今年最让人兴奋的赛道，依旧是AI

　　冬逝春来，中国创投行业的开年盛会如约而至。行业风云变幻不休，2025年2月28日，由清科创业、投资界主办的“投资界百人会”在三亚举行，投资圈共聚一堂把脉不一样的2025，聆听浪潮新声。

　　本场《AI浪潮，一浪接一浪》圆桌对话由元禾原点管理合伙人 费建江主持，对话嘉宾为：

　　陈 石  峰瑞资本 投资合伙人

　　傅哲宽  啟赋资本 董事长、创始合伙人

　　甘剑平  渶策资本 创始合伙人

　　李 竹  英诺天使基金 创始合伙人

　　张 敏  合力投资管理合伙人

　　以下为演讲实录，

　　经投资界（ID:pedaily2012）编辑：

　　费建江：大家好!很高兴再次担任清科百人论坛的主持人。今天上午的最后一个讨论主题是“剩者为王”。其实，“剩者为王” 这一说法有一定道理，但有时候也不尽然，还可能是 “先行为王”。在一个行业里，如果能比别人先行一步，也有可能占据优势。我觉得今天在座的各位都是先行者，未来极有可能在各自领域称王。虽然在座的各位都是行业大佬，所在机构的名字也都十分响亮，但我想还是先请各位简单介绍一下自己。

　　陈石：峰瑞资本关注三个方向：第一是消费和TMT;第二AI和硬科技;第三是生物科技和医疗。我主要看AI和软件等方向。

　　傅哲宽：啟赋资本主要做早期投资的，以天使投资为主。今年我们开始做成长期的投资，主要的方向也是科技为主，然后是科技+。

　　甘剑平：渶策资本主要投资偏成长期的、以AI赋能的互联网消费和生物医药领域。我们现在相对也往成长期后端多看一些，最近比较聚焦在AI和生物医药。

　　李竹：英诺投A轮之前的早期，我们关注的方向主要还是硬科技。包括新一代信息技术、新材料等。在过去几年里主要看To B的方向，从去年开始，也在关注To C的一些创业方向，尤其是与AI相关的方向。

　　张敏：我们主要专注于天使投资。前不久我们的一个母基金把我们所有的项目盘了一遍，我们自己算清楚大概75%的项目都是第一轮投资，可以说是非常专注于天使轮。

　　费建江：我们同样是一家早期投资机构，投资主要集中在第一轮和第二轮，占比大约90%。我们的投资领域聚焦于科技和医疗。

　　如今在投资行业，如果不提及DeepSeek，似乎就显得有些跟不上时代，所以我们这场讨论也必然要涉及它。AI 领域肯定离不开 DeepSeek。我们先来探讨一下，DeepSeek 问世后给整个 AI 行业带来了哪些变化，其间又蕴含了怎样的创业机遇。我想先邀请陈总来谈谈，贵公司在 AI 领域布局广泛，之前也专门有文章深入剖析了 DeepSeek，还请您先来抛砖引玉，为我们分享一下见解。

　　陈石：我是技术出身，所以一直都在观察。我认为DeepSeek是一个提前到来的意外胜利，一是开源大模型追上全球顶尖的闭源大模型，仅用了三个多月的时间;二是我们中国追赶的方式也有点出乎我意料，原先我以为我们是先做应用，然后慢慢在模型上追赶，没想到我们的大模型直接就追上全球顶尖水平了。DeepSeek带来的好处是成本降下来且模型能力提升了，未来在应用领域可能会有非常大的机会。另外从整个AI行业来说，技术角度最激动人心的是，之前业界都担心AI的规模法则失效，但我们在Open AI之后找到并开源了第二条规模法则曲线。第一条叫作预训练的曲线，第二条是思维链和推理时间计算的曲线，当前业界还有人在探索其他的规模法则或智能生长曲线，比如关于智能体的智能，即数字空间或物理空间的自主智能等。如果这些技术有突破，可能我们以前做不到的东西就可以做出来了。

　　费建江：DeepSeek推出后，能否具体阐释其最令人惊喜的技术突破?更重要的是，它对国内AI行业发展的具体影响维度有哪些?这些细分层面的变革背后，既蕴含着创业机遇，也是投资机构需要把握的方向。

　　李竹：DeepSeek的出现实质上标志着语言大模型基座竞争的第一阶段落幕。当行业话语权逐渐向大厂集中时，DeepSeek出现了，大家看到原来算法、数据、算力三者任何一个方面的提升都有可能对AI产业产生巨大的影响，这三个要素是螺旋式上升和进化的，这次是算法的作用较大。

　　我认为带来的机会就是会出现很多应用层面的小模型，这些模型完全可以通过大模型蒸馏出来，加一些调优，可以把一些具体行业的应用做得很好。

　　当然，我认为TO B只是一个方面，未来更多的机会是在TO C，未来的这一两年，可能会跟当初的移动互联网一样，出现百花齐放的局面，因为现在算力的成本在下降，训练成本在大幅下降，整个AI应用成本都会降低。现在的这些大模型，从原来的一个概率模型，未来会进化变得更加满足精确计算的要求。在这个演变过程中，医疗和金融首当其冲机会较大，这两个行业原来就是以概率为基础的，我们投一级市场也是如此，是否投一个项目我们主要是看它未来成功的概率有多大，是否正EV。

　　费建江：您着重分析了大模型对其他行业的赋能，我们更希望聚焦AI行业自身的演进。举例而言：DeepSeek问世前，业界普遍认为算力基础设施是核心瓶颈，如今是否意味着算力需求减弱?基础设施建设的重心会发生哪些迁移?这些变化将如何重塑行业格局?

　　李竹：基座大模型训练侧算力需求降低，但是推理侧需求上升。从算力的价格来看，现在的价格比去年下降30%。实际上DeepSeek提供的Token价格是相当低的，但是需要算力提供方配合部署，算力未来要适应价格的不断降低，相信还会有相当大的下降空间，需要性价比更高的硬件和更好的互联和并行计算平台，这里边有创业公司的机会。价格降低的过程，也是AI大规模普及的过程。

　　费建江：简单地来说，现在新的创业公司要做算力是没有什么机会的吗?

　　李竹：推理、边缘侧还是有机会的，因为应用起来了，包括像AI硬件也是非常重要的应用方向，这个里面需要很多边缘侧的算力需求没有被满足，我们在这方面也做了一些布局。

　　费建江：甘剑平总我知道你横跨中 美两地，您对海外情况比我们可能更加熟悉，从全球视角如何看待DeepSeek的技术突破与产业影响?

　　甘剑平：我春节前后正好就在美国，DeepSeek的新闻出来时，的确引起了很多的讨论。其实，DeepSeek开始得到关注是因为美国的一些大佬、一些科技界领袖发了相关的消息，我们也知道DeepSeek其实一年前就开始发布各种测试，很多人也知道他们的情况。

　　我非常同意刚刚李竹总所说的，的确DeepSeek把很多的算力成本降低了，大家看到了更多的往边缘上面去推这个算力或者用一个相对算力比较低的手机、PC做很多边缘计算。

　　DeepSeek最厉害的一件事情，就是它把这个东西开源了，我相信我们作为VC投的任何一个公司，如果说我做了一个很厉害的模型、一个很好的数据集，我要把它开源，通常作为董事会成员是不会同意的。

　　开源模式的颠覆性在于，未来一个开源的模型，能不能继续地走在风口浪尖，会不会有更多的闭源公司悄悄在家里想出一些东西做得更好，其实很多技术上面的手段，我相信绝大多数大模型公司多多少少都会用。比如说很多深度学习、专家混合的这些架构，很多公司都在用，能不能继续持续维持在技术上面最领先，可能还是需要一段时间。

　　我觉得DeepSeek有两个方面，一方面是我认为它对TO C给了很多机会，但是另一方面，它对TO B是一个致命性的打击。本来很多金融机构、医疗机构、大公司都在想大模型怎么办?我要不要接一下各个大模型公司，现在突然发觉不需要了，上网下载一个DeepSeek再加两三个技术人员就可以开始干了。

　　费建江：您说的TO B就是原来做大模型的，对于用户来讲呢?

　　甘剑平：传统AI企业服务商的商业模式正面临根本性挑战，中国的大公司一向不喜欢软件，都希望定制，现在有了DeepSeek大家都可以自己干自己的了。

　　费建江：张总您是投天使的，去年投了多少个项目?

　　张敏：去年我们投的项目非常少，去年手头资金已全部完成交割，只是追投了一下，我记忆中没有新的项目。

　　费建江：应该是历史最少的年份了?

　　张敏：对的。

　　费建江：那就不再继续问您了，傅总您去年投多少个项目?

　　傅哲宽：20多个。

　　费建江：AI有多少?

　　傅哲宽：大概占到20%左右，

　　费建江：那比例不算高，AI在咱们的策略里不是占到最高的一个配置吗?

　　傅哲宽：也不能这样说，去年我们在AI领域有存量布局，过去在数字经济领域做了很多项目，这些项目过去就是因为没有AI，所以他们的效率不是特别好。自从ChatGPT出来之后我们就开始推动过去投的数字经济项目AI化，利用大模型来做升级，这个方向我们去年也做了一些。

　　费建江：您是想问，对于那些希望未来能让AI 对一些行业进行变革的项目，去年投资占比大约是 20% 左右，那今年这个投资占比有没有发生变化?

　　傅哲宽：今年可能多一些。

　　费建江：今年AI方向里重点关注哪些细分的方向或者领域?

　　傅哲宽：我认为一方面还是聚焦于垂直应用，这一部分会更多一些;另一方面则是具身智能领域，我们去年已经投了一些平台特性的具身智能项目(如帕西尼和自变量)，今年会通过这些公司进行整体行业扫描，可能发现一些水下的具身智能领域的投资机会。

　　费建江：今年你的比重是和具身智能相关的，还是产业应用端的?

　　傅哲宽：今年我估计应用端会多一些，比如说我们一直在投产业服务和消费，今年会投资AI化的新消费、新服务。

　　费建江：应该还是偏应用端?

　　傅哲宽：未来我们投的这些基本都是跟AI结合的应用。

　　费建江：因为我们跟峰瑞资本之间的合作还是比较多的，具体数据能不能报一下?

　　陈石：30多个项目，AI项目占比六成以上，我们发现消费TMT组找的项目也有AI属性，医疗和生物科技的项目也有AI属性，比如说偏AI for Science的AI制药。我们在AI方向主要的布局在三个方向：AI基础设施、具身智能，以及AI软硬件应用。目前，我们在具身智能方向大概投资了接近十家公司。2022年中我们在首轮投资逐际动力的时候，具身智能这个概念在业界还不火。

　　费建江：你们前年到去年这个方向重仓?

　　陈石：对。

　　费建江：2025年在AI这个方向，你们是往上还是往下调，关注的点是哪个?去年你们关注芯片领域，今年有什么变化?

　　陈石：今年我们的一个关注重点是AI在各行各业的应用，无论软件还是硬件。此外，我觉得其实有个投资方向之前有点被忽略了，就是数据和数据工程。AI应用时代即将来到，以前做应用的时候靠写代码，以后做应用主要的工作是是训练模型，模型靠什么?模型现在主要靠数据。杨植麟之前说过一个观点或比喻，我很认可，今天如果做一个应用，主要就做两个数据集，第一个叫作测试数据集，测试数据集意味着软件要做成什么样，还有一个是训练数据集，训练数据集关系到你如何实现这些功能，所有工作都围绕着数据为中心的模型训练、调试和部署维护来进行。当然这个比喻在技术层面不太严谨，但是我觉得很形象。

　　费建江：数据也是你们重点看重的方向?

　　陈石：对的，我们投了多家AI应用公司，也投了偏AI数据工程的公司。整体来说今年AI应用是一个重要的投资方向。

　　李竹：我们去年投了20多家新项目，大概60%都是跟AI相关的，主要还是具身智能和AI、3D建模和生成。今年如果投AI应用主要还是TO C的方向，不管是硬件还是软件，我认为这是一个非常明确的。ToC 的应用产生收入较快，也有更强的爆发力。TO B的机会也有，可能会少一些。比如：支持DeepSeek的一体机，帮助垂直行业做模型训练和部署;提高高效互联计算和异构计算的软硬件方案;AI模型和内容的安全平台，等等。目前阶段，这类创业公司业绩成长得很快。

　　费建江：我们去年投了32家公司，跟AI相关的18家，应该是占到60%左右的比例，今年还是我们最重要的投资方向，还有医疗相关的领域。同时，基础设施这个方面我们还是会再投，几位嘉宾没有提到这个方向，辛苦嘉宾们分享。

　　李竹：基础设施肯定是非常长期的方向，我们过去投的高速交换芯片、边缘计算芯片，国内的一些GPU，都是刚需。像这次DeepSeek需要支持FP8计算，我们投的基于Chiplet的AI芯片就是少有能做到的。所以，我觉得这是一个很长期的工作，例如像数据中心过去单个芯片效率还可以，但是互联以后计算效率是比英伟达的整体解决方案低很多，所以出现很多创业公司做这个事情，其实他们都在提升算力效率上面做了很多工作。

　　AI的进化还在进行，现在的模式不是最终的模式，还在演进。因为国内过去在算力方向除了像芯片和交换机这些产生了巨大的收入，其他方面尤其偏软件服务方面，是没有的，这些公司接下来怎样生存下来取得成功，确实需要等待和观察一段时间。

　　陈石：在基础设施方面，我们投资了几家光计算、光通信方向的公司，以及多家半导体公司，包括推理算力芯片。今天DeepSeek已经到了一个顶级模型的阶段，我觉得即将出现一个模型和芯片厂商双向奔赴、迭代发展的机会。例如最近英伟达在DeepSeek开源代码基础上针对英伟达芯片做了少量定向优化，实际性能提高了很多。中国的AI行业，今天有了一个这种双向奔赴、闭环迭代的机会，相当于我们有最好的模型，再加上现在我们的GPU也不错，起码在推理上努力几年说不定会产出一些成果。现在DeepSeek已经可以在国产算力芯片上运行，但是效率还是稍微有点挑战，我相信应该很快就会有所改善。

　　费建江：ChatGPT出来之后，定义了AI 2.0时代到来，DeepSeek让所有人知道AI 2.0真的来了，证明了AI开始对于我们每个行业产生深远影响跟变革，所以刚才各位谈很重要的一个方向就是AI的应用。这个方面我想请大家稍微展开说一下，在哪些行业里面可以看到AI会带来变化，带来什么样的变化，我们投资机会到底在哪里?

　　傅哲宽：我们其实也在关注，我们现在看产业数字化领域的AI升级机会。

　　费建江：能不能细分一下?

　　傅哲宽：我们有好几个产业数字化方向，比如云工厂等。我们有一家PCB行业的工程师社区平台，现在积累的有效数据量应该几千万份，目前在推动他们建立自己行业的垂直模型，建好后未来只要提需求可以自动生成PCB设计图纸，替代EDA工具，产业数字化领域我们还是有比较看好并有优势的。

　　费建江：您说的工业领域对这个行业带来了什么样的变化?

　　傅哲宽：带来的变化还是设计，不需要传统的设计工具了，从而提高效率，降低成本，实现产业升级

　　费建江：想请张总聊一下，因为咱们70%都是第一轮，第一轮意味着你对行业感知最敏锐的，或者比其他人都要最早感觉到行业发展变化，我相信AI也是您重点关注的领域，在应用层面你们会重点关注哪些细分行业?

　　张敏：刚才听了几位大佬的发言，可能我们的观点不太一样。我们站在早期投资的角度来说，认为需要从互联网发展的历史规律来看——历史总是惊人的相似，但不会简单重复。经过多次讨论，我们认为这一波人工智能对人类的改变甚至会比互联网更大，但变革方向和互联网不同。我们把所有项目分成两大类，一大类是原生代的，就是纯AI形式下的新产业链;另一大类就是对原有产业链的延伸。互联网时代确实诞生了许多原生型成功企业，但就当前阶段来看，AI原生型创业虽然存在机会，却难以再现互联网时期的集群式爆发。更多机遇将来自传统产业内部的变革、颠覆或效率提升。因此，我们将更多精力投入对已投项目的持续赋能，通过追加投资帮助他们在AI时代完成转型，我们认为这种策略的成功概率更高。

　　举一个例子，我们认为医疗行业尤其慢性病领域，人工智能非常有机会迅速形成突破，感谢DeepSeek，因为DeepSeek可能会让这个企业本来五千万才能做出来的东西，现在一千万八百万就够了，我们选择赋能这家已运营五年，并且积累了完整行业数据的企业，而不是从零孵化新团队来构建慢性病AI模型。在人工智能领域，我们更倾向于帮助现有项目实现突破。

　　费建江：我理解你的观点，人工智能要从外部变革冲击原有行业可能不太现实，但通过内生性改造，将AI作为内部工具推动变革的可能性更大?

　　张敏：我们认为这个概率更大。首先大模型价格下降，算力成本降低，叠加开源模型普及，现有行业利用AI完成自我革新的概率远高于全新创业公司对行业的颠覆。有个很有意思的观点，就是AI+和+AI的问题，我相信峰瑞资本应该有不一样的思路。

　　陈石：其实部分同意，AI+与+AI各有所长。从ToB SaaS领域的变化来看，我们看到当前SaaS中很大一部分属于流程类SaaS，这类软件如ERP、CRM、项目管理等。这类软件面临显著挑战，因为它们本质上要解决三个问题：第一，就是流程结构化，就是用软件把工作流程进行结构化。第二，就是记录数据。第三，叫作沉淀经验，就是把人类的方法论和最佳实践沉淀在流程中，用于指导运行和实施。

　　今天有几个变化，首先是数据变了，以前是结构化的文本数据，现在是非结构化的多模态数据。第二，经验变了，以前是人类总结的经验，现在语言模型可以从大量数据中形成洞察，可以找出比人类认知更强的经验，你的经验沉淀不再成为你的壁垒优势。第三，最要命的是流程会变，比如说CRM，包括营销、销售、售后三个阶段，通常每个阶段由不同部门负责。然而，随着技术发展(当然现在技术上面没有达到这个程度)，未来可能会出现一种新模式：由一个部门端到端完成整个CRM流程。如果能够通过一个模型端到端完成的话，那么这就不是一个传统的SaaS软件而是全新的自动销售平台。颠覆之后就是新物种，我们看TOB要特别关注这类新物种，要不然把流程变了，要不然就实现完全自动化，或者把以前软件做不到的行业数字化和智能化给做了，比如说服务数字化等等。

　　而且，未来的软件品类会比现在多很多。现在软件也就这些，比如说几十个品类，以后可能会出现各种各样的新软件。所以我觉得在这个方面存在大量的创新机会，许多以前没有的东西会涌现出来。

　　费建江：李竹总对这个话题有什么补充?

　　李竹：从AI的赋能维度来看，其价值取决于替代对象的能力层级——是替代律师、医生还是普通销售人员，这直接决定商业价值的大小。医疗行业虽具备高价值属性，但在实践层面面临数据闭环难题。上一代AI，先解决了有数据闭环的医疗影像诊断，医生看了这个影像，是肺结节，还是肺炎、癌症，都有清晰的判断结果，有大量可供训练的数据。但是现在如果要用AI去用医院的病历数据，能行吗?不行。因为大部分都是部分病程数据，没有形成闭环。所以我们换一个角度思考，AI跟医疗怎样结合，这个数据怎样产生，是不是还得用其他什么方式，我们现在都在思考这个问题。所以，我觉得这和行业有关，而且这个行业一定要用新的方式做，而不是传统AI。

　　另外，效率工具也是一个重点。AI 能够显著提升许多流程环节的效率，这里面其实有一个非常关键的问题，我们自己是否使用 AI。这对于我们所有投资机构而言，不是会不会被颠覆的问题，而是首先就要主动去使用。如果一个机构没有数字化平台，那它根本无法开展 AI 相关工作，在此基础上再去运用 AI。

　　我们去年开年会时，就已经在自己的数字化系统上运用AI 做了一次复盘，结果非常有意思，可以查看相关数据，包括每个团队成员的业绩情况，所有图表都非常清晰地展现了出来。对于投资机构来说，大家利用 AI 来辅助自身投资，甚至帮助做决策，目前在这方面已经有一些效率工具了。

　　费建江：我们投资机构也要用到AI。甘剑平总，您提到的AI应用布局中重点关注哪些具体领域?

　　甘剑平：我们一直在考虑一个事情，如果很多AI模型是开源的，那我们怎么样去分配开源模型所带来的经济价值，过去有很多开源的社区，有很多人提供了各种各样的代码，但是大多数都是为了兴趣爱好而没有真正地得到经济利益，所以长远来讲这个不可持续的。

　　所以，我们的海外基金投了几个有意思的AI社区项目，社区上面会有跟区块链挂钩，用加密货币去奖赏这些为开源社区做出贡献的开发者或者数据提供者。我们昨天有一个海外的被投公司MyShell，上了加密货币，它是一个AI社区，主要是有很多兴趣爱好者为整个社区提供各种各样的开源大模型、中模型、小模型数据集等等，当它上了加密货币之后，未来可以通过加密货币奖赏各种各样的开源的开发者、提供者，然后通过算法来奖励大家。某种意义上说，也许未来的人类，有可能就是用这种方法去分配资源和财富。

　　费建江：投资角度是怎样的投法?

　　甘剑平：作为 VC，肯定要敢于大胆尝试，去搏取更大的回报。如果能成功投资到一家有潜力的公司，那回报自然会很丰厚。就像现在马斯克很火爆，他的推特本来是一个开源社区，很多人为其提供内容。马斯克内心是想用加密货币来分配推特社区里各种内容提供者的奖励，比如写文章的人会得到很多奖励。而且通过算法可以知道有多少人喜欢或不喜欢你写的内容，绝大多数人可能不怎么写内容，只是看，但即使只是给内容点个赞，也能得到一定数量的货币奖励。如果有这样的企业或者社区，通过这种方式分配加密货币给社区里的所有人，不管你是模型开发者、数据提供者，还是仅仅是个旁观者，但只要参与点赞等互动，这或许就是未来社会分配的一种方法和方式。如果作为这样一种算法规则制定的企业，我相信是会获得很好的回报的。

　　李竹：我补充一下，未来随着智能体的增加，会产生一些内容都是智能体产生的，我觉得Web3这个东西天然是为了智能体或者具身智能产生的，就是它分布式计算记住哪个智能体产生什么东西分配奖励，包括机器人也是一样，未来不是对人来做记账，可能是对智能体来记账。

　　甘剑平：未来，所有的基础工作都将由机器人或人工智能来完成。那么，人类该做些什么呢?有一种观点认为，会有一种基础收入制度，即只要是我们国家的公民，就能获得一定的收入。然而，仍有许多优秀的人才，他们从事算法研发和芯片开发等工作，会因此获得更多的奖励。对于绝大多数人而言，他们的价值在于为整个AI 系统提供个人数据。

　　费建江：还是回到与投资相关的话题。刚才包括张总也提到了AI + 和 + AI 的问题，这背后反映出我们在考察一个项目、一个团队时，要看团队基因到底是行业的基因还是 AI 基因。但我个人认为，这可能因行业而异，有些行业会被 AI 取代，尤其是那些 AI 特别强的领域;而有些行业则需要借助 AI 进行内部变革，从而实现提升，这在这些行业中尤为重要。在座的各位，原则上都是做早期投资的，包括啟赋资本，原来专注于早期投资，现在逐渐向成长期拓展，但早期投资的基因肯定还在。对于我们这些早期投资机构来说，至关重要的一点就是如何寻找早期项目，以及从哪里找到这些项目。现在 AI 是大家重点关注的方向，所以我想请各位简单谈一下，在寻找 AI 项目方面，各位有什么独门秘籍，可以分享给在座的各位，供大家参考。我相信每个独门秘籍都与你们自身的基因相关，说出来别人不一定能学会，所以希望大家各自分享一些独特的见解，张总先来谈谈?

　　张敏：我们做过一次复盘，梳理了投资的两百多个项目，再看现在给我们带来的回报，经过分析发现，最差的就是那些参加各类比赛、做演讲的项目，基本是被挑剩下的。而最好的项目还是通过“顺藤摸瓜” 的方式找到的，我们会继续沿用这种方式。无论把它称作 “经验陷阱”，还是依据自己目前投资的优秀创业者，以及比较熟悉的行业上下游和相关合作链去挖掘人工智能领域的潜力项目，都是如此。

　　费建江：你们在做分类时，有没有分析过产业界和高校里的项目?

　　张敏：相比高校，产业界的情况要更好。

　　费建江：那高校出来的项目是属于不好还是还行?

　　张敏：属于相对不好的。

　　费建江：这就是残酷的现实。

　　张敏：就我们所看到的，政府推荐、院士推荐的项目，大多数成功率也并不高。

　　费建江：感谢张总的干货分享。李竹总也有很多秘籍，您是清华系的，投了不少清华项目，按照张总的说法，您能不能分析一下你们的情况大概是什么样的?

　　李竹：我们确实投了很多清华校友的项目，不过这些人很多都是从大企业出来后创业的。未来两三年，投资AI 项目，人才是最关键的因素。这和当初移动互联网时代众多VC 找项目时主要看人的情况类似。但我觉得，如果从当下的节点来看，过去两年我们看人主要看他的技术，看大模型的能力。技术加资本是过去两年竞争的重点，而未来可能更看重产品的定义能力和运营能力。因为回顾移动互联网时代，像美团、字节跳动这样成功的公司，其创始人都是产品力极强的，所以我们现在在投资时也会有这样新的考量。

　　费建江：就是说要从产业里去看项目?

　　李竹：我们要找具备产品定义能力的人，既想寻找大学毕业的天才，也关注从产业界出来的人。不管怎样，这些人一定要有非常快的转型能力，对大模型的把握能力是基础。过去几年硬科技领域大家创业，未来AI 产业也会迎来创业潮，在这个转型过程中，对大模型的掌握能力是必备的。

　　甘剑平：我补充一下，过去我们鲜少会投直接从高校出来的项目。但最近几年有很大的变化，因为AI 本身是计算机科学的应用，所以越来越多具备一线科研能力的研究者走出来，如果能匹配到一些从行业里出来的商业经验丰富的联合创始人，成功的概率会更高一些。我们看项目有两个方面，一是从上往下，一是从下往上。从下往上的话，我们在某个阶段会专注于某个细分行业，比如十几年前我们会专注于移动互联网，过去几年则更多关注 AI。AI 有很多细分领域，从大模型到社区、数据采集公司等，我们都会关注一些细分领域。在这些细分领域里，任何时间段内，我们都希望投到跑在最前面的第一名或第二名，我们并不在乎创业者是否名校毕业，是国内还是海外留学回来，只要在细分领域里，我们希望能在一个时间段内投到第一名和第二名。当然，未来第一名也可能被淘汰，这是另一回事，但首先我们要聚焦几个细分领域，然后寻找在这些领域里、在某个时间段内最出色的公司。

　　傅哲宽：早期投资方面，我们和大家一样，都是以人为本，更倾向于有产业经验的人。

　　费建江：峰瑞资本对从海外回来的创业者抓取能力特别强，你们在这方面有什么调整吗?

　　陈石：还是会关注，但也不局限。我赞同李竹总说的，以前投AI，主要投资逻辑是“技术叙事”;现在投AI应用，除了关注技术之外，更要回到“商业模式”本身，重点考验团队对行业和商业的认知。所以，今天我们投AI应用的逻辑是：技术为先，场景为重。

　　费建江：那这样的团队到哪里找呢?

　　陈石：目前，我觉得大厂里的人可能更具优势。大厂里的人对行业有足够的理解，对AI 业务也很熟悉。总体来说，高校在做应用方面的优势可能有点不明显。总之，在AI应用领域，我们更看重能力，而不是背景，应用不问来处。

　　费建江：我们今天讨论的主题是AI，我相信在座的每一位都很清楚 AI 新一轮的大潮已经来了。最后请各位用简单的一到两句话，说说对 2025 年 AI 发展有什么样的展望。

　　张敏：我们的感觉是这样，虽然我们刚才说行业内部的AI 更有可能改变、颠覆行业，但未来真正估值最高、最挣钱、最让人充满激情的，可能还是 AI 原生代。从历史来看，未来几年，世界上估值最高的 50 个市场价值最大的公司，可能大部分都来自人工智能原生代，而且这极有可能才刚刚开始。我们的观点是，这几年最关键的就是抓住这个机会，互联网时代我们没抓住，人工智能时代我们希望不要浪费这个机会，而且很有可能这几年里面就会出现这样的机会。

　　李竹：我觉得我们可能正在一个新时期的转折点上。近期出现了几个特别大的变化，让大家的预期和决策都发生了改变。DeepSeek 的出现是一个标志性事件，虽然它最后能不能成为巨头现在还不好说，但中国科技在这方面已经引起全球瞩目并重新评估了。前段时间民营经济企业家座谈会，不仅要关注谁去参加了，更应该关注会上谈到的内容。我认为，这为未来几年的经济从谷底走出来营造了非常好的环境，环境在变化，预期也在变，这两点是非常重要的。第三，中国创业生态和创始人的变化也很明显。以前很多是从大企业出来的，但是中国科技发展到今天，有的细分领域已经进入无人区，这些前沿科技的落地也有待大院大所出来的优秀年轻人创业。例如美国的微软、谷歌、Meta等，创始人都是大学刚毕业就创业。对于我们做早期投资的人而言，发现他们，是巨大的机会，也是我们的使命。

　　甘剑平：我相信大家都认同AI 会改变很多行业，2025 年可能会是 AI 开始颠覆某些行业或者某些大厂的起点，比如自动驾驶，已经讨论了十几年了，有可能 2025 年就是真正用无人驾驶大规模取代有人驾驶的开始。

　　傅哲宽：我觉得2025 年AI投资领域可能会出现泡沫化的趋势，尤其是在人形机器人领域，现在已经有点这种感觉了，所以我们公司在投资时还是非常慎重、冷静地看待和投入。

　　陈石：两句话，第一，AI 的上限是由模型能力的进步确定的，AI 的下限是由商业化能力产生的。所以，我希望未来三年模型能力能持续进步，同时商业化也能有很好的收入。这大概就是我的期望。

　　费建江：感谢各位嘉宾。因为AI 的大浪来了之后，我们台上各位包括台下诸位应该都是大潮里的弄潮儿，弄潮儿无非两种结果，一种可能站在潮头，另一种可能被浪拍死，衷心希望大家都能站在潮头。再次感谢各位嘉宾!