長石資本汪恭彬：AI大航海時代，大力出奇跡VS創新是第一生產力

“如果認爲AI的大航海時代又面臨一個分化的可能性，這個邏輯是什麼？”

“在分化的大背景下，AI是不是也面臨分化？如果是，我們應該採取什麼樣的策略？”

圍繞該主題，長石資本創始合夥人汪恭彬提出，目前的AI大航海時代，中國與美國走出了兩條不同的路徑，中國企業應該從算法、硬件創新、應用場景等方面建立結構性優勢。因此，企業依然要對以AI爲代表的科技創新要保持信仰和堅持。

4月17日，在由投中信息和投中網主辦的“第19屆中國投資年會·年度峰會”上，汪恭彬發表了“AI大航海時代，大力出奇跡VS創新是第一生產力”的主題演講。

以下是現場演講實錄：

尊敬的各位嘉賓，女士們、先生們，大家下午好！

非常感謝投中這個平臺能夠給我這個機會，跟大家分享在分化這個大的背景下，AI是不是也面臨分化？如果AI也在中美間面臨分化，是因爲什麼而分化？如果是分化，我們要採取什麼樣的策略？我非常開心能夠跟大家講一講長石在這一塊的（探索）。

如果說我們認爲算力像人的大腦，AI的目標是希望讓機器像人類一樣思考，我想這應該是人類智慧的頂峰。如果算力的堆積像人類的大腦，我們是不是要去投資愛因斯坦這樣的大腦？請問，我們是要投資愛因斯坦什麼年齡時候的大腦呢？

研究表明，人的大腦是在25歲到達成熟的巔峰。大家知不知道愛因斯坦哪一年的論文幫助他獲得諾貝爾獎？正好是26歲，人類大腦的巔峰是25歲，而他是在1905年，26歲提交了“光是由粒子形成的”論文，幫助他獲得諾貝爾獎。

兩三週前，我跟我的一個做製造業的被投企業溝通，去年的收入超過50億，但是他告訴我一個很有趣的發現，他的兩個工廠的設備和員工是完全一樣的，但是這兩個工廠給他呈現的毛利率差了3-5個點，他試圖通過他的團隊用AI的方式分析爲什麼A廠跟B廠的毛利率有這麼大的差別。從這一點來看，我覺得AI對中國的傳統產業，包括製造業的優化方面，對他提升毛利率方面，這一塊的空間非常大。

從算法和數據方面取得相對優勢

今天我們講AI的分化，講全球的分化，講中國內部各種的分化，在AI應用領域、AI機器人領域、人形領域已經到了DeepSeek的時刻嗎？我想今天在講AI分化的時候，一個特別重要的點是今年年初DeepSeek的出爐，大家會認爲中國在這一塊走出了與美國不一樣的路徑。

分享第一個點，大航海時代的邏輯是什麼？我們如果認爲AI的大航海時代又面臨一個分化的可能性，這個邏輯是什麼？AI爆發的是什麼？其實AI不是新名詞，人類最早在1956年就提出了人工智能，經過將近70年的發展，過程中投資人投了一波又一波。最近一輪的投資已經在港股上市，像商湯科技這些當時的人工智能的四小龍，那時候是以自然語言模型和視覺模型（爲主）。

最近這幾年我們在看AI的時候兩個點非常重要，一個是多模態，另一個是從訓練到推理的全面的進展，算力需求分化體現在計算強度、數據處理、硬件需求、應用場景等多個維度的突破，特別是中國應用場景的突破。

中國跟美國走出了不同的路徑，我想這是在結構優勢方面做的不同嘗試。正如我一開始所說的，美國在大力方面具有相當的優勢，它可以用大力出奇跡，比如OpenAI、英偉達等的算力霸權。中國走出來的路徑是，如果覺得在算力上面沒有優勢，還有一些差距的前提下，我們希望在算法和數據上能夠實現一些另外路徑的突破。

AI其實是三個要素：算力、算法、數據。我想中國是嘗試從後面兩個要素方面實現我們的優勢。

AI爲什麼會出現這種分化？爲什麼會出現大力和創新的差異呢？這個底層邏輯是什麼？這裡面引進兩個定律，第一個是規模定律，是說當數據、算力積累越大的時候，對性能提升的邊際效用是在遞減的。

DeepSeek的成功其實已經反映了這個問題，當卡的集羣越來越多的時候，對性能的提升反而越來越有限。第二個是規模經濟定律，從經濟學視角來看，對算法的研究規模越大，或者說參與者越多，越有利於分攤固定成本、促進技術創新進步。

所以從這兩個定律來看，一方面，算力方面出現規模回報的邊際遞減，另一方面，算法的創新和進步卻最終有利於規模回報的遞增。我們中國應該採取什麼樣的方法？肯定是第二個方法，很容易幫你建立你的結構性優勢。

大家可以看下面的三張圖，無論是在計算層面還是在數據集層面，還是在參數層面，X軸代表投入的指數級提升，Y軸表示損失的減少（即模型性能的增加），在雙對數座標軸下這種性能的變化擬合出了一條直線，所以你看到當X軸出現指數級提升的時候，模型性能的邊際提升開始減少，對於投入就不再敏感。

與此相反的是，在創新驅動的破局點裡面，在技術革新裡面，我們就採用所謂的多專家系統MOE和所謂的稀疏化，就是蒸餾模型，希望在這方面實現算法的規模經濟。場景創新方面就是更多領域的專業數據，考慮到隱私需求和模型可靠性，我們希望在端側進行推理，比如說在中國的聯想，已經在全球最早發佈AI PC，應該在5月份，第一批聯想的AI PC會銷往歐洲國家。在端側中國是全球領先的地位，具身智能在垂直領域的X+AI也是這樣的，包括AR眼鏡的應用也是端側的應用，就是算法、數據在端側的應用，這是創新驅動的破局點。

接下來我想分析一下中美在AI分化，兩種模式的全球競爭。美國採取的策略還是以算力爲優勢，硬件以英偉達爲代表的優勢很強，有幾個公司，一個公司是微軟，他用OpenAI加上自己的Azure雲計算平臺來合作，構建算力閉環，實現從模型訓練到推理部署的無縫銜接，來提升微軟整個的應用和性能。

特斯拉的機器人也是這樣，我春節後在硅谷跟硅谷的創業公司和投資公司交流的時候，其實美國的這些投資人和創業公司的CEO，都會認爲硅谷的算法、算力還是領先我們的，但是認爲在數據層面，特別是在產業鏈層面，覺得沒有辦法跟中國競爭。包括特斯拉機器人，他們認爲特斯拉的機器人產業也在中國，我在中國見做具身智能、做人形機器人數據訓練的公司，其實也是要不斷地來到國內對接產業鏈，在美國國內其實也很難在產業鏈上做好對接。還有GPT-4o的文生圖，它的繪圖能力出圈打破了文生圖領域的固有格局，垂類應用賽道首次遭到大模型挑戰。

中國該怎麼辦？在硬件上我們有好幾家公司希望在硬件上做GPU的突破，國家也給了大量的支持，也有基模的創業公司開始獲得比較大的發展。在硬件創業方面，這個是對於投資人可以考慮的點。這也有點像國內的晶元廠如何面對先進製程，短時間內如果沒有辦法形成先進製程，可以在先進封裝上實現突破，先進封裝在互聯、在價格上可以實現突破，以達到先進製程或者同等性能芯片的目標。

在應用場景方面，中國在數據層面的優勢確實是非常明顯的，當我們在看人形機器人的公司的時候，我們會特別關注公司的人形機器人會在什麼場景落地。比如說會說找一個酒店場景，或者找一個養老院的場景，很多人是去找汽車工業的場景。這一塊的數據在中國還是有相當大的優勢。

從前面的分析裡面來看我們的結論，在今天全球都說做AI，其實從硅谷的投資人來看，硅谷投AI比我們更多一些，特別是硅谷在AI應用方面，我覺得投得比中國的投資人更多。

大家都在談AI應用，很明顯地看到硅谷對AI的應用，比如AI在法律的應用、在廣告的應用等各方面。但其實在中國，我覺得沒有形成付費的意願。

中國在哪些方面有可能存在不對稱的優勢？第一個是規模經濟層面，我覺得算法優勢是可以的，如果算法優勢再加上數據或者場景的優勢，其實就是AI的應用，問題是怎麼抓到這些AI應用的機會？即便是在規模不經濟層面，哪怕是目前還不存在強勢優勢的地方，比如規模不強的地方，我認爲可以在互聯或者封裝層面實現創新。我剛剛在臺下坐的時候，就有一個我們正在成都盡調的公司在跟他的客戶中際旭創交流，因爲中國在服務器的需求還是很大的，在這一塊中國有可能做出比較好的產品。

我們圍繞這些方面也投了一些企業。第一個企業是做二氧化硅，用二氧化硅做成球硅的材料，這個材料跟英偉達的芯片配合，當服務器用更多的GPU芯片的時候，會產生更多的功耗和溫度的提升，導致芯片發生翹曲，而這個材料可以防止發生翹曲。第二個公司是光模塊領域的硅光芯片，增長也非常快。第三個公司是AI的推理芯片，目前已經應用在聯想的AI PC裡面，聯想的AI PC應該在全球找了80個供應商，反覆對比性能之後，選擇了這家作爲他的供應商，它叫芯動力。

對創新保持信仰和堅持

向大家報告一下，我們希望在AI的大力出奇跡的時代，在通過創新的方式取得相對優勢的過程中，我們如何取得一個平衡。

我自己在做這個基金的時候，思考最多的一個問題是如何做好一個健康長久的GP，我需要解決的是，什麼產業有機會？這個機會與我有沒有關係？我的能力圈，我的核心競爭力到底是什麼？當時我已經意識到國家之間權利的競爭。中國當時提出來智能製造、提出來要自主可控，所以我認爲當時To C的機會當然也還有，但是這也不是我的優勢，所以我認爲我應該去找一個在中國有一定優勢的產業，而且這個產業裡面的核心的，比如半導體或者材料，或者核心的器件中並沒有建立起來特別強的優勢。

我首先是以消費電子產業鏈入手，後面拓展到新能源汽車，找到這些產業鏈，再找到這些鏈主的企業或者企業家，我們希望通過這些企業或者企業家建成生態圈。過去這方面做得還不錯，特別是我們圍繞手機產業鏈的基金投了24個項目。即便在今天我們看AI大的機會的時候，會發現在2017年、2018年圍繞的手機產業鏈其實還是AI最重要的終端。在手機周邊我們發現XR，我想一開始應該是AI眼鏡和AR眼鏡起來比較快一點，我們最近也完成了對一家AR眼鏡的ODM公司的佈局，也正在對AR眼鏡上下游做一些梳理。

我的方法論裡面，在AI面臨兩個分化的前提下，我們認爲兩塊都還有機會佈局。

即便在規模經濟領域或者規模不經濟領域，仍然可以圍繞硬件，比如基礎設施也可以圍繞創新架構做佈局。在產業上面我們自己的理解是，從智能手機到智能汽車、到具身智能，也就是智能一開始的終端是在手機，後面的終端是在車，現在我覺得智能會出現在你身邊的任何一個所謂的智能體。

今天在深圳有很多的所謂的AI硬件，有一些投資人會看哪些公司有可能會生產產品出來，哪怕做AI的咖啡機，或者AI的戒指，來尋找機會，其實這些機會還是非常不錯的。我們希望圍繞三個大產業做投資，最重要的是看商業化，我們認爲技術很重要，但是技術滿足產業更重要。剛纔說到愛因斯坦，我仍然認爲在推動社會進步的重要性方面，可能企業家還是更重要一些，諾獎得主固然重要，但他可以不用走出辦公室，但是企業家更難一點，我們看企業家的時候會更看重他跟商業的結合。

賽道剛纔已經說了，我們在大力出奇跡的領域其實也還是有機會的，對於中國的創業者、對於中國的投資者我覺得都有機會，而且這些公司也可以走出海外，並不一定只是在國內。在AI推理方面、在具身智能、在算法和數據相結合的領域，我覺得我們會有比較大的機會，特別是X+AI。

AR眼鏡，我們最近在看這個行業的時候，我反覆問幾個問題，AR眼鏡是真的來了嗎？它是信號嗎？還是噪音？過去好多投資人投了挺多的AR眼鏡本體的公司，就是品牌的公司。過去發展跟預期相比肯定是沒那麼快的，今天META推動的AR眼鏡能夠代表一個信號嗎？還是說它還是曇花一現？到底會怎麼樣？我們傾向於認爲2026年AR眼鏡應該會成爲比較好的機會，所以這個產業鏈我們也會花一點時間看。

我們特別看重產業跟技術的合作，在技術層面，因爲我們特別注重跟電子科技大學、華中科技大學等高校的合作，通過從技術層面和產業圈的這些終端進行合作，來幫助這些企業獲得一些好的進展。

大航海時代應該是在500多年以前，DeepSeek的理解是，大航海時代實際上是探索全球化，是歐洲通過海洋探索世界的歷史，是一個轉折點，也是勇氣的讚歌。

但是今天投資人都在說AI，創業者其實也都在這個方向，今天我們這艘巨輪會駛向哪裡？投資人會投向哪裡？投向有共同目標的星辰大海，還是會投到那些逆全球化的地緣政治？我想也可能兩邊都有機會。

這兩天好多嘉賓都在分享，也談到分化，但是我覺得很重要的點就是我們還是要相信科技創新，我覺得科技創新的底座其實還是AI，所以在大航海時代無論面臨多大的風浪、面臨多大的分化，我們還是要對科技創新，對以AI爲代表的科技創新要保持信仰和堅持。

非常感謝大家的時間，謝謝！