出海同学会｜导语
2025年第42期干货
NEWS
2025年即将收官，AI领域叙事更迭速度前所未有：年初被热捧的方向年末可能已无人问津；被低估的赛道反而跑出真金白银。哪些方向真正被验证？资金流向了谁？2026年竞争格局正在成形——AI创业主战场将在哪一层？何种壁垒真正有效？CES 2026是否预示AI+硬件新周期的到来？
本期闭门会，我们邀请创业者、企业代表与投资人，从年度复盘到未来主线，从软件应用到硬件周期，在热点与结果、预期与现实之间，厘清真正趋势。
一页精华
本期课代表
按公司名数字-字母序
CCV Capital | Venture Partner Allen Hu
ex-大模型战投 | Emma Zhu
Linkloud | 创始人 高宁
PlushAI | CEO Sharon
阿里 | 投资总监 南婉娇
某战投 | Joyce Dong
微软 | 首席产品设计师 刘妍
无界方舟 | 合伙人&CPO 杨冬蕴
玄源科技 X-Origin | 品牌负责人 范桑尔
部分同学因公司PR保密未公开，或内容需删减，感谢精彩观点输出。本期整理自Zoom会议实录，嘉宾引用第三方信息若涉及侵权，将及时处理。
要点问题
Part.01 复盘2025：热点vs结果
1.1 哪些AI方向从“被追捧”到“被验证”？
Joyce Dong（某战投）：
AI Coding已跑通，字节、我司内部代码生成占比极高；三五人团队靠AI工具即可快速上线产品。垂类应用（如销售、法律）海外更成熟，国内受限于数据敏感性，多为内部工具。多模态（图、视、语音）落地明显增多，但商业模式尚不清晰，2025属模型走向落地的过渡年，2026或将迎来成熟应用。硬件下半年投资火热，影石、大疆成功带动创业者涌入；关键在于抓“痛点”而非“痒点”，如Plaud切入“苹果手机不能录音”场景，用户愿付费；陪伴类（老人、儿童）对幻觉容忍度高，是可验证、可落地的方向。
南婉娇（阿里）：
推理成本下降推动应用层商业化成为现实。Coding仍是收钱能力最强的场景，OpenRouter数据显示其API调用量、对话轮次与消耗均居首位。多模态增长迅猛，Higgsfield ARR超1亿美元，OpenArt超5000万美元，视频占比高；国内Lovart、Liblib商业化持续提升。垂直Agent海外进展快于国内，主因ToB SaaS收费难、企业更倾向自建；而海外人力成本高、ROI易量化，更易接受Agent服务。AI渗透仍处早期，瓶颈不在模型能力，而在底层环境未就绪——文件抓取、数据对接、Infra配套尚未完善。
Emma Zhu（ex-大模型战投）：
模型层进入“数一数谁还在牌桌上”阶段：海外约5家大厂，国内有6家持续投入Pre-train，存在代际差距；API已落地，但商业化尚处早期，一级市场黄金期或已过。中间层（LLM Infra、Agent推理）是华人团队优势领域，需从Day One全球化布局、提前进入Enterprise BD体系。应用层方面，2025除Coding外暂无惊艳商业化场景；2026–2027将逐步解锁更多场景。ToC重点关注工具、电商、社交、内容，尤其多模态交互、可玩性强的游戏与泛娱乐产品，具备0→1快、易全球化优势；ToB则聚焦全球各行业生产力价值，AI渗透是必然趋势。
高宁（Linkloud）：
ToB场景正被做深，“AI Roll-up”趋势显现：AI公司正重构传统服务，而非PE整合。典型如客服中心，毛利率可从30%跃升至70%，本质已非外包公司，而是高毛利软件服务。美国已有初创为餐饮夫妻店提供AI Call Center服务，按通话量收费，打通后端系统，服务此前未被覆盖的线下服务业，已在劳动力高成本市场跑通。
1.2 AI应用与AI硬件，长期可持续的竞争壁垒应如何构建？
范桑尔（玄源科技 X-Origin）：
当前AI硬件整体仍处PMF未大规模验证阶段，多数产品为过渡形态。销售层面，AI不会自动产生强价值增量，尤以美国市场为甚；打动用户的关键是将产品与具体场景、切身收益结合。经大量场景测试与切片投放，我们总结AI硬件成功需三大要素：设计力、工程能力、对AI能力边界的理解。2026重点方向包括：①绕开大模型限制的语音交互载体；②极致轻量化，功能高度聚焦；③深耕儿童市场，严守隐私安全与Kid Safe认证，借鉴Yoto Player、Toniebox等标杆。
杨冬蕴（无界方舟）：
2025是国内AI硬件爆发元年。SaaS收费难倒逼团队转向硬件，影石即因软件盈利难选择硬件路径。我们推出的ToC早教产品“奇多多AI学伴”，主打“AI识别万物”“AI可读所有书本”，依托自研EVA OS（AI硬件大脑），首发即售罄。EVA OS核心能力包括：①实时多模态互动（视觉+语音，毫秒级反馈）；②记忆层（攻克文本向量库导致的幻觉，引入多模态视觉记忆，迈向参数化记忆矩阵）；③执行层（聚合API调用、Computer Use、Robotics等成熟能力）；④显示层（支持眼神、表情、数字人，并行链路保障低延迟与音画同步）。AI硬件可分为两类：一类是PMF清晰的垂直产品（如儿童/女性陪伴）；另一类是想象空间大的前沿形态（如机器狗、无屏智能终端），二者无优劣之分，前者重当下闭环，后者探未来边界。PMF成立需同时满足：用户画像清晰、解决未被满足的刚需痛点（非痒点）、技术成熟度达标。
Allen Hu（CCV Capital）：
机器人领域出现显著变化：智能体AI兴起，底座模型叠加强化学习层正成为新壁垒。案例一：“机器人大脑”公司适配主流机械臂，允许非专业工程师通过语音训练新任务（如“倒可乐”），赋能全球500万台工业机械臂；案例二：sunday.ai采用三指手套遥操作训练机器人，在居家场景具备潜力；另有公司将LLM Agent逻辑完整迁移至机器人软件：Agent理解意图→拆解任务→动态编排→API控制。机器人两大路径并存：垂直闭环型（如儿童陪伴）和前沿探索型（如机器狗、无屏终端），前者重商业化，后者重未来可能性。
Part.02 看未来2026：主战场在哪里？
2.1 2026，AI创业的主战场会如何迁移？机会将集中在哪一层？
高宁（Linkloud）：
共识趋势是向应用层聚焦，并精挑细分场景。大量Agent项目仍停留于通用层面（如“帮你找Leads”），缺乏真实情境支撑。2026关键在于找到足够垂直的切口——例如专注某行业销售流程，把AI自动化做到极致，再横向复制。起点越精准，PMF越易达成；宽泛宣称“什么都能做”，反致同质化严重、缺乏竞争力。
Emma Zhu（ex-大模型战投）：
2026大模型仍是技术核心，关注Online Learning及多格式理解（视频、具身智能、自动驾驶）进展。“解模型”本质是生成与理解更多模态数据。初创机会聚焦两方向：①数据领域：SFT/RL数据需求激增，需算法团队参与Co-design，属高门槛轻资产模式；②应用侧：ToB强调“端到端解决问题”，需垂直workflow、确定ROI与可量化成效，Voice能力适配性极强；ToC核心在多模态交互内容，依赖产品经理对真实需求的深度洞察，需沉入用户社群长期观察，属典型的“自下而上”过程。
刘妍（微软）：
交互趋势呈现三大方向：①弱化界面——屏幕不再是中心，轻触摄像头即可唤醒语音，App形态或将重构；②硬件交互创新——如面向中东市场的AI戒指，通过手势投影实现高爆发力，细分市场中意外交互常成破局点；③超个性化与情感连接——不止于功能个性化，更需AI基于性格主动服务、建立情绪价值，使AI成为生活中的朋友。
Sharon（PlushAI）：
创业核心是寻找巨头未涉足领域。大模型水位抬升后，重复模型能力的产品难生存。两大判断：①最大机会在垂类人群，需具备明显占有优势；②需求须处上升期，故切入AI潮玩。中国工厂AI硬件能力极强，但现存问题突出：市场未验证、留存率极低（多数产品月活不足）。AI硬件本质是消费电子，复购是可持续前提。潮玩IP（如泡泡玛特、迪士尼）具备高复购与强护城河，我们正联合拥有IP与出海渠道的伙伴，面向二次元及年轻群体打造AI潮玩。当前AI硬件可分为三类：①大脑互动型（能力未Ready，留存偏低）；②具身人形智能（商业化极早期）；③仿生型（如机械手、仿生宠物），属已被验证的“弱陪伴”可行路径。
南婉娇（阿里）：
软件领域存在两类机会：一是适合“做生意”的垂类数据服务（标注/合成），现金流健康，硅谷已涌现大量专家网络型公司；二是适合规模化资本化的方向：ToC关注垂直人群工具（情感陪伴、记忆层能力），市场正从泛陪伴走向精准服务；ToB观察三点：单点工具已红海，端到端解决方案更可持续；企业协同与知识沉淀（如Manus、Lovable）提升留存与付费稳定性；单点向平台演进（如Glean从搜索延伸至招聘/报销Agent）。2026关键评估维度：是否切入明确垂类场景、是否完成端到端任务、是否形成数据沉淀与真实迁移成本（如AI知识库支持再创作，迁移难度陡增）。
高宁（Linkloud）：
AI与硬件融合加速，声音能力被严重低估。海外市场围绕声音的工具与产品已快速发展，年轻一代天生习惯自然语言交互。声音技术持续进步，关键在于找到优质结合点——特定年龄层或人群尚无好用产品，即是机会。当前智能眼镜等产品语音交互质量仍差，小米眼镜一年实测体验仅20分，提升空间巨大，期待2026实质性突破。
2.2 创业公司生存与发展的最关键能力是什么？
刘妍（微软）：
参考Lenny’s Podcast总结的七大护城河：①速度（快速试错迭代）；②流程壁垒（稳定可复制工作流）；③资源（稀缺数据、客户、场景）；④切换成本（如Notion用户因历史数据积累难以迁移）；⑤反向定位（主动选择巨头不做的小众领域）；⑥网络效应（用户反馈正循环）；⑦规模经济（低算力、低成本构筑壁垒，如DeepSeek、Anthropic优化推理成本）。当前创业环境红海化严重，大厂跟进迅速，风险与机会并存。
Sharon（PlushAI）：
商业本质决定三大核心能力：①产品力与设计力——硬件外观是购买第一要素，决定首批用户获取；②销售渠道——消费电子核心能力，现有畅销AI产品均依托成熟线上/线下渠道；③快速迭代能力——AI潮玩上新节奏达每月数款，需同步提升速度、成本与规模经济，并选择具备复利效应的赛道。软件领域仍最接近商业化：电商客服、发品、换装及短视频制作已显著提效，2026将迎洗牌。机会属于能解决“最后一公里”体验、并敢于按效果付费的团队——当前最佳AI客服与短视频方案仍需人工二次加工，体验缺口即为最大机会。
2.3 新一代AI应用如何构建难以复制的长期壁垒？
高宁（Linkloud）：
ToB与ToC壁垒逻辑不同。ToB尤重行业认知深度，以金融为例：大模型虽可由专家标注，却难理解机构独有投资风格与隐性准则。这类客户需要基础能力达50分的工具，再快速注入自身数据、理念、原则，训练专属策略模型。通用API无法满足，此即独特机会。挑战在于：此类私有知识是否可被模型吸收并反哺进化？机构出于生存考量，往往不愿透明“喂养”模型。ToC则处于高速获客阶段，ChatGPT等DAU/MAU已迅猛增长，抢占千分之一份额即达海量用户。增长仍是第一要务，快速攻占用户心智是核心任务。