“质疑AI价值的人终会被时代抛下”

麻省理工学院一项扎心的研究：95%的企业在引入AI工具后并未获得相应回报，只有5%实现了大规模部署。当AI从“降本增效”的叙事走向真实的现金流与净利润，那条鸿沟究竟在哪里？与此同时，面对今年一级市场的最热概念——物理AI，投资人们又有怎样的思考和考量？

在“第20届中国投资年会·年度峰会”上，一场题为“AI渗透千行百业的挑战与价值”的巅峰对话，几乎成了全场最拥挤的讨论场——八位一线投资人同台，他们用各自的一线体感，对上述问题给出了截然不同却又彼此呼应的答案。

朝希资本管理合伙人惠亨玉认为，能源是AI落地的绝佳场景范式，他们投的一家物理AI企业，在电网巡检中替代人工率达到80%，已实现规模化、批量化盈利。投控东海董事总经理王磊更是直言：“我投完的企业，4月份已经完成了去年全年的利润。”

五源资本刘凯也坦言，AI价值已毋庸置疑，青舟已过万重山，编程成为首个规模化兑现 AGI价值的领域，AI 正在重构企业效率与商业模式，质疑AI价值的人终将被时代抛下。

热闹之下，也不乏冷静的声音。鼎心资本合伙人潘涛，从四大维度解读 AI 产业的进阶机遇：AI 工具正从个人零散化试用，稳步迈向与企业业务系统深度融合的升级阶段；产业生产关系持续迭代优化，加速适配 AI 全新生产力的发展需求；当下热门产品尚存打磨空间，恰恰是行业迭代升级、弯道超车的绝佳机遇；而最核心的 AI Native 全新组织形态，也正处在积极探索、逐步成型、落地普及的上升过程。

博将资本联合创始人杨玥希则点出了关键：“5%的人做对了什么？他们让AI帮助人去解决具体的事情，而不是短期内盲目追求让AI完全取代人。”她强调，AI不是买来的，是反复训练、融入业务链条并推动组织变革的过程，“不是AI的问题，而是人如何使用AI的问题”。

力鼎资本CEO张学军用三个投资项目串联起AI落地的真实逻辑：“AI是个工具，构建良好的商业模式更重要。”他提到，做院中院模式的医疗AI公司、40人团队拿下1.5万台无人物流车L4订单的智驾企业，以及军事AI中“几千块钱的导弹”，都是AI与具体场景、商业模式深度绑定的结果。

清智资本创始合伙人张煜从他独特的早期投资视角，总结出了三类已跑通的赛道：“卖铲式的”配套服务、数据充沛且商业模式清晰的垂直应用（如口语教育、AI PPT）、以及依托中国强大供应链的智能硬件系统。

山行资本朱思行则聚焦成本：“大家对产出的价值质疑不大，质疑来自成本过高”，因此他们布局云端推理芯片和端侧推理芯片，期待数量级式的成本下降。

第二个话题围绕“物理AI与世界模型”这一今年一级市场最热的概念展开，八位嘉宾的共识与分歧同样鲜明。杨玥希认为具身智能走进真实场景仍有“蛮大挑战”，更关注底层范式创新；张煜则称自己是“全行业投具身最多的公司”，从大脑、小脑到本体、运控、模组等全部覆盖，但坦言“通用大脑还有很长的路要走”；潘涛以LLM、自动驾驶VLA的跃迁为参照，相信“物理AI一定会涌现，只是今天还是明天”；而刘凯反而态度谨慎——他投了Kimi和阶跃，却认为具身“相对有点早”，技术路线差异远不如当年语言模型那般激烈，“现在100多家公司，看上去嘈杂，但底层差异没那么大”。

以下为现场实录：

张雪：大家好，我是投中网的张雪，很开心跟大家一起开启今天下午的第一场对话，我们这场的主题是AI渗透千行百业的挑战和价值。

在开场之前我先给台上的嘉宾布置一个小任务，可以看到我们前面都有一个便签纸，在稍候的讨论中哪位嘉宾说得最精彩，能得到更多的认可，我们就把他评为本次的MVP。因为我们是嘉宾最多的一场panel，所以竞争比较激烈，希望大家好好发挥。

麻省理工的一项研究表明，95%的企业在引入AI工具当中是没有获得相应的回报的，仅有5%的企业能够实现工具的大规模部署。所以第一个问题比较老生常谈，AI从降本增效的故事到真实现金流与净利润兑现的鸿沟在哪里？从您一线的发现或者是体会来看，哪些行业场景或者是商业模式能够在未来的一到两年里跑出最清晰的ROI模型？请我身边的惠总发言，回答之前请大家介绍一下自己所在的机构及关注的重点。

5%的企业做对了什么

惠亨玉：非常感谢投中的邀请，我是朝希资本的惠亨玉。朝希资本成立于2015年，今年是我们的第11年。我们是从2021年开始做少数股权投资的，在这之前我们做并购投资，主要集中在风电、光伏、锂电、汽车、半导体。2021年之后的少数股权投资，我们集中在能源和科技这两个产业，欢迎大家和我们产生更多的互动。

我们认为AI的应用，能源是一个非常好的场景。因为人类社会所使用的能源已经从过去可预测、可调节的传统能源，到存在更多变量、更多不可测的可再生能源。可再生能源以风电和光伏为主，它们显著受到天气及整个自然环境变化的影响，AI将在其中发挥着更重要的作用。

以中国为例，全国2025年全年用电量共10万亿度电，其中20%是新能源发电，也就是2万亿度电。这2万亿度电中，每天的实际发电量会随着日照、风力等天气要素的变化而有所波动，那么运用AI将提升在发电侧的预测准确率。另外在负荷侧，基于居民和工业企业的电力消费画像，由于新业态、新模态的使用，比如说人工智能的训练应用，也产生了很多AI可以大规模部署的场景。

在我们的投资组合里，确实有不少企业在用AI解决传统问题。举个例子，我们在年初投资了一家致力于用物理AI赋能电网、水务、矿业等运维场景的企业。创始团队来自于清华计算机系，原来是用边缘计算的方式去解决电力巡检中人工低效、高危的问题，最可贵的是，企业在近五、六年的时间中已积累了数以百万级的数据体量。随着物理AI技术的逐渐成熟，结合数据基础和具身智能的发展，产生了更好的应用范式，对于人工巡检的替代率可以达到80%，已经在电网巡检这个场景中实现了规模化、批量化可盈利的应用。

张雪：谢谢惠总。惠总是从朝希自己的禀赋出发，在新能源领域给我们展开了一场关于AI应用的解读。下面有请刘总。

刘凯：我是五源资本的刘凯。五源资本在中国有二十多年的历史，也是一个老牌的双币基金。我们投人工智能也大概有15年的历史了，从最早的商汤、自动驾驶、GPU、大模型一路投过来。

回答你的问题，从2025年的Q4到现在半年的时间，全世界公认的AI已经达到第一个AGI的产品就是coding编程，我觉得去年还有很多人会提这个问题，到底人工智能投入了有没有价值。我觉得可能还要跟大家解释一番，今年应该不用解释了，因为它的价值远超你的想象，因为我们全公司都买几个公司的账号，每个月第一周就用完了，我也是刚从上海过来，我开人民币年会。以前写个PPT要几个同事帮我搞几周，我周末用了Claude最新的Design产品，用了100多块的token做了非常精美绝伦的PPT，可能以前要几万、十几万才能做出来。

所以我觉得人工智能的价值应该是毋庸置疑的，更多的是在中国怎么落实。我想起来若干年前也投了很多企业软件，当时大家也在讨论一个问题，中国的数字化买软件有没有价值。我觉得这个问题都不用回答了，因为没有数字化就没有人工智能，所以其实很多企业在人工智能上走得很快的价值是他的数字化建得特别好，包括我们自己作为一个VC，在大概十年前做自己的信息化系统，花了非常多的钱。但我们开始用人工智能大模型的时候所有的价值一下子就爆发出来了，所以我们也是特别拥抱大模型的机构，而不是说我们自己投资，我们自己也全面的把自己变成一个AI native机构。

我可能对这个问题更多的是青舟已过，我觉得没有人质疑AI的价值，这个时代还质疑这个的人就会比较惨。

张雪：明白，看来咱们是那5%的成功产业，已经用AI产生价值了。我想追问一下，现在来看您会觉得除了coding行业之外，哪些行业现在是最有可能跑出一定的比较清晰的商业模型的，最先落地的。

刘凯：我觉得编程为什么有特别大的价值，比较有意思，我在十年前也投过一些数据库，编程的企业，那时候大家算市场规模比较简单，全世界有多少个程序员、多少计算机学科毕业的，大概也就是一两千万，觉得这个市场，比如一年给他三百块、五百块这就是他的市场。为什么现在不一样，AI尤其是Claude证明了编程是底层的东西，可以解决我们基于计算机实现的东西，包括医疗、制药、设计、建站，现在做科研也大量的应用，也是基于数字化，市场急剧放大了一百倍、一千倍，不再是给程序员一个人用的，我也不是程序员，但我一个月两个加起来要消耗三百多美元，以前我这样的人就排除在市场之外了，我这样去类比。

张雪：谢谢刘总，有请潘总聊一下这个话题。

潘涛：我是鼎心资本合伙人潘涛。鼎心资本是扎根深圳的老牌 VC 机构，2014 年成立，至今深耕一级市场 12 年，累计管理规模突破百亿。2025 年末，我们正式落地第五期 VC 基金。对比第四期基金，本期最大的核心变化，就是全面 All in AI。

我们第四期基金，主要聚焦三大硬核赛道：智能汽车、通信技术、数据中心。沿着原有产业脉络延伸，逻辑非常清晰：

第一，当下整车厂纷纷加码布局具身机器人，汽车产业早已和 AI 深度绑定；

第二，通信领域，5G 之后 6G 演进是必然趋势，未来 6G 一定会走向天地一体化，结合太空算力，成为新一代 AI 核心基础设施；

第三，全球数据中心的投资重心，已经全面转向智算赛道。

基于整条产业链的确定性变革，我们顺势而为，在第五期基金明确全面 All in AI，核心围绕IPA 三大方向布局：也就是底层基础设施 Infrastructure、行业通用平台 Platform、场景化落地应用 Action。

结合主持人提到的行业问题，我们去年就深度关注、研读了相关行业报告。时隔大半年，结合我们一线产业走访、被投企业落地实践来看，报告里的判断，具备很强的现实参考意义。

AI 行业的迭代速度极快，几乎每天、每月都在发生颠覆性变化。去年，AI 最先在个人端实现大规模赋能，大家用 AI 写代码、做 PPT、编辑文档；尤其今年各类 AI 智能助手普及后，进一步渗透到企业日常经营与管理中。

但行业当下有一个核心共性问题：个人端的 AI 使用红利，如何有效转化为企业实实在在的收入增长、成本优化与现金流提升。AI 如何帮助企业实现组织级提效，已经成为全行业 —— 从个体员工、企业组织到整个社会，都在共同探索的核心命题。

结合我们的实地调研与长期观察，当前 AI 产业化落地，存在四大阶段性特征与升级空间：

第一，AI 工具碎片化，与企业体系融合度不足。目前大部分 AI 应用还是个人散点式使用，员工个体体验很好、效率提升明显，但很难沉淀为企业标准化、体系化的能力。如何把个人化的工具能力，转化为企业系统化的整体效率，是接下来产业突破的关键方向。

第二，生产关系尚未适配全新生产力。企业经营的核心逻辑，始终围绕市场营销、产品研发、人财物、产供销全链条核算，最终落脚到收入、成本、毛利、利润等核心经营指标。但当前企业的管理与核算体系，并没有量化 AI 在各业务环节创造的价值。很多企业明明借助 AI 实现了降本增效，却无法显性化、数字化体现价值，AI 的商业价值很难被精准评估。

第三，赛道热点快速轮动，早期产品蕴藏巨大迭代机会。从去年的 AI 一体机热潮，到今年全民普及 AI 办公工具，行业热点不断切换。客观来看，当下很多热门 AI 产品还处在早期阶段，整体偏原始、不够成熟。但换个角度来看，早期产品的粗放与空白，恰恰是产业迭代、技术升级、创业突围的核心机会，看似野蛮生长的行业阶段，反而蕴藏大量结构性投资机遇。

第四，也是最本质的核心：生产力已经发生革命性变化，但传统组织形态仍未迭代。

AI 重塑了生产力，但绝大多数企业的管理模式、组织架构、协作体系，还是沿用传统模式。行业都在探索何为 AI Native 原生组织形态，这是一套完全全新的底层逻辑。未来，传统组织与 AI 原生模式会持续竞争、融合、重构，只有真正适配 AI 生产力的 AI Native 企业，才能完成完整商业闭环，释放长期价值。

紧接着回答第二个问题：未来一到两年，哪些 AI 场景能够率先跑通、实现商业化？

站在投资视角，我们短期非常看好三大确定性方向：

第一，高人力成本 + 强标准化的专业赛道。人力成本昂贵、工作流程高度标准化的领域，AI 落地阻力最小、价值最直观。首当其冲就是研发程序员群体，延伸到财务、法务、一级市场投资研究等专业服务领域，都是未来 1-2 年 AI 规模化落地的核心场景，这也是在场所有投资人的共识。

第二，海量刚需的全民 C 端内容赛道。这类场景单用户价值不算高，但受众基数极大、全民刚需。比如 AI 短剧、AI 内容创作、短视频生成等，依托国内超大规模用户市场，叠加成熟的出海模式，体量足够大、商业化模型跑的通，是确定性极高的优质方向。

第三，重构产业逻辑的全新业态。长期来看，能够突破传统模式、适配 AI 全新生产力，重构生产关系与经营逻辑的创新企业，会诞生最大的长期价值。目前各类 AI 生态、应用模式虽仍不完善，但产业进化趋势明确，这也是我们长期重点聚焦的投资主线。

以上就是鼎心资本对于 AI 产业的一线观察与思考，谢谢大家。

张雪：谢谢潘总，潘总的分享非常精彩，我们看到您提到程序员已经有部分失业了，后续提到法务、财务甚至我们自己，可能都要小心了。王总，分享一下您的观察。

王磊：各位下午好，我是投控东海的王磊，我们是2015年成立的，从成立初期到几个亿再到现在管理规模超220亿，增长还是比较快的，我们一直投AI，这是我们的长期主线。在去年我们成立了两支基金，一个是数据产业基金，专门投数据+Ai，这个是在国内比较早的。另外一个具身机器人产业基金。

AI初期矛盾是必须的，本身模型就是新质生产力，新质生产力在生产过程中没有工业化落地，企业里数据接口没有统一，数据语义没有打通，行业需求没有精准定位，这必然是有损失的。但我们在过程中也看到一些变化，刚才惠总也说到，我们也投了火电能源领域的Ai机器人，它给企业带来的节约效果非常好，单个火电机组每年能带来一两千万净利润的提升。

还有在医疗领域、法律领域、漫剧领域我们是看到了一些机会，我们看到一些企业增长非常好，从2023年到现在，每年净利润是翻倍的。不少企业，比如汉资、达瓦，在4月基本已经完成去年全年利润了，这是很快的。Ai发展要动态开放的审视，大的趋势没有任何问题，只是把数据统一，工程化落地，在各行各业都能有不错的结果。

张雪：谢谢王总，言简意赅。有请杨总。

杨玥希：大家好，我是博将资本的杨玥希。博将资本成立于2005年，目前累计管理规模超百亿，我们是“募-投-管-退”全链条的私募投资机构，关注的领域主要是智能制造的产业链、半导体产业链、AI产业链等，目前重点看的是前沿科技的产业链。

刚刚主持人的问题挺有意思，5%的企业拿到结果了，95%的企业没有拿到结果。可能我们要问的是，5%的人做对了什么，95%的人没有做对什么。核心答案很简单：少数企业找对了AI的用法，多数企业陷入了技术误区。

引入AI跑通ROI的企业，都守住了一个核心原则：用AI来处理“具体的事”，而非在短期内盲目追求“完全替代人”。一旦过度依赖AI，团队会逐步丧失独立思考能力、判断决策能力等，最终得不偿失。尤其对于中大型企业，AI转型绝非简单采购工具、上线系统。真正的产业AI，需要深度结合行业属性、自有业务数据，经过训练、反复调优打磨；AI落地的本质，更是一场业务流程重塑+组织能力升级的长期变革。企业缺乏的是既懂业务、懂企业运营，又懂如何用好各种AI工具的人才。

如今，AI赋能实体经济、创造确定性ROI，已是全行业共识。相关行业场景不一而足，从精准客户画像、智能内容生成、多渠道精准营销投放，到售后数据处理、自动化报表产出……AI已贯穿企业经营全链路，高效打通业务闭环，实现降本增效。目前协调这些AI工具的依然是以人为主，而下一个阶段，Agentic AI真正高度自动化来实现企业与社会各环节的效率运行已势在必行。让AI“努力工作”，让人类好好生活。

张雪：谢谢杨总，不光提到了工具侧，还提到了人的能力和角色。下面有请张总。

张学军：大家好，我是力鼎资本的张学军。力鼎是一家19年的创投界的老兵。我从我们公司最近投的三个项目来讲一讲，我们观察AI行业落地的情景。

第一个，我们投的AI跟医疗相结合，因为AI跟医疗的结合说很久了，包括影像识别，一直没有做出来，我们一直在思考这个问题怎么破局。我们投了一家上海的黑焰医疗，他是做个体医疗数字工程中心的公司。我认为AI是个工具，构建一个良好的商业模式更重要。

那个老板研究之后认为一定要建院中院，这样才能够第一手的提前触达病人，提前跟医生建立强纽带，做术后的康复。所以背后他们的商业模式由医疗建个体数字医疗中心，他们去承包，建3D打印。因为中国每年有几千万台收入，医生每年都是拍脑袋靠经验的。这块的精准化有巨大的市场，包括现在医院有很多手术失败的案例，都是因为医生每天做很多手术，所以医疗的精准化靠AI平台，AI的能力。

但是怎么做？我们尝试了很多个在院用第三方的服务中心，这其实就是价值链条很低的模式。建立院中院的模式虽然前期很难，但是也是良好的壁垒，建立AI的前提是数据，把消费者的数据、医生的数据，他已经积累了中国最大的手术数据库，正在建立中国手术的AI平台。所以我觉得AI是工具，要和良好的商业模式相结合，尤其是在中国。所以CEO更多的要考虑的是怎么利用各方资源建立行之有效的商业模式，否则只谈概念是没用的，落不了地的。

第二个，我们投了一家做智能辅助驾驶的公司，今年他也拿下了行业最大的无人物流车L4，央企的1.5万台智驾的订单。这个公司的特点是充分利用AI时代赋能，他的团队只有40多人，同行业基本上是500人起的。同行业累计出货量超过1万台的估值到200亿了，我们这个公司今年是5000台，明年就1万多台，很快他的整体估值能力就会迅速提升。他是利用了AI赋予的新兴的大模型能力，以及节约成本。因为主机厂要求又要好又要便宜，所以在很卷的市场充分利用AI的能力是至关重要的。

第三个，AI跟军事的结合是非常大的市场。我们未来要用AI产品研发几千块钱的导弹。因为深度强化学习能力在2024年突破之后，在物理世界，因为我们要击落导弹的目标是明确的。我们用强化学习的模型能够迅速的、能够极大的提高我们的迭代速度。所以AI我们认为第一个是有强大的军事订单需求，包括我军在数据链，在无人机方面有很大的需求，所以AI在这个方面的应用是巨大的，同样也是要找到好的商业模式和好的产品。

张雪：谢谢张总，用三个非常生动的案例给我们讲了您的观察。有请第二位张总，也希望您从更早期的角度给我们分享一下您的想法，谢谢。

张煜：谢谢张雪，我们投早期的创投资本。我们投的项目大概90%都是天使轮，我是清智资本的创始合伙人张煜，我们专注在人工智能领域去投早期的项目。到现在两年多的时间，我们已经投了几十个项目，投出差不多5个独角兽了，有2个已经在报板过程中，预计今年能够上市。

我们投资集中在AI方向，所以行业模型、AIGC具身智能和生命科学，是我们投的最多的。其他的还有工业智能、数据服务、智能硬件，我们也都有涉及。

我们的特点，第一是投早期，既是耐心资本也是爱心资本。第二是赋能很强，我们有清华大学智能产业研究院的指导和支持，也有自己的孵化器。如果大家有AI领域创业，又没有融过资，我们提供免费办公场地、免费算力资源，目前正对接头部企业，争取一定量的免费 token 等配套支持，全方位降低早期创业门槛。。

我们孵化体系基本上形成了三个循环，第一个，我们自己的孵化器内部和已投企业之间已经形成了小循环，他们之间已经开始高效的合作；第二个，我们联动政府和产业资本布局产业孵化，从场景、应用、产业、政策等各方面助力科研成果从研发走向商业化落地，持续推动被投企业的生态建设；第三个，我们除了北京，现在在广州、四川都有实体孵化器，在长三角和海外也正在落地孵化器，未来希望把北京的人才和科研，各地的场景和产业应用，以及出海和全球化打通，形成一个全球化的创新孵化生态，更广泛地为全球创业者服务。

回答主持人的提问。我们觉得现在能够跑通商业模式的主要有几个方面：

第一是卖铲子的，卖铲的大多数都在挣钱，因为现在大模型需要的配套很多，投入也是巨大的。大模型、具身领域，都是这个情况，大家的投入巨大，从芯片、算力、数据、到关节模组、训练等等相关上下游都是在挣钱的，我觉得这是第一个。

第二是数据资源充沛，商业模式比较清晰的赛道也开始盈利。我们最近半年以来看的很多项目，产品出来的第一天就有收入，甚至有一些都可以打平自己的成本投入了。比如教育等行业知识领域，它相对来讲数据比较充沛，商业模式又清晰，很容易替换掉现有体系，而且很容易被用户接受，付款率高。

还有一些中国特色的，比如智能硬件。我们看了很多智能硬件项目，总体上讲大家已经有收入了，虽然不见得现在都能够盈利。主要原因是中国强大的供应链，使得很多硬件、甚至大型硬件装置都能够以较低成本和时间制造出来。世界造火箭的美国也就两三家，但是中国民营有就十来家，而且很多都已经把火箭发射到天上去了，还是因为中国强大的供应链，可以用较低的成本完成一个很好的作品，再加上AI的能力，更高的效率、更低的成本和时间，达到很好的结果。这是我看到的一些现象。

从我们的角度来讲，新一代的大模型和算法框架，是我们关注的；第二个，vibe coding是我们关注的，这是未来工业的血液；第三个是行业具身，因为通用具身可能还有一段时间，但是行业具身现在差不多可用了，所以我们看到行业具身领域在爆发，比如说擦窗、清洗等领域和产线上的工业机器人，现在都在大量的进入场景；还有一个就是自主可进化的智能体，目前很多应用都可以跟智能体更好的结合，实现更高的效率和更准确的结果。还有刚才说的智能硬件，这几个方面我们觉得都有很大的机会，在未来的一两年内就可以实现很好的收入和盈利规模。

谢谢。

张雪：谢谢张总，您的分享非常的丰富。看来确实接触了不少项目。下面有请朱总。

朱思行：感谢主持人，我是来自山行资本的朱思行。山行资本是2015年成立的，现在是美元和人民币的双币种基金，AI是我们过去几年里面一直非常关注的领域，或者说主要的投资方向。

刚才主持人提了一个问题，在MIT的分析报告里面，大家对AI相关的投入产出比不是特别满意。从我的观察来说，我觉得大家对于它产出的东西的价值本身质疑并不大，很多比例的质疑是来自成本有点过高。我们在前年有同样的判断，也布局了云端的相关推理芯片，希望在云端推理芯片上能够数量级式的降低整体的成本，这也是我们观察下来AI的一个共性问题。

去年我们看到，其实进一步成本下降的机会，是说我不把AI的推理放在云端，我可以移相当一部分的推理算力到端侧来。我们去年也花了比较多的时间看有没有端侧推理芯片相关的机会，这也是我们这段时间在考虑的，在这方面进行布局。这是我们过去三年里在算力方面的一些想法。

今年上半年我们也看到了一些变化，刚才嘉宾们也提到Claude家用的也比较多，端侧模型能力在显著提高，甚至三十几B的模型大概去年百B左右模型的实力，在这个情况下类比出来的情况，在移动互联网时期，kodaike（英译）和3D引擎在端侧能力的提高，造成了短视频、视频直播包括3D游戏很大的机会。我们看到现在的情况，比如在端侧有模型30B左右，能力有这么大的提高，在未来一段时间会出现在端侧某种形态的爆发，我们也很看好这个事，最近我们在研究这个方向。

张雪：谢谢朱总，我们在台下跟大家交流的时候也提到物理模型或者物理AI的概念，在今年一级市场是特别火的，刚才我们聊了现在存在的问题，现在要回答是关于将来的问题，物理AI或者世界模型，在AI渗透到千行百业过程中是要发挥非常重要的作用，但每家策略、打法、偏好都是不一样的，请各位用比较简短的语言说一下我们在这方面的布局和观察。

物理AI仍处在爆发前期，需谨慎乐观

杨玥希：感谢主持人，我先简单分享一下，物理AI是这两年特别火的具身赛道，我们投机器人大脑，投具身是非常早的，但回归商业本质，任何技术的规模化落地，都离不开底层技术突破的拐点与产业配套的逐步成熟。客观来看，当前具身智能走入工业、服务业、家庭等真实场景，仍面临多重瓶颈。

如果把具身智能类比为一个新生个体，想要自主认知物理世界、完成复杂环境交互，现有技术范式仍存在明显短板：高度依赖大量高成本真实数据训练，模型泛化能力薄弱，一脑多体、跨场景迁移难度大。追根溯源，是当前AI 认知世界、与物理空间交互的底层逻辑，尚未完成突破。

因此，博将的投资视角，正在从表层应用，转向最核心的底层：一是聚焦具身智能大脑核心技术，探索AI 认知物理世界的基础逻辑与范式创新；二是锚定场景落地本质，衡量落地成本、交付效率、工程化团队能力；三是加码世界模型前沿探索，尝试将交叉学科如量子计算融入世界模型架构，通过算子优化、模型密度升级，突破技术上限。

未来，随着Agentic AI、物理AI、具身智能等从“能用”走向“可靠、稳定、安全、高效”的大规模商用，端侧推理亦将迎来爆发式刚需。产业落地浪潮之下，推理侧技术革新、高端算力芯片、底层数据基础设施，将成为硬科技赛道的核心增量。博将资本将持续重点布局：具身大脑技术范式创新、端侧推理算力、产业垂类智能体应用落地等环节。坚持耐心资本定位，扎根硬科技核心赛道，聚焦前沿技术突破，陪伴硬核科技企业穿越周期，把握新一代科技革命的时代机遇。

我就分享这么多，谢谢。

王磊：现在要么是提升模型能力，要么是提升数据和工程化能力。我认为两个都重要，我们觉得在当下阶段模型能力最后还是有几家出来，不管是大语言模型还是世界模型，头部聚集，如果要参与，我们会参与这种。

另外一个看行业高质量数据集，比如我们把芯片比作单细胞动物、哺乳动物、高级动物，脑子越好或者说算力越强肯定是越好。但是数据的重要性，我们可以理解成一个聪明人和一个平凡的人，在这个阶段灌入的知识很重要，高质量的数据会指引更好的方向，也会显得更聪明。当下，我们更重视的是行业知识。我们发现很多行业的过程数据是没有的，行业细分数据是没有的。如果没有这些知识和数据，模型怎么练也不会聪明。只有沉淀到行业里面，去做这种高质量数据集才能教会模型做这个事情，才能解决行业的问题，我们后续的重点就在这个领域——垂类行业的高质量数据集，谁掌握垂类行业的数据我们就重点关注那个企业。

张煜：我们应该是创投行业里投具身智能体系最广泛的公司之一，大脑、小脑、本体、运控、仿真、模组、世界模型、应用、数据等我们都有投资或者孵化，中国最早的两个世界模型公司都是我们投的。

所以我们看具身比较系统化，现在的情况，一个是通用模型，主要应用在通用具身和大脑，抛开机械方面，模组、电机方面的因素之外，感觉通用具身还有很长的路要走，各个方面都需要加强。大脑发展挺快的，现在大脑也只能做最简单的任务，长程任务是要点之一，行业大多是从数据的角度去训练和仿真，这种模式耗时久、效率不高，是否有更优路线是业界探索的重要方向。

目前具身领域集中在几个点上：多模态能力，机器人多维度去看世界和感知世界，Native AI的核心是对环境的主动感知和理解能力；第二个是推理，这不只是单纯的世界模型，还需要把空间推理和逻辑推理结合到一起，目前具身智能企业也都在这个方向探索，距离实用还有点远，如果能够突破，就能使得具身智能向前跨一大步，我认为具身从材料到电机到模组，到整个运动控制、大小脑协调，都在进步，是个相互促进的过程可能到一定程度的时候，会有一个整体的突破，将推动具身智能实现跨越式发展。

我们的关注兼顾通用具身与行业专用具身两大方向，相对行业具身不用考虑各个方面像人形，还要有情绪价值，更多的是完成工作，这一点从技术来说已经接近可用了。通用具身方面虽然功能性还在发展中，但情绪价值提供已经变成现实赛道了，我也愿意把它定义为一个赛道，现在很多机器人可能干不了什么，但是通过表演也可以盈利，这也是我们看到的现状和关注的方向。

张雪：好的，谢谢张总。潘总。

潘涛：刚才张总的分享，给了我很大启发。我们也一直在持续观察整个行业的演进，不断寻找产业发展的参考坐标。人很难预判遥远的未来，更多是依托过往的技术规律做判断。就像大模型 LLM 的发展历程一样，智能涌现没有人能精准预判它何时到来。而现在来看，Physics （物理 ）AI，正处在这样一个关键的临界点。

还有一个更直观的参照，就是自动驾驶。行业从 VA 升级到 VLA，看似只是多了一个认知维度、技术上的一小步；汽车本体的自由度有限，和具身智能动辄几十个自由度的复杂结构完全没法比，同时整车常年路采，天然拥有高质量、标准化的数据集

但恰恰就是这一步跨越，带来了整个行业翻天覆地的变化。真正体验过 VLA 自动驾驶的人，都会深刻感受到这种质变。对照来看物理 AI 赛道，我有两个核心观点：

第一，站在投资视角，物理 AI 一定需要和本体深度结合，这也贴合我们国内独特的产业发展路径；第二，不管是底层数据体系，还是物理模型的算法能力，都具备极强的投资价值。

从科技发展的底层规律来讲，物理 AI 的能力涌现是必然事件。只是时间早晚的问题，或许就在当下，或许在不久之后，甚至有可能，全新的涌现能力已经在行业的某个角落悄然落地。

所以对我们投资人而言，核心就是提前布局、抢抓先机，牢牢抓住这一轮产业变革的关键时间窗口。

谢谢大家。

张雪：谢谢。惠总。

惠亨玉：从朝希的生态禀赋出发，我们更多考虑数据和商业闭环。就数据而言，我们的产业生态中有很多企业在本身的生产过程中也在产生数据，如果有企业能把数据的采集和模型的泛化结合起来，能解决某个流程中人工效率提升、以及其他关于可预测性、可规划性难题，这将是我们的投资重点。

另外，商业生态。各个能源场景对于AI的要求是不同的。在电力巡检中，点位相对固定，问题相对集中，通过数据不停地仿真学习就能发现99%以上的问题，对泛化的要求没有那么高。但是在其他领域，比如风电运维又是另一个场景。我们在这个领域里看了很多的企业，发现它对人的要求非常高，AI要做到在风电运维的拟人化难度是非常大的。如果在这个领域能做到商业闭环，把数据和模型结合起来，我觉得是很好的创业方向。

张雪：谢谢，刘总接着说。

刘凯：很多嘉宾都总结的蛮好的。因为我是投模型比较多，投过Kimi和阶跃，反而具身我觉得相对有一点早。但是我觉得具身的价值是巨大的。我们可能搞了两百年的经典物理，牛顿物理，但突然出现了量子物理，其实方法论完全不一样，解决的问题也是更大的。具身不能完全类比语言模型，语言模型我最早是从BERT开始投的，大家知道BERT是Transformer前一代的模型，那时候我们的期望值也特别高，训练到了千亿参数的模型，大家都觉得这是通向通用人工智能最好的路。

但其实是OpenAI做出了Transformer模型，他开创了新的路。然后Anthropic又把它发扬光大。所以我觉得具身可能在路线之争上面还不够激烈。我昨天给LP分享，我说现在有100多家公司，大概有40多家100亿估值以上的公司。大概分为五个流派，有200多种组合标签，百花齐放，看上去很嘈杂。我觉得如果从真正技术底层的差异上来看没有那么大，因为当年语言模型的技术路线差异是非常大的。

我希望未来的具身会更百花齐放，才会把这个技术推的更上一步。因为大家目前都是偏demo、偏测试、偏模拟场景，解决的都是非常基础的任务。我投的第一个自动驾驶是Alpamayo，在2016年。那时候我们就可以实现大概一个多小时的完全无人驾驶，我上周也看了北京的马拉松，我看拿遥控器的工程师跑断腿，我觉得差距还是有一些的。

张雪：刘总的态度比较谨慎，看来具身还不够卷。下面朱总您来聊，张总来收尾。

朱思行：我们也是相对来说对具身的现状比较谨慎乐观，我们到现在为止还没有出手布局。但是长期来看，我们是看好这个事的。因为我们看到这次人工智能主要还是对所谓的第三产业是很大的革新，第三产业我们可以笼统分成以脑力活动为中心，或者以脑力和体力结合为中心的。脑力和体力结合为中心的，具身智能机器人就是必要的条件。但是这个必要条件的现状还没到那个拐点，我们期待能早日实现。

张雪：好，又一份对行业的希望。请张总聊一下，您应该见证了很多这种概念。

张学军：我们在AI十年前我们经历过，那时候幸存下来的不到5%，这个时代比那个时代更加热，但是我想是好事，但是要根据每个特点不一样。AI的终极分享就是物理AI和世界模型，国外基本有三条路线，第一个是李飞飞，另外是Google，第三个最高端是杨立昆，这是代表三个世界模型的方向。

国内从投资的角度，我们的观点是从可投资来看，首先是智能驾驶，因为移动的车就是物理AI。第二个就是机器人，机器人从工业机器人到人形机器人。人形机器人要形成商业落地还需要时间，这是大家公认的。最后真正是到我刚刚讲的，大家可能没关注军事AI的能力，它既然是物理AI，你要打导弹、打飞机，现在没有很多人做，大家都在卷人形机器人。包括智驾也一样，我们现在看的是你要在沼泽地、田野里面有个自动驾驶的车辆出去，带着低成本导弹，这就是一个很大的场景。

归根到底。第一个，数据，未来的军事用途没有地图、没有导航，你要能够自适应的建立无人机飞出去的数据。第二个，数据的采集，现在我们看到很多在做物理AI的数据采集功能。整体上来看，从投资的逻辑来看，从智驾到机器人，跟物理相关的方面，有些地方很拥挤，但是有些地方还是有很多可发掘的空间，这是我们的一些想法。

张雪：因为时间有限，我们这次的交流只能到这里，下面请各位嘉宾写上您认为最精彩发言的获得者。我开场就说我们的竞争会非常激烈，本场的MVP有三位，一个是五源资本的刘总，还有杨总，还有张学军总。