他管着90%仓位都是AI项目，却说：2026年投AI，先看能不能把钱赚出来
AI投资的尺子，已经在变了
一家上市公司投资部，portfolio 里超过 90% 都是 AI 项目。
你以为他见创业者，第一句话一定会问：你们技术壁垒是什么？训练数据在哪里？多模态能力做到哪一步了？
但卜亮源给我的第一个强烈感受，不是"他很懂技术"。
而是——他已经不再把技术放在第一位了。
判断很简单：
"2026年，我们最看重的，不是你有没有AI技术，而是你能不能用AI技术赚到钱。"
这句话放在今天，很能说明问题。
过去两年，AI 行业最贵的东西，很多时候不是收入，也不是利润，而是技术想象力。
团队背景够强，方向够热，故事够大，哪怕客户和收入还很早，市场也愿意先给估值。
但现在，问题开始变了。
市场不再只问你技术做到了哪一步，也开始追着问几件更具体的事：
谁在付钱？
为什么付钱？
这是不是刚需？
能不能复制？
能不能形成稳定收入？
12 到 18 个月内，能不能把正向现金流跑出来？
问题一旦变成这些，很多项目会立刻分层。
有些公司技术未必最炫，但已经在一个行业里找到了真实需求，也有客户愿意买单；
有些公司看上去很前沿，讲的全是趋势和未来，可一旦往下问收入、复购、交付和现金流，马上就虚了。
所以这次访谈真正值得看的，不只是一个投资人怎么评价 AI。
而是当一个重仓 AI 的产业投资人开始把"赚钱"摆到台面上时，背后其实是在说一件事：
AI 投资的尺子，已经在变了。
以前先看你能不能把东西做出来。
现在先看你做出来以后，能不能把它卖出去。
这也是我聊完卜亮源之后最强烈的感受：
2026 年，AI 投资已经不再把"会做技术"和"会做生意"混在一起看了。
今天更值钱的AI公司，不一定技术最强，但一定更接近生意
很多人会把这件事理解成市场变短视了。
好像现在一谈 AI，不先问技术，先问收入，就是资本开始保守了。
其实不是。
更准确地说，是市场开始把"做出一个产品"和"做成一家公司"分开看了。
2024 到 2025 年，AI 投资更像是在看一件事：
你能不能把东西做出来。
那时候大家愿意为"从 0 到 1"买单。
一个团队技术强、产品成型快、能找到几个试点场景，就已经很有吸引力。
但到了 2026 年，市场关心的已经不只是"能不能做出来"，而是：
做出来以后，谁来买？
客户为什么非买不可？
这个需求是不是够痛？
它能不能从一个项目，变成一门生意？
它能不能从几家客户，变成一套能复制的营收逻辑？
卜亮源给 2026 年 AI 投资的主题词，是商业落地闭环。
这六个字背后的意思很明确：
市场会越来越少为"可能很大"买单，越来越多为"已经跑出来一点"买单。
过去一段时间，AI 赛道最容易出现的问题，就是把"能做 Demo"当成"能做公司"，把"客户愿意听你讲"当成"客户愿意付钱"。
但这几件事，本来就不是一回事。
接下来能继续拿到市场认可的公司，技术当然仍然重要，但它必须再往前走一步：
从技术能力，走到业务结果。
现在最大的泡沫，不是假技术，而是假落地
大家现在一提 AI 泡沫，最先想到的通常是估值泡沫、概念泡沫、模型泡沫。
这些当然都存在。
但卜亮源提到的一个点，我觉得更接近现实：
今天不少项目的问题，不是技术完全站不住，而是落地站不住。
表面上看，它有产品，有界面，有客户交流，有合作案例，有清晰的故事，也有不错的包装。
但你只要继续问下去，很多地方就开始松了：
这个需求是不是足够痛？
不用 AI，能不能解决？
用了 AI，到底提升了多少效率、降低了多少成本、改善了多少体验？
客户买的是一次尝试，还是会持续复购？
如果大厂明天也做，你还能留下什么？
他们内部有一个问题，我觉得特别能筛人：
"你做的这个产品，不用 AI 能不能解决？"
这句话一出来，很多项目就没法再往下走了。
因为今天不少所谓 AI 产品，本质上只是把旧问题重新包了一层新壳，界面变了，叙事变了，融资语言变了，但没有创造出新的价值。
这类项目在风口期看起来都不差。
可一旦市场开始认真追问商业本质，它的脆弱会很快暴露出来。
所以 2026 年能过关的 AI 公司，光有"AI"两个字已经不够了。
它得回答清楚一件事：
如果没有 AI，这件事是不是本来就不成立；而正因为有了 AI，它才第一次具备了成立的可能。
这个差别，决定的是一个项目到底只是"沾了 AI"，还是它真的被 AI 改写了。
为什么一个重仓AI的投资人，会把产业背景排在技术背景前面
卜亮源对创始人能力的排序是：
产业背景 > 商业背景 > 技术背景。
这句话放在几年前，很多人未必会接受。
但放到今天，它越来越像一线市场的真实偏好。
原因并不复杂。
前几年 AI 刚爆发的时候，行业拼的是谁能更早抓住技术红利，谁能更快把能力做出来。
那个阶段，技术型创始人的优势会更明显。
但现在，越来越多项目卡住的地方，已经不是技术能不能做，而是技术放进产业以后，能不能真的跑起来。
你到底懂不懂这个行业？
知不知道客户真正的痛点在哪里？
知不知道预算归谁管、谁来拍板、谁来使用、谁来承担改造成本？
知不知道产品上线以后会卡在采购、交付、数据权限，还是组织配合？
这些问题，决定的不是产品能不能演示，决定的是它能不能成交。
所以卜亮源特别看重创始人的三件事：
产业认知的深度、商业落地的执行力、长期主义的定力。
这个排序本身已经很说明问题了。
今天很多 AI 创业者的问题，不是技术不够，而是方向一开始就偏了。
他们花了很大力气，去优化一个客户并不着急的问题；
他们做了一个看上去很先进的东西，但客户心里并没有给它留预算。
最后项目不是死在不会做，而是死在没人买。
所以到了现在，市场更想找的人，不只是"懂技术的人"，
而是能把 AI 放进一段真实业务流程，并把它变成收入的人。
真正会被一眼刷掉的，不是技术弱，而是认知和商业化脱节
聊到什么项目会直接 pass，卜亮源提了两条。
第一条是：创始人认知错位，没有商业化思维。
第二条是：赛道已经极度内卷，头部基本形成垄断，团队又没有差异化优势。
这两条都很现实。
很多项目聊技术会非常兴奋，聊未来空间也能讲得头头是道。
但一旦话题转到客户、收入、交付、复购、渠道、毛利，整个人就开始变得含糊。
这类项目有个共同点：
它对"做产品"很有热情，对"做生意"没有足够敬畏。
过去这种项目还有机会用高增长想象力去换时间。
现在这条路已经越来越窄了。
资本市场在回到一个更朴素的问题：
你能不能自己造血？
这也是为什么卜亮源会把"商业可闭环"放在很前的位置。
他要看的不是你会不会讲一个更大的未来，而是你接下来 12 到 18 个月能不能把几个关键节点做实：
有没有清晰的盈利模式；
有没有已经落地的付费客户；
有没有机会形成规模化收入；
有没有可能把现金流转正。
这些东西拿不出来，技术再强，故事再大，也会越来越难拿到钱。
创业者最容易犯的三个错，基本都和"自我感觉良好"有关
聊到 AI 创业者最容易犯的错，卜亮源提了三种，我觉得非常典型。
第一种，技术自嗨，脱离产业真实需求。
很多技术出身的创始人容易沉迷在参数、效果、能力边界里，但客户根本不按这个逻辑做决策。客户不一定在乎你的模型多强，他只在乎你能不能解决问题，能不能省钱，能不能增收，能不能少出错。
第二种，对商业化没有敬畏，只靠融资烧钱。
前几年，很多人默认 AI 就该先做用户、先做规模、先讲未来，赚钱是后面的事。但现在融资环境已经不支持这种打法了。没有自我造血能力，只靠外部输血，项目活得会越来越吃力。
第三种，盲目对标大厂，最后掉进同质化内卷。
大厂做什么，自己也做什么；大厂讲什么，自己也讲什么。结果产品越来越像，价格越来越低，最后大厂一免费，初创公司直接失去空间。
这三种错看起来不一样，底层其实是同一个问题：
没有找到自己的位置。
今天做 AI，不能只问"这个方向热不热"，还要问：
我是不是在解决一个真实问题？
我有没有自己的护城河？
如果大厂来了，我还能靠什么活下去？
这些问题不想清楚，后面会越来越难。
大厂来了，初创公司并没有出局，只是更考验选位
很多创业者一看到字节、阿里、OpenAI 下场，第一反应就是：这个方向没戏了。
卜亮源的判断是，机会当然还有，而且不小。
但前提不是去正面碰撞，而是找到自己的生态位。
原因很简单。
第一，大厂不可能覆盖所有细分场景。
中国的产业链太长、太细、太碎，大厂只能优先做通用性强、市场空间足够大的方向，不可能对每个垂直行业都做深度适配。
第二，大厂很难拿到垂直行业最核心的数据和 know-how。
很多行业客户并不愿意把关键数据交给大厂，因为他们心里很清楚，大厂今天给你做工具，明天也可能直接进入这个行业。
第三，大厂很难提供深度定制和快速响应。
而很多产业客户真正要的，不是一个人人都能用的标准产品，而是一个能嵌进自己流程里的解决方案。
这也是为什么不少初创公司仍然有机会。
不是因为它们能在资源上赢过大厂，
而是因为它们可以在行业深度、定制能力、响应速度、客户关系这些地方做得更扎实。
所以今天更合理的打法，不是单纯"绕开大厂"，也不是非要"挑战大厂"。
而是找到那些大厂不愿做、做不好，或者做起来并不划算的地方。
很多公司最后不是被大厂打死的。
是自己先把战场选错了。
为什么他更看好"AI native 学产业"，而不是"产业老司机学 AI"
这个判断也挺有代表性。
如果在"老司机学 AI"和"AI native 学产业"之间二选一，卜亮源更看好后者。
原因其实很现实。
AI 的变化太快了。
技术路线、模型能力、产品形态都在高速迭代。
对很多传统企业家来说，难度不只是学一门新技术，而是要把过去几十年形成的认知方式、管理方式和节奏感一起换掉。
这件事很难。
不少传统产业出身的人，不是不努力，而是本能地会用过去的方式来要求 AI 创业：
研发投入要谨慎，
试错成本要低，
结果要更快看见，
路径最好能线性推进。
但 AI 创业往往不是这样长出来的。
它需要高频试错，快速迭代，也需要在一段时间里接受不确定性。
相反，AI native 创业者虽然不一定懂行业，但只要愿意下到产业里，长期和客户、专家、合作方泡在一起，行业认知是可以补起来的。
当然，最好的配置还是：
AI native 创始人 + 产业老司机联合创始。
一个懂技术，一个懂行业；
一个负责重构能力，一个负责落地路径。
这类团队会更完整。
时代伯乐这套模式，特别的地方不只是投钱，而是把"协同"做成增长的一部分
如果只把时代伯乐看成一家普通投资机构，会低估它。
它既不是典型的纯财务 VC，也不是单一上市公司 CVC。
它更像一个连接多家上市公司资源的产业投资中台。
这意味着，它能给项目的，不只是资金。
还有场景、供应链、客户、渠道、品牌背书、管理经验，以及未来可能的资本路径。
这件事为什么重要？
因为很多 AI 初创公司卡住的地方，并不是产品做不出来。
而是产品做出来以后，没有场景验证，没有标杆客户，没有产业资源，没有供应链能力，导致商业化一直停在早期。
而这些，正是上市公司生态最能提供帮助的地方。
卜亮源提到的赋能，大致可以分成几层：
第一，场景落地赋能。
帮企业拿到真实业务场景，完成从 0 到 1 的商业验证。
很多 AI 公司技术不错，但拿不到第一批标杆客户，这一步过不去，后面就很难走。
第二，供应链与产业链赋能。
帮企业从一个跑通的样板，走到可规模化交付。
产品能做出来和产品能稳定交付，中间其实差着很长一段链条。
第三，资本与退出赋能。
上市公司的产业投资背书，本身就会提升企业在后续融资中的认可度。
而到了更成熟的阶段，上市公司也可能成为并购退出的路径。
第四，战略与管理赋能。
成熟企业在组织治理、经营管理、风控上踩过很多坑，这些经验对早期创业公司很有价值。
这些东西放在一起，才能理解为什么他会一直强调"协同创新"。
因为对于大多数应用层 AI 公司来说，技术只是起点。
真正难的是，怎么把技术接入一个产业系统里。
一个样本就够说明问题：很多应用层AI公司更适合"协同长出来"
卜亮源提到一个案例：星尘智能和金马游乐。
一边是金马游乐。
中国游乐装备行业首家 A 股上市公司，对主题乐园、文旅场景、供应链、安全标准都非常熟。
一边是星尘智能。
AI native 团队，机器人技术强，但对文旅行业几乎没有经验，也没有行业客户基础。
这两个团队如果各自单干，短板都很明显。
金马游乐缺的是 AI 重构能力。
星尘智能缺的是场景、客户入口和产业 know-how。
把双方接到一起之后，路径就清楚了：
金马游乐提供场景资源、行业经验、产品需求定义和供应链支持；
星尘智能负责技术研发、产品设计和项目交付；
再通过产业基金和联合研发中心，把利益真正绑在一起。
最后出来的，不是浅层合作，而是一个能跑起来的闭环。
比如"机器人 MART"，把绳驱机器人的操作能力和主题乐园消费场景结合起来，单店客流提升了 30%。
这个案例最有价值的地方，不在于它多新鲜，而在于它说明了一件事：
对于很多 AI 应用层创业公司来说，独立长出来未必是效率最高的路径。
它们更需要的，往往是技术、场景、供应链和商业化能力一起拼起来。
这也是"跨代协同"真正成立的地方。
2026 年最大的机会，还是 AI 进入产业深处的地方
聊到机会的时候，卜亮源的判断很明确：
最大的机会，还是 AI 和产业的深度融合。
这句话背后，其实是中国市场最独特的一点。
中国有全球最完整的产业体系。
每一个垂直行业里，都有一堆没有被彻底数字化、没有被真正重构过的流程。
这些流程里，藏着大量可以被 AI 改写的空间。
也正因为如此，他在 2026 年仍然会把大部分精力放在应用层。
基础设施层会看，但筹码不会重押。
因为通用叙事越来越贵，真正能做出增长的，还是那些把 AI 放进具体场景里的人。
除了应用层本身，他也看好多模态生成与交互、物理 AI、机器人模型、世界模型，以及 AI 和智能硬件结合的新物种。
文本类方向，他给出的判断就很直接了：
机会已经不多了。
这并不意味着文本不重要。
而是这一层已经很挤了。
真正还留给新公司的空间，更多在那些 AI 开始进入真实世界、进入复杂流程、进入感知和执行环节的地方。
这些地方的壁垒，不再只是模型。
还包括场景适配、工程化交付、软硬协同、数据闭环和产业资源。
而这，正是很多初创团队还有机会的地方。
2026 年资本会重新定价哪一类AI公司
聊完整场之后，我觉得答案已经很清楚了。
接下来会被重新定价的，不会只是"技术最强"的公司。
更可能是下面这类公司：
它找到的是一个真实问题；
服务的是一个真实客户；
做出来的是一个真实增量；
已经开始形成真实收入；
它靠业务活着，而不是靠市场情绪活着。
这其实也是卜亮源最后给 AI 创业者那句话的意思：
"回归商业本质，深耕产业价值，用真产品、真需求、真营收，穿越AI的周期浪潮。"
如果把这句话再说得更白一点，大概就是：
从 2026 年开始，市场会越来越少奖励那些看上去很像未来的公司，越来越多奖励那些已经把未来做出一点收入的公司。
这不是市场变得保守了。
这是一个行业开始成熟的标志。
因为真正成熟的行业，不会永远只给想象力定价。
它迟早会回到一个更硬的地方：
你做出来的东西，到底有没有人在买。
你说的未来，到底能不能先兑现一小部分。
而这，可能就是 2026 年 AI 投资最现实的变化。
精选 Q&A
Q1：2026 年 AI 投资最核心的变化是什么？
从"技术优先"转向"落地优先"。
过去更关注团队技术强不强、能不能把产品做出来；现在更关注的是有没有付费客户、有没有真实营收、能不能形成商业闭环，能不能在 12 到 18 个月内跑出正向现金流。
Q2：你们看 AI 项目时，最重视什么？
四个维度：
场景真需求
技术真壁垒
团队真适配
商业可闭环
不会投那种只是调用通用模型做一层包装、没有护城河的项目。
Q3：你们内部最关键的问题是什么？
有一个问题特别重要：
"这个产品不用 AI 能不能解决？"
如果不用 AI 也能轻松解决，而且用了 AI 也没有带来明显价值提升，那这个项目的成立基础就不稳。
Q4：最看重创始人的什么能力？
排序是：
产业背景 > 商业背景 > 技术背景
因为当前 AI 已经进入产业落地阶段，创始人懂不懂行业痛点、客户逻辑和商业转化路径，比单纯技术出身更重要。
最理想的配置还是：AI native 创始人 + 产业老司机联合创始。
Q5：什么样的项目会被很快刷掉？
两类：
一类是创始人没有商业化思维，认知和市场脱节；
另一类是赛道已经高度拥挤、头部格局基本形成，团队又拿不出差异化优势。
Q6：大厂进入之后，初创公司还有机会吗？
有。
关键不是硬碰硬，而是找到自己的位置：
去做那些大厂不愿做、做不好，或者做起来性价比不高的细分场景。
在垂直行业的 know-how、数据、定制能力和响应速度上，初创公司仍然有空间。
Q7：更看好"老司机学 AI"还是"AI native 学产业"？
更看好 AI native 学产业。
因为 AI 技术更新太快，传统企业家往往难以真正跟上；而懂 AI 的创业者，只要愿意深入产业、长期和客户待在一起，更有机会补齐行业认知。
不过最优解仍然是两者结合。
Q8：2026 年更押应用层还是基础设施层？
还是应用层。
卜亮源的判断很明确：90% 的精力和筹码仍会放在应用层。
尤其看好 AI 与垂直产业的结合、多模态生成与交互、物理 AI、机器人模型、世界模型，以及 AI + 智能硬件的新物种。
Q9：如果 AGI 真的实现，投资人的价值会被取代吗？
不会被取代，但会被重构。
重复性、标准化的信息整理和分析工作，AI 一定会做得更多。
但投资人真正有价值的地方，还是在产业判断、对创始人的识别、资源整合，以及在不确定里做决策的能力上。
被淘汰的会是"信息搬运型"投资人，不会是那些真正有判断和资源的人。