核心观点 段永平在AI和泡泡玛特两个案例中，展示了顶级投资者如何将陌生事物逐步纳入能力圈，其结论改变但原则未变，核心是理解判断形成的过程而非答案本身[2][12] 段永平对AI的认知与使用 - 段永平将《大道：段永平投资问答录》交给ChatGPT，AI提炼出“投资本质上是买公司”等八点核心思想，段永平认为“还蛮有意思”[4] - 段永平认为AI是“算力大大大幅度提高后的产物”，哲学意义上是“量变产生质变”，并判断“大概率会比互联网带来的变化还要大，也大概率比工业革命带来的变化大”[4][5] - 段永平建议“每个理性的人都不应该忽略AI，要认真看待AI，至少要从学会使用元宝开始”[5] - 段永平指出AI可以大幅缩短信息收集时间，但“收集的是什么就取决于你自己了”，AI无法替人承担判断错误的代价[5] - 段永平对AI蒸馏其文字表示“我没意见的，但亏钱怪罪龙虾就好”，强调答案正在变得廉价，知道该问什么和该相信什么越来越贵[5] 段永平对泡泡玛特的投资逻辑转变 - 2025年3月段永平对泡泡玛特表示“不知道这家公司，光顾着打球了”[7] - 2025年8月段永平认为泡泡玛特“产品确实很有意思，founder也是个很有意思的人”，但“看不懂10年后公司会怎样”，并质疑“万一过两年大家都不要了呢”[7] - 2026年3月底段永平重读泡泡玛特财报后，联想到《梦幻西游》中不增加数值但卖得贵的游戏衣服，意识到“情绪价值这个东西真的有点意思”[7] - 段永平认为消费者购买的是“收藏的满足、拆盒的惊喜、陪伴感和自我表达”，财报证明这种抽象价值能变成真实的收入、利润和现金流[8] - 段永平收回“不投资泡泡玛特”的说法，将中国神华换成泡泡玛特，并称“我看的是这家公司，公司的商业模式和企业文化”[8] - 段永平评价王宁“对自己产品的理解以及追求和乔布斯是一个级别的，至少未来会是的”，且“对商业的理解好像比乔布斯还要强一点点”[8] - 段永平走访泡泡玛特在香港、大阪、东京、洛杉矶和圣何塞等地的门店，看到“几乎绝大多数消费者脸上都是洋溢着快乐的”[8] - 2026年7月段永平将泡泡玛特算作其“20个孔”之一，并表示“我猜10年内大概率是不会卖的”[9]

宇树科技IPO与具身智能行业分析 - 宇树科技IPO成为创投圈焦点，网上申购中签率仅0.01809759%，远低于长鑫科技的0.4714% [3] - 海外加密衍生品平台上线宇树盘前合约，折算市值约2300亿元，而发行价150.8元对应市值约610亿元，去年6月最后一轮融资投后估值仅127亿元，形成127亿、610亿、2300亿三组数字 [3] - 宇树2023年至2025年营收从1.59亿元增长到16.99亿元，2025年实现盈利；人形机器人收入占比从2023年的1.88%升至51.78%，当年出货超过5500台 [4] - 2026年一季度，宇树营收同比增长68.49%，扣非净利润同比下降52.55%；上半年预计营收增长35.62%到45.41%，扣非净利润同比下降6.43%到21.97% [5] - 宇树在招股书中提示，具身大模型泛化能力、灵巧手精细度和耐用度仍有限，消费级市场尚未形成刚需，公司尚未大规模开展真实数据采集和工厂部署训练 [5][12] - 宇树身后已有多家机器人公司排队上市：云深处推进科创板IPO，乐聚进入公开审核程序，越疆回A通过创业板上市委审议，智元启动赴港上市流程，众擎以保密方式申请香港IPO，自变量秘密递表，星海图、银河通用、傅利叶、智平方完成股改或推进上市准备 [5] - 这些公司生意并不相同：云深处成熟收入来自四足和轮足机器人，越疆超八成收入来自协作机器人，乐聚人形机器人形成规模收入但公司仍亏损 [6] - 宇树的示范意义比历史意义更重，它给具身智能公司提供了一把每天变动的公开尺子，将估值问题从融资桌转移到公开市场 [6] - 长鑫像里程碑，宇树像发令枪，长鑫让十年前判断有了结果，宇树给身后整批具身智能公司出了一道现实题 [6] 机器人技术商业化关键指标 - Physical Intelligence联合创始人切尔西·芬指出，仅强化学习后训练可将部分任务吞吐量提高约一倍，制作意式咖啡任务成功率超过90% [10] - 90%成功率在生产环境中仍对应10次失败，投资人需关注“每工作一小时需要人类救场多少次”，该数字越接近零，机器人收入才越接近真正自动化收入 [10] - 当前最先进机器人基础模型几乎没有真正记忆，Physical Intelligence推出Multi-scale Embodied Memory，将记忆拆成两层，机器人已可处理最长约15分钟连续任务 [11] - 机器人能够连续自主工作多久是商业化实用尺度：从完成2分钟动作到独立工作15分钟，再到一小时、八小时，背后对应完全不同产品 [11] - 芬对“互联网视频训练机器人”持谨慎态度，认为机器人需要在自己身体上获得真实经验，摄像头看到的手臂与机械臂真实运动涉及的关节、摩擦、力反馈并不相同 [12] - 数据多样性比单纯堆数量更重要：随机删掉20%训练数据性能变化有限，删掉最具多样性部分效果明显恶化，低质量数据加入训练可能拖累模型 [12] - 投资人需关注公司有多少机器人每天在真实环境执行任务、数据能否回流、不同场景数据能否被同一模型利用、失败案例是否被系统记录 [12] - 宇树2025年卖出超过5500台人形机器人，但尚未大规模开展真实数据采集和工厂部署训练，硬件出货量和训练数据资产之间还隔着一套体系 [12] - Physical Intelligence最新π0.7已能用一套通用模型在多个任务上达到甚至超过专门强化学习后的模型，并出现跨机器人本体迁移能力 [13] - 芬认为Physical AI更可能沿Waymo式路径扩张：能力先达到可用，再随真实硬件覆盖范围一点点增加 [13] - 投资人应关注成功率、每小时人工接管次数、一次自主工作时间、已部署机器人每天产生可重新用于训练的数据量等数字 [13] SpaceX与国防科技对具身智能的示范效应 - Marque Ventures董事总经理杰克·查普曼亲历国防科技赛道变化，SpaceX证明需要巨额前期资本、制造实体产品、收入高度依赖政府客户的公司也能产生VC喜欢的极端回报 [17][18] - Anduril证明创业公司可先依靠风险资本开发产品，再去挑战传统军工企业长期占据的政府订单 [18] - SpaceX出现后，投资人有了案例证明“重制造+政府采购+二十年周期”也能产生巨额VC回报 [18] - 宇树上市后，具身智能第一次有了一家可直接比较的中国公司：17亿元收入、接近6亿元利润、5000多台人形机器人、610亿元发行市值 [18] - 一个成功案例出现后，最危险的事情是所有人开始用同一个案例解释不同公司，每家公司还要自己证明为什么宇树的估值方法可以用在自己身上 [19] Canva增长放缓对估值的启示 - Canva通过员工老股交易获得420亿美元估值，当时年化收入约33亿美元，到2025年底ARR超过40亿美元 [23] - Canva原本预计全年收入增长约30%，最近下调到20%左右，原因是AI功能调用量远超预期，使用外部前沿模型带来推理成本太高 [23] - 增长质量成为问题：半年前投资人按30%甚至更高增速定价，20%会产生完全不同估值结果，且Canva仍是私人公司没有每天报价完成价格发现 [23] - 投资人需判断增长放缓是需求不够还是公司主动选择少烧钱，两种情况会得到完全不同的答案 [24] - 对于早期投资人420亿美元已创造巨额账面回报，对于最近进入的基金仍是LP报表资产净值，增长预期从30%降到20%后基金可继续沿用最近交易价格或主动下调估值 [24] - 宇树610亿元发行市值只是第一次数学计算，从下一份财报开始收入增速、利润、机器人销量、毛利率都会不断进入新的价格 [24] 波士顿动力对机器人商业化的判断 - 波士顿动力创始人马克·雷伯特指出，四足机器人客户问题已从“我为什么需要一台四足机器人”变为“我应该买哪一台”，说明需求已被证明，竞争落到产品上 [27][29] - 人形机器人面对更复杂问题：两条腿和两只手带来更强环境适应能力，也带来成本、控制、可靠性和维护上的额外负担 [27] - 雷伯特早年没有把“长得像人”当成机器人研究目标，更关心移动、感知和操纵物体能力，人类对人形机器人的关注度远高于其他形态，对传播是优势，对商业判断可能成为干扰 [27] - Atlas完成一组动态动作前后尝试109次，耗时约6周，过程中机器人会摔倒、出现感知错误、踩错落点、损坏零件，公开视频只留下成功的那一次 [28] - 真正部署到工厂后，如果机器人执行100次任务失败5次，需考虑谁来处理、能否自行恢复、远程操作员介入多久、故障停机多少分钟、从10台增加到1000台维护人员是否同比增加 [28] - 性能、安全和价格需要同时过线：仓储较早成为机器人规模部署场景，因为环境相对结构化、任务可拆解；消费级机器人难得多，需同时满足不频繁失败、不伤人、价格低 [28] - 判断机器人品类是否真正走进市场，可先看客户问题是否从“这东西到底能帮我做什么”变为“你们和另外那家相比哪台更好” [29]

核心观点 - 中国出现了首个由VC支持的、独立的、范式开拓型AI Lab——Pragmatik Labs，标志着中国创投生态向硅谷式前沿探索模式转变 [5][7] - 这类AI Lab无产品、无营收，VC投的是研究方向而非商业模式，赌的是顶级研究者的脑子加上未知范式一旦突破的极大回报 [12][13] 中国首个独立AI Lab：Pragmatik Labs - 前阿里通义千问技术总负责人林俊旸在上海创办Pragmatik Labs（语用科技，简称p7k），研究方向为跨数字与物理世界的下一代智能体 [5] - 天使轮融资2.2亿美元，投后估值20亿美元（近140亿人民币），高榕创投和红杉中国联合领投，腾讯和上海未来产业基金跟投 [5] - 公司没有产品、没有营收，一成立就是超级独角兽 [5] - 林俊旸1993年生，2019年进入阿里达摩院，2022年底通义千问立项后成为核心架构与负责人，带队将Qwen系列做成全球下载量第一的开源模型，2025年升任阿里最年轻的P10级技术专家，2026年3月离职创业 [7] - 该实验室成立第一天就没有把产品化和营收写进KPI [9] 与国内其他AI Lab的差异 - 大厂AI Lab（腾讯AI Lab、阿里达摩院、字节AI实验室）资源来自母体，方向服务于母公司产品矩阵和战略KPI [8] - 智谱脱胎于清华KEG实验室，是高校成果转化实体，早年起家靠国家项目和高校资源，算的是高校科研能力产业化的账 [8] - DeepSeek起步依靠幻方量化自有资金支撑，本质是梁文锋个人技术趣味和信念，后续大额VC入局是锦上添花，并非VC在起点就下注未知范式 [9] - 月之暗面2023年成立时ChatGPT已验证路线可行，VC押注既有AGI的饼，也有成熟范式下顶尖团队的工程与产品兑现能力 [9] 海外独立AI Lab的范式 - Ilya Sutskever创办的SSI，公司网站只有一句使命“安全的超级智能”，不做中间产品、不追求营收，2025年估值320亿美元，2026年英伟达追加约50亿美元战略投资，是全球估值最高却无商业化产品的AI实验室 [11] - Jeff Dean创办Discovery Loop，目标是用AI自动化科学发现循环，注册为公益公司，无任何商用产品规划 [11] - 杨立昆创办AMI Labs，直指世界模型，种子轮超过10亿美元 [12] - SSI团队规模30人出头，人均估值10多亿美元，传统VC逻辑不成立，只在一种前提下成立：前沿范式一旦突破回报极大，且只有顶级研究者能判断方向 [13] 大厂前沿探索外部化趋势 - Jeff Dean、Ilya、杨立昆相继离开母体实验室单飞，是把最激进的探索从大厂KPI里解放出来 [14] - 克里斯坦森《创新者的窘境》指出，成熟组织会被现有客户和既定指标绑住，只在已被验证的范式里做优化，颠覆式创新会蚕食现有收入 [14] - 巅峰期约20人的DeepMind团队曾击败数百名研究数十年的学术结构生物学家，小独立组织能啃下大建制啃不动的硬骨头 [14] 人才与组织的重要性 - 普通公司成立第一天想客户是谁、产品怎么做、收入从哪来，组织为交付服务；AI Lab前景模糊，需把人找对，搭建能容忍长周期未知的组织方式 [15] - 国内某大厂曾组建内部3D模型团队，投入以十亿计，随着集团战略转向说撤就撤，这些人后来三三两两聚在一起做出叫得出名号的创业公司 [15][16] - 林俊旸在千问团队执行垂直整合模式，预训练、后训练、Infra、多模态所有环节紧密协作，汇报线扁平，决策快，团队控制在几十人，每个人是多面手 [17] - 千问团队应届生占比超过七成，除赶工时刻大多没有996，也没有周报和人情世故，成员有想法能直接给吴泳铭发钉钉留言，很长时间没有具体商业化、ROI考核 [17] - 阿里要求千问商业化，将团队从垂直整合拆成多个水平分工团队，林俊旸从统筹全链条负责人变成只管一个模块，他不愿做系统里的螺丝钉，离职创业 [18] 独立AI Lab发展的三个关键要素 - 人才的密度：靠一个人的技术威望聚起建制化的顶尖团队 [19] - 资本的支持：资本愿接受长期没有产品、没有营收的状态，只为前沿探索买单 [20] - 宽容的创新环境：允许AI Lab在很长一段时间只产出论文和demo，不产出收入和利润 [20]