Ein Investor über 17 Einschätzungen zu Embodiment, Modellen und Rechenleistung

Autor: Xiao Yan, Tencent Technology

Redaktion: Xu Qingyang

In den letzten Jahren waren die heißesten Schlagwörter im chinesischen Technologiekapitalbereich fast immer AI, Robotik und Embodiment-Intelligenz.

Im Bereich der großen Modelle ist Zhipu eines der ersten Unternehmen, das im Kontext von "Chinas Version von OpenAI" diskutiert wurde. Unternehmen wie Jiyue Xingchen und Shengshu Technology stehen ebenfalls im Mittelpunkt beliebter Richtungen wie Basis-Modelle und Video-Generierung. Im Bereich Robotik hat UBTECH bereits den Kapitalmarkt betreten, während Unternehmen wie Galaxy Universal Robotics, Yinshi Robotics und Tashi Zhihang verschiedene Erkundungen von Robotern von der Hardware über Modelle bis hin zu Anwendungsfällen repräsentieren.

Hinter diesen Star-Unternehmen steht eine gemeinsame Investmentgesellschaft - Qiming Venture Partners. Diese Institution wurde 2006 gegründet und verwaltet 11 Dollar-Fonds und 7 Renminbi-Fonds mit einem verwalteten Gesamtvermögen von 9,5 Milliarden US-Dollar.

Nach mehreren Investitionen in technologische Wellen, was ist die Methodologie von Qiming Venture Partners?

Kürzlich teilte Zhou Zhifeng, der Managing Partner von Qiming Venture Partners, seine Investitionsmethodologie und die grundlegenden Entwicklungstrends in den Bereichen große Modelle, Embodiment-Intelligenz und Rechenleistungschips mit, und er entschlüsselte die Kernstandards zur Unterscheidung zwischen Konzept-Hype und realer industrieller Umsetzung.

Als Investor ist Zhou Zhifeng ein unbestreitbarer AI-Deep-Dive-Experte. In Gesprächen greift er oft auf alltägliche, feine Perspektiven zurück, um das reale Bild der Implementierung von AI-Technologie zu skizzieren. Er spricht über seine älteren Verwandten, die bereits geschickt Kurzvideo-Plattformen nutzen und AI problemlos für alltägliche Informationsabfragen verwenden; auch in seinem eigenen Arbeitsumfeld ist AI tief verwoben, er nutzt AI-Tools zur Datenanalyse und Materialaufbereitung, und selbst bei einem engen Zeitplan bleibt er aufmerksam auf die Inhalte, die von AI-generierten Kurzvideos produziert werden.

Diese fragmentierten, realen Alltagsszenen belegen intuitiv einen zentralen Trend: AI ist längst nicht mehr nur ein professionelles Konzept, das in Laboren, theoretischen Arbeiten oder in der ersten Finanzierungsrunde existiert, sondern hat sich tatsächlich in die Smartphones der breiten Bevölkerung integriert und den Sprung von einer Spitzentechnologie zu einem alltäglichen Werkzeug für alle vollzogen.

Die Aufgabe der Investoren besteht darin, vor dem massiven Auftreten dieser Veränderungen zu beurteilen, welche technologischen Richtungen, Produktformen und Unternehmen am wahrscheinlichsten diese Veränderungen in die Realität umsetzen können.

Zhou Zhifeng fasst diesen Denkansatz als "Fast einen halben Schritt"-Investition zusammen - es geht nicht darum, so früh wie möglich zu investieren, noch darum, nach dem Marktkonsens zu warten, sondern darum, nach dem technologischen Durchbruch, aber vor dem kommerziellen Durchbruch einzutreten.

Zhou Zhifeng, Managing Partner von Qiming Venture Partners

Zhou Zhifeng nimmt Zhipu als Beispiel. Im Mai 2020 veröffentlichte GPT-3, was Qiming Venture Partners die Bestätigung gab, dass das Scaling Law validiert wird und große Modelle einen wichtigen technologischen Knotenpunkt überschritten haben. Basierend auf dieser Einschätzung investierte Qiming Venture Partners im Dezember 2021 in Zhipu. Zu diesem Zeitpunkt war ChatGPT noch nicht veröffentlicht, und "All in AI" war noch nicht das kollektive Motto der Investmentgemeinschaft. Erst im November 2022 trat ChatGPT auf den Plan, und generative AI wurde tatsächlich der breiten Öffentlichkeit und dem Venture-Capital-Markt vorgestellt.

Wo wird also die nächste "Fast einen halben Schritt"-Chance in den beliebten Bereichen AI, Robotik, Rechenleistung und Chips auftauchen? Während der Diskussion gab Zhou Zhifeng keine direkte Antwort, sondern analysierte vielmehr die Veränderungen, die in diesen Bereichen stattfinden.

Angesichts dieser heißen Bereiche und des massiven Kapitals, das in sie strömt, glaubt Zhou Zhifeng, dass je näher man dem Zentrum des Sturms kommt, desto mehr man zu den grundlegendsten Fragen zurückkehren muss: Schafft es, echten Wert zu schaffen, und kann es den Tests der Geschäftswelt standhalten? Er betonte mehrmals, dass der Markt wahrscheinlich in die Phase "Show me the money" eintreten wird. Je neuer etwas ist, desto mehr muss man auf die Diskrepanz zwischen kurzfristiger Aufmerksamkeit und langfristigem Wert achten; je lauter der Markt ist, desto mehr müssen Unternehmen beweisen, dass sie Technologie in Einnahmen umwandeln und Vorstellungen in Realität verwandeln können.

Um die Leseeffizienz zu erhöhen, hat Tencent Technology die Kernurteile von Zhou Zhifeng in der ersten Person zusammengefasst.

01 "Embodiment-Intelligenz ist das Gebiet, das meine Gehirnzellen am meisten tötet, ohne Ausnahme"

1. Nach Gesprächen mit vielen Unternehmen im Bereich Embodiment-Intelligenz habe ich hauptsächlich drei Eindrücke.

Erstens, sowohl der primäre als auch der sekundäre Markt sind sehr optimistisch gegenüber diesem Bereich. Der Hauptgrund ist, dass dies möglicherweise die erste Industrie in der Geschichte ist, die sowohl die "Verkaufszahlen von Smartphones" als auch den "Einzelpreis von Personenkraftwagen" vereint. Wenn sich diese Branche weiterentwickelt, wird es jährlich 1 Milliarde Auslieferungen geben, mit einem durchschnittlichen Preis von etwa 30.000 US-Dollar, was umgerechnet 200.000 Renminbi entspricht. Das ist in der Geschichte der menschlichen Geschäftsentwicklung in den letzten zweihundert bis dreihundert Jahren eine der größten Branchen, ohne Ausnahme.

Zweitens, alle drängen sich jetzt auf den IPO, was im Wesentlichen bedeutet, dass sie um die Knappheit von Ressourcen konkurrieren. Der sekundäre Markt hat diese Eigenschaft: Wenn die ersten ein oder zwei Unternehmen in einem großen Bereich an die Börse gehen, können sie aufgrund der Knappheit des Objekts von super Kapitalrenditen profitieren, was sich direkt in einem hohen Aktienkurs und Marktwert niederschlägt, sodass jeder versucht, sich zuerst zu positionieren.

Drittens, viele Unternehmen sind zunehmend schwer zu unterscheiden. Wir haben festgestellt, dass es in China über 370 Unternehmen im Bereich Embodiment-Intelligenz gibt, und jede Woche kommen zwei oder drei neue Projekte hinzu. Ihre Teamhintergründe, technischen Routen und Anwendungsfälle werden immer ähnlicher: Es sind meist Professoren, kleine Genies, Führungskräfte großer Unternehmen im Bereich autonomes Fahren oder mit AI-Modell-Hintergrund; alle sprechen über VLA, Weltmodelle; die meisten Anwendungen konzentrieren sich auf industrielle Fertigung, Logistik und kommerzielle Dienstleistungen, und kürzlich sind auch bionische Roboterszenarien aufgetaucht. Aber das Problem ist, dass es derzeit keinen objektiven Standard zur Bewertung des technischen Niveaus oder der Modellfähigkeiten gibt, um wirklich zu beurteilen, wessen Technologie stärker oder umsetzungsfähiger ist.

Daher könnten die ersten ein oder zwei Unternehmen, die an die Börse gehen, aufgrund der Knappheit einen sehr hohen Marktwert erreichen. Aber in einem Zeitraum von sechs Monaten bis einem Jahr wird der Markt wahrscheinlich in die Phase "Show me the money" eintreten, in der nur noch geschaut wird, ob es umsetzbar ist und ob es in Verkaufszahlen und Gewinnmargen umgewandelt werden kann.

Wenn bis Ende dieses Jahres oder Mitte nächsten Jahres die Umsetzung hinter den Erwartungen zurückbleibt, könnte selbst bei einem erfolgreichen Börsengang der Marktwert auf einige hundert Milliarden sinken, und der primäre und sekundäre Markt könnten in der Bewertung umkehren. Die ursprüngliche Bewertung des primären Marktes könnte nicht aufrechterhalten werden, und die Schwierigkeiten bei der Nachfinanzierung für Unternehmen würden erheblich zunehmen.

Das Schlüsselthema bleibt die Technologie. Wenn im Robotikbereich kein entscheidender Durchbruch erzielt wird, insbesondere wenn die technische Route nicht konvergiert, wird es der Branche schwerfallen, in großem Maßstab umgesetzt zu werden. Derzeit verwenden viele Unternehmen in der Robotik spezifische Modelle für bestimmte Szenarien, anstatt die derzeit sehr hochgelobten allgemeinen Modelle zu nutzen. Wenn keine technische Konvergenz erreicht wird, wird es schwierig sein, großflächige Umsetzungsanwendungen zu entwickeln, und am Ende wird man nur einige überflüssige Demo-Projekte durchführen können, ohne dass eine kommerzielle Skalierung erreicht wird.

Was ich jetzt tun kann, ist, weiterhin alle neuen Projekte aktiv zu beobachten, um sicherzustellen, dass ich umfassend Informationen sammle und die Entwicklungen in der Branche kontinuierlich verfolge.

Der primäre Markt ist weiterhin intensiv auf der Suche nach Finanzierung, während stabilere Unternehmen sich auf den Börsengang vorbereiten. Aber letztendlich, egal ob sie an die Börse gehen oder nicht, wird der Markt immer noch auf die Kommerzialisierung schauen. Wenn die Branche keine echten Umsetzungsresultate vorweisen kann, wird der Markt wahrscheinlich eine tiefgreifende Anpassung erleben.

2. Ich habe nie geglaubt, dass Weltmodelle ein völlig neuer Bereich sind; die Wahrscheinlichkeit, dass VLA und Weltmodelle in Zukunft fusionieren, liegt über 50%.

Es ist eher ein technischer Weg, der im primären Markt zu einem beliebten Konzept aufgeblasen wurde. In letzter Zeit sind etwa 30 neue Startups im Bereich Weltmodelle aufgetaucht, die im Vergleich zu den vorherigen Unternehmen mit der VLA-Technologie in Bezug auf die kommerzielle Umsetzung keine wesentlichen Unterschiede aufweisen.

3. Derzeit fehlen objektive Bewertungsstandards für Embodiment-Intelligenz.

Für Sprachmodelle gibt es viele Benchmarks, aber Embodiment-Intelligenz steht vor der Herausforderung, die physische Welt zu bewerten, was viel schwieriger ist. Derzeit gibt es weltweit etwa drei bis fünf Benchmarks für Embodiment-Intelligenz, aber diese Listen wurden kürzlich stark in Frage gestellt. Einige Unternehmen haben hohe Bewertungen durch das Manipulieren von Rankings erreicht, was in der Branche sofort erkannt wird und keinerlei Bedeutung hat.

Solange die Standards nicht konvergieren, leiten wir derzeit mehr von der grundlegenden Logik ab: Erstens, ob die Algorithmen und Modellarchitekturen unseren Annahmen entsprechen; zweitens, ob das Team über umfangreiche Ingenieurerfahrung verfügt; drittens, die Datenstrategie. Daten könnten der entscheidende Faktor in der kommenden Zeit sein. Sprachmodelle haben das Scaling Law erreicht, indem sie 10 Milliarden Tokens bereitgestellt haben; Video-Modelle haben das Scaling Law erreicht, indem sie Milliarden von Clips bereitgestellt haben. Derzeit haben die besten Unternehmen für Embodiment-Modelle in China und den USA nur einige zehntausend Stunden an Daten, was noch ein ganzes Maß an Skalierung fehlt. Aber es ist wahrscheinlich, dass die führenden Unternehmen in China und den USA in diesem Jahr dieses Datenvolumen erreichen werden, sodass in diesem Jahr möglicherweise Durchbrüche erzielt werden.

Sobald der technologische Durchbruch erfolgt, wird die Bewertung einfacher. Zum Beispiel in einem industriellen Szenario, wo ein großes Unternehmen 25 Prozesse hat, und ohne jegliches Nachtraining oder nur mit sehr einfachem Nachtraining die Erfolgsquote der Roboter bei der Durchführung dieser Aufgaben betrachtet wird. Wenn die Erfolgsquote über 50% liegt, wird das große Unternehmen tatsächlich bereit sein, für die Roboter zu bezahlen; wenn sie nur 5% beträgt, zeigt das, dass es noch nicht funktioniert.

4. Daten sind die technische Hürde, die Embodiment-Modelle überwinden müssen, aber in den nächsten ein bis zwei Jahren könnte sich dies schnell ändern.

Um Embodiment-Modelle zu erstellen, könnten 1 bis 2 Millionen Stunden Trainingsdaten erforderlich sein, und in der gegenwärtigen Phase ist die Datenmenge wichtiger als die Qualität einzelner Daten. In Bezug auf verschiedene Datenkombinationsstrategien hat sich in den letzten Monaten ein Konsens in der Branche gebildet. Früher gab es in der Branche verschiedene Datenrouten, wie die von Tesla selbst gesammelten Daten, die die höchste Realität aufweisen, was es dem Modell erleichtert, sich anzupassen. Wenn das Modell später auf Hardware implementiert wird, stimmt es vollständig mit den gesammelten Trainingsdaten überein.

Aber die Sammlung von echten Daten hat hohe Anforderungen, selbst für führende Unternehmen wie Tesla ist es sehr schwierig, und die jährliche Produktionsmenge ist sehr begrenzt; es müssen 1000 Roboter eingesetzt werden, mit speziellen Personen zur Überwachung, wobei jede einzelne Maschine nur ein oder zwei Stunden effektive Sammelzeit pro Tag hat, was extrem ineffizient ist. Um 1 Million Stunden Daten zu sammeln, könnte es zehn Jahre dauern, und selbst Tesla hat Schwierigkeiten, während es für andere Unternehmen noch schwieriger ist. Diese Daten haben die höchste Qualität, aber die Gesamtmenge ist begrenzt. Früher neigten Google und OpenAI dazu, Videodaten zu verwenden; Google ist selbst stark im Bereich Video-Modelle, aber die massiven allgemeinen Videodaten sind nicht mit den praktischen Szenarien von Robotern verbunden, wie z.B. Videos von Besprechungsräumen, die es Robotern schwer machen, praktische Fähigkeiten zu erlernen und stattdessen viel Rauschen in die Modelle einführen.

Dazwischen gibt es die in den letzten Jahren aufkommenden UMI-Daten, bei denen Arbeiter bei der Arbeit mit tragbaren Geräten echte Betriebsszenarien aufzeichnen, die leichter mit den Anforderungen des Modelltrainings übereinstimmen. Derzeit planen die führenden Unternehmen in China und den USA, in diesem Jahr insgesamt 1 Million Stunden Trainingsdaten zu beschaffen, wobei echte Daten nur 1%-3% ausmachen, UMI-Daten etwa 70% und Videodaten 20%. Nuo Yiteng hat das Motion-Capture-Geschäft unabhängig entwickelt, und die Motion-Capture-Technologie kann die Sammlung von UMI-Daten und echten Daten optimieren, sodass jetzt eine vollständige Palette von Trainingsdaten bereitgestellt werden kann.

Neben der Menge wird auch die taktile Daten wichtig. Zum Beispiel, wenn ein Roboter eine scheinbar gewöhnliche, aber tatsächlich schwerere Flüssigkeit aufnimmt, wird der Mensch sofort die Gewichtänderung wahrnehmen und die Griffkraft anpassen; aber die derzeitigen echten Daten, Texturdaten und Videodaten fehlen größtenteils solche taktilen Informationen.

Daher gibt es jetzt eine Reihe von Unternehmen, die versuchen, taktile Stoffe zu entwickeln, um Roboter mit taktilen Wahrnehmungen auszustatten und taktile Daten zu sammeln. In diesem Bereich sind die Investitionen sehr hoch, aber derzeit hat kein Unternehmen weltweit eine vollständig ausgereifte Technologie erreicht.

5. Im Bereich der Embodiment-Intelligenz hat China drei Hauptvorteile: Daten, Anwendungsfälle und Hardware-Unterstützung.

Es ist derzeit schwierig, die Unterschiede in der Modelltechnologie zwischen China und den USA zu quantifizieren, da der Unterschied im Wesentlichen in der Rechenleistung liegt. Die Technologie ist noch nicht vollständig konvergiert, und die technische Forschung und Erkundung ähnelt stark der Navigation auf einem dunklen Ozean auf der Suche nach einer Schatzinsel.

Die USA haben keine Einschränkungen bei der Rechenleistung, und führende Unternehmen können jede Nacht 30 Schiffe gleichzeitig entsenden. Jedes Feedback aus einer Erkundungsrunde ist entscheidend für die Richtungssuche. Jedes Team kommt zurück und berichtet über die Route, zum Beispiel, dass sie heute 5 Seemeilen in einem 30°-Winkel gefahren sind, ohne das Ziel zu finden, sodass diese Route nicht wiederholt werden muss.

China ist derzeit durch Chipbeschränkungen eingeschränkt und kann nur ein Schiff pro Nacht entsenden, was den Kernunterschied ausmacht. Der allgemeine Kurs der aktuellen großen Sprachmodelle ist bereits klar, sodass der Unterschied auf den ersten Blick nicht allzu groß erscheint. Wenn die Branche jedoch den nächsten technologischen Sprung macht, wird die Wahrscheinlichkeit, dass die USA als Erste einen technologischen Durchbruch erzielen, viel größer sein, wenn gleichzeitig 30 Erkundungsrouten verfolgt werden, im Vergleich zu nur einer Route. Auf den ersten Blick scheint der Unterschied zwischen den Modellen gering zu sein, aber langfristig ist der Gesamtdifferenz tatsächlich nicht klein.

Allerdings hat China in den Bereichen Daten, industrielle Anwendungsfälle und Hardware eine deutliche Vorteil.

Einige führende Unternehmen in den USA kaufen Daten von chinesischen Unternehmen, was zeigt, dass sie selbst nicht genügend Datenreserven haben.

Zweitens gibt es in China industrielle Anwendungsfälle wie CATL und BYD, die über eine große Anzahl von Fertigungsunternehmen verfügen und genügend physische Fabriken haben, um gemeinsam zu forschen.

Drittens in Bezug auf die Hardware: Ein humanoider Roboter besteht aus etwa 1200 Einzelteilen, von denen über 90 % in der chinesischen Yangtze-Delta- und Perlfluss-Delta-Region konzentriert sind. Chinesische Unternehmen können die Hardware und das Modell schnell synchronisieren und iterieren. Wenn ein Missverhältnis zwischen dem Modellalgorithmus und der Hardwareausführung festgestellt wird, kann der Lieferant innerhalb von zwei Wochen angepasst und optimiert werden.

Zusammenfassend hat China in den Bereichen Hardware und Daten einen signifikanten Vorteil, während die USA in Bezug auf die Modelle überlegen sind, aber der Unterschied zwischen beiden Seiten ist nicht allzu groß.

6. Die Debatte darüber, ob humanoide Roboter "Showtechnik" oder "praktisch" sind, hat viele Diskussionen, die die Konzepte nicht klar unterscheiden.

Die Algorithmen für verkörperte Intelligenz lassen sich grob in drei Hauptbereiche unterteilen: Manipulation, Navigation und Lokomotion.

Erstens ist Manipulation die physische Kontrolle von Aufgaben. Verkörperte Intelligenz und Weltmodelle fallen in diesen Bereich, aber die Branche hat bisher noch keinen einheitlichen, ausgereiften Kurs entwickelt. Zweitens ist Navigation eine ausgereifte Technologie, die in der autonomen Fahrzeugtechnik eingesetzt wird. Drittens ist Lokomotion die Bewegungssteuerung, also Aktionen wie Laufen oder Martial Arts, die eher zur Demonstration dienen.

Alle drei gehören zu den Algorithmen der Robotik-KI, aber die entscheidende Technologie, die den großflächigen kommerziellen Wert von Robotern bestimmt, ist die Steuerungstechnik. Lokomotion hat sich weiterentwickelt, und Yushun ist in diesem Bereich weltweit führend, während UBTECH ebenfalls gute Fortschritte gemacht hat. Daher ist es normal, dass viele denken, sie könnten nur Showtechnik, da dies tatsächlich ihre Stärke ist. Die kürzlich gegründeten über 360 Roboterunternehmen konzentrieren sich alle auf Steuerungsrichtungen; Yushun und UBTECH haben auch ausreichende Mittel und haben entsprechende Forschungsteams aufgebaut, sodass sie in diesem Bereich ebenfalls nicht schwach sind.

Wenn man sich nur die Bewegungssteuerung in solchen Vorführszenarien ansieht, beträgt die globale Markthöhe nur etwa 1 Milliarde USD. Im Vergleich dazu ist der globale Umfang der industriellen Fertigungsroboteranwendungen viel größer, und die beiden Größenordnungen sind nicht auf derselben Ebene. Einfach gesagt, die Technologie der Bewegungssteuerung war früher ausgereift, als Roboter nur Funktionen wie Tanzen und Vorführen realisieren konnten. Es wird noch ein oder zwei Jahre dauern, bis die Steuerungstechnologie abgeschlossen ist, damit Roboter in großem Maßstab in wirklich praktischen Szenarien eingesetzt werden können.

02 "Zwei Veränderungen im KI-Bereich übertreffen die Erwartungen, eine Veränderung bleibt hinter den Erwartungen zurück"

7. In den nächsten ein oder zwei Jahren wird die Bewertung von KI-Unternehmen letztendlich wieder auf den Einnahmen und der Lieferfähigkeit basieren. Traditionelle Unternehmenssoftwareunternehmen haben möglicherweise ein PS-Multiplikator von 5-15, während Unternehmen in heiß gefragten, technologisch führenden Branchen Multiplikatoren von 20 bis 100 erreichen können. Ob Unternehmen wie Zhizhu ihre Bewertungen stabil halten können, hängt entscheidend davon ab, ob sie in der Lage sind, ein Umsatzvolumen zu erreichen. Wenn sie einen Umsatz von 10 Milliarden erreichen können, würde das bei einem PS von 100 einer Marktkapitalisierung von 1 Billion entsprechen; wenn der Umsatz jedoch nur 1,5 Milliarden beträgt, wird die Marktbewertung eine Korrektur erfahren, und das gilt auch für den Roboterbereich.

Der ARR (Annual Recurring Revenue) eines Unternehmens repräsentiert dessen Wachstumspotenzial, während die buchhalterische Bestätigung von Einnahmen den Cashflow darstellt. Das gilt auch für die Robotikbranche, letztendlich wird alles auf den Gesamterlös ankommen, und diese finanziellen Kennzahlen sind das gerechteste Maß.

Daher sind die beiden wichtigsten Dinge für KI-Unternehmen: Kann die Modellfähigkeit weiterhin verbessert werden, und kann auf der Kundenseite eine echte Nutzung und Einnahmen generiert werden? Diese beiden Punkte bestimmen, ob ein Unternehmen langfristigen Wert hat.

8. Im vergangenen Jahr gab es zwei Veränderungen im KI-Bereich, von denen eine die Erwartungen übertroffen hat und eine hinter den Erwartungen zurückgeblieben ist.

Die erste positive Überraschung ist die KI-Rechenleistung. Das gesamte Rechenleistungspaket sowie die Geschwindigkeit des Wandels von Trainings- zu Inferenzanforderungen haben die Erwartungen übertroffen. Zum Beispiel hat ein großes inländisches Technologieunternehmen im letzten Jahr ein Budget von über 50 Milliarden Yuan für Rechenleistung bereitgestellt, und in diesem Jahr beträgt das Budget mehr als das Sechsfache des Vorjahres.

Daher ist es egal, ob im Primärmarkt eine große Anzahl neuer KI-Chipunternehmen auftaucht oder im Sekundärmarkt HBM-Speicher und Lichtkommunikationssektoren gehandelt werden, die verschiedenen heißen Marktbedingungen sind im Wesentlichen durch die enorme Nachfrage nach Rechenleistung getrieben, und die gesamte logische Grundlage ist schlüssig. Ob die kurzfristigen Kursgewinne einzelner Aktien gerechtfertigt sind, kann ich nicht beurteilen, aber die allgemeine Hitze und das Wachstum des Rechenleistungsmarktes haben meine Erwartungen bei weitem übertroffen.

Die zweite positive Überraschung ist die Geschwindigkeit der Entwicklung der Modelltechnologie selbst und die schnelle Bildung eines Konsenses auf dem Markt rund um die Modelle. Dazu gehört auch, dass im Januar dieses Jahres mit intelligenten Agenten, die durch Flusskrebse repräsentiert werden, die Codierungsfähigkeit, die wir im letzten Jahr bei den zehn wichtigsten Ausblicken erwähnt haben, bei der WAIC nur als wichtig bezeichnet wurde, ohne zu erwarten, dass die Codierungsfähigkeit mittlerweile zur zentralen Wettbewerbsfähigkeit großer Sprachmodelle geworden ist.

Denn die Codierungsfähigkeit hat die Fähigkeit der intelligenten Agenten hervorgebracht, und ich glaube, dass der industrielle Wert der intelligenten Agenten im Vergleich zu den AI-Produkten der letzten zwei bis drei Jahre, die sich hauptsächlich auf Dialog-Chatbots konzentrierten, um ein Vielfaches höher ist. Gleichzeitig hat sich ein positiver Kreislauf gebildet: Der Rechenleistungsverbrauch, der durch den Betrieb der intelligenten Agenten entsteht, ist tausendmal höher als der von reinen Dialogprodukten, was auch erklärt, warum das Wachstum im Rechenleistungssektor insgesamt die Erwartungen übertroffen hat, da diese beiden miteinander verbunden sind.

Die Entwicklung der Modelltechnologie und die Begeisterung des Kapitalmarktes für Modellunternehmen haben ebenfalls die Erwartungen übertroffen. Der Konsens über hochwertige Modellunternehmen hat sich sehr schnell gebildet, und die Marktkapitalisierung führender Unternehmen kann die Billionen-Marke erreichen; gleichzeitig sind viele neue Modell-Startup-Unternehmen wie Neo Labs auf den Markt gekommen, deren Gründer größtenteils Jahrgänge 1995 und 2000 sind, und diese Projekte können in der Angelrunde Bewertungen von 2 bis 3 Milliarden erreichen. In all den Jahren, in denen ich tätig bin, habe ich noch nie einen so heißen Markt gesehen.

Hinter den Erwartungen bleibt die KI-Anwendung, insbesondere die 2C-Anwendungen. Im letzten Jahr habe ich vorhergesagt, dass 2025 das Jahr sein wird, in dem die Ära der KI-Anwendungen beginnt. Rückblickend ist der Gesamtmarkt für KI-Anwendungen immer noch über den Erwartungen, aber die Art und Weise, wie er sich öffnet, unterscheidet sich von dem, was ich letztes Jahr dachte. Heute sind KI-Anwendungen hauptsächlich mit KI-Codierung verbunden, einschließlich der Entwicklung intelligenter Agenten, was ich nicht vorhergesehen habe. Ich dachte, dass wir vielleicht in diesem Jahr sehen würden, dass KI wirklich in tausend Branchen und Berufen eingesetzt wird, und vielleicht einige 2C-Anwendungen sehen würden, die ein wenig Hoffnung haben, neue Tencent, ByteDance oder Alibaba zu werden, aber heute sieht es nicht so aus, als ob eine neue Generation von 2C-Anwendungen aufgetaucht ist, die den gesamten Markt wirklich begeistert.

Die erste Generation von KI-Anwendungen, die 2022 und 2023 gegründet wurde, wird größtenteils durch Dialogwerkzeuge und emotionale Begleitprodukte wie CharacterAI repräsentiert, und viele haben bereits an Dynamik verloren, während die Branche in einen Wettbewerb um Produktgleichheit geraten ist. Das Nutzerwachstum ist nicht mehr so schnell wie in den letzten zwei Jahren, und das gesamte Wachstum war im vergangenen Jahr eher langsam. Wir haben intern zusammengefasst, dass das Kernproblem darin liegt, dass die Nutzerwachstums- und Traffic-Logik des Internets und des mobilen Internets im KI-Zeitalter nicht für 2C-Produkte funktioniert.

AI-Spielzeuge und AI-Kurzfilme sind Beispiele. Einige AI-Spielzeugunternehmen haben mehrere zehntausend Einheiten verkauft, aber 90 % der Nutzer werden die AI-Interaktionsfunktion nicht langfristig aktivieren. Das Unternehmen gibt zu, dass dies tatsächlich eine gute Sache ist, denn wenn zehntausend Nutzer alle hochfrequenten Dialoge führen und Token verbrauchen, kann das Unternehmen die Kosten nicht tragen. Bei AI-Kurzfilmen hat der Anteil an AI-Inhalten schnell zugenommen, aber es ist schwierig, echte Blockbuster zu produzieren.

Das zeigt, dass die Kurzfilmbranche auf einer skalierbaren Basis aufbaut, aber die Kernverwertung stark von Blockbuster-Werken abhängt, und derzeit kann AI noch nicht viele Blockbuster produzieren. Das zeigt auch, dass in der künstlerischen Ausdrucksweise und im Konzept der künstlerischen Schöpfung der menschliche Anteil sehr hoch ist und nicht einfach durch die AI-generierte, detaillierte Darstellung von Charakteren hochwertigen Inhalt unterstützen kann.

9. Im vergangenen Jahr hat die Videomodelltechnologie einen sprunghaften Anstieg erlebt.

Neue Generationen von Videomodellen, wie das weltweit erfolgreiche Seedance 2.0, verwenden die MoE-Architektur, was zu einer signifikanten Verbesserung der intelligenten Fähigkeiten führt. Es unterstützt jetzt bereits 4K-Auflösung. Daher werden viele Hollywood-Filme und große Markenwerbung von Coca-Cola und McDonald's teilweise oder vollständig von AI generiert, basierend auf den hochauflösenden Generierungsfähigkeiten des Modells.

In dieser Runde der Weltmodelle können Videos generiert werden, die die Bewegung von Objekten und Kollisionseffekte ermöglichen und die realen physikalischen Gesetze wiedergeben, was vor einem Jahr völlig unvorhersehbar war. Im vergangenen Jahr haben Unternehmen in diesem Bereich ein schnelles Wachstum erlebt, und die führenden Akteure lassen sich in zwei Kategorien einteilen: drei große Unternehmen weltweit, ByteDance Seedance, Kuaishou Keling und Google Veo; sowie Startups wie Shenshu Technology, Aishi Technology und Video Rebirth, deren Geschäfte und Einnahmen im Grunde alle ein zehnfaches Wachstum erreicht haben.

Jetzt nutzen Hollywood, die Werbebranche, Hochzeits- und Veranstaltungsunternehmen alle diese Technologien. Verschiedene Anwendungsfälle haben sich plötzlich vollständig geöffnet, und ich schätze, dass die kommerzielle Skalierung der Branche in diesem Jahr erheblich zunehmen wird.

10. Die Kernvorteile von Seedance, Keling und Google Veo 3 sind Rechenleistung und Daten.

Seedance, Keling und Google gehören zu einem Typ, selbst wenn Keling sich trennt, kann es weiterhin auf die Rechenleistung und Daten von Kuaishou zurückgreifen; die drei haben den Vorteil einer eigenen Rechenleistung, was sie im Vergleich zu Startups wie Shenshu Technology überlegen macht, während sie auch über gewisse Datenvorteile verfügen. Nach dem Upgrade des Videomodells müssen Training und Inferenz ebenfalls mithalten, und diese Unternehmen verfügen über Zehntausende bis Hunderttausende von Karten, was einen klaren Vorteil darstellt.

Ich glaube jedoch, dass es für Startups weiterhin Chancen gibt: Die Technologie ist noch nicht vollständig ausgereift, und Startups sind in Bezug auf Talent und Geschwindigkeit der technologischen Erkundung und Iteration nicht hinter großen Unternehmen zurück. Ich glaube, dass Keling sich für eine Trennung entschieden hat, um weiterhin Spitzenkräfte zu halten. Die zugrunde liegende Logik zwischen VC und Startups besteht darin, dass Startups zwar klein sind, aber über Anreizmechanismen und die Fähigkeit verfügen, alle Ressourcen zu bündeln, was in diesen beiden Punkten immer einen Vorteil gegenüber großen Unternehmen hat.

Der Markt wächst schnell, und nach der Skalierung wird die Arbeitsteilung feiner. Die kommerziellen Schwerpunkte der einzelnen Unternehmen zeigen bereits eine deutliche Differenzierung. Zunächst zu den Sprachmodellen: Die drei führenden Unternehmen in den USA haben unterschiedliche Nutzererfahrungen. Einige finden, dass die Chat-Erfahrung von Gemini besser ist, aber rein aus technischer und industrieller Konsenssicht hat OpenAI mit ChatGPT die größte Nutzerbasis und war das erste Unternehmen, das einen Dialog-Chatbot eingeführt hat, wobei viele Optimierungen auf Dialogszenarien ausgerichtet sind.

Wenn es um englische Dialogszenarien geht, ist die Flüssigkeit von ChatGPT weltweit führend; Gemini, unterstützt von Google, hat Zugang zu einer riesigen Menge an Online-Daten und konzentriert sich auf Informationsabruf und -organisation; Anthropic hingegen hat von Anfang an Vorteile in der Codierung und den Fähigkeiten von intelligenten Agenten, die sich bereits klar differenziert haben.

Die verschiedenen Unternehmen im Bereich der Videoerzeugung verfolgen ebenfalls unterschiedliche Ansätze: ByteDance konzentriert sich auf Endverbraucher, Keling auf B2B-Geschäfte, und unser investiertes Unternehmen Shenshu Technology fokussiert sich ebenfalls auf bestimmte B2B-Szenarien, was die Branchendifferenzierung deutlich zeigt. Die Anforderungen an die Modelleigenschaften unterscheiden sich auch erheblich zwischen B2B- und C2C-Szenarien.

11. Jetzt gibt es ein Risiko: Nachdem der Konsens über KI gebildet wurde, strömen große Mengen an heißem Geld herein.

Nachdem der Konsens gebildet wurde, strömt viel heißes Geld in den Sekundärmarkt. Derzeit gibt es nicht viele echte, harte KI- börsennotierte Unternehmen, und der Sekundärmarkt kann nicht viele Mittel aufnehmen. Es ist jetzt offensichtlich, dass das heiße Geld im Sekundärmarkt wieder in den Primär- und Sekundärmarkt fließt. Viele Unternehmen haben gerade eine Finanzierung abgeschlossen und benötigen eigentlich kein Geld, aber es gibt immer noch Institutionen, die bereit sind, die Bewertung um 50 % bis 100 % zu erhöhen und sofort eine weitere Investitionsrunde hinzuzufügen. Dieses heiße Geld hat einen großen Einfluss auf die Branche, da Unternehmen mehr Geld erhalten, als sie benötigen, was ihre strategischen Entscheidungen und den täglichen Betrieb stören kann. Aber ich kann auch die Unternehmer verstehen; wenn jemand bereit ist, eine höhere Bewertung und viel Geld anzubieten, ist es gegen die menschliche Natur, dies abzulehnen, und es ist schwer, das zu tun.

Kurzfristig ist dies vorteilhaft, langfristig wird der Markt jedoch sehr unruhig sein. Wie ich gerade sagte, gibt es jetzt fast zehn Unternehmen im Bereich der verkörperten Intelligenz mit einer Bewertung von über 20 Milliarden, und mehr als zehn Unternehmen mit einer Bewertung von über 100 Milliarden, die erst seit zwei oder drei Jahren bestehen, was an sich schon sehr unnormal ist.

So viele Unternehmen haben große Summen an Kapital erhalten und strömen in den Markt, was wahrscheinlich zu einer chaotischen Konkurrenz führen wird: Erstens steigen die Kosten für Rechenleistung, ein ursprünglich 3 Millionen teurer NVIDIA-Server wird auf über 10 Millionen hochgehandelt, was die Kosten für Rechenleistung in der gesamten Branche in die Höhe treibt; zweitens gibt es einen schädlichen Wettbewerb um Talente, die Gehälter in der Branche steigen; drittens gibt es auf der Kundenseite einen chaotischen Wettbewerb, da es keine ausgereiften kommerziellen Szenarien gibt, sodass alle versuchen, große Kunden zu gewinnen und sich nur im Umsatz zu messen.

Diese Phänomene werden langfristig die Entwicklung der Branche schädigen, und der Markt ist derzeit mit vielen irrationalen, enthusiastischen Verhaltensweisen überflutet.

12. Der Kapitalmarkt hat derzeit eine Art "mystische Verliebtheit" in junge AI-Entrepreneure.

Erstens haben die meisten Institutionen die Investitionsmöglichkeiten in große Modellunternehmen vor zwei oder drei Jahren verpasst. Die meisten Institutionen haben damals nicht investiert, weil sie keine Überzeugung in Bezug auf AI hatten. Zu Beginn dieses Jahres gab es jedoch einen Konsens über große Modelle, sodass viele Institutionen eilig nachinvestieren wollten, was dazu führt, dass neue Modellunternehmen von besonderen Kapitalgewinnen profitieren.

Zweitens waren viele überrascht, als DeepSeek auftauchte. Viele Medien berichteten, dass das Kernteam aus Doktoranden der Peking-Universität und der Tsinghua-Universität besteht und nicht aus "alten Hasen" der AI-Branche. Dadurch entstand der Eindruck, dass je jünger man ist, desto intelligenter man ist, und je intelligenter man ist, desto weniger historische Last man hat, desto erfolgreicher kann man sein. Viele Investoren glauben jetzt an junge Teams. Das bedeutet nicht, dass junge Teams schlecht sind; wir haben auch in sehr junge Teams investiert und viele Projekte gesehen. Ich sage nur, dass es sehr subjektiv ist, junge Unternehmer als Hauptkriterium für Investitionen zu betrachten.

Drittens sind in den USA einige neue avantgardistische Modell-Labore entstanden. Die Kernmitglieder der drei führenden Unternehmen im Ausland verdienen bereits Gehälter von über 10 Millionen Dollar. Einige talentierte junge Forscher wählen aufgrund des hohen Einkommens, das ihnen finanzielle Sicherheit bietet, den Weg, eigene Modellunternehmen zu gründen, was auch viele junge Menschen in China motiviert, es auszuprobieren.

Die Logik hinter dieser Welle ist verständlich, aber wenn wir einzelne Projekte bewerten, werden wir nicht einfach investieren, nur weil der Gründer jung ist. Wir müssen vor allem prüfen, ob die technische Ausrichtung des Unternehmens disruptiv ist oder ob sie eine zehnfache Verbesserung erreichen kann. Selbst wenn der Gründer nur Doktorand ist oder frisch graduiert hat und keine relevante Branchenerfahrung hat, werden wir umfassend Informationen sammeln, um die tatsächliche technische Stärke des Teams und die Wahl der Forschungsrichtung zu überprüfen und eine vollständige Bewertung vorzunehmen.

13. Je verrückter die Zeit, desto mehr sollte man aus der Geschichte lernen. Je mehr Lärm es gibt, desto wichtiger könnte philosophisches Denken sein, um die Dinge zu durchdringen und zu verstehen.

Für junge Unternehmen, die erst seit zwei oder drei Jahren bestehen, empfehle ich, die Geschichte zu betrachten. Je größer die Welle, desto mehr sollte man aus den Lehren der Geschichte lernen.

In großen Wellen - wie in der Internet- und Mobil-Internet-Ära - gab es ähnliche Situationen, nur dass die Dimensionen immer extremer wurden. Ende der 90er Jahre gab es viele Fälle, in denen Einzelpersonen Geld sammeln und innerhalb von zwei Jahren an die Börse gehen konnten. Aber letztendlich kehrt alles zum Staub zurück, und es wurde kein echter Wert geschaffen. Selbst wenn sie vom Kapitalmarkt verwöhnt werden, können sie letztendlich scheitern.

Deshalb, je verrückter die Zeit, desto mehr sollte man aus der Geschichte lernen. Je mehr Lärm es gibt, desto wichtiger könnte philosophisches Denken sein, um die Dinge zu durchdringen und zu verstehen.

Die Essenz der Investition besteht darin, dass wir in ein Unternehmen investieren, das in der Lage ist, in Zukunft zu skalieren, und wir durch IPOs und andere Formen eine Rückkehr auf unser Investment erzielen. Zum Beispiel würden wir in McDonald's investieren, aber niemals in ein Michelin-Stern-Restaurant. Selbst wenn ein Michelin-Restaurant sehr profitabel ist, wenn es nicht kapitalisiert werden kann und kein IPO als Multiplikator vorhanden ist, ist ein Ausstieg nicht möglich.

03 "Wenn die intelligenten Agenten in einem Jahr nicht erfolgreich sind, wird der Bedarf an Rechenleistung neu bewertet"

14. In diesem Jahr haben die großen Technologieunternehmen in den USA ihr Budget für AI-Rechenleistung von über 700 Milliarden auf über 800 Milliarden Dollar angehoben; in China liegt es bei etwa über 100 Milliarden Dollar.

Diese Statistik ist möglicherweise nicht vollständig genau, aber die Richtung ist klar: Dies ist die größte Nachfrage, die in der menschlichen Geschäftswelt zu sehen ist, die eine stärkere Gewissheit als im Robotikbereich hat und deren Umsetzungszeitrahmen näher ist.

Einige Beispiele: In den letzten Jahren haben alle an der Modellierung gearbeitet, aber bis jetzt wissen wir, dass der Bedarf an Rechenleistung und Inferenz bei ByteDance von 1:1 langsam zu mehr Inferenz übergegangen ist. Auch bei Zhiyu wird jetzt mehr Token verwendet. Wenn es das Wachstum der letzten Monate aufrechterhalten kann, wird die Inferenz-Rechenleistung sicherlich schnell steigen. Im Grunde genommen wird der Bedarf an Inferenz-Rechenleistung bei großen Technologieunternehmen wie ByteDance in zwei bis drei Jahren jährlich auf Millionen von Karten steigen. Das ist eine enorme Nachfrage, die sehr greifbar und real ist.

Daher ist der Marktbedarf für GPU-Unternehmen sehr groß. Selbst wenn GPU-Unternehmen in diesem großen Markt nur 1 % des Marktes erobern, bedeutet das, dass sie jährlich einen Umsatz von 10 Milliarden erreichen können, und die entsprechende Unternehmensbewertung kann leicht auf 100 Milliarden steigen. Aber der Markt wird sich zuerst diversifizieren und dann konsolidieren. China kann derzeit viele GPU-Unternehmen aufnehmen, aber in fünf oder zehn Jahren, wie viele werden übrig bleiben? Ich glaube, es wird sich definitiv konsolidieren.

15. Derzeit gibt es drei Hauptwege für inländische GPU-Unternehmen:

Die AI-Cloud-Chip-Unternehmen auf dem Markt entsprechen drei verschiedenen technischen Routen, wobei die letzten beiden erst im letzten Jahr entstanden sind und derzeit besonders aktiv im ersten Markt sind. Die erste Kategorie sind inländische GPU-Hersteller wie Birran Technology, Muxi, Moer Thread, Kunlun Chip, Cambricon und Huawei. Derzeit ist der entscheidende Faktor, wer die Produktionskapazität der inländischen Lieferkette erhalten hat. Derzeit können nur wenige Unternehmen eine kontinuierliche und stabile Lieferung in Aussicht stellen.

Aufgrund von Problemen mit der Lieferkette ist die Kapazität der fortschrittlichen Fertigung begrenzt, was zur Entstehung von zwei neuen Routen führt, die die zukünftigen Anforderungen an AI-Inferenz besser erfüllen können und auch die Probleme der Lieferkette umgehen können. Die beiden Routen sind 3D-gestapelte DRAM und DDR. Derzeit gibt es in den Unternehmen, die die 3D-gestapelte Route und die DDR-Route verfolgen, jeweils fast 10 Unternehmen, darunter viele führende Unternehmen, deren Bewertungen derzeit im Bereich von 10 bis 20 Milliarden liegen und die Finanzierungsvolumina sehr groß sind.

Die Logik, die hinter diesen Unternehmen steht, ist sehr einfach: Solange das Produkt in der Lage ist, in die Massenproduktion zu gehen, kann es sofort das Problem der Kapazitätsversorgung lösen; zweitens gibt es einen enormen Wachstumsraum im zukünftigen Inferenzmarkt, sodass diese Unternehmen immer einen entsprechenden Marktanteil erhalten können.

16. Die Erwartungen des Marktes an den Bedarf an Rechenleistung schwanken weiterhin, was alarmierend ist.

Das größte Risiko für den gesamten Markt ist, dass es vor ein paar Tagen bereits einen Schock gab, als Berichte auftauchten, dass Meta einen Teil seiner überschüssigen Rechenleistung verkaufen wolle. Diese Nachricht wurde nicht von Meta offiziell veröffentlicht, und der Markt begann sofort zu zweifeln, ob alle vorherigen Branchenprognosen falsch waren. Als die Nachricht herauskam, brach der südkoreanische Aktienmarkt sofort zusammen, die Aktien von Samsung und SK Hynix fielen stark, und die entsprechenden Hongkonger und A-Aktien fielen ebenfalls.

Wenn die AI-Anwendungen in Zukunft nicht in der Lage sind, ein kontinuierliches explosionsartiges Wachstum aufrechtzuerhalten, zum Beispiel wenn sich die Agentenentwicklung in einem Jahr nicht verbessert, die Kommerzialisierung nicht auf ein höheres Niveau steigt oder die Modellfähigkeiten nicht weiter verbessert werden können und nur auf dem bestehenden Niveau bleiben, wird das gesamte Anwendungsspektrum nicht erhöht werden können, und die Erwartungen an das Wachstum der Rechenleistung werden gebrochen, was zu einem Konzentrationsrisiko auf dem Primär- und Sekundärmarkt führen wird.

17. Der Unterschied zwischen inländischen hochmodernen AI-Chips und NVIDIA liegt zunächst im Software-Ökosystem.

Derzeit werden für die Modellierung hauptsächlich NVIDIA-Karten verwendet, und alle Modellierungssysteme basieren auf dem CUDA-Ökosystem. Um effizient und kostengünstig Inferenz zu betreiben, muss man mit CUDA kompatibel sein. Das ist nicht nur ein Problem für chinesische Unternehmen; auch AMD hat in diesem Bereich seit ein oder zwei Jahrzehnten gekämpft.

Es gibt jetzt einige Veränderungen: Erstens, im Vergleich zur AI 1.0-Ära haben die Algorithmen für große Modelle eine höhere Konvergenz, sodass die Optimierung von Operatoren etwas einfacher ist und die Anpassungsbarrieren, die durch CUDA entstehen, gesenkt werden können. Zweitens hat sich in den letzten sechs Monaten die Fähigkeit zur Programmierung von großen Modellen verbessert, sodass jetzt alle nicht-NVIDIA-Chiphersteller große Modelle verwenden, um automatisch Operatoren anzupassen. Aber bis jetzt bleibt das CUDA-Ökosystem nach wie vor die größte Wettbewerbshürde für NVIDIA.

Auf der Hardware-Ebene wurde über viele Jahre gesagt, dass wir in der fortschrittlichen Stromversorgungstechnologie eine Generation hinter TSMC zurückliegen, die Anzahl der Transistoren auf den Chips geringer ist, und um die gleiche Rechenleistung zu erreichen, muss die Chipfläche vergrößert werden, was die Kosten erhöht und den Kühlungsdruck ebenfalls erhöht, was eine Kettenreaktion auslöst. Einfach gesagt, unsere aktuellen hochmodernen Chips sind im Vergleich zu NVIDIA mindestens eine Generation im Rückstand.

Haftungsausschluss: Dieser Inhalt wird nur zu allgemeinen Marketing- und Informationszwecken bereitgestellt und stellt keine finanzielle, Anlage-, Rechts- oder Steuerberatung dar. Alle Events, Prämien, Online-Aktionen oder zugehörige Informationen sollten nicht als Empfehlung, Aufforderung oder Einladung zum Kauf, Verkauf, Handel oder anderweitigem Umgang mit Krypto-Assets oder zur Nutzung von Services betrachtet werden. Krypto-Assets sind sehr volatil und können zu Verlusten führen. WEEX Services und Online-Aktionen sind möglicherweise nicht in allen Regionen verfügbar und unterliegen geltenden Gesetzen, Vorschriften und Berechtigungsanforderungen. Sie sind dafür verantwortlich sicherzustellen, dass Ihre Nutzung von WEEX Services mit lokalen Gesetzen übereinstimmt, und sorgfältig die Risiken vor der Teilnahme an Krypto-bezogenen Aktivitäten zu bewerten.