中国 VC 谈大模型：AGI 是「理想国」，还是「乌托邦」？

「雷峰网 (公众号：雷峰网) 」「雷峰网」大模型在中国成为热词后，不下十位投资人向 AI 科技评论表达过一种类似的声音：

「大模型是中国科技创业者融资拿钱的最后荣光了。」

再深入追问，概括起来就是一句话，「大环境变了」。主要体现在两方面，一方面是「中国市场没钱了」，另一方面是「美元基金逐渐退出中国市场、即使投也会变得非常挑剔」。

在这一大背景下，大模型的火热显得格外扎眼。

客观来说，大模型是一个高投入（业内普遍认为投资底层大模型需要 5000 万美金起步）、高回报，但同时带有极强不确定性的未来风口，这天然属于「敢于冒险、敢于押注未来」的美元基金重仓的对象。所以，在 2023 年的这波中国大模型投资潮中，美元基金仍然是主力。

但波涛之下仍有暗涌。受美元基金退潮影响，相较于互联网时代，美元基金颓势明显，例如一些知名美元 VC 一家都没投，整体出手次数减少。

AI 科技评论梳理了过去一年里估值率先超过 10 亿美金的五家大模型创业公司的融资情况（如下图所示），发现：

知名美元 VC 基本都已出手，红杉资本、高瓴资本、砺思资本、顺为资本均出手两次以上，五源资本、IDG资本、启明创投、真格基金、红点中国、光速光合均出手一次，而此前押注光年之外的源码资本则是一次也没再出手。

过去一年，在大模型投资上的掉队也折射了一些知名基金的颓势。以今年 Q1 被曝出大量裁员的源码资本为例，源码原先想做「中国的黑石」，上一轮基金募集到 20 亿美元，人员规模也大幅扩张，结果新的一轮由于大环境的变化，募集资金严重缩水，只能裁员，在这波 AI 投资上的动作也几乎消失。

而五源资本最新完成的一轮基金虽然超过源码（不足 10 亿美金），但相比以往，资金规模也大幅缩水。这使得中国 VC 不约而同地猜测，「未来大家都会缩小美元基金规模，以后可能美元基金都不存在了。」

与此对比的，是人民币基金的崛起。这波由大模型引发的 AI 投资潮中，CVC 与政府基金的动作在加快，积极接触许多十亿人民币估值以内的早期项目。例如，君联资本、顺禧基金分别领投了智谱 B 轮、B+轮。

不同力量的交锋错位下，是大模型市场的光怪陆离：

美元基金不再 venture（冒险），美元基金竞争加剧；有投资人称不看大模型，有投资人求「非共识」、「差异化」；有人提出 AI 投资的「不可能三角」，也有人仍然热血地追随着 AGI 的理想主义……

但无论是哪一种声音占据上风，背后都反映了资本市场的焦虑与求生：

未来要讲一个更大的中国 AGI 故事，谁来买单？

当「非共识」成为共识

因为在 2021 年就拍板投资智谱，启明创投周志峰成为中国第一批大模型 VC。ChatGPT 爆火后，他也成为中国众 VC 钦佩、羡慕的对象，近日，启明创投宣布周志峰从合伙人升任为主管合伙人。

但很少有人指出，在启明下注智谱时，智谱只是一家高校学者创立、缺乏知音的 AI 公司，哪怕它的估值仍在十余亿人民币水平。

周志峰是通过研究北京智源人工智能研究院的「悟道 2.0」大模型找到智谱。

2021 年 6 月智源发布了一个 1.7 万亿参数的悟道 2.0 大模型，规模为当时全球最大、超过了 OpenAI 的 GPT-3（1700 亿）与谷歌的 Switch Transformer（1.6万亿），在国内外引起巨大轰动。周志峰从 2020 年开始关注 OpenAI 与大模型，好奇悟道 2.0 是哪些人在参与，就顺藤摸瓜找到了当时的项目负责人唐杰。

当时智谱已成立两年，一开始重心在知识图谱。悟道 2.0 发布后，唐杰开始希望依托智谱研究稠密型的千亿模型。但 2021 年国内的投资人并不关注大模型，智谱也迟迟融不到钱、买不了卡，直到中科创星、启明创投等基金出手。

周志峰与唐杰深入聊完后，更加相信大模型「可能意味着一个新的科技革命大周期的开始」，虽然投资风险高，但还是坚决投智谱。所以，2021 年下半年，启明与君联领投了智谱的 B 轮，君联方由李家庆主导，两家分别投资 1 个多亿人民币、君联比启明多一千万。

启明、君联的钱进来，为智谱解决了早期缺卡训练大模型的燃眉之急。投完半年后，智谱对外发布了第一个千亿模型 GLM-130B。这个模型为智谱参与 2023 年百模大战的激烈竞争作了坚实的铺垫。由此可见，资本的助推是科技产业崛起过程中不可或缺的一环。

周志峰之所以能在 2021 年就看到智谱的潜力，与他早期的投资生涯息息相关。

周志峰是计算机科班生，2011 年在硅谷顶级风险投资机构 KPCB 进入投资行业。自上世纪 70 年代初，硅谷的 VC 开始投资前沿科技，所以周志峰也很早开始关注科技，尤其是人工智能。2012 年深度学习爆发时，周志峰经常去斯坦福与李飞飞等学者交流，所以很早感知到 AI 正经历一次伟大的技术奇点。

2014 年被启明创始人邝子平招募入伙，周志峰就开始看国内的 AI 项目。但在国内，周志峰发现真正愿意花时间在硬科技、AI 上的 VC 寥寥无几。当时中国的 VC 普遍偏好移动互联网、O2O 等领域，人工智能几乎是无人提及的概念。周志峰加入启明后参与评估的第一个项目就是旷视科技，但那时的投资决策文档上也很少提「人工智能」或者「深度学习」，更多谈的是「视觉」、「物体识别」。

周志峰认为，投资科技不仅需要「非共识」的魄力，还需要预判趋势的认知。从过去数十年的科技发展中寻找规律：

上世纪 70 年代，微处理器成熟后催生了终端设备（如小型机与个人电脑）的发展，诞生了Apple、Compaq、Sun Micro、DEC等一批明星企业；随着终端设备的成熟，软件应用开始崭露头角，微软、甲骨文、Adobe、Autodesk等公司诞生；越来越多的终端设备和软件应用被规模化使用后，产生了连接的需求，开始进入网络时代，迎来了电信和基础网络设施的建设高潮；网络基建完成，开始出现 Yahoo、谷歌、Facebook、腾讯、阿里等等伟大的互联网应用公司……

所以他推断，每一个科技浪潮的发展都遵循一个相似的范式：通常先经历 5 年或更长的基础设施建设期，然后才会逐渐发展应用。智谱是中国最早研发基础大模型的团队之一，大模型是生成式AI的基础设施，所以他对其进行坚定的投资。

预判趋势的投资风险很高，但好处是在市场未形成共识前创业公司的估值都较为合理。2021 年启明投智谱时，智谱的估值是十几亿人民币。两年过去后，智谱的估值已经飙升到 200 亿人民币左右。

「非共识」投资更容易拥有成功的幸运——这几乎是一条铁律。2023 年，最早投资大模型的人也成为了「非共识」的代表，但遗憾的是，像周志峰伯乐识千里马的故事只是中国科技 VC 圈、尤其是 AI 圈的极少数，在 2019 年前后舆论上还盛行过「人工智能的寒冬」。

能够预判趋势、并果断扣动扳机的中国科技 VC 是少数，更多的 VC 是「盲从」。深度学习的技术奇点是 2012 年 AlexNet 在 ImageNet 竞赛中夺冠，而市场引爆点是 2016 年 3 月  AlphaGo 战胜李世石；大模型的技术奇点是 2020 年 6 月 OpenAI GPT-3 的发布，而市场引爆点是 2022 年 11 月 30 日 OpenAI ChatGPT 发布。

2022 年上半年之前，国内不超过十位 VC 关注大模型，ChatGPT 之后、所有人都涌上来说要「All in AI」。热度最高的时候，智谱一天要接待两三波投资人，与昔日门可罗雀的局面形成鲜明对比。

某头部机构投资经理王灏钧告诉 AI 科技评论，2023 年上半年该机构迅速决策投了一家头部大模型公司，投资的逻辑很简单，「头部机构大家都在投这个赛道，宁可大家一起投错，但是自家不能错过，赛道必须布局」。

据了解，单单 2023 年真格基金就投了 20 多个与 AI 相关的项目，包括月之暗面、HeyGen、Monica、比特智路等等明星公司。2023 年也是真格成立以来新项目投资平均估值最高的一年，平均下来每个项目高达 7、8000 万人民币。

因「妙鸭相机」大火的张月光从阿里出来后，创立的「沐言智语」也乘上了时代的春风：产品还没出来，就已经进行了四轮融资，有高榕创投、智谱AI、砺思资本、明势资本等机构参与。有投资人因此向AI 科技评论感叹，「这个时代已经没有这样（产品没出、却能大笔拿钱）的项目了，只有 AGI 例外。」

过去一年中国科技投资人对 AGI 的狂热不只体现在「撒钱」上，还有这个时代已经很久没有出现的「乌托邦式」的理想主义。他们相信科学家的纯粹，并曾一度将月之暗面的创始人、90 后技术青年杨植麟打造成中国最有理想、最有技术情怀的「AGI 创业者」。

在 AI 科技评论与多位 VC 的交谈中，他们对月之暗面的描述几乎与大众理解的投资人固有现实主义面的「金钱回报」无关；相反，他们更多表达了长期主义的投资精神，如：

「大模型是技术驱动，投资首先要考虑寻找技术最强的团队，杨植麟之前就参与过 Transformer 的设计，技术能力毋庸置疑。此外，杨植麟有着强大的青年人才号召力。而且，杨植麟的目标很纯粹，就是要实现中国的 AGI。」

「我最看好月之暗面。它是最 Native（原生）的。每一个时代都有 Native 的公司，这些公司是之前从来没有存在的，比如上一代的美团、字节。」

「我觉得杨植麟是目前国内大模型创业中方向感最强的一个人。他不太在意 GPT-5、GPT-6 什么时候出，而是对 GPT-5、GPT-6 时刻有独立的定义，对如何达到 GPT-5、GPT-6 有自己的想法，也思考过独角兽企业实现 AGI 要解决什么问题，有清晰的规划，所以我们在月之暗面没有模型、团队也不健全的时候就决定投资了。」

「月之暗面的商业化比智谱、MiniMax 慢，但我们觉得没关系。我们就不希望杨植麟去追求商业化，他现在最重要的任务是把月之暗面的技术做到世界前沿，超过 OpenAI。我们投杨植麟不是为了赚钱，是为了在中国投出一个 Global AGI。」

教授、高 P 与年轻人

总的来说，2023 年以来中国的 AGI 创业者可以划分为三个派系：

一派是大学教授创业，代表有智谱唐杰、面壁刘知远、智子引擎卢志武、忆生科技马毅、无问芯穹汪玉等；

一派是原大厂高 P（包括成功创业者），有零一万物李开复、百川智能王小川、阶跃星辰姜大昕、元象 Xverse 姚星、无限光年漆远、HiDream 梅涛、爱诗科技王长虎、比特智路郭传雄等；

还有一派是年轻人，如 MiniMax 闫俊杰、月之暗面杨植麟、深言科技岂凡超、沐言智语张月光、联汇科技赵天成、TIAMAT 青柑、生数科技唐家渝等。

2022 年以前，中国的 AGI 赛道以高校学者、技术科学家为主；2023 年之后，大学教授的比例下降，AGI 赛道涌入了有产业经验的原大厂高管与没有包袱的年轻创业者。而教授、高 P 与年轻人三派，在中国的资本市场都有各自的拥趸。

在中国，科技 VC 最常接触到的一类创业者是大学教授。中国的 VC 也一度拒绝与大学教授接触，因为他们在这块吃过很多苦头，积攒了血与泪的教训。

多位 VC 都向AI 科技评论表示，投资教授的好处与坏处都很明显，好处是团队人才绝顶聪明、思维敏捷，研究走在行业前沿，技术能力很强，但坏处是长期处于高校象牙塔中，一是没有与学校完全脱离、手上同时有好几摊事，二是平时接触不到优秀的一线人才。

「Attention is all you need。他们创业最缺的就是注意力。」真格刘元调侃道。这一波 AGI 中，刘元投了马毅的忆生科技，他明确表示对马毅团队的技术实力不担忧，只担心他分配给创业的时间太少、注意力不够。

大学教授在高校的首要任务是培养出成绩优秀的一等一学生，创业时也往往是组织刚毕业没多久的学生一起创业。但在投资人的眼中，这些年纪轻轻的博士生人才只能算是创业中的「三流人才」，放到大厂中的职级顶多是 P7、P8，而他们平时投的创业者大多是 P11 以上的、有过实战经验的人。

不是每一个做技术的人都能转型为一个创业者。许多 VC 都反感研究人员当一号位的，认为「他们往往会成为公司发展的最大阻碍」。

清华汪玉是过去十年少有的创业成功的大学教授。他说过一句话，很为投资人认可：「教授创业永远只应该当一个首席科学家，CEO、CTO 等等岗位都应该从外面招募。」如果团队不升级，教授创业的原始团队很难提升至一个有竞争力的水平。

但在这一波 AGI 创业中，大学教授的身影更密，也扮演了比以往更难忽视的角色。究其原因，在于 AGI 「重技术」的基因，大模型是一项正在成长的技术，技术路线上还未达成共识，因此强技术探索仍是大模型团队的竞争区间。在技术探索上，教授团队有着天然的优势。

2023 年以来，智谱在底座大模型技术上的先发优势与融资估值跻身「大模型 F4」（其余三家是MiniMax、百川智能与月之暗面），也说明了这一点。

在融资与人才招募上，投资人普遍认为，高 P 与成功创业者如王小川、肖弘（Monica 创始人）的敏锐度更高。

高 P 们往往在大厂领导过较大板块的业务，拥有实战经验，是 VC 倾向的那类打过仗的人。而高 P 创业，或多或少都有过去的经历加持，所以相比擅长技术研究的教授们，在落地场景上的优势更突出：

例如，王小川做过搜索，因此被认为去做大模型具有天然优势；周伯文有过京东履历，其衔远科技专攻消费场景大模型应用；漆远在蚂蚁负责过金融风控，他创办的无线光年从AI制药转做大模型后，也涉足金融等垂直领域的应用。

但同样是没有学术束缚，相比年轻创业派，互联网老兵在资本侧的呼声也明显下降。2023 年，唯有王小川创立的百川智能排进了「大模型 F4」。MiniMax 与月之暗面都是年轻派代表。

Monolith 曹曦向AI 科技评论回顾过，2023 年大模型融资最热时，他们拿到了所有大模型公司的投资额度，但最后只选了月之暗面一个标的。Monolith 在第一轮与第四轮都投了月之暗面，前后投入大约 5000 万美金，金额超出了以往的所有项目。

选择年轻派的 VC 都不约而同有一种共识：「AGI 是一个新故事，只有新的组织、新的人才来做，才有机会带来更多想象力。」而曾在互联网时代乘风破浪的经验未必是加分项，即使上一代大咖拥有更强的资源，但如果他们大模型的逻辑没有讲得很明白，投资人也不会买单。

「今天的很多创新概念，不是上一代成功创业者的能力射程。」投资人许扬告诉AI 科技评论。「现在是新一代人、新一波做法，我去硅谷，感到很讶异的是，路演上做 agent 等上层应用的 00 后比比皆是。我认为 native AI 一定是00后/二十来岁才能做出来，而三十来岁的只能抓住短期生意机会，不可能创立另一个字节。」

显而易见，教授、高 P 与年轻人三派各有千秋，难分伯仲。

AGI 投资人最看重的三个维度——技术实力、融资能力与产业经验，在当前的中国 AGI 市场中，也是一个「不可能三角」。2023 年 ChatGPT 火了之后，大模型的投资机会增多，但风险并没有随之下降，市场狂热的表面下涌动了更多的不确定性。

理智与洞察

2023 年，王灏钧看过大模型第一梯队的所有公司，最终的决定是「不在这个阶段继续布局 Tier 1」。

尽管有少数的 VC 指出，如果参考 OpenAI 的估值，国内的大模型公司「并不贵」，以智谱为例，2023 年 OpenAI 的收入大约为 10 亿、但估值万亿，智谱收入数亿、那么估值应该是千亿，但智谱官方上轮对外宣布的估值是 120 多亿人民币，最新估值预计也不超过 250 亿人民币——但也有中国的投资人认为，中国投资 AGI 不能照搬美国的投资逻辑。

「美国动不动就是几千万美金。但在中国，几千万人民币都是过不去的坎。」资深产业投资人王清向 AI 科技评论说道。

在大多数的 VC 看来，技术不够领先、商业路径不清晰依然是中国大模型公司估值难以持续的短板。

多位 VC 认为，中国 AGI 的路线仍是盲从为主，「或许是因为盲从在中国能带来巨大的流量」。OpenAI 推出 Sora 之前，国内就已有几个文生视频团队，但所有人都认为在文生视频领域，「10亿参数规模以内，DiT 架构不可能比 Stable Diffusion 好」，结果 2024 年中国春节期间 OpenAI 把这条路线试出来了。

Q2 明星大模型创业者的套现风波，更是进一步让中国市场对 AGI 的信心大打折扣。

「说得再理想，身体很诚实」，投资人邱明生向 AI 科技评论评价，「投资方很忌讳创始团队刚拿到融资就要转老股或套现。如果真的那么 AGI，不可能在创业这么早期的时候就套现。改善生活不至于要那么大的开销。」

「在中国，不管什么段位的人，有战略定力的人还是少数。原因可能是国内的环境太多变了。」邱明生感慨。

从 ChatGPT 到 Sora、GPT-4o，OpenAI 凭一己之力拉高了 AI 的天花板。虽然 AGI 的故事依然充满想象力，但大模型狂飙一年半到现在，市场对于「大模型是否是一门好生意」仍有争议。

中国的投资人知道，中美的 AI 市场环境不同，中国大部分的 IT 预算来自国央企与大厂，同时出于信创的考虑，中国需要一家「大家信得过的大模型公司」，全方位对标 OpenAI、开局主打 To B 的智谱是生逢其时。但另一方面，从投资人的视角来看，「能生存是一回事，能把蛋糕做到多大又是另一回事。」

但喊 C 端应用口号的大模型公司，也不一定是最后的赢家。

首先，能否跑出牛逼的 C 端应用，与创始团队是否为资本明星的关系不大，「C 端最重要的是创意、找到突破点」。投资人李勤认为，无论是 To B 还是 To C，AGI 的创业者都要讲好「AI 为什么比传统赛道好」的故事，并想明白大模型产品如何能被现有的用户玩起来。

工具开发上，投资人萧风指出，「单点工具在国内很难存活，大多产品的用户只停留在几十万量级，而且国内的客户喜欢买 To B 解决方案做产品矩阵，所以单点工具的价格也上不去。妙鸭算是单点引爆，但它的唯一杀伤力可能就是逼死海马体。」

其次，大模型公司基于自己的模型做 C 端应用的成本太高，比其他纯开发应用的小团队要高，原因是它们的模型使用成本更低，后者既可以选择基于 LLaMA 等开源模型微调训练，又有百度、字节等大厂正以极低的价格或免费将 token 卖给外部开发者，论烧钱创业公司难敌大厂。

「过去一年，美国在大模型上的软硬件实力肯定是重要的，但更重要的是商业闭环是否清晰。如果大家都在卷增量市场，现阶段不用太考虑成本与短期的数据，可以只看性能指标往前跑，这一块会有人买单。而目前国内尴尬的一点是，模型软硬件的差距在拉大、却还没找到买单的方式。」李勤评论。

当下大模型商业模式不清晰的另一个体现，是一些大模型公司正在「拿着 VC 的钱、干 VC 的事」。

这个现象近日也在 VC 圈引起了不少讨论。多位投资人向AI 科技评论表示，他们认为这个现象衍生的本质原因就是：中国的大模型公司没有找到自己的商业模式，所以想通过投资其他上下游的生态客户来寻找商机。

甚至有公司与自己的其中一家 VC 合作成立基金。这些现象被投资人评价为「对 VC 极度不负责任」。

有投资人告诉AI 科技评论，上一代 AI 中，商汤、旷视等公司也做过 CVC（企业风险投资）的事情，但也已经是发展到了中后期、较为成熟的阶段，而大模型公司普遍只发展了一年（除了智谱）。CVC 适合成熟的企业，而早期创业团队模仿 CVC 就有「销 token 的嫌疑」。

「这种模式就跟云厂商投资大模型公司一样。投出去的钱是投资，收回来的钱是营收。」王灏钧总结。

Sam Altman 是 YC 出身，有投资与产业互哺的意识，上层生态客户基于底座模型开发应用，最终应用数据又能反哺底座模型，但 OpenAI 的优势在于两点：一技术最领先，大量开发者想基于 GPT 开发应用；二是 OpenAI 成立已超过 5 年，商业模式更成熟。

在这种大环境下，一些公司选择出海，如 HeyGen 等团队注销国内主体。

但投资人姚敏向 AI 科技评论指出，「囿于中美的地缘政治问题，中国不大可能产生一个真正的全球化公司。一些公司的核心团队即使已经搬到美国，也依然不会被美国的主流 VC 所接受。去也仅限消费行业，不能涉及到大数据与关键技术。」

今年年初，一位中国创业者到海外调研，学到一个新词，叫「GMEC」，即「Global Market Except China」（除中国以外的全球市场）。

「从最终的价值生产来看，C 端还是要看欧美的高附加值市场。这种 AI 创新生态很像早期的全球互联网，中国只是追随者之一，未来三五年内、在 AI 还没有全民化之前，我们没有太大的机会。」

写在最后

2023 年匆忙入局 Tier 1 的 VC 普遍都有一种心理，是期待后面入局的人民币基金当接盘侠。

投资人马骏认为，在资本市场退出渠道好的时候，VC 们很愿意去投行业的天花板、赌行业的上限；但现在整个资本的退出路径在减少，要么公司上市、要么有人接盘，那么投资就要保证下限。

「一个被大家忽视的趋势是，大模型的生命周期在缩短。」马骏指出。

大模型行业生命周期缩短的原因主要有两个：一是过去十年 AI 人才的数量快速飞涨，二是工具与新技术的获取成本越来越低。比如，以前大模型的研究有计算门槛，但 2024 年英伟达推出 B200 后、成本直接比 H100 下降 25 倍。加之开源模型的不断扩散能够参与大模型的研究者也会越来越多。「计算机方向博士生的论文含“大模型”量从去年开始越来越高了，研究 7B 的模型需要的算力高校的课题组还是负担的起的」，马骏开玩笑道，「这两年不加点大模型研究，导师可能不给毕业」。

如此一来，人才与行业的自增强机制就会使大模型的发展加快：大模型越多，参与的人才越多；人才越多，大模型发展越快，行业越火……诞生于上世纪 90 年代的企业，如英伟达，因高端人才匮乏一般能保持三十年甚至更长的生命周期，「但大模型不会有这么长的喘息时间。」

以妙鸭相机为例。妙鸭才刚出来，市场上就有各种山寨产品冒了出来、将它的流量分走。

技术扩大的速度加快，早期大模型创业者会有先发优势，但 2023 年后也逐步被追上。这时，大家习惯从业务层面切，但问题是，大家能想到的业务模式大同小异，互联网大厂一进来就变得内卷，导致如果大模型公司无法在一开始形成规模化的收入、或足够深的客户粘性，很快就会被赶超、最后进入价格战。

因此，马骏认为，现在大模型投资要找到新的场景、新的模式。

「我们可以预判，大模型的生产力（人才）在增多，生产工具（算力）的成本在下降，那么自然会出现新的生产关系。但问题是，现在的场景是固定的，新的生产关系怎么诞生？就要找新的场景。如果创业者找不到新的场景，就会发现有一群中不溜秋的人才拿着便宜的卡在跟你卷。」

当前中国投资的退出周期长，也不符合大模型生命周期短的行业规律。马骏认为，「如果能赶在一个公司的生命周期终结前退出」，更能激励 VC 的投资信心；反之，如果技术扩散速度加快、商业化过慢，退出难度更高，亏损也更长。

马骏认为，前港交所 CEO 李小加等人提出的「滴灌通」模式值得借鉴。这个模式是：创业者开一个店，缺 100 万，投资人投钱后，可以通过 IT 手段监控后台的营收数据，投资人可以持续从营收中抽成。反之，对于不确定性极高的 AGI，「除非你能证明你有持续的产品创新能力，否则我不敢投。」

但也有乐观者指出，这一波 AGI 中，人民币的崛起态势很明显，「不是传统人民币的打法」。比如，政府基金的动作很快，而且比以往更加积极地接触许多估值十亿人民币以内的早期项目。

「假设市场上还需要 50 亿美金才能讲好所谓的 AGI 故事，当然，50 亿美元相对 AGI 来说似乎也不多，但这 50 亿美金由谁来掏？」资深产业投资人王清提出疑问。「美元基金偏好风险，人民币不偏好风险」——但这并不代表美元是唯一的通行证；相反，在新的舞台上，人民币有新的机会。

没有人知道整个市场上的钱具体能够分散给多少家大模型公司。一开始，创业者与投资人面临双向选择困难；但 AGI 的叙事开展一年半后，他们终将认识到彼此坐在一条船的对面。

「市场起来，大家才有钱赚；市场没有起来，大家都没钱赚。」

接下来，AI 科技评论将推出 AGI 投资人系列访谈的播客，欢迎有兴趣的读者交流关注。

（王灏钧、许扬、王清、邱明生、李勤、萧风、姚敏为化名）

雷峰网原创文章，未经授权禁止转载。详情见 转载须知 。