“質(zhì)疑AI價值的人終會被時代拋下”

麻省理工學(xué)院一項扎心的研究：95%的企業(yè)在引入AI工具后并未獲得相應(yīng)回報，只有5%實現(xiàn)了大規(guī)模部署。當(dāng)AI從“降本增效”的敘事走向真實的現(xiàn)金流與凈利潤，那條鴻溝究竟在哪里？與此同時，面對今年一級市場的最熱概念——物理AI，投資人們又有怎樣的思考和考量？

在“第20屆中國投資年會·年度峰會”上，一場題為“AI滲透千行百業(yè)的挑戰(zhàn)與價值”的巔峰對話，幾乎成了全場最擁擠的討論場——八位一線投資人同臺，他們用各自的一線體感，對上述問題給出了截然不同卻又彼此呼應(yīng)的答案。

朝希資本管理合伙人惠亨玉認(rèn)為，能源是AI落地的絕佳場景范式，他們投的一家物理AI企業(yè)，在電網(wǎng)巡檢中替代人工率達到80%，已實現(xiàn)規(guī)模化、批量化盈利。投控東海董事總經(jīng)理王磊更是直言：“我投完的企業(yè)，4月份已經(jīng)完成了去年全年的利潤。”

五源資本劉凱也坦言，AI價值已毋庸置疑，青舟已過萬重山，編程成為首個規(guī)模化兌現(xiàn) AGI價值的領(lǐng)域，AI 正在重構(gòu)企業(yè)效率與商業(yè)模式，質(zhì)疑AI價值的人終將被時代拋下。

熱鬧之下，也不乏冷靜的聲音。鼎心資本合伙人潘濤，從四大維度解讀 AI 產(chǎn)業(yè)的進階機遇：AI 工具正從個人零散化試用，穩(wěn)步邁向與企業(yè)業(yè)務(wù)系統(tǒng)深度融合的升級階段；產(chǎn)業(yè)生產(chǎn)關(guān)系持續(xù)迭代優(yōu)化，加速適配 AI 全新生產(chǎn)力的發(fā)展需求；當(dāng)下熱門產(chǎn)品尚存打磨空間，恰恰是行業(yè)迭代升級、彎道超車的絕佳機遇；而最核心的 AI Native 全新組織形態(tài)，也正處在積極探索、逐步成型、落地普及的上升過程。

博將資本聯(lián)合創(chuàng)始人楊玥希則點出了關(guān)鍵：“5%的人做對了什么？他們讓AI幫助人去解決具體的事情，而不是短期內(nèi)盲目追求讓AI完全取代人?！彼龔娬{(diào)，AI不是買來的，是反復(fù)訓(xùn)練、融入業(yè)務(wù)鏈條并推動組織變革的過程，“不是AI的問題，而是人如何使用AI的問題”。

力鼎資本CEO張學(xué)軍用三個投資項目串聯(lián)起AI落地的真實邏輯：“AI是個工具，構(gòu)建良好的商業(yè)模式更重要?！彼岬?，做院中院模式的醫(yī)療AI公司、40人團隊拿下1.5萬臺無人物流車L4訂單的智駕企業(yè)，以及軍事AI中“幾千塊錢的導(dǎo)彈”，都是AI與具體場景、商業(yè)模式深度綁定的結(jié)果。

清智資本創(chuàng)始合伙人張煜從他獨特的早期投資視角，總結(jié)出了三類已跑通的賽道：“賣鏟式的”配套服務(wù)、數(shù)據(jù)充沛且商業(yè)模式清晰的垂直應(yīng)用（如口語教育、AI PPT）、以及依托中國強大供應(yīng)鏈的智能硬件系統(tǒng)。

山行資本朱思行則聚焦成本：“大家對產(chǎn)出的價值質(zhì)疑不大，質(zhì)疑來自成本過高”，因此他們布局云端推理芯片和端側(cè)推理芯片，期待數(shù)量級式的成本下降。

第二個話題圍繞“物理AI與世界模型”這一今年一級市場最熱的概念展開，八位嘉賓的共識與分歧同樣鮮明。楊玥希認(rèn)為具身智能走進真實場景仍有“蠻大挑戰(zhàn)”，更關(guān)注底層范式創(chuàng)新；張煜則稱自己是“全行業(yè)投具身最多的公司”，從大腦、小腦到本體、運控、模組等全部覆蓋，但坦言“通用大腦還有很長的路要走”；潘濤以LLM、自動駕駛VLA的躍遷為參照，相信“物理AI一定會涌現(xiàn)，只是今天還是明天”；而劉凱反而態(tài)度謹(jǐn)慎——他投了Kimi和階躍，卻認(rèn)為具身“相對有點早”，技術(shù)路線差異遠不如當(dāng)年語言模型那般激烈，“現(xiàn)在100多家公司，看上去嘈雜，但底層差異沒那么大”。

以下為現(xiàn)場實錄：

張雪：大家好，我是投中網(wǎng)的張雪，很開心跟大家一起開啟今天下午的第一場對話，我們這場的主題是AI滲透千行百業(yè)的挑戰(zhàn)和價值。

在開場之前我先給臺上的嘉賓布置一個小任務(wù)，可以看到我們前面都有一個便簽紙，在稍候的討論中哪位嘉賓說得最精彩，能得到更多的認(rèn)可，我們就把他評為本次的MVP。因為我們是嘉賓最多的一場panel，所以競爭比較激烈，希望大家好好發(fā)揮。

麻省理工的一項研究表明，95%的企業(yè)在引入AI工具當(dāng)中是沒有獲得相應(yīng)的回報的，僅有5%的企業(yè)能夠?qū)崿F(xiàn)工具的大規(guī)模部署。所以第一個問題比較老生常談，AI從降本增效的故事到真實現(xiàn)金流與凈利潤兌現(xiàn)的鴻溝在哪里？從您一線的發(fā)現(xiàn)或者是體會來看，哪些行業(yè)場景或者是商業(yè)模式能夠在未來的一到兩年里跑出最清晰的ROI模型？請我身邊的惠總發(fā)言，回答之前請大家介紹一下自己所在的機構(gòu)及關(guān)注的重點。

5%的企業(yè)做對了什么

惠亨玉：非常感謝投中的邀請，我是朝希資本的惠亨玉。朝希資本成立于2015年，今年是我們的第11年。我們是從2021年開始做少數(shù)股權(quán)投資的，在這之前我們做并購?fù)顿Y，主要集中在風(fēng)電、光伏、鋰電、汽車、半導(dǎo)體。2021年之后的少數(shù)股權(quán)投資，我們集中在能源和科技這兩個產(chǎn)業(yè)，歡迎大家和我們產(chǎn)生更多的互動。

我們認(rèn)為AI的應(yīng)用，能源是一個非常好的場景。因為人類社會所使用的能源已經(jīng)從過去可預(yù)測、可調(diào)節(jié)的傳統(tǒng)能源，到存在更多變量、更多不可測的可再生能源?？稍偕茉匆燥L(fēng)電和光伏為主，它們顯著受到天氣及整個自然環(huán)境變化的影響，AI將在其中發(fā)揮著更重要的作用。

以中國為例，全國2025年全年用電量共10萬億度電，其中20%是新能源發(fā)電，也就是2萬億度電。這2萬億度電中，每天的實際發(fā)電量會隨著日照、風(fēng)力等天氣要素的變化而有所波動，那么運用AI將提升在發(fā)電側(cè)的預(yù)測準(zhǔn)確率。另外在負(fù)荷側(cè)，基于居民和工業(yè)企業(yè)的電力消費畫像，由于新業(yè)態(tài)、新模態(tài)的使用，比如說人工智能的訓(xùn)練應(yīng)用，也產(chǎn)生了很多AI可以大規(guī)模部署的場景。

在我們的投資組合里，確實有不少企業(yè)在用AI解決傳統(tǒng)問題。舉個例子，我們在年初投資了一家致力于用物理AI賦能電網(wǎng)、水務(wù)、礦業(yè)等運維場景的企業(yè)。創(chuàng)始團隊來自于清華計算機系，原來是用邊緣計算的方式去解決電力巡檢中人工低效、高危的問題，最可貴的是，企業(yè)在近五、六年的時間中已積累了數(shù)以百萬級的數(shù)據(jù)體量。隨著物理AI技術(shù)的逐漸成熟，結(jié)合數(shù)據(jù)基礎(chǔ)和具身智能的發(fā)展，產(chǎn)生了更好的應(yīng)用范式，對于人工巡檢的替代率可以達到80%，已經(jīng)在電網(wǎng)巡檢這個場景中實現(xiàn)了規(guī)?；?、批量化可盈利的應(yīng)用。

張雪：謝謝惠總?；菘偸菑某Ｗ约旱姆A賦出發(fā)，在新能源領(lǐng)域給我們展開了一場關(guān)于AI應(yīng)用的解讀。下面有請劉總。

劉凱：我是五源資本的劉凱。五源資本在中國有二十多年的歷史，也是一個老牌的雙幣基金。我們投人工智能也大概有15年的歷史了，從最早的商湯、自動駕駛、GPU、大模型一路投過來。

回答你的問題，從2025年的Q4到現(xiàn)在半年的時間，全世界公認(rèn)的AI已經(jīng)達到第一個AGI的產(chǎn)品就是coding編程，我覺得去年還有很多人會提這個問題，到底人工智能投入了有沒有價值。我覺得可能還要跟大家解釋一番，今年應(yīng)該不用解釋了，因為它的價值遠超你的想象，因為我們?nèi)径假I幾個公司的賬號，每個月第一周就用完了，我也是剛從上海過來，我開人民幣年會。以前寫個PPT要幾個同事幫我搞幾周，我周末用了Claude最新的Design產(chǎn)品，用了100多塊的token做了非常精美絕倫的PPT，可能以前要幾萬、十幾萬才能做出來。

所以我覺得人工智能的價值應(yīng)該是毋庸置疑的，更多的是在中國怎么落實。我想起來若干年前也投了很多企業(yè)軟件，當(dāng)時大家也在討論一個問題，中國的數(shù)字化買軟件有沒有價值。我覺得這個問題都不用回答了，因為沒有數(shù)字化就沒有人工智能，所以其實很多企業(yè)在人工智能上走得很快的價值是他的數(shù)字化建得特別好，包括我們自己作為一個VC，在大概十年前做自己的信息化系統(tǒng)，花了非常多的錢。但我們開始用人工智能大模型的時候所有的價值一下子就爆發(fā)出來了，所以我們也是特別擁抱大模型的機構(gòu)，而不是說我們自己投資，我們自己也全面的把自己變成一個AI native機構(gòu)。

我可能對這個問題更多的是青舟已過，我覺得沒有人質(zhì)疑AI的價值，這個時代還質(zhì)疑這個的人就會比較慘。

張雪：明白，看來咱們是那5%的成功產(chǎn)業(yè)，已經(jīng)用AI產(chǎn)生價值了。我想追問一下，現(xiàn)在來看您會覺得除了coding行業(yè)之外，哪些行業(yè)現(xiàn)在是最有可能跑出一定的比較清晰的商業(yè)模型的，最先落地的。

劉凱：我覺得編程為什么有特別大的價值，比較有意思，我在十年前也投過一些數(shù)據(jù)庫，編程的企業(yè)，那時候大家算市場規(guī)模比較簡單，全世界有多少個程序員、多少計算機學(xué)科畢業(yè)的，大概也就是一兩千萬，覺得這個市場，比如一年給他三百塊、五百塊這就是他的市場。為什么現(xiàn)在不一樣，AI尤其是Claude證明了編程是底層的東西，可以解決我們基于計算機實現(xiàn)的東西，包括醫(yī)療、制藥、設(shè)計、建站，現(xiàn)在做科研也大量的應(yīng)用，也是基于數(shù)字化，市場急劇放大了一百倍、一千倍，不再是給程序員一個人用的，我也不是程序員，但我一個月兩個加起來要消耗三百多美元，以前我這樣的人就排除在市場之外了，我這樣去類比。

張雪：謝謝劉總，有請潘總聊一下這個話題。

潘濤：我是鼎心資本合伙人潘濤。鼎心資本是扎根深圳的老牌 VC 機構(gòu)，2014 年成立，至今深耕一級市場 12 年，累計管理規(guī)模突破百億。2025 年末，我們正式落地第五期 VC 基金。對比第四期基金，本期最大的核心變化，就是全面 All in AI。

我們第四期基金，主要聚焦三大硬核賽道：智能汽車、通信技術(shù)、數(shù)據(jù)中心。沿著原有產(chǎn)業(yè)脈絡(luò)延伸，邏輯非常清晰：

第一，當(dāng)下整車廠紛紛加碼布局具身機器人，汽車產(chǎn)業(yè)早已和 AI 深度綁定；

第二，通信領(lǐng)域，5G 之后 6G 演進是必然趨勢，未來 6G 一定會走向天地一體化，結(jié)合太空算力，成為新一代 AI 核心基礎(chǔ)設(shè)施；

第三，全球數(shù)據(jù)中心的投資重心，已經(jīng)全面轉(zhuǎn)向智算賽道。

基于整條產(chǎn)業(yè)鏈的確定性變革，我們順勢而為，在第五期基金明確全面 All in AI，核心圍繞IPA 三大方向布局：也就是底層基礎(chǔ)設(shè)施 Infrastructure、行業(yè)通用平臺 Platform、場景化落地應(yīng)用 Action。

結(jié)合主持人提到的行業(yè)問題，我們?nèi)ツ昃蜕疃汝P(guān)注、研讀了相關(guān)行業(yè)報告。時隔大半年，結(jié)合我們一線產(chǎn)業(yè)走訪、被投企業(yè)落地實踐來看，報告里的判斷，具備很強的現(xiàn)實參考意義。

AI 行業(yè)的迭代速度極快，幾乎每天、每月都在發(fā)生顛覆性變化。去年，AI 最先在個人端實現(xiàn)大規(guī)模賦能，大家用 AI 寫代碼、做 PPT、編輯文檔；尤其今年各類 AI 智能助手普及后，進一步滲透到企業(yè)日常經(jīng)營與管理中。

但行業(yè)當(dāng)下有一個核心共性問題：個人端的 AI 使用紅利，如何有效轉(zhuǎn)化為企業(yè)實實在在的收入增長、成本優(yōu)化與現(xiàn)金流提升。AI 如何幫助企業(yè)實現(xiàn)組織級提效，已經(jīng)成為全行業(yè) —— 從個體員工、企業(yè)組織到整個社會，都在共同探索的核心命題。

結(jié)合我們的實地調(diào)研與長期觀察，當(dāng)前 AI 產(chǎn)業(yè)化落地，存在四大階段性特征與升級空間：

第一，AI 工具碎片化，與企業(yè)體系融合度不足。目前大部分 AI 應(yīng)用還是個人散點式使用，員工個體體驗很好、效率提升明顯，但很難沉淀為企業(yè)標(biāo)準(zhǔn)化、體系化的能力。如何把個人化的工具能力，轉(zhuǎn)化為企業(yè)系統(tǒng)化的整體效率，是接下來產(chǎn)業(yè)突破的關(guān)鍵方向。

第二，生產(chǎn)關(guān)系尚未適配全新生產(chǎn)力。企業(yè)經(jīng)營的核心邏輯，始終圍繞市場營銷、產(chǎn)品研發(fā)、人財物、產(chǎn)供銷全鏈條核算，最終落腳到收入、成本、毛利、利潤等核心經(jīng)營指標(biāo)。但當(dāng)前企業(yè)的管理與核算體系，并沒有量化 AI 在各業(yè)務(wù)環(huán)節(jié)創(chuàng)造的價值。很多企業(yè)明明借助 AI 實現(xiàn)了降本增效，卻無法顯性化、數(shù)字化體現(xiàn)價值，AI 的商業(yè)價值很難被精準(zhǔn)評估。

第三，賽道熱點快速輪動，早期產(chǎn)品蘊藏巨大迭代機會。從去年的 AI 一體機熱潮，到今年全民普及 AI 辦公工具，行業(yè)熱點不斷切換?？陀^來看，當(dāng)下很多熱門 AI 產(chǎn)品還處在早期階段，整體偏原始、不夠成熟。但換個角度來看，早期產(chǎn)品的粗放與空白，恰恰是產(chǎn)業(yè)迭代、技術(shù)升級、創(chuàng)業(yè)突圍的核心機會，看似野蠻生長的行業(yè)階段，反而蘊藏大量結(jié)構(gòu)性投資機遇。

第四，也是最本質(zhì)的核心：生產(chǎn)力已經(jīng)發(fā)生革命性變化，但傳統(tǒng)組織形態(tài)仍未迭代。

AI 重塑了生產(chǎn)力，但絕大多數(shù)企業(yè)的管理模式、組織架構(gòu)、協(xié)作體系，還是沿用傳統(tǒng)模式。行業(yè)都在探索何為 AI Native 原生組織形態(tài)，這是一套完全全新的底層邏輯。未來，傳統(tǒng)組織與 AI 原生模式會持續(xù)競爭、融合、重構(gòu)，只有真正適配 AI 生產(chǎn)力的 AI Native 企業(yè)，才能完成完整商業(yè)閉環(huán)，釋放長期價值。

緊接著回答第二個問題：未來一到兩年，哪些 AI 場景能夠率先跑通、實現(xiàn)商業(yè)化？

站在投資視角，我們短期非?？春萌蟠_定性方向：

第一，高人力成本 + 強標(biāo)準(zhǔn)化的專業(yè)賽道。人力成本昂貴、工作流程高度標(biāo)準(zhǔn)化的領(lǐng)域，AI 落地阻力最小、價值最直觀。首當(dāng)其沖就是研發(fā)程序員群體，延伸到財務(wù)、法務(wù)、一級市場投資研究等專業(yè)服務(wù)領(lǐng)域，都是未來 1-2 年 AI 規(guī)模化落地的核心場景，這也是在場所有投資人的共識。

第二，海量剛需的全民 C 端內(nèi)容賽道。這類場景單用戶價值不算高，但受眾基數(shù)極大、全民剛需。比如 AI 短劇、AI 內(nèi)容創(chuàng)作、短視頻生成等，依托國內(nèi)超大規(guī)模用戶市場，疊加成熟的出海模式，體量足夠大、商業(yè)化模型跑的通，是確定性極高的優(yōu)質(zhì)方向。

第三，重構(gòu)產(chǎn)業(yè)邏輯的全新業(yè)態(tài)。長期來看，能夠突破傳統(tǒng)模式、適配 AI 全新生產(chǎn)力，重構(gòu)生產(chǎn)關(guān)系與經(jīng)營邏輯的創(chuàng)新企業(yè)，會誕生最大的長期價值。目前各類 AI 生態(tài)、應(yīng)用模式雖仍不完善，但產(chǎn)業(yè)進化趨勢明確，這也是我們長期重點聚焦的投資主線。

以上就是鼎心資本對于 AI 產(chǎn)業(yè)的一線觀察與思考，謝謝大家。

張雪：謝謝潘總，潘總的分享非常精彩，我們看到您提到程序員已經(jīng)有部分失業(yè)了，后續(xù)提到法務(wù)、財務(wù)甚至我們自己，可能都要小心了。王總，分享一下您的觀察。

王磊：各位下午好，我是投控東海的王磊，我們是2015年成立的，從成立初期到幾個億再到現(xiàn)在管理規(guī)模超220億，增長還是比較快的，我們一直投AI，這是我們的長期主線。在去年我們成立了兩支基金，一個是數(shù)據(jù)產(chǎn)業(yè)基金，專門投數(shù)據(jù)+Ai，這個是在國內(nèi)比較早的。另外一個具身機器人產(chǎn)業(yè)基金。

AI初期矛盾是必須的，本身模型就是新質(zhì)生產(chǎn)力，新質(zhì)生產(chǎn)力在生產(chǎn)過程中沒有工業(yè)化落地，企業(yè)里數(shù)據(jù)接口沒有統(tǒng)一，數(shù)據(jù)語義沒有打通，行業(yè)需求沒有精準(zhǔn)定位，這必然是有損失的。但我們在過程中也看到一些變化，剛才惠總也說到，我們也投了火電能源領(lǐng)域的Ai機器人，它給企業(yè)帶來的節(jié)約效果非常好，單個火電機組每年能帶來一兩千萬凈利潤的提升。

還有在醫(yī)療領(lǐng)域、法律領(lǐng)域、漫劇領(lǐng)域我們是看到了一些機會，我們看到一些企業(yè)增長非常好，從2023年到現(xiàn)在，每年凈利潤是翻倍的。不少企業(yè)，比如漢資、達瓦，在4月基本已經(jīng)完成去年全年利潤了，這是很快的。Ai發(fā)展要動態(tài)開放的審視，大的趨勢沒有任何問題，只是把數(shù)據(jù)統(tǒng)一，工程化落地，在各行各業(yè)都能有不錯的結(jié)果。

張雪：謝謝王總，言簡意賅。有請楊總。

楊玥希：大家好，我是博將資本的楊玥希。博將資本成立于2005年，目前累計管理規(guī)模超百億，我們是“募-投-管-退”全鏈條的私募投資機構(gòu)，關(guān)注的領(lǐng)域主要是智能制造的產(chǎn)業(yè)鏈、半導(dǎo)體產(chǎn)業(yè)鏈、AI產(chǎn)業(yè)鏈等，目前重點看的是前沿科技的產(chǎn)業(yè)鏈。

剛剛主持人的問題挺有意思，5%的企業(yè)拿到結(jié)果了，95%的企業(yè)沒有拿到結(jié)果。可能我們要問的是，5%的人做對了什么，95%的人沒有做對什么。核心答案很簡單：少數(shù)企業(yè)找對了AI的用法，多數(shù)企業(yè)陷入了技術(shù)誤區(qū)。

引入AI跑通ROI的企業(yè)，都守住了一個核心原則：用AI來處理“具體的事”，而非在短期內(nèi)盲目追求“完全替代人”。一旦過度依賴AI，團隊會逐步喪失獨立思考能力、判斷決策能力等，最終得不償失。尤其對于中大型企業(yè)，AI轉(zhuǎn)型絕非簡單采購工具、上線系統(tǒng)。真正的產(chǎn)業(yè)AI，需要深度結(jié)合行業(yè)屬性、自有業(yè)務(wù)數(shù)據(jù)，經(jīng)過訓(xùn)練、反復(fù)調(diào)優(yōu)打磨；AI落地的本質(zhì)，更是一場業(yè)務(wù)流程重塑+組織能力升級的長期變革。企業(yè)缺乏的是既懂業(yè)務(wù)、懂企業(yè)運營，又懂如何用好各種AI工具的人才。

如今，AI賦能實體經(jīng)濟、創(chuàng)造確定性ROI，已是全行業(yè)共識。相關(guān)行業(yè)場景不一而足，從精準(zhǔn)客戶畫像、智能內(nèi)容生成、多渠道精準(zhǔn)營銷投放，到售后數(shù)據(jù)處理、自動化報表產(chǎn)出……AI已貫穿企業(yè)經(jīng)營全鏈路，高效打通業(yè)務(wù)閉環(huán)，實現(xiàn)降本增效。目前協(xié)調(diào)這些AI工具的依然是以人為主，而下一個階段，Agentic AI真正高度自動化來實現(xiàn)企業(yè)與社會各環(huán)節(jié)的效率運行已勢在必行。讓AI“努力工作”，讓人類好好生活。

張雪：謝謝楊總，不光提到了工具側(cè)，還提到了人的能力和角色。下面有請張總。

張學(xué)軍：大家好，我是力鼎資本的張學(xué)軍。力鼎是一家19年的創(chuàng)投界的老兵。我從我們公司最近投的三個項目來講一講，我們觀察AI行業(yè)落地的情景。

第一個，我們投的AI跟醫(yī)療相結(jié)合，因為AI跟醫(yī)療的結(jié)合說很久了，包括影像識別，一直沒有做出來，我們一直在思考這個問題怎么破局。我們投了一家上海的黑焰醫(yī)療，他是做個體醫(yī)療數(shù)字工程中心的公司。我認(rèn)為AI是個工具，構(gòu)建一個良好的商業(yè)模式更重要。

那個老板研究之后認(rèn)為一定要建院中院，這樣才能夠第一手的提前觸達病人，提前跟醫(yī)生建立強紐帶，做術(shù)后的康復(fù)。所以背后他們的商業(yè)模式由醫(yī)療建個體數(shù)字醫(yī)療中心，他們?nèi)コ邪?，?D打印。因為中國每年有幾千萬臺收入，醫(yī)生每年都是拍腦袋靠經(jīng)驗的。這塊的精準(zhǔn)化有巨大的市場，包括現(xiàn)在醫(yī)院有很多手術(shù)失敗的案例，都是因為醫(yī)生每天做很多手術(shù)，所以醫(yī)療的精準(zhǔn)化靠AI平臺，AI的能力。

但是怎么做？我們嘗試了很多個在院用第三方的服務(wù)中心，這其實就是價值鏈條很低的模式。建立院中院的模式雖然前期很難，但是也是良好的壁壘，建立AI的前提是數(shù)據(jù)，把消費者的數(shù)據(jù)、醫(yī)生的數(shù)據(jù)，他已經(jīng)積累了中國最大的手術(shù)數(shù)據(jù)庫，正在建立中國手術(shù)的AI平臺。所以我覺得AI是工具，要和良好的商業(yè)模式相結(jié)合，尤其是在中國。所以CEO更多的要考慮的是怎么利用各方資源建立行之有效的商業(yè)模式，否則只談概念是沒用的，落不了地的。

第二個，我們投了一家做智能輔助駕駛的公司，今年他也拿下了行業(yè)最大的無人物流車L4，央企的1.5萬臺智駕的訂單。這個公司的特點是充分利用AI時代賦能，他的團隊只有40多人，同行業(yè)基本上是500人起的。同行業(yè)累計出貨量超過1萬臺的估值到200億了，我們這個公司今年是5000臺，明年就1萬多臺，很快他的整體估值能力就會迅速提升。他是利用了AI賦予的新興的大模型能力，以及節(jié)約成本。因為主機廠要求又要好又要便宜，所以在很卷的市場充分利用AI的能力是至關(guān)重要的。

第三個，AI跟軍事的結(jié)合是非常大的市場。我們未來要用AI產(chǎn)品研發(fā)幾千塊錢的導(dǎo)彈。因為深度強化學(xué)習(xí)能力在2024年突破之后，在物理世界，因為我們要擊落導(dǎo)彈的目標(biāo)是明確的。我們用強化學(xué)習(xí)的模型能夠迅速的、能夠極大的提高我們的迭代速度。所以AI我們認(rèn)為第一個是有強大的軍事訂單需求，包括我軍在數(shù)據(jù)鏈，在無人機方面有很大的需求，所以AI在這個方面的應(yīng)用是巨大的，同樣也是要找到好的商業(yè)模式和好的產(chǎn)品。

張雪：謝謝張總，用三個非常生動的案例給我們講了您的觀察。有請第二位張總，也希望您從更早期的角度給我們分享一下您的想法，謝謝。

張煜：謝謝張雪，我們投早期的創(chuàng)投資本。我們投的項目大概90%都是天使輪，我是清智資本的創(chuàng)始合伙人張煜，我們專注在人工智能領(lǐng)域去投早期的項目。到現(xiàn)在兩年多的時間，我們已經(jīng)投了幾十個項目，投出差不多5個獨角獸了，有2個已經(jīng)在報板過程中，預(yù)計今年能夠上市。

我們投資集中在AI方向，所以行業(yè)模型、AIGC具身智能和生命科學(xué)，是我們投的最多的。其他的還有工業(yè)智能、數(shù)據(jù)服務(wù)、智能硬件，我們也都有涉及。

我們的特點，第一是投早期，既是耐心資本也是愛心資本。第二是賦能很強，我們有清華大學(xué)智能產(chǎn)業(yè)研究院的指導(dǎo)和支持，也有自己的孵化器。如果大家有AI領(lǐng)域創(chuàng)業(yè)，又沒有融過資，我們提供免費辦公場地、免費算力資源，目前正對接頭部企業(yè)，爭取一定量的免費 token 等配套支持，全方位降低早期創(chuàng)業(yè)門檻。。

我們孵化體系基本上形成了三個循環(huán)，第一個，我們自己的孵化器內(nèi)部和已投企業(yè)之間已經(jīng)形成了小循環(huán)，他們之間已經(jīng)開始高效的合作；第二個，我們聯(lián)動政府和產(chǎn)業(yè)資本布局產(chǎn)業(yè)孵化，從場景、應(yīng)用、產(chǎn)業(yè)、政策等各方面助力科研成果從研發(fā)走向商業(yè)化落地，持續(xù)推動被投企業(yè)的生態(tài)建設(shè)；第三個，我們除了北京，現(xiàn)在在廣州、四川都有實體孵化器，在長三角和海外也正在落地孵化器，未來希望把北京的人才和科研，各地的場景和產(chǎn)業(yè)應(yīng)用，以及出海和全球化打通，形成一個全球化的創(chuàng)新孵化生態(tài)，更廣泛地為全球創(chuàng)業(yè)者服務(wù)。

回答主持人的提問。我們覺得現(xiàn)在能夠跑通商業(yè)模式的主要有幾個方面：

第一是賣鏟子的，賣鏟的大多數(shù)都在掙錢，因為現(xiàn)在大模型需要的配套很多，投入也是巨大的。大模型、具身領(lǐng)域，都是這個情況，大家的投入巨大，從芯片、算力、數(shù)據(jù)、到關(guān)節(jié)模組、訓(xùn)練等等相關(guān)上下游都是在掙錢的，我覺得這是第一個。

第二是數(shù)據(jù)資源充沛，商業(yè)模式比較清晰的賽道也開始盈利。我們最近半年以來看的很多項目，產(chǎn)品出來的第一天就有收入，甚至有一些都可以打平自己的成本投入了。比如教育等行業(yè)知識領(lǐng)域，它相對來講數(shù)據(jù)比較充沛，商業(yè)模式又清晰，很容易替換掉現(xiàn)有體系，而且很容易被用戶接受，付款率高。

還有一些中國特色的，比如智能硬件。我們看了很多智能硬件項目，總體上講大家已經(jīng)有收入了，雖然不見得現(xiàn)在都能夠盈利。主要原因是中國強大的供應(yīng)鏈，使得很多硬件、甚至大型硬件裝置都能夠以較低成本和時間制造出來。世界造火箭的美國也就兩三家，但是中國民營有就十來家，而且很多都已經(jīng)把火箭發(fā)射到天上去了，還是因為中國強大的供應(yīng)鏈，可以用較低的成本完成一個很好的作品，再加上AI的能力，更高的效率、更低的成本和時間，達到很好的結(jié)果。這是我看到的一些現(xiàn)象。

從我們的角度來講，新一代的大模型和算法框架，是我們關(guān)注的；第二個，vibe coding是我們關(guān)注的，這是未來工業(yè)的血液；第三個是行業(yè)具身，因為通用具身可能還有一段時間，但是行業(yè)具身現(xiàn)在差不多可用了，所以我們看到行業(yè)具身領(lǐng)域在爆發(fā)，比如說擦窗、清洗等領(lǐng)域和產(chǎn)線上的工業(yè)機器人，現(xiàn)在都在大量的進入場景；還有一個就是自主可進化的智能體，目前很多應(yīng)用都可以跟智能體更好的結(jié)合，實現(xiàn)更高的效率和更準(zhǔn)確的結(jié)果。還有剛才說的智能硬件，這幾個方面我們覺得都有很大的機會，在未來的一兩年內(nèi)就可以實現(xiàn)很好的收入和盈利規(guī)模。

謝謝。

張雪：謝謝張總，您的分享非常的豐富。看來確實接觸了不少項目。下面有請朱總。

朱思行：感謝主持人，我是來自山行資本的朱思行。山行資本是2015年成立的，現(xiàn)在是美元和人民幣的雙幣種基金，AI是我們過去幾年里面一直非常關(guān)注的領(lǐng)域，或者說主要的投資方向。

剛才主持人提了一個問題，在MIT的分析報告里面，大家對AI相關(guān)的投入產(chǎn)出比不是特別滿意。從我的觀察來說，我覺得大家對于它產(chǎn)出的東西的價值本身質(zhì)疑并不大，很多比例的質(zhì)疑是來自成本有點過高。我們在前年有同樣的判斷，也布局了云端的相關(guān)推理芯片，希望在云端推理芯片上能夠數(shù)量級式的降低整體的成本，這也是我們觀察下來AI的一個共性問題。

去年我們看到，其實進一步成本下降的機會，是說我不把AI的推理放在云端，我可以移相當(dāng)一部分的推理算力到端側(cè)來。我們?nèi)ツ暌不吮容^多的時間看有沒有端側(cè)推理芯片相關(guān)的機會，這也是我們這段時間在考慮的，在這方面進行布局。這是我們過去三年里在算力方面的一些想法。

今年上半年我們也看到了一些變化，剛才嘉賓們也提到Claude家用的也比較多，端側(cè)模型能力在顯著提高，甚至三十幾B的模型大概去年百B左右模型的實力，在這個情況下類比出來的情況，在移動互聯(lián)網(wǎng)時期，kodaike（英譯）和3D引擎在端側(cè)能力的提高，造成了短視頻、視頻直播包括3D游戲很大的機會。我們看到現(xiàn)在的情況，比如在端側(cè)有模型30B左右，能力有這么大的提高，在未來一段時間會出現(xiàn)在端側(cè)某種形態(tài)的爆發(fā)，我們也很看好這個事，最近我們在研究這個方向。

張雪：謝謝朱總，我們在臺下跟大家交流的時候也提到物理模型或者物理AI的概念，在今年一級市場是特別火的，剛才我們聊了現(xiàn)在存在的問題，現(xiàn)在要回答是關(guān)于將來的問題，物理AI或者世界模型，在AI滲透到千行百業(yè)過程中是要發(fā)揮非常重要的作用，但每家策略、打法、偏好都是不一樣的，請各位用比較簡短的語言說一下我們在這方面的布局和觀察。

物理AI仍處在爆發(fā)前期，需謹(jǐn)慎樂觀

楊玥希：感謝主持人，我先簡單分享一下，物理AI是這兩年特別火的具身賽道，我們投機器人大腦，投具身是非常早的，但回歸商業(yè)本質(zhì)，任何技術(shù)的規(guī)模化落地，都離不開底層技術(shù)突破的拐點與產(chǎn)業(yè)配套的逐步成熟。客觀來看，當(dāng)前具身智能走入工業(yè)、服務(wù)業(yè)、家庭等真實場景，仍面臨多重瓶頸。

如果把具身智能類比為一個新生個體，想要自主認(rèn)知物理世界、完成復(fù)雜環(huán)境交互，現(xiàn)有技術(shù)范式仍存在明顯短板：高度依賴大量高成本真實數(shù)據(jù)訓(xùn)練，模型泛化能力薄弱，一腦多體、跨場景遷移難度大。追根溯源，是當(dāng)前AI 認(rèn)知世界、與物理空間交互的底層邏輯，尚未完成突破。

因此，博將的投資視角，正在從表層應(yīng)用，轉(zhuǎn)向最核心的底層：一是聚焦具身智能大腦核心技術(shù)，探索AI 認(rèn)知物理世界的基礎(chǔ)邏輯與范式創(chuàng)新；二是錨定場景落地本質(zhì)，衡量落地成本、交付效率、工程化團隊能力；三是加碼世界模型前沿探索，嘗試將交叉學(xué)科如量子計算融入世界模型架構(gòu)，通過算子優(yōu)化、模型密度升級，突破技術(shù)上限。

未來，隨著Agentic AI、物理AI、具身智能等從“能用”走向“可靠、穩(wěn)定、安全、高效”的大規(guī)模商用，端側(cè)推理亦將迎來爆發(fā)式剛需。產(chǎn)業(yè)落地浪潮之下，推理側(cè)技術(shù)革新、高端算力芯片、底層數(shù)據(jù)基礎(chǔ)設(shè)施，將成為硬科技賽道的核心增量。博將資本將持續(xù)重點布局：具身大腦技術(shù)范式創(chuàng)新、端側(cè)推理算力、產(chǎn)業(yè)垂類智能體應(yīng)用落地等環(huán)節(jié)。堅持耐心資本定位，扎根硬科技核心賽道，聚焦前沿技術(shù)突破，陪伴硬核科技企業(yè)穿越周期，把握新一代科技革命的時代機遇。

我就分享這么多，謝謝。

王磊：現(xiàn)在要么是提升模型能力，要么是提升數(shù)據(jù)和工程化能力。我認(rèn)為兩個都重要，我們覺得在當(dāng)下階段模型能力最后還是有幾家出來，不管是大語言模型還是世界模型，頭部聚集，如果要參與，我們會參與這種。

另外一個看行業(yè)高質(zhì)量數(shù)據(jù)集，比如我們把芯片比作單細胞動物、哺乳動物、高級動物，腦子越好或者說算力越強肯定是越好。但是數(shù)據(jù)的重要性，我們可以理解成一個聰明人和一個平凡的人，在這個階段灌入的知識很重要，高質(zhì)量的數(shù)據(jù)會指引更好的方向，也會顯得更聰明。當(dāng)下，我們更重視的是行業(yè)知識。我們發(fā)現(xiàn)很多行業(yè)的過程數(shù)據(jù)是沒有的，行業(yè)細分?jǐn)?shù)據(jù)是沒有的。如果沒有這些知識和數(shù)據(jù)，模型怎么練也不會聰明。只有沉淀到行業(yè)里面，去做這種高質(zhì)量數(shù)據(jù)集才能教會模型做這個事情，才能解決行業(yè)的問題，我們后續(xù)的重點就在這個領(lǐng)域——垂類行業(yè)的高質(zhì)量數(shù)據(jù)集，誰掌握垂類行業(yè)的數(shù)據(jù)我們就重點關(guān)注那個企業(yè)。

張煜：我們應(yīng)該是創(chuàng)投行業(yè)里投具身智能體系最廣泛的公司之一，大腦、小腦、本體、運控、仿真、模組、世界模型、應(yīng)用、數(shù)據(jù)等我們都有投資或者孵化，中國最早的兩個世界模型公司都是我們投的。

所以我們看具身比較系統(tǒng)化，現(xiàn)在的情況，一個是通用模型，主要應(yīng)用在通用具身和大腦，拋開機械方面，模組、電機方面的因素之外，感覺通用具身還有很長的路要走，各個方面都需要加強。大腦發(fā)展挺快的，現(xiàn)在大腦也只能做最簡單的任務(wù)，長程任務(wù)是要點之一，行業(yè)大多是從數(shù)據(jù)的角度去訓(xùn)練和仿真，這種模式耗時久、效率不高，是否有更優(yōu)路線是業(yè)界探索的重要方向。

目前具身領(lǐng)域集中在幾個點上：多模態(tài)能力，機器人多維度去看世界和感知世界，Native AI的核心是對環(huán)境的主動感知和理解能力；第二個是推理，這不只是單純的世界模型，還需要把空間推理和邏輯推理結(jié)合到一起，目前具身智能企業(yè)也都在這個方向探索，距離實用還有點遠，如果能夠突破，就能使得具身智能向前跨一大步，我認(rèn)為具身從材料到電機到模組，到整個運動控制、大小腦協(xié)調(diào)，都在進步，是個相互促進的過程可能到一定程度的時候，會有一個整體的突破，將推動具身智能實現(xiàn)跨越式發(fā)展。

我們的關(guān)注兼顧通用具身與行業(yè)專用具身兩大方向，相對行業(yè)具身不用考慮各個方面像人形，還要有情緒價值，更多的是完成工作，這一點從技術(shù)來說已經(jīng)接近可用了。通用具身方面雖然功能性還在發(fā)展中，但情緒價值提供已經(jīng)變成現(xiàn)實賽道了，我也愿意把它定義為一個賽道，現(xiàn)在很多機器人可能干不了什么，但是通過表演也可以盈利，這也是我們看到的現(xiàn)狀和關(guān)注的方向。

張雪：好的，謝謝張總。潘總。

潘濤：剛才張總的分享，給了我很大啟發(fā)。我們也一直在持續(xù)觀察整個行業(yè)的演進，不斷尋找產(chǎn)業(yè)發(fā)展的參考坐標(biāo)。人很難預(yù)判遙遠的未來，更多是依托過往的技術(shù)規(guī)律做判斷。就像大模型 LLM 的發(fā)展歷程一樣，智能涌現(xiàn)沒有人能精準(zhǔn)預(yù)判它何時到來。而現(xiàn)在來看，Physics （物理 ）AI，正處在這樣一個關(guān)鍵的臨界點。

還有一個更直觀的參照，就是自動駕駛。行業(yè)從 VA 升級到 VLA，看似只是多了一個認(rèn)知維度、技術(shù)上的一小步；汽車本體的自由度有限，和具身智能動輒幾十個自由度的復(fù)雜結(jié)構(gòu)完全沒法比，同時整車常年路采，天然擁有高質(zhì)量、標(biāo)準(zhǔn)化的數(shù)據(jù)集

但恰恰就是這一步跨越，帶來了整個行業(yè)翻天覆地的變化。真正體驗過 VLA 自動駕駛的人，都會深刻感受到這種質(zhì)變。對照來看物理 AI 賽道，我有兩個核心觀點：

第一，站在投資視角，物理 AI 一定需要和本體深度結(jié)合，這也貼合我們國內(nèi)獨特的產(chǎn)業(yè)發(fā)展路徑；第二，不管是底層數(shù)據(jù)體系，還是物理模型的算法能力，都具備極強的投資價值。

從科技發(fā)展的底層規(guī)律來講，物理 AI 的能力涌現(xiàn)是必然事件。只是時間早晚的問題，或許就在當(dāng)下，或許在不久之后，甚至有可能，全新的涌現(xiàn)能力已經(jīng)在行業(yè)的某個角落悄然落地。

所以對我們投資人而言，核心就是提前布局、搶抓先機，牢牢抓住這一輪產(chǎn)業(yè)變革的關(guān)鍵時間窗口。

謝謝大家。

張雪：謝謝。惠總。

惠亨玉：從朝希的生態(tài)稟賦出發(fā)，我們更多考慮數(shù)據(jù)和商業(yè)閉環(huán)。就數(shù)據(jù)而言，我們的產(chǎn)業(yè)生態(tài)中有很多企業(yè)在本身的生產(chǎn)過程中也在產(chǎn)生數(shù)據(jù)，如果有企業(yè)能把數(shù)據(jù)的采集和模型的泛化結(jié)合起來，能解決某個流程中人工效率提升、以及其他關(guān)于可預(yù)測性、可規(guī)劃性難題，這將是我們的投資重點。

另外，商業(yè)生態(tài)。各個能源場景對于AI的要求是不同的。在電力巡檢中，點位相對固定，問題相對集中，通過數(shù)據(jù)不停地仿真學(xué)習(xí)就能發(fā)現(xiàn)99%以上的問題，對泛化的要求沒有那么高。但是在其他領(lǐng)域，比如風(fēng)電運維又是另一個場景。我們在這個領(lǐng)域里看了很多的企業(yè)，發(fā)現(xiàn)它對人的要求非常高，AI要做到在風(fēng)電運維的擬人化難度是非常大的。如果在這個領(lǐng)域能做到商業(yè)閉環(huán)，把數(shù)據(jù)和模型結(jié)合起來，我覺得是很好的創(chuàng)業(yè)方向。

張雪：謝謝，劉總接著說。

劉凱：很多嘉賓都總結(jié)的蠻好的。因為我是投模型比較多，投過Kimi和階躍，反而具身我覺得相對有一點早。但是我覺得具身的價值是巨大的。我們可能搞了兩百年的經(jīng)典物理，牛頓物理，但突然出現(xiàn)了量子物理，其實方法論完全不一樣，解決的問題也是更大的。具身不能完全類比語言模型，語言模型我最早是從BERT開始投的，大家知道BERT是Transformer前一代的模型，那時候我們的期望值也特別高，訓(xùn)練到了千億參數(shù)的模型，大家都覺得這是通向通用人工智能最好的路。

但其實是OpenAI做出了Transformer模型，他開創(chuàng)了新的路。然后Anthropic又把它發(fā)揚光大。所以我覺得具身可能在路線之爭上面還不夠激烈。我昨天給LP分享，我說現(xiàn)在有100多家公司，大概有40多家100億估值以上的公司。大概分為五個流派，有200多種組合標(biāo)簽，百花齊放，看上去很嘈雜。我覺得如果從真正技術(shù)底層的差異上來看沒有那么大，因為當(dāng)年語言模型的技術(shù)路線差異是非常大的。

我希望未來的具身會更百花齊放，才會把這個技術(shù)推的更上一步。因為大家目前都是偏demo、偏測試、偏模擬場景，解決的都是非?；A(chǔ)的任務(wù)。我投的第一個自動駕駛是Alpamayo，在2016年。那時候我們就可以實現(xiàn)大概一個多小時的完全無人駕駛，我上周也看了北京的馬拉松，我看拿遙控器的工程師跑斷腿，我覺得差距還是有一些的。

張雪：劉總的態(tài)度比較謹(jǐn)慎，看來具身還不夠卷。下面朱總您來聊，張總來收尾。

朱思行：我們也是相對來說對具身的現(xiàn)狀比較謹(jǐn)慎樂觀，我們到現(xiàn)在為止還沒有出手布局。但是長期來看，我們是看好這個事的。因為我們看到這次人工智能主要還是對所謂的第三產(chǎn)業(yè)是很大的革新，第三產(chǎn)業(yè)我們可以籠統(tǒng)分成以腦力活動為中心，或者以腦力和體力結(jié)合為中心的。腦力和體力結(jié)合為中心的，具身智能機器人就是必要的條件。但是這個必要條件的現(xiàn)狀還沒到那個拐點，我們期待能早日實現(xiàn)。

張雪：好，又一份對行業(yè)的希望。請張總聊一下，您應(yīng)該見證了很多這種概念。

張學(xué)軍：我們在AI十年前我們經(jīng)歷過，那時候幸存下來的不到5%，這個時代比那個時代更加熱，但是我想是好事，但是要根據(jù)每個特點不一樣。AI的終極分享就是物理AI和世界模型，國外基本有三條路線，第一個是李飛飛，另外是Google，第三個最高端是楊立昆，這是代表三個世界模型的方向。

國內(nèi)從投資的角度，我們的觀點是從可投資來看，首先是智能駕駛，因為移動的車就是物理AI。第二個就是機器人，機器人從工業(yè)機器人到人形機器人。人形機器人要形成商業(yè)落地還需要時間，這是大家公認(rèn)的。最后真正是到我剛剛講的，大家可能沒關(guān)注軍事AI的能力，它既然是物理AI，你要打?qū)棥⒋蝻w機，現(xiàn)在沒有很多人做，大家都在卷人形機器人。包括智駕也一樣，我們現(xiàn)在看的是你要在沼澤地、田野里面有個自動駕駛的車輛出去，帶著低成本導(dǎo)彈，這就是一個很大的場景。

歸根到底。第一個，數(shù)據(jù)，未來的軍事用途沒有地圖、沒有導(dǎo)航，你要能夠自適應(yīng)的建立無人機飛出去的數(shù)據(jù)。第二個，數(shù)據(jù)的采集，現(xiàn)在我們看到很多在做物理AI的數(shù)據(jù)采集功能。整體上來看，從投資的邏輯來看，從智駕到機器人，跟物理相關(guān)的方面，有些地方很擁擠，但是有些地方還是有很多可發(fā)掘的空間，這是我們的一些想法。

張雪：因為時間有限，我們這次的交流只能到這里，下面請各位嘉賓寫上您認(rèn)為最精彩發(fā)言的獲得者。我開場就說我們的競爭會非常激烈，本場的MVP有三位，一個是五源資本的劉總，還有楊總，還有張學(xué)軍總。