什么样的 AGI 创业者更容易获得资本青睐？

投人，仍是现阶段 AGI 领域早期投资最真实的投资逻辑之一。

如果，暂时还没有超低成本的获得用户或者客户的变局，商业上比拼的就是低成本的资金，明星创业者和大厂就更有阶段性优势。如果，当前模型能力还未定性，做出产品 PMF 仍有不确定性，持续融资能力就是投资机构考核创业者的隐性标准，「天才青年创业者密度」就比「故事」、「逻辑」、「产品」更打动投资人。

这一观点我们在《2024 年，中国的投资人们如何投 AI？》《Q1 AGI 融资万字盘点：单笔最高 30 亿、PMF 海外已跑通、资本军备竞赛已开启》两篇文章中，通过访谈、融资数据两种不同的视角进行过拆解。

如果投人是这个阶段最真实的投资策略，那么什么样的创始人更容易获得资本的青睐？这个话题也成为很多创业者关心的话题。围绕这个问题，我们也邀请了六位我们的投资人朋友，进行了针对性的解读。

01. 王啸 九合创投 创始人

02. 刘博 清流资本合伙人

03. 张津剑 绿洲资本创始合伙人

04. 杨孟彤 Atom Capital 创始合伙人

05. 白则人 线性资本 投资副总裁

06. 炊文伟 BV 百度风投高级投资经理

07. 李远远 小苗朗程高级投资经理

Founders Summary

从他们的分享中，我们不难看出：

1. 「AI-Native」的团队、国际化视野、快速迭代能力都是对创业者的硬性要求，持续的融资能力是投资机构考核创业者的隐形标准。

2. 创业公司与老玩家的机会对比、明星创业者与非明星创业者之间的竞争力对比，成为不少投资机构开始思考的问题，这可能也在一定程度上会影响投资人的后续投资倾向。

3. 技术工程化→产品化→商业化，是创业者必须解决的三道难题，也是投资机构关注的重要问题。背后则是，产品或服务是否能够满足市场需求，以及公司是否有清晰的商业模式和盈利能力，技术、产品、商业化几个环节是否有足够的壁垒。

4. 当前早期资本市场上对创业公司资本价值的非共识，主要由人才密度、PMF、商业化的不可能三角引起的。当前，市场上很少有同时具备高技术壁垒、产品已经验证了持续增长和收入、已经获得大额订单和者高利润订单的项目。因此，不同体量、不同 LP 的基金会做出不同的取舍，也造成了市场上不同投资人的不同投资逻辑。

01

核心观点：

1. 是否有比较高的技术壁垒、能否解决核心问题、团队能否创造真实的价值、市场天花板有多高等。

2. 如果项目短期内无法自造血，那么团队就要具备比较强的融资能力。

3. 格局大的创始人能把不同背景的人聚在一起。

Q1：如果投AI相关公司，会重点投什么轮次和阶段？你的投资标准里包括了哪些必备条件？

王啸： 我们投资天使轮、Pre-A 和 A 轮的项目，超过 80% 的项目中，我们都是第一轮投资人。

九合的投资标准包括：是否有比较高的技术壁垒、能否解决核心问题、团队能否创造真实的价值、市场天花板有多高等。

在目前的外部环境下，我们也会更注重考察项目的生存能力。如果项目短期内无法自造血，那么团队就要具备比较强的融资能力。

Q2：如果投AI相关公司，最看重哪些创业者的特质？

王啸：创始人要对 AI 和场景都有足够的理解，对事情有前瞻判断，既懂 AI 技术，又有很好的行业洞察，具备解决问题的能力。对人方面，要有格局，格局大的创始人能把不同背景的人聚在一起，补齐团队的短板，并妥当的处理利益问题。另外，对自己有不断迭代进步的方法论，有非常强的韧性和学习能力。

Q3：近期最打动你的一个创业者是谁？他有哪些特质特别打动你？

王啸：在 AI 领域，一流科技的袁进辉是一位很有特点的创业者，对 AI 技术有很深刻的理解，他在 2017 年创立的一流科技，是全球唯一一家以创业团队身份研发通用深度学习框架的初创公司，当时就预判未来的深度学习模型会变得非常大。一流科技被光年之外收购后，他又重新创业，始终保持初心，并且敢于挑战难而重要的事。

探迹科技创始人黎展也是一位勇于向高难度挑战的创业者。中国的企业服务并不好做，黎展选择从企业刚需的痛点「获客」切入，帮助企业高效获取销售线索，降低获客成本。同时对技术有极致的追求，2023 年推出了业内首个大模型智能销售 SaaS 产品「探迹 SalesGPT」。一路走来，黎展坚持在 To B 领域创造价值，带领探迹发展为中国智能销售领域的佼佼者。

02

核心观点：

1. 项目针对的应用场景市场空间是否足够、CEO 能力带和性格与项目的适配、项目取得融资后半年内的规划是否合理。

2. 有时候击垮一个项目的，并不是外界条件或者一个失误的决策，而是 CEO 的性格软肋。

3. 在驾驶领域能推高到一个怎样的智能状态也是我们对于世界模型应用效果的一个重要观察点。

Q1：如果投AI相关公司，会重点投什么轮次和阶段？你的投资标准里包括了哪些必备条件？

刘博：AI 目前我们主要关注早期投资（天使到 A 轮）。作为早期项目，项目针对的应用场景市场空间是否足够、CEO能力带和性格与项目的适配、项目取得融资后半年内的规划是否合理都是我们考量项目的标准。

Q2：如果投AI相关公司，最看重哪些创业者的特质？

刘博：如果我们判断项目是以技术取胜的类型，那么创始团队在技术圈里人才的号召力就很重要；如果判断是需要在应用端以运营能力作为优势的话，CEO对于用户体验观察，判断出的切入点以及后续产品迭代的推演逻辑就很重要。

除了能力特点，CEO 创业的韧性非常重要，有时候击垮一个项目的并不是外界条件或者一个失误的决策，而是 CEO 的性格软肋。

Q3：2024 年 Q1，你关注最多的一个AI的产品/公司是什么？

刘博：特斯拉端到端自动驾驶模型的进展。因为驾驶是目前 AI 领域里场景上相对来说有最明确检验标准（安全、成本、稳定）且一旦实现（即便不到 L4 的状态）非常有价值的巨型场景。文生图、文生视频和语言模型目前仍旧在「什么会是 AI 时代的 killer 应用」这个问题上打转。

在特斯拉试图解决的端到端自动驾驶模型中，世界模型对于未来场景的生成能力结合驾驶决策的算法，对于 coner case 也许会有更大的预测能力。在驾驶领域能推高到一个怎样的智能状态也是我们对于世界模型应用效果的一个重要观察点。

Q4：2024 年 Q1，你思考最多的一个AI相关的问题是什么？

刘博：人形机器人最初推向市场的定位到底应该针对「替人」的场景还是「替机器」的场景？我们推演过许多场景，纯粹替人出于目前技术的发展限制，很少有可以在 2-3 年内批量铺开的场景，但作为「机器的升级」却有可能有许多场景可以尝试，这或许和 LLM 推出后，SaaS 产品都被升级是类似逻辑。

由于人形机器人执行任务需要解决的问题更加的复杂和跨界，那么收敛所需要执行任务的广度是不是一种加速进化的选择？

03

核心观点：

1. AI 是一场社会变革，而不是一次技术变革。

2. AI 不是一个独立的科技，而是整个科技变革的一个切面。

Q1：最近最打动你的一个创业者是谁？他有哪些特质特别打动你？

张津剑：我觉得最打动我的是 MiniMax 的闫俊杰。2022 年，GPT 还未被世人所知，大家还没关注到这个领域的时候，他就看到了这件事无限的可能性，并坚定地开始向这个方向创业，我觉得他的战略能力和洞察力都相当厉害。之后，大模型火了，当大家都暴露在聚光灯下，都渴望去表达，去被发现、被肯定的情况下，他却在探索真实的可行性，在坚持做产品。这就是他身上的展现出的定力，以及对 AI 本身的相信，是最打动我们的两个方面。

Q2：2024 年 Q1，你思考最多的一个AI相关的问题是什么？

张津剑：我们一直在思考的问题是，我们认为 AI 是一场社会变革，而不是一次技术变革。所以我们在关注得更多的是 AI 革命可会在社会层面上带来哪些巨大变化，尤其是对教育、对医疗和对未来其他生活方式的影响。

我们越来越觉得 AI 不是一个独立的科技，而是整个科技变革的一个切面。如果没有 AI 的发展，AR、VR 的内容就会受到很大的限制，如果没有区块链技术的发展，那对 AI 未来真实性也会产生很大影响。所以它是整个大科技浪潮的一个折射。

04

核心观点：

1. AI 落地应用中的一个全新趋势：从大模型向复合人工智能系统的迁移。

2. 这一轮 AI 并非没有 PMF，只是目前很多 PMF 是在大厂内部落地。

3. 2024 年会是「多模态大模型之年」。

Q1：2024 年 Q1，你思考最多的一个AI相关的问题是什么？

Melissa：Q1 思考最多的一个问题是 AI 的落地节奏——如何将大模型 demo 的各种能力落地到生产环境、产生真正的商业价值。我们观察到，从去年下半年开始，海内外的 AI 早期投资都阶段性地放缓。AI 的落地速度极大地影响着创业公司的机会、发展节奏和战略判断，作为一家早期投资机构，我们需要提前预判做好布局。

对于这个问题，我们尤其关心以下几个方面：

• 底层大模型的推理能力。这是目前 Automonous Agent 的瓶颈。GPT-5 的推理能力能够提升到什么高度？
• Agent 的 memory 结构。未来 AI 个性化依靠 Memory，Memory 的实现会加速应用的落地。
• 开源模型和国内大模型的发展速度。他们什么时候可以具备 GPT-4 的能力？近期 Databricks 最新推出的 DBRX 超过 Llama2 成为最强大的开源模型，接近 GPT-4。今年底，开源和国内大模型达
• 到 GPT-4 水平是可期待的。

分享下我们最近观察到的现象：

• 这一轮 AI 并非没有 PMF，只是目前很多 PMF 是在大厂内部落地。我们跟海内外互联网大厂的同事交流，发现他们在内部业务中有效果很好的落地案例。但由于是应用在内部降本提效，并没有以产品或者服务的形式向外界提供，因而不被外部所知。大厂的实践证明了 AI 的商业价值，随着技术成熟和大模型成本下降，一定会逐步外扩惠及更多的企业和消费者。

• 我们观察到了 AI 落地应用中的一个全新趋势：从大模型向复合人工智能系统的迁移。去年人们关注的焦点一直是大模型的能力，但很明显，目前仅凭大模型是不够的。现阶段大模型提供了一个足够「智能」的底座，落地需要把大模型跟不同技术组合使用，构建出一个复合人工智能系统来调度大模型，从而满足需求获得最佳性能。我们认为，越来越多的公司会使用复合人工智能系统来提升 AI 应用质量和可靠性，加速落地，这可能是 2024 年 AI 最重要趋势之一。

Q2：2024 年 Q1，你关注最多的一个AI的产品/公司是什么？

Melissa：Q1 最关注产品的是 OpenAI 的 Sora，最打动的地方在于它进一步展示了多模态大模型的可能性。

如果说 2023 是「大语言模型之年」，我们相信 2024 年会是「多模态大模型之年」。随着视觉模态的引入，我们预计大模型的智能会再上一个台阶，一方面因为视觉在某些方面对信息的抽象能力更强，大模型与人类互动的带宽大了很多；另一方面，视觉模态引入了时间维度，从而可以把许多因果逻辑自然地给到大模型。这将提升大模型对物理世界的认知，从而提升它的推理能力。今年我们会非常关注利用大模型多模态能力撬动新场景/新交互的应用。

我们对于 Sora 的背后，有不少问题想去了解。比如，Sora 的物理模型和视觉的能力边界在哪里、怎么让生成的输出视频更可控、可交互、对比基于大语言模型的应用，它们效果好，原因之一是有 RAG 等一套机制来辅助，但这在视觉领域还没有。Demo 惊艳，可能离落地还有距离。

Q3：最近最打动你的一个创业者是谁？他有哪些特质特别打动你？

Melissa：我们接触过很多创业者，其中有几位让人印象深刻。

比如我们去年投资的一位创业者，做大模型安全领域。我们认为，未来随着大模型能力不断增强、应用逐步普及，大模型安全有很大的潜在市场。而它的创业门槛很高，要求对 AI 和安全都有经验。这样的团队很稀缺，而这位创业者恰好在这两个领域有很深的经验积累和洞察，知道行业内最核心要解决的问题是什么；同时清楚安全「出圈」到大模型这个新的赛道，应该如何用新一代的技术去落地为切实可行的产品。

在跟他接触过程中，发现他学习得很快，能够根据市场的需求和反馈，迅速抓住关键点，及时调整方向，很好地把握住公司的发展节奏以及每个阶段的核心。他的行业经验和洞察、快速学习以及战略能力，是我们特别欣赏的。而这些素质也在其他优秀的创业者上有所体现。

Q4：如果投AI相关公司，会重点投什么轮次和阶段？你的投资标准里包括了哪些必备条件？

Melissa：我们基金重点投资早期阶段（A 轮之前）的创业公司。我们的投资标准包含 2 个必备条件：一是对大模型有一定了解的新一代 AI native 团队，二是对要解决的问题/场景有清晰的认知，能够最大化利用好大模型的能力去解决问题。

创业本身要回答「如何解决谁的什么问题」。这需要创始人对领域有深刻的洞察，能够发现其中长期未解决的核心问题是什么，用好新的 AI 技术去解决。把这个问题想清楚了，公司的长期目标、商业价值以及产品的形态和发展路径也就清晰了。

Q5：如果投AI相关公司，最看重哪些创业者的特质？

Melissa：我们最看重创业者的几个特质：

• 快速学习能力。目前大模型和应用都处在非常早期，有很大不确定性，创始人要足够敏锐和灵活，根据技术和行业的变化及时调整思路。

• 战略能力。在市场快速变化的阶段，创始人定方向、抓重点的能力非常重要，要分清哪些是真正有长期价值、值得大资源投入的机会，哪些只是短期的诱惑，需要舍弃。

• 创新能力。这里的创新源自两个方面。一是思路的创新，think out of the box。这一次大模型带来的是颠覆式的技术变革，需要创业者站在全新的技术栈上去思考如何用新的方式去解决问题、去撬动一些全新的场景。新技术从来都是从边缘市场/群体中发展起来，逐渐成为新的主流，在这个新旧技术交替的阶段，敢于打破常规是创业者非常重要的能力。二是「跨界」的能力。新一代的颠覆性技术，让之前的很多无解成为可能。勇于探索交叉领域，用新技术新方法创造性地解决问题，会有很多新的机会。这里跨界的能力非常重要。

05

核心观点：

1. 智能变为可流动可规模化的资产，使得原有商业模式从「算人头」变为 SaaS 化。

2. 因为 AI 的存在，交互的形式有了新的变化的可能，这个变化可能加速原有场景被重做一遍的过程。

3. 希望创始团队第一天就能有全球视野。

Q1：2024 年 Q1，你思考最多的一个AI相关的问题是什么？

白则人：思考最多的问题是有哪些场景能与 AI 产生「化学反应」，因 AI 的加持而有机会跃迁到更有潜力的阶段。比如可能成为新的入口、或者因为使用门槛的大幅下降使得用户基数成数量级的增加、又或者因为智能变为可流动可规模化的资产而使得原有商业模式从「算人头」变为 SaaS 化等等。

因为这类质变极有可能带来巨大的商业价值。

我们目前其实看到了一些令人振奋的潜在机会，也在积极的寻找能主导这些变化的创业者们。

Q2：2024 年 Q1，你关注最多的一个AI的产品/公司是什么？

白则人：我其实很早之前就在关注 Arc 这个产品，远在今年 Q1 之前。我自己也是 Arc 的深度用户，在看到这个产品之前，很难想象浏览器可以做出多不一样的体验。但它就是用各种产品设计上的细节和小心思把浏览器这个存在已久的产品体验提高到了极致。

今天它也在积极与 AI 结合，创造 AI-Native 的浏览器新体验。我之所以持续关注 Arc 一方面因为浏览器作为互联网信息呈现载体，是一个相当重要的入口级场景。

另外也因为 Arc 给我带来了很大启示，就算没有 AI，很多产品其实都做得不够好，哪怕是在那些我们习以为常的场景下。今天因为 AI 的存在，交互的形式有了新的变化的可能，这个变化可能加速原有场景被重做一遍的过程。

Q3：如果投AI相关公司，会重点投什么轮次和阶段？你的投资标准里包括了哪些必备条件？

白则人：我们重点投资天使轮及前后轮次的 AI 创业项目，甚至会早到每笔 50 万美金左右的极早期轮次。我们希望能在很早期挖掘和支持那些有趣、有想法、有行动力的创业团队。今天新的 AI 应用有很多可能落地的场景，所以我们会用很开放的心态去和不同类型的创业者碰撞，投资标准也会因此而产生变化。如果说有必备条件，那就是希望创始团队第一天就能有全球视野。

Q4：如果投 AI 相关公司，最看重哪些创业者的特质？

白则人：首先希望团队的动作要足够快，这不仅体现在开发速度上，还体现在，在今天AI技术与生态快速变化的大环境下，团队的快速适应能力，以及快准狠地抓住机会的能力。

另外我们也很期待有极强的产品 sense 的团队，他们对用户需求的深刻与持续的洞察是让产品建立长期壁垒的重要前提。

Q5：近期最打动你的一个创业者是谁？他有哪些特质特别打动你？

白则人：最打动我的创业者是我在线性投资的第一个项目「爱科农」的创始人郭博士。

打动我的这个特质挺纯粹的，就是真诚，对技术的真诚、对创业的真诚、对客户的真诚，无他。

06

核心观点：

1. AI 的目标在 B 端不是降本增效，而是增收。

2. 一些 AI+的机会是老厂商的机会，不是创业者的机会。

3. 距离人越近的领域，越难讲清楚 AI 的增量价值。

Q1：2024 年 Q1，你思考最多的一个AI相关的问题是什么？

炊文伟：我一直在思考的是 AI 和人从经济发展和社会发展两个融合的角度，哪些领域更适合 AI 做，哪些领域更适合人类做。因为 AI 是人类模仿人类智能构建的新的智能体，是一类区别于我们人类的智能体，也是从智力水平上能在一些领域可以媲美甚至超过人类的智能体。

那么此时整个社会中同时拥有 14 亿人类和很多潜在的新的智能体，如何一起协同促进经济生产力发展的同时，不引发过多的社会发展问题，使其两方找到更适合彼此的位置，实现「机器有机器的用处，人有人的用处」，将是非常影响 AI 在 B 端产业落地的一个深层次问题。

我最近的一些感触是：

1. AI 的目标在 B 端不是降本增效，而是增收。因为引入 AI 首先是增本，在当前的时间段里 AI 依然还很贵。所以在企业拥抱 AI 时，首先需要计算市场、产品、研发和组织的综合账，需要非常细节的去调研市场预期及触达路径，然后去优先解决在未来 3-5 年的综合市场容量更大、AI 是最优解决方案的领域。

2. 一些AI+的机会是老厂商的机会，不是创业者的机会，创业者需要敬畏老厂商的积累，然后在新的市场去竞争，避免以自己拿着年薪 50-100 万的人力成本去解决实际只需要 10-30 万的人力成本的场景问题，这 ROI 很难打平。

3. 距离人越近的领域，越难讲清楚AI的增量价值，距离人越远的领域，AI 的价值感知度越好判断。

Q2：2024 年 Q1，你关注最多的一个AI的产品/公司是什么？

炊文伟：我最关注的是阶跃星辰，是一家 Foundation Model 公司。他最打动我的是他们的创始团队 Day1 开始对于 AI 的理解就横跨了 AI1.0 时期在计算机视觉领域和 AI2.0 时期在 NLP 领域的深度理解，其会帮助其更好的去决策AI 2.0 时代如何兼顾感知智能和认知智能，然后在多模态的理解和生成的大和统一上提出更底层的原创模型，期望他能够在未来持续引领中国 AI 的发展。

我另外关注的是及云智能，是一家 AI+能源公司。他最打动的是创始团队在 AI、软件、硬件、芯片、能源领域的综合能力。很多人调侃 AI 的尽头是能源，我不这么认为，我认为AI+能源，本质是信息和能量如何以最优状态实现彼此结构相变的过程。能源的全生产要素效率提升，既需要机理模型也需要数据驱动的 AI 模型。AI 的全生产要素效率提升，则需要在训练和推理的不同环节，最佳的应用电力和算力，去提供最低的训练和推理成本，以利于 B 端 Application 的真正低成本落地。这个过程中，AI 本身在辅助能源提高利用效率，能源也在帮助 AI 提高信息结构转换效率。

Q3：如果投AI相关公司，会重点投什么轮次和阶段？你的投资标准里包括了哪些必备条件？

炊文伟：目前我主要关注 AI 在 B 端的投资机会，会重点关注两个条件，一个是创业者选择的是否是战略新兴产业或未来产业，这代表创业者和老的厂商是否是在新的同一起跑线去思考如何综合的应用新技术去解决国家战略发展和产业发展遇到的问题。

另一个是创业者是否尊重商业的本质，这代表创业者从 Day1 就会关注市场、商业模式、技术、产品、组织之间的复杂系统关系，以「多方盈利」的思维模式去构建企业运作的闭环。

Q4：如果投AI相关公司，最看重哪些创业者的特质？

炊文伟：我主要会关注创业者的两个特质，一个是关注创始人的 Vision，创业是一个非常长周期的事情，创始人的 Vision 将决定其在收到创业路途中不同的正向或负向反馈时如何做出进一步的调整和决策。

另一个是关注创始人的产品定义能力，无论是做 Foundation Model 或是 Application 或是 Hardware，皆需要创始人能够洞察到值得投入的大市场/趋势市场、能够洞察到客户众多需求中的本质需求、能够识别 AI 是否是解决此需求的最优解决方案，然后基于以上三点定义产品的能力。

Q5：近期最打动你的一个创业者是谁？他有哪些特质特别打动你？

炊文伟：印奇是之前我老东家旷视的 CEO，在旷视的 6 年时间里，他和我们一起经历了 2017-2019 资金、AI 技术和市场的蜜月期，也经历了 2020-2023 的冰封期。这个过程中，Inch 保持着非常平静的状态来面对遇到的顺利也好、挑战也罢。旷视已经是创立超过 12 年的创业企业，这段创业历程对于创业者本身来说是一个身心皆非常大挑战的过程，普通人可能很难熬过去这段历程。

07

核心观点：

1. C 端场景的 AI 应用，要么大成，要么不成。

2. B 端，更多是 SaaS+AI，而不是 AI+SaaS。

3. 在当前的商务环境，有大额订单、现金流好和产品自身有极强技术壁垒，有可能就是一个不可能三角。

Q1：如果投AI相关公司，会重点投什么轮次和阶段？你的投资标准里包括了哪些必备条件？

李远远：今年春天，我们 AI 投资团队两次来硅谷学习，和硅谷的基金、创业者交流。一方面是为了提升自己的认知，之后更好地指导投资实践（现在的情况是不作为会焦虑，投资了也有可能更焦虑）；另一方面也是希望能够广泛地和世界连接，之后也把认知开源出来分享给我们的朋友、我们的被投企业。在不断的交流中，也碰撞出了一些认知。我们的一些初步结论是：

• C 端场景的 AI 应用，要么大成，要么不成，潜在成功的创始人要懂得人性、懂得其所在的市场，可持续地不断打人性中的高频需求；

• B 端，更多是 SaaS+AI，而不是 AI+SaaS，这也是这几天硅谷的朋友不断地给我们讲的，他们不会说「上一代 AI、下一代 AI」，而比较常提「生成式 AI」。除非在某些大模型接入后表现特别出类拔萃的领域（而且用更多的数据就更能验证 scaling law)，比如高拟人对话、高质量图片/视频生成，创业公司的横空出世对之前的头部企业造成打击，大多数 SaaS 企业都还是有机会通过大模型提升自己的能力；

• B 端客户需求有需要高稳定、高一致、降本增效提质的特点，现在大多 to B 的 AI 应用讲的故事，还是以替代人工或者是消除模型幻觉为核心的。但是在有的行业，大模型之前，可能垂类的模型的可解释性不足，用户体验很差，接入了大模型，用户体验能够得到质的提升，这种相对「低垂」的果实，也是可以关注的一个方向。

在 AI 领域，我们会持续地关注上述所说的两种机会，具体来说，希望能投资 A 轮及之前轮次的 AI 应用、AI 硬件公司，虽然不代表我们不会投资后续的轮次，但一般来说，A 轮及之前投资能够获得更大的回报。

之前我们团队在生成式 AI 投资了基础算力、文生视频、具身智能这三大方向，除了持续在这些领域进行拓宽和加深之外，我们今年也会希望能找到优秀的 AI 硬件团队、优秀的 AI Native 应用。

Q2：2024 年 Q1，你思考最多的一个AI相关的问题是什么？

李远远：2024 年 Q1，我一直在思考的问题是：到底什么是「有壁垒的」AI 应用？就像刚刚说的，AI 应用可能天生就要做到 60 分，或者 70-80 分，才能让客户感知到价值；人形机器人/具身智能产品，最终有可能要做到 85 分、90 分，可能才能做到在 C 端推广、有足够的用户唤醒频率和使用价值。

这和互联网时代的创业不一样，互联网时代的产品可能连接本身因为网络效应，就已经有价值了。

事实上，在当前的商务环境，有大额订单、现金流好和产品自身有极强技术壁垒，有可能就是一个不可能三角。对于投资实践来说，可能长板足够长、有一定前瞻性，就可以投资；但对于创业者来说，可能 AI 创业需要面对的挑战是持续性的。

文章来自微信公众号“Founder Park”，作者:Founder Park