作者：Superfluid. 编译：Cointime.com QDD

几周前，Mistral AI引起了巨大的轰动，该公司成立仅4周就筹集到了1.05亿欧元（合1.13亿美元）的资金。

我们也看到了其他人工智能初创公司进行了类似规模的融资，例如Inflection AI以13亿美元和Cohere以2.7亿美元进行了融资。

对于不了解内情的外行人来说，这些融资可能似乎相当荒唐。为什么有人需要1亿美元以上来创办一家企业呢？

然而，事情并不仅仅如此。

在这篇文章中，我们将解析这些企业的目标是什么，为什么他们需要大量的资金来实现这一目标，为什么他们的努力可能只是徒劳无功，并揭示这个市场的真正赢家是谁。

基础模型与应用程序

“淘金热中，卖铁锨。”

在人工智能世界中，基础模型就是铁锨，而建立在其上的应用程序就是黄金。与任何核心技术转变一样，构建作为其他一切基础层的基础设施是困难而不太吸引人的，但比那些急于构建应用程序的人更具利润性。

尽管人工智能周围存在着大量炒作和热议，但成为一名构建者是一项相当辛苦而不受赞誉的任务。应用程序可以在一个周末内轻松构建完成，但要抵御竞争并留住用户则非常困难。另一方面，基础模型都是专有的并且具有高度的防御性，但是需要极高水平的技术能力和知识，而这种能力和知识却只有极少数人拥有。

虽然应用程序和模型都能吸引大量资金，但用途不同。对于应用程序来说，资金主要用于分发目的和激励措施，以鼓励用户采用和持续使用软件。这些人工智能应用程序中的每日免费积分和注册奖金让人想起2010年代，当时您几乎不需要为Uber或DoorDash的服务付费。随着竞争的不断增加，我预计风险投资将继续提供补贴。

对于基础模型来说，资金的使用主要用于两个方面：1）获取更多用于训练的数据，2）购买用于训练模型的图形处理器（GPU）。随着获取更多数据，需要更多的GPU来处理训练过程。

在这两者之间，购买GPU的成本更高。Inflection AI刚刚筹集到了13亿美元的资金，并需要22,000个英伟达H100 AI GPU来训练其模型。按市价计算，每个GPU的成本为4万美元，仅GPU的成本总计就达到了8.8亿美元。幸运的是，英伟达在他们的股权表上，很可能以批量折扣的方式提供GPU，但我仍然怀疑购买这些GPU可能花费了几亿美元。显然，英伟达将成为所有这些人工智能炒作中的真正赢家。

无论如何，很明显应用程序主要是以分发为导向。最好的应用程序可能并非具有最佳用户体验，而是那些具有卓越的客户获取策略的应用程序，目前这主要依赖于强大的激励计划。这是只有少数人才能玩的游戏，并且很可能导致风险投资的大量失败投资。

另一方面，基础模型则更加复杂和微妙，但对于风险投资者来说可能会带来巨大回报。但这不仅仅是购买大量GPU和数据的问题。还有一些因素可能决定模型是否会得到广泛采用，或者被局限于某个特定领域（这也可能是有利可图的）。

基础模型机遇

尽管过去我一直对庞大的融资轮次持保留态度，但我仍然相信有正当理由让某人愿意将数亿美元投入基础模型公司。

如果一个模型被广泛采用，其回报潜力无疑是巨大的。基础模型的未来很有可能走向类似于Android和苹果的情景，这很容易为能够达到这样的高度的公司带来数以亿计甚至万亿美元的终值。即使模型主要在金融服务或医疗保健等特定领域使用，这仍然可能带来数十亿美元的回报。拥有这样一家企业的一部分是值得押注的。

同时，只要模型不断改进，提供商就可以通过增加代币成本来继续扩大收入。尽管在不同的OpenAI模型之间进行定价比较有些困惑，但正如这个实验的结论所示，使用GPT-4 API的成本比使用ChatGPT（GPT-3.5）高出14-29倍。尽管这是一个巨大的提价，但我仍然预计未来的模型升级将使定价额外增加2-5倍。

此外，如果我们预计GPU能力将呈现递减的边际回报曲线，这也将持续增强那些在当前GPU上投入巨资的现有初创企业的防御性。这意味着随着现有初创企业已经大量投资于GPU库，未来训练模型的成本将变得越来越便宜，而且在更高的定价下，基础模型将变得非常赚钱。

然而，未来的潜力并非都是乐观的。基础模型公司仍然面临许多失败的风险。其中最大的威胁很可能是限制它们获取数据以及将该数据用于商业目的的能力。这将对训练大型模型的可行性产生巨大的负面影响，并限制这些模型的使用范围。就个人而言，我认为某些数据集将受到限制，但我不认为这将对其产生如此巨大的影响。

除此之外，基础模型在经济方面也可能受到限制。如果训练模型的成本继续增加，而新模型带来的收入提升不呈线性增长，这将对企业的利润率造成重大压力。另一方面，如果训练新模型的成本大幅降低，这将降低现有基础模型公司的防御能力。

此外，应用程序与基础模型的交互方式也可能严重影响企业的经济状况和重点。通过高度优化的提示引擎，应用程序可以显著减少所需的代币数量。这直接威胁到大多数基础模型企业采用的基于消费的商业模式。

基金经济学

因此，我们已经讨论了这个机会的规模以及投资基础模型公司的不对称上行空间，但是在考虑基金经济学时，情况如何呢？

以Mistral AI的种子轮为例，该公司以2.6亿美元的预投资估值筹集到了1.13亿美元的资金。这导致了30.3%的稀释，这比正常的种子轮要高，但在筹集如此大规模资金时可以预料到。据Techcrunch和Pitchbook的数据，该公司从13家投资者那里筹集到了这笔资金，其中由Lightspeed领投，还有Redpoint Ventures、Index Ventures以及其他几家欧美风投机构参与。

为了深入研究基金经济学，我们将从三个不同的角度来考虑投资。

请注意，这里呈现的大部分数字都是估计值。我将尽力清楚地指出这些估计，但请注意，这个分析仅供参考，不代表实际融资轮次的构建方式。

在我们开始之前，这里有一些关于Mistral AI未来资本募集的假设。

l   前两轮资金募集的估值倍增为5倍。这样可以让公司筹集到大量资金，而不会过度稀释创始人的股权。

l   对于接下来的五轮融资，稀释率为20%，这是由于这些企业所需的资金投入。

角度1：领投投资者Lightspeed

Lightspeed的具体假设如下：

l   Lightspeed的最新种子轮-Pre-B轮（Lightspeed Venture Partners XIV）基金规模为19.8亿美元。

l   Lightspeed投资了一半以上的资金，出资6000万美元，占基金规模的3%。

从表中可以看出，我们有两种不同的情况。一种是Lightspeed不再向该公司投资。如果发生这种情况，Mistral AI的估值需要超过260亿美元才能使他们的基金获得回报。

如果Lightspeed保持其按比例权益投资直至C轮，那么他们可以在130亿美元的估值下回报基金。然而，这种情况需要在三轮融资中额外筹集8.4亿美元的资金。很可能这些资金将来自Lightspeed的其他增长基金，使经济状况变得有些复杂。

角度2：大型种子基金Redpoint Ventures

Redpoint的具体假设如下：

l   Redpoint的种子轮-Pre-A轮基金规模为6.5亿美元（根据Pitchbook数据）。

l   Redpoint向该轮融资投资了1500万美元。这代表该基金规模的2%。

与上述情况类似，Redpoint也有两种情况。如果该基金对该公司进行一次投资，那么他们要求公司的估值达到520亿美元，比Lightspeed的门槛高出2倍。

如果Redpoint进行跟投，他们可以在C轮时以130亿美元的估值回报基金，但这将需要在三轮融资中额外投资2.1亿美元。与Lightspeed类似，这些额外投资可能来自其他渠道。

角度3：较小的种子基金Local Globe

LocalGlobe的具体假设如下：

l   LocalGlobe的基金规模为2.1466亿美元（根据SEC文件中的目标基金规模）。

l   LocalGlobe向这轮融资投资了130万美元，占他们基金规模的0.6%。我假设Lightspeed、Index和Redpoint共同向这轮融资贡献1亿美元，其余的10个较小投资者分摊剩下的1300万美元。

与其他两个基金不同，LocalGlobe的情况不太好。在这两种情况下，即使公司的估值达到650亿美元，投资也无法回报基金。这主要是因为他们现在拥有的股权不够多，而且在未来会过度稀释。

为了证明这种投资的合理性，LocalGlobe要么将这笔投资承担为超过1000亿美元的结果，要么他们非常重视与Mistral相关的连锁效应，通过更大的品牌知名度、主题交易流量和其他与人工智能相关的交易机会来提高价值。

虽然以上数字是根据假设推导出的，但我认为它们在指导方向上是正确的。目前，投资基础模型公司可能是一项有成效的努力，但这肯定是一段昂贵的旅程，充满了许多挑战。

在金融回报方面，对于小型甚至中型基金而言，以小额投资参与大型融资并不是明智之举。如果您想大幅降低公司回报基金的门槛，您需要大举参与，并准备写一张接近基金规模5%以上的支票。

对于大型基金，关注点很快转向是否拥有足够的公司股权，以及他们是否能够在未来保持甚至增加他们的股权份额。在这种情况下，很难在没有不切实际假设的情况下预测场景，因为涉及到多个基金工具。

我的观点是，我们在基础模型之旅中仍然处于早期阶段。我们今天使用的模型很可能不会是我们明天使用的模型。目前，当前进行的筹资实际上是在为研发付费，这是周期中必要的一部分。对于90%的基金来说，投资这种类型的公司可能在经济上并没有多大意义。要想进行这种投资，您需要基金规模、平台和交易条款的独特组合。

大额筹资一直是一个有争议的话题，因此我很想听听您在下方评论中的想法和意见！