每經(jīng)記者｜可楊    每經(jīng)編輯｜魏文藝    

在人工智能（AI）投資熱潮中，資本如何判斷應用價值與風險？

9月18日，AI應用工作組第二屆第一次成員大會在北京召開。華映資本董事總經(jīng)理李巖在大會的主題演講環(huán)節(jié)提到，衡量AI應用的核心，在于能否構建“生成-分發(fā)-消費-反饋”的數(shù)據(jù)閉環(huán)飛輪。

李巖在演講中表示，他在AI投資方面的兩大核心判斷標準是，應用能否通過數(shù)據(jù)反饋形成良性循環(huán)，從而積累持久價值；模型能否在安全與穩(wěn)定上建立保障，并在此過程中催生新的產(chǎn)業(yè)機會。

公開資料顯示，華映資本創(chuàng)立于2008年，是中國領先的創(chuàng)新驅(qū)動私募股權投資機構。自成立以來，華映資本一直堅持數(shù)字化投資主線，基于行業(yè)本質(zhì)的獨立思考，著眼需求變化和技術演進趨勢，圍繞創(chuàng)新做投資。投資項目覆蓋科技、消費、企業(yè)服務和數(shù)字經(jīng)濟等多個領域。

華映資本董事總經(jīng)理李巖 圖片來源：受訪者提供

數(shù)據(jù)飛輪是AI應用價值的關鍵

回顧信息技術的發(fā)展脈絡可以看到，從搜索引擎到短視頻推薦，再到今天的生成式AI，每一代核心突破都對應著人與信息關系的改變。搜索解決了信息獲取的難題，推薦算法則打破了內(nèi)容供需之間的壁壘。而生成式AI的獨特之處，在于直接突破了內(nèi)容生產(chǎn)環(huán)節(jié)，讓用戶可以在真正需要的時刻，獲得高度匹配的內(nèi)容。

李巖指出，AI本身是一個需要持續(xù)優(yōu)化的工具，其核心價值在于構建一個自我強化的數(shù)據(jù)閉環(huán)，即數(shù)據(jù)飛輪。

“我們衡量一個AI應用是不是有核心價值的一個關鍵點，就是這個所謂的數(shù)據(jù)飛輪能不能轉(zhuǎn)起來。”李巖表示，這個飛輪包括四個環(huán)節(jié)，即“生成-分發(fā)-消費-反饋”的閉環(huán)，通過AI生成內(nèi)容、有效地分發(fā)給用戶、用戶消費內(nèi)容、并最終獲取用戶的消費反饋數(shù)據(jù)。

數(shù)據(jù)飛輪能不能轉(zhuǎn)起來，是衡量AI應用是否有核心價值的關鍵點。李巖指出，如果缺乏數(shù)據(jù)反饋，企業(yè)即便在算法或算力上具備一定優(yōu)勢，也很難長期維持領先?！耙驗樵陂L時間積累上，如果沒有很快的數(shù)據(jù)反饋，很難做到長時間的數(shù)據(jù)生成、內(nèi)容的豐富度以及它的領先度?！?/p>

基于這一判斷，華映資本目前重點關注營銷、教育科研和“AI+物理世界”三大方向。

“在今天AI能力還不足以到我們想象的AGI一步登天，然后給我所有答案的這個過程中，我們需要有局部的數(shù)據(jù)反饋，去提升整個數(shù)據(jù)內(nèi)容的質(zhì)量?！崩顜r解釋道，營銷和教育場景能夠快速生成用戶行為數(shù)據(jù)，并迅速反饋至模型優(yōu)化環(huán)節(jié)，從而快速構建起商業(yè)閉環(huán)，甚至形成競爭代差。

在營銷領域，中國長期積累了完整的電商與廣告投放數(shù)據(jù)鏈路，為AI應用提供了肥沃的土壤。李巖認為，這意味著，AI能夠快速復制和優(yōu)化從達人種草、廣告投放到消費轉(zhuǎn)化的全過程，形成穩(wěn)定的迭代機制。他提到，過去廣告主需要大規(guī)模投放才能形成影響，而如今AI可以通過快速與中小達人對接，低成本、高效率地觸達消費者。

教育場景中，傳統(tǒng)教育依賴固定大綱和統(tǒng)一教學進度，而AI可以根據(jù)學生的實時反饋，靈活調(diào)整內(nèi)容和難度，這在學生體感和內(nèi)容傳達上實現(xiàn)了質(zhì)變。李巖表示，教育領域天然具備強交互屬性，因此能夠更快推動反饋閉環(huán)的形成。

科研則體現(xiàn)了AI在信息歸納與推理上的價值。從“AI刷題”到“AI研報”，模型能夠通過歷史數(shù)據(jù)和邏輯推導解決復雜問題，大幅提升研究效率。李巖指出，這些場景雖然專業(yè)性較強，但一旦獲得驗證，將為科研工作方式帶來實質(zhì)性改變。

在他看來，這三大領域已經(jīng)跑出代差，相比其他行業(yè)更快進入飛輪效應，具備成為率先實現(xiàn)商業(yè)化突破的潛力。

模型安全 風險與機會并存

在強調(diào)應用價值的同時，李巖也提醒市場關注另一個容易被忽視的議題——模型安全。

李巖直言，當前大模型輸出的內(nèi)容本質(zhì)上存在一種不確定性，“今天模型輸出的時候，我們看到的狀態(tài)就是，輸出的具體內(nèi)容其實還是一個黑客狀態(tài)。你很難規(guī)定它一定按照預期，在千百萬次輸出的時候保證強一致性”。

李巖將模型安全分為兩類風險。一方面是模型本身的可控性，即在反復調(diào)用中能否保持穩(wěn)定輸出。這一問題關系到AI產(chǎn)品的可靠性和可用性，直接影響用戶體驗和商業(yè)落地。

另一方面則是外部誘導攻擊，即模型在與外部數(shù)據(jù)交互時，容易被操縱輸出偏向性內(nèi)容?！凹偃缒汩_了聯(lián)網(wǎng)搜索后，會發(fā)現(xiàn)很多的結果很受互聯(lián)網(wǎng)搜索結果的（影響）。”他指出，已有創(chuàng)業(yè)公司在反向利用這一漏洞，“這很容易誘導（AI）通過互聯(lián)網(wǎng)搜索輸出一些他希望客戶看到的東西”。

他舉例，當詢問“最好的旅行社”時，未聯(lián)網(wǎng)的模型會基于訓練數(shù)據(jù)給出概括性答案，而聯(lián)網(wǎng)后結果可能被操控，顯示特定旅行社名稱。“這就是有人通過這個模型數(shù)據(jù)安全性的漏洞，反向地輸出一些模型的搜索?！崩顜r強調(diào)，這導致模型輸出的信息“并不是權威和中立的”，而是被誘導過的。

在李巖看來，這一問題不僅是挑戰(zhàn)，也孕育著新的機會。隨著AI逐步滲透進教育、醫(yī)療、金融等敏感領域，模型安全的重要性將進一步提升。從兒童內(nèi)容過濾到國家級安全監(jiān)管，再到企業(yè)合規(guī)與輿情控制，都可能衍生出新的創(chuàng)業(yè)方向?！斑@個其實都是一個很大的空間。”

他同時提出，市場不能僅停留在對前端應用的關注，更要評估企業(yè)在算法優(yōu)化、工程化落地和產(chǎn)品打造上的“三角形”能力。極致算法、強工程力和極致產(chǎn)品力共同決定了一個AI公司能否長期立足，“你是不是能真的做到一個客戶愿意買單或接受的產(chǎn)品，這是一個千古問題”。

免責聲明：本文內(nèi)容與數(shù)據(jù)僅供參考，不構成投資建議，使用前請核實。據(jù)此操作，風險自擔。

封面圖片來源：受訪者提供