政策、商业、资本及驱动人工智能浪潮的领军者
作者：GRACE SHAO
日期：2025年9月17日
大家好，
上周，我非常荣幸地参与了由 iMpact 组织的一场行业研讨会，与现场四十到五十位行业观察家进行了深度对话。
与会嘉宾阵容强大，包括来自政策智库 Trivium 的 Tom Nunlist，以及专注于人工智能投资的 Interconnected 公司的 Kevin Xu。
还有《解耦》一书的作者之一、来自 Tidalwave Solutions 的 Cameron Johnson，他最近也做客了 Differentiated Understanding 播客。
同时参与讨论的还有前 TechCrunch 编辑、现为 AI 科技公司提供公关咨询的创始人 Rita Liao，来自 Benzinga 的 Bibhu Pattnaik，以及我本人。
我们的讨论激荡出了许多思想火花，在此，我将一些核心洞见提炼出来与各位分享。
1) 人工智能政策
有发言者指出，当前 AI 政策的底层驱动力，是一种强烈的紧迫感，有时甚至夹杂着恐惧——既怕落后，也怕失控。
一位嘉宾深度剖析了美国的立场：加速创新、夯实基建，并在全球安全领域掌握领导权。他补充道，而这种领导地位，又常常具体化为对中国的种种限制。
他还表达了担忧：美国可能在尚未解决能源和执行瓶颈时，就已过度建设数据中心。他将这个现象称为成功所带来的新困境。
另一位嘉宾则概述了中国全新的 AI+ 计划，其核心是推动 AI 在多个领域的快速落地与融合，尤其侧重于基础科学研究、工业效率升级和大众消费。
他们认为，这三大领域至关重要，且成果兑现的周期各不相同，其中基础科学的回报最为长远。
这项政策的宏大目标，是希望通过提升全要素生产率，来对冲经济增速放缓、人口结构压力等结构性挑战。大家也坦言，相比十年前，如今的资金支持已相对有限。
多位与会者都提到，在技术生态的两极——即最前沿的探索和最大规模的部署上，有效的合作正变得愈发困难。
尽管许多机构仍有强烈的跨境合作意愿，但日益收紧的壁垒，如机构访问权限和签证审批，让即便是纯粹的技术交流也步履维艰。
2) 商业与商业化
发言者们观察到，中国的 AI 商业化路径，明显更偏向于和消费者应用深度绑定，而不是传统的企业软件模式。
一位嘉宾对比了中美两种截然不同的思维范式：美国是 AGI 优先、企业开路；而中国则是部署优先、用户为王。
他补充说，中国公司正日益将大语言模型视为一种通用的基础能力，可以灵活地嵌入到形形色色的日常应用之中。
多位与会者都认同，超级应用所掌握的流量分发渠道，是一个具有决定性的战略优势。
一位嘉宾以微信为例：它没有执着于自研一个在各项基准测试中拔得头筹的模型，而是选择将一个强大的外部模型无缝整合进其聊天原生的封闭生态里。
在这个生态中，用户早已习惯了搜索、分享和交易。另一位嘉宾将此策略凝练为功能邻近性。
这意味着将 AI 能力巧妙地安置在用户既有的行为路径旁——比如打字、搜索、使用小程序——从而让用户能即刻感受到价值。
他认为这与短视频平台形成了鲜明对比，在后者的使用场景下，让用户突然跳转到一个聊天机器人界面，会感觉相当不自然。
发言者还提到，具体的变现策略也反映了这种消费者导向的特点：大家优先投入资源去优化广告、支付、物流和内容体验，而企业对软件即服务的付费意愿则相对复杂。
数位与会者认为，这种对消费端的极致侧重，源于中国市场独特的历史付费习惯、高度成熟的移动分发网络，以及大型平台能够以惊人速度进行大规模功能测试的优势。
3) 创始人与初创公司
与会者们普遍认为，当下中国的创业圈弥漫着一种高度务实的氛围。
一位嘉宾观察到，去年那种“人人都想从头训练基础模型”的热潮已然退去，取而代之的是“能租用就不必自建”的清醒认知。
许多创始人已经调整航向，转而在更强大的基础模型之上，去构建面向垂直行业的应用、智能体或工具链。
另一位发言者将中国的创始人文化总结为：先证明价值，再寻求融资。他指出，大型互联网平台常常会直接投资或孵化基础模型团队。
这无形中给独立实验室设置了更高的竞争壁垒，也迫使初创公司必须快速拿出产品，并尽早建立自我造血的能力。
一位嘉宾补充说，中国创始人对美国同行的动态保持着极高的敏锐度，他们频繁造访湾区，参加各类技术交流，并密切对标美国的产品创新。
然而反向的交流，即从美国到中国的深度探访，则要稀疏得多，尽管一些顶级行业大会能短暂点燃人们的兴趣。
他强调，这并非优劣之分，关键在于信息不对称：中国团队正系统性地研究美国的最佳实践，以此作为自身加速迭代的催化剂。
4) 实施与用例
发言者们重点分享了 AI 在城市管理、先进制造、智能出行和大众健康等领域的应用实例。
一位与会者以杭州的城市大脑为例，它在交通优化、应急响应提速和预测性事件管理等方面，生动展现了城市级别公私协作的巨大潜力。
他们还描述了东莞等地的高度自动化工厂，那里普遍采用机械臂、机器视觉和预测性维护技术，并由 AI 智能调度库存和品控流程。
在出行领域，发言者对比了中美的发展路径：美国自动驾驶技术实力雄厚，但推广受制于各地监管部门的法规；中国的试点项目则在顶层规划下，实现了更迅速的规模化落地。
在医疗健康方面，与会者提到了利用 AI 进行早期疾病筛查和智能分诊的合作，但也坦承，要在全国推广，仍面临合规、数据和系统集成等现实挑战。
这些案例贯穿着一条主线，那就是惊人的部署速度，以及生态系统端到端的整合能力。
在消费端，由 AI 增强的搜索、智能助手和创意工具正越来越多地出现在主流应用中。
一个重要的洞察是，并非所有应用都光彩夺目。很多价值是在后台静默创造的，比如推荐系统、物流规划和智能客服；而另一些则更为直观，比如聊天工具里的 AI 对话和新兴的视频生成工具。
5) 资本与投资
发言者表示，当前中国的投资风向更看重“业务验证”，而非单纯的“技术叙事”。
一位与会者认为，与硅谷相比，中国本土的风险投资市场近来在结构上一直较为冷静，过去对互联网行业的深度监管也让投资行为趋于审慎。
最终的结果是，研发基础模型的公司往往需要大型科技公司的资本背书，而独立创业公司则被要求快速证明自己：拿出漂亮的用户数据、留存率和清晰的盈利路线图，才能赢得大额资本的青睐。
另一位发言者认为这是一种演化压力：当平台巨头投入重金布局基础模型时，创业公司要么找到差异化的生存之道，比如深耕行业、打磨工作流或掌握独家数据，要么就可能面临被迅速商品化的风险。
与会者们普遍认同，在今天的融资环境中，相比一个参数量惊人的故事，真正拥有分发渠道和贴近交易场景的商业模式，显然更有说服力。
6) 人才与教育
人才密度，是发言者们反复强调的中国的一项核心竞争优势。
一位与会者强调了中国庞大的工程师群体和他们务实肯干的风格，以及深厚的、以项目落地为导向的人才储备，这种储备能将顶层设计迅速转化为可用的产品。
另一位则指出，中国的创业者们“极度渴望”且高度聚焦于执行，他们认为这种文化特质，在当前这个“部署为王”的竞争周期中，是一个不容忽视的优势。
与此同时，一位来自媒体的嘉宾也指出了知识流动的失衡。
中国的技术精英投入巨大精力去亲身洞察美国的前沿脉搏，他们频繁访问湾区、组织黑客松、参加技术社群。
然而反过来，愿意花同等精力来中国进行深度田野调查的非华裔创始人，则屈指可数。
他们还观察到，中国在视频、图像模型等领域正积蓄强大的势能，并且根据一些见闻，出于成本和服务的双重考量，许多美国实验室都在广泛使用某些特定的中国机器人硬件。
这些观点更多是基于一线的敏锐观察，而非严谨的统计数据。
与会者们最后总结道，人才是全球流动的，但近期的优势属于那些能将前沿研究与敏捷的工程开发、产品迭代完美结合的团队。
在这样的竞赛中，谁能最大化地利用本地数据、分发渠道和行业背景的优势，谁就能创造出真正与众不同的用户体验。
会议总结
这次研讨会为我们描绘了一幅生动的画卷：一个庞大、高速运转且充满内在张力的生态系统。
政策既小心翼翼，又在不断地创造可能。商业模式正另辟蹊径，更加依赖 C 端用户的深度互动，而非 B 端的软件订阅。
初创公司在不断地寻找新的方向，这既是主动选择，也是生存需要。AI 的应用场景正从聊天软件迅速渗透到医院病房和工厂车间。
资本依然活跃，但出手已变得更加精准。而人才——基数庞大、雄心勃勃，有时也倍感压力——依旧是托起这一切的基石。
如果说贯穿始终的就一个结论，那就是中国的 AI 崛起之路，绝不会是硅谷的简单复刻。
它将讲述一个完全属于自己的故事，一个由其无与伦比的消费互联网规模、坚韧厚实的工业基础和独特的宏观环境共同谱写的，独一无二的篇章。
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
