界面新闻记者 | 伍洋宇

界面新闻编辑 | 文姝琪

在中国AI大模型创投领域，不同投资人对于模型层和应用层的价值判断并未形成共识 ，甚至在某种程度上是对立的。

这种情形同样存在于美国 。在硅谷
，有一只早期基金Fusion Fund，在8年前就坚定选择成为To B（企业端）方向的价值投资者 ，原因是这里有全球最大最成熟的B端（企业端）市场
。 

Fusion Fund创始合伙人张璐自身就是一名连续成功创业者。她毕业于斯坦福大学材料科学工程学院
，在卖掉自己创办的医疗器械公司后，成立了这家基金 。

投身VC领域的近十年 ，Fusion Fund募集管理了4期基金
，平均每年出手7-10个项目
。这些项目绝大部分与To B领域的AI应用有关，包括AI搜索工具LeptonAI ，AI驱动的音频转录公司Otter.ai
，以及专注于开发时的工具及基础设施Paperspace等等。

张璐坚信AI应用在To B方向的价值 。“在我看来，美国是全球最大且最成熟的B端市场 ，拥有最先进的技术和最佳的Go-To-Market机会
。
”这在很大程度上与美国企业端销售的高付费意愿有关，这是与中国市场之间的重要区别。

至于Fusion Fund从不涉足的C端（用户）市场 ，张璐认为
，至少在美国，这实际上不是OpenAI和Anthropic等初创公司的战场 ，而是背后的微软
、亚马逊和谷歌等巨头的竞争 。

她指出
，从历史规律来看，大部分的技术创新所经历的周期 ，总是从基础技术创新
，到技术应用创新，再到商业模式创新
。而前两个阶段大概率会以To B方式率先在产业里进行多轮验证 ，才会演进成为To C的重大机会。

作为一位需要在硅谷同时进行领导与竞争的华人女性
，身份曾是张璐在行业中的显著标签 。但从几年前起，关于她个人的讨论逐渐减少 ，更多的焦点转向了Fusion Fund所带来的行业洞见。“这与评判初创企业的思维很相似，”张璐说
，“关键在于你做成了什么事情
。 ” 

Fusion Fund的一项杀手锏是其2018年建立的Fusion CXO网络，集结了45个来自全球500强企业的高管 ，为初创企业提供高效的资源和订单支持。此外
，张璐还着手搭建了Fusion Expert Network（专家网络），覆盖近30位工业领域专家 ，为团队提供深入的行业洞察 。 

这些都是她保证团队项目源质量及出手命中率的重要支撑
。

尽管主战场在美国
，但张璐也始终关注着中国科技创投生态的发展。

过去一两年，来自中国市场最让她感到惊喜和兴奋的 ，是商业航空航天领域的进展 。“对于年轻一代来说
，这是一个未来的巨大市场，
”张璐说 ，“而且如果开放给更多的民营企业参与其中
，必定能更好地推动创新
。”

以下为界面新闻对张璐的采访实录，略作编辑：

“如火如荼 ，并且是大面积的如火如荼 ”

界面新闻：在过往的AI投资中你有密集出手的时候吗？整体的投资节奏在今年有没有发生什么变化？

张璐：我们还是蛮平均的，去年投了9个项目
，平时一年大概投7~10个项目，所以去年算是投得比较多 ，今年到现在也已经投了8个项目了。

我们主要聚焦于B端的应用
，主要是人工智能在医疗、金融 、保险等垂直领域的产业应用，以及人工智能基础设施 。我们不投任何的C端项目 ，之前也没有投过
。

界面新闻：过去8年中
，B端的机会有哪些趋势能总结？

张璐：早期的时候我们投一些垂直领域的AI应用，比如说Otter.AI ，Paperspace
，你会发现他们无论是做应用还是做人工智能基础设施，主要服务的对象还是科技领域的企业 ，或者说科技领域的从业者和开发者群体。

但是在最近这两三年
，很多垂直领域的人工智能应用，它服务的是传统行业
、非科技领域 ，如金融、保险 、物流
、供应链、医疗等行业 。它们本身的技术属性没有那么强，或者说之前对于人工智能的认知没有那么深入
，但过去这两年他们加速了AI技术的学习 、植入及应用探索
。这可能是过去8年的一个显著变化。

相当于以前更多是科技领域的自我发展与AI应用，而现在则是全产业的数字化转型 ，这也是为什么我说现在是一个大时代
，是一个好机会 。

界面新闻：全产业的机会来了，底层原因是技术上的进步吗？还是说也有别的结构性变化？

张璐：这个问题特别好 ，因为很多人认为是技术终于“准备好
”了
，其实并非如此。技术实际上早已准备好了一段时间，真正关键的是产业是否准备好了
。

人工智能核心应用的一个前提就是数据。行业是不是有海量的高质量数据 ，这是第一要义 。在此基础上
，才能够造就让大家觉得便宜好用，真正能够解决问题的人工智能解决方案
。

早在2017年 ，就有一波关于人工智能在C端应用的讨论。我当时公开发过一个报告
，关于人工智能在医疗领域应用，我当时认为 ，人工智能技术还没有发展到能够在C端展示其优越性的时候 。

但如果看医疗领域，它已经有海量的高质量数据
，有巨大的数字化转型需求，尤其在美国 ，医疗行业的数字化已经做得很好了
。因此人工智能也需要医疗领域来体现其技术优越性。这是我当时的看法
，后来证明是对的，我们从2017年开始就重点投资人工智能在医疗领域的应用 。

界面新闻：所以产业为什么现在准备好了？

张璐：有一个比较重要的原因是 ，过去几年疫情推动了很多传统行业的数字化转型
。大家逐渐意识到
，很多科技行业已经广泛采用了数字化工具——远程会议
、智能化解决方案等，但传统行业却相对滞后。随着疫情的爆发 ，各行各业都必须开始使用数字化工具来适应远程工作 。

疫情让各个行业
，无论主动还是被动，都加速了数字化转型
。例如 ，许多工业制造业的公司
，过去工厂是半自动化的，但因为疫情期间需要持续生产口罩和呼吸机 ，员工无法回厂，工厂被迫转向全自动化。这些转型都是在疫情压力下发生的
，但也为后续的AI应用打下了坚实的基础，尤其是为收集海量高质量数据提供了可能 ，从而为人工智能的进一步应用创造了条件 。

在疫情之后
，又发生了一件关键事件——ChatGPT的出现。它为全社会进行了一次大规模的人工智能教育，让大众突然意识到人工智能已经变得触手可及
。

我们从2016年就开始投资AI公司 ，当时有一个理念叫“零代码人工智能平台”（No code AI）
，就是你不需要理解一行代码就可以直接用这个AI产品。ChatGPT让大家意识到了这个概念真的存在 。

界面新闻：这种机会在医疗、金融和保险这些行业率先被验证了？

张璐：已经被验证了
。我们前几年投的一些垂直领域人工智能公司，现在收入做得最好的已经到几十亿美金。所以不是大家想象的现在刚刚开始 ，而是有很多走得比较快的垂直领域AI公司已经做出来了
，并且还有一些新的应用场景正在被发掘 。

所以To B在美国现在是如火如荼，并且是大面积的如火如荼
。 

界面新闻：中间有一个爆发的节点吗 ，还是总体平稳上升
，但相对比较陡的一条曲线？

张璐：确实比较陡，因为去年年初ChatGPT给全产业做了一个人工智能的教育 ，而我们投的很多公司，它是做垂直领域小模型
，针对细分行业应用，但是这些细分市场量级又足够大。

大家如果对于To B不熟悉的话 ，总是想象不到它的产业量级有多大 。美国的医疗行业是美国GDP的20%
，是全世界最大的医疗市场，没有任何一个其他行业市场规模可以跟它相比
。美国的保险行业是7万亿美金的市场 ，这也是一个巨大的亮点
，金融行业就不用说了，全世界最大的金融行业产业就在美国。 

包括现在崛起的机器人产业 ，因为跟物流供应链制造生产相关
，还有太空科技，SpaceX所在的太空经济产业大概是一个10万亿美金的市场 。整个太空领域的发展带来的卫星数据等等 ，都是海量的产业机会
。 

界面新闻：到这个阶段
，你觉得整个美国的B端AI产业改变的机会，还会是一个由技术驱动的机会吗?

张璐：其实 ，这取决于你怎么定义技术。技术可以是如何优化大模型，也可以是怎么做小模型
，把它做精 、做低成本 。 

但这并不是简单地更换一个语言模型就可以了，背后更多是架构设计（architecture design）。另外 ，还有一个很重要的因素是产业数据——能否获得核心的高质量产业数据
。数据质量越高
，需要的数据量就越少。数据量少，意味着对GPU算力的需求更低 ，能耗也会减少
，最终产品的成本也会更低 。

因此，数据是至关重要的
。虽然你可以将其视为技术的一部分 ，也可以不这么看
，但它无疑是当前B端应用的核心所在。

不过，我要强调一点 ，虽然AI现在已经如火如荼了
，但我们还没有进入到乐章最高潮的部分，或者说交响曲最漂亮最华彩的地方 ，我们现在才刚刚开始 。

所以接下来这三五年会有更多
、更快的人工智能的发展
。现在聊的很多都是生成式AI，语言模型
，但还有很多新的模型涌现。现在的讨论大多集中在如何在GPU层面建立AI模型的应用，但未来不一定只有GPU ，还会出现其他技术革新 。

界面新闻：你说还没有进入到最高潮的部分
，做这个判断的依据是什么？

张璐：现在的人工智能应用还是初期，才刚刚两年时间
。最开始 ，可能是公司的一个部门在用
，接着是一个大企业在用，再扩展到整个产业。最初可能只有一个应用在使用 ，随着时间推移
，各种不同的应用开始广泛使用 。

这一过程可能至少需要三年的时间
。就像部署一个新软件一样，它首先从IT部门开始应用 ，接着扩展到HR部门
，最终覆盖到全公司。这是个逐步推进的过程 。 

中国在C端创新有优势，而美国有最好的B端市场

界面新闻：在中国市场 ，投资人关于基础大模型和AI应用层的价值判断存在割裂，有时候两方观点可能完全对立
，在美国市场现在的情形是怎么样的？大家有没有形成一个共识？

张璐：没有形成共识，但是美国市场和中国市场也是非常不一样的。美国的To B市场是全球最大的 ，中国的To C市场可能是全球最大的
，因此，很多投资判断往往基于哪个市场容易实现大规模商业化
。 

我觉得大模型本身是非常有价值的 ，但初创企业做这个面临很大的不确定性。因为大模型本身的投入成本非常高
，最后可能只有跑得最好的模型会赢得市场 。 

美国市场的不同之处是，你会发现每个大模型公司背后都有一家大的科技企业
。所以真正的竞争到底是在OpenAI和Anthropic之间 ，还是在背后的微软、亚马逊和谷歌之间呢？其实很不好说
，这也是两国市场的一个重要区别。 

界面新闻：所以刚刚这个问题，你的答案是什么？是微软和亚马逊 、谷歌的竞争 ，还是OpenAI和Anthropic之间的竞争？

张璐：当然是大公司之间的竞争 。

界面新闻：有一个结构性问题
，现在所有人都在谈大模型对B端带来的改变，它的确定性已经非常高了 ，但是这件事情在C端带来的变量好像还是很模糊，这背后的原因是什么？

张璐：大部分的技术创新都会经历一个周期
，先基础技术创新，再到技术应用创新 ，最后商业模式创新
。你会发现
，包括基础技术和技术应用创新，通常先在B端领域得到验证和应用 ，经过多轮次验证之后
，技术会变得更成熟、更便宜，最终才转向C端应用。

其实互联网时代也遵循这样的模式 。只是说中国市场可能主要接触到的VC创新 ，是在互联网时代的最后一个阶段——商业模式创新阶段
。但其实美国过去这四五十年
，硅谷几乎每次技术创新都是先从基础技术创新，再到技术应用 ，最后才是商业模式创新。所以人工智能也会沿袭这个路径 。

界面新闻：其实这么多年下来
，你们一定在AI行业积累了非常多好的人脉和资源，但为什么迄今为止你依然坚定地不想进入C端市场？

张璐：我们投了很多B端的AI ，B端非常好
。在我看来，美国是全球最大且最成熟的B端市场
，拥有最先进的技术和最佳的Go-To-Market机会。我所专注的领域已经足够好了 。

界面新闻：在国内一级市场有这样一种论调，大家倾向于认为在基础模型上目前美国领先于中国 ，但是如果要比拼应用层创新
，中国一定会强于美国。你的判断是什么？

张璐：这要分B端
、C端来讨论
。C端创新在中国有优势，因为中国有庞大的人口基数 ，创新能力也很强
，用户对于新技术的接受度也比较高。但是若是看B端的应用层，毫无疑问 ，美国是做得最好的 。关键在于
，美国的大企业愿意为B端的人工智能解决方案付费和应用
。 

界面新闻：如果做同级比较，中国和美国的的B端应用创新相比 ，这两者有高低之分吗？ 

张璐：并不是说两个市场的To B企业和产品有高下之分
，关键在于企业付费意愿和商业环境差异。美国在To B的企业级销售方面是全世界最大、最成熟的市场 。

界面新闻：在中国的一级市场，有人会认为AI公司存在估值和ARR（年度经常性收入）的比值不合理的情况 ，目前美国To B的AI公司，它们的比例水平是合理的吗？

张璐：现在整体比较合理
，当然估值也在水涨船高
。总体上，企业的营收水平和估值之间还是有一个相对区间 ，通常大致在10倍到20倍之间。 

过去
，你会发现一些To B公司，它还没什么收入就可以融很多钱；但现在其实很多公司可能还没有融A轮 ，收入已经做得不错了 。前几天我刚和一个做保险行业To B AI应用的创始人聊
，他们基本没融资，现在收入已经做到300万美金 ，并且就两个人
。他表示他们不需要融资
，但如果融资的话，可以加速成长。

“Be alert ，快速反应 ”

界面新闻：在这个行业里
，你们现在能总结下来的投资方法论是什么？ 

张璐：我们投资方法论从两个维度出发 。第一个维度是垂直领域人工智能，挑选那些具有海量的高质量数据的市场 ，然后去投资其中做垂直AI应用的初创公司
。第二个维度是横向的人工智能基础设施投资，去解决人工智能领域现在面临的4大挑战——算力成本太高 、能耗成本太高
、延迟的问题、数据隐私问题。这四个挑战
，同时也是四个最大的投资机会 。

界面新闻：在这个框架下，团队总结出来非常重要的技术变革有哪些？ 

张璐：我们觉得今年比较重要的技术变革有三个 ，一是数字化生物学
，二是人工智能基础设施的创新，三是太空科技的创新。最近我们还关注了金融科技AI（Fintech AI） 、工业机器人+AI等 ，这些都是相对比较重要的技术创新趋势
。

界面新闻：你在这个领域非常欣赏的早期项目创始人
，他们通常具备哪些特质？ 

张璐：这些创始人一般有几个特点。首先，他们对行业有非常明确且独特的洞察 ，不是跟风的见解；其次
，他们有一以贯之的长远愿景，对自己要做的事情有清晰的规划 ，而不是每天都在改变方向 。 

更为重要的是
，他们拥有很强的领导力，能够吸引到顶尖的人才与他们一起合作
。此外 ，他们不仅要懂人工智能技术，更要对所处的产业有深刻理解
，因为最终他们需要服务的是这个行业。 

从背景来看，我们投资的创始人大多数都拥有非常强的产业背景和技术背景 。事实上 ，我们投的创始人一半以上都是连续成功创业者
。

界面新闻：AI大模型成为创投风口之后
，华人力量似乎在硅谷更加突出了，你对这个趋势有什么切实感受？

张璐：现在很多大公司中 ，你会看到很多华人的中坚力量
，作为最核心的人工智能技术专家。在我们过去9年投资的早期初创企业中，华人创始人大概占到10%左右 。过去一年 ，我们投了9家公司
，其中3个创始团队里面都有华人参与
。 

他们不一定是全华人的团队，但通常会有一位华人创始人。这实际上体现了华人在人工智能领域的巨大贡献——无论是作为企业家
、创业者 ，还是科学家和研究员 。这对整个华人生态来说是一个非常积极的信号
。 

从投资角度看
，我们也是希望扶持更多优秀和多样化团队背景的企业发展，这种趋势的变化有助于加速人工智能的进步。

界面新闻：美国AI应用层初创公司现在也有非常强的马太效应 ，你在投资的过程中会存在对于失手的焦虑吗？

张璐：不会有这种焦虑 。我们已经做了快10年了，有非常高质量的项目源网络
，所以来我们这的创始人都是质量非常高，80%的项目是别人主动找我们。而且我们的专家网络、超级创始人网络 、CXO网络 ，基本上聚集了业内最优秀的企业家
、创业者以及人工智能专家
。

当然
，谈到焦虑感，很多时候还是要保持警惕（be alert） ，因为总会有很多新技术、新产品 、新的公司不断涌现
，关键是如何快速反应并抓住机会。

界面新闻：如果让你挑出最满意的三家被投公司，你会选出哪三家？ 

张璐：我很难去说最满意的 ，因为我们投了将近90多家企业里
，我最满意的可能得有几十家 。因为我们现在到4期基金了，每期大概投25~28家企业 ，至少有1/3的企业是表现非常好的
。

界面新闻：美国那边的募资环境现在依旧是相对顺利的吗？

张璐：其实美国今年整体募资环境比较艰难。美国股市IPO市场并未完全打开
，很多LP资金流动性较差，导致不少投资者手头并没有足够的资本可用于投资 ，所以大部分GP
、创始人在融资的时候还是比较困难的 。整体上，依然是一个典型的马太效应——大多数人融资困难
，而最优秀的团队总是能够超募，基金也是如此
。

我们今年的4期基金其实已经超募了 ，不到半年的时间
，LP大概有一半来自美国比较大的机构，包括大学基金 ，保险公司和银行
，其余则是一些最顶尖的家办。4期基金现在已经开始投项目了 。

界面新闻：你们一个投资项目的决策周期一般有多长？

张璐：大多数项目的决策周期是1到2个月，尽调大约需要一个月时间
。在此之前 ，我们已经有好几轮的会议筛选。有些项目可能跟得时间稍长一些
，有一个项目是跟了半年多才做出投资决策 。

界面新闻：这种时间比较长的，一般是在什么问题上纠结？

张璐：其实不是“纠结
” ，而是因为在项目初期
，创始人会告诉我们技术还没有经过市场验证
。我们就会一边与他们保持沟通，一边帮助他们引入资源 ，看能否获得市场验证。

我们的特点是，虽然我们投资的是早期项目
，但不是完全没有任何基础的最早期项目，而是技术和产品已经成熟 ，接下来就要进行市场验证 。市场验证通常指的是开始获得收入。

我们的优势在于
，我们有一个很强大的CXO网络，在网络里面有45个500强企业的CTO
。我们了解许多企业想要什么样的技术 ，想去采购什么样的产品
，也能为投资的企业迅速带来高质量的订单。

界面新闻：到目前为止，你觉得你有投到你心中伟大的公司吗？

张璐：当然有 。我们投资的很多创始团队都非常伟大
。

SpaceX无疑是很伟大的企业。我认为我们投资的几家公司也同样很伟大 。比如 ，有三家公司即将上市
，它们从几百万美元的估值一路发展到现在，我觉得它们也很了不起
。还有一些公司 ，虽然还处于增长阶段
，团队规模不到30人，但收入已经超过1亿美金 ，我相信它们未来也会成为伟大的企业。

界面新闻：你会从哪些维度来定义一个伟大的公司？

张璐：对产业具有巨大的变革性的影响和提升，并且这个影响一定是正向的 。