写在前面
01 AI时代对创业者有哪些要求？
此外，我觉得有些创业公司内部对AI的使用不够。在这一轮技术变革下，内部用AI来创新和提升效率的公司，竞争优势会越来越突出。
创新能力。这里的创新源自两个方面，一是思路的创新，think out of the box。这一次大模型带来的是颠覆式的技术变革，需要创业者站在全新的技术栈上去思考如何用新的方式去解决问题、去撬动一些全新的场景。新技术从来都是从边缘市场/群体中发展起来，逐渐成为新的主流，在这个新旧技术交替的阶段，敢于打破常规是创业者非常重要的能力。二是「跨界」的能力。新一代的颠覆性技术，让之前的很多无解成为可能。勇于探索交叉领域，用新技术新方法创造性地解决问题，会有很多新的机会。这里跨界的能力非常重要。
在跟他接触过程中，发现他学习得很快，能够根据市场的需求和反馈，迅速抓住关键点，及时调整方向，很好地把握住公司的发展节奏以及每个阶段的核心。他的行业经验和洞察、快速学习以及战略能力，是我们特别欣赏的。
02 AI行业：复盘2023，展望2024
Q：2023年，有哪些关于AI的投资策略的思考是被证实了，哪些被证伪了？
Melissa：我们的投资策略之一是专注于我们能够理解并为其创造价值的领域。
在基金成立之初，我们就已经明确了不会投资大模型。这并不是因为大模型没有价值，相反，它在产业链中的价值是非常清晰的, 但并不是初创公司的模式，它需要庞大的资金支持，不是我们这类新基金的优势所在。我们只聚焦投资自己能够看明白且有判断的领域。回顾过去一年，我们有两个重要的判断目前看是被证实的：
一是大模型带来了产业的水平分工。大模型作为底层基础设施，其上衍生出Infra、Agent平台、终端应用等几个层面，每一层都对应着新的创业机会。
二是Agent的巨大发展潜力。在去年2、3月，我们就看到了随着LLM的发展，Agent在未来可能成为一个巨大的产业，并在早期就做了投资布局。
有些领域我们还在观察和思考中，比如开源和闭源的问题。
Q：今年你对AI思考最多的几个问题是什么？
Melissa：一直以来，我思考最多的问题就是AI的上限和边界到底在哪里。这个问题对于创业者来说至关重要，因为它决定了赛道的方向和机会。
此外，我最关注的问题是AI的落地节奏——如何将大模型demo的各种能力落地到生产环境、产生真正的商业价值。我们观察到，从去年下半年开始，海内外的AI早期投资都阶段性地放缓。AI的落地速度极大地影响着创业公司的机会、发展节奏和战略判断，作为一家早期投资机构，我们需要提前预判做好布局。
对于这个问题，我们尤其关心以下几个方面：
底层大模型的推理能力。这是目前Automonous Agent的瓶颈。GPT-5的推理能力能够提升到什么高度？
Agent的Memory结构。未来AI个性化依靠Memory，Memory的实现会加速应用的落地。
开源模型和国内大模型的发展速度。比肩GPT-4的性能会是个重要的milestone。Meta刚刚发布的Llama 3水平已经直逼GPT-4, 开源的发展还是很令人惊喜的，我们预期今年底国内大模型达到GPT-4的水平也是可期待的。
关于AI落地，也分享下我们最近观察到的现象：
这一轮AI并非没有PMF，只是目前很多PMF是在大厂内部落地。我们跟海内外互联网大厂的同事交流，发现他们在内部业务中有效果很好的落地案例。但由于是应用在内部降本提效，并没有以产品或者服务的形式向外界提供，因而不被外部所知。大厂的实践证明了 AI 的商业价值，随着技术成熟和大模型成本下降，一定会逐步外扩惠及更多的企业和消费者。
Q：今年Q1，你关注最多的AI产品是什么？
Melissa：Q1最关注的产品是OpenAI的Sora，最打动的地方在于它进一步展示了多模态大模型的可能性。
如果说2023是「大语言模型之年」，我们相信2024年会是「多模态大模型之年」。随着视觉模态的引入，我们预计大模型的智能会再上一个台阶，一方面因为视觉在某些方面对信息的抽象能力更强，大模型与人类互动的带宽大了很多；另一方面，视觉模态引入了时间维度，从而可以把许多因果逻辑自然地给到大模型。这将提升大模型对物理世界的认知，从而提升它的推理能力。今年我们会非常关注利用大模型多模态能力撬动新场景/新交互的应用。
Q：您聚焦做中美两地的AI投资，在您看来，中美两地的AI创业和投资上有什么差异？
Melissa：从产业生态的角度来看，美国的水平分工更加成熟。很多小公司专注于某个领域或某个点，在美国就可以活得很好。在中国大厂倾向于上下游通吃。
中美投资机构对项目的偏好存在差异。如果一个项目只是在某个点上做得很好，美国投资人可能会更多地从投入产出比的角度来考虑投资。然而，在中国，投资人会觉得这样的项目规模太小。这可能主要是中美在退出路径上存在差异，中国没有成熟的并购文化。
中美对于早期创业的支持程度也有差异。在硅谷，早期投资机构对创业的支持更加全面，包括资金、导师指导、客户资源等。然而，在中国，早期创业的支持相对较少。这也是Atom想做到的地方。
另外，关于中美在AI上的投资节奏，其实2023年中开始，美国AI投资也趋于理性，这与技术的发展阶段是相关的——技术的发展是非线性的。当一个新的技术横空出世时，如ChatGPT的出现，它会掀起一波投资浪潮。然而，随着时间的推移，投资者会发现技术的落地存在局限性，投资就会趋于理性。
03 Atom Capital 源起和投资策略
Q：大模型出现对您的基金产生了什么样影响？
Melissa：LLM的出现直接促成了这支基金的诞生。2022年年底，ChatGPT的发布引起了我的极大关注。我认为这是一个颠覆性的技术，将对产业产生长期影响。基于这个判断，我决定创办一支专注于新一代AI投资的基金，即Atom Capital，在中美两地投资。
我的初衷是希望利用我的创业背景、跨境经验、资源和技术优势（清华+微软），能够提供更前瞻性的视角，给早期创业者带来些真正的帮助。
我们定位自己为研究型基金，自成立以来，我们在投资之外也做了大量的行业研究，其中一部分通过基金公众号进行了输出。做这些研究的核心目的是希望找到AI技术带来的长期价值机会。
长期价值需要考虑两个因素：一是AI技术本身的成熟度；二是AI技术是否能落地到产业中产生实际价值。AI技术发展是有脉络的，我们想通过深入研究，抓住并预测它的发展方向和节奏。
现在AI行业还处于早期快速发展阶段，新技术新应用层出不穷，在这个Moving Target的过程中，许多原来看起来是机会的方向，很快就会被淹没，所以一定要对技术迭代、前沿动态足够敏锐，才能挖掘到真正有价值的机会。
Q：你们会重点投什么轮次和阶段？哪些是投资标准中的必备条件？
Melissa：Atom重点投资早期阶段（A轮之前）的创业公司。我们的投资标准包含2个必备条件：一是对大模型有一定了解的新一代AI native团队，二是团队对要解决的问题/场景有清晰的认知，能够最大化利用大模型的能力去解决问题。
Q：今年Atom关注的投资重点是什么？
Melissa：当前Atom关注的重点分为三个主要方向：多模态、开源及其带来的机会以及Agent平台。
关于多模态。视频本身引入了时间的维度，这使得它能够更好地表达因果逻辑，提高对物理世界的认知。视频包含了大量的信息，用户与大模型之间的交流带宽得到了大幅提升。这种交互带宽的提升将有望催生出许多新的应用。举一个简单的例子，很多难以用语言描述的信息，比如工程图等，现在可以通过视频输入到大模型中。这将使许多以前难以处理的任务变得可能，并有望带来一系列应用的爆发式增长。
我们关注开源及其带来的机会。当前，许多大模型都采用了MoE架构，包括 Sora和Gemini 1.5 Pro等。与传统的作为一个庞大的神经网络运行的Transformer不同，MoE模型由众多小型的「专家」神经网络组成，结果是大幅优化了推理效率和成本。
我们认为MoE架构的普及有可能会打破目前大模型领域闭源与开源的格局，让开源大模型迎来新的发展机遇——MoE的每个专家模型都很小，开源社区完全可以「拼齐」这些模块；或基于开源的MoE大模型，针对一两个专家模型做对应的优化，从而提升其在某个专业领域的能力。这大幅降低了开源模型在算力、数据、资本等资源上的劣势对其发展的影响。
我们还将持续关注Agent平台及其应用领域的发展。Agent平台也是实现多模态应用的重要载体之一。
About Atom Capital
