作者 |王欣.
編輯 |劉景峰.
人工智慧領域的泡沫總是處於不斷生產和破滅的迴圈中。 ”
梅蘭妮·馬歇爾（Melanie Marshall）在她的書《AI3》中0“，描述了人工智慧領域 5 到 10 年的週期。
2024年，在擊敗圍棋世界冠軍李世石後，AlphaGo短暫掀起了人臉識別、自動駕駛等人工智慧浪潮。 2024年，ChatGPT的出現，將使大模型成為AI行業當之無愧的“頂流”。 泡沫破滅、資本平靜後，非理性的浪潮終於退去。 如今，AI行業很少再談人臉識別，自動駕駛也難以落地，而在中國，大模型已經慢慢成為投資者投資不起的領域。
研究人工智慧的這群人對這種模式已經很熟悉了：在“人工智慧之春”，投資機構過度承諾、過度炒作，進而迎來“人工智慧”的寒冬。
世界不熱也不冷。 在美國，風險投資界熱衷於投資人工智慧。 在擁抱人工智慧的東南亞，中美兩國正在爭奪人工智慧技術和投資——2024年至2024年，來自美國和中國的投資者參與了267筆東南亞人工智慧公司的投資交易，佔總投資的40%。
乙個令人欣慰的現象是，在東南亞，科大訊飛、華為、海康威視等中國科技公司與東南亞當地有著千絲萬縷的聯絡中國科技公司正在成長為東南亞人工智慧社群的中流砥柱。
曾經，普利茲獎得主托馬斯·弗里德曼在《世界是平的》中說，世界的舞台變得平坦了，扁平化的世界讓每乙個人和每乙個地區都站在同乙個水平之下。
環顧全球人工智慧社群，我們發現世界並不總是平坦的。
全球不同地區人工智慧有哪些不同方向？當AI企業走出國門，將面臨哪些機遇和挑戰？為什麼ChatGPT不是從騰訊、谷歌等擁有龐大資料集的大廠商中誕生的？對AI初創企業有什麼啟示和意義？
谷歌灣區總部。 資料來源：受訪者邱臻提供。
現在整個國內投資界幾乎達成了乙個共識，那就是“.大型模型的投資熱度正在降溫”。
作為今年創投圈最火爆的賽道，大模型火爆，無數大型科技公司和AI創業公司紛紛掀起大模型浪潮。 如今，全球科技公司對大模型的競爭正在進入存量時代。
據IT橙資料，截至2024年11月底，國內人工智慧賽道一級市場共融資580筆，較2024年下降26%，融資總額為630億元，同比下降38%。
在大洋彼岸，美國的大規模模式融資仍在如火如荼地進行。 根據Crunchbase資料，去年VC階段有11%的投資流向了AI賽道，截至今年下半年，2024年這一比例增加了26%，VC階段有26%的投資流向了AI賽道美國投資界對大型模型的熱情有所增加。
在海洋和東方，人工智慧融資面臨著不同的情況。
這背後，又是如何造成不同融資環境差異的呢？
首先，在美國，大型模型已經達到了能夠產生巨大經濟效益的規模，並在一定程度上影響了巨集觀經濟。 有研究發現，這一次從矽谷吹來的大模型之風，對美國GDP增長的貢獻率已經上公升了乙個百分點。 在中國，雖然百模大戰愈演愈烈，但大模型的變現仍處於探索的初期階段，商業化問題一直是最近幾輪AI浪潮的老問題，很難找到最佳解決方案。
其次，國內沒有像OpenAI這樣擁有應用層的全棧AI公司，可以從草根大模型到中間層再到應用層。 大模型領域，嚴重依賴大算力暴力的美學，對於創業公司來說太燒錢了，門檻太高，堪稱軍備競賽。 大模型不能投資，但應用層的公司不多，投資圈開始冷靜思考，大家都處於觀望狀態。
位於矽谷中心帕洛阿爾托的山麓公園毗鄰史丹福大學和史蒂夫賈伯斯故居。 資料來源：受訪者邱臻提供。
華盈資本海外合夥人邱晨認為，這反映了中美兩國在技術原能能力上的差異。
矽谷依舊是以原創技術為核心和基礎的驅動力，這還是很重要的，中國的優勢在於優化，不一定是原創的，就是人有我，也許人有我，再規模化，深度學習驅動機器視覺的最後一波浪潮，可以說是AI10，現在大型語言模型被認為是 AI20，目前這兩波浪潮在國內的參與主要體現在優化和規模上。 ”
2024年從北京大學畢業後，邱震赴美國學習人工智慧，從南加州大學資訊科學研究所畢業後，加入了矽谷傳奇科技公司思科。 他持續關注中國、美國、東南亞等地的AI風險投資。 回到千禧年，邱震還在矽谷搞科技，當時正值AI的寒冬，但整個矽谷還在積蓄，耐心等待著下一次突破。
但是如果我們走到大洋彼岸，就會發現，一般來說，在美國下一次突破之後，我們會投資它，做優化和規模化的事情，所以會有一定的延遲。 ”
這個突破前的積累過程，其實可能需要一些耐心，而這個階段過去之後，我們才真正到網際網絡了。 com那波，就是中間層相當於乙個介面可以出現，這個時候應用層就大量湧現出來了，在中國可能會出現大量的滴滴等一大堆網際網絡公司，這個時候可能還需要一定的時間，可能還需要一定的耐心。 ”
三藩市灣。 資料來源：受訪者邱臻提供。
在中國和美國之外，東南亞也成為中美對抗的主戰場。
在東南亞，人工智慧仍處於方興未艾的階段，雖然落地步伐相對較慢，但仍有希望。 東南亞各國都在擁抱人工智慧。 中美兩股AI旋風正在東南亞匯聚。
AI在東南亞並不是乙個新興產業，在大模型浪潮之前，東南亞由於勞動力成本低等因素，專注於智慧型客服、人工標註等AI相關應用。
不過，今年來到東南亞後，科大訊飛雲平台事業群副總裁周傳福明顯感受到，除了原有的部分傳統專案，現在更多的部門和行業都在討論和擁抱AIGC、大模型等新技術。
雖然東南亞最常用的模型還是來自OpenAI等歐美AI公司的大模型，但在東南亞AI行業，也有科大訊飛、華為、海康威視等中國科技公司。 科大訊飛和阿里巴巴先後在東南亞推出大模型，東南亞國家隊也加入了大模型大賽，新加坡**投資5200萬美元支援AI多模態大模型開發計畫（NMLP）。
周傳福告訴夏光通訊社：“東南亞雖然是乙個地區，但當你開啟它時，很多國家都有很大的不同。 新加坡是東南亞唯一的發達國家，其AI實施速度會更快，在教育等部門或行業有很多應用。 相對來說，新加坡（AI登陸）比較先進，也比較活躍，但馬來西亞、印尼、泰國等國家也能深深感受到比原來更熱情，當然整個登陸節奏比較慢，但還是有希望的。 我們將繼續在這些地方工作很長時間。 ”
越南也有可能在人工智慧的競爭中彎道超車。 摩根大通（JPMorgan Chase）分析稱，越南處於新興東南亞人工智慧發展的“前沿”。 早在2024年1月26日，越南總理批准的《到2024年人工智慧研究、開發和應用國家戰略》**就明確將人工智慧發展成為工業支柱產業。
2024年12月，英偉達首席執行官黃仁勳會見了越南**總理范明正，並承諾在越南建立半導體基地，使越南成為英偉達的第二故鄉。
東南亞已成為科大訊飛海外業務的第一站和戰略中心。 2024年6月，科大訊飛將在新加坡舉辦產品發布會暨科大訊飛AI TechDay新加坡站，攜星火認知模型和C端智慧型硬體。
因為科大訊飛一直專注於相對底層技術的創新和研究因此，如果這些技術應用在更多的場景和更多的裝置上，就不可能單靠科大訊飛。 所以整個開發者生態系統這需要付出很多努力。 周傳福告訴夏光，在東南亞開發者生態方面，科大訊飛以新加坡為中心，搭建了科大訊飛開放平台國際站。
其實我很羨慕，羨慕的點是C端炫酷產品容易抓住消費者，但底層技術可能兩天都不知道自己在做什麼。所以整個生態方面都放了技術應用生態這是我們的長期布局，不是靠一兩年，至少3-5年才能做好，這就是現在的狀態。 當然，我們在東南亞也看到了很多突破。 ”
他認為，這些突破的背後，是密不可分的技術創新跟地方化
東南亞複雜的歷史文化背景，以及移民的跨國流動，導致東南亞形成了不同方言體系的多民族社會，各個地區方言眾多。 例如，印度尼西亞的官方語言主要在耶加達使用，但在其他地方也可以找到很多方言。為了做好語音識別和合成的核心技術創新，除了提高通用能力外，還需要改進不同方言區域的口語場景。 此外，合成大模型的識別也是科大訊飛尋求突破的重要底層技術。
本土化是中國企業出海時必須面對的挑戰，對於科大訊飛來說，這也是必須要做的事。 因為科大訊飛要面對很多B端使用者場景，沒有捷徑可走，他們已經做好了深扎兩三年的準備，才能在本土行業做乙個徹底的工作。
目前，科大訊飛東南亞團隊的規模不是特別大，大概在20、30人左右，母語人士佔40%左右。 當地員工的大部分職責是業務發展、營銷和其他職位。 在核心技術方面，仍以國內總部和當地技術支援為主。
國內團隊和本地團隊協作過程文化差異挑戰不容小覷。 周傳福認為，在這種情況下，我們必須把自己放在當地國家去考慮問題，“我們不能說中國做得怎麼樣，國外做得怎麼樣，這對我們來說其實是乙個適應的過程，說起來很簡單，但我們必須真正把自己的定位放在當地的國家。 ”
此外，所有大型樣板企業要想跑過去，就必須跨越資料和人才兩座山。
讓我們回到開頭的問題：
為什麼ChatGPT不是從騰訊、谷歌等擁有龐大資料集和人才的大廠中誕生的？
騰訊和Microsoft的資料肯定比OpenAI大，為什麼OpenAI有GPT，而騰訊、Microsoft和谷歌沒有GPT？這是因為資料的有效使用和收集至關重要。 對於初創公司來說尤其如此，尤其是那些想要真正成為一家人工智慧公司，或者只是成為一家人工智慧公司的初創公司。
位於灣區的谷歌總部的休息區。 資料來源：受訪者邱臻提供。
邱震認為，私有財產本身並不一定是價值的源泉。 “你必須擁有資料才能真正使用人工智慧，但私人資料不一定有價值。 初創公司應該理解這一點。 ”
要積累和收集資料，請務必考慮演算法。 比如搭建乙個資料棧平台，但是它的門檻其實是很高的，所以光是收集整理資料的進入門檻，就會擋住很多人的外界。 即使是巨頭的資料，也未必全部有用。
說到大模型浪潮下的AI軍備競賽，體算力或許很重要，但核心演算法人才才是這一輪競爭中最重要的資源。
對於創業公司來說，邱晨的建議是從現在開始尋找一些大模型演算法的核心人才：“作為創業公司，我今天可能要尋找一些真正的核心人才，這聽起來可能有點遙遠，但我認為我的建議很可能有用。 對於一些創業公司來說，如果從今天開始，不管你做什麼，或者哪怕只是做應用層，都必須通過資料級別，但單靠資料是沒有用的，最後很可能要看你的演算法，不管你是什麼演算法，可能都不需要碰基礎模型， 但就算是想做微調，甚至只是調整API，也需要對訓練演算法有深刻的理解，而最重要的武器其實就是天賦。”
這也是因為目前國內大型模特人才儲備資源緊缺。 AI博士CEO劉成輝曾對**目前，國內90%的基座模型製作人才來自清華大學，而國內真正能調音和訓練模型的人才不超過200人。 “而大模特的戰爭也讓用工成本更高，”vivo副總裁在接受採訪時表示："目前vivo模型每年投入成本為20.3億元，總投資成本已超過200億元人才和資料算力各佔一半，人才平均成本為每人稅後100萬元。 ”目前，尋找核心人才對初創公司尤為重要。
如何在全球化中找到自己的定位，發揮自身優勢，是所有AI企業都需要面對的新課題。