长石资本汪恭彬：AI大航海时代，大力出奇迹VS创新是第一生产力

“如果认为AI的大航海时代又面临一个分化的可能性，这个逻辑是什么？”

“在分化的大背景下，AI是不是也面临分化？如果是，我们应该采取什么样的策略？”

围绕该主题，长石资本创始合伙人汪恭彬提出，目前的AI大航海时代，中国与美国走出了两条不同的路径，中国企业应该从算法、硬件创新、应用场景等方面建立结构性优势。因此，企业依然要对以AI为代表的科技创新要保持信仰和坚持。

4月17日，在由投中信息和投中网主办的“第19届中国投资年会·年度峰会”上，汪恭彬发表了“AI大航海时代，大力出奇迹VS创新是第一生产力”的主题演讲。

以下是现场演讲实录：

尊敬的各位嘉宾，女士们、先生们，大家下午好！

非常感谢投中这个平台能够给我这个机会，跟大家分享在分化这个大的背景下，AI是不是也面临分化？如果AI也在中美间面临分化，是因为什么而分化？如果是分化，我们要采取什么样的策略？我非常开心能够跟大家讲一讲长石在这一块的（探索）。

如果说我们认为算力像人的大脑，AI的目标是希望让机器像人类一样思考，我想这应该是人类智慧的顶峰。如果算力的堆积像人类的大脑，我们是不是要去投资爱因斯坦这样的大脑？请问，我们是要投资爱因斯坦什么年龄时候的大脑呢？

研究表明，人的大脑是在25岁到达成熟的巅峰。大家知不知道爱因斯坦哪一年的论文帮助他获得诺贝尔奖？正好是26岁，人类大脑的巅峰是25岁，而他是在1905年，26岁提交了“光是由粒子形成的”论文，帮助他获得诺贝尔奖。

两三周前，我跟我的一个做制造业的被投企业沟通，去年的收入超过50亿，但是他告诉我一个很有趣的发现，他的两个工厂的设备和员工是完全一样的，但是这两个工厂给他呈现的毛利率差了3-5个点，他试图通过他的团队用AI的方式分析为什么A厂跟B厂的毛利率有这么大的差别。从这一点来看，我觉得AI对中国的传统产业，包括制造业的优化方面，对他提升毛利率方面，这一块的空间非常大。

从算法和数据方面取得相对优势

今天我们讲AI的分化，讲全球的分化，讲中国内部各种的分化，在AI应用领域、AI机器人领域、人形领域已经到了DeepSeek的时刻吗？我想今天在讲AI分化的时候，一个特别重要的点是今年年初DeepSeek的出炉，大家会认为中国在这一块走出了与美国不一样的路径。

分享第一个点，大航海时代的逻辑是什么？我们如果认为AI的大航海时代又面临一个分化的可能性，这个逻辑是什么？AI爆发的是什么？其实AI不是新名词，人类最早在1956年就提出了人工智能，经过将近70年的发展，过程中投资人投了一波又一波。最近一轮的投资已经在港股上市，像商汤科技这些当时的人工智能的四小龙，那时候是以自然语言模型和视觉模型（为主）。

最近这几年我们在看AI的时候两个点非常重要，一个是多模态，另一个是从训练到推理的全面的进展，算力需求分化体现在计算强度、数据处理、硬件需求、应用场景等多个维度的突破，特别是中国应用场景的突破。

中国跟美国走出了不同的路径，我想这是在结构优势方面做的不同尝试。正如我一开始所说的，美国在大力方面具有相当的优势，它可以用大力出奇迹，比如OpenAI、英伟达等的算力霸权。中国走出来的路径是，如果觉得在算力上面没有优势，还有一些差距的前提下，我们希望在算法和数据上能够实现一些另外路径的突破。

AI其实是三个要素：算力、算法、数据。我想中国是尝试从后面两个要素方面实现我们的优势。

AI为什么会出现这种分化？为什么会出现大力和创新的差异呢？这个底层逻辑是什么？这里面引进两个定律，第一个是规模定律，是说当数据、算力积累越大的时候，对性能提升的边际效用是在递减的。

DeepSeek的成功其实已经反映了这个问题，当卡的集群越来越多的时候，对性能的提升反而越来越有限。第二个是规模经济定律，从经济学视角来看，对算法的研究规模越大，或者说参与者越多，越有利于分摊固定成本、促进技术创新进步。

所以从这两个定律来看，一方面，算力方面出现规模回报的边际递减，另一方面，算法的创新和进步却最终有利于规模回报的递增。我们中国应该采取什么样的方法？肯定是第二个方法，很容易帮你建立你的结构性优势。

大家可以看下面的三张图，无论是在计算层面还是在数据集层面，还是在参数层面，X轴代表投入的指数级提升，Y轴表示损失的减少（即模型性能的增加），在双对数坐标轴下这种性能的变化拟合出了一条直线，所以你看到当X轴出现指数级提升的时候，模型性能的边际提升开始减少，对于投入就不再敏感。

与此相反的是，在创新驱动的破局点里面，在技术革新里面，我们就采用所谓的多专家系统MOE和所谓的稀疏化，就是蒸馏模型，希望在这方面实现算法的规模经济。场景创新方面就是更多领域的专业数据，考虑到隐私需求和模型可靠性，我们希望在端侧进行推理，比如说在中国的联想，已经在全球最早发布AI PC，应该在5月份，第一批联想的AI PC会销往欧洲国家。在端侧中国是全球领先的地位，具身智能在垂直领域的X+AI也是这样的，包括AR眼镜的应用也是端侧的应用，就是算法、数据在端侧的应用，这是创新驱动的破局点。

接下来我想分析一下中美在AI分化，两种模式的全球竞争。美国采取的策略还是以算力为优势，硬件以英伟达为代表的优势很强，有几个公司，一个公司是微软，他用OpenAI加上自己的Azure云计算平台来合作，构建算力闭环，实现从模型训练到推理部署的无缝衔接，来提升微软整个的应用和性能。

特斯拉的机器人也是这样，我春节后在硅谷跟硅谷的创业公司和投资公司交流的时候，其实美国的这些投资人和创业公司的CEO，都会认为硅谷的算法、算力还是领先我们的，但是认为在数据层面，特别是在产业链层面，觉得没有办法跟中国竞争。包括特斯拉机器人，他们认为特斯拉的机器人产业也在中国，我在中国见做具身智能、做人形机器人数据训练的公司，其实也是要不断地来到国内对接产业链，在美国国内其实也很难在产业链上做好对接。还有GPT-4o的文生图，它的绘图能力出圈打破了文生图领域的固有格局，垂类应用赛道首次遭到大模型挑战。

中国该怎么办？在硬件上我们有好几家公司希望在硬件上做GPU的突破，国家也给了大量的支持，也有基模的创业公司开始获得比较大的发展。在硬件创业方面，这个是对于投资人可以考虑的点。这也有点像国内的晶元厂如何面对先进制程，短时间内如果没有办法形成先进制程，可以在先进封装上实现突破，先进封装在互联、在价格上可以实现突破，以达到先进制程或者同等性能芯片的目标。

在应用场景方面，中国在数据层面的优势确实是非常明显的，当我们在看人形机器人的公司的时候，我们会特别关注公司的人形机器人会在什么场景落地。比如说会说找一个酒店场景，或者找一个养老院的场景，很多人是去找汽车工业的场景。这一块的数据在中国还是有相当大的优势。

从前面的分析里面来看我们的结论，在今天全球都说做AI，其实从硅谷的投资人来看，硅谷投AI比我们更多一些，特别是硅谷在AI应用方面，我觉得投得比中国的投资人更多。

大家都在谈AI应用，很明显地看到硅谷对AI的应用，比如AI在法律的应用、在广告的应用等各方面。但其实在中国，我觉得没有形成付费的意愿。

中国在哪些方面有可能存在不对称的优势？第一个是规模经济层面，我觉得算法优势是可以的，如果算法优势再加上数据或者场景的优势，其实就是AI的应用，问题是怎么抓到这些AI应用的机会？即便是在规模不经济层面，哪怕是目前还不存在强势优势的地方，比如规模不强的地方，我认为可以在互联或者封装层面实现创新。我刚刚在台下坐的时候，就有一个我们正在成都尽调的公司在跟他的客户中际旭创交流，因为中国在服务器的需求还是很大的，在这一块中国有可能做出比较好的产品。

我们围绕这些方面也投了一些企业。第一个企业是做二氧化硅，用二氧化硅做成球硅的材料，这个材料跟英伟达的芯片配合，当服务器用更多的GPU芯片的时候，会产生更多的功耗和温度的提升，导致芯片发生翘曲，而这个材料可以防止发生翘曲。第二个公司是光模块领域的硅光芯片，增长也非常快。第三个公司是AI的推理芯片，目前已经应用在联想的AI PC里面，联想的AI PC应该在全球找了80个供应商，反复对比性能之后，选择了这家作为他的供应商，它叫芯动力。

对创新保持信仰和坚持

向大家报告一下，我们希望在AI的大力出奇迹的时代，在通过创新的方式取得相对优势的过程中，我们如何取得一个平衡。

我自己在做这个基金的时候，思考最多的一个问题是如何做好一个健康长久的GP，我需要解决的是，什么产业有机会？这个机会与我有没有关系？我的能力圈，我的核心竞争力到底是什么？当时我已经意识到国家之间权利的竞争。中国当时提出来智能制造、提出来要自主可控，所以我认为当时To C的机会当然也还有，但是这也不是我的优势，所以我认为我应该去找一个在中国有一定优势的产业，而且这个产业里面的核心的，比如半导体或者材料，或者核心的器件中并没有建立起来特别强的优势。

我首先是以消费电子产业链入手，后面拓展到新能源汽车，找到这些产业链，再找到这些链主的企业或者企业家，我们希望通过这些企业或者企业家建成生态圈。过去这方面做得还不错，特别是我们围绕手机产业链的基金投了24个项目。即便在今天我们看AI大的机会的时候，会发现在2017年、2018年围绕的手机产业链其实还是AI最重要的终端。在手机周边我们发现XR，我想一开始应该是AI眼镜和AR眼镜起来比较快一点，我们最近也完成了对一家AR眼镜的ODM公司的布局，也正在对AR眼镜上下游做一些梳理。

我的方法论里面，在AI面临两个分化的前提下，我们认为两块都还有机会布局。

即便在规模经济领域或者规模不经济领域，仍然可以围绕硬件，比如基础设施也可以围绕创新架构做布局。在产业上面我们自己的理解是，从智能手机到智能汽车、到具身智能，也就是智能一开始的终端是在手机，后面的终端是在车，现在我觉得智能会出现在你身边的任何一个所谓的智能体。

今天在深圳有很多的所谓的AI硬件，有一些投资人会看哪些公司有可能会生产产品出来，哪怕做AI的咖啡机，或者AI的戒指，来寻找机会，其实这些机会还是非常不错的。我们希望围绕三个大产业做投资，最重要的是看商业化，我们认为技术很重要，但是技术满足产业更重要。刚才说到爱因斯坦，我仍然认为在推动社会进步的重要性方面，可能企业家还是更重要一些，诺奖得主固然重要，但他可以不用走出办公室，但是企业家更难一点，我们看企业家的时候会更看重他跟商业的结合。

赛道刚才已经说了，我们在大力出奇迹的领域其实也还是有机会的，对于中国的创业者、对于中国的投资者我觉得都有机会，而且这些公司也可以走出海外，并不一定只是在国内。在AI推理方面、在具身智能、在算法和数据相结合的领域，我觉得我们会有比较大的机会，特别是X+AI。

AR眼镜，我们最近在看这个行业的时候，我反复问几个问题，AR眼镜是真的来了吗？它是信号吗？还是噪音？过去好多投资人投了挺多的AR眼镜本体的公司，就是品牌的公司。过去发展跟预期相比肯定是没那么快的，今天META推动的AR眼镜能够代表一个信号吗？还是说它还是昙花一现？到底会怎么样？我们倾向于认为2026年AR眼镜应该会成为比较好的机会，所以这个产业链我们也会花一点时间看。

我们特别看重产业跟技术的合作，在技术层面，因为我们特别注重跟电子科技大学、华中科技大学等高校的合作，通过从技术层面和产业圈的这些终端进行合作，来帮助这些企业获得一些好的进展。

大航海时代应该是在500多年以前，DeepSeek的理解是，大航海时代实际上是探索全球化，是欧洲通过海洋探索世界的历史，是一个转折点，也是勇气的赞歌。

但是今天投资人都在说AI，创业者其实也都在这个方向，今天我们这艘巨轮会驶向哪里？投资人会投向哪里？投向有共同目标的星辰大海，还是会投到那些逆全球化的地缘政治？我想也可能两边都有机会。

这两天好多嘉宾都在分享，也谈到分化，但是我觉得很重要的点就是我们还是要相信科技创新，我觉得科技创新的底座其实还是AI，所以在大航海时代无论面临多大的风浪、面临多大的分化，我们还是要对科技创新，对以AI为代表的科技创新要保持信仰和坚持。

非常感谢大家的时间，谢谢！