大模型和智能体方向的AI创业-三个关键建议供大家参考

推荐语

AI创业领域专家深度解析，洞见行业机遇与挑战。

核心内容：
1. AI创业应聚焦上层应用而非底层模型
2. 数据训练选择：公开数据优于私有数据
3. 行业洞察与业务专家合作的重要性

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

前天我刚好去拜访一个创投机构的负责人，本来是聊一些项目合作方面的事情，所以聊着聊着自然而然又聊到了最近火热的AI创业。

这个负责人也说在年后以后他基本上每周都要去见2~3波关于AI方面的创业团队，听他们讲相关的产品，解决方案或者是商业计划书。所以说他我2~3个小时聊下来以后，就感觉这个负责人其实对AI创业这个市场其实是有很深的洞察力，包括他自己的一些深刻的理解。

为什么这样说呢？

因为虽然说很多创投机构也在心急火燎的去找好的关于人工智能的创业项目，但是创投机构它本身的钱它也不是白捡来的，所以说相对来说他们去选AI创业团队的时候仍然是相当慎重。再说得直白点，及时现在AI和DeepSeek足够火，创业团队要在人工智能方向争取到创投机构的投资也不是一件容易的事情。

今天这篇文章就把我和创投机构谈到的一些关于AI创业方向的一些关键思考进行整理，重点体现在如下三点，供大家参考。

1. 卷底层模型还是卷上层场景？

第一个点就是，对于AI创业团队，你不要太去内卷底层的技术，底层的大模型，而是更多的应该把它重心放在上层的AI智能体应用上面。

有些创业团队可能会感觉我的技术底层很牛，但是你要去做底层的大模型，包括你做大模型算法的一些优化，其实会花费你大量的成本和较长的一个时间周期。

在年后DeepSeek大火以后，可能会给大家一个错觉就是做底层大模型或算法优化并不是太难。但是实际这个事情仍然具备相当大的难度，即使是站在巨人的肩膀上，你也需要大量的时间的积累，成本和人员的投入。包括大家看到DeepSeek火了，实际对于幻方团队本身在这个方向就已经有相当长时间的算法和技术的积累。

而且，你如果将重心放在做底层模型或算法优化，你面对的都是巨头们的竞争。比如你在做通用模型，别人已经在做深度推理模型。你做出了R1版本，可能类似DeepSeek已经发布最新的R2版本。你一直走在追赶，实际很难超越。而且你会发现你大量前期的技术研究成果，到了后面往往一钱不值。

所以你不要去内卷底层的模型，你更多的应该去做上层的面向行业的AI智能体应用，但是这个就需要你对某一个行业某一个细分的业务领域有深刻的洞察。

也就是要做好AI智能体或AI应用也没有这么简单，这个难点根本不在智能体开发等技术方面，真正难的是你要有懂某个行业，懂细分业务领域的业务专家跟你一起来做这个AI应用。只有这样你才能够把业务专家很多原来历史的经验高度的浓缩到你的智能体应用里面去，这是我想说的第一个关键点。

2. 数据训练-公开数据还是私有数据

第二个关键点就是AI创业在选择相关的产品或者是方向的时候，一定要选择你在互联网能够很容易获取到数据，去做你模型训练和调优的方向，而不是要太去找太多获取数据很困难的细分行业的私有数据方向。

类似于医疗行业，类似于政务行业，交通大数据这些行业。其实这些行业本身它对于人工智能的应用的需求也相当广，但是这个往往不是AI创业团队比较好的方向选择。

因为这些方向你要去获取到这些私有数据相当的困难，你获取不到私有数据，你就很难对模型进行很深刻的预训练或者是调优，反而是类似于我们经常说的，类似于上市公司它本身的财务报表分析，类似于我们说智能教育方面的智智能的一些课件的生成制作，这反而是一些好的方向。

因为你要获取这一些公有的数据相对来说容易很多，在我们方向选择完了以后，我们更要意识到，我们有时候又在谈大模型，有这有时候又在谈上层的智能体。大模型往往是底层的骨架，而智能体本身才是上层的血和肉，我需要的不是简单的底层骨架，而是我是需要有一个有血有肉的这么一个东西。你如果开发智能体只是简单套壳，那跟一个类似皮包骨头的人站在你面前有啥区别？

这也是我谈到的第二个关键点，即要做出好的AI智能体或面向垂直行业的AI应用，除了业务专家外，你还需要方便的能从互联网获取到数据，通过数据去训练你的应用，将训练出来的规则经验融入到智能体里面，作为智能体外挂的核心知识库。

3. 方向选择-究竟是蓝海好还是红海好？

第三个关键点就是我们很多时候AI创业，老是想去找一些新的方向新的蓝海，但是很多时候原来竞争比较激烈的红海，有可能反而是你可以去关注的方向。因为如果这个这个细分的方向是红海，至少说明这个细分的方向别人已经帮你探明道路了，它是有极大的市场空间和市场需求的。

那么在这些红海方向，你仍然可以把一件事情做到极致，类似于我原来经常讲过的一个例子。

比如说自然语言查询ChatBI这么一个方向，包括去年6月份我到华为松山湖去开相关的华为云的大会也在讲，华为也有类似的自然语言转SQL的这么一些产品，但是准确度可能只有90%。

还有类似于我们在生产制造领域，我们去做生产数据的质量分析和缺陷预测，现在也有大量采用了AI大模型的，但是准确度可能只有85%。

那么如果在这些细分的行业，细分的方向，你能够把准确度做到95%或者是99%，让他足够的可以去商用，那么这个产品仍然是具备相当大的意义和市场推广的价值。

所以究竟选择蓝海还是红海，一定要结合实际情况具体问题具体分析。如果自认为自己技术足够牛，反而选择已经经过市场验证的红海市场反而更加容易出成果，并快速推广。

好了，关于今天要谈的关于AI创业方面的三点建议就分享到这里。