自从2022年11月ChatGPT发布打开AI的闸门以来，这个行业已经发展并扩展到几乎覆盖当今所有的科技公司。根据Crunchbase的数据，有略超过1000亿美元的资金投入了AI和AI公司。虽然你们中的许多人已经直言不讳地表示听腻了AI，但显然，那些手握资金的人并没有厌倦对它进行投资。
在播客中，我每周都会与那些在生成式AI领域找到利基市场的人交谈，无论是安全测试、医疗保健流程简化，还是API管理。这仍然是一项非常新的技术，建设者们正努力寻找利用AI解决现实世界问题的方法，而不是仅仅用粗制滥造的内容充斥网络。今年三月，我参加了HumanX会议，以了解AI正被用于解决哪些问题。
在会议之前，HumanX分享了一份他们与Crunchbase合作制作的报告，详细说明了资金在AI世界中的流向。除此之外，他们还使用了Crunchbase的AI驱动的预测引擎来预测未来趋势，而未来趋势是更多的资金投入和更多的收购。他们的AI引擎预测，在HumanX会议上亮相的公司中，近30%可能在明年成为收购目标。
在会议上，我有机会与HumanX和Crunchbase的首席执行官以及其他人士谈论了AI行业的状况，以了解这种资金涌入以及正在发生的整合是好的迹象，还是表明AI炒作列车终于要脱轨的征兆。
从绿地到企业
我的科技生涯始于网络早期，当时资金流向每一个知道如何闭合锚标签的人。那时很好——资金以福利、酷炫的办公室和薪酬的形式涓涓细流。但泡沫在2001年破裂了。任何在科技行业待过一段时间的人，当资金开始涌向一项新技术时，都会有点紧张；这看起来像是另一个泡沫。
有时，泡沫的破裂并非伴随着桌上足球桌的甩卖和硅谷空置的办公空间。有时，它看起来像是该领域的成熟，大公司巩固其地位，经过实地测试的用例找到了市场契合点。对于初创公司来说，道路并非二元对立——不是成为独角兽就是死亡。许多初创公司通过收购实现了软退出。去年我们看到了大量的整合，随着生成式AI及其组件商品化，今年可能会看到更多。
去年，发生了许多AI收购案：英伟达收购了Run:ai和OctoAI，Databricks收购了MosaicML，ServiceNow收购了Moveworks，而且每天都有更多收购发生。在上述报告中，Crunchbase指出，HumanX的153家私营公司中，有45家（29%）非常有可能被收购。几十年来，追逐独角兽地位的初创公司通常将收购视为一个相当不错的替代结果。但公司从初创到退出的速度似乎快得惊人——ChatGPT仅在2022年底才打开生成式AI市场，仅仅是两年半前。
“在早期市场，整合是自然的，”HumanX的首席执行官Stefan Weitz说。“我从Primary Ventures得到了一个很好的统计数据：在1900年代之交，有2000家汽车公司和超过3000种独特的汽车型号。所以作为一个投资者，如果你在1904年看到这个，你会选择福特吗？也许。我们在互联网和早期互联网时代一次又一次地看到这种情况，但最让我惊讶的是，在启动后一年、一年半内可能被整合的公司数量。”
在早期市场，可能性似乎是无限的，每个人都想分一杯羹。这是一种非理性繁荣的状态，投资者进行赔率很大的豪赌，希望能中头彩。在HumanX与Theory Ventures的Tomasz Tunguz的对话中，他谈到泡沫经济是一个特性，而不是缺陷。“Carlota Perez写了一本很棒的书。她谈到了大规模创新周期，并将其分解为安装阶段和商业化阶段。安装是铁路、光纤电缆、电话系统的部署，在那里你需要非理性繁荣来资助资本高度密集、投资回报率完全不确定且很可能为负的项目。然后你会有一个修正，软件公司随之建立。这只是我们喜爱的繁荣-萧条周期的一部分。”
不仅仅是风险投资家在寻找下一个大事件；当前的大公司也想从可能正在发生的创新中分一杯羹。“我们看到很多这些大公司的企业发展部门在Crunchbase上搜寻，试图弄清楚他们应该收购哪些公司，”Crunchbase的首席执行官Jager McConnell说。“这些公司迫切希望弄清楚他们内部应该拥有什么创新。他们的路线图规划到了三年后，这太慢了。他们看到这个小巧的创意点，这个惊人的小部件，就想把它纳入旗下。”Tunguz同意：“错过一家公司的成本远远大于投资一家不起作用的公司的成本。”
对于那些进行创新并被整合的公司来说，他们也在赌能中彩票。在非理性繁荣下，大量企业家想出类似的想法，但实际上，只有一两个会取得成功。“我不知道任何一个没有AI的普通人如何真正弄清楚哪些公司能满足他们的需求，”Weitz说。“外面只是一片嘈杂；要突破并吸引注意力是困难的，在大多数情况下不会发生。”
在这种氛围下，随着我们看到越来越多的AI初创公司加入，创始人及其投资者可能开始寻找让资金获得回报的方法。“就像，‘让我们在能拿钱的时候拿钱，因为我们不知道明天会带来什么，’”McConnell扮演风险投资家的角色说。“显然有一些很好的退出正在发生。我认为投资者很乐意接受这种胜利，尤其是在多年的亏损之后。”
颠覆颠覆者
无论是否是泡沫，AI肯定已经掀起了一些波澜，每个人都在寻找正确的策略。它已经在大小软件公司中引起了巨大的颠覆——无论是好是坏。这项技术从初次亮相以来发展的速度令人震惊；成本已经下降，硬件和软件得到改进，许多工作的平庸版本可以在聊天窗口中复制。这只会继续下去。“AI定位于持续地自我颠覆，”McConnell说。“这将是一场持续的颠覆。如果这是真的，那么今天流向这些公司的所有资金都处于风险之中，因为这些公司可能会被即将出现的一些新技术所颠覆。”
颠覆目标名单上的第一个：初创公司。如果你想从零开始达到市场契合，你不再需要像过去那样组建同类型的团队。“想想工程师和销售人员之间的比例，”Tunguz说。“我们知道过去10年或15年的这些比例，但现在这些比例没有一个再适用了。如果我们真的处在一个人的生产力相当于25个人的位置，那么管理团队看起来会非常不同。招聘看起来也极其不同。”
这并不是说不再需要真正的程序员。我们已经看到，当那些只懂氛围编程的企业家把他们粗制滥造的应用程序摆放在无情的互联网面前时，他们被狠狠地抨击了。优秀企业软件的边际成本可能仍然很高，但用于单一目的的小型应用程序的成本可能接近于零。它不需要安全或高效，只需要能用。虽然我认为软件工程师不会变得多余，但你们的劳动力市场肯定会感受到一些冲击波。合同工看起来是首先被淘汰的。
下一个被颠覆的目标：SaaS公司。那些存在于网页或移动应用程序中的应用程序可能不需要拥有今天这样的前端。我一直在播客中半开玩笑地说，每家SaaS公司都将变成一个API。智能体已经在推动以编程方式访问各种SaaS能力；模型上下文协议（Model Context Protocol）的发展旨在标准化LLM的访问，而不仅仅是API。“如果LLM只是为我需要做的事情创建我需要的UI呢？”McConnell说。“那么它确实就变成了一个基于服务的模型，到处都是API，AI在需要的时候才去调用。AI能否直接生成所需的东西，从而不需要进行调用？这就是那些商业模式被颠覆的地方。”
Isaac Lyman曾在这个博客上写道，AI只是一个UI。这正以他当时写到的更多方式成为现实。不仅生成式AI工具正在取代网络搜索和网站，而且它们也正在取代各种基于网络工具的网络界面。“UI只是人类笨拙或我们思维方式与硅片之间的抽象层，”Weitz说。“当我思考AI能做什么时，它应该是一个统治所有应用的画布。你不应该考虑打开这个应用程序来发送电子邮件，你应该直接发送电子邮件。”正如Tunguz所说：“所有这些公司都是基于特定的工作流程建立的。所有这些流程都在改变。过去20年中僵化的软件不再适用，这意味着所有的市值，价值1.5万亿美元，现在都松动了。”
最后，颠覆的大目标：AI公司自身。有两个因素正在逼近它们。首先，所有这些投资已经创造了相当重要的基础设施。更强大的芯片正在设计，更好的电源管理被创造出来，处理方法得到改进。“推理和整体执行成本比开始时显著降低，”Tunguz说。“我认为我们看到价格性能提升了1000倍。我认为我们可能会看到另一个1000倍。”
第二个是开源。当DeepSeek在2025年1月发布他们的推理模型时，整个行业都倒吸一口凉气。由于出口限制，它没有在顶级GPU上训练，但在某些基准测试中与OpenAI的o1模型相当，而生产成本降低了96%。英伟达的股价因此消息下跌了17%。此外，你现在就可以免费下载该模型，并按你喜欢的任何方式使用它。
关于模型训练存在一些重大问题，比如有多少是蒸馏？这是指一个模型从另一个模型的响应中学习。但那种蒸馏，那种重新混合和再训练，可能是未来过程的一部分。“当你有一个新的闭源最高水准时，开源需要多长时间来超越它？”Tunguz问道。“2023年是140天，2024年是41天。除了Perplexity的Grok之外，没有其他可用的深度研究API。我认为部分原因是为了阻止这波超昂贵模型的商品化。”
面对未来可能持续的颠覆，一个人如何创办或经营企业？再者，一个人如何选择一个供应商来构建长期解决方案？“至少在接下来的五年里，驱动客户行动的因素将是我信任谁，尤其是在那些基础层面，”McConnell说。“即使有新的颠覆，我信任它吗？这就是围绕DeepSeek立即发生的事情。就像，‘哦，它被颠覆了。它更便宜。它好得多。哦，但我不信任它。所以现在我要回去，为另一个模型支付更多。’”
自20、30年前软件开始吞噬世界以来，这一直是开源的一个根本性矛盾。开源软件几乎在每一个现代企业中找到了归宿，但情况并非总是如此。“我记得以前在微软的时候，那时我们不能使用任何开源软件，”Weitz说。“部分是因为我们不想处理许可证，但也是因为，你真的信任这个库吗？”
在某些方面，这可能是那句老话“一分钱一分货”。一个不为软件支付任何费用的企业，可能会得到比解决方案更多的问题。我们已经与许多基于免费开源软件构建业务的公司交谈过。通过向公司支付开源软件费用，你获得的是服务、支持和信任。“人们总是问我，‘为什么会有人做开源？’”Weitz说。“嗯，你不是在卖软件，你是在卖服务，你在卖一个包装或托管版本，或者所有那些让公司更容易使用的不同东西。”
在AI颠覆时代，还有一个因素能造就杀手级应用：数据。
真正的解决方案建立在优质数据之上
在HumanX会场走动以及与人们为播客交谈时，我意识到AI热潮已经席卷了技术栈的所有部分，从定制云计算和手工打造的超级计算机，到医疗保健和物理基础设施中的应用。我甚至看到一个展位有一台艺术项目机器，从恐怖谷中吐出80年代风格的广告。AI领域和整个科技界的大牌公司都在那里。广泛的范围和兴趣并不奇怪——许多企业仍在想办法将生成式AI转化为商业计划。
“你如何帮助企业在AI森林中穿行，并以自信和信念的方式做到这一点？”Weitz说。“目前我们交谈过的大多数企业都缺少这个。他们没有很好的AI策略。他们可能有想法，甚至25个想法。我曾与一家公司交谈，他们同时运行着230个试点项目。”在很多方面，这听起来像是在绿地市场中投资的散弹枪式风险投资模式；进行大量赌博，希望其中一个能成功。
对于现有企业来说，他们正在寻找更好地服务客户、提供更多功能和获取新客户的方法。我们不要扭捏：他们投资AI是为了赚更多钱。“我在Salesforce工作了11年，听到很多客户问，‘你能帮我找到我的下一个客户吗？’”McConnell说。“这些企业已经准备好迎接AI，因为一个Salesforce产品可以说，‘我了解你卖给谁。我会去寻找类似的客户，并给你提供看起来像那样的新客户。’如果你明天能想出这个，那就是为企业准备好的AI。”或者，你知道，在2024年。
除了商业，AI还有更多用例。人们正在拯救蜜蜂，预测野火，并在几天而不是几年内中和超级细菌。“我看到的一些关于AI的最佳思维来自跨学科对话，”Weitz说。“我去年参加了TED大会，这些加州理工学院的研究人员意识到，很多住院是由感染引起的。导管尤其是个大问题。他们把这个问题交给了AI，AI创造了一种导管，基本上内部有一堆牙齿，可以防止细菌一直通过。他认为，正交思维是我们获得很多创新的地方，但即使从我们的历史行为中也可能挖掘出很多东西。”
从基础设施到数据管理，再到推理栈和LLMs，这些基础技术都是令人难以置信的软件，正在打开一些迷人的应用。但真正有用的应用是使用这些技术构建在数据之上的。上面所有的用户案例，从企业到非营利组织，都是数据故事。“那些懂得如何从其客户独特的专有数据中为客户提取价值的AI公司，那里事情就变得有趣了，”McConnell说。“作为一家数据公司，我感觉很好，因为如果你拥有别人无法访问的专有数据，就很难在这个游戏中打败我。我认为，从长远来看，独一无二且他人无法访问的数据是圣杯，因为，不，AI无法编造它，这感觉像是赢家。”
头奖与冷枪
正如风险投资资金持续增长所显示的，AI有一个商业未来。这个未来是属于今天的超大规模公司，还是用新一代巨头取代上一代巨头，或者创造一个巨头兴衰的周期，目前尚不得而知。但似乎清楚的是，每个人都需要一个AI策略，即使该策略意味着不采用AI。拥有某种不易复制的特殊秘方，将保证在市场上占有一席之地。对于大多数AI用例来说，这种秘方将是数据。如果你拥有别人没有的东西，就很难被颠覆出市场。