--- title: "AI现在最大的泡沫，不是假技术，而是假落地" id: "20260324A07C7500" publicationAccount: "非凡产研" originalPublishedAt: "2026-03-24T22:49:02+08:00" canonical: "https://ffcap.cn/research/20260324a07c7500" source: "https://view.inews.qq.com/a/20260324A07C7500" sourceAccount: "https://news.qq.com/omn/author/21759984" language: "zh-CN" tags: ["融资与投资","商业化","收入与 ARR","非凡大赏"] --- # AI现在最大的泡沫，不是假技术，而是假落地 文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。 **非凡大赏·嘉宾访谈** ## **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。 ![AI现在最大的泡沫，不是假技术，而是假落地 · 原文图片 1](https://inews.gtimg.com/om_bt/Opydi6MQTo4b6q8UDO6EoRuLSsaTYCFlII_noDocJtsB8AA/1000) ## **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。 --- 原始发布版本：https://view.inews.qq.com/a/20260324A07C7500 本站阅读页：https://ffcap.cn/research/20260324a07c7500