ai提供了哪些创业机会（9个AI技术前沿风口）

ai提供了哪些创业机会（9个AI技术前沿风口）对于艺术家来说，有AI图像生成工具，如OpenAI的DALL-E，Midjourney等等；对于程序员来说，有微软的GitHub Copilot，它可以帮助软件开发人员用流行的计算机语言完成编程、测试等任务。在他们看来，2021—2022年人工智能快速进步创造了真正的实用价值，将会从根本上提高各种职业的生产力、影响力和价值。趋势1：人工智能将带动人类工作水平再提高美国顶级风投Greylock，在社交互联网和移动互联网时代成功投资了Facebook、Airbnb等知名企业。联合创始人Reid Hoffman和Saam Motamedi接受采访，分享了对人工智能未来的预判。

最近，国外人工智能领域的10位专业投资人分享了他们对未来趋势的预测，前哨科技特训营为大家编译了详细内容，看看这些一线投资者都有哪些前沿洞见。

需要提醒的是，这些投资人的分享中也夹带了不少私货，推荐了一些自己投资的企业，我们都做了标注。

面对即将爆发的全新产业生态，如果你不想只是听别人的观点，希望能自己分辨真伪，找到未来趋势，前哨科技特训营的“产业分析框架”专题直播会对你有帮助，欢迎扫描文末二维码观看详细内容。

下面我们一起看看前沿投资者都有哪些趋势洞见（内容有所编译）。

趋势1：人工智能将带动人类工作水平再提高

美国顶级风投Greylock，在社交互联网和移动互联网时代成功投资了Facebook、Airbnb等知名企业。

联合创始人Reid Hoffman和Saam Motamedi接受采访，分享了对人工智能未来的预判。

在他们看来，2021—2022年人工智能快速进步创造了真正的实用价值，将会从根本上提高各种职业的生产力、影响力和价值。

对于艺术家来说，有AI图像生成工具，如OpenAI的DALL-E，Midjourney等等；对于程序员来说，有微软的GitHub Copilot，它可以帮助软件开发人员用流行的计算机语言完成编程、测试等任务。

这种好处还将惠及更多的职业，基于同样的原理，用不同的数据可以诞生更多好用的AI。

比如律师的Copilot可以帮助他们根据以前的案例起草合同，动议，简报和其他法律文件，还可以给出相关的先例、法规和条款，或标记现有文档中的潜在错误、不一致或风险。

建筑师的Copilot可以帮助他们根据客户的要求和尺寸限制，设计优化建筑物和结构。还可以生成交互式可视化的3D成品。

未来数千个行业的数百万专业人士会使用特定领域的 Copilot 软件，以更快的速度、更高的生产力，推动创造力飙升到新的水平。

他们预测：五年内，主流职业都将有一个人工智能自动化工具。

趋势2：生成式人工智能引领生命科学进步

Air Street Capital是英国的人工智能和生物医药投资机构，公司合伙人Nathan Benaich做了分享。

大量研究团体以前所未有的速度开源了大型人工智能模型，很多模型已经应用到了科学研究之中，Nathan Benaich认为人工智能和其他科学的交汇点会创造更多的价值。

生命科学领域是一个已经展现趋势的地方。

人工智能通过数据对图像、语言、社交网络进行数据分析、构建架构的过程，已经被证明在蛋白质结构、细胞图像化等领域同样适用。

这种泛化能力在蛋白质结构预测、药物分子设计等领域已经展现了巨大的潜在价值，他认为人工智能正在推动新一代技术驱动的生物技术公司（“TechBio”）冲击价值数万亿美元的制药行业。

Air Street Capital投入了大量资金推动这个行业发展。他目前投资的一家公司Valence Discovery，开发衍生式设计方法，创造以前由于太复杂没法完成的新型强效药物分子。

Salesforce Research启动了ProGen的蛋白质工程，开发大型语言模型专门用于设计全新的人工蛋白质，已经发现了第一个由人工智能生成的蛋白质3D晶体结构。

蛋白质是所有生命活动的基础，这样的新技术有巨大的潜力。

趋势3：AI应用将诞生新的交互界面

Sarah Guo曾是Greylock的合伙人，今年10月为了抓住AI未来，她自行创业成立了Conviction风险投资基金，并完成了1.01亿美元募资。

她认为大型语言模型（LLM）是我们见过的最强大的工具之一，但是语言指令操作的方法并不那么人性化，初学者需要花大量时间尝试才能学会如何使用，这让更友好的交互界面有了需求。

一个例子是Jasper 用于生成营销文案的模板化提示。图像创意人员已经希望在AI生成的图像可以进行微调，当底层的技术成熟，更好的交互方式将释放更多知识工作者的生产力。

OpenAI首席科学家Ilya Sutskever认为“提示语”只是暂时的，AI的理解能力会越来越强，但这并不能改变人类意图是复杂的，人工智能并不能永远适配人类的复杂意图。

帮助人类与AI更好交互、协作的界面会有一个诞生新产品的机会。

趋势4：AI视频创作即将风靡

美国知名投资机构FirstMark，早期成功投资了Pinterest、Shopify、Airbnb，这家机构的总经理Matt Turck分享了他的看法。

他认为今天用于绘画的生成式人工智能令人兴奋，但撇开技术实力不谈，我们必须要问生成式人工智能构建一个解决问题的产品吗？随着时间的推移，你能建立可防御的竞争优势吗？

在他看来，视频创作平台Synthesia是个符合标准的例子，使用Synthesia，用户键入几行文本，单击几个按钮就能生成一个虚拟人的专业视频。

Synthesia 已经用于各种企业的入职培训，减少了创建商业培训视频所需的精力、时间和金钱，可能减少了 100 倍。此外，它有自己的专有人工智能技术，避免了对 GPT-3 等其他平台的依赖，为长期可防御的竞争优势和类别领导地位铺平了道路。

趋势5：自动化代码生成和应用程序开发

Founders Fund公司很多人可能不太了解，是知名投资人Peter Thiel成立的超级科技基金，专门投资最前沿的技术领域。

从Scale AI公司跳槽过来的负责人Leigh Marie Braswell分享了她的洞察（注：Founders Fund投资了Grit）。

当GitHub在 2021 年底发布Copilot产品时，让无数程序员感到惊艳，根据一些人的分享，这款AI编程软件每天为程序员节省了数小时，甚至编写了40%的代码。

Copilot使用OpenAI的Codex的大型语言模型（LLM）构建，它用令人信服的证据，证明当前的人工智能功能可以自动化越来越多的代码生成和应用程序开发。新成立的初创公司和成熟的公司已经开始用它处理不少工作。

Grit就是一个例子，它的产品能成为开发人员的自动化助手，除了能自动化代码开发，还能根据人工代码改进的数据自动改进，帮助企业完成自行维护。

鉴于这项技术彻底改变软件开发的潜力，许多投资者已经入局。

趋势6：临床试验中的数字孪生

Radical Ventures是加拿大的早期技术企业风险投资，合伙人Rob Toews分享了他的观点（注：Radical Ventures投资了Unlearn）。

当人们想到人工智能和制药时，最常跳到脑海中的应用是用于药物发现的人工智能，确实有有充分的理由相信这个领域有巨大变革潜力。

还有另一个很多人没有注意的市场，在临床试验中使用数字孪生。

今天的临床试验效率低下且成本高昂，平均新药需要10年和20亿美元才能推向市场。招募试验参与者是引导药物通过临床试验的主要绊脚石。每年有数百项临床试验因患者入组不足而终止;事实上，这是临床试验终止的首要原因。

“数字孪生”为这一挑战提供了变革性的解决方案。基本概念很简单：生成机器学习模型可以在临床试验中模拟患者的安慰剂结果。这可以在个体患者层面完成：可以为试验实验组中的每个人类试验参与者创建一个数字孪生，模拟该个体在对照组中的表现。

总部位于旧金山的Unlearn正在提供类似的服务，它们正在与默克公司（Merck KGaA）合作部署数字孪生技术，加速临床试验。

今年早些时候，欧洲医疗署（欧洲版的FDA）采纳了Unlearn的临床试验技术，他认为这表明该技术已准备好大规模部署。

趋势7：AI工作工具

Index Ventures投出了Roblox、Dropbox等知名企业，其合伙人Cat Wu分享了自己的AI未来的看法。

随着人工智能跨越鸿沟进入主流，下一代人工智能初创公司中，最好的产品将由专注于工作流程设计和根据用户反馈微调模型的创始人创造。

适合这种模式的两类初创公司是AI代理和AI增强SaaS。

AI代理将完成律师、工程师、会计师、医生的重复知识工作；AI增强SaaS将依赖于人工智能作为底层技术切入现有工作流程，例如音频数据平台提供自动转录和摘要功能。

我们已经看到了像Stable Diffusion这样的文本到图像模型，像Whisper这样的音频转录模型，以及GPT-J和GPT-Neo这样的语言模型。

初创公司将利用人工智能研究的最新进展，在新模型可用时更换新模型，并根据历史专有用户反馈进行微调，这些企业的护城河将出现在全面的工作流程中，当用户使用这些模型时收集的数据，这将为更强大的未来模型提供数据。

趋势8：AI提示词和多步骤自动化

纽约种子阶段风险基金 Compound VC 的合伙人Michael Dempsey，他是CB insight的前15位员工之一，长期从事前沿产业分析预测后下场参与了前沿投资。

他观察到，将提示和不同类型的模型（并不总是需要）链接在一起的概念有助于绕过当今AI驱动模型的限制，比如如 GPT-3的数据相当静态，但通过AI提示词和其他AI结合起来，它就能提供查询信息、汇总信息等服务。

目前，我们刚刚触及这个领域，如何创造更高级的工作流程、新型软件产品以及借助人工智能创造新的界面范式，还需要时间。

趋势9：解决现实的工业自动化挑战

Basis Set的投资人Lan Xuezhao带来了她的预测（注：Basis Set是Path和Ergeon的投资者）。

今天，DALL-E 2、GPT-3等人工智能在绘画、语言等领域带来了不少突破，这让一些开发人员担心自己的工作被取代，但我们也看到这些工作之外，在餐馆、建筑工地和工厂等地方，又存在着严重的劳动力短缺。

这让Path Robotics类似的自动化公司有了巨大的市场，Path基于人工智能，能够使用现成的机器人自主焊接新零件，无需耗时且昂贵的重新编程，还能根据图像反馈持续迭代升级。

在建筑行业，Ergeon正在使用先进的 AI 实现围栏建筑的整个施工过程自动化，做到远程测量、自动化设计、报价等工作。这项技术使公司完成项目的速度比典型承包商快 10 倍。他们建立了世界上最大的房屋建筑数据库。

虽然不经常被讨论，但许多价值1000亿美元的企业将出现在工业领域。

你还想了解更多未来趋势吗？欢迎加入我们！