2025年，騰訊科技聯動AI浪潮的創新者，推出“AI未來指北”趨勢預測系列，透過他們的視角共同窺探AI與人類共生的未來圖景，感受新範式的磅礴力量與深遠影響。

過去兩年，創世夥伴創投創始主管合夥人周煒在中美兩地密集考察AI項目時，始終困惑於一個問題：“除了底層大模型公司，應用層公司很少專注於提供真正完整的解決方案。每個產品都能帶來驚喜，卻鮮有產品能真正徹底解決使用者的問題。”

巧合的是，就在3月初，周煒與北大侯宏教授關於AI的討論，也恰恰聚焦於此：“什麼時候才會出現真正突破應用閾值的產品——即能在特定場景中徹底替代人類、完整解決問題的應用？”第二天，Manus橫空出世。

周煒認為，無論中美，創業公司在大模型底層的機會窗口已經基本關閉。真正的機會在於像Manus這樣精準捕捉使用者需求，突破使用者體驗閾值，真正提供“端到端”的完整解決方案。“Deepseek為全球敲響了警鐘：大模型還能這樣做；Manus則為全球應用開發者樹立了標竿：應用應該這樣做。兩者都帶來了頓悟式的啟示，只是在不同層次：底層和應用層。沒有必要再用底層技術的標準去衡量應用層的產品。”

顯然，2025年開始，AI產業的競爭邏輯正發生深刻變化。技術參數的軍備競賽逐漸降溫，行業焦點從“拼參數”轉向“拚生態”。

“沒有應用層支撐，底層技術只能陷入自娛自樂；只有真正走嚮應用層，AI才能實現普惠價值。”周煒的判斷揭示了行業發展的關鍵——從單純追求技術突破的幻想，到生態協同的效率革命，這場變革才剛剛開始。

1. 生態重構從“三層金字塔”到“網狀共生”

當前人工智慧生態系統已形成清晰的“三層架構”：基礎大模型（Foundation LM）、AI基礎設施（MLOps/AIOps/資料編排）與應用層（2P/2C/2B）。但這一架構正在向“網狀共生”演變——基礎模型廠商向下整合算力與資料，應用層向上最佳化互動與場景，開源生態成為連接各層的黏合劑。

這種演變不僅是技術上的升級，更是商業模式的重塑。未來的贏家將不再是單純的技術領先者，而是那些能將技術、場景與商業邏輯深度融合的生態型玩家。投資時，我們更關注企業如何融入並重塑這張生態“網”，而非單純技術領先幾個月。

基礎大模型：開源與專有模型共存

大模型領域不會出現贏家通吃的局面，開源與專有模型將長期共存。開源模型正成為基礎設施的“水電煤”，專有模型則是高價值場景的定製化利器。

例如，深度求索（DeepSeek）憑藉推理成本優勢（僅為GPT-4的1/20），正快速佔領開發者心智，Meta不得不加速Llama 4的研發處理程序。然而，這一領域的格局初定，早期風險投資的機會窗口已基本關閉。

AI基礎設施：邊緣計算與能耗最佳化的新機遇

AI基礎設施領域正經歷“冰火兩重天”：純算力型基礎設施市場萎縮，而邊緣計算與能耗最佳化技術卻迎來了爆發式增長。

以輝達Jetson Orin Nano晶片為例，其能耗比提升5倍，為XR裝置、車載AI等邊緣場景提供了技術支撐。我們投資的悠跑科技，通過邊緣計算技術，將動態定價系統的路況資料採集成本降低了80%。

未來基礎設施的關鍵不再只是算力，而是能耗與成本的綜合最佳化。

應用層：垂直領域的競爭邏輯

AI的價值，不在於它能做什麼，而在於它解決了什麼問題。應用層的競爭邏輯更加清晰：場景深度和資料護城河才是真正的競爭力。

• 2P應用（面向專業人士）：如法律合同生成工具Harvey、醫療影像分析平台Arterys，通過垂直資料微調模型，成為醫生、律師的“超級副駕駛”。
• 2C應用：OpenAI與微軟憑藉Copilot佔據通用場景，但垂直領域仍存機會。例如金融科技公司Upstart利用AI重構信用評估模型，壞帳率降低30%；中國初創企業“深言科技”推出AI心理助手“心鏡”，使用者留存率超70%，印證Z世代對AI的深度依賴。
• 2B應用：核心在於“資料護城河+場景閉環”。零售巨頭沃爾瑪通過RAG技術將庫存資料與消費行為關聯，實現動態定價系統，庫存周轉率提升18%。

2. 2025年AI產業的五大趨勢預判

趨勢一：邊緣智能革命——SLM與TinyLM開啟“裝置覺醒”時代

我們認為，“邊緣智能將成為下一個技術爆發點。”微型大模型（TinyLM）憑藉蒸餾訓練與硬體適配技術，已能在50 TOPS算力的裝置上流暢運行，為智能眼鏡、工業感測器等場景帶來了革命性變化。

案例：矽谷初創公司Nexa AI的案例頗具代表性：其7B模型在樹莓派上實現多輪對話，響應延遲低於0.5秒，功耗僅2W。

投資邏輯：端-雲協同的架構，是邊緣智能的關鍵。例如，特斯拉Optimus機器人通過端側SLM處理即時環境感知，雲端大模型最佳化決策路徑，兩者協同將訓練效率提升3倍。

趨勢二：成本懸崖效應，DeepSeek重塑AI產業經濟學

當推理成本下降一個數量級，整個產業的遊戲規則都會改變。DeepSeek的技術突破，是AI產業的分水嶺。我們觀察到，這一成本懸崖效應，直接引發三大連鎖反應。資本市場的估值邏輯也開始從“拼算力”轉向“拼場景”，能跑通單位經濟模型的AI應用估值溢價超過30%。

• 硬體依賴下降：低成本模型降低了對高端GPU的依賴，部分場景可用CPU替代。
• 開源生態重構：全球50%以上Llama開發者轉向DeepSeek，Meta被迫加速Llama 4研發。
• 估值邏輯顛覆：資本從“拼算力”轉向“拼場景”，能跑通單位經濟模型的AI應用估值溢價30%。

趨勢三：AI Agent生態崛起——從「工具賦能」到「組織重構」的質變

產品力躍遷：2025年標誌著AI Agent從「功能模組」向「組織單元」的進化。微軟研究院最新測試顯示，配備多模態感知與記憶引擎的Agent系統，在複雜任務中展現出超越人類團隊的協作效率（測試案例：某跨國律所通過LegalMind Agent叢集完成跨境併購盡調，效率提升12倍且風險點發現率提升83%）。

創新團隊圖譜：

• 架構層突破：Anthropic推出的「憲法AI 2.0」框架，通過道德決策鏈可視化技術，將價值對齊精準率提升至89%，為金融、醫療等強監管領域掃清倫理障礙
• 互動層革新：矽谷初創公司Cognition Lab的Devin工程師Agent，已實現從需求分析到程式碼部署的完整閉環，在GitHub真實項目測試中獨立完成率達72%
• 商業層進化：中國團隊深度求索開發的「天工」Agent系統，在供應鏈最佳化場景實現動態決策-執行-反饋閉環，某製造業客戶庫存周轉率提升34%

投資邏輯升級：

• 場景穿透力：優先佈局具備「感知-決策-執行」完整閉環能力的團隊（如宇樹科技將運動控制Agent嵌入機器人關節級決策）
• 資料飛輪效應：關注擁有獨特互動資料沉澱的Agent平台（如心理助手「心鏡」累計3000萬次對話形成的情緒識別模型）
• 組織適配度：重點考察人機權責劃分系統設計能力（參考亞馬遜倉庫的「三級熔斷機制」確保Agent決策安全性）

趨勢四：具身智能覺醒——物理互動的量子躍遷

根據摩根士丹利最新報告，全球具身智能市場融資規模在2024年Q3同比增長240%，其中人形機器人賽道單季度斬獲58億美元投資。波士頓動力的Atlas機器人已實現複雜地形自主導航，特斯拉Optimus Gen-2在精細操作層面突破0.1mm精度閾值，標誌著物理互動能力質的飛躍。

當前最大痛點來自訓練資料的“雙重匱乏”：

• 多模態資料缺口：單個機器人需融合視覺（2TB/天）、力學（800GB/天）、空間定位（500GB/天）等異構資料流。
• 模擬-現實鴻溝：虛擬訓練環境與真實物理世界存在17-23%的動作偏差率（MIT 2024實驗室資料）

破局路徑：

• 輝達Omniverse平台推出"物理精確度認證"系統，將模擬訓練誤差控制在3%以內
• OpenAI與波士頓動力合作開發"觸覺反饋強化學習"框架，使機械臂操作學習效率提升40倍
• 中國工信部《具身智能資料採集標準1.0》將於2025Q1實施，規範工業場景資料標註

投資風向：

中國創新力量正在改寫產業格局：

• 宇樹科技2025年1月發佈的Unitree B2-W四足機器人，搭載自研"赤兔2.0"運動控制系統，實現複雜地形自適應步態調整
• 其春晚特別版機器人整合國產化率92%的關節模組，單腿峰值扭矩達360N·m（超越波士頓動力Spot 2.0的320N·m）
• 與凌雲光聯合研發的FZMotion動捕系統，將訓練資料採集效率提升7倍，破解具身智能"資料飢渴"難題

投資風向：

這個賽道正在締造融資神話：宇樹科技2024年完成10億元B2輪融資，創下人形機器人領域單筆最高融資紀錄，投資方包含高瓴、紅杉等頭部機構，估值較天使輪暴漲150倍。a16z在2024趨勢報告中將"物理智能"列為年度關鍵詞，預測具身智能硬體將在2025年出現"iPhone時刻"，服務機器人滲透率有望從當前4.7%躍升至19%。

趨勢五：價值對齊工程化——從倫理辯論到技術標準競賽

範式轉變：

2024年歐盟AI法案強制要求高風險系統通過ISO/IEC 23894認證，催生"倫理即服務"(Ethics-as-a-Service)新業態。微軟Azure推出全球首個AI倫理審計平台，可檢測178項價值偏離指標。

新興焦點：

具身智能帶來的三維倫理挑戰：人機協作場景中的安全邊際量化（如服務機器人力量控制閾值）

Anthropic提出"憲法AI 2.0"框架，將道德決策鏈可視化程度提升至89%

中國信通院牽頭制定《生成式AI價值對齊測試方法》，涵蓋文化適配性等本土化指標

3. 投資重點與行業影響

我們的投資邏輯始終聚焦於具備明確場景需求和資料護城河的垂直AI應用與專用AI領域。我們目前以及接下來的投資重點集中在垂直AI應用（包括機器人）和專用AI（如SLM在邊緣或裝置上的應用以及智能體AI的應用）。我們的投資還包括AI客戶支援和AI工作場景（如非結構化資料搜尋等）的用例。

AI對行業的影響

• 高度數位化行業：AI將帶來深刻的賦能，而非顛覆性。例如，在金融服務領域，AI在風險管理和Alpha資產管理中帶來顯著改進，包括欺詐檢測、自動化信用評分、市場情緒分析等。
• 缺乏巨量資料的行業：AI的影響相對較小，但仍可通過垂直資料微調實現局部最佳化
• 零售與電子商務：AI利用大模型最佳化客戶服務和庫存管理，同時開發智能系統分析消費者資料。這一應用提升了個性化購物體驗，最佳化了庫存水平，並提供了可操作的洞察以推動銷售。

4. 結語：在“加速世界”尋找確定性

在這個技術變革加速的時代，我們相信：AI的未來不僅屬於技術領先者，更屬於真正理解商業本質的人。2025年，AI投資的關鍵不再是單純的技術突破，而是生態的協同共贏。

在這場生態革命中，只有那些能將技術、場景與商業邏輯緊密融合的企業，才能在迷霧中找到確定性，創造真實而持久的價值。 (騰訊科技)