AI 技术应用落地与投资机遇｜线性观点

在当前AI技术快速发展的时代，我们不仅要关注技术本身的突破，更要思考如何将这些技术落地应用，创造真正的商业价值。我想从对AI在新时代的理解、应用现状、开源大模型优势、中美对比以及投资机会等方面，和大家分享我的一些观点。

算力与成本的双重突破

AI新时代最显著的特征是算力与成本的双重突破。算力的提升主要由美国引领，而成本的大幅降低则是中国在开源大模型浪潮中的重要贡献。

以往AI发展的叙事逻辑主要关注能力上限的突破，而不太关注成本问题。然而，开源大模型的出现彻底改变了这一逻辑。它将成本拉低了90%，而不仅仅是30%-40%的小幅下降，这使得AI应用从"阳春白雪"真正走向"千家万户"。

虽然美国在AI基础创新方面仍然领先，但中国在应用落地和成本优化方面拥有巨大机会。中国企业"短平快、高效率、低成本"的特点，在这一轮AI应用浪潮中将得到充分发挥。

从"为什么要用"到"为什么用不起来"

企业对AI的态度正在发生根本性转变。去年，大多数企业还在讨论"为什么要用AI"，而今年讨论的焦点已经转向"为什么用不起来"。这种观念转变意义重大，表明企业已经认识到AI的价值，但在实际应用中仍面临一些挑战。

主要挑战包括：

• 算力瓶颈：高端GPU卡获取困难，成本高昂。虽然开源模型将成本拉低了90%，但自建大模型服务器的成本仍然很高。这也促使企业考虑使用国产算力，推动了国产算力市场的繁荣。

• 数据质量问题：许多传统企业积累了大量数据，但数据质量参差不齐。数据的清洗和整理工作至关重要，仅仅购买硬件并不能解决应用问题。

• 技术门槛：不同的AI应用有不同的技术门槛。训练定制模型的门槛最高，而构建知识库与大模型结合的方式相对门槛较低，后者允许企业将内部数据与大模型能力结合，使AI能够根据企业内部情况回答问题。

开源大模型：性能与成本的完美平衡

开源大模型的出现带来了几个关键优势：

• 性能与成本的平衡：性能达到顶级闭源模型的90-95%，但成本仅为5-10%。这种性价比使得更多企业能够负担得起AI应用。

• 开源透明：完全开源的策略（包括模型权重、源代码和技术论文）使企业可以自建模型，确保数据安全，不必担心数据泄露。开源分为多个层次：开源数据、开源模型权重、开源代码和开源论文，越完整的开源越能促进技术发展。

• 工程优化：虽然原始创新不多，但将已有概念优化到极致，并有效整合，使模型效果远超预期。这种工程能力恰恰是中国企业的强项。

• 传播策略：发布时机和方式的精心设计，可以让企业/产品迅速获得全球关注。相比之下，一些大厂的开源策略不够彻底，只开放参数而不开源代码和详细论文，学到的是"形"而非"神"。

中美AI能力对比：各有所长

中美两国在AI领域的发展路径有所不同：

1. 美国：注重前沿创新方面的突破，不惜代价推进基础能力，追求能力的突破式探索。

2. 中国：专注于成本优化和性价比，致力于让AI能力普惠大众。

在具体能力上：

• 美国在算力和算法方面领先
• 中国在数据处理和硬件供应链方面具有优势

• 人才方面，美国拥有更多顶尖人才，而中国在工程化和产品化人才方面更具优势

值得注意的是，今年开始有更多高端人才考虑回国创业，这是一个积极的信号。

AI应用：从顾问到执行者

AI应用带来的效率提升往往远超预期。例如，在信息收集方面，传统方式可能需要两天时间，而使用AI Agent(实测manus.im体验)只需10分钟就能完成同样的工作，效率提升显著。

更重要的是，AI正在从单纯的顾问角色转变为执行者角色。过去的大语言模型主要是"语言进、语言出"，像一个顾问提供建议，但难以执行具体任务。而现在的AI可以将复杂任务拆解为多个步骤，并调用不同的模型或工具来完成各个步骤，最终交付完整结果。

这种能力使AI从单纯的对话助手转变为真正的任务执行者，大大扩展了其应用场景。

机器人领域：下一个投资热点

在AI大模型领域，竞争格局已经相对稳定，新进入者机会有限。但机器人领域仍存在巨大机会，可分为三类：

• 移动类机器人：专注于空间移动，如机器狗。技术已相对成熟，今年有望开始落地应用。

• 交互类机器人：关注机器人与物理世界的交互和改造。这一领域技术难度更高，需要处理视觉、文字和动作等多模态数据，训练复杂度远高于语言模型。预计在工业领域2-3年内会有实际落地。

• 家务类机器人：面向家庭和养老等场景。这类机器人目前仍处于演示阶段，预计需要3-5年才能实现落地，更通用的产品可能需要5年以上。

机器人领域的技术挑战在于，它必须尊重物理世界的规律，容错率要求更高。语言模型的"幻觉"问题在机器人领域可能导致严重后果，因此对安全性和准确性的要求更高。

AI时代的创业者：新特质与新机遇

AI时代对创业者的要求发生了变化：

• 技术理解能力：虽然AI工具降低了技术理解门槛，但创业者仍需具备基本的技术素养。好在现在可以借助AI工具来理解技术论文，降低了学习门槛。

• 产品打磨能力：将技术转化为优质产品的能力至关重要。中国有一批对产品极度执着的"匠人"，这是宝贵的人才资源。

• 传播能力：在信息爆炸的时代，如何讲好产品故事、设计有效传播路径同样重要。

• 融资能力：AI项目通常需要大量资金支持，创业者需要具备融资能力。

• 年轻化：当前AI创业的主力军是90后至00后，他们没有传统经验的负担，更容易接受新思维。如果回顾杭州"六小龙"的创始人，他们在创业时大多是80后至90后，现在投资未来7-10年可能发光发热的创业者，应该关注90后至00后。

投资机会总结

早期科技投资领域的机会主要集中在：

• 国产算力：国产GPU和算力解决方案有望在几年内实现性价比和性能的双重突破。
• 推理技术与模型：AI正从以训练为核心转向以推理为核心，这一领域机会丰富。
• 机器人应用：特别是工业，家庭和一些特殊场景（如养老）的应用。
• AI+Science (bio, material, chemical, etc)。
• 智能硬件：真正具备智能的硬件产品，而非简单的概念产品。

• 自动驾驶：新技术浪潮正推动自动驾驶加速落地。

总体而言，中国在AI应用落地和成本优化方面具有独特优势，未来有望在产品化、普惠化方面取得更大成就。对于投资者来说，关注那些能够将AI技术与实际场景深度结合，并能带来显著效率提升的项目，将是把握这一轮AI浪潮的关键。