大模型时代组织和个人面临的挑战和应对策略是什么？

大规模算力投资带来的重大问题是：它会使公司转变为重资产模式。这种转变就像是一艘灵活的帆船突然变成了一艘庞大的油轮，虽然力量增强，但失去了灵活性。在当今瞬息万变的科技市场中，这种转变可能会对公司的估值产生不利影响，进而直接影响投资人的收益。尽管美国政府实施了“卡脖子”策略，但对中国公司而言，获得英伟达的算力并非完全不可能。光我自己听说的渠道就多达好几种。然而，无论选择哪种方式，获得高端GPU都是一项巨大的投资。除了GPU本身的高昂价格外，后续的部署、运营、调试和使用都将产生可观的成本。这么看，高性能算力的获取和使用，无疑是一项需要深思熟虑的重大决策。有意思的是，这两年中国的AI投资圈出现了一种有趣的现象。许多投资人会直接告诉大模型的创业者一个看似矛盾的策略：1.招募名校背景的人才2.迅速组织产品发布会3.推出大模型产品4.进行下一轮融资5.避免购买算力其实从上面的做法中就不难看出，在很多创业公司、创始人面前都摆着一个两难的选择：是否应该承担高昂的算力投入风险？还是应该包装自己，不断推高自己的估值？在现实情况中，大多数创业公司都选择了规避算力风险，抬高估值。但这个看似明智的决定却可能成为他们在大模型领域突破的绊脚石。因为这种做法让人想起了17世纪的荷兰郁金香泡沫。当时，人们疯狂投资郁金香球茎，推高价格，希望在泡沫破裂前获利。在AI领域，我们似乎正在经历一场类似的"估值泡沫"。然而，正如每个泡沫最终都会破裂，AI的风口期也不会永远持续。当风口过去，公司面临继续融资或上市的需求时，真实的收入将成为关键指标。在这种背景下，我们经常听到业内人士抱怨被"卡了脖子"。但这里出现了一个发人深省的问题：究竟是被他人卡住了脖子，还是我们自己不愿意"买条新领带"？

Q:你怎么看待在大模型出来之后，对于技术周期以及创业周期的影响？朱啸虎：我觉得这是个很好的新周期的开始，对创业者来说关键是你想做什么事情，就像当年PC互联网、移动互联网各占据了10年，现在开启新的AI时代，大概也会有10年~20年。但创业者要做移动互联网的iOS，肯定是不现实的。大模型上面的应用有很多机会，我们在AIGC领域投了很多公司都做得很好。Q:这种创业周期的变化，对于投资人是否提出了新的要求？现在创业者少了，也不需要那么多钱了，投资人在这个环境下如何找到好的项目？朱啸虎：我觉得核心和以前是一样的，即自己独立判断，不要人云亦云。今年上半年大家都在追大模型，打一堆钱下去，现在都不知道怎么办了。核心问题是（投资人）要有自己的独立判断，你自己觉得机会在哪里？创业公司做一个新的iOS难度肯定是很高的，我们在移动互联网上也犯过类似错误，我们更要吸取教训。很多投资人可能对PC互联网、移动互联网时代的故事没有那么记忆深刻，我们亏过钱，所以我记忆深刻，我知道哪些地方是有坑的，我们会更专注在一些更有创意的公司或更有机会的一些点上。

1.第一类是原创大模型。这类模型就像是AI世界中的"独角兽"，稀少而珍贵。创造原创大模型需要强大的技术积累，同时还需要持续的高投入。然而，这条路充满风险。正如马斯克所说："当某件事情足够重要时，即使概率对你不利，你也要去做。"原创大模型的开发者们正是秉持着这种精神，在未知的领域不断探索。但是，一旦模型未能展现出足够的竞争力，这些大规模的投入就可能付诸东流。2.第二类是套壳开源大模型。这种策略反映了一种务实的发展路径，利用现有资源快速迭代和改进。在这条“赛道”上，需要思考如何在借鉴中实现真正的突破和创新。3.第三类是拼装大模型。这种方法将过去的小模型拼接在一起，形成一个参数量看似很大的大模型。这种策略体现了一种独特的创新思维，试图通过整合已有资源来实现质的飞跃。然而，正如系统理论所示，整体的性能并不仅仅是各部分的简单相加。在这三类模型中，原创大模型的数量最少，也最具挑战性。它们需要强大的技术积累、持续的高投入，以及面对巨大风险的勇气。然而，当市场上已经出现了足够好的基础大模型时，其他公司应该转向挖掘新的价值点。比如，探索大模型在不同领域的应用，或者开发中间层服务，如训练、数据处理、算力服务等。但现实是，大多数参与者仍在追逐所谓的原创大模型，又担心风险太高，导致大量套壳和拼装大模型的出现。