硅谷的AI热潮十分高涨,其中在走访的AI项目中,有近半数是中国出海项目; 华人背景的创业者尤其对机器人赛道更感兴趣; 硅谷的投资人开始关注国家安全、供应链安全相关的项目了。





-
在以GPT为主流技术架构的路线中,短期内很难出现技术栈分层,OpenAI定义的GPT商店生态里,平台自身通过预训练语料的积累, 已经具备了相当大的内容和流量获取能力, 这样上层应用的空间就被大大挤压。即便是使用RAG等复杂的检索、编排技术来整合私有数据,最终核心价值仍来自GPT自身。To C端应用容易被OpenAI自身的新版本所覆盖,To B端应用则可能出现一些交付服务公司,但长期来看,这些公司都不太具备核心竞争力,Perplexity被Lepton.AI的500行代码基本重现便是一个印证。
-
另外,基于开源模型的微调很难做出较好的效果,团队认为,由于技术栈分层短期内难以实现,LLM仍旧严重依赖技术栈的垂直整合,在此背景下,我们应该继续聚焦应用层创新,但技术栈必须下沉,关注“有基座大模型算法能力的垂直整合应用层公司”。




