这两天大盘惨不忍睹，来看看AI转移下注意吧
所谓“炒新不炒旧”，币圈一直在寻找着新叙事。从去年开始，出了不少Web3+AI项目，今年完成融资的AI项目就有50多个。
我今年也陆续入手了 $WLD、$LPT等热门AI概念代币。然而，却一直好奇，主流AI发展如何？Web3+AI和纯AI的差别在哪儿？Web3+AI还有什么样的机会呢？
都说“人难以赚到认知以外的钱”。5月旧金山举办了一场万人参与的GenAI大会@genaisummitsf，我就借机在美国呆了1个月，拜访了在当地的AI、投资人、创业者、研究员@FinanceYF5等。接下来就和大家分享我的见闻和思考。
由于篇幅有限，此篇推文先以主流AI圈的发展为主，包括：
AI投融资情况
AI创业氛围
AI细分赛道情况
中美AI发展
AI投融资情况
我看了今年融资额5000万美金以上的项目，发现，绝大部分项目都是2B的，包括健康/医疗、交通/驾驶、金融财务等垂类，以及提高组织效率的工具；其次为云平台或计算服务商；2C端的应用很少。
关于这个问题，我的看法是，现阶段C段的阵亡率很高，现有AI用户量远不足以支撑C端应用的成本，且做C端应用所需的大量高质量数据都在大厂手中，而非初创企业。基于此，甚至有投资人认为，90%的C端机会，都在大厂。
AI创业氛围
我在湾区的感受就是，连呼吸都是AI味的。GenAI大会的路演中，甚至有的项目只有个简单想法，就开始pitch了，可见创业市场对这个领域还是比较包容的，有点当年“大众创业、万众创新”的感觉了。
但是，真要从众多AI项目中跑出来，远比想象中要卷得多，依然是要比技术、看背景、拼资源。现在的明星AI项目，团队清一色的北美顶尖高校+大厂背景，或者是连续成功创业者。
就项目的组织架构而言，我观察到的一个特征就是“倒金字塔化”——即高层高质量高水平的成员多，junior的工程师反而少。
AI细分赛道发展情况
算力：现在市场对Nvidia有大量需求，但是供应非常有限，大公司内部也要抢GPU。现在大模型公司的竞争，更是一场残酷的金钱角逐，要有更多的资本，才能购买更多的卡，抢夺更多的人才。除了GPU的供需问题外，能耗的降低，也是个需要解决。
数据：大模型发展需要强大的GPU，但与此同时，数据作为另一项关键资源也越来越受关注，所以，现在一些顶级AI实验室也在竞争获取更有价值的数据，他们会花费大量资金来购买数据、找专家生成数据，或者和像Scale AI这样的公司合作进行数据标注。
有研究人员预测，高质量的数据将会在2026年用光。因此，合成数据的重要性日益提高。2024年，预计用于训练AI的数据中有60%将是合成数据。
模型：关于开源、闭源模型谁更好的问题，我有听到不一样的看法。有投资人非常看好开源，认为开源能够吸引贡献者参与进来，不论是大公司还是初创公司，在开源的模式下或许能够出现成本更低的模型。目前有模型已经能达到ChatGPT 4的水平了。另一种观点认为，开源模型大部分都没有经过算力验证，市场不买单，肯定还是闭源的人才、资源支持力度更大。
基于开源的逻辑，嵌套个Web3的商业模式的话，那就是所有人都可以来对一套模型进行贡献，基于贡献度来共享模型收益。现在有项目在做类似的事儿了，但是否可行，这里就先不展开了。
另外，大部分相对成熟的模型背后都有云服务公司在支撑，比如月之暗面最近一轮10亿美金的融资中，阿里作为领投，有一部分是以投算力作为投资。
像Salseforece这样的企业软件服务公司，也有自己几百人的AI团队，他们的AI就直接服务于自己的产品。
应用：Chatbot是大厂的必争之地，搜索领域产品大厂入局相对较少，主要是微软，NewBing目前基本处于垄断地位。
虽然苹果在今年开发者大会公布其在AI方面的计划后，股价还跌了，但我个人还挺期待苹果跟AI的结合的，毕竟苹果算是日常用得最最多的电子设备，而且其有自己的模型、芯片、云，还有海量数据，这些组成了一个生态系统，每个环节优化一点，叠加起来就会很强。
