将投中网设为 " 星标⭐ "，第一时间收获最新推送

投资越不能追逐短期热度，而要在非共识中识别真正能够穿越周期的价值。

来源丨投中网

一家 AI 公司多久没有推出新产品，就可能掉队？

联想集团副总裁、联想创投首席投资官、高级合伙人宋春雨给出的答案是：一个月。

" 一个月没有推出有影响力的东西，可能就已经落后；三个月没有做出来，有可能就接近 game over。"

7 月 28 日至 30 日，以 " 硅基加速 与实共进 " 为主题的联想创投 2026 CVC 创投周在联想总部举行。活动期间，宋春雨接受多家媒体采访。在他看来，AI 已经进入 " 不进则退 " 的竞速时代：模型能力、产品形态和技术路线以月为单位变化，三个月就是一代迭代。

与此同时，行业的下一轮拐点也在接近。宋春雨判断，具身智能的 "ChatGPT 时刻 " 可能在未来 6 — 10 个月出现。但越是在技术加速、路线分化的阶段，投资越不能追逐短期热度，而要在非共识中识别真正能够穿越周期的价值。

▲ 联想集团副总裁、联想创投首席投资官、高级合伙人宋春雨接受媒体采访

一、AI 进入第三轮 Scaling，Token 经济开始重构

在宋春雨的投资框架中，AI 产业的演进始终围绕 Scaling 展开。第一轮是预训练 Scaling，通过扩大参数、数据和算力，提升基础模型的通用能力；第二轮是推理计算 Scaling，模型开始进行更长时间的思考、调用更多工具，完成更复杂的任务；第三轮则是 Agentic 强化学习和经验学习 Scaling，智能体在真实或可验证环境中执行任务、获得反馈，并持续提升能力。

宋春雨认为，当前行业正处于第二轮与第三轮 Scaling 的交汇点。AI Coding 是其中最典型的场景。代码天然具有可验证性，当模型具备代码生成、任务执行和持续修正能力后，智能便能真正进入企业业务流程，转化为可衡量的效率提升。

这也在反向推高推理算力需求。与相对集中的预训练投入不同，生成一段视频、调用一次 Agent 或完成一项代码任务，都会产生实时成本，因此推理对综合性价比更加敏感。

" 当前推理成本仍处于高位，客观上推动了全栈架构优化，也催生了新的创业机会。" 围绕这一趋势，联想创投早已布局推理芯片、新型计算架构和 AI 基础设施等，例如算苗科技、无问芯穹等企业分别从 3D 堆叠和软硬件协同等方向降低推理成本、提升算力效率。

在宋春雨看来，推理时代的产业分工还将进一步细化，从专用推理芯片、推理优化 Infra 到 NeoCloud，各个环节都可能诞生专业玩家。

当下行业热议的 Token 经济，本质上也是推理时代商业模式的探索。无论是按算力收费、以 Model as a Service 交付模型能力，还是按照最终成果付费，核心都指向同一个问题：每一单位算力，究竟能够创造多少实际价值。

宋春雨判断，随着 AI Coding、多模态等场景加速落地，AI 经济模型转正已经出现苗头。未来一至两年，算力供给紧张的状态仍可能持续。

二、AI 应用收敛：三大赛道孕育平台级机会

基础模型不断变强，也在挤压普通应用的生存空间。

过去半年，通用任务编排、Deep Research、通用 Harness 乃至部分通用 AI Coding 能力，正在被基础模型公司快速吸收。模型厂商不再只提供底层 " 发动机 "，而是不断将工具调用、任务规划和应用入口一并内化。

宋春雨给出了一个直接判断：" 简单粗暴一点说，可能有 50% 的应用会被基模吃掉。"

这意味着，在通用模型上叠加一个界面、几个提示词或一层简单工作流，已经很难形成长期壁垒。模型每升级一次，这类应用的价值就可能被压缩一次。

在宋春雨看来，真正能够穿越基础模型 " 射程 " 的应用，需要具备三个特点：完成足够复杂的长程任务，深度进入企业真实业务工作流，并在运行过程中形成互联网公开数据中不存在的原生闭源数据，即 Agentic Data。

例如，AI 短剧并不是简单生成一段视频，而是涉及剧本、人物、分镜、镜头衔接、节奏和审美判断，是一项复杂的长程任务。企业级应用则需要连接内部权限、数据、业务规则和工作流程，基础模型很难直接获得这些隐性 Know-how。

基于这一标准，联想创投将 AI 应用投资方向收敛到三大主线：AI Coding、AI 多模态、AI for Science。在宋春雨看来，这三条赛道最有可能诞生平台级现象级公司。

例如，多模态领域，演语科技旗下的 Liblib 系列产品已跑出全球领先商业体量；面向海外市场的 AI 短剧平台 Doku，从生成工具切入打造内容生态，展现出平台型潜力。AI Coding 领域，言创万物等团队打造一站式 SWE 解决方案，深度切入企业级开发场景。AI for Science 则面向更长期的未来，通过基础模型辅助科研探索，实现从 " 复现技术 " 到 " 发现新知 " 的跨越。

与此同时，AI 应用的投资门槛正在显著提高。

宋春雨透露，联想创投如今重点寻找的创业者，往往是头部科技公司某个核心产品或业务的 " 一号位 "，包括字节、剪映、米哈游等公司的核心业务负责人。

当基础模型不断抬高产品能力的起点，创业公司的竞争力已经不只是 " 懂模型 "，而是能否定义产品、组织团队、理解用户，并将复杂业务从零做到规模化。

三、具身智能：距离 "ChatGPT 时刻 " 还有 6-10 个月

作为当下 AI 领域最火热的赛道，具身智能吸引了大量资本与创业者涌入。但宋春雨给出了冷静判断：目前 90% 以上的具身智能项目，仍停留在 " 深度学习 1.0" 阶段。

" 很多丝滑的演示本质是特定场景的定向微调，换个房间、换张床，机器人就无法完成任务。" 宋春雨直言，这种定制化训练模式不具备泛化性，和传统工业机器人没有本质区别。

真正的具身智能 2.0，应当像 ChatGPT 一样，无需针对单一场景重新训练，就能适配多样化的物理环境与任务。

这正是行业尚未突破的核心门槛。宋春雨透露，目前全球顶尖团队正从不同技术路线攻坚：李飞飞团队从 3D 视觉路径切入，可灵从视频生成与世界模型方向探索，杨立昆走 JEPA 隐空间技术路线，也有团队结合 WAM 模型预测动作序列。

最终路线尚未确定，但宋春雨认为，一些关键苗头已经出现。他甚至给出了一个颇为激进的预测：具身智能的 "ChatGPT 时刻 "，可能在未来 6 至 10 个月出现。

一旦泛化性基础模型被验证，具身智能就不再只是定制化机器人项目，而可能真正成为物理世界的通用智能入口。

基于这一判断，联想创投在具身智能赛道采取 " 全栈布局 + 押注基模 " 策略：从核心部件、本体制造，到具身基础模型，再到行业落地应用均有覆盖，同时重点押注能突破泛化性瓶颈的基础模型团队。" 等范式被验证的那一刻，真正的头部玩家才会真正跑出来。"

四、非共识与长期主义：CVC2.0 的穿越周期之道

从 2016 年成立至今，联想创投已走过十年。累计投资 330 余家科技企业，收获 26 家 IPO，培育出 8 家市值超 2000 亿的上市公司——这份成绩单的背后，是 " 投早、投小、投科技 " 的长期坚持，也是在非共识中下注的投资勇气。

宋春雨将联想创投的投资方式形容为 " 狙击手 " 逻辑。" 我们不是机关枪式投资，而是在每个赛道中优中选优，只选择一到两个最有潜力的标的。" 在他看来，真正的超额回报往往来自共识形成之前，投资机构既要敢于在非共识中下注，也要保持足够严格的筛选纪律。

同时，宋春雨并不讳言投资中的复盘与修正。投资智谱，正是这种 " 非共识 " 的一次典型体现。

2023 年，国内基础模型创业潮爆发，多家公司短时间内连续融资。联想创投最初保持谨慎，几乎没有跟随市场进行覆盖式下注，团队也一度反思，是否对基础模型公司的要求过于严格。后来，随着 DeepSeek 快速崛起，智谱一度进入阶段性的 " 至暗时刻 "，外部融资环境明显承压。

但宋春雨与团队最终判断，基础模型不是 " 一战定胜负 " 的行业。只要仍在核心牌桌上，领先与落后就会持续转换。最终推动他们投资智谱的，是三个判断：团队具备足够高的人才密度；仍然拥有持续追赶前沿模型的能力；以及其坚持 To B 和产业化路线，在大模型进入千行百业的过程中具有差异化价值。

这笔投资后来带来了显著回报。但比结果更重要的是，它来自对原有方法论的修正。

作为产业 CVC，联想创投的核心优势不止于资本。宋春雨将其总结为 CVC2.0 的双向赋能：一方面，依托联想集团的供应链、研发、渠道、全球化资源，通过火种计划、光明计划、创新加速器三大生态计划，为被投企业提供从概念验证、量产到市场拓展的全链路支持；另一方面，被投企业的创新技术也会反哺联想集团的产品升级，形成双向成长的生态闭环。钛方科技便是其中一个案例。其弹性波技术通过联合研发和产品验证，被应用于联想 PC 触控板，随后进一步拓展至新能源汽车等产业场景。

采访最后，谈及下一个十年的投资方向，宋春雨表示，联想创投仍将坚守 " 科技瞭望塔 " 的定位，沿着硅基智能全产业链持续深耕。从下一代基础模型、推理算力架构，到具身智能、AI for Science，再到可控核聚变、量子计算等未来科技，所有能够定义下一代基础设施的技术，都是重点布局方向。

"AI 是第四次工业革命的核心，它的进化速度超过了历史上任何一次技术革命。" 宋春雨表示，在以 " 月 " 为迭代单位的赛道里，短期热度与喧嚣都不重要，真正重要的是识别技术演进的底层脉络，在非共识中找到正确方向，做创业者长期的同行者。联想创投走过的十年，正是这句话最好的注脚。

随手点赞，戳个在看▼