文章核心观点 文章通过多位AI领域华人创业者的对话，揭示了2025年全球华人AI创投圈在具身智能、AI硬件、AI Agent及大模型等前沿领域的核心动态、技术进展、市场差异与未来展望，展现了中美在AI赛道竞争格局的变化以及中国团队独特的优势与挑战 [2] 中美创业环境与团队优势 - **机器人行业中美无代差**：至少在机器人行业，中美之间已不存在技术代差，但市场体感存在差异 [8] - **To B业务逻辑差异**：中国市场企业倾向于全栈自研，更希望供应商提供概念验证；美国及高劳动力成本地区客户更倾向于基于清晰分工和长期合作推进项目，海外客户毛利更高且更容易沉淀长期合作 [9] - **中国团队优势：聪明勤奋与市场打磨**：中国团队兼备聪明和勤奋，疫情期间在新能源汽车和智能驾驶等领域实现了快速追赶和超越 [10] 国内B端客户和消费者对新产品容忍度高、期待高，通过与客户联合共创能快速打磨出有竞争力的产品，再批量化复制并走向海外 [11] - **中国在AI硬件产业链的优势**：中国在硬件产业链上具有优势，且中国团队在软硬件结合方面具有得天独厚的优势，而美国同行在AI硬件产品上常面临交付困难 [11] - **中美To B市场逻辑差异**：欧美To B市场垂直专业性和服务深度高，切入口小但做得深；中国出海创业者更偏向To C，擅长整体流量和增长玩法，但新一代出海科技公司的决策行为正越来越接近欧美客户 [12] - **中国To B市场的机遇在于AI与劳动力价值**：中国To B软件市场挑战源于企业数字化成熟度不足，难以判断单点价值，而AI能将软件价值显性化，例如将AI转化为数字员工，其价值完全显性，因此AI在To B对标的是劳动力市场而非软件市场 [13] - **中国对新技术的拥抱速度更快**：中国对于新技术的拥抱和开放程度比绝大多数海外国家更快，即使在基座模型不如美国的情况下，在跨国项目中的结果也能成为客户全球合作的标杆 [13] - **大模型方向一致，中国应用转化更快**：中美在大模型方向上一致，中国基础模型可能只用海外模型十分之一甚至更少的算力就取得了高普及率的结果，且中国企业对于模型应用的转化率比海外团队快得多 [14] 2025年最令人兴奋的技术与行业进展 - **强化学习的跑通开启AI下半场**：强化学习在数学、编程、GUI等领域的成功验证，突破了依赖人类标注数据的限制，使机器能够超越人类认知边界，这被认为是AI下半场的开始 [15] - **Agentic AI在真实业务中跑通**：支撑Agentic AI在真实业务中运行的关键技术条件在2025年同时具备，包括长期任务和上下文记忆跑通、工具调用和执行稳定性质变、以及从人类示范转向结果驱动的自我优化 [16] - **Google回归与Gemini 3推动模型进步**：Google的回归让行业重新聚焦于模型能力的提升，Gemini 3的出现使多模态能力（特别是视频能力）进一步增强，符合模型发展趋势预判 [17] - **视频生成大模型内嵌物理规律**：视频生成大模型能越来越多地将物理规律内嵌到生成的视频中，这不仅进一步佐证了Scaling Law，也为具身智能行业的数据补充带来了信心 [17] - **数据规模验证Scaling Law边界尚远**：美国公司Generalist使用27万小时数据进行训练，未看到训练收益放缓，这使得业内数据讨论单位提升至十万小时级别，让行业认识到Scaling Law的边界还很远 [18] 中美科技资本环境差异 - **美国早期融资机制更简化灵活**：美国早期融资如采用SAFE协议机制相当简化，且更愿意在小圈子内闭环完成，更强调对创新和试错的支持，对创始人压力较小 [19] - **美国资本更具耐心**：美国整体在坚信一个技术或方向并进行长期投入方面，呈现出更加包容和耐心的状态 [19] - **中美风险偏好不同**：硅谷VC圈更愿意投资高风险项目以获得高回报，而国内资本可能更倾向于投资共识类项目，创业者希望中国VC能更大胆支持非共识和冒险的事情 [19] - **国内资本市场过度相信共识**：国内资本市场过度相信共识，而创业和技术的竞争力往往来自反共识，当前对做大芯片、集群、降token成本等线性思维的追求可能不经济 [20] - **中国早期投资比例偏低**：硅谷风险投资中有接近一半集中在早期投资，而中国的这个比例是硅谷的1/5到1/7，显示中国在早期投资领域仍需加强 [20] 具身智能与机器人行业洞察 - **专业化分工与成本优势**：机器人公司自建数据基础设施团队非其核心，但投入高、经验要求高，诺亦腾机器人作为第三方数据服务商，可通过多客户项目摊销研发成本，积累专业经验，拥有稳定市场空间 [23] - **人形机器人商业验证是关键期待**：行业最期待的颠覆性进步是人形机器人的通用性在商业领域得到验证，需要找到介于专用机器人和真人之间的、稳定可持续的应用空间 [23] - **家庭场景可能是商业化突破口**：与工业领域相比，家庭场景中确定性任务与高度柔性任务之间的“夹缝”更宽，例如扫地机器人这类“时空分离”场景，对容错性、安全性等容忍度更高，可能率先实现商业化 [25] - **真实数据与仿真数据需协作**：机器人学习内容可分为可枚举合成的“规则”和无法枚举合成的“人类先验”，因此真实数据与合成仿真数据需要协作，单一类型无法解决所有问题 [26] - **渐进式路线与规模化部署是关键**：具身智能需在真实场景中锻炼迭代，难以仅靠仿真或实验室环境达到所需泛化能力，必须通过实际部署实现规模化，类似特斯拉在自动驾驶领域采取的渐进式路线是构建护城河的关键选择 [27] - **优质真实场景数据稀缺**：不同于大语言模型有海量可获取数据，具身智能面临优质真实场景真机数据稀缺的挑战，难以一蹴而就，需坚定走渐进式发展路线 [28] - **B端场景利于当前技术落地**：在技术不成熟、数据缺乏的当下，工业、商业服务等B端场景允许通过做一定“减法”，较快速地实现落地闭环，而家庭场景复杂度太高 [28] - **世界模型是走向通用的必要条件**：具身智能要走向通用，需要类似高等动物内置的、能够预测、想象和模拟物理世界变化的隐式世界模型，这是非常强大的必要条件 [30] - **隐式与显式世界模型并重**：无界动力当前研发重点是将隐式世界模型内嵌于负责动作执行的VLA模型中，同时显式世界模型对于数据短缺情况下的数据增广和生成也有重要意义 [31] AI硬件与产品战略 - **Looki的核心是打造AI的“眼睛”和“耳朵”**：公司核心是给AI提供感知能力（眼睛和耳朵），让AI在物理世界生活，其首代产品L1是探索人机交互的起点，目标是实现以人为中心的AI，让物理世界成为AI的prompt [31][32] - **产品形态与功能将随技术演进**：AI硬件的形态将随着供应链、低功耗、无感化等技术的发展而不断延展，功能也将随着模型能力和记忆基础设施的升级而生长 [31] - **规划 proactive AI 与 General Agent**：下一代产品L2将实现适时主动式AI，L3是更远期设想，即出现一个懂用户的中心General Agent，负责理解用户指令并对接其他服务型Agent [33] - **AI硬件全球化最大挑战是数据合规**：AI硬件作为数据入口，面临数据需留在当地、进行数据审计、遵守不同国家数据所有权规定等合规挑战，这是传统消费硬件未曾积累的经验 [34] AI Agent 与平台商业模式 - **Aha平台实现Agentic AI在真实业务跑通**：Aha作为AI员工式达人营销平台，其飞轮效应被点燃，达人侧入驻速度在半年内从0增长到5万，呈现指数级增长，并获得了全球顶尖AI客户和头部大厂的认可 [16][34] - **增长源于强烈市场需求与双边网络效应**：营销预算正从传统广告向达人营销迁移，客户存在高效解决方案的迫切需求，平台通过自动化流程连接客户与达人，构建了客户越多、达人越多、体验越好、客户更多的飞轮效应 [34][35] - **主要竞争来自传统人工模式**：在中型及以上客户市场，主要竞争模式是外包给Agency或自建大型内部团队，而达人营销本身高度依赖人力执行，规模化时人力成本线性增长，因此客户迫切寻求降低人工依赖的解决方案 [36][37] 大模型与商业强化学习路径 - **商业强化学习是基座模型的延展，而非同一赛道**：未来趋势并非单一超级模型或无数垂类模型，而是通过分工与协作，让独立训练的模型解决统一目标，实现从个体智能到群体智能的飞跃，类似一个超级MOE（混合专家模型） [38] - **模型智商边际效果下降，需构建“大学”**：当前模型已足够强，重点应转向如何为模型构建“大学”，使其与业务耦合，找到最优解，从而实现从个体智能到群体智能的飞跃，这符合OpenAI AGI路径的level 4和level 5 [39] - **商业强化学习对标劳动力市场**：该领域被视为对标50万亿美金的劳动力市场，而非软件市场，突破场景的选择标准包括该工种当前的市场规模以及其是否可完全在数字空间解决 [40] - **行业存在供给热、需求冷的错配**：供给侧资本开支巨大，模型成本下降、算力提升，但需求侧真实落地并带来显著收益的应用仅约5%，大模型落地场景单调，未切入核心业务 [41] - **AI需嵌入物理世界并解决价值观测与成本问题**：AI应像电力一样通过影响物理世界来创造价值，当前挑战在于效果如何直观观测以及成本如何下降，需要找到大一统的方式解决垂类场景与模型的最优匹配，而非仅依赖人类标注数据 [42] 对2026年的行业展望 - **争议与百花齐放**：2026年AI产品可能出现百花齐放，同时也可能伴随很大的泡沫争议 [43] - **AI真正进入物理世界元年**：2026年有望成为AI真正进入物理世界的元年，也是商业强化学习落地的元年，期望AI能为二级市场带来明显的业务价值提升，而非仅体现在供给侧财报 [43] - **具身智能落地前景更光明**：期望2026年行业探索重心能从“小脑”（执行控制）转向“大脑”（认知决策），为具身智能的突破奠定基础 [44] - **行业稳健发展与全球化扎根**：希望AI行业更好，更多客户产品走过PMF阶段进入市场推广期，并在全球更多地区扎根 [44] 同时希望具身智能创业公司能走得稳、走得远 [44]

公司AI技术投入与能力 - 公司累计在研发与AI领域投入超20亿元 年交易规模达700亿元[3] - 自研大模型是汽车金融行业唯一通过国家备案的模型 并实现DeepSeek-V3本地化部署与全面应用[3] - 构建覆盖预训练 后训练及多尺寸领域的全栈AI能力体系[3] AI技术融合业务场景演进 - AI技术融合分为三阶段：1.0判别式AI时期"人主AI辅" 2.0深层次AI阶段大模型参与判断 3.0 Agent AI代表"机主人数"动态业务流程[3] - 公司已实现从模型训练到业务应用的全链路AI产品化布局[3] - 产品布局包括自研AI原生话务系统 多模态模型 机器人平台和新媒体创作平台[3] AI在汽车金融全流程应用 - 融资前通过AI自动生成渠道分析报告和多模态资料提取[5] - 融资中依托端到端风控模型直接处理原始信息 减少人工干预[5] - 融资后借助语音情感分析预判客诉风险 制定个性化资产管理策略[5] Agent化业务重构与双轮驱动 - 公司以AI Agent业务面和风控智能链双轮驱动推进Agent化业务重构[7] - 外呼助手 IM助手 审批助手三类智能体通过协同与实时交互在零人工介入下完成全流程操作[7] - 智能体协同显著提升链路效率与决策精度[7] 技术竞争力与行业影响 - AI技术能力在国内市场获得验证 在全球范围展现出竞争力[7] - 中国在AI技术与场景结合的深度上具有独特优势[7] - 公司依托全栈AI能力和成熟业务验证模型持续输出汽车金融领域中国式方案[7]

公司AI战略与投入 - 公司作为国内领先金融科技上市企业 以AI为核心驱动力 累计研发与AI领域投入超20亿元 年交易规模达700亿元 [3] - 公司自研大模型是汽车金融行业唯一通过国家备案模型 并实现DeepSeek-V3本地化部署与全面应用 构建覆盖预训练 后训练及多尺寸领域的全栈AI能力体系 [3] AI技术演进路径 - AI技术与业务场景融合分为三阶段：1.0判别式AI时期人主AI辅 2.0深层次AI阶段大模型参与判断 3.0 Agent AI阶段机主人数动态业务流程 [3] - 公司已实现从模型训练到业务应用的全链路AI产品化布局 包括自研AI原生话务系统 多模态模型 机器人平台和新媒体创作平台 [3] 汽车金融业务应用 - AI能力深度嵌入融资前-中-后全流程：融资前通过AI自动生成渠道分析报告和多模态资料提取 融资中依托端到端风控模型直接处理原始信息减少人工干预 融资后借助语音情感分析预判客诉风险并制定个性化资产管理策略 [3] - 公司以AI Agent业务面与风控智能链双轮驱动推进Agent化业务重构 在进件预审批环节通过外呼助手 IM助手 审批助手三类智能体协同实现零人工介入全流程操作 [5] 行业竞争力与全球影响 - 公司AI技术能力在国内市场获得验证 并在全球范围展现竞争力 中国在AI技术与场景结合深度上具有独特优势 [5] - 公司依托全栈AI能力和成熟业务验证模型 持续输出汽车金融领域中国式方案 为AI时代金融科技的服务创新与全球竞争提供重要实践路径 [5]

战略合作概述 - 黑芝麻智能与云深处科技达成战略合作 围绕具身智能控制平台开发 行业智能解决方案共建与国际市场拓展三大方向展开深度合作 [1] - 合作旨在推进高性能机器人在多行业场景的规模化落地与应用创新 [1] 技术合作细节 - 黑芝麻智能以自研高性能车规级计算芯片为核心 基于云深处机器人平台开发行业解决方案 [3] - 双方技术深度融合将提升机器人的感知 决策与控制性能 [5] - 合作以真实场景为牵引迭代优化具身智能控制平台并推进应用落地 [5] 应用场景拓展 - 共同在船舶巡检 智慧建造 科研教学等场景探索具身智能行业解决方案 [3] - 重点突破船舶巡检 智慧建造等复杂场景中的应用 [5] 市场战略布局 - 积极推进海外市场拓展 [3] - 合作是双方在全球智能机器人市场战略布局的重要一步 [5] - 助力本土机器人与芯片方案的自主创新与国际化探索 [5]

战略合作概述 - 黑芝麻智能与云深处科技于8月28日达成战略合作 围绕具身智能控制平台开发、行业解决方案共建及国际市场拓展三大方向展开深度合作 [1] - 合作旨在推进高性能机器人在多行业场景的规模化落地与应用创新 [1] 技术协同与产品整合 - 黑芝麻智能以自研高性能车规级计算芯片为核心 基于云深处机器人平台提升机器人的感知、决策与控制性能 [3][5] - 双方通过技术深度融合实现机器人平台智能化升级 重点突破船舶巡检、智慧建造等复杂场景应用 [5] 行业应用场景 - 合作聚焦船舶巡检、智慧建造、科研教学等场景的具身智能行业解决方案开发 [3] - 以真实场景为牵引迭代优化具身智能控制平台 推进应用落地 [5] 市场拓展战略 - 双方积极推进海外市场拓展与国际市场协同布局 [3][5] - 合作助力本土机器人与芯片方案的自主创新与国际化探索 [5]