对话观正资本林子钧：AI是新一轮工业革命的核心引擎

重点摘要

1.AI 狭义是技术，广义是应用革命。这就像工业革命时期的蒸汽机，一开始是单一技术，最终会成为重塑所有行业的‘AI+’力量。

2.二级市场关注短期回报，容易用‘股价高位’定义泡沫；学术层面可能存在‘研究主题稀缺导致人才供过于求’的隐忧。但一级市场远未触及‘应用边界’，泡沫论为时尚早。

3.技术迭代既是机会也是风险—— 你投的项目可能被未投项目‘弯道超车’；应用层门槛低导致竞争红海；政策法规对‘AI 黑盒子’的监管需求，催生了 AI 透明化与风险管理（AI TRiSM）的新赛道。

4.大语言模型本质是‘人机交互界面’，任何需要‘人和机器打交道’的场景都有替代空间 —— 但前提是解决‘AI 背锅’问题：谁为 AI 生成的方案负责？这是规模化应用的关键堵点。

5.专项机器人短期内碾压人形机器人，但长期看，通用型人形机器人必然是终极形态。传感器是机器人的‘眼睛’，将成为核心元件。

6.美国掌握原创技术高地，中国擅长产业化落地。很多北美机器人供应链‘根在中国制造’，只是通过东南亚、墨西哥等第三地‘曲线入场’。这是中国技术出海的独特路径。

以下为访谈实录：

AI Reinvent: 你怎么看待当前 AI 和机器人领域在全球投资市场中的热度和地位？

林子钧: 我们在看 AI 的时候，狭义地去看，我们讨论的是 AI 的技术；广义去看的时候，我们讨论的是它的应用，它的前景。这就跟当时工业革命的时候蒸汽机出来一样。一开始它是一个技术，但是它用到哪里去，也就是我们现在 AI 想要去聊的 AI +的话题。热度和地位肯定是毋庸置疑的，以后的全球新的一轮工业革命，新的一轮技术革命，一定是以 AI 为核心为不同的行业做突破。

AI Reinvent: 那你认为目前在这个投资方向有多少泡沫？

林子钧: 其实要取决于我们如何定义泡沫。因为我们不管是从技术本身，还是从一级市场，从二级市场去看泡沫的时候。它都是不一样的，不管是定义它的密度或者质量都是不一样。简单的泡沫概念其实是二级市场会相对比较热衷于去讨论的，因为二级市场他们去做投资和决策的时候，需要看到一个 instant return，需要看到一个非常可以被量化的一个return。当发现某些公司的股价一直变高，他们就会开始担心这个会不会处于一个技术面高位，有没有泡沫。

技术上面的泡沫，有可能讨论的是以前 NOP 的学者们涌入大语言模型的 research；以前可能做 semantic analysis 的一些学者们涌入做一些基建的 research。导致学者过多，但是研究的 topic 过少，或者是导致现在大语言模型可能并没有某种更新的突破，导致学者的供大于求，这是我们所说的学术层面的泡沫。

当我们一起去看这个东西的时候，要考虑前者的泡沫和后者的泡沫，再来综合看有没有“泡沫”。

我不认为 AI 现在市场有多少泡沫。二级我不懂，但是一级来讲，我不认为有多少，因为我们还有很多的未知的，可以把 AI 应用在不同的领域的结合，还没有被发现出来。

AI Reinvent: 目前在 AI 和机器人方向的投资，你认为它最大的风险来自于哪方面？

林子钧: 我觉得如果是从早期风投的角度来看大概有三个方面：一个是技术迭代的风险。因为我们从2022年看到 ChatGPT 3.5 出世以来，已经进行了很多轮的技术迭代，包括在应用层中——以前有中间层这个概念——然后 LangChain 出来，然后到现在重视的是 AI +深度的绑定垂类。 其实这中间也经历了很多的技术迭代，我们关注到了ChatGPT 3、ChatGPT 3.5、ChatGPT 4、ChatGPT-4o ，以及不管是 Anthropic、xAI 或者是Gemini、DeepSeek， 都有新的不同的基本模型和新技术推出，所以这个技术迭代是我们看到的机会，也是风险。

机会在于永远都可能有新的弯道超车的机会，风险来自于弯道超车的可能性。我们投了一个项目，如果它被别的我们没有投的项目弯道超车了怎么办？这个是一个风险。

第二个风险是，由于应用大语言模型去进行的 AI 创新的门槛，偏以前我们说 DeepTech 的创业门槛较低——当然我们现在讨论的是应用层——因此的话会面临很多来自市场的竞争。因为本身应用层的创业门槛都不够高，所以大家都很容易去做一个新的东西出来。

最后一个是政策法规风险。政策法规的风险主要来自于伦理、安全监管方面的一些 concerns 吧。我在23年的时候最主要看的一个方向是叫 AI TRiSM，这个方向大概就是想要为现在的 AI 黑盒子提供一些技术上面可视化或者是可解释性上面的一些解决方案，帮助政策制定者也好，或者是 stakeholders 去评估某个技术在他们这个产品里面的应用会不会带来更多风险，这是我之前会特别强调的一个 AI TRiSM 的赛道，其实这三个点都是我认为比较大的风险。

AI Reinvent: 从你的经验来看，目前投资 AI、以及机器人项目的时候，你在项目筛选、投后管理这些环节，跟其他的领域，比如像生物医药、医疗健康这些领域相比。哪些是你觉得特别需要注意的地方？

林子钧: AI 作为软件，它的迭代速度快、周期短、效率高，是一个很大的特色点，可以快速获客，快速看到市场和反应。机器人作为一个硬件产品，它的周期长，迭代速度慢，你投入了之后呢，可能用户需要过个3—5个月才能给出反馈，两种投资理念是不太一样的，我们在把 AI 跟 robotics 去拆开来深入去看的时候也有很多不同的点 。AI 分为底层、中间层、应用层不同的层面。机器人也分比如说全套的解决方案，或者传感器，或者motors（通常指电机） ，这些都是有不同的逻辑。因为我本身没有接触过过多的除了 AI 跟 robotics 以外的投资，但是我们基金也做生物医药等等，所以总体来看，其实 AI 软件是跟刚刚我说的都很不一样的一个领域。

所有的这些项目里面只有 AI （除基建以外，但就算是基建也相对上述领域有更高频的更新）是短平快的。所以我们在做项目筛选的时候，会比其他的要更加严格，因为其他的项目我们都能够看到很强的技术面。比如说你做一个 robotics 的东西出来，肯定是有一堆不同的 patterns，或者是不同的 technical barriers 都会在，你可以看到这个人有很强的学术背景，有 advisor 等等。但是 AI 其实能够跑出来的那些项目，真不一定是技术非常强的，或者是有大牛做背书的项目，所以整个逻辑都是完全不一样的。

所以特别需要注意的地方就是，如果你是一个创业者，你做 AI 项目和你做机器人项目的区别是在于硬件项目或者是硬科技项目，一定要有非常强的学术背景，有非常强的技术壁垒。但是你做 AI 项目的时候，你就要去证明自己的获客能力，证明自己的用户基础，然后证明自己的product market fit PMF， 这两者之间就有很大的区别。

AI Reinvent: 除了目前市场上我们可以见到的比较普遍的应用层产品，像智能客服这些，你觉得还有哪些新兴的 AI 应用场景是被市场低估的？

林子钧: 我的一个简单的回答就是：大语言模型的本质在我看来是个 interface，是个人机交互界面，任何可以改善人机交互界面去降本增效的应用场景，都是 AI 可以去结合的发展方向。你刚刚说智能客服，其实它解决的是一个人机交互的问题。 比如说 AI 企业服务的时候，本质上也是解决了一个人机交互的问题——clients 如何跟这个 server 或者跟这个 service 产生跟人一样的交互，这个是大语言模型在解决的问题。所以为什么我刚说的 answer 是 everywhere 呢？因为只要跟机器打交道的地方，它就肯定会产生这么一个需求，然后 AI 都有可能进来，把这个机器的位置给替代掉。

解决了人跟机器的交互，接下来就看如何把技术应用到人和人的交互。这有一个很大的问题，就是以前人跟人打交道的话，人最重要的一个点是什么？是背锅。人在一个企业里面很大的一个价值，是你把这个东西做完了之后，你可以去背锅，但是 AI 做不了背锅这个事情。比如你用 AI 去生成了一个 powerpoint，然后拿去做了一个 pitch，或者拿去做了一个标的的投标，最后出问题了，那这个东西是不知道怪到人身上还是怪到 AI 身上，或者怪到技术开发者身上？这是个很大的问题。这个问题如果没有被解决的话，我们刚刚说的其实很多场景都是很难被应用下来的。这就是我为什么一直在强调 AI 可靠性及法规完善化。

AI Reinvent: 目前就你看的 AI 应用层项目，有没有最近觉得比较新奇，或者让你眼前一亮的产品或者idea？

林子钧: 我们之前投了一个项目，我最近又觉得特别好。我之前是看过 therapist ，因为保险 cover，所以我就薅了羊毛。但是那个 therapist 呢我们聊着聊着呢，就开始变成我跟他之间不是一个 therapist 和 patient 的关系了，就变成了一个我每次都会采访他，他之前有没有遇到其他的奇怪的患者，或者是他整个工作大概是个什么流程。他大概就跟我说，其实很多工作都比较重复的。每个 therapist 去接收患者，其实是分很多个比较固定的阶段，你先去认识他，然后再有一些互动，然后做个长期陪伴。那这个流程呢大概就是那几步，都对于每个患者都比较重复。不仅是流程重复，它的内容也相对重复。

所以我们就自然而然会想到：既然是一个repetitive 的 intellectual labor ，那是不是可以被 AI 给替代掉？我们其实之前投的这个项目，就是想要去在人和 therapist 之间去构建一个架构，但是我们后来就发现一个问题，这个问题其实也是我跟 MIT 的一个学生去聊的时候发现的。他们做了一个很有趣的实验：一个 patient 跟一个 therapist 聊天的时候，如果明确的知道它是一个 AI，不论给的答案多好，患者他都会认为他没有受到帮助。但是反而如果知道对面是一个人，无论对方给出的答案是否可靠，他也会觉得受到了帮助，得到了共情。

然后他们把这两个做了个双盲实验，给反过来了：如果告诉你对面是个 AI，但对面其实是个人的话，那个人给出的答案，这个患者也会不喜欢；反之亦然，如果说对面是个 AI，但是对面是个人告诉告诉他 AI 生成的答案的话，这个患者还是会很喜欢。结论就是人对于 therapist 预设是会对自己的 perception 造成影响的。 我们就发现，其实如果直接用 AI 告诉患者，他做 therapist 是不一定有用的，那因此的话就需要找一些别的方式去替代一个 independent agent 去帮人去做心理治疗（辅导）。为什么不做一个 copilot 帮助 therapist 为人做心理治疗？大概这么一个方向。我们有比较深入的探索。

AI Reinvent: 你们现在投资的机器人相关项目有没有哪些可以跟我们分享？

林子钧: robotics 其实我们看的比 AI 少很多，因为 robotics 它的投资周期长，成本相对较高，迭代相对短，并且它的退出路径也比较长。但是我们也投了一些应用到具体情况的 robotics 。我们之前投了一个农业机器人，它是专门做葡萄园的剪枝修剪，去做人工替代的降本增效的项目。这个项目的一个突出点在于：它并没有去为当前的这个 robotics 生态做足够深或者足够多的技术创新，但是它抓到了一个非常强的商业增长点：在全美人工价格增长的当下，它的技术可以帮助农场葡萄庄园主减少70%的人力成本。然后他们就发现了这个小的 niche market，就把这个应用场景给做起来了。这是我们之前投过的比较成功的一个项目。所以我们在找机器人相关的项目的时候，会找跟AI+ 逻辑一样，可以跟场景深度结合，深度绑定的可能性。

AI Reinvent: 你看好具身智能吗？

林子钧: 我是看好具身智能的。但是当然，专项机器人在很长一段时间内应该还是可以吊打人形机器人去做专项操作的处理。但是从长远来看，一定是会有某种人形机器人去进行一个 general 解决方案产出的。

AI Reinvent: 目前在 robotics 上下游有哪些核心的领域，也具备一些投资潜力？

林子钧: 我们特别喜欢看传感器，如果是看具体的链路的话。因为你不管做具身智能也好，还是做泛用 C 端的机器人也好，其实这些机器人面临的是三个大的问题：一个是马达、一个是传感器，一个是电池。我个人比较感兴趣的是传感器这一块，之前我看在一个非常酷的传感器，它的精度可以做到微牛级，然后在3d 的空间里面去建立力矩分析。这类的传感器以后肯定会成为机器人的关键元件，所以我们会比较关注这一块。

AI Reinvent: 你觉得生活服务类还是工业类的机器人未来更有发展前景？

林子钧: 我认为还是工业机器人，会具有比生活机器人、 C 端机器人更大的增长。

AI Reinvent: 就目前中美的情况来看，你觉得后续中国是否有能力成为全球机器人的生产基地？

林子钧: 中国不好说，中国人应该是还是的。因为美国的高精尖技术的科研能力其实还是在这儿的。在北美我们说深科技的时候，很多原创性技术都是来自于美国。但是不可否认的是，中国的产业化、应用化、工业化能力是极其恐怖的。很多北美的机器人的供应链，其实追根溯源也是来自于中国。但是这个追根溯源是比较难去定义你追到哪一层。你可以看到很多东南亚的厂，或者是有些人会从欧洲或者墨西哥转包一些生产力过来美国。背后追根溯源这些工厂还是中国人 own 的。

AI Reinvent: 感谢你分享这么多。

文章来自公众号“AI Reinvent”