Produksi | Kelompok Teknologi Huxiu
Penulis | Chen Yifan, Liu Xuanqi
Editor | Miao Zhengqing
Gambar Header | Dihasilkan oleh AI
Ini adalah artikel ke-21 dari seri "Melacak Paradigma Bisnis Token Baru" WAIC Huxiu
Dalam investasi teknologi, usia tidak pernah menjadi syarat yang cukup untuk menilai kemampuan. Namun, dalam fase peralihan paradigma teknologi yang cepat, investor muda layak untuk diamati secara terpisah.
Alasannya tidak rumit. AI, robotika, penerbangan komersial, dan komputasi kuantum sedang berjalan bersamaan. Kecepatan teknologi baru berkembang dari makalah menjadi produk, dari laboratorium ke industri jelas-jelas semakin cepat. Logika investasi tradisional masa lalu tidak lagi berlaku. Untuk masuk ke proyek-proyek ini, investor tidak bisa hanya mengandalkan model keuangan dan pengalaman industri matang, tetapi juga harus memahami bahasa teknologi, menerima rute yang belum konvergen, dan membuat penilaian sebelum konsensus terbentuk.
Di era internet seluler, sebuah perusahaan dapat membuktikan dirinya dengan pertumbuhan pengguna, retensi, pendapatan, dan efek jaringan. Proyek AI dan teknologi keras saat ini mungkin menjangkau algoritma, chip, sensor, rantai pasokan, skenario industri, dan sistem regulasi. Investor harus memahami lompatan teknologi, menilai kemampuannya untuk menjadi produk yang stabil, membentuk lingkaran tertutup data dan pelatihan, serta menemani perusahaan melalui siklus rekayasa dan komersialisasi yang panjang.
Pada WAIC tahun ini, dirilis daftar "Alfa α Pemimpin Investasi Pemuda", yang memilih 10 investor generasi baru. Namun, di luar papan peringkat, yang lebih penting adalah ketika arah investasi dan penilaian ini dilihat bersama, ini lebih seperti peta tren investasi teknologi yang sedang terbentuk.
Rincian Peringkat Investor Muda WAIC FUTURE TECH
Peta ini mengungkapkan perubahan umum: modal sedang beralih dari mengejar istilah teknologi ke mengidentifikasi jalur nyata teknologi masuk ke industri. Peluang putaran berikutnya mungkin bukan milik konsep yang paling lantang, tetapi lebih mungkin muncul di link yang belum merasakan manfaat model, kesenjangan kemampuan yang belum terpenuhi di dunia fisik, dan infrastruktur yang membutuhkan modal jangka panjang masuk lebih awal.
Tren 1: AI Sedang Meninggalkan Layar, Masuk ke Dunia Fisik
Beberapa tahun terakhir, pintu masuk utama pasar memahami AI adalah model besar, chatbot, dan aplikasi generatif. Kini, pandangan investasi sedang bergerak ke perangkat ujung, robotika, mobil, sistem industri, dan infrastruktur luar angkasa. AI tidak lagi hanya menghasilkan teks atau gambar, tetapi harus merasakan lingkungan, memahami maksud manusia, dan menyelesaikan tindakan di dunia nyata.
Inilah alasan mengapa kecerdasan terwujud, robot humanoid, perangkat keras AI, dan kecerdasan ujung mendapat perhatian terpusat. Zhou Xin, Direktur Eksekutif Investasi Jinqiu Fund, mulai memperhatikan robotika sejak 2018.
Dalam diskusi panel, dia mengingatkan bahwa gelembung kecerdasan terwujud bukan karena teknologi tidak berkembang, tetapi pasar menerapkan kecepatan iterasi model bahasa besar langsung pada robot yang terhubung dalam dengan dunia fisik. Peningkatan kemampuan model tidak sama dengan sinkronisasi realisasi skenario. Demo yang bagus dapat menciptakan imajinasi, tetapi tidak dapat menjawab apakah robot dapat menjalankan seratus kali berturut-turut, apakah tingkat kesalahan terkendali, apakah biaya penyebaran dan pemeliharaan dapat turun, dan apakah ROI akhir dapat dicapai.
Penilaian ini menarik persaingan kecerdasan terwujud dari "efek demo" kembali ke "kemampuan pengiriman". Dunia nyata tidak memiliki kata kunci untuk diulang. Pabrik, gudang, rumah, dan ruang publik semuanya menuntut sistem untuk menangani kebisingan, keausan, situasi mendadak, dan perilaku manusia yang tidak terduga. Model hanyalah satu lapisan, sentuhan, penginderaan, aktuator, sistem kontrol, pengumpulan data, dan umpan balik skenario bersama-sama menentukan apakah produk dapat bekerja.
Kehangatan modal dapat diukur.
Laporan Perkembangan Kecerdasan Terwujud (2025) dari China Academy of Information and Communications Technology menunjukkan bahwa hingga Desember 2025, ada 744 peristiwa investasi di bidang kecerdasan terwujud dan robotika di Tiongkok, dengan total pendanaan 73,543 miliar yuan. IDC memperkirakan pengiriman robot humanoid global pada tahun 2026 akan melebihi 50.000 unit, meningkat 178%.
Tetapi data dingin realisasi juga ada: dalam pendapatan robot humanoid Unitree Technology pada sembilan bulan pertama tahun 2025, kontribusi dari bidang pendidikan dan penelitian ilmiah mencapai 73,6%. Peralatan banyak dijual ke universitas dan institusi penelitian, masih ada jarak untuk menciptakan nilai nyata di pabrik. Ini justru membuktikan peringatan Zhou Xin: kemajuan model tidak dapat langsung disamakan dengan kemajuan realisasi.
Kecerdasan ujung dengan demikian menjadi petunjuk penting lainnya. Menurut Zhou Xin, jika AI adalah revolusi kognitif setingkat revolusi industri, kecerdasan tidak mungkin hanya ada di awan dalam jangka panjang. Jaringan kognitif masa depan akan terdiri dari awan dan ujung bersama-sama: lapisan bawah adalah chip dan pembawa perangkat keras, lapisan tengah adalah lingkungan operasi yang dibentuk di sekitar Agen, dan lapisan atas adalah aplikasi yang dapat memahami kebutuhan pribadi. Agen mungkin secara bertahap menjadi pintu masuk interaksi perangkat keras, memahami preferensi, riwayat, dan status pengguna ke atas, serta memanggil ponsel, kacamata, mobil, robot, dan perangkat rumah tangga ke bawah.
Ini akan mengubah model bisnis perangkat keras AI. Perangkat keras tidak lagi hanya memperoleh pendapatan dari penjualan satu kali, tetapi mungkin menciptakan nilai melalui layanan berkelanjutan. Hambatan nyata juga bukan hanya "perangkat ditambahkan AI", tetapi apakah perangkat dapat menurunkan ambang penggunaan, dan membentuk hubungan data dan layanan yang stabil di sekitar pengguna.
Langkah-langkah investasi dari beberapa investor dalam daftar telah berkembang di sepanjang rute ini: Bai Zeren, Wakil Presiden Houxue Capital, memperhatikan pengiriman tanpa awak, penginderaan sentuh, dan pengemudian otonom kargo jarak jauh. Guo Jing, Manajer Investasi Yaotu Capital, memperhatikan robot khusus vertikal, kelompok drone, dan robot instalasi fotovoltaik. Pengiriman tanpa awak adalah salah satu lintasan tercepat di "AI masuk ke dunia fisik": total pendanaan industri pada 2025 mendekati 10 miliar yuan. Baixiniu, yang berinvestasi di Linear Capital tempat Bai Zeren bekerja, pada tahun yang sama menyelesaikan tiga putaran pendanaan, kumulatif lebih dari 100 juta dolar AS, kendaraan operasional aktif tumbuh dari sekitar 100 unit pada akhir 2023 menjadi lebih dari 2000 unit pada Desember 2025, beroperasi secara teratur di lebih dari 170 kota di seluruh dunia. Bisnis semacam ini tidak memiliki demo yang menakjubkan, tetapi setiap hari diuji efisiensi, biaya, dan keandalannya. Setelah AI memasuki dunia fisik dari dunia digital, imajinasi teknologi tetap penting, tetapi pengiriman skala besar akan menjadi titik perbedaan yang lebih keras.
Tren 2: Manfaat Model Besar Belum Berakhir, Fokus Persaingan Beralih ke "Roda Terbang Cerdas"
Ketika pasar terus mencari arsitektur dan konsep baru generasi berikutnya, fakta yang mudah diabaikan adalah: manfaat industri dari model besar generasi ini mungkin masih jauh dari terlepas.
Hu Qi, Direktur Eksekutif Qiming Venture Partners, mengemukakan bahwa salah satu konsensus palsu terbesar saat ini adalah terlalu banyak perhatian pada teknologi lompatan berikutnya, tetapi kurang membahas bagaimana membuat model besar yang ada benar-benar menyelesaikan rekonstruksi produktivitas. Setelah TCP/IP menjadi protokol standar, manfaat internet dilepaskan dalam waktu lama; teori Bayes dan CNN juga terus mempengaruhi sistem teknologi baru setelah diajukan bertahun-tahun yang lalu. Teknologi dasar dari munculnya hingga mengubah industri biasanya bukan proses linear satu atau dua tahun. Model besar memasuki pandangan publik hanya dalam beberapa tahun, sistem komersial, proses organisasi, dan infrastruktur industri belum sepenuhnya mengikuti kemampuan model.
Ini berarti investor tidak harus memilih antara "terus berinvestasi dalam model besar" dan "mencari teknologi generasi berikutnya". Pertanyaan yang lebih penting adalah, perusahaan mana yang dapat menanamkan kemampuan model yang ada ke dalam alur kerja nyata, membentuk nilai yang tidak mudah dihapus oleh peningkatan model berikutnya.
Liu Yunjie, Direktur Investasi Jingya Capital, menyebut kemampuan ini sebagai "Roda Terbang Cerdas". Pengguna menggunakan produk menghasilkan data, data masuk ke proses pelatihan atau pengoptimalan, peningkatan kemampuan model memperbaiki pengalaman, pengalaman yang lebih baik membawa lebih banyak pengguna, skenario, dan umpan balik. Lingkaran tertutup data, lingkaran tertutup pelatihan, dan lingkaran tertutup umpan balik pengguna saling mendorong, perusahaan dengan demikian memperoleh kemampuan peningkatan diri yang berkelanjutan.
Jika penilaian ini diterapkan pada perusahaan tertentu, Zhipu dan Kling dapat menjadi dua contoh. Moderator menyebutkan dalam diskusi panel bahwa Hu Qi pernah menempatkan posisi besar di Zhipu sebelum pasar meledak. Zhipu, pendapatan dari tahun 2022 hingga 2024 meningkat dari 57,4 juta yuan menjadi 312,4 juta yuan, tingkat pertumbuhan majemuk tiga tahun sekitar 130%, pendapatan paruh pertama 2025 sebesar 190,9 juta yuan, meningkat 325% year-on-year, dan pada Januari 2026 terdaftar di Bursa Efek Hong Kong, menjadi "saham pertama model besar global". Kling AI dari Kuaishou menunjukkan kecepatan komersialisasi setelah kemampuan model tertanam dalam alur kerja kreatif: dibuka untuk pengujian pada Juni 2024, sekitar 45 hari kemudian sistem biaya diluncurkan, pendapatan tahun 2025 sekitar 1,04 miliar yuan, pendapatan bulan Desember melebihi 20 juta dolar AS, hingga akhir 2025 pengguna global lebih dari 60 juta, menghasilkan lebih dari 600 juta video, melayani lebih dari 30.000 perusahaan klien dan pengembang. Penciptaan pengguna, arus balik data, iterasi model, peningkatan pengalaman, setiap putaran roda terbang langsung diubah menjadi pendapatan.
Dilihat dari kerangka ini, indikator inti perusahaan AI juga perlu berubah. ARR, GMV, dan efisiensi SaaS masih memiliki nilai referensi, tetapi tidak cukup untuk menunjukkan apakah perusahaan memiliki hambatan jangka panjang. Suatu fungsi mungkin dengan cepat terdepresiasi karena peningkatan model dasar; sistem yang benar-benar masuk ke alur bisnis, dapat mengumpulkan data khusus dan terus belajar, mungkin menjadi lebih kuat seiring kemajuan model.
Liu Yunjie lebih lanjut membagi rantai nilai cerdas menjadi tiga lapisan: generasi kecerdasan, distribusi kecerdasan, dan perwujudan kecerdasan di dunia fisik. Model dunia, penemuan obat termasuk dalam generasi kecerdasan; Agen dan Agen tingkat perusahaan bertanggung jawab atas distribusi kecerdasan; kecerdasan terwujud, pengemudian cerdas mengubah kecerdasan menjadi tindakan fisik. Kerangka ini membagi "jalur AI" menjadi rantai nilai yang lengkap. Modal mencari tidak lagi hanya aplikasi populer tertentu, tetapi perusahaan yang dapat menempati posisi platform di setiap lapisan, membentuk lingkaran tertutup umpan balik.
Oleh karena itu, fokus investasi model besar sedang berubah. Pertanyaan masa lalu adalah "model siapa yang lebih kuat", pertanyaan selanjutnya adalah "siapa yang dapat mengubah kemampuan model menjadi sistem yang semakin kuat dan semakin dalam ke bisnis".
Tren 3: Hambatan Data Melahirkan Teknologi Dasar Baru, Model Dasar Ilmiah Menjadi Arah Non-Konsensus
Ketika model besar terus berkembang, cepat atau lambat akan menghadapi masalah yang lebih mendasar: data manusia berkualitas tinggi terbatas, dan biaya pengumpulan dan pelabelan tinggi. Ketika korpus internet dan umpan balik manusia mendekati hambatan, dari mana model masih bisa mendapatkan pengalaman baru?
Hu Qi menganggap pembelajaran penguatan, permainan mandiri, dan iterasi berkelanjutan sebagai jawaban yang mungkin. Dia mengambil contoh AlphaGo Zero: model hanya menguasai aturan Go, menghasilkan pengalaman melalui permainan mandiri, meningkatkan kemampuan tanpa bergantung pada catatan permainan manusia. Mekanisme serupa apakah dapat bergerak dari permainan dengan aturan jelas ke penelitian ilmiah yang lebih kompleks, sistem rekayasa, dan tugas nyata, akan menentukan apakah AI dapat menembus ketergantungan pada data yang ada.
Ini juga menyediakan seperangkat standar untuk menilai teknologi dasar. Pertama-tama harus dapat membawa peningkatan universal dalam industri yang cukup besar, bukan hanya efektif untuk link lokal satu perusahaan; kedua harus memperluas batas kemampuan AI, seperti menyelesaikan masalah data, penalaran, atau pembelajaran berkelanjutan; terakhir harus dapat diuji oleh waktu, tidak hanya berlaku dalam satu narasi teknologi.
Mengikuti logika ini, model dasar ilmiah menjadi arah non-konsensus yang layak diperhatikan. Ini tidak sepenuhnya sama dengan AI for Science yang umum. Yang terakhir sering dipahami sebagai otomatisasi laboratorium, prediksi struktur protein, penemuan material, atau alat penelitian titik tunggal tertentu; model dasar ilmiah mencoba membangun kemampuan model yang lebih mendasar dan universal di bidang ilmu kehidupan, material, dan simulasi, melayani beberapa tugas dalam satu disiplin.
Kesulitan arah ini juga jelas. Data ilmiah memiliki karakteristik profesionalisme yang kuat, standar tidak seragam, perolehan mahal, dan hasil penelitian itu sendiri mungkin memiliki kesalahan bahkan pemalsuan. Model tidak hanya harus belajar literatur dan data eksperimen, tetapi juga menilai kualitas bukti, memahami hukum disiplin, dan membentuk siklus verifikasi dengan eksperimen nyata. Saat ini masih belum pasti apakah di masa depan setiap disiplin ilmu besar akan membentuk model dasarnya sendiri, atau akan muncul arsitektur terpadu lintas disiplin. Tetapi masalah yang dituju sudah cukup jelas: ketika nilai marginal data internet umum menurun, data berkualitas tinggi di dunia profesional, hukum ilmiah, dan umpan balik eksperimen, mungkin menjadi sumber penting pertumbuhan kemampuan model putaran berikutnya.
Tren 4: Semakin Dekat dengan Zona Teknologi Keras, Semakin Membutuhkan Modal Sabar
Dibandingkan dengan aplikasi AI, penerbangan komersial, komputasi kuantum, komputasi luar angkasa, dan energi maju memiliki siklus validasi yang lebih lama. Mereka sulit membuktikan diri dengan data beberapa bulan setelah peluncuran produk, rute teknologi, kemampuan rekayasa, rantai pasokan, kualifikasi, standar industri, dan kebutuhan industri harus matang bersama dalam waktu yang relatif lama.
Penilaian Wang Shuhe, Wakil Presiden Houxue Capital, tentang komputasi kuantum mencerminkan pengendalian ini. Rute fotonik, atom netral, ion saat ini masing-masing memiliki kelebihan dan hambatan, masih ada ketidakpastian besar kapan komputasi kuantum universal akan terwujud. Selain masalah rekayasa seperti desain perangkat dan rantai pasokan, industri juga menghadapi masalah dasar seperti material, algoritma, mekanisme fisika, talenta, dan standar evaluasi. Jalur yang lebih realistis mungkin adalah membuat komputasi kuantum bekerja sama dengan superkomputer klasik, GPU, dan CPU secara modular, daripada berharap komputasi kuantum universal menggantikan sistem yang ada secara mandiri dalam jangka pendek.
Ketidakpastian tidak berarti tidak memiliki nilai investasi. Kehangatan yang cukup di industri depan akan menarik talenta, modal, dan sumber daya industri, meskipun tidak semua perusahaan dapat berhasil, dalam prosesnya masih akan mengendapkan pengalaman rekayasa, kemampuan rantai pasokan, dan hasil teknologi yang dapat dipindahkan. Kuncinya adalah, modal tidak dapat langsung mengkonversi kemungkinan jangka jauh menjadi kepastian jangka pendek, juga tidak dapat sepenuhnya meninggalkan penilaian di tahap awal hanya karena komersialisasi masih jauh.
Hal yang sama berlaku untuk penerbangan komersial. Industri ini melibatkan peluncuran, persetujuan, izin kualifikasi, pengujian, manajemen kualitas, dan kolaborasi rantai pasokan, rantainya jauh lebih panjang daripada produk perangkat lunak umum. Tetapi industrialisasinya sedang dipercepat: pada tahun 2025, Tiongkok menyelesaikan 87 peluncuran luar angkasa, di mana perusahaan roket komersial swasta melakukan 23 kali, 324 pesawat ruang angkasa memasuki orbit; total pendanaan industri mencapai 18,6 miliar yuan, meningkat 32% year-on-year, pesanan layanan peluncuran komersial meningkat sekitar 40% year-on-year. Modal ventura tidak mungkin menunggu perusahaan sepenuhnya melewati "lembah kematian" sebelum masuk, karena pada saat itu jendela investasi awal sering sudah tertutup. Investor perlu mencari yang tidak berubah dalam perubahan: apakah permintaan pasar akhirnya akan muncul, apakah tim memiliki kemampuan penelitian dasar dan organisasi rekayasa, dapat menangani masalah rantai pasokan dan komersialisasi, dan apakah memiliki ketangguhan yang cukup, menunggu pintu industri benar-benar terbuka.
Perhatian Wang Shuhe pada robot terwujud luar angkasa adalah contoh konkret penilaian semacam ini. Kedengarannya seperti gabungan beberapa konsep populer penerbangan komersial, robotika, dan AI, tetapi di belakangnya telah muncul kebutuhan yang jelas. Dengan peningkatan jumlah satelit, penanganan satelit yang habis masa pakai, pembersihan puing-puing luar angkasa, pemeliharaan di orbit, dan konstruksi di orbit akan menjadi bagian dari ekosistem luar angkasa. Ketika penerbangan komersial bergeser dari "bagaimana mengirim perangkat ke atas" ke "bagaimana menggunakan dan memelihara sumber daya luar angkasa dalam jangka panjang", infrastruktur dan sistem layanan baru akan muncul.
Perhatian dalam daftar terhadap komputasi luar angkasa, material energi udara dan luar angkasa, dan komputasi kuantum menunjukkan bahwa investor muda tidak membatasi pandangan mereka pada aplikasi AI yang lebih cepat terwujud. Mereka juga masuk ke bidang-bidang yang rute teknologinya belum sepenuhnya konvergen, tetapi mungkin membentuk kembali dasar industri masa depan. Kesabaran teknologi keras tidak berarti melepaskan pengembalian, tetapi menaruh pengembalian pada skala waktu yang lebih panjang. Investasi seperti ini menuntut modal cukup awal, dan cukup sabar.
Ketika AI dari awan masuk ke perangkat, dari konten digital masuk ke tindakan fisik, ketika investasi teknologi berkembang dari perangkat lunak ke chip, energi, robotika, dan infrastruktur luar angkasa, peran modal juga akan berubah. Ia perlu lebih awal memahami teknologi, lebih dalam masuk ke industri, dan membuat pilihan jangka panjang ketika hasilnya belum jelas. Yang layak diamati dari daftar ini adalah bagaimana investor generasi ini akan belajar membuat pilihan semacam ini.
Artikel ini dari Huxiu, penulis: Chen Yifan_YF Tautan asli: https://www.huxiu.com/article/4877273.html?type=text
