来源：东哥笔记

  作者：李成东

  2月4日，第五届「专业主义·2026李成东年度演讲」和晚宴&十三·东哥饭局第122期圆满落幕。在今年的晚宴上，东哥特别邀请了三位AI领域的重量级嘉宾，分享了他们对行业趋势的深刻洞察。

•   梁斌-八友科技创始人，成立于2015年，专注于为人工智能和大模型领域提供高质量的数据支持服务，客户中50%是国内主流大模型厂商。一位在ChatGPT浪潮前就坚持数据储备的技术前瞻者。

•   黎科峰-数势科技创始人，成立于2020年，专注于为大金融、泛零售和高科技制造等领域的企业提供基于大模型与大数据驱动的数据智能产品的企业。曾任京东技术委员会主席、手机百度总经理等。

•   李明顺-行行 AI 董事长、顺福资本创始合伙人，专注于投资人工智能等前沿科技领域的早期投资，中国最传奇的草根互联网创业者，参与创办Discuz（腾讯收购），好贷网等公司，曾就职于网易与腾讯。

  以下为本期饭局的精华整理，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供了一个独特的观察视角：通过企业采购数据的行为，判断其在AI赛道上的真实实力。

  他的投资逻辑双向有效：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，可能拥有更强的内部数据能力。

  比如谷歌早期并未采用他的服务，这反而让他判断谷歌拥有强大的自研能力，他因此重仓谷歌股票并获得回报。

  在与国内大厂合作时，梁斌的团队常接到那些“硬骨头”项目。通过承接这些非标、复杂的细分任务，他们能穿透性地看到谁获得了真实、高价值的核心订单。

  “智谱AI、月之暗面等公司业务扎实，他们持续采购数据并交付复杂需求。”

  另一个被普遍忽视的投资主线是AI基础设施的衍生需求。梁斌认为，AI算力中心的能耗将根本性改变能源结构，美国政策可能要求大厂自建发电设施。

  这将催生对铀矿公司、电力零售商以及稀土公司的长期需求。

芯片博弈，二手红利与生态依赖

  梁斌从产业视角分析芯片市场变化：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，这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基础设施的投资不能仅盯着芯片。更全面的视角是：关注芯片周期，评估国产进展，同时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推出的QwQ-32B模型成为游戏规则改变者。它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”直接降至“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，尽管表面上国内AI热火朝天，但实际呈现“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。 黎科峰提到，一个关键区别在于投资导向：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，他们的工作正被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

  黎科峰提出了一个根本性判断：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：

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。

  但这也为中国创业者带来了独特机会：

  工作流优化工具是成熟路径，但需警惕数据合规风险；

  AI内容生成领域，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”；

  “AI+硬件”则是最被看好的方向，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，认为基座算法尚未出现“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