今年最讓人興奮的賽道，依舊是AI

　　冬逝春來，中國創投行業的開年盛會如約而至。行業風云變幻不休，2025年2月28日，由清科創業、投資界主辦的“投資界百人會”在三亞舉行，投資圈共聚一堂把脈不一樣的2025，聆聽浪潮新聲。

　　本場《AI浪潮，一浪接一浪》圓桌對話由元禾原點管理合伙人 費建江主持，對話嘉賓為：

　　陳 石  峰瑞資本 投資合伙人

　　傅哲寬  啟賦資本 董事長、創始合伙人

　　甘劍平  渶策資本 創始合伙人

　　李 竹  英諾天使基金 創始合伙人

　　張 敏  合力投資管理合伙人

　　以下為演講實錄，

　　經投資界（ID:pedaily2012）編輯：

　　費建江：大家好!很高興再次擔任清科百人論壇的主持人。今天上午的最后一個討論主題是“剩者為王”。其實，“剩者為王” 這一說法有一定道理，但有時候也不盡然，還可能是 “先行為王”。在一個行業里，如果能比別人先行一步，也有可能占據優勢。我覺得今天在座的各位都是先行者，未來極有可能在各自領域稱王。雖然在座的各位都是行業大佬，所在機構的名字也都十分響亮，但我想還是先請各位簡單介紹一下自己。

　　陳石：峰瑞資本關注三個方向：第一是消費和TMT;第二AI和硬科技;第三是生物科技和醫療。我主要看AI和軟件等方向。

　　傅哲寬：啟賦資本主要做早期投資的，以天使投資為主。今年我們開始做成長期的投資，主要的方向也是科技為主，然后是科技+。

　　甘劍平：渶策資本主要投資偏成長期的、以AI賦能的互聯網消費和生物醫藥領域。我們現在相對也往成長期后端多看一些，最近比較聚焦在AI和生物醫藥。

　　李竹：英諾投A輪之前的早期，我們關注的方向主要還是硬科技。包括新一代信息技術、新材料等。在過去幾年里主要看To B的方向，從去年開始，也在關注To C的一些創業方向，尤其是與AI相關的方向。

　　張敏：我們主要專注于天使投資。前不久我們的一個母基金把我們所有的項目盤了一遍，我們自己算清楚大概75%的項目都是第一輪投資，可以說是非常專注于天使輪。

　　費建江：我們同樣是一家早期投資機構，投資主要集中在第一輪和第二輪，占比大約90%。我們的投資領域聚焦于科技和醫療。

　　如今在投資行業，如果不提及DeepSeek，似乎就顯得有些跟不上時代，所以我們這場討論也必然要涉及它。AI 領域肯定離不開 DeepSeek。我們先來探討一下，DeepSeek 問世后給整個 AI 行業帶來了哪些變化，其間又蘊含了怎樣的創業機遇。我想先邀請陳總來談談，貴公司在 AI 領域布局廣泛，之前也專門有文章深入剖析了 DeepSeek，還請您先來拋磚引玉，為我們分享一下見解。

　　陳石：我是技術出身，所以一直都在觀察。我認為DeepSeek是一個提前到來的意外勝利，一是開源大模型追上全球頂尖的閉源大模型，僅用了三個多月的時間;二是我們中國追趕的方式也有點出乎我意料，原先我以為我們是先做應用，然后慢慢在模型上追趕，沒想到我們的大模型直接就追上全球頂尖水平了。DeepSeek帶來的好處是成本降下來且模型能力提升了，未來在應用領域可能會有非常大的機會。另外從整個AI行業來說，技術角度最激動人心的是，之前業界都擔心AI的規模法則失效，但我們在Open AI之后找到并開源了第二條規模法則曲線。第一條叫作預訓練的曲線，第二條是思維鏈和推理時間計算的曲線，當前業界還有人在探索其他的規模法則或智能生長曲線，比如關于智能體的智能，即數字空間或物理空間的自主智能等。如果這些技術有突破，可能我們以前做不到的東西就可以做出來了。

　　費建江：DeepSeek推出后，能否具體闡釋其最令人驚喜的技術突破?更重要的是，它對國內AI行業發展的具體影響維度有哪些?這些細分層面的變革背后，既蘊含著創業機遇，也是投資機構需要把握的方向。

　　李竹：DeepSeek的出現實質上標志著語言大模型基座競爭的第一階段落幕。當行業話語權逐漸向大廠集中時，DeepSeek出現了，大家看到原來算法、數據、算力三者任何一個方面的提升都有可能對AI產業產生巨大的影響，這三個要素是螺旋式上升和進化的，這次是算法的作用較大。

　　我認為帶來的機會就是會出現很多應用層面的小模型，這些模型完全可以通過大模型蒸餾出來，加一些調優，可以把一些具體行業的應用做得很好。

　　當然，我認為TO B只是一個方面，未來更多的機會是在TO C，未來的這一兩年，可能會跟當初的移動互聯網一樣，出現百花齊放的局面，因為現在算力的成本在下降，訓練成本在大幅下降，整個AI應用成本都會降低。現在的這些大模型，從原來的一個概率模型，未來會進化變得更加滿足精確計算的要求。在這個演變過程中，醫療和金融首當其沖機會較大，這兩個行業原來就是以概率為基礎的，我們投一級市場也是如此，是否投一個項目我們主要是看它未來成功的概率有多大，是否正EV。

　　費建江：您著重分析了大模型對其他行業的賦能，我們更希望聚焦AI行業自身的演進。舉例而言：DeepSeek問世前，業界普遍認為算力基礎設施是核心瓶頸，如今是否意味著算力需求減弱?基礎設施建設的重心會發生哪些遷移?這些變化將如何重塑行業格局?

　　李竹：基座大模型訓練側算力需求降低，但是推理側需求上升。從算力的價格來看，現在的價格比去年下降30%。實際上DeepSeek提供的Token價格是相當低的，但是需要算力提供方配合部署，算力未來要適應價格的不斷降低，相信還會有相當大的下降空間，需要性價比更高的硬件和更好的互聯和并行計算平臺，這里邊有創業公司的機會。價格降低的過程，也是AI大規模普及的過程。

　　費建江：簡單地來說，現在新的創業公司要做算力是沒有什么機會的嗎?

　　李竹：推理、邊緣側還是有機會的，因為應用起來了，包括像AI硬件也是非常重要的應用方向，這個里面需要很多邊緣側的算力需求沒有被滿足，我們在這方面也做了一些布局。

　　費建江：甘劍平總我知道你橫跨中 美兩地，您對海外情況比我們可能更加熟悉，從全球視角如何看待DeepSeek的技術突破與產業影響?

　　甘劍平：我春節前后正好就在美國，DeepSeek的新聞出來時，的確引起了很多的討論。其實，DeepSeek開始得到關注是因為美國的一些大佬、一些科技界領袖發了相關的消息，我們也知道DeepSeek其實一年前就開始發布各種測試，很多人也知道他們的情況。

　　我非常同意剛剛李竹總所說的，的確DeepSeek把很多的算力成本降低了，大家看到了更多的往邊緣上面去推這個算力或者用一個相對算力比較低的手機、PC做很多邊緣計算。

　　DeepSeek最厲害的一件事情，就是它把這個東西開源了，我相信我們作為VC投的任何一個公司，如果說我做了一個很厲害的模型、一個很好的數據集，我要把它開源，通常作為董事會成員是不會同意的。

　　開源模式的顛覆性在于，未來一個開源的模型，能不能繼續地走在風口浪尖，會不會有更多的閉源公司悄悄在家里想出一些東西做得更好，其實很多技術上面的手段，我相信絕大多數大模型公司多多少少都會用。比如說很多深度學習、專家混合的這些架構，很多公司都在用，能不能繼續持續維持在技術上面最領先，可能還是需要一段時間。

　　我覺得DeepSeek有兩個方面，一方面是我認為它對TO C給了很多機會，但是另一方面，它對TO B是一個致命性的打擊。本來很多金融機構、醫療機構、大公司都在想大模型怎么辦?我要不要接一下各個大模型公司，現在突然發覺不需要了，上網下載一個DeepSeek再加兩三個技術人員就可以開始干了。

　　費建江：您說的TO B就是原來做大模型的，對于用戶來講呢?

　　甘劍平：傳統AI企業服務商的商業模式正面臨根本性挑戰，中國的大公司一向不喜歡軟件，都希望定制，現在有了DeepSeek大家都可以自己干自己的了。

　　費建江：張總您是投天使的，去年投了多少個項目?

　　張敏：去年我們投的項目非常少，去年手頭資金已全部完成交割，只是追投了一下，我記憶中沒有新的項目。

　　費建江：應該是歷史最少的年份了?

　　張敏：對的。

　　費建江：那就不再繼續問您了，傅總您去年投多少個項目?

　　傅哲寬：20多個。

　　費建江：AI有多少?

　　傅哲寬：大概占到20%左右，

　　費建江：那比例不算高，AI在咱們的策略里不是占到最高的一個配置嗎?

　　傅哲寬：也不能這樣說，去年我們在AI領域有存量布局，過去在數字經濟領域做了很多項目，這些項目過去就是因為沒有AI，所以他們的效率不是特別好。自從ChatGPT出來之后我們就開始推動過去投的數字經濟項目AI化，利用大模型來做升級，這個方向我們去年也做了一些。

　　費建江：您是想問，對于那些希望未來能讓AI 對一些行業進行變革的項目，去年投資占比大約是 20% 左右，那今年這個投資占比有沒有發生變化?

　　傅哲寬：今年可能多一些。

　　費建江：今年AI方向里重點關注哪些細分的方向或者領域?

　　傅哲寬：我認為一方面還是聚焦于垂直應用，這一部分會更多一些;另一方面則是具身智能領域，我們去年已經投了一些平臺特性的具身智能項目(如帕西尼和自變量)，今年會通過這些公司進行整體行業掃描，可能發現一些水下的具身智能領域的投資機會。

　　費建江：今年你的比重是和具身智能相關的，還是產業應用端的?

　　傅哲寬：今年我估計應用端會多一些，比如說我們一直在投產業服務和消費，今年會投資AI化的新消費、新服務。

　　費建江：應該還是偏應用端?

　　傅哲寬：未來我們投的這些基本都是跟AI結合的應用。

　　費建江：因為我們跟峰瑞資本之間的合作還是比較多的，具體數據能不能報一下?

　　陳石：30多個項目，AI項目占比六成以上，我們發現消費TMT組找的項目也有AI屬性，醫療和生物科技的項目也有AI屬性，比如說偏AI for Science的AI制藥。我們在AI方向主要的布局在三個方向：AI基礎設施、具身智能，以及AI軟硬件應用。目前，我們在具身智能方向大概投資了接近十家公司。2022年中我們在首輪投資逐際動力的時候，具身智能這個概念在業界還不火。

　　費建江：你們前年到去年這個方向重倉?

　　陳石：對。

　　費建江：2025年在AI這個方向，你們是往上還是往下調，關注的點是哪個?去年你們關注芯片領域，今年有什么變化?

　　陳石：今年我們的一個關注重點是AI在各行各業的應用，無論軟件還是硬件。此外，我覺得其實有個投資方向之前有點被忽略了，就是數據和數據工程。AI應用時代即將來到，以前做應用的時候靠寫代碼，以后做應用主要的工作是是訓練模型，模型靠什么?模型現在主要靠數據。楊植麟之前說過一個觀點或比喻，我很認可，今天如果做一個應用，主要就做兩個數據集，第一個叫作測試數據集，測試數據集意味著軟件要做成什么樣，還有一個是訓練數據集，訓練數據集關系到你如何實現這些功能，所有工作都圍繞著數據為中心的模型訓練、調試和部署維護來進行。當然這個比喻在技術層面不太嚴謹，但是我覺得很形象。

　　費建江：數據也是你們重點看重的方向?

　　陳石：對的，我們投了多家AI應用公司，也投了偏AI數據工程的公司。整體來說今年AI應用是一個重要的投資方向。

　　李竹：我們去年投了20多家新項目，大概60%都是跟AI相關的，主要還是具身智能和AI、3D建模和生成。今年如果投AI應用主要還是TO C的方向，不管是硬件還是軟件，我認為這是一個非常明確的。ToC 的應用產生收入較快，也有更強的爆發力。TO B的機會也有，可能會少一些。比如：支持DeepSeek的一體機，幫助垂直行業做模型訓練和部署;提高高效互聯計算和異構計算的軟硬件方案;AI模型和內容的安全平臺，等等。目前階段，這類創業公司業績成長得很快。

　　費建江：我們去年投了32家公司，跟AI相關的18家，應該是占到60%左右的比例，今年還是我們最重要的投資方向，還有醫療相關的領域。同時，基礎設施這個方面我們還是會再投，幾位嘉賓沒有提到這個方向，辛苦嘉賓們分享。

　　李竹：基礎設施肯定是非常長期的方向，我們過去投的高速交換芯片、邊緣計算芯片，國內的一些GPU，都是剛需。像這次DeepSeek需要支持FP8計算，我們投的基于Chiplet的AI芯片就是少有能做到的。所以，我覺得這是一個很長期的工作，例如像數據中心過去單個芯片效率還可以，但是互聯以后計算效率是比英偉達的整體解決方案低很多，所以出現很多創業公司做這個事情，其實他們都在提升算力效率上面做了很多工作。

　　AI的進化還在進行，現在的模式不是最終的模式，還在演進。因為國內過去在算力方向除了像芯片和交換機這些產生了巨大的收入，其他方面尤其偏軟件服務方面，是沒有的，這些公司接下來怎樣生存下來取得成功，確實需要等待和觀察一段時間。

　　陳石：在基礎設施方面，我們投資了幾家光計算、光通信方向的公司，以及多家半導體公司，包括推理算力芯片。今天DeepSeek已經到了一個頂級模型的階段，我覺得即將出現一個模型和芯片廠商雙向奔赴、迭代發展的機會。例如最近英偉達在DeepSeek開源代碼基礎上針對英偉達芯片做了少量定向優化，實際性能提高了很多。中國的AI行業，今天有了一個這種雙向奔赴、閉環迭代的機會，相當于我們有最好的模型，再加上現在我們的GPU也不錯，起碼在推理上努力幾年說不定會產出一些成果。現在DeepSeek已經可以在國產算力芯片上運行，但是效率還是稍微有點挑戰，我相信應該很快就會有所改善。

　　費建江：ChatGPT出來之后，定義了AI 2.0時代到來，DeepSeek讓所有人知道AI 2.0真的來了，證明了AI開始對于我們每個行業產生深遠影響跟變革，所以剛才各位談很重要的一個方向就是AI的應用。這個方面我想請大家稍微展開說一下，在哪些行業里面可以看到AI會帶來變化，帶來什么樣的變化，我們投資機會到底在哪里?

　　傅哲寬：我們其實也在關注，我們現在看產業數字化領域的AI升級機會。

　　費建江：能不能細分一下?

　　傅哲寬：我們有好幾個產業數字化方向，比如云工廠等。我們有一家PCB行業的工程師社區平臺，現在積累的有效數據量應該幾千萬份，目前在推動他們建立自己行業的垂直模型，建好后未來只要提需求可以自動生成PCB設計圖紙，替代EDA工具，產業數字化領域我們還是有比較看好并有優勢的。

　　費建江：您說的工業領域對這個行業帶來了什么樣的變化?

　　傅哲寬：帶來的變化還是設計，不需要傳統的設計工具了，從而提高效率，降低成本，實現產業升級

　　費建江：想請張總聊一下，因為咱們70%都是第一輪，第一輪意味著你對行業感知最敏銳的，或者比其他人都要最早感覺到行業發展變化，我相信AI也是您重點關注的領域，在應用層面你們會重點關注哪些細分行業?

　　張敏：剛才聽了幾位大佬的發言，可能我們的觀點不太一樣。我們站在早期投資的角度來說，認為需要從互聯網發展的歷史規律來看——歷史總是驚人的相似，但不會簡單重復。經過多次討論，我們認為這一波人工智能對人類的改變甚至會比互聯網更大，但變革方向和互聯網不同。我們把所有項目分成兩大類，一大類是原生代的，就是純AI形式下的新產業鏈;另一大類就是對原有產業鏈的延伸。互聯網時代確實誕生了許多原生型成功企業，但就當前階段來看，AI原生型創業雖然存在機會，卻難以再現互聯網時期的集群式爆發。更多機遇將來自傳統產業內部的變革、顛覆或效率提升。因此，我們將更多精力投入對已投項目的持續賦能，通過追加投資幫助他們在AI時代完成轉型，我們認為這種策略的成功概率更高。

　　舉一個例子，我們認為醫療行業尤其慢性病領域，人工智能非常有機會迅速形成突破，感謝DeepSeek，因為DeepSeek可能會讓這個企業本來五千萬才能做出來的東西，現在一千萬八百萬就夠了，我們選擇賦能這家已運營五年，并且積累了完整行業數據的企業，而不是從零孵化新團隊來構建慢性病AI模型。在人工智能領域，我們更傾向于幫助現有項目實現突破。

　　費建江：我理解你的觀點，人工智能要從外部變革沖擊原有行業可能不太現實，但通過內生性改造，將AI作為內部工具推動變革的可能性更大?

　　張敏：我們認為這個概率更大。首先大模型價格下降，算力成本降低，疊加開源模型普及，現有行業利用AI完成自我革新的概率遠高于全新創業公司對行業的顛覆。有個很有意思的觀點，就是AI+和+AI的問題，我相信峰瑞資本應該有不一樣的思路。

　　陳石：其實部分同意，AI+與+AI各有所長。從ToB SaaS領域的變化來看，我們看到當前SaaS中很大一部分屬于流程類SaaS，這類軟件如ERP、CRM、項目管理等。這類軟件面臨顯著挑戰，因為它們本質上要解決三個問題：第一，就是流程結構化，就是用軟件把工作流程進行結構化。第二，就是記錄數據。第三，叫作沉淀經驗，就是把人類的方法論和最佳實踐沉淀在流程中，用于指導運行和實施。

　　今天有幾個變化，首先是數據變了，以前是結構化的文本數據，現在是非結構化的多模態數據。第二，經驗變了，以前是人類總結的經驗，現在語言模型可以從大量數據中形成洞察，可以找出比人類認知更強的經驗，你的經驗沉淀不再成為你的壁壘優勢。第三，最要命的是流程會變，比如說CRM，包括營銷、銷售、售后三個階段，通常每個階段由不同部門負責。然而，隨著技術發展(當然現在技術上面沒有達到這個程度)，未來可能會出現一種新模式：由一個部門端到端完成整個CRM流程。如果能夠通過一個模型端到端完成的話，那么這就不是一個傳統的SaaS軟件而是全新的自動銷售平臺。顛覆之后就是新物種，我們看TOB要特別關注這類新物種，要不然把流程變了，要不然就實現完全自動化，或者把以前軟件做不到的行業數字化和智能化給做了，比如說服務數字化等等。

　　而且，未來的軟件品類會比現在多很多。現在軟件也就這些，比如說幾十個品類，以后可能會出現各種各樣的新軟件。所以我覺得在這個方面存在大量的創新機會，許多以前沒有的東西會涌現出來。

　　費建江：李竹總對這個話題有什么補充?

　　李竹：從AI的賦能維度來看，其價值取決于替代對象的能力層級——是替代律師、醫生還是普通銷售人員，這直接決定商業價值的大小。醫療行業雖具備高價值屬性，但在實踐層面面臨數據閉環難題。上一代AI，先解決了有數據閉環的醫療影像診斷，醫生看了這個影像，是肺結節，還是肺炎、癌癥，都有清晰的判斷結果，有大量可供訓練的數據。但是現在如果要用AI去用醫院的病歷數據，能行嗎?不行。因為大部分都是部分病程數據，沒有形成閉環。所以我們換一個角度思考，AI跟醫療怎樣結合，這個數據怎樣產生，是不是還得用其他什么方式，我們現在都在思考這個問題。所以，我覺得這和行業有關，而且這個行業一定要用新的方式做，而不是傳統AI。

　　另外，效率工具也是一個重點。AI 能夠顯著提升許多流程環節的效率，這里面其實有一個非常關鍵的問題，我們自己是否使用 AI。這對于我們所有投資機構而言，不是會不會被顛覆的問題，而是首先就要主動去使用。如果一個機構沒有數字化平臺，那它根本無法開展 AI 相關工作，在此基礎上再去運用 AI。

　　我們去年開年會時，就已經在自己的數字化系統上運用AI 做了一次復盤，結果非常有意思，可以查看相關數據，包括每個團隊成員的業績情況，所有圖表都非常清晰地展現了出來。對于投資機構來說，大家利用 AI 來輔助自身投資，甚至幫助做決策，目前在這方面已經有一些效率工具了。

　　費建江：我們投資機構也要用到AI。甘劍平總，您提到的AI應用布局中重點關注哪些具體領域?

　　甘劍平：我們一直在考慮一個事情，如果很多AI模型是開源的，那我們怎么樣去分配開源模型所帶來的經濟價值，過去有很多開源的社區，有很多人提供了各種各樣的代碼，但是大多數都是為了興趣愛好而沒有真正地得到經濟利益，所以長遠來講這個不可持續的。

　　所以，我們的海外基金投了幾個有意思的AI社區項目，社區上面會有跟區塊鏈掛鉤，用加密貨幣去獎賞這些為開源社區做出貢獻的開發者或者數據提供者。我們昨天有一個海外的被投公司MyShell，上了加密貨幣，它是一個AI社區，主要是有很多興趣愛好者為整個社區提供各種各樣的開源大模型、中模型、小模型數據集等等，當它上了加密貨幣之后，未來可以通過加密貨幣獎賞各種各樣的開源的開發者、提供者，然后通過算法來獎勵大家。某種意義上說，也許未來的人類，有可能就是用這種方法去分配資源和財富。

　　費建江：投資角度是怎樣的投法?

　　甘劍平：作為 VC，肯定要敢于大膽嘗試，去搏取更大的回報。如果能成功投資到一家有潛力的公司，那回報自然會很豐厚。就像現在馬斯克很火爆，他的推特本來是一個開源社區，很多人為其提供內容。馬斯克內心是想用加密貨幣來分配推特社區里各種內容提供者的獎勵，比如寫文章的人會得到很多獎勵。而且通過算法可以知道有多少人喜歡或不喜歡你寫的內容，絕大多數人可能不怎么寫內容，只是看，但即使只是給內容點個贊，也能得到一定數量的貨幣獎勵。如果有這樣的企業或者社區，通過這種方式分配加密貨幣給社區里的所有人，不管你是模型開發者、數據提供者，還是僅僅是個旁觀者，但只要參與點贊等互動，這或許就是未來社會分配的一種方法和方式。如果作為這樣一種算法規則制定的企業，我相信是會獲得很好的回報的。

　　李竹：我補充一下，未來隨著智能體的增加，會產生一些內容都是智能體產生的，我覺得Web3這個東西天然是為了智能體或者具身智能產生的，就是它分布式計算記住哪個智能體產生什么東西分配獎勵，包括機器人也是一樣，未來不是對人來做記賬，可能是對智能體來記賬。

　　甘劍平：未來，所有的基礎工作都將由機器人或人工智能來完成。那么，人類該做些什么呢?有一種觀點認為，會有一種基礎收入制度，即只要是我們國家的公民，就能獲得一定的收入。然而，仍有許多優秀的人才，他們從事算法研發和芯片開發等工作，會因此獲得更多的獎勵。對于絕大多數人而言，他們的價值在于為整個AI 系統提供個人數據。

　　費建江：還是回到與投資相關的話題。剛才包括張總也提到了AI + 和 + AI 的問題，這背后反映出我們在考察一個項目、一個團隊時，要看團隊基因到底是行業的基因還是 AI 基因。但我個人認為，這可能因行業而異，有些行業會被 AI 取代，尤其是那些 AI 特別強的領域;而有些行業則需要借助 AI 進行內部變革，從而實現提升，這在這些行業中尤為重要。在座的各位，原則上都是做早期投資的，包括啟賦資本，原來專注于早期投資，現在逐漸向成長期拓展，但早期投資的基因肯定還在。對于我們這些早期投資機構來說，至關重要的一點就是如何尋找早期項目，以及從哪里找到這些項目。現在 AI 是大家重點關注的方向，所以我想請各位簡單談一下，在尋找 AI 項目方面，各位有什么獨門秘籍，可以分享給在座的各位，供大家參考。我相信每個獨門秘籍都與你們自身的基因相關，說出來別人不一定能學會，所以希望大家各自分享一些獨特的見解，張總先來談談?

　　張敏：我們做過一次復盤，梳理了投資的兩百多個項目，再看現在給我們帶來的回報，經過分析發現，最差的就是那些參加各類比賽、做演講的項目，基本是被挑剩下的。而最好的項目還是通過“順藤摸瓜” 的方式找到的，我們會繼續沿用這種方式。無論把它稱作 “經驗陷阱”，還是依據自己目前投資的優秀創業者，以及比較熟悉的行業上下游和相關合作鏈去挖掘人工智能領域的潛力項目，都是如此。

　　費建江：你們在做分類時，有沒有分析過產業界和高校里的項目?

　　張敏：相比高校，產業界的情況要更好。

　　費建江：那高校出來的項目是屬于不好還是還行?

　　張敏：屬于相對不好的。

　　費建江：這就是殘酷的現實。

　　張敏：就我們所看到的，政府推薦、院士推薦的項目，大多數成功率也并不高。

　　費建江：感謝張總的干貨分享。李竹總也有很多秘籍，您是清華系的，投了不少清華項目，按照張總的說法，您能不能分析一下你們的情況大概是什么樣的?

　　李竹：我們確實投了很多清華校友的項目，不過這些人很多都是從大企業出來后創業的。未來兩三年，投資AI 項目，人才是最關鍵的因素。這和當初移動互聯網時代眾多VC 找項目時主要看人的情況類似。但我覺得，如果從當下的節點來看，過去兩年我們看人主要看他的技術，看大模型的能力。技術加資本是過去兩年競爭的重點，而未來可能更看重產品的定義能力和運營能力。因為回顧移動互聯網時代，像美團、字節跳動這樣成功的公司，其創始人都是產品力極強的，所以我們現在在投資時也會有這樣新的考量。

　　費建江：就是說要從產業里去看項目?

　　李竹：我們要找具備產品定義能力的人，既想尋找大學畢業的天才，也關注從產業界出來的人。不管怎樣，這些人一定要有非常快的轉型能力，對大模型的把握能力是基礎。過去幾年硬科技領域大家創業，未來AI 產業也會迎來創業潮，在這個轉型過程中，對大模型的掌握能力是必備的。

　　甘劍平：我補充一下，過去我們鮮少會投直接從高校出來的項目。但最近幾年有很大的變化，因為AI 本身是計算機科學的應用，所以越來越多具備一線科研能力的研究者走出來，如果能匹配到一些從行業里出來的商業經驗豐富的聯合創始人，成功的概率會更高一些。我們看項目有兩個方面，一是從上往下，一是從下往上。從下往上的話，我們在某個階段會專注于某個細分行業，比如十幾年前我們會專注于移動互聯網，過去幾年則更多關注 AI。AI 有很多細分領域，從大模型到社區、數據采集公司等，我們都會關注一些細分領域。在這些細分領域里，任何時間段內，我們都希望投到跑在最前面的第一名或第二名，我們并不在乎創業者是否名校畢業，是國內還是海外留學回來，只要在細分領域里，我們希望能在一個時間段內投到第一名和第二名。當然，未來第一名也可能被淘汰，這是另一回事，但首先我們要聚焦幾個細分領域，然后尋找在這些領域里、在某個時間段內最出色的公司。

　　傅哲寬：早期投資方面，我們和大家一樣，都是以人為本，更傾向于有產業經驗的人。

　　費建江：峰瑞資本對從海外回來的創業者抓取能力特別強，你們在這方面有什么調整嗎?

　　陳石：還是會關注，但也不局限。我贊同李竹總說的，以前投AI，主要投資邏輯是“技術敘事”;現在投AI應用，除了關注技術之外，更要回到“商業模式”本身，重點考驗團隊對行業和商業的認知。所以，今天我們投AI應用的邏輯是：技術為先，場景為重。

　　費建江：那這樣的團隊到哪里找呢?

　　陳石：目前，我覺得大廠里的人可能更具優勢。大廠里的人對行業有足夠的理解，對AI 業務也很熟悉。總體來說，高校在做應用方面的優勢可能有點不明顯。總之，在AI應用領域，我們更看重能力，而不是背景，應用不問來處。

　　費建江：我們今天討論的主題是AI，我相信在座的每一位都很清楚 AI 新一輪的大潮已經來了。最后請各位用簡單的一到兩句話，說說對 2025 年 AI 發展有什么樣的展望。

　　張敏：我們的感覺是這樣，雖然我們剛才說行業內部的AI 更有可能改變、顛覆行業，但未來真正估值最高、最掙錢、最讓人充滿激情的，可能還是 AI 原生代。從歷史來看，未來幾年，世界上估值最高的 50 個市場價值最大的公司，可能大部分都來自人工智能原生代，而且這極有可能才剛剛開始。我們的觀點是，這幾年最關鍵的就是抓住這個機會，互聯網時代我們沒抓住，人工智能時代我們希望不要浪費這個機會，而且很有可能這幾年里面就會出現這樣的機會。

　　李竹：我覺得我們可能正在一個新時期的轉折點上。近期出現了幾個特別大的變化，讓大家的預期和決策都發生了改變。DeepSeek 的出現是一個標志性事件，雖然它最后能不能成為巨頭現在還不好說，但中國科技在這方面已經引起全球矚目并重新評估了。前段時間民營經濟企業家座談會，不僅要關注誰去參加了，更應該關注會上談到的內容。我認為，這為未來幾年的經濟從谷底走出來營造了非常好的環境，環境在變化，預期也在變，這兩點是非常重要的。第三，中國創業生態和創始人的變化也很明顯。以前很多是從大企業出來的，但是中國科技發展到今天，有的細分領域已經進入無人區，這些前沿科技的落地也有待大院大所出來的優秀年輕人創業。例如美國的微軟、谷歌、Meta等，創始人都是大學剛畢業就創業。對于我們做早期投資的人而言，發現他們，是巨大的機會，也是我們的使命。

　　甘劍平：我相信大家都認同AI 會改變很多行業，2025 年可能會是 AI 開始顛覆某些行業或者某些大廠的起點，比如自動駕駛，已經討論了十幾年了，有可能 2025 年就是真正用無人駕駛大規模取代有人駕駛的開始。

　　傅哲寬：我覺得2025 年AI投資領域可能會出現泡沫化的趨勢，尤其是在人形機器人領域，現在已經有點這種感覺了，所以我們公司在投資時還是非常慎重、冷靜地看待和投入。

　　陳石：兩句話，第一，AI 的上限是由模型能力的進步確定的，AI 的下限是由商業化能力產生的。所以，我希望未來三年模型能力能持續進步，同時商業化也能有很好的收入。這大概就是我的期望。

　　費建江：感謝各位嘉賓。因為AI 的大浪來了之后，我們臺上各位包括臺下諸位應該都是大潮里的弄潮兒，弄潮兒無非兩種結果，一種可能站在潮頭，另一種可能被浪拍死，衷心希望大家都能站在潮頭。再次感謝各位嘉賓!