出品|虎嗅科技组
作者|陈伊凡、刘煊琦
编辑|苗正卿
头图|AI生成
这是虎嗅WAIC“追踪Token商业新范式”系列文章第21期
在科技投资中,年龄从来不是判断能力的充分条件。但在技术范式快速切换的阶段,年轻投资人值得被单独观察。
原因并不复杂。AI、机器人、商业航天和量子计算正在同时推进,新技术从论文走向产品、从实验室进入产业的速度明显加快,过去的传统投资逻辑不再奏效,投资人要进入这些项目,仅靠财务模型和成熟行业经验已经不够,还要理解技术语言,接受尚未收敛的路线,并在共识形成之前作出判断。
移动互联网时代,一家公司可以用用户增长、留存、收入和网络效应快速证明自己;今天的 AI 与硬科技项目,却可能横跨算法、芯片、传感器、供应链、工业场景和监管体系。投资人既要看得懂一次技术跃迁,也要判断它能否成为稳定产品,能否形成数据与训练闭环,还要陪企业穿过漫长的工程化和商业化周期。
今年WAIC上,发布了“阿尔法α青年投资领袖”名单,选出了10位新生代投资人,但是榜单之外,更重要的是,把这些投资方向和判断放在一起看,它更像一张正在生成的科技投资趋势图。
WAIC FUTURE TECH青年投资人榜单详情
这张图透露出一个共同变化:资本正在从追逐技术名词,转向识别技术进入产业的真实路径。下一轮机会未必属于最响亮的概念,而更可能出现在模型红利尚未释放的环节、物理世界仍未补齐的能力缺口,以及需要长期资本提前进入的基础设施中。
趋势一:AI 正在离开屏幕,进入物理世界
过去几年,市场理解 AI 的主要入口是大模型、聊天机器人和生成式应用。如今,投资视线正在向端侧设备、机器人、汽车、工业系统和空间基础设施移动。AI 不再只是生成一段文字或一张图片,而要感知环境、理解人的意图,并在真实世界里完成动作。
这也是具身智能、人形机器人、AI 硬件和端侧智能受到集中关注的原因。锦秋基金投资执行董事周欣从2018年开始关注机器人。
她在圆桌中提醒,具身智能的泡沫并非来自技术毫无进展,而是市场把大语言模型的迭代速度,直接套在了与物理世界深度耦合的机器人上。模型能力提升,不等于场景落地同步完成。一次漂亮的 Demo 可以制造想象力,却无法回答机器人能否连续执行一百次,失误率是否可控,部署和运维成本能否下降,最终 ROI 是否成立。
这套判断把具身智能的竞争从“演示效果”拉回了“交付能力”。真实世界没有提示词可以重来。工厂、仓库、家庭和公共空间都要求系统应对噪声、磨损、突发情况和人的不可预测行为。模型只是其中一层,触觉、传感、执行器、控制系统、数据采集和场景反馈共同决定产品能否工作。
资本的热度可以量化。
中国信通院《具身智能发展报告(2025 年)》显示,截至 2025 年 12 月,我国具身智能和机器人领域投资事件达 744 起,融资总额 735.43 亿元;IDC 预测 2026 年全球人形机器人出货量将突破 5 万台,同比增长 178%。
但落地的冷数据同样存在:头部企业宇树科技 2025 年前三季度的人形机器人收入中,来自科研教育领域的占比高达73.6%。设备大量卖给了高校和科研机构,距离在工厂里创造实际价值,还有一段路要走。这恰好印证了周欣的提醒:模型的进展不能直接等同于落地的进展。
端侧智能由此成为另一条重要线索。周欣认为,如果 AI 是一场接近工业革命级别的认知革命,智能就不可能长期只存在于云端。未来的认知网络将由云端和端侧共同构成:底层是芯片和硬件载体,中间是围绕 Agent 形成的运行环境,上层则是能够理解个人需求的应用。Agent 可能逐渐成为硬件的交互入口,向上理解用户的偏好、历史和状态,向下调用手机、眼镜、汽车、机器人及家庭设备。
这会改变 AI 硬件的商业模式。硬件不再只靠一次性销售获得收入,而可能通过持续服务创造价值。真正的壁垒也不只是“设备里加入了 AI”,而是设备能否降低使用门槛,能否围绕用户形成稳定的数据和服务关系。
榜单中多位投资人的布局已经沿着这条路线展开:厚雪资本副总裁白则人关注无人配送、触觉传感和干线物流自动驾驶,耀途资本投资经理过靖关注垂直专用机器人、无人机集群和光伏安装机器人。无人配送恰好是“AI 进入物理世界”里跑得最快的赛道之一:2025 年行业融资总额逼近百亿元,白则人所在的线性资本参与投资的白犀牛,同年完成三轮融资、累计超1 亿美元,活跃运营车辆从 2023 年底的约 100 台增长到 2025 年 12 月的超 2000 台,在全球 170 多座城市常态化运营。这类生意没有惊艳的 Demo,却每天都在接受效率、成本和可靠性的检验。AI 从数字世界进入物理世界之后,技术想象力依然重要,但规模化交付将成为更硬的分水岭。
趋势二:大模型红利没有结束,竞争焦点转向“智能飞轮”
当市场不断寻找下一代架构和新概念时,一个容易被忽略的事实是:这一代大模型的产业红利可能还远未释放。
启明创投执行董事胡奇提出,今天最大的伪共识之一,是人们对下一次跃迁技术关注过多,却较少讨论如何让现有大模型真正完成生产力重构。TCP/IP 成为标准协议后,互联网红利经历了漫长释放;贝叶斯理论和 CNN 也在提出多年后持续影响新的技术系统。底层技术从出现到改变行业,通常不是一两年的线性过程。大模型进入公众视野不过数年,商业系统、组织流程和产业基础设施还没有完全跟上模型能力。
这意味着,投资人不必在“继续投资大模型”和“寻找下一代技术”之间二选一。更重要的问题是,哪些公司能够把已有模型能力嵌入真实工作流,形成不会被下一次模型升级轻易抹平的价值。
靖亚资本投资总监刘云阶把这种能力称为“智能飞轮”。用户使用产品产生数据,数据进入训练或优化过程,模型能力提升后改善体验,更好的体验又带来更多用户、场景和反馈。数据闭环、训练闭环和用户反馈闭环相互推动,公司由此获得持续自我增强的能力。
如果把这套判断放到具体公司上看,智谱和可灵可以作为两个注脚。主持人在圆桌中提到,胡奇曾在行情爆发前重仓智谱。智谱,2022 年至 2024 年收入从 5740 万元增至 3.124 亿元,三年复合增长率约 130%,2025 年上半年收入 1.909 亿元、同比增长 325%,并于 2026 年 1 月登陆港交所,成为“全球大模型第一股”。快手的可灵 AI 则展示了模型能力嵌入创作工作流后的商业化速度:2024 年 6 月开放测试,约 45 天就上线收费体系,2025 年全年收入约 10.4 亿元,12 月单月收入突破 2000 万美元,截至 2025 年底全球用户超 6000 万、累计生成超 6 亿个视频,服务超 3 万家企业客户和开发者。用户创作、数据回流、模型迭代、体验提升,飞轮的每一圈都在直接转化为收入。
用这一框架看,AI 公司的核心指标也需要变化。ARR、GMV 和 SaaS 效率仍然有参考价值,却不足以说明一家公司是否拥有长期壁垒。一个功能可能因为基座模型升级而迅速贬值;一个真正进入业务流程、能够积累专有数据并持续学习的系统,则可能随着模型进步变得更强。
刘云阶进一步将智能价值链分成三层:智能的产生、智能的分发和智能在物理世界中的具象化。世界模型、药物发现属于智能的产生;Agent 和企业级 Agent 承担智能的分发;具身智能、智能驾驶则让智能转化为物理行动。这个框架把“AI 赛道”拆成一条完整价值链。资本寻找的不再只是某个热门应用,而是,每一层中能够占据平台位置、形成反馈闭环的公司。
因此,大模型投资的重心正在改变。过去的问题是“谁的模型更强”,接下来的问题是“谁能把模型能力变成一个越用越强、越深入业务的系统”。
趋势三:数据瓶颈催生新的底层技术,科学基础模型成为非共识方向
大模型继续扩展,迟早要面对一个更基础的问题:高质量的人类数据有限,而且采集和标注成本很高。当互联网语料和人工反馈逐渐接近瓶颈,模型还能从哪里获得新的经验?
胡奇将强化学习、自我博弈和持续迭代视为可能的答案。他以 AlphaGo Zero 为例:模型只掌握围棋规则,通过自我对弈生成经验,在不依赖人类棋谱的情况下提升能力。类似机制能否从规则清晰的游戏,走向更复杂的科学研究、工程系统和现实任务,将决定 AI 能否突破对既有数据的依赖。
这也提供了一套判断底层技术的标准。它首先要能在足够大的产业中带来普遍提升,而非只对一家公司的局部环节有效;其次要扩展 AI 的能力边界,例如解决数据、推理或持续学习问题;最后还要经得起时间检验,不能只在一轮技术叙事中成立。
沿着这条逻辑,科学基础模型成为一个值得关注的非共识方向。它与常见的 AI for Science 并不完全相同。后者常被理解为自动化实验室、蛋白质结构预测、材料发现或某个单点科研工具;科学基础模型则试图在生命科学、材料和仿真等领域建立更底层、更通用的模型能力,服务一个学科中的多个任务。
这个方向的难点也很明显。科学数据具有专业性强、标准不一、获取昂贵等特点,研究成果本身还可能存在错误甚至造假。模型不仅要学习文献和实验数据,还要判断证据质量,理解学科规律,并与真实实验形成验证循环。目前尚不确定未来会由每个大学科分别形成自己的基础模型,还是出现跨学科的统一架构。但它所指向的问题已经足够清楚:当通用互联网数据的边际价值下降,专业世界中的高质量数据、科学规律和实验反馈,可能成为下一轮模型能力增长的重要来源。
趋势四:越靠近硬科技深水区,越需要耐心资本
与 AI 应用相比,商业航天、量子计算、太空算力和先进能源的验证周期更长。它们很难依靠一款产品上线后的几个月数据证明自己,技术路线、工程能力、供应链、资质、行业标准和产业需求必须在较长时间里共同成熟。
厚雪资本副总裁王澍禾对量子计算的判断体现了这种克制。当前光量子、中性原子、离子等路线各有优势和瓶颈,通用量子计算何时落地仍有很大不确定性。除了装置设计和供应链等工程问题,行业还面对材料、算法、物理机理、人才和评价标准等基础问题。更现实的路径,可能是让量子计算与经典超算、GPU 和 CPU 形成模块化协作,而非期待通用量子计算在短期内独立替代现有体系。
不确定并不等于没有投资价值。前沿行业中的适度热度会吸引人才、资金和产业资源,即使并非所有公司都能成功,过程中仍会沉淀工程经验、供应链能力和可以迁移的技术成果。关键在于,资本不能把远期可能性直接折算成短期确定性,也不能因为商业化较远,就完全放弃在早期建立判断。
商业航天同样如此。这个行业涉及发射、审批、资质许可、测试、质量管理和供应链协同,链条远长于一般软件产品。但它的产业化正在加速:2025 年我国完成 87 次航天发射,其中民营商业火箭企业执行 23 次,入轨航天器 324 颗;行业融资总额达 186 亿元,同比增长 32%,商业发射服务订单同比增长约四成。风险投资不可能等企业完全跨过“死亡之谷”再进入,因为那时早期投资的窗口往往已经关闭。投资人需要在变化中寻找不变:市场需求是否终将出现,团队是否拥有底层研发和工程组织能力,能否处理供应链与商业化问题,又是否具备足够韧性,等到产业的大门真正打开。
王澍禾对太空具身机器人的关注是这种判断的一个具体例子。它听上去像商业航天、机器人和 AI 几个热门概念的叠加,但背后已经出现明确需求。随着卫星数量增加,报废卫星处理、太空碎片清理、在轨运维和在轨建造都会成为太空生态的一部分。当商业航天从“如何把设备送上去”转向“如何长期使用和维护太空资源”,新的基础设施和服务体系就会出现。
榜单中对太空算力、空天能源材料 和量子计算的关注,说明年轻投资人并未把目光局限于更快兑现的 AI 应用。他们也在进入那些技术路线尚未完全收敛、却可能重塑未来产业基础的领域。硬科技的耐心,并不意味着放弃回报,而是把回报押在更长的时间尺度上。这样的投资要求资本足够早,也足够耐心。
当 AI 从云端进入设备,从数字内容进入物理行动,当科技投资从软件扩展到芯片、能源、机器人和太空基础设施,资本的角色也会改变。它需要更早理解技术,更深进入产业,并在结果尚不明确时作出长期选择。这份榜单值得观察的,正是这一代投资人将如何学习这种选择。
本文来自虎嗅,作者:陈伊凡_YF 原文链接:https://www.huxiu.com/article/4877273.html?type=text
