Choose your own adventure. 在时代陡峭的拐点上，不存在 "标准成长路径" 。 锦秋基金是一家 AI-native 投资机构。 常作为首轮投资人，为AI算力、AI应用以及具身智能三个具体方向的优秀的创业者提供支持。 "Builder, not talker." 我们亲自上手，将一家VC公司当作一个产品来打造。 真听、真用、真聊、真投，Experience with AI，和创业者们一起 经历 这个时代。 每个人，都在开启自己的 "AI冒险之旅"。 锦秋不会为你提供AI发展趋势的标准答案，也不是一艘大到能对抗风浪的轮船。 但希望邀请你一起同行，在"AI投资"这件事上， 帮助创业者们 更早看见未来、更快跑出商业闭环。 请允许锦秋做一个简短的自我介绍—— 抱着"不过度归纳总结"的工作方式，我们不提供严格的JD。 因为个体借助AI之后的工作能力，是无法被模版化的。我们更愿意去捕捉大家的韧性细节与思考方式。 AI 投资人/AI研究员 "快速的确定性" 70+项目、"活跃出手"的背后，是快速的确定性带来的底气。 我们在观察模型和产品迭代的同时，也会把自我迭代和对未来的判断前置。当遇到合适的时机，就 ...

以下文章来源于甲子光年 ，作者刘杨楠 甲子光年 . 甲子光年是一家科技智库，包含智库、社群、企业服务版块，立足中国科技创新前沿阵地，动态跟踪头部科技企业发展和传统产业技术升级案例，推动人 工智能、大数据、物联网、云计算、新能源、新材料、信息安全、大健康等科技创新在产业中的应用与落地。 「Jinqiu Spotlight」 追踪锦秋基金与被投企业的每一个光点与动态， 为创业者传递一线行业风向。 " 为什么人人都在排队等 OiiOii？ " 这个问题发出时，闹闹正带着她仅十余人的团队，应对一场"甜蜜的意外"。原本只想招募 100 人的内测，结果门 槛被踏破， 近 10 万人涌入排队名单 ，等待一个测用的机会。 这款名为 OiiOii 的产品，被创始人闹闹称为"幼年动画智能体"。它诞生不到半年，却在 AI 圈和创作圈吸引了广 泛关注。 锦秋基金是 OiiOii 所在公司 Hogi 的天使轮投资方。 我们相信，AI 正在让创作这件事，从"会不会"变成"想不 想"。 个体的想象力将不再受限于团队规模所限制，而是受个人的热爱而驱动。 以下是「甲子光年」与闹闹的深度对话。看这位"想变回静静的e人"，如何带着对行业的敬畏心， ...

「Jinqiu DeepTalk」 用一场深度分享带你找到下一个 buzz 信号。 " Scaling Law 撞墙了。 " 当 Ilya Sutskever 提出这一判断时，它提示着我们，要开始思考模型的"可持续发展"问题了。 过去几年，模型能力几乎与规模同步增长，"更大"似乎就是"更强"。但这种依赖海量数据和算力投入的演进方 式，已逐渐逼近可持续性发展的边界。 这也引出一个更基础的问题： 在数据增速放缓、 算力 成本攀升的背景下，下一阶段的模型突破将从何而来？ 如果「 摩尔定律」 曾定义信息时代的技术演进节奏，那么在智能时代，我们或许需要一个反映"知识压缩效 率"与"智能密度"的新衡量方式。 发 表 于 Nature Machine Intelligence 的 《 Densing Law of LLMs 》 提 出 了 新 的 答 案 —— " 密 度 法 则"（Densing Law） 。 上周六的 DeepTalk线上闭门交流活动 ，我们很高兴邀请到该 论文一作、清华大学计算机系博士后、面壁 MiniCPM（小钢炮）文本模型研发负责人 肖朝军博士 ，首次公开解读他和团队的最新工作： 《密度法则： 大 ...

< 跨大厂AI Party > 12月20日，本周六晚，锦秋基金与鹅同学、深圳模力营联合举办 2025年度跨大厂AI Party活动 ，邀 请来自 互联网/科技大厂、创业团队以及顶尖高校的AI Builders 一起，一次性认识100位对 AI 上头的 同行者。 我们希望为大家搭建同频交流的场域，在不做框架设定的夜晚里， 交换真实问题、碰撞一线判断、结识 一起往前走的伙伴 。 | 18:30-19:00 签到&留影 | | --- | | 19:00-19:50 AI 投资人&创业者开场分享 | | 19:50-20:30 AI 创业者需求对对碰 | | 20:30-21:30 自由交流&链接 | 主题： 在深圳，一次性链接100+ AI Builders｜跨大厂AI Party 时间： 12月20日，周六晚 报名： 添加下方"锦秋小助手"二维码，备注：姓名+公司/学校信息。 本次活动席位有限，我们将根据大家的报名先后顺序和从业背景信息进行筛选和匹配，大家报名从速! 以下为活动详情 【联合主办方】 鹅同学： 腾讯人的专属圈子，实名认证在职、离职腾讯人近万人。 锦秋基金： AI-native投资机构， 活跃在A ...

Z Potentials . 我们与Z Potentials同频共振 「Jinqiu Spotlight」 追踪锦秋基金与被投企业的每一个光点与动态， 为创业者传递一线行业风向。 锦秋基金于今年4月领投因克斯天使+轮，并在后续两轮新融资中持续追加投资支持。 锦秋被投企业、人形机器人与具身智能核心零部件领军企业 因克斯 正式宣布，完成 近 2 亿元人民币 新一轮融资。由 华控基金、深创投集团 共同领 投， 普华资本 跟投， 绿洲资本、 锦秋资本 作为老股东持续追加投资 。 明论资本 担任独家财务顾问 。 以下文章来源于Z Potentials ，作者Z Potentials 这是因克斯在今年内完成的 第三轮融资 ，持续获得一线财务投资机构与战略投资方的青睐和加注。 #01 关于因克斯 创立于 2022 年的因克斯，是具身智能上游产业链的核心领军者。 公司以自主研发与自建产线为核心底层支撑，构建起行业领先的全链条技术体系与规模化量产能力，已形成涵盖一体化关节、灵巧手、通信模组、电池 系统的多元产品矩阵，为下游整机企业提供从零部件到系统级硬件的全面支持。 据悉，因克斯今年关节模组出货量 已 突破十万台，成为 行业内 ...

锦秋基金投资动态 - 锦秋基金于2025年完成对首形科技的投资 [2] - 锦秋基金是一家12年期的AI基金，以长期主义为核心，专注于投资具有突破性技术和创新商业模式的通用人工智能初创企业 [3] 首形科技最新融资情况 - 首形科技宣布完成新一轮融资，由中国互联网投资基金与蚂蚁集团联合领投，其他投资人包括上海未来产业基金、东方富海，老股东招商局创投持续超额追投，深蓝资本担任独家财务顾问 [4] - 本轮融资是公司今年完成的第四轮融资 [6] - 融资资金将主要用于产品矩阵扩展、小批量量产体系搭建，以及核心模型与软件算法的持续迭代 [5] 公司技术路径与核心逻辑 - 公司坚持“以人形界面为载体的具身智能路径”，并已获得投资端与产业侧的系统性认可 [6] - 公司选择从人形面部、情绪表达与自然交互切入具身智能，认为“交互智能体以人的面貌呈现，更能激发人类底层的互动欲望” [11][12] - 公司认为，在人形机器人的技术链中，“脸”不仅是表达情绪的出口，更是建立交互意愿的入口，决定了人类是否愿意开始一次对话 [11] 技术突破与产品进展 - 公司近期完成了眼神系统的显著强化，通过对注视方向、眼球微运动与脖子节律的协同优化，使机器人的目光呈现出更接近人类的稳定感、聚焦感与情绪暗示能力，实现了从“朝向你”到“看见你”的跃升 [11] - 公司实现了高精度的嘴唇—语音实时同步能力，并首次让同一套人形系统稳定支持跨语言与跨音色的自然口型切换 [14] - 公司通过端到端数据驱动算法，让语音直接驱动电机动作，实现了技术突破，呈现出连续而具生命感的运动轨迹，不再依赖传统音素或规则预设 [14] - 公司通过人工智能技术构建了一条从工程到智能的完整链路，结合皮肤、比例等外观设计传达极致仿生机械美学 [16] - 公司的系统能力包括：表情模型算法支持高密度微表情输出；运控算法在保证实时性的同时维持自然连续；语音、视觉感知与表情等多模态在时间与语义上高度一致 [19] 行业洞察与公司愿景 - 行业面临一个本质问题：AI以什么样的形象，能激发人类的沟通欲望 [9] - 心理学中的“55/38/7”定律表明，人类对情绪的感知大部分来自面部表情与声音，语言本身只占极小比例 [16] - 人形面部的情绪表达，决定了AI能否在真实世界中建立稳定的交互心智、触达更高维度的体验层 [17] - 从眼神到表情，从口型到微动作，这些“类人线索”是未来智能体能否成为可信赖的交互主体的基础设施 [18] - 公司相信情感是可被建模、学习与表征的，当智能进入人类世界，它需要拥有情感 [20] - 公司的目标不是复刻人类，而是创造智能情感的第一形态 [20]

以下文章来源于葬AI ，作者沐秋Muqiu 葬AI . 整点真实 在这个行业里，关于投资的故事从不缺少传奇与标签。 但对锦秋来说，我们更关心的不是被贴上了什么标签，而是正在做什么、为什么要做、能给这个充满想象力的 时代带来多少有价值的改变。 我们见证过在不确定性里奔跑出来的酷公司、超级组织，因此始终相信：好的投资不是押注已标注好的"确定 答案"， 不是把创业简单归纳为某种范式。 每一家公司的轨迹都带着独特的纹理，只有真正走进去、真正理解，才会看到那些被宏大叙事遮住的细节与韧 性。 我们对这份复杂性保持敬畏，也拒绝用几个"创始人画像""时代定义""赛道周期"去给创业者贴上固定标签。 在今天的对话里，你会听到一位VC机构管理人几乎没有"自我叙事"的表达。她的底色很简单：把时间留给创 业者，把注意力留给问题，把能量留给做builder，not talker。 在所有"应该如何"的结论之前，先别着急归纳总结，先把手放进泥里。Scale with AI，Experience with AI，和创业者们一起 经历 这个时代。 对了，说了这么多，还没介绍： 本篇内容来自 锦秋基金创始合伙人杨洁和葬AI咸鱼 的首期播客对话， ...

文章核心观点 - 锦秋基金被投企业星尘智能发布了端到端全身视觉-语言-动作模型Lumo-1，该模型通过创新的三阶段训练架构，旨在将大模型的“心智”转化为机器人丝滑的全身操作，实现从“背菜谱”到“懂烹饪”的跨越，让机器人具备在真实物理世界中进行复杂推理并执行多步骤任务的能力[2][14][15] 模型Lumo-1的技术架构与训练 - 模型训练采用精心设计的三阶段“智力迁移”过程，而非简单堆叠数据规模[20] - **阶段一：具身化VLM预训练** 在精选的视觉-语言数据上进行持续预训练，使模型具备空间理解、规划等“具身语义”，在7个经典具身推理基准中大部分表现超过RoboBrain-7B、Robix-7B等专用模型[21] - **阶段二：跨本体联合训练** 融合跨机器人、多视角轨迹和VLM数据进行联合训练，强化指令跟随、物体定位与空间推理能力，让模型理解动作与指令和观测的关系[24] - **阶段三：真机推理-动作训练与强化学习对齐** 利用绳驱机器人Astribot S1的高度仿人示教轨迹进行带推理过程的动作训练，让模型习得真实世界的可执行动作模式，最后通过基于GRPO的强化学习方案进行推理-行动对齐，校准高级推理与低级动作之间的误差，该方案使模型在任务成功率、动作合理性与泛化能力上显著超越模仿专家示范的原始表现[30][32][42] 模型的核心技术创新 - **动作空间建模** 通过空间动作分词器将连续动作轨迹压缩成最短路径点并聚类成紧凑的token，形成可复用、组合的“动作单词库”，比FAST与分桶方法更紧凑和稳定，能减少数据收集引入的无关噪音[33] - **结构化推理** 将推理拆解为文字推理与视觉推理两个维度，形成解释动作的结构化推理链，使“为什么这样做”先于“怎么做”，最终将视觉理解映射为路径点预测，实现有目的性的动作生成[35][37] - 文字推理具体包括：抽象概念推理、子任务推理、视觉观测描述和运动推理，例如能推断隐含语义、规划最优中间步骤、识别场景特征、分析夹爪空间关系等[38] 模型展现的性能与能力 - 在多步骤长时序、精细灵巧操作、可泛化抓取放置三大类核心机器人操作任务中，Lumo-1全部超越了π0、π0.5等先进模型[11][16] - 在未见过的物体、场景和指令等分布外情况，以及抽象、模糊、需扩展推理的指令中，其优势更为明显[11][16] - 在7个多模态基准测试中的6个优于骨干模型Qwen2.5-VL-7B，并超越专门的具身模型RoboBrain-7B和Robix-7B，且融入动作学习后模型的核心多模态感知和推理能力未受损[44] - 在真实环境验证中展现出强大的操作智能与泛化能力，例如：面对不同高度容器自动调整手臂姿态；识别手写体菜单并精准配对食材；在“把可乐放到盘子上”任务中，当左臂路径被加入未训练过的障碍物时，能实时推理并自主切换为使用右臂[41][44] 具体任务演示案例 - **配对公仔** 能推理出不同公仔与纸片上的角色来自同一动画[5] - **整理文具** 在混乱桌面中快速找齐文具，并能精细处理不同形状、材质和尺寸的物品[6][8] - **热面包** 尽管没见过特定面包，能通过推理识别物体，并完成使用微波炉加热的多步骤连贯操作，包括开门、拿起、放入、关门、旋钮、等待、取出等[8] - **理解抽象与隐喻指令** 能理解“代表爱情的花”指代玫瑰，或将“KFC里的东西”关联到炸鸡、汉堡，或将“画海洋的工具”关联到蓝色画笔[37][40] 行业方法论验证与影响 - 团队采用数据受限扩展定律验证训练策略，结果显示在固定模型规模下，数据多样性对泛化能力的影响远超数据重复次数，这为行业指明了除堆数据量外，提升数据质量的方向[43] - 该研究证明了“推理”与“动作”能力并非零和博弈，可以协同发展[44]

以下文章来源于超级王登科 ，作者DK本人 超级王登科 . 飞机大炮，柴米油盐 人们总喜欢用一句"轻舟已过万重山"，来简化"已过"之前所有的摸索和挣扎。 伟大的产品、公司更是如此。 比如，TikTok。 独响团队成员Piaf（曾在TikTok负责早期用户增长，现独响COO）跟王登科（独响CEO）这样分享： 那段故事里充满了不确定性，却也是团队韧性被推至极限、最让人百转千回的阶段。王登科在记录Piaf视角 下Tiktok那一万个新增用户的文章里，说到： " 很羡慕字节，不是字节产品多厉害，多赚钱，而是在最开始的时候，确实有一个朝气蓬勃，充满干 劲，又愿意跳进水里扑腾的团队，这个团队包括 Piaf，包括卷卷（数美万物CEO任利锋），也包括现在 依然在字节的很多人。 " 勇气，并不体现在你认为是确定的地方，唯吾独尊；而是在自己不确定的地方，不气馁、不放弃、找到那 群"愿意跳进水里扑腾"的人，大家一起坚定地向前冲。 这篇王登科的分享，送给每一位"正在扑腾"的创业者，希望大家都能找到自己翻跃重山的韧性和勇气。 原文： 公众号「超级王登科」 《TikTok 也曾经很在乎那一万个新增用户》 我们团队的 Piaf 在 2017 ...

文章核心观点 - 文章记录了锦秋AI实验室利用多轮AI模型协作，从品牌理解到视觉生成，为自身设计品牌IP形象的实验过程，旨在探索AI在品牌设计领域的应用潜力与通用方法 [4][5][6] - 实验表明，当前AI在IP形象生成上并非简单的“输入-输出”，其效果高度依赖于提供的“语境”而非“控制”，通过提供明确的风格引导比提供具体形象参考更能激发AI的原创性，但最终的选择和意义赋予仍需依赖人类 [4][35][36][48][50][51] 实验设计与方法 - 实验采用“策略组”与“执行组”分工协作的流程模拟人类设计工作室，策略组负责分析品牌并撰写视觉指令，执行组负责图像渲染，这是目前尝试下来生成最稳定的方法 [6][8] - 策略组使用了Google Gemini 3 Pro、Claude Sonnet 4.5和GPT-5.1三个大语言模型，视觉执行组使用了Nano Banana和即梦4.0两个文生图工具 [8] - 实验向AI投喂了包括品牌Logo、官方介绍、过往发布的343条深度内容以及内部价值观等全方位内容语料，旨在让AI深度理解品牌内涵 [7] 三轮测试过程与发现 第一轮：自由发挥测试 - 测试方法：不给任何视觉参考，完全依赖AI对文本的理解进行自由生成 [9] - 核心发现：生成的9个方案均陷入“蓝色发光体”的刻板印象，AI潜意识里将机器人、科技感、蓝色光效等同于AI行业IP公式，导致方案千篇一律，缺乏品牌独特辨识度 [16][22][23] - 技术局限：存在语言与视觉的断裂，文字描述的丰富细节在转化为图像时大量损失，可能因基础版工具对复杂概念理解不够精准 [23] 第二轮：引入参照物测试 - 测试方法：为打破刻板印象，向AI投喂了具体的IP角色偏好参考，包括Labubu（凶萌态度）、华为AI陪伴IP憨憨（情感守护）、AI山海经（想象力），并升级使用Nano Banana Pro和即梦4.0工具 [24][26] - 核心发现：虽然视觉精度提升，但AI陷入了“过度拟合”陷阱，倾向于模仿甚至复制参考对象（如Labubu），而非进行创造性融合，同时生成的形象偏向冰冷、有距离感的机械神兽审美，偏离了品牌“陪伴”的初衷 [30][31][33] - 工具差异：不同工具特性导致风格割裂，Nano Banana Pro更易模仿参考图风格，即梦生成的图像质感细腻但易流于通用盲盒公仔风 [34] 第三轮：风格引导测试 - 测试方法：核心策略从提供具体“角色参考”转向提供“风格引导”，从外部平台选取四种截然不同的视觉风格模板，要求AI先学习风格再与品牌内核融合 [36][37] - 核心发现：此轮进步显著，AI生成了具有清晰面部特征和辨识度的形象，并开始理解视觉元素的隐喻（如卫衣代表硅谷极客文化，外骨骼象征硬核技术） [46][48] - 成功关键：通过界定具体的风格范式，AI实现了从照搬参考图到提取风格特征进行原创性跨越，证明了提供“Vibe”（氛围/语境）比提供具体形象更有效 [35][48] - 工具应用场景：Nano Banana Pro在艺术风格化上表现突出，适合主视觉探索；即梦生成的图像接近成熟商业3D渲染，适合作为实体周边开发蓝本 [48] AI对品牌的人格化解读 - **Gemini 3 Pro**：将品牌比作动物“边境牧羊犬”（智商第一、敏锐、忠诚陪伴）和电影角色“托尼·斯塔克/钢铁侠”（硬核技术控、钞能力与资源、生活家与组局者、未来主义） [10][11] - **Claude Sonnet 4.5**：将品牌比作动物“蜂鸟”（体型小但能量密度极高，翅膀每秒振动80次，代表高频高效、敏锐反应）和电影角色《超能陆战队》中的“Baymax（大白）迷你工程师版”（技术陪伴与成长照护者） [10][12][13] - **GPT-5.1**：将品牌比作动物“章鱼/墨鱼”（多条触手并行多赛道、高智商灵活适应）和“猫头鹰”（站在高处看全局、安静洞察），以及电影角色组合《头号玩家》系统向导 + TARS机器人 + 《超能陆战队》工程团队（游戏规则解读者、硬核工程能力、温柔陪伴） [11][14][15][16]