AI创业者的集聚是一个值得关注的现象。
不同于传统制造业对交通便利与土地成本的敏感，也不同于互联网创业对低租金与写字楼品质的偏好，AI创业者展现出独特的空间选择逻辑——他们在追求一种能够同时满足高频认知协同、心理认同支撑和社交需求的“创新生态系统”。
AI创业者关注的不在技术研发而在外部资源获取，物理空间的本质功能是为个体创业者提供产业生态的平台入口。
01
一个需要关注的经验现象
2026年初，原美团联合创始人王慧文在复盘其AI领域投资时，分享了一个引人深思的发现：在北京地图上以“清华以南、北大以东、学院路以西、大钟寺以北”为界画一个方框，落在这个方框里的AI项目，投资回报明显优于方框之外。
从张江AI创新小镇不到10个月集聚200余家AI企业，到上海“模速空间”20个月汇聚超100家大模型公司，再到全国426个OPC社区在65个城市的迅速铺开，AI创业者正在以显著的空间集聚行为，重新定义产业地理的版图。
这种集聚模式提出了一个需要回应的核心问题：AI创业者的空间选择偏好，与既往产业的空间逻辑有何不同？其背后的深层机理是什么？
一方面，AI创业者的生产资料并非物质原料或中间产品，而是认知能力和数据资源，二者均不具有传统意义上的“运输成本”。另一方面，AI创业者的集聚对象并非同行业竞争者的简单聚集，而是一种跨角色、跨环节的生态性集聚——他们需要的是投资人、科研机构、上下游企业、同行创业者的混合共处。更关键的是，AI创业者所追求的并非仅仅是“靠近”，而是一种特定的空间品质——密集的认知碰撞、特定的社群氛围、嵌入产业网络的机会。
为回应上述问题，可以从三个维度展开：
第一，距离维度。“信息空间”（informationspace）与“认知临近性”（cognitiveproximity），AI创业者的物理集聚本质上是应对知识生产属性变化的空间响应。AI知识具有高度非编码化、高迭代性的特征，物理距离的缩短实质上是压缩了知识流动的时间成本。
第二，氛围维度。“知识社区”（knowledgecommunity）与“认知共同体”（epistemiccommunity），分析AI创业者在空间选择中对“看得见的同类”的独特需求。氛围不仅是心理意义上的“不孤独”，更是认知意义上的同频交流。
第三，产业网络维度。AI创业的核心困境不在于技术研发本身，而在于作为“新进入者”缺乏市场信誉、客户渠道和合作伙伴。物理空间的本质功能，是为这些个体化的创业者提供一个嵌入产业网络、获取制度性资源的“入口”。
02
一是从“地理距离”到“知识流动成本”
传统区位理论对“距离”的理解，主要围绕物理距离所对应的运输成本与通勤成本展开。在这些框架中，距离是一种需要最小化的“成本”。
然而，当产业的核心投入品从物质原料转向知识信息时，“距离”的意义发生了质变。地理距离的本质是知识流动的成本——不仅体现为时间，更体现为信息在传递过程中的损耗、扭曲与延迟。研究表明，知识的传递效率与其编码化程度密切相关：高度编码化的知识（如公式、专利文献、技术标准）可以通过文字和网络远程传递，而隐含知识（tacitknowledge）则依赖面对面的交流。
AI知识的生产恰恰高度依赖隐含知识的传递。一个训练策略是否有效、一个技术路线是否值得押注，这些判断往往无法从文本中直接获取，而是在专业社群的高频交流中逐渐形成共识。在这个意义上，AI创业者对“十分钟创新圈”的追求，本质上是对知识流动成本的最小化。
当大量AI创业者聚集在步行可达的范围内时，隐含知识的传递成本被压缩到最低——非正式的交流、即时的反馈、无意识的“偷听”和“偶遇”，都成为知识生产过程中的有机组成部分。
二是“认知临近性”的集聚逻辑
博世玛（Boschma，2005）提出的“认知临近性”概念，指行动者之间共享的知识基础和理解框架，它使得信息的接收、解读与应用成为可能。在AI领域，具有认知临近性的个体之间，交流效率远高于认知基础差异较大的个体之间。
AI创业者的空间集聚，在深层逻辑上是对认知临近性的一种空间搜寻——他们不是简单地寻找“人多的地方”，而是寻找“懂行的人多且密集的地方”。当创业者走出办公室，在咖啡馆、电梯间、园区活动中随机遇到的人，大概率是“懂AI的人”时，空间本身的“认知密度”就构成了知识生产的基础设施。
值得注意的是，认知临近性的空间集聚具有自我强化的正反馈机制。当某一区域的AI人才密度超过临界点后，更多的AI创业者会被吸引而来，这又进一步提高了该区域的认知密度。
三是信息衰退与“即刻交流”的需求
AI领域的一个显著特征是知识更新的极端高速性。一篇关键论文、一个技术突破、一个开源模型发布，其价值可能在数周内被迭代或超越。在这种环境下，信息的“半衰期”极短——信息的价值随时间衰减的速度远超传统产业。
这使得AI创业者对信息获取的时效性提出了极致要求。获取同一信息，提前三天和滞后三天的价值差异可能是决定性的。而物理距离的缩短，是提高信息获取速度最直接的方式——当同行们聚集在同一街区时，“昨晚某家发了新模型，今天早上满大街都在聊”成为可能。
这种“即刻交流”的价值，无法被视频会议或即时通讯工具所替代，因为它不仅传递信息本身，更传递信息的语境、权重和即时反应——后者往往是判断信息价值的关键线索。
03
一是“看得见的同类”
AI创业与传统制造业或服务业创业不同，AI创业者在早期阶段往往缺乏可见的产出——没有产品原型、没有客户反馈、没有收入数据，有的只是模型参数、训练日志和技术方向判断。
这种状态下，创业者面临的不只是商业风险，更是一种认知层面的孤独：你无法确定自己的技术路线是否正确，因为没有人能给出确切答案；你无法判断自己的进度是否正常，因为没有可参照的标尺。
在这种高度不确定的环境中，“看得见的同类”具有特殊的认知价值。当创业者看到周围有大量与自己相似的个体——同样在探索不确定的技术方向、同样面临各种未知挑战——这种“可视化”的存在本身，就提供了一种参照系和心理锚点。
“AI把个体的能力放大了，也把创业的门槛降低了。但孤独是没有变化的，聚在一起会更温暖”。
二是知识社区与集体共识的生成
波拉尼（Polanyi，1966）对“隐含知识”的经典论述指出，人类知道的远比能够言说的多。在AI这样的前沿技术领域，大量关键判断——如某一技术路线的可行性、某一模型架构的优劣——属于隐含知识的范畴，难以被编码为清晰的文字或公式，只能在专业社群的实践和交流中逐步形成共识。
专业社群不仅是知识传播的渠道，更是知识生产的社会基础。在知识社区中，成员通过持续的互动和交流，共同形成对领域内问题的理解框架、评价标准和判断范式。
AI创业空间的“氛围”，在本质上正是这样一种知识社区的“空间化”形态——它通过将具有共同知识兴趣和认知框架的个体聚集在有限的地理范围内，使隐含知识的交流成为日常实践，使集体共识的生成成为自然过程。
“谁家的Loss降不下来，谁家的算力被卡了脖子，消息传递的速度比光缆还快。”这种快速的信息流动和即时反馈，使得该区域的AI创业者能够在更短的时间内形成对技术方向的集体判断——尽管这种判断未必总是正确，但其速度本身就是一种竞争优势。
三是共享规范与风险判断的社会建构
在集体共识之外，共享规范的形成与风险判断的社会建构。在高度不确定的技术前沿领域，什么算“好的进展”、什么信号需要警惕、什么路线值得押注——这些判断不是纯粹的技术问题，而是在社群交流中被社会性地建构出来的。
格兰诺维特（Granovetter，1985）的嵌入性理论指出，经济活动总是嵌入在社会关系网络之中，经济行为受到社会规范和社会结构的深刻影响。
AI创业者的技术判断和商业决策，同样嵌入在他们所处的社群氛围之中。一个AI创业者对某一技术方向的信心，很大程度上取决于他周围社群对这一方向的集体态度；他对风险的感知，也受到社群中“别人在做什么、别人怎么看”的深刻影响。
这种社会性的风险判断机制，在AI创业中具有特殊的效率含义。当创业者处于一个“懂行的人聚集”的空间中时，他可以借助社群的集体智慧来校准自己的判断，降低试错成本。
空间的“氛围”因此成为一种集体智能的载体——它承载着大量零散的、尚未被编码的专业判断，通过日常互动将这些分散的判断汇聚为一种可感知的集体态度。
04
一是“嵌入性”困境
AI创业者的一个困境在于：技术能力可以凭借个人才华和AI工具实现高度个体化，但商业化的必要条件——市场信誉、客户渠道、合作网络、资本信任——仍然是结构性的，无法被AI所替代。
换言之，AI创造了“一人完成技术闭环”的可能，却无法为这个“一人”创造“一人完成商业闭环”的条件。一个AI创业者可能凭借出众的技术能力开发出优秀的产品，但要让客户信任并采购这个来自“无名个体”的产品、要让投资机构认可并投资这个尚未有收入记录的项目、要让上下游企业愿意与之合作——这些环节仍然需要外部系统的认证和引入。
这就是新进入者困境在AI时代的具体表现。而物理空间，恰好提供了一种突破这一困境的制度性机制。
二是空间作为“制度入口”
从制度经济学的视角来看，AI创业空间在产业网络嵌入中扮演着三重功能：
第一，信用转移机制。当一个AI创业者入驻某个知名的产业社区或OPC社区时，社区的品牌本身构成了对创业者的信誉背书。比如，在“模速空间”，入驻企业获得了参与政府组织的供需对接会的资格，被直接“送入”产业链的核心环节。空间的品牌在这里充当了从“无名个体”的信用背书。
第二，资源匹配机制。产业网络嵌入的另一个关键障碍是匹配成本——创业者不知道谁需要他的产品，也不知道谁能提供他需要的资源。空间的物理邻近性，将高成本的“搜寻”转化为低成本的“偶遇”。当楼下的邻居正好是提供算力基础设施的公司时，合作的达成可能只需要一次电梯间的交谈。空间在这里扮演了一种资源匹配的接口——它降低了产业网络中供需双方相互发现和建立联系的交易成本。
第三，制度性准入机制。许多产业资源——如政府场景开放项目、大企业的供应链准入、公共算力平台的优先使用权——是有门槛的，而门槛的设立往往与“是否属于某个空间载体”相关。空间的入驻身份，在这里成为一种制度性准入的凭证。通过入驻某个产业社区，创业者自动获得了某些原本无法触及的政策资源和产业资源。
三是空间即网络
AI创业空间将抽象的网络关系转化为具体的空间关系，将高成本的网络搜寻转化为低成本的日常偶遇，将个体的孤立存在转化为生态的有机组成部分。
在传统的产业集群理论中，空间集聚的意义在于共享劳动力市场、中间投入品和知识外溢。但在AI创业的语境中，空间的意义更进一步——它不仅是“外部性”的载体，更是创业者嵌入产业网络的“入口”本身。离开这个入口，个体创业者面临的将是一个信息高度不对称、信任机制缺失、匹配成本高昂的外部市场；进入这个入口，他们便自动获得了产业网络的一部分连接。
这正是OPC社区和AI产业社区与传统共享办公的本质区别。共享办公提供的是空间本身；而AI创业空间提供的是嵌入产业生态的制度性通道。前者的价值在于降低办公成本，后者的价值在于降低网络嵌入成本。
结语
综合以上，AI创业空间在其物理形态之外，同时扮演着三重理论角色：
作为“知识加速器”的空间（距离维度）。通过压缩知识流动的物理成本，使隐含知识的传递成为日常实践，使认知临近性的集聚正反馈成为可能。在这一角色中，空间的核心功能是提高知识生产的速度和密度。
作为“共识孵化器”的空间（氛围维度）。通过创造“看得见的同类”的社群环境，使集体技术判断和共享规范得以在社会互动中生成。在这一角色中，空间的核心功能是降低技术决策的不确定性。
作为“网络路由器”的空间（产业网络维度）。通过提供信用转移、接口匹配和制度准入的功能，使个体创业者得以嵌入原本难以触达的产业生态。在这一角色中，空间的核心功能是降低网络嵌入的交易成本。
这三重角色相互强化、协同运作：密集的知识交流强化了社群共识，社群共识增强了空间品牌的信誉价值，而信誉价值又反过来吸引了更多的知识生产者聚集。这种正反馈循环，使得成功的AI创业空间一旦形成，便具有极强的自我强化能力和地理锁定效应。
因此，对于AI创业空间的未来趋势可以做如下研判：
第一，AI创业空间将加速专业化分化。不同技术赛道（大模型、具身智能、AI应用等）对认知临近性的具体需求不同，将催生差异化的专业空间类型。
第二，“空间的品牌化”将成为核心竞争维度。空间作为信用转移机制和制度准入入口的功能越强，其品牌价值就越高，从而形成“品牌-人才-资源”的正反馈循环。
第三，AI创业空间将与传统产业空间长期并存而非简单替代。AI创业空间的兴起不意味着传统产业园区的消亡，而是标志着产业空间体系正在分化为两种并行逻辑：面向大规模协作的传统园区和面向高密度认知交互的AI创新空间。
当AI让个体的能力边界前所未有的扩展时，他们对空间的需求却变得前所未有的特定——他们要的不是“随便找个地方办公”，而是一个能让他们更快思考、更准判断、更深嵌入的地方。这或许正是理解AI时代产业空间逻辑的钥匙所在。
