界面新闻记者 |
界面新闻编辑 | 文姝琪
80家参展公司、150多个机器人产品，与观众的感知一致，今年WAIC无论是科技创业还是投资话题，热度更高的赛道无疑集中在具身智能。
“作为投资者，都有点心虚。”7月28日，启明创投主管合伙人周志峰在WAIC的创投论坛上如此表示。
仅仅在过去的一个月里，多家具身智能企业的融资消息频出，大厂和机构争相出手，热钱涌入，大家都要挤上牌桌，头部公司估值水涨船高。据IT桔子数据，截至目前，今年国内人形机器人领域共发生99起投融资事件，远超去年全年的67起，但这个赛道仍充满了高度不确定性。
2014年加入启明创投后，周志峰参与的之一个项目就是跟启明创投创始主管合伙人邝子平一起，投资了彼时还是“AI四小龙”之一的旷视科技。新一波AI热潮里，启明又投资了智谱AI、阶跃星辰这些少数仍坚持做“通向AGI”的初创公司。回过头来看，2014年已经到了深度学习的技术奇点，2020年则处于 “GPT-3时刻”的技术奇点，此后行业都有了共同努力的方向。
但对于今天具身智能的投资，周志峰表示，启明创投内部仍有很多讨论，具身智能的技术到底有没有到达奇点开始收敛，还是仍处在百花齐放的状态。毕竟后者对投资人来说，等于巨大的不确定性。
一个坏消息是，具身智能技术并没有开始收敛，从软件、硬件到落地场景几乎每个问题都是开放的，但好消息是，宏观层面从业者已经取得一定共识，例如数据重要、模型部署形态是端到端的等等。与此同时，过去一年具身智能的技术发展突破，几乎超越了此前所有年的累积，且进步还在不断加速。
AGI产业来到了特别的发展时间点。一方面技术还在向上快速增长，没有看到明显的天花板。同时由于技术的性能、成本变得更加可用，大规模的应用已开始落地。
去年起，机构就感受到AI投资越来越“热”了。整个2025年上半年，AI初创企业吸引了全球53%的风险投资基金，虽然市面上出现过“预训练这条路快走到头了，Scaling Law是不是不灵了”的论调，但投资仍在持续流向基础模型公司。
AI投资“热”的同时，也意味着噪音更多了，怎么在噪音中独立判断且思考布局，是对投资人的考验。
而从创业者角度来看，AI创业资源消耗巨大，且是全球竞争最激烈的行业之一，在这样的行业里创业，难度同样在提升。
旷视科技CEO印奇以“千里科技董事长”的新身份，与邝子平对谈了近期的AI创业感悟。
“2011年我刚开始创业时，正值大学生创业热潮，当时有一个说法是‘创业是先跳下悬崖再组装飞机’，但AI是最剧烈竞争的行业，创业至少从技术到产品到商业化的要有基础设计，如果创业模式的基础要素缺失或错误，再努力可能都是往错误方向狂奔。所以我认为，无法闭环的商业模式是无法持续推动的。”印奇表示。
关于AI 2.0时代的创业趋势和机会，印奇认为轻量化的纯APP创业非常难，移动互联网时代有很多创业传奇是从细分领域边路突破的，而大模型是明牌重注、所有人都关注的行业，这也意味着很难有偷袭的机会。
“信息、人才流动太快，带动技术应用理念快速传播，没有时间窗口，创业公司很难突围。”但印奇认为硬件领域仍有巨大机会，人车家大机会是确定的，还有更多优质垂类的硬件机会。
对话中，邝子平也透露了作为投资人角色的思考，在这一波AI浪潮前沿，投资科技平台企业时，机构的梦想不只是要投出“最酷的AI打印机”这种单一硬件产品，而是希望投出最核心的AI入口端硬件平台。
启明创投的判断是，AI交互范式转移将在未来两年内加速到来，伴随用户对手机屏幕依赖的减弱与语音等自然交互方式的重要性上升，将推动AI原生超级应用的诞生。
回到WAIC，今年Future Tech板块 *** 了50家初创企业轮番路演，展示AI最前沿创新，还有投融资对接会推动创新力量。
在该展区，一位创业公司CEO告诉界面新闻，今年WAIC期间投资人络绎不绝，甚至还有海外资本团前来了解情况。这也与AI全球化一致，过去互联网公司是先本地再海外，但AI产品可能从之一天起就“生而全球”。
启明创投认为，未来一到两年，200万Token的上下文窗口将成为顶级AI模型的标配。围绕更大上下文窗口展开的更精细、更智能的上下文工程，会成为推动AI模型及应用发展的核心驱动力之一。多模态方面，通用视频模型有望在一到两年内出现，该模型可处理视频模态下的生成、推理与任务理解，促进视频内容生成与交互的革新。
围绕时下最热门的AI Agent，启明创投预测未来一到两年，Agent形态将从“工具辅助”走向“任务承接”，首批真正意义上的“AI员工”将进入企业，广泛参与客户服务、销售、运营、研发等核心流程，不再仅作为助手存在，而是具备协同作业、主动反馈、承担OKR等能力，推动从成本工具向价值创造转变。
AI BPO（业务外包）模式也将在未来一到两年，实现商业化突破，从“交付工具”走向“交付结果”，并通过“按结果付费”的方式，在金融、 *** 、营销、电商等流程标准化行业快速扩张。
具身智能机器人则将率先在拣选、搬运、组装等场景实现规模化部署，积累大量机器人之一视角数据与带触觉的操作数据，构建“模型-本体-场景数据”的闭环飞轮。这一飞轮将驱动模型能力迭代，最终推动通用机器人迈向大规模落地。
