「人工智慧領域的泡沫，總是在不斷產生又破滅中循環。」
梅拉妮·馬歇爾在著作《AI3.0》中，這樣描述人工智慧領域5到10年的周期循環。2016年，擊敗圍棋世界冠軍李世石後，AlphaGo短暫掀起人臉識別、自動駕駛等人工智慧浪潮。
2023年，ChatGPT的橫空出世讓大模型成為AI界當之無愧的「頂流」。泡沫破滅，資本冷靜後，不理智的潮水終於褪去。如今，AI界鮮少再重談人臉識別，自動駕駛難以落地，而在國內，大模型也從當紅炸子雞慢慢成為投資人投不起的領域。研究人工智慧的群體已經熟悉了這一模式：在「人工智慧的春天」，投資機構過度承諾，媒體過度炒作，緊接著便會迎來「人工智慧」的寒冬。
環球並不同此涼熱。在美國，VC圈對人工智慧投資熱情不減。而在積極擁抱AI的東南亞，中美正在進行AI技術與投資的角逐——2020到2021年，來自美國和中國的投資者，參與了267筆東南亞人工智慧公司的投資交易，占總投資比重40%。一個可喜的現象是，在東南亞，科大訊飛、華為、海康威視等中國科技公司與東南亞當地產生千絲萬縷的聯繫，中國科技企業正成長為東南亞AI界的中流砥柱。曾經，普利茲獎得主托馬斯·弗里德曼在《世界是平的》中，說世界的競技場已變得更加平坦，變平的世界讓每個個體、區域都站在同一水平線下。
環顧全球AI界，我們發現，世界並不總是平的。全球範圍內，不同區域AI風向有何不同？當AI企業走出國門，又會迎來哪些機遇挑戰？ChatGPT為什麼並不脫胎於騰訊、谷歌等數據集龐大的大廠？對於AI初創企業有什麼啟發和意義？
谷歌灣區總部。圖源：受訪人邱諄提供
現在整個國內投資界幾乎形成了一個共識，就是「大模型的投資熱正在冷卻」。作為今年創投圈最火熱的賽道，大模型曾炙手可熱，無數科技大廠、AI創業公司掀起一股又一股的大模型浪潮。
而今全球科技公司對大模型的競爭，正進入存量時代。根據IT桔子數據，截止到2023年11月底，國內人工智慧賽道一級市場的總融資額有580起，比2022年減少了26%，總融資金額是630億元，與去年同期也下降了38%。而在大洋彼岸，美國的大模型融資依舊如火如荼。
根據Crunchbase數據，去年VC階段的投資有11%流向了人工智慧賽道，截止到今年下半年，2023年的比例增長了26%，有26%的VC階段的投資都流向了人工智慧，美國投資界對大模型的參與熱情不減反增。大洋東西，AI融資正面臨不同境遇。這背後，不同融資環境差異到底是如何造成的？
首先，在美國，大模型已經達到了能夠產生巨大經濟效益的規模，並且在一定程度上影響了宏觀經濟。有研究發現，這一次自矽谷颳起的大模型之風，已經為美國的GDP貢獻了一個百分點的增長。而在中國，雖然百模大戰愈演愈烈，但大模型的變現之路仍處在摸索的初級階段，而商業化問題一直是上幾輪AI浪潮下，難以找到最佳solution的老難題。
其二，在中國尚未出現像OpenAI一樣的應用層全棧式AI公司，能夠從基層大模型、中間層一直做到應用層。而大模型這種極度依靠大算力暴力美學的領域，對於初創公司來說，太燒錢，門檻太高，堪稱軍備競賽。大模型不能投，但應用層又沒有特別多的公司出來，投資圈開始冷靜思索，大家都處在觀望狀態。
矽谷的中心Palo Alto的foothill公園，毗鄰史丹福大學與喬布斯故居。
圖源：受訪人邱諄提供
華映資本海外合伙人邱諄認為，這背後體現了中美技術原創能力的不同。
「矽谷還是一個以原創技術為核心的，為基座的驅動力，這還是很重要的，中國的優勢在於優化，不一定是原創，就是人有我有，可能人有我優，再者規模化，上一波深度學習驅動的機器視覺，可以說是AI1.0，現在大語言模型算是AI2.0, 這兩波浪潮國內目前的參與都還主要在優化和規模化方面。」
1997年從北京大學畢業後，邱諄就去美國學習人工智慧，從南加州大學信息科學研究院畢業後，他加入了矽谷傳奇科技公司——思科，前幾年回國後加入了投過壁仞科技、星辰數據等AI領域知名公司的華映資本。
他持續關注中美、東南亞等地的AI創投。時間倒回到千禧年，邱諄仍在矽谷深耕技術，那時正值AI寒冬，但整個矽谷還是在不斷的積累，很耐心地等待下一個突破。「但如果我們到大洋的另外一面，就會看到一般來說，是在等美國出現下一個突破之後，我們再去投入，去做優化和規模化的事情，所以它會有一定的延遲。」
「這個突破前的積累過程其實可能是需要一些耐心的，在這個階段過去之後，我們就真的到了網際網路.com那一波，就是中間層的相當於一個接口能夠出現的時候，這時候才到了應用層大量湧現的時候，在中國可能就會出現大量的像當年滴滴等一堆網際網路公司，這個時候可能還是會需要一定時間，可能大家還需要一定的耐心。」
舊金山海灣。圖源：受訪人邱諄提供
在中美之外，東南亞也成為中美大模型交鋒的主戰場。在東南亞，AI還正方興未艾，雖然落地步伐相對慢，但還是能看到希望。
整個東南亞地區的國家，都在擁抱AI。中美兩股AI旋風正在東南亞交匯。AI在東南亞並不算是新興行業，在大模型浪潮之前，東南亞就因低廉的人力成本等因素聚焦了智能客服、人工標註等AI相關應用。
但在今年來到東南亞後，科大訊飛雲平台事業群副總裁周傳福明顯的感受是：除了原來的這部分傳統項目，現在更多地看到像政府部門、媒體行業、金融行業等都在更加熱烈地討論、擁抱AIGC、大模型等新技術。
雖然目前東南亞使用最多的還是來自OpenAI等歐美AI公司的大模型，但在東南亞AI界，也不乏科大訊飛、華為、海康威視等中國科技公司的身影。科大訊飛、阿里巴巴相繼在東南亞推出大模型，東南亞國家隊也加入大模型競賽，新加坡政府投入5200萬美元的資金支持AI多模態大模型開發計劃(NMLP)。周傳福告訴霞光社：「東南亞雖然是一個區域，但是打開來看，很多國家都有很大的不同。
新加坡是東南亞唯一一個已開發國家，它的AI落地會更快一些，像教育等等部門或者行業都有很多的落地應用。相對來說，新加坡（AI落地）走得比較靠前，活躍度更高，但是像馬來西亞、印尼、泰國等等國家也能深刻感覺到比原來更加熱烈，當然整個落地步伐相對慢，但是還是能看到希望。我們也會長期堅持在這些地方深耕。」
而越南在人工智慧的競賽里也存在彎道超車的可能。摩根大通曾分析稱，越南處於新興東南亞人工智慧發展的「前沿」。
早在2021年1月26日，越南政府總理批准的《到2030年國家人工智慧研究、開發和應用戰略》中，就明確了將人工智慧發展成為支柱工業產業。而英偉達CEO黃仁勛也再次押注越南AI，2023年12月，英偉達CEO黃仁勛會見越南政府總理范明政，並承諾將在越南建立半導體基地，將越南打造成為英偉達的第二故鄉。
東南亞已成為科大訊飛海外業務的第一站和戰略中心。2023年6月，科大訊飛攜星火認知大模型與C端智能硬體，在新加坡舉辦產品發布會暨訊飛AI TechDay·新加坡站活動。
「因為科大訊飛一直以相對底層技術的創新、研究為主，所以如果把這些技術用在更多的場景、更多的設備單靠科大訊飛自己其實不行。所以整個開發者生態方面花了很大的力氣。」周傳福告訴霞光社，在東南亞的開發者生態方面，科大訊飛搭建了以新加坡為中心的訊飛開放平台國際站。
「其實我很羨慕，羨慕的點在於C端酷炫的產品是很容易抓到消費者的，但是底層技術的可能講兩天人家都不知道你在做什麼。所以整個生態方面就是把技術落地應用生態是我們長期布局，不是靠一年兩年，至少3-5年才能把一個基礎做好，這是目前整個狀態。當然在東南亞我們也看到了很多的突破。」他認為，在這些突破的背後，離不開技術創新和本地化。
東南亞歷史文化背景複雜，移民的跨國流動使得東南亞形成不同方言體系的多族群社會，各個地區方言眾多。
比如印度尼西亞的官方語言主要在雅加達一帶通用，但其他地方又有非常多的方言。而要做語音識別和合成的核心技術創新，就要在提升通用能力之外，針對不同方言區域的口語場景去做提升。
另外，識別合成大模型領域也是科大訊飛尋求突破的重要底層技術。本地化是出海中企必須要面對的一個挑戰，而對於科大訊飛來說，這也是不得不做的事情。因為科大訊飛要面對很多B端用戶場景，其中並不存在捷徑，他們已經做好了深扎兩三年的準備，才能在當地把行業做熟做透。目前科大訊飛的東南亞團隊規模還不是特別大，大概在二三十個人左右，native speaker大概占到40%左右。
本地雇員的職務多是以商務拓展，市場等崗位。核心技術方面，還是以國內總部以及在當地派駐的技術支持為主。在國內團隊和本地團隊協作過程中，文化差異帶來的挑戰不可小覷。周傳福認為，這種情況下，要把自己放到當地的國家去考慮問題，「而不能說我中國怎麼怎麼樣，外國怎麼怎麼樣，這對我們來說其實是一個適應的過程，說起來很簡單，但真正把自己的定位要放到當地的國家。」除此之外，所有大模型企業要想跑通，都要跨越數據和人才兩座大山。
讓我們回到開頭的問題：ChatGPT為什麼並不脫胎於騰訊、谷歌等數據集龐大、人才濟濟的大廠？
騰訊和微軟數據一定是大過OpenAI的，為什麼OpenAI有GPT，騰訊、微軟和谷歌都沒有GPT？
這是因為對數據的有效利用和搜集非常關鍵。對初創公司來說尤甚，特別是想真正成為一家AI公司，或者只是被AI賦能的公司。
灣區谷歌總部休息區。圖源： 受訪人邱諄提供
邱諄認為，私有性未必是價值本身的源泉。
「你要真正能夠利用AI肯定要有數據，但私有數據未必都有價值。這個對於初創公司要有一定認知。」
積累和收集數據，一定要考慮算法。比如搭建數據棧平台，但它的門檻其實很高，因此光是收集梳理數據的准入門檻就將很多人攔在外面。甚至於巨頭公司的數據都未必全有用。提到大模型浪潮下的AI軍備競賽，卷算力或許重要，但核心的算法人才才是這輪競賽最重要的資源。
對於初創公司，邱諄的建議是，從現在開始去物色一些大模型算法核心人才：「作為一個初創公司，可能今天就要去搜尋一些真正核心的人才，聽上去好像有點遙遠，但我覺得我這個建議很可能是會有用的。對於一些初創公司，如果你今天就開始，不管你做什麼，甚至你只是做應用層，都一定要過數據這一關，但光有數據又沒有用，最後很可能是要看你的算法，不管你是什麼算法，可能不用碰到基座大模型，但即便你要做微調，甚至只是去調API，都會需要對訓練算法的深度認知，最重要的軍備其實是人才。」
這也是因為，目前國內大模型人才儲備資源緊缺。醫者AI CEO劉呈輝曾對媒體表示，「現在國內做基座類模型的人才90%都出自清華，國內真正會調模型、訓練模型的甚至不超過200個人。」
而大模型搶人大戰也讓用人成本水漲船高，vivo副總裁周圍接受媒體採訪時曾表示:"vivo大模型現在每年20億~30億元的投入成本，總投入成本已經超過200億元，人才和數據算力各占一半，人才成本平均每人稅後100萬元。」
在當下，尋找核心人才資源對於初創公司來說尤為關鍵。大模型讓全球的AI競賽進一步加速進行，如何在全球化中找准自己的位置，並發揮自身優勢，是所有AI企業需要面對的新課題。
霞光社丨來源
王欣丨作者
