峰瑞资本李丰：所有技术投资，都会经过三个周期

AI+硬件在中国有核心竞争力。

文｜《中国企业家》记者 孔月昕

编辑｜马吉英

图片来源｜中企图库

12月6~7日，由《中国企业家》杂志社主办的2025（第二十三届）影响力企业家年会（原中国企业领袖年会）在北京召开。峰瑞资本创始合伙人李丰出席本次年会，分享了他对“AI及机器人投资”的看法和展望。

以下为核心要点：

1.技术不可能永远都是质变、越爬越快，原则上过了第一个质变的台阶之后，技术通常就变成线性发展，这时候应用落地的机会就来了。

2.世界不是那么完美，如果是想象力空间最大的应用，通常也意味着它的落地时间比较长或不容易。

3.智能硬件将成为继新能源车、智能机器人之后的下一个重点领域，对驱动消费、优化制造业比例、以新需求带动新供给、升级科技产业链都具有重要意义。

4.AI需要全链条数字化的输入和输出，所以它需要行业的数字化水平比较高。如果不高，那么它要先解决数字化问题。

5.正如智能手机普及GPS，使各方获得位置数据，催生了打车、外卖应用；普及摄像头产生了海量照片和短视频，催生了美图、快手、抖音等公司，未来机器人也需要通过智能硬件普及新传感器，获取超大规模的新维度数据。

以下为李丰现场演讲整理（有删减）：

AI领域投资的技术周期

在AI领域，最近有这几个现象：

第一，今年1、2月份DeepSeek在全球AI大模型领域引起了非常大的震撼，但相比2、3月份，你今天讨论DeepSeek的时间也许比较少了。今天你在讨论的可能是千问、可灵、豆包。在最近的一个月，国外的投资人更多在讨论谷歌新发的Gemini3，OpenAI的热度在过去一年也在下降。

第二，在过去一年半的时间里，中国的具身智能机器人变得特别火热，几乎抢了大部分AI应用的关注度。如果你是跟我们一样的早期投资人，也许还会注意到另外一个现象，在过去的一个季度，AI+硬件或“智能硬件”，突然一下开始变热了。一个月之前我们看过的几乎所有项目，现在大家都在抢额度甚至抬估值。

刚才这一系列现象，是所有的技术投资都会经历的周期：第一步，技术有了一些质变（突破）后，大家投的都是技术和拥有这个技术的团队，大家觉得这件事能改变世界；第二步，因为技术不可能永远都是质变、越爬越快，原则上过了第一个质变的台阶之后，技术就变成了线性发展，这时大家就开始投应用了，但还带着技术变革改变世界的想法，通常先投技术能用到的最有想象力的应用；第三步，大家开始投到底谁真的能用上这个技术，并且能赚钱。放在二级市场也是一样的过程和道理。

2022年11月底发布ChatGPT后，2023年到2024年初，朋友圈话题讨论的都是大模型，那时候投融资最热的话题也都是大模型。2024年第二季度开始，中国的具身智能机器人和国外的Agent（通用智能体）突然变得很热，一直热到现在。

通用智能体未来在互联网、手机和数字世界里，能否替代大部分人所做的工作？当具身智能机器人装上了大小脑之后，它未来在物理世界里能帮助人做许多事情？显然这两个想象空间最大，一个是在数字空间里解决、替代人做事；一个是在物理世界里替代或者帮助人做事。

世界不是那么完美，如果是想象空间最大的应用，通常也意味着它的落地时间比较长或不容易。所以我们就来到了第三波，就是到底什么能用得上AI、大模型，或中模型、小模型，最重要的是能落地，最好还能赚钱、盈利。

AI+各种各样的智能硬件，如眼镜、耳机、无人机、运动相机等都开始变热了；垂直应用的智能体也开始变热了，在各个行业里开始逐渐落地了。

AI+硬件在中国有核心竞争力

我们在2021~2023年密集投资了机器人，到2024年下半年热度较高时暂停了机器人投资。我们投了一年多的智能硬件现在也变热了。如果分析原因，除了技术发展周期外，还有中国的特殊性，这在智能手机、新能源车及自动驾驶领域已多次验证。软件算法变革、需要复杂硬件产业链（包括结构件、电机等）、应用最新传感器和芯片，这三者的结合能重新定义产品形态、使用方式和功能，使该产品成为全新品类而非成熟产品——这恰好也是中国特别有优势且具备全球化能力的。

无论是智能手机、新能源车+自动驾驶，还是无人机、运动相机等智能硬件，其发展逻辑一致：依托成熟的制造业链条，通过定义新产品来实现传感器与芯片的大规模、低成本、高精度的量产，再叠加数据或算法创新，就能形成“又好又便宜又精密”的新产品类别。这或许是机器人成为政策重要方向的一个原因。按此推演，智能硬件将成为继新能源车、智能机器人之后的下一个重点领域，对驱动消费、优化制造业比例、以新需求带动新供给、升级科技产业链都具有重要意义。

此外还有通用智能体（Agent）和垂直智能体。垂直智能体通常需要两个条件：第一，因为AI需要全链条数字化的输入和输出，所以它需要行业的数字化水平比较高。如果不高，那么它要先解决数字化问题。

第二，大语言模型的数据是来自过去超40年的互联网公开文本数据的积累，或者说，互联网上大量可及性极高的自然语言文本数据的积累，才喂出了今天的大语言模型。那么，任何一个用自然语言作为交互方式的商业或价值实现过程，最容易使用“AI智能体”。比如，当下金融、医疗、教育、销售、心理咨询等行业最容易被垂直智能体改变。因为它们都依赖专业知识和对话交互：金融通过专业分析提供投资建议与风险收益分析；医疗通过问诊结合数字化设备检测，提供预防与解决方案；教育本身就是通过问答对话实现价值传递。

我认为，对于硬件+传感器芯片+算法融合的新产品类别，应该是在中国特别有机会且能全球化的。

不过，当前机器人的能力主要还是运动能力，即它可以做空翻、跑步等，但上肢操作还不太行，比如拿一瓶矿泉水给人喝，从识别水的位置拿起来，拧开瓶盖，把瓶盖放下，再到把水举到人嘴边，喝完水后再把瓶盖拧上等一系列动作，都需要精准控制，其难点在于缺乏人或物体跟物理世界接触并改变状态的数据。

有些历史数据比如自动驾驶的避碰数据（识别避让而非接触），无法适用于机器人行业。我觉得解决方案在于通过各种消费级智能硬件，普及新的传感器，让庞大用户群使用以产生新维度数据。

正如智能手机普及GPS，使各方获得位置数据，催生了打车、外卖应用；普及摄像头产生了海量照片和短视频，催生了美图、快手、抖音等公司，未来机器人也需要通过智能硬件普及新传感器，获取超大规模的新维度数据。尽管肯定有其他技术路径，但我觉得最关键的还是带有新传感器的新一轮消费级硬件产品的普及。