场对于 AI 的投资主要是以应用了 AI 技术的先进制造行业、ToB 应用为主。
这主要与过去几年资本市场的募资情况相关。过去几年，中国资本市场上的投资资金主要来自人民币，主要的投资主题也为人民币主题。国资和产业资本往往是这类基金的主要出资 LP。政府资金一般单笔体量较大、对于投资方向有明确要求，具备强政策属性。应用 AI 技术的先进制造产业，属于过去几年各地政府鼓励的热点。
上一波的 AI 投资热潮是出现在 2016 年，AlphaGo 大战李世石之后，中国 AI 的投资热潮基本上是沿着 CV 技术- CV 应用- 机器人-自动驾驶-AIOT 等方向延展的。
人民币基金的存续周期多为 3+2+2 模式，因此在 2018 年前后，基本进入到了上一轮 AI 投资周期的尾声。这一周期内成立的基金实际当中完成退出的还是少数交易。因此，在过去几年里，中国缺少 AI 主题的投资基金。2018 年， 2018-2020 年左右中国成立的基金多为智能制造主题，投资热点包括半导体、先进装备、新能源等。
美元基金的存续周期一般至少为 5+2+2。Transformer 是在 2017 年发布，OpenAI 是在 2018 年对外发布 GPT-1。正好在上一个投资周期的尾声。可以看到，2023 年美国创投领域知名的 AI 公司，不少成立于 2019 年之前。举例来说，Hugging Face 成立于 2016 年，CoreWeave 成立于 2017 年，Runway 成立于 2018 年，Cohere 成立于 2019 年，Glean 成立于 2019 年。
05
应用层公司拿钱的三种逻辑
如果 AI-Native 应用的 TMF 高于预期或者其他行业，那对开发者来说，就意味着需要储备更多的资金、资源，甚至提前储备更多的低成本用户。
除了自身造血，另一种方式则是获得外部融资。而且随着自然流量增长的红利阶段性消失，创业者很可能必须要考虑融资的方式和手段。
在 AI-Native 应用浪潮中，应用层公司若想吸引投资者的目光，可以考虑遵循一套这样的逻辑：紧跟全球趋势、发挥本土优势、以及展现强大的自我进化能力。换算成投资语言：对标美国主流赛道、主打中国优势能力、快速迭代自身 AI-Native 能力。
对标美国主流赛道：对于中国的应用层公司来说，选择已经被美国市场验证过的赛道进行对标，可以更容易地获得投资人的理解和认可。比如，角色扮演、Agent 等赛道在美国已经取得了成功，中国的「中国版 XX」创业故事也更容易获得关注。当然，这通常需要有模型能力的创业团队或者具备明星光环的创业团队才能更容易地实现。
主打中国优势能力：中国在硬件制造、产业链完整性、市场需求、工程能力及迭代速度、工程师人才密度等方面的独特优势，通过将 AI 技术与这些优势相结合，公司可以打造出更具竞争力和市场潜力的产品和服务。将 AGI 技术与硬件、产业相结合，也成为当前不少人民币背景基金在重点关注的方向。
快速迭代自身 AI-Native 能力：对于非明星创业者，则需要证明自己对 AI-Native 的理解和快速迭代自己的能力，以成长性获得投资人的认可。这一观点在我们的上篇研究《》中已经进行了详细阐述。
如果创业者不是「明星创业者」，那么是能否迅速形成一定程度的商业正循环，以较低融资额获得留在牌桌上的「看牌」的能力，这些产品实践足够多、代价足够小的团队特质，也是投资机构会考量的因素，因为这是他们认为创业者能否有足够的「试错机会」、是否愿意下注的前提。
06
非明星创业团队可以考虑
非知名投资机构
尽管 AI 应用开发如火如荼，但市场上可用的资金却并未呈现出大爆发态势。这种资金短缺并非*意义上的资金不足，而是指愿意投入到 AGI——这一高风险、高投入、长周期特性赛道的资金相对有限，愿意投入到 AGI 应用层开发的资金有限。
这在美国市场上亦是如此。一是体现在，2023 年下半年开始，美国 AI 相关的应用公司融资难度也在增加。一是，这一波 AI 应用的早期投资，也很可能来自于非知名基金。
当前，资本市场上相对来说比较知名的应用，如 Character.ai、CoreWeave 、Perplexity AI 、ElevenLabs 等，其最早的投资方也基本上是来自于当时的非明星机构。
这几家公司的共同股东为 AI Grand 为例，成立于 2017 年，最早向使用开源 AI 工具的研究员提供 5000 美元的投资款以及来自赞助方的服务器支持。
同一时间，成立的 AI 孵化基金还包括了 AI2 Incubator 的种子基金。
可以看到，去年完成融资的一些非明显创业者背景的 AGI 相关公司，其投资人也是来自于非知名基金。当前中国市场上还缺少类似于 AI Grand 这样早期的「捐赠基金」。对于国内的应用层创业者来说，融资的难度也会进一步增加。
非明星创业团队可以考虑一些非知名投资机构。
07
资本市场的转折点：
1 亿 ARR 或千万 MAU 的产品
从 2023 年的公开信息来看，AI 应用的投资并未达到预期的繁荣程度。这主要是受市场情绪的影响。年中，由于缺少重磅的技术与新闻的刺激，投资热度也有所下降。
大模型不仅扩展了 AI 应用的上限，更展现出了前所未有的泛化能力。在投资 AI 应用方面，各大机构已基本达成共识。大模型技术相较于上一代 AI 技术，其显著优势在于更广泛的适用性和更强的泛化能力。这使得投资机构有理由相信，在更多的应用场景中，都有可能获得可观的投资回报。
这与上一代 AI 投资的情况形成了鲜明对比，当时只有少数机构能够成功投资到特定场景的早期赛道，并最终实现盈利。
Founder Park 与多位投资人、FA 交流，普遍的看法也是，2024 年投资人普遍看好的 AI 主题仍然是AI 应用、先进制造（其中的具身智能方向、AI+硬件方向等）。
但对于是投资 ToC 还是 ToB 的应用，投资机构当前仍存在选择上的倾向性。不过，这并非影响投资决策的关键因素。真正的挑战在于，如何以合适的估值价格投入，从而确保投资的回报。
市场的转折点可能会随着某个具有标志性的产品的出现而到来。无论是达到 1 亿 ARR 还是千万 MAU 的产品，都将有可能带动整个市场的投资热情。这样的产品不仅证明了 AI 应用的市场潜力，更为投资者提供了明确的投资方向。
但即便在这样的市场环境下，投资机构的投资标准也不太可能发生根本性的变化。过去那种依赖于「大事业、大故事」的融资模式已经逐渐失效。取而代之的是，投资者更加看重创业者的实际产品 Demo 以及 PMF（产品市场契合度）的验证。
08
AI-Native 用户价值更高，
但获取成本也会更高
互联网时代核心是编码，解决的是标准化服务的低成本实现；
AGI 时代的核心是建模，解决的个性化服务的低成本实现。
这也是未来 AI-Native 应用很可能的方向。
AGI 时代的「超级应用」对个人进行建模，并针对性的提供个性化服务。因此，今天的各类服务很可能就变成了 AGI「超级应用」背后的「供应链」。
「编码」最重要的是流量，依靠供需两端流量的聚集，对生产要素进行重新分配；
「建模」最重要的是数据，依赖个性化的数据聚集，精准建模，对供需关系精准匹配。
这意味着 AGI 时代的 LTV 一定是更高的，用户及其背后的数据变得更加值钱。AGI 时代的技术进步使得应用能够更深入地理解用户需求并提供更个性化的服务，这种个性化服务不仅提升了用户体验和付费意愿。
在 AGI 时代，用户在使用过程中产生的数据不仅可以帮助应用更好地理解用户需求和行为习惯，还可以用于训练 AI 模型以提升应用的智能水平。
移动互联网时代最疯狂的时代，一级市场给到 To C 应用估值，往往是按照可变现 DAU 进行估值，每可变现 DAU 估值在 150-200 美元左右。如果 AGI 时代伴随资本泡沫，AGI 时代很可能会给予更高的单用户估值。
AI-Native 应用往往需要达到一定的用户数量才有机会形成口碑传播。AI-Native 应用的核心价值在于其智能化、个性化的用户体验。这种体验往往需要在用户实际使用过程中才能充分体现出来。因此，只有当应用拥有一定数量的活跃用户时，才能形成足够的用户反馈和数据积累。这意味着AI-Native 应用需要想办法低成本积累用户。
在 AGI 时代，对于用户（即流量）的竞争，很可能会因为其对业务更必须、背后价值更大，竞争更为激烈。因此，如果信仰 AGI，这个阶段可以考虑低成本储备更多的用户。
Founder Park 研究中心了解到，市场上已经有一些资金杠杆率较高的玩家，开始考虑低价收购一些小的团队，部分原因是为了提前储备一些用户。
09
不要「过度」期待
AI 热点和能力对产品的价值
不能低估 2023 年全球「AI」自然流量增长对产品增长的带动，不能高估 2023 年 AGI 相关特性对 AI 产品增长的价值。
2023 年有价值的 AI 产品普遍获得了增长，并不完全是因为 AGI 相关技术带来的产品性能的提升，全球 AI 自然流量增长的助力也不容忽视。
根据谷歌趋势（Google Trends）的数据，2022 年 12 月份开始，AI 相关的全球关注热度开始提升，5 中旬开始达到高点，此后基本维持在高位。因此，上半年可以看到很多增加了 LLM 或者其他 AGI 性能的应用用户量及 ARR 快速增长。
AI 的全球关注度带来的流量提升，在 AI 技术的普及和应用过程中，起到了不可忽视的推动作用。根据 A16Z 在 2023 年 9 月发布的报告，2023 年 1-6 月份流量排名前 50 的大多数 AI 公司都没有付费营销（至少，SimilarWeb 能够归因），大部分公司通过 X、Reddit、Discord 和电子邮件「可获得」大量免费流量，以及口碑和推荐增长。
随着全球范围内对 AI 技术的关注度不断提升，越来越多的用户开始主动搜索、了解和使用 AI 产品。这种自发的用户行为带来了大量的自然流量，为 AI 产品的增长提供了有力的支撑。
AI 的自然流量主要受行业大事件影响。2023 年 1-5 月的热点事件基本都是「重磅新闻」。如，1 月，ChatGPT 日活用户过亿，OpenAI 获得微软 100 亿美元投资；2 月，Google4 亿美元投资 Anthropic，发布 Bard ；微软发布 Newbing, Meta 发布开源的 Llarm；3 月，OpenAI 发布 GPT4，百度发布文心一言，Midjourney 发布 V5，微软推出 365 Copilot，Runway 发布 Gen2 , 马斯克参战大模型；5 月，Geoffrey Hinton 从谷歌离职，ChatGPT IOS APP 上线。进入下半年，基本上海外大厂的对外动作趋缓，重大事件主要包括 Claud2 发布、OpenAI 宫斗，但关注热度并未超过上半年。
相比于海外市场，国内市场的关注度变化则呈现时间上的差异性。
国内的 AI 热度则是在 Q4 左右才呈现比较明显的增长趋势。根据百度指数的数据，国内 AI 相关的关注热度是在 9 月份开始大幅增长。
关注热度同样来自于行业热点事件拉动。8 月 31 日，国内 11 家大模型通过备案。9 月，百度、腾讯、阿里三家大厂分别开源大模型；10 月，百度召开世界大会；11 月 OpenAI 宫斗和 Pika 融资都在国内引发巨大关注。进入 2024 年，包括 OV、小米、华为、三星等手机厂商加码 AI；2 月开始国外 Sora 发布被频繁报道，也拉动了国内的关注度。
Founder Park 研究中心近期从市场上了解到，一些应用都已经出现了增长乏力，并在研究高 ROI 的市场投放策略。
此外应该关注，近期在全球，诸如 Crypto、BTC 等相关的流量也在增加，有可能也会分流部分 AI 相关的热量或者热度。
10
AI+ 应用仍是主流
当前市场上热门的 AI 应用，可以看到 AI+ 应用为主。
以 AI 产品榜 2 月出海榜的数据为例，排名前 20 的应用中，大多数是 AI 图片编辑软件。利用生成式 AI 能力的则是少数。结合 A16Z 近期发布的生成式 AI 应用排名中的数据，两者的交集应用并不多。
AI+应用注重的 AI 技术集成，是 AI 与现有系统的融合，优化的是既定产品的效率与准确性；
AI-Native 应用注重的 AI 性能的发挥，是 AI 驱动的全新应用构建，重塑的是服务流程的个性化与智能化。
在 AI-Native 应用中，AI 技术不再是简单的附加功能，而是应用的灵魂和驱动力。如上文所说，AGI 时代核心是建模，解决的个性化服务的低成本实现。
开发者应该充分利用这样的特性。根据 A16Z 在 2024 年 3 月发布的最新 Gen AI Top50 流量榜单，目前基本都是利用了大模型生成式、助理式、代理式的能力。目前来看，web 端的热门应用分类为内容生成及编辑、图片生成及编辑类应用，占比高，基本都是利用了这波大模型的生成能力；移动端的热门应用分类中教育类应用是特色应用分类，则充分利用了大模型的个性化能力。
事实上，可以看到AI-Native 的应用的研发热情、发展增速低于市场预期，也低于很多投资人预期。主要是因为AI-Native 的应用，PMF 的周期要高于预期，也高于其他很多行业。
由于 AI 技术的前沿性和创新性，AI-Native 应用往往需要在市场中寻找新的用户群体、定义新的使用场景和建立新的商业模式。这需要大量的市场调研、用户反馈和产品迭代，以逐步明确产品的市场定位和价值主张。这种市场探索性使得 AI-Native 应用在达到产品与市场契合的过程中需要更多的时间和尝试。
以 Character.AI 类角色扮演应用为例，某种程度上是网文 2.0 产品，而非单纯的社交产品。要找到 PMF，需要对用户、技术都有足够的了解。
AGI 相关技术成熟度是影响 AI-Native 应用 TMF 周期的因素之一。过去一年，部分人高估了 AGI 的能力，设想了一些 AI 应用或者功能，但最终发现当下的技术并不能满足需要。
11
移动端可能并不是
初创公司最理想的切入点
对于已经拥有成熟商业模式和变现途径的公司来说，移动端可能是一个更为适合的平台，有利于提高用户的活跃度和粘性；对于 AGI 初创公司来说，移动端可能并不是最理想的切入点，这主要是因为 AGI 产品当前的资本效率可能还不够高，以及研发部署成本相对较高。
3 月 14 日，持续追踪 Gen AI 的 A16Z 发布了最新的应用排名。此外，此次的研究也首次发布了移动端 APP。一个值得关注的趋势是：此次的 Web 端应用排名中，有 40% 的公司是新上榜公司。反观移动端，很多项目则是来自于大公司或者老应用。某种程度上也是这个趋势的证明。
移动端在商业模式和变现途径上已相对成熟。例如，移动广告、应用内购买、订阅制等模式已被广泛接受和应用。AGI 初创公司在商业模式和变现途径上可能仍在探索阶段，难以在短期内实现稳定的收益。AGI 技术的复杂性和前沿性，使得其应用场景和用户体验可能难以在当前的移动端环境中得到充分体现。同时，AGI 技术的研发和部署也需要大量的资源和时间投入，这对于初创公司来说是一个不小的挑战。
因此，这个阶段，对于 AGI 初创公司来说，移动端很可能并不是最理想的切入点。
但这名不是*的，随着技术的不断进步和商业模式的创新，未来移动端可能会逐渐变得更适合 AGI 初创公司的发展。
此外，基于此衍生的值得思考的问题是，初创公司如何低成本的获得初始的用户及流量。
12
需求端高频变化的场景
才是ToB 新创公司的机会
ToB 市场往往是「后发优势」市场。
逻辑上来说，首先，受摩尔定律影响，芯片等算力成本每 18 个月降一倍；其次，产品的追赶门槛往往是 6 个月，技术+产品的追赶周期往往是 6-9 个月，市场上很可能出现至少 5 倍以上的竞争对手，产品或者服务的价格会至少有 5 倍以下的降低；再次，其他竞争对手很可能已经验证了应用技术的效果。这意味着，对客户来说，每晚一年应用同样的技术，成本就有可能低至少 5 倍以上。
ToB 场景很少相信「年轻有为」，客户的决策逻辑都是追求高可靠性、高可用性。很多场景可能还涉及到与企业关键业务的对接、协作，会更加慎重。
需求端的高频变化意味着客户在不断地寻求新的解决方案来满足他们的业务需求。这往往意味着满足需求的产品，需要创新、灵活甚至定制化。只有这样的场景才适合初创公司。
反之，如果需求端的变化是低频的，很可能更适合原有的供应商在产品上增加新的功能。低频变化的场景往往意味着业务需求和流程相对稳定，变化不大；新进入市场的供应商需要花费更多的时间和资源来了解和适应客户的需求，而已经合作的供应商则可以利用其已有的经验和知识，更快速地响应客户的需求。
举例来说，营销这样的场景就是需求端高频变化的场景。营销场景由于市场需求、消费者行为、竞争态势、媒介及价格、群体心态等因素的快速变化，确实需要更加灵活和创新的解决方案。因此，可以看到，基本上每个新技术出现时，都会有一些企业愿意尝试新的技术。
类似的场景可能还包括金融风控科技。这些场景都需要不断创新和优化，以满足金融机构和消费者的需求。
相比之下，诸如 HR 场景、可能相对稳定，变化不那么频繁，往往是原有的供应商增加应用新技术、研发新功能，更容易被市场接受，创业公司很难有机会一展身手。
以 2023 年为例，应用大模型的成本，上半年还在数千万元不等；下半年随着产品解决方案的增多，价格已经降至数十万元。再以以去年炙手可热的 Agent 概念为例，虽然最早的创业公司多是由技术创业者创办，但不久后，原来有客户的厂家也进入到市场，分走了部分蛋糕。
13
大模型技术能力
是成为独角兽的必备要素
虽然初创公司做应用并不一定要具备大模型能力，但很可能最终长成为独角兽级别以上的公司可能都需要具备一定的模型技术能力。这并不意味着这些应用公司一定要自研*进的大模型，但很可能需要有自己微调过的大模型。
大模型技术具备强大的泛化能力。由于参数规模庞大，大模型能够从海量的无标注数据中学习并提取出有用的特征表示，进而在新任务上展现出强大的适应性和泛化性能。这种能力使得大模型公司能够迅速将模型应用于不同的场景和领域，灵活地应对市场变化。
用户，尤其是 C 端市场的用户，具备不同的性格、特质、喜好的，也往往有不同的政治倾向、价值判断。如果没有大模型的能力，往往很难针对想服务的人群，提供足够有吸引力的产品和服务。
此外，当用户规模扩大到一定的基数，Token 的消耗成本将是一笔重大的开支。如同，移动互联网时代的公司，当用户和业务量级达到一定的体量后，都会自建云服务。因此，模型能力，也会成为独角兽公司的必备要素之一。
与此同时，大模型技术处于不断发展和优化中，具备这种能力的公司可以紧跟技术潮流，不断改进产品和服务，保持竞争力，尤其是面对模型层公司切入应用的竞争，构建一定的护城河。
当然，对于创业公司来说，万丈高楼平地起，在创业初期，通过调用 API 等形式，低成本验证 PMF，并抓住流量红利，快速吸引用户并不断优化迭代，在后期尽可能补足这样的能力。
