2025-26 AI趋势洞察
主讲人：李自然
一、AI投融资趋势
关键事实：
- AI项目在早期投资机构中占比极高（YC：86%，奇绩创坛：90%）。
- 中国整体投融资市场近两年表现疲软，美元基金大幅萎缩，人民币基金成立数量锐减（数据不含政府引导基金）。
- 资金来源：美国AI投资以民间资本为主；中国则政府引导基金占比较大。
- 退出困境：AI行业IPO数量极少，独角兽公司虽多，但未退出者众（约700家）。
- 并购动态：美国仍有AI并购，但形式趋于规避反垄断（介于人才与公司收购之间）；中国AI并购案例罕见。
核心观点：
- AI是当前最易融资的赛道。
- 创业者融资门槛极高：要么拥有顶尖学术/从业背景，要么具备卓越的增长数据（如MRR至少1万美元）。
- 融资环境差异：在美国融资相对更容易，但中国创始人面临身份等挑战。部分优秀中国AI项目为获取美国VC投资，选择彻底"出海"并清退国内VC（如HeyGen）。
- 人才趋势：学术明星的创业黄金窗口期正逐渐关闭，未来行业专家和连续创业者的融资机会可能增多。
二、独立开发者与超级个体
关键事实：
- AI浪潮为个人开发者带来了显著的红利期。
- 社区平台：美国独立开发者常在Twitter (X) 进行 "Build in Public"；中国独立开发者则主要活跃于"即刻"和"小红书"。
- 兴起逻辑：AI模型快速迭代、大量细分小需求未被满足、个人开发灵活性高、对被大公司/大模型取代的风险不敏感。
- 收入潜力：成功的独立开发者月收入可达数十万美元（如levels.io）。
核心观点：
- 局限性：独立开发者的产品天花板和技术门槛通常不高，易被大模型或大公司的新功能所替代。
- 长期发展：虽然独立开发者当前机会良好，但长期来看，团队化运作更具优势。"一人创办10亿美元公司"（Sam Altman语）短期内不现实，依赖于GPT-6级别模型的支持。
- 推荐路径：建议以独立开发者心态，采用Bootstrap（自力更生）模式起步，当产品实现一定MRR后，再寻求VC融资以扩大规模和提升天花板。
三、大模型趋势
关键事实：
- Anthropic的Claude 3.5 Sonnet发布后，公司2024年收入增长显著，API调用量大。
- DeepSeek在开源模型及中国模型中表现突出，其性能已接近美国顶尖闭源模型水平（据Stanford报告）。
- Scaling Law持续有效：OpenAI创始人Sam Altman近期表示，GPT-4.5采用约10万张GPU训练，高质量文本数据预计可支撑至2028年，未来可能采用千万级GPU集群训练模型。
- 多模态挑战：声音、图片、视频等多模态数据的处理将消耗巨大的算力与资金。
- 中美差距：美国头部大模型公司（OpenAI, Google, Meta, Anthropic）在算力储备和融资规模上远超中国公司（如DeepSeek背后的幻方量化）。
- 技术壁垒：中美科技对抗背景下，美国对华GPU限制可能进一步升级（如内置性能衰减机制）。
- 成本演变：同等能力模型的训练成本在显著下降（如OpenAI称当前10人团队即可复现GPT-4）。
核心观点：
- 发展节奏：大模型整体发展速度未达早期预期（如GPT-5、Claude Opus顶级版延迟）。
- 国内格局：中国"AI四小龙"中部分已显疲态或转型面临困境。
- DeepSeek的挑战：虽扛起中国大模型和开源大旗，但其长期发展面临资金、算力（相较于美国巨头）和国际竞争环境的严峻挑战，前景需审慎看待。
- 高端模型成本：最先进、性能最强的模型研发和训练成本依然高昂，成本下降主要体现在同等能力或已发布一段时间的模型上。
四、AI应用趋势
总体观察与挑战
- AI应用领域现状：当前AI应用领域极度混乱，缺乏行业共识和清晰的赛道划分，与移动互联网时代成熟的格局形成鲜明对比。
- 评价体系缺失：传统互联网项目的评价指标（用户数、留存率、PV/UV等）难以直接套用于AI产品。ARR/MRR等新指标易被滥用或虚报，AI产品的"好坏"缺乏统一标准。
- 优质产品稀缺：真正优秀的AI产品仍然不多，导致无法有效运用传统或新兴指标进行衡量。
- 创业者困境：AI创业者普遍面临巨大压力，行业前景虽广阔但路径不明。
细分赛道洞察
1. AI编程
- 标杆产品：CodiumAI (Cos) 被视作典范，不仅是高效的编程辅助工具，更有潜力成为更广泛的AI交互入口。
- 大众化机遇：类比"美图秀秀之于Photoshop"、"剪映之于Premiere Pro"，面向非专业开发者的大众化AI编程工具有巨大的市场潜力。
2. AI搜索
- 大厂必争之地：大模型公司天然具备进入搜索领域的能力和动机。
- 谷歌的挑战：谷歌虽有数据和模型优势，但其传统的"收录一切"策略未必完全适应AI时代对信息精准性和可信度的更高要求。
- 中国市场困境：国内AI搜索产品因内容监管及中文信息源质量问题，在国际竞争中处于不利地位。
- 国内格局：腾讯（元宝）、字节跳动（豆包）等大厂凭借数据（如公众号内容）和流量优势，在AI搜索领域比创业公司更有机会。采用模型中立策略（如元宝接入DeepSeek）是明智之举。
3. AI陪伴
- 市场潜力巨大：AI陪伴是用户基数庞大且需求稳定的赛道。代表性产品有Character.AI, MiniMax的Talkie, 猫箱及本地部署的SillyTavern（因可"破限"受欢迎）。
- 现有产品痛点：在长期记忆、情感深度、真实互动性方面普遍不足。
- 中国产品掣肘：国内严格的内容审查制度限制了AI陪伴产品在建立深度情感连接方面的能力，尤其在涉及亲密互动时。
- 未来机会点：开发具备更强模型能力、能模拟"虚拟生活经历"以增强真实感、并突破传统LLM问答模式的AI陪伴产品。
4. AI硬件
- 核心价值："Always On"（始终开启）的无感环境感知能力，这是手机等传统设备不具备的。
- 主流形态预测：智能眼镜（视觉+听觉，潜力最大）、智能耳机、智能指环/手表。
- 国产智能眼镜展望：核心技术短期内难以超越Meta（其拥有芯片定制和深厚研发积累），但国产厂商会在外观设计、硬件堆料、价格及本土化场景适配上寻求突破。预计未来一年中国智能眼镜市场出货量可达百万级别。
- 关键技术方向：提升AI硬件的主动助理能力（而非仅被动响应用户指令）、集成更多元化的传感器。
5. AI教育
- 颠覆性潜力：AI将深刻改变教育行业。
- 核心议题：AI时代教育的核心应转变为思考"学什么"（哪些技能不再重要）和"怎么学"（新的学习范式）。
- 现状与未来：当前AI教育产品多停留在辅助传统学习任务（如解题），真正能回答上述核心议题、重塑教育理念的AI教育产品尚未出现。
6. ToB业务
- 现状："一言难尽"。面临诸多挑战：与B端客户认知对齐困难；需求多源于高层指令（政绩/跟风驱动）而非实际业务痛点；企业中层可能因"降本增效"威胁自身权力而抵触；业务拓展常依赖"关系营销"。
- 模式困境："中国市场做ToB，美国市场做ToC"的流行说法值得商榷。中国SaaS市场从未真正跑通，AI时代能否改变存疑；而美国VC对ToB投入巨大，中国公司出海做ToC也非易事。
7. 其他潜力赛道
- 电商、客服、图片处理、短视频内容生成（中国具有数据和理解优势）、心理咨询等领域，AI均有广泛应用前景。
五、AI培训/课程与自媒体
关键事实：
- AI培训课程（如"李一舟模式"）已成为一种非常成熟且能快速落地的商业模式。
- AI是当前自媒体领域的热门内容方向，B站、小红书、抖音等平台均大力扶持AI相关内容创作，AI领域自媒体账号的变现门槛相对较低。
核心观点：
- ToB业务新思路：借鉴"李一舟模式"，先通过AI培训服务切入企业，建立信任并实现初步营收，再逐步推广AI产品或解决方案，或许是更有效的ToB策略。
- 内容生态机遇：讲者旗下MCN公司正考虑整合资源，开设AI自媒体训练营，培养AI领域的优质内容创作者。
六、总结与展望
关键事实：
- 据图表数据，中国民众对AI能为社会带来益处的认同度在全球范围内领先，显著高于美国等发达国家。
核心观点：
- 中国AI发展的独特优势：国民普遍认同"落后就要挨打"、"科技是第一生产力"的观念，这种社会共识极大地推动了AI等新技术的普及和应用，甚至许多老年群体也积极学习AI。
- 时代叙事的转变：移动互联网时代，创业者对未来抱有乐观且确定的预期，能清晰感知到产品为社会带来的积极改变和价值。
- AI时代的迷茫与反思：AI的未来充满不确定性。AI产品是否真正让世界更美好？人类的工作、艺术将何去何从？硅基文明是否会取代碳基文明？这些是AI发展带来的深刻哲学命题。
- 终局思考：从长远看，具有持久意义的可能是大模型本身、先进的算力设备以及通用机器人。当前大多数AI应用（如各类工具、Agent）可能只是在AGI（通用人工智能）实现之前的过渡性产品。创业者需要思考，当前努力构建的应用在AI终局来临时是否仍有价值。