硅谷歸來，萬字長文解構(gòu)美國AI發(fā)展現(xiàn)狀！

liuaqbb 2025-11-17 發(fā)布于北京

展開全文

作者：盛小景

來源：盛景新經(jīng)濟(jì)（ID：sjwl360）

全球生成式人工智能浪潮在持續(xù)演進(jìn)，硅谷依然是無可爭議的創(chuàng)新高地。10月19日-27日，盛景嘉成創(chuàng)投管理合伙人王湘云帶領(lǐng)近30人的AI應(yīng)用創(chuàng)業(yè)企業(yè)創(chuàng)始人、上市公司、產(chǎn)業(yè)集團(tuán)高管，進(jìn)行了為期一周的硅谷AI應(yīng)用實(shí)踐深度行。

這次深度行不僅是一次高密度的信息輸入，還是一次對(duì) AI 發(fā)展現(xiàn)狀、商業(yè)化落地路徑以及未來投資趨勢的真實(shí)探尋，旨在帶回硅谷 AI 產(chǎn)業(yè)的第一手觀察和“真實(shí)溫度”，幫助AI優(yōu)秀創(chuàng)業(yè)項(xiàng)目找到落地場景和產(chǎn)業(yè)鏈接。

日前，王湘云進(jìn)行了一場詳盡的內(nèi)部分享，全面復(fù)盤了團(tuán)隊(duì)的核心發(fā)現(xiàn)，深入剖析了硅谷 AI 應(yīng)用與投資的真實(shí)圖景、巨頭們的競爭態(tài)勢、多模態(tài)與世界模型的演進(jìn)方向、機(jī)器人的現(xiàn)實(shí)進(jìn)展，以及頂尖投資者和孵化器的運(yùn)作策略。

總結(jié)這次硅谷之行，王湘云認(rèn)為：

第一，AI 帶來的收入增長是真實(shí)的、可持續(xù)的，ARR的數(shù)據(jù)不僅來自用戶使用量和頻次的提升，也來自用戶留存率的提升，增長速度大大超過了以往的軟件時(shí)代。

第二，市場的分化正變得前所未有地劇烈。優(yōu)秀公司與普通公司之間的差距，正在被拉大。

第三，在產(chǎn)業(yè)落地中，“性能”已經(jīng)壓倒了“價(jià)格”。大家都在為高質(zhì)量的閉源模型付費(fèi)，這成為了競爭的勝負(fù)手。

第四，多模態(tài)、世界模型與機(jī)器人正在快速進(jìn)步。

第五，國內(nèi)人工智能創(chuàng)業(yè)企業(yè)應(yīng)該抓住這波契機(jī)，盡可能推動(dòng)企業(yè)上市或并購與被并購。

對(duì)于中國的創(chuàng)業(yè)者和企業(yè)家而言，認(rèn)清這一現(xiàn)實(shí)，在人工智能這個(gè)指數(shù)級(jí)躍遷的賽道找準(zhǔn)自己的獨(dú)特價(jià)值，將比以往任何時(shí)候都更加重要與緊迫。

以下是王湘云的分享全文，enjoy~

市場分化加劇，“贏家”通吃

在最近的硅谷參訪中，我們與當(dāng)?shù)氐耐顿Y者和創(chuàng)業(yè)者進(jìn)行了深入交流，旨在掃描美國 AI 投資和市場的真實(shí)狀況。硅谷頭部投資機(jī)構(gòu)也為我們提供了寶貴的資料和見解，讓我們得以一窺 AI 浪潮下的真實(shí)圖景。

一個(gè)宏觀的事實(shí)是，自 ChatGPT 發(fā)布以來，資本市場實(shí)現(xiàn)了約23萬億美元的價(jià)值增長，其中高達(dá)70%是由 AI 驅(qū)動(dòng)的。這股浪潮不僅體現(xiàn)在股市的繁榮，更重要的是，我們看到了生產(chǎn)效率、軟件投資以及芯片、能源、數(shù)據(jù)中心等基礎(chǔ)設(shè)施領(lǐng)域的實(shí)體經(jīng)濟(jì)投資正在扎實(shí)增長。AI 帶動(dòng)了 IPO 市場的復(fù)蘇，并購活動(dòng)也達(dá)到了2020至2021年的市場高位。

在風(fēng)險(xiǎn)投資（VC）領(lǐng)域，AI 的熱度同樣達(dá)到了頂峰。目前的投資額已接近2020至2021年的高位水平，并且三分之二的新投資都流向了 AI 相關(guān)公司。這些公司的收入增長率達(dá)到了科技公司前所未有的水平。

然而，繁榮之下是劇烈的分化。市場正清晰地分裂為兩類公司：優(yōu)秀的“Great Company”可能只占10%，而“Good Company”或“OK Company”占到90%。這10%的優(yōu)秀公司與其他公司之間的差距正變得前所未有地大，平均估值差距可達(dá)3到5倍。這對(duì) VC 提出了極高要求：必須更加小心，對(duì)技術(shù)的研究要更加深入。因?yàn)橐坏┩兜健摆A家”，收益將非常明顯；而如果投到普通公司，可能就歸于“蕓蕓眾生”。

AI 市場的潛力究竟有多大？一個(gè)被廣泛提及的預(yù)判是，AI 智能體（Agent）有望創(chuàng)造相當(dāng)于云計(jì)算市場20到30倍的增長。目前美國的云計(jì)算市場規(guī)模已達(dá)三四千億美元，這意味著 AI 智能體未來可能是一個(gè)數(shù)萬億乃至超十萬億規(guī)模的龐大市場。

這種前所未有的市場潛力，正在催生前所未有的增長速度。在硅谷，已有十幾家公司在短短三年內(nèi)實(shí)現(xiàn)了 ARR（年化經(jīng)常性收入）超過1億美金。例如某多模態(tài)模型運(yùn)行平臺(tái)，通過提供一個(gè)中間層，讓開發(fā)者無需自行管理 GPU 集群，就能高效、低成本地運(yùn)行復(fù)雜模型。它抓住了生成式 AI 的核心痛點(diǎn)，目前估值已超40億美金。

另一個(gè)更顯著的案例是某頭部AI 企業(yè)。它的增長軌跡堪稱驚人：2024年年初，其 ARR 約為9000萬美元，當(dāng)時(shí)180億美元的估值看起來還比較“離譜”；但到了2025年年初（12個(gè)月后），ARR 不僅達(dá)到了8億美元的預(yù)期，還超過至10億美元；而到2025年三季度（至今），ARR 已飆升至70億美元，最新一輪融資估值近2000億美金。這家公司實(shí)現(xiàn)了每年十倍（1000%）的增長。據(jù)硅谷頭部投資預(yù)測，到2026年年底，該企業(yè)的 ARR 預(yù)計(jì)能達(dá)到300億美元，有可能成為一家萬億美元市值的公司。

AI泡沫之辯：

收入增長是否真實(shí)且可持續(xù)？

“AI到底有沒有泡沫？” 參訪中，和很多嘉賓都探討了這個(gè)問題。

硅谷某頭部基金的合伙人回答是：這些 AI 公司的收入增長是真實(shí)的。這種增長并非來自存量市場，而是來自“白領(lǐng)工作”這個(gè)數(shù)萬億乃至數(shù)十萬億美金的新增市場。并且，這種增長正得到史上最大規(guī)模的基礎(chǔ)建設(shè)投入的支撐。今天的 AI 資本投入已遠(yuǎn)超歷史上任何基礎(chǔ)建設(shè)項(xiàng)目，無論是阿波羅登月計(jì)劃（相當(dāng)于今天的3000億美金）還是寬帶基礎(chǔ)設(shè)施（1萬億美金）。據(jù)預(yù)測，到2030年前，AI領(lǐng)域的總投入將達(dá)到3萬億美金，至今已投入6000億美元。

雖然算力成本在以每年十倍的速度急劇下降，但模型的質(zhì)量、效果和服務(wù)卻在進(jìn)一步提升（SOTA 模型的性能每七個(gè)月翻一番）。那么，這些收入是否可持續(xù)?硅谷某頭部孵化器的創(chuàng)始人認(rèn)為，判斷收入是否可持續(xù)性，不僅要看續(xù)費(fèi)率，更要看用戶的使用量和使用頻次。他們觀察到，用戶的使用量和頻次一直在增加。這證明 AI 收入是堅(jiān)實(shí)的，用戶不是“用完一次就扔”，而是具有持續(xù)的粘性。

然而，這并不意味著沒有壓力。參訪中也普遍提到一個(gè)關(guān)鍵瓶頸：盡管需求真實(shí)且旺盛，但支撐算力增長的電力、能源等基礎(chǔ)設(shè)施配套存在明顯缺口。

可見，AI 的長期價(jià)值和真實(shí)需求毋庸置疑，但不排除在中短期內(nèi)，由于基礎(chǔ)設(shè)施的瓶頸，市場會(huì)存在一定的壓力和波動(dòng)。

重新定義增長：

從“T2D3”到“10-10-5-5-5”

在傳統(tǒng) SaaS 時(shí)代，最優(yōu)秀的軟件公司遵循“3-3-2-2-2”定律（T2D3，即前兩年每年增長3倍，后三年每年增長2倍），這已是偉大的SaaS公司。而在AI 時(shí)代，最快的 AI 公司的增長規(guī)律可能變成了“10-10-5-5-5”——頭兩年每年增長10倍，接下來三年每年5倍。頭兩年增長100倍，這是一個(gè)非常驚人的速度。因此，業(yè)界的判斷是：短期或有波動(dòng)，但長期來看沒有泡沫。

如果說2025年以前，“AI 是否真能帶來價(jià)值”這個(gè)問題還沒有最終答案；那么到了2025年的今天，這個(gè)問題已得到明確回答：AI 給企業(yè)生產(chǎn)力帶來了明確的提升，企業(yè)愿意為高質(zhì)量模型付費(fèi)。這意味著頭部的 AI 公司未來起步就是數(shù)萬億美元市值。當(dāng)然，這也意味著大量的勞動(dòng)力需要被重新培訓(xùn)，以適應(yīng) AI 時(shí)代的模型和能力。

從各個(gè)維度看，AI 的需求和應(yīng)用正在美國廣泛地真實(shí)發(fā)生。目前，已有數(shù)家公司（如 Cursor）在6到18個(gè)月內(nèi)就達(dá)到了一億美金的 ARR；在大型科技公司，30%到40%的代碼已由 AI 生成；而產(chǎn)業(yè)投資者（頭部科技公司）也在大量投早期輪次的 AI 公司。

從2023年到2025年的 AI 收入構(gòu)成來看，OpenAI和 Anthropic（這兩家頭部公司的特點(diǎn)也各有不同。OpenAI 在面向消費(fèi)者（To C）的訂閱服務(wù)上優(yōu)勢明顯，而在 API 調(diào)用方面，Anthropic反而超過了 OpenAI，尤其在代碼編程相關(guān)領(lǐng)域表現(xiàn)突出；

在應(yīng)用趨勢上，目前水平應(yīng)用（如助理、郵件起草等普適性應(yīng)用）在 AI 支出中略占多數(shù)，但垂直應(yīng)用的深度也在增強(qiáng)，許多場景（如客戶服務(wù)、法律、IT 服務(wù)）已經(jīng)能完成端到端的工作流。

模型之爭：

性能壓倒價(jià)格，閉源優(yōu)于開源

關(guān)于模型之爭，硅谷一個(gè)非常關(guān)鍵的發(fā)現(xiàn)是：性能是關(guān)鍵，而不是價(jià)格。從美國的情況看，用戶選擇 AI 應(yīng)用時(shí)，60%是因?yàn)樾阅堋＿@一趨勢也直接導(dǎo)致了閉源模型在產(chǎn)業(yè)應(yīng)用中更受歡迎。

交流的嘉賓普遍認(rèn)為中國在開源模型上非常有競爭力，而美國在閉源模型上很強(qiáng)。美國科技公司所謂的“開源”只是把前代模型開源，最好的模型仍然是閉源的。

從美國用戶使用情況看，大家普遍愿意使用高質(zhì)量的閉源模型。無論是大公司還是創(chuàng)業(yè)公司，在實(shí)際應(yīng)用中都更歡迎閉源模型。大家更在乎模型的性能。開源模型通常只被用于實(shí)驗(yàn)性或低工作負(fù)載的場景，一旦涉及高強(qiáng)度、高占比的工作負(fù)載，絕大部分公司都傾向于使用閉源模型。

“中美在模型上的差距是拉大了還是縮小了”？部分專家的回答是：硅谷的優(yōu)勢在拉大。他們認(rèn)為，硅谷閉源模型的質(zhì)量領(lǐng)先，而這正是產(chǎn)業(yè)應(yīng)用中最被看重的。

總體而言，我們看到：第一，AI 公司的收入是真實(shí)的，背后有高頻次的真實(shí)調(diào)用來支撐，不是曇花一現(xiàn)；第二，增長是可持續(xù)的，市場正在見證“10-10-5-5-5”這樣的全新增長曲線；第三，市場分化日益加劇，優(yōu)秀公司與普通公司的差距正在拉大；第四，在產(chǎn)業(yè)落地中，性能比價(jià)格更重要。

硅谷巨頭下一輪比拼的主戰(zhàn)場——

多模態(tài)模型和世界模型

如果說市場和資本的反饋驗(yàn)證了 AI 的“當(dāng)下”，那么硅谷巨頭們的布局則清晰地指向了 AI 的“下一步”。

在我們的交流中，一個(gè)明顯的感受是，關(guān)于大語言模型（LLM）的討論變少了，因?yàn)榇蠹移毡檎J(rèn)為它已相對(duì)成熟，并且用于訓(xùn)練的公開語言文本數(shù)據(jù)基本已被“用完”。硅谷的共識(shí)是，下一輪大模型能力升級(jí)和比拼的主戰(zhàn)場，在于多模態(tài)模型和世界模型。這些頭部公司的目標(biāo)非常一致，就是實(shí)現(xiàn) AGI（通用人工智能）。

（一）多模態(tài)模型

近期，視頻生成模型的進(jìn)展尤為迅猛，例如 OpenAI 的 Sora v2 和谷歌的 Veo。谷歌 CEO最新宣布，其圖片生成模型Gemini 2.5 Flash Image（代號(hào) “Nano Banana”），已給公司帶來了巨大的收入增長。多模態(tài)模型已經(jīng)走到什么階段，未來的進(jìn)化方向是什么？

硅谷基礎(chǔ)模型大廠的核心邏輯是，拼盡全力把模型的“上限”做到足夠高，訓(xùn)出一個(gè)“諾獎(jiǎng)水平”的模型。他們認(rèn)為，只要大模型上限足夠高，再去衍生出單一能力的小模型，相對(duì)比較容易；反之，在小模型上折騰半天，大模型上限不夠，很多功夫都將白費(fèi)。

硅谷基礎(chǔ)模型大廠把實(shí)現(xiàn)一個(gè)統(tǒng)一的、端到端的（End-to-End）多模態(tài)模型，能夠任意進(jìn)行多模態(tài)的輸入和輸出作為下一個(gè)目標(biāo)，并且視其為邁向“世界模型”和“AGI”的重要里程碑。

當(dāng)前多模態(tài)模型尚未做到“端到端”多模態(tài)輸入，多模態(tài)輸出”的“Omni統(tǒng)一模型”。目前大部分的多模態(tài)模型還處于“分段級(jí)聯(lián)”的階段，第一級(jí)是“多模態(tài)輸入到文本輸出”，即多模態(tài)感知模型，核心技術(shù)仍是自回歸的 Next Token Prediction，底層是 Transformer架構(gòu)，來理解圖像、聲音、視頻并形成文字輸出；第二級(jí)是“文本輸入到多模態(tài)輸出”，即我們熟知的生成模型（如生成圖片和視頻），它主要使用 Diffusion Model，但底層也基于 Transformer網(wǎng)絡(luò)。

在數(shù)據(jù)維度上，一個(gè)好消息是，雖然文本數(shù)據(jù)已近枯竭，但多模態(tài)數(shù)據(jù)才剛剛開始被利用。據(jù)透露，目前大概只有1%的多模態(tài)數(shù)據(jù)被用于模型訓(xùn)練，未來還有巨大的空間。同時(shí)，數(shù)據(jù)的標(biāo)注也在更加的自動(dòng)化，使用 AI 去清洗和標(biāo)注多模態(tài)數(shù)據(jù)。

統(tǒng)一多模態(tài)模型上尚在進(jìn)化迭代中，預(yù)計(jì)真正高質(zhì)量的端到端統(tǒng)一多模態(tài)模型可能會(huì)在一年后出現(xiàn)。而世界模型又是機(jī)器人訓(xùn)練的核心資源。xAI 追求“統(tǒng)一多模態(tài)”和“世界模型”的典型代表, 其目標(biāo)是“構(gòu)建理解物理宇宙的 AI”，直指把AI用于物理和實(shí)體世界的更宏大的愿景。xAI 的 Grok 5將是一個(gè)端到端的、統(tǒng)一的多模態(tài)大模型，并大幅度提升其科學(xué)能力，包括在生物、化學(xué)、材料科學(xué)等領(lǐng)域的應(yīng)用。

總之，硅谷頭部的基礎(chǔ)模型玩家普遍認(rèn)為，未來只有把統(tǒng)一多模態(tài)模型這件事情走通，才具備持續(xù)的競爭力。據(jù)預(yù)測，未來三到六個(gè)月，視頻生成模型將有巨大進(jìn)步，一年內(nèi)“多模態(tài)輸入—多模態(tài)輸出”的端到端統(tǒng)一模型將顯著成熟，效率與成本持續(xù)改善。

（二）世界模型

世界模型簡單來說就是給定一個(gè)當(dāng)前狀態(tài)和一個(gè)當(dāng)前的動(dòng)作，我們可以去預(yù)測未來。路徑尚未收斂，但基本共識(shí)是：世界模型是邁向 AGI 的關(guān)鍵路線之一。如果不能進(jìn)行持續(xù)的世界預(yù)測與模擬，未必算真正到達(dá)“世界模型”的層級(jí)。

從應(yīng)用形態(tài)看，世界模型大致有兩類：一類在純虛擬環(huán)境中演化、常與 AR/VR 結(jié)合；一類直接服務(wù)機(jī)器人訓(xùn)練，驅(qū)動(dòng)機(jī)器人智能升級(jí)。

值得注意的是，不同公司的世界模型存在差異，因采集數(shù)據(jù)的針對(duì)性不同而具有不同指向性。例如李飛飛的模型是通過圖片構(gòu)建環(huán)境，谷歌可從 YouTube 采集多類數(shù)據(jù)，英偉達(dá)則針對(duì)自動(dòng)駕駛和人形機(jī)器人應(yīng)用采集相關(guān)數(shù)據(jù)。

“世界模型”被認(rèn)為是機(jī)器人訓(xùn)練的終極環(huán)境。在沒有一個(gè)很好的世界模型的情況下，行業(yè)會(huì)更依賴“人類模仿學(xué)習(xí)”——例如遙操作（Teleoperation）或遠(yuǎn)程示范——來采集數(shù)據(jù)。這導(dǎo)致了機(jī)器人的應(yīng)用只能局限在局部場景（如工廠一角或物流倉儲(chǔ)）。一旦強(qiáng)大的世界模型被開發(fā)出來，就會(huì)加速具身智能和機(jī)器人的泛化。真正意義上的世界模型什么時(shí)候到來？相對(duì)保守的預(yù)測是“十年議題”。

中美都在世界模型和具身智能上開始發(fā)力，如果把具身智能的決策分成1HZ，10HZ，100HZ三個(gè)層次的話，中美在不同的層次上各有優(yōu)勢。

對(duì)于 AI 時(shí)代的創(chuàng)業(yè)者，

硅谷給出的建議

技術(shù)的快速迭代，也在重新定義AI創(chuàng)業(yè)的“護(hù)城河”。一年前，護(hù)城河被認(rèn)為是“專用數(shù)據(jù)”和“模型架構(gòu)”。而現(xiàn)在，隨著模型架構(gòu)趨于統(tǒng)一，護(hù)城河已經(jīng)轉(zhuǎn)變?yōu)椤肮ぷ髁鳌焙汀坝脩趔w驗(yàn)”。

對(duì)于 AI 時(shí)代的創(chuàng)業(yè)者，來自硅谷的一些建議，可能因?yàn)橹忻绹榈牟煌?，有值得商榷的部分，但是卻給我們帶來一些身處AI 前沿的一些視角。

首先，不要做模型訓(xùn)練，因?yàn)閯?chuàng)業(yè)者根本做不起了。

其次，要謹(jǐn)慎對(duì)待模型微調(diào)?；陂_源模型做的微調(diào)，可能在三到六個(gè)月后就成為“沉沒成本”。因?yàn)殚]源模型的 API 迭代速度極快，它們可能在六個(gè)月后就把你依靠專業(yè)數(shù)據(jù)建立的微調(diào)優(yōu)勢徹底抹平。未來，調(diào)用閉源模型 API 的能力可能比基于開源模型微調(diào)更重要。

再次，關(guān)于機(jī)器人模型+物理 AI仍處于非常早期的階段，各家接口和標(biāo)準(zhǔn)不一，短期內(nèi)還存在競爭壁壘。但硅谷大公司已經(jīng)在發(fā)力“機(jī)器人基礎(chǔ)模型”。短期內(nèi)，創(chuàng)業(yè)者自己做個(gè)小模型還有機(jī)會(huì)，但長期來看，大公司的基礎(chǔ)模型加上數(shù)據(jù)，很可能會(huì)打敗花費(fèi)半天搞出來的小模型。今天巨頭們在多模態(tài)和世界模型上的發(fā)力，其優(yōu)勢可能在三五年后于機(jī)器人領(lǐng)域集中顯現(xiàn)。

未來的格局，很可能是美國提供機(jī)器人的“大腦”（模型），而中國的供應(yīng)鏈負(fù)責(zé)硬件制造。但最終，核心競爭力還是在于大腦。

最后，關(guān)于AI應(yīng)用產(chǎn)品的兩個(gè)建議：一是AI應(yīng)用產(chǎn)品不僅要包含功能，而且能把數(shù)據(jù)閉環(huán)巧妙地融入產(chǎn)品服務(wù)中去，這些數(shù)據(jù)將反過來推動(dòng)AI能力的提升。譬如，用戶在使用特斯拉電車的時(shí)候也為自動(dòng)駕駛模型提供了真機(jī)的訓(xùn)練數(shù)據(jù)。

二是在AI產(chǎn)品服務(wù)中，要巧妙地設(shè)計(jì)和融入驗(yàn)證功能，讓人類用戶，或者其它的軟硬件工具對(duì)AI的輸出可以進(jìn)行有效的驗(yàn)證，實(shí)現(xiàn)驗(yàn)證閉環(huán)，這也將是提升AI能力，消除幻覺的一個(gè)重要方法。

硅谷AI新生態(tài)觀察

此次硅谷之行，我們也觀察到硅谷AI生態(tài)正呈現(xiàn)出一些新的現(xiàn)象和文化：

第一，高強(qiáng)度的“Push”文化與速度至上。

硅谷AI 企業(yè)的“內(nèi)卷”節(jié)奏非常驚人，不僅有“996”，甚至出現(xiàn)了“002”的文化。這種對(duì)速度的極致追求，在一家我們參訪的硅谷知名AI孵化器上體現(xiàn)得淋漓盡致。

我們問他們主要為創(chuàng)業(yè)者提供什么賦能，得到的回答是：他們精選的都是已有成功經(jīng)驗(yàn)的“連續(xù)創(chuàng)業(yè)者”，這些人不需要基礎(chǔ)的技能培訓(xùn)。孵化器真正的價(jià)值，是創(chuàng)造一個(gè)“全力以赴”的環(huán)境。他們會(huì)解決創(chuàng)業(yè)者所有的后顧之憂，包括吃住等一切生活瑣事，讓團(tuán)隊(duì)在幾個(gè)月的孵化期內(nèi)，只做一件事——“Push, Push, Push”，以最快的速度實(shí)現(xiàn)增長突破。

投資人也更看重真實(shí)使用中的留存、使用量與使用頻次，以此校驗(yàn)收入的可持續(xù)性，促使團(tuán)隊(duì)始終保持高速迭代的姿態(tài)。

第二，“天才年輕人”成為主力，科研與工程界限模糊

AI 時(shí)代是屬于“天才年輕人”的。這種感受非常具體：我們看到年僅19歲、尚在名校讀大二的“學(xué)霸”，就已經(jīng)在頂尖AI創(chuàng)業(yè)公司實(shí)習(xí)，已經(jīng)擁有兩年的資深研究經(jīng)驗(yàn)，甚至同時(shí)跑“研究 + 工程”雙線。

正如馬斯克所強(qiáng)調(diào)的，沒有工程能力的科學(xué)家不是好的科學(xué)家。在硅谷AI企業(yè)中，研究員（Researcher）和工程師（Engineer）的界限正變得非常模糊。這種“研產(chǎn)合一”的文化，能確保研發(fā)和產(chǎn)品化以最緊密的協(xié)同向前發(fā)展，實(shí)現(xiàn)最快的迭代速度。

研發(fā)與產(chǎn)品化緊耦合，這也是硅谷基礎(chǔ)模型與應(yīng)用層齊頭并進(jìn)的一個(gè)重要原因。

第三，華人力量在硅谷AI生態(tài)中日益崛起。

此次硅谷之行，我們深切地看到華人群體在硅谷AI生態(tài)中的參與度和影響力都在顯著提升，已成為這股生成式AI浪潮中不可或缺的重要力量。

按 MacroPolo（保爾森基金會(huì)智庫）《全球 AI 人才追蹤 2.0》，2022 年全球“頂尖20%”AI 研究者中，有 47% 的本科就讀于中國；在美國頂尖 AI 機(jī)構(gòu)內(nèi)工作的“頂尖 20%”研究者中，華人（中國本科學(xué)歷背景）約占 38%，已與美國本土研究者比例相當(dāng)甚至略高。

這一組數(shù)據(jù)，很好地解釋了我們在 OpenAI、Google DeepMind、xAI 等一線團(tuán)隊(duì)與發(fā)布會(huì)舞臺(tái)上頻繁看到華人面孔的現(xiàn)象，它不是偶然，更不是個(gè)例，而是人才結(jié)構(gòu)變化的結(jié)果。

結(jié)語：收獲，不止于硅谷

此次為期一周的硅谷AI應(yīng)用實(shí)踐深度行，有近30人的AI應(yīng)用創(chuàng)業(yè)企業(yè)創(chuàng)始人、上市公司、產(chǎn)業(yè)集團(tuán)高管、 AI應(yīng)用創(chuàng)業(yè)企業(yè)團(tuán)隊(duì)參加。

這些來自不同行業(yè)的企業(yè)家和創(chuàng)業(yè)者學(xué)員，帶回的不僅是對(duì)AI前沿的洞察，更是對(duì)自身企業(yè)發(fā)展路徑的深度重構(gòu)。

對(duì)于一線AI創(chuàng)業(yè)者而言，行前每個(gè)人都以為自己對(duì)AI“理解得還可以”，但真正走進(jìn)硅谷核心生態(tài)后，才發(fā)現(xiàn)所謂認(rèn)知其實(shí)只是“冰山一角”。比想象中更快的技術(shù)演進(jìn)、更密集的產(chǎn)品實(shí)驗(yàn)、更務(wù)實(shí)的商業(yè)路徑，帶來的不僅是沖擊，更是前路的清晰。

有學(xué)員在這趟行程中明確了產(chǎn)品方向——AI創(chuàng)業(yè)不應(yīng)只滿足于“效率提升”，而應(yīng)聚焦那些移動(dòng)互聯(lián)網(wǎng)時(shí)代從未存在的新功能。這樣的功能，才“性感”、有想象力，也更具資本價(jià)值。同時(shí)，也有學(xué)員敏銳觀察到：相比國內(nèi)“卷效率”，AI真正的應(yīng)用機(jī)會(huì)也許在于“替代”，而替代最迫切的市場，是高人力成本的發(fā)達(dá)國家。

也有創(chuàng)業(yè)者開始重新理解AI創(chuàng)業(yè)與大廠之間的關(guān)系：當(dāng)巨頭開始把精力下沉到“做瀏覽器”這種產(chǎn)品應(yīng)用時(shí)，恰恰說明模型端的突破可能已暫時(shí)觸頂，這反而意味著，應(yīng)用層正迎來“小資本也能彎道超車”的黃金窗口。

而對(duì)那些正在推進(jìn)從傳統(tǒng)企業(yè)向AI轉(zhuǎn)型、但又難以走出慣性的學(xué)員，此行更是一場徹底的認(rèn)知風(fēng)暴，帶來了高強(qiáng)度的 “路徑確認(rèn)”。他們在這一周中理清了該放棄什么，又該篤定什么。有學(xué)員直言獲得了 “頓悟”，走訪之初還帶著困惑和猶疑，臨別時(shí)卻已將方向重新校準(zhǔn)。

本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購買等信息，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊一鍵舉報(bào)。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻(xiàn)花（0） +1

來自： liuaqbb > 《觀點(diǎn)與人物》

舉報(bào)/認(rèn)領(lǐng)