从算力狂热到价值深掘的十字路口——AI投资来到新时代
2025年年尾，Manus被Meta25亿美元收购，可以说是为2025年喧嚣的AI投资画上了一个句号。熙熙攘攘的背后，市场上关于AI投资是否“泡沫化”的争论不绝于耳。但在我与一线基金合伙人的交流中，当我们把视线从喧嚣的资本故事移开，聚焦于技术落地的真实场景便会发现，一个核心的共识正在浮现——当前AI远未达到成熟的“泡沫期”，相反，它正在穿透行业表象，进入解决实际问题、创造真实价值的深水区。
作者按：Manus被Meta收购，这不仅仅是一个交易，更像是一个时代切换的哨音。过去一年，我访谈了数十位从业者，一个感受愈发强烈：市场的喧嚣与产业的实干之间，存在巨大的认知断层。大部分关于“泡沫”的讨论都浮于表面。我写下本文，试图梳理出自己观察到的三个关键断层线：技术成熟度与商业预期的断层、中美发展路径的断层、以及投资逻辑从“赌赛道”到“挖价值”的断层。
一、泡沫是技术革命的必经阶段，价值应用才是关键我逐渐形成的一个观点是：如果一个行业没有泡沫，那只能说明一个问题，未被发现或者价值不大，不值得投资。任何重大科技革命的演进，都离不开“期望膨胀——幻灭调整——价值重生”的螺旋上升轨迹，AI的发展同样遵循这一规律。所谓的“投资泡沫”，在我看来，是技术从实验室走向规模化应用的必然阵痛。
与千禧年的互联网泡沫不同，本轮AI浪潮的底座是由Transformer架构、海量数据和GPU算力构成的真实技术突破。但问题的关键，从我跟踪的项目来看，不在于技术本身是否为真，而在于巨大的技术潜力与有限、迟滞的商业化落地之间，存在着危险的错配。OpenAI坦承，AI当前所具备的能力与大众日常使用方式之间，存在“巨大的鸿沟”。即便如此，生成式 AI 并非停留在 PPT 上的幻想，而是在多元领域展现出真实生产力：
- DeepMind 的 AlphaFold 破解数十万种蛋白质结构，将新药研发周期从数年缩短至数月；
- Abridge 的医疗 AI 能实时转录医患对话，自动生成合规病历，每天为医生节省 2-3 小时文书工作；
- Harvey AI 已成为 Allen & Overy 等顶级律所的标配，承接判例搜索、法律文件起草等核心工作，替代初级律师的大量劳动。
这些突破并非偶然，而是建立在 Transformer 架构、大模型训练方法等底层创新的基础上，形成了可迭代、可扩展的技术体系。Gartner 技术成熟度曲线显示，生成式 AI 在 ChatGPT 引爆的 “期望膨胀高峰”后，正进入“幻灭低谷”的调整期，但这并非泡沫破裂的信号——历史上，互联网在 2000 年泡沫破裂后孕育出谷歌、亚马逊，智能手机在诺基亚衰落的调整期后催生了移动互联网黄金十年，当前 AI 的调整本质是 “去伪存真” 的价值筛选过程。
因此，我的基本判断是： 断言AI投资整体性泡沫化为时尚早，但一场深刻的分化已然开始。对于人工智能，问题不在于会不会泡沫化，而是我们是否理解泡沫只是过程。投资的黄金法则不再是“All in AI”，而是“为AI选对方向”。未来的赢家，将属于那些能够精准识别技术演进主航道、洞察中美路径分野，并最终在具体场景中掘出真金的应用捕手。
若要在这场技术浪潮中站稳脚步，就不能只追逐短期的投资热潮，而应着眼于长期基础建设：算力与电力供应、数据治理与法规制度、跨产业的实际应用场景。唯有如此，才能在全球AI热潮退去后，仍然保有真正的竞争力。
二、中美之间的差异化有更大套利空间
有一种错觉，放眼全世界，创业创新好像只存在中美两国——光彩夺目，独角兽不断涌现，相比其他国家，静默无声。 聚焦到AI产业，我观察到的正是一种鲜明的 “双轨竞争”格局。美国以 “重装集团军”布局基础设施，中国以 “轻骑突围”深耕应用生态，两者路径不同、优势互补，共同推动全球 AI 产业向前发展，也为投资者提供了差异化的布局方向。
（一）美国家大业大，全力出击，重装军备竞赛，掌控核心技术壁垒
美国的 AI 发展策略以科技巨头为主导，聚焦资本密集型的基础设施垂直整合，试图建立 “必须付费使用” 的技术壁垒。换句话说，美国就是有钱有技术，Nvidia、Microsoft、Apple 等六大企业主导了全球 AI 基础设施的军备竞赛——未来五年，支撑 AI 发展的数据中心新建容量将达 117GW，相当于英、意、西三国总用电量，总投资规模高达 4 万亿美元；2025 年北美四大云厂商的资本支出就达 3200 亿美元，核心目标是掌控从芯片、数据中心到模型训练的全链条供给侧。对于这个新兴产业，美国要势在必得，要投入无限资源与资本占据高地。
美国的核心优势在于 “总算力” 规模与技术闭环能力，RAND 公司的分析指出，其真正竞争力并非单一模型的领先，而是无懈可击的技术生态壁垒。这种策略下，投资机会集中在高端算力硬件、核心算法框架、垂直领域高价值应用等赛道 —— 例如为数据中心提供高效能芯片的企业，为律所、金融机构定制化解决方案的垂直 AI 公司，以及通过并购整合技术资产的科技巨头。但需警惕的是，美国电网投资停滞导致的电力瓶颈、高电价带来的运营成本压力，可能制约其基础设施扩张的速度。电力限制这个痛点，就像刚才说到的基建投资泡沫，短期看有闲置，长期看价值大，因为应用开发是无止境的，除非有新的能源形式出现代替它，真的应了那句话，世上没有白走的路，每一步都算数。
（二）中国轻骑突围 + 双管齐下，激活应用生态潜力
中国已经成为美国最大的竞争对手，对于AI产业，美国希望自己是独一份，而不是有人来分羹，于是，美国人就做了一件事，处处设限，但事与愿违。中国 AI 企业探索出一条 “成本优先、应用为王”的差异化路径，同时以“东数西算”工程和 “算力券”政策实现供给侧与需求侧的双轮驱动。在应用层面，阿里巴巴 Qwen、月之暗面 Kimi 等开源模型凭借极致性价比快速渗透市场，DeepSeek 的定价曾比 OpenAI 低 96%，成为成本敏感型中小企业的首选；在供给层面，“东数西算” 工程已带动总投资 280 亿美元，2025 年科技公司 AI 基础设施投资达 700 亿美元，2026 年智能算力规模将达 1271.4 EFLOPS，年复合增长率 52.3%。
为解决算力闲置问题，上海、深圳、浙江等地推出 “算力券” 政策，以最高 80% 的补贴比例激活需求，覆盖商汤等AI企业，短期快速拉动应用层创新。中国的优势在于庞大的应用场景、低成本的算力供给和高效的政策落地能力，投资机会集中在开源模型生态、垂直行业应用、算力基础设施配套等领域 —— 例如基于开源模型的二次开发企业，为制造业、物流行业提供效率提升方案的 AI 公司，以及支撑智算中心建设的硬件配套企业。但需关注的是，财政补贴的可持续性、市场机制的扭曲风险，可能成为长期发展的潜在挑战。相对于AI产业的发展，我想这点挑战与风险是可以承担的，否则有可能会成为一个更大的卡脖子领域。
（三）传统能源产业，又回到投资视野
这是一个非常有趣的轮回。中国这些年在电力投资上可以说下了重手笔。不管是煤电还是水电、核电以及风能发电等各种路径，都在积极尝试，多年的持续投入在今天收到回报。AI 产业的竞争本质是算力的竞争，而算力的竞争核心是能源的竞争，中美在能源基础设施上的结构性差异，进一步强化了各自的发展路径。我在对比中美电价数据时发现，中国工业电价仅 0.088 美元 /kWh，比美国低 54%，且电网备用容量维持在 80-100% 的 “战略冗余”，2025 年电网升级投资达 887 亿美元，能轻松承接数据中心的电力需求；美国则面临电网投资停滞、电价高企的困境，部分企业被迫自建电厂应对算力需求。在核能这一关键清洁能源领域，中国 “玲珑一号” SMR 2025 年底并网，新建核反应炉数量超全球其他国家总和，以速度优先抢占先机；美国则以严格监管保障安全，进度虽慢但稳定性更强。这种差异意味着，投资中国 AI 产业链需关注能源配套企业，而布局美国市场则需聚焦高效能、低功耗的技术解决方案。
总体上看，我的结论是——中美之间的分化正在重塑全球AI产业链。美国主导着上游的硬件与核心平台生态，而中国在应用落地、硬件集成和性价比解决方案上展现出强大竞争力。对于投资者而言，这意味着必须放弃“一个标准看全球”的旧思路，转而进行路径识别和套利——在基础设施层关注美国的巨头生态；在应用层，则需同时审视中美两大赛道催生的不同机会，例如利用中国的高性价比模型开发服务全球市场的垂直应用。Manus的发展更是印证了这种可能。三、选对赛道，在价值沉淀中把握核心机遇
猎豹移动董事长兼CEO傅盛在X上有句话说的特别好——“AI 创业更像传统制造业，面临极高的算力成本和经营压力。”对于投资人来说，不能仅仅看到所谓的技术领先就盲目投资，关键是要要看到创始团队的综合运营能力。通过最近的密集沟通，大家普遍有个共识，AI投资虽然不是泡沫，但资本市场的耐心也比之前有所降低。从当前产业趋势与创投数据来看，投资的核心机会已从 “通用模型炒作” 转向 “垂直价值落地”，聚焦具备真实需求、商业闭环和技术壁垒的赛道，才是穿越周期的关键。
（一）垂直聚焦更重要：从功能到结果的价值主张
垂直 Agent 是当前 AI 商业化最明确的风口，其核心是针对特定行业，能自主执行端到端工作流的 AI 系统，具备 “垂直专业化、流程自动化、自主决策性” 三大特征，Gartner 预测 2026 年 30% 的新应用将内置该能力。这类产品的价值不在于提供单一功能，而在于交付 “确定性结果”，形成了高客单价、高付费意愿的商业闭环 —— 医院购买 Abridge，本质是 “减少医生文書工作、增加诊疗时间”；律所采用 Harvey AI，核心是 “以更低成本获得初级律师的工作产出”。
2025年12月底，Meta收购Manus，更是表明这个趋势正在成为共识。Manus的成就不是训练了专有基础模型，而是工程化了一个执行层，允许Claude等模型浏览网页、编写和运行代码、操作文件并自主完成多步骤工作流程。赢得最先进模型竞赛并不重要，重要的是创造更大营收。Manus展示了通过专注于执行、速度和具体成果，设计良好的智能体可以迅速转化为创收产品。这种转变——从争论前沿模型能做什么到衡量智能体实际交付什么——越来越成为评估AI进步的框架。
未来投资应聚焦医疗、制造、物流等具备高流程复杂度和高人力成本的行业，选择能积累专有数据、深度整合行业知识的垂直 Agent 企业 —— 这些公司的核心壁垒不在于模型本身，而在于行业理解、合规能力和数据资产，是通用 AI 巨头难以快速复制的。
记住几个点，不要总想着做平台，平台概念在现在这个时代，不应该是创业者专注的方向，先集中火力解决 一个细分场景的问题。单点做到极致，再横向扩张；其次要聚焦愿意付费的市场——客单价高、决策周期短、回报算的清楚的垂直市场；最后是回到核心，要有自己独特的竞争力，不要被别人轻易模仿。
（二） 开源组件是个机会：AI 时代的 “核心零件供应商”
开源曾经帮助中国企业快速成长，今天中国的开发者也正在把自己的模型开放给全世界。随着 AI 技术栈的快速模块化，向量数据库、RAG 框架、Agent 开发工具等开源组件，成为应用开发的基础设施，这类赛道虽不显眼，但具备极强的稳定性和长期价值。开源模式的核心逻辑是 “以开源赢得开发者信任，以企业版、技术支援实现商业变现”，Kubernetes、Hugging Face 等成功案例已验证了这一路径。当前，AI 应用爆发式增长催生了对可靠中间层工具的迫切需求，针对特定场景的轻量级 AI 组件、多语言处理工具、边缘计算优化方案等，均具备广阔市场空间。对投资者而言，布局开源组件赛道的核心是关注生态适配性与技术稀缺性，那些能融入主流开源生态、解决特定技术痛点的企业，有望成为 AI 产业链中的 “隐形冠军”。
（三）AI语音硬件可能正爆发：从功能到交互的产业重构
语音正从辅助功能升级为主要交互界面，这一转变正在深刻重构 AI 硬体的产品形态，成为新的投资蓝海。标杆产品 Wispr Flow 的爆发印证了市场潜力——其月用户增长率超 50%，6 个月留存率达 80%，付费转化率 19%，2025 年完成 3000 万美元 A 轮融资，证明当语音体验足够流畅时，用户会自然将其作为主要交互方式。当前，全球科技巨头已加速布局。Meta Ray-Ban 智能眼鏡设定年销售 1000 万副的目标，Apple 计划 2026 年底推出 AI 智能眼鏡，OpenAI 将于 2026-2027 年推出语音驱动的无屏幕消费级硬体。据预测，2026 年全球智能语音助理使用量将突破 120 亿台，市场规模达 87 亿美元。众多投资机构也对这一赛道摩拳擦掌，希望找到新的独角兽企业。对于这个赛道，我们需聚焦交互体验优化与场景深度融合，无论是智能穿戴、车载系统还是智能家居设备，如果想在市场中脱颖而出，只能是将语音交互与具体场景需求深度结合、解决用户核心痛点的产品。
（四）有商业价值且被成功验证正成为投资核心逻辑
2025年 AI 创投市场的三大转向，进一步印证了 “选对方向” 的重要性。- 一是投资集中化，资金快速流向具备真实产品市场契合度（PMF）和健康营收的成熟公司，种子轮投资持续萎缩，“赢家通吃” 效应加剧，资本效率成为核心竞争力；
- 二是退出多元化，并购取代 IPO 成为主流退出路径，2025 年上半年 AI 并购交易达 262 笔，平均溢价 24 倍营收，Google 320 亿美元收购 Wiz、OpenAI 65 亿美元收购 Io ，Meta 25亿美元收购 Manus等案例，证明具备核心技术或场景能力的企业更受巨头青睐；
- 三是策略务实化，企业更倾向于用开源模型降低研发成本，通过战略合作提升资本效率，那些能平衡技术创新与商业落地的团队，更易获得资本认可。
说易行难，希望每一位投资者都具备穿越周期的理性
就我个人的感觉，AI的浪潮远未到顶峰，更没有走向终结，可以毫不夸张的说，这个赛道才刚刚开始。AI将会是一场新的革命，它正从技术炫技的青春期，步入商业实干与价值深挖的成长期，道路是螺旋上升的，前途是光明的。就像历史上的电力、互联网等通用技术都曾经历“生产率J曲线”，早期投资过热带来泡沫与阵痛，但长期潜力终将释放，带来超大的投资价值。
泡沫不会均匀地覆盖整个行业，而是会精准地在那些缺乏真实场景、技术护城河和可持续商业模式的地方破裂。今天的AI投资，本质上是一场关于未来生产力和财富分配的前瞻性布局。
投资的最大风险，并非来自技术本身，而是来自在正确的浪潮中，选错了方向。当喧嚣散去，唯有那些锚定于真实价值创造——提升效率、解锁新知、重塑体验——的企业，才能穿越周期，成为定义新时代的基石。
关于作者：我是一名专注于科技投资的独立研究者。我的分析建立在对产业数据的长期追踪、公司财报的深度解构以及与行业人士的持续交流之上。我拒绝追逐空泛的概念，始终致力于在技术趋势与商业现实之间寻找交汇点。本网站是我记录思考、验证判断的私人笔记，旨在与同道者进行严肃探讨。
评论