来源：东哥笔记
作者：李成东
东哥笔记 213 期：
2 月 4 日，第五届「专业主义·2026 李成东年度演讲」及晚宴圆满落幕。本次饭局特邀三位 AI 领域重量级嘉宾，深度剖析行业趋势与投资逻辑。
以下为本期饭局精华整理（信息已脱敏）。
投资视角：从数据供应链透视真实玩家
作为数据服务商，八友科技创始人梁斌提出了独特的观察视角：通过企业采购数据的行为，可判断其在 AI 赛道的真实实力。
其投资逻辑具有双向有效性：积极采购高质量数据的企业，通常处于研发或业务扩张的活跃期；而对优质外部数据无需求的企业，往往拥有更强的内部数据自研能力。例如，谷歌早期未采用其服务，反而印证了谷歌强大的自研实力，梁斌据此重仓谷歌股票并获得回报。
在与国内大厂合作中，梁斌团队常承接“硬骨头”项目。通过处理非标、复杂的细分任务，能穿透性地识别谁获得了真实、高价值的核心订单。“智谱 AI、月之暗面等公司业务扎实，持续采购数据并交付复杂需求。”梁斌指出。
此外，AI 基础设施的衍生需求是被忽视的投资主线。梁斌认为，AI 算力中心的能耗将根本性改变能源结构，未来美国政策可能要求大厂自建发电设施，这将长期催生对铀矿公司、电力零售商及稀土公司的需求。
芯片博弈：二手红利与生态依赖
从产业视角看，投资全球芯片巨头需关注技术迭代周期。新一代架构因成本优势将引发集中采购，可能导致当前产品进入销售真空期，反而形成布局窗口。同时，淘汰芯片将催生二手算力红利市场，中国 AI 企业或能借此以极低成本获取上一代高性能算力。
评估国产芯片需严格区分“市场驱动”与“项目驱动”。真正的市场化验证在于是否进入主流商业采购体系，而非依赖少数政府订单。
AI 基础设施投资不能仅盯着芯片。更全面的视角应包含：关注芯片周期、评估国产进展，并将目光延伸至电力供应和高质量数据供应链——这两者正成为决定 AI 发展的关键要素。
技术拐点：开源引爆、智能体成共识
黎科峰指出，2025 年是“智能体元年”，而不仅仅是模型能力的延续。这一判断基于两个关键变化：
开源模型打破垄断：DeepSeek-R1 模型成为游戏规则改变者。其在思维链推理能力上媲美 GPT-4，却以完全开源免费的方式发布，将企业部署高质量 AI 的成本从“数千万”降至“数十万”。更重要的是，该模型针对国产芯片环境优化，降低了对高端硬件的依赖。
应用形态尘埃落定：行业对“智能体是大模型时代的 APP"达成共识。这一定位解决了长久以来的争论——大模型不再是“什么都能做但什么都做不精”的万能工具，而是通过智能体形态在具体场景中深度解决问题。
国内困境：AI 繁荣背后的深层分化
黎科峰指出，尽管表面火热，但国内 AI 呈现“虚假繁荣”特征：C 端用户付费意愿极低，大厂用免费策略挤压创业空间；B 端采购旺盛但多为“为 AI 而 AI"，真正解决业务痛点的寥寥无几。
相比之下，美国市场已进入“全面武装”阶段：C 端付费习惯良好，应用百花齐放；企业广泛采用 AI 智能体提升效率，甚至诞生“一人公司 + 数字员工”的新模式。在应用层面，中美差距正在拉大而非缩小。关键在于投资导向：国内资金几乎全部涌向硬科技和实体产能，应用层投资接近为零。
AI 对就业的冲击已显现。初级程序员、数据工程师、基础设计师等“中间执行层”首当其冲，其工作正被 AI 快速替代。未来的社会分工可能两极分化：一端是负责决策的高层，一端是难以自动化的体力劳动者，中间环节将被 AI 大量填充。
范式转变：从“互联网+"到“行业+AI"的权力转移
黎科峰提出根本性判断：AI 时代是“行业+AI"，而非“互联网 + 行业”，这标志着技术驱动逻辑的深刻转向。
- 互联网时代：平台巨头掌握技术、工程师和数据，凭借流量与资本优势向传统行业单向“赋能”。
- AI 时代：技术门槛大幅降低，专业知识与行业认知成为核心壁垒，传统领域的专家开始自主"+AI"。
新范式下的核心资产包括：
1.私有数据：非公开、具有领域独特性的行业数据。
2.专业知识：经年累月积累的行业洞察、经验与工作流。
这一转变意味着，技术正从少数科技公司的垄断性资源，转变为各行各业的普惠工具。每个垂直领域的专家，都有可能利用 AI 工具重构自己所处的行业，实现更深度的数字化与智能化转型。
“放开心态，每日实践。未来一定是‘行业+AI'，武器已经在那里，关键看你怎么用它打不一样的仗。”黎科峰总结道。
中国方案：AI 出海的三大路径
面对国内变现困境，三位嘉宾一致认为：成功的 C 端 AI 创业几乎必须从第一天就瞄准海外市场。这也为中国创业者带来了独特机会：
1.工作流优化工具：是成熟路径，但需警惕数据合规风险；
2.AI 内容生成：中国团队凭借短剧、游戏等领域的经验积累，能够实现“降维打击”；
3."AI+ 硬件”：最被看好的方向。结合中国强大的供应链能力，将 AI 嵌入玩具、消费电子、户外设备等产品，市场空间广阔。
李明顺特别强调，AI 的真正价值在于重构行业而非简单赋能。他以马斯克的 Robotaxi 为例说明：AI 不是让传统汽车更好卖，而是将商业模式从“卖车”彻底转变为“提供出行服务”，这种重构可能使单台车的生命周期价值增长数十倍。
泡沫隐现与产业链机会
现场其他参与者提供了不同的观察视角：
行业存在泡沫风险：全球顶级 AI 公司累计收入未超过 100 亿美元，但资本投入已达万亿级别，预计 2026 年下半年可能出现泡沫破裂。模型创新层面，基座算法尚未出现“下一代范式”，现有技术仍基于 Transformer 架构演进。
产业链机会依然存在：尽管大模型本身存在争议，但 AI 生态链如数据服务、芯片、行业解决方案等领域仍有投资机会。中国企业在高质量数据标注、后训练等环节与国外存在差距，但这也意味着巨大的提升空间。
投资人关注方向：有投资人表示将持续关注 AI+ 医疗健康赛道，并认为 2026 年是 C 端 AI 应用成熟的关键一年，将重点布局有出海能力的项目。
全球格局：中国优势与未来挑战
AI 将重塑全球分工，冲击传统优势国家。依赖客服外包、IT 支持的印度等国可能首当其冲，全球服务贸易格局面临重组。
"AI+ 硬件”正成为中国外贸的新引擎。从智能消费品到专业工具，再到跨境商业基础设施，中国完整的制造业供应链与 AI 结合后能产生强大竞争力。这种模式不仅提升产品附加值，更可能创造出具备代际优势的全新产品品类，加速中国制造在全球市场的渗透。
李明顺指出，AI 时代降低了技术门槛，组织能力和商业嗅觉的价值凸显。中国拥有全球最庞大、学习最快、最务实且最具韧性的创业者群体。如同亚马逊平台上的卖家，未来 AI 生态中大部分价值将由掌握行业知识、能用 AI 重构产品的“生态玩家”获取，而非仅归于少数基础模型厂商。
“关键在于价值回流。”这些在全球 AI 浪潮中赢得优势的中国创业者创造的财富，能否通过消费、投资等方式有效回流国内，将直接影响中国本土的持续创新与产业升级。
结论
中国的核心优势不在于算法领先，而在于“供应链 + 创业者 + 工业体系”形成的综合生态。那些能够将 AI 技术与中国制造、全球市场相结合的领域，最可能诞生下一代巨头。
下一波颠覆性机会不会出现在人人关注的模型层面，而藏在数据流动的路径里、电力供应的网络中，以及“中国硬件+AI 能力”重新定义的每一个传统行业中。
-以上内容已经过脱敏处理，不含敏感信息
