投资布局与核心理念 - 锦秋基金56%的投资集中于应用层，25%押注于具身智能，10%在算力基础，另有近8%为智能硬件 [6] - 投资布局基于对智能持续提升与获取智能成本持续下降两个宏观趋势的坚定判断 [6] - 核心论断为模型是通用商品，价值会让路给产品，尤其是更懂得用户的产品是更稀缺的 [6] - 在模型尚不完美的当下，用户选择相信谁就会留下来与谁共同成长，因此“信任”将成为比技术更重要的护城河 [6] 芯片与机器人领域机遇 - 推理芯片的需求激增，Token调用量加速增长，推理芯片的窗口刚打开，同时存在芯片软件算法正向飞轮及创新技术方案的机会 [7] - 机器人各公司正在迎来ChatGPT的时刻，数据、资本与成本三大拐点同时发生，2025年全球市场融资额已达2023年的5倍 [7] - 机器人产业正处在与个人电脑发展早期相似的关键节点，缺乏一个类似Windows的中介平台让普通开发者参与构建应用 [17] 智能范式迁移与应用层发展 - AI发展正从依赖算力和数据规模的预训练，进入以强化学习和经验驱动的后训练，这一转变推动了AI在推理、编码和工具使用能力的质变 [10] - 智能商品化趋势意味着模型能力的获取将像逛超市一样货比三家，应用层公司可将重心完全聚焦于解决用户的具体问题 [10] - 对于具身智能，核心竞争力在于数据，尤其是第一人称视角视频数据以及建立真实场景的数据闭环 [10][15] 视频生成与内容创作变革 - 当前流行的文生视频、图生视频被视为过渡方案，未来的极简创作范式是“参考生视频”，允许创作者上传任意主体并通过语言指令让其持续表演，一致性可延长至5分钟 [10][11] - 在“Vidu”的调用中，60%以上来自于参考生视频，证明它正成为专业创作的主流选择 [14] - AI技术正推动内容创作从“记录现实”转向“创造想象”，实现从“交互式特效”到“可消费故事”的跨越 [18] AI公司战略与风险 - AI公司可分为“超新星”（增长快但毛利率低）和“流星”（增长稳健结构健康）两类，投资更青睐后者 [20] - 创业公司面临被基础模型公司“吸收”的结构性风险，产品若通用且技术门槛不高则被大模型吸收是必然 [20] - 创业者的最优解是找到“专业化区间”，在数据、行业知识或分发渠道上建立难以复刻的壁垒，以避免断崖式下滑 [20] 世界模型与数据价值 - 世界模型是具身智能能够进行推理和决策的“大脑”，可通过在线模拟推演获得更好决策，或作为环境模型通过离线强化学习训练智能体 [15] - 第一人称视角视频数据是指数级的宝贵资产，是训练Physical AI的关键 [15]