界面新闻记者 |
界面新闻编辑 | 文姝琪
在中国AI大模型创投领域，不同投资人对于模型层和应用层的价值判断并未形成共识 ，甚至在某种程度上是对立的。
这种情形同样存在于美国 。在硅谷 ，有一只早期基金Fusion Fund，在8年前就坚定选择成为To B（企业端）方向的价值投资者 ，原因是这里有全球最大最成熟的B端（企业端）市场 。
Fusion Fund创始合伙人张璐自身就是一名连续成功创业者。她毕业于斯坦福大学材料科学工程学院 ，在卖掉自己创办的医疗器械公司后，成立了这家基金 。
投身VC领域的近十年，Fusion Fund募集管理了4期基金 ，平均每年出手7-10个项目 。这些项目绝大部分与To B领域的AI应用有关 ，包括AI搜索工具LeptonAI，AI驱动的音频转录公司Otter.ai ，以及专注于开发时的工具及基础设施Paperspace等等。
张璐坚信AI应用在To B方向的价值。“在我看来 ，美国是全球最大且最成熟的B端市场，拥有最先进的技术和最佳的Go-To-Market机会 。 ”这在很大程度上与美国企业端销售的高付费意愿有关 ，这是与中国市场之间的重要区别 。
至于Fusion Fund从不涉足的C端（用户）市场 ，张璐认为，至少在美国 ，这实际上不是OpenAI和Anthropic等初创公司的战场 ，而是背后的微软 、亚马逊和谷歌等巨头的竞争。
她指出，从历史规律来看 ，大部分的技术创新所经历的周期 ，总是从基础技术创新，到技术应用创新，再到商业模式创新 。而前两个阶段大概率会以To B方式率先在产业里进行多轮验证 ，才会演进成为To C的重大机会 。
作为一位需要在硅谷同时进行领导与竞争的华人女性 ，身份曾是张璐在行业中的显著标签。但从几年前起，关于她个人的讨论逐渐减少 ，更多的焦点转向了Fusion Fund所带来的行业洞见 。“这与评判初创企业的思维很相似 ， ”张璐说，“关键在于你做成了什么事情 。”
Fusion Fund的一项杀手锏是其2018年建立的Fusion CXO网络 ，集结了45个来自全球500强企业的高管 ，为初创企业提供高效的资源和订单支持。此外，张璐还着手搭建了Fusion Expert Network（专家网络） ，覆盖近30位工业领域专家 ，为团队提供深入的行业洞察 。
这些都是她保证团队项目源质量及出手命中率的重要支撑 。
尽管主战场在美国，但张璐也始终关注着中国科技创投生态的发展。
过去一两年 ，来自中国市场最让她感到惊喜和兴奋的 ，是商业航空航天领域的进展 。“对于年轻一代来说，这是一个未来的巨大市场， ”张璐说 ，“而且如果开放给更多的民营企业参与其中 ，必定能更好地推动创新 。 ”
以下为界面新闻对张璐的采访实录，略作编辑：
“如火如荼 ，并且是大面积的如火如荼”
界面新闻：在过往的AI投资中你有密集出手的时候吗？整体的投资节奏在今年有没有发生什么变化？
张璐：我们还是蛮平均的 ，去年投了9个项目，平时一年大概投7~10个项目 ，所以去年算是投得比较多 ，今年到现在也已经投了8个项目了。
我们主要聚焦于B端的应用，主要是人工智能在医疗 、金融、保险等垂直领域的产业应用 ，以及人工智能基础设施。我们不投任何的C端项目 ，之前也没有投过 。
界面新闻：过去8年中，B端的机会有哪些趋势能总结？
张璐：早期的时候我们投一些垂直领域的AI应用 ，比如说Otter.AI ，Paperspace，你会发现他们无论是做应用还是做人工智能基础设施，主要服务的对象还是科技领域的企业 ，或者说科技领域的从业者和开发者群体 。
但是在最近这两三年 ，很多垂直领域的人工智能应用，它服务的是传统行业 、非科技领域 ，如金融 、保险、物流、供应链 、医疗等行业。它们本身的技术属性没有那么强 ，或者说之前对于人工智能的认知没有那么深入，但过去这两年他们加速了AI技术的学习 、植入及应用探索 。这可能是过去8年的一个显著变化 。
相当于以前更多是科技领域的自我发展与AI应用 ，而现在则是全产业的数字化转型 ，这也是为什么我说现在是一个大时代，是一个好机会。
界面新闻：全产业的机会来了 ，底层原因是技术上的进步吗？还是说也有别的结构性变化？
张璐：这个问题特别好 ，因为很多人认为是技术终于“准备好”了，其实并非如此 。技术实际上早已准备好了一段时间 ，真正关键的是产业是否准备好了 。
人工智能核心应用的一个前提就是数据。行业是不是有海量的高质量数据 ，这是第一要义 。在此基础上，才能够造就让大家觉得便宜好用，真正能够解决问题的人工智能解决方案 。
早在2017年 ，就有一波关于人工智能在C端应用的讨论。我当时公开发过一个报告 ，关于人工智能在医疗领域应用，我当时认为 ，人工智能技术还没有发展到能够在C端展示其优越性的时候 。
但如果看医疗领域 ，它已经有海量的高质量数据，有巨大的数字化转型需求 ，尤其在美国 ，医疗行业的数字化已经做得很好了 。因此人工智能也需要医疗领域来体现其技术优越性。这是我当时的看法，后来证明是对的 ，我们从2017年开始就重点投资人工智能在医疗领域的应用。
界面新闻：所以产业为什么现在准备好了？
张璐：有一个比较重要的原因是 ，过去几年疫情推动了很多传统行业的数字化转型 。大家逐渐意识到，很多科技行业已经广泛采用了数字化工具——远程会议、智能化解决方案等 ，但传统行业却相对滞后 。随着疫情的爆发 ，各行各业都必须开始使用数字化工具来适应远程工作。
疫情让各个行业，无论主动还是被动，都加速了数字化转型 。例如 ，许多工业制造业的公司 ，过去工厂是半自动化的，但因为疫情期间需要持续生产口罩和呼吸机 ，员工无法回厂 ，工厂被迫转向全自动化 。这些转型都是在疫情压力下发生的，但也为后续的AI应用打下了坚实的基础 ，尤其是为收集海量高质量数据提供了可能 ，从而为人工智能的进一步应用创造了条件。
在疫情之后，又发生了一件关键事件——ChatGPT的出现 。它为全社会进行了一次大规模的人工智能教育 ，让大众突然意识到人工智能已经变得触手可及 。
我们从2016年就开始投资AI公司 ，当时有一个理念叫“零代码人工智能平台 ”（No code AI），就是你不需要理解一行代码就可以直接用这个AI产品。ChatGPT让大家意识到了这个概念真的存在 。
界面新闻：这种机会在医疗 、金融和保险这些行业率先被验证了？
张璐：已经被验证了 。我们前几年投的一些垂直领域人工智能公司 ，现在收入做得最好的已经到几十亿美金。所以不是大家想象的现在刚刚开始 ，而是有很多走得比较快的垂直领域AI公司已经做出来了，并且还有一些新的应用场景正在被发掘 。
所以To B在美国现在是如火如荼，并且是大面积的如火如荼 。
界面新闻：中间有一个爆发的节点吗 ，还是总体平稳上升 ，但相对比较陡的一条曲线？
张璐：确实比较陡，因为去年年初ChatGPT给全产业做了一个人工智能的教育 ，而我们投的很多公司 ，它是做垂直领域小模型，针对细分行业应用 ，但是这些细分市场量级又足够大。
大家如果对于To B不熟悉的话 ，总是想象不到它的产业量级有多大。美国的医疗行业是美国GDP的20%，是全世界最大的医疗市场 ，没有任何一个其他行业市场规模可以跟它相比 。美国的保险行业是7万亿美金的市场 ，这也是一个巨大的亮点，金融行业就不用说了 ，全世界最大的金融行业产业就在美国 。
包括现在崛起的机器人产业 ，因为跟物流供应链制造生产相关，还有太空科技，SpaceX所在的太空经济产业大概是一个10万亿美金的市场。整个太空领域的发展带来的卫星数据等等 ，都是海量的产业机会 。
界面新闻：到这个阶段 ，你觉得整个美国的B端AI产业改变的机会，还会是一个由技术驱动的机会吗?
张璐：其实 ，这取决于你怎么定义技术 。技术可以是如何优化大模型 ，也可以是怎么做小模型，把它做精 、做低成本。
但这并不是简单地更换一个语言模型就可以了 ，背后更多是架构设计（architecture design） 。另外 ，还有一个很重要的因素是产业数据——能否获得核心的高质量产业数据 。数据质量越高，需要的数据量就越少。数据量少 ，意味着对GPU算力的需求更低 ，能耗也会减少，最终产品的成本也会更低 。
因此 ，数据是至关重要的 。虽然你可以将其视为技术的一部分 ，也可以不这么看，但它无疑是当前B端应用的核心所在。
不过，我要强调一点 ，虽然AI现在已经如火如荼了 ，但我们还没有进入到乐章最高潮的部分，或者说交响曲最漂亮最华彩的地方 ，我们现在才刚刚开始 。
所以接下来这三五年会有更多、更快的人工智能的发展 。现在聊的很多都是生成式AI ，语言模型，但还有很多新的模型涌现。现在的讨论大多集中在如何在GPU层面建立AI模型的应用 ，但未来不一定只有GPU ，还会出现其他技术革新。
界面新闻：你说还没有进入到最高潮的部分，做这个判断的依据是什么？
张璐：现在的人工智能应用还是初期 ，才刚刚两年时间 。最开始 ，可能是公司的一个部门在用，接着是一个大企业在用 ，再扩展到整个产业 。最初可能只有一个应用在使用 ，随着时间推移，各种不同的应用开始广泛使用。
这一过程可能至少需要三年的时间 。就像部署一个新软件一样，它首先从IT部门开始应用 ，接着扩展到HR部门 ，最终覆盖到全公司 。这是个逐步推进的过程。
中国在C端创新有优势，而美国有最好的B端市场
界面新闻：在中国市场 ，投资人关于基础大模型和AI应用层的价值判断存在割裂 ，有时候两方观点可能完全对立，在美国市场现在的情形是怎么样的？大家有没有形成一个共识？
张璐：没有形成共识 ，但是美国市场和中国市场也是非常不一样的 。美国的To B市场是全球最大的 ，中国的To C市场可能是全球最大的，因此 ，很多投资判断往往基于哪个市场容易实现大规模商业化 。
我觉得大模型本身是非常有价值的 ，但初创企业做这个面临很大的不确定性。因为大模型本身的投入成本非常高，最后可能只有跑得最好的模型会赢得市场 。
美国市场的不同之处是 ，你会发现每个大模型公司背后都有一家大的科技企业 。所以真正的竞争到底是在OpenAI和Anthropic之间 ，还是在背后的微软 、亚马逊和谷歌之间呢？其实很不好说，这也是两国市场的一个重要区别。
界面新闻：所以刚刚这个问题，你的答案是什么？是微软和亚马逊 、谷歌的竞争 ，还是OpenAI和Anthropic之间的竞争？
张璐：当然是大公司之间的竞争 。
界面新闻：有一个结构性问题 ，现在所有人都在谈大模型对B端带来的改变，它的确定性已经非常高了 ，但是这件事情在C端带来的变量好像还是很模糊 ，这背后的原因是什么？
张璐：大部分的技术创新都会经历一个周期，先基础技术创新 ，再到技术应用创新 ，最后商业模式创新 。你会发现，包括基础技术和技术应用创新 ，通常先在B端领域得到验证和应用 ，经过多轮次验证之后，技术会变得更成熟、更便宜 ，最终才转向C端应用。
其实互联网时代也遵循这样的模式。只是说中国市场可能主要接触到的VC创新 ，是在互联网时代的最后一个阶段——商业模式创新阶段 。但其实美国过去这四五十年，硅谷几乎每次技术创新都是先从基础技术创新，再到技术应用 ，最后才是商业模式创新 。所以人工智能也会沿袭这个路径。
界面新闻：其实这么多年下来 ，你们一定在AI行业积累了非常多好的人脉和资源，但为什么迄今为止你依然坚定地不想进入C端市场？
张璐：我们投了很多B端的AI ，B端非常好 。在我看来 ，美国是全球最大且最成熟的B端市场，拥有最先进的技术和最佳的Go-To-Market机会 。我所专注的领域已经足够好了。
界面新闻：在国内一级市场有这样一种论调 ，大家倾向于认为在基础模型上目前美国领先于中国 ，但是如果要比拼应用层创新，中国一定会强于美国 。你的判断是什么？
张璐：这要分B端 、C端来讨论 。C端创新在中国有优势 ，因为中国有庞大的人口基数 ，创新能力也很强，用户对于新技术的接受度也比较高。但是若是看B端的应用层 ，毫无疑问 ，美国是做得最好的 。关键在于，美国的大企业愿意为B端的人工智能解决方案付费和应用 。
界面新闻：如果做同级比较，中国和美国的的B端应用创新相比 ，这两者有高低之分吗？
张璐：并不是说两个市场的To B企业和产品有高下之分 ，关键在于企业付费意愿和商业环境差异。美国在To B的企业级销售方面是全世界最大 、最成熟的市场 。
界面新闻：在中国的一级市场，有人会认为AI公司存在估值和ARR（年度经常性收入）的比值不合理的情况 ，目前美国To B的AI公司 ，它们的比例水平是合理的吗？
张璐：现在整体比较合理，当然估值也在水涨船高 。总体上 ，企业的营收水平和估值之间还是有一个相对区间 ，通常大致在10倍到20倍之间。
过去，你会发现一些To B公司 ，它还没什么收入就可以融很多钱；但现在其实很多公司可能还没有融A轮 ，收入已经做得不错了。前几天我刚和一个做保险行业To B AI应用的创始人聊，他们基本没融资 ，现在收入已经做到300万美金 ，并且就两个人 。他表示他们不需要融资，但如果融资的话，可以加速成长 。
“Be alert ，快速反应 ”
界面新闻：在这个行业里 ，你们现在能总结下来的投资方法论是什么？
张璐：我们投资方法论从两个维度出发。第一个维度是垂直领域人工智能，挑选那些具有海量的高质量数据的市场 ，然后去投资其中做垂直AI应用的初创公司 。第二个维度是横向的人工智能基础设施投资 ，去解决人工智能领域现在面临的4大挑战——算力成本太高、能耗成本太高 、延迟的问题 、数据隐私问题 。这四个挑战，同时也是四个最大的投资机会。
界面新闻：在这个框架下 ，团队总结出来非常重要的技术变革有哪些？
张璐：我们觉得今年比较重要的技术变革有三个 ，一是数字化生物学，二是人工智能基础设施的创新 ，三是太空科技的创新 。最近我们还关注了金融科技AI（Fintech AI）、工业机器人+AI等 ，这些都是相对比较重要的技术创新趋势 。
界面新闻：你在这个领域非常欣赏的早期项目创始人，他们通常具备哪些特质？
张璐：这些创始人一般有几个特点。首先 ，他们对行业有非常明确且独特的洞察 ，不是跟风的见解；其次，他们有一以贯之的长远愿景，对自己要做的事情有清晰的规划 ，而不是每天都在改变方向 。
更为重要的是 ，他们拥有很强的领导力，能够吸引到顶尖的人才与他们一起合作 。此外 ，他们不仅要懂人工智能技术 ，更要对所处的产业有深刻理解，因为最终他们需要服务的是这个行业。
从背景来看 ，我们投资的创始人大多数都拥有非常强的产业背景和技术背景 。事实上 ，我们投的创始人一半以上都是连续成功创业者 。
界面新闻：AI大模型成为创投风口之后，华人力量似乎在硅谷更加突出了 ，你对这个趋势有什么切实感受？
张璐：现在很多大公司中 ，你会看到很多华人的中坚力量，作为最核心的人工智能技术专家。在我们过去9年投资的早期初创企业中 ，华人创始人大概占到10%左右。过去一年 ，我们投了9家公司，其中3个创始团队里面都有华人参与 。
他们不一定是全华人的团队，但通常会有一位华人创始人 。这实际上体现了华人在人工智能领域的巨大贡献——无论是作为企业家、创业者 ，还是科学家和研究员。这对整个华人生态来说是一个非常积极的信号 。
从投资角度看 ，我们也是希望扶持更多优秀和多样化团队背景的企业发展，这种趋势的变化有助于加速人工智能的进步 。
界面新闻：美国AI应用层初创公司现在也有非常强的马太效应 ，你在投资的过程中会存在对于失手的焦虑吗？
张璐：不会有这种焦虑。我们已经做了快10年了 ，有非常高质量的项目源网络，所以来我们这的创始人都是质量非常高 ，80%的项目是别人主动找我们 。而且我们的专家网络 、超级创始人网络 、CXO网络 ，基本上聚集了业内最优秀的企业家、创业者以及人工智能专家 。
当然，谈到焦虑感 ，很多时候还是要保持警惕（be alert） ，因为总会有很多新技术 、新产品 、新的公司不断涌现，关键是如何快速反应并抓住机会。
界面新闻：如果让你挑出最满意的三家被投公司 ，你会选出哪三家？
张璐：我很难去说最满意的 ，因为我们投了将近90多家企业里，我最满意的可能得有几十家 。因为我们现在到4期基金了，每期大概投25~28家企业 ，至少有1/3的企业是表现非常好的 。
界面新闻：美国那边的募资环境现在依旧是相对顺利的吗？
张璐：其实美国今年整体募资环境比较艰难。美国股市IPO市场并未完全打开 ，很多LP资金流动性较差，导致不少投资者手头并没有足够的资本可用于投资 ，所以大部分GP、创始人在融资的时候还是比较困难的 。整体上 ，依然是一个典型的马太效应——大多数人融资困难，而最优秀的团队总是能够超募 ，基金也是如此 。
我们今年的4期基金其实已经超募了 ，不到半年的时间，LP大概有一半来自美国比较大的机构 ，包括大学基金 ，保险公司和银行，其余则是一些最顶尖的家办。4期基金现在已经开始投项目了。
界面新闻：你们一个投资项目的决策周期一般有多长？
张璐：大多数项目的决策周期是1到2个月 ，尽调大约需要一个月时间 。在此之前 ，我们已经有好几轮的会议筛选 。有些项目可能跟得时间稍长一些，有一个项目是跟了半年多才做出投资决策。
界面新闻：这种时间比较长的，一般是在什么问题上纠结？
张璐：其实不是“纠结” ，而是因为在项目初期 ，创始人会告诉我们技术还没有经过市场验证 。我们就会一边与他们保持沟通，一边帮助他们引入资源 ，看能否获得市场验证 。
我们的特点是 ，虽然我们投资的是早期项目，但不是完全没有任何基础的最早期项目 ，而是技术和产品已经成熟 ，接下来就要进行市场验证。市场验证通常指的是开始获得收入 。
我们的优势在于，我们有一个很强大的CXO网络 ，在网络里面有45个500强企业的CTO 。我们了解许多企业想要什么样的技术 ，想去采购什么样的产品，也能为投资的企业迅速带来高质量的订单。
界面新闻：到目前为止 ，你觉得你有投到你心中伟大的公司吗？
张璐：当然有 。我们投资的很多创始团队都非常伟大 。
SpaceX无疑是很伟大的企业。我认为我们投资的几家公司也同样很伟大 。比如 ，有三家公司即将上市，它们从几百万美元的估值一路发展到现在，我觉得它们也很了不起 。还有一些公司 ，虽然还处于增长阶段 ，团队规模不到30人，但收入已经超过1亿美金 ，我相信它们未来也会成为伟大的企业。
界面新闻：你会从哪些维度来定义一个伟大的公司？
张璐：对产业具有巨大的变革性的影响和提升 ，并且这个影响一定是正向的。
元戎启行刘轩：人工智能让资本对智能驾驶商业化重拾信心|界面新闻 · 科技
LOEWE×Suna Fujita节日系列童趣满满，中国李宁XPLEASURES联名致敬摇滚｜是日美好事物|界面新闻 · 时尚
两位“AI奠基人”获年度诺贝尔物理学奖：最担心人工智能反噬人类|界面新闻 · 天下
外交部副部长马朝旭会见法国总统人工智能行动峰会特使布夫罗|界面新闻 · 快讯
盘前机会前瞻|谷歌大模型Gemini正式登陆苹果商店，AI应用进入业绩兑现期，这几家公司AI技术已在财税、文档等细分领域实现落地（附概念股）|界面新闻 · 证券
