2024年9月19-20日，第18届DEMO CHINA在成都举行。本届大会由创业邦主办，成都市经济和信息化局成都市新经济发展委员会、成都市科学技术局、成都市投资促进局、成都市博览局为指导单位。
近两年，大会围绕“AI+科技投资”展开。创新中国 AI纪元，本届DEMO CHINA以“Rise of Transformers”为主题，102家早期科技公司在大会现场参与超级展示、企业对接。其中，AI企业高达48家。致力于打造中国具有影响力的早期科技企业展示及对接平台，十余年来，DEMO CHINA吸引45000+创业企业报名，1404家企业登台展示。其中，572家企业成长到A轮以后，309家企业参与后进入下一轮融资，33家企业成功上市。
大会现场，创业邦星际营25期新锐AI之星融资加速计划、2024高通创投-红杉中国创业大赛、2024淡水河谷绿色创新计划、Banglink企业对接会同期举行。200+投资机构代表齐聚成都，带来一场创投盛宴。
在会上，世辉律师事务所合伙人朱赞、线性资本合伙人黄松延、招商局创投首席投资官李忠桦、创世伙伴创投合伙人聂冬辰和英诺天使基金合伙人王晟，以“AIGC，从百模大战到应用为王”为话题展开了讨论。
当前，AIGC进入了更实际的落地层，更加强调场景与用户的互联，那么投资人们筛选大模型项目的逻辑是否发生了变化？To B or To C，还是一个单选题吗？
以下基于圆桌对话内容，经创业邦整理后发布。
投资人筛选AI项目的逻辑
朱赞：我相信今天有很多AI赛道的创业者在现场，大家肯定很关心一个话题，就是在座的各位在AI赛道这么活跃的投资人，在看AI赛道，尤其是应用场景项目的时候，我们是怎么去判断一个AI应用项目是一个好的项目，或者我们有什么样的标准去做第一轮前期的筛选，我们先从黄总开始，给我们分享一下。
黄松延：我觉得大致可以分为两个阶段。第一个阶段，大家听的比较多的PMF的阶段，产品已经做好了，要去找市场，这个阶段评选标准比较简单，更多的还是看客户愿不愿意付费，这是一个最直接的判断。更早期的阶段我们叫做TPF，是有一个Idea，我大概想解决一个问题。这个阶段我们可能现在判断标准也就是两个标准：
第一，你解决的是不是一个甜点的问题，因为大家听的痛点比较多，这个甜点的问题是能不能给客户带来核心价值的增长，不管是直接的价值还是提供情绪价值。这是非常重要的点。
第二，我们更看重的是能不能做到数据和应用场景的闭环，这是非常关键的点。因为最开始很难有一个非常强的固定化的壁垒，这是动态的，你只能做到数据和应用场景的闭环，才能把自己的动态壁垒逐渐提高。
朱赞：李总跟我们分享一下。
李忠桦：其实第一轮我们是没有标准的，我们很难做第一轮的投资。我们是央企里面拥抱新事物最快的那一家，但是肯定不是市场上开第一枪的人。
朱赞：比如说到了B轮、C轮，你们会感兴趣什么样的项目？
李忠桦：现在大模型我们投了头部，之前的那批做GPU的我们也投了，再之前的AI四小龙和无人驾驶，我们都是基本在第二、第三轮入场。
其实我们没有时间去攒局，很多早期机构有时间去攒、去泡创始人，我们可能人少，不能做到这一点。但其实每一轮投资人的判断都差不多。整个行业在探索未知，投资机构能够比下场游泳的人更预知未来吗？所以我们无非判断未来这个团队牛不牛。这个有很多定义，我们的牛不牛比较传统，你之前干过的事情、学术地位、工业界的经验，差不多都是那些。但是像我们这种有产业背景的大型集团公司的创投机构，唯一一点跟其他市场上的判断不一样的是，你的东西我们用不用得上。没有谁对谁错，CVC和IVC只是部分判断标准不同。其他的对于项目、团队的判断大家都是有共识的。
朱赞：李总能给我们举个例子吗？比如说招商此前投过的人工智能或者市场上的项目？
李忠桦：我们投了一个大模型，最后招商大模型选了它。但这家公司的估值比其他几家友商有很大的差别吗？我觉得也没有。但是这家公司调性和产品的适配度，跟这种大集团的数字化中心是比较匹配的。
朱赞：聂总跟我们分享一下咱们的标准和判断。
聂冬辰：投资最终本质上还是要挖掘价值，我们是分两个层面，特别是在AI这一块，AI应用相关的，一个是在产品这一类。
在产品这一层首先我们是去判断产品是不是真的解决一部分需求。解决问题是第一步，第二步是产品解决方案能够真正的工程化。工程化就是一个小白用户真的能用这个产品，从头到尾不需要指导，他自己可以把这一套流程做下来。产品能够端到端的真的用AI的方式串起来，这是我们认为在产品这一层真正创造价值的。
产品有价值，不代表一家AI公司真正有价值，因为产品有价值代表有一定市场稀缺性，投资人会认，但是更重要的是把稀缺性通过构建壁垒的方式变成公司的价值。要么是技术持续领先，要么是你的商业模式有创新性的，或者营收、BD能力强。
所以对于我们来讲，我们从产品到公司这两个层面拆开说它到底核心价值，以及它构建价值的壁垒是什么，这样一套我们再去判断最后这个公司值不值得投。
同时，我们希望有中国角度，特别是结合中国硬件供应链，我们去卷到国外市场，这个时候你的海外经验、你的海外市场的认知和运营能力，那其实也是我们关注的一个重点。
朱赞：王总给我们来分享一下。
王晟：AI投资里，就算跑到B轮、C轮的企业，这个方向上也不是都有共识的。比如讲大语言模型，大家都觉得好像能力很强，好像特别值得投创业公司。我给大家一个数据，所有五个小龙加在一起的用户量不过是字节、豆包的几分之一，而且这个差距在迅速扩大，很快1、2个月就拉到它们加一起就是1/10，甚至是1/20。所以你想象有共识吗？有的投资人相信敢投，有的根本不信，所以我说还是有非常大的非共识。
我们假设要投一个方向，剩下的问题就是创始人。这里面我们角度来看主要要分两类：
第一类，所谓做基础设施的，比如做算力，类似GPU、NPU、TPU、DPU这些。这种情况首先是重科研和工程，有相对比较高的确定性，确定性来自于科研和技术的壁垒。所以你要投的团队是科学家+工程化的团队，这些团队都有背书、论文，过去这个课题组到了什么江湖地位，做到什么程度，不难选。
第二类，跟市场做博弈，投应用是非常难的，今天这些应用都不是很吸引人的应用。投资人的偏好不代表用户的偏好。过去投资人很简单，要么是100万的用户量，然后看日活、月活、留存、在线时长、内容创造。要么就是过去很牛的团队已经成功过，再做一个事，我无脑信你。对于早期投资来讲，我们基本上很难看到数据，一旦跑出大数据，VC拿着大钱就来了。所以我们现在投过去成功做过几十亿盘子的江湖大佬，他觉得AI很棒，又出来做应用，他讲一个故事我也信他，这种方式可以投。
投资人看待AI应用赛道的挑战
朱赞：在座的几位投资人对AI应用的投资是什么态度？各位认为在投AI应用赛道过程当中最大的挑战是什么？从黄总先开始，跟大家交流一下。
黄松延：我们相信AI的应用端是能够带来比较多的应用点。但是大家相对来说短期过于乐观，长期过于悲观，所以投资的挑战是要逆着人性来走。具体看什么呢？我们更看重中国在哪些点上未来是有机会，过去积累的供应链优势让中国在硬件上可以卷爆世界。所以我觉得在一些软硬件的结合方向上，中国还是有很大的具体优势，这也是中国未来的机会点。但今天还是比较早期的阶段，很难定义到底是什么样的AI硬件是未来主流，我们也是在早期摸索。
朱赞：市场上大家投资人可能有不同的观点，但是就像刚刚黄总说的，悲观者可能是正确的，但乐观者前行，而且有可能拿到结果。接下来李总给我们分享。
李忠桦：我们是必须要投。一个从宏观层面来讲，央企投资机构应该也要有一些担当。招商局集团现在在做第三次创业，三个大的方向是绿色科技、生命科技和数智科技。数智科技我们其实就是AI、具身智能，这两个我们是同背景机构里面投的最多的，而且是最早的。光今年我们就关了三个具身智能的项目，招商在香港成立了具身智能实验室，有很大的预算，要自研。我们也会跟外部的创业合作，所以我们投的项目也都进入了合作生态圈，这是我们要做的事情。
投资机构是有路径依赖的，AI是第四次革命的话，我们试着去复盘一下第一次、第二次、第三次革命开始发生了什么事情，我们发现没有什么可以借鉴的。所以很希望创业者多多发挥自己的聪明才智，赶紧做点让大家没有见过的东西出来。
朱赞：现在大家知道大钱都在国资背景的机构手里，期待后面李总可以多多出手。接下来聂总可以给我们介绍一下看法。
聂冬辰：肯定是要投的，我们在管的超100亿的规模，大部分还是美元资产，所以我们看全球的机会。在国内咱们可能会被低空经济、芯片、新能源这些分散精力，但整个全球范围内AI就是最大的投资热点。
说回到挑战，首先最多的挑战是对创业者来说需要在长期不确定性里面找短期的确定性。我们永远不知道下一个OpenAI的迭代版本会出什么大招，所以我们在短期内找到真正需求，把产品壁垒勾连出来。当它迭代的时候，不至于把我们半年或者1年做出来的产品直接迭代掉，这是最大的问题。
其次，大家一定要关注所谓的竞争态势，在国内做AI应用其实是很闹心的，因为被大厂、大模型公司在围剿。现在的大模型公司并不是真正意义上靠大模型赚钱，每家都有自己的杀手级To C应用，这个时候做AI To C应用的时候一定要警惕，某一天它会成为豆包、腾讯以及国内AI巨头做的事情。所以这个领域做的创业者一定要时刻审视自己的竞争边界。
从我们的角度，我们过去17年投To C的项目比较多，京东、喜马拉雅、探探这些都是。在AI时代不确定性是长期的，我们看To B SaaS这个领域，伴随着付费产品意愿更强，会出现很多行业垂直的机会。你可以把产品插入到工作流里面，比如法律、HR领域，变得不可替代。
朱赞：在不确定性寻找确定性，把自己的技术壁垒构建的不可替代。王总跟我们分享一下观点。
王晟：第一个是，真的到了做应用的时点了吗？现在AI大模型还有非常多能力不足的问题，而且有幻觉。OpenAI o1能力变强了，但效率很低，因为你要用推一个问题几十秒、几分钟都很正常，甚至等几个小时，就算ChatGPT这样的大语言模型也没那么快。再加上成本不算低，不是非常友好。我觉得真正的应用创业者你应该不需要考虑技术的复杂性、模型能力不够、速度太慢，以及费用太贵，而这些都是当下实际的问题，所以我认为做应用的时间点还没到。
第二个是，所谓原生的Native AI应用是不是个伪命题？这是很严重的问题。大家老说PC互联网、移动互联网，我们要知道它有几个显著的特点是AI所不具备的。它有一个新的计算设备，天然具有新场景，能做很多新应用。今天AI没有新设备，还没有创造出新场景。更重要的是，没有新载体意味着没有从0开始的新增量。另外，交互还不完善，无论是乔布斯发明iPhone，还是微软创造了Windows，都使得硬件的载体和显示、输入操作非常匹配，今天AI我们看到的还是打几个字，或者勉强语音聊一聊，和这个设备的匹配度不高，不是那么完美的契合，我觉得都不是非常理想。
