【我用🍆蹭同桌的🐻】大模型的牌桌正在收敛，投资人的钱还在往哪里涌？ 当客户只为结果买单

发布时间：2026-08-15 18:11:14 来源：万箭穿心网 作者：知识

当客户只为结果买单，大模的钱资本开始追问退出路径，牌桌大模型公司的正收资人新一轮考验开始了。

7月，敛投里涌月之暗面发布2.8万亿参数Kimi K3。还往随后，大模的钱我用🍆蹭同桌的🐻阿里千问官宣2.4万亿参数Qwen3.8上线预览版，牌桌DeepSeek V4正式版开始灰度推送——三款万亿参数大模型密集落地，正收资人将这场持续了三年多的敛投里涌参数竞赛推向了新的高潮。

但WAIC展馆里几乎没有参数对比的还往展板，取而代之的大模的钱是可自主执行任务的AI智能体、在产线上拧螺丝的牌桌机械臂、贴着“已量产”标签的正收资人落地方案——行业已经给出比参数更务实的信号。

这种反差也弥漫在一级市场。敛投里涌锦秋资本董事总经理周琪对第一财经记者表示：当下不是还往缺少优质赛道，而是优质稀缺项目的估值被提前拉高，头部项目普遍透支了未来两三年的成长空间。

启明创投主管合伙人周志峰在接受第一财经采访时称，过去一年,模型、Agent和算力的发展高于预期，但面向大众消费者的超级AI应用仍然没有出现，C端的AI应用创新丰富度不及预期。

同时，国资LP资金仍在持续涌入AI、半导体等硬科技赛道。一名早期投资人向记者表示：“有的项目天使轮估值就很高，根本算不过账来。”另一面，世界模型、A片具身智能、AI应用等细分赛道入局公司成百上千，至今没有跑出绝对头部。2026年的大模型行业，正处于格局收敛与混战未停的交界线上——谁值得下注、谁将被淘汰，答案正在这个夏天加速推演。

大模型赛道加速迭代

“AI一天，人间一年。”这是启明创投主管合伙人周志峰常和朋友说的话。他判断，AI未来二三十年趋势清晰：当AI在物理世界的作业实现后，人类物理劳动力会极度充裕，变革激烈程度将超过工业革命和信息革命。

一组数据可见变化的激烈程度。OpenRouter数据显示，中国模型使用量超过美国模型已持续11周，美国企业使用中国模型构建AI应用的比例从一年前的4.5%升至46%。中国日均消耗大模型Token两年半时间内增长了三千倍，达450万亿Token——人类历史上从未有任何一项技术以每年上千倍的速度成长。

需求的爆发性增长与成本的下降同时发生，形成了一个正向加速的飞轮。模型越变越便宜，从性能至上到性价比至上，而整个需求规模被激发增长了千倍、万倍。

周志峰举了一个例子：国内某家科技大厂去年AI算力预算最终落地约500亿元，而今年预算规模已经扩大到去年的荷花1777.tⅴknow百度下载六倍以上。

“我当时特别震惊，没想到增幅会这么大。”在他看来，这也是为什么过去一年，无论一级市场不断涌现AI芯片创业公司，还是二级市场HBM内存、光通信等板块持续火热，本质上是底层算力需求正在以前所未有的速度增长。

模型企业也迎来了史无前例的资本红利。智谱市值近6000亿港元，DeepSeek融资估值逼近5000亿元，可灵分拆投前估值180亿美元，月之暗面与阶跃星辰从去年四季度融资遇冷到如今估值暴涨至百亿、两百亿美元——市场共识的形成，将这一轮资本盛宴推向了高潮。

但共识的另一面是分歧。九合创投创始人王啸对第一财经表示，今年一级市场某些赛道的市场热度很高，主要集中在政策重点体现的相关领域、世界模型等，项目估值涨得很快。资本过度集中的后果已经开始显现——估值预期和企业成长速度的失衡，有的项目天使轮估值就很高。

例如，市面上涌现的大量Neo labs（由顶尖AI研究员创立、专注于前沿研究的新型小型AI实验室），创始人基本都是95后、00后。男同创业项目天使轮估值就能达到二、三十亿人民币。

周琪观察到，基础大模型赛道创业门槛极高、入局企业少、格局相对清晰，但世界模型、AI智能体、AI应用等细分赛道“入局公司成百上千，至今没有跑出绝对头部企业”。整体行业仍处于早期混战阶段，尚未形成稳定的竞争格局。

以应用赛道为例，周志峰也表示，去年随着模型快速迭代，市场曾普遍期待2025年将是AI应用时代开启元年，并能够出现类似移动互联网时代微信、抖音那样的新一代超级2C应用。但观察下来，过去一年，真正快速成长的产品更多集中在Coding、Agent等生产力工具，而面向大众消费者的超级AI应用仍然没有出现。

一级机构在选什么

在基础大模型格局已然清晰的背景下，投资机构正在将筹码押向更具不确定性的前沿方向。

王啸明确表示，今年押注世界模型，外国人b站因为它的技术路径还没有收敛，后续有很大潜力。在筛选标准上，王啸看重“状态之间的规律”，要“建立状态之间的关系”，他举例提及自变量的统一世界模型和Aether AI的因果世界模型两类技术路线。

同样持续布局世界模型这类多模态基础模型，周琪已投资多家相关企业，包括生数科技等视频大模型企业。在他看来，世界模型赛道的核心优势在于“沿途商业化”——视频模型可落地C端内容生产，3D模型可赋能AR/VR，VLA模型可支撑机器人落地，每一个技术迭代阶段都能落地商业化场景、产生收入。

具身智能是另一个被资本重点押注的方向。

周志峰表示，一二级市场现在格外看好该赛道的核心原因在于，这或许是有史以来第一个兼具两大市场体量的产业：智能手机的出货规模叠加乘用车的单品单价。简单算笔账：如果行业发展成熟，一年10亿台出货量、单价约3万美元，这将是一个体量顶尖的赛道。

王啸则认为，具身行业热度居高不下，流动性爆发与世界模型概念面世有一定助推作用，但核心因素还是大模型让大家看到万亿市场的想象空间，物理世界的人与动物想象空间更大，具身是下一代重要的硬件载体。

他预判，等具身领域的模型表现出Scaling Law（规模定律），市场会看到这是个重投入、重资产、资源分化的赛道，马太效应只会比大语言模型更强，届时行业会逐渐回归理性，乐观估计，大概需要一两年时间。

但回归理性之前，泡沫的积累已在发生。

到现在，周志峰每周还能收到2-3家新成立具身公司的商业计划书，不过这些公司创始团队背景高度重合，多为高校教授、自动驾驶大厂高管或是AI模型研发人员；各家的技术路线大同小异，聚焦于VLA视觉语言动作模型、世界模型；落地场景也类似，如工业物流、商业服务以及最新的仿生机器人场景。

他的判断是，如果机器人赛道没有关键突破，尤其是技术路线没法收敛，行业很难大规模落地。现在各家机器人落地探索的更多是专属场景的模型，并不是当下舆论热度很高的通用模型，只做demo项目，www.91商业化规模起不来。

“二级市场现在有一种观点：不管哪家企业先上市，上市之后最佳的判断方法就是看落地成果。”周志峰给出一个时间窗口：如果具身智能企业在今年年底或明年年底，没有实现实实在在的规模化商业落地，没有扎实的营收，市场大概率会迎来一轮深度大调整。

他建议创业者多读历史。“越是疯狂、噪音比较多的时代，越要坚持哲科思维，把事想通、想透。”

当客户只为结果买单

当估值逻辑转向商业验证，商业化落地能力正在成为区分赢家与输家的核心标尺。

周志峰对记者表示，过去无论PC互联网还是移动互联网，投资人最关注的是用户增长。产品拥有足够多用户之后，可以通过广告、会员、电商、游戏等方式逐步实现商业化，而随着规模扩大，服务器等基础设施成本还能不断被摊薄。

AI产品却完全不同。用户每发送一句话、生成一张图片，美国又大又好看的ppt模板下载百度调用一次Agent完成任务，都意味着模型需要进行推理，也意味着新的Token成本。

一家拿到别家风投、卖出几十万台产品的AI玩具公司创始人，曾告诉他一个有些反常识的数据：其销售的AI玩具超过90%的用户，几乎不会高频启用玩具里的AI交互功能。这反而让企业暗自庆幸——因为在移动互联网时代行得通的“流量神话”，在AI时代却演变成了token的“成本黑洞”，服务的人越多，公司可能死得越快。

基于这些观察，周志峰总结：当前看AI应用，会格外看重企业的商业化能力——商业能否闭环、token成本能否被营收覆盖。他提到，教育、金融等付费意愿强、客户转化稳定、较容易实现商业闭环的标杆领域是相对安全的方向，而纯尝鲜类、无法体现付费价值的应用，无论技术多炫，都面临严峻挑战。

光源资本创始人兼CEO郑烜乐表示，当前万亿级美元的CAPEX（资本支出）投入先行，各行业对AI生产力的吸收效率存在滞后性，形成资本投入与商业化收入的靠逼视频剪刀差。填平产能过剩缺口、消解行业泡沫预期的唯一路径，是加速AI与产业的深度融合、积极推动再工业化进程。

他判断AI产业化落地将先后存在三波浪潮：第一波为数字劳动领域最先被工业化；第二波依托大模型完成科学研发等高价值场景改造；第三波为依托大模型、具身大脑实现制造业、农业、物流等实体物理劳动的工业化。

BAI资本合伙人汪天凡的筛选逻辑从另一个维度揭示了行业趋势：具备完整的数据闭环实现模型自我迭代；模型具备自用产出、自我优化的递归能力；组织架构匹配大模型持续迭代的增长逻辑。这将是企业长期构建技术壁垒、在巨额行业投入中拉开差异化优势的关键要素。

在商业化落地加速推进的同时，行业竞争逻辑正在被彻底重构。周琪观察到，今年AI创业群体出现了三大全新变化：大量00后年轻创业者入局但普遍“重技术、轻商业化”；出海从“加分项”变成“必选项”，每两三家初创项目中就有一家Day One布局海外；行业边界彻底模糊——大厂、模型厂商全部下场做AI智能体和AI应用，“模型即产品”成为常态，产品壁垒周期从半年一年压缩至两周到两个月，行业最终从拼产品、拼技术，转向拼商业化、拼销售、拼增长。

周琪判断，AI应用最大的日韩电影困境是“壁垒极低、同质化严重、窗口期极短”，一款产品落地两周就会被同行复刻，技术和产品壁垒完全失效。国内AI应用的本土化出路有两条：AI+BPU模式，主打人机混合交付和Agent自动化交付，靠服务和落地能力构建壁垒；传统产业厂商AI转型，依托原有行业数据、客户资源和销售渠道，天然具备商业化壁垒。而纯AI Native国内初创企业多数尚未跑通稳定商业模式。

中国的AI产业正在形成独特的比较优势。郑烜乐表示，工业化落地的最大障碍并非模型算法本身，而是产业端的对AI作为生产资料的吸收能力——技术型创业团队需从模型单点能力转向补齐产业闭环，产业方需要从组织架构、战略、资金层面做到真切接纳人才、技术等各类创新要素。

从“为参数欢呼”到“为结果买单”，大模型的牌桌正在收敛，筹码正在转移。那些在狂热中保持克制、在泡沫中跑通商业化的企业，或许才是下一个周期真正的赢家。

相关文章