[智能应用]大模型三个月一迭代，没有永远的王者 [复制链接]

【导读】对话启明创投：大模型三个月一迭代，没有永远的王者
中国基金报记者 莫琳
启明创投从2013年左右开始投AI，投得早，也投得多。十年过去，他们在百模大战、大模型融资潮、具身智能炒作的海浪里仍维持着一个稳健VC的姿势：步伐不疾，但总能接住浪头。
在2025WAIC（世界人工智能大会）前夕，启明创投主管合伙人周志峰和执行董事胡奇向外界释放了一个信号：AI投资正在从“盲人摸象”式的早期探索，转向更具战略性和系统性的布局。这不仅是投资策略的转变，更是一场关于“AI如何落地”的深度思考。
大模型：三个月换一代，没有永远的王者
“现在任何大模型在基准测试榜上的领先优势不会超过三个月，这几家会呈现你追我赶、交替上升的竞争态势。”周志峰分析道。
在他看来，大模型公司之间的技术演进本质上是一场不断轮动的赛跑。“一个模型刚刚突破性能，三个月后就可能被超越。”大家在同一个成本下降曲线上竞速，从“可用”进化到“好用”，但尚未跨入“标志性应用”的门槛。
周志峰预测，AI+内容是近期最有可能出现“超级AI应用”的地方。“生成式AI天然适合内容生成，可能颠覆传统互联网的连接模式，带来范式转移，这正是超级AI可能出现的地方。我们已布局一些企业，但谁能成下一个‘字节跳动’，现在还不好说。”
具身智能：人类的浪漫，创业者的执念
过去两年，国内新成立的具身智能公司已超过100家。哪怕这个赛道已经“打满”，启明创投AI投资团队每周仍然能收到几份新的创业BP。周志峰曾反复询问创业者：“为什么还要下场？”得到的回答竟出奇一致：因为“机器人是人类基因中的梦想”。
在他们看来，具身智能与人类的连接，是情感层面的终极技术形态。创业者们并非不知道难度，只是“太想实现它了”。
然而，热爱不能代替现实。启明创投是优必选、银河通用、它石智航、原力灵机等公司的早期投资方。周志峰非常清楚，机器人要想实现大规模商业化，还有不少“拦路虎”。
例如，一个常被忽视的问题是“节拍”，机器人执行动作的速率远低于人类，要想提升效率，就得增加极高扭矩的关节电机，而这面临巨大的工程难度和成本问题；机器人缺乏像大模型那样海量高质量的训练数据，限制了其泛化能力，更别提家庭场景那一关。“恐怖谷效应”还没解决，安全性、性价比都撑不起普及的基础。
启明创投判断，智能机器人将率先在拣选、搬运、组装等场景实现规模化部署，积累大量机器人第一视角数据与带触觉的操作数据，进而构建“模型—本体—场景数据”的闭环飞轮。这一飞轮将驱动模型能力迭代，最终推动通用机器人迈向大规模落地。
AI应用：超级应用仍在等“天时”
对于“超级AI应用”，启明创投的态度依旧理性、克制。
“我们认为超级AI应用在逻辑上是可以出现了，但还没看到具体的企业。”周志峰直言。
周志峰解释道，过去的大模型成本高得离谱，一个普通用户一天推理就可能“烧掉”几百元；要真有亿级日活的平台，一天的成本就是天文数字。但现在情况变了，从DeepSeek到谷歌最新的模型，推理成本正快速下降。与此同时，模型能力也在快速进化，从“可用”进入“好用”，在逻辑推理、任务分解、语义理解上的表现越来越接近人类。
因此，超级应用的技术土壤已经具备，就差一个契机：哪个领域率先让AI变成刚需？哪个场景能容纳亿级用户每天反复使用？哪个产品真正打破了平台与用户旧的边界？
投资判断：什么是真需求？
在喧闹的市场里，什么才算“真机会”？
胡奇说：“很多产品是被‘喊’出来的，而不是‘长’出来的。被‘喊’出来的产品，一篇公众号文章能让投资人一身汗，生怕错过。但三个月过去，这些企业该见的人见完了，数据还是没交出来，最终不了了之。”
“但‘长’出来的产品，有实实在在的数据。”他说，“真正靠谱的AI项目，不用炒，老板会问你：‘我看那家公司收入都过亿了，你们看过吗？’这才是真需求。”
这也是启明创投判断真需求的一个标准——交不出数字，讲得再好都不行。
在他们看来，如果你今天用Agent解决了某个高频任务，并实现了结果导向的交付，那就是真需求。但如果只是“调度能力”或“API调用能力”的新包装，还没有跑出结果，那就未必值得投资。
相较竞争格局日渐明晰的基础模型和语言模型领域，胡奇会关注其他模态的小模型。“像AI for Science、AI安全，以及一些偏冷门的小模态模型，有可能在未来三五年里走出真正的爆点。”他说。
“投资，当然要逐浪而行，但前提是你必须有自己的方法论，把噪声过滤掉。我们会判断：这项技术是否到了商业化的转折点？哪种团队基因在当前阶段最有可能成功？只有想清楚这些，才能在别人因为‘错失恐惧症’而焦虑时，我们能笃定地出手。”周志峰说。

对话启明创投：大模型三个月一迭代，没有永远的王者

启明创投作为一家在AI领域投资较早且广泛的风投机构，其观点和策略对于理解当前AI行业的发展趋势具有重要参考价值。以下是对启明创投主管合伙人周志峰和执行董事胡奇在2025WAIC前夕分享的几点关键内容的深入解读：

1. 大模型的快速迭代与竞争态势

三个月换一代
- 技术演进：大模型的技术演进速度非常快，任何大模型在基准测试榜上的领先优势不会超过三个月。这意味着大模型公司之间的竞争非常激烈，技术突破和性能提升几乎是持续不断的。
- 成本下降：随着技术的进步，大模型的成本也在快速下降。从“可用”到“好用”的转变，使得大模型的应用场景越来越广泛。

AI+内容
- 超级AI应用：周志峰预测，AI+内容是近期最有可能出现“超级AI应用”的地方。生成式AI天然适合内容生成，可能颠覆传统互联网的连接模式，带来范式转移。
- 布局企业：启明创投已经布局了一些企业，但谁能成为下一个“字节跳动”还不好说。

2. 具身智能的挑战与机遇

人类的浪漫
- 创业者的执念：过去两年，国内新成立的具身智能公司已超过100家。创业者们认为，具身智能与人类的连接是情感层面的终极技术形态。
- 大规模商业化：然而，机器人要想实现大规模商业化，还面临许多挑战。例如，“节拍”问题、极高扭矩的关节电机的工程难度和成本问题、缺乏高质量的训练数据等。

闭环飞轮
- 规模化部署：启明创投判断，智能机器人将率先在拣选、搬运、组装等场景实现规模化部署，积累大量机器人第一视角数据与带触觉的操作数据。
- 模型能力迭代：这一飞轮将驱动模型能力迭代，最终推动通用机器人迈向大规模落地。

3. 超级AI应用的“天时”

理性与克制
- 技术土壤：超级应用的技术土壤已经具备，推理成本正在快速下降，模型能力也在快速进化。
- 契机：超级应用的出现还需要一个契机，即哪个领域率先让AI变成刚需？哪个场景能容纳亿级用户每天反复使用？哪个产品真正打破了平台与用户旧的边界？

4. 投资判断：什么是真需求？

真机会
- 被“喊”出来的产品：很多产品是被“喊”出来的，而不是“长”出来的。这些产品往往在短期内吸引大量关注，但最终无法交出实际数据。
- 有实实在在的数据：真正靠谱的AI项目，不用炒，老板会问你：“我看那家公司收入都过亿了，你们看过吗？”这才是真需求。

其他模态的小模型
- 关注其他模态：相较竞争格局日渐明晰的基础模型和语言模型领域，胡奇会关注其他模态的小模型，如AI for Science、AI安全等。
- 商业化的转折点：投资的前提是判断这项技术是否到了商业化的转折点，哪种团队基因在当前阶段最有可能成功。

结语

启明创投的观点为我们提供了一个全面且深入的视角，帮助我们理解当前AI行业的发展趋势和投资策略。无论是大模型的快速迭代、具身智能的挑战与机遇，还是超级AI应用的“天时”，都值得我们持续关注和深入思考。

大模型迭代加速与竞争格局：技术竞速与市场动态分析
大模型迭代周期缩短，技术竞争进入白热化阶段
“三个月一代”成为行业常态：启明创投周志峰指出，当前大模型在基准测试榜上的领先优势通常不超过三个月，头部企业呈现“你追我赶、交替上升”的态势1。例如，阿里云通义千问通过“周级迭代”快速推出三款新模型，其中千问3推理模型比肩Gemini 2.5 Pro等闭源模型，并斩获开源领域冠军25。
迭代模式从“规模驱动”转向“效率优化”：受算力和数据瓶颈制约，主流大模型厂商逐渐告别参数规模竞赛，转向推理能力提升。例如，xAI的Grok4通过多智能体协作机制优化推理效率，其训练依托20万张H100集群，计算资源较前代提升100倍3。
头部厂商竞争策略分化，开源与闭源路径并行
国产模型加速追赶：阿里云千问API调用量三天突破1000亿Tokens，热度超越GPT、Claude等国际模型，反映出开源策略对开发者生态的快速渗透2。此外，DeepSeek、月之暗面等厂商通过高频次版本更新（如Kimi K2开源模型）争夺市场份额3。
国际巨头节奏放缓但技术底蕴深厚：OpenAI的GPT-5迭代多次延期，Anthropic从Claude 3到Claude 4间隔11个月，代际升级周期延长3。但这类企业更注重核心能力突破，例如Anthropic称Claude 4在特定任务中可达到“博士级别”智能3。
商业化落地仍存挑战，“标志性应用”尚未出现
技术成熟度与成本制约普及：尽管大模型从“可用”进化到“好用”，但推理成本、场景适配性仍是瓶颈。启明创投指出，过去普通用户单日推理成本高达数百元，虽当前成本快速下降，但亿级日活场景的商业化仍需突破
垂直领域成为突破口：具身智能、工业质检等场景率先落地。例如，海雀智能摄像头接入大模型后实现“视觉+听觉+交互”一体化，而优必选等机器人企业正通过拣选、搬运等场景积累操作数据，推动“模型-本体-数据”闭环迭代14。
未来展望：技术飞轮与行业洗牌并存
“没有永远的王者”：启明创投强调，大模型竞争本质是“成本下降曲线+工程化能力”的综合较量，企业需持续平衡技术迭代与商业化节奏1。
通用人工智能（AGI）仍需长期投入：Meta计划投资数百亿美元建设超级集群数据中心，并通过收购Scale AI强化数据标注能力，反映出头部企业对长期技术壁垒的布局3。
综上，大模型行业正处于“技术快速迭代与商业价值验证”的交织期，企业需在开源生态、场景落地、成本控制等维度构建差异化优势，方能在激烈竞争中占据主动。