2023年，M小姐的第一场线下活动来啦！应该毫不意外，主题当然是：生成式AI!

时间过得好快！上一次举办线下活动，是去年9月的杭州。暑意未消。疫情之中，意外地顺利，居然还有200多人从各地赶来。如果你还记得那个有些魔幻的世界，也会觉得有些不可思议。
似乎从那之后，生成式AI (Generative AI), LLM (大语言模型), 就迅雷不及掩耳的开始席卷世界。几乎每天新闻头条，都能看到 OpenAI, ChatGPT. 很难想象，一个打破了人类历史上app成长速度的、2个月就超过1亿月活的产品，launch 至今还不到半年！而且，几天前才有了移动端app…
Source: Bessemer Venture Partners
M小姐的播客 OnBoard!, 也推出了一系列关于生成式AI的探讨（赶紧去关注呀！）
这些对话，连线了包括 Google Brain, Microsoft, Meta, Nvidia, Stability AI, Huggingface, 等等AI不同领域的一线从业者（广受好评，谢谢大家支持！）。即使只是时隔几个月，都能很明显的感觉到，从研究到应用落地发展之迅速，绝对不是 buzz word 而已。

做了这么多线上讨论，在又一个夏天要到来的前夕，M小姐觉得，是时候跟大家见见面啦！
彩蛋！在活动和嘉宾介绍后，还有我们近期对美国生成式AI市场的简单观察。作为如此硬核活动的预习资料，不要错过哦！


01

    活动简介 & 报名表
这次又联合老东家 AWS, 就生成式AI这个话题，从不同的视角，试图得到一个相对完整的思考。我们想要探讨的问题包括：
  • 从投资角度：美国投资人对于生成式AI领域的关注点有哪些？如何看待现有巨头和开源生态对于大模型和应用层未来格局的影响？如何评估数据可能还有很多noise的早期AI公司？
  • 从学术研究角度：LLM（大语言模型）领域的前沿研究有哪些重点领域？大模型能力的边界在哪里？技术瓶颈对于应用落地有哪些影响？
  • AI应用落地角度：ToB, ToC 应用创业，在新的AI技术背景下，有什么不同？如何思考应用层的壁垒？如何识别真正的用户需求，如何从小的切入点开始构建竞争力？
  • 还有infra 层的算力和数据：未来的算力瓶颈要如何突破？现在的AI对算力的需求除了更大，还有什么不同？对数据什么新的要求和挑战？以前的数据标注还需要吗？
  • 当然，更广泛的创业角度：新的资本和市场环境下的创业，与过去有哪些变与不变？“拼手速”的AI领域创业，如何在小应用vs大客户、大场景中找到平衡？……
从半夜的临时起意开始，为了组织这大半天的活动，这次活动也是亮点满满：
  • 嘉宾来自中美两地AI领域的一线学术专家、投资人、创业者、技术领导者，分享他们对行业不同角度的亲身实践和观察思考。不同地域、不同领域的碰撞，绝对精彩！
  • 开放3个demo slots, 让创业者跟大家展示创业idea，获得优秀同行和投资人的反馈；
  • 本次活动的speaker 和观众，全部都是女生！

Agenda在此：
（时间太紧，请不要嫌弃我没有海报！）
没错，这次的活动，有些特别！
我们希望搭建一个舞台，让大家看到AI领域无数闪光的女性！因此，本次活动的speaker 和观众，全部都是女生！（看到这里的男士，请不要急着关闭页面，转给你身边AI领域的女生吧！）
玻璃心请不要喷我，我们不是为了赋予什么标签，而是希望让无数对这个领域感兴趣的女性看到，有这么多榜样的力量，女性不是各种AI大会中零星出现的角色，那些心怀理想的女生，请你们无畏向前。
别担心，这次活动只是开始，以后会有更多面向大家的活动已经安排上！
没有耐心看完的，先扫码报名，再细看（超级有诚意的）嘉宾介绍 & 预习彩蛋~
为了保证交流质量（以及场地限制），
本次闭门会观众人数不超过80人，
根据报名表格信息，优先AI领域的女性从业者、创业者。

02

    重磅嘉宾介绍
这些横跨中美的精英女性们，线上线下能聚在一起交流太不容易了，为嘉宾们点赞！
（这么热情洋溢真诚的嘉宾介绍，一看就知道不是ChatGPT 写的！）

Freda Duan, Principal @Altimeter Capital
ex-Equity Group, Oaktree Capital, JPMorgan
AI在中国似乎如火如荼，美国的最一线的一级市场投资人是如何看待这一波AI的机会？M小姐有幸请来了大名鼎鼎的 Altimeter Capital 的投资总监，Freda Duan, 来跟大家分享她的思考与判断。Altimeter 是北美一家专注在科技领域成长期和二级市场的基金，规模接近 $200亿美金，投资组合也可谓是星光熠熠：Deel, Confluent, Databobot, Epic Games, dbt labs...
近年来，二级市场的剧烈震荡对中美一级市场的估值体系，也产生了巨大影响。Freda 曾就职于好几个北美最顶尖的资产管理集团，兼具一二级投资更理性的思路。绝对是了解硅谷顶流机构视角非常难得的机会！
He He, Assistant Professor @New York University
ex-Postdoc @Stanford
AI技术变化这么快，让专注商业的投资人、创业者都需要更紧密地跟学术机构交流，才能理解AI的边界在哪里，前沿的研究还有可能带来什么突破。He 是NYU  Computer Science and Center for Data Science 的助理教授，大名鼎鼎的 Percy Liang 的博士后。她的研究方向也是AI领域的绝对前沿，包括基于固定dataset的模型如何应对变化的世界？如何提高模型的可信度？最近大火的 AI agents 如何与人类交互？
在如此巨大的技术和社会变革下，我们既要关注眼前的技术落地，更需要借助世界一流的学术视角，看得更远。这些话题，真是太令人期待了！
Jin Chen, VP & Head of China Engineering @Graphcore
ex-Instagram, Uber, Palantir
谈到AI，就不能不谈最重要的底层技术设施之一：算力。成立于2016年的Graphcore，可谓是AI芯片领域最有代表性的初创公司之一。总融资超过$680M！要做AI专有芯片，机会和挑战在哪里，突破算力瓶颈还有那些可能性。这大概是每个关注AI领域的人最关注的话题之一。
在 Jin 担任 Graphcore 中国工程团队负责人之前，她在硅谷8年时间，在 Palantir, Uber, Instagram 等一系列一线科技公司担任工程和研究工作。从软件到硬件的转身，硅谷到中国的文化差异，Jin 可以跟我们分享的话题实在是太多了！
M小姐的私心：女性领导力这个可能被说得有些泛滥又容易有误解的话题，也很想跟 Jin 和观众在互动环节聊一聊！
接下来，就是几位分享他们在AI应用和工具领域创业经验的创业者，不同的领域，一样精彩：
Chun Jiang, Co-founder @Monterey AI
ex-Uber, Unfolded (acquired by Foursquare)
理论和逻辑推演固然重要，但是这红火的AI热潮里，最有体感的，大概就是硅谷这个世界创新中心的创业者了。Chun 创立的 Monterey AI，是YC S22的成员，致力于打造 Copilot for product insights.
兼具产品和设计背景的她，一直在AI领域深耕。从Uber 自动驾驶，到 Scale AI 的数据管理工具 Nucleus, 到最后被 Foursquare 收购的 Unfolded，到现在试图用AI颠覆产品经理的工作。要如何做一个好的AI应用，Chun 的思考经历了哪些迭代，绝对都是干货！
Eva (Yitong) Li, Co-founder @Word to World
虽然M小姐一直混迹于SaaS领域，但是面对AI对于整个社会如此巨大变革的可能，当然要有C端应用的讨论才是完整的！教育，自然也是AI最令人期待的应用领域之一。《Word to world话世界》是一款面向 3-10 岁孩子，进行3D故事内容创作和外语语言学习的APP应用。把小朋友说的话实时变成丰富动画，激发创造力并辅助英语启蒙。未来，多模态交互、AGI、多终端的结合，将给教育带来怎样的想象力，真是太令人向往。
Yitong 横跨中国和英国的教育经历，曾在爱奇艺、腾讯、震坤行等（看似风格很不一样的）公司负责市场营销和运营。与之前几位偏技术背景的嘉宾不一样，将AI带向更多变的C端交互世界中，又有哪些趣闻、挑战和思考？
Yitong 是M小姐的活动中首个C端产品builder, 感谢AI让我有机会跨界！
Melody Xu, Co-founder @Stardust 星尘数据
Ex-JD.com, DocuSign, Credit Karma
AI的研究、算力、应用都聊了，怎么能缺少了数据这个话题！Melody 联合创立的星尘数据，2017年创立以来，见证了AI行业的两波浪潮，自动化数据标注的诞生，以及不同AI领域对数据需求的变化。以大语言模型（LLM）的新一代AI技术，为数据标注行业带来了哪些机遇和挑战？
Melody 也是个风一般的女子。从硅谷当红科技公司 DocuSign, Credit Karma 的BI，到回国经历科技大厂和创业，最终选择在数据标注这个领域扎根。她的行业视角和中美游走的创业经历，M小姐要试图在时间有限的panel 中挖掘出最精彩的部分！
看完了嘉宾介绍，请不要走开~后面的彩蛋部分，也值得你驻足！
如果你是创业者、从业者、投资人，或是对这个问题感兴趣有思考的朋友，快报名来一起聊聊！

如果你不能来，也希望你点击帮忙转发扩散，推荐给北京的小伙伴来聚聚~
赶紧扫码报名吧（截止时间本周日晚上7点，别错过了哦）

03

    预习材料：美国生成式AI市场观察

感谢你读到了这里！好不容易请来嘉宾做硬核分享，M小姐也给大家一个预习资料，分享一下最近我们对美国市场的简单观察。以后还会分享更多深入的分析，让我们一起，试图在希望和噪音中，找到价值和理想的锚点。
美国的创业投资市场面对AI，似乎在经历堪比“iPhone 时刻”（Nvidida 黄老板语）的疯狂，看似年轻独角兽层出不穷。但是深究下去，整体环境其实更加复杂。
我们注意到，不论AI再令人兴奋，美国短短1年多时间，从零利率的极度宽松，到国债利率接近4%的紧缩，使得还在寻找新的估值锚点的早期投资圈、还在二级市场中恢复的资本流动性，都不敢一下子回到过去。
如果只是从融资来看，因为叠加了整个紧缩的宏观背景，媒体标题渲染的AI mega rounds标题背后，这次高潮还是比2020年央行大放水的时候，多了一些伤痛未了的谨慎。根据 CB insights 的数据，全球2023Q1 在AI领域的融资，其实比2022Q4下降了很多。
即使在AI发展最成熟的美国，VC整体投资规模经历了断崖式下降，还是一级市场大背景：
这么一看，AI领域的投资还是几乎靠硅谷一己之力拉动。
面对如此巨大的技术到社会性变革，我们要从更多的角度，去理解技术迭代的路径。
理解生成式AI的产业结构，硅谷顶尖VC a16z的这张图，总结得非常清晰。
从产业结构上各个部分的创新节奏，可以帮我们更好的把握变革要发生的脉络，不同时期可能的机会和挑战。
作为本次硬核活动的预习，我们就这个架构，简单说说过去一段时间的几个行业观察。
首先，模型层面，开源 vs 闭源。
从一开始 OpenAI 的高不可攀，到现在开源生态迅猛发展，开源大模型基本能跟闭源大模型分庭抗礼，已经被越来越多人接受（虽然还有争议）。
巨大参数量带来的算力瓶颈，一直被认为是foundation model 的壁垒之一。
source: Nvidia
但是，能更灵活、更可控地使用一个核心技术，是所有企业本能的诉求。很快，OpenAI之外，一系列开源模型、自建模型的闭源应用都层出不穷。
Source: Nazneen Rajani | Robustness Research Lead @ Hugging Face 
由此，涌现出新的LLMOps工具，也就是大语言模型开发工具。
Source: Valohai
但是，很多问题也没有答案：我们是否都需要一个完全不同的LLM工具？这些工具跟现有MLOps, 云厂商、大模型提供商（如OpenAI）的关系是怎样的？
我们甚至看到, LLMOps 的公司，自己也在研发LLM。
Source: MosaicML
以Langchain 为代表的tooling, 增速迅猛；对向量数据库等新兴需求的期待，如火如荼。但是随着模型能力的提升，工具层会受到怎样的影响？似乎没有人能回答。
一开始要在社区中站稳脚跟的轻量级工具，随着生态和应用都迅速演进，是否要走向 enterprise, 又成了企业经营取舍的重要考验。
Source: Scale Venture Partners
第三，层出不穷的应用层：有多少价值属于 startup?
这个话题，在这一波AI创业浪潮中，格外有争议。看看最近 Bessemer Venture Partners (BVP)的这张图，里面提到的 Embedded AI，其实是个双刃剑。
source: Bessemer Venture Partners (BVP)
对于已有强大品牌影响力和用户基础的现有巨头来说，在产品中加入AI能力，迅速就能实现用户的覆盖。尤其在企业服务领域，现有vendor 即使只有70分的产品，高昂的switch costs, 甚至会使得有85分产品的 startup 处境艰难。
这一波AI在ChatGPT 国民级应用的带动下，迅速形成了市场共识。从Microsoft (well, of course!), Salesforce, Hubspot, Adobe, 等等百亿美金老牌玩家，到Notion, Canva, Zapier 等新晋巨头，都推出AI产品的速度都丝毫不亚于startup.
Source: Salesforce, Slack, Adobe, Microsoft
难怪有人质疑说，虽然AI能够创造大量价值，但是有多少属于新的公司，或许未必比移动互联网大潮乐观。后者已经创造了新的 distribution channel, 但是我们发现，大部分上一波的巨头，似乎都在一段时间的挣扎后，还是成了最大赢家。
比如，这是美国最大的 solo VC (只有一个GP，但是管理了6亿美金的传奇大佬) Elad Gil 总结的过去几次浪潮中，传统巨头(incumbent）与startup的胜率。
当然，不可否认的是，创业和技术变革从来不是轻易的。不论是中途阶段性成果，还是最终胜出，我们都需要无数创新企业的参与，共同推进新世界的进程。这也是早期投资令人兴奋的地方（强行打鸡血！）。
最后，速度从未如此重要。
一方面是共识的力量使得竞争前所未有的剧烈，一方面是AI技术本身也让很多应用的开发门槛和效率极大降低。这一代AI创业公司，真是又要顾及战略，又要“拼手速”。
startup 永远在创新的最前沿，YC 也可谓是风向标。最近一期YC W23, 几乎要被生成式AI的主题统治了。从开发工具到应用，不一而足。
ChatGPT 似乎让整个创业圈的速度都摁了快进。最近一期硅谷核心VC圈票选出来的、各个成长阶段最有代表性的 Enterprise 30, 可以看到，AI的含量急剧增加，而很多都是过去2年内涌现的公司。
最后，还有一股不可忽视的力量：学术研究。
GPT带动下，对AI的学术研究正在爆发式增长。
尤其是在开源领域，光是基于Meta 开源的pre-train model LLaMA,就在学术圈掀起了一阵驼类旋风（各种以驼类命名的model……），以及相应的工具链。
source: https://betterprogramming.pub/state-of-llama-2023-q1-663905c37a5e
难怪，在 FirstMark 每年公布的MAD（Machine learning, AI & Data) 报告中，把底层模型竞争中，big tech, research lab, academia 称为AI的新政治经济。
学术研究和应用落地的光速，在宏观微观复杂的经济背景下，加上中国和美国的地缘政治，又使得大家AI的探讨，一方面追求尽可能的同步，但是在实际落地、生态发展和核心关注点上，又不得不有非常差异化的路径。这又是一个万字都说不完的话题，按下不表。
在这种特殊的市场环境下，创业公司需要注意什么？
可以说的很多，这里说三点。
首先，作为 startup, don't play incumbents' games. 
前 Greylock 合伙人，AI 早期基金 Conviction 创始合伙人 Sarah Guo 对于应用层的这个总结，可以作为一个思路的参考：
这里面尤其重要的是 Speed & Risk taking. 明确了作为创业公司的优势和劣势，有很多看似快钱的机会，也许就可以舍弃了。
Risk taking: 越难的事情，对于 startup 或许反而是容易的。

同样是 Sarah Guo 的分享。这一席话本来是针对大公司如何制定自己的AI战略来说的。其实是给 startup 一个创新的思考方式。

M小姐一直以为，AI对于效率的提升，本质就是对workflow 的 re-imagine。 这上面每一个level 对于大企业来说越来越难，却正好是 startup 的机会。
如果你只是在原来的 workflow 增加了 GPT的能力，那几乎没有打败巨头的可能。
甚至 automate 工作流，随着 chat-UI 的普及，也会成为现有 workflow 的一部分。
敢于基于 AI -native 的能力，重新设计 workflow, 甚至，回到第一性原理（这么虚，我们稍后另外一篇文章具体说），重新组合原有的多个工作流，才是反应再快的巨头都做不到的事情。

所谓的 fourth level, 或许就到了generative agent 的未来，到了那个时候，我们需要思考的，就不只是产品本身，而是整个组织形态了。
比如：如果以后30个人的公司可以做现在300个人的活儿，现有的很多组织形态、工作方式，都还需要吗？
来感受一下，硅谷大嘴巴，Social Capital 创始合伙人，Chamath Palihapitiya 怎么推想的：
Speed: 公司迭代的速度，远不止是写代码的速度。
比如，如何选择你的种子用户？
作为上一波AI创业公司踩坑人，M小姐能深刻体会到，新技术出现的时候，很多来自需求端的噪音，如果 startup 没有识别好而被带偏了，最后时间的成本有可能直接决定成败。
比如，你的早期用户是 tourist user （只是尝鲜），还是series user? 你要如何区分他们？

比如，如果有拿着大把钞票的企业客户，如何区分他们是否值得合作？或者，如何思考你的产品在什么阶段应该找怎样的客户？取舍是最难的。
前段时间，a16z 的一篇文章，分享了如何选择 Design partner 的思路，非常推荐！摘取了最重要的两张图，核心是：
design partner 未必是early customers；
只是强调 urgency 的，未必是好的 design partner （往往不是）。

预习资料就到这儿啦。还有很多细节，我们以后再慢慢聊。
公众号、podcast 的很多主题，也都是来自M小姐平时对这些问题的思考，如果好不容易找到了对的人来解惑，那就分享给大家~
这次活动，也算是M小姐试图促成更多信息交流和思考的尝试之一。如果你对于未来的活动主题、可以邀请的嘉宾有什么建议和推荐，欢迎在后台联系我！
最后，再回顾一下这次干货满满的 Agenda：
如果你是创业者、从业者，或是对这个问题感兴趣有思考的朋友，快报名来一起聊聊！
如果你不能来，也希望你点击帮忙转发扩散，推荐给北京的小伙伴来聚聚~
赶紧扫码报名吧（截止时间本周日晚上7点，别错过了哦）
最后，非常感谢M小姐的老东家，亚马逊云科技的慷慨赞助！这次AWS的小伙伴也会给现场创业同学们带来惊喜的Startup Program,可以期待现场福利啦！
我们处在这样的一个黄金年代啊，生成式AI打开了太多全新的可能性。颠覆式创新需要颠覆者，这样，机遇才能变成现实，而不是纸面热闹。
中国的科技新生代，面对汹涌的变革，我们共同前行，才更有力量，走得更远。
免责声明：嘉宾观点仅为个人观点，不代表所在机构观点，亦不构成投资建议。
Reference:
  • https://a16z.com/2023/01/19/who-owns-the-generative-ai-platform/
  • https://mp.weixin.qq.com/s/VaJx8wn5btksgGC0tAeEvQ
  • https://www.cbinsights.com/research/report/ai-trends-q1-2023/
  • https://ourworldindata.org/brief-history-of-AI
  • https://www.sequoiacap.com/article/ai-50-2023/
  • https://blogs.nvidia.com/blog/2022/10/10/llms-ai-horizon/
  • https://www.cbinsights.com/research/y-combinator-generative-ai-enterprise-investment-strategy/
  • https://twitter.com/AlexLee611/status/1628106304022794240
  • https://valohai.com/blog/llmops/
  • https://mattturck.com/mad2023-part-iv/
  • https://www.bvp.com/atlas/state-of-the-cloud-2023
  • https://www.enterprisetech30.com/
  • https://radical.vc/radical-reads-disruption-in-the-ai-era/
  • https://sarahguo.com/blog/everycompany
  • https://a16z.com/2022/09/14/a-framework-for-finding-a-design-partner/
都看到这儿了，不关注一下？
点赞转发打赏三连发，我也没意见 :)

****原创不易，转载请注明出处****
往期回顾
【2.5万字实录】OnBoard!硬核对话Google Brain, Stability AI: 生成式AI的技术实践与商业未来
OpenAI 联合创始人、首席科学家 Ilya Sutskever 解读大语言模型的底层逻辑与未来边界
万字长文，探讨关于ChatGPT的五个最核心问题
继续阅读
阅读原文