今天，在大模型投資熱潮開始趨於降溫之時，人工智慧領域的投資該如何選擇？12月17日，峰瑞資本創始合夥人李豐在該公司2025年投資人年度峰會上，分享了他對AI、機器人投資的邏輯與未來展望。

李豐表示，AI作為一個生產力革命，其全面落地還需要經歷很長的變革時期。當下AI投資已經回歸腳踏實地，開始投能落地的AI，所有的技術只有在被大規模應用後才能進一步迭代，但目前AI的應用還屬於早期階段。

以下是演講實錄（略有刪減）：

大模型發展至今，只剩下大公司

今天中美都非常關注AI，背後的原因在於，可能大家認為AI是一個生產力革命，歷史上生產力革命花的時間比大家預期的要稍微長。比如在蒸汽機時代，從發明到廣泛應用於紡織機械以外的領域（如飛機、火車、輪船等），經歷了約100年的漫長過程。電腦與互聯網時代，從第一臺個人電腦開始到現在人人都用的微信大概也花了30年時間。

今天的人工智慧還處於很早期的階段。既然AI處於早期發展階段，為什麼這一輪的熱度這麼高？這或許和宏觀經濟背景有關。2020年至2021年，為應對疫情，全球範圍內的貨幣政策寬鬆，流動性是歷史上從未發生過的。

美國的AI泡沫會破裂嗎？最近一周的美股市場看起來AI交易量大幅下降。如果美股泡沫破裂，A股市場是不是會受影響？或者假定美股泡沫破了，並且可能影響中國，中國如何對抗影響走出獨立行情。

目前，大模型的競爭格局已經差不多，本質原因是所有的技術進展和躍遷都不可能持續地超越預期。2023年，它經歷了小的跳動上了臺階後，就進入了比較線性的發展過程。

大模型發展至今，只剩下大公司，比如微軟、穀歌、位元組的豆包和阿裏的通義千問。這個現象反映了一個本質原因：技術變革要成功，需要前、中、後端同時發生變革。（前端/UI交互介面的改變加上中端/技術，終端/硬體載體和消費者用戶習慣的遷移。）只有大公司才能既做基礎設施，又有足夠多的用戶，同時有大模型的研發能力，能把大模型當成一個軟體服務的延伸。明年我們可能會看到，大模型將與硬體服務深度整合，演變成一種統一的雲服務。

回顧大數據時代，並沒有催生出新的千億市值的公司，因為它完全沒有前端，也沒有消費者習慣的遷移。位元組的抖音之所以能成為千億美金巨頭，是因為它不僅有大數據演算法（中端），還改變了交互方式，從UI介面鍵盤輸入關鍵字變成了滑動，然後消費者的習慣改變了。

有了大規模的應用，技術才能真正進步

從我們的技術投資邏輯上，AI經歷了三個發展階段：

第一個階段2023年至2024年，投資聚焦技術本身，比如大模型。第二個階段2024年至2025年，開始關注最有想像力的應用，比如以Manus為代表的通用Agent和具身智能機器人。第三階段2025年至今，大家開始投能落地的AI應用，比如垂直領域的Agent應用和AI硬體。大家投資開始變得腳踏實地，到底誰能用這個技術賺錢？

從投資來講，AI Agent垂直領域比較困難。投資垂直領域的AI Agent應用需要具備兩個條件：第一，最好已在產業鏈中建立高質量的數位化閉環；第二，最好能以自然語言交互的形態實現兌現的服務價值，即服務流程高度依賴自然語言交互。比如做教育、心理諮詢和做金融這類公司，這些行業全鏈條數位化程度高，且服務是用自然語言交互兌現服務價值。

也有一些新的全鏈條數位化方向值得嘗試，比如電商直播、編程、遊戲。總體來看，垂直AI Agent應用更容易由已有業務公司轉型實現，因為它們已擁有業務、數據、專業人才，以及重構服務的技術能力與抽象層次。新賽道有機會，但我覺得不那麼多且很難找，因為它沒有數據積累和客戶。

關於AI硬體，日本在20世紀80年代推動了廣泛的電子化，將許多機械產品改造為電子產品，例如鋼琴變為電子琴、機械手表變為卡西歐電子錶、照相機變為傻瓜電子相機等等。然而，受限於當時感測器與晶片技術，日本未能進一步走向“智能化”。

當前中國正處在類似的產業躍遷中，我們不僅將沒有改過的傳統產品電子化，更在此基礎上疊加感測器與晶片，使其智能化。這基於中國擅長在“軟科技+產業鏈”上的積累，通過技術整合創造新產品、帶動新需求，最終變成新物種，並彌漫全球，同時大規模應用產生新數據。

中國產業的機遇在於，一旦進入全線產品電子化階段，高精度硬體就會變得極具性價比。比如新能源汽車今天已將鐳射雷達和毫米波雷達的成本大幅降低。這些高精度硬體成本降低後，就能廣泛應用於各類消費產品中。中國歷史上曾多次重複這個路徑。

基於此，我們主要關注兩類企業：一類是原有的to B企業，其憑藉對感測器、晶片的深入理解和技術能力，轉型切入to C市場，我們的被投企業中已有不少成功案例；另一類是洞察到消費者習慣與新產品集成機會，從而創立的新品牌。

所以之前的問題也有了答案，如果AI的基礎設施和大模型的泡沫在美國下跌，只能靠應用來接，中國能接得住嗎？肯定能。中國在技術應用方面還多次驗證了其發展路徑。以人臉識別為例，2015年時許多人認為中國難以追上美國，但到2018年後，中國通過極其廣泛的應用——涵蓋酒店、餐廳、支付轉賬、工商變更等幾乎所有生活與商業場景——將技術推向了實用化的極限，從而反哺了技術創新本身。同樣，在自動駕駛領域也是如此。這表明有了大規模的應用，技術才能真正經受檢驗、迭代進步。

機器人未來迭代的核心在於獲取新維度的數據

我們在2021至2023年密集投資了機器人，到2024年下半年熱度較高時暫停了機器人投資，提早刹了車，事實證明太保守了。我沒想到機器人在2024年的6月份之後熱度又持續了一年半。

機器人是自動駕駛加上強化學習帶來的演算法革命，兩者結合變成了今天看到的機器人。但依然停留在展示打拳、跑步、跳高、運動會等，這些不是操作能力。

操作能力意味著要改變物體狀態。為什麼全世界都在投它，為什麼今天（機器人）還不行？明顯的短板在於操作能力。今天全中國所有的機器人基本停留在演示層面，連桌子的高度都不能移動、衣服還不能碟。機器人的操作能力其難點在於缺乏人或物體跟物理世界接觸並改變狀態的數據。

所以，機器人未來迭代的核心在於獲取新維度的數據，有以下幾個方法：

一、和自動駕駛一樣，自己給自己採集數據，這方面好處和壞處都較為明顯，沒有哪一家能做到像特斯拉那樣有幾百萬輛車幫它採集數據。另外機器人還有一大挑戰是硬體暫未定性，比如究竟是5根手指還是3根手指還是用夾板都暫無定論，只要本體一改變，就意味著原來的數據沒有用，需要從頭再來。

二、是不是演算法加大腦就能解決問題，如果演算法加大腦能解決問題，大語言模型早就會出現，不需要等積攢了四十年互聯網的數據。我認為，大家在等新的消費級設備和關鍵感測器的大規模普及後有新的解決方案。比如，當智能手機中開始普及麥克風陣列或高質量的聲音晶片之後，才具備了對聲音進行高清解析的基礎；又如，只有當 GPS 晶片被裝進智能手機、並分發到每個人手中，位置數據才得以真正產生。從本質上看，大家最終等待的都是大規模數據的出現。

來源：中國澎湃新聞