啟明創(chuàng)投周志峰：未來一年，AI領域將發(fā)生什么？｜WAIC2026

當中國日均消耗的大模型Token自2024年暴漲3000倍至450萬億，當一家科技大廠的AI算力預算從去年的600億陡然跳升至今年的3500億，當具身智能賽道在兩年內(nèi)冒出370多家企業(yè)，“速度、強度、烈度都是在人類這幾百年工業(yè)革命、信息革命中沒有見過的超高水準。”

2026年世界人工智能大會（WAIC2026）期間，啟明創(chuàng)投主管合伙人周志峰在“啟明創(chuàng)投·創(chuàng)業(yè)與投資論壇——從算力原點到應用落地的進化征程”上用這些數(shù)據(jù)和案例，談及過去十幾個月最真實的體感。

周志峰的體感是戴著“權威性”的，啟明創(chuàng)投從2013年開始系統(tǒng)性布局人工智能領域，截至目前，啟明創(chuàng)投在AI領域累計投資了超過100個項目，投資總額達120億元人民幣。通過對底層算力、基礎模型、多模態(tài)技術、具身智能及垂直應用的全產(chǎn)業(yè)鏈布局，啟明創(chuàng)投已成功發(fā)掘并助推了多個創(chuàng)新標桿企業(yè)成長，見證AI進入智能爆發(fā)時代。

“投資人好像是坐著直升飛機去俯瞰人工智能各個領域的脈絡，接收到鮮活的信號和產(chǎn)業(yè)趨勢。”周志峰說。

此次論壇上，啟明創(chuàng)投主管合伙人周志峰圍繞基礎模型、具身智能、AI基礎設施、AI應用等做出2026啟明創(chuàng)投AI十大展望。

在周志峰看來，當資本市場在模型層和具身智能領域迅速形成“共識”并陷入狂熱時，真正的商業(yè)拐點，恰恰藏在那些“沒有共識”的沉默地帶。

從“外掛”到“內(nèi)化”，模型層的資本紅利與技術收斂

“我做一級市場投資，從來沒有想過在我的職業(yè)生涯中還能在一級市場看到一家四千億估值的公司。”周志峰在演講中直言。

他指的是DeepSeek——這家成立僅數(shù)年的公司首輪融資估值即達5000多億元人民幣，而智譜上市后六個月市值破萬億，月之暗面、階躍星辰等“大模型四小虎”的估值在幾個月內(nèi)從二三十億美元飆至一二百億美元。

這份“史無前例的資本紅利”背后，是市場對模型價值的共識極速形成。周志峰用一組數(shù)據(jù)佐證：在Open Router這一全球模型聚合平臺上，中國模型的使用量已連續(xù)11周超過美國模型；美國企業(yè)使用中國模型構建AI應用的占比，從一年前的4.5%飆升至46%。“在目前這一代模型，沒有更上一個臺階之前，中國的模型和美國模型差距縮短到兩三個月的時間。”

而啟明創(chuàng)投2026十大展望的第一條便指出了這種“接近”的脆弱性：未來12-24個月，頂尖模型將內(nèi)化大部分“外掛”能力——任務規(guī)劃、工具調(diào)用、多Agent協(xié)同乃至部分Harness工程能力，都將從外部插件變成模型的原生能力。

這意味著，今天那些靠“套殼”和“編排”獲得高估值的中間層公司，可能面臨被底層模型“降維打擊”的風險。

具身智能從“萬小時”到“百萬小時”的數(shù)據(jù)躍遷與估值迷霧

如果說模型層的共識已經(jīng)形成，具身智能則是另一個資本蜂擁而至的“共識”賽道。不過，周志峰在這里展現(xiàn)了投資人特有的清醒——甚至可以說是審慎。

“具身智能是過去一年殺死我腦細胞最多的領域，沒有之一。”他坦承自己“遇到不少看不懂的奇怪現(xiàn)象”：370多家新企業(yè)在兩三年內(nèi)成立，10家估值約200億元，20家約100億元，“這個密度太高了”。他打了個精準的比方：“具身智能像今天凌晨將拉下帷幕的世界杯，擴容了，一下子來了這么多選手，但最終的冠軍仍然只有一個。擴容了更多的隊伍來參加這個比賽了，競爭一定會更激烈。”

啟明創(chuàng)投的展望三給出了一個硬核判斷：頭部機器人公司的有效數(shù)據(jù)將從2025年的“萬小時級”躍升至2027年的“百萬小時級”，其中人類第一視角數(shù)據(jù)將占絕對主導。

當前最頂級具身智能公司手中僅有幾十萬小時數(shù)據(jù)，離驗證Scaling Law所需的百萬小時量級還差一個數(shù)量級。周志峰判斷，“最快就是今年年底、明年年初”可能實現(xiàn)突破，但前提是“你得先有100萬小時的訓練數(shù)據(jù)才能驗證這個事”。

關于“世界模型是真方向還是偽命題”，周志峰直言：“我一直不認為世界模型是全新賽道，只是在一級市場被炒成了熱門概念。”在他看來，這兩者絕非非此即彼的平行路徑，未來走向深度融合是趨勢，近期市場上雖然新涌現(xiàn)出來大概30余家主打“世界模型”的初創(chuàng)企業(yè)，但剝開技術的概念外衣，“對比之前走VLA路線的公司來看，這兩類公司在應對真實的商業(yè)化落地上，并沒有拉開本質(zhì)差別。”

他進一步拆解了具身智能的數(shù)據(jù)策略演變：真機數(shù)據(jù)質(zhì)量頂尖但總量稀缺，“特斯拉尚且如此，其他企業(yè)更難實現(xiàn)”；視頻數(shù)據(jù)海量但噪聲大；介于兩者之間的UMI數(shù)據(jù)（人類實操可穿戴設備記錄）正成為主流。目前中美頭部企業(yè)規(guī)劃今年內(nèi)積累超過100萬小時訓練數(shù)據(jù)，其中昂貴的真機遙操作數(shù)據(jù)占比較小，以人為核心的第一視角多模態(tài)數(shù)據(jù)會占絕對主導。

算力狂歡下的結構性緊缺與“杰文斯悖論”

“但凡炒股的人，過去半年一定交易過GPU算力股，交易過‘讓我們活在光里’的光芯片、光互聯(lián)、光通信股票。”周志峰表示。

他透露，某國內(nèi)科技大廠去年算力預算最終落地約600多億元人民幣，“今年給出的預算是去年的六倍多”，“從來沒有見過一個產(chǎn)業(yè)它的擴展規(guī)模與倍數(shù)會這么大”。

但這份狂歡背后，啟明創(chuàng)投給出了展望五：AI算力需求重心正從訓練轉向推理，存儲、先進制程和先進封裝產(chǎn)能層層吃緊，未來兩年AI基建將持續(xù)面臨結構性緊缺。這與市場上“算力過剩”的擔憂形成了鮮明對照。

周志峰用“杰文斯悖論”解釋這一矛盾——1865年經(jīng)濟學家杰文斯觀察煤炭/蒸汽機產(chǎn)業(yè)：瓦特改良蒸汽機后，單位煤炭消耗大幅下降，但低廉成本讓蒸汽機普及到全行業(yè)，全社會煤炭總消耗量反而大幅上漲。“模型越變越便宜，從性能至上到性價比至上，但整個需求規(guī)模被激發(fā)增長了一千倍、一萬倍。”

他預判未來五年全球新增算力投入總量將達50000億美元，“這是目前人類商業(yè)社會上能看到的，比機器人領域確定性更強、落地周期更近的最大需求”。

不過，這份確定性中也藏著風險：如果AI應用落地無法保持持續(xù)爆發(fā)增長，“整體應用規(guī)模就無法提升，對于算力增長的預期就會被擊破，一二級市場會出現(xiàn)集中風險”。

AI應用，被誤讀的“元年”與價值定價革命

“去年在這個場合做預測時，我們認為2025年是應用全面落地爆發(fā)的元年。但12個月過去了，我認為應用大勢發(fā)展很好，但是打開方式跟去年我的預測是很不一樣的。”

他提及，AI應用的發(fā)展速度“低于預期”——不是因為技術不夠驚艷，而是因為互聯(lián)網(wǎng)時代的商業(yè)邏輯在AI時代不成立了。

“互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)應用獲得規(guī)模很重要，核心是先規(guī)模，有規(guī)模就能夠商業(yè)變現(xiàn)。但AI應用是，沒有找到好的商業(yè)變現(xiàn)方式之前，盲目地去擴大規(guī)模，每擴大一個用戶、多一個Token的消耗，就要承擔更多的成本，沒有邊際成本效應，這是與互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)最大的區(qū)別。”

他舉了一個例子：某AI玩具企業(yè)賣出幾十萬臺，但該公司解釋“大概九成用戶都不會長期啟用AI交互功能”——這對公司反而是好事，“如果幾十萬用戶全都高頻對話、持續(xù)消耗token，公司根本扛不住成本”。

這正是啟明創(chuàng)投展望八的核心洞察：未來12-24個月，AI應用的商業(yè)模式將加速脫離互聯(lián)網(wǎng)時代的Freemium邏輯，轉向以結果和價值定價。衡量AI公司的核心指標，將從用戶規(guī)模轉向“單位智能成本創(chuàng)造的商業(yè)價值”。

周志峰認同其同事的觀點：“AI應用尤其是AI的C端應用，只在原有體系里做體驗優(yōu)化（改良），很難做大；只有重構供需關系的顛覆式商業(yè)模式變革，AI應用才會迎來真正爆發(fā)。”他以滴滴為例：早期只是撮合存量出租車，市場天花板極低；后來通過放開私家車接入做供給側革命，才打開了幾十倍的市場空間。

“所以AI領域想出現(xiàn)下一個C端超級應用，不光要依靠模型變得更好，也要供需關系上的重構，才能出現(xiàn)新的超級應用，這是我們非常期待。”

展望九進一步預判：AI應用商業(yè)化將聚焦垂直場景與高付費用戶，效率端（Save time）將領先消費端（Kill time）率先爆發(fā)。

從數(shù)字化勞動力到物理勞動力的宏大敘事

面對未來，“當物理AI在物理世界的作業(yè)實現(xiàn)之后，基本上人類社會物理勞動力會極度充裕，我認為這是人類發(fā)展歷程中，技術對經(jīng)濟和社會形態(tài)最底層的一次變革，變革的激烈程度會超過第一次工業(yè)革命、信息革命等過去所有的技術浪潮。到那一天可能就是人類社會發(fā)展到一個極大的豐腴程度。”

周志峰將AI發(fā)展分為三個階段：互聯(lián)網(wǎng)時代通過網(wǎng)站和App將信息邊際成本降到極低；2023年大模型時代通過ChatGPT、豆包等工具讓人以自然語言獲取知識；2026年Agent的出現(xiàn)讓“數(shù)字化工作的邊際成本趨向于零”；最終，PhysicalAI（物理AI）將通過機器人等載體實現(xiàn)“物理世界中的作業(yè)”。

而從“豐腴”的終極愿景回到2026年的現(xiàn)實，中間隔著的是技術收斂的不確定性、商業(yè)閉環(huán)的艱難驗證，以及資本周期必然的起伏。

“人類最大的教訓就是從來不從歷史上中吸取教訓。”周志峰提及2000年互聯(lián)網(wǎng)泡沫中的pets.com——“從創(chuàng)立到上市，就用了不到兩年時間，結果納斯達克上市一年不到公司倒閉了”。

啟明創(chuàng)投的十大展望，本質(zhì)上是一份在狂熱中保持清醒的路線圖。展望七指出：安全可信將與產(chǎn)品效果、Token成本并列為影響企業(yè)AI大規(guī)模落地的三大關鍵變量，安全可信AI將從可選項升級為必選項。展望十預判：AI-Native組織將從概念走向實證，一批企業(yè)將實現(xiàn)數(shù)倍于傳統(tǒng)組織的人均產(chǎn)出。

在AI時代，一年足以見證滄海桑田，但也足以讓缺乏底層價值的狂歡，從云端跌落塵埃。唯有扎根技術迭代、落地真實商業(yè)價值的AI創(chuàng)新，才能收獲長期成長。“下一階段，AI將從技術可用走向價值可持續(xù)，構建可持續(xù)的商業(yè)生態(tài)是誕生現(xiàn)象級產(chǎn)品的核心前提。”周志峰表示。

啟明創(chuàng)投AI十大展望

基礎模型

展望一：未來12-24個月，頂尖模型將內(nèi)化大部分“外掛”能力，包括任務規(guī)劃、工具調(diào)用、多Agent協(xié)同及部分Harness工程能力等。

展望二：多模態(tài)模型將進一步向可交互世界建模演進，成為AI在物理世界獲得環(huán)境感知、長期規(guī)劃并大規(guī)模落地的關鍵技術路徑。

具身智能

展望三：頭部機器人公司的有效數(shù)據(jù)，將從2025年的“萬小時級”，躍升到2027年的“百萬小時級”，其中人類第一視角數(shù)據(jù)會占絕對主導。

展望四：靈巧手將迎來加速發(fā)展，帶有觸覺感知的靈巧手會逐漸成熟并持續(xù)降本，與雙指夾爪方案形成高低搭配，在復雜操作場景逐漸規(guī)模化滲透。

AI基礎設施

展望五：AI算力需求重心轉向推理，存儲、先進制程和先進封裝產(chǎn)能層層吃緊，未來兩年AI基建將持續(xù)面臨結構性緊缺，算力資產(chǎn)儲備將升格為AI企業(yè)的核心戰(zhàn)略。

展望六：AI基礎設施將進入系統(tǒng)級競爭階段，競爭維度覆蓋芯片、互聯(lián)、散熱、供電等關鍵環(huán)節(jié)，未來兩年內(nèi)有望涌現(xiàn)基于新架構的算力芯片及超節(jié)點大集群，以實現(xiàn)低成本、高效率的Token生產(chǎn)。

展望七：安全可信將與產(chǎn)品效果、Token成本并列為影響企業(yè)AI大規(guī)模落地的三大關鍵變量，安全可信AI將從可選項升級為必選項。

AI應用

展望八：未來12-24個月，AI應用的商業(yè)模式將加速脫離互聯(lián)網(wǎng)時代的Freemium邏輯，轉向以結果和價值定價。衡量AI公司的核心指標，將從用戶規(guī)模轉向單位智能成本創(chuàng)造的商業(yè)價值。

展望九：未來12-24個月，AI應用商業(yè)化將聚焦垂直場景與高付費用戶，效率端（save time）將領先消費端（kill time）率先爆發(fā)；伴隨Token成本持續(xù)下降與交互范式創(chuàng)新，現(xiàn)象級AI消費應用將逐步浮現(xiàn)。

展望十：未來12-24個月，AI-Native組織將從概念走向實證，一批企業(yè)將實現(xiàn)數(shù)倍于傳統(tǒng)組織的人均產(chǎn)出。