Seorang Investor Mengemukakan 17 Penilaian tentang Kecerdasan Terbenam, Model, dan Daya Komputasi

Penulis: Xiao Yan, Tencent Technology

Editor: Xu Qingyang

Dalam beberapa tahun terakhir, beberapa kata kunci terpanas di dunia investasi teknologi di China hampir selalu berkaitan dengan AI, robotika, dan kecerdasan terbenam.

Di jalur model besar, Zhipu adalah salah satu perusahaan pertama yang dibahas dalam konteks "OpenAI versi China". Jiyue Xingchen dan Shengshu Technology juga berada di pusat arah populer seperti model dasar dan generasi video. Di bidang robotika, UBTECH telah terdaftar di pasar modal, sementara Galaxy Universal Robotics, Yinshi Robotics, dan Tashi Zhihang mewakili eksplorasi berbeda dari tubuh, model hingga penerapan skenario.

Di balik perusahaan-perusahaan bintang ini, ada satu lembaga investasi yang sama—Qiming Venture Partners. Lembaga ini didirikan pada tahun 2006 dan mengelola 11 dana dolar AS dan 7 dana yuan, dengan total aset yang dikelola mencapai 9,5 miliar dolar AS.

Setelah beberapa kali berinvestasi dalam gelombang teknologi, apa metodologi Qiming Venture Partners?

Baru-baru ini, Zhou Zhifeng, mitra pengelola Qiming Venture Partners, berbagi tren perkembangan dasar di jalur terdepan seperti model besar, kecerdasan terbenam, dan chip daya komputasi, serta membedakan antara spekulasi konsep dan standar inti untuk penerapan industri yang nyata.

Sebagai seorang investor, Zhou Zhifeng adalah seorang pengamat mendalam AI yang tidak diragukan lagi. Dalam diskusi, ia sering kali masuk dari sudut pandang kehidupan sehari-hari, menggambarkan gambaran nyata dari penerapan teknologi AI. Ia menyebutkan bahwa anggota keluarganya sudah mahir menggunakan platform video pendek dan dapat dengan lancar menggunakan AI untuk menyelesaikan pencarian informasi sehari-hari; dalam konteks pekerjaannya, AI juga meresap dalam kehidupan sehari-hari, di mana ia bergantung pada alat AI untuk menyelesaikan analisis data dan pengorganisasian materi, bahkan dalam jadwal yang padat, ia tetap memperhatikan iterasi konten video pendek yang dihasilkan oleh AI.

Potongan-potongan kecil dan nyata dari kehidupan sehari-hari ini secara langsung membuktikan satu tren inti: AI telah melampaui konsep profesional yang hanya ada di laboratorium, teori, atau makalah jurnal, atau cerita modal yang hanya ada di dokumen pendanaan pasar primer, tetapi benar-benar telah menyusup ke perangkat ponsel umum, menyelesaikan transisi dari teknologi terdepan menjadi alat sehari-hari bagi masyarakat umum.

Tanggung jawab investor adalah untuk menilai arah teknologi, bentuk produk, dan perusahaan mana yang paling mungkin membawa perubahan ini ke dalam kenyataan sebelum perubahan tersebut muncul secara besar-besaran.

Zhou Zhifeng merangkum pemikirannya sebagai investasi "setengah langkah cepat"—bukan yang paling awal, dan bukan menunggu konsensus pasar terbentuk sebelum masuk, tetapi masuk setelah titik terobosan teknologi dan sebelum titik ledakan komersial.

Zhou Zhifeng, Mitra Pengelola Qiming Venture Partners

Zhou Zhifeng mengambil Zhipu sebagai contoh. Pada Mei 2020, peluncuran GPT-3 membuat Qiming Venture Partners melihat bahwa Scaling Law sedang diverifikasi, dan model besar telah melampaui titik teknologi penting. Berdasarkan penilaian ini, Qiming Venture Partners berinvestasi di Zhipu pada Desember 2021. Pada saat itu, ChatGPT belum diluncurkan, dan "All in AI" belum menjadi slogan kolektif di kalangan investor. Hingga November 2022, ChatGPT muncul dan AI generatif benar-benar diperkenalkan kepada publik dan pasar investasi.

Lalu, di antara arah populer seperti AI, robotika, daya komputasi, dan chip, di mana peluang "setengah langkah cepat" berikutnya akan muncul? Dalam diskusi di tempat, Zhou Zhifeng tidak memberikan jawaban langsung, tetapi lebih banyak membedah perubahan yang sedang terjadi di jalur-jalur ini.

Menghadapi jalur-jalur panas ini dan banyaknya uang panas yang mengalir, Zhou Zhifeng percaya bahwa semakin dekat dengan pusat badai, semakin kita harus kembali ke pertanyaan yang paling mendasar: Apakah ada nilai nyata yang diciptakan, dan apakah bisa bertahan dalam verifikasi logika bisnis? Ia sering menyebutkan bahwa pasar kemungkinan besar akan memasuki fase "tunjukkan uangnya". Semakin baru sesuatu, semakin kita harus waspada terhadap kesenjangan antara perhatian jangka pendek dan nilai jangka panjang; semakin gaduh pasar, semakin perusahaan harus membuktikan bahwa mereka dapat mengubah teknologi menjadi pendapatan, mengubah imajinasi menjadi kenyataan.

Selanjutnya, untuk efisiensi membaca, Tencent Technology telah menyusun penilaian inti Zhou Zhifeng dalam bentuk narasi orang pertama.

01 "Kecerdasan terbenam adalah bidang yang paling membunuh sel otak saya, tanpa terkecuali"

1. Setelah berbicara dengan banyak perusahaan kecerdasan terbenam, saya memiliki tiga perasaan utama.

Pertama, pasar primer dan sekunder sangat optimis terhadap jalur ini. Alasan utamanya adalah, ini mungkin menjadi industri pertama dalam sejarah kita yang memiliki "skala pengiriman smartphone" dan "harga mobil penumpang". Jika industri ini berkembang dengan baik, akan ada 1 miliar unit pengiriman per tahun, dengan harga rata-rata sekitar 30.000 dolar AS, setara dengan 200.000 yuan, yang dalam sejarah perkembangan bisnis manusia selama dua atau tiga ratus tahun, adalah jalur dengan ukuran teratas, tanpa terkecuali.

Kedua, semua orang sekarang berebut IPO, pada dasarnya berebut keuntungan kelangkaan. Pasar sekunder memang memiliki karakteristik ini: ketika dua atau tiga perusahaan pertama di jalur besar ini terdaftar, karena kelangkaan subjek, mereka dapat menikmati keuntungan modal super, yang secara langsung tercermin dalam harga saham dan nilai pasar yang bisa sangat tinggi hingga keluar dari logika biasa, sehingga semua orang ingin mendahului.

Ketiga, banyak perusahaan semakin sulit untuk dibedakan. Kami memantau bahwa ada lebih dari 370 perusahaan terkait kecerdasan terbenam di China, dan hampir setiap minggu kami menerima dua atau tiga proyek baru. Latar belakang tim, jalur teknologi, dan skenario penerapan mereka semakin mirip: tidak lain adalah profesor, jenius kecil, eksekutif dari perusahaan besar dalam pengemudian otomatis, atau latar belakang model AI; semua berbicara tentang VLA, model dunia; penerapan sebagian besar berfokus pada manufaktur industri, logistik, dan layanan bisnis, dan baru-baru ini muncul skenario robot bionik. Namun masalahnya adalah, saat ini belum ada standar objektif untuk menilai tingkat teknologi atau kemampuan model, yang benar-benar dapat menentukan siapa yang memiliki teknologi yang lebih kuat dan kemampuan penerapan yang lebih baik.

Jadi, setelah satu atau dua perusahaan pertama terdaftar, mungkin karena kelangkaan, mereka akan melambung ke nilai pasar yang sangat tinggi. Namun enam bulan hingga satu tahun kemudian, pasar kemungkinan besar akan memasuki fase "tunjukkan uangnya", hanya melihat apakah bisa diterapkan, apakah bisa diubah menjadi pendapatan penjualan dan margin keuntungan.

Jika pada akhir tahun ini atau pertengahan tahun depan, penerapan tidak memenuhi harapan, bahkan jika berhasil terdaftar, nilai pasar mungkin jatuh ke kisaran ratusan miliar, dan pasar primer dan sekunder juga akan mengalami penilaian terbalik. Penilaian pasar primer yang ada tidak akan bertahan, dan kesulitan pendanaan ulang perusahaan di masa mendatang akan meningkat secara signifikan.

Kuncinya tetap pada teknologi. Jika jalur robotika tidak memiliki terobosan kunci, terutama jika jalur teknologinya tidak dapat menyatu, industri akan sulit untuk diterapkan secara besar-besaran. Saat ini, eksplorasi penerapan robot di berbagai perusahaan masih menggunakan model yang khusus untuk skenario, dan bukan model umum yang sangat populer saat ini. Jika tidak dapat mencapai konsolidasi teknologi, tidak akan ada skenario penerapan yang dapat dibuka secara besar-besaran, dan pada akhirnya hanya dapat melakukan beberapa proyek demo yang tidak penting, dan skala komersialisasi tidak akan dapat berkembang.

Jadi, apa yang bisa saya lakukan sekarang adalah terus aktif melihat semua proyek baru yang muncul, memastikan pengumpulan informasi yang komprehensif, dan terus memantau situasi industri.

Saat ini, pasar primer masih berjuang untuk mendapatkan pendanaan, dan perusahaan yang relatif stabil sedang bersiap untuk IPO. Namun pada akhirnya, terlepas dari apakah mereka terdaftar atau tidak, pasar tetap melihat pada komersialisasi. Jika industri tidak dapat menghasilkan hasil penerapan yang nyata, pasar kemungkinan besar akan mengalami penyesuaian besar yang mendalam.

2. Saya tidak pernah berpikir bahwa model dunia adalah jalur baru yang sepenuhnya, kemungkinan besar masa depan VLA dan model dunia akan bergabung lebih dari 50%.

Ini lebih mirip jalur teknologi, hanya saja di pasar primer telah diperdagangkan menjadi konsep populer. Baru-baru ini muncul sekitar 30 perusahaan startup model dunia, dibandingkan dengan perusahaan jalur teknologi VLA sebelumnya, tidak ada perbedaan mendasar dalam penerapan komersial.

3. Saat ini, kecerdasan terbenam kekurangan standar evaluasi objektif.

Model bahasa memiliki banyak tolok ukur, tetapi kecerdasan terbenam menghadapi tenaga kerja dunia fisik, sehingga kesulitan evaluasi jauh lebih tinggi. Saat ini, di pasar global, ada sekitar tiga hingga lima tolok ukur kecerdasan terbenam, tetapi daftar ini baru-baru ini juga banyak dipertanyakan. Beberapa perusahaan mendapatkan penilaian tinggi dengan cara memanipulasi daftar, dan orang dalam industri dapat melihatnya dengan jelas, tidak ada artinya.

Sebelum standar tidak menyatu, kami lebih banyak mendorong dari logika dasar: pertama, apakah algoritma dan jalur arsitektur model sesuai dengan penggambaran kami; kedua, apakah tim memiliki pengalaman rekayasa yang kaya; ketiga, strategi data. Data mungkin menjadi variabel paling kunci ke depan. Model bahasa diberi 10 miliar token untuk mencapai Scaling Law; model video diberi klip tingkat miliaran untuk mencapai Scaling Law. Saat ini, perusahaan kecerdasan terbenam teratas di China dan AS hanya memiliki puluhan ribu jam data, dan masih jauh dari skala yang cukup. Namun, perusahaan kecerdasan terbenam teratas di China dan AS kemungkinan akan mencapai skala data ini tahun ini, sehingga mungkin akan ada terobosan.

Begitu terobosan teknologi terjadi, evaluasi justru akan menjadi lebih sederhana. Misalnya, dalam skenario industri, jika sebuah perusahaan besar memiliki 25 langkah proses, tanpa pelatihan ulang apa pun atau hanya pelatihan ulang yang sangat sederhana, melihat seberapa banyak robot dapat menyelesaikan tugas tersebut, jika tingkat keberhasilannya lebih dari 50%, perusahaan besar akan benar-benar membayar untuk membeli robot; jika hanya 5%, itu menunjukkan bahwa masih belum berhasil.

4. Data adalah hambatan teknis yang perlu dilalui oleh model terbenam, tetapi dalam satu atau dua tahun ke depan, mungkin akan berubah dengan cepat.

Untuk membuat model terbenam, mungkin diperlukan 1 juta hingga 2 juta jam data pelatihan, dan saat ini, jumlah data lebih penting daripada kualitas data tunggal. Mengenai berbagai skema data, istilah profesional industri adalah strategi data, dan dalam beberapa bulan terakhir, telah terbentuk konsensus di bidang ini. Sebelumnya, industri dibagi menjadi beberapa jalur data, seperti data yang dikumpulkan oleh Tesla dari mesin yang mereka kembangkan sendiri, yang memiliki tingkat keaslian tertinggi, model lebih mudah belajar dan beradaptasi, dan saat model diterapkan pada perangkat keras, kesesuaian dengan data yang dikumpulkan selama pelatihan sepenuhnya konsisten.

Namun, pengumpulan data dari mesin ini memiliki ambang batas yang sangat tinggi, bahkan perusahaan terkemuka seperti Tesla pun mengalami kesulitan dalam memajukan ini, dengan jumlah produksi yang sangat terbatas dalam setahun; perlu mengerahkan 1.000 robot, dengan personel khusus untuk menjaga, dan setiap perangkat hanya dapat mengumpulkan data efektif selama satu atau dua jam sehari, efisiensi sangat rendah, dan untuk mengumpulkan 1 juta jam data, mungkin memerlukan waktu sepuluh tahun, bahkan Tesla pun demikian, perusahaan lain lebih sulit untuk mencapainya. Kualitas data ini sangat baik, tetapi jumlahnya langka. Sebelumnya, Google dan OpenAI cenderung menggunakan data video, Google sendiri mendalami bidang model video, tetapi data video umum yang besar tidak sesuai dengan skenario praktis robot, misalnya video ruang rapat, sangat sulit bagi robot untuk belajar kemampuan praktis, malah akan memperkenalkan banyak data noise berkualitas rendah ke dalam model.

Di antara keduanya adalah data UMI yang muncul dalam setahun terakhir, di mana pekerja mencatat skenario operasi nyata dengan menggunakan perangkat yang dapat dikenakan, lebih mudah untuk disesuaikan dengan kebutuhan pelatihan model. Saat ini, perusahaan teratas di China dan AS merencanakan untuk membeli total 1 juta jam data pelatihan tahun ini, di mana data mesin hanya menyumbang 1% hingga 3%, data UMI sekitar 70%, dan data video menyumbang 20%. Noyiteng memisahkan bisnis motion capture untuk berkembang secara independen, teknologi motion capture dapat mengoptimalkan pengumpulan data UMI dan data mesin, dan saat ini dapat menyediakan berbagai data pelatihan dari semua kategori.

Selain skala, data sentuhan juga akan menjadi penting. Misalnya, ketika robot mengambil botol yang tampak biasa tetapi sebenarnya lebih berat, manusia akan segera merasakan perubahan berat dan menyesuaikan kekuatan genggaman; tetapi saat ini, data mesin, data tekstur, dan data video sebagian besar kekurangan informasi sentuhan semacam ini.

Jadi, saat ini ada sejumlah perusahaan yang mencoba membuat solusi seperti bahan sentuhan, untuk menciptakan tangan robot dengan persepsi sentuhan, mengumpulkan data sentuhan. Arah ini sangat diminati untuk investasi, tetapi saat ini belum ada perusahaan di seluruh dunia yang teknologinya sepenuhnya matang.

5. Di tingkat model kecerdasan terbenam, keunggulan China terutama ada tiga: data, skenario penerapan, dan dukungan perangkat keras.

Saat ini, sulit untuk mengukur perbedaan teknologi antara China dan AS, karena perbedaan antara model di China dan AS pada dasarnya adalah daya komputasi. Teknologi belum sepenuhnya menyatu, eksplorasi penelitian teknologi sangat mirip dengan berlayar di lautan gelap untuk mencari pulau harta karun.

AS tidak memiliki batasan daya komputasi, perusahaan terkemuka dapat mengerahkan 30 kapal sekaligus setiap malam, setiap umpan balik eksplorasi sangat penting untuk mencari arah, setiap tim kembali melaporkan rute, misalnya hari ini berlayar 5 mil di arah 30° tanpa menemukan target, maka rute ini tidak perlu diulang.

Saat ini, China terhambat oleh pembatasan chip, hanya dapat mengirim satu kapal dalam semalam, dan perbedaan inti terletak di sini. Rute keseluruhan model bahasa besar sudah jelas, sehingga perbedaan yang dirasakan tidak terlalu mencolok. Namun, jika industri mengalami lompatan teknologi berikutnya, secara probabilitas, membuka 30 jalur eksplorasi sekaligus dibandingkan hanya satu jalur, kemungkinan AS akan mencapai terobosan teknologi jauh lebih besar. Meskipun terlihat bahwa perbedaan model saat ini kecil, perbedaan keseluruhan dalam jangka panjang sebenarnya tidak kecil.

Namun, dalam hal data, skenario industri yang diterapkan, dan dukungan perangkat keras, China memiliki keunggulan yang jelas.

Beberapa perusahaan besar di AS sedang membeli data dari perusahaan China, yang menunjukkan bahwa mereka sendiri kekurangan cadangan data;

Kedua, dalam hal skenario industri yang diterapkan, China memiliki perusahaan besar seperti CATL dan BYD, yang memiliki banyak pabrik fisik untuk kolaborasi penelitian dan pengembangan;

Ketiga, dalam hal dukungan perangkat keras, robot humanoid memiliki sekitar 1200 komponen, lebih dari 90% rantai pasokan terkonsentrasi di Delta Sungai Yangtze dan Delta Sungai Pearl, sehingga perusahaan China dapat melakukan iterasi cepat antara tubuh dan model. Begitu ditemukan bahwa algoritma model dan eksekusi perangkat keras tidak cocok, mereka dapat menghubungi pemasok untuk penyesuaian dan optimasi dalam waktu dua minggu.

Secara keseluruhan, China memiliki keunggulan signifikan dalam perangkat keras dan data, sementara keunggulan AS terletak pada model, tetapi perbedaan antara keduanya tidak terlalu besar.

6. Mengenai kontroversi apakah robot humanoid "menunjukkan kemampuan" atau "praktis", banyak diskusi tidak membedakan konsep dengan jelas.

Algoritma kecerdasan berbasis tubuh umumnya dibagi menjadi tiga arah utama: Manipulasi, Navigasi, dan Lokomosi.

Pertama, Manipulasi adalah pengendalian fisik, kecerdasan berbasis tubuh, dan model dunia termasuk dalam arah ini, tetapi industri secara keseluruhan belum membentuk jalur yang matang dan seragam; kedua adalah Navigasi, yang sudah matang dan diterapkan dalam mengemudi otomatis; ketiga adalah Lokomosi, yaitu gerakan seperti berlari dan seni bela diri, yang lebih bersifat demonstratif.

Ketiga hal ini termasuk dalam algoritma AI robot, tetapi inti yang menentukan apakah robot dapat menciptakan nilai komersial dalam skala besar adalah teknologi pengendalian. Lokomosi telah berkembang lebih matang, dan Yushun berada di puncak dalam bidang ini, sementara UBTECH juga memiliki akumulasi yang baik. Oleh karena itu, wajar jika orang merasa bahwa mereka hanya dapat menunjukkan kemampuan, karena itu memang merupakan keunggulan mereka. Baru-baru ini, lebih dari 360 perusahaan robot baru didirikan, semuanya fokus pada arah pengendalian; sementara Yushun dan UBTECH memiliki dana yang cukup dan telah membangun tim penelitian dan pengembangan terkait, kemampuan di bidang ini juga tidak lemah.

Jika hanya melihat kontrol gerakan dalam skenario demonstrasi, pasar global memiliki batasan sekitar 1 miliar USD; sementara skenario penerapan robot terkait industri jauh lebih besar, kedua volume ini tidak berada pada level yang sama. Secara sederhana, teknologi kontrol gerakan matang lebih awal, di mana robot hanya dapat melakukan fungsi seperti menari dan pertunjukan; kita harus menunggu hingga tahun ini atau tahun depan untuk teknologi pengendalian terkait menyelesaikan konsolidasi, agar robot dapat diterapkan dalam skenario besar yang benar-benar memiliki nilai praktis.

02 "Ada dua perubahan di bidang AI yang melebihi ekspektasi, satu perubahan di bawah ekspektasi"

7. Dalam satu atau dua tahun ke depan, valuasi perusahaan AI pada akhirnya akan kembali ke pendapatan dan kemampuan pengiriman. Perusahaan perangkat lunak tradisional mungkin memiliki rasio valuasi PS antara 5-15 kali, sedangkan di industri yang sedang tren dan memimpin teknologi, rasio tersebut dapat mencapai 20 hingga 100 kali. Apakah perusahaan seperti Zhizhu dapat mempertahankan valuasi mereka, sangat tergantung pada apakah mereka dapat mencapai skala pendapatan. Jika mereka dapat mencapai pendapatan 10 miliar, dengan rasio 100 kali PS, maka nilai pasar akan mencapai 1 triliun; tetapi jika pendapatan hanya 1,5 miliar, maka valuasi pasar akan mengalami penyesuaian, logika yang sama berlaku untuk jalur robot.

ARR (Pendapatan Tahunan Berulang) perusahaan mewakili pertumbuhannya, dan pendapatan yang diakui di atas kertas mewakili arus kas. Industri robot juga sama, pada akhirnya tetap harus melihat pendapatan keseluruhan, indikator keuangan ini adalah ukuran yang paling adil.

Jadi, yang paling penting bagi perusahaan AI adalah dua hal: apakah kemampuan model dapat terus ditingkatkan, dan apakah sisi pelanggan dapat membentuk penggunaan dan pendapatan yang nyata. Kedua hal ini menentukan apakah perusahaan memiliki nilai jangka panjang.

8. Dalam setahun terakhir, ada dua perubahan di bidang AI yang melebihi ekspektasi, satu perubahan di bawah ekspektasi.

Perubahan pertama yang melebihi ekspektasi adalah daya komputasi AI. Total daya komputasi dan kecepatan pergeseran paradigma atau permintaan dari pelatihan ke inferensi jauh melebihi ekspektasi. Misalnya, salah satu perusahaan teknologi besar di dalam negeri, anggaran daya komputasi tahun lalu mencapai sekitar 50 miliar yuan, dan anggaran tahun ini lebih dari enam kali lipat dari tahun lalu.

Oleh karena itu, baik pasar primer yang muncul banyak perusahaan chip AI generasi baru, maupun pasar sekunder yang memperdagangkan memori HBM dan jalur komunikasi optik, berbagai tren panas di industri, pada dasarnya semuanya didorong oleh permintaan daya komputasi yang besar, dan logika dasar dari keseluruhan sistem adalah jelas. Mengenai apakah lonjakan harga saham jangka pendek itu wajar atau tidak, saya tidak bisa menilai, tetapi panas dan pertumbuhan pasar daya komputasi secara keseluruhan memang jauh melebihi ekspektasi saya.

Perubahan kedua yang melebihi ekspektasi adalah kecepatan perkembangan teknologi model itu sendiri dan konsensus yang cepat terbentuk di pasar seputar model. Termasuk pada bulan Januari tahun ini, dengan munculnya agen yang diwakili oleh udang karang, kemampuan coding, ketika kami membuat sepuluh proyeksi tahun lalu, di WAIC kami hanya mengatakan bahwa kemampuan coding sangat penting, tidak menyangka bahwa sekarang kemampuan coding telah menjadi daya saing inti dari model bahasa besar.

Karena kemampuan coding membawa kemampuan agen, saya percaya nilai industri agen jauh lebih tinggi dibandingkan produk AI yang berfokus pada percakapan Chatbot dalam dua atau tiga tahun terakhir. Selain itu, juga membentuk siklus positif: konsumsi daya komputasi yang dihasilkan oleh operasi agen adalah ribuan kali lipat dari produk percakapan murni, ini juga dapat menjelaskan mengapa pertumbuhan jalur daya komputasi secara keseluruhan melebihi ekspektasi, keduanya saling terkait.

Perkembangan teknologi model dan antusiasme pasar modal terhadap perusahaan model juga melebihi ekspektasi. Kecepatan pembentukan konsensus pasar terhadap perusahaan model berkualitas sangat cepat, nilai pasar dari perusahaan-perusahaan terkemuka dapat mencapai skala triliunan; di pasar juga muncul banyak perusahaan startup model neo labs, pendirinya sebagian besar adalah generasi 95 dan 00, proyek-proyek ini dapat mencapai valuasi 2 miliar hingga 3 miliar pada putaran awal, selama bertahun-tahun saya belum pernah melihat pasar yang begitu panas.

Di bawah ekspektasi adalah aplikasi AI, terutama aplikasi 2C. Tahun lalu saya memprediksi bahwa 2025 adalah tahun awal era aplikasi AI. Sekarang terlihat, pasar aplikasi AI masih melebihi ekspektasi, hanya saja cara pembukaannya tidak seperti yang saya bayangkan tahun lalu. Saat ini, aplikasi AI sebagian besar terkait dengan AI Coding, termasuk perkembangan agen, ini adalah sesuatu yang tidak saya duga. Tahun lalu saya berpikir mungkin tahun ini kita akan melihat AI benar-benar memberdayakan berbagai industri, mungkin akan muncul beberapa aplikasi 2C yang memiliki sedikit harapan untuk menjadi Tencent baru, ByteDance baru, atau Alibaba baru, tetapi saat ini tidak ada yang muncul yang benar-benar mengguncang pasar dengan generasi aplikasi 2C baru.

Sebagian besar aplikasi AI generasi pertama yang didirikan pada tahun 2022 dan 2023, diwakili oleh alat percakapan dan produk pendamping emosional CharacterAI, sekarang banyak yang sudah mengalami kelelahan, dan industri terjebak dalam persaingan produk yang homogen. Pertumbuhan pengguna juga tidak secepat dua tahun lalu, pertumbuhan keseluruhan selama setahun terakhir cenderung lambat. Kami melakukan evaluasi internal dan menyimpulkan bahwa masalah inti terletak pada: logika pertumbuhan pengguna dan lalu lintas dari internet dan internet seluler tidak dapat diterapkan pada produk 2C di era AI.

Mainan AI dan drama pendek AI adalah contoh. Beberapa perusahaan mainan AI menjual puluhan ribu unit, tetapi 90% pengguna tidak akan menggunakan fungsi interaksi AI secara berkelanjutan, perusahaan mengakui bahwa ini justru hal yang baik, karena jika puluhan ribu pengguna semuanya melakukan percakapan frekuensi tinggi dan terus-menerus menghabiskan token, perusahaan tidak akan mampu menanggung biaya. Dalam drama pendek AI, proporsi konten AI meningkat dengan cepat, tetapi sulit untuk menghasilkan hit yang benar-benar besar.

Ini menunjukkan bahwa industri drama pendek bergantung pada skala untuk mendasari, tetapi monetisasi inti sangat bergantung pada karya-karya hit, saat ini AI belum dapat menghasilkan banyak karya hit. Ini juga menunjukkan bahwa dalam penciptaan seni, ekspresi dan pemikiran manusia memiliki proporsi yang sangat besar, bukan hanya bergantung pada AI untuk menghasilkan gambar karakter yang indah untuk mendukung konten berkualitas.

9. Dalam setahun terakhir, teknologi model video telah mengalami pertumbuhan yang signifikan.

Model video generasi baru, seperti Seedance 2.0 yang menggemparkan dunia, menggunakan arsitektur MoE, dengan peningkatan kemampuan yang signifikan. Sekarang sudah mendukung resolusi 4K. Oleh karena itu, saat ini banyak film Hollywood, iklan merek besar seperti Coca-Cola dan McDonald's, banyak segmen sepenuhnya atau sebagian dihasilkan oleh AI, bergantung pada kemampuan generasi model yang berkualitas tinggi.

Dalam putaran model dunia ini, dapat memberdayakan pembuatan video, mewujudkan gerakan objek, efek tabrakan, dan mengembalikan hukum fisika yang nyata, yang sulit diprediksi setahun yang lalu. Dalam setahun terakhir, pertumbuhan bisnis perusahaan terkait sangat cepat, pemain terkemuka dibagi menjadi dua kategori: tiga perusahaan besar global, yaitu ByteDance Seedance, Kuaishou Keling, dan Google Veo; serta perusahaan startup seperti Shenshu Technology, Aishi Technology, dan Video Rebirth, bisnis dan pendapatan masing-masing telah mencapai pertumbuhan sepuluh kali lipat.

Sekarang Hollywood, industri periklanan, perusahaan pernikahan, dan perusahaan acara semuanya menggunakannya. Berbagai skenario penerapan tiba-tiba terbuka secara menyeluruh, saya memperkirakan bahwa tahun ini skala komersialisasi keseluruhan industri akan meningkat secara signifikan.

10. Keunggulan inti dari Seedance, Keling, dan Google Veo 3 adalah daya komputasi dan data.

Seedance, Keling, dan Google adalah satu tipe, bahkan jika Keling terpisah, mereka masih dapat bergantung pada dukungan daya komputasi dan data dari Kuaishou; ketiga perusahaan ini memiliki keunggulan inti dalam skala daya komputasi mereka sendiri, dibandingkan dengan perusahaan startup seperti Shenshu Technology, mereka memiliki keunggulan, dan mereka juga memiliki keunggulan data tertentu. Setelah peningkatan model video, skala pelatihan dan inferensi juga harus mengikuti, ketiga perusahaan ini memiliki puluhan ribu hingga ratusan ribu kartu, keunggulan mereka jelas.

Namun, saya percaya perusahaan startup masih memiliki peluang: teknologi belum sepenuhnya terkonsolidasi, perusahaan startup dalam hal kecepatan eksplorasi dan iterasi teknologi tidak kalah dengan perusahaan besar. Saya percaya, keputusan Keling untuk memisahkan diri juga bermanfaat untuk terus mempertahankan talenta terbaik. Logika dasar antara VC dan perusahaan startup adalah, meskipun ukuran perusahaan startup kecil, mekanisme insentif ekuitas dan kemampuan untuk mengonsentrasikan semua sumber daya untuk berjuang, dua hal ini selalu lebih unggul dibandingkan perusahaan besar.

Skala pasar sedang berkembang dengan cepat, setelah skala, pembagian kerja akan semakin terperinci, dan titik fokus komersialisasi masing-masing perusahaan sudah mulai menunjukkan perbedaan yang jelas. Pertama, dalam model bahasa, tiga perusahaan terkemuka di AS memiliki pengalaman pengguna yang berbeda, beberapa orang merasa pengalaman obrolan Gemini lebih baik, tetapi hanya dari sudut pandang teknologi dan konsensus industri, pengguna ChatGPT di bawah OpenAI adalah yang terbesar, dan juga yang pertama meluncurkan chatbot percakapan, banyak optimasi dilakukan di sekitar skenario percakapan.

Jika fokus pada skenario percakapan dalam bahasa Inggris, ChatGPT memiliki kelancaran yang terdepan di dunia; Gemini didukung oleh Google, mengakses data online yang sangat besar, keunggulannya terletak pada pencarian dan pengorganisasian informasi; sementara Anthropic memulai dari prinsip-prinsip dasar, memiliki keunggulan dalam coding dan kemampuan agen sejak tahap awal, ketiga perusahaan ini telah membentuk perbedaan yang jelas.

Perusahaan-perusahaan penghasil video juga memiliki jalur yang berbeda: inti ByteDance ditujukan untuk pengguna C, Keling fokus pada bisnis B, dan Shenshu Technology yang kami investasikan juga berfokus pada beberapa skenario B, tren diferensiasi industri sangat jelas. Skenario B dan C memiliki banyak perbedaan dalam persyaratan karakteristik model.

11. Sekarang ada satu risiko: setelah konsensus AI terbentuk, banyak uang panas sedang mengalir masuk.

Setelah konsensus terbentuk, banyak uang panas mengalir masuk, yang pertama kali memasuki pasar sekunder. Saat ini, perusahaan AI yang benar-benar keras tidak banyak, dan pasar sekunder tidak memiliki kolam yang besar untuk menampung dana. Sekarang sangat jelas, uang panas di pasar sekunder mulai mengalir ke pasar primer dan pasar primer setengah. Banyak perusahaan baru saja menyelesaikan pendanaan, sebenarnya tidak kekurangan uang, tetapi masih ada lembaga yang bersedia menaikkan valuasi hingga 50% hingga dua kali lipat, segera menambah putaran investasi. Uang panas ini memberikan dampak besar pada industri, perusahaan yang mendapatkan dana melebihi kebutuhan mereka sendiri akan mengganggu penilaian strategis dan operasi sehari-hari mereka. Namun, saya juga bisa memahami para pengusaha, ketika seseorang menawarkan valuasi yang lebih tinggi dan banyak dana, memilih untuk menolak hal ini sangat tidak manusiawi dan sulit dilakukan.

Bagi kita dalam jangka pendek lebih banyak keuntungan, tetapi dalam jangka panjang, pasar akan menjadi sangat kacau. Seperti yang saya katakan sebelumnya, sekarang ada hampir sepuluh perusahaan kecerdasan berbasis tubuh dengan valuasi di atas 20 miliar, dan lebih dari sepuluh perusahaan dengan valuasi di atas 10 miliar, yang baru berdiri selama dua atau tiga tahun, ini sendiri sangat tidak normal.

Banyak perusahaan yang mendapatkan dana besar untuk masuk ke dalam jalur ini, kemungkinan besar akan memicu persaingan yang tidak teratur: pertama, biaya komputasi semakin tinggi, server Nvidia yang awalnya seharga 3 juta, kini langsung melonjak menjadi puluhan juta, sehingga biaya komputasi di seluruh industri meningkat secara pasif; kedua, perebutan talenta yang tidak sehat, gaji di industri melonjak; ketiga, persaingan yang tidak teratur di kalangan pelanggan, di mana setiap perusahaan tidak memiliki skenario bisnis yang matang, sehingga hanya bisa berebut untuk mendapatkan pelanggan besar, hanya bersaing dalam hal skala pendapatan.

Fenomena-fenomena ini dalam jangka panjang akan merugikan perkembangan industri, saat ini pasar dipenuhi dengan banyak perilaku fanatik yang tidak rasional.

12. Saat ini, pasar modal memiliki semacam "kecintaan misterius" terhadap para pengusaha AI muda.

Pertama, sebagian besar lembaga telah melewatkan kesempatan investasi pada perusahaan model besar dua atau tiga tahun yang lalu. Sebagian besar lembaga tidak memiliki keyakinan terhadap AI, sehingga tidak berinvestasi pada tahun itu. Namun, pada awal tahun ini, ada kesepakatan mengenai model besar, sehingga banyak lembaga berusaha untuk mengejar ketertinggalan, dan dalam situasi ini, perusahaan model baru pasti akan mendapatkan keuntungan modal yang khusus.

Kedua, setelah DeepSeek muncul, banyak orang terkejut, banyak media melaporkan bahwa tim inti adalah mahasiswa doktoral dari Universitas Peking dan Universitas Tsinghua, bukan "veteran" di dunia AI, sehingga di pasar terbentuk kesan bahwa semakin muda seseorang, semakin cerdas, dan semakin cerdas tanpa beban sejarah, semakin sukses. Saat ini, banyak investor di pasar cenderung mempercayai tim muda, bukan berarti tim muda itu buruk, kami juga berinvestasi pada tim yang sangat muda dan telah melihat banyak proyek. Saya hanya mengatakan bahwa menjadikan pengusaha muda sebagai dasar utama penilaian investasi adalah sangat subjektif dan tidak dapat dipertahankan.

Ketiga, beberapa laboratorium model baru juga muncul di Amerika. Tiga perusahaan teratas di luar negeri memiliki gaji tahunan yang sudah mencapai puluhan juta dolar, beberapa peneliti muda yang luar biasa, karena pendapatan yang melimpah, tidak memiliki kekhawatiran finansial, memilih untuk mendirikan perusahaan model baru, yang juga mendorong banyak orang muda di dalam negeri untuk mencoba.

Logika di balik gelombang ini dapat dipahami, tetapi ketika kami menilai proyek individu, kami tidak akan hanya berinvestasi karena pendirinya muda. Kami harus melihat apakah jalur teknologi mereka memiliki potensi untuk mengganggu, atau dapat mencapai peningkatan sepuluh kali lipat. Bahkan jika pendirinya hanya seorang mahasiswa doktoral atau baru lulus, kurang memiliki pengalaman di industri terkait, kami akan mengumpulkan informasi pendukung dari berbagai sumber untuk memverifikasi kekuatan nyata tim dan pilihan arah penelitian, melakukan analisis evaluasi yang lengkap.

13. Semakin gila zaman ini, semakin kita harus melihat pelajaran dari sejarah. Semakin banyak kebisingan di zaman ini, mungkin pemikiran filosofis menjadi semakin penting, kita harus memahami dan merenungkan hal ini.

Untuk perusahaan muda yang baru berdiri dua atau tiga tahun, saran saya adalah, lihatlah sejarah lebih banyak. Semakin besar gelombang, semakin kita harus melihat pelajaran dari sejarah.

Sebenarnya, dalam gelombang besar—era internet dan internet seluler, situasi serupa juga terjadi, hanya saja skala semakin besar. Pada akhir 1990-an, banyak orang bisa mendapatkan dana sendirian dan menyelesaikan IPO dalam dua tahun. Namun pada akhirnya, semuanya kembali ke asal, tidak ada nilai yang benar-benar diciptakan, meskipun sangat disukai oleh pasar modal, pada akhirnya bisa gagal.

Jadi, semakin gila zaman ini, semakin kita harus melihat pelajaran dari sejarah. Semakin banyak kebisingan di zaman ini, mungkin pemikiran filosofis menjadi semakin penting, kita harus memahami dan merenungkan hal ini.

Inti dari investasi adalah kita berinvestasi pada sebuah perusahaan, yang di masa depan dapat mencapai skala, dan kita dapat merealisasikan pengembalian melalui IPO dan bentuk lainnya. Misalnya, kami akan berinvestasi di McDonald's, tetapi tidak akan pernah berinvestasi di restoran Michelin bintang tiga. Restoran Michelin yang sangat menguntungkan, dengan laba bersih tinggi, jika tidak dapat direalisasikan menjadi kapitalisasi, tanpa pengganda IPO, tidak ada cara untuk keluar.

03 "Jika dalam setahun ke depan agen tidak berkembang, permintaan komputasi juga akan ditinjau kembali"

14. Tahun ini, anggaran investasi terkait AI dari beberapa raksasa teknologi Amerika telah dinaikkan dari lebih dari 700 miliar dolar menjadi lebih dari 800 miliar dolar; di China sekitar lebih dari 100 miliar dolar.

Statistik ini mungkin tidak sepenuhnya akurat, tetapi arahannya sangat jelas: ini adalah permintaan terbesar yang dapat dilihat dalam masyarakat bisnis manusia saat ini, lebih pasti daripada di bidang robotika, dan siklus implementasinya lebih dekat, permintaan sangat jelas.

Sebagai contoh, beberapa tahun yang lalu semua orang fokus pada pelatihan model, tetapi hingga tahun ini, kami telah mengetahui bahwa permintaan komputasi dan inferensi dari ByteDance telah perlahan-lahan berubah dari 1:1 menjadi lebih banyak inferensi. Termasuk Zhiyu, sekarang token digunakan lebih banyak, jika dapat mempertahankan pertumbuhan beberapa bulan terakhir, pasti permintaan komputasi inferensinya akan meningkat pesat. Pada dasarnya, perusahaan teknologi besar seperti ByteDance, dalam dua atau tiga tahun ke depan, setiap tahun permintaan komputasi inferensi akan mencapai tingkat ratusan ribu kartu. Jadi ini adalah permintaan yang sangat besar, sangat nyata dan dapat diimplementasikan.

Oleh karena itu, ruang pasar untuk perusahaan GPU sangat besar, bahkan jika perusahaan GPU hanya mendapatkan 1% pangsa pasar di pasar besar ini, itu berarti dapat mencapai pendapatan skala miliaran dalam setahun, dan nilai perusahaan yang sesuai dapat dengan mudah mencapai ratusan miliar. Namun pasar akan terlebih dahulu terdistribusi, kemudian menyusut. Saat ini, China dapat menampung banyak perusahaan GPU, tetapi setelah lima atau sepuluh tahun, berapa banyak yang akan tersisa? Saya percaya pasti akan menyusut.

15. Saat ini, GPU domestik memiliki tiga jalur:

Perusahaan chip AI cloud domestik di pasar saat ini, sesuai dengan tiga jalur teknologi yang berbeda, dua jalur terakhir baru muncul dalam setahun terakhir, dan merupakan arah yang sangat aktif di pasar saat ini. Kategori pertama adalah produsen GPU domestik, dengan Wallan Technology, Muxi, Moer Thread, Kunlun Chip, Cambricon, dan Huawei sebagai tolok ukur. Saat ini, faktor kunci adalah siapa yang mendapatkan kapasitas rantai pasokan domestik. Saat ini hanya ada beberapa perusahaan yang dapat melihat prospek pasokan yang stabil dan berkelanjutan.

Karena masalah rantai pasokan, pasokan kapasitas proses canggih terbatas, kini muncul dua jalur baru, yang dapat lebih memenuhi kebutuhan inferensi AI di masa depan dibandingkan GPU saat ini, dan juga dapat menghindari masalah rantai pasokan. Dua jalur tersebut, satu adalah 3D stacked DRAM, yang lainnya menggunakan DDR. Saat ini, ada sekitar 10 perusahaan yang melakukan jalur 3D stacked dan jalur DDR, di antaranya banyak perusahaan terkemuka, dengan valuasi saat ini umumnya berada di kisaran 10 miliar hingga 20 miliar, dan skala pendanaan sangat besar.

Logika pasar yang optimis terhadap perusahaan-perusahaan ini sangat jelas: selama produk dapat diimplementasikan dan diproduksi secara massal, pertama-tama dapat menyelesaikan masalah pasokan kapasitas; kedua, ruang pertumbuhan pasar inferensi di masa depan sangat besar, perusahaan-perusahaan ini pasti akan mendapatkan pangsa pasar yang sesuai.

16. Ekspektasi pasar terhadap permintaan komputasi masih berfluktuasi, hal ini perlu diwaspadai.

Seluruh pasar perlu waspada terhadap hal yang paling perlu diwaspadai, baru-baru ini telah terjadi guncangan, ada laporan bahwa Meta akan menjual sebagian kapasitas komputasi berlebih, berita ini bukan dari Meta secara resmi, pasar langsung meragukan semua perkiraan industri sebelumnya. Setelah berita ini muncul, pasar saham Korea langsung terhenti, harga saham Samsung dan SK Hynix jatuh, saham terkait di pasar Hong Kong dan A-shares juga turun secara bersamaan.

Jika aplikasi AI tidak dapat mempertahankan pertumbuhan yang berkelanjutan, misalnya, perkembangan Agen tidak menunjukkan kemajuan dalam setahun, atau komersialisasi tidak meningkat lebih jauh, atau kemampuan model tidak meningkat lebih lanjut, hanya dapat mempertahankan tingkat yang ada, maka skala aplikasi keseluruhan tidak dapat meningkat, ekspektasi pertumbuhan komputasi akan hancur, dan pasar primer dan sekunder akan menghadapi risiko konsentrasi.

17. Perbedaan antara chip AI kelas atas domestik dan Nvidia, pertama-tama terletak pada ekosistem perangkat lunak.

Saat ini, yang digunakan untuk pelatihan model sebagian besar adalah kartu Nvidia, semua sistem pelatihan model dibangun di atas ekosistem CUDA. Untuk melakukan inferensi dengan efisiensi tinggi dan biaya rendah, pasti harus kompatibel dengan CUDA. Ini bukan hanya masalah bagi perusahaan China, AMD juga telah berjuang dengan masalah ini selama satu atau dua dekade.

Sekarang ada beberapa perubahan, pertama, dibandingkan dengan era AI 1.0, konvergensi algoritma model lebih tinggi, optimasi operator menjadi relatif lebih mudah, dapat mengurangi hambatan adaptasi yang disebabkan oleh CUDA. Kedua, dalam enam bulan terakhir, kemampuan penulisan kode model besar telah meningkat, sekarang semua produsen chip non-Nvidia, sedang menggunakan model besar untuk secara otomatis melakukan adaptasi operator. Namun bagaimanapun, hingga saat ini, ekosistem CUDA tetap menjadi penghalang persaingan terbesar bagi Nvidia.

Di sisi perangkat keras, selama bertahun-tahun kami selalu mengatakan bahwa proses penyediaan daya canggih kami tertinggal satu generasi dibandingkan TSMC, jumlah transistor pada chip lebih sedikit, untuk mencapai daya komputasi yang sama, harus memperbesar area chip, area yang lebih besar akan meningkatkan biaya, dan tekanan pendinginan juga akan meningkat, ini adalah serangkaian masalah berantai. Singkatnya, saat ini chip kelas atas kami tertinggal setidaknya satu generasi dibandingkan Nvidia.

Konten ini disediakan hanya untuk tujuan informasi umum dan bukan merupakan nasihat keuangan, investasi, hukum, atau pajak. Setiap acara, reward, promosi online, atau informasi terkait yang disebutkan di sini tidak boleh dianggap sebagai rekomendasi, ajakan, atau undangan untuk membeli, menjual, memperdagangkan, atau melakukan transaksi aset kripto apa pun. Aset kripto sangat fluktuatif dan dapat mengakibatkan kerugian. Ketersediaan layanan, produk, dan acara terkait WEEX dapat berbeda-beda di setiap wilayah. Anda bertanggung jawab untuk memastikan bahwa partisipasi Anda sesuai dengan hukum dan peraturan setempat yang berlaku.