启明创投从2013年左右开始投AI，投得早，也投得多。十年过去，他们在百模大战、大模型融资潮、具身智能炒作的海浪里仍维持着一个稳健VC的姿势：步伐不疾，但总能接住浪头。 在2025WAIC（世界人工智能大会）前夕，启明创投主管合伙人周志峰和执行董事胡奇向外界释放了一个信号：AI投资正在从“盲人摸象”式的早期探索，转向更具战略性和系统性的布局。这不仅是投资策略的转变，更是一场对于“AI如何落地”的深度思考。 “现在任何大模型在基准测试榜上的领先优势不会超过三个月，这几家会呈现你追我赶、交替上升的竞争态势。”周志峰分析道。 在他看来，大模型公司之间的技术演进本质上是一场不断轮动的赛跑。“一个模型刚刚突破性能，三个月后就可能被超越。”大家在同一个成本下降曲线上竞速，从“可用”进化到“好用”，但尚未跨入“标志性应用”的门槛。 周志峰预测，AI+内容是近期最有可能出现“超级AI应用”的地方。“生成式AI天然适合内容生成，可能颠覆传统互联网的连接模式，带来范式转移，这正是超级AI可能出现的地方。我们已布局一些公司，但谁能成下一个‘字节跳动’，现在还不好说。” 过去两年，国内新成立的具身智能公司已超过100家。哪怕这个赛道已经“打满”，启明创投AI投资团队每周仍然能收到几份新的创业BP。周志峰曾反复询问创业者：“为什么还要下场？”得到的回答竟出奇一致：因为“机器人是人类基因中的梦想”。 然而，热爱不能代替现实。启明创投是优必选、银河通用、它石智航、原力灵机等公司的早期投资方。周志峰非常清楚，机器人要想实现大规模商业化，还有不少“拦路虎”。 例如，一个常被忽视的问题是“节拍”，机器人执行动作的速率远低于人类，要想提升效率，就得增加极高扭矩的关节电机，而这面临巨大的工程难度和成本问题；机器人缺乏像大模型那样海量高质量的训练数据，限制了其泛化能力，更别提家庭场景那一关。“恐怖谷效应”还没解决，安全性、性价比都撑不起普及的基础。 启明创投判断，智能机器人将率先在拣选、搬运、组装等场景实现规模化部署，积累大量机器人第一视角数据与带触觉的操作数据，进而构建“模型—本体—场景数据”的闭环飞轮。这一飞轮将驱动模型能力迭代，最终推动通用机器人迈向大规模落地。 周志峰解释道，过去的大模型成本高得离谱，一个普通用户一天推理就可能“烧掉”几百元；要真有亿级日活的平台，一天的成本就是天文数字。但现在情况变了，从DeepSeek到谷歌最新的模型，推理成本正快速下降。与此同时，模型能力也在快速进化，从“可用”进入“好用”，在逻辑推理、任务分解、语义理解上的表现越来越接近人类。 因此，超级应用的技术土壤已经具备，就差一个契机：哪个领域率先让AI变成刚需？哪个场景能容纳亿级用户每天反复使用？哪个产物真正打破了平台与用户旧的边界？ 胡奇说：“很多产物是被‘喊’出来的，而不是‘长’出来的。被‘喊’出来的产物，一篇公众号文章能让投资人一身汗，生怕错过。但三个月过去，这些公司该见的人见完了，数据还是没交出来，最终不了了之。” “但‘长’出来的产物，有实实在在的数据。”他说，“真正靠谱的AI项目，不用炒，老板会问你：‘我看那家公司收入都过亿了，你们看过吗？’这才是真需求。” 在他们看来，如果你今天用Agent解决了某个高频任务，并实现了结果导向的交付，那就是真需求。但如果只是“调度能力”或“API调用能力”的新包装，还没有跑出结果，那就未必值得投资。 相较竞争格局日渐明晰的基础模型和语言模型领域，胡奇会关注其他模态的小模型。“像AI for Science、AI安全，以及一些偏冷门的小模态模型，有可能在未来三五年里走出真正的爆点。”他说。 “投资，当然要逐浪而行，但前提是你必须有自己的方法论，把噪声过滤掉。我们会判断：这项技术是否到了商业化的转折点？哪种团队基因在当前阶段最有可能成功？只有想清楚这些，才能在别人因为‘错失恐惧症’而焦虑时，我们能笃定地出手。”周志峰说。
