AI开始“干活”之后：启明创投给出未来两年的十大判断

21世纪经济报道记者 赵娜 上海报道

“AI一天，人间一年。”

7月19日，2026世界人工智能大会（WAIC）期间，启明创投主管合伙人周志峰在“启明创投·创业与投资论坛——从算力原点到应用落地的进化征程”上，用这句话形容AI产业过去一年的变化速度。

这是启明创投连续第四年发布“AI十大展望”。

今年，其团队围绕基础模型、具身智能、AI基础设施和AI应用四个方向，给出未来12至24个月AI产业发展的判断。

从投资布局看，启明创投自2013年起系统性布局人工智能领域，截至目前在AI领域累计投资超过100个项目，投资总额达120亿元，覆盖底层算力、基础模型、多模态技术、具身智能及垂直应用等环节。

过去几年，AI最先改变的是人与信息、知识的关系。

互联网降低了获取信息的边际成本，大模型则让人们通过自然语言与模型交互，获得体系化知识。2026年开年以来，随着模型在编程和推理能力上的提升，Agent开始承担更多数字世界中的任务。

在周志峰看来，Agent的本质，是在数字世界里实现数字化工作，并让这类工作的边际成本趋向于零。再往后，Physical AI（物理AI）将通过机器人或智能终端，进入工厂制造、生活服务、养老照护、个人陪伴等场景，在物理世界中执行任务。

对应基础模型的发展，启明创投判断，未来12至24个月，顶尖模型将内化大部分“外挂”能力，包括任务规划、工具调用、多Agent协同及部分Harness工程能力等。多模态模型也将进一步向可交互世界建模演进，成为AI在物理世界具备环境感知与长期规划能力，并实现大规模落地的关键技术。

具身智能则是这一变化的另一条主线。

启明创投在论坛现场发布的展望提到，头部机器人公司的有效数据量将从2025年的“万小时级”跃升到2027年的“百万小时级”，其中人类第一视角数据会占据主导。

同时，带有触觉感知的灵巧手将逐步成熟并持续降本，与双指夹爪方案形成高低搭配，向复杂操作场景渗透。

模型和具身智能继续向前，首要回答算力问题。

过去几年，国产GPU公司首先解决的是“吃得饱”的问题。训练大模型需要大量算力，市场关心的是有没有足够的GPU、能不能搭起集群、能不能支撑训练。

随着大模型企业的推理算力需求超过训练算力需求，新的问题出现了：算力不仅要有，还要更便宜、更高效、更稳定。

周志峰将新一阶段的竞争概括为解决“吃得好”的问题。

这也解释了为什么AI基础设施的竞争正从单一芯片扩展到系统级能力。

启明创投预计，随着算力需求重心转向推理，存储、先进制程和先进封装产能都将持续承压。未来两年，AI基建仍可能面临结构性紧缺，算力资产储备的重要性会进一步上升。

在这一背景下，芯片、互联、散热、供电等环节会被重新审视。未来两年内，市场有望出现基于新架构的算力芯片及超节点大集群，以实现低成本、高效率的Token生产。

启明创投判断，安全可信将由可选项逐步变为必选项，与产品效果、Token成本并列为影响企业AI大规模落地的三大关键变量。

相比模型、具身智能和算力，AI应用仍在寻找更清晰的商业化路径。

过去一年，少数AI应用实现了较快增长，更多应用的发展速度低于此前预期。一个重要原因是，互联网和移动互联网时代的流量逻辑，很难直接迁移到AI时代。

传统互联网产品可以先追求规模，再通过广告、会员、增值服务等方式变现。

AI应用不同，每增加一个用户、每产生一次调用，都会带来Token成本。如果商业闭环没有形成，规模扩大可能意味着成本增加。

AI应用必须重新算清商业账。

启明创投判断，未来12至24个月，AI应用的商业模式将加速脱离互联网时代的Freemium逻辑，转向以结果和价值定价。衡量AI公司的核心指标，将从用户规模转向单位智能成本创造的商业价值。

从落地顺序看，AI应用商业化将聚焦垂直场景与高付费用户，效率端（save time）将先于消费端（kill time）爆发。伴随Token成本持续下降与交互范式创新，现象级AI消费应用将逐步浮现。

这背后是企业客户更直接的付费逻辑：企业愿意为明确的效率提升、成本下降、收入增长和风险控制付费，而不是为一个泛泛的AI概念买单。

组织形态也会随之变化。

十大展望的最后一项落脚于AI-Native（AI原生）组织：未来12至24个月，AI-Native组织将从概念走向实证，一批企业将实现数倍于传统组织的人均产出。

在启明创投的观察中，模型、具身智能和算力已经形成较强市场共识，AI应用仍处在寻找突破口的阶段。未来12个月，启明创投将继续围绕多个AI细分领域展开布局。