来源时间为：2023-02-01
只知道ChatGPT？金沙江创投2023科技投资展望：五大趋势，19家全球创新公司巡礼
2023-02-0110:29:52来源:
北京
至
用微信扫码二维码
至好友和朋友圈
文｜金沙江创投管理合伙人张予彤
哪些公司在2022年依然取得了激动人心的增长？哪些前沿科技已日趋成熟即将爆发？2023年科技创投界的热点与风向将在何方？
过去一年，我们走访观察了全球新兴科技企业，探寻星星之火背后的核心动能，求索科技行业新格局下初创企业的下一个大机会。
在这篇三万余字的报告中，我们梳理了五大前沿趋势，巡礼其中最值得关注的19家初创企业，与我们最尊敬并始终与我们并肩前行的创业者们共勉：
Part1生成式AI：创作工具进化到自然语言，艺术的本质回归到提问与表达
提名公司：Descript，Jasper，Runway，Inflection.ai
Part2全球化2.0：多元化、本地化、人性化与数字化
提名公司：Deel，Miro，Chainalysis，Vercel，Snyk，Plaid
Part3数字健康和可持续发展：生命和环境也需要一个操作系统
提名公司：Neuralink，Biofourmis，CalibrateHealth，PivotBio
Part4Serverless无服务器：实现应用系统与基础设施解耦
提名公司：Supabase，PlanetScale，Wiz
Part5深科技：不局限于平台经济和双边市场，走进工业、新能源和产业进行颠覆性创新
提名公司：CommonwealthFusionSystems，EverydayRobotics
回顾过往，中国科学家、工程师与企业家在推动科技的边界中，始终扮演着关键的角色。我们不仅会坚定支持以科技为支点撬动商业机遇的创业者们，也相信在未来10年，在全球核心的科技与商业节点上，会有更多中国创始人的名字，也期待能陪伴创业者驶向科技的星辰大海。
2023年机会犹在，中国仍将是最好的投资市场。让我们有更多的耐心和信心，共同为一个美好的科技未来做好准备！
在此鸣谢共创报告的伙伴们温绵绵，杜頔康，陈瑞珏，牛源蕾
生成式AI：创作工具进化到自然语言，艺术的本质回归到提问与表达
生成式AI将如摄影一样，推动艺术的突破。19世纪，达盖尔拍摄的街道宣布了摄影术的诞生，将画家从捕捉现实世界的任务中解放出来，拉开了印象派，表现主义与抽象派百家争鸣的现代艺术史。现代艺术家在画作中抛弃了再现现实世界的目的，转而表现视觉感受，内心的主观表达。而到了20世纪中期，摄影的再现写实和抽象的艺术表达出现了一次新的融合，摄影家们将构图，曝光时间，光线的控制以及后期处理技术结合起来，开创了抽象摄影”这个全新的艺术流派。
（Vortograph,1916–17，Coburn通过创新的镜头附件和拍摄技巧，开创了抽象摄影）
今天，像DALL·E2这样的AI大模型可以按照你能想到的任何艺术风格进行创作，包括现实主义、野兽派、印象主义甚至抽象派等。它还可以学习指定任意艺术家，甚至糅合梵高与毕加索的风格进行创作。当这项技术的潜力被充分地发挥出来，当代艺术家又将如何应对呢？
尽管DALL·E2如此强大，它也最多像它的训练数据一样强大，就像是一位只能根据脑海中已掌握的技巧作画的艺术家。我们仍然需要艺术家对世界有独立的观察和思考，不断提问与表达。大模型会推动艺术家进入到下一个艺术思潮，会诞生前所未有的艺术风格，也会出现新老艺术媒介的融合，产生更高的创作自由度。
生成式AI的技术驱动力
技术红利消失了？生成式AI还可以持续释放生产力，今天的大模型就是明天的小模型！
大算力：大模型需要大规模的底层芯片来处理大量数据并执行语言理解和生成所需的复杂计算。这包括功能强大的GPU集群，可以加速训练和推理过程。
大参数：GPT1.17亿参数，到GPT-31750亿参数，不断突破能力边界的GPT模型是一部暴力美学的代表作，也代表了一种AI发展的价值观，以大计算为杠杆实现智能。大模型的意义在于通用性和极强的泛化能力，刚出现的时候还有很多的局限性，但每一次都做到了以前无法想象的事情，并且还将继续出现更多新的突破。
大架构：
ChatGPT使用Transformer架构，该模型在2017年出现在一篇名为“AttentionisAllYouNeed”的论文中，以处理大量数据和处理语言长期依赖性的能力而著称。可以并行化，大大减少了模型的训练时间。可以在大型文本数据语料库上进行预训练，也支持针对特定任务的微调。DALL-E2结合预训练CLIP模型与扩散模型（DiffusionModel)实现以文字生成图像。当前常用的扩散模型架构源自“DDPM:DenoisingDiffusionProbabilisticModels”：在训练中学习如何给图像添加噪声直至趋近随机高斯噪声，由于设计的模型可逆，生成是训练的逆过程，将随机高斯噪声通过训练好的模型逐渐去噪直至生成图像，它的结构类似多个VAE的叠加，每次只学习一个增量，降低了学习难度从而保障生成质量。ChatGPT的闪亮登场与Google的CodeRed
ChatGPT
生成式AI的一个爆炸性产品是ChatGPT，于22年11月一经推出，马上引起了病毒式的传播，一时间用户和ChatGPT的聊天记录充斥着所有的社交媒体。这引起了Google的警觉并正式宣布进入CodeRed状态，紧急召回了两位创始人拉里·佩奇和谢尔盖·布林商量对策。作为AI和搜索领域的万亿美金巨头，搜索是Google的基石业务，也是常青的互联网入口级产品，每天有数十亿用户通过它搜索信息。
这次的CodeRed也来自于ChatGPT的爆火，同时一部分用户更喜欢通过问答而不是关键字搜索来获取信息；这个危机事件中看到机遇的一方则是微软，早在2019年，微软就投资了OpenAI10亿美金，成为主要的外部股东，同时也联合OpenAI推出了GithubCopilot。在ChatGPT出圈后，也开始积极推进数年累积投资100亿美金增持到49持股与未来收益权的交易，通过加深与OpenAI的合作，积极将ChatGPT整合到Bing，正面挑战Google的搜索业务。
为什么Google没有发布ChatGPT这种产品？搜索引擎旨在帮助用户在互联网上查找信息，它的工作原理是对网站内容进行爬虫和索引，然后使用算法对这些页面与用户搜索查询的相关性进行排名。Google返回的是与用户查询相关的网页列表，而ChatGPT是根据输入的内容生成响应。它不会对内容进行事实核查，也无法区分经过验证的事实和错误信息，并且不提供信息来源。它还会编造答案，这种现象被研究人员称为hallucinations。
这些因素会带来很多业务中的法律风险，也许就是Google迟迟没有推出产品的顾虑，让用户可以相信他们从搜索获得的答案。很期待它如何做出响应，融合大模型和搜索，做出更好的用户体验。
如果我们问ChatGPT：“是不是可以先用ChatGPT获得答案，然后再去Google验证信息？”它也会认可这是个不错的方法，虽然调侃了它的无中生有，但它的回复的思维逻辑又无懈可击。
ChatGPT关于Google的回答
ChatGPT也定义了人与AI的关系：如鱼得水，如胶似漆。ChatGPT最大的创新就是RLHF(ReinforcementLearningwithHumanFeedback)，通过不停止的收集人类的反馈，让机器从他们犯的错误中学习并相应地调整行为。人类可以不断地帮助AI在决策过程中变得更加高效和准确，也减少了额外的人工标注的成本。人机结合进行改进的能力终将产生颠覆性的影响，也是一种人类文明的汇集，承载和传承。
生成式AI将让科技与创作走向大众
提示工程，Promptengineering，是一个门槛最低的编程语言。掌握智能技术将会成为每个人的必备技能，当编程门槛已经降到了提示工程，没有严格的语义，只要会自然语言，就可以将人类的想法转化为可重复执行的程序。不需要训练更多的人成为程序员，但必须把它当做一个编程工具去学习。常见的高级编程语言如Python、Java、JavaScript等大多诞生于90年代。未来的某个时刻，对于没有经过技术培训的普通用户来说，如何使用AI系统的能力也会是一项职业必备技能，就像今天的白领工作者都必须具备使用搜索引擎和Office办公套件的能力一样。
Prompt是一个问题或者指令，也可以是输入数据和用例示范，用于指导AI系统生成响应。今天提示的微小改变都会对AI的结果质量产生关键的影响，使用者还是需要理解AI系统的能力和每个模型特定的局限性。
学习如何找到明确的Prompt，不产生信息损失，也没有信息混淆，而不是编写程序本身。与大多数工程一样，这也是一个持续迭代的过程，要灵活的运用对话记录来指导AI。在提示链中，我们可以强制模型遵循一系列的“推理”步骤来纠正模型的错误，比如提示模型引用正确的来源来将模型推向正确的方向。还可以创建工具来存储困难任务示例的“测试集”，评估新提示的质量是否在原有基础上有改善。
在未来的生产力年代，我们每个人都需要成为超级用户ProUser，才能真正的掌握表达思想的道具。当然也可以期待Prompt变得越来越容易，模型变得越来越智能。
内容创作的“零门槛”化。我们生活在一个内容爆炸的年代，技术一直以来做到的就是不断的降低内容生产的门槛，让没有多年学习和经验的人，也参与到内容生产中来。
比如画家需要表达需要审美，技法，构图的综合体现。摄影的出现，就让需要表达的人可以摆脱对画师技艺的要求来进行艺术创作。这可以带来更加多样化和包容性的内容生态系统，任何人都可以参与创意、思想和艺术的创造和传播。
同样，人工智能生成的内容技术也在让内容制作过程进一步的降低门槛。
生成式AI带来的10倍效率提升
在内容生产效率上，AI可以快速生成大量内容，并且只需最少的人工输入，这可以为企业节省时间和降低人力成本。尤其在问答，长文档的总结等任务上，例如Jasper主张其对营销文案10倍的效率提升；在更为严肃的科研写作领域，Nature的一篇新闻也指出，至少4篇文章将ChatGPT列为论文的Co-Author。
而编程领域的应用同样激动人心：开源是软件能够迅速发展起来的核心，也为大模型提供了数十亿行代码的训练数据。这些工具的目标不是要取代程序员，而是要让像Codex和Copilot这样的工具与人类“结对”，以提高编程的效率。
比如遇到不熟悉的语言，API接口，SQL查询数据，甚至企业里维护的legacy代码。很少有开发人员可以同时精通所有的编程语言，包括C 、Java、Node.js等等。很多程序员也是从StackOverflow上面复制粘贴代码片段。当然仍有很多场景还不适用导致准确率不高，需要去DebugAI生成的代码，反而会花费更多的时间。
ChatGPT在编程任务上展现出了比Copilot更大的想象空间：Copilot还是只能做到自动补全。阅读、建议和修改文本以创建传统的软件程序。Copilot是无状态的，用户只能通过修改prompt重新生成代码。语言模型本身不跟踪状态。而ChatGPT在其中跟踪从一个prompt到下一个prompt的状态，可以根据用户反馈迭代输出，实现了复杂的“会话”
