一位投资人的硬核观察：被DeepSeek和Manus改写的AI投资范式

【编者按】2025年，腾讯科技联动AI浪潮的创新者，推出“AI未来指北”趋势预测系列，透过他们的视角共同窥探AI与人类共生的未来图景，感受新范式的磅礴力量与深远影响。

作者创世伙伴创投

编辑周小燕

过去两年，创世伙伴创投创始主管合伙人周炜在中美两地密集考察AI项目时，始终困惑于一个问题：“除了底层大模型公司，应用层公司很少专注于提供真正完整的解决方案。每个产品都能带来惊喜，却鲜有产品能真正彻底解决用户的问题。”

巧合的是，就在3月初，周炜与北大侯宏教授关于AI的讨论，也恰恰聚焦于此：“什么时候才会出现真正突破应用阈值的产品——即能在特定场景中彻底替代人类、完整解决问题的应用？”第二天，Manus横空出世。

周炜认为，无论中美，创业公司在大模型底层的机会窗口已经基本关闭。真正的机会在于像Manus这样精准捕捉用户需求，突破用户体验阈值，真正提供“端到端”的完整解决方案。“Deepseek为全球敲响了警钟：大模型还能这样做；Manus则为全球应用开发者树立了标杆：应用应该这样做。两者都带来了顿悟式的启示，只是在不同层次：底层和应用层。没有必要再用底层技术的标准去衡量应用层的产品。”

显然，2025年开始，AI产业的竞争逻辑正发生深刻变化。技术参数的军备竞赛逐渐降温，行业焦点从“拼参数”转向“拼生态”。

“没有应用层支撑，底层技术只能陷入自娱自乐；只有真正走向应用层，AI才能实现普惠价值。”周炜的判断揭示了行业发展的关键——从单纯追求技术突破的幻想，到生态协同的效率革命，这场变革才刚刚开始。

生态重构

从“三层金字塔”到“网状共生”

当前人工智能生态系统已形成清晰的“三层架构”：基础大模型（Foundation LM）、AI基础设施（MLOps/AIOps/数据编排）与应用层（2P/2C/2B）。但这一架构正在向“网状共生”演变——基础模型厂商向下整合算力与数据，应用层向上优化交互与场景，开源生态成为连接各层的黏合剂。

这种演变不仅是技术上的升级，更是商业模式的重塑。未来的赢家将不再是单纯的技术领先者，而是那些能将技术、场景与商业逻辑深度融合的生态型玩家。投资时，我们更关注企业如何融入并重塑这张生态“网”，而非单纯技术领先几个月。

基础大模型：开源与专有模型共存

大模型领域不会出现赢家通吃的局面，开源与专有模型将长期共存。开源模型正成为基础设施的“水电煤”，专有模型则是高价值场景的定制化利器。

例如，深度求索（DeepSeek）凭借推理成本优势（仅为GPT-4的1/20），正快速占领开发者心智，Meta不得不加速Llama 4的研发进程。然而，这一领域的格局初定，早期风险投资的机会窗口已基本关闭。

AI基础设施：边缘计算与能耗优化的新机遇

AI基础设施领域正经历“冰火两重天”：纯算力型基础设施市场萎缩，而边缘计算与能耗优化技术却迎来了爆发式增长。

以英伟达Jetson Orin Nano芯片为例，其能耗比提升5倍，为XR设备、车载AI等边缘场景提供了技术支撑。我们投资的悠跑科技，通过边缘计算技术，将动态定价系统的路况数据采集成本降低了80%。

未来基础设施的关键不再只是算力，而是能耗与成本的综合优化。

应用层：垂直领域的竞争逻辑

AI的价值，不在于它能做什么，而在于它解决了什么问题。应用层的竞争逻辑更加清晰：场景深度和数据护城河才是真正的竞争力。

2P应用（面向专业人士）：如法律合同生成工具Harvey、医疗影像分析平台Arterys，通过垂直数据微调模型，成为医生、律师的“超级副驾驶”。
2C应用：OpenAI与微软凭借Copilot占据通用场景，但垂直领域仍存机会。例如金融科技公司Upstart利用AI重构信用评估模型，坏账率降低30%；中国初创企业“深言科技”推出AI心理助手“心镜”，用户留存率超70%，印证Z世代对AI的深度依赖。
2B应用：核心在于“数据护城河+场景闭环”。零售巨头沃尔玛通过RAG技术将库存数据与消费行为关联，实现动态定价系统，库存周转率提升18%。

2025年AI产业的五大趋势预判

趋势一：边缘智能革命——SLM与TinyLM开启“设备觉醒”时代

我们认为，“边缘智能将成为下一个技术爆发点。”微型大模型（TinyLM）凭借蒸馏训练与硬件适配技术，已能在50 TOPS算力的设备上流畅运行，为智能眼镜、工业传感器等场景带来了革命性变化。

案例：硅谷初创公司Nexa AI的案例颇具代表性：其7B模型在树莓派上实现多轮对话，响应延迟低于0.5秒，功耗仅2W。

投资逻辑：端-云协同的架构，是边缘智能的关键。例如，特斯拉Optimus机器人通过端侧SLM处理实时环境感知，云端大模型优化决策路径，两者协同将训练效率提升3倍。

趋势二：成本悬崖效应，DeepSeek重塑AI产业经济学

当推理成本下降一个数量级，整个产业的游戏规则都会改变。DeepSeek的技术突破，是AI产业的分水岭。我们观察到，这一成本悬崖效应，直接引发三大连锁反应。资本市场的估值逻辑也开始从“拼算力”转向“拼场景”，能跑通单位经济模型的AI应用估值溢价超过30%。

硬件依赖下降：低成本模型降低了对高端GPU的依赖，部分场景可用CPU替代。
开源生态重构：全球50%以上Llama开发者转向DeepSeek，Meta被迫加速Llama 4研发。
估值逻辑颠覆：资本从“拼算力”转向“拼场景”，能跑通单位经济模型的AI应用估值溢价30%。

趋势三：AI Agent生态崛起——从「工具赋能」到「组织重构」的质变

产品力跃迁：2025年标志着AI Agent从「功能模块」向「组织单元」的进化。微软研究院最新测试显示，配备多模态感知与记忆引擎的Agent系统，在复杂任务中展现出超越人类团队的协作效率（测试案例：某跨国律所通过LegalMind Agent集群完成跨境并购尽调，效率提升12倍且风险点发现率提升83%）。

创新团队图谱：

架构层突破：Anthropic推出的「宪法AI 2.0」框架，通过道德决策链可视化技术，将价值对齐准确率提升至89%，为金融、医疗等强监管领域扫清伦理障碍
交互层革新：硅谷初创公司Cognition Lab的Devin工程师Agent，已实现从需求分析到代码部署的完整闭环，在GitHub真实项目测试中独立完成率达72%
商业层进化：中国团队深度求索开发的「天工」Agent系统，在供应链优化场景实现动态决策-执行-反馈闭环，某制造业客户库存周转率提升34%

投资逻辑升级：

场景穿透力：优先布局具备「感知-决策-执行」完整闭环能力的团队（如宇树科技将运动控制Agent嵌入机器人关节级决策）
数据飞轮效应：关注拥有独特交互数据沉淀的Agent平台（如心理助手「心镜」累计3000万次对话形成的情绪识别模型）
组织适配度：重点考察人机权责划分系统设计能力（参考亚马逊仓库的「三级熔断机制」确保Agent决策安全性）

趋势四：具身智能觉醒——物理交互的量子跃迁

根据摩根士丹利最新报告，全球具身智能市场融资规模在2024年Q3同比增长240%，其中人形机器人赛道单季度斩获58亿美元投资。波士顿动力的Atlas机器人已实现复杂地形自主导航，特斯拉Optimus Gen-2在精细操作层面突破0.1mm精度阈值，标志着物理交互能力质的飞跃。

当前最大痛点来自训练数据的“双重匮乏”：

多模态数据缺口：单个机器人需融合视觉（2TB/天）、力学（800GB/天）、空间定位（500GB/天）等异构数据流。
仿真-现实鸿沟：虚拟训练环境与真实物理世界存在17-23%的动作偏差率（MIT 2024实验室数据）

破局路径：

英伟达Omniverse平台推出”物理精确度认证”系统，将仿真训练误差控制在3%以内
OpenAI与波士顿动力合作开发”触觉反馈强化学习”框架，使机械臂操作学习效率提升40倍
中国工信部《具身智能数据采集标准1.0》将于2025Q1实施，规范工业场景数据标注

投资风向：

中国创新力量正在改写产业格局：

宇树科技2025年1月发布的Unitree B2-W四足机器人，搭载自研”赤兔2.0″运动控制系统，实现复杂地形自适应步态调整
其春晚特别版机器人集成国产化率92%的关节模组，单腿峰值扭矩达360N·m（超越波士顿动力Spot 2.0的320N·m）
与凌云光联合研发的FZMotion动捕系统，将训练数据采集效率提升7倍，破解具身智能”数据饥渴”难题

投资风向：

这个赛道正在缔造融资神话：宇树科技2024年完成10亿元B2轮融资，创下人形机器人领域单笔最高融资纪录，投资方包含高瓴、红杉等头部机构，估值较天使轮暴涨150倍。a16z在2024趋势报告中将”物理智能”列为年度关键词，预测具身智能硬件将在2025年出现”iPhone时刻”，服务机器人渗透率有望从当前4.7%跃升至19%。

趋势五：价值对齐工程化——从伦理辩论到技术标准竞赛

范式转变：

2024年欧盟AI法案强制要求高风险系统通过ISO/IEC 23894认证，催生”伦理即服务”(Ethics-as-a-Service)新业态。微软Azure推出全球首个AI伦理审计平台，可检测178项价值偏离指标。

新兴焦点：

具身智能带来的三维伦理挑战：人机协作场景中的安全边际量化（如服务机器人力量控制阈值）

Anthropic提出”宪法AI 2.0″框架，将道德决策链可视化程度提升至89%

中国信通院牵头制定《生成式AI价值对齐测试方法》，涵盖文化适配性等本土化指标

投资重点与行业影响

我们的投资逻辑始终聚焦于具备明确场景需求和数据护城河的垂直AI应用与专用AI领域。我们目前以及接下来的投资重点集中在垂直AI应用（包括机器人）和专用AI（如SLM在边缘或设备上的应用以及智能体AI的应用）。我们的投资还包括AI客户支持和AI工作场景（如非结构化数据搜索等）的用例。

AI对行业的影响

高度数字化行业：AI将带来深刻的赋能，而非颠覆性。例如，在金融服务领域，AI在风险管理和Alpha资产管理中带来显著改进，包括欺诈检测、自动化信用评分、市场情绪分析等。
缺乏大数据的行业：AI的影响相对较小，但仍可通过垂直数据微调实现局部优化
零售与电子商务：AI利用大模型优化客户服务和库存管理，同时开发智能系统分析消费者数据。这一应用提升了个性化购物体验，优化了库存水平，并提供了可操作的洞察以推动销售。

结语

在“加速世界”寻找确定性