泡沫預警？投資人坦白：怕的不是過熱，是根本冷場！_風聞

無界，方見新天地；共生，始得大未來。

隨着人工智能大模型、新能源、機器人、海洋經濟、低空經濟等顛覆性技術的爆發式演進，技術集羣的交叉效應催生出前所未有的產業形態，技術集羣引爆產業革命的奇點，股權投資的目光也隨之投向“智鏈融合”的底層邏輯：數據成為新生產要素，算力是新型基礎設施，而資本則是串聯技術落地與場景應用的催化劑。

2025年7月24日，由融中財經、上海天使會主辦的“2025中國科創夏季投資峯會——產業投資峯會”在上海盛大舉行。

本次峯會聚焦無界生長，匯聚眾多創投機構、產業資本、政府相關，圍繞產業投資、醫療數字化、高端製造、人工智能、“雙碳”新能源等領域展開探討。共同剖析產業投資趨勢，探討中國產業和投資的新質發展。

會上，由前海方舟主管合夥人李思平作為圓桌主持，唐興資本董事長宮蒲玲，海爾資本管理合夥人劉璐，國科嘉和高級合夥人陸佳清，東方嘉富創始合夥人、董事長徐曉，中車轉型升級基金總經理楊雲濤，源星資本創始管理合夥人於立峯，同創偉業合夥人張文軍作為嘉賓參與討論，圍繞“產業重構，大模型投資邏輯與產業落地的二次革命”為題進行了精彩的討論與分享。

以下內容由融中財經整理。

AI泡沫化？聽聽投資大佬怎麼説

李思平：尊敬的各位來賓，各位投資同仁，歡迎蒞臨本次中國科創投資夏季峯會最具前瞻性的思想交鋒場，人工智能專場圓桌，我是本場主持人李思平。前海方舟聚焦科技產業，重點支持具備關鍵核心技術的科技型企業。自成立以來，前海方舟基金羣直接和間接投資項目近2000個，培育上市公司144家。過去三年，前海方舟在人工智能賽道佈局了包括深度學習、算法研究、人工智能芯片製造、機器視覺、圖像識別、自然語言處理（NLP）、機器人等眾多項目。

人工智能領域以史詩級的技術躍遷，成為中國創投行業最炙手可熱的投資領域。從承載算力革命的催生認知顛覆的大模型，到重塑產業生態的具身智能，資本洪流席捲全棧全球。面對動輒百億估值的明星項目與火箭融資的盛況，AI泡沫論正在成為投資界畸變的焦點。更為深遠的是，以大模型為樞紐的產業共振正在發生，在技術與產業的二次碰撞中，如何穿透估值迷霧，如何捕捉融合場景中的爆發性機會？這是今天對話的核心命題。

在過去幾年，人工智能領域無論是基礎層、應用層、技術層，都湧現出大量的創新項目，估值與融資節節攀升，不少人斷言AI投資出現了泡沫化的趨勢，各位嘉賓怎麼看待？各家機構在人工智能領域如何構建差異化的投資策略？

宮蒲玲：唐興資本專注於硬科技投資，尤其在AI領域聚焦基礎層，已大量投入算力、通信、算法等基礎設施，涵蓋GPU及相關芯片。這些投資主要集中在算力芯片、存儲芯片和通信芯片，支撐人工智能大算力技術。未來，我們計劃拓展應用層，但目前AI發展仍需完善基礎設施，我們已在此領域構建了初步生態。

關於AI領域的“泡沫”，目前呈現出過熱與真實價值並存的狀態。一方面，市場對AI未來普遍看好，但應用層尚在逐步形成，企業層次不齊，行業格局未定，導致投資過程較為迷茫，盲目追逐已跑出的項目。另一方面，具身智能等項目更多被視為未來投資方向，各層面的頭部項目過熱。然而，在工業、醫療、智能駕駛等場景中，AI已展現出真實價值。

李思平：每一層都有階段性投資機會，我們不一定能看到終點。請下一位嘉賓發言。

劉璐：從AI機器人市場來看，其與20年前的新能源、10年前的互聯網O2O、5年前的半導體和智能汽車等類似，都存在“泡沫”。但“泡沫”並非壞事，它能從政策、資金、人才等方面加速行業發展。

在投資策略上，作為海爾金盈旗下的產業投資平台，我們深度佈局智能科技與醫療健康領域，圍繞自身產業優勢，優先選擇與產業有合作可能或已在產業驗證的AI或機器人項目，如具身智能企業主動在集團家庭場景推廣測試，這為我們篩選商業化潛力企業提供了助力。在此基礎上，我們控制投資數量和金額，選擇估值相對合理時進入。所謂合理，即企業收入或簽單增長速度與估值增長相匹配。有些企業估值雖在半年內漲數倍，但收入增長可達5-20倍，此時泡沫相對可控。

目前，技術端和產品端尚未收斂，我們應相對謹慎地參與其中。

李思平：作為CVC，為人工智能創業項目提供了良好的應用場景，便於充分驗證，後續再決定是否推進。

陸佳清：首先，AI賽道肯定存在泡沫，因為參與者眾多，競爭激烈。一級市場投資很難，無人涉足的項目擔心退出困難，有人涉足的又擔心是泡沫。

其次，國科嘉和也有投資AI領域的項目，包括具身智能等。AI產業鏈很長，未來潛力巨大，但不能籠統討論，需拆分到具體賽道分析。例如，大模型處於下行階段，垂直模型處於上升初期，具身智能又需細分為輪式機器人、足式機器人、全能型機器人等，每個細分賽道都要結合Gartner曲線來分析觀望，確定投資時機。

宏觀來看，大賽道的投資邏輯主要有兩點：一是進入得足夠早，如國科嘉和依託於科研院所的案源優勢，往往能在項目融資初期爭取到寶貴的投資時間窗口；二是爭取在項目爆火前進入，如宇樹科技，若能提前在拐點前搶到投資機會則穩賺。但中間階段投資風險大，需科學判斷，因為每一個賽道最終只有少數企業能存活，成長期判斷尤其困難，一旦失誤可能血本無歸。

最後，主流投資機構不會錯過AI賽道，但具體投什麼是個挑戰，當中也有運氣成分。

徐曉：泡沫的存在並非壞事，適當的通脹優於通縮。對投資者而言，真正擔憂的並非泡沫本身，而是缺乏泡沫。當一家公司僅由單一機構扶持時，完全的反共識對投資機構而言未必有利。一級投資與二級投資存在差異：二級投資追求反共識，而一級投資則是在追求大共識基礎上的反共識，因此泡沫並非絕對負面因素。

泡沫的本質取決於其內部價值的增長速度。如果內在價值的增長速度超過泡沫的增長速度，那麼泡沫的擔憂也就無從談起。泡沫的形成是由全市場資金供給以及對賽道和項目的供需關係決定的，而非單一機構所能左右。

從投資機構的角度來看，除了關注宏觀層面的泡沫現象，更重要的是做好自身的工作。這包括對被投企業的深入研究和判斷，以及投資機構自身專業能力的提升。市場最終是基於全市場信息的博弈，所有機構在市場中進行深度博弈。泡沫破裂後，最終結果取決於各方的實力和策略。

投資者不應高估自己的能力和判斷，事物的發展往往超出預期。例如，2018年和2019年，新能源行業曾被普遍看衰，但到2021年卻迎來了爆發式增長。回顧投資歷史，2010年國家首次提出七大戰略性新興產業，其中新能源領域曾無人問津，但如今已發展成為熱門賽道。這表明投資者不應輕易高估自己的判斷能力，而應專注於產業本身和技術本身，做好當下的事情，摒棄市場雜音，專注於自身的核心競爭力。

李思平：徐總的觀點是做好研究，練好內功才能穿透估值的迷霧。

楊雲濤：感謝近期的熱潮，讓投資人和產業界重新關注AI領域。我們認為如果沒有事件推動和特定領域的技術發展，投資價值是否會被邊緣化值得去思考。

首先，應客觀看待AI行業的發展。從AlphaGo戰勝李世石開始，從概念導入到技術收斂，AI經歷了10多年的發展，已取得一定技術積累，但是技術提升是永無止境的。目前，AI行業頭部企業的發展以及形成的頭部效應，能否在未來顛覆大產業的發展邏輯，甚至引發新一次工業革命，不僅依賴年輕一代科學家的研發精神，也需要科技創新資本和產業資本的扶持。

例如，人形機器人的核心場景目前主要是展演場景，同時客户有一部分還是租賃客户。這就印證如果沒有特定場景和特定客户羣體，產業進度可能會脱節。作為中車產業投資平台，我們認為不能用成熟產業鏈的投資邏輯在AI領域複用。AI領域的發展是在沒有成熟技術和產品前提下的探索，資金和信息的流通速度更快。

AI領域的迭代速度遠超傳統工業製造和科技領域。近期在上海、北京舉辦的世界人工智能大會、世界機器人大會，人形機器人企業在短時間內實現了估值提升和產業合作模式的更新，這考驗投資人如何理解和接受企業在第一個發展階段的快速變化。

上午鄺總分享的觀點引人深思：AI領域未來是否會形成大型平台型或網絡生態型的霸主企業？第一波浪潮中的AI企業中能否出現這樣的企業？其發展範式的外延性是否有足夠價值支撐？泡沫的概念源於互聯網泡沫，基於互聯網行業發展歷程，我認為產業方應專注於自身擅長的領域，要冷靜看待不同技術的演進方式都有其特定的發展階段和發展週期，採取不用的應對策略，不能延用舊視角看待今天的新技術和新產品。

李思平：楊總的核心觀點是適當的泡沫可以反過來進一步促進技術的進步。

於立峯：泡沫的存在是必然的。從事投資20年以上的人來説，經歷過諸多次行業的泡沫現象。相比前段時期的投資行業的沉寂而言，如今泡沫的出現反而是一種積極信號，值得歡迎。

當然，理解泡沫的性質至關重要。體感與經濟數據是兩個不同概念。當前許多人提及泡沫，多是基於體感。例如，頭部公司估值過高，新投資者難以進入，便認為這是泡沫。這種觀點類似於“吃不到葡萄説葡萄酸”。此外，資本過度集中也是導致體感泡沫的原因之一。投資者盲目跟風，導致資本集中在少數項目上，使得進入門檻極高。再者，許多AI公司尚未盈利，其市盈率卻與25年前、30年前的互聯網公司相當。當時互聯網被認為存在泡沫，如今AI也被貼上同樣的標籤。然而，這種“泡沫論”更多是基於體感，而非經濟數據，所以我説，存在“體感泡沫”，不能簡單地將當前的市場現象歸結為泡沫。

其次，當前技術迭代速度極快，技術溢價對行業未來前景的價值尚未被充分計算進去，與過去相比，技術迭代速度大幅提升，從這個角度來説，泡沫其實並不大。再者，泡沫最終會經歷大浪淘沙和優勝劣汰的過程，在發展中被逐步消化，互聯網行業的發展歷程便是最好的例證。如今，互聯網行業已趨於良性發展，AI領域也將如此。前期AI的發展主要集中在基礎設施方面，如算力、數據中心和大模型等，這些基礎設施本身也在不斷迭代。綜合來看，泡沫的存在並非壞事。

關鍵在於投資者和創業者在這一過程中不要被犧牲掉。我們需要認真拆分產業鏈，分析投資機會。比如目前是否繼續加大投資AI基礎設施，還是着眼於未來一兩年在原生應用領域、智能+領域或縱向、橫向領域中的投資機會，值得深思。如果現在仍致力於大平台或基礎設施建設，這或許是國家大資本的責任。對於民營企業而言，若能進入，早期投資成本較低，即使失敗損失也有限，而成功則可能帶來巨大回報。若想規避中間環節的風險，需關注未來兩三年AI的發展趨勢，要麼早期進入，要麼在已成型的幾大龍頭企業中尋找穩定性投資機會。從投資者角度，這是需要認真考慮的問題。

對於創業者而言，中國大多數創業者屬於技術創業或工程師創業。工程師的優點是自信，認為自己的技術優於他人，但缺點是對經濟趨勢或行業整體脈絡的把握不足，容易以偏概全。展望未來資本市場，在AI領域，併購退出和併購增值的案例和機會將遠超IPO數量。這一波AI熱潮，以及金融資本上市監管的變化，使得併購機遇遠大於過往，其安全邊際相對能夠對沖部分“泡沫”帶來的收益風險。

張文軍：人工智能的發展經歷了至少兩輪浪潮。第一輪始於2016年，當時市場和投資都非常火熱，許多公司從那時起步。上一輪熱潮主要集中在機器視覺和智能語音領域，創業公司眾多。十年前，機器識別貓和老鼠還被視為不可思議，如今人臉識別已廣泛應用且被廣泛接受。人工智能雖被認為是泡沫，但從應用角度看，它已悄然改變我們的生活，自動駕駛的安全性已顯著提高，甚至在實驗室階段已超過人類駕駛的安全性。

第二輪人工智能浪潮更為顯著，以大模型為開端，機器生成的論文已達到博士水平，令人震撼。總體而言，人工智能的發展方向非常明確，它正在改變我們的生活、商業和經濟。然而，從投資角度看，這一領域難度較大。市場上的投資標的眾多，但贏家寥寥。回顧上一輪人工智能浪潮，機器視覺和智能語音領域並未出現特別成功的公司。但在2016年以來一直持續發展的公司中，英偉達脱穎而出。2016年英偉達市值並不高，如今已達到4萬億美元。幾年前，萬億美元市值還被視為遙不可及，如今已有七八家公司市值過萬億美元，英偉達更是高達4萬億美元。這在投資領域是令人難以置信的，説明資源和投資都集中在其中。4萬億美元的市值甚至可能超過許多發達國家股市的總市值，甚至高於英國和德國股市市值之和。

投資方向明確，但投資本身需謹慎，因為尋找最終的贏家極為困難。當市場真正明白時，價格可能已高不可攀。以英偉達為例，儘管市值已達4萬億美元，許多知名投資人仍在買入，認為其風險仍較低。然而，許多大廠也在研發芯片，英偉達的壟斷地位並非不可撼動。人工智能投資方向值得堅定推進，但尋找優質標的需要艱難探索，這正是投資者的使命所在。

B端 or C端？

李思平：張總對前一代和這一代人工智能發展脈絡進行了詳細分析，過去的總結和分析對於未來的投資有現實的意義。

下一個問題，在產業重構的背景下，傳統行業和人工智能的創新融合，今年成為中美兩國科技投資界的共同關注熱點，大家都在看應用層的人工智能的投資方向。作為投資人，如何看待大模型技術對傳統產業的重塑作用？這裏面有哪些具體投資機會，是看B端還是看C端？

同時，嘉賓們認為人工智能投資，未來將呈現哪些新趨勢？投資機構如何能夠調整策略抓住機遇？

這兩個問題的本質是一樣的，請宮總先分享。

宮蒲玲：我來回答最後一個問題。我們之前更多地投資於基礎設施，但我堅定看好人工智能，包括具身智能，認為這是長久的未來。理由如下：

首先，今年大模型DeepSeek的出現，為國內垂直應用領域提供了很好的機會。其次，多模態融合使具身智能在複雜場景中的任務執行能力不斷提升。第三，我們在垂直應用領域的落地不斷顯現。最後，儘管英偉達GPU估值已高達4萬億美元，但國內GPU硬件的國產替代滲透率不足50%，據我瞭解，目前大概在30%左右。地緣政治因素也使得國產替代需求極為迫切。

從投資角度來看，人工智能的硬件方面，無論是從高端技術角度，還是從應用層面，都還有很大發展空間，需要投資人通過投資去支持其發展，因此我非常看好。在硬件投資方面，我們正在深入佈局，重點關注具有極強國產替代能力的基礎設施公司，如GPU等。同時，我們也開始研究和佈局具身智能方向，隨着應用落地，垂直應用領域的具身智能發展前景廣闊。此外，我們還在研究佈局垂直應用領域的其他場景。

從策略上來説，我們更關注既有前瞻性技術，又有落地場景的項目。

李思平：最終還是要回到商業化的角度看這個項目。

劉璐：我回答第一個問題，以10年前互聯網O2O階段為例，當時輿論多認為是“互聯網+”，但10年後回顧，真正獨立發展成為平台級互聯網公司的屈指可數，不超過20家，其餘大多是“+互聯網”。AI這波浪潮在屬性上也有一定相似性，雖然當下叫AI+，但最終更多可能是傳統行業+AI。

以我們產業中的一個小應用案例為例，我們有醫療板塊和多家醫院，目前醫院採用遠程問診與醫生線下問診相結合的方式。患者掛號後，可提前將病症描述和歷史病歷上傳至手機APP，AI基於大數據和類似病例給出參考建議，讓患者在就診前心裏有底，緩解其焦慮情緒。問診過程中，AI輔助診療可加速醫生對病情的定性和判斷；診後，患者還可通過APP與AI互動，基於大數據反饋更好地指導康復。這個小案例表明，傳統醫療+AI能夠極大地提高效率，改善患者情緒，有助於康復。

陸佳清：我講三個具體觀點：首先，與傳統產業結合是必然選擇。純技術型項目若不與傳統產業結合，很難實現營收增長。以宇樹為例，其今年營收目標為10億元，去年約4億元，但根據官方數據顯示，2024年中國人形機器人商用出貨量僅2000台，因此，單靠純技術項目難以支撐營收。我們今年要投的一家做智能特種機器人的企業，能夠使機器人自動完成焊接任務，破解焊接工藝中像標準化不足、成本高昂以及過度依賴人工經驗等問題。它的核心邏輯也是替代人工，但必須在企業中找到應用場景。

其次，關於To B和To C，我個人認為To C雖好，但難度較大。原因如下：第一，在國內，鏈主企業如騰訊、字節等把控To C市場，競爭激烈；第二，純軟件項目在國內資本市場不被看好；第三，出海也面臨激烈競爭，中國企業出海的最大痛點往往不是技術或產品不足，而是陷入中國式內耗，加劇內卷。因此，我們大量投資的項目還是To B的。

最後，關於發展迭代趨勢，中國很多技術一旦工程化或供應鏈透明化，就會迅速進入激烈的商業競爭階段，考驗企業的落地能力。在AI時代，如果強人工智能沒有實現階段性突破，投資將主要考驗技術平權化後的商業能力。

李思平：如果現場有C端的AI創業者，還是要慎重一些。

徐曉：我不太喜歡用“結合”這個詞來形容人工智能與傳統行業的關係。未來，人工智能是像空氣和能源一樣無處不在，成為人類社會的基本組成部分。正如我們不會説電和光與我們的結合，人工智能也將融入生活的方方面面。

當前，人工智能的發展仍處於基礎設施建設階段，例如宇樹的機器人更多被用於科研機構的二次開發，而非真正的應用。

我們看好容錯率較高的應用場景，如陪伴型AI。在這些場景中，即使AI犯錯，也不會對用户造成嚴重影響。工業製造對容錯率要求極高，因此需要更長的時間。

最後，人工智能的發展可能超出人類的想象。在足夠的算力和能源支持下，人工智能將實現全量信息處理，類似於類人智能大腦的開發。當人工智能發展到一定階段，人類可能無法理解其思考方式。到那時，人工智能將成為智能體，其應用可能進入另一個維度的世界，難以預測。

李思平：徐總為我們描繪了人工智能未來發展的願景，它將滲透到生活的方方面面。

楊雲濤：中車作為裝備製造業的龍頭企業，在人工智能的應用領域主要聚焦於To B端。我們主要圍繞中車產業供應鏈上游及上游共性技術開展投資，核心是挖掘產業上游的先進技術，最終應用於裝備製造業的To B端。

在軌道交通和新能源裝備領域，中車推出了“斫輪”大模型，全面賦能22個方向、106個業務、369個場景。我們希望高鐵裝備和清潔能源裝備成為AI的載體，在數字化、智能化基礎上利用AI技術進行升級，使其更加貼近生活、更加舒適，並非完全依賴AI。

在工業製造場景中，尤其是在高頻次和低容錯率的場景下，未來大概率仍有約70%的場景是自動化，但自動化的承載能力、計算精度和控制水平將顯著提升；約10%～20%的場景可能由智能體承擔，10%～20%的場景仍需人工干預。這是基於人工智能與高端裝備製造產業結合的未來發展方向。

我們希望通過產業投資和科創投資，為未來產業在工具端、研發端、智能製造、運營維護等方面提供更具性價比、更高智能的解決方案。

於立峯：我沒有完全理解主持人提出的兩個問題的邊界，但可以綜合回答。

首先，AI的未來發展趨勢目前難以預測。但可以確定的是，基礎設施的發展還將繼續，未來將進一步完善AI的基礎設施，包括算力芯片、數據中心和通信設施建設。

其次，未來的發展重點將在應用端。技術的發展最終要體現在經濟發展中。過去互聯網時代有“互聯網+”和“+互聯網”的討論，智能時代同樣存在“AI+”和“+AI”的問題，這兩者並不矛盾。AI+代表人工智能原生應用，而+AI則是傳統產業（包括機器人領域）中AI技術的應用，如芯片和大數據應用。這兩個方向都屬於人工智能發展的不同路徑。

從個人角度，我們更看好兩個方向：一是人工智能在醫藥研發領域的應用；二是機器人領域中的+AI應用。無論發展到什麼程度，都需要一個實際的載體和應用場景，因為場景的應用才能創造經濟價值。無論是機器狗、具身智能還是人形機器人，應用場景是至關重要的。例如，To B的機器人領域可能經過十年發展，從原型到商業化應用，很多知名公司銷售額可能僅為2-4億元。現在有些具身智能公司聲稱年收入10億元，這令人震撼，當然也還是要拆開來看收入結構。我希望未來的發展能夠快速迭代並創造價值。

我認為，AI在機器人等智能領域的應用需要找到合適的場景，如海洋經濟或國防領域。我們投資的深海機器人面向海洋經濟，AI創造了機器人，而機器人的應用又創造了新的商業市場。海洋經濟是一個大市場，但缺乏相應的硬件支持，需求和供給相互促進。這是我們重點關注的領域，未來短時間內有望看到實實在在的經濟價值。

張文軍：我們依然看好人工智能在應用領域的前景。中國擁有全球最多的人口和第二大經濟體，龐大的經濟體量為人工智能應用提供了廣闊空間。儘管在基礎研發方面與國際存在差距，但在應用層面，中國具有顯著優勢。從上一輪互聯網發展來看，中國從後發追趕，最終達到世界領先水平。人工智能領域亦是如此，我們對其應用前景充滿信心，儘管前行之路充滿挑戰，許多未來的發展細節難以預見。

回顧互聯網初期，沃爾瑪曾認為接入網絡即可輕鬆取勝，其他人無需再努力，但事實並非如此。深圳也曾試圖通過“深圳之窗”搭建一個簡單的門户網站，將所有信息羅列其中，但最終發現這一想法並不現實。人工智能的應用亦是如此，許多人認為大廠一旦涉足，其他企業便無立足之地，但歷史經驗表明，這種觀點並不準確。

實際上，眾多場景亟待人工智能賦能與助力，這為創業者和投資機構帶來了絕佳機遇。我們不能簡單地認為大公司介入後，其他企業便無機會。從歷史上的多次變革來看，最終脱穎而出的往往是創業公司，這同樣為投資機構提供了機會。

投資機構之所以存在並具有價值，是因為創業者能夠孕育出優秀的企業，而我們若能發現這些潛力企業並陪伴其成長，便是我們的價值所在。

李思平：感謝各位嘉賓的精彩分享。AI投資並無標準答案，關鍵在於持續迭代。泡沫與黃金區的界定，取決於我們能否推動技術真正落地，實現產業效率的大幅提升。當人工智能從顛覆者轉變為賦能者時，投資人更需兼具顯微鏡與望遠鏡的雙重視野，既要洞察技術細節，又要把握產業重構週期。本場圓桌討論到此結束，謝謝大家！