跑了一圈硅谷我看到了什么AI投资机会？

为什么非得亲自跑一趟硅谷？

— AI投资大势，其实最先是在硅谷露出苗头的。

2023年，美国AI领域的风险投资金额，高得有点吓人——630亿美元，直接占了全年美国风投总额的三分之一。这钱流向了哪里？大模型公司自然是顶梁柱，比如OpenAI，累计融资已接近140亿美元；就连基础设施层的GPU云服务商Corewea ve，也拿下了超过13亿美元。到了2024年，这股热潮还在加码，Crunchbase的数据显示，仅上半年，全球AI初创公司就吸走了超过355亿美元，其中超过10亿美元的五笔大融资，清一色全是AI项目。

跑这一趟，核心目的就是想摸清几个底：AI的技术风向、竞争烈度，市场的水温到底如何，以及这里面到底藏着哪些投资机会。跟科技大厂的技术人、初创团队、高校的科研教授，还有一级市场的GP们聊了一圈之后，对AI项目的创业端和资金端的热度，心里大致有了数——特别是那些有潜力的华人创业团队，他们到底处在什么状态。时间拨回到2023年底，硅谷对AIGC的态度整体是相当乐观的，无论是科技巨头还是初创公司，在技术和应用探索上，都“卷”得厉害。初创项目之间，保密程度、抢人才的火药味，几乎白热化；而巨头们则是All in，头部效应和马太效应已经很明显，这种趋势下来，小团队拿钱越来越不容易。

大致来看，传统美元VC、学术大牛型基金、行业KOL型基金，大部分都押注在AI应用层；而战投型基金则更倾向于往基础模型层走，比如英伟达、谷歌、亚马逊这些巨头，在这场游戏里扮演的角色很关键。

偏好应用层的创新，比如AI结合垂直行业（医疗、机器人、法律、金融、教育等），还有AI在具体工作职能上的应用（营销、编程、内容创作、AI Agent等）。典型代表包括A16z、Sequoia、Khosla Ventures、Coatue、Lightspeed、Index Ventures。

偏好基础模型和应用层两手抓。英伟达投了40多个案例，其中基础模型占比超过4成，其次是2B服务；谷歌更偏爱营销方向；OpenAI则侧重于应用层（也有10多个投资案例）；亚马逊也在列。

同样偏好应用层，主要看AI+营销/客服，以及AI for Science。典型机构如AI Grant（前GitHub CEO和前CUE创始人创办），以及AIR STREET CAPITAL（专注于AI for Science）。

偏爱AI+垂直行业解决方案、AI for Science，以及从学术界出来创业的大牛项目。典型机构如AIFUND、Radical ventures、AIX Ventures。

也是应用层，聚焦AI+医疗健康/教育/金融/法律，还有营销、代码助手这类AI Agent。代表有Madrona、SignalFire等。

（摄于西雅图亚马逊办公楼顶层）

先说说项目来源。他们持续构建各行业连续创业者的CXO网络，优势是既懂技术又懂产业，最终圈定了一个融合了产业人脉和方法论的投资圈子。

再看具体的AI投资策略，主要盯着两个方向：企业级AI应用（Enterprise AI）和AI基础设施（AI Infra）。

选赛道时，得先挑那些产业里数据又多又高质量的行业——前提是这些数据不能被科技巨头捏在手里。选团队时，创始人的“拿数据能力” > 行业领域知识 ≈ AI技术能力。

他们理想的团队画像，是先用能力拿到数据，再用行业知识去加工处理，结合微调等方式调模型，最后在产品层面有一个清晰的落地策略。这里有个关键判断：OpenAI这类公司不会是他们的竞争对手，因为前者不懂行业，拿不到单子。

这里面要解决什么痛点？大模型在落地时，存在四大难题：训练推理成本高、数据中心和端侧的耗电量大、延迟高、数据隐私顾虑。这些痛点，恰好为AI Infra技术产品带来了投资机会。

团队方面，核心就看技术能力，最好是软硬件背景都具备的人。因为这需要跟系统做整合，场景里软硬件又复杂，纯做算法背景的人很难真正落地。

此外，这家基金的合伙人也分享了他们对AIGC赛道格局的一些看法：

第一类，是模型+云厂商的阵营：OpenAI+微软，Anthropic+亚马逊，谷歌。他们有自己的模型，而且拿出来卖。第二类，是硬件或应用的阵营：英伟达、苹果、Netflix、Salesforce等。他们有自己的模型，但不拿出来卖。xAI（马斯克创办）可能是拿到第一梯队船票的最后一张牌，关键不确定性在于算力建设进展。相比Pika这类视频模型，Netflix这类视频平台的数据数量和质量优势太大了，初创公司很难抗衡。第三类，是开源模型阵营：Meta和Mistral，受益于开发社区生态，会持续与闭源模型并存，但商业化难度不小。

这里有大量腰部的企业，已经养成了为数字化软件付费的习惯，产品化能力也强。重点关注硅谷做2B市场的初创公司，关键是创始人得具备拿数据的能力。相比那些拼命提升基础模型能力的巨头，应用层初创公司有选择模型、搭建个性化应用框架的能力，长期来看有生存空间。

举个例子：底层调用大厂的API或LLaMA，上面用2-3个不同的开源模型，自己做修改和优化，最终形成行业专属模型。再基于反馈回来的行业数据不断迭代，这就是初创公司的护城河。这种“底层API+上层开源模型优化”的组合，好处在于模型成本相对低、底层模型更换容易、开源部分可以做能耗优化、只需要少量行业数据就能持续优化上层模型。

2023年，不少美元VC投了很多本土的2C应用（占比大概70%），到了2024年发现大部分都投错了方向，所以投资方向开始转向2B。2C应用失败的原因，很大程度上在于C端是科技巨头的战场，初创公司很难竞争。一个初创的孤立的工具或服务，很可能只是巨头产品里的一个功能。美国科技巨头的特点是不急于出击，而是设置生态的“陷阱”——一旦某个产品验证了PMF，他们就迅速跟进，用更低的成本集成到自己的平台上，凭借已有的分发渠道先免费开放。哪怕性能差一点，也能抢走初创公司的用户。核心逻辑是谁拥有最高质量的用户数据和流量入口，谁就更容易做成功。

（摄于斯坦福大学，雕塑表现的不是高高在上、完美的英雄，而是在恐怖、屈辱、绝望、愤怒、不甘之中，依然选择奉献自己的一个个鲜活的人）

目前来看，如果国内的LP想参与硅谷创投生态（无论是项目投资还是人脉连接），基本都要通过投资base在硅谷的华人基金。而华人初创公司要想进入主流发展路径，必须拿到白人基金的钱，光靠华人基金是长不大的。一般来说，项目在A轮之前，华人基金还有参与的机会，A轮及之后，就完全是白人基金的天下了——这一点，任何移民在硅谷都很难例外。

顶层是那些第一代移民中的杰出人士，在硅谷深耕多年，对本地社会和商业环境有非常深刻的理解和影响力。中层由于移动互联网快速发展，很多有才华的专业人士选择回国发展，加上华人圈子里的内卷，导致出现了比较明显的中层断层，这削弱了中层的桥梁作用。新生代——80后、90后，正在硅谷崭露头角。新移民通常有较强的家庭经济基础，对美国社会和商业文化的适应性更好，理解也更深，已经开始在硅谷的AI公司和VC创投圈里显现出影响力。

投资端，围绕华人核心圈找项目，核心节点是上一代互联网大佬，或者硅谷科技大厂里的关键华人学者/工程师。投资轮次上，只投A轮之前。社区端，核心是连接到有资源、能合作的大佬。他们会创办孵化器，举办创业活动，运营公众号，培养深厚的市场、社区、白人网络的资源网络；同时在国内外都设有办公室，方便和国内LP沟通。

总结一下：无论是孵化还是早期投资，都存在强烈的马太效应——最好的人和最好的项目在哪里，最好的LP和钱就会跟到哪里。早期投资本质上是一场“人群游戏”，而不是“趋势游戏”——趋势是靠人立起来的，如果没有几百个大牛说AIGC是未来，它就不可能成为风口。硅谷的Y Combinator是造风口的公司，其他VC是追风口的。对于家族办公室而言，未来如果想在硅谷建立影响力，早期阶段，就得靠办足够多的活动、投足够多的项目，用刷脸的方式建立起投资声誉。

（摄于西雅图夜景）