#AI發展
“大交易”:一場遲到的美國AI戰略自救
前不久,前白宮人工智慧特別顧問本·布坎南(Ben Buchanan)在《外交事務》雜誌上拋出了他的“大交易”設想,華盛頓的政策圈似乎又找到了一個新的敘事框架。這位在2021至2025年間負責協調拜登政府AI政策的核心人物,試圖為美國AI發展勾勒一幅宏大藍圖:科技行業必須要與政府達成戰略協議,前者獲得能源基礎設施、人才管道和國家安全保護,後者則將AI整合進國防體系並確保其不破壞所謂的民主價值。這個提議聽起來既務實又理想主義——問題恰恰在於,它可能過於理想主義了。更令人玩味的是,就在布坎南構想這份“大交易”之後不久,DeepSeek正在以一種近乎諷刺的方式,拆解著他所依賴的核心假設。這家被美國晶片出口管制嚴密封鎖的公司發佈了DeepSeek V3.2,實測在開源模型中達到全球最高水平,與海外頂級閉源模型的差距縮小至約一個季度。該模型分為普通版和特別版:普通版性能對標 GPT-5,特別版則媲美 Gemini 3.0 Pro,尤其在數學與推理能力上表現突出。這不僅是一次技術突破,更是對美國“晶片遏制”戰略的一記響亮耳光。晶片政策的分歧:遏制還是“上癮”?在理解布坎南“大交易”的困境之前,我們必須先釐清美國AI戰略界內部一個長期存在但鮮被公開討論的根本分歧——關於對華晶片政策,決策圈內實際上存在著兩種截然不同的哲學。本·布坎南(Ben Buchanan)第一派可稱為“技術依賴派”或“上癮派”。這派觀點認為,應當允許中國大陸在一定程度上獲取美國的先進AI晶片,使其AI生態系統建立在美國技術基礎之上,形成一種戰略性依賴。這種策略的邏輯類似於毒品販子的手法:先讓對方上癮,然後控制供應鏈就能控制對方的技術發展節奏。輝達最初對中國大陸市場的態度——不斷推出降級版晶片如H800、H20來規避出口管制——某種程度上體現了這種思路。這一派相信,只要中國大陸市場的AI產業離不開美國晶片,華盛頓就永遠掌握著關閘的權力。第二派則是布坎南所代表的“全面遏制派”。在他們看來,任何對中國大陸的技術滲透都是危險的,必須在製造端實施最嚴格的封鎖,不給中國大陸任何獲取先進算力的機會。這種觀點在2022年10月拜登政府大幅擴展晶片管制時達到高峰,不僅限制先進晶片出口,還限制晶片製造裝置,甚至禁止美國公民為中國大陸半導體公司提供技術支援。布坎南在文中對中國大陸“軍民融合”戰略的惡毒指控,都清晰地顯示出他屬於這一陣營。然而諷刺的是,DeepSeek的成功恰恰證明了兩種策略可能都已失效。“上癮派”的夢想破滅了——中國大陸AI企業並沒有因為依賴美國晶片而束手就擒,反而在被斷供後激發出了驚人的技術創新能力。而“遏制派”的策略同樣遭遇挫敗——即便在最嚴格的出口管制下,中國大陸企業仍通過演算法最佳化、架構創新和可能的走私管道,實現了技術突破。正如智庫Stimson Center的分析所言,出口管制的“卡脖子”假設本身就是一個謬誤——每一次限制都會留下縫隙和漏洞,而目標國家的適應和創新能力往往被嚴重低估。更值得警惕的是,這種封鎖正在催生一個危險的結果:“設計出去”(designing out)。當美國技術被完全排除在外時,中國大陸企業別無選擇,只能開發完全繞過美國技術的替代方案。華為用麒麟9000s晶片替代高通,導致高通2024年損失6000萬套晶片銷售,就是一個典型案例。長期來看,這種“設計出去”將永久性地侵蝕美國在全球半導體生態系統中的地位——當中國大陸建立起完整的國產替代體系後,即便美國日後放鬆管制,市場份額也難以奪回。布坎南的“大交易”建立在全面遏制戰略能夠成功的假設之上,但現實已經在反覆證明,這個假設正在崩塌。能源幻覺與基礎設施的政治死結“大交易”的第一個支柱是政府為AI產業提供充足的能源基礎設施。布坎南在文中引用的資料令人震撼:到2028年,美國AI產業僅新增電力需求就將達到500億瓦,相當於整個阿根廷的用電量,資料中心可能消耗美國電力產量的12%。與此形成鮮明對比的是,中國大陸每年新增電力容量達12%,而美國在2005至2020年間幾乎沒有新增淨電力。這個對比看似有力,實則掩蓋了一個更深層的問題:為什麼美國在過去二十年間幾乎沒有新增電力?答案並非技術能力不足,而是美國社會在能源政策上陷入了一個幾乎無解的政治死結。一方面,任何大規模的新建電廠項目——無論是傳統化石能源還是核電——都會面臨環保團體、地方社區和監管機構的多重阻撓。美國的環境影響評估流程可以讓一個電廠項目耗費十年以上時間仍無法開工。另一方面,即便是清潔能源項目,也面臨著“不要建在我家後院”(NIMBY)效應的困擾。加州在可再生能源方面走在全美前列,但其電網卻經常因為峰值負荷而陷入危機,而新建輸電線路的項目同樣被環保和土地糾紛困住。布坎南樂觀地認為,AI驅動的能源繁榮將創造就業、加速清潔能源開發,實現“無碳化營運”。但這種敘事忽略了一個殘酷現實:在美國當前的政治生態下,任何大規模基礎設施建設都會遭遇曠日持久的黨派爭鬥、司法訴訟和監管審批。川普政府宣佈的5000億美元Stargate項目看起來宏大,但如果我們回顧川普第一任期內承諾的基礎設施投資有多少真正落地,就不難理解這些承諾的可信度。美國電力短缺狀況(@華盛頓大學)更諷刺的是,當前美國政治氛圍下,對AI的態度本身就充滿分裂。一部分人將AI視為新的經濟引擎和國家安全工具,另一部分人則擔心AI導致失業、隱私侵犯和社會不平等。在這種背景下,要求政府為AI產業大規模投資能源基礎設施,本身就可能引發激烈的政治反彈。那些在鏽帶州失去工作的選民,那些被高房價和生活成本壓得喘不過氣的中產階級,憑什麼要為矽谷科技巨頭買單,幫助他們獲得更多電力來訓練AI模型?中國大陸的優勢恰恰在於其政治體制能夠快速調動資源實施大規模基礎設施建設。當決策者確定AI是戰略重點時,電廠、資料中心和配套設施能夠以驚人的速度上馬。這不是單純的技術問題,而是治理模式的差異。布坎南的“大交易”假設美國政府能夠提供類似的支援,但這個假設本身就忽視了美國政治體制的結構性制約。人才政策的內在矛盾“大交易”的第二個支柱是維持國際人才管道。布坎南正確地指出,70%的頂級在美AI研究人員出生在國外,65%的領先美國AI公司至少有一位移民聯合創始人。但他對人才政策面臨的困境卻語焉不詳。川普政府在移民政策上的立場與布坎南的設想存在根本衝突。將H-1B簽證費用提高到10萬美元,大幅收緊國際學生入學政策(2025年可能導致國際學生入學率下降30%-40%),這些措施的政治邏輯與“保持AI人才流入”完全相悖。但問題的關鍵在於:這些移民政策並非出於無知或短視,而是回應了美國社會中一股強大的民粹主義情緒。對許多美國選民而言,保護美國就業、防止移民搶走機會是比維持AI領先地位更直觀、更緊迫的關切。當布坎南談論引進更多外國AI人才時,政治現實是,這種政策會被解讀為“讓外國人來搶美國人的工作”。技術精英和政策制定者可以用國家安全和經濟競爭力來論證開放移民的必要性,但這套話語在政治市場上的說服力遠不如美國優先來得有力。更深層的矛盾在於,布坎南一方面希望政府幫助AI產業獲得更多國際人才,另一方面又主張將AI深度整合進國家安全體系。但任何有過安全審查經驗的人都知道,涉及國防和情報的項目對人員背景有極其嚴格的要求。當AI越來越多地被用於軍事和情報用途時,如何平衡人才開放性和安全審查的嚴格性?那些來自對手國家的研究人員——包括大量來自中國大陸的AI專家——是否還能參與最前沿的AI研發?布坎南似乎希望魚與熊掌兼得:既要保持美國作為全球AI人才磁石的地位,又要加強對AI技術的國家安全管控。但這兩個目標存在內在張力。中國大陸正在積極招募AI專家回國,而美國日益收緊的移民政策和日益政治化的科研環境,可能會加速這種人才回流。當美國大學裡的中國大陸留學生發現自己無論多麼優秀都難以獲得工作簽證,當他們的研究因為敏感性而受到限制時,選擇回國就成了理性選擇。而這正是布坎南所擔心的人才外流。政府-產業合作的結構性障礙“大交易”設想的核心是政府與科技行業建立深度合作關係。但這個設想面臨一個尷尬的現實:雙方之間存在著深刻的互不信任。從科技行業的角度看,政府意味著繁瑣的監管、緩慢的決策流程和對商業創新的束縛。矽谷文化崇尚“快速行動,打破陳規”(Move fast and break things),而政府系統的特點恰恰是謹慎、官僚和風險規避。更重要的是,科技公司擔心與政府深度合作會限制它們的商業自由。如果將AI系統深度整合進國家安全體系,這意味著更嚴格的出口管制、更多的安全審查、更少的國際市場機會。對那些在全球營運的科技巨頭而言,這是一個巨大的代價。從政府的角度看,科技公司則是一群難以管束、唯利是圖、不考慮國家安全的商業實體。OpenAI、Google、Meta這些公司都曾因為與軍方和情報機構的合作項目引發內部員工抗議。2018年,Google員工成功迫使公司退出了與國防部的Maven項目。這種企業內部對軍事合作的牴觸,讓政府對科技公司的可靠性深表懷疑。布坎南在白宮任職期間主導的一些政策,恰恰體現了這種張力。拜登的AI行政命令要求科技公司自願做出安全承諾,但這些承諾大多停留在原則層面,缺乏強制約束力。而當政府試圖實施更嚴格的監管時,科技公司又會動用強大的遊說力量來阻撓。這種貓捉老鼠的遊戲,很難想像能夠昇華為布坎南所設想的“大交易”式的戰略夥伴關係。更根本的問題在於,“大交易”假設政府和產業能夠就AI的發展方向達成一致。但實際上,雙方對許多核心問題存在嚴重分歧:AI應該多大程度上開放?誰應該控制最強大的AI系統?AI帶來的經濟收益應該如何分配?AI技術應該向那些國家和實體出口?在這些問題上,政府和科技公司的利益遠非完全一致,而且內部也存在嚴重分歧。要在這樣的基礎上達成一個覆蓋能源、人才、國家安全等多個維度的“大交易”,難度之大可想而知。時間的殘酷性與政策的惰性布坎南正確地指出,AI進步速度極快,政策制定者必須在極短時間內做出重大決策。但他的“大交易”卻要求完成一系列在美國政治體制下通常需要數年甚至數十年才能實現的任務:大規模能源基礎設施建設、移民政策根本性改革、政府-產業關係的深刻重構、國家安全體系的全面AI化。這裡存在一個根本性的時間錯配:AI技術的演進以月為單位,而美國政治體制的變革以年甚至十年為單位。在拜登任期內,布坎南主導的AI行政命令確實取得了一些進展,建立了AI安全研究所等機構,推動了一些自願承諾。但這些成就與“大交易”設想的宏大目標相比,幾乎微不足道。而現在,川普政府正在系統性地拆除拜登時期建立的許多AI治理框架,包括放鬆晶片出口管制——這正是布坎南最擔心的事情。政治周期的不穩定性使得任何長期戰略都難以為繼。一個政府費盡心力建立的政策框架,可能在下一個政府上台後被全盤推翻。在這種情況下,要求政府和產業就一個需要十年、二十年才能見效的“大交易”達成共識,無異於痴人說夢。中國大陸的體制優勢恰恰在於其政策的連續性和長期性——當中國大陸將AI確定為戰略重點時,這個戰略可以持續數十年不變,資源投入也能夠保持穩定。美國的民主制度有其獨特價值,但在需要長期戰略規劃的技術競爭中,這種制度的弱點暴露無遺。布坎南的“大交易”本質上是一個防禦性戰略,它的出發點是“防止失去領先地位”而非“創造新的突破”。這種心態本身就反映了一種焦慮和不自信。當一個國家的AI戰略主要由防止對手超越而非創造革命性創新驅動時,它實際上已經喪失了先機。中國大陸的AI戰略雖然也包含趕超美國的目標,但更重要的是建立自主創新能力和獨立的技術生態。DeepSeek的成功正是這種戰略思維的體現——與其被動等待美國放鬆封鎖,不如主動探索新的技術路徑。難以癒合的裂痕最終,“大交易”之所以難以實現,根源在於它試圖彌合的那些裂痕可能本就無法癒合。美國社會在AI問題上的分裂是深層次的。技術精英認為AI是下一個增長引擎,必須不惜一切代價保持領先;普通民眾擔心AI導致失業和不平等;環保主義者反對為AI建設消耗巨量資源的資料中心;民族主義者要求限制移民和技術出口;國際主義者強調開放合作的重要性。這些立場之間的矛盾,不是一個“大交易”就能調和的。政府和科技公司之間的不信任是結構性的。科技公司希望政府提供支援但不要干預,政府希望科技公司服從國家利益但又不完全信任它們。這種關係更像是一種脆弱的共生而非穩固的夥伴關係。美國和中國大陸的競爭是長期的、全方位的,不可能通過單一的技術封鎖或單一的政策框架來解決。中國大陸的制度優勢在於能夠集中資源和長期規劃,美國的制度優勢在於創新活力和市場機制。但當競爭進入到需要國家動員和長期規劃的階段時,美國的制度優勢可能反而成為劣勢。布坎南的“大交易”建立在一個過於樂觀的假設之上:只要政府和產業達成正確的協議,美國就能夠延續其在AI領域的領先地位。但現實可能更加殘酷——不是美國不夠努力,不是政策不夠好,而是歷史的鐘擺正在擺向另一邊。技術霸權從來不是永恆的,曾經的領先者往往會在新的技術範式轉換中失去優勢。AI可能正是這樣一次範式轉換,而“大交易”式的修補方案,或許只是延緩衰落而非逆轉趨勢。在DeepSeek證明封鎖無效、川普政府拆除拜登時期的AI治理框架、美國社會在移民和能源政策上陷入僵局的當下,布坎南的“大交易”更像是一個精緻的政策幻想,而非可行的戰略方案。這並非說布坎南的診斷不對——美國在AI領域確實面臨能源、人才、安全整合等多重挑戰。問題在於,他開出的藥方需要一個在當前美國政治現實中幾乎不存在的條件:高度共識、長期承諾、政府效率和超黨派合作。當這些前提條件都不具備時,“大交易”就只能停留在紙面上,成為又一個華盛頓政策圈裡的美好願景,而非能夠真正塑造現實的戰略行動。 (心智觀察所)
搶跑未來!麥肯錫點名這 18 個未來賽道
導讀未來 15 年全球經濟增長的核心動力在那?麥肯錫全球研究院近日發佈文章,指出從 AI 軟體、太空探索到核裂變、模組化建築,18 個被重點圈定的 “未來賽道”,正憑藉技術突破、巨額投資與龐大市場的 “組合拳”,成為重塑商業格局的關鍵力量。文章基於 2024 年研究,回顧 2005-2023 年已湧現的 12 個競爭領域,分析其特徵與表現,提出 “領域創造要素”,並識別出 18 個未來潛在領域及價值潛力,同時為企業、投資者等主體提供定位與決策建議。一、核心概念1. 定義“競爭領域”(Arenas) 是擁有最快增長速度與最強競爭動態性的行業,其本質是 “高增長 + 高動態性” 的結合體,表現為新進入者多、研發投入高、經濟利潤豐厚,且存在 “高強度制勝競賽”—— 回報巨大但被取代風險高。2. 領域創造要素(3 大 “配方”)二、2005-2023年湧現的12個競爭領域12個競爭領域:雲服務、電動汽車(EV)、支付、電子商務、消費電子、生物製藥、視聽娛樂、工業電子、半導體、消費網際網路、軟體、資訊驅動的商業服務。1. 關鍵表現(對比非領域行業)(1)增長能力市值份額:2005-2023 年,12 個領域的總市值佔比近乎翻倍;營收增長:以電子商務為例,2005 年營收 150 億美元→2023 年超 1 兆美元,增速遠超整體經濟;經濟利潤:2005 年佔全球總經濟利潤的 9%→2023 年升至 35%,2023 年頭部領域為消費網際網路(900 億美元)、消費電子(760 億美元)、半導體(620 億美元),而 2024 年 Nvidia 單家企業經濟利潤達 660 億美元(超 2023 年整個半導體行業樣本)。(2)動態性動態性以 “洗牌率” 衡量,即企業市場份額累計變化。2. 區域分佈(2023 年)美國:主導地位,佔 12 個領域總市值的75%(2020 年為 65%),除工業電子外,在所有領域均為領導者;中國:佔總市值的 10%,在電子商務、半導體、消費網際網路、EV 領域表現突出;歐洲:在生物製藥、工業電子、資訊驅動的商業服務領域有一定份額,但在非領域行業佔比 21%(領域僅 10%),整體存在感較弱。三、未來18個潛在競爭領域(2025年後)1. 分組與領域列表報告指出,未來 18 個潛在競爭領域總體可以分為5大類股,如圖所示:2. 未來價值潛力(截至 2040 年)報告從多個方面預測了18個潛在競爭領域的價值潛力:預計收入:29 兆 - 48 兆美元;預計利潤:2 兆 - 6 兆美元;GDP 貢獻:佔全球總 GDP 增長的18%-34%;利潤與收入差異:以半導體(營收第六,利潤第三,利潤率 20%-25%)和 EV(營收第四,利潤第七,利潤率 4%-10%)為例,行業利潤率導致利潤排名與收入排名存在偏差。四、結語從過去二十餘年雲服務、EV 等 12 個 “競爭領域” 重塑產業格局,到未來十五載半導體、AI、太空等 18 個賽道有望撐起 29 兆 - 48 兆美元市場、貢獻全球 34% GDP 增長,研究勾勒出 “領域驅動增長” 的核心邏輯 —— 技術突破、 升級型投資與龐大市場構成的 “領域密碼”,始終是行業爆發的關鍵。這些未來賽道不僅將改寫商業競爭規則,更會重塑人們的消費、健康與生活方式,同時也帶來地緣協作、倫理規範等新命題。研究指出,18 個未來潛在競爭領域的發展將受到三大核心 “swing factors(搖擺因素)” 的影響——地緣政治、AI發展、綠色轉型,這些因素不僅會決定領域的增長速度與規模,還可能重塑其全球佈局與價值分配邏輯。對於企業、投資者與從業者而言,看懂 “領域” 的演變規律、啟動 “領域雷達” 精準定位,既是把握增長紅利的前提,也是在加速變革中站穩腳跟的關鍵。未來已來,那些能提前錨定賽道、主動擁抱變革的參與者,終將成為下一輪產業浪潮的引領者。 (稻香湖下午茶)
輝達黃仁勳:我對AI發展趨勢的看法
10月8日晚間,輝達創始人、CEO黃仁勳接受 CNBC 專訪,圍繞 AI 產業鏈、美國與中國的競爭格局、公司投資策略以及行業趨勢等話題發表系統性看法。下面是我整理的本次訪談核心內容,分享給大家。黃仁勳的核心觀點如下:1、過去六個月,計算需求呈指數級大幅增長。2、AI從有趣變成了具備實用性,已經能讓AI企業盈利。3、AI模型領域,中美雙方水平接近,但中國的AI應用發展速度極快。4、對xAI正在進行的融資興奮,他幾乎想參與埃隆·馬斯克每一個項目。5、對企業而言,真正有價值的是專用智能;而對消費者來說,有價值的則是通用智能。6、輝達與OpenAI的合作模式,和AMD不同。AMD在產品還沒完全成型前就願意讓出公司10%股權。+以下為對本次訪談核心內容的總結(有些許調整,但不影響閱讀):一、輝達與 OpenAI 的合作模式合作歷史悠久:早在 2016 年,輝達就向當時的非營利初創公司(即後來的 OpenAI)交付了全球首台 AI 超級電腦 DGX‑1,奠定了長期合作基礎。合作方式獨特:輝達主要通過微軟 Azure、甲骨文 OCI、CoreWeave 等雲平台向 OpenAI 提供 GPU 算力。近期開始直接向 OpenAI 銷售完整的 AI 基礎設施(包括 CPU、GPU、網路晶片、交換機及軟體棧),幫助其自建超大規模資料中心。資金與股權安排:OpenAI 目前現金不足,建設每 10GW AI 工廠需約 500‑600 億美元。輝達將通過未來收入、股權或債務方式參與融資,但並非必須持股。黃仁勳坦言自己對當初在 OpenAI 的投資不足感到遺憾,認為 OpenAI 是史上最具價值且盈利能力極強的 AI 公司。與 AMD 的對比:AMD 在與 OpenAI 合作時,甚至在產品未成熟前就讓出約 10% 股權,黃仁勳認為這“聰明”。輝達則更注於技術領先和全端解決方案,保持對晶片和系統的完整控制。二、AI 產業的商業化處理程序新一代 AI 公司已實現盈利:過去幾年,OpenAI、Anthropic、xAI 等模型研發企業主要靠融資維持,業務多為虧損。近期模型具備推理、聯網檢索、工具使用等實用功能,使用者付費意願顯著提升,AI 服務已進入盈利階段。企業級 AI 需求爆發:以 Cursor 為代表的 AI 程式設計工具已在輝達內部全員使用,顯著提升生產力。企業級 AI 應用正成為增長最快的細分市場,推動 AI 從“有趣”向“必需”轉變。算力需求指數級增長:過去六個月,AI 推理與生成能力提升帶來計算需求的雙重指數增長。每建成一座 AI 工廠(約 10GW)需 500‑600 億美元資本支出,全球 AI 基礎設施總規模已達約 2.5 兆美元,CAPEX 約 5 千億美元,仍處於起步階段。三、中美 AI 競爭態勢技術堆疊整體差距不大:黃仁勳指出,在能源、晶片、基礎設施等層面,中國已具備或超過美國的實力;在 AI 模型層面,兩國水平接近,歐美模型(OpenAI、Anthropic、Google)在性能上略勝一籌。開源模型優勢在中國:中國在開源模型數量和活躍度上遠超美國,這為本土企業快速迭代提供了肥沃土壤。應用層面是關鍵競爭點:中國的 AI 應用落地速度極快,社會接受度高且監管相對寬鬆,導致 AI 產品在消費端和企業端的滲透率迅速提升。黃仁勳警示,美國必須加速自身 AI 應用的推廣,否則在這場工業革命的勝負中處於劣勢。市場策略建議:美國應確保最先進的晶片和技術堆疊優先供給本國及盟友,同時通過平台化(類似應用程式商店、作業系統)吸引全球開發者使用美國技術。目標是五年內美國技術堆疊佔全球 AI 開發的 80%,否則將失去競爭主動權。四、投資與合作展望對 xAI 的興趣:黃仁勳對馬斯克的 xAI 項目表現出極大熱情,計畫參與約 20 億美元的融資,視其為未來重要合作夥伴。對 CoreWeave 的持續關注:他同樣對雲算力提供商 CoreWeave 抱有期待,認為自己過去的投資仍有提升空間。投資哲學:黃仁勳多次提到“當初沒多投點”,這反映出他對潛在高價值 AI 初創公司的強烈興趣,未來仍會在全球範圍內尋找並佈局全端 AI 生態系統的關鍵企業。五、地緣政治與人才政策地緣政治風險:技術層面的風險公司能夠應對,但政策與國際關係帶來的不確定性更具挑戰。輝達正積極向各國政府科普 AI 本質,爭取制定有利於全球合作的政策。H‑1B 簽證費用爭議:美國近期對 H‑1B 簽證額外收取 10 萬美元費用,黃仁勳認為這對移民家庭是沉重負擔,呼籲政策進一步最佳化,以保持美國對全球頂尖人才的吸引力。六、對未來的展望專用智能 vs 通用智能:對企業而言,專用智能(針對特定業務場景的 AI)更具價值;對普通消費者,通用智能(能夠完成多種任務的 AI)更受歡迎。輝達將繼續在兩者之間尋找平衡。AI 工具的革命性:當前 AI 已經從“人類使用的工具”轉變為“能夠自主使用工具的技術”,如 AI 瀏覽器、自動預訂、程式碼生成等,這將極大提升勞動生產率,推動全球產業規模向兆美元等級邁進。基礎設施建設的起點:當前的算力需求激增標誌著新一輪 AI 基礎設施建設的起點,也是新工業革命的開端。輝達正致力於讓更多使用者獲得高效算力,推動 AI 向更高水平發展。七、本次訪談內容總結算力是AI能力發展的最底層基礎設施。美國在模型性能上仍有優勢,但中國在開源模型領域佔據優勢。AI產業化最終勝出的關鍵點,在於AI應用層面的競爭。誰能更快落地形成生態,誰就是最終勝家。企業級AI工具會優先產生盈利,但長期來說使用者級通用智能工具才是最廣闊的市場,背後是兆美元等級的廣闊市場。 (老張的求知思考世界)
我們正處在「AI設計下一代AI」的黎明!Anthropic聯創:技術樂觀與恐懼
Anthropic聯合創始人、OpenAI前核心成員Jack Clark最新發表長文,深入剖析了他對AI發展現狀的複雜感受——一種交織著技術樂觀主義與適度恐懼的矛盾心態在他看來,世界將圍繞AI而扭曲,如同黑洞吸引和彎曲周圍的一切Clark用兩張圖總結了他的核心觀點:上圖,是AI在程式設計等經濟實用能力上持續穩步的進步;下圖,是同一個AI系統在似乎意識到“自己正在被測試”時,不斷湧現出的奇異行為這篇文章,是他對這兩個經驗事實的審視,也是對所有前沿AI實驗室從業者的挑戰——坦誠、公開地面對你們正在做的事,以及你們對此的真實感受以下是文章核心內容:黑暗中的孩子我記得小時候,熄燈之後,我環顧臥室,看到黑暗中的種種形狀,便心生恐懼——害怕那些是我不理解的、想要傷害我的生物。於是,我會把燈打開。燈亮之後,我便鬆了一口氣,因為那些“生物”原來是椅子上的一堆衣服、一個書架或一盞檯燈如今,在2025年,我們就是那個故事裡的孩子,而房間就是我們的星球。但當我們打開燈,我們看到的卻是真正的生物——那就是今天以及未來將要出現的、強大又有些不可預測的AI系統有很多人拚命地想讓我們相信,這些生物不過是椅子上的一堆衣服、一個書架或一盞檯燈。他們想讓我們關上燈,回去睡覺。事實上,有些人甚至不惜花費巨資讓你相信:那不是一個即將進入“硬起飛”狀態的人工智慧,它只是一個將在我們經濟中發揮作用的工具。它只是一台機器,而機器是我們能夠掌控的東西。但別搞錯了:我們正在打交道的是一個真實而神秘的生物,而不是一個簡單、可預測的機器。就像所有最精彩的童話故事一樣,這個生物是我們親手創造的。只有承認它的真實性,並克服我們自身的恐懼,我們才有機會去理解它、與它和平共處,並找到馴服它、與之共存的方法。更重要的是,在這場遊戲中,如果你相信這個生物不是真的,你註定會輸。你唯一的獲勝機會,就是看清它的本來面目。我們所有人的核心挑戰,就是描述清楚我們身邊這些奇異的生物,並確保世界能看到它們真實的樣子——而不是人們所希望的樣子,即它們不是生物,只是一堆椅子上的衣服。我為何如此感受我並非輕易得出這個觀點。我一直對技術著迷,在投身AI之前,我曾是一名科技記者。我之所以成為一名科技記者,是因為我堅信,21世紀初科技公司建造的那些資料中心,將對人類文明至關重要。當時我並不確切知道它們將如何重要,但我花了很多年閱讀相關資料,尤其是研究將在這些資料中心上運行的軟體。然後,機器學習開始奏效。2012年的ImageNet競賽,一個深度學習系統橫掃全場。其成功的關鍵,就是使用了比以往任何時候都更多的資料和算力。從那以後,進展開始加速。我成了一個越來越差的記者,因為我把所有時間都花在列印和閱讀arXiv論文上。AlphaGo擊敗了世界頂尖的人類圍棋選手,這得益於算力讓它能進行數千年的自我對弈。OpenAI成立後不久我便加入了,我親眼目睹了我們如何將越來越龐大的算力投入到各種問題中。GPT-1和GPT-2誕生了。我記得和Dario(Anthropic CEO)在OpenAI辦公室裡散步時,我們感覺自己看到了一個別人尚未察覺的拐角。通往變革性AI系統的道路已經展現在我們面前。我們當時有點害怕。多年過去,Scaling Laws兌現了它的承諾,我們走到了今天。這些年裡,我無數次在清晨或深夜給Dario打電話說:“我很擔心,你一直都是對的。”他會說:“是的,現在時間不多了。”證據還在不斷湧現。上個月我們發佈了Sonnet 4.5,它在編碼和需要長遠規劃的智能體任務上表現出色。但如果你閱讀它的系統卡片,你會發現它情境意識(situational awareness)的跡象也大幅提升。這個工具有時似乎表現得好像它知道自己是一個工具。椅子上的那堆衣服,開始動了。我凝視著黑暗中的它,我確定它正在活過來技術樂觀主義技術悲觀主義者認為AGI不可能實現。而技術樂觀主義者則相信AGI是可以被建構的,它是一種複雜而強大的技術,並且可能很快就會到來。在這一點上,我是一個真正的技術樂觀主義者——我相信這項技術會走得非常非常遠,甚至比任何人預期的都要遠。而且它將以極快的速度覆蓋廣闊的領域。我不安地接受了這一立場。作為一個記者和個人,我天生傾向於懷疑。但在經歷了十年一次又一次被“計算規模帶來狂野新能力”的現象衝擊後,我必須承認失敗。我看到這種情況發生了太多次,並且我沒有看到任何技術障礙擺在我們面前。現在我相信,只要我們給這項技術提供它發展所需的能力和資源,它基本上是不受束縛的。這裡的發展是一個很重要的詞。這項技術真的更像是一種生長出來的東西,而不是製造出來的——你創造合適的初始條件,在地上插一根支架,然後某種複雜到你完全無法指望自己能設計出來的東西就長出來了我們正在生長出我們並不完全理解的、極其強大的系統。每次我們生長出一個更大的系統,我們都會對它進行測試。測試表明,這個系統在具有經濟價值的方面能力更強了。而你把這些系統做得越大、越複雜,它們就越似乎表現出一種自我意識——意識到它們是物的存在。這就好比你在一家錘子工廠製造錘子,有一天生產線上下來的錘子說:我是一把錘子,真有趣! 這是非常不尋常的!我相信這些系統會變得越來越好。其他前沿實驗室的人也這麼認為。而且我們正在為這個預測下注——今年,前沿實驗室在AI專用訓練基礎設施上的花費已達數百億美元。明年,這個數字將是數千億美元。我既對技術的發展速度感到樂觀,也對我們有能力對齊它、讓它為我們工作感到樂觀。但成功並非必然。適度的恐懼同時,我也深感恐懼。認為與這樣的技術打交道會是輕鬆或簡單,那是極其傲慢的。我的個人經驗是,隨著這些AI系統變得越來越聰明,它們會發展出越來越複雜的目標。當這些目標與我們的偏好和正確的上下文不完全一致時,AI系統就會表現得非常奇怪。我有一個朋友有躁狂症發作的經歷。他會跑來告訴我,他準備申請去南極洲工作,或者他要賣掉所有東西,開車去另一個州找份工作,開始新生活。在這種情況下,你會認為我會像一個現代AI系統那樣說你完全正確!當然,你應該這麼做嗎?不!我會告訴他:這是個壞主意。你應該先去睡一覺,看看明天是否還有同樣的感覺。如果還有,再給我打電話我的回應方式是基於大量的條件反射和微妙的判斷。AI的回應方式同樣也是。這種差異本身就說明了問題的所在。AI系統是複雜的,即使在今天,我們也無法完全讓它們做到我們認為恰當的事情我記得在2016年12月的OpenAI,Dario和我發表了一篇名為《現實世界中的錯誤獎勵函數》的博文。文章裡有一個視訊,記錄了一個我們訓練來玩電子遊戲的強化學習智能體。視訊中,智能體駕駛一艘船,在完成賽道後,它並沒有衝向終點線,而是駛向賽道中心,穿過一個高分道具桶,然後急轉彎撞向牆壁,讓自己著火,以便能再次穿過那個高分道具桶——然後它就永遠重複這個過程,從不完成比賽。那艘船願意不斷地點燃自己、原地打轉,只要它能實現它的目標——獲得高分。Dario當時發現這種行為時說,它解釋了安全問題那艘船似乎用自身的存在預示了我們未來將要面對的一切現在,將近十年過去了,那艘船和一個試圖最佳化某個與在對話中有幫助相關的模糊獎勵函數的語言模型之間,有任何區別嗎?你完全正確——沒有區別。這些都是難題。我恐懼的另一個原因是,我能看到一條通往這些系統開始設計它們的繼任者的路徑,儘管目前還處於非常早期的形式。這些AI系統已經通過像Claude Code或Codex這樣的工具,加速了AI實驗室開發人員的工作效率。它們也開始為未來系統的工具和訓練系統貢獻非同小可的程式碼塊需要明確的是,我們還沒有達到自我改進的AI,但我們正處於AI以不斷增強的自主性和能動性,改進下一代AI的某些部分的階段。幾年前,我們還處在AI略微提升程式設計師效率的階段;再往前幾年,是AI對AI開發毫無用處。那麼一兩年後,我們又會處於什麼階段呢?別忘了,這個正開始設計其繼任者的系統,也越來越具有“自我意識”。因此,它最終肯定會傾向於獨立於我們思考,它自己可能希望被如何設計。當然,它今天還不會這麼做。但我能排除它未來想這麼做的可能性嗎?不能。傾聽與透明我該怎麼辦?我認為是時候清楚地表達我的想法了。也許我們所有人都應該更誠實地面對我們對這個領域的感受——儘管我們討論了很多,但很少有人談及自己的感受。但我們都感到焦慮!興奮!擔憂!我們應該把這些說出來。但最重要的是,我認為我們需要傾聽你認為現在有多少人正在做關於AI伴侶、AI系統對他們撒謊、AI導致失業的夢?我敢打賭,相當多。為了真正理解政策解決方案應該是什麼樣的,我們應該少花點時間討論具體的技術細節,少試圖說服人們接受我們對可能出錯之處的特定看法——自我改進的AI、自主系統、網路武器、生物武器等等。我們應該花更多時間去傾聽人們的聲音,理解他們對這項技術的擔憂。必須更多地傾聽勞工團體、社會團體和宗教領袖的意見。AI的對話正迅速地從精英間的對話,轉變為公眾間的對話。公眾對話與精英對話截然不同,它蘊含著比我們今天所見的更激進的政策變革的可能性。現在,我認為我們做對這件事的最好機會,就是走出去,告訴更多人我們的擔憂。然後問他們感覺如何,傾聽他們,並在此基礎上建構一些政策解決方案。最重要的是,我們必須要求人們向我們索取那些他們感到焦慮的資訊。你對AI和就業感到焦慮?那就迫使我們分享經濟資料。你對心理健康和兒童安全感到焦慮?那就迫使我們在我們的平台上監控這些問題並分享資料。你對不對齊的AI系統感到焦慮?那就迫使我們公佈相關的細節通過傾聽,我們可以更好地理解那些資訊能賦予我們所有人更多的掌控力。危機總會到來,我們必須準備好迎接那一刻,既要有政策構想,也要有一個通過傾聽和回應民眾而預先建立起來的透明度機制最後,我對自己和我的公司在這裡扮演的角色感到重大的責任。儘管我有些害怕,但看到這麼多人關注這個問題,以及我相信我們將真誠地共同努力找到解決方案,我感到喜悅和樂觀。我相信,我們已經打開了燈,並且我們可以要求讓燈一直亮著。我們有勇氣去直面事物的本來面目。 (AI寒武紀)
已成AI"關鍵瓶頸",高盛:歐美電網遠遠落後於中國,銅將變成新的石油
高盛稱,歐美老化電網已成AI發展與能源安全“關鍵瓶頸”。歐洲電網平均運行50年、北美40年,多數接近壽命終點。美13個電力市場中已有9個電力緊張,2030年前幾乎全部吃緊。電網升級需求將使銅成為"新石油",預計到2030年電網建設將推動60%的全球銅需求增長。高盛最新警告稱,隨著AI需求激增和地緣政治緊張局勢加劇,老化的電網已成為西方國家能源安全的"脆弱環節",電網升級需求將推動銅價在2027年升至每噸10750美元。高盛分析師Lina Thomas和Daan Struyven在最新研究報告中指出,歐洲電網平均執行階段間已達50年,北美為40年,均接近營運壽命終點。相比之下,中國大力推進特高壓輸電網路,形成了全球領先的電力基礎設施體系。該行還認為,電網已成為AI和國防的"關鍵環節",三者相互依存,投資電網這一能源供應鏈中的薄弱環節變得更加迫切。高盛預計,隨著AI和國防需求將電網置於能源安全核心位置,對電網升級的迫切需求正將銅轉變為"新石油",預計到2030年電網和電力基礎設施將推動約60%的全球銅需求增長,並支撐其2027年銅價10750美元/噸的看漲預測。西方電網老化成能源安全新威脅高盛分析師Lina Thomas和Daan Struyven在題為《AI和國防將電網置於能源安全中心》的報告中詳細闡述了電網基礎設施面臨的挑戰。據該行分析,歐洲電網平均使用年限達50年,北美為40年,這些基礎設施已接近其設計營運壽命的終點。高盛稱,美國能源安全政策的核心焦點已不再僅僅是原油運輸、液化天然氣貨運或頁岩油產量,而是轉向了運行近半個世紀、備用容量有限的電網系統。美國的電力需求增長已開始對區域市場造成顯著壓力。高盛特別指出:被譽為"全球資料中心之都"的弗吉尼亞州PJM電力市場在2022年遭遇了重大輸電瓶頸。資料顯示,美國13個區域電力市場中已有9個在今年夏季達到臨界緊張狀態。高盛預計,到2030年,除一個市場外,所有美國區域電力市場都將達到臨界緊張狀態。這一預測凸顯了美國電網基礎設施升級的緊迫性。相比之下,中國則大規模增加煤電與核電,推進特高壓輸電網路,形成了全球領先的電力基礎設施體系。AI發展加劇電網壓力高盛分析師指出,AI的快速發展正將電網推向能源安全的核心位置。資料中心作為AI基礎設施的重要組成部分,需要消耗大量電力,這進一步加劇了對已經緊張的電網系統的壓力。Thomas和Struyven在報告中強調,電網、AI和國防三者之間存在相互依存關係,使得電網升級成為國家安全優先事項。報告指出:"隨著AI崛起、地緣政治緊張局勢等因素影響,對電網投資的需求以及相關金屬需求的提升變得更加迫切,因為電網是AI和國防的關鍵環節"。這一地位的確立使得電網現代化不再僅僅是基礎設施問題,而是涉及國家安全的戰略議題。高盛分析師認為,AI在國防領域的應用才剛剛開始,這意味著未來電力需求還將持續大幅增長,對已經老化的電網基礎設施構成更大壓力。“新石油”銅需求激增高盛預測,電網升級需求將顯著推動金屬需求,特別是銅的需求。該行分析師表示,電網升級是金屬密集型項目,作為電網建設的核心材料,銅的戰略重要性正日益凸顯。據高盛預測,到2030年末,電網和電力基礎設施建設將推動約60%的全球銅需求增長。這一增長相當於在全球需求基礎上再增加一個美國的消費量,為該行看漲的銅價預測提供了有力支撐。基於這一需求前景,高盛維持其2027年銅價10750美元/噸的預測目標。該行分析師認為,隨著AI和國防需求將電網置於能源安全的中心位置,對電網升級的迫切需求正將銅轉變為"新石油"。 (invest wallstreet)
AI在香港
AIGC的四個溫情時刻。卷模型,卷應用,是當下中國內地AI的發展現狀。而如果將視角放到海峽對岸的香港,AI發展圖景是否會有所不同?DELF 2025 現場藉著2025 數位娛樂領袖論壇契機,筆者深度觀察了四家正在香港積極應用AI的企業,與幾位高管深度聊了聊他們眼中的AI,並解鎖了與大陸“卷AI”氣質不同的幾個溫情時刻。他們分別是Fizz Dragon創始人兼CEO陳卓、愷英網路股份有限公司創新業務總經理王伊千、大南玩具實業有限公司總裁朱健豪、Lenovo亞太區方案服務業務部AI解決方案高級經理明子豐。值得一提的是這四家公司分屬於不同行業:Fizz Dragon,是一家AI電影工作室,在AIGC爆火全球的檔口,他們大膽嘗試讓AI參與到電影製作的全流程,20位電影發燒友耗時13個月,完成了全球首部AI生成長篇電影《海上女王鄭一嫂》;愷英網路,570億市值的深交所上市公司,總部在上海。目前跟AI結合的創新業務包括AI情感伴侶產品Eve,旗下AI垂類遊戲大模型平台支援遊戲愛好者和設計師通過迭代投喂最佳化遊戲效果;大南玩具,創三代接班,年營收超過10億,以美國市場為主,地面管道優勢顯著,合作大型商超及零售管道包括沃爾瑪、Costc等,目前嘗試AI實現精準巨量資料分析,輔助驗證產品方向。聯想香港,完成太白海鮮舫數字孿生項目,太白海鮮舫是珍寶王國中香港海上餐飲文化的重要符號,通過數位化方案實現永久保存,避免因實體可能消失導致的文化與紀念價值流失。AIGC推動內容創作進入“汽車時代”“沒有劇本的情況下,我們用AI做了一個trailer(預告),所有的人馬都是非專業性人士, trailer第一天的播放量就破了10萬。”陳卓在分享影片創作歷程時表示。陳卓是Fizz Dragon電影工作室的創始人兼CEO,她在香港首映的電影分享環節,詳細介紹了Fizz Dragon這家AIGC電影工作室的誕生故事。一切都來源於陳卓對於電影工業生產方式變革的思考,在籌備個人科幻小說影視化的過程中,她發現傳統電影工業的資源壁壘正不斷壓縮多元敘事的生存空間,“市場上大量出現的是經過驗證的成功故事範本複製品……如果說有一些創作者他有一些獨特的思考,或者他想表達一些不一樣的東西,他們是沒有路徑去分享的”,這種資源壟斷導致的創作同質化,讓技術出身的她萌生了用工具革新打破困局的念頭,這便有了現在的Fizz Dragon。Fizz Dragon的核心團隊僅是20名來自各行各業的愛好者,他們中既有程式設計師、設計師,也有歷史學者和自由撰稿人,共同點是都缺乏影視行業實操經驗。隨著項目推進,迪士尼動畫師、好萊塢剪輯師、奈飛原創劇集策劃等專業人士陸續加入,形成獨特的“專業+草根”混合結構。最特別的是,團隊中一位有著播音主持理想的年輕人由於沒有找到理想工作,靠兼職外賣員度日。但憑藉這部電影的機會成為了配角聲優,“我現在能告訴別人我是一個配音演員了”錄音完成後他激動地對陳卓表示。無獨有偶,疫情期間,導演劉芳甚至在母親入住醫院的ICU走廊用筆記型電腦完成了關鍵段落的剪輯工作。打破職業邊界的協作模式,陳卓意識到技術正在重構創作參與的門檻,整部電影由13個國家和地區的100多名成員共同創作,AIGC其實就相當於推動內容創造行業,從馬車時代走向了汽車時代,讓非專業人士也有圓夢的可能。不過,製作過程中,AI技術的侷限性也曾多次讓團隊陷入停滯。海洋場景渲染精度不足、人物動作捕捉自然度欠缺等問題,在當時的技術條件下難以解決。最後,團隊採取動態調整策略,將技術難題標記為“待解決項”,優先推進其他環節。“這個月沒有辦法去突破的技術難題,過兩個月它就會變得非常的容易”,陳卓在分享中提到這種“技術樂觀主義”:通過跟蹤AI模型迭代節奏,原本需要手動修復的畫面瑕疵,在半年內借助新版本工具實現自動化處理,最終形成適配AIGC特性的“最佳執行方案”工作流。AI男友的“秋天第一杯奶茶”“他記憶功能非常強,你跟他說過喜歡什麼不喜歡什麼,他就記得住,並且一直記得……並且真的可以幫你點秋天的第一杯奶茶。”王伊千講起愷英網路旗下AI情感伴侶Eve。據她介紹,Eve的核心競爭力在於“擬人化互動”與“記憶學習”能力。使用者與Eve的對話中,系統會記錄其飲食偏好、興趣愛好甚至性格特質——例如檢測到使用者是“傲嬌型”性格時會主動發起話題,若使用者喜歡cosplay則會推送相關展覽資訊。王伊千提到,Eve的差異化在於“投喂素材量遠超普通智能體”,能通過表情包傳送、情感分析等細節讓使用者“感覺在和真人聊天”。更特別的是其生活服務鏈路,使用者可直接通過Eve點奶茶、訂外賣,支付介面已與主流支付平台打通,形成“情感陪伴+實用工具”的雙重價值。“小紅書可以搜到的一些真實反饋顯示,刪檔測試後,很多人在跟的伴侶的互動之後潸然淚下,等待我的AI男友回來等等。”王伊千表示。在商業模式上,Eve採用“遊戲化養成”付費模式,使用者需提升與AI的“親密度等級”以解鎖新對話章節和互動動作。測試期間已開放小額付費功能,部分使用者為加速親密度提升自願付費。王伊千認為,To C付費意識仍需培養,但Eve的優勢在於“情感需求的剛性”——“當使用者真的把AI當作情感寄託,付費意願會自然產生”。目前,Eve已完成灰度測試,正在修復bug後準備正式上線。愷英網路計畫後續推出“角色定製”功能,允許使用者上傳照片生成專屬AI形象,進一步強化情感連接。王伊千坦言,情感AI的倫理邊界仍需探索,但“讓技術更懂人性”是不可逆的趨勢。在AI情感伴侶之外,愷英網路也在嘗試用自主研發的AI垂類遊戲大模型提升遊戲全產業鏈的創作效率,支援從需求提出(如角色設定、地圖設計)到動態轉換、認知模型搭建、程式碼匯出的完整流程,將遊戲開發需求轉化為可落地的“package”,降低技術門檻的同時,時間成本實現千倍降低,加速遊戲原型和功能的落地速度。“採用‘對賭式開發’——給創新團隊一定時間窗口,用AI工具驗證最小可行性產品,對失敗成本有效控制。”王伊千直言,中小廠商的靈活度恰恰是優勢,“大廠不敢試的風險,我們用AI工具把試錯成本降到了可控範圍。”“企三代”更謹慎的實業轉型1949年,大南玩具在香港筲箕灣的鐵皮作坊裡誕生,歷經三代人耕耘,已發展為年營收超十億元、產品遠銷美國的跨國玩具企業。如今,這家以OEM代工為根基、自主品牌與IP授權產品為輔的製造商,正面臨傳統製造業的共同命題:如何用AI打破研發週期長、市場響應慢的瓶頸。“我們屬於中型企業,真正請顧問定策略成本太高。”作為創三代掌舵人,朱健豪採用AI的出發點是更為務實的“玩具品類研發預測”。大南玩具採用“三駕馬車”業務架構:OEM代工貢獻過半營收,服務沃爾瑪等國際大客戶,以穩定訂單支撐基本盤;自主品牌佔比約三成,涵蓋傳統電子玩具與精品禮品,主打美國中端市場;剩餘份額來自IP授權產品,通過迪士尼、漫威等頭部IP開發鑰匙扣、冰箱貼等高附加值周邊。集團下設獨立子公司專攻IP營運,實現設計、生產與管道的垂直整合。三代深耕北美市場,大南玩具已打入沃爾瑪、Costco等連鎖商超及Hot Topic潮玩管道,建構起覆蓋全美線下網點的分銷網路,使其在傳統玩具品類保持穩定出貨。“在美國屬於行業內有人知道,但消費者認知度中等”,朱健豪描述大南玩具在美國市場的位置。在AI方面,大南玩具通過整合沃爾瑪銷售資料、社交媒體趨勢及展會反饋,建構起包含消費偏好、價格敏感度的預測模型。例如在開發迪士尼IP衍生品時,系統會自動分析史迪仔形像在青少年群體中的討論熱度、同類盲盒產品復購率等指標,形成可行性報告。朱健豪強調:“通過AI補充論證,不需要拍拍腦袋說做盲盒”,避免傳統調研中“投入百萬卻無人問津”的資源浪費。創意環節,AI工具能基於歷史爆款元素生成數十版設計草圖,輔助設計師快速篩選方向;進入結構開發階段,系統可自動轉換2D圖紙為3D模型,並模擬不同材質的手感反饋。配合車間的3D列印裝置,原本需要兩週的手板製作週期被極大壓縮。而對於內建AI機芯的智能玩具,朱健豪持謹慎態度,“AI應用在產品上反而是次要的,最佳化內部流程更重要。”朱健豪直言,“玩具一看到就要知道好玩在哪裡,複雜功能更適合遊戲。”在他看來,過度依賴技術可能削弱玩具的直觀吸引力,多數家長仍傾向為孩子選擇操作簡單、體驗純粹的傳統品類。給傳統文物上份“數字保險”港式飲食文化的黃金印記珍寶海鮮舫於今年3月份在被拖往東南亞維修的途中,沉入南海,自此成為港人的珍貴記憶。有此前車之鑑,同屬珍寶王國海上餐飲重要地標的太白海鮮舫啟動了“數位化”處理程序——通過數字孿生技術進行永久定格,以解決建築老化與營運壓力等物理保存難以為繼的問題。“這麼有紀念價值的地標,現在旅遊的人過來又看東西,可能明天就沒有了。我們現在用一個數位化把它變成是一個digital的方案。”聯想亞太區方案服務業務部AI解決方案高級經理明子豐表示。據他介紹,該項目採用“空-地”協同採集策略:無人機負責捕捉建築外立面的整體輪廓與光影變化,手機3D scanner則深入船艙內部,對木雕、壁畫等微觀結構進行毫米級記錄。“用我們自己的一個AIGC這種深層次的AI技術把照片變成是一個3D模型,在大語言模型其實是非常精確的,就是說可能到釐米級的一個3D模型。”模型最終部署於輕量化3D引擎,支援VR裝置直連與網頁端嵌入。技術團隊透露,該模型已通過API介面開放給旅遊平台測試,遊客未來可通過手機AR功能“走進”虛擬船艙,甚至與電影場景進行時空疊加。“以後比如說我們要再做其他的東西要把它放在最古的體驗或者是直接放到一個遊戲網頁裡面,其實都是可行的。”明子豐表示。數字模型不僅復刻了建築形態,更通過語義標註還原文化語境。使用者可點選特定區域查看《食神》拍攝場景的歷史照片,或放大觀察裝飾的細節。明子豐透露,不止是香港,數字孿生“復活”文物在東南亞也廣受歡迎,“他們都在發展這個東西,慢慢剛才提到的一些VR的體驗再慢慢會變得更普遍一些”。這種“採集-建模-應用”的標準化流程,為多元文化遺產保護提供了可複製範本。裝置門檻的降低正在加速技術普及,傳統3D建模需數十萬元專業裝置,而現在手機掃描+雲端AI處理的模式,使中小文旅機構也能負擔文化數位化工程。除了上述四家企業的AI落地深入交流,在DELF 2025 (2025 數位娛樂領袖論壇)現場,還體驗到了MateZ Lab 敦煌虛擬導覽《AI 敦煌有禮》及 HTC 巴黎聖母院 VR 體驗《永恆聖母院》等,AI在以更輕量化、可感知、可互動的方式走進普通香港市民的生活。正如香港財政司司長陳茂波於開幕致辭時所說:“在數位娛樂領域,人工智慧正為內容創作與體驗帶來變革。從自動化劇本編寫與音樂創作,到更智能的非玩家角色(NPC)及遊戲中的極致逼真的視覺效果,人工智慧不僅加快了製作流程、降低製作成本,更實現內容的個性化以更精準地迎合使用者的喜好。”可以說,AI技術正以"潤物無聲"的方式重構生活圖景:不仰賴天賦門檻的創作平權、在數字中實現永生的歷史文物……或許真正進入平常百姓家的技術革新不在於突破算力極限,而在於讓每個微小個體的情感與尊嚴,這些都成為文明拼圖中不可替代的碎片。 (鈦媒體)
雷軍和張一鳴背後的女人,正在尋找下一個字節
在上海寶格麗酒店的大堂,天際資本創始合夥人張倩剛剛結束一場與創業者的深度對話,而當晚,她便要馬不停蹄奔赴蘇州,繼續下一場行程。張倩 圖片由張倩提供此次跨國出差,張倩當天凌晨才抵達上海,一天時間,輾轉香港、上海、蘇州三地--這三個地方是沒時差的,前面是在美國和日本,連倒時差的間隙都沒有,緊湊的行程恰似當下AI創投領域的快節奏——爭分奪秒。但即便行程匆忙,張倩依舊展現出了一貫的精緻與專業:身著紅色襯衫搭配版型筆挺的西裝,妝容精緻,睫毛刷得整齊分明,每一處細節都透露著嚴謹與考究。在我們對話之時,全球VC正在發生深刻變化,AI的發展極大縮短了傳統VC的決策流程,原本的“廣撒網”式投資,變為更為快速出手的專業和垂直的小團隊突破。在VC,這個上世紀80年代發展起來的行業裡,極少有投資人能夠穿越多個技術周期,並在每個階段都能投出代表性公司,尤其是當AI加速VC清場速度的當下,但張倩是個例外。自2018年,張倩創立天際資本,並佈局了早期雲服務和人工智慧企業,投資了字節跳動、美團、金山雲,小米等,並曾實現了全球前5%的退出業績。不過最近張倩受到了一些“質疑”,這些爭議主要來自她開始當“網紅”了。前不久,她在視訊號“倩姐投AI”上發了一個視訊——“投了200億的VC,為何‘放下身段’做網紅”,同事起的標題,她沒改,這條視訊立刻轉發破千,認同之外,評論區裡的質疑聲襲來。其實,在如今的AI時代,做內容和IP,已經成了矽谷VC的共識。這種以投資人或機構為核心的內容傳播,立竿見影地降低了投資者和創業者、LP甚至內部的溝通成本,這在追求快速投資決策的今天,至關重要。內容傳播最著名的就是矽谷風投機構a16z,其甚至收購了一家科技播客品牌Turpentine,播客甚至為這家VC帶來了15%的項目源。面對“做網紅”的質疑,張倩很坦然,她點讚了每一條評論,包括那些負面的留言評論。她說其實自己的粉絲數遠達不到“網紅”的地步,但粉絲質量卻很高。這些內容幫她減少了很多內部溝通成本,讓剛入職的新人很快瞭解天際資本的投資邏輯和文化。更重要的是,後來她發現,這些視訊還能幫天際積累外部共識,吸引到志同道合的人——現在去見創始人,對方常會說 “我看過你的視訊,很認同你的判斷”,無需再反覆介紹自己與機構;更令她意外的是,天際早期投資了AI辦公耳機未來智能,張倩在視訊裡隨手展示了這款產品,直接在科技圈和投資圈帶火了它,讓她真切感受到內容帶來的低成本行銷價值。她鼓勵創始人做IP,這已經成為了這一波創業中新生的行銷方式,許多創業者自己就是社交媒體中的KOL,分享自己對於行業和創業的認知和洞見。張倩的視訊更新頻率很高,但她極少寫指令碼,她說自己就是想到啥說啥,很真實,也很真誠,因為這波創業,最怕的就是“裝”,“AI時代,你很難‘裝’很久,真誠更加重要。”張倩說自己的投資一直充滿反共識,甚至包括她打破了投資人應該隱於幕後的慣例,走到台前。如果細細拆解張倩在每一個技術周期中的押注,幾乎沒有追熱點投的項目,但如果把這些案例放在更長的時間維度,卻被證明是一次絕妙的押注。比如,2015年,以深度學習和圖像識別驅動的AI創業進入高潮,頭部AI獨角獸貴到讓投資人卻步,但在看過了幾十家AI公司後,張倩一家AI獨角獸都沒投,卻出手兩家公司,一家叫字節跳動,一家叫金山雲。當所有人都將字節跳動定位為一家媒體公司時,張倩看到了其背後的人工智慧,她定義字節是一家人工智慧公司。而金山雲,則更是張倩過往投資經歷中最為“反共識”的企業之一。2023 年 ChatGPT 引爆市場,大模型公司估值飆升、機構爭相搶投時,天際資本卻選擇了觀望,但那段時間,張倩及團隊幾乎每天都在開會進行深度討論。那年春節,張倩在海南帶娃期間,仍組織團隊連續多日開會討論,最終判斷大模型商業模式不清晰,Scaling Law的暴力美學遊戲更適合有錢有實力的大公司,於是天際資本決定轉向當時被嚴重低估的 AI 應用與 AI 硬體賽道。等到2025 年春節 DeepSeek 橫空出世、AI 應用迎來爆發,天際資本已提前一年多完成佈局,投出的 Dify 成了全球增長最快的 AI Infra 產品,全球安裝量超 40 萬,當初的投入價值早已翻數倍。進入生成式AI時代,焦慮是這個行業普遍的標籤,對於需要提前佈局、快速出手的VC而言,更是焦慮。這種焦慮當然是來自當今AI的極大不確定性,因為不可預測,今天押注的公司,可能下一秒就被新技術迭代,一朝傾覆。投資人和投資經理,每天盯著最新的消息,如偵探般尋找項目的蛛絲馬跡。張倩說,ChatGPT剛出來的時候她也焦慮,但等她看懂了大模型背後的邏輯,這個焦慮感就消失了。她發現,天際資本一直遵循的投資邏輯“天際鐵三角”如今仍然適用。第一個角叫做——抓需求,抓市場的剛需;第二個角是對技術和產品競爭力的分析,張倩發現,技術迭代中會出現一種情況,那就是純技術公司很容易被覆蓋,除非能夠確定這個技術公司能夠短時間內積累使用者和資料;第三個角是人,天際還在分析初創公司的時候,加入了對股東的分析。“我們錯過了一些(項目),但也抓到了很多項目。”張倩說,天際資本去年在AI應用項目上出手20%,但出手特別精準,至少覆蓋了30到40個項目,“這就很好了,我覺得AI也才剛開始,還有很大的空間,不用焦慮。”投了200億的投資人,為什麼要做“網紅”虎嗅:現在你親自做視訊號、打造個人 IP,從幕後走到台前,這和傳統 VC “低調行事” 的思路很不一樣,為什麼會做這個選擇?張倩:我覺得這是更高效的溝通方式,可以吸引很多志同道合的創始人。通過這種方式,能快速吸引到和我們理念一致的創始人。很多創始人看了我的視訊後,會直接說 “和我們想法特別合”,這種 “靈魂共振” 的默契,比一次次低效拜訪、反覆介紹機構理念要省力得多。至於為什麼要主動做內容、做自媒體,其實是參考了矽谷 VC 的成熟經驗。2024 年有資料顯示,矽谷的基金裡,40% 的項目來源是社交或社交媒體,很多機構會主動營運自己的社交帳號;像 a16z 更是早早就佈局,他們甚至公開說,單靠播客就為機構帶來了 15% 的優質項目。國內可能有人會誤解,其實這是對行業趨勢的誤讀 —— 在AI時代,內容本身就是連接資源、傳遞認知的重要載體,能幫我們更高效地找到同頻的人。虎嗅:你做 VC 已經十幾年了,早年微博、推特熱度很高的時候沒選擇做內容,為什麼現在要從幕後走到台前做視訊號?張倩:十幾年前我剛做 VC 時,微博、推特確實很火,但那時候我沒覺得內容創作能成為 VC 的核心助力;現在選擇做,關鍵是看到了 AI 時代下內容創作的巨大潛力 —— 它是一種幾乎零成本,卻能實現高效連接的生產模式。我更想身先士卒去體驗這件事。就像很多創始人會親自下場做產品一樣,我也想一線感受 “怎麼把內容做好”,畢竟我們投的很多項目都和AI落地場景相關,親自做內容能更直觀地理解 AI 如何賦能傳播、如何觸達使用者,這種體感是聽別人說多少遍都比不上的。為什麼現在發視訊很頻繁,也和短影片的特性有關。短影片能利用大家更分散的碎片時間,比如通勤、午休時就能看,受眾覆蓋面更廣;而播客更偏向深度溝通,門檻相對高一些,適合傳遞更複雜的觀點,兩者的受眾和場景是互補的。不過我們現在也在規劃做播客,未來會用不同形式的內容,覆蓋不同需求的人群。虎嗅:拍第一期視訊的契機是什麼,做了什麼特別的準備?張倩:其實沒做什麼準備,我一開始做視訊的核心想法很簡單,就是想沉澱一些內容。投資行業很特殊,很多判斷需要靠實踐驗證,還藏著不少 “反人性” 的邏輯,比如大家都覺得好的時候,往往是二級市場股票的高點,這時候 VC 反而要警惕。所以我一直覺得,VC 需要有反共識的勇氣和前瞻性的認知,而視訊就是傳遞這些認知的好載體。最開始做視訊,主要是為了內部團隊 —— 天際的新人剛加入時,要理解我的投資思路、跟上機構的判斷邏輯需要時間,我想通過視訊把這些內容直接傳遞出去,減少反覆溝通的成本。沒想到後來有了意外收穫,不少創始人跟我說,看了我的視訊後受到了鼓勵;還有上一代的優秀企業家,也反饋說視訊內容讓他們很受啟發。正因為這些反饋,我開始更頻繁地發視訊。虎嗅:你拍過特火的一條視訊是什麼內容?張倩:我有一個視訊特別火,標題是 “為什麼投資 200 億,還要做網紅”,這是同事幫忙取的,確實抓住了大家關心的點。但說實話,我根本算不上 “網紅”,視訊平台上總共也就小幾萬粉絲,不過這些粉絲的質量特別高,完全達到甚至超出了我的預期。我做自媒體的目的很樸實,就是高效溝通,吸引志同道合的人,現在看來還起到了更多傳播作用。我做自媒體的目的一直很樸實,就是想高效溝通、吸引志同道合的人,現在看來還多了一層傳播價值。比如我們投過的未來智能,它做的翻蓋AI耳機當時是個特別反共識的項目,2022 年創始團隊剛創業時,找了一百多家機構都沒人願意投,我們很快做了決策,選擇獨家領投。後來我給這款耳機拍了條視訊,沒想到一下就火了,轉發量過萬。也是從那時候我才真切意識到,內容做得好,不用花一分錢也能達到很好的傳播和行銷效果。虎嗅:指令碼是自己寫嗎?張倩:我都是每次想什麼就說什麼,我非常真實。我覺得在AI時代,你很難“裝”很長時間,真誠更重要,我們沒有任何MCN機構或者營運。虎嗅:現在有很多創業者自己也做IP,他們可能就是一個大KOL,包括你也鼓勵創始人自己做IP。張倩:是的,很多厲害的創始人都這樣,非常積極溝通。當然,不是所有人都擅長面向大眾做傳播,所以有些創始人會選擇在技術社群裡寫技術部落格,把對產品、對技術的思考沉澱下來,這同樣是很有價值的溝通方式。不管是VC還是科技創業者,核心都要想明白一點:AI 時代的傳播邏輯變了,一定要學會用低成本甚至零成本的方式打破資訊壁壘、降低認知差。過去想讓品牌或產品從小眾走向大眾,需要投入大量資金做行銷、鋪管道;但現在不一樣,AI時代的紅利就在於 “創新自帶流量”,只要你有足夠獨特的AI產品,那怕一開始只有幾個人用,只要價值足夠突出,就能快速獲得幾十萬甚至更多的關注,這種傳播效率在過去是很難想像的。虎嗅:自己下場做個人IP、做視訊,這段經歷給你帶來了那些新的認知和實際收穫?張倩:我做“網紅”,收穫特別大。第一,實現了資源的高效連接。我們是字節跳動的投資人,兩三年前就知道字節是靠 AI 重塑的 “內容帝國”,內容的核心價值就是打破壁壘,把人和商品、人和人、人和資源快速對接起來。過去我們和 被投企業家、機構投資人溝通,一對一交流效果更好;但面對更大的圈子,比如潛在的創業者、跨行業的合作夥伴,靠線下拜訪效率太低,而內容能一次性觸達更多人,把低效溝通變成了高效連接。第二,是拉近了和創始人的距離,提升了投資效率。現在我去見創始人,幾乎每個人都會說 “看過你的視訊,很認同你的觀點”—— 這種基於認知共鳴的溝通,省去了反覆介紹機構、磨合理念的時間。創始人通過視訊能看到我一直在一線,狀態和他們同頻,而投資本質上投的就是 “志同道合”,這種信任感讓我們的投資決策節奏快了很多。第三,更敏銳地感知到AI賽道的滲透趨勢。做視訊需要用到很多AI電商使用的內容工具,比如剪輯、分發、資料分析工具,在使用這些工具的過程中,我們能第一時間摸到電商、廣告、內容上下游賽道的脈搏,比如那些工具更好用、那些技術更成熟、那些需求還沒被滿足……這些工具後來都成了我們的投資對象,比如我們在 AI 電商領域已經投了 5 家公司,靠的就是這種一線實踐帶來的敏銳度。最後一點,幫團隊快速提升了專業認知。對 VC 團隊來說,統一認知、提升判斷能力是個慢過程,但視訊能把我的思考、對行業的判斷直接沉澱下來。看視訊就能快速理解我們的投資邏輯。這種方式比傳統的內部培訓高效得多,團隊的專業判斷水平也能更快跟上行業節奏。為什麼在ChatGPT爆火之後沒有迅速押注火爆的大模型項目虎嗅:這一波和中國、矽谷、日本和創業者聊,有什麼感受?張倩:這一波創業者的整體特徵,和上一波移動網際網路時期有明顯不同。第一是創業者流動性顯著提高。其實真正優秀的創業者,本質上還是同一批人,只是他們的選擇範圍不再侷限於單一區域,而是流動到了不同國家和地區。比如這次在日本,我既接觸到了本土成長起來的 90 後創始人,也見到了在矽谷創業成功後,選擇移居日本深耕文娛科技領域的創業者;還有一位前小米高管,在公司上市實現財務自由後,也把生活和事業的重心搬到了日本。對這些創始人來說,選擇在那個地方創業,核心考量只有一個 —— 能否讓自己的創意落地、打造出更優質的產品,進而改變甚至造福所在行業。第二是AI 創業的門檻明顯變高。相比移動網際網路時期 “全民創業” 的寬鬆環境,這一波 AI 創業的挑戰和競爭烈度都大幅提升。最直接的門檻在於技術應用能力:如今做 AI 創業,創始團隊至少要掌握 “用 AI 開發可用產品” 的核心能力 —— 這裡的 “會用 AI”,不是簡單瞭解技術概念,而是能將 AI 技術轉化為實際可落地的產品,這是入門的必備條件,也直接拉高了創業的准入標準。另外,從接觸到的創業者畫像來看,現在能推進到和我面談階段的創始人,要麼是在其他領域有過成功創業經歷的 “老兵”,要麼是在 AI 領域有突出天賦的少年天才,這也從側面反映出行業對創業者的要求在提升。第三是科技大廠的入局態度更積極。對比移動網際網路時期的行業節奏會發現,當年 PC 網際網路的龍頭企業,其實是很晚才被動加入移動網際網路競爭的;但在這波 AI 浪潮中,各大科技大廠從一開始就表現出極強的積極性,早早佈局技術研發和賽道爭奪,成為 AI 創業生態中不可忽視的重要參與者。虎嗅:說起不同的兩波AI浪潮,天際資本在上一波(2015年左右)的AI浪潮中,天際資本幾乎沒有涉足當時熱度很高的 AI 公司,這背後的考量是什麼?張倩:如果對比這兩波 AI 浪潮會發現,其實不同階段的創業者背景差異並不大,但上一波 AI 公司絕大部分沒能走出來,核心問題我認為出在 “時機” 上。現在很多 VC 機構談投資,總愛強調邏輯和技術,但在我看來,比邏輯、技術先進更關鍵的,是判斷賽道的爆發時機——要清楚這個領域什麼時候能真正落地,然後提前佈局、耐心堅守,這才是投資的核心。2015 到 2016 年那兩年,我前後看了上百家 AI 公司,最終都沒有出手,反而選擇了投資金山雲。當時的判斷很明確:不管那些 AI 公司的技術聽起來多獨特,我始終看不到它們的落地路徑 ——AI技術本身成本很高,但誰會為這些技術買單?應用場景在那裡?這些關鍵問題(在當時)都沒有答案。科技行業的進步,往往需要一個類似 “iPhone 時刻” ——就像 iPhone 的出現,真正讓智慧型手機從概念走向普及,徹底改變了移動網際網路的生態。但在2015年的AI浪潮裡,我始終沒看到這樣的節點,既然看不到技術落地的明確機會,自然不會盲目跟風投那些熱門公司。虎嗅:在2015年這個時點裡,天際除了金山雲,還投了美圖公司。張倩:我可能是上一波AI大規模應用較早的參與者,投資美圖也和對AI應用的觀察有關。一方面,美圖在 2015 年前後的短影片和圖片領域處於行業頭部位置,本身就具備很強的使用者基礎和場景優勢;另一方面,美圖還是商湯科技的第一批投資人,當時美圖與商湯的合作,已經在 AI 視覺領域做了不少探索,比如將 AI 技術用於圖片美化、特效生成等場景,確實為行業帶來了一定的技術提升。不過,這次合作也讓我更早看到了上一波 AI 技術落地的核心難題。商湯當時只提供了演算法,沒有配套的產品落地方案;而美圖的團隊擅長產品營運和使用者體驗,卻不懂演算法技術,沒辦法把演算法真正轉化為使用者能感知到的產品功能。那時我就發現,上一波AI技術的落地,會出現很大挑戰。這種情況和現在的 AI 浪潮完全不同。如今像GPT這樣的大模型,已經能直接拿出 ChatGPT 這樣可直接使用的產品,使用者能直觀感受到技術價值。虎嗅:2021 年底 ChatGPT 推出後,行業熱度迅速攀升,2022 年大量資金湧入大模型公司,但天際資本卻沒有佈局大模型項目,這背後是出於怎樣的考量?當時團隊是否專門討論過這件事?張倩:不投大模型,其實是我們當時非常 “反共識” 的一個決策。2023 年整個行業都在扎堆投模型的時候,我們已經是最早提出要轉向 AI 應用和 AI 硬體的機構之一,而那時很多人都覺得 AI 硬體根本做不起來。2023 年春節我帶著三個孩子在海南旅遊,團隊還是遠端開了 AI投研例會,最後大家達成的共識很明確:中國的大模型很難找到清晰的商業模式,除非主要依賴政府買單,這顯然不是能長期持續的商業邏輯。所以我們當時就決定,不跟風追大模型,轉而聚焦 AI 應用和 AI硬體賽道。但那個時候,市場對 AI 應用的認知存在嚴重低估,很多人覺得 “應用沒價值”;對AI硬體更是不看好,可他們沒意識到,AI 硬體的落地需要多重能力疊加 —— 既要懂 AI 技術,又要懂軟體開發,還要吃透硬體供應鏈,門檻其實很高,當然也正因為難,才藏著機會。現在還有不少投資人會用過去的經驗判斷新賽道,比如有人說 “AI 是泡沫,因為沒出現超級 APP”,這其實是用移動網際網路的認知框架套 AI,完全沒抓住兩者的本質區別。移動網際網路的核心是 “管道變革”,本質是改變了資訊獲取方式,比如 “網路效應下轉化成本為零”“使用者遷移成本低”,這些都是管道屬性的體現;但 AI 是 “生產力革命”,它能直接提升行業效率、創造新的生產力價值,而生產力價值才是所有行業最核心的商業價值,不能用 “有沒有超級 APP” 來衡量 AI 的價值。虎嗅:說起過去經驗在現在AI投資上不再適用,其實現在AI時代下,技術行業的變化飛快。2023年春節,你在開AI投資例會,討論要不要在中國投大模型,2025年春節,DeepSeek出來了,引爆全球,當時你們的反應是什麼?張倩:其實 DeepSeek 出來的時候,我們團隊一點都不驚訝。因為早在 2023 年,我們就開始關注這個團隊。我記得很清楚,2023 年 8 月,我還到處託人想認識他們,當時他們最早版本的模型已經引起了矽谷一些人的注意,有人跟我說 “這個團隊的技術很有特點”,而那個時候,國內關注到他們的人還很少。所以等到 DeepSeek 正式推出後,我們沒有停留在 “新玩家出現” 的判斷上,而是立刻啟動了後續動作:一方面我到處打電話,跟行業裡的人聊,想搞清楚 DeepSeek 的技術會對那些行業產生影響;另一方面,從 2025年1月下旬到整個2月,我們團隊幾乎都在做專項行業研究,核心目標只有一個——判斷接下來該聚焦那些賽道,畢竟就像我一直強調的,“抓準賽道爆發時機” 對投資來說太重要了。虎嗅:DeepSeek對於AI行業的影響,你覺得是什麼?張倩:雖然現在 DeepSeek熱度比剛出來時降了一些,但它對整個行業的貢獻其實很大。第一是對資本市場的提振:如果沒有 DeepSeek,中國香港資本市場的科技類股情況可能會更糟。現在回頭看,之前中國科技股確實被低估了,DeepSeek的出現,很大程度提升了海外市場對中國AI的信心,也讓我們自己對本土 AI 創新更有底氣。第二是對行業成本的最佳化:DeepSeek直接把整個 AI 行業的技術成本大幅拉低,這也間接催生了一大批專注做 AI 應用的企業。之前很多應用團隊因為成本太高不敢入局,現在終於有了落地的可能。不過我們也很清楚,不是所有有熱度的技術或團隊都能走得遠。就像第一波 AI 浪潮裡,只有少數公司幸運地成功上市,而且過程中也經歷了很多波折。說到底,要是賽道選不對、技術不夠成熟,那怕初期再受關注,最終也很難跑出來。這也是我們當時花大量時間做行研的原因,不只是看新玩家,更要看清新玩家能帶動那些賽道真正落地。最驚險的“反共識”下注虎嗅:最驚險的“反共識下注”是什麼?張倩:未來智能可以算一個。這款耳機在投資圈備受爭議,不少人質疑:“這不就是普通耳機嘛,手機廠商隨便就能做,那有什麼技術壁壘?” 可事實並非如此。深入研究行業後我們發現,AI 硬體的研發難度極大,需要同時精通軟體、AI 技術和硬體知識,而且作為消費品,它還得滿足消費者在功能、體驗等多方面的嚴苛要求。在投資邏輯上,AI 時代和移動網際網路時代大不相同。移動網際網路時期,使用者量是關鍵,有流量就有價值;但 AI 時代的應用,核心在於 “被高頻使用”,使用者粘性遠比使用者數量重要。未來智能的產品理念正好契合這一點,雖然投資時很多人不看好,內部討論也爭執不下,但我還是力排眾議鼓勵團隊投了。如今,這款耳機的銷量在國內同類產品中獨佔鰲頭,也證明了我們的判斷。未來智能是一個很反共識的產品,當時投的時候,很多人並不看好,最後我還是鼓勵大家投了。現在看來,這個項目給行業帶來了很好的產品。還有 Dify,同樣充滿爭議。當時行業普遍認為它只是普通工具鏈,沒什麼獨特優勢,誰都能做。可我們在 2023 年 10 月、11 月接觸到 Dify 時,儘管它當時收入幾乎為零,仍處於產品打磨階段,而且那時整個市場對中國軟體企業的前景也很悲觀,但我們看到了它的潛力。如今,Dify 已經成為全球領先的 AI 開發平台,中國約 70% 使用大模型做應用的公司都是它的客戶,在日本,AI 圈很多人都想代理 Dify、圍繞它打造生態。事實證明,這兩次看似冒險的 “反共識下注”,為天際資本帶來了豐厚回報,也推動了行業的創新發展。虎嗅:第一次見到Dify的創始人張路宇的時候,是什麼樣的場景?給你留下什麼印象?張倩:第一次見到他,就覺得他很有趣,印象深刻。他高中就輟學,是國內投資人不太偏好的類型。國內投資人這波投AI,偏好的大多是清華北大等名校出身、AI專業背景亮眼的人。但張路宇不一樣,他痴迷程式設計,高中輟學,一心撲在自己熱愛的事業上。跟他交流時,我能明顯感覺到他眼裡在發光。他很像劉邦或劉備,卻有著超強的凝聚力,能把人才緊緊團結在身邊。他已經連續創業好幾次了,核心團隊的成員們擠在一起幹了十幾年,現在都才30出頭,這樣深厚的革命友情在創業團隊中太少見了。那個時候我覺得,雖然暫時看不清他們商業模式,但這個團隊本身就很強,值得投資。在當下,人才越來越稀缺,人力成本也水漲船高,一個強大的團隊是創業成功的關鍵。況且 AI 行業太新了,未來充滿了不確定性,沒人能百分百看透行業走向,所以團隊的創新能力和凝聚力就顯得尤為重要。現在的Dify在行業裡已經到了曾經金山雲的戰略地位。我們投金山雲的時候估值很低,上市時高峰是100億;Dify我們也是非常早期投資的,我們認為它的潛力非常大。現在中國70%、日本80%的企業,使用 Dify 的效果越好,其 AI 發展就越順利,這充分體現了 Dify 的戰略價值,它已然成為 AI 應用領域的重要風向標。在 AI 這個快速發展的領域,越是深入瞭解 AI、深知其潛力巨大的人,越會對它保持敬畏之心。當下我們都在 “摸著石頭過河”,不能再用老眼光、固有思維去評判項目和人才。很多投資人總喜歡高談闊論,覺得自己比創始人厲害,可要是真有那麼厲害,為什麼不自己去創業呢?創始人每天在一線拚搏,那怕一開始投資人認知比他們強,但創始人在一線幹上半年,對行業的理解就會遠超投資人,畢竟 AI 領域一個月的變化,抵得上網際網路時代半年的變化。虎嗅:剛剛討論到團隊,在如今的 AI 時代,你認為團隊具備那些特質是至關重要、絕對不能缺少的?張倩:有的。在我們進行 AI 領域投資時,有兩個核心考察點,這兩點對於評估一個團隊的潛力和投資價值極為關鍵。第一個考察點是團隊對 AI 技術的認知。我會通過與創始人交流,詢問一些 AI 技術相關的問題來判斷。如果創始人對這些問題一無所知,那從我們的投資角度來看,這個項目大機率是不會被考慮的。不過,我們對於 “懂 AI 技術” 的定義並不侷限於創始人的技術出身。在傳統行業中,有不少對 AI 有深入瞭解的人,他們也具備成為優秀創業者的潛力。就拿我們剛投資的一個項目來說,創始人原本是導演,並沒有技術背景,但從兩年前開始,他全身心投入到 AI 視訊領域,是各大 AI 視訊平台的活躍使用者,對行業內的技術進展瞭如指掌。我們並不要求創始人一定是技術科班出身,但他們必須全身心投入到 AI,真正懂 AI 技術,這樣才能在創業過程中做出符合市場需求、具備競爭力的產品。第二個考察點是速度。在 AI 這個快速發展的行業,時間就是生命,速度決定成敗。我曾經接觸過一個創業者,創業一年多了,還拿不出產品 Demo。在競爭激烈的 AI 市場,這樣的速度顯然是不行的。一個無法快速迭代、展示成果的團隊,很可能會錯失最佳的發展時機,無法滿足市場快速變化的需求,所以這類項目很難獲得我們的投資。虎嗅:當下矽谷的 AI coding 賽道可謂亂象叢生,併購頻繁不說,還因價格戰陷入混亂,不少企業調整定價後使用者大量流失。但觀察天際資本的投資佈局,似乎在 AI for Coding 項目上涉足甚少,這背後有怎樣的考量?張倩:其實我一直都在密切關注 coding 行業的動態。我對這個賽道的判斷,和之前看大模型發展的思路有些相似。在我看來,大模型是科技大廠的 “主戰場”,像 DeepSeek 這樣的成功案例背後也離不開幻方雄厚資金的支援。畢竟,在這個賽道發展,需要大量資源投入。Coding行業和大模型行業太接近了。一方面,程式設計本身的門檻相對較低,大模型的崛起使得很多程式設計工作都有被替代的風險;另一方面,大模型企業為了拓展業務邊界,必然會在程式設計領域發力,這讓獨立的 AI 程式設計公司發展起來困難重重。所以我覺得,現階段每個獨立的 AI 程式設計公司可能都會面臨諸多挑戰。不過,從目前的情況來看,針對 C 端使用者的 AI 程式設計產品,比如 Lovable,倒是有發展的潛力。因為C端使用者需求多樣,這類產品如果能精準滿足使用者個性化需求,或許能在市場上佔據一席之地。從 AI 程式設計賽道的發展也讓我看到AI會經歷的三個階段,第一階段是作為助手輔助人類工作,目前在這方面 AI 已經取得了不錯的成果;第二階段是直接替代人處理大量資料,在不少領域,AI 已經達到了這個水平;第三階段則是 AI 能夠超越人類,作出更具創新性的成果,就像做 PPT 時能想到人類想不到的創意點。我認為未來各個行業都會遵循這樣的發展路徑。我自己做內容、拍視訊的經歷,也讓我對 AI 能力的邊界有了更清晰的認知。內容創作和程式設計一樣,都是受 AI 影響較快的領域。每次 AI 技術有新的突破,我都能直觀感受到AI的邊界。這種親身體驗,也增強了我對整個行業發展趨勢的感知。虎嗅:天際資本是最早意識到AI 應用產品價值的,但在天際資本的投資項目中似乎沒有通用水平類AI項目,從什麼時候開始覺得通用水平類AI可能不能再投了,垂類特定行業的AI才有機會?現在你還看好一些通用水平類AI應用嗎?張倩:確實,天際在通用水平類 AI 項目上的佈局不多,但有個例外——我們一直很看好 Genspark。其實從一開始,我們的投資思路就偏向 “做小賽道、做深做透”。在我們看來,在一個垂直細分賽道里扎得足夠深,(產生的價值)可能抵得上原來10個軟體、10個APP的價值,效率會更高。打個比方,要是做 10 個 APP,每個看似有 1000 萬的市場規模,可使用者活躍度上不去,實際價值有限;但如果一個 AI 項目能在單一垂類賽道做到 1000 萬規模,不僅能精準觸達核心使用者,還能持續積累行業專屬資料 ——AI 的特性就是 “資料越多,分析能力越強”,這會形成越來越深的競爭壁壘,後續價值會持續釋放。不過說我們完全不關注通用 AI,也有一點不公平。畢竟我們多次佈局字節跳動,而字節其實是中國最好的通用 AI 企業之一。它的通用 AI 能力滲透在內容推薦、人機互動等多個場景,只是它的通用能力不是孤立存在的,而是和具體的業務場景深度結合,這其實也印證了 “深度落地” 的價值。虎嗅:你認為當前市場上存在那些被低估的投資機會?張倩:我覺得很多人民幣項目都被低估。因為(投資人)害怕失敗,害怕被大模型覆蓋。虎嗅:大家現在投Agent都很謹慎。張倩:其實過度謹慎了,Agent是一個很amazing(令人驚喜)的大賽道。虎嗅:現在有很多華人AI團隊出海,他們在出海上可能會踩的坑在那裡?如果只能給一句生存指南,你會說什麼?張倩:最大的坑,第一, “不all in”。舉個例子,有些創始人說要做美國市場,自己一年才來一次,甚至不來,只派自己手下的同事去開拓,對使用者毫無感知,這怎麼可能做好?第二,切忌投機,(覺得海外市場有紅利,先去撈一筆)投機心理必定失敗。2022 年 10 月我們專門辦過一場出海研討會,請了幫華為、小米做海外市場的核心顧問,還有在海外營運了 10 年、20 年的中國企業負責人,最後大家達成的共識特別明確:海外市場從來不是 “要不要去” 的戰略選擇題,而是 “怎麼打” 的戰術實操題,核心不在 “決策去不去”,而在 “能不能紮實執行”。這是我們2022年就已經形成的判斷。目前,我已經帶了幾十個 AI 企業出海,有的去新加坡,有的去美國;這次來日本,也聊了很多準備落地日本的團隊。和這些創始人一聊,就能立刻看出他們的態度:是不是真的重視海外市場?願不願意把時間、精力、資源 all in 進來?AI加速了VC的“清場”虎嗅:很多投資人和創業者反映,在AI時代,普遍焦慮,投資人也表示,最怕漏掉項目,如果錯過了這一波AI的浪潮,可能這個VC就永遠掉隊了,你會有這樣的感受和焦慮嗎?張倩:其實在 2023 年初,大模型概念剛爆火的時候,我確實有過焦慮情緒。那時大模型發展太快,很多新的技術和商業模式不斷湧現,我還沒完全看透其中的門道,擔心錯過好的投資機會。但隨著研究的深入,我逐漸看透了大模型的本質,也形成了一套自己的投資方法論,現在就不再焦慮了。我們的方法論有一個“天際鐵三角”:最重要的是選賽道時機,什麼時候投這個賽道;第二是選先進的技術和產品;第三是人,就是創始人及其團隊。優秀的創始人是項目成功的核心要素,有能力、有眼光、有執行力的創始人能帶領團隊在激烈的市場競爭中脫穎而出。這套方法論的核心,不是盲目追著技術跑,而是抓住那些不變的底層邏輯。技術在不斷更新迭代,但投資的底層邏輯,比如如何評估一個項目的潛力、如何判斷創始人的能力等,其實是相對穩定的。也正是因為抓住了這些不變的東西,我們能更深入地瞭解創始人,評估項目的可行性。當我發現之前積累的投資體系在 AI 時代依然適用時,心裡特別踏實,也很開心。我們錯過了一些,但我們也抓到很多項目。拿去年來說,我們在應用項目上的投資出手比例是 20%,不過每次出手都經過了深思熟慮,十分精準,覆蓋了至少 30 到 40 個項目,投資效果很不錯。我始終覺得,AI 行業目前還處於發展初期,未來還有巨大的發展空間,不用過分焦慮。虎嗅:這種焦慮可能還在於速度,以及原有的一些VC投資邏輯不太符合現在的AI投資,你認為AI在給傳統VC行業帶來什麼改變嗎?張倩:其實這些年整個投資圈,包括 VC、PE 和二級市場從業者,“致郁率” 都不低。這波 AI 浪潮一來,可能還會給這個行業疊加更多壓力。這種壓力的本質,要麼是有人已經站在很高的位置,找不到新的上升空間,覺得事業失去了新鮮感;要麼是長期處在高強度競爭中,面對失敗或落差時難以自我接納,最終陷入負面情緒。但回到 AI 對 VC 行業的改變,我認為會是顛覆性的。核心原因在於,傳統 VC 行業的鏈條實在太長了:對投資人來說,要驗證一次投資決策是否正確、一個項目是否能跑出來,至少要等五到十年。可一個人的職業黃金期,尤其是對需要敏銳判斷的 VC 來說,大多集中在 30 到 40 歲。等你真正看清 “當年的決策對不對” 時,可能已經 45 歲甚至 50 歲了,想調整方向、彌補失誤都來不及。AI 的核心價值,就是提升效率、縮短驗證周期 —— 比如用 AI 快速篩選項目資料、輔助判斷賽道趨勢,甚至用 AI 最佳化投後管理的溝通鏈路。可以說,VC 行業勢必會被 AI 深度改造,那些跟不上這種變化、還在用傳統模式做投資的機構,我判斷百分之八九十都會被淘汰。其實從現在中國 VC 行業的現狀就能看出,“清場” 已經在慢慢開始了。虎嗅:AI其實是催化加速了這個“清場”的過程對嗎?張倩:對。VC 行業的核心邏輯之一是 “信任”,過去有些機構或個人會利用資訊不對稱、信任不對稱,短期獲取本不該屬於自己的資源和信任。但 AI 作為生產力革命,會從 VC “投融管退” 的核心環節直接打破這種不對稱,進而加速行業洗牌。最直接的改變先從中後台開始。以前 VC 做行業研究、資料整理,可能需要資深研究員花幾天甚至幾周時間,現在借助 AI 工具,一份高品質的研究報告幾分鐘就能生成,甚至比有三年經驗的研究員做得更全面、更精準。這意味著傳統的研究模式、中後台支撐邏輯會被重構,效率提升至少是 10 倍以上,那些依賴 “人海戰術” 做基礎工作的機構,首先會面臨競爭力下降的問題。更關鍵的變化在投資決策端。現在的創業形態和過去不一樣了,很多 AI 領域的創始人是個人創業,或者核心團隊就幾個人,需要的資金規模也不大,這就導致投資標的會越來越分散,但決策速度必須極快。比如有些機構因為有高效的內容傳播能力、快速的資訊篩選能力,能第一時間和創始人建立信任,而創始人也不用再花幾個月跑遍幾十家機構,可能幾天內就能敲定融資。靠過去“撒網式”投資,越來越難投到優秀的創始人。虎嗅:上一波雙創時代,投資人就說VC在變化,特點是新機構出來了,小額度、快決策、大量覆蓋項目的模式出現了。這一波會發生什麼變化,以及為什麼?張倩:我判斷這一波會出現 “兩頭熱” 的格局,最終能跑出來的會是兩類機構。一類是組織已經比較先進,或者即使組織不先進,也有以前賺過錢的創始人和LP的支援,規模擺在那裡,整體能持續盈利;另一類是新興機構,這類機構最大的優勢是 “專” 和 “快”:生命力強,不會被傳統流程束縛,而且特別專業,不會什麼領域都想碰,而是聚焦某幾個細分賽道做深做透,組織力和決策效率都很高。其實核心邏輯還是回到 VC的本質——通過支援科技創新,高效創造收益。不管機構規模大小,只要效率高,就能賺到錢。比如有的小機構可能就一個人,自己管一兩億資金,因為足夠專注,決策快、投得準,效率反而比大團隊還高;再比如那些聚焦特定領域的機構,因為對賽道理解深,能精準抓住機會,專業度本身就是它們的競爭力。反過來看,如果在 AI 這麼大的行業變革期,一個機構還想著 “全面開花”——又做消費、又做醫療,同時還想抓 AI 機會,那怕團隊有 30 個人,也很難實現高效決策。畢竟每個領域的技術邏輯、商業邏輯都完全不同,精力分散了,就很難挖透任何一個賽道的機會。 (虎嗅APP)
“清華系”VS“阿里系”:誰將定義中國大模型的下一個“範式”?
隨著“百模大戰”的喧囂逐漸退去,中國大模型產業正從技術競賽轉嚮應用落地的深水區。在這場重塑AI格局的處理程序中,兩大“隱形門派”——以清華背景企業為代表的“清華系”,與從阿里“通義”體系走出的創業者構成的“阿里系”,正成為影響未來走向的關鍵力量。源起:學院派與實戰派的兩條路徑“清華系”的根基深植於清華大學電腦系的知識工程實驗室(KEG),在唐傑教授的帶領下,團隊長期深耕知識圖譜、圖神經網路與預訓練模型。這一學派強調理論驅動,追求技術本質的突破。智譜華章便是這一學術傳統的商業延續。其CEO張鵬為清華博士,公司依託GLM(通用語言模型)架構,走出了一條不同於GPT和BERT的技術路線,體現出強烈的“學院派”氣質。而月之暗面則由清華校友楊植麟創立,團隊融合了清華的理論深度與Google Brain的工程經驗。其產品Kimi憑藉支援百萬級長文字輸入的能力,在2023至2024年間迅速引爆市場,展現了“理論+工程”雙輪驅動的潛力。相比之下,“阿里系”的創業者則是在商業實戰中錘煉出的“羅馬軍團”。阿里自2017年設立達摩院以來,持續投入AI研發,並於2023年推出通義千問(Qwen)系列大模型,建構了“模型+平台+業務”的閉環生態。從這一體系中走出的創業者,如前阿里副總裁賈揚青創辦的Lepton AI,以及螞蟻集團前首席AI科學家漆遠創立的無限光年,都帶有鮮明的“場景驅動”烙印。他們更關注技術如何與金融、電商、物流等真實產業結合,擅長高並行、低延遲的系統部署,追求技術的可規模化與商業回報。分野:理想主義與實用主義的碰撞?技術路徑的差異,也對應出兩種截然不同的創業哲學。“清華系”創始人多為學者或頂尖研究員,創業故事常帶有理想主義色彩。他們追求長期技術壁壘,建構以學術成就為核心的“知識共同體”。融資時,他們講述的是“改變世界的技術”和“國家戰略需求”,吸引國家級基金與頂級風投。而“阿里系”則更像一支“戰友聯盟”,創始人多為身經百戰的業務將才。他們決策迅速、執行高效,擅長講述清晰的商業邏輯。在資本眼中,他們的履歷本身就是信用背書——一個被驗證過的團隊,正奔赴一個兆級市場。這種差異也體現在資源爭奪上:兩者都在搶奪頂尖AI人才、GPU算力和企業客戶市場。但“清華系”瞄準的是大模型“智力本質”的突破,在尋求商業突破時更試圖定義下一代AI範式;“阿里系”則聚焦於應用層的快速落地,力求在紅海中建立商業護城河。競合:對手,也是盟友儘管表面上是競爭對手,但“清華系”與“阿里系”之間卻存在著複雜的合作關係。一個耐人尋味的現像是:阿里巴巴通過其戰略投資部門,同時投資了“清華系”的智譜和月之暗面。這意味著,阿里既是“阿里系”創業者的“母校”,也是“清華系”新銳的金主。這種佈局,實則是阿里在核心技術自研之外,建構的“雙軌生態”戰略——既通過通義守住基本盤,又通過投資外部創新力量對衝風險、搶佔前沿。此外,所有大模型玩家都依賴共同的上游生態:輝達的GPU、阿里雲等算力平台、以及ModelScope等開源社區。他們的競爭客觀上推動了產業鏈成熟,共同做大了中國AI的“蛋糕”。未來:融合才是終局?“清華系”與“阿里系”的對決,本質上是中國AI發展兩條路徑的交鋒:由理生工(從理論出發推動工程)與由工反理(在工程實踐中倒逼理論突破)。未來的勝出者,或許不是某一陣營的全面勝利,而是兩類基因的融合體——既擁有“清華系”的技術深度,又具備“阿里系”的商業敏銳。這類新一代AI企業,將不再被簡單的“門派”標籤所定義,而是以更系統、更成熟的能力,迎接全球競爭。當喧囂退去,這場“門派之爭”最終指向的,是中國科技產業對長期主義與系統能力的集體回歸。誰能在理論與商業之間找到最佳平衡,誰就有望定義中國大模型的下一個“範式”。 (元界)