从叙事到价值兑现,AI商业化走到哪一步了?|江远圆桌

主持人：周晖，江远投资合伙人

对谈嘉宾（左起）：

沈抖博士，百度集团执行副总裁、百度智能云事业群总裁

章劼宇，Stripe大中华区初创与投资人生态负责人

张思元，微软大中华区孵化器总经理

张凯夫，LGI创始人

据现场发言内容，经编辑整理

 讨论话题：

1. 1. 目前AI商业化的信号是什么？
2. 2. 企业的AI投入，如何算账？
3. 3. 大模型一路向前，创业公司的空间在哪里？
4. 4. 从跨境走向全球，增长之后看什么？

一手观察：AI商业化的信号是什么？

请各位嘉宾从所在的生态出发，分享一个一手观察。过去12个月，你们看到AI从叙事走向价值兑现最明确的信号是什么？可以是一个数字、案例，或具体变化。

百度平台上的Token调用量同比增长了大概十倍。从这个角度来说，我觉得它不再只是一个故事。训练投入了多少算力，并不能直接说明效果。但是推理更接近实际使用，用户觉得有价值，才会持续付费调用。所以推理需求的增长，是我们观察应用价值的一个信号。

Stripe主要帮助出海企业提高全球收单和收款的效率和成功率，以及提供像税务、合规等等一整套的金融基础设施服务。我们观察到，2025年底来自各种渠道读取Stripe文档的Agent数量比年初增长了大概十倍；预计今年年底Agent读Stripe文档的数量可能会超过人类。从2024年到2026年4月，AI和Agent直接调用Stripe API的数量也是十倍级的增长。

我们一直在讲Agentic Commerce要来了，在企业很多具体的场景，Agent确实已经活跃地参与到商业决策和执行过程中。这是我们觉得从AI叙事走向兑现的一些观察。

目前孵化器有三百多家入孵企业，其中一半以上跟AI上下游产业链有关。就我们的观察来讲，一个明显的变化是，用户正从“生成内容”转向“执行长程任务”。例如我们看到Codex上提交过"人类需8小时以上完成的任务"的用户占比，相较于年初有大幅增长。

另一个观察是，AI从完成单点任务，走向理解、切分、串联执行完整工作流。比如我们孵化器的优秀企业Lovart，它面向专业设计场景提供Agent服务。它的卖点不是"生成一张图"，而是覆盖一整条“广告设计”和“影视”工作流——把一句Brief拆成Logo、包装、海报、社媒、视频广告的交付链路，完成中间任务拆解、串联、多轮修改、甚至保持风格一致性。凭借对设计工作场景的深度理解，Lovart在市场拓展和产品落地方面取得了积极进展，探索出具有自身特色的商业化路径。

我们孵化器还有很多这类公司，他们的价值在于将AI工程化地嵌入工作流，并在每个核心环节中界定人与Agent的分工，最终形成一套可稳定交付、可持续迭代的完整流程。

LGI做的是Agent范式下的新搜索，怎么做研判和预测。之前我在阿里做了很多年电商搜索、电商AI。我最近观察到的一个变化，是很多企业的一号位开始自己用大模型工具，这是非常有意思的现象。很多决策者也开始拿工具在做很多工作。所以，我觉得我们正处在一个变化的前夜。

未来一两年，会有非常多的公司从组织层面真正拥抱AI，释放更大的生产力。所以不管是对云还是其他业务，都会是一个令人兴奋的时代。

企业的AI投入，如何算账？

从你们的观察来看，中美企业在AI投入与渗透率上，目前分别处于什么阶段？还有哪些问题需要解决？尤其从云厂商的视角，现阶段AIDC投入产出比如何？

从“芯—云—模—体”几个层面来看，我觉得我们距离国外还有差距。国产芯片在技术封锁下获得了成长机会，虽然存在代差，但已经可以用于推理和模型训练。模型上我们一直在追赶，各家厂商各领风骚。理论上，我们最应该取得优势的地方在应用和智能体，但目前也还没有快速发展起来。

付费意愿是一个问题。智能体真正解决了问题，才有机会逐步形成付费习惯。不过，大模型广泛普及还不到三年，应用层也刚刚开始孕育。过去移动互联网发展到Top级APP的出现，中间也经历了七八年时间。所以虽然现在各方面都有差距，但在中国这么丰富的应用场景下，我觉得还是有机会的。

说到投入，很显然我们的投入不如美国各个巨头大，但值得欣慰的是政府在这方面投入的决心很大。2024年底到2025年初，国家发改委、北京发改委支持我们和北京一家平台企业，搭建了32000卡的国产集群。如果没有这样的支持，企业是很难下决心做这么大规模的国产芯片投入的。

如果进一步看当前的成本结构，以及在国产模型的能力下，国内一个中大型企业在AI的投入产出比是怎样的？

不同环节要分开来看。比如芯片企业，基本是供不应求的状态。模型层高频迭代，现阶段还在投入，下注的是未来。智能体的情况也差不多。但是，围绕具体应用场景、基于现有工具框架帮助企业落地的FDE（Forward Deployed Engineer）模式，已经有能获得收入的了。

所以总体来讲，我认为还是比较乐观的。现在大模型调用规模大、增速快，虽然不能全部视为实际应用需求，但应用层已经在创造价值。向下传导，模型就有机会盈利，芯片的收益也会更稳。这个变化已经能看到端倪。

我们离应用层更近，所以观察更多也在应用层。我觉得关键是首先要看，有没有一个简单、客观的标准来衡量产出。结果越容易衡量，企业采购决策就更简单、链路更短。这也是为什么我们看到编程、客服等AI应用，在企业中的渗透率和使用黏性较高。

除此之外，有一些产品能提高效率、但产出没办法直接衡量的，比如画PPT。这类应用，劳动力成本的差异就会影响采购决策。美国企业的人力成本较高，更容易接受相应的工具投入；中国的人力成本相对较低，采购意愿也会低些。

这一类的产品，中美都需要进一步提升渗透率，关键是根据企业的非标准化需求和衡量方式，匹配到合适的AI产品。我觉得这也是近期FDE概念受到关注的原因之一。

大模型一路向前，

创业公司的空间在哪里？

接下来和大家一起讨论下巨头生态和共生的问题。每一轮科技浪潮，大家都特别关注，在巨头的生态里，能否长出独立公司？凯夫既有大厂经验，现在也是创业者，您看到了哪些机会？

我是这么理解的，AI这样非常本质的技术变化，有时候对巨头的冲击可能更大。AI发展到现在，依然是生产力级别的变化，是我们干活怎么更快一点。但互联网的结构没有太本质的变化，包括网站、APP、平台。但其实往后推演三到五年，我觉得是有平台级变化的可能性的。

比方说搜索，过去主要围绕人生产的网页和网站来建立索引；有了AI之后，互联网的信息可以进行根本性的重组，比如说垂直领域可以有AI型的百科。那么互联网的结构和背后的商业逻辑，就会发生根本性的变化。

还有一个更本质的例子，搜索广告。传统的搜索广告建立在一个非常微观的行为学事实上，就是人的注意力有限。你把谁的排序往前提一提，点击的概率就会变高。但Agent的注意力是无穷的，可以看无穷的选项。未来如果互联网上是以Agent为主体的话，那么今天几千亿美金的互联网广告的商业模式的基础就不存在了，结构和价值分配会出现巨大的变化。

所以，我觉得这么大的变化，对于创业公司来说都是有机会的。无非就是怎么更好地切进去，找到自己的机会。

微软孵化器是观察AI创业公司存活率最好的窗口。在这个生态里面，什么样的公司已经跑出来了，或者您觉得什么样的公司能跑出来？他们的共同点是什么？你们在中美两边也都能看到很多公司，两边团队最大的差距和优势，分别是什么？

我非常同意凯夫总的想法，机会肯定是有的。微软孵化器持续支持创业企业的发展，并希望与生态伙伴共同推动创新发展。先一起把行业做起来、提高渗透率，再看后续的竞争格局。对于孵化器里的企业，我总结了三个观察：

第一，是深入行业、深入工作流。以FDE为例，目前国内外已有不少大公司在搭建相关团队，但整体仍处于快速探索阶段。我们观察到，一些真正深入业务场景的创业公司已经能够获得客户的真实付费——这说明，当AI能力被嵌入到具体的工作流中、解决企业的实际问题时，商业价值会显现出来。

第二，从第一天就面向全球。很多跑出来的创业公司有一个共同点：无论总部设在哪里，一开始服务的就是全球用户。这是因为部分海外市场软件付费的成熟度相对较高，使得这些公司能够获得实实在在的收入，这不仅是投资人期待看到的成果，也是创业公司的重要里程碑。

第三，关注尚未被主流大模型充分满足的细分场景和应用领域。比如软硬结合的AI陪伴、具身智能等，并非仅靠模型能力就能覆盖，可能离被替代的风险远一些。

差别方面，硅谷擅长前沿研发，而中国在工程化落地、产品化和供应链协同方面积累了丰富经验和优势。比如我们长三角的柔性供应链和珠三角的硬件产业链是非常完备的。但我也非常同意，目前还没有哪些应用或者Agent真的跑得很快，还是会有一个大浪淘沙的过程。

沈总，很多创业者既希望借助平台，也担心模型升级覆盖自己的功能。从平台的角度，怎么看待与应用公司的关系？

我认为企业的价值最终取决于满足了什么需求，既包括已有的存量需求，也包括创业公司激发的新需求。企业在不同层面满足需求的时候，合作往往更多；业务处于同一层面，竞争就会增加。现在的复杂的地方在于，模型与应用原本属于不同层次，但是模型能力不断外延，开始使用工具。从这个角度讲，它也具备了智能体的特征。

回到模型与应用之间的关系，模型主要承担思考、规划和分析，具体到企业要用的数据、工具、权限管理，并不都应该由模型来完成。这也是FDE受到关注的原因。随着模型能力提升，满足应用需求的“最后一公里”，可能缩短为最后一百米、十米，但现阶段，这最后一层仍然需要有人去做，大模型无法直接解决所有场景的问题。

所以，您认为FDE不是一个中间态，可能是会长期存在的一个机会？

至少在未来看得到的一段时间内，比如十年，这类需求会存在。但不能把商业模式建立在“大模型永远追不上我”的假设上。技术会继续进步，今天需要人工处理的事情，未来可能被自动完成。同时，也会出现新的需求。创业者需要持续往前走，寻找新的价值，不能只守住今天的一块存量市场。

从跨境走向全球，增长之后看什么？

越来越多中国AI应用公司从成立之初就面向国际市场，包括江远投资的AI应用公司，大概有七成也面向海外。关于中国AI应用公司出海的机会，首先请教下Terry。Stripe接触真实交易，从客单价、收入增长及留存来看，这些企业与海外同行有哪些差异？

从我们的观察看，中国公司的客单价确实比美国低不少，有的甚至低一个数量级。今年上半年，中美头部AI公司都保持了明显的增长势头。但从应用公司整体来看，中国公司的留存表现比海外同行稍弱。

我觉得这未必意味着中国应用公司出海做得不好，也未必是产品本身的差距，可能更多与打法和商业模式有关。从去年二季度到现在，中国创业者仍延续了互联网时期的一些做法，比如靠低价大规模获客、激进拉新，在短时间内拉升ARR或者用户数量。美国公司更多沿用的是SaaS路线，注重提高年付订阅比例、做好留存和口碑传播。不同的打法，也会影响用户留存。

积极的变化是，中国AI出海公司和投资人的认知都在快速迭代。一个典型例子是创始人关注的问题变了。去年，大家会问“能不能帮我实现一两百个国家的一键收单，能不能快速实现全球增长？”今年，除了增长，大家还会问：账户能不能设在更接近终端客户的主体或国家？怎么减少免费订阅中的“薅羊毛”问题？能不能在收单过程中顺便处理税务与合规事项？

投资人也不再只关注ARR增长，还会看留存率、年付订阅比例，以及客户流失的具体原因，哪些与产品有关，哪些是技术问题。

所以我觉得，情况正在向好，中美之间的差异应该会逐渐收敛。这些变化，也是中国AI出海公司和投资人在全球化过程中逐渐走向成熟的表现。

凯夫，您之前负责过大厂的海外业务。和上一波跨境电商、工具或者App出海相比，您觉得这一轮AI应用有什么本质不同？在这个过程中，中国团队有什么优势？

很直接的感受是，许多团队第一天就在海外开展业务。它们并没有先在国内形成一套业务，再把产品卖出去，而是在用户、团队、工作地点、主体安排及合规等方面，从一开始就按照全球市场考虑。这几年，华人Researcher还有Founder，在国际上的活跃度和接受度也在提高。

所以，与上一轮相比，变化不仅仅在产品，更在公司的组织和经营方式。跨境和全球化是两个概念，我觉得我们可能已经来到了第二个时代。

江远投资（LongRiver Investments）是专注科技创新的长期投资机构。首支美元基金期限10年，管理规模约4亿美元，投资方均为国际大型金融集团及专业资产管理机构。团队主要关注医疗、科技两大方向，投向生物医药、医疗器械、先进制造、新材料、人工智能等行业，阶段覆盖早期到中后期。

创始人、CEO张江为资深科技投资人，拥有20年全球医疗和信息科技的研发、战略发展、运营管理和投资经验。他曾任职于全球领先的综合金融集团、战略咨询公司、欧洲科技巨头和国有能源电力产业集团。10余年来，张江领导团队募集多支美元和人民币基金，投资全球80多家医疗与科技企业，其中超过20家在境内外交易所上市。

大型保险集团的投资和管理经验、深耕科技产业的研发运营积累与全球视野，让LongRiver江远投资具备了“找得到、看得懂、帮得上、退得出”的全方位能力。团队将依托新兴平台的创新优势，为创新企业嫁接全球发展动能，助力和培育下一代产业领导者。

招聘 | HR@LR-INVESTMENTS.COM