Anthropic在5月開發者大會上拋出的那句“原本按10倍增長規劃，結果一季度收入和使用量年化增長了80倍”，把AI行業最硬的一層矛盾攤開了：大模型能力還在往前跑，但基礎設施已經開始追不上需求。更直接的證據，是Anthropic幾乎同時向SpaceX、Amazon、Google、Broadcom、微軟、輝達和Fluidstack鎖算力、鎖電力、鎖未來幾年的資料中心資源。 這家公司最新披露的口徑是，run-rate收入已經超過300億美元，而2025年底約為90億美元；百萬美元級企業客戶從2月的500多家增至1000多家；Claude Code單獨的run-rate收入超過25億美元。換句話說，Anthropic不是靠講故事撐估值，而是已經在企業軟體、開發者工具和AI Agent工作流裡跑出了強需求。 但強需求也帶來更尖銳的問題：AI行業過去像軟體，現在越來越像能源、雲端運算和半導體的混合體。誰能拿到更多GPU、TPU、Trainium、電力、園區和長期資本，誰才能繼續迭代模型、服務客戶、維持體驗。AI行業沒有進入輕鬆賺錢的階段，反而進入了更重、更貴、更殘酷的基礎設施戰爭。 01 最強的模型不夠用，能交付的算力才稀缺

1. 核心發現：大模型從技術探索走向業務融合 報告清晰確切指出，大模型技術已然跨出實驗室範圍，進而步入與業務深度交融契合的“價值兌付時期”。有百分之六十四份額中國所屬企業打算把AI投資數額提升幅度設定在百分之十至百分之三十區間，並且企業對於大模型POC測試所抱持的滿意程度高達百分之七十。龐大模型不再單純只是一種技術方面的虛頭把戲，而是經過驗證能夠起到提升流程運轉效率、加快產品創新處理程序、重新塑造使用者體驗效果這樣作用的生產力實用型工具。 2. 落地挑戰：成本、選型與部署的三重困境 報告如實指出了企業落地存在的四大挑戰，其一為高昂的算力與機會成本，92%企業覺得算力是最大挑戰，其二是模型選型的精準匹配難題，62%企業認為選擇過多且匱乏標準，其三是部署過程裡的細節障礙，包括調優路徑繁雜、資料治理艱難，其四是潛在的安全風險，這些挑戰是企業要從“觀望”邁向“行動”所不得不跨越的現實隔閡。

近日，微眾銀行披露2025年年報。資料顯示，2025年該行實現營業收入362.84億元，同比下降4.84%。淨利潤110.12億元，同比增長約1%。 截至2025年末，該行總資產7662.90億元，較上年末增長17.57%；該行管理資產規模增長16%至3.7兆元以上。 21世紀經濟報導注意到，這份年報中出現多個重要變化，一是管理層新提“韌性增長”的經營基調，年報共計9次提及“韌性”一詞，而2024年僅兩次；二是強化金融市場業務，金融投資類資產佔比大幅增加；三是多個零售相關部門集體更名，統一將“零售”的提法改為“個金”。 在零售信貸壓力增加的環境下，微眾銀行正在探索包括金融市場業務、AI賦能業務營運在內的第二增長曲線。

在 AI 大模型、自動駕駛、邊緣計算全面爆發的今天，算力已經成為數字時代的 “新石油/新電力”，而承載算力的各類處理器晶片，就是驅動這場技術革命的 “發動機”。 很多人都會有這樣的困惑：CPU、GPU、TPU、NPU…… 這些長得差不多的縮寫到底有什麼區別？各自適合幹什麼？誰才是 AI 時代的 “王者”？ 10 大晶片核心定位：各司其職，沒有 “萬能神卡” 很多人以為晶片就是 “越貴越強”，但實際上，每一類晶片都是為特定場景量身打造的，沒有一款晶片能通吃所有任務。

從晶片到算力，從算力到AI大模型，從工業機器人到人形機器人；從深海到深空；從人造太陽到量子計算……中國科創正氣象萬千，中國新質生產力正引領中國經濟加速高品質處理程序。然而，這一切是如何發生的？最近，《人民日報》連續刊發署名為“金軒”的系列文章，對中國新質生產力和高品質發展作了總結和解讀，事實上也是對此作了回答：這有賴於企業家精神的勃發，也更有賴於國家的產業藍圖規劃和支撐、引領。這是市場的力量，更是政府‌在科學統籌、組織協調和資源保障上關鍵性、主導性作用的發揮。長期以來，都有一種聲音認為，技術創新和新興產業的發展是且只能是企業家和市場的產物，甚至因此批評政府的產業政策，認為政府政策是長官意志，脫離實際，不可能取得成功。中國科創驅動的中國新質生產力，在全球科創與產業競爭的堅定步伐和蓬勃生機，給了這種聲音最直接有力的否定性回擊。中國科創的崛起，絕非僅靠幾朵技術突破的火花。它的本質，是一場涉及技術革命、要素重設和產業躍遷的系統工程。市場善於在已知的賽道內競速，但當全球科技競爭步入“無人區”，便需要定義未來的戰略雄心與開闢新局的非凡魄力。政府在這時扮演的角色，常常是繪製未知地圖的“引航員”。從“十四五”規劃綱要擘畫的數字經濟藍圖，到對國家實驗室體系和國家戰略科技力量的空前強化；從“東數西算”工程在華夏大地上建構的數字動脈，到對量子資訊、腦科學、深空深海的前瞻部署……這一切，並非市場的自發選擇，而是政府對於歷史機遇的精準把握。它如同霧中燈塔，引領著萬千創新主體的方向，將分散的企業家精神，匯聚成征服星辰大海的國家力量。真正的原始創新，從來伴隨著巨大的不確定性與漫長的沉默期，市場資本在此往往望而卻步。此時，政府往往成為“第一個吃螃蟹的人”，以戰略性的“耐心資本”為新質生產力的萌芽注入最初的生機。從早期投入積體電路大基金，以撬動整個晶片產業，到設立國家新興產業創業投資引導基金，催化戰略性新興產業；從對商業航天企業“第一枚火箭”的堅定訂單支援，到對人工智慧、生物製造等前沿領域的戰略投入。政府並未追求立竿見影的財務回報，而是追求產業鏈的安全自主與未來產業的主導權。“功成不必在我，功成必定有我”，正是跨越創新“死亡之谷”的最堅實橋樑。真正的創新，尤其是從“0到1”的原始突破，從不誕生於真空。它需要一片由頂尖人才、前沿知識、寬容試錯和長期資本共同構成的沃土。然而，市場這只看不見的手，在面對基礎研究、重大科技基礎設施、戰略性新興產業培育時，常常會“失靈”。此時，政府又會成為至關重要的“首席孵化官”。以人工智慧為例，其全球競爭早已超越企業間的“演算法賽跑”，演變為國家間基礎設施與生態體系的角力。中國前瞻性地佈局了“東數西算”這一國家工程，在內蒙古烏蘭察布等能源富集地，打造了擁有超200萬標準機架、智算佔比超90%的“草原雲谷”。▲圖源：烏蘭察布雲這不僅解決了東部地區算力緊張的燃眉之急，更以國家級的資源調度，為千行百業的智能化轉型奠定了堅實的“數字地基”。正是有了這樣的國家底座，無數AI創業公司才能輕裝上陣，專注於演算法與應用創新，最終形成了如今超過兆元的龐大產業規模。中國科創的繁榮，絕非單一技術的突破，而是技術群、產業鏈、資金鏈、人才鏈在更高維度上的融合共生。市場機制擅長微觀激勵，卻難以自發完成如此宏大的系統整合。這時，政府往往會承擔起“創新紅娘”與“超級鏈長”的職責。由工信部牽頭的新能源汽車“鏈長制”，協調了電池、電機、晶片、材料等數百家核心企業協同攻關；在各省的“揭榜掛帥”大會上，高校牆內的尖端論文，精準對接著工廠車間裡的真實痛點；京津冀、長三角、粵港澳大灣區在國家戰略的引導下，從地理相鄰走向創新協同，形成各具特色、優勢互補的世界級產業叢集。政府在這裡絕不是簡單的管理者，而是最頂級的系統工程師，致力於拆除阻礙要素流動的“籬笆牆”，鋪設促進知識溢出的“高速路”，將創新的涓涓細流，彙集成不可阻擋的產業洪流。任何顛覆性技術從實驗室走向廣闊天地，最險的一關莫過於“市場的驚險一躍”。此時，政府不僅是規則的制定者，更是初始需求的創造者和關鍵應用的“首購者”。北京亦莊、上海嘉定等地的高等級自動駕駛示範區，為無人駕駛技術提供了寶貴的“現實考場”；對國產首台（套）重大技術裝備的採購與推廣，為高端製造掃清了市場認同的最初障礙；從“金太陽”工程到全域太陽能推進，政府主導的綠色能源應用場景，直接催生並壯大了全球最具競爭力的太陽能與風電產業。“以場景促研發，以應用帶產業”的智慧，意味著政府不僅播種，還負責耕耘最初的田野，不僅鼓勵造船，還主動開闢最初的航路。它以前瞻性的公共需求，為新技術的成熟與迭代，提供了最寶貴的市場窗口與信任背書。在一場轟轟烈烈的科創革命中，動力絕非市場力量的單一魔法，它源於一個有為政府，將規劃師的高瞻遠矚、投資人的躬身入局、協調員的穿針引線、首購者的需求開創融於一體，最終打造出的現代治理體系。因此，當我們在讚歎中國人工智慧的百花齊放、新能源車的換道超車、深海深空的不斷探索時，不應只看到舞台上企業家的卓越演出，更要看到政府為之搭建的宏偉舞台、鋪設的堅固軌道以及營造的鼓勵創新的大氛圍。2月9日上午，在考察了北京亦莊的國家信創園後，習近平總書記指出：“建設社會主義現代化強國，關鍵在科技自立自強。要充分發揮我們國家集中力量辦大事的優勢，把各種優質要素集合起來攻關，加快解決突出短板問題，實現我們的戰略目標。”歷史不斷印證，從“兩彈一星”的驚天動地，到高鐵、特高壓的縱橫神州，再到如今人工智慧、新能源的叢集迸發，中國的“集中力量辦大事”，已昇華為“新型舉國體制”下的系統創新。放眼全球，主要經濟體的發展歷程，無不將科技創新置於國家戰略的核心，通過政策、資金和法律等手段，強力塑造本國產業的未來。一些聲音常將美國、日本的創新活力簡單歸功於“自由市場”，這實則是選擇性忽視了歷史。從上世紀50年代開始，日本為了發展裝備製造業，就連續實施了五個《臨時振興法》，甚至規定只允許進口一台（套）樣機。由此，“一號機引進，二號機國產，三號機出口”的日本模式，就此形成。70年代，日本為了追趕美國半導體產業，由通產省牽頭，聯合日立、富士通、NEC、三菱和東芝五家公司，制定了超大規模積體電路計畫，一舉成就了日本半導體產業80年代的霸主地位。而縱觀美國科技霸權的奠基史，政府“有形之手”的力量，遠比想像中深刻而有力。從奠定網際網路基礎的“阿帕網”（ARPANET），到全球定位系統（GPS），再到引發頁岩氣革命的早期勘探技術。這些具有劃時代意義的創新，其“從0到1”的關鍵突破，無一不是由美國國防高級研究計畫局（DARPA）、能源部等政府機構，以國家安全和戰略使命為由，進行長期、高強度、高風險投資的結果。美國政府通過研發合同、採購訂單和稅收激勵，深度塑造了半導體、航空航天、生物醫藥等核心產業的早期格局。即便在今天，面對新一輪科技競爭，美國的產業政策非但沒有隱退，反而更加直白和有力。《晶片與科學法案》投入巨額補貼以重塑本土半導體製造，清潔能源領域的稅收抵免政策旨在引導綠色投資回流。這些舉措清晰表明，美國正以其特有的方式，強化政府在關鍵賽道上的戰略干預。兩黨在“必須增加聯邦科研投入以保持領先”上形成的共識，正是對國家力量核心作用的再確認。因此，以政策為導向，集中力量辦大事，乃至於由政府主導直接下場發展重大科技項目，美國如此，日本如此，中國也同樣如此，必須如此。“所當乘者勢也，不可失者時也。”當今世界，誰牽住了科技創新這個“牛鼻子”，誰走了科技創新這步先手棋，誰就能佔領先機、贏得優勢。中國的科創事業，是一條自覺將“有為政府”的戰略視野、組織能力，與“有效市場”的靈敏觸覺、效率優勢相結合的路徑。它不神化任何單一力量，而是致力於尋求“兩隻手”的最佳握姿，形成推動複雜系統升級的合力。當我們讚歎中國在數字經濟、綠色能源、深海深空等領域不斷湧現的“單點突破”時，更應看到支撐這些突破的“系統能力”。“察勢者明，趨勢者智。”以新型舉國體制，強化國家戰略科技力量。以國家創新體系提升整體創新效能，是中國發展新質生產力最深厚的底氣。它如同一張攥在自己手中的“王牌”，幫助中國在新一輪全球創新版圖的重構中，不僅作為參與者，更努力成為關鍵領域的重要定義者和引領者。這張王牌所蘊含的力量，必將牽引中華民族在偉大復興的征程上，不斷向新而行，向高攀登。 (華商韜略)

無論市場泡沫如何，其應對的核心原則是堅守價值底線。大模型的語言世界已經走向真實的物理世界，AI正在開啟新一輪的產業革命，新概念也層出不窮，一級市場的熱錢蜂擁而至，即便團隊尚小、收入微薄，估值也能輕鬆衝至百億；但另一邊，從實驗室走向真實場景，AI與物理世界的融合仍面臨著感知、決策、執行的重重關卡，技術落地道阻且長。4月24日，在“第20屆中國投資年會・年度峰會”上，國科嘉和總經理、執行合夥人陳洪武，天創資本洪雷，聚合資本創始人李旺，中關村原生引擎總經理馬建平，九合創投創始人王嘯，遠毅資本楊瑞榮，這批國內一線硬科技投資機構“話事人”，圍繞“投資於‘AI走向物理世界’的處理程序”這一主題，展開了一場精彩的巔峰對話。陳洪武在風險投資行業深耕20餘年，長期聚焦科技領域投資，他認為，具身智能對物理環境的多維度感知與動作決策，複雜程度遠超自動駕駛，短期內行業難實現全場景突破，核心將聚焦特定場景的技術最佳化，具備真實落地能力、能解決真問題的企業具備長期投資價值。同時他也指出，當前具身智能賽道估值泡沫顯著，無團隊、無收入的項目估值高企，對創業者是福音，對投資則禍福相依。他認為泡沫是產業發展的必經階段，建議企業把握窗口期多融資、嚴控燒錢節奏，投資端則需理性看待估值快速上漲。天創資本先後佈局中科曙光、智譜、kimi等AI產業鏈核心項目，在智能類股形成了系統化佈局。洪雷表示，3年內大模型對物理世界的感知理解仍有較長路要走，AI走向物理世界將遵循從實驗場景到結構化、半開放場景，最終實現泛化的漸進路徑，核心硬體、VLA與世界模型領域具備長期投資價值。在洪雷看來，資本市場的熱度波動與泡沫是行業常態，當前AI具身賽道的火熱與此前科創板牛市的周期規律一致。應對泡沫的核心策略，是“往前多走半步”，平衡機會與估值，在市場形成共識前提前佈局，同時引導被投企業儲備充足現金、穩健發展。聚合資本由華為、中興、比亞迪核心成員發起成立，深耕科技產業生態投資，已佈局星動紀元、松延動力等具身智能明星項目。李旺認為，3年內AI走向物理世界難實現全場景泛化，將率先在物流等簡單標準化場景落地突破，家庭、複雜製造業場景成熟仍道阻且長，最具投資價值的是具備全端技術能力、能實現漸進式場景落地的企業。他明確表示，當前熱點賽道已形成高度共識，存在顯著的結構性泡沫，雖對產業長期發展有利，但對投資回報形成挑戰。其應對策略為上半年完成賽道核心佈局後，將轉向科技出海等價值窪地，整體保持謹慎樂觀，在市場高熱度階段逐步收緊投資節奏，規避估值泡沫風險。中關村原生引擎是集孵化與投資於一體的平台，馬建平提出，AI走向物理世界可分為in AI、for AI、be AI三個層次，3年內前兩者將迎來大量落地機會，對於be AI的具身智能落地核心要打通資料閉環、多感測器融合、量產三大環節，均具備極高投資價值。對於市場泡沫，馬建平認為其是多方情緒共振的結果，只有價格嚴重偏離價值才是真正的泡沫，能解決真問題、可落地量產、有真實收入的企業，估值溢價並非泡沫。他表示，應對泡沫要做清醒的樂觀主義者、冷靜的長期主義者、堅定的價值主義者，堅守價值投資，鎖定技術源頭，深耕投前投後服務。九合創投專注早期科技投資16年，累計投資三百余家科技企業，在工業機器人、具身智能、端側晶片等領域早有佈局，投資了自變數機器人、地瓜機器人等明星項目。王嘯判斷，3年內AI走向物理世界將率先在工業場景實現規模化落地，家庭場景成熟至少需要3-5年，行業核心門檻集中在資料積累、世界模型迭代、端側算力升級、本體成熟四大方向，均存在優質早期投資機會。他分析，本輪泡沫由美股科技股估值抬升傳導而來，結構性泡沫客觀存在，如果泡沫持續時間長，更有可能誕生偉大企業，需警惕渾水摸魚、純炒估值的項目。他認為VC的本質就是投資預期與夢想，天然與泡沫相伴，應對核心是不被市場情緒裹挾，堅守商業本質與項目基本面，通過組合投資平衡風險。遠毅資本專注數字醫療領域投資，累計佈局七八十家AI與數字醫療相關企業，在醫療AI、手術機器人等賽道有著深厚的產業積累。楊瑞榮指出，醫療領域AI走向物理世界，3年內難實現通用具身智能落地，核心將聚焦單病種、單場景的小閉環應用突破，具備單病種資料閉環、能與醫療硬體深度融合的AI技術企業，具備核心投資價值。他表示，每一輪技術革命都會伴隨泡沫周期，本輪AI熱潮中，“這一次不一樣”的論調正是最需要警惕的泡沫訊號。無論市場泡沫如何，其應對的核心原則是堅守價值底線，聚焦醫療領域能真正創造臨床價值、為患者帶來實際獲益的項目，拒絕純概念炒作的標的。3年，AI走向物理世界怎麼落地？張楠：各位上午好！感謝大家來參加投中的年度峰會。我是投中網的副主編張楠。大家手裡都有一個牌子，後面有個環節，6位嘉賓要互評一下，覺得那位嘉賓說得最真實、最是心裡話，就給他投一票，我們最終會評出本場的MVP。今天我們的主題是“投資於‘AI走向物理世界’的處理程序”，不知道大家怎麼看這個話題，反正我乍一聽有點抽象。為什麼？因為從2015年開始，我就感覺AI已經在走向物理世界了，當然，2015年的AI和今天以AI大模型為基礎的AI，不是一回事。現在LLM已經解決了基本的理解問題，但是現實世界還有很多未解決的問題。我想問各位的第一個問題是，你們怎麼理解AI走向物理世界的具體過程？我們不聊10年、20年、30年之後的事，想5年的事都已經很難了，就聊3年。你們覺得3年之內，AI走向物理世界是怎麼個過程？能解決什麼問題？順帶說一下，你們認為那一個環節的投資價值是最高的？大家也可以先簡短介紹一下自己。先請洪武總。陳洪武：大家上午好！我是國科嘉和總經理陳洪武，在風險投資行業幹了20幾年，國科嘉和自成立以來一直專注於硬科技領域的投資。剛才主持人問的AI和物理世界的關係問題，是當下最受關注的行業風口。現在這個領域裡，各種新概念層出不窮，具身智能是當前市場的熱點。這個賽道的估值，在我的投資生涯裡還沒見到過——很多企業在還沒有多少團隊人員、也沒有實質性收入的時候，估值就能喊到100億，即便如此，依然有大量投資人趨之若鶩。這種情況對創業者來講是福音；但從投資角度來講，是禍福相依的。畢竟創業的成功率就擺在那裡，不可能所有企業都能走到最後。回到物理世界的話題，我們投資的馭勢科技，剛剛順利過了港交所的聆訊。他們主攻自動駕駛領域，核心要解決的問題就是精準評測車輛周邊環境，確保車輛不發生碰撞。但即便只是這樣一個看似簡單的目標，落地起來依然很困難。在和創始人交流時他也坦誠表示，要實現真正意義上的完全解放雙手、不需要人類干預、完全自主可控、機器自主營運，未來至少還需要十到十幾年的時間。機器解決真實物理世界的複雜場景，難度遠比我們想像的要高。對機器來講，所有決策本質上都是基於統計分析得出的，而真實世界裡要解決的變數、應對的突發情況實在太多了。現在的具身智能，更是要對物體的材質、大小、形狀、軟硬程度、顏色等每一個維度都做出精準判斷，再決策自身的動作，其複雜程度比自動駕駛要高很多。當然，可以想像，一旦這項技術真正實現突破、成功攻克，它能創造的價值也將是不可估量的，當然難度也同樣巨大。這個領域不斷有新技術迭代，從原來的“VLA（Vision-Language-Action）”到現在的“世界統一模型”，幾乎每一個新概念出來，都會引發行業內的廣泛關注和熱烈討論。但客觀來講，一個技術從提出概唸到最終落地、形成真正可用的產品，還有很長的路要走。我很看好這個領域的技術發展，也知道未來機器能幫我們解決問題、帶來巨大價值，但到底什麼樣的技術算真正成熟、真正具備實用價值，還有待我們從業者一起探索和驗證。我先說這些，把時間留給其他嘉賓。張楠：謝謝洪武總，說得很謹慎很藝術。我們邀請洪雷總。洪雷：大家上午好！我是來自天創資本的洪雷。天創資本在投資圈做了超過20年，始終致力於硬科技方面的投資，智能類股是我們最重要的佈局方向。我們十多年前參與了中科曙光的投資，之後投了一系列晶片企業，過去兩三年，在人工智慧領域參與了kimi和智譜的投資，目前還在緊密觀察智能領域的進展和變化。今天的主題是個非常宏大的問題，AI如何走向物理世界，我們全行業都很關心。剛才陳總也說到了它的巨大意義，這一點已經取得了社會、國家和資本市場的共識。剛才嘉賓們也在聊，現在一級市場的火爆程度不亞於二級市場，我們的選擇也相對比較謹慎。主持人讓我們只聊近3年，那我就聚焦這個周期。近3年，我們能看到大模型真正理解我們的感官世界還有很長的路要走，現在它只是從字意上、機率上實現了人工智慧，對於物理世界的溫度、大小等屬性，它的感知還有很多功課要補。從感知-決策-執行，這是一個非常複雜的工程問題，需要大模型不斷演進，同時還要完成工程化落地，所以這個題目難度非常高。未來3年，我們更關注這樣的團隊：既能拿到足夠多的社會資源、做好募資，同時創業時還能保持長期主義心態，真正沉下心解決問題。因為這個問題不是一瞬間就能解決的，必然要從實驗場景，走向結構化場景、半開放場景，最終實現泛化，每一步都需要硬功夫。說到我們關注的方向，從核心零部件硬體，再到VLA、世界模型，長期來看都有很大潛力。在這一領域，我們今年有兩家企業上市，一家是杭州易思維，這是一家天津大學孵化出的科技型企業，做工業場景化視覺；另一家是智譜，其實這條路很長遠，也有大量機會，希望大家都能抓住。謝謝。張楠：謝謝。智譜、MiniMax在市場上的表現大家有目共睹，核心還是有底層token消耗量的確定性在裡面。有請李總。李旺：大家上午好，我是聚合資本的創始人李旺。我們來自深圳，聚合資本是強產業背景的投資團隊發起成立的，核心成員來自華為、中興、比亞迪，所以我們的投資風格也是沿著科技產業生態做佈局。基金創立快6年，在市場站穩了腳跟，做了比較系統的科技生態佈局。今天的主題是AI走向物理世界，剛才幾位嘉賓也聊了，這確實是當下行業最熱的話題，也是資本市場的共識，過去半年相關標的估值漲幅非常大。在這個問題上，行業似乎有很大共識，但我們團隊雖然看好長遠方向、看到行業趨勢在加速，可對落地這件事還是偏保守的。去年上半年我就在看這個領域的項目，帶著團隊去了比亞迪、小米的智能製造工廠，當比亞迪和小米給這些項目一些場景任務時，它們基本都接不住。但今年再看，行業已經有一些場景逐漸落地了。比如星動紀元，我們也參與了投資，看到它最近在物流場景實現了落地，效率能達到人的80%，這種長時間枯燥的工作，能做到80%的人效，同時精準率達到90%以上，這比我們預期的速度要快。我們認為這是個好現象，說明行業在加速，具備全端能力的企業，一旦在相對簡單的場景落地，會給行業打開新的天窗。但同時我們也看到，很多做具身大腦的項目，想進入家庭、酒店、製造業場景，我們覺得這條路還很遠。智駕走了20多年，現在基本剛做完L3，當然美國Robotics已經能做全端了。今天的具身智能，要實現泛化場景，難度是數量級增加的，不只是一個數量級的提升，我們認為路徑會非常難。它的落地路徑，一定是先在相對簡單的場景實現突破，能在簡單場景落地的企業，才會逐漸成為行業的勝出者。聚合資本也投了幾個項目，比如北京的松延動力，我們對它的定義很簡單，就是一個大玩具，但它把成本做得更低，比早些年的具身智能有更強的科技屬性；還有就是星動紀元。最近我們在看深圳一個華為出來的早期團隊，他們做家電場景，沒有提終極解決方案，而是走漸進式路線，認為要把全球創客集中在一起共創場景，我們反而覺得這種漸進式的模式更符合行業發展規律。一上來就想解決某個具體場景的全能力問題，還是太遙遠了。理想是遠大的，但路徑是曲折的，不可能一帆風順。所以今天，對創業者和投資人都是考驗，這是我的理解。張楠：聚合有很深厚的硬科技產業背景。下面有請馬總。馬建平：各位好，我是中關村原生引擎的總經理馬建平，可能大家對我的身份好奇，其他都是投資機構，怎麼來了個企業。因為我4月份從啟航投資調到了集團的原生引擎，原來只干投資，現在不僅要干投資，還要干孵化，所以中關村原生引擎是既要干孵化、也要干投資的平台。聽前面幾位嘉賓分享，我感觸很深，我們從2010年前後開始做投資，投了350多個項目，跟具身、AI相關的差不多有100個。今天這個話題很有意思，我拿到的時候就在想，AI走進物理世界，要分開三個層面看。第一個，是in AI的機會。現在AI已經成了共識、成了底座，未來三年，傳統企業怎麼擁抱AI、轉型AI化，是很重要的機會。第二個層面，是for AI的機會。你能為AI做什麼？有人說做資料採集不行嗎？這個事當然香。特種場景的資料能賣到八九千塊錢一條，北京的某個資料採集廠，一條資料也得十幾塊錢。所以for AI的過程中，未來3年有非常多能落地的機會，像松應這些做素材的企業，增長和估值都非常快。我認為最難的是第三個層次，be AI，你能不能做成一家真正的AI公司。是做垂類模型、基礎大模型，還是真的做一家具身企業，現在有很多技術變種，包括超級OPC、OPU、OPD等等。未來，inAI是普適性的，只要擁抱AI，都有被投資的機會；forAI是做細分賽道，要想清楚你的客戶是誰、產品賣給誰；最難的還是be AI，怎麼讓自己成為真正的具身公司，走進物理世界。2017-2018年我們投機器人的時候，根本沒有具身的概念，大家只說工業、服務、特種、協同機器人，我們投的博清科技做銲接機器人，史河做高空清洗索並聯機器人，博雅工道做水下機器人，艾力特的協作機器人，靈動的搬運機器人，國廣順能的充電機器人，最近投的月泉做仿生機器人，其實它們早就走進了物理世界，只是當時沒套上具身的概念，大家只覺得它是個能幹活的機器人本體。現在具身這個概念，是AI走到物理世界特別好的載體。前段時間我跟團隊分享，AI走到物理世界，具身智能要打通三個核心環節：第一個是資料閉環，網際網路的公開資料已經被LLM用完了，具身智能需要的真實世界資料，必須高品質採集上來，否則機器人擰不開瓶蓋、穿不了針、引不了線。我還給項目方出了主意，就該把機器人放到技工學校，跟藍翔合作，去採集最標準的具身運算元據。第二個，是和資料採集配套的感測器融合落地。要採集真實世界的資料，感測佈局必須到位，是多感測器融合還是單一感測器，邏輯和自動駕駛是一模一樣的。沒有多感測器融合的合成資料，具身智能走不遠。最後一個是量產。所有AI加到具身機器人身上之後，最大的問題，是能不能用高性價比的方式量產，讓它走進千家萬戶、工廠、學校、我們的生活，這才是真正走到了物理世界。當然我說的不全，資料、感測器、本體，未來三年都有機會。現在市場的熱鬧，是大家把未來的機會和期望值，折現到了現在，去投當下的項目。最後說說原生引擎在做的事。我們承接了教育部全國高校人工智慧區域技術轉移轉化中心，能給大家提供更早期的原始創新技術，把它變成可落地轉化的機會、可投的項目，涵蓋資料採集等各個模組。也歡迎在座的投資機構、合作夥伴，未來有機會一起合作。謝謝大家。張楠：謝謝馬總，有請王嘯總。王嘯：大家好，我是九合創投的王嘯，我們做早期投資15年，投了三百多家公司，主要聚焦科技領域，具身智能和世界模型我們一直在看、很早就有佈局。九年前我們投了一家工業機器人公司，現在已經進入富士康的工廠，和人協同做上下料、基礎操作，其實具身走入物理世界早就開始了，只是我們期待的、能全自動自主思考、長周期完成家庭任務的最高級機器人，目前還沒真正實現。我們天使階段投的自變數機器人，馬上要把機器人放進家庭收集資料了，現在正在招募志願家庭，已經開始向難度最大的家庭場景、完全自主機器人的高峰攀登。我認為，從資料收集到世界模型建立，到家庭場景適配，再到機器人最佳化和價格普及，這個過程至少需要三年甚至五年，才有可能性，中間要邁過的門檻非常高。第一個門檻是資料。網際網路上存在的資料，具身智能基本用不了，這個領域需要大量的場景化資料，而且每個機器人不一樣，不同機器人採集的資料最後能不能適配新的機器人，也要打個問號。高品質、複雜場景、長周期的資料收集，是目前最難的。第二個門檻，資料收集之後，現有的大模型架構，沒辦法很好地處理時空資料。大模型處理的資料，本質上是沒有時空屬性的，語言模型最大的問題，就是“一根三米長的竹竿能不能通過一扇門”這種問題，它都有可能會答錯，因為它沒有時空概念。現有的大模型升級到世界模型，從LLM到世界模型的過程中，整個演算法需要大規模迭代，而且目前技術路線還沒有統一。有人從視訊起步，有人從語言模型+圖像識別起步，有人直接從機器人起步，有人從因果模型起步，這些路線最後都會融合，但融合的過程還需要兩年時間，才能看到技術路線的統一，和能真正解決問題的世界模型的誕生。除此之外，還有端側計算能力的提升。這些模型需要在一秒內做出判斷，現在機器人的動作都很慢，加倍速之後才看起來像正常速度，核心就是端側推理晶片的算力明顯不夠，也不一定符合具身模型、世界模型的算力要求。端側這個方向，我們投了地瓜機器人，和一家做端側NPU晶片的公司。第四個門檻是本體。本體大家做得很多，但真正能適配家庭場景、低成本、高可靠、能完成基礎任務的本體，還沒有實現規模化出貨和銷售。大腦還沒成熟，本體需要適配大腦、適配環境，靈巧手這些部件也沒成熟，本體自然也沒成熟。從這四個角度來說，四個方向都有投資機會，目前還沒有成建制的龍頭公司，都還有創業公司的機會，我們也都做了佈局，包括華為“天才少年”的項目、松延動力、自變數，端側晶片有地瓜和另一家企業，我們一直在沿著這個思路佈局。我們最早還投了工業方向機器人，我覺得工業場景最容易落地，場景簡單、標準化程度高，重複性工作多，我們投的那家工業機器人公司已經有規模化收入了，今年預計五個億的收入，已經算是具身領域裡有規模化收入的標的。反過來看，AI走入世界，從自動駕駛就開始了，我們十年前也投了Momenta這樣的公司。甚至最早進入物理世界的，是人臉識別，現在過個門都要人臉識別，那時候AI就已經走進物理世界了。掃地機器人、割草機器人也早就走進了物理世界，背後都是AI演算法在支撐，不然沒法實現自動清掃。AI進入物理世界，包括我們手上戴的各種感測器，告訴你睡眠、休息情況，這些都和生活息息相關。但真正讓大模型完成自主決策、有自主意識、完成高複雜任務，還需要很長時間，三年是非常樂觀的預期，五年是更中性的預期。張楠：謝謝，前幾天自變數的發佈會我也去了，我也特別期待家裡能有一個幫我掃地、洗碗、洗襪子的全能機器人，泛化能力的實現，真的需要非常長時間的資料積累。有請楊瑞榮總。楊瑞榮：大家好，我是遠毅資本的楊瑞榮，我們專注在數字醫療方向，一直在研究AI和大模型在醫療領域的應用，過去投了七八十家跟AI和數字相關的企業，從技術投入、數位化疾病管理到創新支付，全鏈條去改善醫療環節。從我個人的感受來說，大家聊的大模型和具身智能之間，其實是有割裂的：大模型是大模型，所謂機器人大部分還只是簡單的工具，真正能實現具身智能的機器人，離得還很遠。我們在醫療領域投了手術機器人等一系列帶智能屬性的產品，但它們和大模型沒關係，只和AI有一定關聯。我們投的AI影像、AI腔鏡手術相關產品，包括AI製藥、合成生物學、類器官，都和智能有關係，但理論上的智能，和實際上的具身落地，還是有很大差距。尤其是從網際網路大模型走向具身智能，在醫療領域，我認為有兩個非常大的門檻必須先突破，我對未來的判斷，比王嘯總還要悲觀一些。我理想中醫療領域的具身智能終極形態，是家裡有個機器人，不只幫你掃地，還能在你睡覺的時候，把你身上的病全治好，這個景象，我在十年、五十年、一百年之內都看不到。問題在那？兩大核心門檻。第一個就是大家反覆提到的資料。現在大語言模型能在網際網路領域實現巨大突破，核心是有海量的公開資料。大家可以想想，生活裡的各個場景，你的社交、消費、金融、出行資料，不管你願不願意，其實都已經被分享了。但醫療領域不一樣。我可能是在場把醫療資料做到極致的人，我身上戴著智能戒指、智能手環、智能運動手錶，還有很多裝置能夠收集資料，同時我還能夠把自己的醫療資料都整合在一起。但即便如此，能真正被大模型、被具身智能所用的醫療級資料，還是非常少。就算是在美國，醫療資訊化系統做得很強、行業高度集中、系統相對互通，醫療資料的可用性依然非常低。在中國，有國家隱私保護法規，醫院體系對醫療資訊的保護門檻是最高的，這就成了最大的壁壘，大部分醫療資料根本沒法用。普通人的健康資料，運動、睡眠、飲食、心理、社交資料，要和院內的診療資料、甚至體檢資料結合起來，都非常困難。只有當所有資料整合起來，每個人都形成完整的資料閉環，醫療資料的應用才能進入好的狀態，才能被具身智能所用。現在連基礎的診療環節都還沒做到，這是第一個最大的門檻。第二個最大的門檻，來自於監管。我說的監管是廣義的，不只是批藥、批器械、批醫護資質。在技術發展的過程中，有個詞叫Human in the loop，擁護和反對的人都非常多。所謂的人工智慧，是脫離人之外的智能，那人在裡面的干預到底該是什麼樣的？有個反對Human in the loop的美國漫畫：汽車剛發明的時候，所謂的人為干預，就是一個人站在汽車前面，控制它的速度跟馬車差不多，防止它撞人。其實現在很多監管，在Human in the loop這件事上，起到的就是這個作用，在安全環境裡不敢放開，反而限制了行業發展。這在醫療領域更是如此，醫療出不了事，一出事就是人命關天的大事，還會涉及嚴重的倫理和道德問題。這兩大門檻疊加，導致醫療領域裡，大模型走向物理世界的具身智能，還有非常長、非常難的路要走。那落地路徑是怎樣的？我們也做了很多探索。醫療領域的AI和具身智能，和其他行業的落地路徑完全不一樣。從我們的經驗來看，它不是靠一個最大的通用模型就能實現的，現在醫療AI裡，真正實現落地、產生巨大商業價值的，不管是AI影像、手術機器人，還是單病種病理分析，都是單病種、單場景的，是一個一個的小閉環。先在一個細分疾病領域，集中最核心的資料，再從文字智能，走向物理智能。拿手術機器人舉例，它可能是醫療領域最像通用行業具身智能的產品，但現在，那怕是全球最頂尖的達文西，或是國內的天智航，都只是一個工具，沒有智能，因為它沒有後端的資料閉環。我們在四川天使投了一家企業，專門做腔鏡下手術人工智慧，積累了大量的手術資料，現在正在和全球頂級的手術機器人合作。有了我們的演算法和資料，手術機器人才有了大腦，才能真正往具身智能的方向走。只有一個一個的小場景形成小閉環，才能為未來的通用醫療具身智能，打下基礎。資料是最大的門檻，因為我們永遠不可能實現手術室全場景、全物理空間的資料全覆蓋，這是永遠做不到的。未來只有先把垂直疾病領域的小步AI做好，才能真正走向具身智能的長遠發展。謝謝。泡沫，這次會不一樣嗎？張楠：謝謝楊總。不管是醫療方向，還是具身智能，乃至AI走向物理世界的整個處理程序裡，資料都是一個核心的關鍵點。時間關係，我們直接進入下一個問題，這個問題昨天和前天的會場上，也有很多嘉賓隱晦地提過，我們就開門見山，聊跟市場最相關的話題。大家覺得現在市場上有沒有結構性的泡沫？泡沫體現在那裡？為什麼這麼判斷？以及，你們是怎麼應對的？時間關係，希望大家儘量簡短。為什麼提這個問題？比如昨天毅達的應總說，他在2024年中開了戰略會，強制要求團隊必須把錢趕緊投出去，大家都知道，2024年7、8月是市場的低谷，之後才有了“924”行情。剛才私下交流，王嘯總也說，去年春節之前，他就催著團隊趕緊投、趕緊定項目，因為預判到了後續市場的火熱。所以回到問題，泡沫到底有沒有？有的話在那？你們怎麼應對？現在還投不投？我們還是從陳總開始。陳洪武：現在這個階段對具身智能創業者來說無疑是好時機，只要核心團隊具備技術背景、做好專業打磨與合理包裝，就能高效對接資本、順利完成融資，這個窗口期對創業者非常友好。但泡沫要分兩面看，就像買彩票，市場平均回報率其實很有限，為什麼還有這麼多人衝進來？因為萬一中了頭獎，回報是幾十萬倍、上百萬倍的。在投資裡也是這樣，當某個賽道出現泡沫時，很多人明知道風險很高，依然選擇進場，不只是為了理性計算下的平均回報，更是為了不錯過那個“萬一中了頭獎”的機會。泡沫在某種意義上，是市場在為可能性定價，為不確定但具備巨大潛力的未來買單。從整個社會的角度看，任何新興產業最終格局定型、誕生龍頭企業的過程，必然伴隨優勝劣汰，腳下一定是一片“屍體”，這是所有科技產業發展的客觀規律。現在資源大量湧進這個領域，會給產業發展注入充足養分，成為技術迭代與落地突破的重要催化劑，加速行業整體成長處理程序。也希望我們的從業者能抓住這個機會，謹慎看待市場裡的熱錢，把握窗口積極融資，同時精細化管控成本，合理規劃燒錢的節奏。眼下行業行情向好，但兩三年後的市場環境充滿不確定性。參考Gartner曲線，當前行業正處在泡沫膨脹的上行階段，但頂峰之後的回呼深度，沒人能夠預判。總體來說，就是把握現在的好時機，多融錢，少花錢。謝謝。張楠：謝謝陳總，昨天也有嘉賓提到，建議被投企業現在能融趕緊融，最好能融到2030年夠花的錢，這個規劃確實非常長遠。有請洪雷總。洪雷：市場確實很火，說到泡沫，我們的理解是，這個話題其實並不新鮮，資本市場永遠是處於波動的狀態。就像2022年疫情期間，科創板行情火熱，天創資本在那一年有4個項目上市，很明顯是牛市，當時我們就預判，市場總會有關門的時候，很快就迎來了兩年的靜默期。現在市場又火了，波動是永遠的常態。問到VC怎麼應對，其實答案是不變的，我們永遠要在產業發展前半步做投資，永遠在平衡機會和價格。真正想參與硬科技投資的，都可以和我們多交流。比如2023年，OpenAI帶來了行業巨變，我們就決定必須重點關注這個領域，包括AI延伸的人形機器人、具身智能，都要深度跟蹤，2024年必須出手，不出手就來不及了。王嘯總投了松延，我們投了加速進化和逐際動力，都是那個時間段佈局的，現在就相對輕鬆。也和陳總一樣，勸被投企業多拿錢，少花錢，平穩落地。謝謝。張楠：還是要在產業和市場形成非共識的時候果斷出手，通過資產配置平衡風險。有請李總。李旺：這肯定是大家現在都面臨的問題。投資的最佳方案，是“投在無人問津處，退在人聲鼎沸時”，但這件事太難了，大家都在這個產業裡，很難做到世人皆醉我獨醒。毫無疑問，今年這幾個熱點賽道，已經形成了高度共識，肯定有結構性的泡沫。這個泡沫對創業有利，對產業長期發展也一定有利，中美都是如此。但站在投資機構的角度，我們不是做慈善，還是要給基金、給LP創造超額回報，所以應對策略，取決於每家機構的不同定位。站在聚合的角度，去年到今年上半年，我們還是處於加速投資的過程，2024年也是我們的重點投資年份。但我估計，這幾個熱點賽道，今年上半年投完，我們可能就會收手。同時我們也看到了其他的價值窪地，比如出海，我們團隊在深圳，有很多科技出海的項目，雖然也有一點泡沫，但遠比現在這些熱點賽道小得多。這些企業本身就是為了商業落地，很快就能形成商業閉環，項目反而更紮實。一個機構在不同階段，要有不同的投資組合，中國的科技產業生態足夠大，東方不亮西方亮。第二點，還要看二級市場，包括美國市場的後續走勢。如果今年二級市場橫盤甚至向下，估值回呼會來得更快，這也是我們重點關注的。總體來講，我們還是謹慎樂觀，現在已經到了高風險階段，所有機構都會比較難受，我們今年也會越來越謹慎。張楠：謝謝，一級市場的二級化，也是現在大家非常關注的問題。有請馬總。馬建平：大家說得都非常好，我分四個層面來理解這個事。第一，什麼是泡沫？我認為泡沫是多種情緒的共振疊加。我其實一直覺得有泡沫不是壞事，當國家的支援力度、機構的認可度、企業的賽道選擇、老百姓的接受度，這幾方認知一致、對大勢判斷一致的時候，就會形成同頻共振，自然就會出現所謂的泡沫。第二，到底是不是真的泡沫，核心要看價格和價值。當價格嚴重偏離價值，那才叫泡沫；如果價格沒有偏離價值，那就是正常的價值回歸。怎麼判斷價值？我跟清華的老師們交流，有句話特別重要：你是不是真解決了一個問題，解決了一個真問題，有抓手、能落地、能量產、有收入。能做到這些的企業，就是真正有價值的，給這樣的企業和技術多一點估值溢價，完全沒問題，能鼓勵大家創新，推動科技成果轉化。第三，我對創投的理解，創投就是創業服務+非共識投資。大家看到投資人光鮮的一面，都是做了非共識投資，比如我投了迅策，從沒人看懂的階段投進去，現在估值1000多億，賺了很多倍。但非共識從那來？其實是靠大量的投前服務，鎖定了技術的源頭。非共識投資這個動作只佔10%的工作量，剩下90%時間都是投前和投後的服務。第四，我一直跟團隊、跟被投企業說，不要怕泡沫，送給大家三句話：第一，要做清醒的樂觀主義者，市場狂熱的時候，要清醒判斷價格和價值是否匹配；第二，要做冷靜的長期主義者，任何一次創業、一次成果轉化，沒有10年左右的打磨，很難上市、給市場一個交代；第三，要做堅定的價值主義者，投資的本心，永遠是投價值，不管什麼賽道、什麼技術，核心都是能不能解決真問題。總結下來，只要能做到這三點，泡沫並不可怕。張楠：謝謝馬總，非常樂觀。我想到昨天一位嘉賓說，他最後悔的事，是2015-2016年，沒有著眼於解決國家急需問題的公司，反而投了市場追捧的標的。有請王嘯總。王嘯：這波泡沫的成因，本質上是美股的持續上漲，頭部科技公司估值抬升，國內對標公司的估值水漲船高。國內看起來估值很高的公司，放到美國也就幾百億美金，而美國的頭部公司都上兆美金了。問題不是有沒有泡沫，而是泡沫能持續多久。泡沫持續得久，泡沫裡的公司，真的有可能把估值變成現實，成長為偉大的公司；就怕泡沫來了一波，擠破之後，所有人都落荒而逃。我們肯定希望泡沫能持續得久一點，那怕最後只有一小部分公司跑出來，也足夠了，納斯達克上萬家公司，最後也就跑出了“美股七姐妹”，行業本就是如此。泡沫肯定是有，最好能持續久一點，全行業都能受益。但確實有渾水摸魚的公司，什麼業務都沒有、要解決的問題都不明確，先把估值拉到極高，讓投它的人一起把泡沫做實，這是非常危險的，最終一定會水落石出。我們必須警惕這種純炒概念的公司。第二，回到VC的本質，VC就是別人告訴你，“我十年後要做成一家百億美金的公司，現在估值一億人民幣，你投我一千萬”，本質上就是買夢想、買預期，你說這是不是泡沫？VC的本質就是在投有價值的泡沫，三個人的初創公司，什麼都沒做，拿了一千萬融資，估值一個億，這就是VC日常在做的事，只是其中只有一小部分，能最終成長為偉大的公司。我們基金通過組合投資，能賺到相對穩定的回報，本質上就是在投夢想。泡沫不是現在才有，VC做的所有事，都會有一定程度的泡沫，只是大小、結構性的區別。我們反而怕結構性沒有泡沫，市場只看收入和利潤，那科技創業就會非常難。現在沒有盈利也能融資、也能上市，企業才能做長期的研發投入，壘高自己的壁壘，才有機會成長為偉大的科技公司。第三，投資過程中，一定要小心被情緒裹挾。如果有項目明顯是衝著騙投資來的，這就完全不合適了。我們還是要回歸業務本身，看項目的落地可能性，而不是靠“別人要投了，你再不投就沒額度了”這種邏輯，來推高估值。估值的增長，必須靠階段性的成果、明確的目標落地、團隊的成長來支撐，靠焦慮感推高估值的項目，註定走不遠。泡沫到底高不高，核心看終局空間和當前價格的倍數關係，而不是絕對價格，這是我的幾個核心看法。張楠：謝謝王嘯總，總結下來就是，啤酒泡沫可以享受，肥皂泡沫必須警惕，尤其是一戳就破的那種。有請楊總。楊瑞榮：每隔幾年，市場就會提起泡沫，泡沫是經濟周期裡不可避免的環節。去年年底我看了一本書，是美國一家避險基金的首席風控官寫的，大概叫 Engines that move Market（《泡沫逃生》）。 這家基金在網際網路泡沫時期成功避開了所有陷阱，最終成長為美國頭部基金。書裡回顧了工業革命以來，蒸汽機、鐵路、電報、電話、電燈，汽車，再到網際網路，每一次技術革命，都給社會帶來了巨大價值，但也都伴隨著泡沫和投資陷阱。裡面有個核心觀點：每一次泡沫出現的時候，所有人都會說一句話——This time is different，這一次跟以前不一樣了。在泡沫裡，不管是創業者還是投資人，都會跟你說，這次不一樣，我們沒有泡沫，和過去完全不同。而這句話，恰恰是最需要警惕的時候。作為投資人，核心判斷力，就是分清這次到底和以前的陷阱，有沒有本質區別。對我們而言，核心的判斷標準，就是在醫療領域，這個項目能不能創造真正的價值，能不能給患者帶來實際的獲益。無論市場泡沫如何，我們都堅守這條原則，不管是社會價值，還是國家戰略導向，核心都是創造真實價值。張楠：謝謝。今天時間關係，我們的話題討論就到這兒，有點意猶未盡。現在請各位嘉賓，寫下本場你們心中的MVP，我來統計票數，看看誰是今天聊得最好的嘉賓。因為我們是6位嘉賓，最終出現了平局。現在我宣佈：本場的MVP，由國科嘉和陳洪武陳總，和九合創投王嘯王總共同獲得！謝謝二位，有請二位舉牌，我們合影留念。 (投中網)

近日，英國《經濟學人》發表題為《中國正贏得人工智慧人才競賽》的文章，指出中國正在全球AI人才競逐中，逐步擴大對西方國家的領先優勢，為贏得AI競爭增加更多可能。西方媒體並非第一次有這類言論和預期，事實上，他們說得都對。相比算力，電力而言，人才，才是贏得AI競爭的終極籌碼，而中國正建立自己的領先優勢。《經濟學人》那篇文章拋出了一個判斷：在中美競爭中，中國“贏得”AI人才戰的方式是：留住增量，吸引更多存量回流。先看增量。文章援引了卡內基國際和平基金會的一份報告：2019年，全球頂尖的AI會議NeurIPS上，華裔研究者的比例是29%，已經超過了美國本土的20%；到了2022年，這個數字接近一半；而來自中國機構的作者佔比，從2019年的11%猛漲到28%——雖然還落後於美國的42%，但升勢已十分顯著。與此同時，中美之間的緊張關係也在悄悄改變年輕人的選擇。STEM專業的中國學生，前往美國讀博的機率降了大約15%，畢業後留在美國的機率又降了4%。過去，最頂尖的中國AI研究者大多把“去美國”當成理所當然的下一步；現在，越來越多人開始把目光留在中國。種種跡象指向同一個結論：美國正在失去吸引下一代的能力，進而在人才增量上出於被動。再看存量。黃仁勳說過一句很直白的話：“美國絕對有可能在AI上落後於中國，因為人才在變。”所謂人才在變，核心是流向在變，是美國的頂尖AI人才正在流往或回到中國。2025年3月，齊國君回到中國。他在美國工作了十幾年，先後在IBM研究中心、華為美國研究中心、OPPO西雅圖研究中心任職，履歷漂亮得像教科書；回國後，他全職加入杭州西湖大學，帶著一支近20人的團隊，組建了“MAPLE實驗室”。差不多同一時候，純外籍的Alex Lamb也前往中國。這位前微軟研究院高級研究員，師從圖靈獎得主Yoshua Bengio，在亞馬遜、Google Brain和微軟研究院都留下過足跡。他宣佈加入清華大學人工智慧學院，成為了一名助理教授。頂尖學者的回流只是冰山的一角，更密集的變化發生在產業界。姚順雨，前OpenAI研究員，加入騰訊成為其史上最年輕的首席AI科學家；吳永輝，前GoogleDeepMind研究副總裁，去了字節跳動；潘欣，前Google大腦研究員，加入了美團……再往前推兩年，楊植麟從卡內基梅隆大學博士畢業後，沒有留在美國，而是回到中國創辦了月之暗面。如今，成立不過三年的月之暗面已是估值超過180億美元的世界級獨角獸，其大模型也被不少美國初創公司改採用。▲月之暗面在過去一年迅速完成多輪融資，受到頭部基金、網際網路巨頭與產業資本的密集下注。圖源：VCG值得注意的是，所有這些回流，都不遠遠不是“為國效力”的口號在驅動，而是最樸素的理由——選擇更好的發展環境與空間。越來越多的頂尖AI研究者發現，“在中國”就是最好的職業路徑。中國擁有發展科創的巨大政策支援，也有一批頭部公司和頂尖高校，算力不缺，資料全面，工程體系完整，更重要的是，有大量可落地的應用場景。而且，中國公司，包括中國資本現在也都捨得為頂級人才投入，給錢、給空間，乃至給權力。不少人在矽谷可能是“螺絲釘”，但回到中國就能獨當一面，當負責人。最重要的是，中國不斷湧現的成功案例，大大增加了對美國矽谷人才的吸引力。過去幾年，中國湧現出一批10億美金，百億美金的AI初創公司，它用真金白銀告訴全球優秀人才，這裡是實現夢想的理想殿堂。如今，談中國的科創人才優勢，核心的核心，還在於自身強大的教育體系。自改革開放，尤其鄧小平提出科技是第一生產力以來，中國的理工科教育就一直備受重視。國家不斷出台政策支援理工科人才培養，民間也曾長期有著“學好數理化，走遍天下都不怕”的理工崇拜。這些的積累，為中國造就了一個領先全球的AI人才底座。現在，中國不但擁有全球最大的高等教育體系，每年培養以千萬計的大學學子，而且還約有四成的大學生攻讀STEM專業，這個比例幾乎是美國的兩倍。早在“人工智慧”這個詞還沒流行起來的時候，這片土地就已經為它儲備了最龐大的人才池。當AI的浪潮真的拍過來時，中國的這一優勢立刻湧出了驚人的勢能。到今天，中國已有80多所高校設立了AI學院，僅2025年一年，就有包括人大、北理工、西北工大在內的二十多所名校加入這個行列。五年間，AI專業新增了406個布點，在所有本科專業中增量最大。其中，清華在2025年擴招了150名本科生，全部進入新成立的通識書院，眼下已有117門課程、147個班級在嘗試AI賦能教學；而在另一頭，深圳技術大學這樣的地方院校，則選擇與華為、騰訊、百度聯手，把課堂無限延伸，讓實習直通產業。從頂尖名校到普通院校，中國搭起了一座人才培養金字塔——塔尖培養能“開天闢地”的領軍人才，塔身和底座則源源不斷地輸送應用型人才。教育端的播種，持續在產業端開花結果。2025年，中國企業發佈了超過300款AI產品，遍佈醫療、教育、物流。其中，其中，DeepSeek以不到150人的研發團隊、十分之一的成本，打造出可與GPT-4“掰手腕“的大模型。但DeepSeek最讓人感慨的不是技術本身，而是這支隊伍的底色——核心研發團隊平均年齡僅28歲。創始人梁文鋒曾坦言：“目前在人工智慧領域，前50名頂尖人才可能都不在中國，但也許我們能自己打造這樣的人。”這句話像一枚石子投進湖面，漣漪很快擴散到了招聘市場。據一家頭部AI獵頭透露，當下各家都在爭搶“C9”院校的高端人才。一位清華大學電腦系的博士畢業後，同時收到了華為“天才少年”項目、某大模型創業公司以及海外網際網路巨頭的Offer，最終他選擇了那家中國創業公司，年薪過百萬。這並非個例。脈脈資料顯示，2025年中國AI崗位的招聘量一年漲了十倍，平均月薪超過六萬，一半以上的應屆AI崗月薪破五萬。大模型演算法工程師的起薪，已經超過了不少傳統行業老專家的天花板。市場的熱度，反過來推動著教育繼續擴張——人才培養、產業吸納、再反哺教育，一個完整的閉環悄然成形。而在這套系統的底層，是國家的力量在穩穩托舉。2025年8月，國務院印發了《關於深入實施“人工智慧+”行動的意見》，明確提出到2030年，人工智慧要全面賦能高品質發展；同月，八部門聯合發文，提出要“超常規”建構領軍人才培養的新模式。政策支援不僅是檔案上的表態。2024年，中國的研發經費超過了3.6兆元，投入強度2.68%，已經超過歐盟的平均水平；2025年中央科技預算接近4000億元，同比增長一成，重點投向人工智慧、積體電路這些關鍵戰場。同時，人社部也在去年發佈了42個新工種——生成式人工智慧系統測試員是其中之一，同時頒布了73個國家職業標準，為AI賽道上的年輕人畫出了清晰的成長路線圖。教育、產業、政策，三股力量交織在一起，讓中國的AI人才培養不再是一個個孤立的點，而是一張綿密、可持續的網。當世界還在爭論“去那兒搶人”的時候，中國已經默默搭好了“自己造人”的底座。這場人才戰，贏得的不只是眼前，更是未來十年。人才培養的底座越築越厚實，但遠沒到高枕無憂的時候。這場人才戰的敘事裡，依然藏著幾道繞不過去的坎。首先，眾多頂尖人才還漂在海外。卡內基基金會追蹤了100位在2019年NeurIPS上亮相的中國籍研究者，六年後再看，87%的人還留在美國機構裡。▲2019–2025年，頂尖中國籍AI研究人員的職業路徑 註：國家隸屬關係基於研究人員目前所在機構的總部所在地 來源：保爾森基金會與卡內基國際和平研究院“回流”確實在發生，但還只是“涓涓細流”，星星之火。美國為什麼能留住他們？一來，它從基礎研究到技術轉化再到產業應用的鏈條，已經打磨得足夠成熟；二來，中國與西方頂尖創新生態之間，還橫著一條看得見的“鴻溝”。諾獎、圖靈獎的突破，至今仍然高度集中在西方。中科院院士唐本忠點破了一個尷尬的事實：“中國在AI領域擅長‘從1到10’的最佳化升級和‘從10到100’的規模擴張，但在‘從0到1’的原創突破上步履維艱。”他進一步拆解了根源——我們太推崇實用主義了，科研工作總盯著短期的成果和落地的應用，卻忘了基礎研究和原創探索才是一切的根。其次，本土人才的供需矛盾突出，AI產業的人才缺口依然巨大。2025年，AI技術類崗位的需求比前一年漲了四成。而另一邊，真正能駕馭垂直領域大模型訓練和最佳化的人，供需比已經掉到了0.3左右。高性能計算工程師更誇張——0.15，相當於七個崗位搶一個人。再者，美國政策的不確定性，既是機遇，也是變數。簽證收緊、經費削減、對華裔學者的懷疑氣氛，在一定程度上推動了美國AI人才向中國流動。2025財年，H-1B簽證的中國留學生中籤率跌到了11.7%。Meta、亞馬遜這樣的科技巨頭，已經宣佈不再為部分崗位的留學生提供擔保；那些研究半導體材料、AI演算法最佳化的學生，如果研究方向被貼上“受控技術”的標籤，連簽證都可能拿不到；美國眾議院甚至還提出議案，打算限制中國人在美國從事AI和機器學習相關的職業。這些變化，都在讓年輕一代重新思考“要不要出去”。▲北京的招生會上，中國赴美留學生人數近年來有所下降 圖源：紐約時報但問題的另一面是：這類因素極不穩定。政策會隨著選舉、隨著地緣政治的風向來回搖擺，不能把它當成可以長期依賴的變數。AI競爭，表面是算力之爭、模型之爭，乃至電力之爭，但真正的底層卻是教育體系、產業結構與人口結構的長期較量，人才，才是贏得競爭的終極變數。人才之戰，不是一場百米衝刺，而是一場漫長的馬拉松。曾經，中國不但本土優秀人才有限，而且優秀人才大規模外流。如今，中國不但本土優秀人才湧現，而且還迎來外流人才的回流。趨勢已經逆轉，但要真正長期形成超越優勢，還任重道遠。當下，或許只是這場競賽的起點。 (華商韜略)