嘉御资本卫哲：如何布局AI？

核心观点抢先看

“如何区分风口和趋势？”——AI，是趋势还是风口？

“用得上、用得好、用得起。”——AIGC有“三用”。

“运力、存力、算力。”——哪一个是中国在AI领域能取得领先的关键？

“美国前瞻、中国落地、产业赋能。”——嘉御资本的AI投资策略。

更多精彩内容，请参考全文。

5月7日至10日，“第十一届全球投资并购峰会：产业力量驱动新一级市场”在上海虹桥成功召开。本次峰会由晨哨集团主办，指导单位为上海虹桥国际中央商务区管理委员会及上海市闵行区人民政府，协办单位为闵行区南虹桥管理委员会办公室和闵行区投资促进中心，支持单位为虹桥海外发展服务中心。

大会成功汇聚了超400位全球投资与并购领域的上市公司高管、头部投资机构合伙人、专业的投行及法律服务机构代表，通过深入的政策解读、市场分析、技术前瞻等多维度内容，为参与者提供了丰富的洞见和策略。

会上，前阿里巴巴CEO、嘉御资本创始合伙人卫哲发表了主题演讲：《如何布局AI？》，以下为演讲实录整理。

AI的不可逆趋势：超越风口的长期投资视角

AI已经火热了将近两年，这个热度是否会消退？

在投资方面，我们非常反对追逐所谓的“风口”。那么，我们如何判断一项技术是长期趋势而非短暂的风口？

趋势是不可逆的，而风口终将过去。如果你正确地识别了趋势，它可能会比你预期的慢一些，也可能会快一些。我们的判断标准非常直接：观察这项技术改变了多少行业，以及它对行业的改变有多深远。

过去几年，无论是Web3.0还是区块链，它们可能都改变了一些行业，但如果你仔细思考，它们改变的行业数量有限，且对行业的改变也不够深刻。

我长期深耕于互联网行业，回顾PC互联网时代，尽管技术革新带来了一定影响，但相较于后来的发展，其对行业变革的广度与深度仍有所欠缺。直到2010年以后，移动互联网的兴起，才真正改变了我们接触到的所有行业，并且改变得非常深刻。

现在，如果没有手机，叫车、吃饭、支付、订酒店都成了问题。

AI技术不仅改变了众多行业，而且改变的程度非常深。你甚至需要反过来思考，还有哪些行业可能不会被AI改变。一旦AI介入，它所带来的改变将是深远的。

互联网用了十几年时间才完成行业的变革，而AI变革的速度更快，因此，它的影响既深远又迅速，这无疑是一个极为重要的长期趋势。

为了顺应这一趋势，我们从投资和创业的双重视角出发，特别关注四个关键领域。

我这里提到的基础设施是AI，特别是生成式AI所依赖的技术路径。我曾有机会与百度创始人请教，我问，使用百度的“文心一言”或ChatGPT提出一个问题，背后的计算量相当于多少次搜索？他告诉我至少相当于100次，甚至可能高达1万次。我们目前使用的IT基础设施是为了支持移动互联网而建立的，但当你提出一个问题时，其计算量相当于100万到1万次移动互联网应用的计算量。这说明原有的基础设施显然无法满足这样的需求。

我经历过互联网时代的泡沫，但即使在泡沫时期，为互联网公司提供基础设施的英特尔等公司从未遇到过问题。因此，当应用规模较小时，基础设施的建设是必不可少的。无论是哪个品牌，都认为基础设施的重构迫在眉睫，且距离我们并不遥远。

许多人说A股市场有很多AI概念股，确实如此，但也有业绩股，比如中际旭创。关键在于观察其2024年的预计利润，可能几倍成长。一年多前，这家公司市值仅为200亿。它从事的是什么业务？正是基础设施建设。AI基建最早遇到的瓶颈是运输能力，我们总是关注GPU的计算能力，但实际上，传输能力、存储能力和计算能力都是瓶颈。这是我们认为最值得重视的基础设施领域。

AI融合与创新：探索中美AI领域竞争与合作的新前沿

在美国，我们不应仅仅关注英伟达。实际上，当美国企业开始将AI与行业结合后，它们的业绩和市值都实现了显著提升。Salesforce.com的市值长期徘徊在1000亿美元以下，但与AI结合后市值迅速接近3000亿美元，它们的成功并非依靠交易概念，而是行业与AI结合带来的实际成效。

另外，许多人询问如何看待当前中美在AI领域的竞争。

简而言之，关键在于“用得上、用得好、用得起”。目前，只有中国和美国有能力发展大型模型，我们没有听到欧洲或以色列等国家在这方面的显著进展。鉴于当前的地缘政治形势，中国必将发展自己的大型模型，因此“用得上”不成问题。

我们的差距在哪里？在于“用得好”。许多人认为我们的劣势在于无法获取高端GPU卡，但回到我之前与百度创始人讨论，我认为百度在中文搜索方面超越谷歌是完全可能的，因为基于对中文的深入理解。

然而，这次的情况有所不同，因为大型模型的训练涉及数千亿参数，其中使用中文的数据量仅占个位数百分比，这意味着大型模型的训练必然是全球数据的问题。搜索引擎可以专注于中文，做好中文搜索是有可能的，但不存在中文最好的大型模型。

大型模型本身的训练需要依赖全球数据，遗憾的是中文数据量不足10%，因此在“用得好”这一点上我们天然处于不利地位。再加上我们是后来者，以及高端GPU训练卡的短缺，我们在“用得好”上将长期处于追赶状态。

然而，还有一件事非常重要，AIGC的最终目标是实现对消费者（ToC）、企业（ToB）甚至政府（ToG）的大规模应用。目前，AIGC推向应用的过程中已经亏损了大量资金，很大一部分原因在于“用得起”的问题。

我们关注的是三个“用”：肯定能用，但我们中国有一个机会，那就是让我们的大模型和AIGC后面的应用比美国更具成本效益。

为什么中国有机会在“用得起”这一领域取得领先？关键在于三个“力”：运力、存力、算力。

“运力”是“用得起”的关键之一。目前，我们的算力相对落后，但在运力方面我们是领先的，特别是在光电传输领域。首先，光电传输不直接存储数据，也不涉及敏感信息。全球五大光模块公司中有四家在中国。可以想象，如果微软和Meta（即Facebook）能够不购买中际旭创的产品，他们就不会选择购买。中际旭创是这两家公司的最大供应商之一。当然，还有我们投资的海信宽带、中国的新易盛、光迅等公司，在前五大公司中，有四家是中国公司。

更进一步，我们在运力领域的光芯片和电芯片，这两种对制程要求不高的芯片，中国也能生产，比如我们投资的博升光电，是全球除博通外唯一能生产单通道100G光芯片的公司，也是借助于微软的订单迅速增长。

因此，在运力方面，我们国家实际上是领先的，这也是一个值得进一步投资的领域。但这还不是全部，目前我们只是解决了数据中心内部的中距离传输问题，超短距离和超长距离的运力瓶颈仍然有待解决。

第二点是关于存储和存储能力（存力）。预计在未来两到三年内，中国在存储能力方面将能够与韩国或美国持平，甚至可能超越。这将是我们国家在存储领域的一大优势。特别是长江存储和长鑫存储在高带宽存储器（HBM）技术上的进一步突破，将使我们在存力方面不再受限，甚至有能力向全球市场输出。

然而，我们在计算能力（算力）方面还存在一定的落后。

因此，我们关注的是、运力、存力和算力这三个方面。我们并非没有优势，我们也有创业、上市公司转型以及投资的机会。

在此，我简要介绍一些我们的案例。我们并非现在才意识到这些机会，这是嘉御资本在过去三年中在光电传输领域进行的布局。当时我们进行布局时，AIGC的概念尚未流行。我们认为，对于这些企业，我们需要一些情怀和梦想，需要耐心等待。结果，在布局之后不久，AIGC迅速兴起，这些公司的业绩也得到了快速提升。

存储能力方面也是如此。除了刚才提到的长江存储和长鑫存储之外，我们还在做一项“押宝”行为。目前，所有的大型模型都是在云端运行的。但我们坚信，未来在手机和电脑上，一旦某些AI模型的功能稳定下来，它们将能够在设备端（端侧）实现。

大家可能会问，为什么使用大型模型需要跑到云端去？因为传输到云端的成本是相当高的。实际上，我们现在手机的存储和计算能力已经足够强大，未来许多应用将能够在设备端解决。而我们目前关注的是，设备端的存储能力是否能够进一步增强，其中存在着巨大的投资机会。

最后是计算能力。

嘉御资本的风格是不投资于整机、整车或大型芯片。中国的几家主要GPU芯片公司都非常努力，但与国际先进水平相比，差距仍然存在。那么，我们该怎么办呢？小时候看电影《智取华山》，有句台词说“自古华山一条路”，意味着那条路并非唯一，但确实是最容易走的。然而，如果那条路真的被堵死了，后来的解放军发现华山背后其实有好几条路，只是那些路鲜有人走。

所以，在GPU芯片受限如此严重的情况下，我们认为中国可能会被迫走出一条不同的计算能力发展路径。

跨越GPU局限：AI硬件创新与全球产业链融合

在这里，我们看到了两个主要的机会。

首先是通过软件技术提升GPU卡的性能。我们已经投资了趋动科技，简单来说，一张价值数万美元的GPU卡，通过驱动科技的技术，可以使其性能相当于四张卡。这是因为目前每张卡的利用率仅有20%到30%。这是一种资源池化和虚拟化技术。在CPU时代，VMware公司凭借类似的技术诞生并成长为市值超过千亿美元的巨头。因此，我们相信在GPU时代，也必将诞生一家类似VMware的公司，它通过软件提升了硬件的效能，这是我们正在努力突破的方向。

第二个突破点在于，我们不必局限于使用GPU。我们与英特尔和AMD的观点一致，这两家公司在GPU领域也处于落后状态。他们正在探索如何通过多个CPU的叠加和协同工作，在完成训练后的推理和应用阶段不依赖GPU。

在中国，我们也看好这一领域的发展。美国英特尔和AMD在GPU领域输给了英伟达，也在关注这一方向，我们同样认为值得投资。当人们面临压力时，才会想出不同的解决方案。无论是软件的创新突破还是寻找GPU的替代方案，都有可能在中国率先实现。这不仅能够减少我们对GPU的依赖，还可能使我们的AIGC产品更加经济实惠。

我们的策略可以概括为三句话：美国前瞻、中国落地、产业赋能。

嘉御资本在美国设立了一个完全符合当地监管和法律的人工智能投资基金，专注于软件而非硬件的投资。

而在中国，我们的做法正好相反，围绕AI领域进行硬件投资，不涉及软件。得益于美国团队的前瞻性，我们能够了解并引领在中国的硬件投资。

美国的前瞻性有何依据？以中国拥有最多GPU卡的公司为例，中国头部企业大约拥有10万张卡级别，而美国的公司一个集群就拥有50万张卡。因此，美国公司在硬件瓶颈上的遭遇可能比中国早两三年。

基于美国团队的前瞻性，我们有两到三年的时间在中国进行硬件布局。这就是所谓的“美国前瞻、中国落地”。而落地的具体方式，无论是通过初创公司还是与产业资本合作，都是关键。

嘉御资本与40多家A股上市公司建立了紧密的合作关系。我们不仅看重他们的资金，更看重他们的产业基础，包括现有的客户基础和制造能力。对于初创公司来说，重新建立客户基础是困难的，而且这些老牌厂商已经解决了制造工艺和质量问题，他们也面临着AI转型的巨大压力。因此，我们紧密地与IT基础设施相关的上市公司合作，他们也愿意与我们合作。结合美国的前瞻性和中国的落地能力，可以帮助这些产业资本更好地抓住这次价值十万亿美元的基础设施重建机会。

这正是我们实际操作的一个缩影。我们的美国团队不仅洞察到了行业趋势，更参与了部分初创公司的创立工作。

尽管这些公司源自美国团队的创意，但在美国，它们缺乏将理念转化为实际产品的能力，因为美国缺乏相应的产业链支持。为此，我们的美国团队承担了额外的使命，那就是将这些创新企业引入中国市场。

以博升光电的常院士为例，他最初是美国工程院的院士，后来也成为了中国工程院的院士。同样，英韧科技的吴子宁，曾是Marvell公司的首席技术官（CTO），他们在存储和传输技术领域具有深厚的专业背景，尽管他们目前身处美国，但他们未来选择回到中国，因为中国具备强大的制造实力，同时他们的许多潜在客户也位于中国。

大型模型之争：大公司主导与AI行业融合的新机遇

至于大型模型，许多人问中国是否有机会？

答案是肯定的。但坦白说，对于创业者来说机会不多。大型模型是大公司的必争之地。大型模型的建设和运行需要庞大的数据和资金支持，没有数十亿美元的资金储备，几乎不可能参与其中。例如，阿里巴巴投资了中国的五个大型模型公司，而美国的微软不仅拥有自己的大型模型团队，还是open AI的最大股东。

这种模式表明，大公司必须拥有自己的大模型。这也意味着，在大公司的竞争中，小型公司在A轮融资后如果不与大公司合作，将很难独立生存，无论是在中国还是美国。

简而言之，对于风险投资公司来说，似乎没有太多直接参与的机会。

但VC仍然有其作用，特别是在行业+AI和AI+行业的领域。

许多人可能会认为这是文字游戏，但实际上并非如此。

行业+AI的例子包括Salesforce.com等SaaS公司和行业领导者，它们通过整合AI实现了飞跃。

而AI+行业的公司，我们称之为AI原生公司。它们主动进入一个行业，与行业被动接受AI的情况不同。我们关注的重点是AI+行业的公司，特别是那些具备私有化数据和私有化部署可能性的行业。

为什么我们专注于这几个行业？因为公共数据领域，如大型模型和GPT-5或GPT-6等，每次发布都可能颠覆市场，导致硅谷数百家AI初创公司倒闭。

如果你开发了一个AI+行业的应用，很快就会被大型模型超越，因为它们可以做得更好、更强大。所以，我们选择聚焦的行业包括医疗和金融，因为这些行业的数据通常不是公共的，大型模型无法用于训练。此外，金融行业还非常依赖私有化部署。

我们也非常重视AI在游戏行业的应用，因为游戏行业同样具备私有化数据和部署的特点，而且游戏行业是距离商业化最近的领域。

在互联网时代，大多数新技术的应用都是从游戏公司开始的。即使是今天如日中天的NVIDIA，在过去很多年也是依靠游戏公司的支持。没有游戏公司对高端显卡的需求，NVIDIA的GPU技术也不可能达到今天的水平。

因此，我们的AI+行业重点关注医疗、金融和游戏这三个核心领域。

AI技术的未来浪潮：基础设施、投资策略与行业转型

最后，我想做一个总结。

尽管AIGC领域最近可能稍显冷清，但我认为这种起伏并不重要。AIGC并非那种一旦冷却就无法再次兴起的短暂风口技术，而是一种长期的趋势级技术。它可能是未来10年，除生命科学之外，我们投资行业最值得关注的方向。

当然，AI本身对生命科学领域也将产生巨大的推动作用。

第二，面对这一机遇，尤其是在中国进行投资的投资者，或者中国的上市公司，应该如何拥抱AIGC？

首先，应该聚焦于基础设施的重构机会。中国必定能够发展出自己的大型模型，但这主要是大公司的竞技场。同样，许多基金也不应急于进入这一领域。

另外，关于应用层面，即“行业+AI”。在座的几乎所有行业都应该主动拥抱AI，拿出当年迅速接纳互联网的决心。

如果在过去的互联网时代，你的反应不够快，那么在这次AI的浪潮中，你需要更加迅速地采取行动。和我们一样，关注基础设施建设和“AI+行业”。

我们共同努力，在投资行业和产业的共同推动下，实现中国AI应用的普及、高效和经济性。

谢谢大家！