【人工智能】专访Fusion Fund张璐 - 人工智能应用还在初期，未来还会出现其他技术革新

　　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，甚至在某种水平上是对峙的。

　　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，起因是这里有全球最大最成熟的B端（企业端）市场。

　　Fusion Fund开创合伙人张璐自身就是一名连续成功创业者。她结业于斯坦福大学材料科学工程学院，在卖掉自己开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，包含AI搜索工具LeptonAI，AI驱动的音频转录公司Otter.ai，和专注于开发时的工具及基础设施Paperspace...。

　　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，拥有最顶尖的技术和最好的Go-To-Market机会。”这在很大水平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等草创公司的战场，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明显标签。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所造成的行业洞见。“这与评判草创企业的思维很相似，”张璐说，“关键在于你做成了啥事情。”

　　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，为草创企业提供高效的资源和订单支持。另外，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。“对于年轻一代而言，这是一个将来的巨大市场，”张璐说，“而且如果开放给更多的民营企业参与其中，一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：

　　“热火朝天，并且是大面积的热火朝天”

　　界面新闻：在过往的AI投资中你有密集出手的时候么？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，所以去年算是投得很多，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，和 人工智能 基础设施。我们不投任何的C端项目，之前也木有投过。

　　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，例如说Otter.AI，Paperspace，你会发现他们甭管是做应用还是做 人工智能 基础设施，主要服务的对象还是科技领域的企业，或说科技领域的从业者和开发者群体。

　　可是在最近这两三年，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年的一个明显变化。

　　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，这也是为啥我说如今是一个大时代，是一个好机会。

　　界面新闻：全产业的机会来了，底层起因是技术上的进步么？还是说也有别的结构性变化？

　　张璐：这个问题非常好，因为许多人认为是技术终于“准备好”了，其实其实不是如此。技术实际上早已准备好了一段时期，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，这是第壹要义。在此基础上，才能够造就让大家觉得便宜好用，真正能够处理问题的 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。我那时公开发过一个报告，关于 人工智能 在医疗领域应用，我那时认为， 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。因这 人工智能 也需要医疗领域来体现其技术优越性。这是我那时的意见，后来证明是正确的，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：所以产业为啥现在准备好了？

　　张璐：有一个比较重要的起因是，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，各行各业都务必开始使用数字化工具来适应远程工作。

　　疫情让各个行业，不管主动还是被动，都加速了数字化转型。例如，许多工业制造业的企业，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应用打下了坚实的条件，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，又遇到了一件关键事件——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），就是你不用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，而是有许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在美国如今是热火朝天，并且是大面积的热火朝天。

　　界面新闻：中间有一个爆发的节点吗，还是总体平稳上升，但相对照较陡的一条曲线？

　　张璐：的确比较陡，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，可是这些细分市场量级又足够大。

　　大家如果对于To B不了解的话，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，没有任何一个其它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，金融领域就不用说了，全世界最大的金融领域产业就在美国。

　　包含现在崛起的 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造成的卫星数据等等，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，这决定于你怎么定义技术。技术可以是怎样优化大模型，也可以是咋做小模型，把它做精、做低成本。

　　但这其实不是简单地更换一个语言模型就可以，背后更多是架构设计（architecture design）。另外，还有一个很关键的因素是产业数据——能否获得核心的高质量产业数据。数据质量越高，期望的数据量就越少。数据量少，意味着对GPU算力的切实需求更低，能耗也会减少，最终产品的成本也会更低。

　　因此，数据是非常重要的。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目前已经热火朝天了，但我们还没有进入到乐章最高潮的部分，或说交响曲最漂亮最华彩的地方，我们现在才刚刚开始。

　　所以接着这三五年会有更多、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，但还有许多新的模型涌现。如今的讨论大多聚焦在怎样在GPU层面建立AI模型的应用，但未来不一定只有GPU，还会出现其它技术革新。

　　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啥？

　　张璐：如今的 人工智能 应用还是早期，才刚刚两年时间。刚开始，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，随同着时间推移，各种不一样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峙，在美国市场如今的情形是咋样的？大家有没有形成一个共识？

　　张璐：没有形成共识，可是美国市场和中国市场也是非常不同 的。美国的To B市场是全球最大的，我国的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。

　　我认为大模型本身是非常有价值的，但草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特别高，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。所以真实的竞争究竟是在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，你的定论是啥？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端造成的改变，它的确定性已经特别高了，可是这个事在C端造成的变量好像还是很模糊，这背后的起因是啥？

　　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，包含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际关系和资源，但为啥迄今为止你仍然坚定地不想进入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，拥有最顶尖的技术和最好的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，可是如果要比拼应用层创新，中国一定会强于美国。你的判断是啥？

　　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相当高。可是若是看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，这两者有高低之分么？

　　张璐：其实不是说两个市场的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不同。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：在我国的一级市场，有人会认为AI公司存在估值和ARR（年度我们时常性收入）的比值不正确的情景，目前美国To B的AI公司，它们的比率水平是正确的么？

　　张璐：现在整体比较合理，当然估值也在水涨船高。总体上，企业的营业收入水平和估值之间还是有一个相对区间，通常大概在10倍到20倍之间。

　　过去，你会发现一些To B公司，它还没啥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应用的开创人聊，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。他表示他们不用融资，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啥？

　　张璐：我们投资方法论从两个维度动身。第壹个维度是垂直领域 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应用的草创公司。第贰个维度是横向的 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，团队总结出来极为重要的技术变革有哪些？

　　张璐：我们感觉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，这些都是相对照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开创人，他们通常具备哪些特质？

　　张璐：这些开创人一般有几个特点。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。

　　更为关键的是，他们拥有很强的领导力，能够吸引到卓越的人才与他们一起合作。另外，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，我们投资的开创人大多数都拥有非常强的产业背景和技术背景。其实，我们投的开创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，你对这个趋势有啥切实感受？

　　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年投资的早期草创企业中，华人开创人大概占到10%左右。过去一年，我们投了9家公司，其中3个开创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开创人。这实际上体现了华人在 人工智能 领域的巨大贡献——甭管是作为企业家、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应用层草创公司现在也有非常强的马太效应，你在投资的进程中会存在对于失手的焦虑么？

　　张璐：不会有这种焦虑。我们已经做了快十年了，有特别高质量的项目源网络，所以来我们这的开创人都是质量特别高，80%的项目是别人主动找我们。而且我们的专家网络、超级开创人网络、CXO网络，基本上云集了业内最卓越的企业老总、创业者和 人工智能 专家。

　　当然，谈到焦虑感，很多时候还是要保持戒备（be alert），因为总会有许多新技术、新产品、新的企业不断涌现，关键是怎样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的企业是表现非常不错的。

　　界面新闻：美国那边的募资环境现在依旧是相对顺畅的么？

　　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，造成很多投资者手头并没有充分的资本可用于投资，所以大部分GP、开创人在融资的时候还是比较艰难的。整体上，仍然是一个典型的马太效应——大多数人融资困难，而最卓越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大约有一半来自美国比较大的机构，包含大学基金，保险公司和银行，其余则是一些最卓越的家办。4期基金目前已经开始投项目了。

　　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，尽调大概需要30天时间。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，通常是在啥问题上纠结？

　　张璐：其实其实不是“纠结”，而是因为在项目早期，开创人会告知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，但不是压根没有任何基础的最早期项目，而是技术和产品已经成熟，接着就要进行市场验证。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啥样的技术，想去采购啥样的产品，也能为投资的企业迅速造成高质量的订单。

　　界面新闻：到目前为止，你觉得你有投到你心中伟大的企业么？

　　张璐：当然有。我们投资的很多开创团队都特别伟大。

　　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。好比，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，我认为它们也很了不起。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企业？

　　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。