14年产投老兵，张荔的8000字思考，AI 2.0创新者的商业姿势

文｜秦明；封面｜访者供图

在建筑时氪秦明策划的一场行业AI活动中，我们的老朋友张荔做了分享，主题是《投资人视角下建筑家居创新企业迎接Al2.0时代正确姿势》。我们进行了内容梳理，便于大家交流探讨。

部分核心观点如下：

1、AI 2.0基于模型参数的指数级扩展，实现了从简单模仿到一定程度智能化的转变。目前实现智能化的性价比还未达到临界点，在算力和人力层面上还有更大的产出机会。

2、过去，组织的扩张主要依赖于人员规模的增长。如今有了AIGC的助力，组织规模的扩张将更多地依赖于关键岗位自主智能体的算力增长。虽然这听起来可能让许多从业者感到悲观，但技术的发展不以人的意志为转移。

3、未来，数据将成为AI的关键驱动力。工程、建筑和家居垂直领域的数据价值将逐渐凸显。就像柏拉图洞穴里的微弱火光一样，AI在获得足够庞大的数据后，就像见多识广的哲学家一样，能够看到整个世界的全貌。

4、有时候，企业需要果断地考虑改变商业模式，首先要确保能生存下来，其次使得企业的收入规模稳步增长。创始人坚持最初的理念，投资人和股东也不断支持，通过不断探索客户价值和验证商业模式来实现这一目标，这非常重要。

5、AI究竟是破坏性创新的元素，还是现有公司的赋能者？目前并没有普遍适用的单一标准来概括AI的角色，因为它既涉及底层智能，又牵涉到应用开发和交互范式。通用人工智能的机会可能体现为全新的自动化代理逻辑，也可能是渐进式创新的一部分。

6、改造行业通常侧重于应用型创新。在行业地图中，我们应该注意全流程的端到端问题，找出最为棘手的难题并解决，做出困难但正确的决策。这包括个性化需求的把握、设计方案和工程方案之间的巨大落差、设计需求和供应链层面的及时反馈、任务导向的交付和落地的可能性。

7、AI有可能将软件开发的门槛降低到几乎可以忽略不计的程度。就像我们曾经见证软件上云带来的新的软件订阅模式变革一样，AI也可能引领全新的商业模式，即按照创造经济价值来付费。这种变化可能比SaaS模式还要深远。

8、对于创业者，生存是第一要务，只有活下来才有未来；积极拥抱变化，因为变化本身是最确定的；破除技术万能论的观点；正确理解从产品到服务认知的转变；必要时再引入风险投资。

以下为张荔先生的分享实录（经秦明润色编辑）

各位好，很高兴从投资人视角与大家分享，建筑家居创新企业在迎接AI 2.0时代的一些见解和策略。首先，简单自我介绍一下，我来自广济创投，自10多年前进入风险投资行业以来，一直专注于建筑产业，参与了许多经典的早期投资项目，如唐吉诃德、博锐尚格、称象科技等。

近期，我们联合了AEC产业中的设计、工程和建设领域的行业龙头、产业链主要企业及一些隐形冠军，共同成立了AEC产业投资联盟。我负责联盟的投资生态建立，希望通过这一联盟，利用产业链各参与方的场景优势，共同创新，打造产业投资生态圈，加速建筑行业向数字化、智能化和工业化方向发展。

今天的分享涵盖三个部分：第一是AI 2.0的起源及其影响分析；第二是大家居建装行业投融资市场的观察；第三是对创新企业的未来思考。

14年产投老兵，张荔的8000字思考，AI 2.0创新者的商业姿势 | 建筑时氪

01 AI 2.0的起源及其影响分析

AI概念大家并不陌生。早在70年前，以约翰·麦卡锡为主的一些科学家在达特茅斯讨论如何用机器模仿人类学习，并提出了AI这个词汇。虽然当时的讨论没有取得实质性成果，但它明确了符号主义作为探索人工智能的一个主要方向。

人工智能的发展主要分为三个流派。第一个流派是符号主义。符号主义认为人工智能起源于数理逻辑，旨在让机器人像人类一样理解和运用符号。这一流派衍生出了著名的专家系统，比如IBM的Watson和苹果手机上的Siri。

第二个流派是连接主义。连接主义主张通过模拟人脑神经元连接的方式实现人工智能。然而，在20世纪五六十年代，模拟神经元所需的算力和大数据并不具备，因此神经网络的发展进展缓慢。1986年，鲁梅尔哈特等人提出了反向传播算法，使得神经网络的训练变得更为有效。以杨立昆为代表的研究者通过神经网络算法实现了在ATM机上识别人类手写笔记，这在当时是AI领域的一大突破。

第三个流派是行为主义。行为主义更侧重于机器的行为表现，比如特斯拉的自动驾驶和大疆的无人机飞行控制等。行为主义通过强化学习等方法，让机器在与环境的交互中不断优化其行为。

总之AI的发展历程丰富而多样，各个流派都有其独特的贡献和影响。

要实现AI 2.0的关键突破，关键要素来自三个方面：大数据、大模型和大算力。这些概念大家可能都很熟悉。

2009年，李飞飞在斯坦福大学完成了ImageNet，收集了1500万张图片，涵盖了2.2万个不同类别，并开源分享给全世界。2010年起，李飞飞开始举办大型视觉识别挑战赛。在第三届挑战赛上，神经网络网络算法AlexNet，以85%图片识别准确率夺冠。2012年，杰弗里·辛顿领导的神经网络算法AlexNet以惊人的准确性，实现了计算机视觉领域的跨越，深度学习革命到来了。

回到2006年，英伟达发布了CUDA架构，大家意识到GPU不仅仅可以用于游戏和三维渲染，还可以用于科学研究。2016年，英伟达向OpenAI提供了第一款DGX超级计算机，为深度学习提供专属Al系统。

2017年，谷歌团队发表了名为《Attention is All You Need》的论文，提出了Transformer架构，这是未来AI突破的核心。Transformer的诞生在自然语言处理、计算机视觉和强化学习等领域取得了显著成果。2020年，GPT-3的发布预示着大模型时代的到来。GPT-3拥有1750亿个参数，是GPT-2的116倍，使其能够处理更复杂的任务并生成更高质量的文本。ChatGPT自2020年底发布以来，带来了显著的变化。

总结来说，AI 2.0的实现依赖于大数据，如ImageNet；大模型，如AlexNet算法、Transformer技术；大算力，如英伟达的CUDA架构。这三者的结合推动了AI技术的飞速发展。

2023年AI指数评估中显示，人工智能在某些任务上已经超越了人类，但在复杂任务，如竞赛级别的数学和视觉常识推理及规划层面上仍然落后于人类。不过，我们相信这种情况很快会改变。据我所知，AI在几何知识解题能力方面已经超过了平均的数学竞赛选手。

我们在投资时非常关注应用产品的增长数据。抖音花了九个月时间才达到一亿用户，ChatGPT发布仅两个月就超过了一亿用户。红杉资本也指出一个重要事实：AI领域在一年内已经积累了大约30亿美元的收入，而这相当于整个SaaS软件行业用了十年时间才实现的收入。我相信这对于投资和创业都是非常具有冲击力的。

此外，2020年1月底，OpenAI发布了一个经验性的结论：更大的参数量、更多的数据和更强的算力可以带来更好的模型智能。

在过去十年里，模型算力增长非常迅速，大约每18个月增长35倍，远远超过了摩尔定律每两年翻倍的速度。因此，科技巨头之间的算力竞赛仍然十分激烈。我们提到的规模法则表明，算力换智能的理论依然成立。

什么是AI 2.0时代呢。AI 2.0基于模型参数的指数级扩展，实现了从简单模仿到一定程度智能化的转变。

比如，鹦鹉只能机械性地重复而不理解内容的含义，而乌鸦能够利用规则借助汽车碾压坚果，这显示了更高的智能水平。在抽象思维和推理能力方面取得了一定进展后，我们可以定义，当模型参数小于一个亿时，这是一个小模型阶段；而目前，我们已经进入了大模型阶段。

从经济学角度来看，这次AI带来的最重要变化是大幅度的提升效率和降低成本。根据标普500上市公司的数据，以前7.8个人才能创造100万美元的收入，而在计算机和互联网的帮助下，现在只需要5个人。如果以此推测，AI可能会带来35%的效率提升，未来或许只需要3个人就能创造100万美元的收入。

然而，目前实现智能化的性价比还未达到临界点，我们需要在算力和人力层面上有更大的产出机会。今天在座的很多人可能偏重于设计服务市场，我举个例子，技术进步使得设计服务从过去需要几个月交付提升到分钟级别。我们已经从甩图板和扔掉计算器的时代，发展到通过人工智能实现智能设计，大幅提高了效率。

对于知识工作，如咨询工作，波士顿咨询和哈佛商学院做过一项研究，使用GPT-4协助咨询服务，从完成率、速度和质量上来看，效率得到了明显提升。这也是一个很好的例证，展示了AI在各个领域带来的巨大潜力。

如果我们对未来工作的发展趋势进行判断，本次AI突破的进展主要体现在抽象能力和推理能力的类人型提升。我们可以将工作分为准确性工作和创新工作。在当前阶段，AI辅助驾驶帮助技能岗位和创意岗位提高了效率并降低了成本。但是，未来的目标是实现AI的自主工作和自主创意。

随着AI的应用，经济主体的结构将发生显著的变化。过去，组织的扩张主要依赖于人员规模的增长，这逐渐导致经济效益的下降和管理问题的突出。有了AI的助力，组织规模的扩张将更多地依赖于关键岗位自主智能体的算力增长。虽然这听起来可能让许多从业者感到悲观，但技术的发展不以人的意志为转移。乐观者看到的是希望，而悲观者看到的是问题。

未来，数据将成为AI的关键驱动力。我们认为，工程、建筑和家居垂直领域的数据价值将逐渐凸显。根据OpenAI的预测，以目前的算力增长速度来看，在95%的置信区间内，100万个词源的公开可学习文本存储将在2028年耗尽。因此，对高质量数据库的需求将极为迫切。斯坦福大学最新的研究也通过大模型的方式验证了AI行业中的柏拉图表征假说，进一步支持了这一观点。

刚才的分享者提到，文字、图片、视频都是在描述同一件事。就像我们的不同感官——听觉、嗅觉、视觉一样，不同的模态只是这个世界的一个映射。就像柏拉图洞穴里的微弱火光一样，AI在获得足够庞大的数据后，就像见多识广的哲学家一样，能够看到整个世界的全貌。这不仅证明了规模定律的有效性，也显示了多模态融合突破的可能性。

因此，未来我们将会看到更多的大模型出现，包括大语言模型、大声音模型、大图像模型，甚至大三维模型。根据市场预期，重要垂直领域的大模型在融合多模态数据的情况下，尤其是3D模型，正在成为市场关注的热点。所谓“Engineering Everything”，实际上就是对一切进行拆解和重构。

回顾建筑行业的数字化发展历程，BIM和物联网已经为我们打下了良好的数据结构基础。在接下来的“十五五”期间，行业规划必将围绕AI和通用人工智能进行。

总之，我们认为AI将赋能整个建筑家居产业，真正实现智能建造。它将以BIM为载体，通过多模态数据和大模型的处理，为全过程、全要素、全参与方提供AI能力，实现自主化的智能建造。

02 大家居建装行业投融资市场的观察

接下来我向大家分享一下我们对大家居建筑行业投资市场的一些看法和数据。2023年是疫情管控放开后的第一年，然而，经历了三年的疫情后，家居行业并没有迎来预期中的报复性消费。上游地产行业的不景气对下游行业的影响依然持续。从新开工面积和住宅新开工面积来看，目前的趋势普遍还是下滑的。同时，我们也看到政府在保交楼方面的决心。

从消费品零售指标的增长来看，建筑及装潢材料的表现是最差的，下降了大约7.8%。如果将时间线拉长到十年来看，家居建造行业伴随着国家的城市化进程而增长，如今却迎来了比较艰难的时刻。从数据来看，目前家居建造业的销售额已经回到了2014年的水平。

在2023年，有超过40家泛家居企业组团冲击IPO，但成功过会的只有六家，而在2023年终止审核的就有13家，其中不乏一些知名的家居企业。最近的数据也显示，2024年如马可波罗家居的上市审核推迟，玛格家居、CBD家居终止上市，这反映了行业目前处于一个低谷状态。

另一方面，新的IPO政策不仅没有提升上市的机会，反而提高了相关的门槛，并将家居家装行业列为“黄灯”行业。这意味着只有头部企业才能被允许申请上市，审核变得更加严苛。

我本人也亲身经历过，并且能够看到定制家居行业在2017年、2020年和2022年的发展历程。2017年尤为代表性，有7家定制家居企业成功上市。到了2020年，焦点转向新型小家电和智能家电，而2022年则主要集中在智能家居和软装领域的上市公司。

从当前行业的融资数据来看，2015年、2018年和2021年都是明显的高峰期。我本人也亲眼见证了这三次行业转型。例如，2015年注重互联网家装，2018年强调数字化应用，2021年则主打地产科技的热潮。

在第一次热潮中，传统家居行业开始接触互联网，标准化产品增加了在线电商平台的渠道资本。当时希望家居服务能够电商化，但与大多数市场参与者一样，我们也参与到这次热潮中，经历了一些教训。现在，没有一家能在全国范围内崭露头角的家装公司，但我们积累了一定的投资经验和纪律。

2018年和2021年的两次上市高峰与前一年的高峰有关。互联网巨头和地产公司在寻找新的增长曲线，推动了这些定制家居企业进行全国渠道扩张和数字化转型。这些是当前定制家居行业投融资活动的一些典型案例。

这是我个人投资的唐吉诃德项目，也是整个行业的一个典型样本。由于上一轮投资的痛苦经历，我们在2016年行业低谷时开始孵化一些早期投资项目，希望在家居行业中通过BIM技术进行创新。初期的融资过程非常顺利，但我们也目睹了从2018年以来SaaS带来的冲动性浮躁。挑战在于企业在困难时期可能面临生存危机。

尽管我们看到估值可能多次下调，但我们坚定决心转变商业模式，首先是生存。然而，唯一不变的是企业的收入规模稳步增长，逐渐认识到生存的关键在于这一点。从创业项目的角度来看，创始人始终坚持初心，投资人和股东持续支持，并不断探索客户价值和商业模式的验证，这是至关重要的。

当然，在当前市场环境下，我们也看到了许多创新企业的涌现。 我们近期特别关注家居领域的人工智能和计算机视觉的应用。

像Collov AI定位于AI驱动的设计自动化平台，为产业方开发的设计平台等最新平台提供了关键的技术支持。生境科技则致力于成为家居场景中的垂直电商平台，他们在装配式酒店方向的应用表现也相当出色。暗壳AI他们专注于家居行业的AI社区平台，侧重于提供先进的设计美学和积累的数据优势，具有很高的行业代表性。

关于他们的表现如何，我相信在座各位有着更有发言权。根据最近的报告显示，大约60%的设计师同行已经开始使用AI产品，这无疑证明了他们对此有着深入的了解和评价。

03 对创新企业的未来思考

在这部分，我想要讨论的是，如果你打算创业，特别是在当前的2024年，你需要回答的是五个W和两个H，这包括了创业的所有要素，将这些内容整合成一个引人注目的商业计划书，并附加一个未来场景的演示。这是否意味着我们可以开始接触投资人，并成功创业呢？从这个角度来看，我认为可能还远远不够。

为什么这么说呢？我认为我们需要讨论基于当前AI和计算机视觉周期的创业建议，应该朝哪些方向发展。从技术创业的角度来看，首先我们需要理清当前AI创业的技术生态。这包括以数据中心硬件和云平台为基础设施，通过AI开发工具连接底层大模型和应用模型，最终对接客户的金融生态。

目前看来，像OpenAI、Google、Meta等AI基础模型已经明确处于市场的核心位置，同时还有无数其他小模型在追赶。因此，我们必须理解市场的普遍观点。在GPT-4等大型模型的开发成本已经达到了亿美元的水平。这已经不是小企业或普通VC可以轻易参与的规模，而且这种竞争将继续，规模定律仍然有效。如果未来大模型的开发成本上升到10亿美元，我们显然会跟不上。因此，我对国内目前有265家大型模型公司感到担忧，可能国产替代是一个可行的方向。

从产业历史发展的角度来看，当前AI领域的VC投资主要流入基础模型层面，类似于当年云计算技术的投资热潮。然而，从最终收益的角度来看，真正的突破往往出现在应用层面。特别是随着像SaaS软件的兴起，像Adobe和Salesforce这样的行业领袖出现后，这一点尤为显著。

当然，可能大家也认为这还不够充分。让我们看看一些行业大咖是怎么说的。比如李彦宏就提到过，大家不应该只选择大模型。他强调，没有应用模型基础的技术模型是毫无价值的。相比之下，黄仁勋老板则更务实地建议大家多买显卡，这样才能确保盈利。然而，从仰望星空的角度来看，未来可能会涉及一些与AI工厂和具身智能相关的内容。

因此，我们需要讨论的是AI2.0带来的一些趋势性机会。 AI究竟是破坏性创新的元素，还是现有公司的赋能者？目前并没有普遍适用的单一标准来概括AI的角色，因为它既涉及底层智能，又牵涉到应用开发和交互范式。通用人工智能的机会可能体现为全新的自动化代理逻辑，也可能是渐进式创新的一部分。

新型模型的涌现和技术飞跃带来的AI经济价值，通常以非线性的形式呈现，这是一种非连续性的变化。那些已经拥有用户工作流或大量数据的成熟公司，例如上市公司或者拥有护城河的企业，可能更容易实现成本节约和增强护城河的价值。

但是AI也有可能将软件开发的门槛降低到几乎可以忽略不计的程度。就像我们曾经见证软件上云带来的新的软件订阅模式变革一样，AI也可能引领全新的商业模式，即按照创造经济价值来付费。这种变化可能比SaaS模式还要深远。

让我简单地列举一些可能带来的影响。首先，AI可能接近于提供无限量的创新供给。其次，它可能带来老场景的全新体验。第三，它可能替代重复性的专业工作，甚至重塑整个行业。第四，它可能开创全新的应用场景。

很多人关注的重点通常是提供全新的应用场景，尽管老旧场景中也存在许多可以改善的体验部分。在刚刚结束的世界人工智能大会上，创业项目已经开始探讨这些新的可能性。

我们也可以看到，在老场景中带来新体验方面，像广联达AI专家提到的，所有软件都值得通过AI重新设计一遍。这显示出其中蕴含的大量机会。另一方面，智能终端领域可能会出现高性能的小型模型的换代热潮，这些模型将应用于手机、PC、手表、智能穿戴设备以及大型设备，例如XL设备。这种趋势可能通过AIOT技术的普及而得到全面提升，基于大模型的应用也将在此过程中得到推动。

当谈到智能终端的最终方向时，结合大模型与机器人的融合可能会导向具身智能这一概念，这是当前讨论的热门话题之一。具身智能通过与环境的互动来获取认知能力，这种趋势被认为是人工智能的第三大流派，即行为主义，它的出现主要是为了替代重复性工作。从阶段性的角度来看，我们需要突破的关键在于机器人技术，特别是数字孪生空间智能相关技术的发展。