在创业邦2025（第十九届）DEMO CHINA大会现场，复星锐正董事总经理高俊巍、名川资本合伙人傅磊、策源资本数字经济投 资负责人傅成宇、高榕创投合伙人胡朔、创世伙伴创投合伙人聂冬辰、BAI资本合伙人汪天凡、金沙江创投合伙人周雨桐，围绕 的AI商业化展开了深度对话。 以下是各位嘉宾的对话实录，由创业邦整理。 AI 商业化是必答题 而非选择题 当AI技术从"概念热炒"走向"落地攻坚"，商业化成为检验赛道价值与项目成色的关键标尺。百模大战、AI Agent崛起、AI应用元 年……近几年，市场对AI的期待逐渐从"技术奇观"转向"价值创造"。能否赚钱、多久能赚钱、能赚多大规模的钱，成为创投圈聚 焦的核心问题。 高俊巍 ： 2022年我们见证了AI技术的爆发，2023年经历 "百模大战" 后的收敛，2025年被不少人视为AI应用元年。想问各 位，AI商业化的元年是否同步到来？现在是否是商业化落地的最佳时机？观察项目时，"明确的商业化效果" 是否已成为必备条 件？ 周雨桐 ： 从数据看，今年AI领域的token消耗量、B端与C端应用收入均呈陡峭增长，增速超移动互联网早期，商业化价值非常 清晰。对我们而言，商业化潜力是观 ...

核心观点 - 科技创新与内需消费是驱动中国经济增长的核心引擎和双轮动力 [3][12] - 公司致力于寻找结合前沿技术变革和巨大内需市场的结构性投资机遇 [2][12][13] - 中国拥有全球最强大的制造业基础、科技创新潜力和最大的消费者市场，为投资提供了独特优势 [3][7][8] 公司背景与投资理念 - 公司是专注于投资中国科技创新和美好生活的新一代PE机构及产业生态平台 [5] - 团队拥有20年投资经验，负责过600亿人民币投资，投资了多个时代的代表性企业 [5] - 投资理念为“研究驱动、价值投资、生态赋能”，超过70%的投资企业已上市或申报中 [5] - 强调纪律性、确定性和基本面研究，精准投资重要主题赛道里的龙头企业 [17] 科技行业优势与机遇 - 中国高层次科技人才和STEM毕业人数位居全球第一，科研和创新能力已登顶全球 [6] - 中国制造业占全球总量30%，在13项关键技术中已有5项全球领先，7项具备全球竞争力 [7] - 科技前沿赛道如AI、具身智能、新能源、航空航天正在集体引领全球，创造历史性投资机会 [7] 消费市场潜力与优势 - 中国拥有全球最大消费者市场，中产阶层人口2022年达4.6亿人，已超过美国总人口 [8] - 过去30年中国人均可支配收入实现46倍增长，国民总储蓄率持续高于40%，远高于世界平均20%的水平 [8] - 地域与城乡发展不均衡（如上海人均可支配收入是甘肃的3.3倍）意味着消费潜力将进一步释放 [8] 政策环境支持 - 政策端已系统性转向内需，推出国内大循环、统一大市场等举措 [9] - 具体政策包括提高居民收入、调节再分配、发放消费券、以旧换新补贴及反不当竞争等 [9] 具体投资布局与案例 - 投资布局围绕智能化、绿色生活、科技生活等主题，聚焦各领域龙头企业 [13] - 投资案例包括华熙生物（全球最大玻尿酸企业）、巨子生物（全球最大重组胶原蛋白企业） [13] - 名创优品通过数智化转型成为全球最大的自有品牌生活家居零售企业，在110多个国家有近1万家门店 [14] - 在新能源汽车产业链投资了全球领先的动力电池企业、中国最大的国产汽车电子PCBA和内饰新材料企业 [15] - 在机器人/AI领域投资了高仙机器人（全球最大商业清洁机器人）和第四范式（国内最大企业级AI公司） [16]

行动计划核心目标 - 充分发挥河北在算力规模、产业基础、应用场景及市场空间的显著优势，促进人工智能技术深度赋能经济社会发展各领域 [1] - 着力建设国内领先的人工智能产业创新发展和融合应用高地 [1] - 为河北高质量发展注入强劲的智能动力 [5] 战略制定原则 - 坚持贯彻落实国家部署，确保国家东数西算工程、人工智能+行动等重大战略在河北落地生根 [3] - 坚持与河北实际相结合，优先在示范效应强、数据基础好、应用价值高的行业开展创新性应用 [3] - 坚持创新融合发展，通过创新应用场景引导资本、人才、技术等优质生产要素向河北聚集，加速培育和发展新质生产力 [3] 重点领域深度应用 - 围绕钢铁、化工、汽车制造、机器人、新能源、农业、教育、医药健康等关键行业，计划组织实施百项人工智能+示范项目 [3] - 在钢铁行业聚焦高端新材料研发设计、生产制造过程控制等环节，支持企业开发应用行业大模型 [3] - 在新能源领域针对风电场智能监控、光伏运维优化、储能全周期管理等场景，支持企业开展风电场风速风向精准预测、光伏电站自动清洗等关键技术攻关 [3] 创新应用示范引领 - 依托省内数据资源丰富、产业体系完备的区域优势，着力打造人工智能创新发展引领区，促进技术规模化落地应用 [4] - 重点支持雄安新区、廊坊等地强化人工智能研发能力，打通算力、数据、模型及应用的全链条环节 [4] - 鼓励石家庄、保定、唐山、张家口等地利用应用场景丰富、数据标注基地成熟、算力中心聚集等优势，推动人工智能与各行各业深度融合 [4] 支撑能力体系建设 - 在算力供给方面，积极推进张家口—廊坊算力供给廊道建设，加快打造环京地区智能算力集聚区，推动建设服务京津冀的公共算力服务平台 [4] - 在数据资源方面，计划推出一批高质量数据集和语料库，促进可信数据空间运营者与数据服务方合作，加快保定国家数据标注基地建设 [4] - 在平台搭建方面，将在人工智能相关领域布局建设一批省级工程研究中心、制造业创新中心、技术创新中心等创新平台 [5] - 在企业培育方面，梯度式引育一批领军企业，同时孵化一批科技型中小企业 [5] - 在人才引育方面，将进一步完善人工智能领域的科研保障、职业支持与人才评价机制 [5]

点击下方 卡片 ，关注" 具身智能 之心 "公众号 基于这四点核心特征，它石WIYH 数据集形成了以下三项独特优势： 首先，在模态完整性上，通过自研的采集套件，同步获取视觉（RGB）、力触觉（压力传感器信号）和动作（手指关节位姿与末端轨迹）数据，确保多源数据在 时间和空间上的精准对齐； 其次，在数据标注链路上，WIYH 依托自有的云端基础大模型完成高精度标注，覆盖 2D 语义、场景深度、操作任务分解、交互物体的可供性（Affordance）、手 部与末端动作轨迹等多粒度真值标签，为具身基座模型的预训练提供全面多维的监督信号； 第三，在采集环境上，它石深入真实生活操作场景，对比业内通常高成本自建数采、数训工厂，在非搭建、非专有、非封闭的环境中采集工作人员的标准操作流 程数据，显著提升数据的真实性、多样性和泛化能力，同时降低数采成本一个数量级以上。 具身智能行业即将迎来数据革命。10月10日，它石智航重磅发布全球首个大规模真实世界具身VLTA（Vision-Language-Tactile-Action）多模态数据集World In Your Hands（WIYH），并计划于2025年12月面向行业共享开放。这项 ...

出品｜公司研究室基金组 文｜雪岩 编者按： 10月10日，国内A股下跌。当天夜晚，受特朗普对华加征关税100%的影响，美股大跳水。 毋庸讳言，A股大盘未来走势肯定会受到影响。在这种情况下，市场风格会不会发生变化？ 不过，一轮牛市的主线并不会轻易改变。业内人士认为，这次大跌之后，成长型投资或仍将持续。 这里，公司研究室推出"基金成长型投资新锐"最后一篇，这些业绩优秀的基金经理们的"真知灼见"，对普通投资者分析判断市场行情未来走势，应该有不少 帮助。 "美国市场整体处于过去几年的高位，而中国大部分资产仍然处于历史估值的低位。后续如果国内经济预期进一步改善，中国市场的估值修复仍然有较大的 空间。上半年越来越多的事件显示中国产业的全球竞争力已经从早期新能源、新能源汽车、家电等少量行业点射到AI、互联网、军工等行业多点开花的状 态，国内风险偏好明显抬升。从资产定价的空间、景气、估值分位和风险偏好四个维度分析，后续中国资产不论从基本面还是估值的角度都有望继续修 复。"——嘉实新能源新材料2025年中报 "展望下半年，整体投资机会较多，我们对于市场不悲观，信心较强。大众快消品行业凭借'高频低价'特性率先回升，宠物、盲盒、演 ...

天眼查App显示，近日，比格洛世（深圳）国际贸易有限公司成立，法定代表人为OKPOR SAMUEL ITA，注册资本10万人民币，经营范围为一般经营项目是：货物进出口；技术进出口；日用百货销售； 箱包销售；皮革制品销售；服装服饰批发；服装服饰零售；皮革制品制造；专业设计服务；品牌管理； 技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广；人工智能行业应用系统集成服务； 人工智能通用应用系统；人工智能硬件销售；人工智能双创服务平台；人工智能应用软件开发；信息技 术咨询服务；人工智能公共服务平台技术咨询服务；人工智能公共数据平台。（除依法须经批准的项目 外，凭营业执照依法自主开展经营活动），许可经营项目是：无。 ...

转自：新华财经 新华财经北京10月11日电（记者孙晶）数据，是天文学家与宇宙对话的桥梁。不论是深空探测带回的高分辨率影像，还是地面观测中捕捉的数千万颗星体光 谱，传统手段已无法应对浩瀚数据和庞杂需求。AI成为了处理巨量数据的利器，更被视作未来科研范式的革命引擎。 从海德堡马普天文研究所早期使用神经网络进行光谱分类，到今天AI大模型在天文研究中被寄予厚望，人工智能与天文学的融合，正从零星试探汇聚成洪 流。 然而，技术的飞跃也带来了哲学之问：AI的边界何在？它能否取代人类成为宇宙探索的主角？未来天文学家的角色是什么？通过对中国科学院国家天文 台、上海天文台、高能物理研究所和清华大学、北京大学、上海交通大学、之江实验室等十余家顶尖科研机构权威专家的深度访谈，我们试图勾勒出AI与 天文学融合的全景图，并深入剖析其背后的产业逻辑与人才命题。 2024年1月12日，全景镜头下的冰岛最北端的罕见极光，戴建峰摄 一、AI在天文科研发现中的"能与不能"？ 上海交通大学李政道研究所海铃计划首席科学家徐东莲基于南海中微子望远镜的水下实验总结，在大型深海多节点的精密设备上，AI的价值一方面能处理 复杂的深海信号，另外还可以监控预警探 ...

当前 AI 行业的投入远超过终端产品的变现能力，行业内越来越多的 "循环投资" 正引发人们 对潜在系统性风险的担忧，AMD 近期与 OpenAI 的合作，因投资闭环生态的扩大，进一步加 剧了这种担忧。 但仔细分析会发现， 两者合作结构和行业内常见的循环投资模式有本质区别，这种差异化设计 有望帮 AMD 规避当前 AI 投资结构中的 "持续性风险"，同时保住其股价近期获得的上涨空 间。 有个经典说法：A 借给 B 1 美元，这 1 美元能撬动更大经济规模并创造额外价值。比如 B 用 这 1 美元向 C 买东西，C 再用它继续流通，原本 1 美元的现金经多层交易，市场流通资金总 量会变大，推动经济扩张。 这就像 "自我强化" 的经济扩张循环，但天生有漏洞，比如 B 还不上 1 美元，循环可能崩 掉。 现在 AI 行业里，芯片厂商、超大规模科技公司和 AI 初创企业之间，也出现了类似的 "循环投 资" 且愈发明显。 这些合作本质是 "循环关系"，初始资金在股权和 "双向采购协议" 里反复流转， 理论上能推 动 AI 研发落地，但问题在于当前 AI 行业 "变现速度" 远跟不上 "投入膨胀速度"。 像英伟达持有重要客 ...

文章核心观点 - 英伟达面临因业务爆发式增长而产生的巨额现金储备配置问题，其解决方案是采取激进的对外投资策略，以构建AI产业生态、锁定未来需求并弥补早期投资遗憾 [6][18][20] - 公司通过密集的初创公司投资和战略性小型收购，将资金投向AI基础设施和机器人等关键领域，旨在巩固其AI基础设施领导者地位并保障下一代芯片平台的销路 [7][16][22] - 公司的投资具有鲜明的产业投资目的，通常以入股为基础促成深度合作，或投资于其现有及潜在客户，从而创造持续的产品需求 [6][15][20] 近期投资活动分析 - 2024年9月中一周内官宣五笔对外投资，总金额超过92亿美元（约655亿人民币），标志着公司进入有史以来投资最密集的一年 [6] - 2020年至2024年，公司对初创公司的年投资笔数从2笔迅速增长至56笔，显示出投资节奏显著加快和策略转向激进 [6] - 除上述投资外，公司还向OpenAI投资了1000亿美元，体现了其通过投资驱动芯片销售的“梯云纵”式策略 [6] 重点投资案例解读 - 向英特尔投资50亿美元，旨在帮助公司摆脱对台积电的依赖，并利用英特尔的产品和品牌口碑探索新的产品合作可能 [8] - 以9亿美元全面收购AI网络芯片初创企业Enfabrica，获得其团队和关键技术授权，以解决AI内存瓶颈，实现“降成本”与“提效率” [8][11][12] - 在英国承诺投资20亿英镑（约26亿美元），并率先投资自动驾驶公司Wayve（参与其5亿美元融资）和AI基础设施公司Nscale（投资6.83亿美元），目标是将英国GPU容量在2026年扩大到60000台 [12][13] - 投资具身智能公司Dyna Robotics，该公司A轮融资1.2亿美元后估值跃升至6亿美元以上，半年内增长5倍，这是公司今年投资的第三个机器人项目 [15][16] 资金状况与配置策略 - 公司在过去四个季度创造了720亿美元的自由现金流，预计本财年结束时将略低于1000亿美元，现金流规模超过除苹果外的所有大型科技公司 [18] - 资金配置方式包括大规模股票回购（过去四个季度回购近500亿美元，并追加600亿美元回购计划）以及增加对外投资与收购 [19][20] - 尽管研发支出在过去两年翻了一番，但在过去四个季度仅占营收的9%多一点，反映出销售增长极为迅猛 [19] 战略动机与行业影响 - 投资策略的核心动机是创造持续需求，分析指出公司每向OpenAI投资100亿美元，后者就将花费350亿美元购买其芯片 [20] - 公司定位已超越芯片公司，着眼于整个AI基础设施，通过投资与各方合作，旨在抓住AI红利并保障增长势头 [20][22] - 公司倾向于进行扁平化组织架构下的小型补充性收购，而非面临严格监管的大型收购，例如对Enfabrica的收购 [22] - 公司通过在全球推动“AI工厂”建设和抓住“主权AI”机遇来寻找新客户和市场，为下一代芯片平台销路提供保障 [22]

OpenAI算力支出结构 - 2024年OpenAI在计算资源上总支出为70亿美元 [1] - 其中约50亿美元用于研发算力，约20亿美元用于面向用户的推理算力 [3] - 这70亿美元支出主要以向微软租用云算力的形式支付，不包括对数据中心的前期投入 [2] 研发算力分配详情 - 研发算力支出中，用于最终训练运行（如GPT-4.5）的成本约为4亿美元，仅占50亿美元研发支出的一小部分 [5][6][18] - 研发算力的大部分（约45.5亿美元）分配给了基础研究、实验性/排险运行以及未发布模型的训练 [5][6] - 这表明公司的研发策略侧重于幕后的探索性实验，而非直接面向产品的最终训练 [6][19] 主要模型训练成本估算 - GPT-4.5最终训练运行的成本估算：集群规模在4万至10万颗Nvidia H100之间，训练时长90至165天，云成本每H100小时1.5至3美元，总成本约4亿美元 [5][14][15] - GPT-4o的训练计算量估计在1e25至5e25 FLOP之间，GPT-4o mini在1e24至1e25 FLOP之间，Sora Turbo在1e24至1e26 FLOP之间 [17] - o系列模型（如o1, o3）的训练计算量估计占基础模型（GPT-4o及GPT-4o mini）的1%至30% [17] 算力投入与公司财务及行业趋势 - 公司2024年营收为37亿美元，但研发算力支出高达50亿美元，这解释了其严重亏损的原因 [20][21] - 行业观点认为，AI公司收入与算力供给高度相关，算力翻倍可能带来收入同步翻倍 [26] - AI发展对算力的需求被视作没有上限，掌控算力被视为掌控AI的关键 [27][28] - 为防止被算力制约，公司已开始自建数据中心 [30]