预训练大模型一个是在金融语言处理和理解方面提供了手段，一个是更精准地给到金融相关信息的问答，再有是能更好地实现资讯和决策推荐。原有的金融领域IT厂商因为积累了丰富的垂直知识和现有的人工智能产品布局，以高质量的金融数据和大语言模型为基础，可以在这个大模型基座上搭建出金融领域的领域模型。相应的，在智能客服、智能投顾、反洗钱等领域会迎来功能的大幅升级和迭代。

从预训练大模型和AIGC的发展趋势上看，在算力、算法、数据及应用领域方面，国内的创业公司有哪些机会脱颖而出？

在预训练大模型得到越来越多的应用后，对于传统算力芯片投资赛道带来哪些新的投资机会？

对于算力来说，预训练大模型在功耗或者是能耗方面需求巨大，尽管现在芯片的能耗越来越低，但训练一个大模型需要大算力的数字计算机准确持续的运算，其所负担的能耗极高。有研究表明人类大脑所需的能耗仅有30瓦特，但是大型AI系统需要兆瓦级的能耗来支持运转，存在1000倍的差距。所以基于能源利用的角度，AI模型未来可能的一个发展路径是：我们在大算力的数字计算机上来训练模型，模型得到充分的训练后，我们可以在低功耗的设备侧上应用已得到训练的模型。这些事情已经在发生和发展的过程中，我们未来与小家电上运行的AI进行对话等智能交互，其配置的芯片可能是几美金的低成本低算力低功耗的边缘计算芯片，同时与传感器系统形成融合，其对话和交互处理能力依然有可能达到大模型的效果。所以大算力芯片和边缘侧芯片都有机会，但对于创业企业发展的时间窗口和需要的资源禀赋却大有不同。

算力类芯片对代工工艺有较高的要求，在当前半导体产业国际大环境下，代工安全对国内的半导体赛道投资有哪些影响？

最先进的逻辑芯片（如，英伟达的GPU， Intel 和 AMD 的 CPU）已经进入5nm “领先节点”，并且即将在3nm 形成大规模量产。而应用于分离器件、光电、传感器领域，即使是180nm 的传统工艺（生产占比19%）仍然可以满足。存储芯片制程则主要在10~22nm和28~45nm 区域。从这个角度来看，我们有很多代工工艺是可以覆盖到的，当然从未来长期角度，能够掌控 10nm 以下先进制程工艺的国家能获得核心竞争力，我们还需要追赶。短期来看，chiplet等异构技术可以带来功耗、性能、面积、成本等的平衡，是一个解题思路可能性。

机构简介：

芯跑资本是一家专注于科技领域的私募股权投资基金管理机构，创始团队自2014年起介入风险投资领域。主要投资方向包含电子科技、半导体、新一代信息技术等先进科技型产业。2016年起，芯跑资本开展了人工智能领域的早期投资，涉及自然语言处理和机器视觉等领域，部分被投企业处于国内行业前茅地位。至2017年芯跑资本展开了半导体产业链及电子信息行业的早中期投资，逐步团结到更多的企业加入芯跑资源池内，另被投企业可以获得深入的半导体及电子信息行业的资源与指导，提升产业赋能能力。近5年内，芯跑资本进一步完善产业链布局，成功培育了行业独角兽企业，形成可覆盖深圳、福建、长三角等产业核心地区的网状组织，2022~2023年基金首批被投企业上市，芯跑资本的投资蓝图布局初现。从2021年起，芯跑资本逐步扩大了行业口碑及知名度，获得诸多奖项：芯跑资本荣获融资中国2021年度股权投资榜单“中国最具潜力投资机构TOP10”奖项、FOFWEEKLY 2021年度“最受LP关注先进制造领域投资机构TOP20”、FOFWEEKLY 2022 “投资机构软实力排行榜GP TOP100”、融资中国2022年度“中国最具成长投资机构”、半导体投资联盟 爱集微 2023中国IC风云榜“年度最佳新锐投资机构”。