具備同樣素質的創業者，在移動互聯網創業浪潮中能脫穎而出，在AI浪潮中則可能溺水而亡。
套用一個流行句式：“當我們說‘AI時代’時，我們在說什麽？”對創業者而言，這個問題指向對移動互聯網時代與AI時代生態差異的認知。
具備同樣素質的創業者，在移動互聯網創業浪潮中能脫穎而出，在AI浪潮中則可能溺水而亡。像王小川這樣經曆過多次洗禮的老炮，以及正謀求所謂“擁抱AI”的頭部科技企業，也都需要完成自己能力的代際切換。
* 創業中有一些永恒的要素，如資本、技術、場景等，從移動互聯網時代到AI時代都發生了一定變化。
首先，從資本角度看。中國一級市場的快速發展，與互聯網和移動互聯網的崛起相伴而生，因此之前一級市場更適應互聯網和移動互聯網的投資邏輯，和這套投資邏輯交互影響的就是商業邏輯，即追求邊際效益的最大化，隨著規模擴張，當雙邊平台網絡足夠大，邊際成本趨于零的公司最具競爭力。如果用戶規模到達某個級數，新盈虧平衡點出現，之後營收會呈指數性增長，最後贏家通吃。
從搜索到電商，從O2O到共享經濟，贏家都沿著這套邏輯殺出來。資本需要支撐它們前期大規模“燒錢”，跑馬圈地，以換取流量與市場份額。換而言之，資本本身就是移動互聯網時代的核心競爭力。
但類似投資邏輯在今天已經不適用，如果沿用過去的框架來看市場，投資會很難，融資會更難。過去18個月以來，移動互聯網邏輯下的很多公司，即使盈利能力很好，商業模式成熟，往往上市前最後一輪估值都會腰斬，或者多次遞表也難以IPO。即使成功敲鍾，往往在二級市場日均交易量也不活躍，無法給投資人賺錢。這其中自然有全球資本市場大環境的影響，但也需要重新審視投融資模式。
AI時代，模型公司需要花費巨大精力去提供定制化解決方案，這意味著投資不再嚴格遵循“數一數二”原則，移動互聯網贏者通吃的局面很難出現，不會出現投中一個巨頭公司拿下一個龐大市場中的大部分份額的情形。
另外，如創新工場管理合夥人汪華在一次訪談中所說的，投資人在移動互聯網早期“無共識而有行動”，對其前景缺乏一致認知，甚至很多人認爲和PC互聯網一樣，創業者很難擺脫運營商控制。
從2008年到2013年，用了5年時間共識才達成。盡管如此，這5年來移動互聯網投融資活躍度依然很高，因爲大家都不願意錯過周期性機會。
大模型創業則是“有共識而少行動”，各方面幾乎從第一天開始就達成共識，ChatGPT發布兩個月時間全球用戶過億，是史上用戶增長最快的消費級應用程序。
可大模型投融資降溫速度也快于移動互聯網早期，研究機構CB Insights發布過一份《2023年人工智能（AI）行業現狀報告》，稱2023年中國AI領域投融資數量約爲232筆，同比下降38%；融資總額約爲20億美元，同比下降70%。
移動互聯網時代，一級市場還是美元基金天下，追求小概率下的大成功，而AI時代，國內一級市場已經人民幣化，更追求確定性回報。受這種偏謹慎風格的影響，創業者如何獲得資本助力將是個新課題。
再看技術。一種技術一旦成爲基礎生産要素，上層所構建的商業建築就會被重構，無論是工作方式，工具、協作方式、組織形式、商業模式、用戶體驗都會變得不一樣。移動互聯網如此，AI也會如此。只是不同的基礎生産要素，所構建的商業建築也不一樣，更何況AI可是更底層的生産要素。
移動互聯網時代同樣存在技術壁壘，同樣需要産品主義，只是經過之前PC互聯網長期鋪墊，不存在高成本與高門檻問題，關鍵是誰能在同樣基礎上做出更符合用戶需求的應用。
AI時代用戶使用門檻與成本出現了百倍級下降，1.0階段AI全部都是任務導向，假設做詞性標注、車牌識別、人臉識別，每個不同任務都需要挑一套獨立算法，實現一套獨立邏輯，訓練一個獨立模型。到了2.0階段，它已經是通用任務大師。
即使如此，與移動互聯網剛興起時相比，門檻和成本依然很高，對算力、算法和數據的要求，更遠遠超出移動互聯網創業的要求。
降本增效是企業永恒話題，AI時代的成本與效益計算方式和移動互聯網時代不同。移動互聯網具備重鏈接、輕算力點，需要最快産生網絡效應，而快速獲客不是AI時代企業達到盈虧平衡點的核心要素，後者在于單位用戶算力成本與單位用戶智能服務等效收益間的比較。因此過去創業先要考慮買怎樣的雲服務，很快可能需要考慮買多少Token，財務模型都會受到影響。
一些技術概念也發生了相應變化。以數據爲例，移動互聯網公司曾普遍認爲結構化數據才能叫數據資産，因爲之前大家更擅長處理結構化數據。實際上一家商業機構合同文本、會議紀要、采購單、發票、財務報表等，以文本、視頻、音頻等不同形式存在，至少95%都是非結構化的，這導致大量數據處于浪費狀態。
AI時代非結構化數據有了重新激活的可能。大模型可以理解多種數據格式和上下文，生成自然語言文本，進而對非結構化數據進行處理和分析，反而過于結構化的數據因爲人爲標注，某種程度上視爲受到汙染，損失了上下文信息，因此連關于數據資産的定義都已不同。
就場景而言，移動互聯網通過終端設備拓展了大量新場景，根據新場景又産生原生應用，這些應用更像有溫度的工具。
AI時代則模型、數據、場景完全統一，交互界面更加豐富，未來通過具身智能還可以將交互從數字世界拓展到物理世界。
現在C端用戶對大模型感知最深的交互場景依然是對話，其實大模型不是一種工具，而是一種能力，它最終會潤物細無聲地進入到生産和生活每個場景，在用戶沒有感知的情況下就達到全新體驗。
移動互聯網的商業化場景先自C端發力，從消費互聯網普及，到2018年進入産業互聯網階段。當前業內較爲統一的看法，是大模型最先落地的商業化場景在B端，而在企業級市場，大模型會有更深度的場景應用。例如機器人過去能做到精確地抓取規則的零部件，但如果今天應用模型能力，要抓取不規則的零部件，機械臂需要通過機器視覺來判斷，這要依賴一系列工程化的複雜解決方案。
從研究的角度，科學家自然希望能有一個或幾個大模型解決一切場景中的問題，而具體到商業場景中落地，基礎模型公司也會遇到自己的能力邊界。Agent（智能體）的能力，本質上還是“模型能力+應用能力”，模型只是其中一部分。
在最後一公里場景，更離不開Know-How和模型能力的結合，需要比移動互聯網時代對垂直場景有更深刻的理解。
如智譜AI的COO張帆所說，當前面對大模型，企業容易産生兩種極端思維。一種把它當成許願池，好像什麽都可以搞定；另一種，每時每刻都找一些大模型幹不成的事，證明它不行——這兩個極端都不對。
當前對所有企業而言，都需要跳出極端，構建真正基于AI的新戰略。
創業者的正確姿態是：首先要找到合適的基座模型矩陣；然後搭建與之配套的組織——AI時代的組織與移動互聯網時代的組織會變得不一樣，要將業務與技術更緊密結合，還要讓數據工程師、微調工程師等扮演更重要角色；最後，要把數據資産轉化爲業務場景，進入應用。
最終這一切流程，會成爲正向飛輪，在場景中每轉一圈，公司的能力才會更強。---[文 : 何伊凡*編輯 : 馬吉英/來源 : 中國企業家雜志丨觀察家 ]
