编辑导语：

李丰是峰瑞资本创始合伙人，圈内大家都习惯喊他丰叔，他与商业作家李翔联合主理的播客栏目《高能量》已连载到 199 期，这档栏目在科技圈 / 创投圈都获得了广泛的关注和认可。在众多长于思考和分享的投资人中，丰叔尤其擅长宏观经济视角的透视，极具历史纵深感的解读，以及能将复杂理论转化为通俗表达的能力。

近日，丰叔在峰瑞资本 2025 年投资人年度峰会上分享了他对 AI 行业的年度观察，从全球资本市场背景，到峰瑞资本的投资逻辑，再到中国 AI 的超越机会，丰叔依旧用他的娓娓而谈举重若轻地为我们揭示了关于今天这场全球 AI 浪潮的真相。

如果你也对 AI 充满好奇，那一定不能错过丰叔今年的年终复盘。

李丰观点集锦：

即使人工智能是生产力革命，相较于过往的生产力革命真正成为生产力所花的时间，人工智能依旧处于一个很早期的阶段。

过去几年的超级流动性不断推高资产价格，全球总市值持续增长（超越 GDP），催生并需要宏大叙事（AI）来赋予高估值合理性。

资本市场需要一个理由来支持资产价格上涨，凑巧在这个时间点，也就是 2022 年的 11 月份，ChatGPT 横空出世。于是，这波几乎史无前例的大量资金，在没有配置选择的情况下，必须推升美元资产价格的理由出现了。

每一轮的技术投资，都会经历这三个阶段，第一个阶段叫投资技术本身。第二个阶段叫投最有想象力的应用，第三个阶段叫投能落地的应用。

今天的大模型有可能会 " 云化 "。也就是大模型会与硬件云一样，变成一个基础服务。

所有技术创新周期里都会产生出千亿市值的公司吗？不一定，关键还是取决于前中后台是否同时发生变化，以及是否改变了消费者习惯。如果仅仅是技术在进步，大公司大概率可以靠砸钱追上来。

独立采集、合成数据 /VLA 这些对解决数据缺失问题都有帮助，但最核心的大规模数据的采集，最终需要从传感器或者叫 " 新设备 " 里来。

▎以下内容为李丰在峰瑞资本 2025 年投资人年度峰会的演讲，经钛媒体创投家节选编辑：

从 2022 到 2024 年底，一级市场经历了一个非常暗淡的周期。

这两年里，无论是企业的再融资，还是企业的估值增长都是不容易的。虽然也有投资热点，但都非常集中，集中投在大模型，集中投在机器人。而这些企业普遍获得估值的快速增长，或者说一级市场整体变热，大概也是从今年春节之后才开始。目前一级市场的热点还没有散开，还处在一个持续加热的过程中，我觉得再过半年，一级市场的情况就会变得更好。

回到今天的主题，AI。但我们今天要讲的结论，也许和大家的预期不完全一样。

回顾过去两年，我们大概是按照 AI 基础设施、具身智能、AI 应用、AI+ 新药研发、未来科技这五条线在开展投资，基本上涵盖了我们最近两年内投资的 80% 以上的公司。

过去的 11 个月，我们集中投了所谓 AI 硬件；然后在 2024 年 7 月之前集中去看了机器人；AI 基础设施（异构化的 AI 芯片）我们一直投到了今年的年中。那为什么是这样的顺序和时间线？我后面会一一解释。

关于 AI 我们有两个问题需要探讨，第一个问题，

AI 会成为生产力革命吗？

AI 成为这次中美科技竞争的核心，就是因为大家都认为 AI 是一次生产力革命。而背后的另外半句话则是，大家认为上一次互联网革命更像是一个数字化或信息化的革命，还没有达到蒸汽机、电力、内燃机这种可以在方方面面改变人们生活和生产的程度。所以关于 AI，或许有个小共识，也就是认为这一次 AI 革命与互联网那次不完全一样。至于 AI 多大程度上能解决生产力的问题，我们先不着急回答，因为我今天也还不知道答案。

即使我们认为它是一次生产力革命，我们回顾历史上前几次生产力革命，他们所花的时间比大家预期的还是要稍微长一点。

拿蒸汽机来说，从开始有蒸汽机，到改良普及，再到影响人类生产力，比如蒸汽汽车，蒸汽轮船的出现，大概花了 100 年。从奥托发明四冲程燃气内燃机，到卡尔本茨造出奔驰一号，也就是从有内燃机到它开始作为生产力工具，也花了 30 多年。

假定你认为互联网也是个小的生产力革命的话，从刚开始有第一台个人计算机到人们开始用微信，大概也花了 30 年。回到我们今天的主题 " 人工智能 "，我们把它的时间线全算起来，到今天也才接近 20 年。凑巧，这其中还有六年是基础设施建设期，我们把它叫做 " 大数据 "，甚至不叫人工智能。如果严格算人工智能的发展的话，可能只有 13 年的时间。

所以说，即使人工智能是一个生产力革命，相较于过往的生产力革命真正成为生产力所花的时间，人工智能依旧处于一个很早期的阶段。

那于是，我们迎来了第二个问题，

通用人工智能是不是会很快实现？

这个问题是个开放问题，我希望能部分回答。

如果你好奇心很强，此刻你就会问了，既然 AI 这个生产力革命还在非常早期的阶段，为什么这一轮的 AI 的浪潮如此空前呢？

回答这个问题，要回到一点宏观视角。在 2019 年，疫情之前，全球的 GDP 是 86 万亿美金，全球股市的市值是 89 万亿美金，其中美股占比超过三分之一。这个数据还是相对合理的，因为根据巴菲特指数，一个国家相对合理的资本市场市值是 GDP 总值的 80%~120%，资本市场市值低于这个比例就是过低，高于这个比例就是泡沫化。所以这个时候，大概一比一的巴菲特指数，显然合理。

到 2021 年，因为疫情的原因，全世界都开始放水，造成了历史上从未有过的流动性高峰。全球最主要的四五大央行，在这一年里扩表了 12 万亿美金。央行扩表的钱是所有货币里最基础最核心的一层，它真正进入经济循环所产生的带动作用，需要乘以一个货币乘数，一般是 3~4，也就是说这扩表的 12 万亿美金，在实体经济循环出来，将会是近 50 万亿美金的体量。相较于 19 年全球 86 万亿美金的 GDP 总值，相当于 1 年多的时间内全球 GDP 增长了 60%。这是全球历史上从未出现过的一笔巨款。

当然，与之对应的结果是 20 年到 21 年，全球所有国家的股市表现都很好。

而在 2022 年开始，由于欧洲国际形势的变化尤其是俄乌冲突的发生，和一些关于中国不确定性论调的影响，全球的资金都开始减少在欧洲和中国的配置。而另一方面，2022 年美元的加息又强化了全球资金配置美元资产的意愿。因此，美国股市在 2022 年经历波动之后开始持续上涨。原因就是：钱太多了，没地方去了，只能去美国。

但是，资本市场不会说：" 我们的资产价格上涨是因为全球的钱太多，只能买我们，我们资产的价格必须上涨。" 资本市场需要一个理由来支持资产价格上涨，凑巧在这个时间点，也就是 2022 年的 11 月份，ChatGPT 横空出世。

于是，这波历史上从未出现过的大量资金，在没有配置选择的情况下，必须推升美元资产价格的理由出现了。

以上这些原因相互交织作用下，就出现了我们后来所看到的局面。虽然疫情导致全球的经济增长都较为缓慢，但是全球的名义 GDP 却来到了 114 万亿美金，全球的资本市场市值来到了 130 万亿美金，这已经是超过 1.1 倍的 GDP 了，开始接近巴菲特指数的上限。同时，美股的市值占比超过了全球股市市值的一半以上。

在过去两年里有非常多的经济学家在讨论 " 美国例外论 "，为什么大家经济都不好，只有美国经济看起来有韧性？

一个粗略的划分是：美国的金融和金融相关的服务行业大概占了 GDP 的 20%，高科技产业占了 30% 左右，包括基础服务业在内的行业占了剩下的 50% 多。

当全球的钱流向美国，所以金融行业和相关服务行业发展很好。因为支撑资产价格上涨的一个原因正好是 2022 年底出现的 ChatGPT，所以科技行业的发展也很好。所以才会出现 " 七姐妹 " 的市值超过了除中美以外全世界任何单一国家 GDP 的现象；也出现了这 " 七姐妹 " 的市值占了如此庞大的美股总市值的大概 1/4。

这就是我要讲的第一句话：过去的超级流动性不断推高资产价格，全球总市值持续增长（超越 GDP），催生并需要宏大叙事（AI）来赋予高估值合理性。

第二句话是今天正在发生的。如果不再大规模印钱，全世界的总市值维持在 130 多万亿的水平，大概接下来就会进入此消彼长的存量博弈阶段。

而没有资金会长时间极端配置在一个篮子里。尤其特朗普再次上任之后，美国资产的不确定性进一步加强，全球的资金都在追求 " 再配置 "，全球资产也进入存量博弈的阶段。而在未来的两三年里，存量的博弈的胜负手在于谁能创造新的投资叙事与想象空间。

以上的分析就能解释，为什么欧洲的经济，在过去一年一直几乎无增长，但今年相当长一段时间里欧洲资本市场的表现仍然超过了美股。当然也可以解释为什么今年中国港股在融资规模，再融资规模，上市公司数量等多项指标上都排名全球第一。

在这次全球大钱的再配置过程中，各个国家和地区都在用自己的方法给资金一个理由流入或者更多地留下来，谁能给出了更多理由，谁就能在存量博弈里取得更多优势，这大概就是今天的样子。

到这里，你可能会问这样几个问题：

第一个是：美国的 AI 泡沫会不会破裂呢？

第二个是：如果美股 AI 泡沫破了，中国的 AI 资产会不会受到影响？

第三个是：假定美股泡沫破了，并且可能影响中国的 AI 资产，那我们怎么能对抗这个影响，走出独立行情？

这三个问题咱们先过，一会后面我们会重新讲。

接下来先讲讲

峰瑞的投资逻辑

每一轮技术投资，都会经历这三个阶段，第一个阶段叫投资技术本身。第二个阶段叫做投最有想象力的应用，第三个阶段叫投能落地的应用。

2023 年，所有人在讨论的全是大模型，但进入 2024 年之后，大家就不怎么出手了。本质原因是所有的技术进展和跃迁都不可能持续超越预期，大模型经历了一个小跳步上了台阶之后，就会进入一个比较线性的发展过程，它的高速发展就暂告一段落了。

这个时候大家就开始寻找这个技术里最有想象力的事是什么。第一个最有想象力的事情就是如何去替代数字世界里人要做的所有工作，于是我们看到了通用 Agent。另一个最有想象力的事情就是如何去替代物理世界里人要做的所有工作，于是我们又看到了具身智能。所以，2024-2025 年大家讨论最多的两件事，一个是通用 Agent，一个是具身智能。

但是，最有想象力这个定位也意味着相对不那么容易立刻落地。所以 2025 年大家又开始进一步探索脚踏实地的垂直领域 Agent 应用和 AI 硬件。

几乎没有例外，所有的技术投资都是这三步。每一次来到第三步的阶段，这个技术就开始变得脚踏实地，我们就开始寻找到底谁能用这个技术赚钱，谁能让成千上万人用上这个技术，并且从中赚到钱。

大模型我们没有投，但在通用 Agent 和具身智能之间，我们其实是选择了具身智能。我们在具身智能这个市场变热之前就开始集中全力，应投尽投。但有点小可惜的是我们 " 刹车 " 比较早，在 2024 年 7 月我们内部就判断说机器人已经很热了。但事实证明，机器人在 2024 年 6 月之后热度也能一直延续，并且还持续上涨了一年半的时间。

然后从 2024 年的年底开始，我们就开始专注地投智能硬件。因为开始得早，前期我们投的非常顺利和容易，很少人来竞争，我们可以慢慢想仔细看。但到过去两个月或者一个季度开始，这条赛道也变得非常火爆，项目的份额也变成需要抢了。

因为每一个大的技术变革，都是要经过非常多轮技术投资的三步走，轮次越多，技术的影响力越大，成熟度越高，应在越广泛。你可能会问，在下一轮开始的时候，需要聚焦的技术本身是什么？最有想象力的应用又是什么呢？

关于大模型：

如果留意一下最近的新闻，你会发现这样一个变化。最近一个月里关于大模型，几乎大家只谈大公司了，包括 Google 的 Gemini、千问、豆包之类的产品。发生这个现象的原因是什么？这是一个会持续下去的现象吗？

这一现象底层的原因就是：如果一个技术变革，只有技术在进步，但没有形成前端或 UI 的升级，也没有消费者习惯的转变，大公司最终都可以靠砸钱追上来。

我个人认为，今天的大模型很有可能会 " 云化 "。也就是大模型会与硬件云一样，变成一个基础服务。按照这个路径发展下去，几乎可以断定只有巨头们能做到这件事。他们能做基础设施云，算力云，投入巨量的资本，有足够多的用户，又有大模型的研发能力，还能把大模型当成软件服务搭载在基础云上来销售。而他们是否真的能够将 " 大模型服务 + 硬件云 " 变成一个统一的云服务，我们拭目以待。

大数据时代并没有催生新的千亿市值的公司，主要是因为它没有引发前端的变化、UI 的变化，也没有消费者习惯的迁移。当然也有成功的创新公司，像百融云创、明略科技都是大数据赛道里跑出来的上市公司。

当然也有例外，比如抖音，作为一家做大数据推荐的公司，它为什么能够成为例外？就是因为技术进步之外，它顺应 UI 的改变，人们获取信息的方式从键盘输入关键词变成了手指滑动。消费者使用习惯也发生了改变，从坐在办公桌前用电脑，变成了移动状态下用手机。消费者习惯的迁移，加前台的 UI 改变，再加技术创新，成就了抖音。

再来看历史上其他伟大的公司，微软给 PC 引入了一个新的 UI ——鼠标，使得其图形化软件操作系统走向千家万户；Google 让大家之前在雅虎上通过鼠标点击进入门户的习惯，变成了输入一个关键词在网页搜索的形式；而特斯拉更是完全颠覆了汽车的 UI 以及用户传统的驾驶习惯。

所以技术创新周期里一定会产生出千亿市值公司吗？也不一定，关键还是取决于前中后台是否都发生了变化，否则很容易变成大公司的机会。

关于机器人：

大家今天所能见到的所有机器人的发展，离不开两件事，一件是传统行业（如汽车）发展带来的硬件（电机）发展，另一件是自动驾驶行业的发展加上强化学习带来的算法革命。这两件事成就了今天机器人极强的运动能力，包括跑步、跳高、打拳、跳舞。但这些全部是运动能力，而非操作能力。

操作能力意味着需要机器人拿起东西来做实际的工作，要改变物体的物理状态。为什么今天机器人公司都在卷运动能力，因为人类在硬件发展和算法革命这两件事情上是有积累的。为什么操作能力成为短板，也是因为这件事之前从来没有积累。

所以你今天看到所有的机器人，公开演示基本上主要是运动能力，只要涉及到操作能力，像是叠衣服这件事，可能改变一下桌子的高度，机器人就叠不了了。也因此，机器人行业再往下发展，必须解决操作能力，而解决问题的关键就是新维度数据的获取。

那个数据的问题怎么解决？我们常提到的有两种方法：独立采集和合成数据 /VLA。

独立采集，这种方法之前主要使用于自动驾驶。但在自动驾驶领域使用独立采集方案的优点和缺点也都很明显。优点是可以自己复用自己，缺点就是比较慢。因为除了特斯拉之外，很少有公司能拥有大几百万辆车帮你在外面采集数据，大多数只能能弄个百来辆车的车队来执行。数据采集用在机器人行业，还有另外一个挑战，就是今天机器人的硬件没有定型。只要硬件一改动，比如五指变三指，三指变两指，两指变夹爪，或者其他关节运动方式的改动，就意味着原来采集的数据没用了，得重来一遍。

合成数据 /VLA 肯定有用，但它的挑战就是，之前就没有过改变世界物理状态的数据，所以无论是生成还是视频学习，都会有一定的局限性。举一个例子，我超级爱打羽毛球，所有能看的羽毛球比赛，我全看。但凡 VLA 这套逻辑行得通，假定我不是一个特别笨的大脑，看了这么多的比赛，怎么我还不是羽毛球国家健将级运动员呢？那只能是因为我还不能把视觉形象转变成我打羽毛球的操作。这个例子可以帮助大家理解合成数据 /VLA 的局限性。

第三点，最近热度比较高的讨论是物理模型能不能解决问题？算法 + 大脑能不能解决问题？我只能说物理模型肯定是必要的，因为你要改变物体的物理状态。但另一方面，我猜如果算法加大脑就能解决问题，大语言模型会比现在早很多就实现，而不需要等人类积攒了 40 来年的互联网文本数据。

和大模型等了 40 多年的文本数据的积累类似，许多互联网超级应用的诞生其实也是等新设备和新传感器带来新数据。微信等麦克风阵列的普及，等能够解析语义的芯片，外卖 App 和打车 App 等 GPS 被装进手机里，抖音和快手等智能手机厂商把高清摄像头装好交到每个人的手里。

独立采集、合成数据 /VLA 这些对解决数据问题都有帮助，但最核心的所有大规模数据的采集，最终都需要从传感器或者叫 " 新设备 " 里来。所以，多样

化消费级智能设备的普及，所产生的大量新维度的数据，才是解决问题的关键。

所以答案就来了

AI 浪潮中，我们主要布局三个方向：AI 基础设施、垂直领域的 AI Agent 和 AI 智能硬件。

AI 基础设施主要是 AI 芯片。我们回顾下历史上的芯片巨头是怎么产生的？只有单一硬件 PC 的时候，英特尔主导了整个芯片行业；当 20 多年前有了互联网游戏和视频的应用之后，为了更好的处理视频和图片，出现了英伟达；然后当有了手机之后，不同形态的终端产品

促使芯片和基础设施进一步迭代，才有了高通和博通。

所以，当大量新的消费级设备开始出现，才有新的芯片公司的机会。

今天 AI 的应用也催生了一批新的芯片诉求，他们在数据的存储、通讯、算力、功耗、尺寸、成本上都有了新的需求组合，也就催生出了非常多新的 AI 基础设施类型的芯片。所以上一波芯片的机会成就了英伟达，下一波芯片的机会就是为了 AI 应用而生的新芯片。

第二个大的方向，垂直领域的 AI Agent。这个赛道的投资是比较困难的，我自己总结，如果要做垂直领域的 AI agent，需要两个基础条件：第一，最好 Agent 所处的行业赛道已经建立了比较高的数字化水平；第二，最好是能用自然语言交互的形态兑现服务价值的行业。

其实理论上，垂直领域的 Agent 更适合已有公司的转型，因为他们有业务流，数据流，客户流，以及对此改造的技术能力和重新抽象过一层便宜可用的模型。比如教育公司、心理咨询公司、金融公司。

那当然也有一些值得尝试的新的公司。比如全链条数字化的电商直播 agent、全链条数字化的编程 agent、全链条数字化的游戏 agent 等。

坦率来说。垂直领域的 Agent 应用更容易是中型公司的转型的第二曲线。新赛道有机会，但相对难找，因为大多数公司都缺乏数据和客户的积累。

最后再聊聊 AI 硬件

在上世纪 80 年代的日本，他们做了一件事，把大量机械产品全改成了电子产品。比如把钢琴改成了电子琴（雅马哈），把机械手表改成了电子表（卡西欧），把照相机改成了傻瓜相机。但是日本在那停住了，因为当时没有现在那么多的传感器和芯片，所以没有办法进一步把它们做智能化。

但今天我们中国实现了这一点。中国擅长通过软科技 + 产业链，研发一个新产品，带动新需求，形成新物种，卖向全世界，同时还产生了新数据。我们给吸尘器加了传感器、芯片，让它成为了扫地机器人；我们给车加上了传感器和芯片，让它成为了智能车。

这件事情有几个意义，第一，创造了大量新维度的数据；第二，这是个新需求驱动的新供给，而且符合中国新外贸发展需要；最后，它还能帮忙保持合理的制造业比例，同时促进高效制造和高效芯片传感器的发展。

我们同样来看看历史上的新智能硬件是怎么产生？

以苹果为例，苹果是个之前从来没有过的硬件，但苹果之前有个 iPod，帮他做了铺垫。iPod 之前还有 MP3 帮他铺垫，再往前还有我们的随身听 walkman。这一个整个硬件创新链条才缔造了今天的苹果，苹果不是从天而降的纯创新产品。

另一方面也是用户的使用习惯被逐步教育，才出现了对于更智能的手机的需求。最早的时候，手机主要是为了打电话收短信，顺便在 2010 年刷一刷微博、玩一玩愤怒的小鸟，

再往下才有了今天的微信和抖音。

所以说，新一轮智能硬件的诞生，是技术元件日益成熟和消费者需求成熟共同作用的产物。

我们关注的智能硬件企业主要包括两类，一是在核心技术上有积累的 ToB 企业转型做 ToC 的产品。因为他们 ToB 的积累，使得他们有比较好的软硬件结合能力，以及对传感器和芯片比较好的理解和技术能力。历史上很多 ToC 硬件的核心技术，都是 ToB 产品的快速迭代中被降维应用的技术。第二类企业，是深刻理解消费者需求和新技术趋势的企业，像我们投资的 Aeroband 空气乐队、萌友智能 Ropet、Speediance 速境等。

重新回到刚才的问题，若美国 AI 热度下降，市场情绪会传导到中国市场吗？或者说中国的 AI 应用的发展，能够接棒吗？

其实中国历史上已经证明过不止一次了。

以人脸识别技术为例，2015 年的时候美国是完全领先中国的，大家都认为很难超越，但 2018 年后，中国已经开始领跑全球的顶会顶刊。一个重要的原因就是中国把人脸识别的应用用到了极限。在相当长一段时间里，所有的酒店 check in、所有移动支付的识别、工商变更的识别，没有一处不是用的人脸识别。正是因为有如此多的应用，中国才实现了最终技术创新的超越。2021 年之前，许多人都认为自动驾驶只有特斯拉能行，但今天中国新能源车的普及，以及大规模加装的传感器，自动驾驶的技术与应用到底谁能行，我猜想再过两年，大家会重新给答案。

所以大模型也是一样，当到了 AI 应用爆发的阶段，中国就有机会实现超越。