AI Startup Directions Still Divergent: Getting the Tech Right May Still Mean Getting the Business Wrong
English text is being prepared.
Ye Jun, former vice president of Alibaba Group, admitted candidly at the TGC Tech Growth Conference that large models are iterating too fast, and he worries that the agent platform built by his startup Shenkong Zhixu could be replaced by the next generation of models. Zhou Jie of General Atlantic pointed out that the boundary between AI-native applications and foundation model capabilities is unclear, some functions may be covered by big tech, and the technology curve and commercialization curve are not on the same timeline. Attendees were more optimistic about enterprise-oriented productivity scenarios, such as marketing, programming, and management spending.
Body
创业刚满100天，前阿里巴巴集团副总裁叶军已经在担心一个问题：自己在做的事情，会不会被下一代模型替代？
“现在大模型进步速度太快了，如果我做的事情很轻易就被新的模型替代了，这个事情还有没有意义？”在23日的TGC科技增长大会上，叶军谈起了创业后的焦虑。目前他创办的深空之序正面向外贸出海提供智能体平台。对于技术方向的判断，他坦言，AI出现之后，自己已多次被现实“打脸”。
这一担忧也出现在投资人的讨论中。泛大西洋投资中国区负责人周洁表示，一些偏AI Native（AI原生）的应用，与基础模型的能力边界并不清晰。随着模型持续迭代，部分功能很可能被大厂覆盖。
创业者需要判断，自己抓住的是长期存在的需求，还是模型发展过程中留下的短暂空隙。
周洁提到，在一些大平台能力较强、资源充足的赛道上，投资人内部也会出现分歧。有人看好ToC的市场空间，另一些人则会质疑，与大厂产品相比，创业公司的产品有多大优势？在她看来，大厂拥有明显资源、用户使用频率又高的领域，往往是 “敏感赛道”。
周洁认为，当前投资AI最大的分歧点是在于，技术发展的曲线和商业化曲线不在一个时间轴上，此外，商业化面临成本，技术走出来后商业化价值是否足够大也是问题。她提到，有些技术最终落地，商业回报也未必符合最初的预期，例如中国历史上的SaaS行业。
技术的方向，很难一开始就看清楚。阿里巴巴ATH事业群千问大模型业务副总裁徐栋分享了另一个关于节奏的判断偏差。
2024年初，他们曾看好硬件与多模态交互的结合，认为手机、汽车、AI PC等产品可能成为重要载体。但过去两年，大模型的应用进展更多集中在办公、编程等生产力领域，消费电子和多模态交互的商业化相对滞后。
如果技术和平台的边界还在变化，未来两三年，创业者该从哪里切入？在这场讨论中，行业人士更看好面向企业的生产力场景。
钛动科技创始人兼CEO李述昊认为，企业市场的吸引力，在于客户原本就有持续投入的预算。他将机会归纳为三类开支：营销与销售、编程与产品开发，以及管理。AI如果能在这些环节帮助企业提高收入或降低成本，就更有机会获得持续付费。面向跨境电商、外贸等场景，钛动科技发布了营销智能体Navos Pro，希望推动AI进入企业经营流程。
中金公司研究部全球科技研究组执行负责人、执行总经理赵丽萍认为，AI仍处于发展早期，技术上很难看到特别明确的壁垒，数据和行业Know-How（专业经验）可能更为重要。她建议，企业不必等到产品打磨得十分完美再试水，可以在实际使用中，通过回流数据积累行业经验，逐步建立竞争优势。
此前行业有过讨论，AI应用何时会迎来普遍期待的“GPT时刻”？李述昊的判断是，商业应用很难像底层通用技术那样，在某个时点出现统一拐点。应用需要长时间与消费者、生产者互动，更多是在细分行业中持续积累。生物医药研发、营销、电商运营、教育，各有不同的业务逻辑，也会有不同的成熟时间。