▼
全球生成式人工智能浪潮在持续演进，硅谷依然是无可争议的创新高地。10月19日-27日，盛景嘉成创投管理合伙人王湘云带领近30人的AI应用创业企业创始人、上市公司、产业集团高管 ，进行了为期一周的硅谷AI应用实践深度行。
此次行程非常丰富，深入探访了 AI 产业链的各个核心节点。团队不仅与硅谷头部基础模型、具身智能、AI芯片、数据服务、SaaS+AI、数字资产和加密货币交易平台等科技企业相关嘉宾进行了深入交流沟通，还与多个活跃在硅谷的创投机构进行了研讨。同时，团队还组织了创业者路演、圆桌论坛、围炉夜话等丰富的创业者社群活动。
这次深度行不仅是一次高密度的信息输入，还是一次对 AI 发展现状、商业化落地路径以及未来投资趋势的真实探寻，旨在带回硅谷 AI 产业的第一手观察和“真实温度”，帮助AI优秀创业项目找到落地场景和产业链接。
日前，王湘云进行了一场详尽的内部分享，全面复盘了团队的核心发现，深入剖析了硅谷 AI 应用与投资的真实图景、巨头们的竞争态势、多模态与世界模型的演进方向、机器人的现实进展，以及顶尖投资者和孵化器的运作策略。
总结这次硅谷之行，王湘云认为：
第一，AI 带来的收入增长是真实的、可持续的，ARR的数据不仅来自用户使用量和频次的提升，也来自用户留存率的提升，增长速度大大超过了以往的软件时代。
第二，市场的分化正变得前所未有地剧烈。优秀公司与普通公司之间的差距，正在被拉大。
第三，在产业落地中，“性能”已经压倒了“价格”。大家都在为高质量的闭源模型付费，这成为了竞争的胜负手。
第四，多模态、世界模型与机器人正在快速进步。
第五，国内人工智能创业企业应该抓住这波契机，尽可能推动企业上市或并购与被并购。
对于中国的创业者和企业家而言，认清这一现实，在人工智能这个指数级跃迁的赛道找准自己的独特价值，将比以往任何时候都更加重要与紧迫。
以下是王湘云的分享全文，enjoy~
市场分化加剧，“赢家”通吃
在最近的硅谷参访中，我们与当地的投资者和创业者进行了深入交流，旨在扫描美国 AI 投资和市场的真实状况。硅谷头部投资机构也为我们提供了宝贵的资料和见解，让我们得以一窥 AI 浪潮下的真实图景。
一个宏观的事实是，自 ChatGPT 发布以来，资本市场实现了约23万亿美元的价值增长，其中高达70%是由 AI 驱动的。这股浪潮不仅体现在股市的繁荣，更重要的是，我们看到了生产效率、软件投资以及芯片、能源、数据中心等基础设施领域的实体经济投资正在扎实增长。AI 带动了 IPO 市场的复苏，并购活动也达到了2020至2021年的市场高位。
在风险投资（VC）领域，AI 的热度同样达到了顶峰。目前的投资额已接近2020至2021年的高位水平，并且三分之二的新投资都流向了 AI 相关公司。这些公司的收入增长率达到了科技公司前所未有的水平。
然而，繁荣之下是剧烈的分化。市场正清晰地分裂为两类公司：优秀的“Great Company”可能只占10%，而“Good Company”或“OK Company”占到90%。这10%的优秀公司与其他公司之间的差距正变得前所未有地大，平均估值差距可达3到5倍。这对 VC 提出了极高要求：必须更加小心，对技术的研究要更加深入。因为一旦投到“赢家”，收益将非常明显；而如果投到普通公司，可能就归于“芸芸众生”。
AI 市场的潜力究竟有多大？一个被广泛提及的预判是，AI 智能体（Agent）有望创造相当于云计算市场20到30倍的增长。目前美国的云计算市场规模已达三四千亿美元，这意味着 AI 智能体未来可能是一个数万亿乃至超十万亿规模的庞大市场。
这种前所未有的市场潜力，正在催生前所未有的增长速度。在硅谷，已有十几家公司在短短三年内实现了 ARR（年化经常性收入）超过1亿美金。例如某多模态模型运行平台，通过提供一个中间层，让开发者无需自行管理 GPU 集群，就能高效、低成本地运行复杂模型。它抓住了生成式 AI 的核心痛点，目前估值已超40亿美金。
另一个更显著的案例是某头部AI 企业。它的增长轨迹堪称惊人：2024年年初，其 ARR 约为9000万美元，当时180亿美元的估值看起来还比较“离谱”；但到了2025年年初（12个月后），ARR 不仅达到了8亿美元的预期，还超过至10亿美元；而到2025年三季度（至今），ARR 已飙升至70亿美元，最新一轮融资估值近2000亿美金。这家公司实现了每年十倍（1000%）的增长。据硅谷头部投资预测，到2026年年底，该企业的 ARR 预计能达到300亿美元，有可能成为一家万亿美元市值的公司。
AI泡沫之辩：
收入增长是否真实且可持续？
“AI到底有没有泡沫？” 参访中，和很多嘉宾都探讨了这个问题。
硅谷某头部基金的合伙人回答是：这些 AI 公司的收入增长是真实的。这种增长并非来自存量市场，而是来自“白领工作”这个数万亿乃至数十万亿美金的新增市场。并且，这种增长正得到史上最大规模的基础建设投入的支撑。今天的 AI 资本投入已远超历史上任何基础建设项目，无论是阿波罗登月计划（相当于今天的3000亿美金）还是宽带基础设施（1万亿美金）。据预测，到2030年前，AI领域的总投入将达到3万亿美金，至今已投入6000亿美元。
虽然算力成本在以每年十倍的速度急剧下降，但模型的质量、效果和服务却在进一步提升（SOTA 模型的性能每七个月翻一番）。那么，这些收入是否可持续?硅谷某头部孵化器的创始人认为，判断收入是否可持续性，不仅要看续费率，更要看用户的使用量和使用频次。他们观察到，用户的使用量和频次一直在增加。这证明 AI 收入是坚实的，用户不是“用完一次就扔”，而是具有持续的粘性。
然而，这并不意味着没有压力。参访中也普遍提到一个关键瓶颈：尽管需求真实且旺盛，但支撑算力增长的电力、能源等基础设施配套存在明显缺口。
可见，AI 的长期价值和真实需求毋庸置疑，但不排除在中短期内，由于基础设施的瓶颈，市场会存在一定的压力和波动。
重新定义增长：
从“T2D3”到“10-10-5-5-5”
在传统 SaaS 时代，最优秀的软件公司遵循“3-3-2-2-2”定律（T2D3，即前两年每年增长3倍，后三年每年增长2倍），这已是伟大的SaaS公司。而在AI 时代，最快的 AI 公司的增长规律可能变成了“10-10-5-5-5”——头两年每年增长10倍，接下来三年每年5倍。头两年增长100倍，这是一个非常惊人的速度。因此，业界的判断是：短期或有波动，但长期来看没有泡沫。
如果说2025年以前，“AI 是否真能带来价值”这个问题还没有最终答案；那么到了2025年的今天，这个问题已得到明确回答：AI 给企业生产力带来了明确的提升，企业愿意为高质量模型付费。这意味着头部的 AI 公司未来起步就是数万亿美元市值。当然，这也意味着大量的劳动力需要被重新培训，以适应 AI 时代的模型和能力。
从各个维度看，AI 的需求和应用正在美国广泛地真实发生。目前，已有数家公司（如 Cursor）在6到18个月内就达到了一亿美金的 ARR；在大型科技公司，30%到40%的代码已由 AI 生成；而产业投资者（头部科技公司）也在大量投早期轮次的 AI 公司。
从2023年到2025年的 AI 收入构成来看，OpenAI和 Anthropic（这两家头部公司的特点也各有不同。OpenAI 在面向消费者（To C）的订阅服务上优势明显，而在 API 调用方面，Anthropic反而超过了 OpenAI，尤其在代码编程相关领域表现突出。
在应用趋势上，目前水平应用（如助理、邮件起草等普适性应用）在 AI 支出中略占多数，但垂直应用的深度也在增强，许多场景（如客户服务、法律、IT 服务）已经能完成端到端的工作流。
模型之争：
性能压倒价格，闭源优于开源
关于模型之争， 硅谷一个非常关键的发现是：性能是关键，而不是价格。从美国的情况看，用户选择 AI 应用时，60%是因为性能。这一趋势也直接导致了闭源模型在产业应用中更受欢迎。
交流的嘉宾普遍认为中国在开源模型上非常有竞争力，而美国在闭源模型上很强。美国科技公司所谓的“开源”只是把前代模型开源，最好的模型仍然是闭源的。
从美国用户使用情况看，大家普遍愿意使用高质量的闭源模型。无论是大公司还是创业公司，在实际应用中都更欢迎闭源模型。大家更在乎模型的性能。开源模型通常只被用于实验性或低工作负载的场景，一旦涉及高强度、高占比的工作负载，绝大部分公司都倾向于使用闭源模型。
“中美在模型上的差距是拉大了还是缩小了？”，部分专家的回答是：硅谷的优势在拉大。他们认为，硅谷闭源模型的质量领先，而这正是产业应用中最被看重的。
总体而言，我们看到：第一，AI 公司的收入是真实的，背后有高频次的真实调用来支撑，不是昙花一现；第二，增长是可持续的，市场正在见证“10-10-5-5-5”这样的全新增长曲线；第三，市场分化日益加剧，优秀公司与普通公司的差距正在拉大；第四，在产业落地中，性能比价格更重要。
硅谷巨头下一轮比拼的主战场
——多模态模型和世界模型
如果说市场和资本的反馈验证了 AI 的“当下”，那么硅谷巨头们的布局则清晰地指向了 AI 的“下一步”。
在我们的交流中，一个明显的感受是，关于大语言模型（LLM）的讨论变少了，因为大家普遍认为它已相对成熟，并且用于训练的公开语言文本数据基本已被“用完”。硅谷的共识是，下一轮大模型能力升级和比拼的主战场，在于多模态模型和世界模型。这些头部公司的目标非常一致，就是实现 AGI（通用人工智能）。
（一）多模态模型
近期，视频生成模型的进展尤为迅猛，例如 OpenAI 的 Sora v2 和谷歌的 Veo。谷歌 CEO最新宣布，其图片生成模型Gemini 2.5 Flash Image（代号 “Nano Banana”），已给公司带来了巨大的收入增长。多模态模型已经走到什么阶段，未来的进化方向是什么？
硅谷基础模型大厂的核心逻辑是，拼尽全力把模型的“上限”做到足够高，训出一个“诺奖水平”的模型。他们认为，只要大模型上限足够高，再去衍生出单一能力的小模型，相对比较容易；反之，在小模型上折腾半天，大模型上限不够，很多功夫都将白费。
硅谷基础模型大厂把实现一个统一的、端到端的（End-to-End）多模态模型，能够任意进行多模态的输入和输出作为下一个目标，并且视其为迈向“世界模型”和“AGI”的重要里程碑。
当前多模态模型尚未做到“端到端”“多模态输入，多模态输出”的“Omni统一模型“。目前大部分的多模态模型还处于“分段”“级联”的阶段，第一级是“多模态输入到文本输出”，即多模态感知模型，核心技术仍是自回归的 Next Token Prediction，底层是 Transformer架构，来理解图像、声音、视频并形成文字输出；第二级是“文本输入到多模态输出”，即我们熟知的生成模型（如生成图片和视频），它主要使用 Diffusion Model，但底层也基于 Transformer网络。
在数据维度上，一个好消息是，虽然文本数据已近枯竭，但多模态数据才刚刚开始被利用。据透露，目前大概只有1%的多模态数据被用于模型训练，未来还有巨大的空间。同时，数据的标注也在更加的自动化，使用 AI 去清洗和标注多模态数据。
统一多模态模型上尚在进化迭代中，预计真正高质量的端到端统一多模态模型可能会在一年后出现。而世界模型，又是机器人训练的核心资源。xAI 追求“统一多模态”和“世界模型”的典型代表, 其目标是“构建理解物理宇宙的 AI”，直指把AI用于物理和实体世界的更宏大的愿景。xAI 的 Grok 5将是一个端到端的、统一的多模态大模型，并大幅度提升其科学能力，包括在生物、化学、材料科学等领域的应用。
总之，硅谷头部的基础模型玩家普遍认为，未来只有把统一多模态模型这件事情走通，才具备持续的竞争力。据预测，未来三到六个月，视频生成模型将有巨大进步，一年内“多模态输入—多模态输出”的端到端统一模型将显著成熟，效率与成本持续改善。
（二）世界模型
世界模型简单来说就是给定一个当前状态和一个当前的动作，我们可以去预测未来。路径尚未收敛，但基本共识是：世界模型是迈向 AGI 的关键路线之一。如果不能进行持续的世界预测与模拟，未必算真正到达“世界模型”的层级。
从应用形态看，世界模型大致有两类：一类在纯虚拟环境中演化、常与 AR/VR 结合；一类直接服务机器人训练，驱动机器人智能升级。
值得注意的是，不同公司的世界模型存在差异，因采集数据的针对性不同而具有不同指向性。例如李飞飞的模型是通过图片构建环境，谷歌可从 YouTube 采集多类数据，英伟达则针对自动驾驶和人形机器人应用采集相关数据。
“世界模型”被认为是机器人训练的终极环境。在没有一个很好的世界模型的情况下，行业会更依赖“人类模仿学习”——例如遥操作（Teleoperation）或远程示范——来采集数据。这导致了机器人的应用只能局限在局部场景（如工厂一角或物流仓储）。一旦强大的世界模型被开发出来，就会加速具身智能和机器人的泛化。真正意义上的世界模型什么时候到来？相对保守的预测是“十年议题”。
中美都在世界模型和具身智能上开始发力，如果把具身智能的决策分成1HZ，10HZ，100HZ三个层次的话，中美在不同的层次上各有优势。
对于 AI 时代的创业者，
硅谷给出的建议
技术的快速迭代，也在重新定义AI创业的“护城河”。一年前，护城河被认为是“专用数据”和“模型架构”。而现在，随着模型架构趋于统一，护城河已经转变为“工作流”和“用户体验”。
对于 AI 时代的创业者，来自硅谷的一些建议，可能因为中美国情的不同，有值得商榷的部分，但是却给我们带来一些身处AI 前沿的一些视角。
首先，不要做模型训练，因为创业者根本做不起了。
其次，要谨慎对待模型微调。基于开源模型做的微调，可能在三到六个月后就成为“沉没成本”。因为闭源模型的 API 迭代速度极快，它们可能在六个月后就把你依靠专业数据建立的微调优势彻底抹平。未来，调用闭源模型 API 的能力可能比基于开源模型微调更重要。
再次，关于机器人模型+物理 AI仍处于非常早期的阶段，各家接口和标准不一，短期内还存在竞争壁垒。但硅谷大公司已经在发力“机器人基础模型”。短期内，创业者自己做个小模型还有机会，但长期来看，大公司的基础模型加上数据，很可能会打败花费半天搞出来的小模型。今天巨头们在多模态和世界模型上的发力，其优势可能在三五年后于机器人领域集中显现。
未来的格局，很可能是美国提供机器人的“大脑”（模型），而中国的供应链负责硬件制造。但最终，核心竞争力还是在于大脑。
最后，关于AI应用产品的两个建议：一是AI应用产品不仅要包含功能，而且能把数据闭环巧妙地融入产品服务中去，这些数据将反过来推动AI能力的提升。譬如，用户在使用特斯拉电车的时候也为自动驾驶模型提供了真机的训练数据。
二是在AI产品服务中，要巧妙地设计和融入验证功能，让人类用户，或者其它的软硬件工具对AI的输出可以进行有效的验证，实现验证闭环，这也将是提升AI能力，消除幻觉的一个重要方法。
硅谷AI新生态观察
此次硅谷之行，我们也观察到硅谷AI生态正呈现出一些新的现象和文化：
第一，高强度的“Push”文化与速度至上。
硅谷AI 企业的“内卷”节奏非常惊人，不仅有“996”，甚至出现了“002”的文化。这种对速度的极致追求，在一家我们参访的硅谷知名AI孵化器上体现得淋漓尽致。
我们问他们主要为创业者提供什么赋能，得到的回答是：他们精选的都是已有成功经验的“连续创业者”，这些人不需要基础的技能培训。孵化器真正的价值，是创造一个“全力以赴”的环境。他们会解决创业者所有的后顾之忧，包括吃住等一切生活琐事，让团队在几个月的孵化期内，只做一件事——“Push, Push, Push”，以最快的速度实现增长突破。
投资人也更看重真实使用中的 留存、使用量与使用频次，以此校验收入的可持续性，促使团队始终保持高速迭代的姿态。
第二，“天才年轻人”成为主力，科研与工程界限模糊。
AI 时代是属于“天才年轻人”的。这种感受非常具体：我们看到年仅19岁、尚在名校读大二的“学霸”，就已经在顶尖AI创业公司实习，已经拥有两年的资深研究经验，甚至同时跑“研究 + 工程”双线。
正如马斯克所强调的，没有工程能力的科学家不是好的科学家。在硅谷AI企业中，研究员（Researcher）和工程师（Engineer）的界限正变得非常模糊。这种“研产合一”的文化，能确保研发和产品化以最紧密的协同向前发展，实现最快的迭代速度。
研发与产品化紧耦合，这也是硅谷基础模型与应用层齐头并进的一个重要原因。
第三，华人力量在硅谷AI生态中日益崛起。
此次硅谷之行，我们深切地看到华人群体在硅谷AI生态中的参与度和影响力都在显著提升，已成为这股生成式AI浪潮中不可或缺的重要力量。
按 MacroPolo（保尔森基金会智库）《全球 AI 人才追踪 2.0》，2022 年全球“顶尖20%”AI 研究者中，有 47% 的本科就读于中国；在美国顶尖 AI 机构内工作的“顶尖 20%”研究者中，华人（中国本科学历背景）约占 38%，已与美国本土研究者比例相当甚至略高。
这一组数据，很好地解释了我们在 OpenAI、Google DeepMind、xAI 等一线团队与发布会舞台上频繁看到华人面孔的现象，它不是偶然，更不是个例，而是人才结构变化的结果。
结语：收获，不止于硅谷
此次为期一周的硅谷AI应用实践深度行，有近30人的AI应用创业企业创始人、上市公司、产业集团高管、 AI应用创业企业团队参加。
这些来自不同行业的企业家和创业者学员，带回的不仅是对AI前沿的洞察，更是对自身企业发展路径的深度重构。
对于一线AI创业者而言，行前每个人都以为自己对AI“理解得还可以”，但真正走进硅谷核心生态后，才发现所谓认知其实只是“冰山一角”。比想象中更快的技术演进、更密集的产品实验、更务实的商业路径，带来的不仅是冲击，更是前路的清晰。
有学员在这趟行程中明确了产品方向——AI创业不应只满足于“效率提升”，而应聚焦那些移动互联网时代从未存在的新功能。这样的功能，才“性感”、有想象力，也更具资本价值。同时，也有学员敏锐观察到：相比国内“卷效率”，AI真正的应用机会也许在于“替代”，而替代最迫切的市场，是高人力成本的发达国家。
也有创业者开始重新理解AI创业与大厂之间的关系：当巨头开始把精力下沉到“做浏览器”这种产品应用时，恰恰说明模型端的突破可能已暂时触顶，这反而意味着，应用层正迎来“小资本也能弯道超车”的黄金窗口。
而对那些正在推进从传统企业向AI转型、但又难以走出惯性的学员，此行更是一场彻底的认知风暴，带来了高强度的 “路径确认”。他们在这一周中理清了该放弃什么，又该笃定什么。有学员直言获得了 “顿悟”，走访之初还带着困惑和犹疑，临别时却已将方向重新校准。
最后，也是学员们提及最多的，是“生态链接与同行共创”。为期一周高密度的链接产生了真实的化学反应，让学员找到了可以并肩作战的人：有学员当场与同学达成合作，共创AI新赛道；有学员在此行中通过同学引荐，当场对接上了顶尖专家；更有学员带着已闭环的商业构思，精准找到了能提供“工具”的同学。
高强度的链接、沉浸式的学习、专业深度的交流，让学员们都走出了“各自为战”的状态，真正成为了“AI路上的同行者”。而这个高能量的同学群体，不会因一次旅行而终止，它已然形成，并将在未来持续共创、彼此赋能！
走出去看世界，是为了回来更好地走自己的路！期待明年3月，春暖花开之时，我们再来共赴硅谷！
