在《MPW零度对话》系列中，我们邀请中国最具知名度和影响力的女性领导者，讨论当下所有人共同关心的话题，从充满热情和妙趣的对话中，提炼出冷静理性的智慧。

　　临近年末，多家权威词典公布的年度词汇均指向 AI，例如“slop”（网络垃圾）、“vibe coding”（氛围编程）与“rage bait”（愤怒诱饵）。而在中国，几家机构联合推选的年度国内词则是“DeepSeek”。

　　对身处硅谷这一全球AI创新中心的投资人而言，如果选择一个年度词汇，很可能是“泡沫”。AI投资泡沫的讨论贯穿全年——从美股市场对AI概念的追捧、科技巨头之间为抬高估值的“循环交易”，到近期亚马逊与OpenAI正在洽谈的高达100亿美元的投资，狂热与质疑同在。

　　硅谷投资人、连续创业者、Fusion Fund创始人张璐指出，目前部分模型公司在零收入阶段的估值已高达数亿美元，市场迟早会迎来价格重置。事实上，本月甲骨文与数据中心服务商CoreWeave已出现市值大幅回调，幅度堪比2000年或2008年的市场下跌。投资者正在抛售那些看似过度扩张的公司股票。

　　不过，张璐对这轮泡沫的前景持审慎乐观态度。她认为，与2000年互联网泡沫时期大量科技公司缺乏实际收入、偏向C端不同，本轮AI创新背后有真实的产业需求支撑，且初创企业正加速转向B端。“一旦与企业流程深度融合，AI公司的收入便会趋于稳健。”她预测。

　　泡沫之外，张璐更加关注的是今年AI领域呈现的新趋势。在她看来，2025年AI领域经历了“上升”和“下沉”——一边是全球竞赛中的技术持续突破，一边是AI加速向产业深处落地。

　　在AI基础设施层，尤其是芯片领域，过去由GPU主导的格局正逐步走向多元。张璐观察到，一些新模型架构在CPU上运行效率更高；谷歌的TPU发展迅猛；高通、英特尔推出的NPU则在能效方面表现突出。

　　在云基础设施层面，长期困扰行业的四大难题——算力成本高、能耗大、边缘设备应用难、数据隐私问题——正逐步得到解决。例如，OpenAI的token价格已从每千个30美元大幅降至9美分；被英伟达收购的由华人创立的Lepton公司，其技术能显著降低GPU消耗。

　　能耗方面，新模型与芯片架构不断优化计算效率。和电网在输电过程中会产生损耗类似，“Communication过程中的能耗实际上是计算本身能耗的百倍以上，这成为优化重点，”张璐指出。

　　边缘AI亦在快速推进，谷歌等大厂及众多初创公司正开发参数低于10亿、性能却可比肩GPT-4的端侧小模型，未来可在手机等设备本地运行。数据隐私方面，联邦学习等技术已在金融、医疗等高监管行业部署，与之配套的监管科技也在同步发展。

　　在应用层，今年，美国非科技领域如医疗、金融保险、太空科技的AI应用进入快速迭代阶段。初创企业层出不穷，大公司则全力冲刺。

　　“谷歌AI部门据称一周工作七天，有些公司开始实行‘002’模式（从零点到零点，每周仅休息两小时），马斯克的团队就更不用说了，常常工作至凌晨。”张璐说。

　　与此同时，美国大公司与初创企业的合作与并购活跃。张璐透露，Fusion Fund今年就有五家公司被大企业收购，其中三家公司成立还不到两年，价格均超过两三亿美元。

　　就在昨日，Meta宣布收购通用自主AI智能体公司Manus。这笔高达数十亿美元的交易，成为这家科技巨头成立以来规模第三大的收购案。此项收购意味着，AI正从“工具”加速进化为“行动者”。

　　这种快速整合带动了资本与人才的流动。张璐特别提到，硅谷超过40%的居民为第一代移民，独角兽企业中六成创始人也来自移民群体。在AI基础设施与模型架构的研发中，亚裔（尤其是华裔）、欧洲裔与加拿大裔成为主力；以色列团队则深耕隐私与安全领域。

　　张璐指出，尽管硅谷在芯片、模型、基础设施层面领先，但美国电网老化严重，难以满足AI的能耗需求。由于私有资本难以进入该国的电网领域，微软、谷歌等巨头不得不转向自建能源系统。而资源丰富的加拿大今年新设了人工智能及数字创新部，或将成为北美AI产业重要的能源后方。

　　相比之下，中国在新能源基础设施、完备的机器人供应链以及全民化的技术应用氛围上已构筑起独特优势。

　　“在美国很难看到中老年人积极拥抱新技术，许多美国老年人甚至不知什么是短视频应用。相反，在中国，用户无论处于任何年龄层，都在快速学习使用新技术。”张璐说。

　　在今年，关于开源模型的讨论热度继续攀升。中国的DeepSeek、阿里巴巴等公司持续贡献开源模型，而美国科技公司如OpenAI、谷歌、Meta因为处于大规模商业化阶段，开源意愿很有限。

　　中美在AI创新领域的另一项差异体现在创新生态方面，而硅谷独特的创新生态或许能够为中国的AI发展提供一些启示。在美国，大公司与初创企业往往会形成新型共生关系：前者为后者提供试错场景和并购出口，后者为前者注入创新活力。

　　具体来看，美国企业CTO的主要职能是投资未来技术，其预算用于采购、合作和并购创新项目。一方面这些公司有固定预算；另一方面有合理预期，例如合作的三家初创企业中可能有一家失败，大公司对此有容错空间。

　　一项共识是，在AI领域，中国在应用层处于领先，而美国在技术层占据优势。然而展望未来，这两条路径之间的界限正逐渐模糊。接下来的竞赛，或许将聚焦于谁能找到那个关键的支点——既能支撑技术不断“上升”取得突破，又能推动应用加速“下沉”实现价值。

　　张璐：我其实非常兴奋。有个说法：当世界面临巨大变化时，有三种人：一种人创造事情的发生，一种人看着事情发生，还有一种人会问“发生什么了？”我们应该是第一种人。

　　自2015年至今，我们一直在重点布局AI企业，如Otter AI、Constructor A、Wand AI等，均已成长为独角兽。今年被收购的5家公司都是AI企业，明年还有3家即将IPO的企业。

　　今年的增长曲线尤为陡峭：我们投资的一家B2B AI公司，从去年上半年的50万美元年收入增长至现在的1.5亿美元；另一家公司年收入从零增至2000万美元，而团队还不足10人。过去两三年投资的企业中，70%以上年收入增长超过20倍。这背后是市场对AI的加速拥抱。

　　但不可否认，任何重大的技术创新都会伴随资本泡沫。我一年前便提出：AI趋势是真实的，资本泡沫也同样显著。一方面，并非所有资本都充分理解AI或抱有合理预期；另一方面，全球经济动荡下，资本需寻找增长点进行布局，导致马太效应。

　　张璐：当前一、二级市场均存在泡沫。部分模型公司估值畸高，早期团队在产品与收入均为零时估值已达数亿美元。所以市场必将经历价格重置，但幅度难以预测。不过，这不会改变AI的整体发展趋势。

　　硅谷已经历经了多次周期——2017年、2021年均有类似现象，我们早已习惯泡沫与寒冬的交替。

　　张璐：不太一样。2000年前后，许多公司缺乏实际收入，且偏重C端。两年前，美国AI的主流业务，尤其是科技巨头们的AI业务，很多也偏重C端。

　　但如今AI初创企业的趋势转向了B端。AI的作用主要体现在业务流程自动化（降本）与业务优化（增收）。现阶段，企业大多通过AI降低成本，因此财报中尚未普遍体现收入增长。但随着应用深入，效益将逐步显现。

　　张璐：从投资角度看，需理性预期AI发展轨迹——它不可能在几个月内全面渗透产业，而是需要两三年逐步落地。作为早期投资人，我们对估值保持敏感，如果项目估值过高，我们选择不投。我们相信企业要遵循自然发展规律，在不同阶段匹配相应估值。

　　其实市场已经显现了早期信号：许多公司在首轮融资时凭借愿景获得了高估值，但进入A轮、B轮后，投资方会严格考察收入数据及其质量——是来自B端还是C端？客户是中小企业还是大企业？订单是否可以全公司推广而非仅限研发部门使用？若未能通过验证，公司将面临融资困难与估值调整。

　　这十年来，我们只投To B项目，涵盖企业级AI、工业自动化与医疗AI等。我们会深入分析订单质量：是多年合约还是试用协议？预算来源是否灵活？考量维度很多。

　　《财富》：你曾表示AI在C端的机会多被大公司占据，未来五年，是否会出现能打破大公司垄断的C端AI产品？

　　C端创业的核心难点在于数据。模型本身已难构成壁垒，因为多数公司能基于开源模型或API优化模型。关键在于能否获取高质量数据并构建数据库。然而，高质量的C端数据集中于谷歌、Meta、苹果等巨头手中，初创企业难以企及，且数据质量直接决定模型优化成本与应用成本。

　　C端领域，如文生图、文生视频应用，一旦谷歌、Apple等实力雄厚的企业介入，小企业便举步维艰。因此，C端创业需聚焦差异化数据与个性化体验。

　　当前AI投资与应用还是以B端为主。B端的产业数据还未被大科技公司垄断，初创企业可以通过和产业企业深度合作获取产业数据，进行私有化部署与行业合作获取。例如，许多医疗、金融等领域客户不愿将数据上传云端，这就为初创企业提供了机会。

　　张璐：至少在美国，机会主要集中在B端。如今许多投资者转向此领域，而我们深耕B端十年，已建立了先发优势。

　　聚焦B端的另一个原因在于，美国大企业勇于尝试新技术，推进速度较快。而美国C端用户（除东西海岸）对新事物接受较慢。美国C端的创新，大部分依靠年轻一代传播，很难看到中老年人积极拥抱新技术，许多美国老年人甚至不知什么是短视频应用。相反，在中国，用户无论处于任何年龄层，都在快速学习使用新技术。

　　《财富》：我们注意到在美国，初创科技公司有一项优势：大公司愿意与之合作。这种生态背后的逻辑是什么？

　　张璐：这正是硅谷作为创新平台的核心优势之一。美国企业CTO的主要职能是投资未来技术，其预算用于采购、合作和并购创新项目。一方面这些公司有固定预算；另一方面有合理预期，例如合作的三家初创企业中可能有一家失败，大公司对此有容错空间。

　　活跃的并购市场是创业者选择硅谷的另一原因。在其他地区，10多人的团队很难在收入仅数千万美元时获得数亿美元收购，但在硅谷却屡见不鲜。这种快速的资金流动与商业变现构成了美国独特的商业环境。

　　为促进对接，我们于2018年创立了CXO社群网络。目前，网络涵盖45家全球千强企业的CTO，每季度聚会一次。这些CTO常在董事会开会前咨询外部技术趋势，我们为其推荐企业并促成订单。至今，该网络已经为被投企业带来超过1.5亿美元的订单与战略合作。

　　张璐：这些大基金的网络可能覆盖CEO等多类人群。我们专注B2B与技术驱动型项目，因此CTO社群的精准度与契合度更高。在竞争优质项目时，这一网络极具优势。

　　此外，在谈判估值时，我们不仅能为创始人提供订单，还能帮助他们获取政府补贴等不占股的非稀释性资源，从而以更合理的估值完成投资。这种生态建设是长期工程，对双方均极具价值。

　　《财富》：我们观察到AI与机器人技术正渗透至太空经济的多个层面。在可回收火箭实现成本大幅降低后，太空科技的下一个“破坏性创新”可能出现在哪些环节？

　　张璐：我们曾经成功投资SpaceX，目前也在重点布局太空科技。这个领域正处爆发前夜。受益于AI与机器人技术的发展，SpaceX已将单次发射成本从数Kaiyun官方入口十亿美元降至不到一亿美元，未来还会很快降至千万美元级。届时，单颗卫星发射成本或仅数万美元，推动卫星数据应用普及。

　　我们投资的一家公司从事卫星交通管理与数据交易。随着卫星增多，碰撞风险上升，可以通过AI掌握轨道信息并进行快速调节；此外，若需要特定地区（如芝加哥或洛杉矶）的天气数据而自身无卫星，该公司可以帮助你低成本获取。这打破了卫星数据仅限特定阶层使用的认知。这家公司商业模式很简单，但收入已达数千万美元。

　　我们投的另一家公司开发全自动化机器人系统，这些机器人可在月球提取水并分解为氢氧，作为太空燃料补给，有效降低发射负载。如果由人类在太空从事此类工作，成本极高，但机器人则不同。我相信AI和机器人将快速推进太空经济发展。

　　今年是医疗大年，AI也在加速该领域发展。我一直关注脑部疾病，如帕金森、阿尔茨海默症、抑郁症、躁郁症等。今年脑疾病领域涌现许多AI相关技术，不只针对诊断，还涉及治疗。我们投资了两家公司，一家做糖尿病垂直领域的小模型，另一家做细胞疗法的基础模型。

　　《财富》：除了太空科技，AI Agent也被认为处于爆发前夜。如果请你预测AI Agent领域的第一个真正杀手级应用，会是什么？

　　张璐：代码智能体（Coding Agent）已近乎杀手级应用。目前多数科技公司80%的代码由AI生成，我自己也在用。

　　智能体的核心能力是处理复杂任务，并自主选择工具。现在许多公司想做“通用智能体”，即什么都能处理的智能体，我觉得难度较大。也有一些公司专注特定应用场景的智能体，已开始落地，且商业化不错，主要应用于To B场景。

　　智能体的未来明确，但当前技术尚未达到期待，仍在发展。不过进度不会太慢，可能再有一年时间就差不多了。我们投资了多家智能体基础设施公司，专注于操作系统、成本优化与幻觉消除。一旦基础稳固，应用层将快速涌现。

　　《财富》：请分享：你今年最满意的投资项目；一个决策周期长、令你纠结的项目；以及最终放弃的一个机会。

　　张璐：最满意的项目是一家赋予AI长期记忆的模型公司。现有AI只有短期记忆，而该公司的视频模型可分析视频内容。例如，将采访视频输入，它能给出精准总结，甚至包括衣着颜色等细节。由于对视频数量无限制（仅限单个视频时长），可以输入大量视频，由其长期记忆给出更智能的分析。目前主要应用于To B场景，如机器人工业安全。

　　决策周期最长的是一个医疗项目——利用小胶质细胞治疗帕金森症（目标不是缓解，而是治疗）。我们经过几个月的详细尽调，最终决定投资。投时估值还比较低，幸运的是，投后一周，《自然》和《科学》连续发表多篇论文验证该方向，公司随后获得美国国立卫生研究院（NIH）不占股的政府补贴资金。该技术也运用了AI，因为需要AI才能实现个性化小胶质细胞的生成。脑部疾病治疗的特点在于标准化治疗非常难，需要个性化方案。

　　放弃的项目多半因估值过高。我们追求高回报倍数，若最佳情景下仅能获十倍收益，便会选择放弃。

　　张璐：我们始终看重长期回报。早期投资可跨周期，目标仍是培育价值数十亿、数百亿美元的企业。基金需分散风险，比如我们投资25-30家公司，其中有七家是核心，其他表现一般的企业可能通过收并购退出。通过这种方式我们对风险做了分层。

　　当然，我们不愿公司过早被收购（如被英伟达收购的多家企业），虽然回报可观，但难免遗憾。我们投资的初心是参与创新浪潮，挖掘顶尖企业，尤其是有潜力成为垂直领域领头羊的企业。

　　《财富》：在做投资决策时，你对市场空间、团队能力、技术壁垒、商业模式等要素的重要性是如何排序的？

　　张璐：我们最看重市场——规模要足够大，且为增量市场；市场时机甚至优先于团队评估，因为英雄常由时势造就。如果大企业CTO透露，今年预算会优先花在某个方向，这就是市场时机的明确信号。

　　其次看团队，我们尤其关注“创始人-产品-市场”契合度。年轻技术背景的创始人适合基础设施项目，可能拥有新技术或模型架构想法；而连续创业者更擅获取行业数据与推动商业化。

　　团队的技术需“更好、更快、更省”。成本是AI公司的关键竞争要素。我们看好谷歌，也因其凭借全栈优势（自研TPU、模型、云、数据）能实现最低成本。

　　苹果虽在AI方面的布局稍迟，但因掌控智能手机这一数据入口与应用载体，后发优势还是存在的。AI搭载的智能载体目前主要是手机，未来可能是眼镜，但眼镜仍需绑定手机。

　　张璐：2015年我就投资了脑机接口公司Paradromics（斯坦福团队，侵入式，植入纳米纤维机器人），其针对脑损伤修复，已进入临床实验阶段。我是该公司第一个投资人，它可能很快成为独角兽，最近刚拿到沙特新未来城（NEOM）投资基金。

　　青少年抑郁症高发可能与社交媒体导致的“信息茧房”有关。他们在社媒上看到的多是他人美好生活，与现实形成对比。现实是，美国社会也很内卷——高校录取率骤降，就业市场严峻。我们招聘一名办公室经理，收到了700多份简历，甚至包括斯坦福博士生与MBA。

　　但长远看，年轻人学习能力强，能快速掌握AI工具。反观中层管理者，很多人既缺乏年轻人学习速度，又未至决策层，职业风险较高。

　　张璐：大产业应用不会瞬间到来，人们还有时间适应。但每个人都应有紧迫感，主动学习使用AI工具。人类最伟大的能力正是工具的使用。

　　AI可能替代部分岗位，但也在创造新机会。例如，公司运营部门因AI增效而裁员三分之一，但销售团队业绩提升30%后可能扩招。劳动力市场将在不同领域重新配置。未来组织也更趋扁平，信息流转更高效。

　　还有一点值得注意。正如微软CEO萨提亚·纳德拉所言，当代领导者要学会管理“人类劳动力与数字劳动力”的混合团队。

　　《财富》：你提到AI发展的“华彩乐章”才刚刚开始。未来三五年，你最期待看到AI在哪些方面取得突破性进展？衡量这场“交响曲”进入高潮的标志会是什么？

　　张璐：标志包括智能体爆发及各产业AI融合。科技行业仅占美国GDP不足10%，而医疗、金融、保险等服务业占比超50%。若这些领域广泛整合AI，便是华彩乐章。

　　技术层面，Transformer模型（编者注：一种采用自注意力机制的神经网络架构，已成为自然语言处理的基础技术范式）绝非终点。新架构不断涌现，芯片设计也将持续创新。

　　但我认为，我们距通用人工智能（AGI）尚远。李开复老师对AGI的定义很精准：能完成人类90%的任务，且优于90%的人。照此标准，我们仍有很长一段距离。

　　我认为无需执着追求AGI。各行业可发展各自的垂直应用，在特定场景超越90%的人类就是很大的突破。

　　张璐：成功对我而言，并非成为最大基金，而是成为最顶尖的早期投资机构，并持续扩展影响力。

　　另外，成功应是可持续地达成目标，而非靠运气投中一家好企业。因此需要形成优秀的投资方法论与生态。这就是为什么我从2015年起构建CXO、专家、学者、创始人网络，该网络至今仍在创造巨大价值。

　　投资方法论需一以贯之。正如拉里·佩奇二十年前所言：人工智能会是谷歌的终极版本。他的长期目标非常明确。我们同样坚持擅长的投资领域，不盲目跟风热点。

　　团队建设也很关键。没有完美的人，但有完美的团队。我们的合伙人有技术背景与产业经验，能力互补，形成完美组合。

　　张璐：我小时候很喜欢看人物传记，这让我看到人生的各种可能性，所以很多传记里的人物都影响过我。如果说现在对我影响很大的人，是鲁斯·巴德·金斯伯格（美国联邦最高法院历史上第二位女性大法官）。她有一种非常笃定的力量。世界上聪明人这么多，尤其在硅谷，但不一定每个人都有这种力量。

　　我在青少年时期就知道自己想做什么，成为什么样的人，哪怕在很多人看来，我的一些想法有些另类，一些做法选择了“少有人走的路”。 但我相信，保持笃定、始终如一，再加上全力以赴，幸运自会来临。（财富中文网）

　　在财富Plus，网友们对这篇文章发表了许多有深度和思想的观点。一起来看看吧。也欢迎你加入我们，谈谈你的想法。今日其他热议话题：

　　查看《南京博物院文物管理问题引关注，江苏省委省政府成立调查组》的精彩观点