界面新闻记者 |
界面新闻编辑 | 文姝琪
“互联网产品经理可能是时候跳出来说话了，因为过去两年基本都是技术在说话。”
在最近一个AI圆桌论坛上，其中一位投资人说了这样一句话。
这是一个有关时间节点的判断，背后暗含2025年一级市场科技领域的核心风向转变：AI模型层的战争结束，投资人的注意力大幅涌向应用层。
投资人的考察重点也开始转变——从技术判断、研究能力，更大幅度偏向创业团队的用户洞察、工程能力。这使得离产品更近的创业者开始更加受到投资者们的青睐。
据界面新闻不完全统计，去年底以来，从互联网大厂、大模型创业公司离职的总监、副总裁及以上级别的创业者就有十余人，大多是各自产品线或技术线的核心人员。
其中不乏已经露出水面自带光环的公司，例如前月之暗面海外产品负责人明超平所创办的AI编程项目“新言意码”，目前已完成两轮融资，估值达到8000万美元。
投资人的共识赛道也在进一步成型。例如通用AI Agent，年初Manus凭借出挑的产品设计和用户体验迅速成为舆论焦点，字节的“扣子”、百度的“心响”纷纷予以跟进。除此以外，AI编程、AI陪伴、AI硬件、具身智能机器人等行业都日趋形成更成熟的创业格局。
两年来一直活在预言里的“AI应用即将爆发”，终于在今年迸发出更明显的火花。
大模型进入下半场
行业迎来了分界线。
百度风投AI应用赛道负责人温永腾明显感觉到，今年AI应用的项目估值比过去上升更快，一些明星项目可以在很早期的时候就拿到较高的估值。
“5000万美金的天使轮是存在的，这是赛道热起来一个非常大的标志。”
另一个明确标志是，以往2000万美金估值的天使轮项目，通常只能拿到1-2个TS（Term Sheet，投资意向书）。但在今年，它们普遍有4-5个TS可供选择。
不仅如此，做融资加轮变得更容易了。此前，投资人通常需要见到更明确的数据增长或者产品迭代才愿意跟进，但如今他们更加痛快。
这种情境跟AI应用融资过去两年经历的凛冽迥然不同。
AI行业投资人梁岩（化名）从2021年起就开始在这个领域物色标的，他回忆称当时只有很小一拨人在看，彼此熟悉到常常在两个不同项目上互相帮忙背调。但行业相对静默，融资轮次接续很差，团队投过一家AI视频生成服务商，投了两年多，这家公司才拿到下一轮融资。
如今AI应用热起来的本质原因是技术发展到了合适的节点，模型能力上升而成本下降，但从VC视角来看不止于此。
温永腾认为，年初Manus的走红对行业起到了示范效应，而VC行业需要这种信心。“今天来看最大的行业变量还是AI。”他说，“大家认可这个行业的技术贝塔（投资风险指标）依然存在。”
资本市场的周期波动也是一个因素。温永腾认为前几年大家确实过于谨慎了，到了今年，很多机构的心态变成了“你只能选择相信”。因为对VC的商业模式来讲，不相信就是不投——不投没有风险，但也一定没有收益。
与此同时，还有另一个现实处境推动了赛道从模型层向应用层的自然过渡。
除了少数具有战略心态的资本，绝大多数机构不得不从模型层抽出注意力。一方面，技术迭代速度有所放缓，GPT-4级别的性能跃升以及o1类技术范式变革难以高频出现，开源模型生态也进一步繁荣，模型公司的估值增长短期内难有更大想象空间。
另一方面，从资本效率的角度来看，昔日创业公司中的融资第一梯队“AI六小虎”，现已各自走出差异化路径，但共同点是都还未证明自己可以撑起更高估值的盈利能力。惟有异军突起的DeepSeek，成为真正与字节、阿里等大厂形成对峙格局的创业公司。
模型公司也不是自此失去了想象力，只不过参考DeepSeek的路径，资本的考量因素开始变得更加严苛。
一名投资行业人士透露称，如今Minimax、Kimi这类公司的投资人再跟进公司进展的时候，不再那么关心用户增长、用户留存，而是会问，“你下一个版本的模型准备在什么技术范式上有所突破？”
OpenAI研究员姚顺雨在一篇文章中总结了类似观点，他称大模型行业将要进入下半场。上半场主要是找到有效训练模型的方法，而下半场则需要找到可行的方案，让模型解决人们生活和工作中更实际的问题。
这个信号得到一线机构的认可和强调。5月末尾，在红杉第三届AI峰会上，红杉合伙人Pat Grady开场便表示，“我们正在经历一次从工具逻辑到成果逻辑的根本转变。”
他指出，以OpenAI为代表的应用层玩家将不再争抢“最先进的AI模型”，而是率先进入“谁交付成果谁赢”的商业现实。
头部效应依旧
与赛道热度相对应的是，投资人普遍感受到下场创业的人数开始变多，可投的案子也有所增加。温永腾团队在今年一季度出手的数量就接近去年的一大半。
但这并不意味着所有创业者都能被这一波资本浪潮覆盖，头部效应以及投资者的个人偏好依然明显。
一名在泛娱乐领域做虚拟形象AIGC产品的创业者想要趁着行业热度抬头，为自己多储存一些子弹。但他见到投资人的时候，发现对方仍然不会以“AI First”的方式来理解项目，而是听到有“二次元”三个字就断定它太小众了，没多久就把他打发走了。
投资人的手仍然没有太松。
梁岩告诉界面新闻记者，他最近一个月接连看了20多个AI Agent项目，但给出去的TS数量是0。“就没有一个能够告诉我它的壁垒在哪，或者说有什么和别人不同的想法。”
这名投资人喜欢看创始人的认知差。他提到曾经投一家大模型公司的时候，当时几乎所有创始人都还在谈论上一代AI，但只有这位创始人跟他讲“基座模型能够如何改变世界”。
“这就是一个认知差，你至少要告诉一些我不知道的东西。”他说。
对于早期项目，风险投资人的共识都是“看人”，至于具体看这个人的哪里，则各有不同。
温永腾更看重人的成长性，认为现阶段技术仍在快速发展，应该暂时放下对竞争、壁垒以及绝大部分信息维度的终局判断。
“你今天追求的壁垒可能在明天就会被技术的进步颠覆掉。”他说，“没有谁自认能做出符合6个月后技术变化的产品，重要的是认知迭代速度够快。”因为本质上，创始人但凡保证自己迭代足够快、足够正确，只要赢一次，就能获得足以长期生存的关注和资源。
头部项目的一种体现是融资两周就能拿到6个TS。投资人普遍表示，好东西大家还是能够明显感知到的。
“好东西”通常来自投资人共识度较高的赛道，例如AI Agent。而在通用与垂类Agent之间，后者因更明确的受众需求受到更高青睐。除此以外，多模态生成式AI、AI智能硬件、机器人也是创业者们切入的主流赛道。
赛道热起来的好处很多，但挑战也随之而来。
竞抢状态势必会让一些头部项目的估值迅速抬高。一位大厂风投的投资人回忆，有项目很快达到他们难以出手的价格，所以不得不放弃。他已经在反思，这类估值是否短期内可能偏高，但长期看或许在合理范围内。纠正思路之后，再遇到类似情形他也有果断出手的情形。
案子数量的增加也加剧了判断团队的难度。上述投资人表示，AI应用投资赛道已经从一个很小的，机构之间彼此熟识、可以互相帮忙背调的状态，切换到一个创业者画像更复杂多维的形势，“我们去判断创始人对这件事的坚持程度，以及他自身未来的成长性，比以前更难了。”
鱼目混杂的状况不是没有。行业此前传闻，有AI应用公司用日收入乘以365天，或是月收入乘以12个月，就得到了一个光鲜亮丽的ARR（年度经常性收益）数字，但其业务可能并不足以撑起这个数字背后的持续性意义。
一名投资人对界面新闻记者表示，对创业公司来说，这种做法实际上是一种无可厚非的市场手段，只是机构要想清楚自己是从什么角度来看待这件事，只要本质上看中的不是ARR，而是这个团队能力的外化表现或者佐证，就不存在什么大问题。
唯一需要甄别的是，创始团队是否想要据此获得一个过高的估值，这是创投双方要聊清楚的水分问题。
曾经看不懂的问题，现在可能也没看懂
大模型刚刚兴起的时候，一个让创业者饱受困扰的现象是，投资人普遍还看不懂大模型的游戏规则，倾向于依靠传统互联网的坐标轴来定位，这也导致大量投资人不敢出手。
两年时间过去，如今可以感受到的是，在AI应用层，技术依然是那个看不清晰、无法确然的关键因子，但有许多熟悉的维度可以让投资者们路径依赖，有所更具体的推演。
梁岩以AI硬件为例，创业公司如果要上市，没有三四十亿收入无法达成，因此他选择的标的至少要看到每年销售额达到10亿-20亿元的可能性。“以始为终，如果一个品类永远做不大，那这个品类也没必要看了。”
他指出，在AI应用层，模型重要，但没有那么重要，因为它一定会不断变好。相比之下，这里可拼的细节有很多，比如在智能眼镜品类上，传输时延、功耗续航、材质重量，很多“旧有”壁垒可以延续。
这背后的本质问题，是模型跟应用之间长期来看是否会解耦。
一部分投资人和模型公司会强调，产品体验的上限还是由基座模型的契合度决定，但AI应用投资人大概率都会倾向解耦的可能性。
原因不单是模型供给仍在极大丰富，掌握先进模型的大公司大都希望建立更繁荣的应用生态。从AI应用自身来看，其产品形态正在日趋复杂，涉及更多模态、数据、场景、工具，而当一个应用愈发复杂的时候，它离模型就越远，独立存在的可能性也就越高。
除去这些可以依循的规则，大部分投资人认为看待AI应用还是不能粗暴照搬旧有经验。
技术底座仍是最核心的变量。
温永腾认为，今天这场游戏的技术底座可能3-6个月就迭代一次，但移动互联网的变化远没有这么快。昆仑万维董事长方汉也有类似看法，他认为这个时代的技术竞争比过去更残酷，行业或许要等到技术瓶颈出现，才能依靠产品使用习惯建立护城河。
投资者可以依据这些同与不同，对项目做出自己的判断和筛选。
一名AI行业投资人就拒绝了许多通用AI Agent项目。参照与移动互联网的差异，他不认同Manus可以凭借先发优势积累大量数据的行业观点。
在他看来，移动互联网之所以要抢先烧钱跑马圈地，是因为它带来的数据积累可以形成网络效应，而这种网络效应的本质是用户增长。但Manus所代表的AI Agent，其积累的数据只能够更好理解用户，转化的是存量用户的黏性而非新用户的增长。
“都是数据，都是增量，但效果是不一样的。”他说。
如何看懂AI大模型各个层面的投资逻辑，是过去几年该领域投资人的共同课题。
博原资本合伙人丁浩坦言，投资人可以做到的是理解模型的技术路线、基础原理，但这个认知不足以构成对未来技术趋势的判断。本质上，他们需要的能力还是建立在这一认知基础上，推演AI未来可能颠覆的落地场景。
上述大厂的投资人至今都不敢说自己的团队就一定看懂了大模型。就这个行业快速迭代的特质而言，短期内看懂、过段时间又感觉看不懂，再迅速跟上去，他认为才是一个常态。
“如果今天谁问我未来AI最赚钱的商业模式是什么，我只能诚实地说我不知道。”
这使得团队内部有这样一句看似虚无的话：追求最新的产品形态，因为一切当下的产品形态都是过渡性的。这对日后终将成型的AI应用成熟市场格局而言，是一种意味深长的留白。
还没有评论，来说两句吧...