在寻找大模型的落地场景的时候，以埃森哲为代表的咨询公司成为了AI“卖水人”，成为在这轮生成式AI浪潮中最赚钱的公司之一。根据埃森哲2024财年的财报，由生成式AI带来的新增订单金额已达30亿美元。在国内，字节、阿里和智谱等基座大模型供应商也扮演了类似的角色。

本期《硅谷101》我们邀请了大模型领域的投资人和创业者，探讨大模型应用落地的挑战，以及尝试从“人工智能”的定义出发，聊聊投资人眼里应用类公司的核心竞争力。

【主播】
泓君Jane，硅谷101创始人，播客主理人
【嘉宾】
邱谆 (Jonathan Qiu)，华映资本海外合伙人
翟琦 (Keith Zhai)，AgentQL联合创始人

【你将听到】
大模型应用之困
05:09 创业者心态：范式革命到来时不需要思考要做什么，只需要开始做
08:45 投资人心态：纯应用没有护城河，需要垂直整合底层模型
11:29 创业公司商业化掣肘：有没有私有化的数据？
14:32 缺失的中间层：大模型时代的操作系统尚未出现
17:40 模糊的边界：回答问题的是底层大模型，还是上层的应用？
18:33 Notebook LM和Perplexity：短期靠产品力，长期靠数据和底层模型
24:10 “所有应用公司最后都会去拼自己的模型”
26:25 市场上的两类公司：赚钱的公司与投资人眼中的好公司
28:25 重新理解人工智能与三个关键人物：Alex Krizhevsky，李飞飞，吴恩达
35:49 获取数据是互联网领域的脏活儿
45:33 创业公司如何跟OpenAI拼底座训练：聚焦在垂类
49:12 Devon的教训：“见光死”应用遍地都是
50:46 大语言模型的另一个幻觉：误把生产工具当成了生产力本身
52:29 多模态产品的护城河：不依赖通用的底座模型
“埃森哲们”的挣钱之道
54:51 美国公司的AI应用：吆喝大，落地少，有事先找咨询
57:05 基础建设不完善让埃森哲吃到大量AI红利
01:02:13 “埃森哲杀不死埃森哲”：脑力密集型公司很难转型成功为中间层
01:04:17 如果某个基层建设环节能实现交钥匙工程，整个生态就会被打开
01:14:14 做基础模型的公司也会抢埃森哲的生意
01:17:12 RAG和微调的数据悖论：数据越多反而越难算出答案？

*数据说明：
56:06 此处嘉宾提到的“埃森哲营收”应为“由生成式AI带来的新增订单金额”，具体数据请参考埃森哲财报

【监制】
杜秀
【后期】
AMEI
【BGM】
Cold and Blue - Roy Edwin Williams
Looking for Sisters - Daniel Fridell

【在这里找到我们】
公众号：硅谷101
收听渠道：苹果｜小宇宙｜喜马拉雅｜蜻蜓FM｜网易云音乐｜QQ音乐｜荔枝播客
海外用户：Apple Podcast｜Spotify｜TuneIn｜YouTube｜Amazon Music
联系我们：podcast@sv101.net

Special Guests: Keith Zhai and 邱谆.