去年36氪WAVES 2024大会上，我们曾特意设置一个Kimi投资人和MiniMax投资人的对垒环节。彼时，大模型公司的竞争如火如荼。因为两家产品更toc，更符合美元基金审美，融资也跑得更快，所以经常被放在一起做比较。

但一年后，随着DeepSeek的横空出世，整个中国大模型的牌局已天翻地覆。两家已没有那么针锋相对，他们的未来可能性也成为新的议题。

某种意义上，这是我们重组这个panel的原因之一。在6月11日举办的WAVES 2025大会上，我们重新邀请了当时的部分嘉宾参与讨论。他们是：真格基金管理合伙人戴雨森、云启资本合伙人陈昱、高榕创投合伙人胡朔和明势资本合伙人夏令。

当时，Kimi和MiniMax已经安静很久。但在上一周，它们则不约而同有了新动作：Kimi开源了编程模型Kimi-Dev，它的第一个Agent kimi-Researcher(深度研究)也开启小范围测试。而MiniMax则开源了首个推理模型MiniMax-M1，并完成连续五天的更新。

这些信号也都指向本场panel中所总结的：尽管所有中国AI公司都从DeepSeek中受益，但大模型战争远远没有结束。

除此外，我们的讨论也延展到当下最火热的投资热点Agent和具身智能中的泡沫，并一起探讨了投资中的那些“苦涩教训”，以及AI时代那些将要发生的疯狂的事。

一年间，我们的对话更像从两家大模型公司的对垒，升级成AI与人类的对垒。这场对垒中，我们也发现，某种意义上，AI更像人类的镜像。研究AI，也是人类的一场终极自我了解之旅。

以下是对话摘编：

Part01

中国AI公司都从DS中受益

但格局远远没有定

于丽丽：各位怎么看被DeepSeek改变的大模型牌局以及六小虎的可能性？也顺便帮我们透露下，Kimi和MiniMax在忙什么，前边很长时间他们都挺安静的。

戴雨森：作为早期AI投资人，我们很难变魔术，或者去预测未来。一年前，我们预测不到，接下来的一年，也很难预测。

我们投资一家公司是因为投人。我们不是因为大模型投资Kimi，而是投资团队。现在是技术革命的早期，他们仍然是拥有中国最优秀团队的AI创业公司之一，以及拥有最多资源的AI创业公司之一。

如果我们相信AI是一件非常大的事，你有最好的团队，又有最多资源，仍然能够做出很多有意思的事来。

之前特别火时，六小龙好像已经成龙，现在又是另一种反应。我觉得都是情绪表现。我们更多关注团队是不是在稳定做跟他们愿景、方向一致的事。军心有没有散，团队有没有散，是不是还在大的方向上持续创新。这些才是真正考验的地方。牛的公司，往往都会在这些时刻显现出来。

我跟他们聊下来，反而觉得有更多兴奋的地方。一年前，就是比投放、比用户，现在则回到技术前沿，回到强认知，我相信反而更适合以技术大牛为核心的创业团队。因为比投放，其实是大厂的机会，所以我觉得他们状态还挺好的。

陈昱：AI是一个瞬息万变的行业，一年抵得上其他行业的三年、五年，甚至十年。

春节前，DeepSeek发布之后，无论是V3模型，还是R1在推理能力上的表现，都让人非常惊艳，因此它能在短时间内迅速占领用户心智。在搜索类应用的市占率上，它已经处于遥遥领先的位置。

但这并不意味着大模型就只有大语言模型、只有推理方向。过去一年，我们也看到MiniMax在多模态领域带来了不少惊喜。比如海螺的视频生成，效果非常亮眼，更重要的是，它实现了商业化落地。

另一个让我印象深刻的，是语音合成模型。大家最近刷抖音有没有看到“吴彦祖教你学英语”？其实是MiniMax在提供背后的技术支持。我第一次听的时候，也难以分辨到底是真人还是AI，直到后来才知道是MiniMax的客户，感叹这真的挺厉害的。

从这些细节也可以看出，MiniMax在过去一年做了很多有意思的探索，但并不是每一个项目都站在聚光灯下。

创业公司的资源始终有限，即便像DeepSeek这样的公司，也不可能面面俱到。在有限的资源下，闫俊杰选择押注视频和语音模型；在大模型架构方面，他特别看中线性注意力机制，赌的是未来能实现几乎无限长的上下文能力——这对于社交陪伴类应用，或是构建Agent系统，都是非常关键的。

当然，这意味着他可能把推理模型的优先级稍稍往后放，这个决策究竟是对是错，就交给时间来评判。但我想说的是：对于一个创业公司而言，最重要的是如何用有限的资源不断做出创新和突破。

胡朔：客观讲，DeepSeek的出现确实让大模型的融资环境更加瓶颈化了。但DeepSeek出现后，我们有几个有意思的观察。

第一个是DeepSeek做了很好的用户教育，更多用户开始用AI的产品。

第二个是我们发现在今年年初，无论DeepSeek R2，还是Kimi 1.5，都类似OpenAI o1，通过强化学习提升了模型的推理能力，展示了更好的模型性能，这也说明了咱们华人团队和中国创业者有极强的research和技术灵感。

还有一个发现，我们确实看到模型性能在持续涌现，包括长程规划和多模态能力，所以无论是大模型厂商，还是做应用的公司，他们都可以基于更好的模型性能，为用户创造更好的产品体验和用户价值。这是非常好的获取用户和产生营收的红利期。

夏令：今天，我们4个投资人还能坐在这儿，就说明大模型的格局还没定。MiniMax跟Kimi肯定还在牌桌上，要不然我们就不会被邀请了。

首先从整个行业宏观上看，DeepSeek提振了整个中国AI行业的全球地位，所有中国AI企业都是受益的。

一年前，很多海外LP会疑问中国的模型公司到底有没有能够做出跟openAI比肩的模型，但今天大家充满信心。拉长时间看，如果未来全球格局有5-6家大模型公司构成，我们相信里面至少有2-3家是中国大模型企业，但是是哪些，这个格局远远没有定。

就以过去10年我们参与度很深的智能电动汽车行业为例，格局一直在持续变化。14/15年近百家创业公司造车，前两年，在大家以为第一阶段电动化格局已定的时候，小米汽车横空出世，而第二阶段的智能化一定会再次改变2030年的汽车品牌格局。

反过来，DeepSeek对所有做大模型的公司是一个重新定位、反思的过程。在DeepSeek v3发布前，MiniMax就在调整自己的定位，把追求领先的模型研发作为一个最高优先级事情。包括字节、六小龙其它家在R1之后也都做适合自己的定位调整。作为投资人，我们会关注支撑企业定位所需要的资源是否都具备，包括资金、人、算力等。还有对创业公司很重要一点，就是是否依然拥有非共识的地方。就像MiniMax从Agent发展需要的角度对Linear Attention有自己的坚持。

我认为MiniMax依然是一家公司有野心，有足够的资源，同时还有自己坚持的非共识的公司，我们还是很期待，也非常有信心。

Part02

壳有壳的价值

还在被研究员主导的世界低估

于丽丽：很多人说Agent的时代已经到来，哪些信号说明Agent真的到来了？相比大厂和模型公司，做Agent的应用公司真正机会在哪里？

戴雨森：关于Agent，现在众说纷纭。我们确实看到Agent是一种能自主计划、调用工具，反思结果，并完成长程任务的AI应用。

AI的发展有点像烧开水。当水烧开了，才能解锁蒸汽机的机会。随着过去12个月推理能力，编程能力，工具使用能力的突飞猛进，属于Agent的蒸汽机时刻已经到来了。

我们投的Manus和Genspark两家应用，我觉得是有希望冲击人类历史上AI增长最快记录的。

一个AI应用给用户带来的价值是分为好几个层面的：

第一层是模型层，叫API也行。第二层是context。context包括三层。

第一层是公开的context，比如说新闻、维基百科这种刚刚发生的、公域信息；第二层是组织里边，比如说一家公司内部的文档、流程。

第三层是我作为一个用户跟它对话的历史，我的个人偏好。公域是大家都能获取的，但你有不同的获取方式，很多时候会带来不一样的价值。最后你跟什么样的环境互动，对环境进行改变，这个是由应用公司建造的。

使用模型，类似汽车造发动机，发动机好了后，context、environment都是大量应用公司来做的。模型公司不可能把所有事情都做了。我们会从单纯需要发动机，到需要一辆整车。

当然，有很多造车的确实之前是造发动机的。有很多人说你是套壳，回头模型公司做个把大家干掉。很多很好的AI应用，大家一边是说套壳，一边它们在变成百亿美金的公司。

我们自己内部讨论过，壳的价值在哪里，基模公司会不会插进Agent市场。我觉得第一点，像OpenAI这样的基模公司会做自己的通用型Agent产品，这个毋庸置疑，但在特定领域、特定场景下，当你做得更细时，就有它相应的价值。你生成的PPT更漂亮，用户自然会选择你。这个就和雇员工是一样的，你有什么样的需求，就去雇什么样的员工，但员工本身是多样化的，不一定要在大厂里工作过。所以壳有壳的价值，只是现在还在被以研究员主导的世界低估。

陈昱：我们今年关注得更多的，其实是偏垂类的Agent，而率先落地的场景，很可能就在汽车领域。

比如，字节推出的豆包汽车产品，依托其大模型，已经能在超百万台车上快速落地。用户在车上就可以直接和Agent系统交互，因此很快大家就能在实际应用中感受到Agent不同于传统生产工具的价值。

其他领域，也在快速Agent化。比如上一波的SaaS公司，现在逐渐引入了Agent的技术，很多时候也是客户推动的。

Agent和上一代的SaaS最大的不同在于：过去SaaS更多是交付一个软件，最终效果好不好，还得看客户怎么用；因此，客户的付费意愿并不总是那么强。而现在，Agent直接交付的是结果——效果怎么样，一眼就可以看出来。如果结果足够好，客户自然就愿意付费。

刚才提到类似于Manus这样的Agent系统，为什么增长这么快？原因在于用户真正感受到它们的效率提升。生产力提升是看得见的，结果是实打实的，自然愿意为之付费。这也正是Agent真正价值所在。

胡朔：我认为AI Agent是具备推理的基础模型，能够调用工具与真实世界交互，自主完成任务。如果没有工具，那只是一个基础模型；但如果没有推理，那就是一个工具。

今天我们使用的APP和网站，大部分也是Agent，只是它没有推理能力而已。如果基于这个定义，今天我们看到有两类Agent，就是刚刚两位投资人提到的通用Agent和垂直Agent。

从竞争角度，我认为在通用Agent领域，具备用户规模的大厂和头部大模型公司有天然优势。当然，今天我们看到很多优秀的创业公司也在探索和挑战通用Agent。

垂直Agent因为有可能积累自己独有的knowledgebase和memory，从而形成一定护城河，有机会基于垂直领域获取一定规模的用户。甚至在下一阶段，当有一定规模用户后，有可能反过来去探索通用Agent未来的入口。

夏令：我们去年下半年开始部署Agent的投资，但是真正对Agent觉得必须要高度重视，而且有紧迫感，确实是在DeepSeek爆火之后。因为DeepSeek是L2的能力，大家会思考L3的阶段什么时候？在跟国内外大模型公司交流完后，我们觉得一年之内Agent L3的节点可能会到，所以很快明势内部对于Agent这个事情有很强的紧迫感。

今年2月份，我们拉着我们投资的一批企业探讨Agent，积极鼓励大家往Agent方向去做尝试和思考。我觉得这些portfolio反应速度是非常快的，也达到很好的效果，整个市场的共识形成速度非常快。

我们比较早提出一个观点：在中国做垂直领域的Agent，不能当成工具来做，应该是交付结果。最近美国红杉也提出要看结果，整个行业里面共识速度非常快。

今天来看，三类Agent是我们一直比较关注的。

第一类姑且把它称为“产能提升100倍”的Agent。不管是coding，还是图片，还是PPT，总之能够把产能提升100倍。

第二类是那种能够把“成本降低100倍”的Agent。跟前面的产品相比来说，结果相对要求比较明确的，过程流程也是比较确定的。

这种Agent，一上来可能不是人机共创的过程，而是尽可能让AI端到端去完成整个链路，最后实现成本降低100倍。这样以前ROI算不过来的场景能够重新计算过来，改变整个商业模式。

第三类Agent就是“完全创造新的东西”，比如说类似AI for  science等等。

这三类Agent是我们持续去关注的，对于创业公司来说都有机会。但我觉得最重要一点是创业公司一定要聚焦，我们一直很强调创业公司要在一个垂直、专业性的场景里做事。不仅仅要聚焦，还要迭代快，聚焦的人群或者场景上要快速做尝试/做迭代，这样可以规避大厂竞争。

对于创业者来说，我觉得这个可能是创业公司在Agent时代能够杀出来的机会。

Part03

于丽丽：今年的另外一个投资热点是具身智能。年初，因为朱啸虎退出了一些项目，也引发了整个行业是不是陷入泡沫的讨论，不知各位怎么看？这里边究竟哪些是近的机会，哪些是远的机会？

戴雨森：泡沫肯定很大，直观感觉是，无论投资人，还是创业者，都很热烈。有些人有种反正投资人给我钱，来都来了，就做做的感觉，泡沫还是不小的。

我们说DeepSeek时刻。DeepSeek不是天上掉下来的，先是技术路线transformer比较明晰，然后到大规模训练GPT，逐渐scale up。从GPT1到GPT2、GPT3。再从技术到产品，不是GPT3火了，是GPT3到InstructGPT，到ChatGPT，是产品落地火了。

去看这个过程，现在具身智能可能还在想到底是哪条技术路线比较明确的路上，然后才是scale up，才是产品落地。

跟语言模型相比，它在非常早期的阶段，我觉得肯定有泡沫在。但我们做早期投资，不可避免会投很多泡沫，或者参与到泡沫里去。

但世界上有两种泡沫，第一种泡沫认为过去的事在未来会继续，比如有人认为房地产会一直涨。第二种泡沫是认为未来会非常不一样，比如说科技领域的泡沫，最有名的是互联网泡沫。

我觉得第二种泡沫是好的泡沫，因为你相信未来会非常不一样，无论是当年建设互联网基础设施，还是现在去买算力，这种泡沫都有很强的正向溢出效应。

参与具身智能泡沫的人，创业者也好，投资人也好，要做好心理准备，我们希望泡沫后面有啤酒。

我们非常关注这个事，非常关注这个事没有火之前也要干，投资人不投钱也要干，自己掏钱也要干的这些创始人，而不是投资人攒好局，等着他出来的创始人。我们主要是这样一个态度。

陈昱：具身智能现在确实有不少泡沫，如果用传统的PE、PS指标来衡量，基本是看不下去的。但这让我想起差不多十年前的自动驾驶。

2016、2017年那一波的自动驾驶创业潮，很多公司开始做L4自动驾驶。那个阶段，大多还停留在实验室层面，只能完成一些基础任务。今天的具身智能，其实也有点类似——成本高昂、技术路径不清晰，但估值和融资额却涨得非常快。

自动驾驶后面经历了大概3-5年的平台期。那时融资几乎停滞，因为前期大家砸了很多钱，但是没有看到预想中的技术突破或商业进展。这个过程中，创业公司开始分化：有足够资金、技术又扎实的玩家还能留在牌桌上，等待十年之后可能迎来的商业化拐点；而没钱、技术又跟不上的公司，基本很难熬到最后。

等到真正商业化来临时，技术会更加成熟，成本也降下来，产品才真正具备规模化落地的条件。

所以对于我们做早期投资的人来说，如果现在不投，后面就没多少机会了。我们希望在行业还未定型的阶段，选中几匹有潜力的赛马——既有技术能力，又有融资能力。路线不清晰没关系，我们可以在硬件、软件等差异化路线上同时布局，最终跑出真正的赢家。

胡朔：关于泡沫，它可能不是一个贬义词。我们内部正好有过一个研究，历次的技术革命，因为有资本市场的存在，它加速了技术释放潜力。所以很多次新技术，泡沫是必经之路。

只是对投资人的一个要求，是能够在更早的时候进入和在一个很好的时点退出。

回到具身智能领域，我们更加关注实现商业化和规模化的落地。确实我们今天看到在某些垂直的领域，因为硬件成本的持续下降和AI能力持续提升，已经出现商业化落地的临界点，有几个行业的市场规模在最近1-2年就翻了几倍，这是我们今年非常看好的行业。

夏令：我觉得还是先明确facts层面的事。今天具身有几个比较明确的facts：

一是具身智能到目前为止，它的预训练阶段还没有找到自己的scaling law，就是用什么样的数据，基于什么算法，能有scaling law的表现。

二是硬件层面来讲，确实进步很大，但是在工程化上还有不足。比如说它的成本，不论人形还是上肢人形下肢底盘，基本上成本8-10万美金，还是比较高。还有一点，目前平均无故障时间很难满足真正商业化落地的要求。

三是具身今天可以精挑细选一些落地应用，但是大规模泛化商业场景还很难。

这是一些基础的facts。基于这些facts，不同机构有不同投资策略，比如说有的就一定要在PMF时才去投，有的会更激进地去投，这个和各家基金的资金属性，以及投资策略都有关系。

我觉得只要大家对于facts层面的认识没有问题，至于投资策略，我们也很难评价不同机构做法一定对或错。

我们更多还是聚焦到我们自己。明势是投早期的一家科技基金，我们还是希望能够在技术拐点或商业的拐点，去投资最优秀的创始人。我认为具身确实还是一个长周期的赛道，后面这种技术拐点跟商业拐点还会持续出来。我们之前布局了，后面每当拐点临近或者出现时，我们还会持续去布局一批这样的公司。

Part04

最晚到2026年底

有潜力的AI大公司都已浮现

于丽丽：各位都经历过移动互联网时代，那在投资中，有没有察觉到这两个时代在投资范式上的一些差异。在AI技术进展里，我们会经常提到所谓“苦涩的教训”。在投资中，各位是否有类似总结？

戴雨森：我们基金十几年都是一个逻辑就是投人，不管是投互联网、消费，还是AI，这个逻辑是持续的。当技术变化越来越快，能够把握住的不变量，还是人。

我们以前比较苦涩的教训一般是事想太多了，想商业模式、未来方向、研究技术细节很多，但在主观能动性上，忽略了人的成长性。

我们现在反而是更加往人上去靠，我们确实都不是AI专家，但是对于人来说不管技术怎么变化，人对于一个事情真正的兴趣，真正的坚持，真正的热爱，这是做成事情比较关键的条件。

于丽丽：在人的层面，两个时代有什么明显不同吗？

戴雨森：我觉得基础学习能力，领导力和创新力都是比较类似的。

对于人的判断，随着短期项目的好坏，大家会有recent effect，比如说，去年大家都在找像杨植麟这样的科学家，要求科学家懂商业，现在大家找肖弘这种一直做应用、做产品的人。

很多种外部表象的创业者都能成功，但他们的内核都是类似的，都有对技术、对新东西的热爱，始终坚持，对产品和商业也非常关注，这些内核是共性。

陈昱：每家投资机构、每个投资人，其实都有自己的坚守范式。像雨森是典型的“投人”，而我们更多的是“投技术”。

我们一直关注的是，AI的发展高度依赖基础模型的能力演进。只要底层模型还在快速推进，必然会对整个基础设施提出新的需求，甚至可能让原本不可实现的应用场景变得可行。

我们特别关注底层技术模型的变化。现在的技术演进节奏，和以往已经非常不同，快了很多。我们有时候开玩笑说，移动互联网时代，从iPhone出现到一批巨头公司崛起，大概有6～7年的窗口期；但在AI时代，这个周期可能被缩短到一半。

也就是说，真正属于早期AI投资的窗口期，可能只有3～4年。最晚到2026年底，具有潜力成为AI大公司的，大概率都已经浮现。

至于失败的原因，很多时候其实不是技术或方向，而是人的问题。我们也看到一些案例——失败的公司反而没有那么糟糕，最难的是那些“刚小有所成就”的公司。一旦取得了一点成绩，就容易陷入沾沾自喜，每个人都觉得是靠自己拼出来的，于是开始争功、内耗，最后反而把公司搞垮了，这样真的很可惜。

胡朔：我觉得这一代会跟之前移动互联网有很大不同。第一，这一代产品不具备服务用户成本的规模化摊销。第二，今天我们并不具备当年的用户红利和市场红利。第三，用户的需求已经很好地被满足，这是很大的不同点。

但有很多可以复用，比如从团队角度，考察团队做用户增长、产品体验和商业化的能力。

同时对这一代有更多要求。比如，能够更紧追模型的性能和灵活使用模型的能力，包括第一天就具备国际化视野和能力。

说到教训，我会把它理解成对于我们的一个难题。

我觉得今天我们遇到一个难题是 AI能力如此之强，为什么全球还是这么少的用户在使用。所以，无论今天技术多牛逼，更重要的是能够让更多的C端用户和普通用户能够使用。对我们来说，这是我们一直在求解的一个问题。

比如刚刚我们聊到AI Agent，我们确实很惊喜地发现，我个人体感，最近确实看到了更多的 AI Agent能够自主规划任务、思考调研工具、执行任务，最终交付结果。

夏令：我是2014年入行，我更有感触的是上一波智能电动汽车浪潮周期里优秀创始人的持续成长迭代。

即使再优秀的创始人也会犯错，但是他用多长时间发现错误，如何面对自己的错误，以及怎样去带领组织成长，我觉得非常重要。还有一点，一定要有自己看到别人没看到的地方和有自己坚持的非共识。这个事情在我们之前陪伴理想的成长过程中还是非常明显的。

7、8年前在理想融资很难的阶段，有些投资人对李想说要不然放弃增程，只要做纯电他们就投，但李想依然坚持第一阶段做增程。大家最近看到李想对于AI的理解极具洞察。其实这个事情不是发生在去年或者今年，而是至少早在2022年时，他自己就在一线深入学习了解新一波AI。

所以，学习成长能力、迭代速度在不同行业、不同时期的优秀创业者中是高度共性的。

Part05

人类不会是这个星球上唯一的智能物种

于丽丽：你们觉得在AI时代还会发生哪些我们没有想到的疯狂的事？

戴雨森：用一个词概括，就是“李世石时刻”。AI在很多领域会超过最厉害的人类的表现。当然之前围棋做到了，现在我们发现在编程、在数学，在很多领域都在接真人，甚至达到了顶尖人类的水平，我们会越来越习惯AI比我们做得好很多。这个会给行业格局带来很大变化。

陈昱：未来，我们每个人可能都会拥有一批AI“打工人”，每个人都有自己的“哆啦A梦”。

胡朔：今天，我们很兴奋地看到有一些产品能够做得比人好很多，而且完全基于结果导向，甚至基于结果付费。我觉得我们已经看到了，真的助理或者 AI labor的出现。

夏令：我觉得很有确定性的是，人类不会是这个星球上唯一的智能物种。

今天社会似乎比过往更加重理轻文，很多高校甚至在削减文科。但我觉得AI时代文科会越来越重要。人与AI相处过程中，人性以及如何理解复杂社会，是人类最稀缺和最有价值的东西。

未来最疯狂的事可能是人类不是这个星球上唯一的智能物种，但最不应该忽视是对人性的珍视和对人类自我的探寻。

于丽丽：这是很有意思且珍贵的一种提醒。研究AI，某种意义上也很像人类的一场终极自我了解之旅。而我们何其幸运地赶上了这样的巨变时代，可以一起参与和见证这一切。

陈昱：非常神奇的是，AI现在也开始学会“欺骗”。我一开始以为它会像《三体》中的三体人，不会欺骗、没有隐瞒。所以AI的确是反映人性的，某种意义上，它是人类理解自身的一个终极工具。（转载自暗涌Waves）