米羊科技CEO奕成：2024年 AI 赛道还有创业机会吗?

ai导航-热门ai工具网友投稿5个月前发布 aigc

1,254 0 6

“我有一个绝好的想法，现在还能离职出去创业做 AI 吗？”

“现在 AIGC 还能挣钱吗？”

“未来 AI 格局会变成什么样？”

……

最近朋友们常问我这样的问题，AI大家都很熟悉了，但 AI 到底还能不能成为创业风口，AI 是否还有成功的机会？

为了回答这些问题，我们复盘了 2023年7月创业之初对AI行业的判断，书写本文，不仅是对大家疑问的解答，同时也为我们未来的行动坚定了信心。

经过半年的产品迭代与持续的行业调研，我们的结论是：

目前 AI 赛道创业环境仍然良好，且垂类应用市场并没有明确的头部产品出现。

如果你在考虑 AI 创业，建议优先考虑做 AIGC 垂类应用，且速度一定要快。

结论依据：

Q：为什么要做垂类？

A：原因主要有四点。

泛用户的 AI 行业应用逐渐已经出现N分市场的格局，百度飞桨平台、腾讯混元、阿里通义等行业大模型几乎能满足用户基本使用。尽量避免与大厂直接竞争。
细分领域市场方面，目前 AIGC 产品未到饱和状态，仍有非常多的垂类市场并没有被 AIGC 真正覆盖到（比如我们选的 AI 职场相关的写作赛道、还有智能工业、零售、交通、医疗等）。 * 这里特指真正的 AI 工具，而非 GPT 套壳产品。
大厂卷的方向主要聚焦在多模态、速度、推理能力等基座维度；一些垂类市场用户量少，投入高，市场天花板较低（相对大厂标准），大厂亲自下场 ROI 算不过来，更为合理的是大厂物色已出具雏形的垂类应用，大厂通过钞能力并购收购并入 AI 生态版图。因为大厂未必要挣完每一分钱，但大厂不能漏球，常见的投资策略有：入股 5% 签排他。
如果能做到垂类产品头部时，有多家大厂收购该赛道产品时，你能进入大厂视野，便于大厂对产品力的进一步加持，实现产品心愿。

Q：为什么要追求速度？

A：目前 AI 产品的平均寿命只有 3个月左右，研发团队需要 5-6人左右，团队成员最好是斜杠（T型人才），能力要互补。找到垂类用户痛点，抓住后做好 MVP 验证后尽快产品化上线。小成本试错 + 尽快验证产品付费能力才能吸引资本对产品的投资。

Q：为什么考虑从天美离职去做 AIGC ？

A：因为一直看好 AI 。

1994 年互联网进入中国时候，我 4 岁，互联网在中国掀起了信息化的浪潮。

2013 年 4G 和智能手机全面普及，我乘上手游研发列车，感受到了“顺势而为”重要性。

2023 年，AI 不亚于当年的互联网浪潮，它对所有行业的加持都令人充满憧憬，为了未来十年到二十年的发展，我们毅然决然投身 AI 行业探索。

Q：创业时模型选型是否重要？

A：我们认为模型选型对于初创团队并没有那么重要，这一点我们走过弯路。

现在创业的局面和我们半年前已经完全不一样了。半年前国内能选择的模型不多，几乎只能在 ChatGLM / 文心一言 / 讯飞 / 百川几选一。初创团队可以先通过 API 调用做好 MVP 验证。

※ 这里一定要重点强调！如果你的产品是在国内上线，就不能使用 OpenAI API 直接对用户提供服务！避免国内用户的信息泄露到海外。

（如果只做内部技术测试，ChatGPT 3.5 的推理能力目前仍优于国内大部分模型）

Q：我一直使用别的大厂的 API ，我如何建立技术壁垒？

A：我们建议初创团队采取三步走策略。

先调用合规的 API，完成基础的 MVP验证。甚至在产品化阶段仍可以使用这些合规的 API。用户壁垒也是壁垒，先发优势也是优势。
然后再训练LoRA，逐步替换API。当用户使用量大了之后，初创团队需要有专门的 LLM 成员对目前 API 的效果进行分析 + 尝试训练自己的 LLM LoRA。这里请注意，如果你要使用用户的信息，请务必在明显的地方告知用户并取得用户同意。
最后全部变为自己的模型。训练或微调模型是不小的开销，这个最好等产品有一定的收入，或者资方进驻之后再进行。

Ps. 按照腾讯云定价，单台 V100 服务器月租 5000+ （量大可以找他们商务打折，也可以联系我，我介绍商务给你。）

如果初创团队上来就爬模型训练的山，极有可能会因为模型能力不行而错过市场窗口，请各位谨慎对待。

Q：那我是不是可以直接套壳，上线挣一波块钱？

A：套壳产品就像游戏界是兄弟就砍我，一刀999 的换皮游戏一样。更多是市场或资本主导的产物，能挣快钱但与我们的价值观相悖。

流水不争先，我们初创团队一致认为，只有能持续为用户提供使用价值，才能在市场上活到最后。

以手游为例，换皮游戏渠道买量费用最终会买成天价，对小团队不太能玩得起这种资本游戏。

所以我们认为纯套壳产品大概率无法走长远。

想要了解 AIGC 垂类，首先需要了解 AIGC 赛道的一些基本情况。

AIGC，即 AI Generated Content，又称生成式 AI，是一种基于人工智能技术生成内容的技术。主要指基于 AI 生成的文字、图像、音频等。

自 2022年末以来，

ChatGPT横空出世之后，AIGC 成功出圈，吸引了更多用户和资本的关注。

AIGC 属于 AI 赛道中的一个子集，本质上是一种 AI 的应用，具备高并发、低门槛、高自由度的内容生产能力，能够广泛服务于各类内容生产行业，对当前的 PGC 和 UGC 生产模式进行赋能。

【AIGC 和目前 PGC / UGC 关系】

网络上部分人群对 AIGC 的看法如下：AIGC 被视为继 PGC 和 UGC 之后的新型创作模式。

但我们认为：AIGC 不能被视为 PGC 或 UGC 之外的全新创作模式，除非有一天 AI 能够完全独立地进行内容生成，无需人类的干预。

由于AIGC的AI只是一个工具，而PGC/UGC的P/U代表的是生产者的类型，这些因素所对应的维度不同，因此不能将AIGC独立成为一个生产模式。

从想象空间和应用场景来看， AIGC 和元宇宙共同之处挺多的，AIGC 极有可能能作为元宇宙概念的落地抓手之一，AIGC不但能帮助元宇宙着力数字世界的构建，AIGC 还能够为元宇宙世界增添源源不断的可消耗的内容。

AIGC 极有可能作为元宇宙虚拟世界与现实世界的桥梁。

但这个概念太大了，我们先挖个坑，以后再聊~

如果要从事 AIGC 创业的话，需要明确的第一个大问题：是专业用户还是大盘用户。

【AIGC 内部细分技术场景】

量子位在2023年初发布的《AIGC AI生成内容产业展望报告》中对AIGC的技术场景进行细分。

图例：

蓝色字：指的是目前已经广泛落地的实际应用；

绿色字：指的是技术原理基本明确，预计未来 1-2年时间内可规模化应用；

紫色字：指的是底层技术原理仍在摸索，但未来有一定增长预期的。

对于上图，我们的理解为：

蓝色字：主要包括一些固定的场景、确定的或有特定规则的内容，即便不使用大模型，用深度学习模型也能够解决大部分问题的技术场景。

绿色字：需要自然人大部分参与，或者需要人为调整矫正，面向创意的内容，需要通过单模态大模型进行训练与推理的技术场景。

紫色字： AI 自主生成，不需要过多人为干预，面向 AI 对人类理解并产生的创意，基于多模态能力的大模型进行训练与推理的技术场景。

绿色字部分可归纳出能创业的技术场景方向。

实际上，目前各类模态的 AI 产品已经非常卷了，如果重做一个没有独特性的，面向纯大盘用户的产品，就没有办法在行业竞争中胜出。

先说我们结论：小团队创业很难有算力资源进行基座模型的训练能力，建议小团队创业更多将注意力集中在挑选合适的大模型基座 + LoRA 调优的方向。

如果想要在 AIGC 活下来，必须要明确自己的定位。

无论什么行业，在爆发后的一两年都会沉淀下来，形成明确的上中下游体系。

只有在上中下游生态链中扎根，稳定下来的公司，才能谈收益。

无法生存下来的公司，都会被大浪淘沙（也包括我们）。

我们每天都伴随着危机感过日子…

经过充分的产业调研，我们的结论是：

市场机会： ToC 应用层 > ToB 应用层 > 平台层 > 大模型层 > 基建层

应用层：垂类领域，ToB 或者 ToC 的产品， AIGC 的强大能力让更多普通人能够进行更高质量的创作，加剧内容裂变的可能性。让用户能够自发创作，形成社区，是应用层 ToC 的重要机会。 B端方面，拥有大量数据的企业和能对大量数据处理，推理的AIGC 应用中间的合作边界仍需要持续探索。由于AI产品开发难度降低，大量B端厂商甚至考虑自主造轮子， ToB 机会有但不如 ToC 广泛。

平台层：创业团队难以从零开始做的一层，但这个是我们认为平台层更有市场想象空间，也是从另一种层面上接近（AIGC 元宇宙）概念的一种模式。

将 AIGC 产品做有机整合，提供完备的 SaaS 或者 AIGC 应用商店，真正链接垂类产品和用户，形成生态闭环。（豌豆荚 / 应用宝 / 软件管家模式会卷土重来）

我们认为这个是：具备用户优势的大厂会考虑的重要方向之一，也是未来 AI 生态分发重要部分。

我们甚至大胆的猜测，哪一家大厂（可能是鹅，也可能是字节、小米等拥有大DAU产品公司）掌握了大量AIGC用户入口，那就能赢得 AI 世代的新一轮船票。

大模型层：

卷，就硬卷。

这一个层面属于神仙打架层，微软、Google、Meta、腾讯、百度、阿里、智普等公司开卷的范围。

最终这些公司会聚焦到某一个泛领域，以行业、企业为抓手，支撑某几类行业的多模态大模型以支撑基于模型的上层应用。

属于专家涉及领域，市场规模大但同样准入门槛也极高。

基建层：

属于基础算力层，作为 AI 世代的基建，硬件层可能轮不到小团队创业开发。

随着 AIGC 对算力的计算效率与计算量级的提升，必然倒逼出具有巨量运算能力的高性能芯片、高性能显卡、高性能带宽基建、高性能、高协同的数据中心等新时代基础架构。

我们判断这些资源极有可能具备更高层面的战略部署，AI 倒逼硬件层升级，硬件层升级带来了手机，普通机械产业全面发展。

属于战略层面的领域，市场极大，但对于小厂几乎只能瞻仰。

作为创业者，如何快速调研市场中的产品呢？

我们发现，找产品的活，很多AI导航站已经帮我们解决了…

以 AIGC工具导航 | 生成式AI导航-全品类AI工具集合平台! 网站为例，访问这个网站可以看到目前国内主流的 AI工具列表

（不过我们担心这个阶段可能会把你的创业心劝退…）

为避免广告嫌疑，屏蔽掉了其他所有的产品：）

然后我们找专门的垂类进行分析调研，评估垂类是否有足够高的市场天花板、该垂类里面的产品是否有明确的头部、产品足够高的完成度，或者有足够高的技术壁垒。

我们建议你多找一些网站进行综合分析，这些网站底部一般有友情链接，会链到别的导航站，基本上大同小异。

只要有 AIGC 创业的心，平时有空可以在这边多找找看，先培养感觉。

有了感觉，创业就水到渠成了~

（这仅仅是初步选赛道的第一步，本段仅做简单的竞品与行业研究介绍，后面会专题展开讨论行研话题）

所以基于上面的判断，我们最终明确了几个产品的原则，本文简单介绍，后续专题展开探讨。

做应用，不做基座作为小团队，我们无法承担基座开发的成本，也没有经济实力与三个月就能研发成功的 AI 大厂进行抗衡。所以我们明确：基于大厂基座 + LoRA 进行调优，等有了盈利计划再考虑基座化。
做垂类，不做综合综合应用势必要与大厂的业务硬碰硬，对小团队而言，明确定位，从垂类应用着手，有机会了再扩大业务范围，比直接做大盘用户产品更具有针对性，开发代价更低，试错成本更低，对小团队而言收益更高。
做工具，不做玩具工具的内核是“有用”，玩具的内核是“有趣”。工具需要基于用户生产力价值，玩具需要给用户情绪价值。能让用户真金白银投票的 AI 工具，才足够“有用”。能让用户在社交媒体爆发病毒传播的 AI 玩具，才足够“有趣”。我们对于前者更感兴趣，我们的愿景是：让更多人享受到 AI 的便利，而玩具没有办法达成这一点。但如果对社交非常有经验的朋友们，也可以试试这个方向。
做付费，不做免费我们认为付费的工具，体现的是产品本身的价值，而免费的工具更类似于“流量平台”，体现的是流量的价值。当只有 AI 产生内容品质能满足用户刚需，切实提升效率时，才有持续付费的可能性。
千方百计降低AI使用的门槛

目前市面上主流的产品都基于AI 对话式写作式操作：对大众用户使用门槛太高。用户想写出好内容，用户必须学会提出好问题。

所以我们采用了伴写模式，AI 伴写无需想提示词，自动分析用户全文，提取关键信息并生成后文，完全顺应用户写作思路。

于是我们从Copilot 中汲取灵感，扩展性的做了一个 Copilot 公文版。