2025年4月18日，由非凡资本领衔主办，霞光社、给力讯息、云赛空间协办的「生成式AI商业高峰论坛暨第六届非凡奖颁奖礼」在上海漕河泾万丽酒店圆满落幕。
此次盛会吸引了超过80位AI领域的演讲嘉宾和千名AI相关从业者参与。通过主题演讲、圆桌论坛、互动展览和晚宴派对等丰富多彩的活动形式，非凡资本为参与者打造了一个全面而深入的AI行业交流盛会。
大会首场圆桌会议以《AI投资：战略布局、赛道突围与长期价值洞察》为主题。主持人是非凡资本合伙人吴畏。嘉宾包括：高成资本创始合伙人洪婧、耀途资本创始合伙人白宗义、钟鼎资本合伙人顾蔚荧 。以下是圆桌讨论核心内容：
AI投资策略与赛道布局：
白宗义： 基金70-80%投资与AI相关，覆盖算力基础设施（计算、存储、互联芯片）、AI基础硬件和基础软件、AI应用。早期（2018-2020）重点投资算力生态，目前已有多家被投公司准备申报IPO或者迎来规模商业化拐点。
自2023年底-2024年开始，我们认为开源模型将成主流，因此围绕“卖水卖铲子”的AI infra软件领域进行布局（如硅基流动），并持续在泛具身智能硬件及应用场景进行投资。对人形机器人持谨慎态度，认为目前更多是情怀驱动，商业化前景尚不明朗，但一直密切关注新兴团队以及现有团队的关键拐点时刻。
顾蔚荧： 将AI视为底层基础设施，认为每一波科技浪潮都会带来机会。去年主要投资与基础设施相关的项目（数据中心、AI芯片产业链设备制造）。今年重点转向AI原生应用领域，尤其看好能叠加AI提升效率、优化体验的产品。认为生成式AI对传统软件公司有巨大帮助，能使其产品更优秀。也关注软件定义的硬件和带有AI功能的新硬件品类。
洪婧： 专注于企业软件投资，认为未来没有不拥抱AI的软件公司。将生成式AI在应用场景的应用比作九局棒球赛刚刚“第一局下半场”。技术方向开始收敛，是应用大爆发阶段。投资主题包括：1）Young Incumbent（年轻的在位者）：垂直领域领先的SaaS公司利用AI推出新产品/深化服务，拥有客户粘性和行业场景理解是其优势；2）Native AI产品：原生AI产品爆发性强增长迅速，甚至能快速实现盈利；3）软件定义的硬件：软件创造价值，交付和收费形态多样（含硬件、订阅）。
AI应用市场的选择（国内vs海外）：
顾蔚荧： 实际情况是许多原生AI应用产品面向全球市场，尤其是北美，因其有订阅付费习惯。海外市场通常能更快实现商业化和增长，但国际关系和本地化挑战存在。
洪婧： 国内外两个机会都看好。海外市场特别是to C或to Professional类产品增长快，客户付费意愿强，但做大需解决本地化销售和组织升级问题。国内市场应利用AI的云原生特性（基于token消耗）推动云化订阅模式，而非盲目私有化部署。应主动选择那些愿意将软件花费视为运营性支出而不是资本性支出的目标客户。
创业团队偏好（“小天才”vs“老司机”）：
洪婧： 在to B领域，更倾向“老兵扛新枪”，即在行业有深厚积累和资源，又能拥抱新技术的团队，认为成功概率更高。To C领域可能年轻人直觉和想象力更好。强调创业者应聚焦用技术探索商业边界和创造价值，避免“拿着锤子找钉子”，并将技术优势转化为长期的业务优势（规模效应、数据飞轮、用户粘性、跨客户洞察等）。客户付费顺序通常是增收、合规、降本、增效。
白宗义： 人的判断很关键，兼具理性和感性两种维度。对于to C或面向开发者的产品，更看重创始人对产品、技术、需求的敏锐洞察和产品定义能力，情商可以适当往后排。产品定义能力强的年轻团队（如30岁以下）在to C硬件领域有优势，但可能面临后续供应链管理、海外渠道拓展等能力迭代的风险。to B领域需要极强的行业经验和资源，同时对技术敏感。
吴畏：各位朋友，大家上午好。首先要谢谢孟老师。客观来说，二级市场的讨论是比较枯燥的，因为他们讲的东西不多，怕影响股价。而且这个月是一个特别关键的月份，因为很多公司要发布财报。所以非常感谢刚才二级市场的各位领导，还有孟老师，给我们贡献了非常好的内容。我希望接下来的讨论会更加生动一点。他们也问过我要讨论什么话题，但我没打算发给他们，因为我担心他们看了话题以后就不上来了。所以我们用最热烈的掌声，期待一下这三位嘉宾稍后的分享，先从白总开始。
白宗义：我们2017年正式做基金，目前在管三期人民币和三期美元基金，累计投资约120家公司，其中70%到80%跟AI相关，20%到30%跟智能制造相关。从最基础的算力层面到To C&To B的硬件、软件应用，我们都归为AI赛道。2020-2023年每年平均投二十多家公司，去年相对少一些，大概15家，今年应该更乐观一点。
吴畏：一级市场的人发言也这么谨慎。具体来讲，比如我们知道你投了infra芯片、硬件、AI应用，2020年投了几个？
白宗义：从AI的角度来讲，我们在2018年到2020年更多是围绕AI算力生态来做投资，尤其是在云端和数据中心这个赛道，围绕计算、存储、网络、通信。比如，2019年、2020年我们分别投资了两家国产GPU企业的PreA、A轮，2020-2021年我们开始投智能网卡SmartNIC、DPU、下一代CPU架构RISC-V CPU。今年，这些国产芯片公司都迎来了规模商业化和走向资本市场的转折点。
总体来看，这一波生成式AI浪潮，在美国真正赚钱的可能是硬件底座公司，像英伟达、博通等。我们第一波投的GPU公司基本上都到了IPO申报阶段。明年预计是智能网卡、DPU、互联芯片的大年，多家耀途被投企业也将走到规模商业化和资本市场拐点。
吴畏：我感觉到了你偏爱硬科技infra。
白宗义：从AI布局来说，我们早年投资算力硬件项目比较多，在AI应用领域，我们最有代表性的投资方向是自动驾驶。一家天使轮投资的高阶自动驾驶解决方案公司、一家ADAS SoC芯片公司，今年都在准备IPO申报材料。
从应用角度来讲，我们作为一个相对比较年轻的基金并没有参与此前大模型尤其是闭源模型那一波投资。这些项目天使轮估值都是数亿美金起，我们即便参与，预计占比也不高，存在感不明显。
自2023年底-2024年开始，我们认为开源模型（open source）会逐渐成为主流生态。随着open source成为主流，我们相信“卖水”、“卖铲子“的infra 软件领域将迎来重大发展机遇。这也是我们连投硅基流动三轮（从天使轮到PreA轮）的原因。自去年下半年至今，我们已完成了三四个基础设施软件项目的投资交割。
顾蔚荧：您比较关心数字，但我这个数字可能需要拆开讲一下。钟鼎是一个小的综合基金，所以并没有太过去定义AI。我的理解是每一波科技浪潮，我们基金都会去抓。从2010年到2014、2015年的移动互联网，到后面的数字化，再到现在的AI化或智能化，我理解它其实都是底座基础设施。
呼应一下白总说的，去年我们也觉得基础设施是最确定性最高的。所以我们去年做的更多是跟基础设施相关的。从项目角度来看，大概有四五家公司是跟它相关的，更多的是+AI，比如数据中心的建设、AI芯片产业链的一些设备制造，或者链条上的一些制造业。另外是有两家软件公司，分两类：一类是AI+，另一类是+AI。前者更多是原生的应用，它有软件，可能也有to C的工具，或者是一些娱乐性的产品，这是今年的重点。但去年更多的受益者除了基础设施之外，还是一些有场景、有客户、有用户的产品。
所以在两方面，去年大概加了三家软件公司。现在它们叠加AI的产品也好，提效的结果也好，是非常优秀的。昨天我们还在北京拜访了两家原来的软件公司，发现这一波生成式AI对它们的帮助非常大。去年还有两家是跟AI硬件相关的。Again，它并不是native的说我这个生成式AI来了，我要去做什么样的硬件。而是本来这个硬件就有智能化，就有客户交互。但它加入了多模态的视频理解之后，它的功能显现出来了，并且有新的应用出现。
再说到2025年，我记得也回答过吴老师的问卷，关于应用的信心。我们从年初显而易见的DeepSeek也好，包括模型基础设施的一些成熟也好，多模态的成熟。举个例子来说，推理的成熟，包括模型层的格局已经差不多了。我们也不用像去年那样纠结是不是要补强大模型的公司，今年这些问题都不是问题了。所以我们今年会非常确定地加大在AI应用原生领域的投资。一季度已经交割了三个案子，都是比较早期的，因为原生的还是会比较早期一些。我现在看今年的pipeline，还是相对乐观的。
洪婧：好的，谢谢吴总，很高兴有机会跟大家交流。我们是管理资产规模一百多亿人民币的双币种基金。过去两年我们投了小几亿美金在企业软件包括AI，未来两年我们会继续专注这一领域，要投大几亿美金。未来没有什么软件公司是不拥抱AI的，所以AI一直是我们重要的投资主题。我自己从2005年开始做股权投资，从2014年开始投企业软件，2017年帮上一家基金设立了专门的人工智能产业基金。
我们相信技术创新是推动社会进步和价值创造的根本动力。企业软件本质上是管理最佳实践在新的技术周期的抽象和固化。这一过程不是一次性技术落地，而是随着技术的不断升级持续演进的。在技术进步特别快的新技术爆发期，其实是不容易收敛最佳实践的。但目前我们看到这波生成式AI的技术方向已经开始有收敛的趋势了，比如更专注于推理阶段的优化, 出现MCP架构实现各种打通等，这时候恰恰是到了应用更进一步大爆发的阶段。就像九局棒球赛才到第一局，但第一局可能已经开始下半场，开始进入AI应用的爆发期。
我们投的几个主题可以分享一下。
一类是Young Incumbent（年轻的在位者）。细分赛道领先的SaaS公司，特别是已经有大量客户和行业知识的垂直行业类SaaS企业。这些SaaS企业也还相对年轻，理工出身的创业者经历了SaaS商业化过程的各种挑战，逐步成长为细分赛道领头羊。在ToB领域，这些有客户的人去拥抱新技术，可能比有技术的人去拥抱新客户要快。拥有客户，越理解行业场景，越能深入到企业运营里面的公司，就越有可能在一个新技术周期下重新定义端到端最佳实践，比如人跟机器怎么互动，机器跟机器怎么互动，哪里需要给人留出做决策的点。如果是纯AI技术公司想做AI的ToB应用落地，团队最好要搭配理解客户的行业老炮，缩短踩坑走弯路的过程。
比如像我们投的北森，推出的AI助手家族有7个AI agent，比如AI面试官，已经直接比初级面试官的效果要好。招聘一个初面通常要300块钱，北森的价格只是1/10而且效率很高，企业客户接受程度很高，已经迅速实现规模化应用了。北森已经有大量合作多年的企业客户，做“千层蛋糕”式的AI新产品up sale就相对容易。
第二类是Native AI产品。我们也看到有一批千万美金ARR公司还能以百分之百的速度增长，而且不少已经实现盈利。这一类企业ToC或To Professional的比较多，能够快速获取客户，只是将来可能要从PLG往SLG转。
第三类是软件定义的硬件，就是软件创造价值，但交付和收费的形态一开始可能有硬件，后面也可以逐步用订阅的方式来收费。所以这三类我们都看到非常多的高成长公司，我们也出手了不少。
吴畏：在中国投软件、投SaaS如何退出呢？
洪婧：我们不指望赚进出估值倍数的套利，只赚陪伴和帮助企业增长的钱。如果港股退出是3xPS、15xPE，那我们就尽量用这样的估值进入。
吴畏：那我追问一下，我觉得逮到一个非常好的机会。因为您之前讲到企业级软件，对吧？那其实在中国确实是之前不太好意思谈SaaS。大家可能觉得在中国SaaS好像没有很好的起来过，对吧？然后现在又来到了AI，那AI到底是对于软件的替代，还是说AI是对于BPO或者是人力的替代？AI软件agent它会是一个什么关系呢？
洪婧：首先很多人觉得SaaS在中国不成立、不赚钱，我们看到情况不是这样的。我们有近十家被投企业收入上亿美金，有七八家已经实现上亿人民币的净利润或净现金流。
吴畏：这收入跟利润都在中国市场？
洪婧：我们被投企业中约15%是海外收入大于国内收入，85%企业还都是针对中国市场的。所以我们自己的数据证明中国的SaaS是可以赚钱的，而且是可以持续的。
洪婧：对我希望给大家充分的信心。因为毛利比较高，我们的SaaS被投企业毛利中位数都是70%以上。历史上亏钱多，有的是因为不计成本烧钱增长，或者选择客户不够精准，什么客户都服务。大概在2021年下半年/2022年初我们就敦促被投企业聚焦经营效率，去年我们80%的公司已经实现盈利，今年应该会有90%的公司盈利。同样这批公司我们投的时候只有不到20%是盈利的。
所以对于SaaS在中国我们是非常有信心的，而且因为生成式AI是云原生的，一定会加速中国软件的SaaS化，或者说是云化和订阅化的趋势。
吴畏：那我就要转到这个，我觉得高成在中国就是看企业服务应该最专业的机构之一了。白总，你看你最开始投硬件、算力基础设施，再到AI input，然后再到应用。其实我有个好奇的地方，你有没有投过人形机器人？人形机器人跟AI应用你更看好哪一个？
白宗义：机器人是AI硬件和软件层面高度融合的典型领域之一，此前自动驾驶也是代表性场景之一。我们从2017年、2018年开始投L3、L4级别的ADAS，相较于自动驾驶，具身智能是一个冷启动的领域——人类历史上没有丰富的三维交互数据。
当前，具身智能已成为非常热门的投资赛道，多数机构都认可其长期行业β价值，但不同机构之间也存在较大的非共识。最近像朱啸虎朱总也分享了很多对于人形机器人的观点，我同意他的部分观点。因为每一家机构的规模、打法不同，不同赛道的配置比例也有差异，所以我觉得现阶段很难简单用”对错“来评判。
其实我们团队过去两年大概看了超过一百家人形机器人公司，绝大部分在天使轮或者前两轮。如果当时我们选择在前两轮投资一家人事匹配的团队，预计现在项目大概率可以实现3-5倍账面增值。但不可否认的是，这一赛道目前仍存在较大的不确定性。
我认为有必要将“具身智能”与“人形机器人”两个概念进行区分。过去两三年，在特定场景中，我们在天使轮投资了3家B端应用机器人企业，这些公司在商业化和营收增长方面表现突出。
但今天的人形机器人投资，某种程度上仍带有较强的情怀色彩。投资机构如果押注，可能需更加关注两点：大脑能力和泛化能力，能否跨本体、跨场景执行通用任务，比如家务机器人，最终能帮助人类洗衣做饭、照顾孩子、照顾老人、拖地等任务，替换传统的扫地机器人。
吴畏：我感觉刚才搬沙发就应该有个机器人。
白宗义：今天的创业团队都各有技术亮点和差异化背景，但是商业化前景尚不明朗。当然作为投资机构，还是要投“变量“。我们其实在泛具身智能硬件及应用场景方面投了较多案例，更多是围绕可落地的To B场景，包括光伏电站安装清洁机器人-丽天智能、汽车领域智能机器人-魔狸智能、末端低速配送机器人-新石器无人车、Robo-Taxi 元戎启行等。
随着AI赋能SaaS与企业级服务软件，叠加硬件能力的演进，过去难以解决的场景难题，今天已经能够很好地被突破。
吴畏：所以投资还是要非共识。
白宗义：如果过去两年没有参与人形机器人赛道，而今天因为担心错过（FOMO）去追那些已经浮出水面或新出现的项目，你会发现这些项目当前可能还能继续融资，但是预计明年下半年，一些项目可能会面临一个“卡壳”的阶段。因为届时，该出手的机构基本已经出手了，而还没出手的机构则会更倾向于等待关键里程碑的出现，才敢真正下注。
这个时候，项目需要靠自己证明价值，但恰恰是在这个节点，尤其是在制造业落地这件事上，人形机器人要真正打进去并不容易。
吴畏：所以机器人不一定要做人形。
白宗义：具体看应用场景。在汽车制造场景中，观察整车生产线可以发现，没有任何一个工作站是既负责喷漆，又负责焊接、拧螺钉和打磨的——这些任务都是高度分工的。因此，在连续作业的生产线上，大多数任务已经被传统的工业机械臂高效地接管。
确实存在一些需要人机协作的场景，这时可能需要人形机器人或轮式机器人参与。然而，这类机器人是否能够真正解决这些复杂问题，还需要进一步观察。
吴畏：好，我们稍微把这个问题收敛一下。5亿美金的AUM，百分之多少分配在具身智能，百分之多少分配在AI infra，百分之多少分配在AI应用？
白宗义：如果人民币加美元合计5亿美金AUM，具身智能或者说AI软硬结合领域，大概会配10%到15%。关于人形机器人，我们团队正在密切关注新兴团队以及现有团队的关键拐点时刻。剩下资金将会重点投资于AI基础硬件和AI基础软件、智能制造、ESG、AI4S等领域。
吴畏：我怕我们论坛差点变成其他领域的，来顾总，这个问题专门给到你。因为我知道您是投消费投得特别好的，所以我们上次聊的时候，我其实是挺好奇的。作为一个消费投资，又有很强的女性视角，对吧？消费投得很好，怎么会去切入到AI的，包括您说到的智能硬件、AI的原生应用，这些东西跟消费之间有什么样的关联性？因为我知道在过去几年，虽然最近也看到一些上市的IPO消息，但好像之前消费不是很好。所以我相信现在有很多投资人其实都从硬科技也好，软件SaaS也好，消费也好，都会转向去看AI。你们是怎么实现看这个方向的一个底层逻辑的？
顾蔚荧：首先倒也不是转，就是我可以说我自己或中鼎不是一个特别典型的消费投资机构，因为我们的IC都是四五十岁的中年直男，所有跟审美、情绪这些东西相关的，说实话我们都很少涉及。从判断上我们自己觉得可能不一定能赚得到那个钱。所以一直以来中鼎的消费都非常另类，其实都是跟供应链相关的。换句话说其实跟效率相关，什么样东西能够提升效率。不管是从供应链的模式创新，还是链条上的一些科技变化，使得你整个体验或者效率提升，那是我们喜欢的。比如原来的零售、电商，这些东西其实你能讲得明白，算得清楚。为什么你比别人好，为什么比别人便宜，为什么比别人快。从供应链的科技变革上也是一样的，为什么你的东西能数倍级的体验比别人好，你能卖得比别人贵。你到底是哪一个部件是自研的，创新力领先多少年，说得清楚的。凡是带玄学的东西可能在我们这儿都比较困难。
我个人其实也是一样的，虽然是个女性，但女性特质也不是特别明显，还是比较直女，一直这么说。AI也是一样，我刚才说就是你看了原来的底层的数字化、互联网、移动互联网对产业的改造，对产品的改造，对人们生活全球人们生活的改造，你自然而然也会去想，这一波的科技wave会不会重来一遍，多大程度能出现新公司？这个我相信是每一个VC早期投资人都会回答的问题，这是一个大的逻辑，所以其实谈不上转或不转，一直就在那里，甚至于还能碰上原来那波人。
吴畏：原来是做别的方向的创业的。
顾蔚荧：比如我刚才说的，2018年头的一个教育公司，它是一个跟技术有关拍照实体的。当时的技术其实也是人工智能，你可以说它也是一个移动互联网的产物，一个APP对吧？拍个照，然后可以自动给你识别错题，帮你纠错。它基于的技术是识别，但这波的生成式AI来了以后增强了理解，除了识别之后你可以去理解万物，所以他基于理解做了一系列的东西。你可以去识别花草理解花草，你可以去识别宝石水晶。
理解它背后的故事。就是你理解了之后BB出来一批文章，原来都是搞内容的人写的，现在全是AI生成的AB test出来的效果，就是AI写得比人写得好很多。那现在又有了AI在研发角度的效率提升。所以其实写代码的不需要那么多了。那就是你原来APP工厂的商业模式本来就是赚钱的，你现在可以更赚钱。因为你中台和后台的人少了之后，你横向对于应用场景的扩展就会更快。
吴畏：而且消费者似乎是更愿意为AI的feature功能去付费的吗？
顾蔚荧：对，这个当然就说你面向全球，北美或者说是欧洲，主要北美，他一直以来其实是有为订阅付费的习惯的。其实现在这波在咱们榜单上的很多产品，我的理解都是通过订阅收费，对吧？这是第一个特点。第二就是都是面向全球市场的。
第二个特点，所以我觉得从商业模式的角度，其实就像刚才洪静总说的，他们实现从零到实现1000万美金AI的速度，其实要比上一波不管是SaaS还是移动互联网的产品要快的。但现在就是不能被回答的问题，或者是我们进一步要验证，或者叫观察的是他能不能持续增长。就是你当然另外对我们投资机构的挑战就是说如果你那么快实现1000万美金的AI，甚至于说你的break even的点也来得更早了，甚至说你可以滚出更好的利润。
那为什么还要风险投资的钱呢？就是它的杠杆其实作用效率是没有那么大的。换句话说，它的资本价值在哪里呢？他为什么要上市呢？上市拿来的钱他能干嘛呢？这个其实都很多是悖论。
但是我们依然说在早期的时候还是值得去下注的。原因是因为我们也不知道未来会发生什么，就是这些公司和这些产品在你的榜单上是不是会一直存在，我们也不知道，有可能他换了别的产品。包括刚才说到的人形也好，聚生也好，尤其是人形对吧？就是因为那个可能更偏硬件一些。那些创业团队你会发现他们从小就不是从小就有一个科幻梦。这人他是有极大的fashion在做这些机械。
所以这些人我觉得这公司可能不存在。但这些人民有可能在未来的五年、十年，甚至是15年依然存在。也就换句话说，我想说的是，我们也不知道会不会。当然我们更偏向于去相信这一波的科技浪潮，AI的wave能够带来大公司的机会，新公司的机会。虽然现在现有的大厂的赢面也挺大的，但我们依然抱有乐观和信心去believe这个东西。不知道是不是现在在榜单上或者是水面上的这些公司，但我相信这些创业者已经下场了。
吴畏：所以你觉得现在的这一波升势AI的机会，它到底是对大厂更好，还是对创业公司更好？
顾蔚荧：从实际情况上来说，一定是大厂目前现实角度来说是这个。
吴畏：更厉害，那就不用的机会。
顾蔚荧：你你看这个元宝和那个DeepSeek这一波其实已经说明问题了？包括所有的内容匹配，他们其实效率会更高，对吧？那生成式现在生成式的内容其实还并不是质量并没有那么高，你看生成式这些人生成出来的图也好，视频也好，自媒体也好，你没有办法跟上下滑的抖音去相比，你没有办法去玩那些AI的小游戏。你跟现在的这些沉浸式的大游戏，你没有办法去占据去替代现在的这些APP上的东西。
但不代表以后不会。所以人都是屁股决定脑袋的，如果说我们没有这个相信和信念，那我就不用坐在这儿了，我也不需要再干VC了。只能说我们全行业我相信都相信，或者说我们期待能有新公司的机会，哪怕它是10%的。但如果你能抓到的话，其实也是非常对个人也好，对机构也好，对整个中国也好，都是非常有意义的事情。明白，我们只能说是为了少量的而活着的。
吴畏：有一个问题我想同时问你跟洪总，在你们看的这些AI应用里面，有没有对于他所做的市场的偏好？我的意思就是说如果他做国内跟海外也会有，比如说他就做国内市场to C或者是工具跟他做海外，你更倾向于哪一个？
顾蔚荧：我可以先简单抛砖引玉一下，依然是屁股决定脑袋，就是说这个时间精力的花费，我们基本上也会去回顾。你都看了一些什么东西，都是些什么样的人在占你的时间，你的优先级排的对不对，你怎么评估这批人？实际情况就是过去的一年多，如果跟原生相关的，跟native相关的这些不管是软的还是硬的，首先它的特点还是面向全球市场的。
因为不管是软的还是硬的，有的是尤其是硬的，你其实是在定义一些新的东西。海外的这些，尤其是北美的这些，虽然有很多关税，包括国际关系的挑战，但这依然不改变。如果你定义出来的一个人，我有的东西你的附加值是高的，你的毛利是高的。其实你依然是可以做全球哪怕那20%人的生意。所以这个是硬件软件也是一样的。在您的榜单上咱们可以拉一拉，评估一下是吧？但凡是有商业化的，我估计可能4分之3应该是跟全球相关的。
吴畏：洪总怎么看这个软件全球化的问题？因为刚才我们讲到订阅制，订阅经济对吧？这个全球市场国内市场你会有倾向吗？或者你会建议这个创始人创始团队，他应该更多的去做海外出海的业务。
洪婧：首先我们是两个机会都看，而且我认为两个机会都很大。当然这也要看创业者自己的背景和其所在赛道的特点。
我们看到在海外市场做得好的，还是to C或to professional的多些。这些企业增长确实比较快，海外客户付款意愿好，付费价格高。但这类企业未来想做大，也要面临从PLG（产品驱动的增长）走到SLG（销售驱动的增长）的挑战。走到SLG的时候，公司也会面临要组织升级，如何吸引和保留本地销售和管理人才这样的门槛。从千万美金ARR长到5000万美金可能比较快，再往上会有很多的具体运营上的挑战。
对于国内市场，我倒想鼓励创业者好好利用这一波机会推动收费方式的优化。生成式AI天然是云原生的，是基于token的生成和消耗，所以我不是很看好私有化部署大模型。如果是为了安全问题，我们应该更花钱在数据的安全，应用的安全，而不是因为“懒政”而去做私有化部署。因为私有化部署必然跟不上云上大模型的发展和迭代速度，也无法享受其规模效应的成本优势。企业应该去想如何利用更好的通用大模型的能力，它的快速迭代的能力，让外部的智能为自己的业务服务。所以从这个角度，我觉得应用公司有一个非常好的历史机会，利用这波AI去推动云化和订阅化的收费方式，而不是继续走私有化部署拼价格或卖人头的老路。
我们已经看到了很多落地的案例，只是大家要主动去选择好客户，不要去硬磕那些不ready的客户，那些客户可能就不是好客户。“好客户”不认为软件是像厂房一样要折旧的“资产性支出”Capex，而是像生产工具一样的“运营性支出”Opex，愿意为好的产品付订阅费。
吴畏：最后有一个通用的问题是关于人的，就是在你们过去我看到的，因为现在直播间的机会有人，我看到这个可能他投一些年轻人对吧？但有些人这个老树开新花了，钟爱一些老司机，然后之前看这个大模型的什么，他喜欢这种小天才，对吧？你们更喜欢小天才还是老司机呢？
洪婧：To B创业我们喜欢“老兵扛新枪”，用新的技术解决老的商业问题。那些在行业里面沉浸过比较久，有人脉资源的创业者，更理解行业真实痛点所在。技术本身是时间的敌人，或者说技术是创造商业价值的“必要不充分条件”。老兵扛新枪，或是技术创业者搭配行业老炮，可能是成功概率更高的方式。在To C领域可能年轻人直觉更好，对于新应用场景的想象力更丰富。但肯定没有统一答案，要看具体情况。
吴畏：具体来有没有什么话想要对现场的老兵，或小天才型的创业者说。
洪婧：我们在座的绝大部分人的使命，不是去探索科学的边界，而是用技术创新去探索应用的边界和创造商业价值。要避免“拿着锤子找钉子”的自嗨式价值创造，一定要深入到行业里面、深入到场景里面。同时要聚焦，越聚焦越能够用技术去解决实际的问题，越更可能在一个比较短的时期里面，把技术的领先优势固化成其他的长期的业务的优势。这个业务优势可能是规模经济的成本效应，可能是数据飞轮的强化效应，可能是有跨客户洞察的第三方最佳实践的效应。在人工智能飞速发展的过程中，我们需要一批技术创业者去做好“商业翻译官”，把技术真正落实到场景中去创造真实客户价值。To B客户的付费意愿是有优先级的，第一增收，第二合规，第三降本，第四增效。
吴畏：明白征收合规降本增效。对我觉得洪总讲得太切合我们这个主题了，我们就是来上一句，我们掌声谢谢洪总的精彩分享，谢谢白总，你好像更喜欢小天才多一点。
白宗义：我觉得其实每个机构对于人的判断维度可能差别不大。
吴畏：我听说，你们在做最终决策之前，是要跟对方喝酒，有这个传统吗？
白宗义：在评估一个创始人时，我们会从理性和感性两个维度综合考量。理性层面包括技术能力、产品理解等，这些符合第一性原理，属于科学范畴；感性层面则涉及对人性的理解，比如能否凝聚合伙人、打动客户、处理复杂关系等。从我们历史投资项目来看，有些企业产品和技术做得非常好，但是商业化并不算很成功，大概率就是产品和技术之外的因素出现了问题。当然，早期VC需要承担这些不确定风险。
回归到刚才的问题，对于2B硬件或软件项目，我们尤其看重创始人的行业know-how与资深资源积累。另外就是刚才洪总也提到了一些机构相似的要求，比如技术敏感度要非常强。至于项目一号位和二号位，哪个是技术背景，哪个是市场销售出身，不同领域情况不同，取决于技术在该细分ToB赛道中的重要程度。
在To C产品及To 开发者的 Infra 软件领域，我们过去错失了一些项目，也投对了一些项目。总结来看，这一类项目创始人一号位对产品、技术、需求的认知必须足够敏锐，产品定义能力很强，观点足够sharp。相较之下，情商可以适当往后排。
TO C硬件产品需要赌年轻人。今天市场上的大部分To C的硬件或软硬结合的头部公司，创始人在创业时大多都小于30岁。硬件的核心是产品定义。特别是芯片，如果产品定义出错，流片失败，需要推倒重来，不仅损失一年半的时间，还可能耗费数千万美金的成本。产品定义的失误代价极高。但To C和To B软件不同，软件开发迭代速度更快，迭代成本要低。
不论软件还是硬件方向创业，团队的持续迭代能力非常重要。TO C市场更是如此，投30岁以下年轻人的TO C硬件产品，必然要承担风险。如果年轻创始人无法在后续快速补足供应链管理、海外渠道拓展等能力，公司很容易陷入困境。
总的来看，早期投资可以通过一定的方法论进行判断，但真正决定长期价值的，往往是团队在后期发展过程中的成长与进化能力。这种能力短期内难以准确预判，也是VC投资必须承担的风险。
相较而言，ToB项目更好判断，很多创业者本身就是行业资深人士，人事匹配度更高。但另一方面，这类项目在首轮融资时估值普遍偏高，如果基金的投资命中率不高，再叠加高估值成本，整支基金的整体回报将受到较大影响。
吴畏：顾总，你倾向什么样的人？
顾蔚荧：这个实际情况是我们过去可能在产业里面投的会更多一些，就产业加科技。所以那一定是老兵也好，或者是老树开新花，给我们赚的钱是相对多的。这波可能跟上一波不一样的是，它的技术和AI的权重会加大一些。所以可能这里头我觉得我们也没有刻意去排布这个画像。
但非常认同刚才洪总和白总说到的，我觉得就分两类。一个是数字世界的。数字世界里面就是说你可以说底座相关的一些infra，或者说比如coding，这都是纯数据世界的，那消费里面的数字世界就更多了，娱乐、游戏都是数据世界。数字世界里面其实被AI改造的速度会更快一些。也就是说可能AI的权重会更多一些。所以我们会拿这个来看。
物理世界不管是说你是需要大量客户交互的内容，那那硬件还是说软件，这个可能就会更复杂一些。这个里头光技术是肯定不行的，就是你还是得要配置到对客户的理解。不管是说交付to B的交付还是C的这些偏产品，偏洞察类的东西。简单来说to B的大的硬件，我们会更相信像华为这样成建制的团队。因为他做的东西是大的，他其实整个赢是赢在这个系统或者说整个管理，那大的东西我觉得这个呃呃包括可能自身的一部分，就是华为会更有机会一些。
小的东西，尤其是新的品类。如果硬件里面可能刚才白总提到的会更像一些。因为他们也是有经验去定义和去见证很多从0到1到10到100的一些新品类的全生命周期。从研发到这个产品定义，到推向市场，到供应链的这个规模化组织。所以这个可能是一些画像我们要去找的那另外在C里面应用的如果是偏游戏的，我觉得他的圈子是非常封闭的。你会发现其实还是那波游戏的人在搞，或者是游戏的大厂教育和培养出来的一些人在搞，他是相对封闭的一些圈子。
但对于to proceed的一些东西，就是一些小的工具。不管是说你是coding也好，还是你去创意的那些编辑工具、剪辑工具，这个可能就会。相对散一些。这个里头我们会看，既对技术要有理解，可能权重是5到6。剩下可能是对这个场景或用户洞察的一些理解，跟产品经理挂的可能是3到4的权重。
吴畏：有没有什么要跟这种可能符合你画像的创业者说
顾蔚荧：我觉得今年的感受就是今年时间也不太够用。所以我已经能自己感受到，其实不管这个国际的环境对我们来说有多大的挑战，包括我们自己宏观的一些挑战。但我非常惊喜也很兴奋的是，其实我能看到这个就是小荷才露尖尖角。
这个市场的很多创业者已经开始。我觉得DP其实最大的一个受益是让更多的创业者愿意出来。所以我们其实大量的在跟你下场也好，或者甚至于其实更多是没有下场的。现在还在大厂里面的这些优秀的人，他想要去做一些事情的，我们非常愿意。今年是很好交流，我们非常愿意交流，大量的时间花在他现在还在大厂里面。但是他看到了一些机会，看到了一些大厂的挑战，他愿意出来。我们特别愿意跟这些人交流。这个就是对，反正就希望能够跟大家多交流。
吴畏：好，我们最后用最热烈的掌声感谢台上三位嘉宾，他们分享了许多实用的内容。