1， $英伟达(NVDA)$ ：巩固硬件霸主地位 NVIDIA在AI硬件层面无疑处于领先地位，凭借其核心业务领域的深厚基础，继续主导市场。此外，NVIDIA正在扩展其在AI模型层、云托管和机器人等领域的业务，试图在这些新兴市场中占据一席之地。 3， $特斯拉(TSLA)$ ：从移动到AI的全面渗透 Tesla不仅在移动领域通过其自动驾驶技术（FSD）保持核心地位，还在AI硬件、模型层和社交等领域扩展业务。特别是Tesla的Neuralink和Optimus机器人项目，展示了其在元宇宙和机器人技术方面的野心。 3， $微软(MSFT)$ ：强化软件与云计算 作为企业软件和云托管领域的巨头，Microsoft继续巩固其核心业务，同时在AI硬件层（通过OpenAI的合作）和搜索引擎（Copilot/Bing）方面进行扩展。 4， $Meta Platforms(META)$ ：深耕元宇宙与开源AI Meta在元宇宙领域的投入不言而喻，其核心业务包括Quest等虚拟现实设备。同时，Meta在AI模型层面采用开源策略，试图通过开放平台吸引更多开发者。 5， $谷歌(GOOG)$ ：全面布局，驱动创新 Alphabet在AI硬件（TPUs）和模型层（Gemini）等领域均有重要布局。作为搜索引擎的领导者，多个项目则展示了其在社交和移动领域的核心业务。此外，医疗保健（Verily）和金融

2024年5月，人工智能行业迎来了一个历史性月份，全球AI初创企业共筹集了超过125亿美元的资金，刷新了AI领域的单月融资记录。 在这一轮融资浪潮中，马斯克的xAI以60亿美元的B轮融资额领跑，估值达到了240亿美元，全球范围内仅次于OpenAI，位列第二。 xAI的旗舰产品Grok自2023年11月发布以来，已经推出了多个版本，包括支持长文本的Grok-1.5版本，具备图像理解能力的Grok-1.5V版本，以及开源的Grok-1。 紧随xAI之后的是CoreWeave，11亿美元的C轮融资额位居第二，估值达到190亿美元，位列全球前四，与Anthropic估值接近。 CoreWeave是一家为AI工作负载提供专业GPU云服务的公司，号称英伟达的“亲儿子”，预期今年收入将达到24亿美元。 Wayve则以10.5亿美元的C轮融资额位列第三，该公司利用人工智能技术使车辆实现更高级别的自动驾驶自动化。Wayve的“Embodied AI”技术旨在无需地图，通用于任何车型，这一创新技术有望推动自动驾驶行业的发展。 Scale AI以10亿美元的F轮融资额紧随其后，估值达到了138亿美元。创始人为95后华裔天才Alexander Wang，Scale AI是一个为AI模型训练和部署提供数据标注的平台，公司预计将在今年实现14亿美元的年度经常性收入，并预期将实现盈利。 此外，还有些正在融资但尚未官宣完成的明星项目，比如AI 搜索引擎 Perplexity 正进行2.5亿美元的第四轮融资。公司最新估值高达 30 亿美元，比今年早些时候的估值提升三倍——不久前该公司宣布完成B1轮融资，估值为10.4亿美元。 Suno AI，Motional、DeepL、Vercel、H以及The Bot Company等其他几家公司也分别完成了数亿美元的融资，涵盖了音乐生成，自动驾驶、语言翻译、前端云平台

AI大模型的正在以前所未有的速度迭代产品——当然，融资也没落下。 9月末，OpenAI完成了最新一轮66亿美元的融资，公司整体估值来到了1570亿美元，在未上市的独角兽公司中，仅次于估值2250亿美元的字节与2000亿美元的SpaceX，大约是芯片巨头英特尔市值的2倍左右。 几乎同一时间，OpenAI最大的竞争对手Anthropic也被曝出正在以400亿美元估值进行新一轮融资。 随着融资的推进，两家公司的财务数据也被不少媒体曝出——他们的数据可以视为全球AI大模型公司的天花板。 先看OpenAI，消息称截止今年8月OpenAI的年化收入约为36亿美元，2023年底的收入只有16亿美元，据早些时候OpenAI自己的预测，2024年收入总额是37亿美元（显然过于保守了），不少机构预测，2024全年OpenAI的总收入将超过50亿美元，同比2023年增长225%左右，2025年收入将达到116亿美元，收入增长213% 在收入分布上：ChatGPT的订阅收入为27亿美元，占比超过70%，同比增长285%，用户层面上，ChatGPT有1000万Plus订阅用户和约100万更高价位的企业用户。API 收入10亿美元（约占27%），同比增长超过200。 50亿美元收入的背后，OpenAI预计在今年会录得50亿美元的净亏损，有机构预测其API业务的毛利率约为50%，而大部分亏损来自于运营成本（如研发）和ChatGPT业务。 再看看Anthropic，预计到2024年底Anthropic的年收入将达到10亿美元大关，2023年底这一数字约为1亿美元，不过对比来看Anthropic的收入也只有OpenAI的1/5左右。 收入分布上，与OpenAI占比超过70%的ChatGPT不同，Anthropic的收入主要来自API业务，尤其是通过亚马逊等第三方API，这部分占比在70%左右，直接调用API

1，先说说AGI概念：全球众多顶尖AI实验室致力于开发人工通用智能（AGI），必须说明的是——这是个含义广泛且模糊的概念，它可以指代从“超越人类的机器神”到“在任何任务上都超越人类的机器”。 2，关于AGI的共识与分歧：大多数计算机科学家认同AGI的可行性，但在实现方法和时间上存在分歧。2023年的一项调查显示，专家们预计2047年为实现AGI的中位数年份，但也认为有10%的可能性在2027年之前实现。 3，AI的现状：尽管AI在某些特定任务上已经展现出超越人类的能力，如辩论、情感评估和创业点子的生成，但AI的能力分布不均，甚至在单一任务中也是如此。 4，AI能力测试：OpenAI在发布GPT-4时，通过与GPT-3.5的对比测试，展示了AI的显著进步。但这些测试可能存在误导性，例如测试题目可能已包含在AI的训练数据中，导致AI能够“预先记忆”答案。 5，AI能力发展趋势：通过MMLU测试，我们可以观察到AI能力随时间的增长趋势。大型语言模型（LLM）的规模越大，其性能越好，迅速超越了业余水平，接近甚至超越了专家水平。 6，AI能力的限制：尽管AI在某些任务上表现出色，但它们在其他任务上可能表现不佳。AI的能力提升可能迅速达到超人水平，但这并不意味着它们能够完成所有相关工作。 7，AGI发展的层次： 第1层：全能AGI，能完成任何任务都超越人类。 第2层：弱AGI，能在某些特定工作中超越人类专家。 第3层：专业聚焦智能，AI在特定领域超越人类专家。 第4层：共智能，人类与AI合作，通常能取得更好的成果。 8，无论如何，AI在特定领域的能力提升预示着行业的重大变革——尽管真正的AGI路径仍不明确，但更广泛的认知革命正在进行中，其影响将是深远的，当然，如果进入AGI时代，很可能我们会发现这个社会，乃至我们自己——只是被模拟的而已。

30亿美元估值的Perplexity是一级市场里估值最高的AI应用公司之一，简单点来说，是换个典型“套壳”产品——没有底层的大模型能力，只做根植于模型之上的产品。 AI搜索是过去一年为数不多被验证的原生AI产品，外部得到的数据是，Perplexity目前2000万月活跃用户，预计年内达到1亿MAU与1亿美元ARR。 与Perplexity类似，liner, phind, globe, 秘塔搜索，360 AI搜索等，都是这一代AI搜索的典型，另一方面，包括小红书等内容平台也都在这个方向上做探索，相比于给用户一堆链接与答非所问的同质化信息，直接给出答案似乎是更好的选择。 AI搜索核心是RAG，即“检索增强生成”，大概分三个步骤： 根据用户搜索内容调用各大搜索引擎 API，获取结果 设置提示词，把检索结果作为挂载上下文； 整合答案，标注引用来源，给出用户结果。 如果你足够关注这轮GenAI，对于这家公司在媒体上更多看到的是褒扬，但追溯其商业逻辑本质，你可以发现它是个名副其实的“AI大盗”，以下部分观点来源于《The Verge》。 有关答案引擎？The Verge认为公司正通过“不道德”的手段试图在信息搜索领域取得突破，创建一个与谷歌搜索竞争的“答案引擎”。 Perplexity的商业模式弊端：作为信息的“中间商”，Perplexity利用了高质量信息源，直接提供直接答案而非链接，从而截取原本属于信息源的广告收入——这对原本可以通过展示广告获取收入的信息源影响很大。 侵犯版权问题：Perplexity通过绕过付费墙，使用Forbes等媒体的调查报道内容，却很少引用原始来源，甚至使用原图，这构成版权侵犯。 忽视robots.txt：Perplexity无视网站设置的爬虫协议，继续抓取内容，要知道有些站点设置此内容就是为了不被搜索引擎收录，比如淘宝早期就不允许百度抓取其商品内容。 信

在过去的一年里，生成式AI在内容创作方面的能力吸引了大部分的关注：AI模型可以瞬间创造出以你的吉娃娃为主角的皮克斯式短片，或者制作出你从未想过的Drake与Kendrick Lamar的互相攻击的说唱。然而，受到较少关注但同样有价值的是生成式AI在商业用途中的内容创作——营销。 营销特别适合采用生成式AI，因为它是一种迭代的、创造性的、动态的实践，依赖于推动大语言模型（LLM）发展的各种媒体——文本、图像、视频——这也是为什么许多B2B生成式AI的首批用例是用于营销的原因之一。 此外，成功的营销计划和资产并不一定有单一的“正确”解决方案。这使得营销与金融科技不同，后者的用户期望对查询有单一、正确的答案，并且对准确性的要求更高。而且，与销售不同，营销并不依赖于与客户建立细致入微的人际关系——尽管在AI驱动的销售开发代表的世界中，这可能会变得更容易。 与此同时，公司对营销的看法也在改变。随着人们花时间在越来越分散的地方，客户变得越来越难以接触到。营销人员正在寻找方法，以可扩展的方式创建个性化的活动和信息，以便在人们所在的地方与他们见面。然而，营销团队经常被孤立，使用的工具也不同，经常无法协同工作。基于生成式AI的软件可以并且已经在帮助弥合这一差距。 我们已经开始看到这一转变的经济影响。根据最近的麦肯锡报告，生成式AI在营销和销售中的应用每年可以带来约3.3万亿美元的全球生产力，而全球支付公司Klarna最近表示，通过使用生成式AI生成图像并减少对外部营销合作伙伴的依赖，每年节省了1000万美元的成本。但这种演变才刚刚开始。 在我们看来，生成式AI在营销中的应用演变可以分为三个不同阶段：开发营销副驾驶、引入营销智能体，以及最终自动化营销团队的崛起。下文详细分析每个阶段： 开发营销副驾驶 AI营销的第一个阶段（我们目前正处于这一阶段）是让营销人员使用生成式AI作为他们的营销副驾驶（