在人工智能領域，投資熱潮現冷靜期。AI 技術雖被視為未來關鍵驅動力，但許多創(chuàng)業(yè)項目未解決市場痛點，致資金供應與項目需求不匹配，投資者評估趨理性，大模型項目因技術壁壘和應用前景獲資本青睞，然其亦面臨技術、成本和商業(yè)化等挑戰(zhàn)。AI 創(chuàng)業(yè)領域項目供應超需求，理想創(chuàng)業(yè)應基于市場需求開發(fā)方案，現實中許多項目做法讓投資者難評估盈利模式和潛力。資金供應方面，美元基金對 AI 項目感興趣但募資遇困，人民幣基金傾向投資已獲成績項目。以自動駕駛為例，其商業(yè)化進程受多種因素影響，投融資事件和規(guī)模近年下降。AI 投資分化，大模型項目易獲資金，特定應用場景項目融資難。如重慶作文批改、AI 陪診服務因解決實際需求受青睞，部分項目因未有效解決問題或缺乏創(chuàng)新獲融資可能性低。去年 6 月，新加坡一博士團隊的 AI 協同辦公項目獲個人投資，用于覆蓋研發(fā)費用。團隊成員曉陽稱，投資者對 AI 熱潮謹慎，無技術壁壘等難獲融資。近年來，多家 AI 獨角獸公司涌現，計算機視覺與圖像、智能機器人及智能駕駛等領域獲風投多。大模型是熱門投資方向，一些公司開發(fā)跨模態(tài)模型，開源協作常見，部分公司專注特定行業(yè)應用，不少公司創(chuàng)始團隊具豐富經驗。但這些公司面臨技術、成本、商業(yè)化、數據隱私等挑戰(zhàn)。2023 年中國人工智能一級市場融資有變化，總融資事件數和交易額減少。AI 投資面臨多挑戰(zhàn)，包括關注實際投資回報率、技術迭代、研發(fā)投入、商業(yè)化落地、數據隱私、金融泡沫、估值過高和政策監(jiān)管等。投資者需綜合考慮并采取策略評估管理風險，如理解技術趨勢、評估商業(yè)模式、審查資金和回報率、關注數據合規(guī)、識別泡沫風險、多元化投資、持續(xù)監(jiān)控等。