AI与Excel结合创业方向 - AI与Excel结合成为热门创业方向，近期多个相关产品获得大额融资 [1] - 该领域产品分为两类：基于现有Excel增强AI能力的产品和全新AI Native产品 [2] 主要AI Excel产品分析 Endex.ai - 由OpenAI旗下基金领投，定位为基于Excel的AI Agent，加速财务建模和数据分析 [1] - 面向企业级市场，已融资1400万美金，以插件形式出现在Excel中 [2] 另一AI Native产品 - 近期获得1000万美金融资，产品融合Excel、Python和ChatGPT功能 [2] - 增长迅速，一年内用户超200万，目标是成为AI时代商业人士必备工具 [2] Paradigm - 获500万美金种子轮融资，由General Catalyst领投，总融资额达700万美金 [3] - 配备超5000个AI Agent，可为单个列和单元格分配不同提示，自动爬取互联网填充数据 [3] - 支持多AI模型切换（Anthropic、OpenAI、Google Gemini），优化推理输出和成本 [4] - 早期客户包括咨询公司EY、AI芯片初创公司Etched等 [5] 行业竞争格局 - 微软宣布将更多AI能力（COPILOT功能）引入Excel，加剧市场竞争 [8] - 其他竞争者包括已融资600万美金的Quadratic和融资1600万美金的Equals [7] 产品差异化 - 基于Excel增强型产品优势在于不改变用户习惯和工作流程 [2] - AI Native产品优势在于不受现有基础设施限制 [2] - Paradigm介于两者之间，定位为AI驱动的新工作流程，以电子表格形式呈现 [7] 应用场景 - 主要应用领域包括招聘、咨询、销售、市场营销和金融 [5] - 解决CRM数据维护困难和后续数据处理手动工作量大等问题 [4] 市场验证 - Paradigm在内部测试阶段已吸引顾问、销售和金融专业人士等多样化用户 [5] - 部分投资人在了解产品后直接转化为付费客户 [5] 行业趋势 - AI Excel领域融资活跃，显示资本市场对该方向的认可 [1][2][3] - 产品形态多样化，从插件到原生应用均有代表性案例 [1][2][3]

中国创投市场新纪元 - 当前中国创投市场处于周期筑底转折点与结构性转型深化期 政策主导、国资与资本高度集中的新生态下 需顺应趋势灵活调整以捕捉确定性机遇 [1] - 36氪WAVES新浪潮2025大会汇聚顶级投资人、企业创始人及科技商业领袖 共同探讨AI技术革新、全球化浪潮与价值重估等前沿议题 [1] AI投资机构布局 - 高瓴创投2023年已投资20家AI公司 超半数在种子或天使轮介入 重点关注科技/AI方向早期项目 典型案例包括地平线、MiniMax、智元机器人 [4][5] - 达晨财智管理规模达660亿元 累计投资800余家公司 其中AI产业链布局50余家 涵盖智谱AI、爱诗科技等大模型与应用企业 [5] - 五源资本自2014年持续关注AI领域 投资商汤、Ponyai等 当前聚焦硬科技赛道 [5] - 阿尔法公社专注早期AI、深科技与全球化方向 近期投资光帆科技、AI随身相机Looki等硬件创新项目 [6] - 创新工场AI布局始于2011年 目前持有30-40家AI2.0企业 覆盖infra、模型、Agents及具身智能领域 [7] - 线性资本十年投资150家前沿科技公司 包括地平线（首家投资人）及群核科技 重点关注AI软硬件应用 [7] AI创业生态特征 - 2023年创业者呈现年轻化趋势 包括高校学生甚至高中生创始人 技术平权催生"一人独角兽"现象 [8][9] - AI领域技术迭代加速 如文生视频应用受Sora影响 大模型赛道因DeepSeek出现引发路径重构 [10] - 行业从"旧教"式集中化（依赖OpenAI等权威）转向"新教"式开放生态 技术门槛降低使更多创业者能自主构建模型与应用 [11] - 华人创始人全球影响力提升 DeepSeek与Manus案例增强市场对华人创业者的信心 [12] 投资方法论演变 - PMF（产品市场适配度）指标价值受争议 部分机构认为其更适合作过程指标而非终极指标 需结合供给创造需求逻辑 [14][15] - 早期项目评估中创始人特质权重提升 包括独特视角、执行力及"眼中的光"等非量化因素 [16] - 技术驱动型项目侧重团队判断力 应用型项目需重构评估体系 ARR等传统指标在C端AI产品中参考性减弱 [18][19] - 产品验证方式转向细节打磨 投资人更关注创始人现场演示产品设计逻辑而非商业计划 [20] 估值逻辑与市场判断 - 当前AI赛道估值泡沫存在 但长期价值取决于赛道成长性与团队能力 案例显示OpenAI 2021年150亿美元估值现已被证明低估 [25][28] - 估值合理性应匹配公司发展阶段 过高估值可能导致创始人决策失衡 适当估值有助于建立行业势能或打磨产品 [29] - 市场呈现双边博弈特征 多数情况下投资人认为估值偏高而创始人认为偏低 需平衡资源分配与增长需求 [30][31] 创业机会与建议 - AI基础设施发展催生多元创业方向 但竞争环境较五年前显著加剧 需平衡创新与务实 [32] - 当前AI创业阶段类比2010年移动互联网早期 尚未出现国民级应用 存在大量未开发市场 [33] - 创业切口应聚焦真实客户需求 建议"梦想要大但从小处做起" 避免过早追求规模扩张 [34] - 创始人需具备强执念与执行力 AI作为生产力核心驱动力的周期将持续5-10年 不存在入场过晚问题 [35]

文章核心观点 昆仑万维在AI领域布局多年，2024年财报首次披露AI产品商业成果，但公司仍面临盈利挑战，不过其表示为抓住AI机遇会坚定投入，预计2027年AI大模型业务实现盈利 [1][16][17] 分组1：AI商业成果 - 公司AGI与AIGC业务商业化取得重要进展，AI社交单月最高收入突破100万美元，AI音乐年化流水收入ARR达约1200万美金（截至2025年3月底） [1] - 天工AI峰值月活跃用户突破1000万，app月活数据522万，全球排名64 [4] 分组2：AI产品布局 - 模型层覆盖语言、多模态、3D、视频、音乐等大模型，音乐大模型技术指标最好 [3] - 应用层在AI助手、AI游戏、AI短剧、AI音乐等方面全面开花，如天工AI智能助手功能不断升级，推出AI音乐平台和AI短剧创作平台 [3][4][5] 分组3：商业策略与思路 - 公司用AI重构传统业务，驱动信息分发与元宇宙平台Opera创新，提升用户体验 [8] - 为完成商业闭环，考虑通过模型优化压低推理成本、搭建AI UGC平台、发展AI终端三种路径 [10] - 采用模型+产品思路，通过调动更小参数实现高效运行，降低成本并提高灵活性和可扩展性 [9][10] 分组4：市场竞争地位 - 不属于大厂、创业公司、颠覆者三类，在模型市场迭代更新，打法更长远 [9] - 音乐生成大模型Mureka在测试中击败Suno，达到SOTA水平，但人声生成有瑕疵 [12][15] 分组5：财务状况与前景 - 2024年净利润（扣非）从2023年的6.6亿元下滑到亏损16亿，2025年一季度亏损7.7亿元，同比下滑298%，经营活动净现金流首次为负 [16] - 称亏损是主动性战略投入，预计2027年AI大模型业务实现盈利 [16][17]

东升西落叙事 - 美国市场从24年开始因AI领先和美元强势吸引全球投资，但Trump上台后政策调整引发宏观不确定性，导致股市剧烈震荡[2][3] - 中国市场24年股价开始回升，今年因DeepSeek发布彻底引爆，反映此前对科技行业预期过低的价值回归[5][6] - 中美AI发展路径差异显著：美国专注scaling law和AGI，中国聚焦应用落地和成本优化[8][9] 中美AI发展差异 - 美国AI发展路径依赖高成本投入（算力/数据），但模型能力提升不及预期[9] - DeepSeek通过工程优化大幅降低成本，实现更好性能输出，打破高成本叙事[9] - 中国AI应用注重覆盖更广泛用户群体，如Manus团队专注让未接触AI人群使用产品[10][11] 标志性产品分析 - DeepSeek开源模型使腾讯等公司跳过模型军备竞赛阶段，直接进入应用开发[26] - Manus采用脉冲式增长策略，通过Prosumer群体快速传播，但被误读为OpenAI对标对象[12][15] - Cursor等产品以极低市场成本实现高ARR收入，展示中国AI商业化路径优势[12] 二级市场表现 - 美国市场因前期AGI预期过高，当前面临预期调整；中国市场预期正从0开始填平[19][20] - 阿里云宣布增加AI Capex后股价上涨，反映市场对国内AI预期转向乐观[23] - 国内互联网公司从价值股重新获得成长股属性，AI推动估值逻辑变化[24] 产业趋势分析 - 推理芯片领域国内呈现"百卡齐放"局面，寒武纪等公司股价表现亮眼[28] - 专精特新企业通过技术突破和出海确立行业领先地位，如宁德时代[34] - AI推动产业趋势明确，但对中国资产重要性仍低于美国，需关注消费等宏观指标[35] 市场波动特征 - 板块轮动速度加快，信息传播和处理效率提升导致市场共识形成更快[37] - 高波动环境下企业经营策略可能转向蹭热点和讲故事[38] - 从业者对产业判断更精准，如云厂商CXO提前布局光模块投资[44] 投资机会展望 - 模型产业链价值、原生应用发展和垂直行业应用构成三大关注方向[43] - 生物医药、航空航天等非AI领域同样存在结构性机会[43] - 二级市场投资技巧可学习，但全职炒股可能导致认知密度下降[46]