夜雨聆风
押注非共识。
报道/投资界PEdaily
六月盛序，太湖之滨。由清科控股（01945.HK）、投资界主办，吴中金控集团联合主办的“2026投资界SuperLink大会”于6月10-11日举行。这场盛会覆盖“募投管退”全链条，致力于成为中国创投生态的超级枢纽。
本场《人工智能，赋能与深耕》影响力对话，由清科集团管理合伙人兼清科创投主管合伙人袁润兵主持，对话嘉宾为：
华泰紫金TMT投资部总经理 郜和平
L2F光源创业者基金合伙人 林义伟
山行资本创始合伙人 徐诗
东方嘉富创始合伙人、董事长 徐晓
耀途资本创始合伙人 杨光
信宸资本合伙人 赵磊
以下为对话实录，
经投资界（ID:pedaily2012）编辑：
袁润兵：人工智能已成为当下最热门的领域，我们今天讨论的话题范围较广，希望能提供有参考价值的观点。请大家简单介绍下自己和所在机构。
郜和平：华泰紫金主要业务包括项目直投及母基金投资，重点关注TMT、大健康、先进制造以及新消费等赛道。
林义伟：2025年，依托光源资本过去十一年深耕产业积累的资源网络，我们成立了L2F光源创业者基金，这是中国首个面向AI、兼顾产业创新与全球化机会的Multi Founders' Fund。我们聚焦AI+及前沿科技领域的超早期投资，帮助顶尖创业者实现从0到1的突破。
徐诗：山行资本定位为中国创业者基金，今年是创业的第十一年。投资聚焦于AI、新消费、出行、商业航天等领域，曾投资理想汽车、东方空间、RELX、Halara等。在AI赛道，我们关注并投资了部分AI算力基建公司，包括云侧和端侧芯片。此外，在基础设施层和应用层也有布局，并投资了多家AI消费硬件公司。
徐晓：东方嘉富是上市公司浙江东方旗下的科创投资平台，主要关注新能源新材料、前沿科技及生命健康三个方向。目前约40%的资金投向AI相关领域，30%投向量子计算、聚变等未来产业。
杨光：耀途资本主要投资中早期项目，方向集中在AI和前沿科技产业。
赵磊：信宸资本以并购基金业务较为人所知，信宸成长基金则是我们平台上重点新布局的新锐投资团队，主要聚焦科技与创新赛道的少数股权投资。近几年，AI领域是我们重点关注方向，尤其是AI应用，我们在AI赋能物流、医疗、金融、新材料等细分领域都有布局。未来希望陪伴更多创新型科技企业长期成长，实现产业赋能。
袁润兵：过去两年，从具身机器人到AI应用，多个主流赛道获得大量融资，许多项目估值已处于高位。第一个问题：在很多行业已经拿到大量融资、估值偏高的情况下，大家今年还会继续布局这些行业，还是会转向新领域？
赵磊：港股市场从去年到今年持续走高，一级市场估值随之上升，具身智能、智能硬件等领域估值增长非常快，个别公司几个月内估值翻了数倍。对于一些估值比较高的项目，我们持谨慎态度，同时，AI在其他垂直行业的落地应用也在加速。对成长期项目而言，好的基本面和估值平衡非常重要。今年上半年我们出手了约三家AI应用公司，但希望市场不要过热，下半年能有持续出手的机会。
袁润兵：总结来看，偏重应用类公司？
赵磊：是的。
袁润兵：以往企业按天使轮、A轮、成长期、PE逐步发展，但当下AI领域没有明显的成长阶段，在故事形成时，很多公司已经上市。这种情况下，各位是坚持投入，还是等市场回归理性再参与？
赵磊：这是一个很好的问题。尤其在AI芯片、大模型等偏基础设施的层面，许多公司上市时商业化程度不高，对我们来说是比较有挑战的。因此我们在基础设施层，并没有太积极出手，更倾向于等到应用层机会显现、有初步商业化证明后，可能才是最舒服的阶段，不同机构有不同的风格偏好。我们有一个较大的控股生态，AI应用跟这个生态更容易产生协同，也更适合我们判断和赋能。
杨光：这波AI浪潮足够大，早期到中后期的机会都共存其中。在AI计算领域，GPU主线已进入后期阶段，因为有多家公司已上市或正在上市进程中。我们抓到了第一波GPU机会，早期投了训练GPU壁仞科技、推理GPU瀚博半导体。但这并不意味着AI计算没有早期机会了。今年TPU、LPU等新架构备受关注，英伟达也通过“收编”Groq并将其LPU纳入Vera Rubin平台，推出“GPU+LPU”异构方案，说明巨头已在积极布局GPU之外的新架构。因此，一级市场投资人也分为两类：一类是投过GPU的人，希望抓住下一代技术；另一类是错失第一波GPU的投资人，积极布局新架构以免再次错失机会。
今年最大热点之一是互联。二级市场大家说“要站在光里”，光通讯公司业绩出色，也传导到了一级市场，让光模块上游核心器件关注度都很高。未来AI基建将走向更大规模集群，里面有大量铜互联和光互连机会。我们已投资四五个互联相关项目，包括DPU、CXL、PCIE retimer、硅光、激光器等，并持续加码。
另一大热点是存储，三星、SK海力士、闪迪、美光等头部公司业绩极好，HBM和HBF等高带宽存储方向备受关注，背后是AI对带宽、容量、功耗和先进封装的新要求，也带出新的技术方案和投资机会。
整体来看，AI基础设施建设仍在快速迭代，还有很多值得关注的早期机会。如果一个行业上限足够高，即便是中后期机会，该上车也要上车。
袁润兵：端侧算力你们投吗？
杨光：我们也投了。对于OpenClaw、Hermes这类AI Agent，大家都发现一个问题：跑一个简单的任务可能消耗大量Token。所以未来很多任务，可能未必需要调用云端SOTA模型，而是可以在边缘侧或端侧运行，只需要用百亿甚至千亿参数级别的本地开源模型。但现在端侧运行千亿模型还受限于内存容量和带宽，跑不动。我们投资了端侧存储和存算相关项目，比如光羽芯辰，利用3D堆叠和存算一体技术，打破端侧推理的内存墙，将较大参数的模型存储在本地。这样可能七八成任务在本地跑，两三成在云端。当然，端侧的起量确实比云端慢一些。
徐晓：我们的想法还是要积极拥抱，无论是具身智能还是AI基建、应用。很多底层技术尚未收敛，如果一味观望可能错失比较大的机会。我们在AI端侧投资了五六家算力公司，包括光羽芯辰、微纳核芯、元川微等，具身智能领域也在积极布局。
我个人认为，从历史来看，能与AI相提并论的或许只有蒸汽机。站在大历史角度，AI浪潮才刚刚开始。有狂热的部分，所以对于估值我也觉得很难定义，创业公司已经模糊了早期与后期的界限，投资机构也是。最理想的是理性客观，次佳的是有热度甚至阶段性泡沫。在AI时代，我觉得假装理性可能是比过于乐观更差的一种心态。
袁润兵：的确很多领域尚未形成共识，比如具身智能的基模路线。徐总，您是更相信某一条路线，还是多条并进？
徐晓：我不做选择，因为我不知道哪条路一定能通，最终还是要交给用户。我跟被投企业说，不要讲自己多厉害，要放到客户那里试试，最终买单的是客户，不是投资人。我们只能在逻辑上自洽且合理的路线中选择，可能会错，但没办法，认知就是会限制投资。
袁润兵：我认可您的观点，这确实是远大于蒸汽机的发现。
徐晓：与蒸汽机差不多，但它肯定远大于互联网。
袁润兵：今年在历史上的一些布局中，很多基金已经实现新高的情况下，大家还看好哪些机会？
徐诗：第一，山行资本看好算力基建的机会。AI基建目前仍处于中早期阶段，模型在朝着AGI发展的路上，推理算力需求才刚刚开始井喷。过去两年，全球推理需求暴涨300倍，未来三年可见Token消耗每年至少翻10到20倍，未来几年可能达到万倍级增长，同时Token成本将下降两个数量级以上。AI类似电力革命，技术对各产业的渗透是长期且深刻的过程。
第二，工业场景的应用仍处于早期。Agent元年到来后，Agent成为互联网基础设施层和新型操作系统，能够执行更长程的任务。
第三，物理AI模型尚未收敛，但进展迅速，预计还需要1-2年达到GPT-3时刻。我们正处于比特全面接管原子的前夜。面对技术路线的不确定性，我们关注不同公司在VLA、WAM、latent world model等路线上的演进、相互借鉴与融合。山行在保持前沿认知的同时，选择相对更看好的技术团队路线进行布局。
第四，端侧模型与端云协同将加速发展。许多端侧场景并不需要追求SOTA模型，像Gemma 4的12B版本已表现不错。接下来端侧芯片与模型的共同进化，会带来AI的深度普及，人均Token消耗将大幅提升。我们在端云芯片领域已完成战略布局和一些关键投资。
我们坚信，巨大商业机会必然孕育在应用层。历史证明，每一次技术革命都会催生交互方式创新，进而带来新入口争夺以及生产与消费方式变革。我们在应用层会持续布局，一方面投资技术驱动的用户消费和C端变革机会，另一方面投资生产力工具和有护城河的垂类赛道。比如，得益于去年到今年coding及多模态技术的爆发，在漫剧、生视频、流式内容的互动体验领域，都出现很多有趣的公司。
袁润兵：您以前是互联网领域的资深人士。但当前存在一个分歧：互联网是大规模工厂化、商业化、产品化的，是原有技术的深入，现在AI的基模能力不断上升，可能吞噬软件应用空间。从中长期看，基模能力不断提升，还会给应用型公司留下空间吗？
徐诗：这是一个好问题。坦白讲，我们尚未看到SOTA模型的边界，因此对离基模能力太近的创业机会非常谨慎。例如，多模态技术催生了许多生成式视频公司，但相较握有更多数据和算力的巨头，它们不容易建立护城河。基模公司的迭代，大概率会吞噬这些创业公司。我们出手的，是那些能结合模型能力、建立自身用户场景和数据壁垒的企业。
时代变了，最怕的是用过去的思维框架思考未来的问题。蒸汽机革命让无数手工业者失去工作，今天白领工作也面临类似冲击。我们正在见证新组织形态的诞生——未来可能不再需要几万人的大公司，而是涌现出大量由AI赋能的超级个体或单人公司。为了保持开放心态，我们向00后、05后学习，也持续招募顶尖00后加入团队。很多时候，过去的成功经验往往成为认知包袱，唯有打破它，才能真正拥抱创新。
林义伟：我认为AI对生产力与生产关系的变革力度超越蒸汽机时代。光源早在2022-2023年就开始孵化、投资AI及具身智能项目。目前我们覆盖AI+应用、AI+硬件、具身智能、算力及Infra、前沿科技等方向，致力于寻找以AI驱动产业革新、具备全球视野的破局者。
我们偏好布局行业尚未形成共识的阶段，因为超额回报往往来自信号确定但非共识普遍的赛道。2023年，我们孵化爱诗科技时，国内多数人并不看好视频生成路线。但我们坚信，重磅工具的出现一定会催生全新商业业态。后续大众娱乐、消费形态、AI与下游应用的结合，都会持续诞生新机遇。
尤其值得关注的是，今年政策与资金环境出现利好变化，我们对AI发展充满信心。AI+应用、上游硬件两大板块仍有大量需求未被满足，投资机会充足。传统成长期项目的优势空间已大幅压缩，与其扎堆后期项目，不如资源前置，重仓早期初创项目，既能避开估值泡沫，也能更早锁定具备颠覆潜力的创新力量。
袁润兵：您提到新机会和非共识。今年在AI中，您看好的最大新机会或非共识是什么？
林义伟：当下新机遇主要分几类。第一，光互联赛道虽然热度高，但技术路线尚未统一，我们更看重能解决特定刚需痛点的企业，如“短距”专用芯片。第二，AI+产业应用。我们孵化了一家矿产勘探项目——凌云智矿，将AI大模型技术落地传统勘探行业，勘探效率大幅提升，所需周期从四到六年缩短至十八个月，成本降低50%，这是颠覆性提升。我们正持续挖掘类似项目。
超早期投资必然伴随不确定性，但正是这种非共识阶段，才隐藏着超额回报的可能。我们愿意接受不确定性，以换取提前卡位产业变革拐点的机会。
郜和平：我很看好AI对生产力的驱动。我们是华泰私募子公司，华泰作为中国证券头部企业，将AI作为战略方向之一。在技术层面，AI的发展超出我的预期。去年四季度我们还在讨论算力中心是否过剩，但现在龙虾出来之后，都有Token工厂了。我们去年投资的非GPU架构芯片，今年一季度的收入就已赶上去年全年。AI调用和消耗呈指数级增长。我们持续看好AI硬件层面基建的材料、产品投资。
同时，应用端投资今年也很火热，大家普遍觉得投资难度大。应用端容易形成共识，共识之后热钱涌入，可能导致投资纪律受损。我并不反对大家看好这些赛道，但我有点担心急迫的资金无法接受早期企业的不达预期，影响企业长期发展。
我们主打早半步的概念。去年GPU很热时，我们讨论非GPU架构芯片的机会；现在VLA大模型很热，我们投资具身与消费结合的早期企业，对于能先进入家庭场景的企业先做布局。端侧算力芯片我们也持续投资，始终比市场早半步或快一步，保持自己的节奏做新领域探索。
袁润兵：下一个问题偏理念性。大家已形成共识：对比电气革命、蒸汽机革命、互联网革命等，AI变革的体量远超以往任何一次。但从模型基础能力来看，各位认为它还会继续提升吗？当前许多企业估值高、商业化未落地，资本却踊跃入场，有观点认为，这可能是最后一波重大产业趋势。如果真的照部分科学家所说，三五年内达到AGI，那这波就是最后一波了，这取决于模型能力能否继续向上。请各位从各自角度谈谈对此的看法。
徐诗：这是一个非常终极的问题。未来两三年内，我们可能会看到一些颠覆性转折。
当前我们处于“硅基通胀、碳基通缩”状态。经济虽然在复苏，但短期内确实存在一定程度的算力和资本透支。从经济学角度看，史诗级的工业革命必然带来生产资料和财富的再分配。
目前全球GDP大概百万亿美元规模，未来AI在中美两国催生的生产力提速，有望在经济价值中占据至少15%到20%的比重，短期内至少带来数万亿美元的增量。今年最大的变化是AI商业落地的全面爆发，尤其是coding的跑通，全球有约3000万工程师，这是数千亿美元规模的市场。生产力的飞跃正倒逼生产关系变革。
眼下，局部的超前投资是必要的，但大浪淘沙过程中，行业分化会非常严重：头部公司会赚走更多利润，但不同垂直赛道也会享受到“普世红利”。技术必然走向平权。关于AGI终局，我相信未来两三年内，“狭义AGI”有很大机会实现。也就是说，如果从“AI 能否像人类一样胜任某些特定领域的工作”这一维度来看，逆转很快就会发生。
袁润兵：您是指大语言模型替代知识工作，还是包括简单的物理智能？
徐诗：LLM不会完全替代人类，而是让人类转向更有创造力、更有意义的工作。物理模型是下一个大机会，无论是VLA还是World Model，模型还没有完全收敛。
大语言模型依然在演进，但真正的巨变，在于物理模型突破、比特世界接管原子世界的那一刻。我们与顶尖专家交流过，不少人认为，物理模型可能在2-3年内迎来类似GPT-3的飞跃。一旦跨过这个拐点，人与机器人共存将面对一个全新的世界。
徐晓：我讲讲我自己的思考，不能代表其他人感受。我觉得大语言模型可能还会在两三年内，提高到让我们更惊叹的水平。但物理模型怎么走，我不确定，甚至可能所有现有路线都是错的。
我们从幼儿园开始，一路成长的认知表达能力不断提高，但我们从小就能模仿父母的动作，比如学会拿水瓶。这个程度上讲，物理AI是不是适用大语言模型的规律？一旦这个适用不成立，很多路线就都不成立了。物理世界与大语言模型的发展难以完全判断，它可能很快提升，也可能停滞。背后涉及生理学、哲学等问题。
袁润兵：我补充个观点。人类智能的演化是顺势发展的过程：一开始长出眼睛，有视觉；几百万年前直立行走，触觉起大作用；后来有语言，出现了国家社会、互联网；到了几十年前，人类创造了一个更干净、规则更清楚的语言，这是顺流而下的过程。
但现在是逆流而上，AI先把编程突破，因为它规则清楚、环境很干净；第二是语言，已经部分解决；剩下就是解决操作能力，手的能力、视觉表现能力，现在的视觉模型很大一部分是对完整物理世界做表现。
为什么说小朋友看几下就可以把水杯拿起来？是因为我们祖先已经进化了五亿年，数据量积累很多，只是我们觉得它很简单而已。计算机觉得很难的事情，人类觉得很简单；人类觉得很难的事情，计算机觉得很简单。如果把底层他们做的无数尝试数据算出来，可能比现在大模型训练的数据还要多，只不过祖先替我们先把数据训练做了。
杨光：AI领域很难预测，大部分预测最后都会被推翻。我认为AGI在coding领域已实现，自动驾驶也基本实现了，多模态五年内应该也会有明显进展。模型发展可能更趋向实用化，例如自动驾驶并非参数越大越好，需要在效果、实时性、成本和车端部署之间平衡。
所以现在工程化工作愈发重要，很多用户价值的提升不一定完全来自模型本身，也可能来自环境和记忆。把harness做好，给用户带来的体验和价值提升有可能超过模型本身的提升。
赵磊：我同意杨总的观点，大模型基础能力已经在那里了，比如我们投资的AI临床CRO公司，他们用AI agent替代有多年临床经验的研究员，去年投的自动驾驶领域无人配送公司，也正在规模化推广无人车代替面包车配送。有些领域已经非常充分做好了。
但在生物医药、新材料等领域，人类科学家仍面临很多挑战。如果大模型能再有一次提升，对这些场景的意义非常重大。所以，AI for Science是我们关注的方向，以及AI在很多垂直领域的快速落地和商业化，也是我们今年特别关注的。
袁润兵：大家对AI for Science抱有高期待，但产业端始终未迎来突破。这是因为基模能力不足，还是交叉行业的信息融合不充分？例如有些懂模型的人才不懂产业、懂产业的又不怎么懂模型。
赵磊：这是一个核心问题。很多AI for Science公司同时有一个偏医药的团队和一个偏AI算法的团队，但两者融合非常困难，找到既懂医药又懂算法的人很难，这是很多公司现在的挑战。但另外一个比较制约的点是，模型计算很快，但这个结果要用实验去验证，是比较慢的过程。很多公司的卡点是用湿实验得到数据反馈、形成数据闭环。随着高通量自动化设备和数据共享的引入，希望这个问题后面能得到解决。
袁润兵：您认为AI for Science未来几年会有很大进展？
赵磊：是的，我们相信这一点。
林义伟：AI的长远走向是全球共同探讨的议题。人类数千万年的发展史中，唯一不变的规律是事物永远在迭代变化。现有大模型能力远谈不上充足，现实中的生活、对外交互、工业生产难题仍没有被妥善解决。好比AI for Science领域，还存在大量瓶颈，未来待模型性能、数据储备、配套工具全面升级后，AI在这个领域的价值才能充分释放。长期来看，大模型需要持续深度迭代，硬件、数据、工具同步升级。目前没有任何明确信号能预判，我们何时会迎来终极AI形态。
郜和平：我个人已经不太关注基模的发展，它已足够覆盖日常生活，后续应该关注如何产生更好的应用和工具，适配工作流。对于物理AI和具身智能相关模型，目前的模型虽不是最终形态，但今年大家都在做数据训练和采集，两年后可能就能达到较高水平，或者在生活和生产中产生较大生产力价值，能替换掉大家原来希望它做的事情。当然，未来很有可能出现更超级的具身模型，把现在的推翻掉，但现有模型仍有巨大发展潜力。
我觉得AI for Science也有极大发展潜力，因为它与大语言模型并不完全一致，包含许多科学算法模型。其实从投资角度来讲，我们也能感受到，接触到的投资人投医药的偏谨慎一些、投科技的比较兴奋。
模型还需要后面的验证，现在AI for Science很多还在建设中，目前更多是给医药公司或者材料公司提方案，还需要做验证，这块效率还比较低。飞轮还没有转起来，未来仍有很强的发展空间。
袁润兵：整体来看，模型能力正向各个行业渗透；基模能力仍在提升；物理世界相关模型仍在推进数据积累、算法探索和实验；AI for Science正在往前推展，但还需要更多跨学科人才加入进来。总体态度积极，大家会持续加码布局。谢谢各位嘉宾的精彩分享。
