快捷导航 
时间：2023-06-24 21:49:01来源：界面新闻
实际上，投人的逻辑在国内仍处于概念化阶段。过去三十年间，国内天使投资的失败比例高达90%，风险投资失败比例达70-80%，投人缺乏真正具体的标准，这个逻辑就是风险本身。
无论从个人经历还是团队背景来看，卢志武的项目都可圈可点，但和移动互联网项目不同的是，大模型项目前期需要的资金多很多，很多基金要么投不起，要么非常谨慎。而且，大模型创业是一个10年甚至20年才能看到结果的事情，现在的判断都过于简单。
“投人逻辑在VC行业很常见，它的正面是对创业者画像与素质的深度理解，在行业里浸泡了10年以上的投资人基本都有他们看人的一套方法论，但是各有千秋。反面折射的则可能是投研的惰性，一种stereotype（刻板印象)。当很多项目说不出个所以然的时候，投人逻辑也是一种自我安慰。从行业数据来看，后者似乎愈演愈烈，特别是跨周期时期。”一位头部基金年轻合伙人对滥用投人逻辑表示排斥。
“相比于当年打车和社区团购这种大规模的投资热潮，如今大模型浪潮中的投资人更冷静。可以只投人的基金规模往往不大，规模较大的中后期基金又不能在只投人的阶段介入，双边一挤压，交集就变小，也一定程度上限制了资金的投入速度。但无疑，AI/大模型是今年机构都无法绕开的主题。”光源资本创始人郑烜乐在谈到大模型创投现状时表示。
卢志武在见了很多投资人之后也意识到，风投未必适合大模型项目。“基金的钱是LP（有限合伙人）的，老在那儿犹豫也可以理解。”
消费互联网时代的经验不够用了“今年的AI新浪潮很像2019年的半导体热潮，但比2019年要更大，其实按照AI目前的逻辑，很贴切过往TMT逻辑的。”一位硬科技投资合伙人持类似观点。
“真正往里面放的大方钱很少。”
投行一直是投资圈对信息和风向最敏感的群体，据悉，光源资本看过的大模型相关概念初创项目超过百家，但在其创始人郑烜乐看来，大模型创业是“很偏venture（风险）的领域”，VC目前还是在做尝试性投资。
因为大模型的创业项目对人才密度、资金密度要求极高，跑模型的时候就需要花费千万美金级别的算力投入，而且经历数月。团队要求则是长期在机器学习上有很强的工程创新和实践经验，这类人稀少且昂贵。按照技术难度壁垒，真正有能力做底层技术创业的公司并不多。
“如果高性能算力芯片的供需关系无法改善，可能仍只能供少数公司充分训练，加上大厂布局，独立大模型创业公司资金需求量大、风险始终处在高位。”Capital O创始合伙人刘大卫认为。
实际上，在ChatGPT走红之后，很多从业者也在反思中国为什么没有诞生和OpenAI类似的公司，投资人不懂技术和太擅长投资而更擅长“投机”，被认为是其中一个重要原因。
搜狗创始人王小川在朋友圈表示，OpenAI的胜利，是技术理想主义的胜利。创业者回归技术信仰，投资人方面则有了呼吁技术为先的苗头。同日，刘大卫的朋友圈也在感慨“光是ChatGPT带来的关注度和对前沿技术的信心就很有意义”。
品玩创始人骆轶航在《谁拖了中国ChatGPT的后腿》一文中写到，沈向洋、李笛、马维英、王小川和李志飞，他们出来做大模型的创业项目都挺靠谱，但问题是得换一批背后支持他们的投资机构和投资人，有一些太擅长“做局”和投机，在加密货币等赛道上浸淫太深的投资机构混杂在其中，是应该被拉进黑名单的。
投资人擅长投机只是一个表象，其背后更深层次的原因是，国内的VC们并没有形成一套完整的投资方法论，他们在投资决策中过分依赖于过往的成功经验。这些成功经验大多来自消费互联网领域，投资决策过程判断所处赛道的市场规模、项目在赛道所处的竞争位次以及能否通过烧钱获取足够市场份额再提价赚钱——本身就是一个投机的过程。
在郑烜乐看来，互联网时代，投资人可以从用户角度去理解产品。但大模型时代不一样，投资人需要理解大模型里面的技术环节、数据获取和清洗过程等细节，理解怎样形成有效数据集，如何评估一个团队训练和迭代模型的能力，乃至于如何对一个模型进行评价，这确实需要一定的技术背景。
