题图｜虎嗅拍摄牛小散
当下，AI正在悄然颠覆科技产业格局，创业者从模型层到应用层竞相入局。但资本正在向头部聚集，2024年全球AI融资额突破1000亿美元，单笔超1亿美元的融资占比达69%，头部效应明显。
而市场也在变得更为激烈。从大模型、具身智能到AI应用，几乎在每一个赛道和场景，新的公司都如雨后春笋出现，
对创业者而言，考验的已经不仅是创新与运营效率，更是从数据流转到场景应用的商业化智慧：你的产品定位是否清晰？在商业化过程中，如何构建数据闭环与场景壁垒，保持核心竞争力？以及，在这波投资浪潮中，到底该如何找到生机？
若这些关键问题未有清晰答案，而仅将 AI 风口简单地视为“机遇”，它带来的可能不是红利，而是黄粱一梦。
近期《虎嗅·AI无悖论》节目，特别邀请到了中欧国际工商学院金融学教授、副教务长、EMBA课程主任、中欧企业与资本市场研究中心主任黄生与九合创投创始人、中欧EMBA校友王啸，探讨投资视角下的AI机遇，他们分享了对行业投资机会的看法，以及对未来AI 应用的洞见：
英伟达4万亿市值是否预示泡沫风险？
AI为何超越其他技术，成为第四次工业革命驱动力？
AI时代能否摆脱“赢者通吃”，垂直领域有何机会？
投资人青睐何种AI公司，中小创业者机会何在？
下一现象级应用将在哪些领域爆发？
本期主持人为《小遥说商业》账号主理人、中欧EMBA校友陈小燕，以下为交流实录（有删编）：
风口里，中小企业机会到底在哪
陈小燕：英伟达市值突破4万亿美元，您如何看待这一现象？
黄生：资本市场的估值反映了大家对人工智能未来的高期待，把企业生命周期的自由现金流折现到当下。目前人工智能相关企业市净率已达40-50倍，类似于苹果，这是一种市场情绪，也是一种预期，大家对AI的未来“很上头”。
王啸：英伟达芯片重新定义了全球可计算能力的边界。随着大模型和应用层的扩展，边界不断扩大，想象空间也被无限打开了。人类基因、制造业数据、日常生活、商品购买等均可通过GPU+大模型进行智能化运算。市场认可这一底层能力，股市愿意“赌”未来，英伟达被赋予巨大估值。
值得注意的是，它象征AI行业整体的结构性机会开启。从AI行业演进轨迹看，如果英伟达能达4-5万亿，未来模型公司和应用公司也将出现类似机会。
陈小燕：为什么AI被视为第四次工业革命的核心，而非物联网、大数据等技术？
黄生：AI 复刻了人类决策，它的深度学习的方式像一个“黑匣子”，是人类思维的一种镜像。其他技术有科学逻辑，但离人类远了一些，人工智能离人类可能更近一些。
王啸：大数据、区块链这些技术没能从根本上撼动社会和技术。要成为第四次工业革命，得是底层的、能广泛影响人类生活的变革力量。过去的技术都是“人+工具”的模式，AI完全不同，它直接就是一股生产力，能独立完成任务，不需要人类再拿着工具配合。
现在，AI的智能越来越通用，能渗透到生产、消费、科研等几乎人类所有活动。比如，以前新药研发得花10年、1亿美金，AI可能1-2年就搞定，效率翻倍，成本暴降。
其次，像写PPT、编程序、做短视频这些过去靠脑力密集合作的工作，通过AI能干得更漂亮。这对社会的冲击是颠覆性的，解放了人类精力，让我们干更有创造性的事儿。
现在还不好说AI百分百是第四次工业革命，但它绝对有这个潜力。AI大模型很可能就是这场革命的起点，彻底改变社会结构和生产力。
陈小燕：2024年全球AI融资额突破1000亿美元，单笔超1亿美元的融资占比达69%，头部效应明显。对于国内中小型AI创业公司来说，这是否意味着机会减少了？
王啸：AI行业的基础模型和应用层的机会截然不同。基础模型领域头部效应明显，需要海量算力、顶尖工程师和巨额资金，中小公司很难挤进去，基本是大玩家的游戏。但应用层完全是另一回事儿。
中小公司可以通过微调模型或训练小模型来适配特定场景，资源消耗低，门槛也低。由于应用场景多样，商业和社会价值巨大：任何有数据的领域——从生活服务到行业决策——都能用AI提升效率、创造价值。这些场景的潜力远没被挖尽，其背后的价值可能比基础模型还要高好几个量级。
所以，中小公司如果一头扎进基础模型的“军备竞赛”，确实是浪费资源。创业公司应该聚焦应用层，深挖对人类生活和社会的实际价值，投资回报潜力大。
陈小燕：在黄教授看来，资本市场对AI投资更倾向于底层大模型还是应用层？国内和国外有何不同？
黄生：这得看哪个国家的市场。国内想抓全产业链，基础层如算力芯片和大模型需要巨额投资，因为我们被英伟达领先，算力上有点“卡脖子”，所以得追赶，投资需求旺盛。但真正带来商业价值的还是应用层，垂直领域的AI应用能直接提升C端和B端的生产力，市场空间百花齐放。
在美国，他们有英伟达这样的头部算力公司，所以投资仍聚焦算力和大模型以保持领先，但应用端生态不如国内丰富。国内的优势在广袤市场和应用层挖掘，未来可能靠创业公司冒出好机会。
陈小燕：对标互联网行业牛小散，AI发展目前处于什么阶段？普通人还有机会吗？
黄生：AI现在很像十几年前移动互联网的阶段。那时候，4G到5G网络、移动终端这些基础设施已经成熟，缺的是应用，所以抖音、SaaS企业迅速崛起。
现在AI也类似，英伟达的算力、巨头的大模型已奠定基础设施，国内也在追赶，算力和模型基本就位。接下来是应用端的爆发，谁能找到适合AI的场景，提供高价值服务，就能快速成长。
在我看来，AI 不像移动互联网那样“赢者通吃”，因为医疗、教育等垂直领域有数据壁垒，同时诞生多家伟大公司是可能的。
王啸：在我看来，如果对比互联网的发展阶段，它分两波：PC互联网（2000年前后到2010-2011年）和移动互联网（2011-2012年至今）。这两波催生了不同公司，但核心商业模式类似——通过刚需工具或媒体平台聚拢海量用户和数据，最终靠广告变现。其核心是“连接”产生的网络效应。
AI大模型跟互联网完全不一样。它不像互联网那样靠“连接”人再卖广告，AI的商业模式更偏向直接交付服务的收费模式。比如，AI直接给你编程代码、剪好视频、匹配好人才，交付的是最终结果。
这种直给服务的模式从第一天、第一个用户开始就能产生收益，AI的盈利模式天然靠前。因此，行业的形态更可能是百花齐放，垂直领域各有巨头。
对标时间窗口，AI现在像2000年左右的互联网早期。基础模型能力已相当成熟，但这只是开始。随着模型能力提升，未来应用层还会覆盖更多工种和场景。就像移动互联网是对PC互联网的载体升级引发爆发一样，AI应用层现在也站在爆发前夜。
需要注意的是，AI的普及速度很快，微信用户数过亿用了1年多的时间，而ChatGPT用了两个月的时间，DeepSeek App则是两周。相应地AI应用的起飞速度也会比互联网快得多。
陈小燕：你们平时用哪些AI应用工具？偏向哪些领域？
黄生：国内外的AI工具我都试过。主要偏向辅助研究，把AI当智能搜索引擎，比谷歌、百度更便捷，能对话、持续更新。比如做文献梳理，AI能快速整理海量研究，提炼结论；写英文文章时，AI帮我润色语言，作为非母语者，AI的表达更优美，学术严谨性不变。生活教育类应用几乎没怎么用，目前还是以搜索和研究功能为主。
王啸：人类工作核心是获取和处理信息、做判断，AI在信息搜集和整理上帮了大忙。比如查专有名词、市场趋势，AI能快速梳理知识，比传统搜索高效。但判断和推演还得靠自己，AI主要是加速前期信息处理。
真正面向生活的AI应用还很少，当前大模型聚焦基础能力，应用层还在发展期。未来期待更多互动式、个性化应用出现在娱乐、教育和医疗板块。比如根据喜好推荐内容或生成视频。目前教育领域有些低龄儿童的AI陪伴产品，但智能度有限，学习类应用还在探索。医疗查询倒是有潜力，知识储备丰富。
AI行业会不会重蹈互联网泡沫？
陈小燕：作为市场投资人，你们如何看待AI行业的投资泡沫？会不会重蹈互联网的覆辙？
黄生：AI行业可能存在一定泡沫，但这与互联网泡沫不同，而且可能是推动技术进步的必要“泡沫”。不过，泡沫可分两类：资产泡沫和技术泡沫。资产泡沫，如国内一线城市房地产，房价与年收入比或租金回报周期极高，需几十年年薪或百年租金回本，由流动性过剩驱动——资金多、标的少，价格被推高。这种泡沫因需求下降（如人口减少）或流动性退潮易破裂，带来巨大损失，是负面泡沫。
AI的“技术泡沫”则不同。尽管估值高、投资大，但技术投资是动态的，能推动边界扩展，提升人类认知和生产力。例如，AI技术进步可大幅提高效率，只要AI技术向善，这种泡沫能创造价值，驱动创新，是行业发展所需的正向力量。没有这种“泡沫”带来的乐观情绪和资金投入，技术进步会受阻。
以英伟达为例，尽管有盈利支撑，其市净率高达47倍，市盈率超50倍，远超互联网泡沫时期思科的16倍，也高于谷歌、微软、亚马逊的8~12倍。2024年全球AI融资超1000亿美元，资金热潮也让人联想到互联网泡沫时期的狂热。但技术泡沫应被允许在一定程度存在，创新需要风险资本支持，容忍失败。
王啸：我们在一级市场，本质是为未来买单，为梦想投资，不是简单看“泡沫”。AI行业的估值溢价反映了大规模结构性机会，代表超前投入和对未来的想象空间。
我更愿意把AI的高估值看成“梦想”，而不是负面的“泡沫”。泡沫意味着百分百会破裂，梦想哪怕只有1~2%能实现，也能创造巨大价值。VC就是为有技术支撑、有社会价值的梦想买单，哪怕90%以上的投资可能打水漂，那1%成功的项目能推动社会进步，带来巨大回报。
我们的任务是筛选掉纯讲故事的，找出能实现大梦想、创造普遍价值的项目，支持他们走得更远。AI的估值高不是互联网泡沫的重演，而是技术驱动的梦想投资，关键是理性区分真创新和空故事。
陈小燕：AI投资的泡沫就像啤酒泡沫。一杯好喝的啤酒，20~30%的泡沫很正常，增添风味，但前提是杯子里得有啤酒（技术实体）。如果杯子空着，热钱涌入，泡沫占80%，那就是“黑店”开的劣质酒，没价值。适当的泡沫对有科技梦想的公司是好事。
那你们怎么区分真创新和空故事？当你们投一个AI项目的时候，最看重什么？
王啸：评估一个AI项目时，最核心的是看它是否找到了一个真正有价值的应用场景。好的AI项目必须聚焦在某个具体领域，并且这个场景要能形成闭环，让数据可以不断自我强化。比如一开始系统可能只能完成70%的工作，但随着数据积累和算法优化，它能逐渐提升到90%甚至更高。项目不仅要有扎实的技术能力，还要对行业有深刻理解，才能真正让"数据飞轮"转起来。
如果我们拒绝一个AI项目，通常有两个原因：一是创业者讲的故事太小，缺乏想象力；另一种更常见的是故事讲得太大，但团队完全没有相应的能力支撑。愿景和能力之间必须要有合理的连接，哪怕路径不是100%清晰，至少逻辑上要能自洽。
举个例子，我们投了一家用AI改造猎头行业的公司。传统猎头的工作本质上是两边沟通——既要了解企业需求，又要评估候选人，这个过程其实很适合AI来优化。这家公司的两位创始人，一位是资深猎头，有行业资源和客户基础；另一位是微软研究院出来的技术专家，擅长大模型应用。这样的组合既能保证对招聘场景的深刻理解，又有能力搭建AI系统。
更重要的是，每次匹配都会产生新数据，让系统越用越聪明。过去猎头打电话的信息不会留存，而AI能把这些交互数据结构化，创造出全新的竞争壁垒。从市场规模看，中国招聘是个千亿级市场，AI可以先服务高端岗位，再逐步渗透，这样的项目就完全符合我们对好AI项目的定义——明确的场景、可闭环的数据、匹配的团队。
当下AI和具身智能市场的投资逻辑
陈小燕：从投资的角度，你们如何看待杭州“六小龙”？
黄生：杭州"六小龙"现象确实值得深入探讨。从资本市场的角度来看，这个现象折射出当下投资圈的一些典型心态——"FOMO"（错失恐惧症）心理，这种害怕错过下一个风口的心态导致很多投资人即使对项目了解不深，也争相入场，推高了整体估值。反映了当前投资环境的一些浮躁因素。
王啸："六小龙"本质上是一个成功的区域创业品牌，这种地域性创新集群的形成，既符合地方发展需求，也创造了良好的品牌效应。但具体到每家企业的发展前景，还需要更全面的信息来判断。
目前市场对"六小龙"的实际发展状况似乎存在一些预期落差，也说明这些企业在技术研发和市场接受度方面可能还有提升空间。企业成长本身就有周期性，当下的表现并不能完全决定未来的成败。
黄生：杭州市政府做了一个很好的本地IP。但这个阶段的创业企业有一定的技术领先性，但是还没有能够领先到这种程度，这时其实是更要低调，就是越不能越这种时候越不能让人知道。
王啸：对，我同意。过早获得超额融资和知名度对创业公司来说可能也是一种危险。首先，资金超额、过剩会导致资源错配，企业要么被迫进行与主业无关的资本运作，要么盲目扩张产品线；其次，创始人容易陷入"成功幻觉"，在资本追捧下失去客观判断能力，被各种赞美包围而听不到真实反馈；最重要的是打乱了企业正常发展节奏，在业务未成熟、团队未健全时强行加速，就像没打好地基就加高建筑，最终可能导致公司变得脆弱。这也反映出当前资本市场用短跑心态做长跑事业的问题。
陈小燕：二级市场非常关注AI芯片，在实现国产替代的过程中，你们觉得二级市场扮演了什么角色？
黄生：我们被西方技术卡脖子的就在芯片、算力这个部分，国内二级市场的热捧是不奇怪的。在这个过程中，公司可以通过二级市场再融资，其估值表现会直接影响一级市场同类公司的融资能力和估值水平；另一方面，二级市场具有重要的信息反馈功能，通过股价波动实时反映市场对技术路线和行业前景的判断，为创业者和投资者提供决策参考。
同时，二级市场能产生信号引导效应，众多市场参与者通过交易形成的价格信号，能够有效指导企业的研发投入方向。因此，保持一个活跃且适度繁荣的二级市场环境至关重要，它不仅能为产业发展提供资金支持，更能通过市场机制优化资源配置，推动整个AI产业链的健康发展。
陈小燕：我们刚刚用了“卡脖子”这个词，你们怎么看待中国芯片产业？中美科技竞争格局正在发生哪些变化？
王啸：中国芯片产业确实取得了显著进步，目前除了极少数最高端产品外，国内已经具备较完整的产业链能力。这主要得益于国内庞大的市场需求支撑，加上外部环境的变化，本土企业获得了更多市场机会。但从实际情况看，高端芯片的突破则需要更长时间的技术积累。同时也要理解，中国芯片产业过去相对薄弱与其起步较晚有关，美国等国家在半导体领域已有70多年的技术积累。
不过，虽然美国制裁我们，但正是因为断供倒逼，中国的芯片才在短时间内完成了突破。从 DSP、CPU到GPU，中国厂商都逐步实现了自研突破。现在华为的大芯片也能量产，这是一个里程碑。可以说，中美在芯片领域的攻防阶段性告一段落，迎来一个“中场休息”。接下来，竞争的焦点正在转向 AI 的模型对齐与应用落地。
陈小燕：AI 应用的机会在哪里？C 端和 B 端的发展有何不同？
王啸：C 端跑得更快，我个人认为最有潜力的还是娱乐领域，比如互动视频、短剧生成、虚拟陪聊、游戏助手、短视频创作工具。这些场景用户基数大、需求旺盛，就像移动互联网时代的抖音、快手。
B端在很多垂直领域都有很好的AI应用机会，端到端交付、高商业价值场景、模型智慧能力溢出的专业场景，都有AI直接交付结果的机会。
在投资领域，大家比较担心的一点就是大模型能力延伸之后，没有深度的数据流转能力和场景定义能力的公司，可能容易被吃掉。
总的来说，一方面要做大市场，一方面是应用公司要有能力自己先形成比较好的数据壁垒和体验壁垒，良好的产品定义和场景定义非常重要。
黄生：我同意，B 端对垂直要求更深。客服、销售线索生成、教育、音乐、法律、医疗，这些行业需要专业 know-how 和数据飞轮的支撑。虽然起步更慢，但一旦做深，就能形成很强的壁垒。
陈小燕：相比美国，中国在大模型和 AI 应用上有怎样的差距和优势？
王啸：我认为大模型本身天然具有跨语言、跨区域的能力，所以中美之间的差距不在模型本体，而是在监管环境、文化氛围和团队执行力。技术能力上差距到底有多大，我觉得不一定。
产品运营能力上，移动互联网这一步已经证明了中国在这方面的显著优势。以中国的工程能力、产品定义能力、用户运营能力和供应链能力，包括硬件来看，我觉得中国团队或多或少都能够在全球范围里占到明确的优势。
这一代 AI 创业公司和早期互联网公司不同，它们“生来就是全球化的”。我们创业者执行力也非常强。加上我们本身十亿级的用户市场，产品的迭代速度更快，天然具备全球化潜质。
陈小燕：大模型厂商会不会直接吞掉应用层创业公司？
黄生：从美国过去二十多年的经验来看，拿到 VC/PE 投资的创业公司中，约 90% 最终通过被收购实现退出，只有 10% 能独立 IPO。通常，颠覆性创新但盈利前景尚不明朗的公司，大多走向 IPO；而那些应用型、补强型的技术企业，则更容易被大公司收购。这一范式自 2000 年以来基本稳定，美国本土 IPO 数量逐年下降，多数年份不超过 200 家，远低于上世纪八九十年代互联网泡沫时期的盛况。
相比之下，中国的情况有所不同。由于文化和市场结构的差异，中国企业家普遍存在一种“IPO 信仰”，倾向于将上市视为企业发展的里程碑事件，更愿意“敲钟”而非出售公司。尤其是 GPU、算力等硬科技企业，以及营收快速增长的应用型公司，大多会优先考虑 IPO，并通过 A 股与港股实现更高效的融资与国际能见度。
与此同时，中国缺乏像美国那样成熟的中型技术创业生态，大公司通常选择自研而非收购，这也进一步削弱了并购退出的可能性。总体而言，中国 AI 创业公司未来更可能以 IPO 为主要路径，而非被并购。
陈小燕：你们认为下一个现象级的应用里会出现在什么样的领域？
王啸：我觉得很有可能会出现在to C、生成式内容消费和社交平台上，不一定是智能体这样的载体和形态。
黄生：我先不作判断，说到底哪个行业会跑出来。我觉得不管是什么行业，它必须具备一些标准。首先它一定是在一个垂直的领域，有独特的数据优势，其次是行业知道AI 怎么可以帮助他去提效。最后要能够解决AI的负面效应，并且具备商业化的价值。
如果说一定要说什么行业，我个人比较看好医疗或者是大健康这个领域的AI的应用。因为它很受关注，受众广，一旦用起来，效率会提升得非常快，普惠面也会更广。
王啸：是的，目前言之尚早。整个AI的话还在非常早期的发展阶段，中国的创业者还有很多机会创造出对全世界都真正有用的AI的产品，从而提升整个人类的幸福感、效率、价值感。但最终，未来全球化的AI巨头将诞生于中国这一批的创业者中。
黄生：AI是我们的基础设施，它会改变我们的生活方式和工作方式。我期待我们国内的整个生态，从监管、从业人员、技术等各个维度，给AI发展营造良好的环境。推动环境的市场化、法制化、国际化。因为不市场化没法创新，法治化能够规避掉AI 的消极因素。然后就是要国际化，推动技术、产品各个维度的交流。
最后就是不要太多地干预，现在还太早，如果一开始就给限定了方向，也就失去了创新的可能。
盛多网提示：文章来自网络，不代表本站观点。
相关文章
沪深京指数
热点资讯
