锦秋基金投资策略与定位 - 专注于AI核心产业链进行投资 [10] - 基金周期为12年，具备长期支持创业者的耐心 [10] - 过去一年投资超过50个AI项目，行业活跃度位居前二 [10] AI领域投资分布 - 应用层项目占比最高，达到56% [11] - 具身智能领域投资占比25%，被视为迈向AGI的重要路径 [11] - 算力基础领域投资占比10%，旨在支持长期模型降本 [11] - 投资版图覆盖从算力、模型、中间层到上层应用的完整产业链 [18][19][20] 行业趋势对比与差异化 - 与国内20家活跃VC及CVC相比，整体投资领域注意力分布相似但结构有差异 [14] - 锦秋基金更重仓应用方向 [16] - 对算力基础层有更长期乐观的判断，关注能弯道超车的新算力架构 [22] - 在硬件投资上更具选择性，看重清晰用户需求及与AI技术的结合 [22] 智能范式迁移与能力演进 - 行业焦点从预训练的Scaling Law转向用高质量数据集进行后训练 [26][27] - 进入以强化学习进行后训练的时代，代表智能范式的迁移 [28] - 模型能力从成熟对话演进至Agentic Reasoning、工具使用和编码，催生Agent创业热潮 [28] - Physical AI被视为未来智能迭代的重要方向，通过具身实体实现开放世界探索学习 [28][29] 智能成本下降与商品化趋势 - 模型每token成本持续大幅下降，获取特定能力以上智能的成本也在降低 [32][33] - 模型商品化颗粒度将更细，应用层公司可像逛超市一样挑选高性价比模型 [34] - 类比1996-2001年美国电信业投入2.2万亿美元使宽带价格下降96%，AI智能带宽将出现相同趋势 [34][35] - 算力架构创新是推动智能商品化的关键因素，关注近存计算、存算一体、光计算等新架构 [37] AI应用层机会分析框架 - 核心变量是信息、知识、内容生产的边际成本显著下降，趋于零，带来内容供给爆炸 [51] - 机会一：创作进一步平权，增强个体创作能力，案例如即梦、Hogi、Romangic [51] - 机会二：AI可创造个性化供给，依据需求定制内容，案例如Sora2 APP、Wakana [51] - 机会三：缔造前所未有的新体验，如开放互动式体验，案例如C.ai、造梦次元、独响 [52] 信息分发与服务模式变革 - AI可以Copilot模式与用户共享信息窗，进行场景感知并主动推送服务，催生AI原生OS或浏览器等产品机会 [53] - AI时代可在语义token层面进行用户建模，可能诞生新一代推荐引擎及产品载体 [53] - Agent使可分发的不再仅是信息，还包括服务结果，能对非标服务进行标准化执行和分发，案例如Head.ai、Pokee.ai [54] 具身智能发展观点 - 具身智能核心是构建物理世界的Agent应用，但基础模型尚未达到GPT时刻，应用未全面爆发 [56] - 数据是提升智能的关键，需将硬件布设到用户身边和真实场景中以获取数据 [56][58] - 不应低估硬件难度和价值，早期软硬件协同迭代至关重要，好的硬件本体基础对算法开发落地帮助巨大 [58] - 跑通第一人称视频数据预训练是Physical AI scaling的重要路径，需建立真实场景数据闭环 [61]