“質疑AI價值的人終會被時代拋下”

麻省理工學院一項扎心的研究：95%的企業在引入AI工具后并未獲得相應回報，只有5%實現了大規模部署。當AI從“降本增效”的敘事走向真實的現金流與凈利潤，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滲透千行百業的挑戰與價值”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的答案。

朝希資本管理合伙人惠亨玉認為，能源是AI落地的絕佳場景范式，他們投的一家物理AI企業，在電網巡檢中替代人工率達到80%，已實現規模化、批量化盈利。投控東海董事總經理王磊更是直言：“我投完的企業，4月份已經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，編程成為首個規模化兌現 AGI價值的領域，AI 正在重構企業效率與商業模式，質疑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 產業的進階機遇：AI 工具正從個人零散化試用，穩步邁向與企業業務系統深度融合的升級階段；產業生產關系持續迭代優化，加速適配 AI 全新生產力的發展需求；當下熱門產品尚存打磨空間，恰恰是行業迭代升級、彎道超車的絕佳機遇；而最核心的 AI Native 全新組織形態，也正處在積極探索、逐步成型、落地普及的上升過程。

博將資本聯合創始人楊玥希則點出了關鍵：“5%的人做對了什么？他們讓AI幫助人去解決具體的事情，而不是短期內盲目追求讓AI完全取代人。”她強調，AI不是買來的，是反復訓練、融入業務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張學軍用三個投資項目串聯起AI落地的真實邏輯：“AI是個工具，構建良好的商業模式更重要。”他提到，做院中院模式的醫療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，以及軍事AI中“幾千塊錢的導彈”，都是AI與具體場景、商業模式深度綁定的結果。

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

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

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。楊玥希認為具身智能走進真實場景仍有“蠻大挑戰”，更關注底層范式創新；張煜則稱自己是“全行業投具身最多的公司”，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，只是今天還是明天”；而劉凱反而態度謹慎——他投了Kimi和階躍，卻認為具身“相對有點早”，技術路線差異遠不如當年語言模型那般激烈，“現在100多家公司，看上去嘈雜，但底層差異沒那么大”。

以下為現場實錄：

張雪：大家好，我是投中網的張雪，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滲透千行百業的挑戰和價值。

在開場之前我先給臺上的嘉賓布置一個小任務，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，希望大家好好發揮。

麻省理工的一項研究表明，95%的企業在引入AI工具當中是沒有獲得相應的回報的，僅有5%的企業能夠實現工具的大規模部署。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金流與凈利潤兌現的鴻溝在哪里？從您一線的發現或者是體會來看，哪些行業場景或者是商業模式能夠在未來的一到兩年里跑出最清晰的ROI模型？請我身邊的惠總發言，回答之前請大家介紹一下自己所在的機構及關注的重點。

5%的企業做對了什么

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年開始做少數股權投資的，在這之前我們做并購投資，主要集中在風電、光伏、鋰電、汽車、半導體。2021年之后的少數股權投資，我們集中在能源和科技這兩個產業，歡迎大家和我們產生更多的互動。

我們認為AI的應用，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從過去可預測、可調節的傳統能源，到存在更多變量、更多不可測的可再生能源。可再生能源以風電和光伏為主，它們顯著受到天氣及整個自然環境變化的影響，AI將在其中發揮著更重要的作用。

以中國為例，全國2025年全年用電量共10萬億度電，其中20%是新能源發電，也就是2萬億度電。這2萬億度電中，每天的實際發電量會隨著日照、風力等天氣要素的變化而有所波動，那么運用AI將提升在發電側的預測準確率。另外在負荷側，基于居民和工業企業的電力消費畫像，由于新業態、新模態的使用，比如說人工智能的訓練應用，也產生了很多AI可以大規模部署的場景。

在我們的投資組合里，確實有不少企業在用AI解決傳統問題。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、水務、礦業等運維場景的企業。創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，企業在近五、六年的時間中已積累了數以百萬級的數據體量。隨著物理AI技術的逐漸成熟，結合數據基礎和具身智能的發展，產生了更好的應用范式，對于人工巡檢的替代率可以達到80%，已經在電網巡檢這個場景中實現了規模化、批量化可盈利的應用。

張雪：謝謝惠總。惠總是從朝希自己的稟賦出發，在新能源領域給我們展開了一場關于AI應用的解讀。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到現在半年的時間，全世界公認的AI已經達到第一個AGI的產品就是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，今年應該不用解釋了，因為它的價值遠超你的想象，因為我們全公司都買幾個公司的賬號，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軟件，當時大家也在討論一個問題，中國的數字化買軟件有沒有價值。我覺得這個問題都不用回答了，因為沒有數字化就沒有人工智能，所以其實很多企業在人工智能上走得很快的價值是他的數字化建得特別好，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，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出來了，所以我們也是特別擁抱大模型的機構，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。

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

張雪：明白，看來咱們是那5%的成功產業，已經用AI產生價值了。我想追問一下，現在來看您會覺得除了coding行業之外，哪些行業現在是最有可能跑出一定的比較清晰的商業模型的，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據庫，編程的企業，那時候大家算市場規模比較簡單，全世界有多少個程序員、多少計算機學科畢業的，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的東西，包括醫療、制藥、設計、建站，現在做科研也大量的應用，也是基于數字化，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，2014 年成立，至今深耕一級市場 12 年，累計管理規模突破百億。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、數據中心。沿著原有產業脈絡延伸，邏輯非常清晰：

第一，當下整車廠紛紛加碼布局具身機器人，汽車產業早已和 AI 深度綁定；

第二，通信領域，5G 之后 6G 演進是必然趨勢，未來 6G 一定會走向天地一體化，結合太空算力，成為新一代 AI 核心基礎設施；

第三，全球數據中心的投資重心，已經全面轉向智算賽道。

基于整條產業鏈的確定性變革，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：也就是底層基礎設施 Infrastructure、行業通用平臺 Platform、場景化落地應用 Action。

結合主持人提到的行業問題，我們去年就深度關注、研讀了相關行業報告。時隔大半年，結合我們一線產業走訪、被投企業落地實踐來看，報告里的判斷，具備很強的現實參考意義。

AI 行業的迭代速度極快，幾乎每天、每月都在發生顛覆性變化。去年，AI 最先在個人端實現大規模賦能，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，進一步滲透到企業日常經營與管理中。

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

結合我們的實地調研與長期觀察，當前 AI 產業化落地，存在四大階段性特征與升級空間：

第一，AI 工具碎片化，與企業體系融合度不足。目前大部分 AI 應用還是個人散點式使用，員工個體體驗很好、效率提升明顯，但很難沉淀為企業標準化、體系化的能力。如何把個人化的工具能力，轉化為企業系統化的整體效率，是接下來產業突破的關鍵方向。

第二，生產關系尚未適配全新生產力。企業經營的核心邏輯，始終圍繞市場營銷、產品研發、人財物、產供銷全鏈條核算，最終落腳到收入、成本、毛利、利潤等核心經營指標。但當前企業的管理與核算體系，并沒有量化 AI 在各業務環節創造的價值。很多企業明明借助 AI 實現了降本增效，卻無法顯性化、數字化體現價值，AI 的商業價值很難被精準評估。

第三，賽道熱點快速輪動，早期產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，行業熱點不斷切換。客觀來看，當下很多熱門 AI 產品還處在早期階段，整體偏原始、不夠成熟。但換個角度來看，早期產品的粗放與空白，恰恰是產業迭代、技術升級、創業突圍的核心機會，看似野蠻生長的行業階段，反而蘊藏大量結構性投資機遇。

第四，也是最本質的核心：生產力已經發生革命性變化，但傳統組織形態仍未迭代。

AI 重塑了生產力，但絕大多數企業的管理模式、組織架構、協作體系，還是沿用傳統模式。行業都在探索何為 AI Native 原生組織形態，這是一套完全全新的底層邏輯。未來，傳統組織與 AI 原生模式會持續競爭、融合、重構，只有真正適配 AI 生產力的 AI Native 企業，才能完成完整商業閉環，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、實現商業化？

站在投資視角，我們短期非常看好三大確定性方向：

第一，高人力成本 + 強標準化的專業賽道。人力成本昂貴、工作流程高度標準化的領域，AI 落地阻力最小、價值最直觀。首當其沖就是研發程序員群體，延伸到財務、法務、一級市場投資研究等專業服務領域，都是未來 1-2 年 AI 規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 端內容賽道。這類場景單用戶價值不算高，但受眾基數極大、全民剛需。比如 AI 短劇、AI 內容創作、短視頻生成等，依托國內超大規模用戶市場，疊加成熟的出海模式，體量足夠大、商業化模型跑的通，是確定性極高的優質方向。

第三，重構產業邏輯的全新業態。長期來看，能夠突破傳統模式、適配 AI 全新生產力，重構生產關系與經營邏輯的創新企業，會誕生最大的長期價值。目前各類 AI 生態、應用模式雖仍不完善，但產業進化趨勢明確，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 產業的一線觀察與思考，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有部分失業了，后續提到法務、財務甚至我們自己，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在管理規模超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，一個是數據產業基金，專門投數據+Ai，這個是在國內比較早的。另外一個具身機器人產業基金。

AI初期矛盾是必須的，本身模型就是新質生產力，新質生產力在生產過程中沒有工業化落地，企業里數據接口沒有統一，數據語義沒有打通，行業需求沒有精準定位，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域的Ai機器人，它給企業帶來的節約效果非常好，單個火電機組每年能帶來一兩千萬凈利潤的提升。

還有在醫療領域、法律領域、漫劇領域我們是看到了一些機會，我們看到一些企業增長非常好，從2023年到現在，每年凈利潤是翻倍的。不少企業，比如漢資、達瓦，在4月基本已經完成去年全年利潤了，這是很快的。Ai發展要動態開放的審視，大的趨勢沒有任何問題，只是把數據統一，工程化落地，在各行各業都能有不錯的結果。

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，目前累計管理規模超百億，我們是“募-投-管-退”全鏈條的私募投資機構，關注的領域主要是智能制造的產業鏈、半導體產業鏈、AI產業鏈等，目前重點看的是前沿科技的產業鏈。

剛剛主持人的問題挺有意思，5%的企業拿到結果了，95%的企業沒有拿到結果。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：少數企業找對了AI的用法，多數企業陷入了技術誤區。

引入AI跑通ROI的企業，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，AI轉型絕非簡單采購工具、上線系統。真正的產業AI，需要深度結合行業屬性、自有業務數據，經過訓練、反復調優打磨；AI落地的本質，更是一場業務流程重塑+組織能力升級的長期變革。企業缺乏的是既懂業務、懂企業運營，又懂如何用好各種AI工具的人才。

如今，AI賦能實體經濟、創造確定性ROI，已是全行業共識。相關行業場景不一而足，從精準客戶畫像、智能內容生成、多渠道精準營銷投放，到售后數據處理、自動化報表產出……AI已貫穿企業經營全鏈路，高效打通業務閉環，實現降本增效。目前協調這些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企業與社會各環節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，還提到了人的能力和角色。下面有請張總。

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

第一個，我們投的AI跟醫療相結合，因為AI跟醫療的結合說很久了，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療，他是做個體醫療數字工程中心的公司。我認為AI是個工具，構建一個良好的商業模式更重要。

那個老板研究之后認為一定要建院中院，這樣才能夠第一手的提前觸達病人，提前跟醫生建立強紐帶，做術后的康復。所以背后他們的商業模式由醫療建個體數字醫療中心，他們去承包，建3D打印。因為中國每年有幾千萬臺收入，醫生每年都是拍腦袋靠經驗的。這塊的精準化有巨大的市場，包括現在醫院有很多手術失敗的案例，都是因為醫生每天做很多手術，所以醫療的精準化靠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的前提是數據，把消費者的數據、醫生的數據，他已經積累了中國最大的手術數據庫，正在建立中國手術的AI平臺。所以我覺得AI是工具，要和良好的商業模式相結合，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，同行業基本上是500人起的。同行業累計出貨量超過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的能力是至關重要的。

第三個，AI跟軍事的結合是非常大的市場。我們未來要用AI產品研發幾千塊錢的導彈。因為深度強化學習能力在2024年突破之后，在物理世界，因為我們要擊落導彈的目標是明確的。我們用強化學習的模型能夠迅速的、能夠極大的提高我們的迭代速度。所以AI我們認為第一個是有強大的軍事訂單需求，包括我軍在數據鏈，在無人機方面有很大的需求，所以AI在這個方面的應用是巨大的，同樣也是要找到好的商業模式和好的產品。

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，我是清智資本的創始合伙人張煜，我們專注在人工智能領域去投早期的項目。到現在兩年多的時間，我們已經投了幾十個項目，投出差不多5個獨角獸了，有2個已經在報板過程中，預計今年能夠上市。

我們投資集中在AI方向，所以行業模型、AIGC具身智能和生命科學，是我們投的最多的。其他的還有工業智能、數據服務、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，我們有清華大學智能產業研究院的指導和支持，也有自己的孵化器。如果大家有AI領域創業，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，爭取一定量的免費 token 等配套支持，全方位降低早期創業門檻。。

我們孵化體系基本上形成了三個循環，第一個，我們自己的孵化器內部和已投企業之間已經形成了小循環，他們之間已經開始高效的合作；第二個，我們聯動政府和產業資本布局產業孵化，從場景、應用、產業、政策等各方面助力科研成果從研發走向商業化落地，持續推動被投企業的生態建設；第三個，我們除了北京，現在在廣州、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，各地的場景和產業應用，以及出海和全球化打通，形成一個全球化的創新孵化生態，更廣泛地為全球創業者服務。

回答主持人的提問。我們覺得現在能夠跑通商業模式的主要有幾個方面：

第一是賣鏟子的，賣鏟的大多數都在掙錢，因為現在大模型需要的配套很多，投入也是巨大的。大模型、具身領域，都是這個情況，大家的投入巨大，從芯片、算力、數據、到關節模組、訓練等等相關上下游都是在掙錢的，我覺得這是第一個。

第二是數據資源充沛，商業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。比如教育等行業知識領域，它相對來講數據比較充沛，商業模式又清晰，很容易替換掉現有體系，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，總體上講大家已經有收入了，雖然不見得現在都能夠盈利。主要原因是中國強大的供應鏈，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，而且很多都已經把火箭發射到天上去了，還是因為中國強大的供應鏈，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，達到很好的結果。這是我看到的一些現象。

從我們的角度來講，新一代的大模型和算法框架，是我們關注的；第二個，vibe coding是我們關注的，這是未來工業的血液；第三個是行業具身，因為通用具身可能還有一段時間，但是行業具身現在差不多可用了，所以我們看到行業具身領域在爆發，比如說擦窗、清洗等領域和產線上的工業機器人，現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，目前很多應用都可以跟智能體更好的結合，實現更高的效率和更準確的結果。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，在未來的一兩年內就可以實現很好的收入和盈利規模。

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注的領域，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相關的投入產出比不是特別滿意。從我的觀察來說，我覺得大家對于它產出的東西的價值本身質疑并不大，很多比例的質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推理芯片，希望在云端推理芯片上能夠數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，我可以移相當一部分的推理算力到端側來。我們去年也花了比較多的時間看有沒有端側推理芯片相關的機會，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，在移動互聯網時期，kodaike（英譯）和3D引擎在端側能力的提高，造成了短視頻、視頻直播包括3D游戲很大的機會。我們看到現在的情況，比如在端側有模型30B左右，能力有這么大的提高，在未來一段時間會出現在端側某種形態的爆發，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，剛才我們聊了現在存在的問題，現在要回答是關于將來的問題，物理AI或者世界模型，在AI滲透到千行百業過程中是要發揮非常重要的作用，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仍處在爆發前期，需謹慎樂觀

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，但回歸商業本質，任何技術的規模化落地，都離不開底層技術突破的拐點與產業配套的逐步成熟。客觀來看，當前具身智能走入工業、服務業、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，想要自主認知物理世界、完成復雜環境交互，現有技術范式仍存在明顯短板：高度依賴大量高成本真實數據訓練，模型泛化能力薄弱，一腦多體、跨場景遷移難度大。追根溯源，是當前AI 認知世界、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，正在從表層應用，轉向最核心的底層：一是聚焦具身智能大腦核心技術，探索AI 認知物理世界的基礎邏輯與范式創新；二是錨定場景落地本質，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，嘗試將交叉學科如量子計算融入世界模型架構，通過算子優化、模型密度升級，突破技術上限。

未來，隨著Agentic AI、物理AI、具身智能等從“能用”走向“可靠、穩定、安全、高效”的大規模商用，端側推理亦將迎來爆發式剛需。產業落地浪潮之下，推理側技術革新、高端算力芯片、底層數據基礎設施，將成為硬科技賽道的核心增量。博將資本將持續重點布局：具身大腦技術范式創新、端側推理算力、產業垂類智能體應用落地等環節。堅持耐心資本定位，扎根硬科技核心賽道，聚焦前沿技術突破，陪伴硬核科技企業穿越周期，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：現在要么是提升模型能力，要么是提升數據和工程化能力。我認為兩個都重要，我們覺得在當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。

另外一個看行業高質量數據集，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。但是數據的重要性，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，高質量的數據會指引更好的方向，也會顯得更聰明。當下，我們更重視的是行業知識。我們發現很多行業的過程數據是沒有的，行業細分數據是沒有的。如果沒有這些知識和數據，模型怎么練也不會聰明。只有沉淀到行業里面，去做這種高質量數據集才能教會模型做這個事情，才能解決行業的問題，我們后續的重點就在這個領域——垂類行業的高質量數據集，誰掌握垂類行業的數據我們就重點關注那個企業。

張煜：我們應該是創投行業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、應用、數據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化，現在的情況，一個是通用模型，主要應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。大腦發展挺快的，現在大腦也只能做最簡單的任務，長程任務是要點之一，行業大多是從數據的角度去訓練和仿真，這種模式耗時久、效率不高，是否有更優路線是業界探索的重要方向。

目前具身領域集中在幾個點上：多模態能力，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合到一起，目前具身智能企業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，我認為具身從材料到電機到模組，到整個運動控制、大小腦協調，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跨越式發展。

我們的關注兼顧通用具身與行業專用具身兩大方向，相對行業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，這一點從技術來說已經接近可用了。通用具身方面雖然功能性還在發展中，但情緒價值提供已經變成現實賽道了，我也愿意把它定義為一個賽道，現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狀和關注的方向。

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。我們也一直在持續觀察整個行業的演進，不斷尋找產業發展的參考坐標。人很難預判遙遠的未來，更多是依托過往的技術規律做判斷。就像大模型 LLM 的發展歷程一樣，智能涌現沒有人能精準預判它何時到來。而現在來看，Physics （物理 ）AI，正處在這樣一個關鍵的臨界點。

還有一個更直觀的參照，就是自動駕駛。行業從 VA 升級到 VLA，看似只是多了一個認知維度、技術上的一小步；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雜結構完全沒法比，同時整車常年路采，天然擁有高質量、標準化的數據集

但恰恰就是這一步跨越，帶來了整個行業翻天覆地的變化。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合，這也貼合我們國內獨特的產業發展路徑；第二，不管是底層數據體系，還是物理模型的算法能力，都具備極強的投資價值。

從科技發展的底層規律來講，物理 AI 的能力涌現是必然事件。只是時間早晚的問題，或許就在當下，或許在不久之后，甚至有可能，全新的涌現能力已經在行業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，牢牢抓住這一輪產業變革的關鍵時間窗口。

謝謝大家。

張雪：謝謝。惠總。

惠亨玉：從朝希的生態稟賦出發，我們更多考慮數據和商業閉環。就數據而言，我們的產業生態中有很多企業在本身的生產過程中也在產生數據，如果有企業能把數據的采集和模型的泛化結合起來，能解決某個流程中人工效率提升、以及其他關于可預測性、可規劃性難題，這將是我們的投資重點。

另外，商業生態。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，通過數據不停地仿真學習就能發現99%以上的問題，對泛化的要求沒有那么高。但是在其他領域，比如風電運維又是另一個場景。我們在這個領域里看了很多的企業，發現它對人的要求非常高，AI要做到在風電運維的擬人化難度是非常大的。如果在這個領域能做到商業閉環，把數據和模型結合起來，我覺得是很好的創業方向。

張雪：謝謝，劉總接著說。

劉凱：很多嘉賓都總結的蠻好的。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典物理，牛頓物理，但突然出現了量子物理，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，訓練到了千億參數的模型，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，他開創了新的路。然后Anthropic又把它發揚光大。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多種組合標簽，百花齊放，看上去很嘈雜。我覺得如果從真正技術底層的差異上來看沒有那么大，因為當年語言模型的技術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，解決的都是非常基礎的任務。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：劉總的態度比較謹慎，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狀比較謹慎樂觀，我們到現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業是很大的革新，第三產業我們可以籠統分成以腦力活動為中心，或者以腦力和體力結合為中心的。腦力和體力結合為中心的，具身智能機器人就是必要的條件。但是這個必要條件的現狀還沒到那個拐點，我們期待能早日實現。

張雪：好，又一份對行業的希望。請張總聊一下，您應該見證了很多這種概念。

張學軍：我們在AI十年前我們經歷過，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，機器人從工業機器人到人形機器人。人形機器人要形成商業落地還需要時間，這是大家公認的。最后真正是到我剛剛講的，大家可能沒關注軍事AI的能力，它既然是物理AI，你要打導彈、打飛機，現在沒有很多人做，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，帶著低成本導彈，這就是一個很大的場景。

歸根到底。第一個，數據，未來的軍事用途沒有地圖、沒有導航，你要能夠自適應的建立無人機飛出去的數據。第二個，數據的采集，現在我們看到很多在做物理AI的數據采集功能。整體上來看，從投資的邏輯來看，從智駕到機器人，跟物理相關的方面，有些地方很擁擠，但是有些地方還是有很多可發掘的空間，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為最精彩發言的獲得者。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，還有張學軍總。