投资人疯抢AI赛道，存量市场、增量市场各有机会（组图）

横空出世的ChatGPT让AI甚至整个科技行业发展陡然提速，从业者常常挂在嘴边的一句话是，“AI一天，人间十年。”

在此背景下，全球科技企业纷纷入局AI行业，一时间出现大批“AI+”与“+AI”公司，这不禁让人想起四十年前Windows系统诞生时的盛况。

但和当年类似，尽管操作系统、AI大语言模型等科技基建赛道上有较高资金壁垒和技术壁垒，因此参与者不多，但是创造软件、插件的机会却属于大多数人。

正因如此，所有相关行业从业者和投资人都不愿意错过这样的全新机会。

那么，市场上应用AI的公司到底应该如何发展？AI行业的存量市场和增量市场分别在何处？投资AI的逻辑和新方法论又是什么？澳财投研团队将在本文依次解答。

1

为什么要用AI？

目前大多数公司往往在应用层面上使用AI，从这个角度来看，AI的意义是SaaS的高级形态，公司使用AI的核心目的是降低成本和提升效率。

首先，公司可以通过应用AI，让结构化和非结构化的数据一同接入大模型，有效降低SaaS软件部署成本。

其次，通过成熟的AI平台，可以帮助此前的普通应用迅速实现智能化，如此前ChatGPT接入酒店机票预订网站Expedia、先买后付软件Klarna和在线餐厅预定服务OpenTable等，这使得营销成本大幅降低。

最后，AI还可以帮助公司带来效率的显著提升。只有11名员工的AI绘画公司Midjourney可以实现1亿美金年营收；而为了达到同样规模的营收水平，社交媒体平台Discord却需要650位员工。

由此可见，在AI这条赛道内，拥有最多机会的是传统的SaaS公司！那究竟应该如何选择，才能赢得投资机会？对于SaaS公司们来说，最重要的是理解存量市场和增量市场的不同。

2

AI的存量市场

AI行业被外界熟知的赛道众多，如金融、医疗、营销和教育等诸多领域。

以AI教育公司Grammarly为例，该公司可以为用户提供拼写和语法检查，在2021年时估值约为130亿美元。

但当更多公司和用户开始使用ChatGPT时，他们发现ChatGPT可以实现Grammarly同样的效果，且效果并不比Grammarly差。这使得Grammarly这样的公司很快就丧失了自己的优势，逐渐被其他大语言模型所生成的内容所取代。

为了应对ChatGPT的攻势，Grammarly推出了基于GPT-3.5语言模型功能，可以快速生成文字草稿，同时可以使用专有的机器学习模型，以学习和维护用户独特的书写方式。可以说，Grammarly正在利用AI对其产品进行增强。

Tola Capital的创始人Sheila Gulati表示，除非AI公司拥有能够增强其版本模型的数据，例如客户习惯等，否则许多初创公司将不再拥有真正能够产生利润的业务。

这就是针对AI存量赛道的投资逻辑之一，AI软件公司需要向精细化发展，拥有自己独特的竞争优势，例如独特的算法、独特的数据等，让产品与市场上的竞争者产生差异化。

由此还可以引申出AI存量赛道投资逻辑之二，想要让产品产生差异化，就要有渠道获得大量高质量的数据来训练模型，通过不断的训练，使其产出最精准的结果。

反面案例是AI进入较早且较成熟的医疗行业，在应用AI过程中往往面临着大量客户隐私数据难以获取的问题，同时数据质量也难以掌控，使得AI模型可能会出现偏差。

相对来说，在行业内有一定市场，自身拥有大量用户数据的公司，应用AI时会更加得心应手。

在澳大利亚，在线地产广告公司REA Group和在线汽车销售平台Carsales就成为了正面案例，是比较典型的可以受益于AI的公司。这两家公司掌握大量优质数据同时，业务与AI兼容性较强，通过AI优化业务，能够分析消费者趋势，掌握动态定价策略，增强客户粘性。

由以上案例可以看出，此前在细分领域处于领先地位的公司，在AI大面积应用后，可以将此前获得的数据充分利用，训练更好的模型，获得产品上的护城河。

3

AI的增量市场

存量市场往往集中在此前的成熟行业，但未来商用的AI主要分为生成式AI和决策型AI两类，二者在未来的市场中都有被外界看重的增长潜力。

不过在澳财投研团队看来，这只是未来最重要的两个发展方向，并不代表AI发展仅仅局限在这些方向之中。

首先，生成式AI要面临监管问题。下图就是由AI生成的特朗普被捕图，在社交媒体上被有心人所利用，被不少美国网民疯传。

更麻烦的是，随着深度合成和生成式AI开源，技术门槛快速降低，技术被滥用的可能性随之增加，未来存在制作虚假视频诈骗、语音诈骗等行为，给社会造成负面影响。

此前曾有上千名人工智能专家联合发起呼吁，暂停巨型AI研发至少6个月，在公开信中专家们表示：“人工智能已经陷入一场失控的竞赛中，大家争相研发和部署AI，但是包括创造者在内的人，也不能很完美的理解、预测和控制它”。

OpenAI创始人Altman也曾表示，在未来，开始训练AI系统之前对其进行审查可能会变得非常重要，而对于创建新模型所用算力的增速也应有所限制。

OpenAI创始人Sam Altman,图/wired.com

显然，对AI监管需求将随着生成式AI需求增长而增长，针对数据收集合规性、人工智能模型透明性和生成内容审核，未来将成为AI监管主要领域。

不过危险背后也蕴藏着机遇，此前在这些领域内有所布局的数据公司和网络安全公司有望迎来进一步发展。

与近一段时间里被用户熟知的生成式AI相比，决策型AI其实起步更早，应用也更为广泛，如智能家居、服务机器人、智能驾驶和金融等行业都使用了决策型AI。

决策型AI在一些特定环境中已经能够超过人脑，此前谷歌研发的AlphaGo，经历16万局人类对弈和3000万局机器对弈后，可以先后击败李世石、柯洁等围棋世界冠军。

在这一阶段，决策型AI受制于难以完全模拟现实环境以及已知数据难以完全代表整体的限制，在现实世界中收集数据成本过高，泛化能力受到限制。

深度学习兴起后，决策型AI得以突破环境和算法限制，实现标准化。但值得关注的是，在实际应用层面，高试错成本依然限制深度学习落地。目前深度学习依赖于试错过程，即通过反复学习错误，最终得出正确结果。

不过在现实世界中，无人驾驶、国家政策发布等事件尚有着较高的试错成本，这也限制了决策型AI当前在现实生活中大规模落地。

而相比大规模应用，在小范围应用方面，决策型AI为企业数字化转型提供了新路径。

在金融领域，决策型AI可以在几毫秒内，代替信贷经理识别和暂停可疑交易，并且输出更为准确结果；在反洗钱领域，决策型AI可以快速识别可疑交易，并解决反洗钱机构的“漏报”和“多报”问题，对客户打扰率也有所下降。

目前，决策型AI在全球的代表企业有第四范式、Sisu Data和Peak AI等。这些企业的算法模型不仅在金融领域有所应用，还与能源、营销等行业有着较好结合。例如，决策型AI可以为石油公司提供运油管道安全预警应用，保证油气管道平稳运行；在营销领域，决策型AI可以优化门店选址、商品布局和选品策略等，提高企业运营效率。

显然，与受政策监管较深影响的生成式AI相比，决策型AI有着更大的增长空间，钻研决策型AI算法的公司，将随着市场需求增长不断涌现。

澳财投研观点

随着ChatGPT爆火以及多家巨头公司纷纷进入大模型领域，AI赛道遍布新老玩家。

对于投资者来说，如果选择投资AI相关存量市场，主要方向应该瞄准此前已经在行业内有所成就的公司。这些公司通常掌握优质的行业、客户数据，在与AI相结合后，能够拥有先发制人优势，提前优化AI模型，产出更准确结果。

如果选择投资AI增量市场，关于生成式AI的监管类企业或决策型AI在企业数字化方面的应用将成为未来高速增长的两条重要赛道。除此之外，AI将拥有更多增量市场并涉及更多领域。

AI在未来究竟会变成什么样子，现在或许还不得而知，又或者AI自身早就给了我们答案：