AI创投的判断标准变了

本文来自微信公众号： 碳基智 ，作者：碳基智

上周六在亚投行参加了一场AI创投相关的圆桌，四位投资人针对AI创业和投融资相关的话题进行了交流，信息量蛮大的，我结合自己的理解整理了今天这篇笔记。

1

AI时代的创业形态变了。

传统的创业模式更像是先发现需求，再组织资源，做出产品满足需求，实现商业闭环。AI时代则变成了低成本、快速试错，谁能更快把能力嵌入场景，谁的机会就更大。

过去迭代的是功能，现在迭代的是智能。

另一个重要的判断标准是「锤子和钉子」的关系变了。过去是围绕钉子造锤子，你得先定义出问题，再去做工具。现在AI像一把巨大的锤子，很多创业者是反过来拿锤子去找钉子。

这带来的问题是，机会看起来是变多了，但伪需求却更多了。一个东西能被AI做出来，不等于它有商业价值。这里点名那些Vibe Coding的自嗨创业点子。

谈到替代效应，投资人们没有躲避，反而更加冷酷地直面了问题的存在：过去的技术大多是增强人，比如提高效率、扩展视野、降低成本，但现阶段的AI可能直接替代部分知识劳动。这个变化会让很多原本看起来合理的创业方向，再大模型能力继续扩张后突然失去存在的意义。

这场圆桌最底层的共识是，AI就像水电煤气，会成为所有行业的底层基础设施，真正要考虑的问题是，我的业务结构会不会被AI改写。

2

AI创业有两条路径。

一条是场景反推技术。是先找到足够精准、足够痛的场景，再用AI技术去解决。这一路径更强调行业理解、客户需求、交付能力和真实付费。投资人明显更喜欢“越精准越好”的场景，因为AI时代技术本身会越来越容易获得，真正稀缺的是知道该解决哪个问题。

另一条是技术寻找场景。典型是大模型、基础设施、底层能力、技术天才型团队。这类团队可能一开始不赚钱，但可以靠技术稀缺性和融资能力撑起高估值。比如MIT、斯坦福、Kimi这类“含着金钥匙”的创业叙事，本质上吃的是技术能力、资本信任和大赛道想象力。

但这两条路没有绝对优劣，关键看创始团队的资源禀赋。如果你是技术天团，就要解决“技术到底落到哪里”的问题；如果你是行业老炮，就要解决“怎么用技术重构已有生意”的问题。

3

制造业和服务业会出现分化。

圆桌里有一个我觉得价值很高的判断：AI对服务业和制造业的冲击速度不一样。

现代服务业的产出大多是脑力产出，比如写方案、做分析、写代码、做咨询、做流程管理。这些东西很容易被模型压缩成prompt、workflow、skill，很多过去需要多年经验沉淀的能力，会快速贬值。

但制造业、实体经济、原子世界不一样。它涉及设备、供应链、工艺、交付、现场、质量控制、组织管理，不是一个30行skill就能干掉的。也就是说：

越靠近物理世界，AI替代速度越慢；越靠近纯脑力服务，贬值速度越快。

这也是为什么有人对中国AI更乐观。中国受限于算力影响，不一定能做出最强基础模型，但当AI往制造业和实体经济里渗透时，中国有更完整的产业场景。

这就像K8s虽然不是中国搞出来的，但它的极致场景和user case都是在中国出现，并且也因为中国市场的压测帮它变得越来越好。

4

投资判断不再只看「是不是AI」。

如果说前两年投资属于只要是提了AI就有很大机会拿钱的话，今年的投资人们也不再开始无限制地大撒币了。

他们反复提到的投资标准大概这几块：

第一，看技术壁垒。你有没有别人短期做不出来的能力。

第二，看场景痛点。你解决的问题是不是足够具体、足够刚需、足够愿意付费。

第三，看扩张能力。你不能只做一个小工具，要能从一个点扩展到一类场景。

第四，看融资能力。AI时代马太效应更强，好的项目可能很快被头部机构抢走，小机构甚至投不进去。

第五，看商业闭环。融资不是终点，融资甚至可能是灾难的开始。尤其国内资本条款往往更苛刻，创始人不能把融资当成“上岸”。

这里有一个非常现实的结论：AI创业不是“先烧钱再说”这么简单。你要么能融到足够多的钱，支撑你做宏大叙事；要么你从day one就证明自己能挣钱。

卡在中间最危险，既没有资本护城河，也没有现金流护城河。

5

中国AI创业会有明显的“养蛊”特征。

有投资人举例提到了新能源汽车、光伏行业等等，这些产业的演化方式是：先靠政策、资本、市场和供应链把大量玩家推上牌桌，然后极度内卷，最后剩下少数蛊王，赢家通吃。

AI很可能也会这样。

一开始大家都觉得有机会，工具便宜、模型开放、场景很多、融资热。但很快就会出现几个问题：同质化严重，客户不买单，融资断档，大厂吞噬，小公司被迫卷价格和交付。

最后活下来的，极大概率不是最有理想的，而是定位最准确、现金流最稳、资源最强、执行最狠的。

这也是对创业者最重要的提醒：别一上来就做“改变世界”的梦。AI时代当然需要大梦想，但小公司首先要回答一个俗套但致命的问题：你靠什么活着？

6

给AI创业者的核心建议。

第一，不要迷信AI Native。真正重要的是业务结构有没有被AI重构，而不是PPT上有没有写AI Native。

第二，不要拿着模型到处找伪需求。能demo，不等于能交付；能交付，不等于能收费；能收费，不等于能规模化。

第三，越是大模型能力会吞掉的东西，越要谨慎。今天看起来是产品，明天可能只是模型的一个功能。

第四，越靠近真实行业、真实流程、真实数据、真实交付，越可能形成壁垒。

第五，融资要谨慎。融资是加速器，不是救命丹。业务没想清楚，融资只是把死亡时间提前并放大。

第六，要理解政策，但不要被政策牵着鼻子走。最优解是：商业上成立，政策上说得通。

第七，中国市场的机会不在“做一个中国版OpenAI”，而在“把AI深深扎进产业的毛细血管”。