Un inversor sobre 17 juicios de encarnación, modelos y potencia de cálculo

Autor: Xiao Yan, Tencent Technology

Editor: Xu Qingyang

En los últimos años, algunas de las palabras clave más candentes en el círculo de inversión en tecnología en China han girado en torno a la IA, los robots y la inteligencia encarnada.

En el ámbito de los grandes modelos, Zhipu es una de las primeras empresas que se ha discutido en el contexto de "OpenAI versión china". Empresas como Jieyue Xingchen y Shengshu Technology también se encuentran en el centro de direcciones populares como modelos básicos y generación de video. En el ámbito de los robots, UBTECH ya ha llegado al mercado de capitales, mientras que empresas como Galaxy Universal Robotics, Yinshi Robotics y Tashi Zhihang representan diferentes exploraciones de los robots desde el cuerpo, los modelos hasta la implementación en escenarios.

Detrás de estas empresas estrella, hay una institución de inversión común: Qiming Venture Partners. Esta institución fue fundada en 2006 y gestiona 11 fondos en dólares y 7 fondos en renminbi, con un total de activos bajo gestión que alcanza los 9.500 millones de dólares.

Habiendo invertido en múltiples olas tecnológicas, ¿cuál es la metodología de Qiming Venture Partners?

Recientemente, Zhou Zhifeng, socio gerente de Qiming Venture Partners, compartió su metodología de inversión, analizando las tendencias de desarrollo subyacentes en campos de vanguardia como grandes modelos, inteligencia encarnada y chips de potencia de cálculo, y desglosando los estándares clave para distinguir entre la especulación conceptual y la implementación real en la industria.

Como inversor, Zhou Zhifeng es un experimentador profundo de la IA. Durante la conversación, a menudo aborda la realidad de la implementación de la tecnología de IA desde perspectivas cotidianas, describiendo el verdadero panorama de la era de la IA. Mencionó que sus mayores, en casa, ya dominan el uso de plataformas de videos cortos y pueden utilizar la IA para consultas diarias; en su propio entorno laboral, la IA también está profundamente integrada, utilizando herramientas de IA para desglosar datos y organizar materiales, y a pesar de un horario apretado, sigue prestando atención a la iteración de contenido de videos cortos generados por IA.

Estos fragmentos cotidianos y reales corroboran una tendencia central: la IA ya no es solo un concepto profesional que se queda en teorías de laboratorio o artículos académicos, ni una historia de capital que solo existe en comunicados de financiamiento en el mercado primario, sino que realmente se ha arraigado en los teléfonos móviles de la población general, completando la transición de tecnología de vanguardia a herramienta cotidiana para todos.

La responsabilidad del inversor es, antes de que estos cambios aparezcan a gran escala, juzgar qué direcciones tecnológicas, formas de productos y empresas son las más propensas a llevar estos cambios a la realidad.

Zhou Zhifeng resume este enfoque como inversión "medio paso rápido"—no se trata de entrar lo antes posible, ni de esperar a que el mercado forme un consenso antes de entrar, sino de entrar después del punto de ruptura tecnológica y antes del punto de explosión comercial.

Zhou Zhifeng, socio gerente de Qiming Venture Partners

Zhou Zhifeng utiliza a Zhipu como ejemplo. En mayo de 2020, el lanzamiento de GPT-3 permitió a Qiming Venture Partners ver que la Ley de Escalado estaba siendo validada, y que los grandes modelos habían cruzado un importante umbral tecnológico. Basado en este juicio, Qiming Venture Partners invirtió en Zhipu en diciembre de 2021. En ese momento, ChatGPT aún no se había lanzado, y "All in AI" no era aún el eslogan colectivo del círculo de inversiones. Hasta noviembre de 2022, cuando ChatGPT apareció, la IA generativa fue realmente llevada ante el público y el mercado de capitales.

Entonces, ¿dónde aparecerá la próxima oportunidad de "medio paso rápido" en estos campos populares de IA, robots, potencia de cálculo y chips? Durante la conversación, Zhou Zhifeng no dio una respuesta directa, sino que desglosó más los cambios que están ocurriendo en estos campos.

Frente a estos campos candentes y la gran cantidad de capital que está fluyendo, Zhou Zhifeng considera que cuanto más cerca se esté del centro de la tormenta, más hay que volver a las preguntas más simples: ¿se está creando un valor real? ¿Puede resistir la verificación de la lógica comercial? Mencionó varias veces que el mercado probablemente entrará en una fase de "muéstrame el dinero". Cuanto más nuevo sea algo, más hay que estar alerta ante la discrepancia entre la atención a corto plazo y el valor a largo plazo; cuanto más ruidoso sea el mercado, más las empresas deben demostrar que pueden convertir la tecnología en ingresos y convertir la imaginación en realidad.

A continuación, para mejorar la eficiencia de lectura, Tencent Technology ha organizado los juicios clave de Zhou Zhifeng en primera persona.

01 "La inteligencia encarnada es el campo que más células cerebrales me ha matado, sin excepción"

1. Tras conversar con muchas empresas de inteligencia encarnada, tengo tres impresiones principales.

Primero, tanto el mercado primario como el secundario ven con buenos ojos este campo. La razón principal es que podría ser la primera industria en la historia que combina la "escala de envío de teléfonos inteligentes" con el "precio unitario de automóviles de pasajeros". Si esta industria madura, habrá un envío de 1.000 millones de unidades al año, con un precio promedio de aproximadamente 30.000 dólares, equivalente a 200.000 renminbi; esto es, en la historia del desarrollo comercial humano de dos o tres siglos, uno de los campos más grandes, sin excepción.

Segundo, todos están compitiendo por las OPI, esencialmente compitiendo por la bonanza de escasez. El mercado secundario tiene esta característica: cuando las primeras dos o tres empresas de un gran campo se listan, debido a la escasez de objetivos, pueden disfrutar de una bonanza de capital superlativa, lo que se refleja directamente en que el precio de las acciones y la capitalización de mercado se disparan más allá de la lógica convencional, por lo que todos quieren adelantarse.

Tercero, muchas empresas se están volviendo cada vez más difíciles de distinguir. Hemos monitoreado que hay más de 370 empresas relacionadas con la inteligencia encarnada en China, y básicamente recibimos dos o tres nuevos proyectos cada semana. Sus antecedentes de equipo, rutas tecnológicas y escenarios de implementación son cada vez más similares: son, en su mayoría, profesores, pequeños genios, ejecutivos de grandes empresas de conducción autónoma o con antecedentes en modelos de IA; todos hablan de VLA, modelos del mundo; la implementación también gira en torno a la fabricación industrial, logística y servicios comerciales, y recientemente han surgido escenarios de robots biomiméticos. Pero el problema es que actualmente no hay un estándar objetivo para evaluar el nivel técnico o la capacidad del modelo, que realmente pueda juzgar quién tiene una tecnología más fuerte o una capacidad de implementación más fuerte.

Por lo tanto, después de que las primeras dos empresas se listan, pueden alcanzar un valor de mercado muy alto debido a la escasez. Pero seis meses a un año después, el mercado probablemente entrará en una fase de "muéstrame el dinero", donde solo se verá si pueden implementarse y si pueden convertirse en ingresos de ventas y márgenes de beneficio.

Si para finales de este año o mediados del próximo, la implementación no cumple con las expectativas, incluso si se listan con éxito, su valor de mercado podría caer a unos pocos cientos de miles de millones, y el mercado primario y secundario también podría experimentar una inversión en la valoración. La valoración original del mercado primario no podrá sostenerse, y la dificultad de la posterior financiación de las empresas aumentará significativamente.

La clave sigue siendo la tecnología. Si el campo de los robots no tiene un avance clave, especialmente si la ruta tecnológica no puede converger, será muy difícil para la industria implementarse a gran escala. Actualmente, las exploraciones de implementación de robots utilizan en gran medida modelos de escenarios específicos, y no los modelos generales que están muy en boga en la actualidad. Si no se puede lograr la convergencia tecnológica, no se podrán abrir escenarios de implementación a gran escala, y al final solo se podrán hacer algunos proyectos demo que son prescindibles, y la escala de comercialización no se podrá alcanzar.

Por lo tanto, lo que puedo hacer ahora es seguir observando activamente todos los nuevos proyectos que surgen, asegurando la recopilación completa de información y el seguimiento continuo del panorama de la industria.

Actualmente, el mercado primario sigue luchando por financiación, y las empresas con un tamaño relativamente estable están preparándose para salir a bolsa. Pero al final, independientemente de si se listan o no, lo que el mercado observa es la comercialización. Si la industria no puede presentar resultados de implementación reales, es probable que el mercado enfrente un ajuste profundo.

2. Nunca he creído que el modelo del mundo sea un campo completamente nuevo; la probabilidad de que VLA y el modelo del mundo se fusionen en el futuro supera el 50%.

Se parece más a una ruta técnica, que ha sido convertida en un concepto popular en el mercado primario. Recientemente han surgido unas 30 nuevas startups de modelos del mundo, y en comparación con las empresas de la ruta técnica de VLA, no hay diferencias esenciales en la implementación comercial.

3. Actualmente, la inteligencia encarnada carece de estándares de evaluación objetivos.

Los modelos de lenguaje tienen muchos benchmarks, pero la inteligencia encarnada enfrenta la dificultad de evaluar la fuerza laboral en el mundo físico. Actualmente, hay aproximadamente tres a cinco benchmarks de inteligencia encarnada en el mercado global, pero estas listas han sido cuestionadas recientemente. Algunas empresas han obtenido altas valoraciones mediante el "bumping" de listas, lo que es evidente para los profesionales del sector que no tiene ningún significado.

Hasta que no haya convergencia en los estándares, actualmente nos basamos más en la lógica subyacente: primero, si la ruta del algoritmo y la arquitectura del modelo se ajustan a nuestras deducciones; segundo, si el equipo tiene experiencia rica en ingeniería; tercero, la estrategia de datos. Los datos pueden ser la variable más crítica en el futuro. Los modelos de lenguaje lograron la Ley de Escalado al proporcionar 10 mil millones de tokens; los modelos de video lograron la Ley de Escalado al proporcionar clips de nivel de mil millones. Actualmente, las principales empresas de modelos encarnados en China y EE. UU. tienen solo unas pocas decenas de miles de horas de datos, lo que está a un orden de magnitud de distancia de ser suficiente. Sin embargo, las principales empresas de inteligencia encarnada en China y EE. UU. podrían alcanzar este volumen de datos este año, por lo que podría haber un avance.

Una vez que haya un avance tecnológico, la evaluación se volverá más simple. Por ejemplo, en un escenario industrial, en una gran empresa con 25 procesos, sin ningún entrenamiento posterior o solo con un entrenamiento posterior muy simple, se puede observar cuántas tareas puede completar el robot con éxito; si la tasa de éxito supera el 50%, la gran empresa realmente pagará por el robot; si solo es del 5%, eso indica que aún no está listo.

4. Los datos son el cuello de botella técnico que necesita superar el modelo encarnado, pero en el futuro, la situación podría cambiar rápidamente en uno o dos años.

Para crear un modelo encarnado, se pueden necesitar entre 1 y 2 millones de horas de datos de entrenamiento, y en esta etapa, la cantidad de datos es más importante que la calidad de un solo dato. En cuanto a las diversas combinaciones de datos, la terminología profesional de la industria es estrategia de datos, y en los últimos meses se ha formado un consenso al respecto. Anteriormente, la industria se dividía en varias rutas de datos; los datos recopilados por Tesla a través de máquinas reales tienen la mayor veracidad, lo que facilita el aprendizaje y la adaptación del modelo, y cuando el modelo se despliega en hardware, coincide completamente con los datos recopilados durante el entrenamiento.

Sin embargo, la recopilación de datos de máquinas reales tiene un umbral muy alto; incluso empresas líderes como Tesla encuentran difícil avanzar, y la producción anual es muy limitada; se requieren 1.000 robots, con personal dedicado, y cada dispositivo solo puede recopilar datos útiles durante uno o dos horas al día, lo que es extremadamente ineficiente; para acumular 1 millón de horas de datos, podría llevar diez años, y si Tesla tiene dificultades, otras empresas aún más. Esta calidad de datos es de primera categoría, pero la cantidad es escasa. Anteriormente, Google y OpenAI tendían a utilizar datos de video; Google se ha centrado en el campo de modelos de video, pero los datos de video generales masivos están desconectados de los escenarios de operación de robots; por ejemplo, videos de salas de reuniones son difíciles de enseñar a los robots habilidades operativas, y en cambio, pueden introducir mucho ruido de datos de baja calidad en el modelo.

Entre ambos se encuentra el dato UMI que ha surgido en el último año, donde los trabajadores registran escenarios de operación reales con dispositivos portátiles, lo que facilita la alineación con las necesidades de entrenamiento del modelo. Actualmente, las principales empresas de China y EE. UU. planean adquirir un total de 1 millón de horas de datos de entrenamiento este año, de los cuales solo el 1%-3% son datos de máquinas reales, aproximadamente el 70% son datos UMI y el 20% son datos de video. Noyiteng ha separado su negocio de captura de movimiento para desarrollarse de forma independiente; la tecnología de captura de movimiento puede optimizar la recopilación de datos UMI y de máquinas reales, y ahora puede suministrar todo tipo de datos de entrenamiento.

Además de la escala, los datos de tacto también se volverán importantes. Por ejemplo, cuando un robot levanta una botella que parece ordinaria, pero en realidad es más pesada, los humanos perciben inmediatamente el cambio de peso y ajustan la fuerza de agarre; pero actualmente, los datos de máquinas reales, datos de textura y datos de video carecen en su mayoría de esta información táctil.

Por lo tanto, hay un grupo de empresas que están intentando desarrollar soluciones de tejidos táctiles para crear manos robóticas con percepción táctil y recopilar datos táctiles. Este es un área de inversión muy activa, pero actualmente no hay ninguna empresa en el mundo cuya tecnología esté completamente madura.

5. En el nivel de modelos de inteligencia encarnada, las ventajas de China se centran en tres aspectos: datos, escenarios de implementación y soporte de hardware.

Actualmente, es difícil cuantificar la diferencia en la tecnología de modelos entre China y EE. UU., porque la diferencia entre ambos en los modelos es esencialmente la potencia de cálculo. La tecnología aún no se ha convergido completamente, y la exploración de la tecnología se asemeja a navegar en un mar oscuro en busca de la isla del tesoro.

EE. UU. no tiene limitaciones de potencia de cálculo; las empresas líderes pueden enviar simultáneamente 30 barcos cada noche, y cada ronda de retroalimentación de exploración es crucial para encontrar la dirección; cada equipo regresa a informar la ruta, por ejemplo, si hoy navegan 5 millas en un ángulo de 30° sin encontrar el objetivo, no repetirán esa ruta en el futuro.

China actualmente enfrenta restricciones en chips, lo que le permite enviar solo un barco por noche, y esta es la diferencia clave. La ruta general de los modelos de lenguaje ya está clara, por lo que la diferencia no parece tan grande a simple vista. Sin embargo, si la industria experimenta un próximo salto tecnológico, desde un punto de vista probabilístico, abrir 30 rutas de exploración al mismo tiempo comparado con seguir solo una ruta, aumentaría considerablemente la posibilidad de que Estados Unidos logre un avance tecnológico primero. Aunque a primera vista la diferencia entre los modelos actuales parece pequeña, a largo plazo la diferencia general no es insignificante.

Sin embargo, China tiene ventajas claras en datos, escenarios industriales y soporte de hardware.

Varias grandes empresas estadounidenses están comprando datos a empresas chinas, lo que indica que tienen una reserva de datos insuficiente.

En segundo lugar, en términos de escenarios industriales, China cuenta con empresas de fabricación masiva como CATL y BYD, que tienen suficientes fábricas físicas para colaborar en el desarrollo.

En tercer lugar, en cuanto a soporte de hardware, un robot humanoide tiene alrededor de 1200 piezas, más del 90% de la cadena de suministro se concentra en el Delta del Yangtsé y el Delta del Perla, lo que permite a las empresas chinas iterar rápidamente tanto el cuerpo como el modelo. Si se detecta que el algoritmo del modelo no coincide con la ejecución del hardware, se puede ajustar y optimizar con los proveedores en un plazo de dos semanas.

En resumen, China tiene ventajas significativas en hardware y datos, mientras que la ventaja de Estados Unidos radica en el modelo, pero la diferencia entre ambos no es tan grande.

6. La controversia sobre si los robots humanoides son "demostrativos" o "prácticos" no ha distinguido claramente los conceptos.

Los algoritmos relacionados con la inteligencia corporal se dividen en tres grandes direcciones: Manipulación, Navegación y Control de Locomoción.

Primero, la Manipulación se refiere al control físico de las operaciones, donde la inteligencia corporal y el modelo del mundo se agrupan; actualmente, la industria aún no ha formado una ruta unificada y madura. En segundo lugar, la Navegación, cuya tecnología ya se ha implementado y madurado, se ha trasladado a la conducción autónoma. Tercero, el Control de Locomoción, que incluye acciones de exhibición como correr y artes marciales, se centra en la demostración.

Las tres pertenecen a los algoritmos de IA robótica, pero el núcleo que determina si un robot puede generar un valor comercial a gran escala sigue siendo la tecnología de control. El desarrollo de la Locomoción es más maduro, y Yushun es líder mundial en este campo, mientras que UBTECH también ha acumulado buenos resultados. Por lo tanto, es normal que la gente sienta que solo están mostrando habilidades, ya que esa es su fortaleza. Recientemente, se han establecido más de 360 nuevas empresas de robótica, todas enfocadas en el control; Yushun y UBTECH tienen suficiente financiamiento y han formado equipos de desarrollo relacionados, por lo que su capacidad en este aspecto no es débil.

Si solo consideramos escenarios de exhibición como el control de movimiento, el techo del mercado global es de aproximadamente 1,000 millones de dólares; en comparación, los escenarios de implementación de robots relacionados con la fabricación industrial son mucho más grandes, y los dos volúmenes no están en el mismo nivel. En términos simples, la tecnología de control de movimiento maduró antes; en los primeros años, los robots solo podían realizar funciones como bailar y actuar; se necesitará esperar hasta este año o el próximo para que las tecnologías relacionadas con el control se consoliden, y solo entonces los robots podrán implementarse en escenarios de gran escala que realmente tengan valor práctico.

02 "Dos cambios en el campo de la IA han superado las expectativas, uno ha quedado por debajo de las expectativas"

7. En los próximos uno o dos años, la valoración de las empresas de IA finalmente volverá a depender de sus ingresos y capacidad de entrega. Las empresas de software tradicionales pueden tener un múltiplo PS de 5 a 15, mientras que en industrias de moda y tecnológicamente avanzadas, el múltiplo puede llegar a 20 a 100. La clave para que empresas como Zhizhu mantengan su valoración radica en si pueden escalar sus ingresos. Si logran ingresos de cientos de miles de millones, un múltiplo de 100 PS correspondería a una capitalización de mercado de un billón; pero si los ingresos son solo de 1.5 mil millones, la valoración del mercado se ajustará, y la lógica es la misma en el sector de los robots.

El ARR (ingreso anual recurrente) de una empresa representa su potencial de crecimiento, y el reconocimiento contable de ingresos representa el flujo de caja. La industria de los robots es similar; al final, todo se reduce a los ingresos generales, y estos indicadores financieros son la medida más justa.

Por lo tanto, lo más importante para las empresas de IA son dos cosas: si la capacidad del modelo puede seguir mejorando y si los clientes pueden generar un uso real y ingresos. Estos dos puntos determinan si la empresa tiene valor a largo plazo.

8. En el último año, ha habido dos cambios en el campo de la IA que han superado las expectativas, y uno ha quedado por debajo de las expectativas.

El primer cambio que ha superado las expectativas es la potencia de cálculo de IA. La cantidad total de potencia de cálculo y la velocidad de cambio en el paradigma de demanda de cálculo, desde el entrenamiento hasta la inferencia, han superado las expectativas. Por ejemplo, una gran empresa tecnológica nacional tenía un presupuesto de potencia de cálculo de aproximadamente 50 mil millones de yuanes el año pasado, y este año su presupuesto es más de seis veces mayor.

Por lo tanto, ya sea que el mercado primario esté inundado de nuevas empresas de chips de IA de nueva generación, o que el mercado secundario esté especulando sobre el HBM y el sector de la comunicación óptica, todas las tendencias del mercado están impulsadas por una enorme demanda de potencia de cálculo, y toda la lógica subyacente es coherente. En cuanto a si el aumento repentino de las acciones individuales es razonable, no puedo juzgarlo, pero la temperatura y el crecimiento del mercado de potencia de cálculo han superado con creces mis expectativas.

El segundo cambio que ha superado las expectativas es la velocidad de desarrollo de la tecnología de modelos y el consenso que se ha formado rápidamente en torno a los modelos. Incluyendo en enero de este año, con los agentes representados por el camarón de río, la capacidad de codificación, cuando hicimos las diez perspectivas el año pasado, en WAIC solo mencionamos que la capacidad de codificación es muy importante, no esperábamos que ahora la capacidad de codificación se haya convertido en la competencia central de los modelos de lenguaje.

Porque la capacidad de codificación ha traído la capacidad de los agentes, creo que el valor industrial de los agentes es innumerables veces mayor que los productos de IA centrados en el diálogo como Chatbot en los últimos dos o tres años. Al mismo tiempo, también se ha formado un ciclo positivo: el consumo de potencia de cálculo generado por el funcionamiento de los agentes es miles de veces mayor que el de los productos de diálogo, lo que también explica por qué el crecimiento en el sector de la potencia de cálculo ha superado ampliamente las expectativas, ya que ambos están interrelacionados.

El desarrollo de la tecnología de modelos y el fervor del mercado de capitales por las empresas de modelos también han superado las expectativas. La velocidad a la que se ha formado el consenso del mercado sobre las empresas de modelos de calidad es extremadamente rápida, y las empresas líderes pueden alcanzar una capitalización de mercado de billones; además, han surgido muchas nuevas empresas de modelos tipo neo labs, cuyos fundadores son en su mayoría de la generación de los 95 y 00, y estos proyectos pueden tener valoraciones de 2,000 a 3,000 millones en la ronda de ángeles. Nunca he visto un mercado tan caliente en todos mis años de trabajo.

Lo que ha quedado por debajo de las expectativas son las aplicaciones de IA, especialmente las aplicaciones 2C. El año pasado, juzgué que 2025 sería el año en que comenzaría la era de las aplicaciones de IA. Ahora, aunque el mercado de aplicaciones de IA sigue siendo superior a las expectativas, la forma en que se abre es diferente de lo que pensé el año pasado. Hoy en día, las aplicaciones de IA están principalmente relacionadas con la codificación de IA, incluido el desarrollo de agentes, lo cual no había anticipado. El año pasado pensé que tal vez este año veríamos que la IA realmente empoderaría a mil industrias, y tal vez surgirían algunas aplicaciones 2C con un poco de esperanza de convertirse en nuevas Tencent, nuevas ByteDance o nuevas Alibaba, pero hoy no ha surgido una nueva generación de aplicaciones 2C que realmente sorprenda al mercado.

La primera generación de aplicaciones de IA establecidas en 2022 y 2023, en su mayoría representan herramientas de diálogo y productos de acompañamiento emocional como CharacterAI, ahora muchos ya han desarrollado debilidades, y la industria ha caído en una competencia de homogeneización de productos. La velocidad de crecimiento de los usuarios también ha disminuido en comparación con los dos años anteriores, y el crecimiento general del último año ha sido relativamente lento. Al revisar internamente, el problema central radica en que la lógica de crecimiento de usuarios y tráfico de Internet y de Internet móvil no funciona para productos 2C en la era de la IA.

Los juguetes de IA y los cortometrajes de IA son ejemplos. Algunas empresas de juguetes de IA han vendido decenas de miles de unidades, pero el 90% de los usuarios no activarán la función de interacción de IA a largo plazo; la empresa admite que esto es en realidad algo bueno, porque si decenas de miles de usuarios fueran todos de alta frecuencia de diálogo y consumieran tokens continuamente, la empresa no podría soportar los costos. En los cortometrajes de IA, la proporción de contenido generado por IA ha aumentado rápidamente, pero es difícil que surjan verdaderos éxitos.

Esto demuestra que la industria de los cortometrajes depende de una base de escala, pero la monetización central depende en gran medida de obras exitosas, y en esta etapa, la IA aún no puede producir muchas obras exitosas. Esto también indica que en la creación artística, la expresión y la concepción del ser humano son muy importantes, y no se puede sostener contenido de calidad solo con imágenes generadas por IA.

9. En el último año, la tecnología de modelos de video ha logrado un crecimiento exponencial.

La nueva generación de modelos de video, como Seedance 2.0, que ha causado sensación en todo el mundo, utiliza una arquitectura MoE, lo que ha mejorado significativamente la capacidad inteligente. Ahora ya soporta resolución 4K. Por esta razón, muchas películas de Hollywood, así como anuncios de grandes marcas como Coca-Cola y McDonald's, tienen muchos segmentos generados total o parcialmente por IA, basándose en la capacidad de generación de alta definición del modelo.

En esta ronda de modelos del mundo, se puede habilitar la generación de video, logrando efectos de movimiento y colisión de objetos, restaurando las leyes físicas reales, algo que hace un año era completamente impredecible. En el último año, las empresas relacionadas han experimentado un rápido crecimiento en sus negocios, y los jugadores líderes se dividen en dos categorías: tres grandes empresas globales, ByteDance Seedance, Kuaishou Keling y Google Veo; y empresas emergentes como Shenshu Technology, Aishi Technology y Video Rebirth, cuyos negocios e ingresos han crecido en diez veces.

Ahora, Hollywood, la industria publicitaria, las empresas de bodas y conferencias están utilizando estas tecnologías. Todos los tipos de escenarios de implementación se han abierto de golpe, y estimo que este año la escala de comercialización de la industria experimentará un gran aumento.

10. Las ventajas clave de Seedance, Keling y Google Veo 3 son la potencia de cálculo y los datos.

Seedance, Keling y Google son del mismo tipo; incluso si Keling se separa, aún puede depender del soporte de potencia de cálculo y datos de Kuaishou; las tres tienen como ventaja la escala de potencia de cálculo propia, lo que les da una ventaja sobre empresas emergentes como Shenshu Technology, y también tienen cierta ventaja en datos. Después de la actualización del modelo de video, la escala de entrenamiento e inferencia debe seguir el ritmo, y estas empresas tienen decenas de miles a cientos de miles de tarjetas, lo que es una ventaja clara.

Pero creo que las empresas emergentes aún tienen oportunidades: la tecnología aún no se ha consolidado completamente, y las empresas emergentes no se quedan atrás en la velocidad de exploración y iteración de talento y tecnología en comparación con las grandes empresas. Creo que la decisión de Keling de separarse también es beneficiosa para retener continuamente a los mejores talentos. La lógica subyacente entre los VC y las empresas emergentes es que, aunque las empresas emergentes son pequeñas, su mecanismo de incentivos de acciones y la capacidad de concentrar todos los recursos para avanzar les dan ventajas sobre las grandes empresas.

El mercado está ampliándose rápidamente, y después de la escalabilidad, la división del trabajo se volverá más detallada, y los puntos de comercialización de cada empresa ya han mostrado una clara diferenciación. Primero, en el modelo de lenguaje, las tres principales empresas estadounidenses tienen diferentes experiencias de uso, algunas personas sienten que la experiencia de chat de Gemini es mejor, pero desde el punto de vista técnico y del consenso de la industria, ChatGPT de OpenAI tiene la mayor base de usuarios y fue el primero en lanzar un chatbot, con muchas optimizaciones centradas en el escenario de diálogo.

Si se centra en el escenario de diálogo en inglés, ChatGPT es el líder mundial en fluidez; Gemini, respaldado por Google, tiene acceso a una gran cantidad de datos en línea, y su ventaja radica en la búsqueda y organización de información; Anthropic, por su parte, parte de los principios fundamentales, y desde la etapa inicial tiene ventajas en codificación y capacidades de agentes, las tres ya han formado una clara diferenciación.

Las empresas de generación de video también siguen rutas diferentes: el enfoque de ByteDance está en el consumidor final, Keling se centra en el negocio B2B, y nuestra inversión en Shenshu Technology también se enfoca en ciertos escenarios B2B, lo que muestra una tendencia de diferenciación muy clara. Los escenarios B2B y B2C tienen diferentes requisitos en cuanto a las características del modelo.

11. Ahora hay un riesgo: después de que se forme el consenso de IA, una gran cantidad de dinero caliente está fluyendo hacia el mercado.

Después de que se forme el consenso, una gran cantidad de dinero caliente entra primero en el mercado secundario. Actualmente, no hay muchas empresas de IA puramente duras que estén cotizadas, y el mercado secundario no tiene un gran fondo para absorber capital. Ahora es evidente que el dinero caliente del mercado secundario está comenzando a fluir hacia el mercado primario y el mercado primario intermedio. Muchas empresas que acaban de completar financiamiento no carecen de dinero, pero aún hay instituciones dispuestas a elevar su valoración en un 50% a 100%, y rápidamente agregar una ronda de inversión. Este dinero caliente tiene un gran impacto en la industria, ya que las empresas obtienen fondos que superan sus necesidades, lo que puede interferir con su juicio estratégico y operaciones diarias. Pero también puedo entender a los emprendedores; es muy poco humano rechazar una oferta de valoración más alta y mucho capital.

A corto plazo, esto es más beneficioso, pero a largo plazo, el mercado se verá muy agitado. Como mencioné antes, ahora hay cerca de diez empresas de inteligencia corporal valoradas en más de 20 mil millones, y más de diez empresas valoradas en más de 100 mil millones, que se han establecido solo en dos o tres años, lo cual es muy anormal.

Muchas empresas han recibido grandes sumas de dinero para entrar en el sector, lo que probablemente desencadenará una competencia desordenada: primero, el costo de la potencia de cálculo ha aumentado drásticamente; un servidor de NVIDIA que originalmente costaba 3 millones ahora se ha disparado a más de 10 millones, elevando pasivamente los costos de toda la industria. Segundo, hay una feroz competencia por el talento, lo que ha llevado a un aumento en los salarios del sector. Tercero, en el lado del cliente, la competencia es desordenada, ya que ninguna empresa tiene escenarios comerciales maduros, lo que las lleva a competir por grandes clientes, simplemente comparando el tamaño de los ingresos.

Estos fenómenos, a largo plazo, perjudicarán el desarrollo de la industria, y actualmente el mercado está lleno de comportamientos irracionales.

12. En este momento, el mercado de capitales tiene una especie de "romance misterioso" con los jóvenes emprendedores de IA.

Primero, la gran mayoría de las instituciones se perdió la oportunidad de invertir en empresas de modelos grandes hace dos o tres años. La mayoría de las instituciones no tenían convicción ni determinación hacia la IA, por lo que no invirtieron en ese momento. A principios de este año, se llegó a un consenso sobre los modelos grandes, por lo que muchas instituciones están ansiosas por invertir, lo que seguramente beneficiará a las nuevas empresas de modelos.

Segundo, después de la aparición de DeepSeek, todos quedaron sorprendidos; muchos medios informaron que el equipo central estaba compuesto por estudiantes de doctorado de la Universidad de Pekín y de la Universidad de Tsinghua, y no eran "veteranos" en el campo de la IA. Por lo tanto, se formó la impresión de que cuanto más joven es el equipo, más inteligente es, y cuanto más inteligente es, menos carga histórica tiene y más éxito puede tener. Actualmente, muchos inversores en el mercado tienden a confiar ciegamente en los equipos jóvenes. No estoy diciendo que los equipos jóvenes sean malos; nosotros también hemos invertido en equipos muy jóvenes y hemos visto muchos proyectos. Solo digo que considerar a los jóvenes emprendedores como el principal criterio de inversión me parece muy subjetivo y poco sólido.

Tercero, en Estados Unidos también han surgido algunos nuevos laboratorios de modelos de vanguardia. Los salarios anuales de los empleados clave de las tres principales empresas en el extranjero ya han alcanzado los millones de dólares. Algunos jóvenes investigadores destacados, debido a sus altos ingresos y la falta de preocupaciones financieras, eligen fundar nuevas empresas de modelos, lo que también ha llevado a muchos jóvenes en el país a intentar participar.

La lógica detrás de esta ola se puede entender, pero al evaluar proyectos individuales, no invertiremos simplemente porque el fundador sea joven. Lo que debemos observar es si su ruta técnica tiene el potencial de ser disruptiva o si puede lograr mejoras de diez veces. Incluso si el fundador es solo un estudiante de doctorado o acaba de graduarse y carece de experiencia en la industria, recopilaremos información de diversas fuentes para verificar la verdadera capacidad del equipo y la elección de la dirección de investigación, realizando un análisis de evaluación completo.

13. Cuanto más loco es el tiempo, más debemos aprender de las lecciones de la historia. Cuanto más ruido hay, más importante puede ser el pensamiento filosófico; debemos entender y reflexionar profundamente sobre esto.

Para las jóvenes empresas que se han establecido hace dos o tres años, mi consejo es que miren más a la historia. Cuanto más grande es la ola, más debemos aprender de las lecciones de la historia.

De hecho, en grandes olas como la era de Internet y la era de Internet móvil, han ocurrido situaciones similares, solo que a una escala cada vez más exagerada. A finales de los años 90, también hubo muchas personas que podían recaudar dinero y completar una salida a bolsa en dos años. Pero al final, todo se reduce a polvo, no se crea valor real, y aunque sean muy favorecidos por el mercado de capitales, también pueden fracasar.

Por lo tanto, cuanto más loco es el tiempo, más debemos aprender de las lecciones de la historia. Cuanto más ruido hay, más importante puede ser el pensamiento filosófico; debemos entender y reflexionar profundamente sobre esto.

La esencia de la inversión es que invertimos en una empresa que puede escalar en el futuro, y realizamos retornos a través de formas como la salida a bolsa. Por ejemplo, invertiremos en McDonald's, pero definitivamente no invertiremos en un restaurante con tres estrellas Michelin. Aunque un restaurante Michelin sea muy rentable y tenga un alto margen de beneficio, si no puede capitalizarse y no tiene un amplificador como una salida a bolsa, no se puede salir.

03 "Si dentro de un año los agentes no se han desarrollado, la demanda de potencia de cálculo será reevaluada"

14. Este año, los principales gigantes tecnológicos de Estados Unidos han aumentado su presupuesto anual para la inversión en potencia de IA de más de 700 mil millones de dólares a más de 800 mil millones; en China, es de aproximadamente más de mil millones de dólares.

Esta estadística puede no ser completamente precisa, pero la dirección es clara: esta es la mayor demanda que se puede ver actualmente en la sociedad comercial humana, más clara que en el campo de la robótica y con un ciclo de implementación más cercano.

Para dar algunos ejemplos concretos, en los últimos años todos estaban haciendo entrenamiento de modelos, pero hasta este año, sabemos que la demanda de potencia de ByteDance para la parte de cálculo e inferencia ha pasado de 1:1 a una mayor inferencia. Incluyendo Zhiyu, ahora se utilizan más tokens, y si puede mantener el crecimiento de los últimos meses, su potencia de inferencia aumentará rápidamente. Básicamente, las grandes empresas tecnológicas como ByteDance, dentro de dos o tres años, la demanda anual de potencia de inferencia alcanzará el nivel de millones de tarjetas. Por lo tanto, esta es una demanda enorme, muy concreta y real.

Por lo tanto, el espacio de demanda del mercado para las empresas de GPU es muy grande; incluso si una empresa de GPU solo obtiene el 1% de este gran mercado, significaría ingresos de miles de millones al año, y su valor de mercado podría fácilmente alcanzar los cientos de miles de millones. Pero el mercado se dispersará primero y luego se concentrará. Actualmente, China puede albergar muchas empresas de GPU, pero ¿cuántas quedarán en cinco o diez años? Estoy seguro de que habrá una concentración.

15. Actualmente, hay aproximadamente tres tipos de rutas para las GPU nacionales:

Las empresas de chips de IA en la nube en el mercado corresponden a tres rutas tecnológicas diferentes; las dos últimas han surgido solo en el último año y son direcciones particularmente activas en el mercado actual. La primera categoría son los fabricantes de GPU nacionales, con empresas como Birran Technology, Muxi, Thread of Mole, Kunlun Chip, Cambricon y Huawei como referentes. Actualmente, el factor clave es quién ha conseguido la capacidad de producción de la cadena de suministro nacional. Actualmente, solo unas pocas empresas pueden ver perspectivas de suministro continuo y estable.

Debido a problemas de la cadena de suministro, la capacidad de producción de procesos avanzados es limitada, lo que ha dado lugar a dos nuevas rutas que pueden satisfacer mejor las necesidades de inferencia de IA en el futuro y también evitar problemas de la cadena de suministro. Las dos rutas son DRAM apilado en 3D y DDR. Actualmente, hay cerca de diez empresas que están trabajando en las rutas de apilamiento en 3D y DDR, muchas de las cuales son empresas líderes, y actualmente su valoración oscila entre los 10 mil millones y 20 mil millones, con grandes escalas de financiamiento.

La lógica del mercado que apoya a este tipo de empresas es muy clara: siempre que el producto pueda ser producido en masa, resolverá el problema de suministro de capacidad; además, el espacio de crecimiento en el mercado de inferencia en el futuro es enorme, y estas empresas siempre podrán obtener una parte del mercado correspondiente.

16. Las expectativas del mercado sobre la demanda de potencia de cálculo siguen siendo inestables, lo que es motivo de preocupación.

Lo que más debe preocupar al mercado es que, hace un par de días, ya hubo una conmoción cuando se informó que Meta planeaba vender parte de su capacidad de cálculo redundante; la noticia no fue emitida oficialmente por Meta, y el mercado inmediatamente comenzó a dudar de todas las previsiones anteriores de la industria. Esa noche, el mercado de valores de Corea del Sur se detuvo, y los precios de las acciones de Samsung y SK Hynix cayeron drásticamente, y las acciones relacionadas en Hong Kong y el mercado A (A-shares) también cayeron en sincronía.

Si las aplicaciones de IA no pueden mantener un crecimiento explosivo continuo, por ejemplo, si el desarrollo de agentes no muestra progreso en un año, o si la comercialización no avanza, o si la capacidad del modelo no mejora, manteniéndose en el mismo nivel, la escala general de aplicaciones no podrá aumentar, y las expectativas de crecimiento de la potencia de cálculo se verán afectadas, lo que podría generar riesgos concentrados en los mercados primario y secundario.

17. La diferencia entre los chips de IA de alta gama nacionales y NVIDIA radica, en primer lugar, en el ecosistema de software.

Actualmente, los que se utilizan para el entrenamiento de modelos son principalmente tarjetas de NVIDIA, y todos los sistemas de entrenamiento de modelos están construidos sobre el ecosistema CUDA. Para realizar inferencias de manera eficiente y a bajo costo, es necesario ser compatible con CUDA. Esto no solo afecta a las empresas chinas, sino que AMD también ha estado luchando con esto durante más de diez años.

Ahora han surgido algunos cambios: primero, en comparación con la era de IA 1.0, la convergencia de los algoritmos de modelos grandes es más alta, y la optimización de operadores es relativamente más fácil, lo que puede reducir la barrera de adaptación que trae CUDA. Segundo, en los últimos seis meses, la capacidad de codificación de modelos grandes ha mejorado, y ahora todos los fabricantes de chips que no son de NVIDIA están utilizando modelos grandes para adaptar automáticamente los operadores. Pero, de todos modos, hasta ahora, el ecosistema CUDA sigue siendo la mayor barrera competitiva de NVIDIA.

A nivel de hardware, durante muchos años se ha dicho que nuestro proceso de suministro de energía avanzada está una generación detrás de TSMC, y el número de transistores en los chips es menor. Para lograr la misma potencia de cálculo, se debe aumentar el tamaño del chip, lo que a su vez aumenta los costos y la presión de refrigeración, creando una serie de problemas en cadena. En resumen, actualmente nuestros chips de alta gama están al menos una generación detrás de NVIDIA.