行业无泡沫，兑现在应用。
模型能力持续提升、推理成本不断下降，AI正在加速从技术突破走向应用兑现。
一边是需求的爆发：中国信通院数据显示，我国日均Token调用量已从2024年初的约1000亿飙升至2026年3月底的140万亿，增长超过千倍；
另一边则是留存的疲软：有数据显示，国内主流AI应用的平均30日留存率仅约12.8%。智能体将如何重塑企业服务？哪些商业模式更有可能跑通？垂直场景、专有数据与用户入口又将如何构成新的竞争壁垒？这些问题，成为产业链与资本市场共同的焦点。
在8月20日召开的「2026甲子引力×科技产业投资大会」现场，围绕AI价值如何兑现、下一轮投资机会在哪里，5位科技投资人在<圆桌对话：从模型突破到应用繁荣：ai价值兑现与下一轮投资机会>环节，给出了不同视角的思想碰撞。
光合创投合伙人蔡伟认为，Token激增与留存疲软之间隔着一道“人在用还是agent在用”的剪刀差，当前真正稳定的需求集中在Coding等少数场景。他提出，一个应用若能在入口、数据闭环、用户资产三个关键要素中占据两个，就“立得住”；应用应当“站在模型的肩上”而非“站在模型的路上”，才能让模型升级成为免费的研发，而不是替代自己的风险。
普华资本管理合伙人蒋纯认为，应用繁荣不一定代表应用程序繁荣——Token消耗的大头来自编程，很多应用已经被大模型顺手做掉。投资机构与其追逐上层应用，不如做好AI芯片、光连接、算力、存储等硬基建，以及物理世界数据的“软基建”。他还直言，所有的收费本质上都是效果收费；而正确方向上的泡沫，恰恰是市场化组织资金、扶持有意义行业的一种方式。
峰瑞资本投资合伙人陈石认为，当前 AI 的真实消耗主要由超级用户（Prosumer）和少数先进企业拉动，大众用户还没真正用起来。他提出，应用要建立长期壁垒，需要掌握数据、评测、模型适配、部署这四项"主权 AI"；其中的数据主权与部署主权，正是端侧 AI Infra 的投资价值所在。他主张未来是"端云结合"——核心数据与轻计算放端侧、重计算交给云端；而端侧 AI Infra 的使命，就是把端侧与云端的模型能力差距从两三个数量级压缩到一到两个数量级以内，让端云结合真正跑通。谈及泡沫，他认为 AI 长期大方向并不存在泡沫，但当前存在结构性的泡沫：模型、算力偏热，应用偏冷。
上海国投先导基金副总经理吴绪成表示，作为总规模超过1000亿元的耐心资本，国投先导坚持投早、投小、投硬科技，在市场尚无共识的2024年领投了壁仞与MiniMax，并围绕“芯、模、数、用”进行全栈布局。他判断，订阅、按Token计费与按效果收费三种模式将长期并存，Token成本会随芯片、模型架构与能源体系的进步持续走低；AI行业整体没有泡沫，但部分短时间无法证伪的前沿赛道估值偏高。
致道资本总经理王晓春作为主持嘉宾，也分享了自己的观点。他从2005年开始做SaaS，认为软件交付的终极状态是“用结果交付”，SaaS模式本身可能被AI颠覆；他也坦承，市场化基金在GPU与大模型上的判断存在短板，并在共识高度集中的当下追问：差异性还重要吗？
虽然几位嘉宾观察AI价值兑现的视角不同，但也凝聚了几个统一的认知：一是Agent收费短期将是多种模式并存，但长期一定走向按效果收费，中间需要漫长甚至痛苦的过渡；二是AI行业整体不存在泡沫，泡沫在个别资产与部分细分赛道，市场最终会将其调整回来；三是成本红利的归属由稀缺性与市场地位决定，推理成本的整体下行，最终将利好应用层。
除此之外，嘉宾们对AI的长期价值依然充满信心，普遍认为在共识高度集中的当下更要拥抱周期——共识火拼之后沉淀下来的廉价基础设施、人才与知识，正是下一轮应用繁荣的起点。
以下是本场圆桌对话的文字实录，经「甲子光年」编辑，有删改。
王晓春（主持人）：大家好，我是致道资本总经理、合伙人王晓春，由我来主持这轮论坛。致道资本是base在苏州的、苏州中方财团旗下的市场化投资机构，投过中际旭创、苏纳光电、长盈通、华微科等光通信方向的项目，我们另一个base在武汉光谷，也投了一苇宇航、星河动力、星际荣耀等火箭公司，以及思必驰、知跃空间、飞捷科思等AI项目。
致道资本总经理王晓春 来源：甲子光年
王晓春（主持人）：今年关于AI的商业化，有两套完全对立的叙事。一个是信通院表示，我国日均Token调用量已经从2024年初的大概1000亿飙升到2026年3月底的140万亿，增长超过千倍；但相反，有数据显示，国内主流AI应用的平均30日留存率仅12.8%。A16Z的合伙人Jennifer Li也公开提醒，不要迷信ARR。下面请各位合伙人结合自己portfolio里的案例谈一谈：哪套叙事更接近你看到的现实？
蔡伟：这两个数字非常有意思。Token激增说明需求在增加，但留存没有那么好。仔细想会发现：现在的Token激增，到底是人在用，还是agent在用？很多情况下是agent消耗了大量Token，但留存是人在用这个产品产生的，这里面就产生了一个剪刀差。到目前为止，比较稳定、有特别大需求的，在Coding层面已经看到了，可能还有些生产力工具，但其他的还在探索中。使用者的留存非常关键——我们希望用户每天在用，而且用的时间更长。与此同时，应用端也在默默变化：上半年很冷，到现在已经出现了一些新的苗头。
光合创投合伙人蔡伟 来源：甲子光年
蒋纯：这个题目叫应用繁荣，但我觉得应用繁荣不一定代表应用程序繁荣。Token数据我没有看它的细分，但猜想一大坨是编程，可能还包括一些办公应用，甚至有不少是模型之间互相蒸馏产生的Token。这些其实也叫应用，但它并没有产生在应用程序这一侧——实际上大模型自己已经把这些应用做掉了。早年说“OpenAI一升级，硅谷就死一批创业公司”，这个现象到现在还在继续，很多应用公司是被“毁灭你，与你无关”地碾过去的。所以从我们的策略来说，还是做好打基础的工作：把AI芯片、光连接、计算、存储这些infra的东西做做好。上层的应用公司要有战略转型能力，大模型打过来，你得跑到自己最有价值的点上去坚守，在惊涛骇浪中一直寻找自己的数据飞轮。
普华资本管理合伙人蒋纯 来源：甲子光年
王晓春（主持人）：之前好多头部公司说Token放开用，到今年，有些公司已经开始限制员工使用Token的量了。陈石总，您怎么看？
陈石：主流AI应用的30日留存只有12.8%，这比较符合我们对当前AI使用情况的判断。今天大部分人是不太会用AI的，用了一阵子觉得没意思，感觉跟搜索也差不多。那为什么Token在剧烈消耗呢？是因为当前最主要消耗来自一小部分Prosumer——我们叫超级用户——以及少数尝鲜的企业，他们在狠命地用，这也是Coding成为当前模型商业收入主要来源的原因。当然超级用户里也有一部分人，写了一堆可能只有他自己用、甚至自己也不常用的程序，某种程度上这是一种无效的Token消耗，但带来了情绪价值。另外，ARR确实是一个重要指标，但ARR跟ARR是不一样的：你是套壳应用的ARR，是靠补贴倒卖token冲出来的ARR，还是有自己业务纵深和技术壁垒的ARR？这三种ARR 的含金量天差地别，提醒我们投资人看项目要更深入。当然套壳也很常见，因为现在的AI应用本质上就是大模型的套壳，但里面还是有很多纵深的工作可以做。
峰瑞资本投资合伙人陈石 来源：甲子光年
吴绪成：主持人说的两个情况都客观存在。一方面，Token消耗越来越高，但打开来看，很多并不是人类消耗的——比如小龙虾（OpenClaw），是agent消耗的。以往消费者消耗只会选几款自己感兴趣的品牌来比较；但交给agent，它可能把市面上全品类做比价、做品质比选，这就带来了大量Token消耗。另一方面，一些AI应用留存率低，说明产品本身还没达到消费者的预期，商业还没法闭环。这两个现象并存，是人工智能逐渐融入生产生活过程中的客观情况，会随着技术演进和商业模式成熟会得到缓解。
上海国投先导基金副总经理吴绪成 来源：甲子光年
王晓春（主持人）：我记得今年春节期间OpenClaw刚出来的时候，我在家里摆弄它，一天充了1000块钱，一会就烧没了，后面就不太用了。这确实是两面说。
王晓春（主持人）：蔡总，您6月份发表过一个判断：通用模型的迭代会压缩应用的PMF空间，但拥有C端细分场景、有数据循环、已有收入的团队依然会得到重视。现在开源模型正在加快复现中间层应用的能力，您认为这些应用能扛住下一代通用模型的大版本更新吗？我们去年看了很多垂直应用公司，一个都没下手——有电力的，有做动漫的，Token消耗比较大的短剧，事实上很多都被大模型或者大的产业方替代了。您怎么看？
蔡伟：To B应用里很多你觉得大模型做不到的feature，可能就是下一个大模型功能升级的点。我们投的一些做To B提效的公司，今年在大模型能力升级以及在小龙虾出现之后，都在转型；反而是To C的公司，因为它跟人的关系、跟记忆有关，还在不断增长。所以我觉得，一个应用如果能抓住三个关键要素里的两个，可能就会立得住：第一是入口，你有没有一个distribution；第二是闭环，用完之后能产生新的数据和反馈，让产品越用越好；第三是资产，通过产品沉淀个人的记忆、关系。另外，模型升级非常快，我们看应用都会问一个问题：你是站在模型的路上，还是站在模型的肩上？站在路上，很可能被模型升级替代掉；站在肩上，模型升级就不是你的风险，而是你免费的研发。想清楚这个问题，才更可能存活到下一个阶段。
王晓春（主持人）：下一个问题给陈石总。应用繁荣之外还有一条更接近硬件的暗线：AI正在从云端下沉到端侧，越来越多的大模型和agent尝试跑在手机、PC、汽车上。峰瑞从去年下半年到今年上半年，投了不少端侧AI Infra。端侧运行大模型和agent，是已经到了产业拐点，还是停留在demo阶段？如果这条路走通了，会给AI软硬件应用带来什么改变？端侧AI Infra这一层，会是创业公司一个比较大的窗口吗？
陈石：我的判断是，端侧已经越过纯 demo、进入分场景跑通商业化的早期拐点；一旦走通，会让更多应用创业有机会走出大模型的“阴影”；而端侧 AI Infra 这一层，我认为正是这一轮少有的、留给创业公司的大窗口。下面说为什么。过去几年，业界普遍认为 AI 应用大多活在大模型的阴影之下——有人开玩笑说，做 AI 应用就像在压路机前面捡钢镚：赚点小钱，而大模型这台压路机随时可能压过来。但到今天，格局越来越清楚了。第一，大模型这一层正在走向寡头竞争、开源闭源齐头并进，本质是在快速商品化——也就是说，"调用一个强模型"本身越来越不构成壁垒了。第二，正因为调用模型不再是壁垒，应用的胜负手就转移到了别处。最近美国红杉有位投资人提出一个观点：AI 应用建立长期壁垒的关键在于"主权AI"的能力——一是数据主权，要有自己的动态私有数据；二是评测（Benchmark）主权，要有自己判断模型好坏的评测体系；三是模型适配主权，比如基于开源基座自己做微调、领域对齐；四是部署主权，即模型推理放在哪、何时升级、何时回滚，都由自己掌控。这四点里，数据主权和部署主权，我认为恰恰跟端侧强相关。如果只是在云端调用第三方闭源模型的 API，这两条其实很难做到：私有数据有泄露风险，微调和对齐无从下手，模型的定价权、API 的稳定性也都攥在别人手里。真正的解法是"端云结合"——把涉及核心业务数据、以及相对不复杂的计算放在端侧，把更难、更重的计算交给云端。但今天端侧和云端的模型能力，还差着两到三个数量级：云端大模型参数已经到万亿级，而端侧真正有性价比跑得起来的，也就是百亿、甚至几十亿参数这一档，端侧弱，能留在本地的东西就少，数据主权和部署主权照样落空。所以这一层就有机会：谁能把端侧这层 Infra（高效推理、端云调度、Agent 运行时、跨硬件适配）做得又快又省，用有性价比的方案把端云差距压到一到两个数量级以内，谁就握住了让"主权 AI"在端上落地的钥匙——这正是端侧 AI Infra 的价值。这就像当年大型机到个人电脑——端侧不取代云端，而是补上"个人电脑"这一极。云端的繁荣已经在发生，端云结合走通后，应用才能更充分地繁荣起来。这也是我们持续下注端侧的原因。
王晓春（主持人）：下一个问题给吴总。国投先导成立的时候，是全国最大的人工智能产业母基金，陪跑了MiniMax等从早期融资到港股上市，是典型的耐心资本。现在AI投资大热，全球市场都在抢AI项目，国资现在的节奏是怎样的？刚才李峰总也提到，23年、24年国资在无人问津的时候投了一系列项目，到现在都说是赢麻了。您作为国资的代表，怎么看现在的节奏？
吴绪成：好像今天只有我一个国资投资人代表在交流。我们国投先导在管的主要有3只母基金：集成电路、生物医药和人工智能，总规模900亿元。其中集成电路450亿元，一半投直投、一半投子基金；生物医药和人工智能各225亿元，80%投子基金、20%投直投。我们24年年中成立，到现在刚好满两周岁，设立之初的定位就是战略资本、耐心资本。前几年，很多硬科技项目市场化基金关注度比较低，国有资金要承担战略任务，在地方政府指引下投了一批关键硬科技企业。比较典型的，我们投的第一个和第二个标的分别是壁仞和MiniMax。大家现在回想，24年下半年投GPU企业和投大模型企业的时候，市场上还没有形成明确共识：GPU企业可能被台积电断供、没法在海外流片——其实不光是我们投的企业，现在大家提到的“中国的英伟达们”、很多GPU“几小龙”，当时都面临同样的困境；而大模型也还没趟出成熟的商业闭环，不像现在Anthropic的Coding已经在很多路径上跑通了。但我们基于专业判断：中美博弈的大背景下，中国需要自己的芯片，也需要自己的模型，所以敢于下注、甚至下重注领投。现在回头看，当时的打法也获得了比较好的财务回报。对我们来说主要是坚持两个原则：一是投早、投小、投硬科技，现在统计下来，人工智能领域90%的项目都是“早小硬”，对资本追逐的偏后期项目，我们保持冷静和谨慎；二是全栈布局、构建创新生态——母基金不是为了培养一棵苍天大树，而是打造一个产业生态雨林。在人工智能领域，我们系统布局了“芯、模、数、用”：芯片上，除了GPU还布局光计算、近存计算、存算一体；模型上，既有通用基础模型，也有垂直模型；数据上，从传统的数据清洗治理，走向构建AI native的语料；应用上，链接链主企业和被投企业，把它们的场景需求打通，共同构建完善的产业生态。
王晓春（主持人）：谢谢。我们是22年投了沐曦，判断沐曦OK之后，GPU企业就没再下手；大模型23年大家都有机会再投，但那时我们觉得估值已经很高了，没想到差了一个数量级。
王晓春（主持人）：蒋总，一年前的甲子引力圆桌上您聊的是物理AI，然后物理AI就火了，我们投的飞捷科思也是物理AI，涨得很快。今年您想聊什么？前一段时间您提出，AI投资不能只盯着算力的硬基建，还要重视软基建、建立可信的数据体系。结合普华投的硅基流动、智平方，硬基建和软基建哪一个更有投资价值？
蒋纯：可信的数据体系、软基建当时说的是物理AI。大语言模型的发展有一个非常幸运的事情：前一波互联网革命，让人类的知识库已经被普遍数字化了。但物理世界的数据，数字化其实非常差——怎么标准化地采集这些数据，规范这些数据，还没有标准，每家只能用自己的数据，这样会非常大的限制训练数据的获取，这就是当时说的数据基础、“软基建”的来源。当然从另一个角度来说，这也是物理AI模型公司的壁垒。物理AI肯定是最终AI发挥作用的方向：目前所有的AI不管怎么做，都只是在嚼人类的冷馒头，把人类的知识重新学习一遍、再复述一遍；而物理AI理论上是可以去探索世界的，这是更令人向往的前景。但这件事难度非常高，数据基建是我们要做、但不是马上能做成的事情，可能要靠每一个做物理AI的企业，先在自己的场景里做好，一个一个往前啃，一个一个在自己的场景里做到最好，才会形成我们希望的统一的物理世界数据层。
王晓春（主持人）：或许AI Infra的软基建会成为今年的一个投资热点。下一个问题给大家：今年随着OpenClaw这些工具的使用，Agent按Token收费已经成为主流，部分行业和场景开始跑通按效果收费。你们认为对Agent来说，订阅、按Token消耗计费、按效果收费或者收入分成，哪一种会成为未来的主流？这种变化会如何影响你们看项目时重视的商业指标？吴总请。
吴绪成：按Token收费，已经是越来越主流的计费方式，但长久看，这几种计费模式在AI商业化落地里都会并存。一方面，国外的GPT、Anthropic现在都从传统订阅制改成了Token计费，而我们国内模型的Token成本更低，这其实是我们的一大优势。另一方面，订阅制在C端会长期存在：普通消费者想享受更好的模型，不一定需要特别复杂的coding工具，也不一定需要小龙虾这样的agent去执行很多事务，订阅制有它的合理性。再就是按效果收费，可能更多出现在B端：对工业企业、金融机构来说，模型达到客户预期，他才会有比较强的付费意愿。
王晓春（主持人）：陈石总，您的看法？
陈石：长期来说一定是按效果收费。因为AI本质上在一定程度上替代人的智能，终局是它来做事情，按效果收费更合适。但这里还有很长的过程：前面我觉得还是订阅加Token消耗，这种比较传统、可计量、大家没有意见。如果太超前地进入效果收费，问题是：效果是不是可度量？是不是可归因？是人做得好、提示词写得好，还是Agent 能力好？说不清楚，有时候甚至由于各种原因做不出效果甚至产生负面效果，例如公司雇佣外部所谓的FDE（前置部署工程师），其实有点像以前的咨询公司进场，也容易出现一些相互扯皮的事情，最终让事情没做成功。所以中间还会有一个漫长的探索和磨合的过程，慢慢过渡到终局。
王晓春（主持人）：蒋总。
蒋纯：所有的收费本质上都是效果收费，因为没有谁会傻到为没有任何效果的事情付费——要么你给我提供生产价值，要么提供情绪价值，有价值才有交换。但如果从投资判断角度，直率地说：如果一个企业的产品收费，是要跟客户商量着做效果付费的，恐怕是减分项。为什么？这说明他的产品在客户面前不够强势，无法说服客户“这个东西是值钱的，你放心付费”；而是客户说“我试一试，好了再给你钱”——这说明客户对他的产品还不够信任，他在市场上没有什么谈判地位。
王晓春（主持人）：蔡总。
蔡伟：我基本同意前面几位的判断：短期是混合的。长期是按效果，还是按数字员工的价值付费？这可能是另一个话题——模型能力在不断提升，当它达到最低可用的时候，数字员工的能力可能就会出现，所以我觉得未来更多可能是按一个数字员工的价值来付费。
王晓春（主持人）：这个问题我也在想。我2005年开始做Software as Service，当时说软件要从单一软件变成服务来交付；现在看，未来的终极状态可能是用结果去交付——用软件也好、用Token也好、用人工智能也好，最终是要解决一个问题的，靠的是交付物。SaaS这种模式可能会被颠覆掉，但最后要解决的问题，是用人工智能去解决的。
王晓春（主持人）：今年推理成本大幅度下降，我估计接下来还得降。不少应用场景都说ROI能算得过来了——水位越往下降，水下的东西就显现出来。但DeepSeek反而在8月份宣布API涨价。应用公司从成本下降里得到的毛利改善，最后会不会被收回去？成本的红利到底归谁？蔡总先说。
蔡伟：归谁其实是个流动的状态，一定程度取决于稀缺性、取决于你的瓶颈。模型能力稀缺的时候，红利更多地归于模型；模型能力不那么稀缺的时候，红利就释放给下游。虽然中间会有波动——包括DeepSeek也做了涨价——但开源模型的竞争非常激烈，SOTA是按月甚至按周刷新的。整体成本的下行，特别是非前沿智能可获得成本的下降，是看得见的，这对应用厂商是一件好事。
王晓春（主持人）：蒋总。
蒋纯：AI的发展当前不能改变人类社会的经济学，价值肯定是由你在市场上的地位决定的。你作为下游地位强，可以挡住上游涨价；另一头，如果你的产品足够好，就可以把上游的涨价传递给客户；如果两头都不着，你的产品力、市场地位弱势，也只能自己承担价格上涨的后果。这就是人类世界的市场法则。也许未来随着AI的发展，会用一种非人类经济学的，全新的模式来组织这个市场，，但在今天，只要人类还掌握着经济决策权，AI业务也得遵循这些法则。
王晓春（主持人）：陈石总，您的观点呢？
陈石：AI产业链从下到上可分为四层：最底下是机房这类基础设施，往上是算力芯片，再往上是大模型，最上面是应用。红利归谁，取决于这四层之间的相互博弈，以及每一层各自的竞争烈度——哪一层竞争越激烈，就越留不住红利。现在看得比较清楚的是：算力芯片这一层的竞争在变多，尤其是模型进入以推理为主的阶段之后；而大模型这一层，正在往寡头化、开源闭源并进的方向走，越来越像基础设施、像能源。几层此消彼长下来，现阶段应用这一层的位置反而相对占优，成本红利会更多地落到应用手里。当然这不是终局——竞争格局一变，红利的归属保不齐哪天又倒回去。
王晓春（主持人）：动态调整。吴总。
吴绪成：这块蛋糕被模型供给端还是应用端切走，主要看双方动态博弈的过程，看谁的溢价能力更强。我整体有一个大判断：Token的成本会越来越低——芯片能力越来越强，模型架构持续优化，将来在Transformer之上可能还有新的架构，能源体系的保障也更加健全，比如国内在提算电协同，美国在加快能源保障设施建设。Token成本越来越低，就会为AI的商业闭环和收费能力带来更多可能性。
王晓春（主持人）：就像我们现在26年做投资一样，共识的东西好多，差异性的东西越来越少。我投项目总爱问一句：你这个项目的差异性在哪里？昨天我去看一个量子计算机项目，也问它和本源的差异性在哪里。共识如此集中，会推高整个标的的价格。蒋总，差异性还重要吗？这也是我的困惑。
蒋纯：像量子，差异其实是有的，但它是个长周期才能被证伪的赛道——比如说5年才能证伪——在这种赛道里，差异性的后果暂时难以体现出来，大家看起来都一样。但它最终会有结果，就像量子态最后塌缩，会给你一个确定的结果。所以差异性不重要都只是过程，大家对差异性的认知最终会获得相应的结果。但整体的热闹把热度推高，对行业是有好处的：所有哪怕是投错的钱，都不会消失，最后都会沉淀为知识、经验和教训。一些企业也许会完蛋，但完蛋之后，人还在、知识还在，会进入别的企业。就像地球是第二代恒星，第二代恒星才能产生人类，因为它有更丰富的元素。所以这些钱永远不会浪费掉，只是个体投资者会有损失，但事情永远是前进的。
王晓春（主持人）：蒋总您的维度比我高。但作为投资机构，我们不希望投的项目全都化作春泥更护花。在标的差异化不大、机构共识非常一致的情况下，怎么寻找更好的标的？
陈石：我是从移动互联网时代过来的。那个时候的投资，非共识的机会还比较多；而这几年，大家的共识过度集中在少数几个热点上——这当然不是健康的状态，也必然带来重复投资和资源浪费。但换个角度看，它也有好的一面。一方面，热点赛道一轮火拼下来，最后会沉淀出一大批很便宜的基础设施，回过头来低成本地为我们所用，就像当年互联网泡沫退潮后留下的光纤；另一方面，共识越往少数方向扎堆，那些暂时不热的赛道、以及里面真正强的人，反而越被低估——这恰恰给了我们低成本提前布局的机会。等这轮热点尘埃落定，这些非共识的头部，反而有机会跑出来。
王晓春（主持人）：对，我们也要拥抱周期。今年智谱和MiniMax先后登陆港股，宇树昨天已经成为了人形机器人第一股，月之暗面、阶跃星辰、智元等都在IPO的过程中。两位如何看待这波AI上市潮的成色？退出窗口打开，对一级市场AI资产的定价、对一二级市场估值的联动，是机会还是更多的风险？蔡总请。顺便问一句，我想知道王兴兴为什么每张照片都不笑？
蔡伟：我们刚好投了沐曦、智谱跟宇树。兴兴（王兴兴）其实不是一个特别爱笑的人。我觉得二级市场打开是好事，大家有了好的退出渠道，但一定程度上也催生了一级市场估值的高涨。二级市场的波动往往会影响一级市场——比如最近大家对AI在二级市场的不同看法，就让大家更谨慎了一些。有些市值是按几年后的收入折算出来的，最终是对一个时代级赛道的预期，上市公司要做的就是兑现预期。如果预期发生变化，表现不及预期，那现在投的高估值就是一个风险。整体来说，这是时代给予的机会，也是我们从中分辨好与坏的机会。
王晓春（主持人）：吴总。
吴绪成：二级市场的打开，对一级市场整体利大于弊。第一，它带来一个信号：大模型、GPU、人形机器人这些细分赛道，都是中美博弈比较交锋的点，国家愿意把上市的路条开给这些处在科技战最前沿的赛道，也引导一级市场投资人朝哪个方向投。第二，二级市场的充分定价，给一级市场提供了价值锚，客观上把一级市场的估值也拉起来了——比如阶跃星辰我们领投了两轮，智元机器人我们也领投了。第三，为我们早期的一级市场投资人提供了退出渠道。当然也有担心：已经上了几家了，后面别的还能不能再上？这对一级投资人来说，有一点反向的心理压力。
王晓春（主持人）：最后一个问题。高盛8月初判断，中国的AI板块不存在整体的泡沫；7月份在国家级母基金的一个会议上，多家国资LP公开提醒，AI的泡沫客观存在。如果有泡沫，它是估值的泡沫，还是资本结构的泡沫？四位先表态：有没有泡沫，站哪边？再用一两句话说为什么。蔡总。
蔡伟：AI本身没有泡沫，这个行业没有泡沫。但资产是有泡沫的——个别资产有泡沫，比如今年有些早期公司融资，同时融三轮，估值翻了几倍，但基本面是没有发生变化的。AI在迅速发展，大家对资产价格有不同的预期，按照二级市场的估值来看，个别资产是存在一定泡沫的。
王晓春（主持人）：非常清晰。蒋总。
蒋纯：高盛是卖方，卖方肯定说没泡沫；那些LP是买方，买方肯定说有泡沫。我的观点是比较自然主义地看这个问题：正确方向上的泡沫是有益的。说到AI，多少人知道什么叫贝叶斯、什么叫非凸优化？但就像前一个圆桌的几位嘉宾往那一坐，说“我都赚了十几倍”，所有人都明白了，所有人都杀进来了。在国家队之外，最有效调动社会资本来扶持有意义行业的最佳模式，就是泡沫。当然，你不能去炒郁金香、炒垃圾币；正确方向上的泡沫引导，实际上是市场化组织资金的一种形式。
王晓春（主持人）：陈石总。
陈石：第一，我相信 AI 是个长坡厚雪的行业，所以长期看，我个人认为AI 这个大方向谈不上泡沫。第二，阶段性可能有泡沫，但它是结构性的——冷热不均：模型、算力芯片偏热，应用偏冷。这种失衡，市场最终会自己调整回来。过去几年，应用一直活在模型的阴影下；但从今年开始我们越来越感觉到，模型阶段性地接近了商品化——一旦模型这层不再是瓶颈，应用的热度自然就会起来。
王晓春（主持人）：吴总。
吴绪成：我认为行业整体是没有泡沫的，但估值上，部分细分赛道存在一定的泡沫。人工智能肯定代表人类产业发展的未来，尽管自达特茅斯会议提出来以后，这个行业经历了三起两落，没有人能保证这一次的“起”能永远走到最终的AGI。但目前来看，我们在AI infra的投入——台积电、英伟达、SK海力士——订单是真实存在的，国内大模型的DAU也是真实存在、持续增长的。倒是那些短时间内没办法被证伪的前沿技术方向，现在一级市场估值非常高，可能存在一定的不确定性。
王晓春（主持人）：这次论坛所有的议题，方向都很一致，就像今年的投资一样，达成了高度的一致。
（封面图来源：甲子光年）
