AI行业发展趋势与共识演变 - 2023年，中美投资共识是集中投资大模型公司，如OpenAI和Anthropic，这些公司拿走了行业大部分利润[3] - 2023年普遍认为AI应用只是“套壳”，价值不大[3] - 2024至2025年，判断发生变化，应用层公司如Cursor、Perplexity逐渐建立起自己的特色和护城河[4] - 最近两年AI Agent概念火热，但落地困难，核心问题是稳定性不足[5] - 行业叙事从讲AI Agent故事转向更强调企业化落地，创业者整体变得更务实[6] 模型与应用的未来方向 - 在模型侧，Scaling Law被认为已经走到终点[7] - 提升模型性能的途径转向使用医疗、生物等细分领域数据进行微调[7] - 在应用层面，机会依然很大，硅谷看到的大多数机会集中在ToB领域[8] - ToB场景中普遍存在产品准确性不够稳定、反而增加人工核查成本的问题，这意味着巨大的改进空间[8][9] - ToG是另一个重要机会，美国很多政府软件落伍，但前提是AI产品必须做到稳定性万无一失[10] - 大多数应用公司，尤其是早期公司，没有必要走用自己数据训练模型的道路，因为成本高且大模型迭代快，微调的优势可能迅速消失[72][74] - 真正有能力自训模型的应用公司需同时具备大体量独家专有数据和非常强的技术团队[73] - 大部分应用公司，尤其是coding等与模型关系密切的方向，容易被模型公司直接吃掉；但更细分的赛道如AI法律、AI金融，给创业者留下了空间[75] 中美市场与创投生态差异 - 美国AI创投几乎都集中在ToB和ToG，甚至有美国投资人表示看不懂ToC，这与国内形成反差[10] - 差异根源在于市场性质：中国是高度统一的大市场，用户需求集中；美国是极度多元的社会，难以形成“一个产品吃下大盘”的TAM[10] - 美国企业付费意愿更强，更愿意为“软件”付费，而中国企业更习惯为“服务”付费[11] - 美国人工成本高，软件直接替代人力的付费动机明确；中国许多企业倾向用人力、外包或服务解决问题，压缩了纯软件的定价空间[11] - 美国的小费文化使其对小额高频付费更习惯，每月20美金的订阅费更容易被接受[11] - 对于Prosumer产品，在中国通常划为ToC（用户自掏腰包），在美国则划为ToB（常由公司采购）[12][13] - 在美国，Prosumer产品走向ToB是最优解，因为B端用户支付意愿和粘性非常强[17] - 美国的ToB应用，包括开发者工具公司，退出路径明确，容易被微软、谷歌等大公司或中型公司收购[23] - 相比之下，ToC公司很难被收购，因为C端用户画像差异太大，多独立存在[23] 美国投资逻辑与估值体系 - 投资人会担心公司前两三个大客户占收入60%–70%的情况，这可能说明公司尚未找到真正的产品市场契合[18][19] - 大量定制化服务在美国投资人眼中是一个很大的忌讳[20] - 到A、B轮之后，大客户占收入30%–40%被认为是更合理的状态[21] - 天使轮估值常见为1000万美金，贵的能到2000万美金[41] - 种子轮第一轮估值在2000万到2500万美金之间，YC背景的公司可能达到3000万甚至4000万美金[41] - 背景特别好的公司，可能什么都还没有，估值就能达到1至2亿美金[41] - A轮估值基本都在1亿美金以上，门槛已提高到需达到300-500万美金ARR才能融到较好的A轮[41] - AI公司不应沿用传统SaaS的估值方式（ARR乘以20或30），其倍数应该更低，因为每多提供一份服务都会产生额外的Token成本[42][43] - 很多头部AI公司如Cursor和Perplexity的估值被认为是偏高的，投资人忽视了其结构性问题[44] 创业者画像与融资实践 - 美国发展最好的100家AI公司创始人最常见年龄是26、27岁，中位数在28-29岁，大约10%–15%的创始人在18-25岁之间[33] - 最流行的创始人画像是二十七八岁、从大厂出来有很强技术背景的人，或学术能力强有博士学历的人（后者更适合做CTO），以及有过成功经验的连续创业者[37][38] - 硅谷也存在年龄歧视，35岁以上且无很大成绩的创业者再创业会面临更多质疑[39] - 美国融资流程：第一步是调整或承诺调整为Delaware公司架构[45]；第二步是建议先在硅谷居住1-2个月融入当地生态，避免使用FA（可能扣分）[46]；第三步是约见投资人，首次会议通常只有30分钟，需简洁清晰[47]；后续会议会深入讨论细节并审查资料[48][49]；整个流程在目标基金内大约需要两周，见创始人3-4次[53] - 给创始人的建议：找准第一个接触的、能独立做决定的投资人作为内部倡导者[54]；一开始接触四五十家基金，因为最后通常只有两三家愿意投[55]；可以先融一小轮天使投资，相关领域的天使投资人能提供巨大背书和帮助[55] - 美国有至少大几千家投AI早期的机构[55] - 融资时，创始人可以直接询问机构的投资情况、方向和风格[56] - 熟人介绍与Cold Email效果差异巨大：熟人介绍约有一半基金会愿意聊，Cold Email可能只有10%甚至更低[58] 产品偏好与投资方向 - 美国更偏好“一个产品解决一件事”，如Granola专门做笔记；中国更习惯功能叠加，如飞书[60] - 美国整体更偏好纯软件、偏ToB；中国更倾向做ToC和软硬件结合[61] - 从用户体验看，ChatGPT近期做得特别好，Anthropic因拿到很多大客户订单、企业端增长快而被看好[62] - 看不懂在做什么的大模型公司不被看好，因为赛道太卷[63] - 中间位置的AI公司如Cursor、Perplexity，因与大厂走得太近容易被吃掉，不被看好[64] - 在特别早期公司中，更看好细分垂直领域，如AI生物数据分析公司Kepler[65] - 基金当下主要投资方向：在某一垂类中深耕，同时具备技术、数据和行业壁垒，且AI能力到位的公司[84] - 核心投资逻辑是：做的事情一定要替代人，而不仅仅是赋能人，因为只有真正替代人，企业才愿意给出非常大的订单额度，这在美国人工成本高的背景下尤其成立[86][87] 市场展望与风险预警 - 预测2026年美国AI泡沫会破，就像一个大气球只差一根针[66] - 尤其担心英伟达和OpenAI，这两家公司只要有一点点变化都可能戳破泡沫[67] - 担心Gemini通过完全免费的方式获客，这会对OpenAI造成非常大冲击，并可能整体压低一级市场估值[68] - 在技术层面，所有AI大厂在“模型智力”方向上提升已经非常难，但在应用层面还有很多优化空间[77][78] - 关于AI是否带来生产力提升存在两派观点：一派认为AI正在取代工作，LinkedIn上初级岗位从23年到25年减少了20%甚至更多[81][82]；另一派引用MIT研究称95%的企业AI落地最终失败，但认为失败主因是大企业选择自己做而非与创业公司合作[83]

AI时代创业范式变化 - AI时代创业范式与移动互联网时代存在显著差异，从"跑马圈地"转向精挑细选目标用户[2][8][14] - 技术范式变化足够大但尚未出现颠覆性硬件入口，当前更多是软件上的机会[9] - 创业者需要思考如何通过AI实现效率的极大提升，如电商带来上万倍效率提升的类比[15][16] 目标用户策略 - 需要找到prosumer（产消者）作为首批用户，这类用户对技术有理解、忍耐度高且愿意付费[7][9][10] - prosumer介于专业用户和普通用户之间，会进行反向选择，不易通过花钱砸市场获取[9][10] - 随着AI能力提升，产品可逐步拓展到更多普通消费者[10] 投资逻辑与创业者特质 - 投资人选择创业者标准为"既要懂模性，又要懂人性"，需理解技术边界与用户需求[21] - 期待看到更多在"人性"和"产品"上有不同见解的创业者出现[7][22] - 技术和模型能力提升使创业门槛降低，非技术背景人才也有创业机会[22][23] 融资策略 - AI创业不一定需要融资，有良好现金流和盈利能力的公司可独立发展[25][27] - Fotor AI案例显示，公司在回购股份后抓住生成式AI机会实现爆发增长，月活达1700万[25][26][27] - 创业者需明确融资目的，而非传统意义上追求最多融资[28] 成本管理 - 大模型推理成本在过去两年下降超过90%，硬件能效提升和技术优化推动成本下降[29] - 当前阶段时间重于成本，应优先使用最好模型能力获取忠实用户[7][32] - 需对用户进行分层管理，针对不同付费意愿地区采取差异化策略[34][35] 产品方向与机会 - 明确应用方向是提升生产力，重点关注工作流相关场景[18][19][41] - 在细分领域深入解决具体问题可建立用户忠诚度，如Notta在日语语音转写市场的成功[40][41] - 视频生成等领域存在巨大效率提升机会，类似电商带来的变革[16] 竞争壁垒构建 - 护城河是综合能力，包括行业认知、产品优化和用户获取等多元维度[11][44][45][46] - 在AI技术不足处发挥传统优势，如图像处理领域十年积累形成的产品护城河[44] - 用户获取能力本身可能成为与AI技术无关的重要竞争壁垒[45] 技术平台选择 - Google等大平台提供世界一流技术能力，最高可达35万美元初创企业信用支持[48][50] - 平台提供版权保护和安全保障，避免法律纠纷[49] - 创业者可借助平台生态实现全球分发、用户获取和商业变现[50]

「东升西落」叙事 - 市场近期开始讨论「东升西落」叙事 指中国资产预期回升而美国资产因宏观不确定性承压 [1][2] - 美国市场因Trump政策调整（关税 财政去杠杆）转向宏观担忧 AI叙事弱化 股市波动加剧 [3] - 中国市场此前预期过低 DeepSeek等事件推动价值重估 形成与美国镜像的走势 [4][5][6] 中美AI发展路径差异 - 美国AI聚焦scaling law和AGI 依赖高成本算力堆砌 但模型能力提升不及预期 [8][9] - 中国AI侧重应用与PMF DeepSeek通过工程优化大幅降低成本 快速商业化落地 [7][8] - 美国OpenAI延迟交付GPT-5 中国DeepSeek超预期表现打破低预期 [9] 标志性公司分析 - **DeepSeek**：开源模型降低行业门槛 腾讯等大厂直接基于其开发应用 跳过模型军备竞赛阶段 [27][28] - **Manus**：聚焦AI普惠化 目标覆盖未接触AI的用户群体 与硅谷AGI叙事形成鲜明对比 [11][12][13] - **互联网大厂**：阿里宣布加大AI Capex后股价上涨 市场预期从价值股转向创新驱动 [25][26] 二级市场趋势 - **预期变化**：美国AI预期已透支 中国正经历从0到1的填平过程 本土科技股对标美国2023年ChatGPT时刻 [20][22][23] - **产业趋势**：中国专精特新企业（如宁德时代）通过技术突破或出海确立领先地位 呈现顺周期特征 [37] - **宏观趋势**：中国消费信心改善 房价回升 DeepSeek点燃市场情绪 但需关注长期经济结构转型 [35][36] 投资机会与风险 - **AI领域**：模型价值分配 原生应用（如Agent）及垂直行业（医疗 金融）应用是三大关注方向 [47][48] - **非AI领域**：美国生物医药 航空航天及中国政策支持行业（如民营企业家座谈会提及公司）存在机会 [48] - **市场行为**：信息处理加速导致板块轮动加快 企业蹭热点讲故事现象可能增多 [40][41] 中美技术分工与卡脖子问题 - 中国主导AI商业化探索 推理卡（如寒武纪）性能提升缓解算力瓶颈 预训练仍依赖英伟达 [31][32][33] - 美国在互联通信技术垄断 但中国推理场景对高性能卡需求较低 形成差异化竞争 [31][32]

市场趋势与行业动态 - 2023 年 AI 创业投资关键词是大模型，2024 年是具身智能，2025 年将是应用落地[2][4] - 2024 年 9 月后融资市场复苏，各种模态模型能力加强，创始人画像改变，市场进步将延续到 2025 年[4] - 2025 年市场环境将进一步变好，但会更加两极分化，资本方向上美元基金和人民币基金分化，创业融资更倾向背景好的人[4] 投资机会与潜在风险 - 2025 年看好应用落地方向，尤其是生产力工具类产品，预计会出现一批千万美金 ARR 的创业公司[4] - 2025 年看好 Agent 和多模态方向，Agent 主要在 2B 领域落地，新商业模式的 Agent 创业公司将冒头反攻现存 SaaS 企业[4][5] - 多模态可能藏着 AI Native 的答案，未来产品组织形态和使用逻辑可能彻底变化[7] 公司财务表现 - 当下市场约 20 - 30 家应用类公司估值超 5000 万美金，多数应用公司 ARR 年收入为 0，少数找到 PMF 的达 100 万美金 ARR，极少数头部项目达 1000 万美金 ARR[2] 技术发展趋势 - 大模型逐渐成为基础设施，开源进展速度超闭源，实际应用落地偏向多模型混合方案[3] - 推理模型能力提升解锁 Agent 可能性，未来各专业人群、垂直领域都有 Agent 机会[4] 商业模式分析 - Agent 若按结果付费，将对现有 SaaS 公司和模式产生颠覆式变化，销售人员管理和组织模式也会改变[5]