当谈到对人工智能初创企业与机器学习初创企业的投资时，区分“AI”与“机器学习”至关重要。这两个术语常被互换使用，但含义略有不同。
机器学习（ML）是一种训练AI模型使其能够学习决策的方法，即通过从数据中学习并做出预测来解决特定任务；而AI则是模仿人类认知的更广泛概念。因此，ML是AI的子领域，但不等同于AI。
Insight Partners管理合伙人Lonne Jaffe解释称，Insight采用“三层”框架拆解机器学习初创企业定义：
- 第一层：核心基础设施公司，即用于构建机器学习系统的产品；
- 第二层：利用机器学习解决特定用例或工作流的应用程序；
- 第三层：作为行业“实际参与者”出现的机器学习初创企业（如以机器学习人才为核心的初创银行）。
基于此框架，Weights & Biases（提供AI模型创建和监控工具）及Iterative Health（利用ML系统识别结肠镜癌性息肉的医疗公司）均为典型代表。
机器学习市场庞大且增长迅速。Grand View Research报告显示，2022年该市场规模达496亿美元，预计2030年前年复合增长率（CAGR）为33.5%。Dresner Advisory Services 2021年调查显示，59%的大型企业已部署机器学习，其中50%的组织拥有25个及以上在用模型。
S&P旗下451 Research指出，ML应用正从商业智能、客户支持等传统领域的智能化，转向金融、零售、制造和医疗等细分、高利润的行业特定应用。Greylock合伙人Jerry Chen认为下一代机器学习公司才刚刚起步，未来几个月或将出现有趣的上市合作。
TechCrunch+为此调查了包括Chen和Jaffe在内的多位投资者，探讨融资环境健康度、炒作周期变化、技术采用障碍及未来市场增长前景。
受访嘉宾：
- Lonne Jaffe，Insight Partners管理董事
- Jerry Chen，Greylock合伙人
- Ashish Kakran，Thomvest主管
- Janelle Teng，Bessemer Venture Partners副总裁
Lonne Jaffe，Insight Partners管理合伙人
当前ML风投市场表现如何？2023年至今有何演变？
ChatGPT发布点燃了创业创新热潮并带来新一轮融资动态。资金虽涌入生成式ML系统，但判别式ML系统（如预测、分类）亦有大量进展。我们近期在医疗计算机视觉领域尤为活跃，例如牙科初创公司Overjet利用AI分析X光片辅助诊断，改善患者预后；Unlearn则通过ML创建合成数字孪生体，减少临床试验对照组所需患者数量并获得同等质量结果。
ML炒作周期是在消退还是升温？未来几个季度前景如何？
2023年剩余时间趋势可能继续加速。此前许多人低估了ML进步，如今每周都有新信息引发公众辩论（如大/小模型之争、开源之争、微调与提示增强之争、初创公司与巨头价值捕获之争）。建立用户信任、构建合作伙伴生态、打造高效ML基础设施、吸引高素质人才及利用规模收集反馈数据，仍是构建护城河的关键要素。
是否存在阻碍成功的技术壁垒（如GPU产能）？宏观经济条件如何？
GPU短缺虽是障碍但也催生新机会。例如Run:AI针对GPU优化，帮助使用专业硬件的公司提升速度、降低成本并减少GPU需求。隐私、安全、知识产权、可解释性、因果理解、幻觉及可靠性等问题同样代表初创机会。
当前宏观经济状况可能加速ML采用。面对通胀和劳动力短缺，利用ML显著提高生产力是比加息危害更小的应对方法，ML或成为通胀危机时期的“无名英雄”。
对ML初创创始人扩大业务和吸引投资者有何建议？
创造具有巨大使用规模的卓越产品至关重要。真正理解用户痛点并围绕其构建卓越体验的公司将在应用层积累价值。此外，高效运行时基础设施、用户体验及领域特定数据也是经济力量源泉。
投资者关注效率指标：高毛利率、强劲总留存率、客户内部快速扩张、降低获客成本、缩短销售周期及高效销售代表。尤其在预算紧张环境下，高总留存率是客户喜爱产品并获价值的强有力信号。
其他补充想法？
随着ML采用增加，安全问题将移至前沿。非ML原生现有企业可能利用超大规模供应商提供的易用服务改造现有产品。初创公司应创造能吸引新用户的“哇”体验，并随时间围绕生成式技术构建额外工作流以提高粘性。
Jerry Chen，Greylock合伙人
当前ML风投市场有多强劲？2023年如何演变？
融资环境令人兴奋且强劲，但持续变化。除基础模型外，构建AI应用所涉及的应用基础设施和数据栈演进同样值得关注。新一代AI驱动应用正进入CRM、安全、法律和医疗等不同垂直领域。
ML炒作周期现状？未来几个季度展望？
周期势头强劲，下一代ML公司刚现雏形。现有公司和科技巨头如何进入、竞争或合作值得观察，未来几个月可能出现有趣的上市合作。
是否存在阻碍成功的障碍？宏观经济条件如何？
暂无明显障碍，更多是未来可能改变市场的研究领域，如针对不同用例的模型蒸馏或剪枝。
对ML初创创始人的建议？
避免打造过于宽泛的产品。应寻找极佳切入点，先解决一个具体问题，再赢得扩展权利以解决更多问题。
Ashish Kakran，Thomvest Ventures董事总经理
当前ML风投市场状况？2023年至今如何演变？
存在大量失败的企业级ML项目，主因是人才、数据或算力欠缺。我们将ML初创定义为解决这些问题、使企业能实验、选优、运营及监控模型衰减的公司。看好云和ML基础设施领域，该领域创始人通常构建差异化产品解决跨行业问题。
ML炒作周期现状？未来几个季度展望？
经历2021年估值无序和2022年放缓后，当前融资环境非常活跃。Transformer模型突破是主要催化剂，它让机器更接近人类思维反应方式，迫使企业重新优先排序项目和预算。
生成式AI使原本需15-20年实现的技术提前到来，无论大小企业都在探索利用该技术，为创始人解决新挑战提供绝佳机会。
是否存在阻碍成功的障碍？宏观经济条件如何？
生成式AI是时代的“iPhone时刻”，将通过提高生产力和消除招聘需求影响所有垂直领域和职能部门。代码生成从数周缩短至数秒，颠覆内容创作、法律审查和金融分析等场景。
现在每个人都是开发者，擅长编写提示词即可获得80%的问题解决方案，该领域将持续获得更多投资。
对ML初创创始人的建议？
避免浪费时间在无关紧要问题的MVP上。写代码前应与30-40位潜在客户交谈，从客户问题逆向推导而非仅展示技术。实现产品市场契合度（PMF），客户和投资者自会随之而来。
Janelle Teng，Bessemer Venture Partners副总裁
当前ML风投市场有多强劲？截至2023年如何演变？
与整体VC放缓相反，ML融资强劲。模型层受大量关注，多家LLM公司完成巨额融资。同时，应用、基础设施、工具编排及全栈初创公司也存在大量创新和资金支持。除模型层外，技术栈各部分均能建立持久企业，且呈全球性趋势。
ML炒作周期现状？接下来几个季度展望？
尽管处于短暂炒作周期，但根据阿玛拉定律，我们往往高估短期影响而低估长期影响。ML仍处于S型曲线早期，许多方面未经验证。开源等方式空前普及了ML访问权限，正指数级加速创新和采用。未来几年ML将渗透日常生活更多方面。
是否存在阻碍成功的技术壁垒？宏观经济条件如何？
算力需求转变引发的担忧将因芯片创新和新参与者进入得到解决。部分初创企业已通过提高效率、优化未充分利用GPU资源来应对供应限制。
即便在充满挑战时期，组织仍认识到ML加速业务发展的潜力，商业兴趣和客户准备度保持韧性。摩根士丹利2023 Q1 CIO调查显示，AI/ML是企业IT支出增幅第四大领域，更多CIO正在评估相关技术。
最大障碍在于执行层面，即能否将学术理论转化为可扩展实用产品。许多ML初创处于可行性前沿，尚未跨越技术或产品化降险门槛，可能需要大量专门研发资源和人才。
对希望扩大业务并吸引投资者的ML初创创始人有何建议？
传达技术和产品差异化信息要简洁明了，让客户和非技术背景投资者清晰理解“秘密配方”或竞争优势。直截了当传达商业价值主张，使利益相关者把握其与自身业务的相关性。最有力的对话不仅鼓舞愿景，更让潜在合作伙伴渴望尽快部署ML创新以释放增量价值。