在上海顺利启航，本次活动由上海市经信委指导、上海科创金融研究院及上海天使会主办。

　　“天使科创·人工智能创业营”通过行业探索、技术聚焦、理论研究、公司参访、投融资对接等形式相结合，提升AI创业者的整体认知及能力，并通过全面赋能，推动AI创业社区的建设以及生态的完善。

　　在7月5日的“科创融资”课程模块中，启明创投主管合伙人周志峰进行主题演讲，他以“2025: AI创业与投资趋势”为主题，为现场的人工智能创业者分享了自己的深刻见解。

　　在座各位都是创业者。我常比喻说，创业者像群山中真正的登山者——你们脚踏实地，能看清山峦的肌理走向，感知植被的盛衰，经历猛兽的凶险，对每一步路况都有最真切的把握。我们投资人，更像路标员，乘着直升机俯瞰群山，为攀登的你们标注可行路径。

　　相对而言，我们对产业的大脉络看得更清楚。比如哪里有隐蔽的路径，即蓝海市场，哪里是通向万丈深渊的绝路——如果执意前行，必然失败的创业项目。今天我将以“路标员”的视角，分享在中国AI领域观察到的机会以及产业发展方向。

　　启明创投成立近二十年来，始终在科技浪潮中御浪而行：从移动互联网、到生物医药、到以近期备受关注的科创板上市企业影石Insta360为代表的科技品牌出海、以及2012年起快速崛起的深度学习领域。每一波科技变革中，我们都精准捕捉并陪伴了那些在中国市场具有深远影响力的企业。

　　在AI领域，我们应该是国内掌握观察数据最丰富的投资机构之一。这背后，是我们深耕AI投资的长期积淀。2012年AlexNet带来的深度学习技术突破，给我带来极大震撼，也让我较早的建立了对AI技术的信仰；2014年我回国加入启明后，便始终关注AI产业的发展和创业企业的涌现。

　　在这波大模型浪潮中，我们已投资了15-16家大语言模型、多模态模型、世界模型、具身智能模型、端到端智驾模型的企业，当属全亚洲布局最多的。大模型企业，就像行业的“节拍器”：向上，能触达芯片技术的迭代节奏、感知算力资源的供需变化，向下，能精准洞察哪些应用领域对token需求最迫切、哪些领域正被成本门槛挡在门外。

　　通过这样的布局，我们得以深度穿透整个产业的运行脉络。接下来，我想把这些观察与大家分享。

　　上海即将迎来年度世界人工智能大会WAIC。我们是在WAIC上唯一一个主办AI创业与投资主题论坛的投资机构，今年将继续举办并发布对AI的十大展望，欢迎大家关注与参加。

　　底层是基础设施层，主要是连接模型与应用的软件工具链。PC时代曾孕育出三十多万家工具链公司，而如今AI领域真正被广泛采用的软件尚不足几十个——这种显著的差距，恰恰意味着巨大的创业机遇：无论是把数据标注与管理做得更精细，把推理优化打磨得更高效，还是让边缘与端侧部署更便捷，都有广阔的探索空间。

　　关于模型层，我的观点是：没有哪家模型公司的创业目标仅仅是“开发模型”，其终极指向必然是落地应用。当前这类企业选择“模型+应用”一体化路径，核心原因在于AI仍处浪潮早期，技术底座尚未成熟——单纯依赖第三方开源模型，效果往往不尽如人意。

　　而那些在AI领域积累深厚的团队，因为有能力自建技术底座，才得以通过独特的模型优势差异化切入应用市场。这一路径，与当年字节跳动的发展逻辑相似：字节的核心竞争力是AI推荐引擎，2012到2015年间，它曾发布过十几款应用，最终凭借短视频找到了超级应用。如今没人称字节为“AI公司”，而是称其为“全球最大的短视频平台”。

　　今天的大模型公司也在走同样的路。可以预见，两年后，这些大模型企业将不再被贴上“大模型”的标签，而是以其成功的应用形态被定义——就像字节最终因短视频被铭记一样。智谱比较特别，与美国的Anthropic类似，目前业务主要为model-as-a-service，对外输出模型能力。

　　从数量上看，未来99%的企业还是应用层的企业。在任何一次技术浪潮中，超过85%的价值最终由应用端创造并释放，而底层技术企业所贡献的价值约占15%。这不是强弱之分，做应用公司的数量是技术公司的百倍、千倍，这是数量差异。以上是我们的框架，接下来讲解不同层次目前市场的情况。

　　今年是重要时期，市场热闹了三四年，2025年将真正看到AI应用开始逐步落地。落地不会突然爆发，但至少能看到希望。过去已有很多人开始唱衰AI，特别是美国市场，认为AI算力部署、科技大厂对于AI的CAPEX已经过度投资。但今年，确实看到了应用在实实在在地快速增长。

　　每个科技浪潮，都分两段。上半场是基础技术底座建设，这期间不会有特别大的应用出现。当技术性能从“可用”到“好用”，成本从“昂贵”到“可接受”，应用才会快速落地，开启下半场应用加速发展期。2025年已经看到从上半场向下半场过渡的迹象。

　　我曾任职于KPCB，这家硅谷最老牌的风投机构，投资了谷歌、亚马逊等一众标杆企业。回溯90年代，彼时KPCB这样的顶级VC，其portfolio中的明星企业多是思科、瞻博网络、3Com这类互联网底层设施公司，鲜有现象级的应用企业脱颖而出。这恰恰印证了90年代的行业主题：互联网技术底座的建设期。

　　我较早接触互联网。记得那是1996年，我正痴迷明星周慧敏。小时候只能攥着零花钱买路边的周慧敏明星卡，当第一次听说互联网能下载任何图片时，整个人都激动坏了，立刻搜索起了她的照片。可那时的网速只有14.4Kbps（每秒14400比特），换算成字节每秒才1.8KB。一张哪怕是低清晰度的图片，也有三四百KB，下载下来得等上几百秒，也就是好几分钟。我就那样几分钟里一动不动盯着屏幕，看着进度条一点点爬。现在回想，互联网早期的应用体验，实在是太粗糙了。

　　90年代，出现了一些早期互联网应用。比如清华大学的BBS（水木清华），当时完全基于文本命令行操作，交互形态与今天的ChatGPT有相似之处，都以文字对话为核心载体。还有华渊网这类平台，作为全球华人最早接触的互联网服务之一，提供简单的资讯浏览与电子邮件功能，尽管页面多是低像素图片，却已是当时的创新探索。

　　进入2000年后，互联网底层基础设施真正走向成熟：宽带时代到来，网络速率较此前实现数十倍提升，为后续应用的爆发奠定了基础。更重要的是价格的变化。90年代时，北京和上海的网吧上网费用是一小时20元，当时城镇居民平均月工资300元。相当于一个月工资只够上一天网，大部分家庭上不起网，应用也就不会爆发。2000年后，成本降到3元，相对于当时的城镇居民平均月工资约2000元，没人再把上网当成昂贵的事情，互联网才迎来爆发。

　　AI的发展轨迹亦是如此：这波大语言模型浪潮自2020年GPT-3发布吹响号角，直到去年年底都处于“上半场”。彼时模型性能尚不完善，除了少数聊天机器人，鲜有真正亮眼的应用落地。

　　而到2025年，尽管底座模型仍有巨大提升空间，但已足够支撑大量应用的实际落地。这正是今年应用端有望迎来爆发的核心原因。我们会见证一个明显的转变：从工具性应用向平台型应用演进。此前的AI应用多停留在工具层面，不仅天花板有限，产品生命周期也相对短暂。

　　关于AI性能，我想用一个最通俗的方式来解释—和人类智商做类比。在推理模型出现之前，也就是去年11月OpenAI发布o1、今年1月DeepSeek发布r1模型之前，历代大模型若以人类智商标准衡量，得分都没超过80分。80分意味着什么？《阿甘正传》里的主人公Forrest Gump智商是75分。智商85分以下的孩子，既可以继续接受常规K12教育，也可能被建议家长考虑特殊学校。虽是正常人，但可能只能通过专业培训从事较为简单的工作。前两年的大模型确实做不了复杂的事，需要很多SFT、prompt engineering等技术支持去实现某个应用。

　　如今的推理模型，比如5月份发布的Gemini 2.5 Pro，其智能水平已相当于人类智商120分的水准。更重要的是，推理模型仍有巨大的上升空间。而它们的出现，恰恰标志着AI模型的性能与智能水平，真正触及了支持大规模应用落地的临界点。

　　关于AI模型的成本下降，重要节点就是DeepSeek的v3和r1模型的发布。3月份我在美国出差3周，几乎见到的所有人都是先聊DeepSeek，以前从未见过什么中国的科技创新让美国人如此有兴趣。启明创投投资的阶跃星辰，将在7月发布新一代模型，成本比DeepSeek最新的模型，推理成本又会降低很多。我们认为，未来几年内，每年使用AI模型的成本都会下降100倍。成本也是应用能够爆发的基本前提。否则随便做个应用inference就很贵，什么应用也承担不起。

　　中国最大的问题是赚钱困难。美国Anthropic做ToB业务达到年收入约40亿美金，令人羡慕。发达国家市场用户付费意愿强大；而在中国市场，几家头部模型公司的ToB业务目前只有几亿元人民币的规模。

　　和大家聊聊当前比较火的创业与投资方向。在模型层，现在不会有新的团队会去做语言模型创业，但语音模型、音乐模型、3D模型、3D motion模型等，这些模型通常只有10亿量级的参数，相对较小，对算力和资本需求也较低，创业公司仍有很大创新空间。这类公司不会做纯粹的模型公司，而是把模型技术打造好后直接去探索应用，这是商业化最佳渠道。

　　第一，机器人。2015年我投资优必选时，几乎没有其他投资机构看人形机器人。过去两年中国成立的机器人公尊龙凯时司，仅我们团队见过的、跟踪的就有50多家。其中融资总额已经超过十亿元的有7家。

　　第二，行业场景无人化。之前无人驾驶技术主要应用于robotaxi自动驾驶出租车这个场景，企业如我们投资的文远知行。类似的技术栈，技术难度有所降低，可以应用于更多的垂直场景：港口、矿山无人化，末端物流无人化等。今年三通一达等物流企业大量采购的无人货运小车，3立方、5立方、7立方的无人车。这成为创业热点，主要因为端到端模型、无图或轻图方案等新AI技术的发展在推动。

　　第三，AI内容平台，通常为ToC的AI应用。这波AI ToC应先变革内容。内容从文本到图片，到长视频，再到短视频，下一步什么内容是未来大家愿意消费的？答案应该是interaction，可交互的内容。这波AI正好是生成式AI，应该出现可被交互的新模态的内容平台。这肯定是一个千亿规模的机会。这可能是AI时代最大的机会：AI内容平台。

　　第四，企业级AI软件。过去十年，不断有人讨论中国企业软件与SaaS的发展，始终未能真正突破；而这一波AI浪潮，正在显现不同的可能性。

　　传统SaaS在中国的市场空间有限。但现在做企业级AI软件时，情况发生了变化，大量企业在服务那部分占据50%以上IT采购预算的大企业。过去服务这类客户，最终往往沦为“人力外包”的生意——要提供大量的非标准化产品与服务，企业毛利率很低。

　　而如今，大模型正成为核心支撑：服务任何客户时，底层大模型无需改动，仅需在用户界面、工作流嵌入及部分强化学习训练环节进行定制化调整。这种模式能大幅降低服务的非标准化程度，既能深耕大企业业务，又能维持高毛利率。

　　这正是我们观察这类企业的核心指标：毛利率。若毛利率仍停留在30%-40%，说明本质上还是依赖人力服务；唯有实现高毛利率，才是大模型驱动模式的真正印证。

　　第五，垂直行业的AI应用领域，已涌现出不少值得关注的企业，覆盖教育、医疗、金融等多个赛道。很多人期待看到具有颠覆性的AI企业，但实际上，AI应用的落地往往并非始于形态激进的创新，而是从解决传统工作流中的关键环节切入——用AI优化具体场景的效率或解决传统的问题，才是当下更现实的路径。

　　第六，AI硬件。这是今天VC最关注的领域。很多投资机构之前没参与大模型等底层技术投资，看机器人赛道又觉得看不出差异化、估值贵，都认为投AI硬件最合理，因为中国硬件产业能力不容置疑。启明创投投资的Insta360影石创新两周前上市，当前市值约700亿，点燃了大家对硬件的热情。我们近期看到各种形态的AI硬件，很多以前没想过的形态，机会很多。

　　大家都好奇大模型公司的现状。有的媒体最新的说法是“基模五强”，即还在大力投入做预训练、强化学习训练的大模型企业只剩5家公司：字节跳动、DeepSeek、阿里、阶跃星辰和智谱。不一定准确。

　　有些公司不做预训练了，因为预训练需要巨量算力、数据与资金的持续投入，且Scaling Law的边际效益递减，加之开源模型的冲击，及大投入并没看到商业上的回报，这些都让预训练显得ROI投资回报率比较低。有些企业因为算力不够，做基础模型的训练要万卡以上GPU,做强化学习也要5000卡以上GPU,做多模态的理解模型也需要5000卡，做多模态的生成模型又需要5000卡，在有限的算力下，只能做取舍。另有一些企业则转向不同路径：聚焦特定领域，深耕从模型到应用的一体化布局。我觉得这些积极的探索都是有意义的。我呼吁大家对他们多点耐心，少一点“某某大模型企业崩盘”的标题党文章。

　　对于在位企业，字节希望打造整套模型和应用的大生态，像当年用AI推荐引擎探索出抖音一样，目前拥有中国水平最高的强化学习训练能力，布局了一二十个AI应用，希望未来做出AI时代的超级应用。

　　阿里巴巴更像微软，重点在于打造基础设施、企业级应用规模化、开放生态的构建，希望通过输出通义千问模型能力，让各位的企业未来把业务部署在阿里云上。

　　举个例子：几个头部智能手机厂商都推出了对标苹果intelligence的AI平台。我相信他们都积极研究和探索过DeepSeek等实验室推出的先进的开源大模型，但最终还是选择了与闭源模型企业的合作。在座很多创业公司有技术能力，可以基于DeepSeek的开源模型或通义千问的开源模型去构建产品，但世界上有更多的企业要的不只是智能能力，而是完整的工作流，有可靠性、有7×24小时支持的产品与服务。

　　AGI，我认为基本上三五年内能够实现，取决于对于AGI的定义。我的定义是：人类80%的工作可以由AI完成或AI参与完成，这就可以叫AGI。按这个定义，应该五年内能够实现。

　　业内人士认为模型能力还在飞速成长。大模型现在四大发展方向：通过强化学习提高智能水平，把推理能力做得更强；训练和推理成本进一步降低，进一步优化；Agent能力进一步提升；多模态能力，尤其是多模态的理解和生成一体化能力，寻求突破。

　　Agent现在媒体大量报道。有人提出agent摩尔定律，agent在完成长期任务方面的能力呈指数级增长，其时间跨度大约每七个月翻一番。

　　未来AI agent的时代，也许整个流量与应用生态会有很大变化。每个人依托智能手机或新的AI硬件终端，承载有不同的personal agent个人助理。每个personal agent都相当于生活或工作中的一个秘书，但比真人秘书能力强100倍，能记住所有信息。真人秘书只知道公司旁边最好的两家餐厅，但它知道所有餐厅信息，也了解你的所有个人喜好。比如订机票，personal AI不会像今天的AI产品，需要说“我要买一张上海到北京的机票，虹桥机场飞首都机场，要经济舱，要什么时间，要国航”。真正的秘书知道你最爱坐国航，因为你是国航白金卡；知道你不会飞大兴机场，因为公司办公室离首都机场近很多。

　　这才是真正的AI agent，personal agent需要了解你的很多信息，而不是今天这种问一堆问题才能完成任务。未来终端上可能有多个agent：负责公务的、负责购物的、负责旅游安排的、负责学习和知识获取的等等。中间可能是一层新的search agent网络，都是AI控制，对接这些personal agent。最后在service agent网络中寻找合适的agent完成一个具体的服务。

　　如果未来每人有多个personal agent，将会有一场新的流量池的分配。今天大家觉得移动互联网没机会了，真正原因不是产品被巨头做完了，而是没有新流量了。但如果每人有多个agent，相当于全世界80亿人口乘以5或10个personal agent，比今天多出5-10倍的新流量，创业公司又有新的流量了。

　　这是巨头和手机厂商非常关注的：谁能抓住这些流量？如果未来都是agent而非人，是agent找agent，那今天这些基于双边网络效应的平台还有什么价值？

　　除了语言模型，图片、视频已过技术突破点，但大量模态模型还远未到技术收敛时刻，仍有很多创业机会。

　　很多人问我为什么投那么多图片与视频模型，大厂都在做。过去半年创业公司和大厂在多模态AI业务上的增长特别快。语言模型或基模未来会非常收敛，只有几家厂商垄断市场。但多模态模型可能仍然会有很多人可以继续去研发，因为多模态领域的应用非常丰富。

　　快手可灵做了不到一年，收入已单季过1.5亿；字节跳动的即梦AI，5月份排名超过豆包和红果短剧，登顶字节App榜第一，月活过千万。爱诗的产品上线个月，全球几千万用户。生数的Vidu AI平台上线几个月，也有几千万用户，而且其ToB业务增长非常快。以前在其他领域没见过这么快的商业化增长速度。中国成本优势明显，比如生数科技的

　　Vidu视频生成平台，生成720p视频每秒只要两毛六，而OpenAI的SORA需要3.6元。各行各业使用视频生成模型，商业化前景很大，关键是抓住哪个点切入。

　　AI加垂直行业。以教育为例，AI如何重塑行业？教育行业一直有个“不可能三角”：个性化内容、高品质教学质量和低成本。过去

　　20年中国教育公司创业基本在不可能三角中选两个点去解决。在线教育企业选择高品质和低成本，通过清北名师线上直播或录播课，让全中国千千万万学生享受到了高品质的课程。高品质和个性化是什么？富裕家庭请外教，一对一1500元/小时，确实高品质、个性化教学，但太贵。个性化和低成本是什么？我曾用过一对一英语线上陪练平台，陪练都是菲律宾人，没有教育经验与能力，能陪练但无法纠正发音或语法，没有教学经验，但一小时约两美元，比1500元的线下外教便宜得多。今天AI能把这三件事都同时实现。我特别看好

　　AI教育。以我投资的企业与爱为舞为例，创始人是原高途教育的联合创始人。“与爱为舞”今年3月发布的新产品，在真人名师授课的基础上，创新加入了AI助教功能。学生可在课前预习、课中学习、课后复习的全时段向AI助教提问，从而实现对知识的真正理解与掌握。即使在北京重点中学重点班，同样老师教课，班里仍有第

　　1名和第50名，第50名也考不上一本院校。同样的课，同样的老师，不同的学生理解能力不同。有了AI，学生可以在任何时候问AI助教或老师分身，从而把学习质量大幅提高。特别对偏远、贫困、教育资源差的城市，AI产品给很多学生一个新的机会，所以我特别看好AI+教育。另一个例子是我们投资的

　　“牵手”——这款由探探原CEO王宇二次创业打造的严肃社交应用。当前中国总和生育率已跌破2.1的世代更替线，人口进入负增长阶段，这一问题已受到政府高度重视。而以结婚为目的的严肃社交，恰好为缓解这一社会议题提供了极具价值的切入点。回溯过往，世纪佳缘、珍爱网等平台始终难以做大，核心症结在于依赖线下真人红娘的服务，造成无法实现规模化。婚恋本是缘分驱动的事，红娘在中间进行连接，让双方多些了解，可以提高匹配的结果。而今天的

　　AI正在替代真人红娘的角色——它能精准挖掘两个人的契合点，让寻伴者更高效地找到匹配的另一半。

　　硬件与机器人数据挑战硬件现在各种形态很多，有比较大梦想的想做颠覆性产品。他们认为正如当年手机从

　　PC转移出很多需求——本地生活、游戏、美颜修图等都从PC转移到手机。今天可能有新一代硬件，把很多需求从手机再转移出来，到底这个硬件长什么样？OpenAI花四十几亿收购Jony Ive的公司，到底下一代AI硬件是什么？除了颠覆性的，最近我看到很多有意思的产品。比如一个小球戴在毛绒玩具上，就能以毛绒玩具的形象发声，与小朋友聊天。成本在几百元人民币。小朋友喜欢抱着毛绒玩具拟人化对话，有了

　　AI小球，毛绒玩具真的能发声了。前两天看的一个项目是二次元偶像3D设备，摆在桌上，工作时偶像在小硬件里陪着你，累了可以聊两句，输入音乐还能跳舞。没有

　　AI大模型，这些功能以前实现不了。AI硬件考验创新者的创意，机会很多。机器人很多人在做，但数据是最大问题。与语言、图片、视频、自动驾驶相比，机器人缺乏训练数据，现在基本在解决数据问题。我看到上海天使会的《浦江科技评论》有一篇文章提到

　　“智源vs银河通用-数据稀缺难题的两种解法”，应该也是讲这个问题。如何解决机器人训练数据？我们认为

　　未来数据可能是金字塔结构：最高级是机器人在环的高质量数据，但采集成本高。第二层是通过动作捕捉，把人的真实运动数据给机器人学习。第三层可能是未来每人都佩戴类似小米AI眼镜，通过眼镜采集真实世界的海量数据，让机器人学习。最底层是仿真环境中的合成数据。非常荣幸与大家分享，期待未来有更多交流机会，谢谢大家。

　　是一家在上海市政府支持下成立的新型研发机构。上海科创金融研究院服务于“建设具有全球影响力的科技创新中心”这一目标，致力于搭建天使投资专业化服务平台，开发我国早期科技成果转化孵化数据库，建立弘扬科技创业文化的全媒体平台，完善早期科技创业企业的创新型投资生态。

　　是在上海市政府指导下，由上海科创金融研究院重点打造的专业化天使投资服务平台，旨在培育天使投资生态，引导社会资本投早、投小、投硬科技，促进天使投资与前沿创新创业深度融合，推动科技成果转移转化，服务上海国际金融中心和国际科技创新中心建设。