时间的钟表在2023年的日历上已经划走了一半。对于很多科技行业从业者而言，却有种恍如隔世的错觉。
OpenAI凭一己之力给时代划了一个鲜明的分界线——ChatGPT出现之前是AI 1.0，ChatGPT出现之后是AI 2.0。有些人已经开始慢慢习惯AI 2.0时代的新工作生活模式，他们习惯了有新的机器伙伴同行，不管是工作时询问建议、使用新工具升级工作方法，还是闲暇时和机器人聊天辩论，诉说心事，新的机器与人的关系正拉开了帷幕。
(资料图片仅供参考)
新技术解锁了构建应用程序的新可能，敢于逐梦的创业者不会放弃这一次全新的技术机会，很多人已经迫不及待地出发，探索AGI时代新可能性。有人称，ChatGPT 带来了新一轮App Store的盛会，各式各样的工具和产品因此而生，ChatPDF、各种Copilot……在硅谷几乎每天都有几十个基于OpenAI的新产品上线。
中国新技术的创业市场也一片火热，上周六，奇绩创坛的春季创业路演活动重回线下，我们看到了前沿科技含量最高的60个早期创业项目，和一群兴致勃勃、热情洋溢的创业者。
金沙江创投主管合伙人朱啸虎、红杉资本合伙人郑庆生，很多一线基金的合伙人也来到了现场。“陆奇在AI领域的号召力毋庸置疑，”一位投资人如是说。场面火爆，台下坐着1100多位投资人，不少人站着看完了两个多小时的路演。
这群创始人平均年龄只有29岁，他们中，有人是在校的大二学生，有人是从实验室出发的博士和教授，有人是上市公司的CEO，他们被科技传奇领袖陆奇所吸引，决定将创业划到人生的刻度上，试图把一个个的念头变成现实的商业产品。现场我们也看到，宝宝树创始人王怀南也受新技术启发，带来了新的AI项目。
陆奇在开场演讲中提到，这一次创业营累计收到了7954申请 ，最终录取了60个，录取率不到1%，100%都是技术驱动。
纵览这60个项目和背景，「甲子光年」发现，这些创始人基本都是国内外顶级名校出身，其中，78%拥有硕士及以上学位，67%具有海外背景，32%的项目有女性创始人。
路演几乎涵盖了科技的绝大部分细分赛道，涉及人工智能及大模型、企业服务、机器人、开发者工具、生物医疗、先进制造等22个细分行业，其中人工智能的项目增长一倍。
去年的元宇宙、web 3项目不见了，取而代之，大模型成为重头戏，60个项目中，大模型项目有39个，占到了65%。其次是企业服务和机器人，其中机器人项目数量增长近4倍。我们也发现，出海成为热门，很多项目的目标市场不只局限于国内，其中开发者工具、机器人等项目纷纷将海外作为商业化的第一站。
大模型一派火热的当下，创业者们都有哪些新的点子和思考?此次，「甲子光年」把我们在现场看到的和大模型技术相关的部分创业项目分享出来，供大家借鉴学习。
1.大模型+软件产品=无限可能?
大模型就像魔法棒，此刻，每一位对技术痴迷的创业者都想成为有魔法加身的哈利波特，他们把自己脑子中的想法创造成一行行的代码“咒语”，咒语一出，新的产品“魔力”显现。
杨光想用大模型的“魔法棒”做服装定制，“咒语”一出，新的穿衣体验来临。
杨光是一位设计师，曾就读于加州大学伯克利分校计算机和统计双专业。他在18岁就创建了自己的个人服装品牌，曾经为王菲，孙俪设计服装。他说，希望让更多普通人不用受既定的尺码限制，就能穿上自己喜欢的衣服。
如今，受新技术启发，杨光和合伙人金帝、戴晨创造出了新的品牌“MohAIr 马海毛毛”——一个AIGC个性化服装定制平台，他和团队想把技术和时尚融合在一起，让高质量、低成本的个性化服装解决方案变得可以实现。
MohAIr的产品思路是：使用关键词或者图片，用户告诉系统他们想要什么类型服装，系统五秒内就可以生成对应的设计，并让用户直观看到渲染后衣服上身的效果，之后，只要输入身高、体重等身材数据并下单，衣服就可以在一周内送到手中。
杨光在台上演讲的时候穿的就是MohAIr设计的衣服，他透露，目前产品的内测用户突破5000名，日均设计产出超过500套。现场了解到，目前MohAIr衣服单价在3000元左右，未来也会有希望进一步将成本降低。
如果说杨光的“造新衣”想法让人眼前一亮，那蓝河造“外脑”的想法听上去非常地天马行空了。
蓝河说，未来人们需要两个AI伙伴：一个是像漫威电影里的管家Javis一样，帮助处理各种生活事情;另一个是自己的分身，可以代表自己和其他软件互动。他们希望借助大模型，用创新的软硬件做好这两个AI，带来大模型驱动下新的生活方式。
蓝河是材料学的专家，他毕业于英国帝国理工学院本科，曼切斯特大学博士辍学，曾经在柔性电子系统与可穿戴领域研究了很多年。他对新智能硬件设想是：把机器人的眼睛、耳朵等五感穿在身上，通过神经连接到外脑，这样，外脑就拥有了各种本体的真实记忆数据，这种穿戴设备几乎隐形，看上去和正常衣服没什么两样。外脑科技的商业规划是2023年第三季度推出产品，到2024年销售超过10万的硬件产品。
和蓝河一样，来自浙大的武靖超和他的校友们也希望打造一个AI分身，不过他们选择的对象是宠物。
他们团队共同点就是“热爱宠物”和“热衷探索AI”，他们打造了一款宠物AIGC产品——DreamPets，“我们希望为10亿宠物创建AI虚拟替身。”武靖超说。
DreamPets的产品构思很简单，用户上传自己的几张宠物照片，即可获得宠物的AI虚拟替身。每个用户都有专属的fine-tune模型，可以生成属于自己的各式宠物图片和宠物故事内容，之后，公司也会尝试让不同宠物都拥有自己的性格特点并和主人进行个性化交互。
目前，在6周的限量测试中，靠用户推荐，DreamPets以平均380%的周增长速度获得了将近10万用户，且已经创建了10万个宠物模型。
除了用大模型造各种各样的分身之外，面向不同行业和生活场景的各种各样的AI Copilot也在不断诞生。
宝宝树创始人王怀南带来了他的新创业项目如溪(ChatBrook)。如溪(ChatBrook)的愿景是以最低成本、最高质量为每一个人记录他/她的生活瞬间和一生。让每一个人的身边都有一位司马迁。
根据王怀南的现场演讲，我们可以了解到这看上去像新的社区工具，可以记录，社交。他提到，如溪的产品规划有4个层面：构建基于智能大语言模型的记录工具;升级工具成为记录社区，做高粘性社交;让记录和社交成为培训数字孪生的基础;搭建数字孪生应用生态体系 MaaS(Memory as a Service)。
这些年王怀南在连续创业，2007年创立的母婴在线平台宝宝树已经在港交所上市。2021年他针对银发人群创立了米茶科技，2022年推出舒适、时尚的鞋服品牌“响午”，这已经是他的第四次创业。公司的另一位创始人袁淼曾是MobLab公司首席执行官兼联合创始人，创建了全球最大的行为游戏和人工智能平台。
NetPrism希望打造个人购物AI Copilot，这个项目由美国华盛顿大学学生和校友组成，创始人Wendell Li在华盛顿大学读书期间发布的Restock Alerts商品库存监控APP曾火爆北美，在App Store排名第7。他认为，场景式交流将成为电商社交和直播之后下一个购物入口。
他们设计了一款将大语言模型应用在网购零售领域的对话式导购产品，通过与用户交谈，BuyScout可以根据购物需求和场景，提出个性化的购买建议，和商品对比。
用户只需要告诉BuyScout “我要准备一次滑雪之旅，且雪场在西雅图附近”，它就会自动筛选出最适合在西雅图雪场滑雪所使用的滑雪装备。和这个项目有点类似的是谷歌之前在搜索场景优化的购物体验，不过谷歌是为了通过内容精准推荐购物买广告。
目前，BuyScout已有1万用户，是苹果APP 商店中排名第七的购物助手，他们的目标市场是欧美地区的2.7亿网上消费者，国内的朋友可能暂时无法体验到。
购物之外，更多细分行业场景的工具也在出现，To0 图灵世界要打造就是一款建筑领域的 AI 工具平台，“用新的大模型技术，我们希望能做出市面上质量最好的交付级AI效果图，在未来，也将推出设计交互 APP，让每个人拥有一个大师级 AI 设计师。”创始人刘星辰说道，他来自清华大学建筑学专业。
在To0图灵世界中，用户仅需简单地输入设计要求或上传照片，点选设计模板，就可获得高品质效果图，将原有交付周期从一周缩短为数秒，购买效果图成本从数千元降低到百元。
以上这些项目只是大模型原生应用的一小部分，新技术正在持续拓宽想象力的边界，面向社交、金融、设计师、动漫，更多样的AI native 应用还在陆续出现。后续我们也会持续追踪报道。
2.大模型加持，如何让更智能的机器人到来?
各种软件的创新产品之外，也有很多人想把大模型落在机器人中，让通用机器人早日真正走进千家万户。
曾在卡耐基梅隆大学机器人学院就读的邱迪聪就是其中一员，过去数年，他一直在探索AI 与机器人跨领域研究和落地，也曾参与主导过 NASA 火星车研发。这一次，他创立了Jacobi.ai 雅可比机器人，想要结合多模态机器人、 AI 大模型、跨形态运动控制技术，用 RobotGPT 与即插即用的 J-Box 赋能所有机器人公司，让智能机器人快速走进各行各业、千家万户。
它的产品思考是：一方面打造机器人思考大脑J-Mind，能让机器人直接说，即时写，还能根据不同的业务需求迅速反应;另一方面通过机器人运动控制小脑J-Box，让这种智能能力即插即用，实现通用机器人短周期、低成本、高柔性的研发部署和运维。
这是一支融合了机器人、大模型、芯片多学科经验的团队，硬件芯片与产线负责人叶根源曾在 Intel、高通等担任高级工程师，在 DSP、ARM、FPGA 多核异构领域有超过十年的实战经验。大模型科学家梁俊卫博士毕业于卡内基梅隆大学，其后在Google AI、腾讯优图实验室担任资深科学家。
InsideRobo也在探索用降低机器人智能成本的可能，他们在元宇宙中设计、训练、测试机器人。希望通过开发实时、逼真的任务流程模拟，帮助企业降低机器人的设计、训练、测试和管理成本。
他们的技术思考是利用最新的元宇宙模拟引擎，通过Nvidia Omniverse 作为数字模拟和云端计算平台，打造高精度、高还原度的虚拟世界，并运用大模型和物联网技术让机器人在虚拟和现实同步。
创始人赵一州博士就读于加州大学洛杉矶分校(UCLA)，从事计算机视觉、机器人和计算机模拟方向的研究，导师为朱松纯教授。另一位Gavin Steven从事云计算、物联网和工业元宇宙设计，曾是微软 Azure 云架构师、DevOps 团队负责人。
数论科技则是想直接做实体的通用机器人，他们希望基于大模型，打造通用化一体式智能工业机器人。
他们的产品落地思考是：通过语言直接端到端理解并控制机械臂、AGV、摄像头、夹爪等工业机器人设备，代替传统标注数据+模型训练+编程示教+仿真渲染等复杂流程，实现更多柔性生产工序的机器人高效替代。
这是一支来自人大的团队，创始人黄真本科和硕士都就读于人大，曾任 AI 公司一览群智深圳分公司总经理。大模型首席科学家文继荣是人大高瓴人工智能学院执行院长，拥有丰富的多模态大模型研发经验。CTO刘占亮曾在微软、百度、腾讯、智源等工作，拥有丰富的大模型工程落地实践经验。
不同于前几家，动微视觉则是希望通过专用仿生视觉大模型芯片，助力智能制造和智能机器人。
机器人的智能不仅靠软硬件的研发，更需要基础的算力支持。刘敏和团队创业的初衷就是结合视觉大模型以及先进的仿生类眼视觉传感器，为用户提供超低功耗，实时响应，没有隐私问题的全套视觉解决方案。
目前动微视觉已经打造了首个专用的仿生视觉处理平台，涵盖模组和芯片，结合视觉大模型以及先进的仿生类眼视觉传感器，助力智能制造、消费电子、自动驾驶和人形机器人等众多领域。
创始团队来自苏黎世联邦理工学院，创始人刘敏是苏黎世联邦理工学院博士、博士后;联合创始人梁东晨博士也毕业于苏黎世联邦理工学院，公司的首席顾问Tobi Delbruck是苏黎世联邦理工学院教授，他也是一位IEEE 院士，神经形态工程和计算神经科学领域的知名专家。
大模型+机器人的新尝试之外，也有团队瞄准康复、清洁、农业等场景，试图通过创新的产品和设计进一步打开市场机会。
由来自谷歌、科沃斯领军人物创立的妙果科技选择以多楼层家庭清洁机器人为切入点，打造全方位智能家庭服务生态。
创始人龙云是前谷歌 TPU 模型优化团队负责人，在 AI 解决方案落地方面有深厚的积累。联合创始人王友东是前海洋实验室机器人项目带头人，另外一位联合创始人朱峰是前科沃斯北美销售体系的负责人，曾带领科沃斯北美销售从千万级突破到亿级美金。
瞄准农业场景的Moss Robots选择面向海外的农业市场，以树木苗圃为切入点，希望通过整合智能自动化和数字化技术来改变高经济价值作物的作业场景。创始人Yudan Hu曾就读于加州理工学院，专业领域为可持续农业实践和劳工问题的文科研究。CTO Shrijit Singh有六年机器人领域经验。
连续创业者师云雷选择的赛道是康复健身机器人，他曾是微创医疗机器人创始人之一。
他创立的如身机器人希望通过开发模块化、高性价比、人机共融的康复机器人产品，利用模块化力控关节和趣味游戏库搭建出康复机器人矩阵，实现全康复场景和全康复周期的覆盖，并将向健身领域拓展。
如身机器人首席科学家是张建伟教授，他是一位德国工程院院士，是计算机科学、神经科学和心理学交叉研究领域的跨模态学习先导，在医疗康复以及助老服务领域拥有丰富经验和资源。
层出不穷的新创意、新技术，机器人行业也在迎来全新的变化。
3.大模型时代的基础设施机会
在大模型技术通过各式各样的产品给我们的工作生活带来巨大的变革之前，如何让这项成本高昂、难度极高的技术变得更容易实现也是一个关键的问题。
所以在现场，我们也看到很多技术背景的人选择瞄准大模型的基础设施层，从算力、计算框架、数据以及各种各样的软件工具出发，探索大模型技术更经济、更易用的可能性。
HeX-AI要做的就是构建易用高效的大模型计算框架，他们希望让所有企业都用得起大模型。他们来自北京大学，创始人符芳诚在今年7月会从北京大学计算机学院博士毕业，之前从事深度学习算法与系统、大数据处理与分析、分布式计算等方面的研究。CTO苗旭鹏博士也毕业于北京大学计算机学院，之后在卡内基梅隆大学担任博士后研究员。
他们瞄准的机会正是很多大模型公司深切感受到的痛点：大模型部署难度太大，计算效率太低。HeX-AI自主打造了河图系统，涵盖大模型的预训练、精调、推理、部署等全链路功能，解决私有大模型构建所存在的运行效率低下、使用成本昂贵、使用难度太高等问题。借助河图系统可以自动并行，实现最优分布式运行性能;以及进行细粒度资源管理，充分利用算力;同时还能自适应感知任务负载与集群资源。
曾在阿里和华为工作的杨浩进创立的低比特也希望通过新的AI 训练框架，让大模型无处不在。但他们的技术思考是希望用低比特框架模型计算引擎，为性能带来大幅提升，从而让大模型在移动端设备的落地可以实现。
杨浩进曾经是阿里巴巴人工智能实验室和阿里视频云的边缘计算实验室北京团队负责人，也曾担任华为边缘云创新实验室及慕尼黑云智能实验室首席 AI 科学顾问。
中科加禾看到的机会也是工具链层面，但他们希望做的是跨越国产算力芯片与大模型落地之间存在的生态鸿沟，为国产 AI 大模型产业提供通用化、低成本、高性能的算力资源。
目前，中科加禾聚焦编译技术，致力于公司产品为包含 AI 训练与推理工具、Fine-Tuning 工具和算子实现等在内的，跨品牌、跨型号的标准化 AI 软件底座，以及连同硬件设备在内的一体化 AI 算力解决方案。
谢晨创立光轮智能瞄准的则是大模型在数据层面的痛点，他们希望通过合成数据解决方案加速大模型落地。谢晨认为，在AI2.0的开发方式下，合成数据是解决大模型数据短缺的最有效的办法。
目前，合成数据确实是一个行业热点，随着大模型技术的不断发展，未来互联网上的可用文本数据可能将会耗尽，会面临无新的训练数据可使用的情况，提前解决数据问题是一个大的机会。Gartner称，2024~2030年，有60%的大模型数据都是“合成数据”，微软、谷歌、英伟达等硅谷巨头均在加速布局合成数据领域的相关业务。
光轮智能希望将生成式 AI 与仿真技术深度融合，提供多模态、高质量、大规模、低成本的合成数据，弥补 AI 时代的数据缺口。创始团队都曾在国内外大公司有丰富实践，创始人谢晨曾任英伟达(美国)自动驾驶仿真负责人、Cruise(美国)仿真负责人、蔚来汽车自动驾驶仿真负责人。联合创始人杨海波曾任美团公司事务总监。
来自浙大的林沅霖和团队创立的Zeabur 则是一个致力于帮助开发者简化服务部署流程的平台。他们是一群在校的大学生，对开发的热爱和不断探索让他们发现这个面向开发者的新机会。
林沅霖认为，大模型时代来了，开发者正在面临全新的挑战：数据集的清洗、提示词的调试等，这种情况下，开发者需要一款工具帮助他们专注在开发。使用Zeabur，开发者只需轻轻一点，即可轻松部署任何服务，无论使用了何种编程语言或开发框架，Zeabur 都可以用最合适的部署策略自动完成部署流程，无需担心基础设施繁琐问题。过去两个月，Zeabur用户自然增长超过20倍。
同样是面向开发者，Limit-LAB 则希望成为未来每个白领都会使用的 AI App 开发平台。创始人张润哲曾在华为、PingCAP、Starcoin 等公司实习，在分布式计算、云架构、计算机图形学方面有过工程经验。
Limit-LAB目前打造的LimitHub产品希望解决Prompt工程学、管理、安全等方面的问题，目前他们的产品在开源社区获得很大的关注，他们的计划是能在 AI App 迅速火爆的2023年以后覆盖所有涉及 Prompt 开发的公司。
从涉及衣食住行的各项软硬件应用，到让技术更经济更可用，大模型时代来了，我们不知道会被什么样的产品改变，也都还在探索接下来将如何和新技术共处。
眼下，这些创业者已经出发，他们不惧眼前的重重迷雾，而是选择用脚丈量，走出下一步。
他们会带来什么样的可能性，让我们拭目以待。
