幻想最多的可能不是大模型，而是 AIGC 本身
文 / 王子威 @零售威觀察
AIGC，或者叫做「生成式 AI（Generative AI）」，是當下極其熱門的投資領域。近期，在交流過海量專案，並對部分早期專案進行投資後，我認為有必要進行一些反思，對過去幾個月的心路歷程進行複盤。
本文內容僅為個人總結、個人觀點，其中必然充滿偏見和錯誤，希望可以抛磚引玉。請勿作為投資指導，DYOR。
【壹】模型#
AIGC 的第一個投資維度是模型。
生成式 AI 的爆發是伴隨著 ChatGPT 在 2022 年 11 月的橫空出世，此後，大量的大語言模型（LLM）也逐步走入市場。毫無疑問，從邏輯上看，模型是一個投資視角。
然而，問題很明顯，投入過於巨大：模型的單次訓練成本極高，人才要求極高，所以國內基本都是大廠 —— 例如百度、阿里、科大訊飛等機構在做，雖然有一些非大廠已經提供了優秀的大模型，但是他們的估值大多數也已經達到數十億元，這已經不是普通 VC 能接受的了。
換句話說，在國內，模型方面的投資窗口，從目前看，基本已經關閉了。
【貳】數據#
AIGC 的第二個投資維度是數據。
數據既要關注質又要關注量，比如 Chat GPT 的數據源就包括維基百科、特定書籍與期刊、Reddit 精選內容（WebText）和特定的網絡爬取內容（Common Crawl，這是 2008 年至今的一個網站抓取的大型數據集，數據包含原始網頁、元數據和文本提取，它的文本來自不同語言、不同領域。），這就是典型的有質有量，疊加優秀的大模型，就可以發揮出很好的效果。
對於國內的生成式 AI 產業來說，有獨特數據源的企業是值得關注的，也就是你有某個特定行業數據，這樣，你的模型就是針對特定行業定制的，就是所謂的「一米寬一百米深」的邏輯，做垂直行業、細分行業的特定模型。
問題來了，你的數據從哪裡來？
公開數據，嗯，這很好，但是要提一句，請注意數據的合規問題，不然就是「爬蟲用的好，牢飯吃到飽」；
私有數據、內部數據，他們從哪裡來呢？這就要看團隊的積累了，可以說是團隊過去多年「隱性資產」的變現能力：
比如，一個「AIGC + 設計」的團隊是來自於擁有海量圖片、影音版權的平台，但是這個設計業務可能最終客戶是在電商上銷售產品的消費品品牌；
再比如，一個「AIGC + 電商」的團隊是來自阿里、京東等頂尖電商巨頭，服務的可能是企業的電商客服或者選品、測款等步驟，最終目標是打造類 SHEIN 的小單快反等等。
【參】規模#
AIGC 的第三個投資維度是規模。
規模 —— 或者說是收入 —— 一直是投資人最關注的指標，雖然規模並不意味著護城河，但是至少證明你是個值得重視的玩家。
事實上，生成式 AI 領域目前真正形成規模的專案是相當稀缺的，大部分專案依然處於早期階段，而這些早期專案又開始陷入兩個陷阱當中。
第一是專案制，做一單賺一單的錢，對於早期團隊去做標杆案例、了解客戶需求是有價值的，而且也會產生養活團隊的現金流（我們暫時不考慮應收賬款的問題）。這裡的陷阱是，你如何證明你未來不是專案制，甚至從 VC 角度，當我們腦海裡閃現出「專案制」三個字後，就是一件很麻煩的事情了。
更麻煩的是第二個陷阱，很多創業者說自己不是專案制，未來會走向訂閱 + 按需付費，但是這種訂閱本質上絕大多數是 SaaS，無論你是如何用 AI 去賦能這個 SaaS，你本質還是 SaaS。
SaaS 的問題有兩點：
第一，國內針對小微企業的 SaaS 其實是相對伪命題，這點和美國市場有本質區別。而且，如果你真的是做 SaaS 的話，也請關注你的各類核心指標，例如 CAC、LTV、ARPU、NDR 等等，用這些指標來實時監控自己的發展。
第二，你的 SaaS 如果只是降本增效，那麼十分抱歉，你基本收不到錢；只有增收 —— 對，絕對不能僅僅是「增效」—— 才有可能從增量中抽佣，並且長期抽佣。
事實上，當你能做到增收的時候，你可能並不僅僅是個 SaaS，而是切入業務、供應鏈的 BaaS—— 這其實反過來對你的團隊又有了新的要求。
最後總結一下，在 AIGC 領域的投資方面，模型看的是技術，目前投資窗口幾乎已經關閉；數據看的是團隊在過去的積累，有機會；而規模看的就是模式，一定要避免走偏。
《零售威觀察》以全球視角，關注於新零售、新消費領域最新戰略、戰術與思考，對超級會員體系、國內外新零售案例有深入研究。平台創始人王子威，獨立零售分析師